基于WOFOST模型的德州市冬小麥干旱減產(chǎn)風(fēng)險(xiǎn)評(píng)估

王萌萌， 楊學(xué)斌*， 王吉順， 尚建設(shè)， 來(lái)劍斌

(1.德州市氣象局， 山東 德州 253078； 2.中國(guó)科學(xué)院 地理科學(xué)與資源研究所禹城綜合試驗(yàn)站， 北京 100101)

災(zāi)害風(fēng)險(xiǎn)分析是農(nóng)業(yè)氣象領(lǐng)域的重要研究?jī)?nèi)容，劉榮花等[1]基于冬小麥的實(shí)際災(zāi)損，對(duì)減產(chǎn)率、發(fā)生概率和產(chǎn)量變異系數(shù)進(jìn)行分析，構(gòu)建了華北平原冬小麥產(chǎn)量災(zāi)損風(fēng)險(xiǎn)評(píng)估模型。張存杰等[2]根據(jù)干旱發(fā)生的危險(xiǎn)性、不同地區(qū)干旱背景和脆弱性，建立了我國(guó)北方冬麥區(qū)全生育期和6個(gè)關(guān)鍵生育期的干旱災(zāi)害風(fēng)險(xiǎn)評(píng)估模型和區(qū)劃方法。薛昌穎等[3]根據(jù)風(fēng)險(xiǎn)理論采用風(fēng)險(xiǎn)評(píng)估技術(shù)和方法，分析了干旱氣候條件下華北平原冬小麥產(chǎn)量災(zāi)損的風(fēng)險(xiǎn)水平。王素艷等[4]基于風(fēng)險(xiǎn)分析原理，建立了北方冬小麥干旱災(zāi)損風(fēng)險(xiǎn)指數(shù)模式，確定了綜合風(fēng)險(xiǎn)區(qū)劃指標(biāo)。上述研究均以風(fēng)險(xiǎn)理論為基礎(chǔ)開(kāi)展，在進(jìn)行干旱評(píng)估時(shí)均采用了統(tǒng)計(jì)學(xué)、天氣學(xué)等方法。近年來(lái)，隨著作物生長(zhǎng)模型應(yīng)用范圍的擴(kuò)大，專(zhuān)家學(xué)者已用于干旱風(fēng)險(xiǎn)研究。張建平等[5]基于WOFOST作物生長(zhǎng)模型，定量分析并動(dòng)態(tài)評(píng)估了干旱災(zāi)害對(duì)華北地區(qū)冬小麥的影響。李樹(shù)巖等[6]基于WOFOST作物生長(zhǎng)模型，分析了水分脅迫條件下河南省冬小麥減產(chǎn)風(fēng)險(xiǎn)值的變化規(guī)律。作物生長(zhǎng)模型能夠定量反映作物生長(zhǎng)發(fā)育過(guò)程及其與環(huán)境因子的關(guān)系，并對(duì)作物主要生理生態(tài)過(guò)程進(jìn)行數(shù)值模擬，人為再現(xiàn)作物生長(zhǎng)發(fā)育過(guò)程[7-8]。

德州市是農(nóng)業(yè)大市，是全國(guó)首個(gè)“噸糧市”，冬小麥?zhǔn)窃撌械闹饕Z食作物之一，但小麥生長(zhǎng)發(fā)育容易受干旱影響。因此，準(zhǔn)確評(píng)估該地區(qū)氣象干旱對(duì)冬小麥產(chǎn)量的影響，繼而評(píng)價(jià)水分脅迫條件下冬小麥的減產(chǎn)風(fēng)險(xiǎn)并進(jìn)行區(qū)劃，對(duì)指導(dǎo)當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)具有重要的科學(xué)意義。因此，利用德州市1981—2018年的氣象觀測(cè)資料及近幾年的冬小麥生長(zhǎng)觀測(cè)資料和土壤特性資料，對(duì)WOFOST作物生長(zhǎng)模型進(jìn)行參數(shù)校準(zhǔn)，驗(yàn)證模型在德州市冬小麥生長(zhǎng)模擬方面的適用性。在此基礎(chǔ)之上，對(duì)多年來(lái)冬小麥的潛在產(chǎn)量和雨養(yǎng)產(chǎn)量進(jìn)行模擬，評(píng)價(jià)干旱對(duì)冬小麥產(chǎn)量的影響，進(jìn)而建立冬小麥減產(chǎn)風(fēng)險(xiǎn)評(píng)估模型，對(duì)全市冬小麥減產(chǎn)風(fēng)險(xiǎn)進(jìn)行分析，研究減產(chǎn)風(fēng)險(xiǎn)的變化規(guī)律，以期為全市冬小麥生產(chǎn)決策、防范干旱影響等提供參考。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

德州市位于山東省西北部，屬溫帶大陸性季風(fēng)氣候，四季分明、雨熱同期，春季干旱多風(fēng)，夏季炎熱多雨，秋季涼爽少雨，冬季寒冷干燥。年平均日照時(shí)數(shù)2 483.8 h，年平均氣溫13.2℃，年平均降水量531.4 mm。冬小麥?zhǔn)堑轮菔械闹饕Z食作物之一，其生育期正逢干旱少雨的冬春季節(jié)，因而干旱是主要?dú)庀鬄?zāi)害之一，對(duì)冬小麥的生長(zhǎng)發(fā)育及產(chǎn)量形成具有顯著影響[9-10]。

1.2 WOFOST模型本地化

1.2.1 WOFOST模型簡(jiǎn)介 WOFOST(World food studies)是荷蘭瓦赫寧根大學(xué)和世界糧食研究中心共同研發(fā)的系列作物模型之一，是模擬特定土壤和氣候條件下一年生作物生長(zhǎng)的動(dòng)態(tài)解釋性模型[11-13]。目前，WOFOST作物生長(zhǎng)模型在世界范圍內(nèi)廣泛應(yīng)用，主要用于產(chǎn)量預(yù)測(cè)、產(chǎn)量風(fēng)險(xiǎn)分析、生產(chǎn)潛力評(píng)價(jià)、災(zāi)害影響評(píng)估、氣候變化影響評(píng)估、灌溉和施肥的產(chǎn)量效益估算等方面[13-15]。模型以日為時(shí)間步長(zhǎng)，動(dòng)態(tài)、定量模擬潛在生長(zhǎng)、水分限制和養(yǎng)分限制3種水平下的作物生長(zhǎng)狀態(tài)。根據(jù)土壤和氣象條件對(duì)作物根、莖、葉、穗生物量以及土壤水分動(dòng)態(tài)進(jìn)行模擬，描述作物從出苗到開(kāi)花、開(kāi)花到成熟的生長(zhǎng)過(guò)程，模擬作物在輻射、溫度、降水、作物自身特性等影響下日尺度的干物質(zhì)積累，模擬的基礎(chǔ)為作物的同化作用、呼吸作用、蒸騰作用以及干物質(zhì)的分配等生理生態(tài)過(guò)程[16-20]。WOFOST模型的水分模擬以土壤水分平衡方程為基礎(chǔ)，設(shè)置3種不同的子模塊：第一種是假定土壤水分能夠充分滿(mǎn)足作物生長(zhǎng)需求，用于模擬作物潛在產(chǎn)量；第二種是模擬水分限制產(chǎn)量，水分來(lái)源主要是降水，地下水不影響作物生長(zhǎng)，用于模擬作物雨養(yǎng)產(chǎn)量；第三種是作物根部缺水時(shí)，地下水可以進(jìn)行補(bǔ)充。本研究采用第一種和第二種模擬模式。

1.2.2 參數(shù)本地化及評(píng)價(jià)指標(biāo) 以模型自帶的冬小麥參數(shù)為基礎(chǔ)，通過(guò)查閱文獻(xiàn)及“試錯(cuò)法”等，對(duì)較為敏感的TSUM1(出苗到開(kāi)花的有效積溫)、TSUM2(開(kāi)花到成熟的有效積溫)、SPAN(35℃環(huán)境下葉生存周期)、PERDL(水分脅迫引起的葉片最大死亡速率)、SMW(凋萎濕度)等參數(shù)進(jìn)行調(diào)整。選擇模擬值和實(shí)測(cè)值的相關(guān)系數(shù)(r)、均方根誤差(RMSE)、歸一化均方根誤差(NRMSE)作為生育期、生物量和產(chǎn)量的驗(yàn)證指標(biāo)，RMSE和NRMSE越小表示模擬值與實(shí)測(cè)值越接近。

1.3 數(shù)據(jù)來(lái)源與干旱減產(chǎn)風(fēng)險(xiǎn)評(píng)估

1.3.1 數(shù)據(jù)來(lái)源 冬小麥生長(zhǎng)觀測(cè)資料：來(lái)源于中科院禹城試驗(yàn)站2015—2016年的試驗(yàn)資料，包括生育期以及不同生育期的莖稈、綠葉和地上部分總生物量觀測(cè)值。其中，2015年數(shù)據(jù)用于校準(zhǔn)參數(shù)，2016年數(shù)據(jù)用于驗(yàn)證參數(shù)。氣象觀測(cè)資料：來(lái)源于德州市氣象局，獲取11個(gè)站點(diǎn)1981—2018年逐日平均氣溫、最高氣溫、最低氣溫、平均風(fēng)速、水汽壓及日照時(shí)數(shù)觀測(cè)值。由于WOFOST模型所需的太陽(yáng)輻射沒(méi)有觀測(cè)數(shù)據(jù)，利用埃斯屈朗(Angstrom)方程，通過(guò)日照時(shí)數(shù)計(jì)算太陽(yáng)輻射量[21]。對(duì)于缺失的氣象數(shù)據(jù)采用五日滑動(dòng)平均的方法進(jìn)行訂正補(bǔ)充，由于降水?dāng)?shù)據(jù)存在較大的不確定性，對(duì)于缺失及異常數(shù)據(jù)統(tǒng)一定義為0[22]。土壤數(shù)據(jù)資料：主要采用經(jīng)驗(yàn)值，田間持水量、凋萎濕度、土壤容重等采用實(shí)測(cè)值。

1.3.2 干旱減產(chǎn)風(fēng)險(xiǎn)評(píng)估 利用2015—2016年的逐日氣象資料、冬小麥生長(zhǎng)觀測(cè)資料和土壤資料對(duì)WOFOST模型進(jìn)行參數(shù)校準(zhǔn)，獲得適用于德州市的模型參數(shù)。利用德州市11個(gè)站點(diǎn)1981—2018年的逐日氣象觀測(cè)資料，分別在潛在模式和水分脅迫模式下驅(qū)動(dòng)模型，獲取冬小麥潛在產(chǎn)量和雨養(yǎng)產(chǎn)量。潛在產(chǎn)量為最適條件下冬小麥的產(chǎn)量，雨養(yǎng)產(chǎn)量是受降水條件影響的產(chǎn)量，兩者之差為受干旱影響的減產(chǎn)率。通過(guò)計(jì)算不同等級(jí)減產(chǎn)率及其發(fā)生頻率，建立減產(chǎn)風(fēng)險(xiǎn)評(píng)估模型，對(duì)冬小麥減產(chǎn)風(fēng)險(xiǎn)進(jìn)行評(píng)估和區(qū)劃。

德州市的光溫條件基本能夠滿(mǎn)足冬小麥生長(zhǎng)需求，水分條件是限制冬小麥生產(chǎn)的主要因素。因此，冬小麥的氣象干旱減產(chǎn)風(fēng)險(xiǎn)可用潛在產(chǎn)量和雨養(yǎng)產(chǎn)量的差距表示。運(yùn)用模型模擬德州11個(gè)站1981—2018年雨養(yǎng)條件下的產(chǎn)量與潛在產(chǎn)量，計(jì)算減產(chǎn)率及其出現(xiàn)頻率，建立干旱減產(chǎn)風(fēng)險(xiǎn)評(píng)估模型。

式中，YP為減產(chǎn)風(fēng)險(xiǎn)指數(shù)，Di為減產(chǎn)率等級(jí)，Pi為不同等級(jí)減產(chǎn)率出現(xiàn)的概率。減產(chǎn)率0～10%時(shí)為第1級(jí)，即D1=1，以此類(lèi)推，減產(chǎn)率90%～100%時(shí)為第10級(jí)，即D10=10。DYt為第t年的減產(chǎn)率，Yt為第t年的潛在產(chǎn)量，Ytp為第t年的雨養(yǎng)產(chǎn)量。n為第i等級(jí)的減產(chǎn)率出現(xiàn)的次數(shù)，m為模擬的總年數(shù)。

2 結(jié)果與分析

2.1 模型驗(yàn)證

從表1看出，在校準(zhǔn)年份和驗(yàn)證年份，出苗、拔節(jié)、抽穗、成熟等各個(gè)發(fā)育期的模擬值相差較小，平均誤差分別為1 d和3.7 d。從表2可見(jiàn)，在校準(zhǔn)年和驗(yàn)證年，莖干重和地上部分總干重的模擬值和實(shí)測(cè)值的相關(guān)系數(shù)均≥0.98，并通過(guò)0.01水平顯著性檢驗(yàn)，表明模擬值和實(shí)測(cè)值較為吻合，模擬誤差較小。對(duì)于葉干重，校準(zhǔn)年模擬值和實(shí)測(cè)值的相關(guān)系數(shù)為0.90，通過(guò)0.05水平顯著性檢驗(yàn)，驗(yàn)證年的相關(guān)系數(shù)為0.84，沒(méi)有通過(guò)0.05水平顯著性檢驗(yàn)，說(shuō)明模型對(duì)于葉干重的模擬誤差相對(duì)較大。分析校準(zhǔn)年和驗(yàn)證年葉干重生長(zhǎng)動(dòng)態(tài)的模擬值和實(shí)測(cè)值發(fā)現(xiàn)，在拔節(jié)期兩者相差較大，其他生育期吻合較好，這可能是因?yàn)槟Ｐ蜎](méi)有考慮分蘗的死亡，同時(shí)存在人工觀測(cè)誤差，導(dǎo)致葉干重的模擬效果相對(duì)不理想。綜合考慮莖干重、葉干重和地上部分總干重的模擬結(jié)果，整體看誤差在可接受范圍之內(nèi)，因此認(rèn)為WOFOST模型可用于模擬德州市的冬小麥生長(zhǎng)發(fā)育過(guò)程。

表1 生育期參數(shù)校準(zhǔn)和驗(yàn)證結(jié)果

表2 模型參數(shù)的校準(zhǔn)和驗(yàn)證評(píng)價(jià)

2.2 冬小麥減產(chǎn)率的年變化規(guī)律

從表3看出，1981—2018年，德州、樂(lè)陵、寧津和夏津冬小麥的減產(chǎn)率呈增加趨勢(shì)，其中樂(lè)陵減產(chǎn)率傾向率最小，減產(chǎn)趨勢(shì)不明顯；其余7個(gè)站的減產(chǎn)率呈減少趨勢(shì)，其中禹城、齊河、武城下降趨勢(shì)明顯。德州、臨邑、夏津的降水量呈減少趨勢(shì)，其中臨邑降水量?jī)A向率最小，減少趨勢(shì)不明顯；其余8個(gè)站的降水量呈增加趨勢(shì)，其中齊河降水量?jī)A向率最小，增加趨勢(shì)不明顯。整體看，北部站點(diǎn)的減產(chǎn)率年際變化不大，相對(duì)比較穩(wěn)定，南部站點(diǎn)則相反。對(duì)減產(chǎn)率和生長(zhǎng)季降水量進(jìn)行相關(guān)分析，其中7個(gè)站呈極顯著負(fù)相關(guān)關(guān)系，4個(gè)站呈不顯著負(fù)相關(guān)關(guān)系。表明，隨生長(zhǎng)季降水量減少小麥減產(chǎn)率增加，生長(zhǎng)季降水量增加小麥減產(chǎn)率減少，與實(shí)際情況一致。

表3 1981—2018年德州市冬小麥減產(chǎn)率和生長(zhǎng)季降水量變率及其相關(guān)性

2.3 冬小麥減產(chǎn)率的空間變化規(guī)律

從圖1可知，減產(chǎn)率大于20%的概率分布在慶云、寧津相對(duì)較大，達(dá)50%～53%；樂(lè)陵、武城、陵城、臨邑、夏津、平原次之，為45%～49%；德州、齊河、禹城最小，為17%～24%。減產(chǎn)率大于50%的概率分布在慶云、樂(lè)陵、寧津相對(duì)較大，達(dá)15%～18%；陵城、平原、臨邑、武城次之，為12%～14%；德州、禹城、齊河、夏津最小，為3%～9%?？傮w看，減產(chǎn)率概率從北向南整體呈減少趨勢(shì)。

從圖2可知，慶云、樂(lè)陵、寧津冬小麥減產(chǎn)風(fēng)險(xiǎn)指數(shù)最大，達(dá)3.0～3.3；陵城、臨邑、平原、武城、夏津次之，為2.6～3.0；德州、齊河、禹城最小，為1.7～2.1。減產(chǎn)風(fēng)險(xiǎn)指數(shù)從北向南呈減少趨勢(shì)。德州、齊河、禹城冬小麥生長(zhǎng)季平均降水量相對(duì)較大，達(dá)160～176 mm；平原、夏津、臨邑次之，為151～156 mm；慶云、樂(lè)陵、寧津、陵城、武城最少，僅145～147 mm。冬小麥生長(zhǎng)季平均降水量從北向南大致呈下降趨勢(shì)，與減產(chǎn)率和減產(chǎn)風(fēng)險(xiǎn)指數(shù)的空間分布規(guī)律基本相反。綜上所述，氣象干旱造成的減產(chǎn)風(fēng)險(xiǎn)在慶云、樂(lè)陵、寧津是高值區(qū)，在陵城、平原、武城、臨邑一帶是中值區(qū)，在德州、齊河、禹城是低值區(qū)。

3 結(jié)論與討論

利用校準(zhǔn)后的WOFOST模型，對(duì)德州市1981—2018年冬小麥的潛在產(chǎn)量和雨養(yǎng)產(chǎn)量進(jìn)行模擬，計(jì)算水分條件影響下的減產(chǎn)率，并根據(jù)各等級(jí)減產(chǎn)率及其出現(xiàn)的概率建立減產(chǎn)風(fēng)險(xiǎn)評(píng)估模型，進(jìn)行氣象干旱減產(chǎn)風(fēng)險(xiǎn)分析。研究結(jié)果表明，德州、寧津、夏津的冬小麥減產(chǎn)率呈明顯增加趨勢(shì)，禹城、齊河、武城呈減少趨勢(shì)，陵城、樂(lè)陵、臨邑、慶云變化幅度較小，增減趨勢(shì)不明顯。這與各站冬小麥生長(zhǎng)季降水量的變化趨勢(shì)基本相反。同時(shí)，減產(chǎn)率與降水量呈顯著負(fù)相關(guān)關(guān)系。冬小麥減產(chǎn)風(fēng)險(xiǎn)的高值區(qū)主要在北部的慶云、樂(lè)陵、寧津一帶，低值區(qū)主要在南部的禹城、齊河一帶，陵城、臨邑、武城等中西部一帶為中值區(qū)。生長(zhǎng)季平均降水量與減產(chǎn)風(fēng)險(xiǎn)的空間變化基本相反。說(shuō)明，WOFOST模型能夠較為準(zhǔn)確地模擬水分條件對(duì)冬小麥產(chǎn)量的影響，對(duì)于減產(chǎn)風(fēng)險(xiǎn)的研究具有實(shí)際意義，能夠指導(dǎo)德州市農(nóng)業(yè)生產(chǎn)。

基于WOFOST模型研究水分條件變化引起的冬小麥減產(chǎn)風(fēng)險(xiǎn)，模擬氣候環(huán)境對(duì)冬小麥生長(zhǎng)發(fā)育的影響，通過(guò)產(chǎn)量來(lái)計(jì)算減產(chǎn)率及減產(chǎn)風(fēng)險(xiǎn)指標(biāo)，機(jī)理性的研究方法使得研究結(jié)果更具科學(xué)性。但在實(shí)際大田生產(chǎn)過(guò)程中，各地的灌溉條件差異較大，對(duì)減產(chǎn)風(fēng)險(xiǎn)評(píng)估結(jié)果具有一定的影響。災(zāi)害風(fēng)險(xiǎn)管理理論綜合考慮了致災(zāi)因子的發(fā)生程度及概率和承載體的暴露性、脆弱性和抗災(zāi)能力，在較為全面地分析災(zāi)害風(fēng)險(xiǎn)方面具有一定優(yōu)勢(shì)。因此，在后續(xù)研究中可有機(jī)結(jié)合這兩種方法，進(jìn)而更科學(xué)、全面地進(jìn)行災(zāi)害減產(chǎn)風(fēng)險(xiǎn)評(píng)估。