水稻生产模拟

福建省地处我国东南沿海,属典型的亚热带季风气候,水热资源丰富。全省以水稻为主要粮食作物,稻作历史悠久,水稻产量约占粮食总产的80%。但山地面积大,占总面积的87.5%,人口密集度大,人均占有耕地面积很少,仅为0.034hm2,为全国平均水平的1/3[1],所以长期以来粮食不能自给,当前稻谷自给率仅为65%。水稻的丰歉,对于福建省的粮食安全保障有重大影响。在涉及粮食安全保障的诸多因素中,气候变化对粮食产量形成有较大影响。因此,能否预测气候异常变化和这些变化带来的影响已成为当前迫切需要解决的重大问题[24]。以往有关气候变化对福建省水稻生产的影响研究,多着眼于考虑辐射、温度等单一气象要素变化对作物生长发育中具体生理过程的影响[5]。笔者也曾采用全球气候变化模型(GCMs)的输出值来模拟预测未来水稻产量的变化[6]。GCMs是大气科学家用来研究全球气候变化最先进的手段之一,但GCMs由于计算能力的限制,多倾向于使用低空间分辨率的模拟。尽管通过随机天气发生器可以生成具有高空间、高时间分辨率的气候变化情景[78],但天气发生器在一些地方会低估天气变量的年内变异。近年来兴起的方法是利用区域气候模式直接模拟逐日天气数据,结合作物模型进行模拟研究[912]。Lin等[10]使用PRECIS区域气候模式模拟了SRESA2、B2情景下未来20~80年中国主要粮食作物的产量。Xiong等[12]则在随后的模拟评价研究中进一步考虑了CO2肥效作用,认为在预估温度升高范围内,由于CO2的肥效作用,未来气候变化将不会对中国粮食生产造成负面影响,即不存在威胁中国粮食安全的温度阈值。由于区域气候模式可以直接模拟出高分辨率的逐日天气数据,所以为大范围的区域研究创造了条件[13]。本研究根据政府间气候变化委员会(IPCC)最新的排放情景特别报告(SRES)的A1B方案,利用英国Hadley气候预测与研究中心研究的高分辨率(50km×50km)区域气候模式(PRECIS)[14]构建的天气数据与作物模型(CERES-Rice)[15]相耦合,模拟分析了福建省水稻生育期各气象因子在未来气候情景下的变化情况及对福建省水稻生产的影响。

1研究方法与资料来源

1.1研究区域概况及样点选择

福建省界大致呈北北东南南西的长方形分布,西侧为武夷山脉,长约500km,一般海拔在1000~1500m;闽中为戴云山,是仅次于武夷山的本省第二大山系,长约300km,海拔约在700~1500m之间。闽中、闽西两大山带对水、热的再分配作用十分明显,造成在山带的坡面上,农业气候垂直差异相当显著,农业气候层次丰富。福建省的地形地势不仅影响着人口分布及生产力的发展,并且对稻作制度产生了重要的影响。福建大中尺度地形,大体上可以分为沿海平原、河谷盆地和丘陵山区3种类型[1617]。随着地势的升高,年日照减少,受冷空气的影响也愈大。因此,在稻作制度与品种选用上,各稻区之间应有较大的区别。本研究根据福建省农业气候资源分布特征[1617]及福建省作物精细区划和优化布局研究结果(福建省气象科学研究所、福建省资源区划办公室,2008),将福建省水稻种植区按不同地形及稻作制度划分为3个不同稻区,共选择了17个样点(表开展研究。

1.2资料来源

作物模型中遗传参数调试所需逐日气象资料(2006—2007年)取自国家气象局的《中国地面气象记录》和《中国太阳辐射资料逐日值》,太阳辐射的缺省站点值根据逐日日长及经纬度计算得出。水稻产量及模型其他输入资料,包括播种期、生育期、行株距、种植密度等,取自福建省水稻品种区域试验(简称区试)17个站点的资料汇编(2006—2007年专辑)。各样点代表性土壤类型、典型剖面资料,包括不同深度的土壤特性及理化结构等,根据文献(福建土种志,1990)确定。

1.3气候情景的生成

IPCC最新的排放情景特别报告(SRES)中的A1情景族描述了这样一个未来世界:经济增长非常快,全球人口数量峰值出现在21世纪中叶并随后下降,新的更高效的技术被迅速引进。A1情景族进一步化分为3组情景,其中A1B是假设未来大气CO2等温室气体保持中等排放,各种能源之间基本平衡[18]。本研究选用英国Hadley中心研制的区域气候模式PRECIS,生成基准时段(1961—1990年)和未来时段(2011—2050年)的A1B气候变化情景,并经ECMWF(European Centre for Medium Range Weather Forecasts)分析订正,获得50km×50km网格分辨率的研究区域17个站点的逐日气象数据[14,19],包括最高温度、最低温度、降水量、太阳总辐射等。

1.4气候变化影响模拟的具体方案

为了分析未来水稻产量在一定时段内的渐变过程,将2011—2050年分为两个时段:近期(2011—2030年,称为2020s情景)与远期(2031—2050年,称为2040s情景),分别将两个不同时段的气候变化情景与作物模型耦合进行模拟,并与基准时段(baseline,1961—1990年)的模拟结果进行比较。在模拟过程中考虑了CO2的直接肥效作用。根据SRES的A1B方案,基准时段大气CO2浓度平均为330μmol?mol1,2020s与2040s情景下大气CO2浓度分别为419μmol?mol1和486μmol?mol1。当CO2浓度升高时,除了可以提高作物的光合效率,同时还可以改变叶片的气孔开度,使得水分散失的阻抗增大,造成蒸腾作用受抑,因而提高了作物的水分利用率,此作用在模型中自动完成。模拟中为了比较未来气候情景对水稻生育期蒸散比及灌溉量的影响,选择了充分灌溉和雨养两种供水方式进行模拟。

2作物模型及主要农业气候指标的确定

2.1作物效应模型

本研究选用的作物模型是由农业科技转换国际Benchmark站网(IBSNAT)项目的赞助和指导下进行[2021]、美国国际开发署授权夏威夷大学实施开发研制的CERES-Rice模型,目前在国际上广泛使用[2225]。该模型在农业科技转换决策支持系统(DSSAT4.5)下运行,可以模拟气候、栽培措施、土壤等条件对水稻生长发育及产量的影响[2627]。

2.1.1遗传参数的调试与确定

CERES-Rice模型设置了8个不同的参数来描述水稻的生长状况。本研究根据福建省区试资料选取了有代表性的9个水稻品种,利用2006年这些品种在全省14个点的种植及产量资料对遗传参数进行调试确定。调试方法采用常用的试错法(trialanderror)在微机上完成。笔者在多年从事作物模拟的过程中发现,要提高参数的精准度,往往一次调试无法达到,可采用多次循环试错的方法。本研究调试过程中步长的确定及其循环的采用参见文献[28]。

2.1.2作物模型的区域适用性检验

选用上述9个代表性品种在各区域试验站2006年种植的产量与生育期资料进行参数的调试,并且用2007年的产量及生育期资料进行了验证(图1)。由图1可以看出,所有品种对生育期的模拟效果都非常好,相关系数达到0.97,在0.01统计水平上极显著,均方根差(RSME)小于10%,说明模拟效果很好。对产量模拟的相关系数也达到0.75,相关性在0.01统计水平上达到显著水平。RSME小于20%,说明模拟效果较好[29]。因此采用CERES-Rice模型及调试出的9个代表性品种的9套参数来模拟未来气候情景对福建省水稻生产的影响是适用而合理的。笔者在文献[6]中曾对应用该作物模型模拟福建省水稻产量的灵敏度进行了分析,进一步证明了该模型在研究区域的适用性,此处不再赘述。

2.2生长期土壤干湿状况的计算方法

作物生长期内土壤的干湿状况可以用其农田蒸散的大小来表示。本研究采用蒸散比(β)作为描述农田土壤干湿状况的指标。式中,ET是雨养条件下水稻生长期的实际蒸散总量,0ET是同期稻田潜在蒸散之和。β值愈大,说明实际蒸散愈接近潜在蒸散,地面愈湿润,反之,地面愈干燥。根据β变化可以研究各稻区在未来气候渐变过程中的干湿变化趋势。对灌溉水稻生育过程的模拟,研究中选择了自动灌溉方式,灌溉日期和需要量由CERES-Rice模型根据水稻不同生育阶段的蒸散量、降水量及土壤质地,由土壤水分平衡方程计算自动得出。

2.3产量不稳定性指标的计算

未来气候的变化除了会影响水稻的产量,还会影响到产量的稳定性。本研究采用产量标准差的变化率来表示产量的不稳定性:式中,ΔSD%为产量标准差的变化率,用来衡量水稻产量的不稳定性;μc=μbμa,即等于未来气候情景下模拟产量的平均值(μb)与基准时段模拟产量的平均值(μa)之差;c为联合方差。显然ΔSD%愈大,产量的稳定性就愈差。

2.4水稻总产量变化的计算

假定研究区域现有的水稻种植面积、土壤、品种、耕作制度和管理措施等不改变,并且综合考虑CO2增加后带来的增益效应,采用以下统计模型对福建省的水稻总产变化进行估算,同时考虑雨养和灌溉两种情况。式中,TYC为福建省水稻总产的变化率,RYi为各稻区当前水稻的总产量,TY为福建省当前水稻的总产量,RYCi为未来气候变化情景下全省各稻区水稻产量的变化百分比。

3模拟结果与分析

3.1A1B情景下福建省水稻生育期内气象要素的变化

图2给出了A1B情景下模拟出的福建省17个样点水稻生育期内的气象要素相对基准时段(简称BASE)的变化情况,分别用日均温相对BASE的差值[T(A1B)T(BASE)]及其降水(R)和辐射(S)相对BASE的比率[R(A1B)/R(BASE)和S(A1B)/S(BASE)]来表示。从图2可以看出,各点的水稻生育期气温随着未来CO2浓度的增加都在上升。2020s情景下各样点的升温幅度在0~2.4℃之间,2040s情景下则达到1.6~3.4℃,并且后季稻及单季稻生育期的升温幅度明显大于早稻。这种现象必将导致未来水稻生育期缩短。而降水的改变显示,2020s情景下,无论是双季稻还是单季稻的种植区,未来降水较之BASE下增多与减少的样点数比较接近。而到了2040s,降水比率>1的样点数略有增加,说明大部分种植区的降水在未来气候变化过程中都将略有增多,这种现象将有助于缓解未来增温可能导致的土壤干旱。但另一方面,降水量的增多可能也意味着未来暴雨几率的加大,可能对水稻的生产带来不利影响。图3给出了A1B情景下模拟出的研究区域各样点的太阳辐射相对于BASE下的辐射比率。可以看出,无论是2020s还是2040s情景下,除了漳平与福州后季稻生育期的太阳辐射较之BASE有所增加,其他各点的辐射量都将减小,且早稻及单季稻生育期的辐射量减少值较后季稻略多。这种现象可能加重福建省早稻生育期的阴雨寡照天气对水稻出苗和分蘖带来的不利影响。

3.2A1B情景下气候变化对福建省水稻生产的影响

3.2.1对水稻生育期的影响

在A1B情景下,无论是近期还是远期,福建省3个稻区所有水稻品种的生育期都将缩短(表2)。并且随着水稻生育期温度在未来气候变化过程中不断升高,生育期缩短天数增多。从表2可以看出,单季稻区灌溉水稻的生育期缩短达20d以上,因为单季稻生育期最长,未来遭受的高温影响也最明显,水稻生育期温度升高幅度也较大(图2)。

3.2.2对水稻产量的影响

本研究在对水稻产量的模拟过程中考虑了未来CO2浓度增加导致的气温上升以及CO2自身的肥效作用对产量的综合影响。图4显示,2020s情景下,无论是雨养还是灌溉,均表现为早稻与单季稻减产。雨养条件下闽东南双季稻区的早稻减产率达到12.4%,充分灌溉时为11.3%。这种现象除了未来气温的升高所致,可能还和早稻生长季辐射的减弱有关,春季的阴雨寡照天气将会影响水稻的出苗和分蘖。相比较而言,闽西北双季稻区早稻减产略有缓减,灌溉条件下减产率为5.4%,雨养条件下甚至增产2.9%。可能因为该地现在的气温略低于闽东南地区,未来升温造成的负效应略小。闽西北山地气候单季稻区亦表现为减产,说明CO2的增益效应亦未能弥补较长的生育期内高温带来的负效应。雨养水稻7.1%及灌溉水稻2.1%的减产主要来自中熟品种的负贡献。与此相反,后季稻在2020s情景下均表现为增产,闽西北双季稻区的灌溉水稻产量在2020s情景下甚至增产21%,增产幅度亦大于闽东南地区。

增产的原因可能是后季稻中后期,气温渐低,有利于CO2肥效作用的发挥,所以CO2的直接增益效应超过了气温升高导致的负效应。整个研究区域的模拟结果显示,2040s情景下的产量都低于2020s情景,说明未来气温的增长必将导致水稻气候生产力的降低,而灌溉措施的改善可以在一定程度上缓解后季稻的减产。而闽东南双季稻区的早稻在雨养和灌溉条件下变化不大,究其原因,可能是该稻区早稻生长季内(3—6月)当前及未来的降水较多,较丰沛的降水已基本能够满足该地水稻生长的需求,故灌溉条件对水稻产量的影响不大。

3.3A1B情景下水稻生育期土壤干湿状况的变化

福建省各稻区2020s及2040s情景下与BASE下水稻生长季蒸散比的比较可以看出(表3),在2020s情景下,所有地区蒸散比均减小,土壤有变干旱的趋势。2040s情景,农田干旱的趋势变得愈加严重,蒸散比继续减小。尽管各稻区未来的降水量变化不大,但由于温度升高带来的蒸散量加大可能导致农田水分条件的日益恶化还是不容轻视,尤其要重视季节性干旱的发生。

3.4A1B情景下水稻生育期季灌溉需要量的变化

影响稻田灌溉需要量(WD)的因子很多,包括降水量、农田蒸散量、生育期长短和土壤持水能力等,其中降水和农田蒸散的影响占了首位。从表4可以看出,所有稻区水稻生育期内的灌溉需要量模拟值较当前都略有增加,闽西北双季稻区后季稻生育期灌溉需要量的模拟值增加最多,与该区平均降水量及蒸散比减小一致。单季稻区随着未来气候的改变,灌溉需要量有所增加,对于山区灌溉条件较差的地区应该选用耐旱品种以保证产量。早稻的灌溉需要量较当前变化不大,因为未来降水量变化不大,蒸散比减小幅度也较小。

3.5A1B情景下水稻稳产性的变化

表5表示了福建省各稻作区不同稻作类型在未来不同气候情景下产量的不稳定性(ΔSD%)情况。从表5可以看出,无论是雨养还是灌溉水稻,后季稻产量在未来气候变化中主要表现为增产,但是产量的稳定性不佳,未来的年际间波动幅度最大,大于单季稻和早稻。可能是因为后季稻生长季(6—10月)内,抽穗扬花期遭遇福建省高温季节,未来气温升高导致某些年份极端高温出现的频次增加,进而导致颖花败育,导致了年际间产量的波动。

3.6A1B情景下水稻总产的变化

基于以上分析,得出未来福建省水稻总产的变化(表6)。如果采取雨养方式,2020s情景下,全省水稻的总产将比当前(812万t,取自2005—2009年福建农村经济年鉴)增加0.44%,但是闽东南地区的早稻和单季稻表现为负贡献。2040s情景下,随着温度升高,生育期的缩短,总产将减少0.84%,负贡献亦主要来自于早稻和单季稻。如果能采取充分灌溉方式,全省水稻总产则有望提高。2020s情景下,总产将较当前提高1.65%,正贡献来自于后季稻;2040s情景下的总产增加0.14%。说明充分灌溉条件有望改变高温带来的负效应。

从总产变化来看,A1B情景下,近期到2050年,福建省的水稻总产不会降低,是因为目前全省各稻区后季稻的总产较高,其正贡献超过了早稻及单季稻的负贡献;但从2020s到2040s的变化趋势来看,总产是逐渐减少的,所以随着未来温度继续升高,气候变化对水稻生产的影响还是不容忽视的。

4讨论与结论

福建省由于山地面积较大,山地的垂直气候分异导致不同海拔高度积温分布有较大差异,对各地水稻种植制度及品种的选用影响很大。以往学者对我国大面积粮食主产区产量变化进行评价研究时,均利用大范围区域统计产量来确定模型中的作物参数,以达到参数升尺度的目的。此种方法在山地丘陵较多、地形较为复杂的福建省不宜采用。而需根据不同海拔高度选用不同熟性的水稻品种调试遗传参数,进而与未来气候情景耦合开展研究,可以更加客观地分析未来气候变化对福建省小范围不同海拔高度各稻区的产量影响。

由模拟结果可知,福建省水稻生育期都将随着生育期温度的升高而缩短,这会导致水稻产量下降,因为生育期缩短必然会导致光合时间,尤其是灌浆时间减少。福建省早稻和单季稻在未来气候变化的过程中基本都表现为减产。近年早稻在福建省的种植面积不稳定,若提高早稻总产,还需致力于单产的提高。现在早稻单产因生育期较短而较低,未来升温导致的生育期缩短将带来更进一步的减产,并且负贡献主要来自于早熟品种。针对这种现象,可以在双季稻区结合适当早播,采用晚熟品种,充分利用未来日益增长的热量条件提高产量,以弥补生育期缩短带来的减产。而随着温度的升高,水稻生长季延长,也为将来品种的搭配提供了更多的余地。单季稻种植区当前的热量资源种植一季有余,两季不足,随着生长季积温的提高,在灌溉条件较好的县市,可以考虑改变当前的种植制度,改单季为双季,以提高总产。

后季稻的产量模拟结果显示,在未来气候变化过程中,除闽东南地区在温度较高的2040s情景下表现为较小幅度的减产,闽西北地区均表现为增产。增产的原因可能有两个方面:一是当前福建省在后季稻生长季正处于全年的高温阶段,因此经过区域试验筛选出来的后季稻品种本就具有一定的耐高温特性,所以未来生长季增温3℃以下还不会带来明显的负效应;二是由于研究中考虑了CO2的直接增益效应,高温、高CO2浓度使作物光合作用速率升高,蒸腾速率下降和气孔阻力增加,对提高单位叶面积的干物质量和水分利用率有利,所以CO2浓度的增加对植物光能利用率的正效应一定程度上弥补了升温带来的负效应,使植物能够更加耐高温胁迫,也缓解了增温的负效应[30]。但是也有研究者发现,高CO2浓度下,随着氮肥用量增加光合速率相应增加,而不施氮肥则增加有限[3132]。说明在CO2浓度增加的情况下,保持较高的氮素营养才有利于植物的生长。作物模型中由于未考虑CO2增长可能带来的氮胁迫作用,所以模拟结果可能过于乐观[33]。

笔者采用的IPCC的SRES排放方案中的A1B情景虽然描述了未来可能的社会发展方向及温室气体排放的情况,但是任何情景都只是未来社会经济发展路径的一种可能,所以在气候变化情景生成方面还存在着一定的不确定性。与此同时,现阶段的作物模型在处理极端气候事件对作物的影响评估时依然能力有限,也难以考虑由于气候变暖降水增多可能导致病害与虫害发生频率的增加。故当前的模拟结果还存在着一定的不确定性。另外,人类通过技术、经济、生活方式和政策不断调整着对气候变化影响的减缓与适应。因而,将未来社会经济发展情景与区域气候模型、作物模型相连接,综合评估和分析未来粮食生产状况,是未来应用模型模拟评价气候变化影响研究的发展方向。