农业干旱灾害是个世界性问题^[1]。近年来, 在全球气候变暖、极端气候事件趋多增强的大背景下, 西南地区降水和河川径流变化波动明显增大, 再加上降水时空分布不均的影响, 导致该区域干旱发生频率升高, 对当地农业生产造成很大威胁^[2]。因此, 及时准确地评估干旱对西南地区农业生产的影响, 对区域农业防灾减灾具有重要的现实意义。由于干旱形成机理和分布规律比较复杂, 再加上农业生态系统本身的复杂性, 由此造成农业干旱灾害影响评估的复杂性^[3]。就现有研究来看, 常用的农业干旱影响评估方法主要有实地调查估算法、数理统计法、遥感监测评估法、历史统计相似分析法以及作物模型模拟分析法。由于以上5种方法各有优缺点, 有时单独使用, 有时结合使用^[4]。作物模型是作物科学应用计算机的一个新的研究领域, 是利用系统分析和计算机技术, 综合作物生理生态、农业气象、土壤和农学等学科研究成果, 将作物与其生态环境因子作为整体进行动态的定量化分析和生长模拟的过程^[5-6]。国外关于作物模型在农业气象影响评估中的应用报道最多的是农业干旱灾害, 基于各种作物模型, 研究了干旱对农业所产生的影响^[7-10]。我国应用作物模型进行农业气象灾害影响评估也已经有一定的进展。“九五”期间将作物生长模型引入冬小麦干旱识别和预测中, 通过改进作物指标形式, 以旬初土壤水分和该旬的水分需供比作为干旱指标, 建立了华北冬麦区土壤干旱和作物干旱指标体系^[11]。“十五”期间, 开始研制利用区域气候模式与作物生长模式相结合预测作物干旱等相关技术^[12], 由于区域气候模式预测与作物模式预测结果本身存在误差, 当两个模式发生连接时就会产生累积误差, 因此这种方法中的关键问题仍待进一步探讨。此外, 作物模型在低温冷害评估中也得到了初步应用^[13-14]。从以上研究可以看出, 虽然作物模型已在各类农业气象灾害中都有不同程度的应用, 但由于模型需要输入的作物参数太多, 导致模型本地化释用程度不高, 模型对发育期与产量模拟的精准度不高, 最终影响模型后续评估应用^[15]。鉴于此, 本研究针对当前作物模型应用于干旱评估中存在的问题与不足, 拟对模型的部分模块进行改进与完善, 进而研究探讨西南玉米区干旱影响评估技术, 以期为区域干旱影响评估提供一种新的方法。

1 资料与方法 1.1 研究区概况

研究区位于98°~110°E与20°~35°N之间, 包括云南省、四川省、贵州省和重庆市 (简称“三省一市”)。该区域地势起伏大, 气候区域差异显著, 降水时空分布极为不均, 易形成季节性连旱和区域性干旱。玉米的生产区域多分布在山区、半山区坡地, 属雨养旱作农业。因西南地区立体气候明显, 导致农业种植区域差异大, 即使是同一种作物, 在不同的海拔高度, 其生育期与发育进程差别很大^[2]。鉴于此, 根据西南区域特点、农业气候特征以及农作物种植相似性, 将研究区玉米种植区细分为7个子区域^[2], 见图 1。

1.2 研究资料

研究资料为云南、贵州、四川和重庆等地61个台站的气象资料, 主要包括:逐日平均气温、日最高气温、日最低气温、日照时数、日降水量、2 m高处风速和水汽压。同期玉米发育期数据与产量数据资料年限为1981—2010年。来源于中国气象局国家气象信息中心资料室。玉米发育期数据主要包括播种、出苗、拔节、抽雄、灌浆、乳熟、成熟等发育阶段。土壤资料为4省市土壤的物理性质、肥力特性等数据, 主要包括田间持水量、凋萎系数、土壤容重等。均来源于各省市气象部门。

1.3 研究方法

基于WOFOST作物模型, 以西南玉米干旱为研究对象, 并对发育期、光合生产等模块进行改进与提高, 选取研究区8个典型代表站点对模型进行适宜性检验分析, 通过数值模拟的方法, 模拟分析了研究区历年典型干旱年份玉米产量损失情况, 并与实际减产率作对比分析。

1.3.1 作物模型简介

作物模型选取WOFOST (world food study) 模型, 该模型由荷兰瓦赫宁根大学de Wit等开发, 起源于世界粮食研究中心 (CWFS) 组织的多学科综合的世界粮食潜在产量的研究项目, 旨在探索增加发展中国家农业生产力的可能性^[16-17]。WOFOST是一个根据气象和土壤条件模拟作物根、茎、叶和穗生物量以及土壤水分的动态模型。作物生长过程主要包括发育、光合作用、呼吸作用、干物质积累及分配等。土壤水分平衡过程主要包括降水、灌溉、渗透、地表蒸发、作物蒸腾、毛管水上升等^[18-19]。

1.3.2 模型的改进与提高

由于WOFOST模型自身存在着一定的不足之处, 比如无法模拟极端气候事件 (高温、干旱) 对农作物造成的影响损失^[13]。另外, 国外作物模型在国内引进应用时, 本地化程度不可能完全符合当地实际情况。因此, 完全有必要对模型进行改进与提高, 以最大化地增强其应用能力。本研究主要有3点改进: 1) 针对水分胁迫模拟能力的改进; 2) 针对发育速率的改进; 3) 针对光合速率的改进。关于模型对水分胁迫的模拟能力的改进, 采用相对蒸腾序列的10 d滑动平均值表示农田实际水分动态变化过程, 详见参考文献[19]。这里主要详述另外两种改进模型模拟能力的方法。

1) 针对发育速率的改进

调参时, 模型要求输入的气象数据必须是正常年份下的观测数据, 这样才能保证确定出的模型参数的合理性与普适性, 但现实情况中很难找到完全符合条件的气象数据, 因此导致验证模型时作物发育期模拟值与实测值误差较大, 从而影响模型的区域应用。针对这一问题, 本文加以改进与提高。WOFOST原模型中的发育期模块采用“积温法”模拟发育进程, 模型将作物整个生育期划分为出苗到开花、开花到成熟两个发育阶段, 每个发育阶段的有效积温作为模型发育参数^[20]。积温法表征的发育速率公式为:

$ {D_{r,t}} = \frac{{{T_{ei}}}}{{{\rm{TSU}}{{\rm{M}}_j}}}\;\;\;\;\left( {j = 1,2} \right) $

(1)

式中: ${D_{r,t}}$为t时刻的发育速率 (${{\rm{d}}^{ - 1}}$), ${T_{ei}}$为有效温度 (℃), TSUM_j为完成某一发育阶段所需的有效积温 (℃·d)。为了使调试出的作物参数具有通用性, 将 (1) 式用系数k来加以订正, 以提高其对作物发育期模拟的精准性。公式如下:

$ {D_{r,t}} = k\frac{{{T_{ei}}}}{{{\rm{TSU}}{{\rm{M}}_j}}}\;\;\;\;\left( {j = 1,2} \right) $

(2)

式中: k为温度对发育速率的影响系数, 可由正常年份下作物的生育期日数${D_t}$与灾害年份下作物的生育期日数${D_{t'}}$的比值求得, 即:

$ k = \frac{{{D_t}}}{{{D_{t'}}}} $

(3)

k > 1为高温年份, k < 1为低温年份。

2) 针对光合作用速率的改进

光合作用, 特别是光合有效辐射, 是形成植物生物量的基本能源, 直接影响着植物的生长、发育、产量和产品质量。光合作用将无机物转化为有机物并贮存能量, 这个过程是作物产量形成的关键, 同时, 作物光合作用极易受到各种环境因素的影响, 而温度又是其中的一个主要环境影响因子。WOFOST原模型中相对冠层高度L处瞬时光合作用速率A_L(kg·hm^-2·h^-1) 是光饱和时光合作用速率A_m(kg·hm^-2·h^-1) 和所吸收辐射量I(J·m^-2·s^-1) 的函数, 以负指数形式表示:

$ {A_L} = {A_m}(1 - {{\rm{e}}^{\frac{{ - \varepsilon I}}{{{A_m}}}}}) $

(4)

式中: $\varepsilon $为初始光能利用率。冠层光合作用速率采用Gaussian三点积分法, 对叶片在时间和空间的瞬时光合作用速率进行积分。首先将冠层高度分3层, 计算各层瞬时光合作用速率, 加权求冠层总的瞬时光合作用速率; 然后将一日分为3点, 加权冠层各点总的瞬时光合作用速率, 最后求得日总光合作用速率。计算公式如下:

$ L = (0.5 + P\sqrt {0.15} ){\rm{LAI}}\;\;\;\;(P = - 1,0,1) $

(5)

$ {A_h} = \frac{{{\rm{LAI}}({A_{ - 1}} + 1.6{A_0} + {A_1})}}{{3.6}} $

(6)

$ {T_h} = 12 + 0.5D(0.5 + q\sqrt {0.15} )\;\;\;\;(q = - 1,0,1) $

(7)

$ {A_{\rm{d}}} = \frac{{D({A_{h, - 1}} + 1.6{A_{h,0}} + {A_{h,1}})}}{{3.6}} $

(8)

式中: LAI为叶面积指数, p为对冠层高度的积分点, L为相对冠层p处的叶面积指数, A_h为整个冠层某一时刻的瞬时光合作用速率, D为日长, q为对时间 (日) 的积分点, T_h为每日q时刻, A_d为日总CO₂同化速率。

为了提高模型的本地化水平以及模型对产量模拟的精准性, 计算光合作用速率时, 采用黄耀等^[21]根据实验室不同温度条件下光合速率的测定结果, 公式如下:

$ P = {\rm{TF}} \cdot {\rm{PO}} $

(9)

式中: TF可以分两种情况表示为:

$ {\rm{T}}{{\rm{F}}_1} = \left\{ \begin{array}{l} - 0.631 + 0.112 \cdot T - 0.001\;93 \cdot {T^2}\\ 10℃ \le T \le 29℃ \end{array} \right. $

(10)

$ {\rm{T}}{{\rm{F}}_2} = \left\{ \begin{array}{l} - 0.928 + 0.114 \cdot T - 0.002\;67 \cdot {T^2}\\ 29℃ < T \le 40℃ \end{array} \right. $

(11)

式中: P和PO分别为实际温度和最适温度影响下的光合速率。

1.3.3 模型适宜性检验

作物模型在应用前, 必须先进行调参以确定模型参数, 详细调参过程与参数确定方法以及单点验证详见文后参考文献, 因篇幅所限, 此处不再赘述。因本研究针对模型应用中存在的问题与不足进行改进, 故这里着重对模型改进前后作区域适宜性检验分析。本文从云南、贵州、四川、重庆4地分别选取两个代表站点对模型进行区域适宜性检验分析, 考虑到西南地区区域差异大, 立体气候较为明显, 因此, 在站点的选取上尽量保证其分布在不同的海拔高度, 详见表 1。

判定模型模拟的精准性, 采用以下统计指标:归一化均方根误差NRMSE与决定系数R²。NRMSE可反映模拟值与实测值之间的相对误差, 值越小表明模拟效果越好。R²可反映模拟值与实测值之间的一致性, 值越接近1表明模拟效果越好^[22]。

2 结果与分析 2.1 改进后WOFOST模型的适宜性检验

图 2是西南地区玉米生育期适宜性检验结果, 从图中可以看出, 模型改进前, 8个站点玉米生育期模拟值与实测值NRMSE范围为3.25%~6.95%, R²为0.57~0.79, 平均模拟精度为74.12%。模型改进后, 8个站点玉米生育期模拟值与实测值NRMSE范围为1.48%~3.07%, R²为0.62~0.99, 且模拟值均落在1:1线附近, 平均模拟精度为78.9%。可见, 改进模型后, 对玉米生育期的平均模拟精度提高了4.78%。

图 3是西南地区不同海拔高度站点玉米产量适宜性检验结果, 从图中可以看出, 模型改进前, 8个站点玉米产量模拟值与实测值NRMSE范围为7.88%~11.99%, R²为0.52~0.93, 平均模拟精度为75.7%。模型改进后, 8个站点玉米产量模拟值与实测值NRMSE范围为3.07%~6.79%, R²为077~0.98, 平均模拟精度为80.95%。可见, 改进模型后, 对玉米产量的平均模拟精度提高了5.25%。

2.2 典型干旱年份的模拟结果

从历年来看, 西南地区发生了数次范围广、强度大的干旱, 据统计, 每个年代里均有干旱发生。各年代的典型干旱年依次为: 1969年、1972年、1987年、1992年、2006年^[23]。由于1969年与1972年无产量资料, 因此仅以1987年、1992年及2006年为例, 基于作物模型对每年玉米生育期内干旱进行动态模拟, 以减产率来表征干旱对玉米产量造成的损失程度, 并与当年实测产量进行对比, 以验证作物模型对西南农业干旱影响的模拟能力。根据统计资料记载^[24-25], 1987年西南干旱主要发生在出苗到拔节期, 1992年西南干旱主要发生在出苗到拔节期到抽雄期, 而2006年干旱主要集中在川渝地区, 发生时段为拔节到抽雄到灌浆结实期。

从西南地区历年玉米生育期内干旱影响的模拟结果来看, 1987年干旱主要影响西南地区的北部与西部, 而且以偏西偏东部位最为严重, 各地玉米减产率为0.52%~26.49%, 大部地区玉米减产率在10%以内, 西南地区玉米平均减产率为8.02%, 通过与实际减产情况对比可见, 除云南南部外, 其余地区模型对干旱分布范围及规律的模拟值与实际情况基本接近, 且产量损失程度与实际情况较为一致, 模拟准确度为69.8%。1992年干旱主要影响西南地区的中东部, 各地玉米减产率为0.65%~31.61%, 西南地区玉米平均减产率为11.88%, 局地干旱程度比1987年较为严重, 与实际减产对比发现, 干旱分布范围及规律的模拟值与实际情况较为符合, 模拟准确度高达78.1%。2006年干旱影响范围与1992年较为相似, 受旱区域主要集中在西南地区的中东部, 各地玉米减产率为1.14%~32.9%, 这一年西南地区玉米平均减产率为9.87%, 与实际减产对比发现, 因模型自身原因, 对重旱区的模拟能力不是很理想, 但从干旱分布范围与规律来看与实际情况也较为吻合, 模型的平均模拟精度为75.9%(图 4)。

3 结论与讨论

本文基于WOFOST作物生长模型, 针对研究灾种, 对作物模型作了适当改进, 并根据研究区域特征, 有代表性地选取不同海拔高度的站点对模型改进前后进行检验分析, 在此基础上, 模拟分析了西南地区典型干旱年份玉米产量变化趋势。并与实际情况进行了对比分析。从历年典型干旱年份模拟结果来看, 模型对干旱分布范围与分布规律的模拟值与实际情况基本接近, 说明模型可以评估西南玉米产区干旱影响。可见, 随着数值模拟技术的快速发展以及对农作物受灾机理理论认识的进一步深入, 作物生长模型在农业气象灾害定量评估中是推动农业干旱监测从定性描述走向定量评估取得突破的核心环节^[26]。作物生长模型在农业气象灾害评估中的优势在于机理性强, 可以较好地反映出作物生育进程、产量与各生育阶段温度、降水量以及土壤水分动态的关系, 能够从机理上定量地描述作物生长过程及其与环境因素之间的关系。但囿于其自身的限制因素, 导致模型在应用时存在着一定的不足之处, 如无法准确反映干旱的后效影响, 本地化程度有待提高。基于此, 本研究在大量模拟试验的基础上, 对模型进行了适当改进。从模型检验以及模拟结果可以看出, 模型的模拟精度大大提高, 减少了模拟值与实测值之间的相对误差, 极大地提高了模型的可靠性。但是, 干旱对作物的影响非常复杂, 同时模型的外围条件、各种参数的初始值仍存在很大的不确定性, 对准确模拟也会造成一定影响。因此, 这方面研究还需进一步加强与完善。另外, 多数作物模型都是基于田间尺度或者单站点开发和建立的, 如何将其扩展到区域尺度, 这就要涉及一个模型由点到面的尺度转换问题。本研究中区域模型用到的作物参数主要有两种:一种是与温度有关的作物参数值, 由于这类参数在空间上是相关的, 因此可利用空间插值获得。其他作物参数通过细化区域, 然后在各分区取代表站点的参数代表分区参数^[27]。虽然通过改进模型以及处理不完善资料最大可能地控制和减少了误差, 但仍然是在每个均匀的空间单元上应用作物模型, 单元与单元之间并没有考虑水分、养分的相互交换作用, 并不能从根本上解决水平方向物质交换问题^[28]。因此, 这部分工作也有待于今后作进一步研究探讨。