基于EPIC模型的四川丘陵區(qū)黑麥草生長過程及其土壤水分動態(tài)變化模擬

王學春，王紅妮，黃晶，楊國濤，胡運高

(1.西南科技大學生命科學與工程學院，四川 綿陽 621010；2.西南科技大學成人與網(wǎng)絡教育學院，四川 綿陽 621010)

基于EPIC模型的四川丘陵區(qū)黑麥草生長過程及其土壤水分動態(tài)變化模擬

王學春1*，王紅妮2，黃晶1，楊國濤1，胡運高1

(1.西南科技大學生命科學與工程學院，四川 綿陽 621010；2.西南科技大學成人與網(wǎng)絡教育學院，四川 綿陽 621010)

明確黑麥草田土壤水分變化規(guī)律，對提高四川丘陵區(qū)人工草地管理水平具有重要的現(xiàn)實意義；校驗EPIC模型，有利于改進并提高模型對黑麥草的模擬精度，對推進作物生產(chǎn)系統(tǒng)模擬與決策技術(shù)在草糧輪作系統(tǒng)的應用具有重要的實踐意義。本研究通過田間試驗與計算機模型相結(jié)合的方法，研究了四川丘陵區(qū)黑麥草生長過程及其土壤水分動態(tài)變化規(guī)律，明確了EPIC模型對黑麥草生長過程及土壤水分變化規(guī)律的模擬精度。結(jié)果表明，1)四川丘陵區(qū)黑麥草田土壤有效含水量在3-5月較低，深層(0.4～0.6 m)土壤水分在5-10月間可以得到較好恢復，適當增加氮肥投入，可以顯著提高黑麥草最大葉面積系數(shù)和飼草產(chǎn)量，在刈割4茬的條件下，氮肥施入量不宜低于75 kg/hm2，且不高于225 kg/hm2；2)黑麥草田0～1 m土層土壤有效含水量模擬值和觀測值間的r值為0.86～0.95，RRMSE值為6.0%～17.2%，土壤水分剖面分布動態(tài)變化的模擬值和觀測值間的r值介于0.57與0.92之間，且大部分大于0.85；3)EPIC模型模擬的黑麥草葉面積系數(shù)和株高與觀測值間的r值均大于0.90，在統(tǒng)計范圍內(nèi)模擬值和觀測值間差異不顯著；黑麥草產(chǎn)量模擬值和觀測值間的r值大于0.90，ME值和R2間差異小于0.02。總體而言，EPIC模型能夠較好地模擬黑麥草生長過程，對黑麥草田土壤水分動態(tài)變化規(guī)律模擬較為準確，可以用來評價四川丘陵區(qū)以黑麥草為主的草糧輪作系統(tǒng)對當?shù)貧夂驐l件的適應性。

黑麥草；EPIC模型；產(chǎn)量；土壤水分；四川

黑麥草(Loliummultiflorum)是冷季型禾本科牧草，因其營養(yǎng)豐富(干草粗蛋白含量高達25%以上)[1]，可消化性高[2]，適口性好，抗寒能力強等特性[3-4]，在世界范圍內(nèi)被廣泛種植，是我國重要的冷季牧草之一。四川丘陵區(qū)年降水量800～1000 mm，年均氣溫16～18 ℃，無霜期230～340 d[5]，從氣候角度考慮適宜黑麥草等飼草作物生長，但受季節(jié)性干旱和水土流失嚴重等因素限制，黑麥草在四川丘陵區(qū)的適應性還存在爭議。統(tǒng)計數(shù)據(jù)表明，四川丘陵區(qū)6-9月的降水占全年降水的70%以上[6-7]，但因降水強度大，地表徑流量高[年均土壤侵蝕模數(shù)為3798～9831 t/(km2·年)][7]，降水就地入滲的比例偏低；11月至翌年4月的降水總量偏低，在沒有灌溉的情況下，深層土壤水分成為黑麥草獲得高產(chǎn)的關(guān)鍵。黃土高原地區(qū)在引入苜蓿(Medicagosativa)的過程中發(fā)現(xiàn)，苜蓿等飼草作物對土壤水分消耗嚴重，經(jīng)過幾年的種植后1～3 m土層容易形成永久土壤干層[8-9]，不利于土壤水分可持續(xù)利用。因此有必要明確四川丘陵區(qū)黑麥草對深層土壤水分的利用情況，進而提高黑麥草田水分管理水平。

構(gòu)建合理的草糧輪作模式可有效提高土壤水分利用效率[10-12]。黑麥草的生長周期與冬小麥(Triticumaestivum)相近[4，13]，理論上可以替代傳統(tǒng)輪作模式[冬小麥-玉米(Zeamays)/紅苕(Ipomoeabatatas)]中的冬小麥。一種新的種植模式(黑麥草-玉米/紅苕)能否進行推廣應用，需先明確其是否適應四川丘陵區(qū)環(huán)境條件，是否有利于土壤水分可持續(xù)利用等。田間試驗與作物模型模擬相結(jié)合的方法是當前評價作物生產(chǎn)系統(tǒng)與環(huán)境間適應性的新方法和新熱點[14]。EPIC模型(environment policy integrated climate)是Williams等[15]于1984年構(gòu)建的多作物通用模型，內(nèi)部包括氣象、土壤、作物生長等十多個子模塊。通過各子模塊間的配合，模型能夠?qū)碗s作物生產(chǎn)系統(tǒng)的作物生長、水分循環(huán)等進行長周期定量模擬研究，可用來評價作物生產(chǎn)系統(tǒng)與環(huán)境的適應性，是進行農(nóng)業(yè)生產(chǎn)決策的有效工具之一[16-18]。大部分研究結(jié)果肯定了EPIC模型對冬小麥、春玉米和苜蓿等作物產(chǎn)量和土壤水分的模擬精度[19-23]，所有模型應用者都認為在應用EPIC模型進行模擬研究之前，有必要對模型的模擬精度進行全面評價[21-23]。當前還未見到在黑麥草田驗證應用EPIC模型的研究報道，EPIC模型是否可以用于黑麥草的模擬研究，在模擬過程中，還有哪些模塊需要進一步改善等問題尚不明確。

本研究以2011-2015年人工黑麥草田觀測數(shù)據(jù)為基礎(chǔ)，分析了黑麥草田土壤水分變化規(guī)律，明確了黑麥草對深層土壤水分的利用情況，為四川丘陵區(qū)黑麥草田土壤水分管理提供必要理論依據(jù)。在比較田間觀測值和EPIC模型模擬值的基礎(chǔ)上，分析了EPIC模型對黑麥草生長過程和土壤水分動態(tài)變化的模擬精度，為EPIC模型在四川丘陵區(qū)草糧輪作系統(tǒng)的應用奠定基礎(chǔ)，為本地區(qū)草糧輪作模式構(gòu)建提供一種新的評價途徑與方法。

1 材料與方法

1.1試驗區(qū)域概況

綿陽位于四川盆地西北部，涪江中上游，境內(nèi)丘陵廣布，平壩狹小，平均海拔362 m，是四川盆地典型丘陵區(qū)之一；年均降水量826～1417 mm，年均氣溫14.7～17.3 ℃，年均日照時數(shù)1300～1328 h，平均無霜期253～301 d, 屬四川盆地亞熱帶濕潤季風氣候。

本實驗于2011-2015年在綿陽青義鎮(zhèn)丘陵山地進行，試驗田土壤為黃泥土，土壤容重1.1 g/cm3、常年含水量9.2%～20.1%、萎蔫系數(shù)6.2%～8.5%、有機質(zhì)含量0.23 g/kg、全氮、全磷和全鉀含量分別為1.1 g/kg,0.22 g/kg和15.6 g/kg,黑麥草田前茬種植玉米。

1.2田間試驗

1.2.1試驗設(shè)計 田間試驗設(shè)計不施氮肥(CK)、施純氮75 kg/hm2(N1)、施純氮150 kg/hm2(N2)和施純氮225 kg/hm2(N3)4個肥力處理水平，每個處理重復3次，共計12個小區(qū)，小區(qū)面積20 m2(4 m×5 m)，隨機區(qū)組設(shè)計，小區(qū)間留1 m寬間隔方便取樣和田間管理。黑麥草為一年生品種，每年9月中旬進行條播，播種量15 kg/hm2,行距0.15 m。次年1月初、2月初、 3月初、4月初分別刈割一次，前3次刈割后，按照設(shè)計用量追施氮肥，氮肥運籌方式為50%基肥，50%追肥(每次16.6%)。黑麥草最后一次刈割完成后，4月底-5月初，依據(jù)墑情適期播種玉米，玉米的播種、施肥等田間管理措施與當?shù)馗弋a(chǎn)田一致。

1.2.2田間取樣 黑麥草種植前，取0～1 m土層土樣(每0.2 m取樣1次)測定土壤水分含量；黑麥草種植后每月測定相應土層土壤水分含量1次。黑麥草取樣分兩部分進行：1)黑麥草生長動態(tài)監(jiān)測(占小區(qū)面積30%)，從黑麥草種植到枯黃一直不刈割，每15 d 測定株高和葉面積系數(shù)各1次；2)黑麥草產(chǎn)量和土壤水分動態(tài)監(jiān)測(占小區(qū)面積70%)，即黑麥草種植后適期刈割，測定其飼草產(chǎn)量，同時進行土壤水分的取樣和測定。黑麥草最后一次刈割完成后播種玉米，玉米的播種、施肥等田間管理措施與當?shù)馗弋a(chǎn)田一致。其中，選取5株測定株高后取平均值；測定葉面積系數(shù)；土壤水分每個小區(qū)選2個固定點，采用預埋TDR探頭的方法測定土壤體積含水量，每個處理的土壤水分含量、土壤有效含水量、株高、葉面積系數(shù)等均取3個重復的平均值進行統(tǒng)計分析。

1.3測定方法

黑麥草飼草產(chǎn)量采用挖方法，取長寬各為1 m的黑麥草田上的黑麥草進行稱重；黑麥草株高采用自然生長狀態(tài)下，測量地面至黑麥草頂部高度的方法測定；黑麥草葉面積系數(shù)采用冠層分析儀(TOP1300)測定；土壤容重采用環(huán)刀稱重法測定；土壤體積含水量采用TDR水分測定儀測定；土壤萎蔫濕度采用生物法，測定黑麥草田間發(fā)生永久萎蔫時的土壤含水量[24]。

1.4統(tǒng)計分析

土壤重量含水量的計算方法如公式(1)所示。

θ=ρω

(1)

式中：θ為體積含水率(%);ρ為土壤容重(g/cm3);ω為質(zhì)量含水率(%)。

土壤有效含水量(available soil water,ASW)的計算方法如式(2)所示。

(2)

式中：ASW為0～1 m土層土壤有效含水量(mm)；ASWi為第i土層土壤有效含水量(mm)；n為所測定的最大土層數(shù)；SWi為第i土層土壤濕度(%)；WPi為第i土層土壤萎蔫濕度(%)；Pi為第i土層土壤容重(g/cm3)；Hi為第i土層厚度(cm)[24]。

模型對黑麥草生長過程和土壤水分的模擬精度采用如下公式進行評價。

(3)

(4)

(5)

(6)

(7)

(8)

采用SAS 10.0分析不同處理間的差異顯著性和相關(guān)性；采用Excel 2013作圖。

2 結(jié)果與分析

2.1EPIC模型對黑麥草田土壤水分動態(tài)的模擬

2.1.1黑麥草田土壤有效含水量逐月變化規(guī)律模擬 不同氮肥水平處理下，2011-2015年，黑麥草田0～1 m土層有效含水量隨著降水的逐月變化而變化(圖1)。其中，4-9月，實際月均降水量120 mm，顯著高于全年月均降水量(67.5 mm)，黑麥草田土壤有效含水量呈增加趨勢；10月至翌年5月，實際月均降水量14.2 mm，顯著低于全年月均降水量，黑麥草田土壤有效含水量呈降低趨勢。總體而言，3-5月黑麥草田土壤有效含水量最低，0～1 m土層月均土壤有效含水量4個處理的平均值為125 mm；7-9月黑麥草田土壤有效含水量較高，0～1 m土層月均土壤有效含水量4個處理的平均值為201 mm。從土壤有效含水量角度考慮，四川丘陵區(qū)黑麥草田2-5月適當灌溉將有利于提高黑麥草飼草產(chǎn)量。

圖1 四川丘陵區(qū)不同氮肥水平下黑麥草田土壤有效含水量動態(tài)變化比較Fig.1 Comparison of available soil water of different nitrogen fertilization level in ryegrass land of the hilly regions at Sichuan Province

2011-2015年間，CK、N1、N2和N3處理下，0～1 m土層土壤有效含水量模擬值分別為176，166，168和151 mm，與觀測值相比，分別減少3%，6%，1%和增加3%，土壤有效含水量模擬值總體略低于觀測值(圖2)。統(tǒng)計分析結(jié)果表明，CK、N1、N2和N3處理下，0～1 m土層土壤有效含水量模擬值與觀測值間的RMSE值分別為11，20，17和28 mm；RRMSE值分別為6.0%，12.5%，10.1%和17.2%；ME值分別為0.94，0.81，0.85和0.76。RRMSE值較低，ME和R2間差異較小，0～1 m土層土壤有效含水量模擬值與觀測值間差異不顯著(P>0.05)。表明，EPIC模型模擬的黑麥草田土壤水分動態(tài)變化在統(tǒng)計范圍內(nèi)是可以接受的。

圖2 四川丘陵區(qū)2011-2015年黑麥草田土壤有效含水量模擬值與觀測值比較Fig.2 Comparison of simulated and observed available soil water of different nitrogen fertilization level during 2011-2015 in ryegrass land of the hilly regions at Sichuan Province

2.1.2黑麥草田土壤水分剖面分布動態(tài)模擬 2011-2015年，隨著土層深度的增加，土壤濕度波動幅度呈下降趨勢(圖3)。0～0.2 m土層土壤濕度波動幅度較大，土壤重量含水率最低值(6%)與最高值(22%)之間相差16個百分點；0.8～1.0 m土層土壤濕度相對較穩(wěn)定，土壤重量含水率最低值(8%)與最高值(12%)之間相差4個百分點。1-12月土壤重量含水率總體表現(xiàn)為先增加后降低的趨勢。其中，深層(0.4～0.6 m)土壤重量含水率在5-10月隨月均降水量的增加而顯著增加，11月到翌年4月則呈波動性下降趨勢(圖3)。表明，在降水量偏低的月份，黑麥草對深層土壤水分有一定的消耗。1-4月黑麥草田0～0.2 m，0.3～0.6 m，0.8～1.0 m土層土壤重量含水率分別為6%～10%，7%～9%和8%～9%。5-10月相應土層土壤重量含水率分別為8%～20%，8%～15%和8%～13%。表明，1-4月黑麥草消耗的深層土壤水分在5-10月間可逐漸恢復。

圖3 四川丘陵區(qū)2011-2015年黑麥草田0～1 m土層土壤水分剖面分布Fig.3 The distribution of soil water in 0-1 m soil during 2011-2015 in ryegrass land of the hilly regions of Sichuan Province

土壤水分剖面模擬值與觀測值的比較結(jié)果表明，EPIC模型對四川丘陵區(qū)旱作黑麥草田土壤水分剖面分布模擬較為合理(圖4)。土壤水分剖面分布模擬值和觀測值間的r值為0.57～0.92，其中大于0.85的占82.3%，小于0.62的占10.2%；RMSE值為0.34%～2.10%，其中小于1%的占86.1%，大于2%的占1%。

2011-2015年，0～1 m土層土壤重量含水率模擬值與觀測值間的r值在1、5和9月分別為0.78，0.88和0.67(圖4)；RMSE值分別為0.72%，0.63%和1.01%；RRMSE值分別為8.56%，6.24%和7.76%；ME值分別為0.88，0.72和0.81。在降水較多的9月，模擬值和觀測值間的r值偏低，R2和ME值間的差距較大，表明EPIC模型對降水較多月份的土壤水分剖面模擬精度偏低。

圖4 四川丘陵區(qū)2011-2015年典型月份土壤重量含水率模擬值與觀測值比較Fig.4 Comparison of simulated and observed soil water content by weight in typical month during 2011-2015 at the hilly regions of Sichuan Province 1月為較干旱月份；5月降水量接近全年月均降水量；9月為降水較多的月份。January is the arid month；May is the normal rainfall month；September is the rainy month.

CK、N1、N2和N3處理下，0～1 m土層土壤重量含水率模擬值分別為15.1%，16.0%，15.0%和14.5%，與觀測值相比分別降低9.5%、增加8.9%、降低8.2%、增加9.4%；模擬值和觀測值間的r值為0.73～0.88、R2值為0.62～0.78、ME值為0.75～0.81、RMSE值為0.45%～0.72%、RRMSE值為5.21%～8.69%、RE值為-9.5%～9.4%。其中RRMSE值均低于10%，ME和R2間的差異小于0.15，表明EPIC模型對不同氮處理的黑麥草田土壤重量含水率模擬較為合理，能夠反映不同處理下土壤重量含水率的變化規(guī)律。同時，CK和N1處理下的r、R2和ME值均顯著高于N2和N3處理(表1)，表明EPIC模型對CK和N1處理下的土壤重量含水率模擬精度高于N2和N3處理。

表1 四川丘陵區(qū)2011-2015年不同氮肥處理下黑麥草田土壤重量含水率模擬值與觀測值比較Table 1 Comparison of simulated and observed soil water content by weight under different nitrogen treatments during 2011-2015 in ryegrass land of the hilly regions of Sichuan Province

2.2EPIC模型對黑麥草生長過程的模擬

2.2.1黑麥草株高的模擬 2011-2015年，黑麥草株高平均值為73～85 cm。其中2011-2012年，所有氮肥處理的株高差異不顯著(P>0.05)，CK、N1、N2和N3處理的株高分別為81.0，84.0，84.6和85.0 cm；2012-2013年，相應處理的株高分別為78.6，73.6，83.4和84.0 cm。其中，N2和N3處理的株高顯著高于CK，N1和CK處理間的株高差異不顯著；2014-2015年，相應處理的株高分別為76.5，79.3，84.0和84.0 cm, 其中N1、N2和N3處理的株高顯著高于CK，N2和N3處理的株高顯著高于N1。表明在四川丘陵區(qū)的黃泥土上種植黑麥草，需要有一定的氮肥投入才可確保其正常生長和連續(xù)高產(chǎn)。

CK、N1、N2和N3處理的黑麥草株高模擬值4年平均分別為79.2，80.5，81.6和85.2 cm，與觀測值相比分別偏高1.0%、偏高2.0%、偏低0.5%和偏高2.0%；株高模擬值和觀測值間的r值分別為0.92，0.97，0.96和0.95(圖5)；RMSE值分別為2.39，3.18，2.39和3.05 cm；RRMSE值分別為5.29%，8.35%，6.98%和7.98%；ME值分別為0.97，0.96，0.95和0.96；R2值分別為0.98，0.99，0.96和0.97。株高模擬值和觀測值間的r值均大于0.90，ME值均大于0.95，且和R2值間的差小于0.05，表明黑麥草株高模擬值與觀測值間的差異較小，EPIC模型對黑麥草株高的模擬較準確。

從不同年份看，EPIC模型模擬的黑麥草株高在2011-2012年及2014-2015年比觀測值偏低1.85%和2.71%，在2012-2013年及2013-2014年則比觀測值偏高6.55%和4.51%(表2)；模擬值和觀測值間的r值和ME值均在2012-2013年和2013-2014年較低；模擬值和觀測值之間的RRMSE和RMSE值在2012-2013年和2013-2014年較高。表明EPIC模型在降水較多的年份(2012-2013年、2013-2014年)對黑麥草株高的模擬精度比降水較少的年份(2011-2012年、2014-2015年)低。

圖5 四川丘陵區(qū)2011-2015年不同處理的黑麥草株高模擬值與觀測值比較Fig.5 Comparison of simulated and observed heigh of ryegrass during 2011-2015 at the hilly regions of Sichuan Province

表2 四川丘陵區(qū)不同年份黑麥草株高模擬值與觀測值比較Table 2 Comparison of simulated and observed heigh of ryegrass at different years in the hilly regions of Sichuan Province

2.2.2黑麥草葉面積系數(shù)模擬 氮肥處理對黑麥草葉面積系數(shù)影響顯著(表3)。2011-2015年，CK、N1、N2和N3處理下黑麥草最大葉面積系數(shù)平均值分別為2.4，2.6，3.3和3.4；其中N1、N2和N3處理顯著高于CK，N2和N3處理顯著高于N1。表明適當增加氮肥有利于黑麥草葉面積系數(shù)的增加。受降水的影響，2011-2012年和2014-2015年黑麥草最大葉面積系數(shù)平均值分別為3.0和3.1，顯著高于2012-2013年和2013-2014年的相應值(2.8和2.9)。

表3 四川丘陵區(qū)不同處理在不同年份最大葉面積系數(shù)比較Table 3 Comparison of leaf area index of ryegrass at different years in the hilly regions of Sichuan Province

注：同列不同小寫字母表示差異顯著(P<0.05)。下同。

Note：Different small letters in the same column mean significant difference (P<0.05). The same below.

圖6 四川丘陵區(qū)2011-2015年不同處理下黑麥草葉面積系數(shù)模擬值與觀測值比較Fig.6 Comparison of simulated and observed leaf area index of ryegrass under different nitrogen treatments during 2011-2015 at the hilly regions of Sichuan Province

2011-2015年，CK、N1、N2和N3處理的黑麥草最大葉面積系數(shù)平均模擬值分別為2.3，2.7，3.3和3.5， 與觀測值相比分別偏低5.10%、偏高3.01%、偏高0.01%和偏高3.01%；模擬值和觀測值間的r值分別為0.93，0.91，0.90和0.95；RMSE值分別為0.10，0.09，0.12和0.20；RRMSE值分別為5.91%，5.14%，5.62%和6.37%；ME值分別為0.82，0.80，0.81和0.84；R2值分別為0.82，0.71，0.72和0.81(圖6)。葉面積系數(shù)模擬值和觀測值間的r值均大于0.90，ME值均大于0.80，且和R2值間的差小于0.05，表明在統(tǒng)計范圍內(nèi)，黑麥草葉面積系數(shù)模擬值與觀測值間的差異不顯著，EPIC模型對黑麥草葉面積系數(shù)動態(tài)變化的模擬較準確。

與觀測值相比，黑麥草葉面積系數(shù)模擬值在2013-2014年偏低3.45%，在2012-2013年偏高0.01%，在2011-2012年及2014-2015年分別偏高3.33%和3.23%(表4)；模擬值和觀測值間的r值和ME值均在2012-2013年和2013-2014年較低；模擬值和觀測值間的RRMSE值和RMSE值在2012-2013年和2013-2014年較高(表4)。表明EPIC模型在降水較多的年份(2012-2013年、2013-2014年)對黑麥草葉面積系數(shù)的模擬精度比降水較少的年份(2011-2012年、2014-2015年)低。雖然葉面積系數(shù)模擬值在2011-2014年的差異相對較大，但方差分析結(jié)果表明模擬值與觀測值間的差異不顯著(P>0.05)，表明EPIC模型對黑麥草葉面積系數(shù)的模擬精度在統(tǒng)計學上可以接受。

表4 四川丘陵區(qū)不同年份黑麥草葉面積系數(shù)模擬值與觀測值比較Table 4 Comparison of simulated and observed leaf area index of ryegrass at different years in the hilly regions of Sichuan Province

2.3黑麥草產(chǎn)草量的模擬

2011-2015年，CK、N1、N2和N3處理下，黑麥草年均產(chǎn)草量分別為36.7，51.9，65.0和70.9 t/hm2，與CK相比，N1、N2和N3的產(chǎn)量分別增加41.4%，77.1%和93.1%。方差分析結(jié)果表明，N1、N2和N3產(chǎn)量顯著高于CK；N2和N3的產(chǎn)量顯著高于N1；N2和N3間差異不顯著(表5)。表明增施氮肥可以顯著提高黑麥草產(chǎn)量，在刈割4次的情況下，從提高產(chǎn)草量和合理施用氮肥的角度考慮，四川丘陵區(qū)人工黑麥草田氮肥用量不宜低于N1(75 kg/m2純氮)水平，且不超過N3(225 kg/hm2純氮)水平。

表5 四川丘陵區(qū)2011-2015年不同氮肥處理下黑麥草產(chǎn)量比較Table 5 Comparison of ryegrass yield under different nitrogen treatments at the hilly regions of Sichuan Province during 2011-2015 t/hm2

2011-2015年，CK、N1、N2和N3處理下，黑麥草的年均產(chǎn)量模擬值分別為36.5，52.0，65.0和71.0 t/hm2，與觀測值相比分別偏低0.54%、偏高0.19%、偏高0.01%和偏高0.14%；模擬產(chǎn)量與觀測產(chǎn)量間的r值分別為0.95，0.97，0.98和0.92(圖7)；RMSE值分別為0.45，0.25，0.42和0.55 t/hm2；RRMSE值分別為1.31%，0.48%，0.72%和0.41%；ME值分別為0.88，0.96，0.97和0.97；R2值分別為0.90，0.93，0.91和0.96。產(chǎn)量模擬值和觀測值間的r值均大于0.90，ME值均大于0.85，表明黑麥草產(chǎn)量模擬值與觀測值間的差異較小，EPIC模型對黑麥草產(chǎn)量的模擬較準確。

圖7 四川丘陵區(qū)2011-2015年黑麥草模擬產(chǎn)量與觀測產(chǎn)量比較Fig.7 Comparison of simulated and observed ryegrass yield during 2011-2015 at the hilly regions of Sichuan Province

從不同年份看，除2011-2012年外，2012-2015年黑麥草產(chǎn)量模擬值均比觀測值偏低，其中2012-2013年、2013-2014年及2014-2015年黑麥草模擬產(chǎn)量比觀測產(chǎn)量分別偏低0.37%，0.18%和0.34%；模擬值和觀測值間的r值和ME值在2012-2013年和2013-2014年較低；模擬值和觀測值之間的RRMSE值和RMSE值在2012-2013年和2013-2014年較高(表6)。表明EPIC模型在降水較多的年份(2012-2013年、2013-2014年)對黑麥草產(chǎn)量的模擬精度比降水較少的年份(2011-2012年、2014-2015年)低。

3 討論

3.1黑麥草田土壤水分動態(tài)變化規(guī)律模擬

表6 四川丘陵區(qū)不同年份黑麥草產(chǎn)量模擬值與觀測值比較Table 6 Comparison of simulated and observed ryegrass yield at different years in the hilly regions of Sichuan Province

孫佳美等[25]的研究表明，黑麥草覆蓋地表對降水的入滲有一定影響，降水累積入滲量隨黑麥草覆蓋度的增加呈增加趨勢。本研究中3-5月地表雖有一定的黑麥草覆蓋，但由于月均降水量較少(僅為13.2 mm)， 遠不能滿足黑麥草正常生長需要，大量深層土壤水分被消耗，因此0～1 m土層土壤有效含水量顯著降低(圖1)。相關(guān)研究表明，黑麥草根系主要集中在0～0.3 m土層[26-27]，7-9月實際月均降水量顯著高于全年月均降水量，另外，翻埋后土壤疏松，有利于降水的入滲，因此，此階段黑麥草田土壤水分顯著提高，尤其是深層(0.4～0.6 m)土壤水分得到了很好的恢復(圖3)。受降水和作物消耗的影響，黑麥草田0～1 m土層土壤有效含水量在3-5月的月均值為125 mm，顯著低于全年平均值；土壤水分剖面分布結(jié)果表明，1-4月黑麥草田對深層土壤水分有一定消耗，5-10月期間深層土壤水分能夠得到完全恢復，這有利于黑麥草田土壤水分的可持續(xù)利用。從土壤水分可持續(xù)利用角度評價，在四川丘陵區(qū)適宜種植黑麥草。

Williams[18]在1995年改善了EPIC模型中地下水位模擬模塊，1998年引入作物蒸騰計算方法(Baier-Robertson)[28]，2000年引入Green and Ampt滲透方程[29]，這些改進和完善，顯著提高了EPIC模型對作物生產(chǎn)系統(tǒng)中水分循環(huán)的模擬精度。李軍等[30]、郝遠遠等[14]的研究都認為EPIC模型可以有效模擬土壤水分的動態(tài)變化。本研究表明，EPIC模型模擬的0～1 m土層有效含水量與觀測值間的r值為0.86～0.95，RRMSE值為6.0%～17.2%，EPIC模型模擬的土壤水分逐月變化規(guī)律與實際觀測結(jié)果吻合度較高，這與李軍等[30]在黃土高原地區(qū)的驗證結(jié)果相似。同時本研究也表明，EPIC模型在較濕潤月份對黑麥草田土壤重量含水率的模擬精度略低，在今后改善和應用模型的過程中需重點關(guān)注。

3.2黑麥草生長過程和飼草產(chǎn)量模擬

氮肥施用是提高牧草產(chǎn)量的有效手段之一，大量的生產(chǎn)實踐和肥料試驗均已證實施用氮肥可以顯著改善飼草品質(zhì)[31-32]。占麗平等[33]的研究結(jié)果表明，NPK處理的黑麥草分蘗數(shù)、株高、表觀葉面積較不施氮處理均有顯著增加。本研究結(jié)果表明，隨著試驗時間的延長，氮肥處理對黑麥草株高的影響逐漸顯現(xiàn)，2011-2012年，4種處理下的黑麥草株高差異不顯著，2014-2015年,N1、N2和N3處理的株高顯著高于CK，N2和N3處理間的株高顯著高于N1，2011-2015年,N1、N2和N3最大葉面積系數(shù)平均值顯著高于CK，N2和N3處理顯著高于N1，增加氮肥供給，有利于增加黑麥草葉面積系數(shù)。

黃勤樓等[34]在福建黑麥草田的氮肥處理試驗結(jié)果表明，隨著施氮水平的提高，黑麥草產(chǎn)量顯著提高，在純氮量為200 kg/hm2時，黑麥草產(chǎn)量最高，繼續(xù)增加氮肥投入，黑麥草體內(nèi)硝酸鹽含量增加，不利于畜禽健康。本研究表明，在四川丘陵區(qū)適當增加氮肥投入可以顯著提高黑麥草飼草產(chǎn)量，所有氮肥處理的黑麥草產(chǎn)量均比不施氮肥的處理產(chǎn)量高，這與前人研究結(jié)果相似。另外，在收獲4茬的條件下，N1處理(氮肥用量為75 kg/hm2)的黑麥草產(chǎn)量與CK(不施氮肥)間差異不顯著；N3處理(施肥用量為225 kg/hm2)的黑麥草產(chǎn)量與N2處理(200 kg/hm2)差異不顯著。因此，在四川丘陵區(qū)人工黑麥草田氮肥(純氮)用量不宜低于75 kg/hm2，且不超過225 kg/hm2。

一些學者認為EPIC模型的模擬結(jié)果能夠很好地反映作物在較長時間段內(nèi)的平均產(chǎn)量或產(chǎn)量中值，但不能很好反映作物產(chǎn)量的年間變化情況[16-18,22]；一些研究者認為EPIC 模型是一種能夠反映環(huán)境條件對產(chǎn)量的影響，并模擬長時間段作物產(chǎn)量變化的有效工具[19-21,23]。本研究表明，黑麥草葉面積系數(shù)模擬值和觀測值間的r值均大于0.90，ME值均大于0.80；株高模擬值和觀測值間的r值均大于0.90，ME值均大于0.95；黑麥草產(chǎn)量模擬值和觀測值間的r值均大于0.90，ME值均大于0.85，表明EPIC模型對黑麥草葉面積系數(shù)、株高動態(tài)變化以及飼草產(chǎn)量的模擬較準確，可以用于黑麥草田的模擬研究。

4 結(jié)論

四川丘陵區(qū)黑麥草田土壤水分在3-5月較低，5-10月被黑麥草消耗的深層(0.4～0.6 m)土壤水分可以得到較好恢復；適當增加氮肥投入，可以顯著提高黑麥草田最大葉面積系數(shù)和飼草產(chǎn)量，在刈割4茬的條件下，氮肥施入量不宜低于75 kg/hm2，且不高于225 kg/hm2。

黑麥草田0～1 m土層土壤有效含水量模擬值和觀測值間的r值為0.86～0.95，RRMSE值為6.0%～17.2%，土壤水分剖面分布動態(tài)變化的模擬值和觀測間的r值介于0.57～0.92，且大部分高于0.85?？傮w而言，EPIC模型模擬的黑麥草田土壤水分動態(tài)變化規(guī)律較為準確，可以用于黑麥草田土壤水分動態(tài)變化規(guī)律研究。

EPIC模型模擬的黑麥草葉面積系數(shù)和株高與觀測值間的r值均大于0.90，表明EPIC對黑麥草葉面積系數(shù)和株高動態(tài)變化的模擬較準確，在統(tǒng)計范圍內(nèi)模擬值和觀測值間差異不顯著，可以用于黑麥草田的模擬研究。黑麥草產(chǎn)量模擬值和觀測值間的r值大于0.90，ME值和R2值間差異小于0.02，表明，EPIC模型能夠較好的模擬黑麥草飼草產(chǎn)量。

References：

[1] Song Z Q, Gan Y M, Tian G,etal. Nutritional values of Italian ryegrass for growing rabbits. Acta Prataculturae Sinica, 2014, 23(5): 352-358. 宋中齊, 干友民, 田剛, 等. 多花黑麥草在生長肉兔上的營養(yǎng)價值評定. 草業(yè)學報, 2014, 23(5): 352-358.

[2] Liu L, Yang Z B, Yang W R,etal. Correlations among shearing force, morphological characteristics, chemical compositions, and in situ degradability of alfalfa stem and ryegrass stem. Scientia Agricultura Sinica, 2009, 42(9): 3374-3380. 劉麗, 楊在賓, 楊維仁, 等. 紫花苜蓿和黑麥草莖形態(tài)學、化學組成和養(yǎng)分瘤胃降解率與剪切力的相互關(guān)系. 中國農(nóng)業(yè)科學, 2009, 42(9): 3374-3380.

[3] Zhai F F, Han L, Liu J X,etal. Assessing cold resistance of mutagenic strains of perennial ryegrass under artificial low-temperature stress. Acta Prataculturae Sinica, 2013, 22(6): 268-279. 翟飛飛, 韓蕾, 劉俊祥, 等. 人工低溫脅迫下多年生黑麥草誘變株系的抗寒性研究. 草業(yè)學報, 2013, 22(6): 268-279.

[4] Chen T F. Effects of Nitrogen Fertilizer Level and Morphology on Yield, Quality and Silage Quality of Italian Ryegrass[D]. Chengdu: Sichuan Agricultural University, 2015. 陳天峰. 氮肥水平和形態(tài)對多花黑麥草產(chǎn)量、營養(yǎng)品質(zhì)及青貯品質(zhì)的影響[D]. 成都： 四川農(nóng)業(yè)大學, 2015.

[5] Liang X H, Ai F F, Zhong T X,etal. Cross adaptation under drought and low temperature stress in perennial ryegrass. Acta Prataculturae Sinica, 2016, 25(1): 163-170. 梁小紅, 艾非凡, 鐘天秀, 等. 多年生黑麥草對干旱-低溫交叉適應的生理響應. 草業(yè)學報, 2016, 25(1): 163-170.

[6] Pang L Y, Zhang H, Luo C Y,etal. Forage crop rotation and it’s benefit in the purple farming area of Sichuan province. Acta Prataculturae Sinica, 2010, 19(3): 110-116. 龐良玉, 張鴻, 羅春燕, 等. 四川紫色丘陵農(nóng)區(qū)坡耕地飼草種植模式及效益. 草業(yè)學報, 2010, 19(3): 110-116.

[7] Sichuan Bureau of Statistics. Sichuan Statistical Yearbook[M]. Beijing: China Statistics Press, 2015. 四川省統(tǒng)計局. 四川統(tǒng)計年鑒[M]. 北京: 中國統(tǒng)計出版社, 2015.

[8] Luo Z Z, Li L L, Niu Y N,etal. Soil dryness characteristics of alfalfa cropland and optimal growth years of alfalfa on the Loess Plateau of central Gansu, China. Chinese Journal of Applied Ecology, 2015, 26(10): 3059-3065. 羅珠珠, 李玲玲, 牛伊寧, 等. 隴中黃土高原半干旱區(qū)苜蓿地土壤干燥化特征及適宜種植年限. 應用生態(tài)學報, 2015, 26(10): 3059-3065.

[9] Fang X Y, Li J, Wang X C,etal. Soil desiccation of alfalfa fields and effects of alfalfa-grain crop rotation on soil water restoration of desiccated alfalfa fields in semi-humid areas of the Loess Plateau. Scientia Agricultura Sinica, 2010, 43(16): 3348-3356. 方新宇, 李軍, 王學春, 等. 黃土高原半濕潤區(qū)苜蓿草地土壤干燥化與草糧輪作水分恢復效應. 中國農(nóng)業(yè)科學, 2010, 43(16): 3348-3356.

[10] Melake K F, Richard J S, John G A,etal. Improving nitrogen and irrigation water use efficiency through adaptive management: A case study using annual ryegrass. Agriculture, Ecosystems & Environment, 2011, 141(3/4): 350-358.

[11] Yang T H, Cheng H, Eun Joong Kim,etal. Responses of high-sugar ryegrass productive performance to stimulated grazing on the Loess Plateau. Pratacultural Science, 2015, 32(9): 1473-1481. 楊天輝, 成慧, Eun Joong Kim, 等. 黃土高原模擬輪牧對高糖黑麥草生產(chǎn)性能的影響. 草業(yè)科學, 2015, 32(9): 1473-1481.

[12] Yang X L. Effects of Diversified Crop Rotations on Conserving Groundwater Resource and Lowering Carbon Footprint in the North China Plain[D]. Beijing: China Agricultural University, 2015. 楊曉琳. 華北平原不同輪作模式節(jié)水減排效果評價[D]. 北京: 中國農(nóng)業(yè)大學, 2015.

[13] Liu C Y, Sun X Y, Zhu T C,etal. Comparison of the production performance of ryegrass cultivars and screening of dominant varieties. Acta Prataculturae Sinica, 2014, 23(4): 39-48. 劉春英, 孫學映, 朱體超, 等. 不同黑麥草品種生產(chǎn)性能比較與優(yōu)勢品種篩選. 草業(yè)學報, 2014, 23(4): 39-48.

[14] Hao Y Y, Xu X, Ren D Y,etal. Distributed modeling of soil water-salt dynamics and crop yields based on HYDRUS-EPIC model in Hetao Irrigation District. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(11): 110-116. 郝遠遠, 徐旭, 任東陽, 等. 河套灌區(qū)土壤水鹽和作物生長的HYDRUS-EPIC 模型分布式模擬. 農(nóng)業(yè)工程學報, 2015, 31(11): 110-116.

[15] Williams J R, Jones C A, Dyke P T. A modeling approach to determining the relationship between erosion and soil productivity. Transactions of the ASAE, 1984, 27: 129-144.

[16] Williams J R. The erosion productivity impact calculator (EPIC) model: A case history. Philosophical Transactions: Biological Sciences, 1990, 329: 421-428.

[17] He Y B, Cai W M. Linking a farmer crop selection model (FCS) with an agronomic model (EPIC) to simulate cropping pattern in Northeast China. Journal of Integrative Agriculture, 2016, 15(10): 2417-2425.

[18] Williams J R. The EPIC model[C]//Singh V P. Computer Models of Watershed Hydrology. Highlands Ranch: Water Resources Publications, 1995: 909-1000.

[19] Yawen B, Gerrit H, Ron M,etal. A comparison of the performance of the CSM-CERES-Maize and EPIC models using maize variety trial data. Agricultural Systems, 2017, 150: 109-119.

[20] Raniero D P, Armin K, Rainer S. Sensitivity analysis, calibration and validation of EPIC for modelling soil phosphorus dynamics in Swiss agro-ecosystems. Environmental Modelling & Software, 2014, 62: 97-111.

[21] Wei X, Juraj B, Marijn V D V,etal. A calibration procedure to improve global rice yield simulations with EPIC. Ecological Modelling, 2014, 273: 128-139.

[22] Xu X, Chen S, Guan H H,etal. Global sensitivity analysis and calibration of parameters for a physically-based agro-hydrological model. Environmental Modelling & Software, 2016, 83: 88-102.

[23] Camargo G G T, Kemanian A R. Six crop models differ in their simulation of water uptake. Agricultural and Forest Meteorology, 2016, 220: 116-129.

[24] Wang Z M, Liang Y L. The application of EPIC model to calculate crop productive potentialities in loessic yuan region. Journal of Natural Resources, 2004, 17(4): 481-487. 王宗明, 梁銀麗. 應用EPIC模型計算黃土塬區(qū)作物生產(chǎn)潛力的初步嘗試. 自然資源學報, 2004, 17(4): 481-487.

[25] Sun J M, Yu X X, Fan D X. Effects of ryegrass on processes of soil infiltration under simulated rainfall. Soils, 2014, 46(6): 1115-1120. 孫佳美, 余新曉, 樊登星. 模擬降雨條件下黑麥草對土壤水分入滲的影響. 土壤, 2014, 46(6): 1115-1120.

[26] Wang S F, Luo Y C, Zhang X Q,etal. The production performance of 14 annual ryegrass varieties in the southwest of Sichuan Province. Acta Prataculturae Sinica, 2014, 23(6): 87-94. 王紹飛, 羅永聰, 張新全, 等. 14個多花黑麥草品種(系)在川西南地區(qū)生產(chǎn)性能綜合評價. 草業(yè)學報, 2014, 23(6): 87-94.

[27] Xie J F, Xu H W, Yang P Z,etal. Study on the applicability of ryegrass in north Sichuan mountain area. Journal of Sichuan Grassland, 1981, (3): 25-28. 謝家富, 胥洪文, 楊佩忠, 等. 黑麥草在川北山區(qū)的適用性研究. 四川草原, 1981, (3): 25-28.

[28] Cavero J, Plant R E, Shennan C,etal. Application of epic model to nitrogen cycling in irrigated processing tomatoes under different management systems. Agricultural Systems, 1998, 56(4): 391-414.

[29] Lui A T Y, Williams D J, McEntire R W,etal. Possible storm-intensity enhancing factor for the November 3, 1993 magnetic storm. Advances in Space Research, 2000, 25(7/8): 1639-1644.

[30] Li J, Wang X C, Shao M A,etal. Simulation of biomass and soil desiccation ofRobiniapseudoacaciaforestlands on semi-arid and semi-humid regions of China’s Loess Plateau. Chinese Journal of Plant Ecology, 2010, 34(3): 330-339. 李軍, 王學春, 邵明安, 等. 黃土高原半干旱和半濕潤地區(qū)刺槐林地生物量與土壤干燥化效應的模擬. 植物生態(tài)學報, 2010, 34(3): 330-339.

[31] Zhou Q, Zhao C P, Cao C X,etal. Effects of N dressing ratio on carbon and nitrogen transport and on grain yield ofLoliummultiflorum. Acta Prataculturae Sinica, 2010, 19(4): 47-53. 周琴, 趙超鵬, 曹春信, 等. 不同氮肥基追比對多花黑麥草碳氮轉(zhuǎn)運和種子產(chǎn)量的影響. 草業(yè)學報, 2010, 19(4): 47-53.

[32] Li X K, Lu J W, Liu X W,etal. Effect of fertilization on the yield and forage quality of annual ryegrass. Pratacultural Science, 2011, 28(9): 1666-1670. 李小坤, 魯劍巍, 劉曉偉, 等. 配方施肥對一年生黑麥草產(chǎn)草量及品質(zhì)的影響. 草業(yè)科學, 2011, 28(9): 1666-1670.

[33] Zhan L P, Lu J W, Yang J,etal. Effect of fertilization on growth and yield ofLoliummultiflorum. Pratacultural Science, 2011, 28(2): 260-265. 占麗平, 魯劍巍, 楊娟, 等. 施肥對黑麥草生長和產(chǎn)量的影響. 草業(yè)科學, 2011, 28(2): 260-265.

[34] Huang Q L, Zhong Z M, Chen E,etal. Effects of different N application methods and levels on the biological characteristics and nitrate content of ryegrass. Acta Prataculturae Sinica, 2010, 19(1): 103-112. 黃勤樓, 鐘珍梅, 陳恩, 等. 施氮水平與方式對黑麥草生物學特性和硝酸鹽含量的影響. 草業(yè)學報, 2010, 19(1): 103-112.

SimulationofsoilmoisturedynamicsandryegrassgrowthinthehillyregionofSichuanProvinceusingtheenvironmentalpolicyintegratedclimatemodel

WANG Xue-Chun1*, WANG Hong-Ni2, HUANG Jing1, YANG Guo-Tao1, HU Yun-Gao1

1.SchoolofLifeScienceandTechnology,SouthwestUniversityofScienceandTechnology,Mianyang621010,China; 2.CollegeofAdultandOnlineEducation,SouthwestUniversityofScienceandTechnology,Mianyang621010,China

The definition of soil moisture dynamics is very important to improve the management of ryegrass pasture. The use of the environmental policy integrated climate (EPIC) model can improve the accuracy of cropping system simulations, thereby providing better information for decision making. In this study, field experiments and computer simulations were used to analyze the growth process of ryegrass and the dynamics of soil moisture in ryegrass pastures. Then, the accuracy of the EPIC model to simulate ryegrass growth and soil moisture was evaluated. The results showed that available soil water in the deep soil layer (0.4-0.6 m) was relatively lower from March to May, but increased from May to October. Appropriate nitrogen fertilization (75-225 kg/ha) significantly increased the forage yield and leaf area index of ryegrass pastures in the hilly region of Sichuan Province. The correlation index values between observed and simulated available soil water in the 0-1 m soil layer ranged from 0.86 to 0.95 with RRMSE values ranging from 6.0% to 17.2%. The range of correlation index values between observed and simulated soil water in the 0-1 m soil layer was 0.57-0.92, and most values were >0.85. The correlation index values between simulated and observed values of forage yield, leaf area index, and height of ryegrass were >0.90, and there were no significant differences between simulated and observed values. In conclusion, the EPIC model can simulate soil moisture and forage yields of ryegrass pastures. These simulations can be used to evaluate the suitability of grain-forage cropping systems for the hilly regions of Sichuan Province.

ryegrass (Loliummultiflorum); enviornmental policy intigrated climate model; forage yield; soil water; Sichuan Province

10.11686/cyxb2016446

http://cyxb.lzu.edu.cn

王學春, 王紅妮, 黃晶, 楊國濤, 胡運高. 基于EPIC模型的四川丘陵區(qū)黑麥草生長過程及其土壤水分動態(tài)變化模擬. 草業(yè)學報, 2017, 26(9): 1-13.

WANG Xue-Chun, WANG Hong-Ni, HUANG Jing, YANG Guo-Tao, HU Yun-Gao. Simulation of soil moisture dynamics and ryegrass growth in the hilly region of Sichuan Province using the environmental policy integrated climate model. Acta Prataculturae Sinica, 2017, 26(9): 1-13.

2016-11-29；改回日期：2017-03-22

糧食豐產(chǎn)增效科技創(chuàng)新項目(2016YFD0300210)和四川省教育廳項目(13ZB0299)資助。

王學春(1979-)，男，山東威海人，副研究員，博士。E-mail:xuechunwang@swust.edu.cn*通信作者Corresponding author.