區(qū)域玉米水肥耦合制度的優(yōu)化研究
----以長春市綠園區(qū)為例

高金花，柏 宇，葛 勝，蒲金山，王 莉，廉冀寧

(1.長春工程學(xué)院 水利與環(huán)境工程學(xué)院，長春 130021；2.吉林省水工程安全與災(zāi)害防治實驗室，長春 130021；3.長春市綠園區(qū)農(nóng)業(yè)技術(shù)推廣總站，長春 130021)

隨著玉米膜下滴灌技術(shù)的發(fā)展，膜下滴灌中水肥耦合制度的優(yōu)化問題獲得廣泛的關(guān)注。地理信息系統(tǒng)作為一門綜合性學(xué)科，結(jié)合地理數(shù)據(jù)、地圖學(xué)、遙感及計算機科學(xué)，在不同領(lǐng)域上都有廣泛應(yīng)用。在農(nóng)業(yè)分析上，Dubravko將地理信息系統(tǒng)應(yīng)用在農(nóng)業(yè)的灌溉管理上，監(jiān)控農(nóng)業(yè)作物的水分利用情況，該系統(tǒng)能有效改善土地-作物管理策略，提供作物生長記錄的空間數(shù)據(jù)，通過田間數(shù)據(jù)的收集，數(shù)據(jù)的管理和數(shù)據(jù)的分析來實現(xiàn)精確農(nóng)業(yè)灌溉[1]。Kamlesh建立了土壤數(shù)據(jù)、作物品種及播期數(shù)據(jù)和氣候數(shù)據(jù)的地理信息系統(tǒng)，分析各因素對作物生長的影響，并繪制地理信息系統(tǒng)的數(shù)據(jù)和服務(wù)平臺，為用戶提供基礎(chǔ)的地理數(shù)據(jù)的分析和決策[2]。Paolo研究農(nóng)業(yè)技術(shù)對特拉西梅諾湖流域的環(huán)境影響，建立單一作物和土壤因素的不同環(huán)境經(jīng)濟評價方案，應(yīng)用線性規(guī)劃和多目標(biāo)分析技術(shù)獲得最優(yōu)組合方案，最后通過地理信息系統(tǒng)建立流域的風(fēng)險評估系統(tǒng)[3,4]。但將地理信息系統(tǒng)與區(qū)域玉米水肥耦合優(yōu)化制度相結(jié)合應(yīng)用的方面尚不多見。

本文應(yīng)用ArcGIS地理信息系統(tǒng)收集土壤數(shù)據(jù)、地形數(shù)據(jù)，結(jié)合已在國內(nèi)外取得廣泛研究的DSSAT作物模型[5-8]，經(jīng)過田間數(shù)據(jù)的驗證，模擬不同區(qū)域的最優(yōu)田間管理方案，為提高玉米產(chǎn)量和保證糧食安全做出貢獻，并提出一種適宜不同區(qū)域玉米的水肥耦合優(yōu)化方法。

1 資料與方法

1.1 資料來源

地理信息數(shù)據(jù)：文中的綠園區(qū)合心鎮(zhèn)的地形數(shù)據(jù)來源于國家地理基礎(chǔ)資料；合心鎮(zhèn)肥力數(shù)據(jù)及耕地面積數(shù)據(jù)來源于長春市綠園區(qū)農(nóng)業(yè)推廣總站。合心鎮(zhèn)位于長春市西北部，全鎮(zhèn)轄區(qū)面積89.56 km2，共轄8個自然村，現(xiàn)有耕地5 313 hm2，總農(nóng)業(yè)人口1.8萬人。由于處于世界三大黃金玉米帶之一的東北玉米帶，玉米種植主要依靠雨養(yǎng)，施肥主要依靠底肥和大喇叭口期追加尿素，年均產(chǎn)量達1萬kg/hm2，耕地肥力與耕地面積見表1，永躍、岳家、新立三村由于政府征地等原因故不列入這次調(diào)查當(dāng)中，土壤肥力不進行統(tǒng)計，故表1中只列入5個村子的數(shù)據(jù)。

表1 合心鎮(zhèn)各村土壤肥力數(shù)據(jù)

注：數(shù)據(jù)來源于長春市綠園區(qū)農(nóng)業(yè)推廣總站。

DSSAT模型參數(shù)數(shù)據(jù)的獲取：田間試驗數(shù)據(jù)的來源于長春市合心鎮(zhèn)東安村的試驗站，本試驗站位于北緯43°7′，東經(jīng)125°59′。地處東北松遼平原腹地，平均海拔210 m，地勢平坦開闊。平均氣溫4.8 ℃，最高氣溫39.54 ℃，最低氣溫-39.8 ℃，日照時間2 700 h左右，年均降雨量522～615 mm。試驗設(shè)計以四、六次追肥為因素，50%、100%和150%施肥量為水平的6組正交試驗，及3種不同均勻壟距的對比試驗組；吉林省中部玉米膜下滴灌的6個DSSAT常規(guī)參數(shù)來源于對田間試驗的分析，由于DSSAT模型本身并不具備模擬玉米膜下滴灌的模塊，通過對比3種不同均勻壟距與常規(guī)膜下滴灌的產(chǎn)量等特征數(shù)據(jù)，確定65 cm壟距作為DSSAT模型中模擬膜下滴灌的輸入壟距。經(jīng)過DSSAT-GLUE運行6組正交試驗數(shù)據(jù)對比分析，獲得DSSAT模型模擬吉林省中部玉米膜下滴灌的6個基本參數(shù)見表2。

表2 DSSAT模型模擬吉林中部玉米膜下滴灌的6個基本參數(shù)

1.2 分析方法

(1)GIS的肥力分布圖繪制。GIS的地形圖繪制由國家基礎(chǔ)資料獲得合心鎮(zhèn)地形的柵格圖，利用ArcScan矢量化模塊進行地圖的矢量化轉(zhuǎn)換。首先對柵格圖進行空間校正，調(diào)節(jié)classify來控制圖片的清晰度，建立新的線圖層，通過ArcScan進行地圖的邊界線矢量化轉(zhuǎn)換，利用拓撲工具檢查線圖層上的重疊或偏離的線條并進行修整獲得合心鎮(zhèn)的地形圖。對線圖層進行線化面處理，在面圖層屬性表中輸入與表1對應(yīng)區(qū)域的土壤肥力和耕地面積數(shù)據(jù)。ArcGIS具有空間數(shù)據(jù)的運算功能，空間數(shù)據(jù)的運算包括算術(shù)運算、邏輯運算和統(tǒng)計運算3個方面，通過字符運算器進行水肥耦合優(yōu)化結(jié)果對合心鎮(zhèn)玉米增產(chǎn)潛力的運算。

(2)水肥耦合模型優(yōu)化分析。最優(yōu)水肥耦合制度的求解依據(jù)DSSAT植作物模型與Matlab遺傳算法聯(lián)合求解。由于玉米的水肥耦合制度屬于非線性規(guī)劃問題，本文應(yīng)用Matlab遺傳算法對其求解。遺傳算法主要步驟：隨機生成初始種群；計算每個個體的適應(yīng)度；選擇操作；交叉操作；變異操作；終止條件判斷，當(dāng)進化代數(shù)與遺傳代數(shù)相同時，算法結(jié)束。優(yōu)化方程中的決策參數(shù)主要有灌溉制度和施肥制度，產(chǎn)量則是以輸入隨機的灌溉制度和施肥制度對應(yīng)的DSSAT模型的輸出產(chǎn)量，根據(jù)最高灌溉定額和施肥定額確定每次灌溉和施肥的取值范圍，每次灌溉用水范圍在0～60 mm，每次施肥范圍在0～60 kg/hm2。本文的適應(yīng)度函數(shù)選擇：

0≤x1≤60, 0≤x2≤60

(1)

式中：maxf(x1,x2)為目標(biāo)函數(shù)；D為每公頃收益，元/hm2；y為玉米產(chǎn)量，kg/hm2；x1為灌溉用水量，m3/hm2；x2為施用尿素量，kg/hm2；n為灌溉次數(shù)；m為施肥次數(shù)。

D值代表各村種植每公頃玉米的收益；y值代表每公頃玉米產(chǎn)量，系數(shù)2代表玉米的單價；x1代表每公頃玉米的灌溉用水量，系數(shù)2.5代表灌溉水單價包括每立方米的水費、水泵使用費用、電費；x2代表每公頃使用尿素量，系數(shù)2代表尿素的單價。各價格系數(shù)采用合心鎮(zhèn)實際調(diào)查單價的均值。

2 結(jié)果與分析

2.1 合心鎮(zhèn)肥力分布圖

針對合心鎮(zhèn)各村的肥力統(tǒng)計采用長春市綠園區(qū)農(nóng)業(yè)推廣總站提供的各村的第二次全國土壤肥力普查數(shù)據(jù)如表1所示。依據(jù)國家地理基礎(chǔ)數(shù)據(jù)構(gòu)建合心鎮(zhèn)的矢量地形圖，將土壤數(shù)據(jù)與地理信息系統(tǒng)相結(jié)合輸入合心鎮(zhèn)地形圖的屬性表中，依據(jù)合心鎮(zhèn)各村氮磷鉀含量的不同選擇不同的符號表達方式，合心鎮(zhèn)的耕地速效氮、磷、鉀分布如圖1所示。圖1中永躍、岳家、新立三村由于政府征地等原因故不列入這次調(diào)查當(dāng)中，土壤肥力不進行統(tǒng)計，在圖1中均以白色表示。

2.2 東安村水肥優(yōu)化制度的求解

根據(jù)ArcGIS提供的地理信息數(shù)據(jù)，在不同土壤肥力基礎(chǔ)上，運用DSSAT模擬各村玉米的生長發(fā)育，與遺傳算法相結(jié)合求解各村的最優(yōu)水肥制度。分析不同水肥耦合方案對產(chǎn)量的影響。本文以東安村為例，遺傳算法的各類輸入數(shù)據(jù)如下：設(shè)計種群數(shù)量為10；遺傳代數(shù)為100；采用二進制編碼方式編碼每個灌溉或施肥因素的字符串長度為6；每個種群個體各有13個灌溉和施肥因素構(gòu)成，故種群個體字符串長尾13×6=78；選擇方法為輪盤賭法；選擇概率為1；交叉方法為單點交叉法，交叉概率為0.9；變異方法為基本位變異，變異系數(shù)為0.1。經(jīng)過調(diào)整和檢驗，確定在60代左右的時候，玉米產(chǎn)量趨于穩(wěn)定達到最大值見圖2和圖3。最后一代種群80%的個體達到適應(yīng)度值最大，其余兩個種群個體則由于交叉和變異影響了適應(yīng)度值的變化，表明了遺傳算法具有較好的收斂性，100代以后搜索結(jié)束，各階段的灌水和施肥量如表3所示，1～9 列為對應(yīng)的灌溉水用量，10～13列為對應(yīng)的追肥量，確定最優(yōu)的水肥耦合制度如表4所示。在此水肥耦合制度的運作下，達到最大的產(chǎn)量12 834 kg/hm2。

圖1 合心鎮(zhèn)土壤速效氮、鉀、磷分布圖(單位：mg/kg)

圖2 遺傳100代后種群中個體的適應(yīng)度分布圖圖3 種群最優(yōu)解遺傳代數(shù)內(nèi)的變化曲線

表3 遺傳100代后各決策參數(shù)的數(shù)值表

表4 遺傳100代后每個遺傳個體所求得的產(chǎn)量y值與每公頃收益D值表

2.3 基于GIS的合心鎮(zhèn)玉米水肥優(yōu)化制度

基于東安村水肥耦合制度的求解方法，對比試驗站數(shù)據(jù)驗證模擬結(jié)果的準(zhǔn)確性，故其余各村采用相同方法，獲得其余4村的灌溉與追肥制度如表5所示，各村的模擬y值與D值如圖4和圖5所示，可以看出新農(nóng)家的每公頃產(chǎn)量達到最高的12 901 kg。東安村、哈達村、于家村由于基礎(chǔ)肥力相差不大灌溉與追肥的管理制度結(jié)果也相同，通過地理信息系統(tǒng)計算出各村的總產(chǎn)量如圖6所示，預(yù)計產(chǎn)量達到3 848 t，相比往年平均值高出29.43%。

圖4 模擬優(yōu)化后各村的產(chǎn)量值(單位：kg/hm2)

圖5 模擬優(yōu)化后各村的D值(單位：元/hm2)

圖6 模擬優(yōu)化后各村的總產(chǎn)量(單位：kg)

通過基于地理信息系統(tǒng)的玉米水肥優(yōu)化方法在合心鎮(zhèn)的應(yīng)用效果可以看出，玉米膜下滴灌技術(shù)能有效提高玉米產(chǎn)量，對農(nóng)業(yè)的水肥管理制度提供了理論支持。在農(nóng)業(yè)信息化快速發(fā)展的今天，能為區(qū)域作物種植模式的選擇和水肥管理制度的選擇提供依據(jù)。

3 結(jié) 語

(1)通過ArcGIS對合心鎮(zhèn)的土壤肥力及耕地面積數(shù)據(jù)構(gòu)建區(qū)域的土壤肥力分布圖，能有效的為植作物生產(chǎn)分析提供基礎(chǔ)數(shù)據(jù)。

(2)DSSAT植作物模型與Matlab遺傳算法結(jié)合能有效地解決玉米水肥耦合制度的求解問題。

(3)玉米的膜下滴灌模式能有效地提高玉米的產(chǎn)量，以綠園區(qū)合心鎮(zhèn)為例，玉米產(chǎn)量相比常規(guī)種植提高29.43%。

(4)地理信息系統(tǒng)的可視化與水肥耦合制度優(yōu)化的求解相結(jié)合，能為農(nóng)民的田間管理制度提供理論依據(jù)。在農(nóng)業(yè)信息化快速發(fā)展的今天，能為區(qū)域作物種植模式的選擇和水肥管理制度的選擇提供依據(jù)。

□

[2] Kamlesh Golhani, A S Rao, J C Dagar. Utilization of open-source web GIS to strengthen climate change informatics for agriculture. climate change modelling [J]. Planning and Policy for Agriculture, 2015,(2):87-91.

[3] Paolo Abbozzo, Antonio Boggia, Francesco Pennacchi. Economic studies on food, agriculture, and the environment[M].US:springer,2002:315-327.

[5] He J. Best management practice development with the CERES-Maize model for sweet corn production in North Florida[D]. US:University of Florida, 2008.

[6] 劉 瑋. 基于模型的播期對東北春玉米產(chǎn)量影響的研究[C]∥ 中國氣象學(xué)會.S10氣象與現(xiàn)代農(nóng)業(yè)發(fā)展.中國氣象學(xué)會,2012:22.

[7] 李小涵,武建軍,呂愛鋒,等. 不同CO2濃度變化下干旱對冬小麥葉面積指數(shù)的影響差異[J]. 生態(tài)學(xué)報,2013,(9):2 936-2 943.

[8] Pavel Samuhel, Bernardi?ka. Parameterization of crop simulation model “ceres-maize” in nitra-dolná malanta [J]. Journal of Environmental Engineering and Landscape Management, 2007,15(1):25-30.