山西晉中盆地紫花苜蓿生產對水分和氣溫的響應

朱 敏,牛帥帥,侯青青,楊 軒,徐洪雨

(山西農業大學草業學院,山西 太谷 030801)

我國晉中盆地地處山西中部,東為太行山脈,西為呂梁山脈,汾河自北向南穿其而過[1],土壤和氣候條件優越,農業生產發達[2]。但在全球氣候變化大背景下,當地氣候正在發生較為顯著的變化,氣溫升高、降水減少,對種植業發展造成了不利影響[3];且晉中市的農業用水方式粗放,水資源利用效率不高,導致實際灌溉面積不斷萎縮[4]。紫花苜蓿(Medicagosativa)是該地區發展草產業的重要優質牧草,因其高耗水的特點[5-7],其生產勢必會受到全球氣候變化和灌溉用水條件的限制,應提前對其的產草量與灌溉結果進行評估,以期應對外部環境的變化。

采用作物動態模型對作物響應外部條件的研究不受地域、時間、氣候條件等方面的限制,能夠系統、全面和多元化地對作物生長方面的因素進行模擬、評價和分析,提供大量有效數據[8-9]。其中,APSIM(Agricultural Production System sIMulator)是由澳大利亞農業生產系統組研發的作物生產模擬系統,在模擬氣候變化對農作物生長發育、產量及水分平衡等方面有較好的效果,并在很多國家和地區得到了廣泛驗證與應用[10]。在紫花苜蓿模型方面,奧?，|等[11]完成了APSIM模型在寧夏種植區主要參數的本地化,結果表明APSIM苜蓿模型可以較為準確地用于模擬苜蓿灌溉的情況,且在該地區具有良好的適應性。古麗娜扎爾等[12]驗證了APSIM模型模擬苜蓿長期連作和苜?！←溳喿飨到y深層土壤水分和苜蓿產量的可行性,評估了不同輪作模式對農田深層土壤水分、系統干物質產量、氮素吸收和水分利用效率的影響。Shen等[13]評估了黃土高原地區小麥—苜蓿輪作系統中APSIM模型的土壤水氮模擬效果,并利用田間數據修改了APSIM模型土壤模塊的最大田間持水量(Drainage upper limit,DUL)與作物水分利用下限(Crop lower limit,CLL)參數。

總體來說,國內紫花苜蓿模型起步較晚,深入的紫花苜蓿生長生理過程模擬和完善的生長模擬模型研究還較少[14]。盡管APSIM紫花苜蓿模型已于西北黃土高原地區進行了調參驗證工作,但于晉中盆地地區還未充分驗證與應用。因此,本文以位于晉中盆地的太谷區為研究區,擬基于6個種植利用范圍較廣的紫花苜蓿品種的田間觀測數據和同期氣象資料,對APSIM苜蓿模型進行產量校準和驗證,評價其在晉中盆地地區模擬紫花苜蓿栽培的適用性;基于情景模擬探究紫花苜蓿在氣溫和降水梯度變化下的產草量及飼草產量的損失狀況,以期為全球氣候變化背景下晉中盆地地區紫花苜蓿的高產穩產提供方法和理論指導。

1 材料與方法

1.1 研究區概況

研究點位于山西農業大學草業學院試驗站,地處山西省晉中市太谷縣候城鄉(37°25′ N,112°23′ E),該地區屬晉中盆地,海拔高度約800 m,屬溫帶大陸性季風氣候,具體氣候表現是夏季炎熱多雨,冬季寒冷干燥,春季時節較短并且多大風,天氣干燥,秋季也較短,但秋高氣爽。研究區雨熱同期,降水季節分配極不均勻,降水多集中在7—9月,多年平均降水量為458 mm;晝夜溫差較大,年平均氣溫為9.5℃～10.5℃;主要土壤類型為褐土,土壤pH值約為8.3。

1.2 田間試驗設計

大田試驗于2021—2022年于國家草品種區域試驗站(太谷)開展,試驗地土壤分布均勻。試驗地6個處理分別為不同品種,包括‘草原2號’(MedicagosativaL. ‘Caoyuan No. 2’)、‘肇東’(MedicagosativaL. ‘Zhaodong’)、‘新疆大葉’(MedicagosativaL. ‘Xinjiang Daye’)、‘WL168HQ’‘WL343HQ’及‘WL440HQ’,每個處理9個重復,每個小區面積為3 m×3 m,共54個小區,區組間距和小區間距均為1 m。各品種均于2021年6月中旬播種,播種深度為3 cm,為有效探索各品種生產性能及形態差異,基于前人研究將行距設置為50 cm[15],播種密度為21.33 萬株·hm-2。

試驗期間觀察記錄各品種的關鍵生育期,在紫花苜?；ㄆ谶M行隨機刈割取樣,各樣品取樣面積為0.25 m2,取樣時3次重復,植物樣品置于105℃下殺青30 min,65℃烘干48 h至恒重,測定干物質生物量;取樣同時采用烘干法分層測定0～200 cm(分為0～10 cm,10～30 cm,30～60 cm,60～90 cm,90～120 cm,120～150 cm及150～200 cm)內土壤含水量。

1.3 APSIM模型

本研究基于APSIM 7.10進行,主要核心模塊包括:氣象模塊、土壤模塊、作物模塊和管理模塊。田間試驗期間的氣象數據取自小型自動記錄氣象站,歷史氣象數據(1980—2020)取自中國氣象局科學數據共享服務網(http://data.cma.cn/site/index.html),包括逐日最高氣溫(℃)、逐日最低氣溫(℃)、逐日降水量(mm)、逐日日照時間(h)和逐日太陽輻射量(MJ·m-2)等,其中逐日太陽輻射量需根據日照時數由埃斯屈朗方程[16]計算。土壤數據包括分層土壤容重(Bulk density,BD)、飽和含水量(Saturated water content,SAT)、萎蔫系數(Wilting coefficient,LL15)、風干系數(Air-drying coefficient,AD)、田間最大持水量(Drainage upper limit,DUL)和土壤pH值等,由田間測定計算所得(表1)。作物管理數據主要包括紫花苜蓿品種、播種密度、播種深度、播種時間、行距、灌溉和收獲等,均來自實測大田數據。

表1 主要土壤參數Table 1 Main soil parameters

1.4 模型調參和驗證

本研究基于田間觀測數據,采用“試錯法”校正APSIM-lucerne中6個紫花苜蓿品種的生長發育相關參數并進行驗證,調試的作物參數包括各生育階段的積溫、輻射利用效率、冷害最高氣溫及秋眠級(表2),后進行田間生產模擬,管理措施與田間試驗一致。

表2 各紫花苜蓿的品種參數Table 2 Cultivar parameters of alfalfa

以模擬、實測的紫花苜蓿產草量計算統計指標來評價模型模擬結果的可靠性與準確性,包括決定系數(Correlation coefficient,R2)、均方根誤差(Root mean square error,RMSE)、歸一化均方根誤差(Normalized root mean square error,NRMSE)和一致性指數(Index of agreement,D)[17]。各指標計算方法如下:

(1)

(2)

(3)

(4)

1.5 基于APSIM模型的情景模擬

1.5.1氣候情景 為分析氣溫和降水對紫花苜蓿生產可能造成的影響,本研究將在APSIM模型本土化驗證效果良好的前提下進行長期氣候情景模擬,以篩選研究區產量高、適應性好的紫花苜蓿品種。

情景模擬以1980—2020年的歷史氣候數據為原始情景,參考IPCC氣候變化報告[18],針對關鍵氣候因素(氣溫、降水)指定變化范圍以設置氣候波動情景,即降水變化按10%為步長設立5個降水梯度,氣溫變化按1℃為步長,利用APSIM模型的氣候情景模塊設立3個氣溫梯度,建立新的氣候情景進行紫花苜蓿的生產模擬。各降水梯度分別為降水量降低20%(P1)、降低10%(P2)、不變(P3)、升高10%(P4)與升高20%(P5);各溫度梯度分別為不變(T1)、升高1℃(T2)、升高2℃(T3),具體情景設置如表3。通過APSIM模型對氣象模塊中逐日氣溫和逐日降水的值進行梯度變化修改形成氣溫和降水處理,并進行相關情景模擬,3個氣溫梯度×5個降水梯度=15個氣候變化情景。各情景模擬中于播前施氮肥320 kg·hm-2,并在次年3月20日施氮肥150 kg·hm-2,以模擬無氮限制條件。

表3 降水與氣溫變化的氣候情景設置Table 3 Setting of climate scenario on precipitation and temperature changes

1.5.2水分處理 研究區歷史情景(1980—2020)的年均降水量為414.7 mm,降水量范圍在187.0～613.8 mm之間。根據當地降水與灌溉條件考慮,設置4個水分處理進行紫花苜蓿生產的情景模擬,以進一步探究在研究區不同水分供給條件下,紫花苜蓿的生產狀況,具體如下:

(1)NL,無限制灌溉。當土壤含水量低于田間持水量DUL的80%時,自動灌溉使土壤含水量達到DUL水平。目的為預測紫花苜?？蛇_到的最大產量,即潛在水分產量。

(2)RF,完全雨養。生產過程中不施以灌溉,完全雨養生產。

(3)NI,一般灌溉。參照田間試驗灌溉與實際生產灌溉量。

(4)HI,50%灌溉。一般灌溉處理的50%灌溉量。

1.5.3計算與統計分析 由各情景模擬結果中提取紫花苜蓿的逐年產草量數據。主要關注氣候因素對作物產量影響,并計算RF,NI,HI處理各生長季相對于NL處理的產草量損失率(Yield lose rate,YLR)由公式(5)計算:

(5)

式(5)中,YLR為生長季的飼草產量損失率,Y為當前生長季飼草產量(RF,NI或HI處理),YNL為同情景同生長季NL處理所取得的飼草產量。

采用Microsoft Excel及Origin2021對所得數據進行統計、處理、制圖。使用SPSS24.0統計軟件對不同情景、不同處理間的模擬輸出數據進行方差顯著性分析。

2 結果與分析

2.1 紫花苜蓿產草量的驗證

對各品種紫花苜蓿產草量的實測值與模擬值比較,R2在0.82～0.98之間,RMSE為440～633 kg·hm-2,NRMSE為10.57%～14.98%,D指數為0.90～0.96(表4)。由圖1所示,各數據點基本落在1∶1等線附近,且模擬值與實測值間有顯著的線性關系(P<0.05)。以上結果表明APSIM模型對山西晉中盆地地區紫花苜蓿的產草量模擬效果較好,適用于長期情景模擬評估。

圖1 紫花苜蓿干草產量模擬值與實測值的線性擬合Fig.1 Linear fitting of the simulated to measured values of hay yield of alfalfa varieties注:a為‘草原2號’;b為‘肇東’;c為‘新疆大葉’;d為‘WL168’;e為‘WL343’;f為‘WL440’。下同Note:Panel a is ‘Caoyuan No.2’;Panel b ‘ Zhaodong’;Panel c is ‘Xinjiang Daye’;Panel d is ‘WL168’;Panel e is ‘WL343’;Panel f ‘WL440’. The same as below

表4 紫花苜蓿各茬干草產量實測值與模擬值之間的驗證指標Table 4 Validation indexes between measured and simulated alfalfa hay yields for each mowing

2.2 基于APSIM的情景模擬

2.2.1各水分處理與氣候情景下紫花苜蓿的干草產量 總體方差分析表明,水分處理和降水梯度對紫花苜蓿產草量的效應極顯著(P<0.01),但不同氣溫梯度間紫花苜蓿產草量的差異不顯著。對比水分處理可知,NL下各品種取得的平均產草量顯著高于其他處理(P<0.05;圖2～圖5),6個品種的平均產量達23 314～39 248 kg·hm-2;NI與HI次之,平均產量為7 885～13 090 kg·hm-2和5 316～10 354 kg·hm-2;RF下平均產量僅為3 427～8 617 kg·hm-2,顯著低于其他處理(P<0.05;圖2～圖5)。

圖2 NL水分處理下溫度和降水情景下各品種模擬年際產草量Fig.2 Simulated hay yield of each cultivar under the scenarios of temperature and precipitation changes with non-limited (NL) additional water supply注:T1-3代表氣溫不變、1℃,2℃;P1-5代表降水量-20%,-10%、不變、+10%,+20%。下同Note:T1-3 represents historical temperature,warming 1℃,warming 2℃ to the mean historical;P1-5 represents precipitation of -20%,-10%,historical,+10%,+20% to the mean historical,respectively. The same as below

圖4 NI水分處理下溫度和降水情景下各品種模擬年際產草量Fig.4 Simulated hay yield of each cultivar under the scenarios of temperature and precipitation changes with normal irrigation (NI)

圖5 HI水分處理下溫度和降水情景下各品種模擬年際產草量Fig.5 Simulated hay yield of each cultivar under the scenarios of temperature and precipitation changes with half of normal irrigation (HI)

總體來說,NL下進口品種的產草量較國產品種更高,各氣候情景間不顯著(圖2)。NL下‘草原2號’在各氣候情景間平均產量的波動較小,為23 314～23 643 kg·hm-2;‘肇東’的產量隨著氣溫的升高而波動范圍變大,T3達到32 654～33 593 kg·hm-2?！陆笕~’‘WL168HQ’和‘WL343HQ’產草量的波動范圍隨氣溫的上升而逐漸縮小,平均產量分別為35 657～36 489 kg·hm-2,38 550～39 248 kg·hm-2和36 015～36 985 kg·hm-2;‘WL440HQ’產草量隨著氣溫的上升而波動范圍變小,T1情景達到34 593～35 042 kg·hm-2。

RF下‘草原2號’與‘WL168HQ’產草量最低(3 427～7 155 kg·hm-2)和最高(3 997～8 617 kg·hm-2,圖3)。在NI和HI下,‘草原2號’的產草量分別為7 885～11 112 kg·hm-2和5 316～9 012 kg·hm-2,‘WL168HQ’產草量最高,為8 792～13 090 kg·hm-2和6 013～10 354 kg·hm-2。RF,NI和HI下,降水與氣溫梯度對產草量的效應分別為極顯著(P<0.01)與不顯著。

2.2.2情景模擬中各紫花苜蓿品種的YLR 紫花苜蓿的YLR值隨降水梯度的變化而變化,降水量增加,YLR隨之減小(P<0.01),且YLR值于各溫度梯度間的差異顯著(P<0.01),但該差異隨梯度趨緩。NI,HI與RF處理間存在顯著差異(P<0.01),其中RF下的YLR最高,達0.76～0.88;HI與NI的YLR分別為0.70～0.83和0.63～0.75(表5)。

表5 氣溫和降水梯度下HI,NI,RF中各品種的YLRTable 5 YLR of each cultivar in HI,NI and RF under temperature and precipitation gradient

‘肇東’‘新疆大葉’‘WL168HQ’‘WL343HQ’‘WL440HQ’品種之間YLR的變化較小,HI,NI和RF下分別為0.70～0.85,0.62～0.78和0.75～0.90。而‘草原2號’的YLR值顯著低于其他(P<0.01),HI,NI和RF下僅為0.61～0.77,0.52～0.66和0.69～0.85。

3 討論

3.1 田間產草量的模擬驗證

本研究據結果顯示,校準后的APSIM-lucerne模擬研究區紫花苜蓿干草產量的模擬與實測產草量的NRMSE均低于15%。奧?，|等[19]、古麗娜扎爾等[12]的研究顯示,APSIM模型模擬半干旱、半濕潤地區的紫花苜蓿產草量的精準度較高,能適應各地區的環境與生產條件,NRMSE均小于30%。相比于寧夏黃土高原和西南地區的分析結果,本研究的結果表明APSIM模型在晉中盆地地區也具有較好的適應性[20]。

本研究結果也顯示,APSIM模型模擬‘肇東’和‘WL440HQ’的產草量,其精度相較其他品種略低。原因在于該模型的參數眾多,而本研究田間實測觀測資料周期較短,對品種參數的調整和確定存在一定影響。其次,作物生長模型的假設條件與紫花苜蓿的實際生長環境狀況存在一定差別,如對作物病蟲害以對極端天氣的影響考慮不足,模型模擬值為不考慮突發災害的理想值,因此導致模擬值與實測值存在一定差別[21]。后續研究將從田間試驗時間、降低觀測資料的不確定性等入手,提高模型精確性。

3.2 情景模擬下各處理的產草量變化

本研究結果表明,在不同氣溫和降水梯度的情景模擬中,降水梯度升高時紫花苜蓿產草量也隨之增加[22]。Bowman等[23]的研究表明,紫花苜蓿具有一定的抗旱能力,低于300 mm的年降水量才會導致旱地生產潛力的降低,而一定范圍內降水量的增加可提高其產量。結果顯示,降水對紫花苜蓿產草量的影響要遠大于氣溫,降水提高時傾向于顯著提高作物產量[22]。同時隨著溫度升高,紫花苜蓿的生育期縮短、花期提前,每茬可收獲的營養體減少,導致產量降低[24];但對于多年生的越冬作物來說,溫度升高會降低其在越冬或遭受倒春寒時發生凍害、冷害的幾率,成活率提高,使最終產量提高。所以盡管花期可能提前,但由于遭受凍害或冷害的幾率變小,溫度對產量的正負效應在一定程度上互相抵消,使得一定范圍內的平均氣溫變化對紫花苜蓿產草量沒有顯著效應。

山西晉中盆地地區的紫花苜蓿產量于各水分處理下具有一定差異。對于無限制灌溉的NL來說,不同降水量和溫度梯度對其產草量的影響不顯著。由于NL處理有充足的水分供應,紫花苜?？蛇_到潛在水分產量,所以產量不會受到降水梯度的顯著影響。而對于具有水分限制的其它處理,在相同氣溫梯度下,降水量增加利于土壤貯水和紫花苜蓿產量的提高,產生極顯著的產量效益(P<0.01),無灌溉條件處理下的苜蓿產量明顯低于灌溉條件下的產量(P<0.01),與Guitjens[25]的研究結果一致。但另有研究表明[26],當降水量超過一定閾值會造成土壤含水量過多和土壤供氧不足,作物根系有氧呼吸受阻,無氧呼吸增強,植物生長受到抑制導致產量下降。APSIM7.10的現有機制中未能很好的體現出紫花苜蓿根系受澇的響應[27],因此在實際生產中,降水過多的年份需適當控制灌溉量,同時也從另一角度說明水分條件仍是限制該地區紫花苜蓿產草量的主要因素,正常灌溉與降水條件未能完全發揮這些品種的產草量潛力。進一步探究該地區紫花苜蓿生產的水分利用特征,可明確在防止澇害的前提下,發揮潛在生產力和保持高水分生產力的額外灌溉。

3.3 紫花苜蓿生產的品種差異

飼草產量不僅是衡量苜蓿生產、經濟效益的重要指標,也是評價苜蓿生長適應性的重要依據,可直接反映品種的生產性能及適應性差異[28]。本研究中,6個紫花苜蓿品種在晉中盆地地區的產草量存在顯著差異,也說明牧草的生態適應性具有品種區別[29]?！甒L168HQ’的產草量最高,其次為‘WL343HQ’和‘WL440HQ’,可見美國“WL”系列品種的紫花苜蓿的產草量優于其他品種,在研究區具有更強的生產潛力、適應力以及較好的生產持續性。這可能與苜蓿品種的秋眠型相關:“WL”系列品種的秋眠級為2～4,而‘草原2號’和‘肇東’的秋眠級為1。較低秋眠級的品種遭受凍害/冷害的幾率也較低,雖可規避冷害風險,但其在夏秋的輻射利用效率較低,故產草量較低[30]。高婷等[31]的研究認為,不同秋眠級的苜蓿品種在同一生態區的干草產量存在明顯差異。由于各品種紫花苜蓿的積溫和輻射利用效率參數設定均有不同[32],秋眠級越低的品種所需的積溫參數、發芽需要的氣溫更高[33],如‘草原2號’的出苗期所需積溫明顯高于其他品種。而不同品種的輻射利用效率則直接影響了產草量的形成[34],較高的輻射利用效率代表著高光合速率與高干物質積累速率[35]?？梢?紫花苜蓿生產需要根據當地的氣候、土壤等環境條件選擇適宜地區條件的秋眠型品種[29],以達到高產量、高持續力的需求。

‘WL168HQ’品種在RF下的YLR值最高,其次為‘WL343HQ’和‘WL440HQ’,這表明“WL”系列品種具有高生產潛力(NL處理)的同時也由于水分供給有限而有較高的產量損失率,但實際產量仍較國產品種更高。在研究區的生產條件下,灌溉和降水條件未能充分發揮“WL”系列品種的生產潛力;而在無灌溉情形下,各品種的損失率可達80%以上,可見如何有效、及時地補充利用灌溉,彌補階段性降雨不足,仍是晉中盆地紫花苜蓿生產的重要實際問題[36-37]。另外,一定程度的氣溫升高雖然縮短了紫花苜蓿的生育期,物候提前,但過高的氣溫會抑制光合作用,不利于干物質積累[38],支持了本研究中氣溫梯度的升高導致各品種YLR增加的結果,符合模型機制?？傮w來說,“WL”系列品種不論是地區適應性(秋眠型)還是實際產量,都在一定程度優于其余3個品種。后續研究需進一步通過田間試驗矯正模型并優化機制,以便進行更加全面、長期的品種評價,為該地區因地制宜的品種選擇、精準水肥管理及收獲加工提供參考[39]。

3.4 不確定性

本研究所使用的APSIM模型機制較為復雜,且在人工取樣、判斷等環節上不可避免的產生實測生育期、產量誤差等,均在一定程度上會影響作物和土壤參數的調試與驗證,產生校準與驗證偏差,以上因素對情景模擬的評估結果可能會造成一定的不確定性[10]。另外,本研究的氣候變化情景設置基于氣候要素的整體變化,并參考了前人研究[22]及IPCC氣候變化報告,以保證科學性與合理性:至21世紀末,當地極端氣溫變化2℃,極端降水變化為20%～30%[18]。且雖然農業氣象要素觀測精度有限,數據的平均變化也可能由于年際差異變化大而導致誤差[40],但本研究基于較為長期的資料,可在一定程度降低評估結果的不確定性。

總體來說,雖然模型框架、校準驗證和情景設置方面對本研究結果造成了一定的不確定性,但模型對各紫花苜蓿品種的生產模擬具有較高的模擬精度,情景分析結果仍對未來紫花苜蓿的生產力水平和水分利用效率評估具有重要的參考意義。

4 結論

本研究基于農業生產系統模型,分析了山西晉中盆地地區6個紫花苜蓿品種于不同氣候情景和4個水分處理下的產量與產量損失率的變化及其對各因素的響應關系。結果顯示:農業生產系統模型紫花苜蓿模型在研究區有較好的適應性,模擬精度高;情景模擬中,水分處理和降水梯度對產草量的影響顯著(P<0.01),而氣溫梯度的效應不顯著;無限制灌溉處理的產量顯著高于其他處理(P<0.05),且高低排列為無限制灌溉>一般灌溉>50%灌溉>完全雨養;降水與溫度梯度與產量損失率有顯著的相關關系(P<0.05),且完全雨養下產量損失率值最高?！癢L”系列品種的產草量在各處理下都優于選用的其他品種,生產性能相對更好,適宜在該地區推廣種植。