删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

覆膜条件下对AquaCrop模型冬小麦生长动态和土壤水分 模拟效果的评价分析

本站小编 Free考研考试/2021-12-26

刘匣, 丁奠元, 张浩杰, 褚晓升, 余坤, 冯浩. 覆膜条件下对AquaCrop模型冬小麦生长动态和土壤水分 模拟效果的评价分析[J]. , 2017, 50(10): 1838-1851 https://doi.org/10.3864/j.issn.0578-1752.2017.10.009
LIU Xia, DING DianYuan, ZHANG HaoJie, CHU XiaoSheng, YU Kun, FENG Hao. Evaluation Analysis of AquaCrop Model in Modeling Winter Wheat Growing Development and Soil Moisture Under Plastic Mulching[J]. Scientia Acricultura Sinica, 2017, 50(10): 1838-1851 https://doi.org/10.3864/j.issn.0578-1752.2017.10.009

0 引言

【研究意义】冬小麦是中国主要粮食作物之一,中国小麦总产量和播种面积分别占粮食作物的21.3%和25.1%,而冬小麦则占小麦总产量的90.5%和面积的86.9%[1],因此确保冬小麦生产可持续发展对保障中国粮食安全具有十分重要的意义。关中地区降雨季节分布不均匀,主要集中在7—10月份,而冬小麦的生育期为每年的10月中旬到次年的6月[2],期间降雨量较少,干旱缺水已经成为限制冬小麦产量的关键因素。如何有效地保蓄水分,增强作物抗旱能力,提高作物水分利用效率和产量已经成为保证该区小麦高产稳产的关键。地膜覆盖技术自1978年引入中国以来,在旱区得到大面积推广。覆膜可以有效地抑制土壤水分蒸发,改善作物供水条件,减少水分亏缺,增加土层温度[3],并提高作物产量和水分利用效率[4]。国内外****对模型已经展开大量应用研究,通过模型模拟不同农田水分状况下各个指标的变化,为农田水分优化和灌溉制度的设计提供参考依据和技术支持。因此,研究覆膜条件下Aquacrop模型对冬小麦的生长发育的影响对提高旱区作物产量具有重要意义。【前人研究进展】AquaCrop模型是由世界粮农组织(Food and Agriculture Organization,FAO)研究提出的关于作物生长的水分驱动模型。AquaCrop模型数据输入简洁、用户界面友好、数据输出准确[5],是一款面向用户的简单、直观、便捷的作物生产力模拟、预测工具[6],具有很好的发展应用前景。大量研究表明,AquaCrop模型相对于其他复杂模型比如CropSyst[7],WOFOST[8],CEREC-Rice[9]等具有相似的甚至更好的模拟效果。国内外****对AquaCrop模型开展了大量应用研究,主要集中在参数调整和模型验证方面,并证明AquaCrop模型在不同地区对于玉米[6,10]、小麦[11-13]、土豆[14]、番茄[15]等作物的生长有很好的模拟精度,可以辅助农田管理决策。【本研究切入点】国外对于AquaCrop模型的研究较多[7-10, 12-15],而中国对于AquaCrop模型的研究尚属起步阶段,主要集中在灌溉水平和施氮水平的参数优化和模型验证[6, 11, 16-17]。模型中自带覆盖模块,但是AquaCrop模型设计之初对农业地表覆盖和耕作技术等考虑不足,AquaCrop模型中不具备土壤温度模块,而覆膜对土壤温度的影响较大,所以对覆膜栽培作物的模型模拟和验证很少,仅杨宁等[18]对AquaCrop 模型覆膜栽培玉米水分利用过程进行了研究,基于AquaCrop模型覆膜条件下冬小麦农田水分利用过程的模拟与验证尚属首例。【拟解决的关键问题】本研究以关中地区雨养条件下冬小麦地膜覆盖为研究对象,对模型参数进行本地化,并验证AquaCrop模型在水分利用和作物生长及产量方面的适用性,以便为AquaCrop模型的改进、应用推广、作物生产力预测、农业资源的综合管理提供一些基础资料。

1 材料与方法

1.1 试验区概况

试验地设在陕西省杨凌西北农林科技大学教育部旱区农业水土工程重点实验室灌溉试验站(108°24′E,34°20′N,海拔521 m)。该地区为关中旱作类型区,属于暖温带半湿润大陆性季风气候区,四季分明,多年平均气温13—15℃,多年平均降雨量在630 mm左右,降雨量年际分布不均,主要集中在7—10月份,无霜期为213 d左右。供试土壤为中壤土(砂粒﹕粉粒﹕黏粒质量比8﹕73﹕19)。1 m 土层的平均田间持水率为23%—25%,凋萎含水率为8.5%(以上均为质量含水率),土壤pH平均值为8.2,平均容重为1.37 g∙cm-3。该站地下水埋深 5 m 以下,其向上补给量可忽略不计。耕层土壤养分含量为有机碳8.14 g∙kg-1,全氮、全磷和全钾分别为0.95、0.83 和20.42 g∙kg-1,速效磷、速效钾分别为21、290 mg∙kg-1

1.2 试验设计

本试验设置不覆盖(CK)、白色地膜覆盖(PM)两种处理措施,采用随机区组试验设计,每个处理重复3次,共6个小区。小区方向为东西走向,面积为10 m2(5 m×2 m),每个小区之间有宽0.5 m的保护行。试验取样和水分测定主要集中在小区中间部位,减少边界影响。覆盖处理播前,先进行人工翻耕、整地、施肥,试验所用地膜为普通聚乙烯塑料薄膜,覆膜宽度为30 cm,膜厚0.01 mm。
冬小麦供试品种为小偃22,播种日期分别为2013年10月9日、2014年10月15日、2015年10月13日,采用条播种植,深度为5—6 cm,行距30 cm,播种量为187.5 kg∙hm-2。分别于2014年6月5日,2015年6月6日和2016年6月5日收获。各个小区统一施肥水平:基肥为120 kg N∙hm-2(尿素)和100 kg P2O5∙hm-2(过磷酸钙);返青前统一追肥30 kg N∙hm-2(尿素)。生育期内不灌溉。

1.3 观测指标

1.3.1 土壤水分和盐分 本试验使用TRIME-TDR(TRIME-PICO-IPH TDR,德国IMKO公司)测定深层土壤含水率和盐分,测定土层最大深度为260 cm,TRIME管安装在各小区中间部位,自地表以下1 m内每10 cm为一个测量深度间隔,1 m之后每20 cm为一个测量深度间隔,本研究土壤剖面深度选为120 cm。小麦种植前和收获时,采用打土钻的方法校正
TRIME-TDR仪器。
土壤贮水量的计算公式如下:

式中,H为土壤贮水量,mm;Qi为第i层土壤体积含水率,%;hi为第i层土壤厚度,cm;n为测土壤体积含水率时的层序。
玉米生育期耗水量采用土壤水分平衡公式计算:
ETW+P+I+K (2)
式中,ET为作物耗水量,mm;△W为收获期与播种期土壤贮水量的变化(按120 cm计),mm;P为作物生育期内的降水量,mm;I为生育期灌溉量,mm,旱作为0;K为时段内地下水的补给量,mm。由于试验田地下水埋深在5 m以下,可视K为0;降水入渗深度不超过2 m,可视深层渗漏为0。
1.3.2 作物生长指标 生物量的测定:在冬小麦各生育期内,每个小区选取生长状况良好、具有代表性的5株小麦,从茎基部切断,获得完整的地上部,105℃杀青30 min,在75℃恒温条件下烘干至质量恒定后称重,记录冬小麦的干物质重量。叶面积指数(LAI):采用冠层分析仪(SunScan,英国Delta T仪器公司)测定,每个小区在不同位置测定3次取平均值。
通过LAI计算冬小麦冠层覆盖度[11]
CC=1-exp(-0.65LAI) (3)
1.3.3 产量 冬小麦成熟后,在各个小区取1 m2的小麦植株样测产,麦穗人工脱粒,105℃杀青30 min,在75℃恒温条件下烘干至质量恒定后称重,换算成单位面积产量(kg∙hm-2)。
1.3.4 水分利用效率(WUE) 水分利用效率(WUE)计算公式如下:
WUE=Y/ET (4)
式中,WUE为水分利用效率,kg∙hm-2∙mm-1;Y为单位面积小麦产量,kg∙hm-2;ET为耗水量,mm。

1.4 AquaCrop模型数据库的建立

模型输入数据包括:气象数据、作物参数数据、田间管理数据、土壤参数、模型运行初始条件和田间试验数据。
气象数据:由陕西省杨凌西北农林科技大学教育部旱区农业水土工程重点实验室灌溉试验站提供。ET0采用FAO提供的参考作物蒸发蒸腾量计算软件通过最高气温、最低气温、空气相对湿度、风速和日照时数计算。根据降雨量、ET0和温度数据建立模型气象数据文件(图1)。
显示原图|下载原图ZIP|生成PPT
图12013—2016年小麦季降雨量、最高气温、最低气温和参考作物蒸发蒸腾量
-->Fig. 1Rainfall, maximum temperature, minimum temperature, and reference evapotranspiration in winter wheat seasons from 2013 to 2016
-->

作物参数数据:根据试验区冬小麦实际生长发育期输入AquaCrop模型生成作物参数数据库文件。用2014—2015年试验区冬小麦观测数据进行模型的参数调试,用2013—2014年和2015—2016年的观测数据进行模型的验证,最终确定AquaCrop模型作物参数如表1所示(保守参数参照FAO提供的AquaCrop模型参考手册中参数的设定。由耕作方式不同导致覆膜与裸地处理的生育期有两套参数[18-20],GDD先根据生育期设定,然后在作物生长模块选择Growing degree-days,模型自动将各阶段的生育期天数转换为积温,再采用试错法调试。水分生产力在模型模拟中根据作物类型的特定设置区间和计算值综合考虑设定,后采用试错法进行调试。参考收获指数首先根据实际计算值进行设定,后在模型模拟中进行调试)。
Table 1
表1
表1AquaCrop模型中的作物参数
Table 1Crop parameters in AquaCrop model
参数描述 Parametric descriptionCKPM单位 Unit
基底温度 Base temperature00
上限温度 Upper temperature2626
授粉开始失效时的最低空气温度 Minimum air temperature below which pollination start to fail55
授粉开始失效时的最高空气温度 Maximum air temperature below which pollination start to fail3535
冠层扩展上限阈值 Upper threshold for canopy expansion0.250.25%TAW
冠层扩展下限阈值 Lower threshold for canopy expansion0.650.65%TAW
叶片扩展胁迫系数的曲线形状 Leaf expansion stress coefficient curve shape55
气孔关闭的上限阈值 Upper threshold for stomatal closure0.650.65%TAW
冠层衰老胁迫系数 Canopy senescence stress coefficient0.70.7%TAW
根区扩展的形状因子 Shape factor describing root zone expansion1.51.5
开花期水分胁迫的上限阈值 Upper threshold for water stress during flowering0.850.85%TAW
GDD播种-出苗 Time from sowing to emergence130103℃d
GDD播种-最大冠层覆盖度Time from sowing to maximum CC14601367℃d
GDD播种-冠层衰老 Time from sowing to start senescence18361758℃d
GDD播种-成熟Time from sowing to maturity21682146℃d
GDD播种-开花 Time from sowing to flowering14231405℃d
GDD播种-最大根深 From sowing to maximum rooting depth16571558℃d
GDD授粉期持续时间 Length of the flowering stage250250℃d
GDD经济产量持续时间 Building up HI720720℃d
最大根深 Maximum effective rooting depth1.71.7m
最小根深 Minimum effective rooting depth0.30.3m
水分生产力Water productivity,WP*1620g∙cm-2
参考收获指数 Reference harvest index3839%
地面覆盖度 Percentage of soil surface covered090%
地表覆盖类型 Type of surface mulches塑料地膜
Plastic mulches

GDD: Growing degree-days; TAW: Total available soil water in the root zone; CC: Canopy coverGDD:生长度日;TAW:总的根区土壤有效水;CC:冠层覆盖度
新窗口打开
田间管理数据:根据试验小区实际情况进行土壤肥力和地面覆盖的设置,建立田间管理参数数据库文件。土壤参数数据:包括永久凋萎点(cm3∙cm-3)、田间持水量(cm3∙cm-3)、饱和含水量(cm3∙cm-3)等土壤参数数据,以及土壤质地和土层深度(cm),和地表径流(cm3)和土壤蒸发(mm)数据,输入AquaCrop模型,生成土壤参数数据。土壤质地为中壤土,1.2 m内饱和含水量0.41 cm3∙cm-3,田间持水量0.28 cm3∙cm-3,凋萎系0.15 cm3∙cm-3,曲线数CN为65和85(覆膜),因为覆膜对降雨入渗有影响,但是模型中覆膜模块对降雨入渗没有考虑,故通过改变CN来实现覆膜和裸地对降雨径流的影响。土壤表层0.04 m的蒸发量(readily evaporable water,REW)为8 mm和2 mm(覆膜)。
模型运行初始条件:根据试验测定数据输入土层深度、土壤水分含量和土壤盐分,生成模型运行初始条件,如表2所示。
Table 2
表2
表2不同土层深度下土壤水分含量和土壤盐分初始值
Table 2The initial values of soil moisture and soil salinity at different depths
年份 Year2014-20152015-2016
处理 TreatmentCKPMCKPM
土层深度
Soil layer
含水率
Soil water content (%)
盐分
Soil salinity (ds·m-1)
含水率
Soil water content (%)
盐分
Soil salinity (ds·m-1)
含水率
Soil water content (%)
盐分
Soil salinity (ds·m-1)
含水率
Soil water content (%)
盐分
Soil salinity (ds·m-1)
0-1023.072.9024.633.8724.524.4024.44.00
10-2027.704.0035.503.6725.734.8325.694.30
20-3029.914.3326.164.0327.824.6725.774.67
30-4031.144.2627.944.6627.944.8027.345.10
40-5031.104.4726.914.8027.825.0727.524.97
50-6030.224.7027.464.7326.974.9725.654.73
60-7029.824.6728.844.7025.894.6324.454.43
70-8028.234.5729.434.6024.944.4025.274.37
80-9027.954.2330.524.5024.954.1725.724.13
90-10027.983.6029.504.3325.433.8725.944.17
100-12027.293.2330.804.3026.043.5726.424.30


新窗口打开
田间试验数据:根据试验数据输入冠层覆盖度、生物量和贮水量,生成田间试验数据文件。

1.5 模型的验证与评价方法

通过比较覆膜与裸地冬小麦冠层覆盖度、生物量和土壤贮水量等参数的模拟值和实测值,来评价模型模拟的效果。验证指标为相对误差(relative error,RE)、均方根误差(root mean square error,RMSE)、标准均方根误差(normalized root mean square error,NRMSE)和决定系数(goodness-of-fit,R2)。




式中,msn分别为观测值、模拟值、观测值的平均值,模拟值的平均值和实测值与观测值的个数。RE越小表示模拟精度越高;RMSE越小表明模拟精度越高;NRMSE值越接近0表示模拟精度越高,当NRMSE小于10%,模拟效果很好;当NRMSE处于10%和20%之间,表明模拟效果好;当NRMSE处于20%和30%之间,表明模拟效果合理;当NRMSE大于30%,表明模拟效果差[21]R2越接近于1表明模型的解释程度越高。

2 结果

2.1 冬小麦冠层覆盖度模拟结果

叶面积指数是研究冬小麦生物量和产量形成的重要指标,模型中用冠层覆盖度代替叶面积指数可以较为清晰的表现出作物的生长状况,2013—2016年3季冬小麦的冠层覆盖度的发育动态与模型的评价指标如图2所示,在苗期和越冬期,作物生长缓慢,叶面积指数较小(因覆盖小,冠层分析仪无法准确测定),冠层覆盖度相对增长缓慢,拔节期以后叶面积指数增大,冠层覆盖度迅速增加,并于抽雄期达到最大值,之后随着生育期的变化部分叶片开始衰老,冠层覆盖度也随之下降。从图中可以看出,PM和CK在冬小麦生育期内模拟值与实测值的总体变化趋势基本一致。PM较CK生育期提前,增长较快,且最大冠层覆盖度明显高于CK,CK的模拟值与实测值的RMSE为2.1%—8.1%,而PM的模拟值与实测值的RMSE为2.4%—2.7%,冠层覆盖度方面的模拟PM较CK模拟精度较高。总体来讲,2014—2015年(调参)相关系数R2均大于0.95,2013—2014和2015—2016年(验证)相关系数R2均大于0.85。2013—2016年模拟值和实测值之间的相关关系表现为2.1%<RMSE<8.1%,2.9%<NRMSE<11.9%,可见,模型在冠层覆盖度方面的模拟精度较高。因此,AquaCrop模型可以较好模拟冬小麦冠层覆盖度的动态变化过程。
显示原图|下载原图ZIP|生成PPT
图22013—2016年覆膜与裸地处理下冬小麦冠层覆盖度的模拟结果
-->Fig. 2Simulated values of winter wheat canopy cover under the plastic mulching and non-mulching treatments from 2013-2016
-->

2.2 冬小麦生物量模拟结果

地上部生物量是决定冬小麦产量的重要因素之一,图3比较了3年试验中地膜覆盖和裸地条件下冬小麦生育期内地上部生物量模拟值和实测值随时间的变化。不同处理冬小麦地上部生物量模拟值和实测值变化趋势基本一致,但是在冬小麦生育期的苗期和越冬期,模型的模拟值都普遍低于实测值,可能是冬小麦生长发育阶段(尤其是越冬期)部分小麦苗死亡,根据出苗率计算生物量,导致生物量计算值偏大,而模型在苗期和越冬期冬小麦生长速率较慢,导致模拟值普遍低于实测值。CK的模拟值与实测值的RMSE为0.814—1.663 t∙hm-2,而PM的模拟值与实测值的RMSE为1.487—1.933 t∙hm-2,在地上部生物量的模拟方面CK较PM模拟精度较高。总体来说,PM和CK模拟值和实测值相关系数R2均大于0.95,很接近于1,说明模型的解释程度很好。2013—2014年PM和CK的NRMSE均小于20%,说明模型的模拟好;2014—2015年CK的NRMSE大于30%,说明模型模拟的不好,PM的NRMSE为22.3%;2015—2016年PM和CK的20%<NRMSE<30%,说明模拟值可以合理解释实测值的趋势变化。因此,AquaCrop模型能够较好模拟地上部生物量的动态变化规律。
显示原图|下载原图ZIP|生成PPT
图32013—2016年覆膜与裸地处理下冬小麦地上部生物量的模拟结果
-->Fig. 3Simulated values of winter wheat above-ground biomass under the plastic mulching and non-mulching treatments from 2013-2016
-->

2.3 冬小麦土壤贮水量模拟结果

2013—2016年冬小麦PM和CK的1.2 m土壤贮水量的模拟值和实测值的相关关系如图4所示,作物生育期内未设置灌水,降雨导致了模拟值和实测值中土壤贮水量的增加。CK模拟值与实测值的相关系数均大于0.85,PM模拟值和实测值的相关系数均大于0.75,CK的平均相关系数R2比PM高,2015—2016年CK的相关系数较低,这是由于人为因素在越冬期1月9日进行了灌水,实测的贮水量出现了增加的趋势,模型模拟灌溉参数没有发生改变,使得模拟值偏低,从而CK的相关系数R2相对于PM较低。在模型中设置2016年1月9日灌水30 mm,增加灌水参数后,实测值与模拟值的R2为0.95,RMSE为11.4,NRMSE为3.6。整体而言,PM的模拟值和实测值的模拟精度较CK差,原因可能是模型中覆盖模块的设计并不是很完善,只是考虑了土壤蒸发,对降雨入渗没有进行设定,本文通过改变径流曲线可能不是十分完善,而且模块中没有考虑地膜覆盖材料随时间的变化,覆盖材料的完整程度对土壤蒸发和降雨入渗影响较大,导致PM模拟值与实测值的差异较大。统计数据显示,PM和CK的RMSE在9.2至17.6之间,NRMSE<5.5%,模拟值与实测值之间的误差较小,AquaCrop 模型可以较准确的模拟冬小麦PM和CK土壤水分的动态变化。
显示原图|下载原图ZIP|生成PPT
图42013—2016年覆膜与裸地处理下1.2 m土层贮水量的模拟结果
-->Fig. 4Simulated values of winter soil water content in 1.2 m depth under the plastic mulching and non-mulching treatments from 2013-2016
-->

2.4 产量和水分利用效率

耗水量、生育期内降雨量和作物生长发育状况密切相关,同一年中冬小麦生育期内降雨量不同是由PM和CK的生育期天数和降雨的时空分布不均导致。表2给出了3年试验PM和CK产量、耗水量和水分利用效率实测值和模拟值的相对误差(RE)。试验数据表明,各处理产量实测值为3 728.9—7 400.9 kg∙hm-2,模拟值为4 098—7 174 kg∙hm-2,二者的RE为-4.4%—9.0%。PM和CK实测产量呈显著性差异,3年实测值和模拟值的平均值,PM分别较CK增加40.5%和40.3%;2014—2015年和2015—2016年耗水量RE为5.4%—12.9%,模拟值普遍高于实测值。类似的,PM和CK水分利用效率实测值为18.0—29.5 kg∙m-3,模拟值为16.0—26.8 kg∙m-3,二者的RE为-10.4%—-1.5%。2014—2015年和2015—2016年PM和CK实测水分利用效率的平均值分别为18.1 kg∙m-3和27.9 kg∙m-3,模拟水分利用效率的平均值为17.3 kg∙m-3和25.5 kg∙m-3,模拟值略低于实测值。2014—2015年PM水分利用效率的实测值和模拟值分别较CK显著提高44.5%和44.3%(P<0.05),2015—2016年PM水分利用效率的实测值和模拟值分别较CK显著提高63.9%和50.6%(P<0.05)。总体来讲,AquaCrop模型能够较好的模拟作物产量和水分利用效率。
Table 3
表3
表32013—2016年地膜覆盖与裸地冬小麦产量和水分利用效率的模拟值和实测值
Table 3Measured and simulated values for plastic mulching and non-mulching winter wheat yield and water use efficiency from 2013-2016
年份
Year
处理
Treatment
降雨量
Rainfall
(mm)
产量
Yield (kg∙hm-2)
耗水量
Water consumption (mm)
水分利用效率
Water use efficiency (kg∙m-3)
实测
Mea.
模拟
Sim.
RE
(%)
实测
Mea.
模拟
Sim.
RE
(%)
实测
Mea.
模拟
Sim.
RE
(%)
2013-2014CK286.05458.7a5231-4.4316.616.0
PM286.06921.9b70882.3333.021.3
2014-2015CK239.45010.8a50110.0275.2a300.98.518.2a16.7-9.3
PM235.77400.9b7174-3.2281.3a297.55.426.3b24.1-9.1
2015-2016CK203.43728.9a40989.0207.0a230.810.318.0a17.8-1.5
PM183.25619.1b58493.9190.3a218.612.929.5b26.8-10.4

Different letters in same column indicate significant among treatments at the 0.05 level同一列数值后不同字母表示处理间差异显著(P<0.05)
新窗口打开

3 讨论

3.1 参数的设定

作物参数的确定对于作物模型的应用起着重要作用[22]。AquaCrop模型中本身提供了典型作物的一系列生理参数,但是对不同的品种、种植区域、田间管理措施,需要利用实测数据率定模型参数,将模型本地化[23]。大量研究表明,覆膜可以明显增加表层地温[3,24-25],明显降低土壤蒸发并促进作物蒸腾[18],还可以提高作物产量和水分利用效率[26]。但AquaCrop模型是关于作物生长的水分驱动模型,在模型参数输入中仅有气温参数模块,而没有地温模块,对于模型中自带的地膜覆盖模块,也只考虑了地膜对土壤蒸发的影响,而忽略了地膜对土壤温度的影响,进而忽略了地膜的增温效应对作物生长发育的影响。基于考虑地膜的增温效应对作物生育期天数的影响,将地膜和裸地涉及到的地温增加的参数根据记录的物候期设定为两套参数值,并率定模型参数,得到地膜和裸地的部分作物参数(表1)。

3.2 冠层覆盖度和生物量的模拟和验证

本研究表明AquaCrop模型可以模拟覆膜条件下冬小麦的生长发育过程,并具有较高的模拟精度,这与杨宁等[18]研究覆膜玉米的结果类似。本研究对冠层覆盖度的模拟结果较好,决定系数R2均达到0.85以上,均方根误差RMSE值在2.1%—8.1%之间,这与以往的研究结果类似。比如李会等[27]研究的AquaCrop模型对不同灌溉水平处理冠层覆盖度的模拟效果非常好,决定系数在0.95以上,RMSE在2%—6%之间,而滕晓伟等[11]的研究结果为R2RMSE分别为0.464和8.0%。EBRAHIM[28]研究结果为0.66<R2<0.98,9%<RMSE<45%。本研究结果表明AquaCrop模型在覆膜条件下冠层覆盖度的模拟各项指标达到了较为理想的结果,AquaCrop模型可以较好的模拟冬小麦冠层覆盖度的动态变化过程。但是试验中冠层覆盖度的测定值较少,以后试验中应增加试验数据测定频率。
地上部生物量模拟(图3)较高的相关系数(R2>0.95)和较低的均方根误差(0.814 t∙hm-2<RMSE<1.933 t∙hm-2)说明AquaCrop模型在覆膜条件下能够较好的模拟生物量,但是模拟结果明显高于付驰等[23](0.036 t∙hm-2<RMSE<0.190 t∙hm-2)和张铁楠等[29]RMSE为0.0959 t∙hm-2)对春小麦地上部生物量的模拟。与滕晓伟等[11]RMSE为1.622 t∙hm-2)、HSIAO等 [30](0.58 t∙hm-2<RMSE<6.18 t∙hm-2)和MEBANE等[31]RMSE为1.33 t∙hm-2和1.53 t∙hm-2)研究AquaCrop模型在地上部生物量上的结果类似。
本研究对于AquaCrop模型在地上部生物量的研究结果显示AquaCrop模型通常高估地上部生物量(图3),但是在拔节期后的生育期内出现前期高估后期低估地上部生物量的现象(图3-a1,a2,b2),这种研究结果与KATERJI等[14]和AHMADI等[32]的研究结果一致。原因可能是冠层覆盖度很大,作物根系较为发达,后期水分亏缺会影响作物生物量的形成(图3-b1),本文中2014—2015年和2015—2016年相对于2013—2014年降雨量减少,抽雄期后作物耗水量(作物蒸腾和土壤蒸发)增加,而水分供给不足,易影响作物生物量的形成,从而造成生物量降低,而2014—2015年和2015—2016年覆膜能够蓄水保墒,可减小水分供给不足对作物产量的影响,这在2014—2015年尤为明显。而且Aqua Crop模型缺乏更复杂的生理子模块,所以不能很好地解释水分胁迫对地上部生物量积累及光合产物向籽粒转移的影响[33]
综上所述,国内外对于冠层覆盖度和地上部生物量研究结果大体一致,但模拟值和实测值的大小关系不能得到一致结论,原因可能与测量数据的质量、数据处理的方法、校准模型参数的准确性以及一些外界因素如灌溉条件、作物生长环境、耕作条件等因素影响有关。模型本身需要改进的问题同时也影响模型模拟的准确性,AquaCrop模型本身简化了作物衰老过程,并没有考虑作物生长过程中的复杂性[32],VANUYTRECHT等[34]、HSIAO等[30]和ZELEKE等[35]研究表明AquaCrop模型在模拟冠层衰老阶段不够准确。

3.3 土壤贮水量的模拟和验证

AquaCrop模型作为水分驱动模型,其对产量和生物量的模拟性能取决于精确的土壤水分动态模拟[32]。本研究结果表明AquaCrop模型能够较好地模拟覆膜和裸地土壤水分贮水量的变化,相关系数达到0.75以上,且均方根误差为9.2—17.6 mm。模拟精度高于MONTOYA等[36]和李子忠等[16]对土壤贮水量的模拟。AquaCrop模型模拟值较实测值偏高(图4),这与HSIAO等[30],FARAHANI等[37]的研究结果一致,但是IGBAL等 [38]和MKHABELA等[39]对于小麦贮水量和MEBANE等[31]对玉米的贮水量的模拟值却低于实测值。对此,国内外****并不能得到一致结论。原因可能是试验地土壤的结构不同,而且模型并不能考虑土壤结构的变异性,因此,相同的水分数据在模型模拟中有很多的不确定性[35]
图2—4中可以看出覆膜的模拟精度低于裸地处理,原因可能是模型设计之初对农业地面覆盖模块的设计考虑不足,模型中覆膜模块只是考虑覆膜对土壤蒸发的影响[18],未考虑对降雨入渗的影响(本文中通过改变CN曲线来区别地膜覆盖和裸地处理对降雨径流的影响),而且覆盖模块中覆盖度等参数是固定值,实际中覆盖度(覆盖材料的完整度)会随着时间的变化而发生改变。

3.4 产量和水分利用效率的模拟和验证

应用AquaCrop模型模拟冬小麦生产力形成过程,主要考虑作物产量和水分利用效率两个方面。本文在产量和水分利用效率方面模型模拟覆膜和裸地冬小麦相对误差较小,说明AquaCrop模型能够较为准确的模拟覆膜冬小麦产量和水分利用形成过程。这与以往的研究结果一致[18]。且实测覆膜与裸地处理产量和水分利用效率均成显著性差异,这与模拟值中覆膜与裸地的差异基本一致。但是水分利用效率的模拟值均低于实测值,原因为作物生育期内耗水量的模拟值均高于实测值,这是生育后期模型没有考虑作物生长的复杂性,从而简化作物衰老的过程,使得后期土壤贮水量模拟不够准确。
本文仅应用一个作物品种在一个研究区域对Aquacrop模型的覆膜模块进行模拟和验证,在今后的工作中,还需要针对不同的作物品种和不同的研究区域进行模拟和验证,从而完善Aquacrop模型在覆膜模块中的应用。而且模型本身在设计之初对覆膜模块的考虑不足,未考虑覆膜增温效应,而且覆膜模块只考虑了覆膜对土壤蒸发的影响,关于地膜对降雨入渗的阻滞作用未涉及,这需要在以后的模型改进中加以完善。同时模型简化了作物衰老,没有考虑作物生长的复杂性,而且忽略了覆盖材料的变化,应该提高并细化时间参数和作物参数,从而提高模拟精度。在以后试验中要增加田间实测数据频率,充分掌握各类资料后,完善模型在覆膜冬小麦生长上的应用,以期为作物生产力模拟和预测以及农艺措施的优化提供一些理论依据和技术支持。

4 结论

利用3年冬小麦资料对AquaCrop模型在覆膜条件下进行模拟和验证,根据实测数据对模型参数进行率定,并模拟了覆膜和裸地2种覆盖方式对旱作冬小麦冠层覆盖度、地上部生物量、土壤贮水量的影响,计算分析了2013—2016年冬小麦的产量和水分利用效率。结果表明AquaCrop模型在关中地区对覆膜冬小麦的生长发育和产量形成,具有较高的模拟精度,可以应用AquaCrop模型对地膜覆盖的生产力进行简单的预测和初步的评估。
The authors have declared that no competing interests exist.

参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

相关话题/作物 土壤 数据 生育 过程