RZWQM2模型對中國北方農牧交錯帶青飼玉米模擬適用性評價

肖雨霄，張紅娟，岑劍濤，肖捷穎，裴宏偉

（1.河北科技大學環(huán)境科學與工程學院，石家莊 050018；2.河北建筑工程學院市政與環(huán)境工程系，河北 張家口 075000；3.河北省水質工程與水資源綜合利用重點實驗室，河北 張家口 075000；4.張家口市農業(yè)高效節(jié)水研究所，河北 張家口 075000）

0 引 言

中國北方農牧交錯帶是我國東北、華北和西北地區(qū)農業(yè)和畜牧業(yè)的生態(tài)過渡地帶[1-3]，也是我國東北地區(qū)和華北地區(qū)的重要生態(tài)屏障[4]。該區(qū)域地處半濕潤半干旱過渡區(qū)，降雨少、蒸發(fā)強、水資源匱乏是其最重要的自然地理特征[5]。自20世紀90 年代以來，由于氣候變化和人類過度開發(fā)等因素，北方農牧交錯帶土地退化、湖泊干涸、防護林大面積衰退或死亡、地下水位持續(xù)下降、生產生活用水告警等問題日漸突出[6-8]。為改善北方農牧交錯帶生態(tài)環(huán)境，我國陸續(xù)開展了一系列大規(guī)模的生態(tài)恢復工程[9]，極大地改善了當地的植被條件，提高了生態(tài)系統(tǒng)服務功能[10]。為了更好地實現藏糧于地、降低生態(tài)脆弱地區(qū)水土資源的利用強度，包括“糧改飼”在內的一系列農業(yè)供給側結構性改革開始實施[11]?！凹Z改飼”倡導在北方農牧交錯帶等生態(tài)脆弱地區(qū)，通過種植業(yè)與養(yǎng)殖業(yè)的有機結合，推廣優(yōu)質牧草種植，支撐優(yōu)質畜牧業(yè)健康發(fā)展[12]，同時降低傳統(tǒng)農業(yè)種植對水土資源的過度利用，是新時期北方農牧交錯帶農牧業(yè)高質量發(fā)展的重要方向。

青飼玉米作為一種適口性好、營養(yǎng)價值高、產量高的飼草，在北方農牧交錯帶廣泛種植，是“糧改飼”工作中的主要飼草品種[13]。因此，明確北方農牧交錯帶青飼玉米生育期內的土壤水分變化情況，厘清青飼玉米農田蒸散規(guī)律及田間水分利用效率等關鍵問題，對推動本地區(qū)的“糧改飼”工作和發(fā)展高效農牧業(yè)以確保生態(tài)屏障功能均具有重要意義。

探索青飼玉米生長過程最可靠的手段是進行傳統(tǒng)的田間試驗，但受氣候、土壤內部變化以及作物遺傳因素的影響，無法準確預測作物發(fā)育狀況，因此可以結合作物模型來解決預測受限的問題[14]。根區(qū)水質模型（Root Zone Water Quality Model 2，RZWQM2）是美國農業(yè)部研發(fā)的用于研究土壤物理過程和作物生理機制的有力工具[15]，該模型可根據氣候條件、田間管理措施和土壤理化性質對作物生長發(fā)育狀況進行模擬預測。由于該模型適用于模擬農田水分以及養(yǎng)分循環(huán)，被國內外學者廣泛應用[16]。如Anapalli[17]等利用大型蒸滲儀實測日蒸散數據，驗證了RZWQM2 在德克薩斯州青貯玉米和谷物玉米蒸散模擬的可靠性；張紅娟[18,19]等基于RZWQM2 模型對河北壩上地區(qū)的裸燕麥、大白菜等典型作物的生長過程進行了模擬，證明校準后的模型在此地區(qū)具有較好的適用性；薛長亮[20]等利用RZWQM2模型研究了華北平原冬小麥-夏玉米種植模式下的農田水氮運移過程。

然而，現有研究對于青飼玉米等主要飼草作物的研究目前還鮮見報道，極大地制約了北方農牧交錯帶“糧改飼”工作的科學決策。故本研究在北方農牧交錯帶中段（河北省張北縣）開展青飼玉米的RZWQM2 模型適用性研究，通過對土壤水分變化、作物生長狀況以及田間蒸散規(guī)律的模擬及驗證，為推動我國“糧改飼”工作科學化提供決策參考。

1 材料與方法

1.1 研究區(qū)域概況

張北縣位于河北省西北部，處于中國北方農牧交錯帶中段核心區(qū)，在氣候、農牧業(yè)生產等方面均具有良好的典型性。本研究在張家口市農業(yè)高效節(jié)水研究所（41°09＇ N、114°42＇E）進行田間試驗，該試驗區(qū)海拔1 393.3 m，屬于中溫帶大陸性氣候，年均氣溫3.2 ℃，年均日照時數為2 897.8 h，年平均降水量在300～400 mm 之間，是河北省降雨最少的縣之一。圖1 展示了2020-2021 年青飼玉米生育期內日最高氣溫、最低氣溫及降雨量。

圖1 2020-2021年青飼玉米生育期內日最高最低氣溫及降雨量Fig.1 Daily maximum and minimum air temperature and rainfall during silage maize growth period from 2020 to 2021

1.2 試驗設計

本試驗為小區(qū)試驗，試驗布置在一個大型稱重式蒸滲儀內，蒸滲儀的面積是4 m2（2 m×2 m），每個蒸滲儀內安置有一個智墑傳感器（Insteck，監(jiān)測深度150 cm，間隔10～20 cm），蒸滲儀外圍設有1 m 保護行。青飼玉米試驗時間為2020年5月20 日—9 月24 日，2021 年5 月28 日—9 月16 日，青飼玉米種植品種為“白馬牙”，種植密度為8 萬株/hm2，播種深度為3 cm，行距為60 cm，株距為20 cm，本實驗采用雨養(yǎng)模式，播種前施入復合肥225 kg/hm2作為底肥，后續(xù)不再追肥，復合肥比例為N-P2O5-K2O=18∶18∶18，其他管理措施與當地保持一致。

1.3 測定項目與方法

（1）氣象數據：該試驗所需氣象數據由中國氣象數據網提供，包括最高氣溫(℃)、最低氣溫(℃)、降雨量(mm)、平均風速(km/d)、平均相對濕度(%)和日照時數(h)。

（2）土壤水分：土壤含水量利用Insteck Sensor 智能土壤水分儀（制造商：北京東方生態(tài)有限公司，供電方式為太陽能電池板供電），觀測深度間隔10～20 cm（具體觀測深度為20、40、60和80 cm），記錄間隔30 min。

（3）作物數據：青飼玉米出苗后每7 d 左右記錄一次作物株高、葉面積和生物量，同時在蒸滲儀外圍的保護行隨機選取5株青飼玉米測定其株高、葉面積和生物量。作物產量以最后收獲產量為準；收獲時間以青飼玉米貼近地面的葉片開始枯黃時為準，收獲后先測作物鮮重，105 ℃殺青30 min，后放置于80 ℃烘箱烘干至恒重，測干重。

（4）蒸散數據：田間蒸散量通過大型稱重式蒸滲儀中放置的土壤蒸發(fā)器測定，每日06:00、18:00對蒸發(fā)器稱重，計算其差值來確定每日蒸散。

1.4 RZWQM2模型校準

RZWQM2 模型中有很多影響其模擬效果和性能的參數，例如氣象數據、土壤物理參數（表1）、水文力學參數和作物遺傳參數（表2）等，因此需要正確的率定模型參數和模型校準。本研究中，選用作物模塊中的DSSAT-maize 模塊中推薦的遺傳參數進行率定，在相關物理參數的合理范圍內采用“試錯法”獲得最優(yōu)參數組合，最終模擬青飼玉米生長發(fā)育情況。模型輸入數據包括2000-2021年每日的最高氣溫、最低氣溫、降水量、平均相對濕度、平均風速和日短波輻射；田間管理措施以及作物葉面積指數、株高、地上部分干物質量和蒸散等。模型參數包括20 cm、40 cm、60 cm 和80 cm 處的土壤質地、容重、飽和導水率和田間持水量等。

表1 不同土層土壤物理參數Tab.1 Basic parameters of soil in different soil layers

表2 青飼玉米遺傳參數Tab.2 Genetic parameters of silage maize

1.5 模型評價指標

模型評價指標是判斷模型模擬效果好壞的關鍵，不同指標各有優(yōu)缺點[20]。本研究采用均方根誤差RMSE、模型有效系數E、一致性指數d、決定系數R2這4 個指標對模擬結果進行評價：

式中：Pi為第i個模擬值；Oi分別第i個觀測值；Pave為模擬值的平均值；Oave為觀測值的平均值；n為觀測值的個數。

評價指標的精度要求分別是：RMSE越接近于0 越優(yōu)；E越接近于1，模擬效果越優(yōu)；d越接近于1，則表明模擬值與實測值的擬合程度越好，R2越接近于1，誤差值越小，該模型的模擬結果較好。

2 結果與分析

2.1 土壤水分模擬

圖2 展示了2020、2021 年RZWQM2 模型對青飼玉米生育期內不同土層深度土壤含水量的模擬情況。2020年，20、40、60 和80 cm 土壤含水量平均值分別為0.12、0.18、0.18 和0.17 cm3/cm3；2021 年，20、40、60 和80 cm 土層土壤含水量平均值分別為0.12、0.18、0.19 和0.17 cm3/cm3。20、40 cm 近地表層土壤含水量受蒸散降雨影響波動較大；7月中旬土壤含水量最高，主要原因是在該階段降雨較為集中?？傮w來說，土壤含水量隨著青飼玉米發(fā)育呈現先增大后減小的趨勢。

圖2 2020，2021年不同土層深度土壤含水量實測值與模擬值對比Fig.2 Comparison of measured and simulated soil moisture content at different soil depths in 2020, 2021

RZWQM2 模型模擬不同土層土壤含水量結果如表3 所示，2020 年，20、40、60 和80 cm 土層土壤含水量RMSE分別為0.020、0.022、0.021 和0.019 cm3/cm3，d在0.609～0.701 之間，R2在0.717～0.940 之間；2021 年，20、40、60和80 cm 土層土壤含水量RMSE分別為0.019、0.019、0.024和0.029 cm3/cm3，d在0.644～0.789 之間，R2在0.716～0.834之間，模擬值與實測值有一些偏差，但在合理范圍內。表層土壤模擬值與實測值變化趨勢較為相似，深層土壤實測值土壤含水量高于模擬值，可能由于實際土壤水分下滲速度慢，與模型模擬情景有出入。但總體來說RZWQM2 模型可以用來模擬該地區(qū)青飼玉米土壤含水量變化情況。

表3 RZWQM2對不同剖面土壤含水量模擬結果分析Tab.3 Simulation results of RZWQM2 on soil moisture content in different sections

2.2 青飼玉米株高模擬

圖3 展示了2020、2021 年青飼玉米在生育期內株高模擬值與實測值的變化情況。在兩個生育期內，青飼玉米株高均呈現先升高后平穩(wěn)的趨勢，在拔節(jié)期到抽雄期增長速度較快，乳熟期青飼玉米株高達到最大值、最大值分別為215.8、201.2 cm。隨著生育期推后，2021 年株高開始下降，這是由于葉片枯黃導致。

圖3 2020，2021年青飼玉米株高實測值與模擬值對比Fig.3 Comparison of measured and simulated plant height of silage maize in 2020, 2021

2020 和2021 年青飼玉米株高模擬結果表現較好（表4）：2020 年，青飼玉米的RMSE為11.783 cm，E為0.972，d為0.919，R2為0.982；2021 年RMSE為7.660 cm，E為0.994，d為0.952，R2為0.991。

表4 RZWQM2對青飼玉米株高模擬結果分析Tab.4 Simulation results of RZWQM2 on plant height of silage maize

2.3 青飼玉米葉面積指數模擬

2020 年和2021 年青飼玉米葉面積指數實測值與模擬值呈現一致的變化規(guī)律（圖4）。兩個生育期內，青飼玉米葉面積指數均在乳熟期到完熟期之間達到最大值，最大值分別為4.038 和4.334。葉面積指數變化呈“S”形曲線變化，生長初期增長較慢，到拔節(jié)期（7 月中旬-下旬）開始快速增加，到生育后期趨于穩(wěn)定，生育期末受葉片枯黃掉落的影響，葉面積指數減?。ㄈ?021年）。

圖4 2020，2021年青飼玉米LAI實測值與模擬值對比Fig.4 Comparison of measured and simulated LAI values for silage maize in 2020, 2021

對RZWQM2 模擬青飼玉米生育期內葉面積指數模擬結果分析（表5）：2020 年，葉面積指數RMSE為0.569，E為0.863，d為0.810，R2為0.944；2021 年RMSE為0.854，E為0.784，d為0.731，R2為0.890。說明模擬值與實測值較為一致，模擬結果可信度較高。

表5 RZWQM2對青飼玉米LAI模擬結果分析Tab.5 Simulation results of RZWQM2 on LAI of silage maize

2.4 青飼玉米生物量模擬

青飼玉米生育期內生物量模擬結果如圖5 所示。2020、2021 年青飼玉米生物量隨著生育期增長均呈現先升高后降低的趨勢，且實測值與模擬值變化規(guī)律相似。青飼玉米生物量在拔節(jié)期到抽雄期之間增長速度較快，每日生物量增量增速可達到4 491.200 和2 438.115 kg/(hm2·d)，生物量最大值可達到11 696.000和10 918.508 kg/hm2，對應的時間分別為9月3日（2020年）和8月26日（2021年）。

圖5 2020，2021年青飼玉米生物量實測值與模擬值對比Fig.5 Comparison of measured and simulated biomass of silage maize in 2020, 2021

RZWQM2 模型對青飼玉米生物量模擬結果如表6 所示，2020 年，青飼玉米生物量RMSE為2 007.676 kg/hm2，E為0.833，d為0.816，R2為0.926；2021 年RMSE為2 152.375 kg/hm2，E為0.817，d為0.788，R2為0.920。表明實測值與模擬值較為接近，該模型在本地適用性較好

表6 RZWQM2對青飼玉米生物量模擬結果分析Tab.6 Simulation results of RZWQM2 on biomass of silage maize

2.5 青飼玉米田間蒸散量模擬

RZWQM2 模型模擬2020、2021 年青飼玉米生育期內日蒸散量如圖6所示，實測值與模擬值均呈先增高后降低的變化規(guī)律。青飼玉米在兩個生育期內田間蒸散量分別為345.145 和353.856 mm，且均在吐絲期達到最大，日蒸散量最大值分別達到6.550 和8.246 mm，這是由于吐絲期在每年的7 月末和8月初，在該階段內氣溫較高且降雨量較大，作物處于生長旺盛時期，因此田間蒸散量也達到最大；播種后到出苗期之間日蒸散量最小，最小值分別為0.131 和0.638 mm，這是由于青飼玉米剛播種后根系較淺，吸水較少，且降雨量也較少，因此早期青飼玉米田間蒸散量最??；青飼玉米田間蒸散量從乳熟期開始逐漸呈下降趨勢，這是由于該階段作物已成熟，根系吸水減少，加上氣溫降低的影響，因此蒸散量也逐漸減小。

圖6 2020，2021年青飼玉米日蒸散量實測值與模擬值對比Fig.6 Comparison of measured and simulated daily evapotranspiration of silage maize in 2020, 2021

雨養(yǎng)條件下，RZWQM2 模型對青飼玉米田間蒸散量模擬結果如表7 所示，結果表明，實測值與模擬值變化較為一致。2020 年，青飼玉米田間蒸散量RMSE為1.040 mm/d，E為0.622，d為0.729，R2為0.838；2021 年RMSE為1.056 mm/d，E為0.611，d為0.744，R2為0.794。表明模型模擬青飼玉米田間蒸散量與實測值擬合程度較好。

表7 RZWQM2對青飼玉米日蒸散量模擬結果分析Tab.7 Simulation results of RZWQM2 on daily evapotranspiration of silage maize

3 討 論

本研究在RZWQM2 模型研究中采用了DSSAT 模塊中推薦的CERES-maize 遺傳參數，初始模擬結果略有偏差，后經過校準得到一套適宜于本地區(qū)青飼玉米的模型參數，具有較好的模擬效果，后期試驗會對本次校準結果進行驗證。RZWQM2 模型模擬作物生長受諸多參數的影響，例如土壤內部的變化、作物品種的選擇以及氣候的不確定性等，均會影響模型模擬結果的精確度[21-24]。本研究利用RZWQM2 模型模擬了2020、2021 年青飼玉米生長特性，模擬值與實測值變化趨勢較為一致，但整體上還存在差異，主要原因是試驗地處于干旱半干旱地區(qū)，降雨量少，蒸發(fā)量大且試驗情景是在雨養(yǎng)條件下，青飼玉米長期受水分脅迫，而水分是作物生長的必要條件之一[25]，長期缺水會影響作物生長發(fā)育[26]。張紅娟[18]等研究表明，RZWQM2 模型在缺水條件下模擬裸燕麥生長特性沒有在水分充足的條件下精確度高，竇子荷[27]等研究發(fā)現RZWQM2 模型在模擬不同水分脅迫下的冬小麥生長過程時，水分脅迫越大，模型模擬結果越差。本文中青飼玉米在播種后～出苗期和乳熟期以后模擬效果不如拔節(jié)期～吐絲期準確，這與其他學者研究結果一致。有研究表明[28]，RZWQM2 模型模擬土壤含水量時，表層土壤的模擬效果比深層土壤模擬效果差一些，這與本研究結果相似，可能由于表層土壤具有空間異質性[29]。當有降雨或灌溉等外界水分進入土壤時，表層土壤水分會在短時間內升高，但隨著時間推移，水分逐漸滲漏導致深層土壤水分逐漸增高[30]，這是受到土壤孔隙度的影響，淺層土壤孔隙度較大，更有利于水分遷移[31]，故深層土壤含水量高于表層土壤。孔德胤[32]等研究表明，玉米在5 月1 日至5月31 日之間播種其葉面積指數最大值出現在吐絲期后13 天至19 天，而本文青飼玉米吐絲期分別在2020 年7 月29 日與2021年8月6日，葉面積指數分別在2020年9月3日和2021年9月2日達到最大，且青飼玉米比普通玉米的持綠時間長，故存在葉面積指數最大值出現較晚的情況。

4 結 論

（1）本研究基于RZWQM2 模型評估了北方農牧交錯帶張北地區(qū)青飼玉米生長發(fā)育過程，利用2020、2021 年田間試驗觀測值對模型進行校準，率定出一套適宜于該地區(qū)的青飼玉米作物遺傳參數。

（2）雨養(yǎng)條件下，青飼玉米表層土壤含水量低于深層土壤；20 和40 cm 土層土壤含水量波動較大；60 和80 cm 土層土壤含水量實測值在7月份高于模擬值，但整體實測值與模擬值變化趨勢相似，RMSE在0.019～0.029 cm3/cm3之間，d值在0.609～0.789之間，R2均高于0.710。

（3）雨養(yǎng)條件下，青飼玉米株高、葉面積指數和生物量E在0.784～0.994 之間，d在0.731～0.952 之間，R2在0.890～0.991之間，表明RZWQM2模型對青飼玉米生長發(fā)育模擬精度較高，且適用于該地區(qū)。

（4）雨養(yǎng)條件下，2020、2021 年青飼玉米生育期內田間蒸散量均呈現先升高后降低的趨勢，兩年的田間蒸散量分別為345.145 和353.856 mm，且蒸散量在吐絲期達到峰值；RZWQM2 模型對田間蒸散量的模擬值和實測值較為一致，RMSE分別為0.104和0.106 mm/d，R2分別為0.838和0.794，擬合程度較好。綜合來說，RZWQM2 模型對中國北方農牧交錯帶張北地區(qū)青飼玉米生長發(fā)育適用性較好，有望成為推動我國“糧改飼”工作科學化的有力工具。