不同灌溉水平下隴東冬小麥干旱脆弱性評(píng)估*

胡金鵬，金 明，史培軍

(1.北京師范大學(xué) 應(yīng)急管理部-教育部減災(zāi)與應(yīng)急管理研究院，北京 100875；2.北京師范大學(xué) 地理科學(xué)學(xué)部，北京 100875；3.蘭州大學(xué) 資源環(huán)境學(xué)院，甘肅 蘭州 730000；4.青海師范大學(xué) 高原科學(xué)與可持續(xù)發(fā)展研究院，青海 西寧 810008)

隨著全球增溫,人類活動(dòng)的加劇，干旱的頻率、強(qiáng)度和影響范圍進(jìn)一步增加[1-4]，給水資源、農(nóng)業(yè)、植被、環(huán)境和人類生活帶來了巨大的威脅[5]。我國(guó)是一個(gè)干旱災(zāi)害頻發(fā)的國(guó)家[6-8]，因干旱造成的糧食減產(chǎn)非常嚴(yán)重[9-10]，因此定量評(píng)估干旱風(fēng)險(xiǎn)損失對(duì)于保護(hù)國(guó)家糧食安全，開展災(zāi)害風(fēng)險(xiǎn)防范[11]至關(guān)重要。

近年來，對(duì)農(nóng)作物干旱損失的研究更多偏向于干旱指標(biāo)與統(tǒng)計(jì)數(shù)據(jù)間的相關(guān)性分析[12-15]，這些研究不能完全反映農(nóng)業(yè)干旱損失形成的物理機(jī)制，同時(shí)由于大部分地區(qū)均有灌溉的習(xí)慣，通過干旱指標(biāo)來表征區(qū)域范圍內(nèi)的干旱損失并不一定能夠反映實(shí)際的農(nóng)業(yè)干旱災(zāi)情[16]。將作物生長(zhǎng)模型應(yīng)用于農(nóng)業(yè)脆弱性和風(fēng)險(xiǎn)評(píng)估研究是一種新興趨勢(shì)[17-20]，這種方法可以詳細(xì)描述災(zāi)害形成因素的強(qiáng)度與相應(yīng)的承災(zāi)體損失之間的定量關(guān)系。本文選取雨養(yǎng)農(nóng)業(yè)區(qū)為研究對(duì)象，其農(nóng)業(yè)生產(chǎn)對(duì)于氣候變化的響應(yīng)比較敏感，受人工灌溉影響較小，通過采用作物模型與干旱指標(biāo)相結(jié)合的方法構(gòu)建脆弱性曲線，可以更好的定量研究干旱對(duì)農(nóng)作物產(chǎn)量帶來的潛在影響[21]。

甘肅省的隴東地區(qū)屬于典型的雨養(yǎng)農(nóng)業(yè)區(qū)，冬小麥作為隴東地區(qū)的主要農(nóng)作物，由于其生育期較長(zhǎng)，受干旱這種緩發(fā)性災(zāi)害影響較大。DSSAT作為應(yīng)用最廣泛、最有效的作物生長(zhǎng)模擬軟件之一，可以在日尺度上模擬作物生長(zhǎng)過程，因此，本研究采用DSSAT作物模型與SPEI干旱指標(biāo)相結(jié)合的方式構(gòu)建干旱脆弱性曲線，探究隴東干旱對(duì)冬小麥產(chǎn)量的潛在影響，進(jìn)而實(shí)行補(bǔ)償灌溉，為雨養(yǎng)農(nóng)業(yè)區(qū)的抗旱減災(zāi)、風(fēng)險(xiǎn)防范提供思路。

1 研究區(qū)及數(shù)據(jù)方法

1.1 研究區(qū)概況

隴東地區(qū)地處甘肅省東部,屬黃河中游的內(nèi)陸地區(qū)，是半濕潤(rùn)氣候向干旱半干旱氣候的過渡地帶，屬于典型的雨養(yǎng)農(nóng)業(yè)區(qū)，對(duì)氣候變化比較敏感,同時(shí)也是生態(tài)環(huán)境比較脆弱的地區(qū)[22-23],近年來干旱發(fā)生頻繁，對(duì)區(qū)域的農(nóng)業(yè)生產(chǎn)影響顯著[24-25]。本文的研究范圍為行政區(qū)劃中所包含的隴東地區(qū)15個(gè)縣區(qū)。圖1為研究區(qū)地形和氣象站點(diǎn)分布。

圖1 研究區(qū)域及站點(diǎn)分布示意圖(基于自然資源部標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站審圖號(hào)為GS(2019)1822號(hào)的標(biāo)準(zhǔn)地圖制作，底圖無修改)

1.2 數(shù)據(jù)來源

本研究所用的數(shù)據(jù)主要包括：①氣象數(shù)據(jù)由中國(guó)氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn)提供，涵蓋的數(shù)據(jù)類型包括1961—2020年逐日和逐月的降水量、日照時(shí)間、平均氣溫、平均最高氣溫、平均最低氣溫等。②模型所用土壤數(shù)據(jù)來自中國(guó)土壤數(shù)據(jù)庫(kù)(http://vdb3.soil.csdb.cn)和世界土壤數(shù)據(jù)庫(kù)(Harmonized World Soil Database)，數(shù)據(jù)類型包括土壤各層的機(jī)械組成成分、有機(jī)碳含量、陽離子交換量、全氮含量等。③模型所用田間管理數(shù)據(jù)由國(guó)家氣象信息中心提供，時(shí)間序列為2010—2012 年，包括作物品種、播種量和播種日期、收獲產(chǎn)量和收獲日期、生育期各階段特征、施肥量和施肥日期以及耕種等信息。本研究選用的冬小麥品種為環(huán)縣站點(diǎn)2010—2012 年田間監(jiān)測(cè)的“環(huán)冬1號(hào)”。

1.3 研究方法

1.3.1 標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)(SPEI)

SPEI指數(shù)是一種新理想化的干旱趨勢(shì)分析指標(biāo)，通過計(jì)算降水量與潛在蒸散量之間的關(guān)系來反應(yīng)氣候的干濕狀況。SPEI算法詳見文獻(xiàn)[26-27]，根據(jù)《氣象干旱等級(jí)：GB/T 20481-2017》并參考前人研究經(jīng)驗(yàn)，本文基于SPEI值將干旱等級(jí)劃分為6個(gè)等級(jí)(表1)。

表1 SPEI指數(shù)干旱等級(jí)劃分

1.3.2 干旱識(shí)別

干旱事件的過程主要包括干旱的嚴(yán)重程度和持續(xù)時(shí)間。目前，游程理論是識(shí)別干旱事件最常用的方法，以游程理論為工具，從計(jì)算的SPEI指標(biāo)序列中識(shí)別出干旱歷時(shí)和干旱強(qiáng)度兩個(gè)特征變量[28-29]。具體步驟如下：

(1)確定三個(gè)閾值X0，X1，X2。根據(jù)研究經(jīng)驗(yàn)，選取X0=0，X1=-0.3，X2=-0.5。

(2)將干旱指數(shù)小于X1的事件定義為潛在干旱事件，如果潛在干旱事件之間相互連續(xù)，則將連續(xù)的事件合并為一次事件。如圖2識(shí)別出5次潛在干旱事件a，b，C1，C2，d。

圖2 干旱識(shí)別及干旱特征變量的確定

(3)在定義的潛在干旱事件基礎(chǔ)上，對(duì)于歷時(shí)為一個(gè)月的潛在干旱事件，若其SPEI≥X2則該潛在干旱事件將被忽略，若其SPEI

1.3.3 DSSAT模型校驗(yàn)分析方法

檢驗(yàn)作物模型的適用性時(shí)，采用標(biāo)準(zhǔn)均方根誤差(ENRMS)評(píng)價(jià)模型的校驗(yàn)效果[30]。當(dāng)標(biāo)準(zhǔn)均方根誤差ENRMS的值小于10%時(shí)，可以認(rèn)為模型模擬的效果很好；ENRMS的結(jié)果在10%～20%之間時(shí)，可以認(rèn)為模型模擬效果是良好的；當(dāng)ENRMS的結(jié)果在20%～30%之間時(shí)，認(rèn)為模型模擬效果一般；而當(dāng)ENRMS>30%時(shí)，則認(rèn)為模型模擬效果差，評(píng)價(jià)指標(biāo)的計(jì)算公式為：

(1)

(2)

式中：Mi代表實(shí)際觀測(cè)值，Si代表模擬值，M代表實(shí)際觀測(cè)平均值，n為樣本數(shù)。

1.3.4 聯(lián)合分布函數(shù)Copula

由于干旱特征變量之間并不獨(dú)立，對(duì)于聯(lián)合分布的建模會(huì)變得十分困難，而Copula函數(shù)可以將變量的隨機(jī)性和耦合性很好的分離開來，故本研究采用Copula函數(shù)對(duì)干旱特征之間的相關(guān)性進(jìn)行建模。常用的Copula聯(lián)合分布函數(shù)類型有3種: 二次型Copula函數(shù)、橢圓型Copula函數(shù)、阿基米德型Copula函數(shù)，其中含有一個(gè)參數(shù)的阿基米德型Copula函數(shù)計(jì)算簡(jiǎn)單，在干旱特征研究方面應(yīng)用較多[31]，因此本研究選用阿基米德型Copula函數(shù)作為干旱特征變量的聯(lián)合分布函數(shù)(表2)。

表2 Copulas函數(shù)及參數(shù)取值范圍

本文采用KS檢驗(yàn)(Kolmogorov-Simirnov)對(duì)選用的聯(lián)合分布函數(shù)進(jìn)行擬合相似性評(píng)價(jià)，采用最短歐氏距離(d2)最小準(zhǔn)則對(duì)Copula函數(shù)進(jìn)行擬合優(yōu)度比較。經(jīng)過檢驗(yàn)對(duì)比選用Frank Copula函數(shù)作為本次研究干旱特征的聯(lián)合分布函數(shù)。

1.3.5 聯(lián)合重現(xiàn)期

對(duì)于災(zāi)害事件來說，其重現(xiàn)期T是指事件發(fā)生的平均長(zhǎng)度，即超過概率的倒數(shù)。根據(jù)干旱具有多年持續(xù)性的特點(diǎn)，傳統(tǒng)的基于單變量的重現(xiàn)期計(jì)算公式為:

(3)

(4)

聯(lián)合分布的二維重現(xiàn)期與單變量重現(xiàn)期不同，其計(jì)算方式如下[32-33]：

(5)

(6)

式中:TD為干旱歷時(shí)的重現(xiàn)期；Ts為干旱強(qiáng)度的重現(xiàn)期；E(L)為干旱事件發(fā)生間隔的期望值,等于干旱事件序列的長(zhǎng)度除以干旱事件發(fā)生的次數(shù)。FD(d)為干旱歷時(shí)D的邊緣分布；FS(s)為干旱強(qiáng)度S的邊緣分布函數(shù)；F(d,s)為干旱歷時(shí)與干旱強(qiáng)度的聯(lián)合分布函數(shù)。

1.3.6 干旱損失計(jì)算方法

通過使用DSSAT作物生長(zhǎng)模型計(jì)算作物在理想氣象條件下與干旱條件下的產(chǎn)量差值作為干旱減產(chǎn)的計(jì)算依據(jù)[34]。計(jì)算公式為：

(7)

式中：L為干旱產(chǎn)量損失率；YN為理想背景下的產(chǎn)量；YD為干旱背景下的產(chǎn)量。

本文將隴東地區(qū)1961—2020年氣象數(shù)據(jù)的多年平均數(shù)據(jù)作為理想背景，同時(shí)通過灌溉措施使其滿足冬小麥需水要求；將實(shí)際氣象數(shù)據(jù)作為干旱背景，其中非干旱歷時(shí)的月份采用多年平均氣象數(shù)據(jù)替換。

2 結(jié)果與分析

2.1 DSSAT作物模型調(diào)試與驗(yàn)證

本研究將“環(huán)冬1號(hào)”小麥品種進(jìn)行本地化參數(shù)校正，把2010年作為小麥品種參數(shù)的校正年份。品種參數(shù)校驗(yàn)采用DSSAT模型中的最大似然估計(jì)模塊(GLUE)進(jìn)行，把模擬作物冬小麥的產(chǎn)量和生育期(播種至開花時(shí)間和播種至成熟時(shí)間)與實(shí)測(cè)結(jié)果采用均方根誤差(ENRMS)進(jìn)行差異性分析，ENRMS越小表示品種參數(shù)越符合實(shí)際，選用差異性最小的作為實(shí)驗(yàn)品種參數(shù)方案，然后將2011、2012年的田間觀測(cè)資料作為驗(yàn)證資料，表3為模型對(duì)生育期(播種至開花時(shí)間、播種至成熟時(shí)間)和產(chǎn)量的模擬值與觀測(cè)值的ENRMS，由表 3 可知校正與驗(yàn)證誤差基本都滿足在 10% 左右，說明模型模擬精度良好，可以使用該品種參數(shù)進(jìn)行研究。

表3 模型檢驗(yàn)情況

2.2 干旱特征分析

根據(jù)相關(guān)研究[35]與國(guó)家氣象科學(xué)數(shù)據(jù)中心整理的《中國(guó)農(nóng)作物生長(zhǎng)發(fā)育和農(nóng)田土壤濕度旬值數(shù)據(jù)集》進(jìn)行統(tǒng)計(jì)可知，隴東地區(qū)冬小麥生長(zhǎng)發(fā)育期為9月下旬至次年6月下旬，因此本次研究以種植年9月至次年6月作為冬小麥的生長(zhǎng)發(fā)育期。為了定量分析區(qū)域冬小麥生育期的干旱特征，基于游程理論，計(jì)算識(shí)別了1961—2020年冬小麥生育期的干旱特征變量(干旱歷時(shí)、干旱強(qiáng)度)(圖3)，結(jié)果表明1961—2020年隴東地區(qū)冬小麥生育期內(nèi)干旱歷時(shí)波動(dòng)性較大，但變化的趨向性不明顯，最高歷時(shí)可達(dá)7個(gè)月，最低為1個(gè)月，平均干旱歷時(shí)為4個(gè)月，占據(jù)整個(gè)生育期的三分之一；而干旱強(qiáng)度表現(xiàn)出一定的上升趨勢(shì)，逐月SPEI值達(dá)到-1平均水平，屬于中度干旱，最高月尺度SPEI值可達(dá)-1.54，屬于重度干旱。

本文采用干旱歷時(shí)和干旱強(qiáng)度雙變量聯(lián)合分布的方式來反映干旱脅迫對(duì)冬小麥產(chǎn)量的潛在影響，根據(jù)識(shí)別出的干旱特征(干旱歷時(shí)、干旱強(qiáng)度)，利用Copula聯(lián)合分布函數(shù)計(jì)算出干旱事件的聯(lián)合重現(xiàn)期，而聯(lián)合重現(xiàn)期的大小，表明干旱歷時(shí)和干旱強(qiáng)度耦合達(dá)到的年遇型大小，能夠反映干旱影響的程度，聯(lián)合重現(xiàn)期越高，意味著所經(jīng)歷的干旱歷時(shí)越長(zhǎng)或者干旱強(qiáng)度越強(qiáng)。從圖4的結(jié)果可以發(fā)現(xiàn)，大部分干旱事件的聯(lián)合重現(xiàn)期較低，多為3年一遇的干旱事件，這表明近60年隴東地區(qū)冬小麥生育期所經(jīng)歷的干旱事件大多表現(xiàn)為短歷時(shí)或者低強(qiáng)度的特征，長(zhǎng)歷時(shí)和高強(qiáng)度同時(shí)發(fā)生的干旱事件較少，在1990—2010年期間，干旱事件的聯(lián)合重現(xiàn)期增大，最高能達(dá)到15年一遇，該時(shí)期出現(xiàn)的長(zhǎng)歷時(shí)和高強(qiáng)度的干旱事件相對(duì)較多。

圖3 干旱歷時(shí)和干旱強(qiáng)度變化情況

圖4 干旱的聯(lián)合重現(xiàn)期

表4 模擬灌溉方案

2.3 灌溉方案

為了探索灌溉在降低冬小麥干旱損失風(fēng)險(xiǎn)中的作用，輸入不同的灌溉方案來模擬不同的灌溉行為。在不考慮冬小麥生育期出現(xiàn)死亡的情況下，將作物需水量作為模型灌溉情景設(shè)計(jì)中的主要指標(biāo)，對(duì)于降水量高于作物需水量的時(shí)期不給予灌溉，處于降水量低于作物需水量時(shí)期給予灌溉，灌溉水資源的總量取決于對(duì)應(yīng)時(shí)期降水量與作物需水量的差值。針對(duì)研究區(qū)域，計(jì)算理想背景下多年月平均降水量，根據(jù)FAO推薦的作物系數(shù)法與Penman公式[36]計(jì)算冬小麥在生育期內(nèi)的需水量,結(jié)果如圖5所示。

圖5 冬小麥月平均需水量與月平均降雨量的變化情況

從總量上來看，生育期內(nèi)總降水量為371 mm，總需水量為521 mm，灌溉水資源總量為兩者之間的差值150 mm；從時(shí)間變化上來看，種植年9—11月期間和次年6月期間，區(qū)域的降水量比需水量高，無需采用灌溉措施，在12月到次年5月期間，降水量要比需水量低，冬小麥表現(xiàn)出缺水的狀態(tài)，需要采用補(bǔ)灌措施進(jìn)行彌補(bǔ)，具體各月灌溉總量分別為7 mm、5 mm、7 mm、61 mm、83 mm、94 mm。

根據(jù)分析，本次實(shí)驗(yàn)的灌溉時(shí)期為種植年12月至次年5月。模擬不同的灌溉水平，需要通過控制冬小麥生育階段不同灌溉定額來實(shí)現(xiàn)。根據(jù)計(jì)算出的灌水量，進(jìn)行了五種補(bǔ)水方案(四種干旱背景灌溉處理 T0-T3 和一種理想背景灌溉處理 CK)。在每個(gè)模擬灌溉方案中，在需要灌溉的月份中，每?jī)芍芄喔纫淮嗡?，每次灌溉量為該月總設(shè)計(jì)灌溉定額的二分之一。對(duì)于理想背景下，以冬小麥滿足需水量為標(biāo)準(zhǔn)進(jìn)行灌溉；干旱背景下,則分別取冬小麥對(duì)應(yīng)平均干旱氣候環(huán)境下需水量的不同比例作為灌溉量,為定量分析灌溉效益，灌溉量分別為 0%、25%、50%、75%比例的需水量(表4)。

2.4 冬小麥干旱脆弱性曲線

農(nóng)作物的產(chǎn)量變化可以直接反映干旱帶來的影響，更高的作物產(chǎn)量損失意味著更強(qiáng)的干旱影響。干旱脆弱性曲線(圖6)可以反應(yīng)不同灌溉水平下干旱頻率與相應(yīng)冬小麥損失之間的關(guān)系，本文利用SPEI指數(shù)與Copula函數(shù)識(shí)別計(jì)算出不同干旱事件的重現(xiàn)期，通過結(jié)合作物生長(zhǎng)模型計(jì)算各干旱重現(xiàn)期下的平均損失情況。根據(jù)分析發(fā)現(xiàn)干旱重現(xiàn)期與干旱損失之間符合對(duì)數(shù)函數(shù)關(guān)系，函數(shù)擬合的相關(guān)系數(shù)(R2)高于0.65，通過95%顯著性檢驗(yàn)(p<0.05)，表明干旱頻率與干旱損失之間的脆弱性曲線能夠定量描述不同灌溉水平下干旱對(duì)冬小麥產(chǎn)量的潛在影響。具體函數(shù)關(guān)系式為：

L=a-b×ln(T+c)。

(8)

式中：L表示損失率；T表示干旱重現(xiàn)期；參數(shù)b表示干旱損失的變化速率。

圖6 不同灌溉水平下的干旱脆弱性曲線

結(jié)果顯示，在正常無灌溉措施下，冬小麥多年平均損失率為31%；當(dāng)灌溉水資源總量為37.5 mm，滿足25%需水量條件時(shí)，冬小麥多年平均損失率下降到26%，平均每1 mm灌溉量可以降低0.13%的干旱損失；當(dāng)灌溉水資源總量為75 mm，滿足50%需水量條件時(shí)，冬小麥多年平均損失率為19%，平均每1 mm灌溉量可以降低0.16%的干旱損失；當(dāng)灌溉水資源總量為112.5 mm，滿足75%需水量條件時(shí)，冬小麥多年平均損失率為9%，平均每1 mm灌溉量可以降低0.2%的干旱損失。不同灌溉水平下干旱頻率與相應(yīng)冬小麥損失之間的對(duì)應(yīng)關(guān)系如表5。

表5 不同灌溉水平下干旱年遇型損失(%)

3 結(jié)論與討論

3.1 結(jié)論

本研究通過將作物模型與農(nóng)業(yè)干旱損失風(fēng)險(xiǎn)曲線結(jié)合的方式定量描述隴東地區(qū)冬小麥 干旱頻率、干旱損失和灌溉水平之間的關(guān)系，定量評(píng)估干旱對(duì)冬小麥造成的潛在影響。通過研究得到以下結(jié)論：

(1)近60年隴東地區(qū)冬小麥生育期所經(jīng)歷的干旱事件大多表現(xiàn)為短歷時(shí)、低強(qiáng)度的特征，平均干旱歷時(shí)為4個(gè)月，月平均強(qiáng)度達(dá)到中度干旱水平，而長(zhǎng)歷時(shí)和高強(qiáng)度同時(shí)發(fā)生的干旱事件相對(duì)較少，多集中在1990—2010年期間。

(2)隴東地區(qū)冬小麥從種植年的12月到次年5月一直處于水分虧缺狀態(tài)，生育期內(nèi)總降水量為371 mm，總需水量為521 mm，水分虧缺總量達(dá)到150 mm。從冬小麥干旱損失模擬的結(jié)果來看，在不考慮人工灌溉的情景下，冬小麥多年平均干旱損失接近三分之一，嚴(yán)重時(shí)可達(dá)到減產(chǎn)七成以上。2年一遇、5年一遇、10年一遇的旱災(zāi)損失率分別達(dá)到28%,36%,42%。

(3)從灌溉水生產(chǎn)效益上來看，隨著灌溉水平的提高，模擬灌溉的水生產(chǎn)效益也在不斷提高，冬小麥多年平均損失率從自然無灌溉條件下的31%，逐漸下降到26%、19%、9%，在滿足相等灌水增量的前提下，滿足75%需水量灌溉水平所帶來的水生產(chǎn)效益最大，損失下降速率最快，平均1 mm水資源可以降低0.2%的干旱損失。

3.2 討論

以上結(jié)論是在非極端平穩(wěn)環(huán)境下進(jìn)行的研究，干旱頻率—產(chǎn)量損失曲線圖屬于一種內(nèi)插線性擬合，能準(zhǔn)確反應(yīng)已識(shí)別干旱特征區(qū)間內(nèi)的損失情況，由于受樣本量的限制，對(duì)于發(fā)生頻率低、嚴(yán)重程度高、持續(xù)時(shí)間長(zhǎng)的極端干旱事件，這種方式不能準(zhǔn)確反映出內(nèi)插范圍外的實(shí)際情況。后續(xù)可以使用隨機(jī)模擬的方法對(duì)干旱事件進(jìn)行仿真,擴(kuò)大樣本量，結(jié)合脆弱性模型,得到更全面的干旱損失概率曲線,完成干旱風(fēng)險(xiǎn)評(píng)估。在實(shí)際情況中，冬小麥的產(chǎn)量除了受氣候影響外，還會(huì)受當(dāng)?shù)毓喔人脚c種植品種的不同而不同，本文只進(jìn)行了統(tǒng)一品種，統(tǒng)一灌溉水平下的模擬研究，要想得到更為準(zhǔn)確的模擬產(chǎn)量，還需要考慮實(shí)地情況，逐年設(shè)置更為準(zhǔn)確的情景進(jìn)行模擬。除了將干旱損失降低作為主要目標(biāo)之外，還需考慮灌溉水生產(chǎn)效益和水利用效率，進(jìn)一步優(yōu)化灌溉方案，提高區(qū)域的水資源利用效率。在全球逐漸變暖的背景下，可以考慮將未來氣候變化情景與干旱脆弱性曲線相結(jié)合，定量評(píng)估干旱風(fēng)險(xiǎn)，為區(qū)域的綜合風(fēng)險(xiǎn)防范提供指導(dǎo)。