響應氣候變化的棉花生長模擬與縣域尺度產量評估

孟文博 王德勝,2 張楠楠 費 浩 唐梓涯 王 濤 白鐵成,*

(1 塔里木大學南疆農業(yè)信息技術研究中心，新疆 阿拉爾 843300；2 華中農業(yè)大學植物科學與技術學院，湖北 武漢 430070)

棉花(GossypiumhirsutumL.)是重要的經濟纖維作物和紡織工業(yè)原材料[1]。新疆維吾爾自治區(qū)(以下簡稱“新疆”)是中國最大的棉纖維產區(qū)，占全國棉纖維產量的近85%[2]。因此，新疆棉花區(qū)域和年際產量評價對棉花貿易和棉花種植政策制定具有重要意義，是確保棉花產業(yè)可持續(xù)發(fā)展的關鍵?？h域尺度的產量評價也是精準農業(yè)的重要組成部分，可以快速定位低產棉田并探尋低產的可能原因。在全球變暖和氣候脅迫的背景下，不同地區(qū)和年份的氣候變化導致棉花產量存在差異性[3-4]。作物生長模型利用數學方程模擬了氣象環(huán)境和農田管理對作物生長發(fā)育、光合生產、器官構建和產量形成的影響，已成為分析氣候變化對作物產量影響的重要手段[5]。

成熟的棉花生長模型包括GOSSYM[6]，Cotton2K[6]，COTCO2[7]，OZCOT[8]和CROPGRO-Cotton[5,9]。此外，一些通用的作物生長模型也可用于模擬棉花生長，如EPIC[10]，WOFOST[11]，SUCROS[12]，GRAMI[13]，CropSyst[14]和AquaCrop[15]。雖然現有模型在模擬方法、細節(jié)和產量形成方面存在一定差異，但主要過程都包括物候、光能截獲、碳同化、呼吸、器官形成、生物量積累和分配、脅迫因子模擬等[16]。這些模型也被用于水資源利用效率評估和灌溉管理[17-18]、氮磷動態(tài)與施肥管理[19-20]、質量模擬[21-22]和打頂管理[23]研究。

這些模型通過模擬氣象、土壤水分、養(yǎng)分和田間管理對作物生長發(fā)育的貢獻來估算作物產量，被廣泛用于分析氣候變化對棉花生產的影響。GOSSYM模型被用于估算美國1979―2005年棉花產量和氣候脅迫(如水、碳、氮脅迫)[3]。整合到DSSAT的CSM-CROPGRO-Cotton模型已被用于優(yōu)化品種，并利用最佳天氣條件確定棉花在所有關鍵物候發(fā)育期都能實現最佳生長的播種日期[24]。APSIM、AquaCrop和CROPGRO-Cotton結合氣象預報模型被用于量化和預測澳大利亞東部、希臘和巴基斯坦的氣候變化對棉花生長、籽棉產量的影響[4,25]。COZCOT模型也被嘗試用于評估不同管理策略下氣候變化對澳大利亞棉花生長和產量影響[26]。CROPGRO-Cotton還可用于模擬農田管理和氣候變化對棉花生長和蒸散的影響[27]。其中，農業(yè)技術轉移決策支持系統(tǒng)(Decision Support System for Agrotechnology Transfer，DSSAT)能夠分析田間管理、灌溉策略和氣候變化對棉花生產的影響[27]。CROPGRO-Cotton可以幫助棉花管理者做出管理決策，最小化與環(huán)境變化相關的風險，并優(yōu)化有限資源的有效利用[28]。

然而，目前已開展的氣候變化對棉花產量評估的研究主要集中在美國、澳大利亞、希臘和巴基斯坦。評估中國區(qū)域氣候變化對棉花產量影響的研究較少，尤其是中國的新疆棉區(qū)。對這一特定地區(qū)的棉花產量進行評估，不僅對了解世界棉花生產布局、進出口貿易、政策制定和棉花生產安全具有重要意義，而且對區(qū)域棉花種植管理具有參考價值；此外，不同國家或地區(qū)的棉花栽培品種間差異顯著，棉花模型輸入參數需要在區(qū)域應用時進行校正和驗證，前人研究中標定的棉花模型參數可能不適用于新疆地區(qū)[1]。因此，本研究通過對南疆主要棉花品種輸入參數進行校正，旨在評價校正后的棉花模型估算縣域尺度產量的潛力，利用作物生長模擬方法分析氣候變化對不同區(qū)域棉花物候發(fā)育期的影響。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)包括中國新疆南疆地區(qū)19個主要的棉花生態(tài)種植區(qū)(縣域)，如圖1所示。每個縣域的棉花種植面積占新疆總棉花種植面積的0.5%以上，在0.5%～7.2%之間，其中，11個區(qū)域占比大于3%，3個區(qū)域小于1%。沙雅縣種植面積最高，其次是庫車縣和阿瓦提縣。研究區(qū)屬于溫帶大陸性氣候，光熱資源豐富，日照時間長，晝夜溫差大，降水稀少，氣候干燥，有利于棉花生長。此外，干旱、晝夜溫差大的氣候特點可以有效抑制病蟲害的發(fā)生。大部分區(qū)域采用人工灌溉的方法保證棉花的水分供應。

圖1 南疆主要棉花生態(tài)種植區(qū)及面積分布

1.2 田間試驗數據

本研究選用CROPGRO-Cotton模型模擬棉花生長和籽棉產量評估。為了校準和驗證模型，在阿拉爾市灌溉試驗站(81°17′56″E、40°32′36″N)進行了田間試驗。在田間試驗區(qū)安裝一個自動氣象站，用于長期氣象數據觀測，包括測量每日最高和最低溫度、太陽輻射和降水量，用于驅動CROPGRO-Cotton模型。在該站測定了棉花生長季物候發(fā)育期、遺傳特性參數和土壤物理性質。利用測定的物候發(fā)育期(包括出苗期、開花期、結鈴期和吐絮期)、地上生物量干重(total above ground production，TAGP)、最終產量和葉面積指數(leaf area index，LAI)對模型進行了校正和驗證。

1.3 區(qū)域氣象和產量數據

氣象數據使用中國國家青藏高原數據中心編制的中國區(qū)域地面氣象要素驅動數據集(China Meteorological Forcing Dataset，CMFD)[29]。研究中使用的2002―2017年氣象資料平均值分布情況如圖2所示，包括最低氣溫、最高氣溫、輻射和降水量。研究區(qū)大部分位于沙漠邊緣，晝夜溫差較大，平均最低和最高氣溫表現出強烈的空間變異性。主要原因可能是北方部分棉區(qū)植被覆蓋率較高，導致平均氣溫略低于沙漠附近的南方地區(qū)。輻射的空間分布也表現出與溫度分布幾乎相同的變化特征，南方的輻射比北方強。相比之下，由于靠近沙漠，南部棉區(qū)的年降水總量明顯低于北部棉區(qū)，相差超過100 mm。氣象信息的時空間分布是導致新疆棉花產量年際和區(qū)域差異的主要因素之一。

圖2 2002―2017年氣象資料平均值的空間分布

19個縣棉花產量數據來源于新疆統(tǒng)計年鑒2002―2017年[30]。不同縣市間的年平均籽棉產量差異較大，介于2 395～5 663 kg·hm-2之間。

1.4 CROPGRO-Cotton模型

DSSAT作物系統(tǒng)模型(DSSAT-croping system model，CSM)是一種模擬作物生長發(fā)育隨時間變化以及土壤水、碳、氮管理的生理生態(tài)模型。CROPGRO-Cotton模型是DSSAT-CROPGRO系列模型的子模塊。該模型的主要模塊包括氣象模塊、植物生長模塊、土壤模塊、土壤-植物-大氣模塊和管理[31]，分別模擬影響土地單元的各種過程。氣象模塊的主要功能是讀取或生成模型所需的每日氣象數據，包括最高和最低溫度、太陽輻射和降雨量；土壤模塊包括土壤水分、土壤溫度、土壤碳、土壤氮4個子模塊；土壤-植物-大氣模塊計算每天的土壤蒸發(fā)量和植物蒸騰量；而管理模塊則執(zhí)行各種管理措施，如播種、移栽、收獲、施肥、灌溉以及作物殘體和有機質的變化。CROPGRO-Cotton已被證明具有區(qū)域尺度棉花產量評估和氣象變化響應分析的潛力[10,25]，以及將氣候變化相關風險降至最低的管理決策[16,28]。因此，研究采用校正的CROPGRO-Cotton模型模擬南疆棉花生長狀況，并評價氣候變化對棉花產量的影響。

1.5 模型校準

CROPGRO-Cotton模型需要每個區(qū)域的氣象、土壤、品種和管理參數。作物模型在應用于給定的農業(yè)生態(tài)區(qū)之前，必須對其進行校準和評估，以確保模型能夠解釋當地品種的變異而準確地模擬作物的生長過程[32]。本研究主要利用棉花物候發(fā)育期和田間實測的全生育期生長參數對品種參數進行校正。研究以新陸中56號為主要品種，其部分參數可參考文獻[33]。利用2018年和2019年兩個生長季物候發(fā)育期(出苗期、開花期、結鈴期和吐絮期)、TAGP、LAI和最終產量的測定結果，對主要品種參數進行校正和驗證，以提高模型模擬性能。

1.6 模擬精度驗證方法

一致性指數(D)[33]、均方根誤差(root mean square error，RMSE)和歸一化均方根誤差(normalized root mean square error，NRMSE)被用來評價CROPGRO-Cotton模型在田間和區(qū)域尺度上的模擬性能。D值的范圍在無一致性(0)和完全匹配(1)之間。RMSE和NRMSE表示測量值和模擬值之間的絕對和相對誤差，NRMSE≤10%表示極高精度，10%30%表示低精度[33]。相對偏差(relative bias error，RBE)頻率分布代表被高估和低估的樣本比例。根據公式計算D、RMSE、NRMSE和RBE：

(1)

(2)

(3)

(4)

2 結果與分析

2.1 田間尺度的模型校正與驗證

校正后的棉花主要品種參數見表1。參數源于3部分，分別是CROPGRO-Cotton的默認值(D)、基于田間實測值的校準值(C)和基于默認值的微調值(D-C)。

表1 CROPGRO-Cotton模型的主要品種參數

田間驗證表明，CROPGRO-Cotton模擬出苗期、開花期、結鈴期和吐絮期的誤差分別為+1、+3、+1和-2 d，顯示出良好的物候發(fā)育期模擬精度。TAGP和LAI的田間驗證結果如圖3所示。模擬的TAGP和LAI與實測值吻合良好，D=0.99。模擬與實測TAGP的RMSE值為718 kg·hm-2，模擬與實測LAI的RMSE值為0.29 m2·m-2，顯示了高精度的TAGP(10%

圖3 棉花TAGP和LAI的驗證結果

2.2 產量評估總體精度

圖4-A顯示了2002―2017年19個縣(304個樣本)實測產量與模擬產量的散點圖。棉花產量模擬的D值為0.55，RMSE為665 kg·hm-2，具有較高的產量估算精度(NRMSE=15.8%)。圖4-B顯示了模型的RBE幾乎均勻分布在中心線上。模擬與實測產量的RBE值在-10%～10%范圍內的占49%、在-20%～20%范圍內的占77%、在-30%～30%范圍內的占91.5%。

注：A：散點圖；B：相對偏差分布。

2.3 年際產量評估結果

表2顯示了不同年份模擬產量與實測產量的統(tǒng)計指標。除2003年產量評估的百分比誤差為12.7%，其他年份的百分比誤差均小于10%，大多數年份19個縣產量差異不顯著(P>0.05)，模擬產量總體略高于實測值，平均高估了4.1%。結果也證實校正模型具有較高的模擬精度，平均NRMSE為15.6%，平均RMSE為654 kg·hm-2， NRMSE在11.3%～23.2%之間，差異不大。D值范圍為0.24～0.71，平均值為0.48。

表2 不同年份模擬產量與實測產量的比較

2.4 縣域尺度的產量評估性能

不同農業(yè)區(qū)2002―2017年模擬和實測籽棉產量的RMSE、NRMSE和D值見表3。RMSE和NRMSE范圍分別為308～1 064 kg·hm-2和7.0%～29.4%。其中，新和、沙雅和輪臺3個農業(yè)生態(tài)區(qū)的產量評估準確率極高(NRMSE≤10%)，NRMSE分別為8.3%、7.0%和9.3%，另有10個農業(yè)生態(tài)區(qū)的估產精度較高(10%

表3 2002―2017年不同農業(yè)種植區(qū)的模擬性能

不同地區(qū)2002―2017年模擬和實測的平均產量差值分布如圖5所示。巴楚縣、溫宿縣等14個地區(qū)模擬和實測的平均產量之間的偏差小于500 kg·hm-2。影響棉花生長的關鍵因素是溫度、太陽輻射、水分和養(yǎng)分供應[19]。溫宿、柯坪縣等地區(qū)太陽輻射和氣溫較低，不利于棉花生長，但降水和灌溉水量豐富。且末、葉城地區(qū)，充足的日照和高溫可以促進棉花生長，但過多的干熱天氣會造成嚴重的水熱脅迫?？傮w來說，模擬產量反映了氣象差異對棉花產量分布的影響。

圖5 區(qū)域尺度上模擬與測量的平均產量差值

2.5 物候學發(fā)育時間評估

模擬的2002―2017年平均物候發(fā)育期(包括平均出苗日、開花日、結鈴日、吐絮日)和成熟期的TAGP如圖6所示。平均出苗日僅有3 d的偏差。模擬的平均結鈴日無明顯偏差。東部地區(qū)的平均開花日和吐絮日明顯早于中部和西南部地區(qū)。其主要原因可能是氣溫變化的差異導致物候發(fā)育期的提前或延后。西南地區(qū)的輻射量明顯高于其他地區(qū)，導致光合生產較高。

圖6 物候發(fā)育日的分布與成熟期TAGP

除英吉沙、疏勒和且末外，模擬的成熟期TAGP區(qū)域分布差異不明顯。一般來說，適宜的物候發(fā)育期和輻射量可以產生更多的干物質，從而獲得更高的產量。綜上所述，模擬的物候發(fā)育期從及成熟期的TAGP與溫度和輻射分布基本一致。

3 討論

3.1 棉花品種參數的不確定性

本研究對棉花品種新陸中56號的參數進行了校正。將本研究所校正的參數與新陸早45號品種參數和DSSAT默認的棉花品種參數[26]進行比較，結果表明，棉花出苗到初花期的時間、第一粒種子產生至生理成熟的時間和棉花生理成熟的時間，差異顯著(P<0.01)，新陸中56號品種的單葉面積和每日分配給棉鈴的干物質量的最大比例均小于新陸早45號品種和DSSAT系統(tǒng)中已測定的deltapine77和deltapine555品種。在標準生長條件下，新陸中56號品種的初花期到葉片停止擴展的光熱時間和比葉面積均大于新陸早45號、deltapine77和deltapine555品種。模擬的新陸中56號和新陸早45號的產量結果表明，矯正后的新陸中56號模擬產量明顯高于新陸早45號。總之，新疆不同地區(qū)棉花品種可能存在一定的差異，導致遺傳特性的差異。本文標定的棉花品種參數可能不適用于所有地區(qū)，導致部分地區(qū)產量評價精度下降。因此，對于種植多個棉花品種的地區(qū)，獲取主要棉花品種的遺傳參數數據，并對這些品種的基因型參數進行校正，也可以提高區(qū)域尺度棉花產量的評估精度。

3.2 氣候驅動數據的不確定性

氣象驅動數據的不確定性影響作物生長模擬方法的產量評估精度[34]。本研究選取遙感地面觀測數據與多格點數據集融合的CMFD數據作為棉花生長模擬的驅動數據。CMFD在中國西部地區(qū)的驗證結果表明，CMFD在站點稀疏的地區(qū)總體上優(yōu)于GLDAS[31]。盡管CMFD對地面氣象站的氣象數據進行了插值，但區(qū)域尺度CMFD數據的精度仍與實際地面氣象站數據存在一定的偏差。CMFD數據的不確定性也會降低棉花產量評估的準確性。通過插值更多的地面氣象站數據來提高CMFD數據集的精度，有望減少氣象驅動數據對棉花生長模型的不確定性，從而提高產量評估精度。

3.3 基于作物模型的棉花產量評估性能改進

遙感同化是解決作物模型區(qū)域適用性、通用性、尺度問題、應用領域、機理和應用改進等問題的優(yōu)化方法[35]。遙感可為區(qū)域尺度的作物生長模擬提供氣象、植被和土壤條件等關鍵信息[36]。初始輸入參數、狀態(tài)變量和土壤性質可以在大面積范圍內獲得，如物候信息[37]、LAI[38-39]、生物量[40]、葉片氮素積累[41]、蒸散量[42-43]和土壤水分[44-45]。這些冠層和土壤狀態(tài)變量可以集成到作物生長模型中，降低作物模型關鍵輸入參數的不確定性，提高模擬結果[46]?；诒狙芯刻岢龅拿藁ㄉL模擬和產量評價方法，對CROPGRO-Cotton模型中初始干重、物候發(fā)育參數、光合參數等具有較大區(qū)域尺度不確定性的初始輸入參數進行研究，利用遙感觀測的狀態(tài)變量進行關鍵參數校正和優(yōu)化，有望提高棉花生長模擬和區(qū)域尺度產量評估精度。此外，深度學習方法也有望進一步分析和改善作物模型輸入參數的不確定性[47]。

3.4 未來氣溫變化對棉花生長的可能影響

溫度是影響作物生長、產量和發(fā)育速度的最重要氣象因子，其對棉花物候、播種日期、生長季長度有重要影響，從而影響棉花產量和纖維品質。IPCC第五次評估報告(2014年)顯示[48]，近60年來，我國平均地表溫度每10年平均上升0.23℃。本世紀末我國將上升1.3～5.0℃。隨著全球氣溫上升，高溫出現的頻率將更高，時間也會更長。氣候變化將增加優(yōu)質、高產和穩(wěn)定棉花生產的風險[49-50]。

高溫(>35℃)會影響花粉活力、受精率、棉鈴體積、質量和棉鈴脫落，從而影響產量和纖維品質[49-50]。本研究的模擬結果也表明，高溫頻率的增加會加快棉花的生長發(fā)育速度，從而導致早熟。至2070年以后，隨著溫度升高，可能會導致棉花生長發(fā)育速度過快，生育期縮短，產量下降等。因此，應對未來氣候變暖培育生長期較長的中、晚熟品種有利于提高產量。文中校正的CROPGRO-Cotton模型，有望成為探索氣候變化對新疆棉花生長影響的定量分析方法，以進一步采取有效手段應對未來全球氣候變暖的風險。

4 結論

本研究采用校正的CROPGRO-Cotton生長模型對新疆縣域棉花產量進行模擬，校正的模型表現了較高的田間尺度模擬性能，年際產量模擬精度較高，NRMSE介于11.3%～23.2%之間。有3個區(qū)域具有極高的模擬精度(NRMSE≤10%)，10個區(qū)域具有較高的精度(10%