赵丹玥，杨志鹏，徐 灿，张紫淇，刘 耿，周始威，胡笑涛

（西北农林科技大学 水利与建筑工程学院，陕西 杨凌 712100）

0 引 言

自20 世纪中期以来，全球气候急剧变化，已对世界许多地区的农业生产产生了重大的影响[1]。在我国西北地区，干旱少雨，生态较为脆弱，对气候的变化更为敏感。西北地区气温呈上升趋势，升温的强度高于全国平均水平[2]。西北地区年太阳辐射总量呈下降趋势[3]，但王柳等[4]发现春玉米生育期内总辐射量呈上升趋势。气温与太阳辐射变化对西北地区春玉米产量的影响已被广泛讨论。刘明春等[2]研究表明，气温上升对春玉米产量的影响大体呈正效应，气温每升高1 ℃，增产约204.0～876.0 kg/hm2。而刘颖杰[5]研究发现气温升高对西北地区春玉米产量形成具有抑制作用。辐射量下降会导致作物的光合有效辐射降低，从而影响产量构成，可能会造成减产[6]。以上关于单一气候因子对产量影响的研究更多是在气候因子间彼此独立的前提下[2,4]，而事实上，气候因子之间彼此并非完全独立，存在较强相关性且相互响应，关系复杂[7]。以往研究中，通过一阶差分剥离相关因子进行单因素影响分析，可能会在一定程度上夸大单一气候因子对产量的影响[4,6]。

Chen 等[8]提出全局组合方法，基于多年历史气象资料，将一年中的各气候因子作为独立的时间序列，然后对不同因子时间序列进行年际组合，进而生成大量新的气候情景，借助作物模型对各气候情景下的作物生长进行模拟有效减弱气候因子间的相关性，从而得到单一气候因子变化对作物潜在产量的影响。本研究基于石羊河流域1987—2016 年逐日气象资料对该地区日太阳辐射及日气温（日最高、最低及平均气温）的变化趋势进行分析，借助全局组合方法构建模拟情景，采用根区水质模型（RZWQM2）分析气温及太阳辐射变化对春玉米潜在产量的影响，为更好地应对气候变化对西北玉米生产的影响提供参考。

1 材料与方法

1.1 研究区概况和试验设计

试验于2016 年、2018 年在农业部作物高效用水武威科学观测试验站（37°57′20"N，102°50′50"E）进行。试验站位于甘肃省武威市凉州区，海拔高度1 580 m。该站为大陆性温带干旱气候，多年平均降水量为164 mm，多年平均水面蒸发量超2 000 mm，是典型荒漠绿洲灌溉农业区。试验选用春玉米品种为先玉335，于2016 年4 月28 日、2018 年5 月1 日播种，播种方式为人工穴播，播种行距为40 cm，株距为30 cm，每穴留苗1 株。收获日期分别为2016 年9月25 日、2018 年9 月24 日。本试验共有3 个灌水处理（W1、W2、W3），设置不同计划湿润层深度。3 个处理中的计划湿润层深度为40 cm（W1）、50 cm（W2）及60 cm（W3）。对于所有处理，当0～40 cm土层内土壤含水率低于60%田间持水率时进行灌溉。通过灌溉补充各处理相应计划湿润层深度内土壤水分至田间持水率。每个处理设3 个重复，共9 个试验小区，小区面积均为36 m2（6 m×6 m），采用田间随机排列。小区间设置1 m 宽的隔离带。试验地块采用统一施肥管理。播种前，所有试验小区施基肥216 kg/hm2N、238 kg/hm2P2O5和90 kg/hm2K2O。此外，为确保整个生长期有充足氮供应，在抽雄期施加N 168 kg/hm2。2016 年、2018 年各处理相应的灌水时间及灌水量见表1。

本研究对春玉米生育期（开花期，成熟期）进行监测，各生育期的确定以1/2 以上植株进入某生育期为依据。待收获时，随机选取靠近小区中间的10 株春玉米，取地上部分，在75 ℃恒温下烘干，然后称质量得10 株春玉米生物量，参考小区株数，折算出整个小区生物量。对整个小区玉米穗进行脱粒，风干后测定标准含水率（14%）下籽粒产量，以相同处理数据平均值表示实际产量。

1.2 模型率定与验证

RZWQM2（Root Zone Water Quality Model 2）是由美国农业部农业系统研究所开发，于1992 年推出的农业系统和资源管理模型。它融合了物理运移模块，化学反应模块、养分循环模块、杀虫剂反应模块、作物生长模块和管理操作模块等6 个子模块。该模型在我国也有大量的验证与应用。RZWQM2 模型嵌套了DSSAT4.0 模型，用来模拟作物生长发育过程和最终产量[10]。模型的输入数据包括气象数据、作物品种参数、土壤物理化学性质及初始的土壤数据及田间管理措施。气象数据由站内自动气象站采集，包括最低气温、最高气温、风向、风速、太阳辐射、相对湿度、降雨时间及降雨量等。距地表0～1 m 剖面内各土层土壤水力特征参数（土壤粒级组成、饱和导水率、田间持水率、凋萎系数）通过实地测验获得，结果见文献[9]。

表1 2016、2018 年春玉米生长期灌水时间及灌水量 Table 1 Irrigation timing and amount during the growing season for spring maize in 2016 and 2018

在模型率定过程中，本研究主要对作物遗传参数进行调节以实现最优的模拟效果。作物遗传参数的准确性，直接影响着模型对作物生长过程和产量的模拟。作物遗传参数主要由P1、P2、P5、G2、G3 及PHINT组成，各参数的定义见表2。基于2016 年的田间试验数据（生育期、地上部生物量、产量），采用试错法，在表2 给定的范围内调节作物遗传参数，将模拟精度调校至率定的要求。然后使用率定后的参数对2018 年田间作物生长状况进行模拟，以此验证率定所得参数的适用性。在模型的率定与验证过程中，使用均方误差RMSE（t/hm2）、相对均方误差RRMSE（%）及相对误差RAE（%）评价模型的模拟效果[11]。

表2 RZWQM2 模型中春玉米品种遗传参数 Table 2 Genetic coefficients developed for spring maize in the RZWQM2

1.3 模型的应用

基于甘肃省武威地区近30 年（1987—2016 年）逐日气象数据，借助率定后的RZWQM2 评价日气温及日太阳辐射变化对春玉米产量的影响。模拟在不受水、氮胁迫的情境下进行，所得产量为春玉米潜在产量（籽粒不含水分）。模拟情景设计中，基于Chen 等[8]提出的全局组合方法，将每年生育期内（5—9 月）的气候因子分为日平均气温因子（Ti）、日太阳辐射因子（Si）及其余气象因子（Xi）3 个独立的时间序列，第i 年气象资料可看作集合[Ti, Si, Xi]，然后分别对集合[Ti, (X, S)i]及[Si, (X, T)i]中的因子进行年际组合，进而生成1 800 个气候情景。分别进行以下3 方面模拟：

1）基于实测气象数据，对1987—2016 年的春玉米潜在产量进行模拟，对潜在产量的年际变化及其影响因素进行分析。

2）单一日气温变化对春玉米潜在产量影响分析：当分析某年/某气温（Ti）下作物的潜在产量时，令该年Ti分别与Xn、Sn（n=1，2，3，…，30）进行组合，共生产30 个模拟情景。对该30 个模拟情景进行模拟，以其均值作为该气温水平下春玉米的潜在产量。然后按上述方法对30年/30个日气温水平下的春玉米潜在产量进行模拟，通过分析1987—2016 年30 个气温水平下潜在产量的变化来确定单一气温变化对春玉米潜在产量的影响。

3）单一日太阳辐射变化对春玉米潜在产量影响分析：当分析某年/某辐射（Si）下作物的潜在产量时，令该年Si分别与Xn、Tn（n=1，2，3，…，30）进行组合，共生产30 个模拟情景。对该30 个模拟情景进行模拟，以其均值作为该太阳辐射水平下春玉米的潜在产量。然后按上述方法对30 年/30 个日太阳辐射水平下的春玉米潜在产量进行模拟，通过分析1987—2016 年30 个辐射水平下潜在产量的变化来确定单一太阳辐射变化对春玉米潜在产量的影响。

以1987—2016 年春玉米潜在产量平均值作为讨论产量变化的基准值，同时，以生育期内平均日最高气温（TH）、平均日最低气温（TL）、平均日均气温（TM）、平均日太阳辐射在1987—2016 年的均值作为讨论相应气候因子变化的基准值，记为TBH、TBL、TBM及SB。

2 结果与分析

2.1 日太阳辐射及气温的变化趋势

1987—2016 年石羊河流域春玉米生育期内（5—9月）日平均太阳辐射及TH、TL、TM 的年际变化见图1。图1 中各年气温/太阳辐射值为对应年份生育期内的日气温/日太阳辐射平均值。为更好分析各气候因子年际变化趋势，对1987—2016 年生育期内日气象因子年均值进行线性拟合。图1 中*、**分别表示变化趋势显著（P<0.05）与极显著（P<0.01）。图1（a）显示，生育期内平均日太阳辐射总体以0.02 MJ/(m2∙d∙a)的倾向率呈上升趋势，波动范围为14.6～17.4 MJ/(m2∙d)，多年生育期内平均水平为16.1 MJ/(m2∙d)，增幅不显著（P>0.05）。图1（b）显示，TH、TL 及TM 分别以0.4、1.4 ℃/10a 和0.9 ℃/10a的倾向率呈上升趋势，多年平均TH、TL 及TM 分别为26.3、12.4 ℃及19.4 ℃。其中TH 增幅显著（P<0.05），TL 与TM 增幅极显著（P<0.01）。

2.2 RZWQM2 模型的率定与验证

通过对比春玉米物候期（开花和成熟期）、地上部生物量及籽粒产量的实测值与模拟值来评价该模型的适用性，结果见表3。在模型的率定与验证过程中，作物物候期（开花和成熟期）的模拟值与实测值的误差均不超过2 d。模型对于地上部生物量及籽粒产量的模拟也有很好的表现。地上部生物量的模拟误差RMSE、RRMSE 分别为2.10 t/hm2、8.01%。籽粒产量的模拟误差RMSE、RRMSE 分别为0.88 t/hm2、6.44%。Jamieson 等[14]认为，当模拟误差RRMSE 小于20%时，模拟效果可评价为“良好”。可见，RZWQM2 模型可较准确的模拟该地区春玉米生长及产量，可用于探究太阳辐射及气温变化对作物产量的影响。

图1 1987—2016 年石羊河流域春玉米生育期内（5—9 月）日平均太阳辐射及日气温的年际变化 Fig.1 Interannual variation of daily solar radiation and daily air temperature during the growth period (May to September) of spring maize in Shiyang River Basin from 1987 to 2016

表3 春玉米生育期、生物量及产量的模拟值与实测值比较 Table 3 Comparison between simulated and observed growing stage, above ground biomass and grain of spring maize

图2 1987—2016 年石羊河流域春玉米模拟潜在产量 Fig.2 Simulated potential grain yield of spring maize from 1987 to 2016 in the Shiyang River Basin

2.3 基于RZWQM2模型分析1987—2016 年气候变化对潜在产量的影响

2.3.1 石羊河流域春玉米潜在产量年际变化及影响因素

基于石羊河流域1987—2016 年实测气象资料，使用RZWQM2 模拟1987—2016 年该地区春玉米潜在产量，结果见图2（模拟所得潜在产量为不含水分的籽粒产量）。由图2 可知，潜在产量在7 261～11 248 kg/hm2间波动变化，随时间先增加后减小，最大值出现在2002 年左右，其30 a 平均水平为9 406 kg/hm2。对春玉米潜在产量与日太阳辐射、日气温间相关关系进行统计分析（图3），图3 中各点为在其对应的某一日气温/日太阳辐射水平，对该日气温/日太阳辐射水平下的30 个模拟情景模拟得到的产量均值相较于多年产量平均值变动的百分比。由图3 可知，日太阳辐射与作物潜在产量间的统计关系并不紧密，R2仅为0.10。这也说明多年来太阳辐射的变化并不是引起作物潜在产量年际差异的主要原因。然而，TH、TL、TM 与作物潜在产量间的统计关系较为密切，其R2分别为0.48、0.30、0.51。可见玉米产量与TM 相关性最强。潜在产量随TH、TL、TM 的变化趋势大体相同。在当 TH/TL/TMTM>TL。当TH/TL/TM>TB 时，潜在产量随着TH/TL/TM 的增加而降低，减小趋势为TH>TM>TL。可见，TH 变化 对产量的影响最大。

图3 春玉米模拟潜在产量与太阳辐射、气温的相关关系 Fig.3 Relationship between potential yield of spring maize and solar radiation, temperature

2.3.2 气温和太阳辐射单一因素对春玉米潜在产量的影响

本研究采用全局组合方法构建模拟情景，借助RZWQM2 模拟，将日太阳辐射和日气温变化对潜在产量的影响分割开来，结果见图4。图4 中日太阳辐射、TH、TL、TM 与潜在产量的统计关系相较图3 均有所增强，相应的R2均增大。可见使用全局组合方法可以有效分割日太阳辐射与日气温变化对潜在产量的影响。太阳辐射的增强有助于该地区春玉米潜在产量的增加（图4（b））。太阳辐射每增加1 MJ/(m2·d)，潜在产量约增加271 kg/hm2。日气温变化对潜在产量的影响仍大于日太阳辐射变化对潜在产量的影响。潜在产量随TH、TL、TM 的变化趋势相较于图3 未发生变化。当TH/TL/TMTB 时，TH、TL、TM 每增加1 ℃，相应的潜在产量约降低13%（1 250 kg/hm2）、10%（870 kg/hm2）、11%（1 010 kg/hm2）。

图4 单一太阳辐射变化和温度变化对模拟玉米潜在产量的影响 Fig.4 Solar radiation and air temperature variation on simulated potential grain yield of spring maize

3 讨 论

本研究发现生育期内日太阳辐射在14.6～17.4 MJ/（m2·d）间波动，呈不显著上升趋势（图1）。王柳等[4]在对西北地区春玉米生育期内日太阳辐射变化规律的研究中也证明其上升趋势。而罗万琦等[7]发现西北地区1966—2016 年太阳辐射整体呈下降趋势。以上结果的差异可能是由于统计的时间、空间尺度有所不同[15]。然而，生育期内TH、TL 和TM 均呈显著上升趋势，上升速率分别为 0.4、1.4 ℃/10a 和0.9 ℃/10a（图1）。西北地区气温的上升趋势[2,4,6-7,15-16]已被广泛认可。从全国尺度而言，TH、TL 及TM 的上升速率分别为0.37、0.40 ℃/10a 和0.39 ℃/10a[4]。可见，西北地区TH 升高速率同全国平均水平一致，而TL 及TM 升高速率高于全国平均水平，这与高蓉等[16]的研究结果相似。

RZWQM2 模型对于春玉米生育期的模拟误差不超过2 d，对地上部生物量及产量的模拟误差RRMSE均小于20%（表3），可用于探究石羊河流域日太阳辐射及日气温变化对作物产量的影响。Wang 等[17]已借助RZWQM2 模拟了不同气候情境下玉米生长及氮素利用状况。使用全局组合方法可以有效分离太阳辐射与气温变化对产量的影响，增强日太阳辐射、TH、TL、TM 与潜在产量的统计关系，相应的R2均增大（图3、图4）。对比气温、太阳辐射与产量的相关性可知气温对产量的影响要大于太阳辐射（图4），这与左晓晴[18]的研究结果一致。其中，玉米产量与TM 相关性最强（图4），与高娟等[19]的研究结果相似。玉米为喜温作物，适宜的气温升高可加快玉米籽粒灌浆速率，增加千粒质量[20]。而气温的持续上升可能会降低作物光合酶活性，破坏叶绿体结构而引起气孔关闭，导致光合作用降低直至停滞[21]，也可能缩短玉米生育期，从而减少玉米对养分的吸收，导致玉米的产量降低[4]。气温的持续性升高已造成潜在产量的降低（图1、图2），潜在产量对TM 的升高更为敏感（图4）。王柳等[4]也曾指出TM 的变化对玉米产量的影响最大。相较于多年平均水平，TH、TL、TM 每增加1 ℃，相应的减产幅度大致相同，约10%～13%（图4）。与本研究结论相似，Kucharik 等[22]对Wisconsin 地区30年气候变化与玉米产量的分析发现，气温每上升1 ℃，减产约13%。黄土高原及周边地区平均气温上升1 ℃，玉米产量降低约21.6%[4]。可见，气温的持续升高已严重影响到西北地区玉米的稳定生产。为有效应对气候变暖，该地区应积极研究、尝试引进晚熟品种，选择合理播期，为玉米种植赢得有利气候条件。

4 结 论

1）石羊河流域1987—2016 年TH、TL、TM 均呈显著上升趋势，增加速率为0.04、0.14、0.09 ℃/a。生育期内日太阳辐射在14.6～17.4 MJ/（m2·d）间波动，呈不显著上升趋势。

2）1987—2016 年该地区春玉米潜在产量（不含水分）在7 261～11 248 kg/hm2间波动变化，随时间先增加后减小，最大值出现在2002 年左右，其30 a 平均水平约为9 406 kg/hm2。

3）日太阳辐射与作物潜在产量间统计关系不密切，太阳辐射的变化并不是引起作物潜在产量年际差异的主要原因。TH、TL、TM 与作物潜在产量间的统计关系较为密切，其中TM 与春玉米潜在产量的相关性最强。气温的持续升高已造成潜在产量的降低，其中TH 变化对产量的影响最大。