0 引言
【研究意义】水稻是中国最主要的粮食作物,60%人口以大米为主食[1],国家统计资料显示2012年中国稻谷总产量达20 429万吨,占全国粮食总产34.7%,仅次于玉米居第二位[2]。稳定水稻产量,确保中国众多人口对稻米消费需求,是中国粮食安全的重要保障[3]。湖南省是中国水稻主产省,2014年统计资料显示,湖南省早稻种植面积达145.33万hm2,晚稻播种面积149.376万hm2,双季早稻和晚稻总产分别为85.475亿kg和96.275亿kg,位居全国第一,在中国籼稻生产中占重要地位[4]。水稻也是湖南主要作物,其产量占全省粮食总产90%左右,而2014年双季稻面积占稻谷面积的比重71.5%,产量占稻谷产量的比重69.0%,在全省种植业发展及国家粮食安全中具有举足轻重的作用[5]。因此,明确湖南省双季早稻和晚稻实际产量与潜在产量之间产量差空间分布特征及时间变化趋势,对于揭示湖南省水稻产量提升空间,实现水稻高产稳产有着重要的理论和实践意义。【前人研究进展】作物产量差研究始于20世纪70年代中期,产量差（yield gap）的概念是DE DATTA于1981年最早明确提出[6]。自产量差定义提出以来,国内外****在产量差领域开展了大量研究,主要采用两种方法：一是试验调查及统计分析方法[7-15],二是作物模拟模型法[16-20];其中作物生长模型能够定量和动态地描述环境条件及其胁迫时间和程度对作物生长发育过程的影响[21],与田间试验调查及统计分析方法相比,作物模拟模型方法因其通用性强,覆盖面广,功能强大,可节省大量人力与物力[21-23]。ORYZA水稻系列模型是由国际水稻研究所（International Rice Research Institute）与荷兰瓦赫宁根大学（Wageningen University & Research Centers）联合开发研制的水稻生长模拟模型。该模型以日为时间步长,可动态和定量地描述水稻生长发育、产量形成以及土壤水分、氮素的动态变化过程,在中国和世界多个国家得到广泛应用。近年来,浩宇等[24]利用ORYZA2000 模型模拟分析了安徽不同播期水稻的适应性;莫志鸿等[25]研究表明水稻生长模型 ORYZA2000可应用于双季稻生长发育的模拟;张天一等[26]应用ORYZA2000模型解析了中国七个水稻生产区域水稻产量气候和技术制约程度。【本研究切入点】前人在ORYZA水稻系列模型模拟水稻生长发育和产量形成的适用性以及产量潜力等方面做了大量研究[24-28],但对于湖南省双季早稻和晚稻的产量潜力和产量差的时空分布特征的综合分析,目前仍未见报道。【拟解决的关键问题】本研究采用ORYZA水稻系列模型的最新版本ORYZA v3,对其在湖南省双季稻生产中适用性进行调参验证,应用调参验证后的ORYZA v3模型模拟研究区域内双季早稻和晚稻的潜在产量,明确早稻和晚稻产量差的时空分布特征及产量提升空间,为当地双季稻高产稳产提供理论依据和科学参考。1 材料与方法
1.1 研究区域概况
湖南省位于长江中游以南,是中国东南腹地,地处东经108°47′—114°15′,北纬24°39′—30°08′,境内三面环山,北部为洞庭湖平原地区,中部地区丘陵与河谷盆地相间,土壤肥沃,境内河网密布水系发达。属大陆性中亚热带季风湿润气候,四季分明、热量充足、雨水集中。近30年气象资料显示,全省年降水量1 162— 1 720 mm,且多集中在作物生长季内,可基本满足水稻生长需要[29];年日照时数为1 300—1 800 h,年平均气温为16—18℃[30],无霜期长达260—310 d,热量和光照条件满足水稻种植要求[29]。湖南省西部山地丘陵区主要以一年两熟种植制度为主,而东部平原和丘陵盆地区域的主要种植制度是一年两熟和一年三熟[30]。湖南省西部地区的一年两熟多种植小麦、玉米和马铃薯加一季中稻,很少种植双季稻,所以列为非研究区域（图1）。
显示原图|下载原图ZIP|生成PPT图1研究区域及气象站点分布
-->Fig. 1Study area and site distribution
-->
1.2 数据来源
研究区域内气象数据来源于中国气象科学数据共享网,包括湖南省双季稻种植区域内16个气象站点1981—2010年逐日资料：日照时数,日最低温度,日最高温度,水汽压,平均风速和降水量。运行ORYZA v3模型所需的作物资料来自于中国气象局农业气象观测站,包括1981—2006年的水稻品种特性、发育期（出苗期、移栽期、穗分化期、开花期、成熟期）、作物单产及栽培管理措施等;土壤数据来源于中国土壤数据库,包括分层砂粒和黏粒的含量、土壤全氮和有机质的含量、土壤容重、土壤的田间持水量、凋萎系数、饱和导水率等参数。水稻产量数据来源于中国气象局农业气象观测站。
1.3 研究方法
1.3.1 ORYZA v3模型简介 ORYZA水稻系列模型是一个生理生态模型,以日为时间步长,可动态和定量地描述潜在生产水平、水分限制水平和氮素限制水平下的水稻生长发育、产量形成以及土壤水分、氮素的动态变化过程[25]。ORYZA水稻模型由多个模块构成,包括地上部作物生长模块,蒸腾蒸发模块,氮素动态模块,土壤水分平衡模块等。本研究采用的ORYZA v3是ORYZA水稻系列模型的最新版本,该版本改进了作物生长模块和土壤水分平衡模块,新增了一些参数控制水稻的生长临界温度和日期,并对土壤养分含量及灌溉措施设置进行了修改,增加了模型对水稻生理过程模拟的可靠性。
1.3.2 潜在产量的计算 潜在产量是指作物生长发育过程中不受水分、养分及病虫害等因素限制,为当地光照和温度条件下适宜作物品种可达到最高产量,即光温生产潜力[31]。
文中利用ORYZA v3模型模拟湖南省双季早稻和双季晚稻的潜在产量时,设定水稻水分充足和养分充足,保证水稻生长过程中不受水肥限制。模型的参数设置如下：水稻的出苗日期采用农业气象观测站常年平均出苗日期,移栽密度为25穴/m2、4株/穴,早稻和晚稻品种分别为金优974和金优207,这两个品种在湖南省双季稻区广泛种植,且具有较高的产量水平。利用水稻实际生育期和产量资料进行模型调参和验证,模型模拟时间序列为1981—2010年（表1）。
Table 1
表1
表1研究区域双季稻品种及调参站点年份
Table 1Double cropping rice varieties and data used for adjustment in the study area
| 品种 Variety | 数据站点及年份 Data stations and years | |
|---|---|---|
| 调参 Calibration | 验证 Validation | |
| 早稻金优974 Early Rice Jinyou 974 | 长沙、株洲、零陵、平江、郴州（2003） Changsha,Zhuzhou,Lingling,Pingjiang,Chenzhou (2003) | 长沙、株洲、零陵、平江、郴州（2004） Changsha,Zhuzhou,Lingling,Pingjiang,Chenzhou (2004) |
| 晚稻金优207 Late Rice Jinyou 207 | 长沙、道县、邵阳、沅江、郴州（2003） Changsha,Daoxian,Shaoyang,Yuanjiang,Chenzhou (2003) | 长沙、道县、邵阳、沅江、郴州（2004） Changsha,Daoxian,Shaoyang,Yuanjiang,Chenzhou (2004) |
新窗口打开
1.3.3 模型适应性评价指标 采用国际上通用指标和方法对ORYZA v3模型模拟湖南省水稻生育期和产量准确性进行检验,采用指标有模拟值与实测值线性回归系数（α）、截距（β）、决定系数（R²）、D指标、均方根误差（RMSE）、归一化均方根误差（NRMSE）、平均绝对误差（MAE）[32-34]。R²和D指标反映模型模拟值与实测值之间一致性,越接近1说明模拟结果越好,而D指标对于系统模拟误差更加敏感。RMSE与NRMSE值反映了模拟值与实测值之间绝对误差量与相对误差量,值越小说明模拟值与实测值之间的一致性越好。
式中,Si为模拟值,Oi为实测值,O为实测值的平均值,n为样本数。
1.3.4 气候倾向率 在分析气候要素变化趋势时,采用最小二乘法[35],计算样本与时间的线性回归系数α,从而要素的变化可以用一次线性方程表示,即：
t=1,2,…,n年
以10×α作为气候倾向率[35]。气候倾向率大于0说明随时间变化气候变量增加,气候倾向率小于0说明随时间变化气候变量减少。
1.3.5 变异系数 变异系数为均方差与均值的比值,可比较不同观测序列离差程度的大小。变异系数越大,说明要素变化越剧烈、越不稳定[36]。n年气候要素的变异系数（Cvn）按下式计算：
式中：S为均方差,χi为第i年的要素值,
1.3.6 显著性检验 采用t检验对模型模拟结果进行显著性检验,通过α=0.05 检验,判定为变化趋势显著;通过α=0.01 的检验,判定为变化趋势极显著[32]。
1.3.7 产量差的计算 在本文中主要分析湖南省双季稻早稻和晚稻实际产量与潜在产量之间的产量差,其中实际产量（Ya,kg·hm-2）利用湖南省统计年鉴资料计算,潜在产量（Yp,kg·hm-2）由ORYZA v3模拟输出,具体计算公式如下[35]：
YG1=Yp -Ya （8）
式中YG1为水稻产量差（kg·hm-2）,YG2为相对产量差（%）,Yp为潜在产量（kg·hm-2）,Ya为实际产量（kg·hm-2）。
2 结果
2.1 水稻模拟模型（ORYZA v3）有效性验证
在应用水稻作物模型（ORYZA v3）对湖南省双季稻生长发育动态和产量模拟之前,需进行模型参数本地化。该模型需要调试的作物参数包括作物生长发育速率、比叶面积、干物质分配系数、叶片相对生长速率、最大粒重等（表2）。在此利用湖南省8个农业气象观测站水稻品种、生育期、产量、栽培管理以及土壤等资料,调试和验证作物品种及土壤等参数。双季稻品种分别为早稻金优974和晚稻金优207,在本文中采用试错法对品种参数进行调试。
ORYZA模型用量化的常数把水稻生长分为4个时期,0—0.4为营养生长期（BVP）;0.4—0.65为光敏感期（PSP）;0.65—1.0为穗形成期（PFP）;1.0—2.0为灌浆成熟期（GFP）（表2）。穗分化期（DVS=0.65）和开花期（DVS=1.0）是水稻发育阶段的重要标志。因此对水稻的品种参数的调试中生育期主要包括出苗期、穗分化期、开花期和成熟期,并对产量进行调参。
早稻金优974和晚稻金优207生育期模拟值和实测值验证结果如图2和表3所示,早稻和晚稻生育期模拟值与实测值拟合结果良好。两个品种出苗—穗分化的决定系数R2分别为0.994和0.997,归一化均方根误差分别为1.06%和0.95%,平均绝对误差分别为0.28 d和0.20 d。同样,两个品种出苗—开花和出苗—成熟两个发育阶段的线性回归决定系数R2在0.978—0.997,归一化均方根误差NRMSE在0.43%—0.85%,平均绝对误差MAE在0.20—0.40 d,拟合结果良好,说明ORYZA v3模型可以较为准确地模拟湖南省水稻的生育期进程。
Table 2
表2
表2ORYZA v3模型水稻品种特征参数验证
Table 2Calibrating culivar parameters of rice in Oryza v3 in this study
| 作物参数 Crop parameter | 参数作用 Parameter function | 描述 Description |
|---|---|---|
| DVRJ | 控制生育期 Controlling the growth period | 营养生长期发育速率 Development rate of seeding stage |
| DVRI | 光敏感期发育速率 Development rate of photoperiod | |
| DVRP | 幼穗形成期发育速率 Development rate of panicle formation period | |
| DVRR | 灌浆成熟期发育速率 Development rate of reproductive stage | |
| SLATB | 控制生物量分配和产量形成 Controlling biomass allocation and yield formation | 比叶面积系数 Specific leaf area |
| KDFTB | 消光系数 Light extinction coefficient | |
| FLVTB.FSTTB.FSOTB | 干物质分配系数 Dry matter partition fraction | |
| SPGF | 每公斤穗粒数 Spikelet growth factor | |
| WGRMX | 最大每穗粒重 Maximum individual grain weight |
新窗口打开
Table 3
表3
表3ORYZA v3模型模拟结果检验
Table 3Test of simulation results in Oryza v3
| 品种 Variety | 项目 Subject | 验证评价指标 Validation evaluation index | ||||
|---|---|---|---|---|---|---|
| R2 | RMSE | NRMSE（%） | MAE | D | ||
| 早稻 金优974 Early Rice Jinyou 974 | 出苗至穗分化天数 Days from emergengcing to PI (d) | 0.994 | 0.63 | 1.06 | 0.28 | 0.997 |
| 出苗至开花天数 Days from emergengcing to flowering (d) | 0.993 | 0.45 | 0.58 | 0.20 | 0.998 | |
| 出苗至成熟天数 Days from emergengcing to maturity (d) | 0.995 | 0.45 | 0.43 | 0.20 | 0.998 | |
| 产量 Yield (kg·hm-2) | 0.942 | 60.99 | 1.02 | 27.28 | 0.983 | |
| 晚稻 金优207 Late Rice Jinyou 207 | 出苗至穗分化天数 Days from emergengcing to PI (d) | 0.997 | 0.45 | 0.95 | 0.20 | 0.996 |
| 出苗至开花天数 Days from emergengcing to flowering (d) | 0.997 | 0.45 | 0.61 | 0.20 | 0.998 | |
| 出苗至成熟天数 Days from emergengcing to maturity (d) | 0.978 | 0.89 | 0.85 | 0.40 | 0.993 | |
| 产量 Yield (kg·hm-2) | 0.924 | 88.89 | 1.43 | 39.75 | 0.931 | |
新窗口打开
显示原图|下载原图ZIP|生成PPT图2湖南双季稻生育期实测值和模拟值验证结果
-->Fig. 2Validation results of double cropping rice’s growth period in Hunan province
-->
早稻金优974和晚稻金优207产量模拟值与实测值拟合良好,线性回归系数R²分别为0.942和0.924,归一化均方根误差NRMSE分别为1.02%和1.43%,D指标分别为0.983和0.931,表明ORYZA v3模型能够较好地模拟湖南省双季稻的产量（图3）。
综上,早稻品种金优974和晚稻品种金优207生育期及产量的模拟值和实测值拟合结果良好,ORYZA v3模型可以较为精准的模拟湖南省水稻的生育期进程和产量形成过程。
2.2 双季稻生长季内农业气候资源分布特征
近30年（1981—2010年）研究区域内双季早稻和晚稻生长季内的平均气温和日照时数的空间分布特征如图4所示。由图可以看出,研究区域内双季稻生长季内平均气温均呈现由南向北依次降低的分布,而日照时数的空间分布特征与平均气温相反,呈现北高南低的分布。早稻生长季为4月至7月中旬,正值长江中下游地区的梅雨季节,平均气温和日照时数均略低于晚稻生长季内气温和日照时数。
显示原图|下载原图ZIP|生成PPT图3湖南双季稻产量实测值与模拟值验证结果
-->Fig. 3Validation results of double cropping rice yield in Hunan province
-->
显示原图|下载原图ZIP|生成PPT图4湖南省双季早稻和晚稻生长季内平均气温和日照时数空间分布特征
-->Fig. 4Spatial distribution characteristics of average temperature and sunshine in growth season of early and late rice in Hunan province
-->
研究区域内1981—2010年间双季早稻和晚稻生长季内的平均气温和日照时数的时间变化趋势如图5所示。研究区域内双季稻生长季内平均气温均呈增加趋势,平均每10年气温升高0.4℃。早稻生长季内增温速率略高于晚稻生长季内。双季稻生长季内,研究区域北部地区温度升高速率均略高于南部地区。
早稻生长季内的日照时数增加趋势较为明显,除南县、沅江、常宁和道县外其他地区日照时数均呈增加趋势,增加速率最高可达42.1 h/10a;晚稻生长季内日照时数减少趋势较为明显,尤其是北部洞庭湖平原地区日照时数减少速率达到54.0 h/10a。
2.3 双季稻潜在产量时空分布特征
2.3.1 早稻潜在产量时空分布特征 近30年（1981—2010年）湖南省双季稻潜在产量空间分布特征如图6所示。由图6-a可以看出,双季早稻潜在产量空间分布特征为西北部地区高于东南部地区,最高值位于北部的南县、沅江等地,早稻潜在产量达到8 400 kg·hm-2以上;最低值区位于研究区域的东南部,可能与该地区早稻生长季内平均气温高且日照时数少有关。前人研究表明,潜在产量与总辐射呈正相关关系,辐射下降导致作物潜在产量下降;一定温度范围内,潜在产量与温度呈负相关关系,温度升高导致作物的潜在产量下降[35]。早稻生长季内平均温度南部高于北部而日照时数呈现相反的分布,是早稻潜在产量西部和北部地区较高而东南部地区较低的原因。以过去30年潜在产量变异系数表示产量稳定性,近30年湖南省双季早稻潜在产量的变异系数如图6-b所示,由图可以看出,研究区域内双季早稻潜在产量变异系数为0.07—0.11,相比较而言,研究区域西部早稻潜在产量变异系数较小,东部地区变异系数较大。由潜在产量及其变异系数的空间分布特征可以看出,在不受水分、养分及病虫害限制条件下,研究区域北部的南县、沅江等地为双季早稻高产稳产地区,东南部的常宁、郴州等地为低产且产量不稳产区域。
在早稻品种不变前提下,研究区域研究时段内早稻潜在产量均呈现减小的趋势。北部的南县和沅江早稻潜在产量减小趋势最明显,每10年减少400—462 kg·hm-2;东北部的岳阳及中部的双峰潜在产量减小趋势小于100 kg·hm-2·(10a)-1。早稻生长季内平均温度升高引起的生育期缩短、干物质累积减少是造成其潜在产量减小的主要原因。部分地区（如双峰）日照时数的增加可能有一定的正效应,但不足以抵消温度升高的负效应。由图6-c和图6-d可以看出,近30年全区平均早稻潜在产量波动范围为6 800—8 851 kg·hm-2,研究区域内早稻潜在产量平均值随时间呈减小趋势,平均每10年减少119.9 kg·hm-2。早稻生长季内温度升高尤其是灌浆期温度过高引起的灌浆期缩短可能是造成潜在产量降低的主要因素[26]。
显示原图|下载原图ZIP|生成PPT图5湖南省双季早稻和晚稻生长季内平均气温和日照时数时间趋势
-->Fig. 5Time trend of average temperature and sunshine hours in growth season of early and late rice in Hunan province
-->
显示原图|下载原图ZIP|生成PPT图6湖南省双季早稻潜在产量平均值（a）、变异系数（b）及时间变化趋势（c、d）
-->Fig. 6Average value(a), coefficient of variation(b) and time trend(c, d) of early rice’s yield potential in Hunan province
-->
整体而言,湖南省双季早稻潜在产量呈北高南低的空间分布特征,潜在产量变异系数分布特征为西部地区小于东部地区。研究区域内早稻潜在产量整体呈现减小的时间分布特征。
2.3.2 晚稻潜在产量时空分布特征 1981—2010年
湖南省双季稻生产地区晚稻潜在产量的分布特征如图7所示。由图7-a可以看出,湖南省双季稻生产地区晚稻潜在产量为7 473—9 301 kg·hm-2。晚稻潜在产量的空间分布特征与早稻潜在产量分布特征类似,高值区位于湘中西部的武冈以及湘北的石门、岳阳等地,潜在产量达到8 000 kg·hm-2以上;晚稻潜在产量的低值区位于东部的长沙、株洲以及衡阳等地,低于7 742 kg·hm-2。整体看来,研究区域内晚稻的潜在产量高于早稻。
显示原图|下载原图ZIP|生成PPT图7湖南省双季稻区晚稻潜在产量平均值（a）、变异系数（b）及时间变化趋势（c、d）
-->Fig. 7Average value(a), coefficient of variation(b) and time trend(c, d) of late rice’s yield potential in Hunan province
-->
近30年湖南省双季稻生产地区晚稻潜在产量的变异系数如图7-b所示,研究区域双季晚稻潜在产量变异系数为0.05—0.17。晚稻潜在产量变异系数略高于早稻,即比较而言,晚稻的稳产性略低于早稻。晚稻潜在产量变异系数的空间分布特征与早稻不同,研究区域内北部地区为相对高产而不稳产地区,西南部地区为高产稳产地区,东部的长沙和株洲则为低产不稳产地区。研究时段内,在品种不变的条件下,晚稻潜在产量基本呈现减小的趋势,研究区域的东北部部分站点潜在产量减小速率达到每10年300 kg·hm-2以上。晚稻潜在产量呈增加趋势的站点为湘中的衡阳,潜在产量增加速率为每10年21.6 kg·hm-2,但变化趋势并不显著,可能与该地区晚稻生长季内辐射资源增加而增温不明显有关。气候变化背景下晚稻生长季内平均气温升高对于研究区域晚稻生产负面影响较大[37],研究区域晚稻潜在产量全区平均值减小速率高于早稻,为169.4 kg·hm-2·(10a)-1。
2.4 双季稻产量差时空分布特征
2.4.1 早稻产量差时空分布特征 1981—2010年湖南省双季早稻实际产量与潜在产量之间的产量差平均值及产量差占潜在产量比例的空间分布特征如图8所示。由图可以看出,研究区域内56%的站点的产量差达到2 000 kg·hm-2以上,其中,早稻产量差最大的地区为湘北洞庭湖平原地区,产量差达3 000—4 096 kg·hm-2,产量差约占潜在产量的37%—46%,表明该地区早稻产量仍有较大的提升空间;因产量差的空间分布特征受潜在产量和农户实际产量共同影响,湘北地区早稻潜在产量高,但实际生产中由于倒春寒以及劳动力相对匮乏的影响,实际产量较低（早稻实际产量时空分布特征见附图1）,所以湘北地区应该加大劳动力的投入及栽培管理措施的优化,提高早稻产量。湘南道县等地多为丘陵地带,早稻生长季内日照相对缺乏,不利于早稻生产;加之平均气温升高的强烈负面影响,潜在产量较低,产量差仅占潜在产量的不到10%,早稻产量可提升空间不大。
显示原图|下载原图ZIP|生成PPT图8湖南省双季早稻潜在产量与实际产量的产量差平均值（a）、所占比例（b）及时间变化趋势（c、d）
-->Fig. 8Average value(a), proportion(b) and time trend(c, d) of early rice’s yield gap in Hunan province
-->
湖南双季早稻产量差随时间的变化趋势如图8-c、d所示,研究时段内研究区域早稻产量差随时间呈缩小趋势,缩小速率为每10年328.7 kg·hm-2。产量差缩小速率最大的站点是北部的南县及平江,达到800—1 240 kg·hm-2·(10a)-1;研究区域中部地区产量差缩小速率次之,产量差缩小速率高于400 kg·hm-2·(10a)-1。而湘南西南部的道县及湘北的石门、沅江、长沙产量差呈增大趋势;其中,道县产量差增加速率高达800 kg·hm-2·(10a)-1,该生产区地形多为丘陵和岗地,稻田沿山或河呈碎片分布,地表蓄水能力差,多熟制度下稻田长期保持淹水状态致使土壤特性和养分改变、土壤缺素[40],实际产量下降幅度高于潜在产量,实际产量可提升空间逐渐增大（附图1-c）。这些地区光温条件和早稻潜在产量的时间变化趋势并不一致,水肥管理不当以及病虫害等原因导致的实际产量的降低是这些地区产量差呈增大趋势的主要因素。
2.4.2 晚稻产量差时空分布特征 近30年湖南省双
季晚稻实际产量与潜在产量之间产量差平均值及其占潜在产量比例的空间分布特征如图9-a、b所示。与早稻相比,晚稻产量差空间分布差异性较大,研究区域内约有44%的站点产量差高于2 000 kg·hm-2,约占潜在产量的23%—38%。与早稻产量差的空间分布特征相似,晚稻产量差较大的站点主要位于湘北洞庭湖平原地区、西部的武冈和东南部的郴州;晚稻产量差最小的地区为东部的株洲及衡阳,产量差小于1 000 kg·hm-2,因该地区经济较发达,水稻生产投入及种植技术水平相对较高[29],因此晚稻实际产量水平比较接近产量上限,可提升空间不大。
研究期间整个研究区域内晚稻产量差平均值呈缩小趋势,缩小速率为每10年500.8 kg·hm-2（图9-d）。研究区域内75%的站点产量差缩小速率高于400 kg·hm-2·(10a)-1,这些站点主要集中在研究区域的东北部地区及中部偏西地区;晚稻产量差呈增加趋势地区仅有湘南的道县,产量差增大速率为1 560 kg·hm-2·(10a)-1,土壤肥力退化导致的实际产量的降低是该地区产量差增加的主要原因。
显示原图|下载原图ZIP|生成PPT图9湖南省双季稻区晚稻潜在产量与实际产量产量差平均值（a）、所占比例（b）及时间变化趋势（c、d）
-->Fig. 9Average value(a), proportion(b) and time trend(c, d) of late rice’s yield gap in Hunan province
-->
从研究区域水稻产量差空间分布特征看来,近30年研究区域湘北地区早稻和晚稻的产量差最大,表明该地区水稻实际产量可提升空间最大;而湘中地区早稻和晚稻产量差占潜在产量20%左右,表明该地区实际产量可提升空间较小;湘南地区早稻产量差最小,而晚稻产量差相对较大,说明湘南地区早稻产量可提升空间很小而晚稻产量可提升空间较大。
通过以上分析表明,研究区域内双季早稻和晚稻的产量差最高值分别为4 096 kg·hm-2和3 472 kg·hm-2,分别占各自潜在产量的46%和38%;产量差的最低值分别为394 kg·hm-2和770 kg·hm-2,占各自潜在产量的5%和10%。从时间变化趋势看来,早稻和晚稻产量差均呈缩小趋势,晚稻产量差缩小趋势更明显;研究区域早稻产量差略大于晚稻,且早稻产量差呈增加趋势站点多于晚稻。
3 讨论
传统经验公式或统计分析方法计算作物潜在产量多以作物发育阶段或者旬为时间步长,无法考虑作物生长发育进程中光温水等环境要素和密度、施肥等栽培管理措施对作物产量形成的影响,而水稻作物模型ORYZA v3能够动态反应气候、土壤、品种特性、栽培管理措施等因素与水稻生长发育之间的关系。本文利用验证后的ORYZA v3模型模拟了湖南省早稻和晚稻潜在产量,分析了双季早稻和晚稻产量差时空特征,在考虑外界条件对作物产量影响同时亦考虑了水稻本身的遗传特性[21]。湖南省双季稻区早稻和晚稻产量差均随时间呈缩小趋势,且晚稻产量差缩小趋势更明显,其主要原因是由于栽培技术进步及农业投入增加使得双季稻的实际产量呈现明显的增加趋势,在不考虑品种更替的条件下,温度升高使得双季稻生育期缩短、潜在产量呈现减小趋势;同时,早稻生长季内日照时数增加对潜在产量的正效应会部分抵消平均气温升高的负面影响,且早稻实际产量增加幅度低于晚稻,所以晚稻产量差缩小趋势更为明显。研究区域早稻产量差略大于晚稻,且早稻产量差呈增加趋势站点多于晚稻,表明现阶段早稻产量可提升空间较大,实际生产中可以通过更换品种、改善栽培管理措施等方法来提高早稻的产量,缩小产量差。
近30年间研究区域内双季稻产量差空间分布差异较大。其中湘北地区早稻和晚稻产量差最大,该地区可通过改良土壤、优化栽培管理措施等方法提高湘北地区早稻和晚稻实际产量,以缩小产量差。同时该地区经济较发达,随着经济的发展和城镇化建设步伐的加快,这一区域的耕地面积逐渐减少,农户的种稻积极性较差[29],因此,在湘北要着重推广水稻优质高产品种,通过水稻的抗病高产育种以及测土配方施肥等技术,降低水稻的生产成本,提高水稻的种植收益,以提高农户的种稻积极性。西南部地区地形以丘陵和岗地为主,地表蓄水能力差,降水时空分布不均,常遇夏秋旱[39],对双季稻尤其不利于晚稻的生长发育;该地区双季稻产量差小于湘北地区,且早稻产量差最小而晚稻产量差相对较大,说明未来湘南地区晚稻产量提升空间大于早稻,实际生产中通过抗逆品种选育、提高生产投入等,避免季节性干旱对晚稻生长发育的不利影响,以提高晚稻实际产量。
本文在水稻潜在产量模拟过程中仅选择湖南省广泛种植的早稻品种金优974和晚稻品种金优207,但是在实际生产中,双季早稻和晚稻品种的年代之间以及地区之间差异较大,这可能会对研究结果带来一定影响;同时前人研究表明新品种的推广种植对潜在产量有一定的提升作用,国际水稻研究所研究结果表明在1966—1995年,品种更替可使水稻每年增产75 kg·hm-2[37],因此湖南省亦可通过培育抗逆高产等新的水稻品种,以适应气候变化提高水稻产量潜力。因为移栽期可以直接影响作物各个生育阶段所处时间,移栽期变动导致生育期内气候要素变动,从而影响作物的潜在产量,本研究基于农业气象观测站实际观测资料,采用多年平均的移栽期作为模型中水稻移栽期,可能对水稻潜在产量有一定影响。
国家统计年鉴中,湖南省早稻和晚稻的产量均为增加的趋势,该产量是在气候变化和技术进步共同作用下的结果,品种更替和新的栽培管理措施应用等技术进步带来水稻实际产量持续增加。而本研究采用ORYZA v3模型模拟的水稻潜在产量,是在栽培管理措施不变的情况下,既定水稻品种潜在产量,表现了气候变化对水稻产量的影响。由此可以看出,如果不考虑品种更替和技术更新对水稻产量的正效应,气候变化本身对湖南省水稻产量潜力是负贡献。技术进步和气候变化对产量的影响程度到底分别是多少,这也是今后笔者需要重点研究的内容。
4 结论
利用研究区域内气候、作物、土壤及产量资料对水稻作物模型ORYZA v3进行调参验证,并利用调参验证后模型模拟双季早稻和双季晚稻潜在产量,在此基础上,重点分析了湖南省双季稻产量差时空分布特征。调参验证后的ORYZA v3模型对研究区域早稻和晚稻的出苗—穗分化、出苗—开花、出苗—成熟的天数以及产量具有较好模拟效果,表明ORYZA v3模型可用于湖南双季稻潜在产量模拟研究。
在假定研究区域水稻种植品种不变前提下,1981—2010年间湖南省早稻和晚稻潜在产量呈北高南低空间分布特征,高值区为湘中西部的武冈和邵阳等地,低值区为湘南丘陵地区。研究时段内早稻和晚稻潜在产量均呈减小趋势,且早稻潜在产量减小速度更快。
研究区域内双季稻产量差空间分布差异较大。湘北地区早稻和晚稻产量差最大,表明该地区双季稻产量有较大的提升空间;西南部地区双季稻产量差小于湘北地区,且早稻产量差最小而晚稻产量差相对较大,说明湘南地区晚稻产量提升空间大于早稻。气候变化背景下平均气温的升高使得双季稻潜在产量呈现下降趋势,同时由于栽培技术进步及生产投入增加,实际产量不断增加,研究时段内除个别站点（道县、沅江等）外,早稻和晚稻的产量差均呈减小趋势。
研究区域早稻产量差普遍高于晚稻且其随时间缩小的速率小于晚稻,这是由于早稻生长季内日照时数普遍呈现增加趋势,对早稻的生长发育和产量形成具有正效应。同时,早稻产量差呈现增加趋势的区域大于晚稻。总体而言,在湖南省双季稻产区早稻产量提升空间较晚稻大,早稻生产中可通过栽培技术措施优化,生产投入增加等提高早稻产量,从而提高双季稻周年产量。
附图
显示原图|下载原图ZIP|生成PPT附图1湖南省双季稻区早稻实际产量平均值（a）、变异系数（b）及时间变化趋势（c、d）
-->Fig. 1Average value(a), coefficient of variation(b) and time trend(c, d) of early rice’s actual yield in Hunan province
-->
显示原图|下载原图ZIP|生成PPT附图2湖南省双季稻区晚稻实际产量平均值（a）、变异系数（b）及时间变化趋势（c、d）
-->Fig. 2Average value(a), coefficient of variation(b) and time trend(c, d) of late rice’s actual yield in Hunan province
-->
The authors have declared that no competing interests exist.
