葛道闊+曹宏鑫+楊余旺+馬曉群+張文宇+張偉欣+林玥+李秉柏

摘要： 利用江蘇、安徽、山東和河南4個小麥主產(chǎn)省代表性區(qū)域有關(guān)試點的氣象數(shù)據(jù)，同時采用氣候數(shù)據(jù)插值專用軟件ANUSPLIN插值生成的上述代表性區(qū)域1971—2015年逐年5 km×5 km分辨率的網(wǎng)格化逐日數(shù)據(jù)集（逐日平均氣溫、最高氣溫、最低氣溫、降水量、日照時數(shù)等），結(jié)合經(jīng)改進的WCSODS（小麥栽培模擬優(yōu)化決策系統(tǒng)）及其區(qū)域化方法，并利用相關(guān)監(jiān)測數(shù)據(jù)，開展冬小麥旱澇災(zāi)害損失的區(qū)域化監(jiān)測預(yù)警與精細化評估。 結(jié)果表明，研究區(qū)域冬小麥有典型的北旱南澇、干旱災(zāi)損一般大于澇漬災(zāi)損的分布特點； 短期災(zāi)損指數(shù)可對小麥旱澇災(zāi)損進行區(qū)域化的動態(tài)監(jiān)測預(yù)警。

關(guān)鍵詞： 冬小麥；作物生長；模型；旱澇檢測預(yù)警；精細化；損失評估

中圖分類號： S165+.25 文獻標(biāo)志碼： A

文章編號：1002-1302（2017）22-0299-05

近年來，我國旱澇災(zāi)害頻發(fā)，氣象、農(nóng)業(yè)、水利等部門已開展了較多的監(jiān)測評估研究，較集中于采用干旱監(jiān)測指數(shù)的方法和采用多種數(shù)理統(tǒng)計技術(shù)，前者包括著名的Palmer指數(shù)和在我國通用的復(fù)合氣像干旱指數(shù)（CI指數(shù)）等 ，但往往難以滿足普適性、理論性、實用性等描述特征，在實際應(yīng)用中暴露出許多問題或給出相互矛盾的監(jiān)測結(jié)論；后者一般采用灰色關(guān)聯(lián)分析、模糊綜合評判等對作物旱澇災(zāi)害的影響開展分析[3-5]，其數(shù)據(jù)來源于站點，應(yīng)用分析也局限于站點，顯然難于充分滿足對于省級、跨省大區(qū)域級的作物生長全過程、動態(tài)化的作物災(zāi)損監(jiān)測與評估。

本研究利用江蘇、安徽、山東、河南4個小麥主產(chǎn)省代表性區(qū)域有關(guān)試點的氣象數(shù)據(jù)，同時采用氣候數(shù)據(jù)插值專用軟件-ANUSPLIN[6-7]插值生成的上述代表性區(qū)域1971—2015年逐年的5 km×5 km分辨率的網(wǎng)格化逐日數(shù)據(jù)集（逐日平均氣溫、最高氣溫、最低氣溫、降水量、日照時數(shù)等），在前期對作物生長模型進行改進及其小麥旱澇敏感性分析[8-10]基礎(chǔ)上，結(jié)合WCSODS（小麥栽培模擬優(yōu)化決策系統(tǒng)）[11]的參數(shù)區(qū)域化（主要包括氣象驅(qū)動數(shù)據(jù)、發(fā)育參數(shù)、生長參數(shù)、土壤參數(shù)以及初始值的網(wǎng)格化）等方法，采用作物傳統(tǒng)取樣和無線傳感網(wǎng)以及光譜技術(shù)，以實時監(jiān)測采集的小麥生長季土壤水分及作物長勢信息為基礎(chǔ)，開展了研究區(qū)域冬小麥旱澇災(zāi)害損失的高空間分辨率監(jiān)測預(yù)警與精細化評估。

1 材料與方法

1.1 WCSODS模型的改進

利用土壤相對濕度（x1）和土壤溫度（x2）資料，建立小麥播種期至出苗期天數(shù)的二元線性回歸模型，對小麥生育期模型進行改進；就干旱、澇漬對小麥LAI的影響進行訂正和計算；確定了凈光合速率的干旱、澇漬脅迫訂正因子；確定了小麥物質(zhì)分配（根冠比）的干旱、澇漬脅迫訂正因子；建立了小麥地上部干物質(zhì)分配子模型，給出了小麥葉分配系數(shù)PCl在不同干旱、澇漬脅迫處理下的取值；通過建立小麥抽穗之前和抽穗之后光合累積量向穗部的轉(zhuǎn)移率（k1和k2）與土壤相對含水量（SW）及澇漬天數(shù)（d）關(guān)系式，確定了小麥產(chǎn)量形成的干旱、澇漬脅迫訂正因子[8-9]。

1.2 模型參數(shù)的調(diào)試和確定

WCSODS模型中，小麥品種參數(shù)包括模擬模型參數(shù)和作物性狀參數(shù)，前者包括生育模型參數(shù)、葉齡動態(tài)模擬參數(shù)、葉面積與光合生產(chǎn)模型參數(shù)（包括光合作用參數(shù)和群體消光系數(shù)）；其中生育期模型參數(shù)按播種-出苗、出苗-春化、春化-拔節(jié)、拔節(jié)-抽穗、抽穗-成熟5個不同生育階段設(shè)置，與小麥生育期有關(guān)的參數(shù)共有13個，其功能和意義為：Ki（i=1、2、3、4、5）為反映不同發(fā)育階段發(fā)育特性的品種參數(shù)，Pi（i=1、2、3、4、5）為不同發(fā)育階段的增溫促進系數(shù)，Q3為高溫抑制系數(shù)，G5為感光系數(shù)，VE為小麥春化因子（表1），其計算方法和取值隨品種及溫度的變化而變化[11]。

以上作物性狀參數(shù)包括穗粒結(jié)構(gòu)參數(shù)、分蘗率參數(shù)和單株葉面積參數(shù)。A1、A3為小麥抽穗前和抽穗后葉片光合作用參數(shù)，B1為弱光條件下光—光合響應(yīng)曲線的初始斜率；E1、E3為水稻抽穗前和抽穗后群體消光系數(shù)。單株葉面積參數(shù)中包括了水稻生育不同時期的葉面積特征值，分為F7S（7葉期）、FTS（分蘗期）、FES（拔節(jié)期）、FHS（抽穗期）、FMS（成熟期），與本研究關(guān)系最為密切的品種參數(shù)。上述參數(shù)均因品種和生育期而異，根據(jù)當(dāng)?shù)囟嗄攴N植資料調(diào)試確定（表2）。

1.3 小麥干旱災(zāi)損指數(shù)的定義及其分級閾值的確定方法

定義2種干旱或澇漬災(zāi)損指數(shù)，即中長期災(zāi)損指數(shù)、短期災(zāi)損指數(shù)，前者是指出苗至任意生育時期發(fā)生干旱和澇漬的災(zāi)損指數(shù)，后者是指任意2個生育時期發(fā)生干旱和澇漬的災(zāi)損指數(shù)，一般取間隔5、10、20 d等，用于小麥生長季較短時段要求的旱澇災(zāi)害損失區(qū)域化監(jiān)測及精細化評估。采用中長期

災(zāi)損指數(shù)時，評估日之后的氣象數(shù)據(jù)采用天氣預(yù)報數(shù)值或區(qū)域性氣候模式輸出值，然后以水分脅迫造成模擬成熟期籽粒干質(zhì)量的水分條件下的損失率，定義小麥干旱或澇漬災(zāi)損指數(shù)（WDIem），WWSOpet和WWSOlmt分別為適宜水分和實際小麥籽粒干質(zhì)量（kg/hm2）。采用短期災(zāi)損指數(shù)，WDI20（以間隔 20 d 為例）定義為該時段前后模擬地上生物量遭受干旱或澇漬的損失率。WAGPpet和WAGPlmt分別為適宜水分和實際水分條件下的植株 地上總干質(zhì)量（kg/hm2），i為評估日的年內(nèi)日序。

當(dāng)冬小麥發(fā)生干旱或澇漬時，土壤濕度明顯低于或高于正常值，作物的響應(yīng)主要表現(xiàn)在生育過程中生長量下降和最終產(chǎn)量降低。改進后的WCSODS模型可以模擬水分適宜條件和水分脅迫條件下的冬小麥生長過程，二者間的差異可以確定干旱造成的冬小麥生長損失。

利用區(qū)域化的WCSODS模型模擬1973—2015年研究區(qū)域冬小麥網(wǎng)格點中長期災(zāi)損指數(shù)和短期災(zāi)損指數(shù)，結(jié)合實際產(chǎn)量損失出現(xiàn)的概率確定旱澇災(zāi)害指標(biāo)的分級閾值。參照“小麥干旱災(zāi)害等級”的氣象行業(yè)標(biāo)準(zhǔn)以及作物生長模型對旱澇的敏感性分析，將研究區(qū)域冬小麥旱澇災(zāi)害損失程度分為8級指標(biāo)，即特重度（旱）、重度（旱）、中度（旱）、輕度（旱）、正常、輕度（澇）、中度（澇）、重度（澇）。根據(jù)旱澇災(zāi)損樣本數(shù)值概率分布確定各級災(zāi)損閾值。endprint

1.4 氣象要素空間插值方法

氣象要素插值的所有方法中，基于地統(tǒng)計插值技術(shù)的Kriging法和薄盤樣條法TPS（thin plate spline）最為適用，ANUSPLIN是基于薄盤樣條理論針對氣候數(shù)據(jù)曲面擬合的專用軟件[6]，ANUSPLIN軟件允許引進多元協(xié)變量線性子模型，且模型系數(shù)可根據(jù)數(shù)據(jù)自動確定。它能同時進行多個表面的空間插值，對于時間序列的氣象數(shù)據(jù)尤其適合[7]。使用該空間插值方法估算非站點區(qū)域氣象要素數(shù)據(jù)，以獲得區(qū)域內(nèi)連續(xù)的空間氣象要素?？梢詽M足精細化旱澇災(zāi)害損失監(jiān)測與評估對高密度空間分布的逐日氣象觀測數(shù)據(jù)的需要。

1.5 冬小麥生長模型區(qū)域化方法

WCSODS是通過多品種、多年和多點的大量小麥生理生態(tài)試驗和文獻資料，基于系統(tǒng)分析方法和數(shù)學(xué)建模技術(shù)，在站點尺度上建立的，研制者在模型建立階段就對作物模擬技術(shù)怎樣在大面積生產(chǎn)中發(fā)揮作用展開了深入的討論，其中生長模型區(qū)域化是重要問題之一。WCSODS生長模型區(qū)域化主要包括有關(guān)生長的作物遺傳參數(shù)（GGP）、與發(fā)育有關(guān)發(fā)育的作物遺傳參數(shù)（DGP）、土壤參數(shù)（SP）區(qū)域化。

1.5.1 GGP區(qū)域化方法 如凈光合速率、根冠比、小麥地上部的分配系數(shù)（PCg）、葉面積指數(shù)、葉分配系數(shù)（PCl）以及抽穗前與抽穗后光合累積量向穗部轉(zhuǎn)移率（k1和k2）等[7]沒有明顯的空間變化規(guī)律，可以利用研究區(qū)域多個觀測點多年平均值代表區(qū)域參數(shù)。

1.5.2 DGP區(qū)域化方法 采用的多尺度方法，一是淡化品種間差異，代之以品種生態(tài)類型；二是遵從糧食生產(chǎn)地域性差異和區(qū)域性類同的事實，選擇適度的空間尺度[12]，在分區(qū)水平上調(diào)試以上小麥遺傳參數(shù)。研究區(qū)域4個農(nóng)業(yè)氣候區(qū)（東北丘陵冬麥區(qū)、北部平原冬麥區(qū)、北部平原冬麥區(qū)西部、沿淮冬麥區(qū)）各采用1套遺傳參數(shù)，利用21個樣點1998—2007年間小麥觀測資料，采用“試錯法”分別調(diào)試得到所在分區(qū)的以上遺傳參數(shù)，包括品種類型參數(shù)、增溫促進系數(shù)、高溫抑制系數(shù)、感光系數(shù)、小麥春化因子等。

1.5.3 SP區(qū)域化方法 土壤參數(shù)主要包括凋萎濕度、田間持水量及容重等參數(shù)，利用中國科學(xué)院南京土壤研究所提供的全國1 ∶ 100萬的各類土壤參數(shù)格點數(shù)據(jù)。由于小麥播期在4個分區(qū)內(nèi)差異較小，因此分別用各區(qū)多個觀測點多年平均值代表分區(qū)參數(shù)。

2 結(jié)果與分析

2.1 冬小麥站點旱澇損失評估

利用4個主產(chǎn)省各個試驗站點歷年（1973—2015年）逐日氣象數(shù)據(jù)驅(qū)動改進后的WCSDOS模型，計算全生育期旱澇災(zāi)損指數(shù)，則可進行站點冬小麥旱澇災(zāi)害評估。

Ⅰ區(qū)的山東沂源和Ⅱ區(qū)的河南鄭州、Ⅲ區(qū)的江蘇東海干旱災(zāi)損指數(shù)分別為33.6%、27.1%、22.9%，而Ⅳ區(qū)的安徽淮南、安徽六安，河南信陽、江蘇興化干旱災(zāi)損指數(shù)為 0.2%～6.7%（圖1-a）；4個主產(chǎn)省不同冬小麥區(qū)中，處于Ⅳ區(qū)的安徽六安的澇漬災(zāi)損指數(shù)明顯高于其他站點，為 23.0%，其他站點為0.4%～12.9%（圖1-b）。

2.2 冬小麥旱澇災(zāi)損精細化評估

研究區(qū)域所有網(wǎng)格點干旱災(zāi)損指數(shù)和澇漬災(zāi)損指數(shù)平均值的歷年變化見圖2。從圖2可以看出，研究區(qū)域冬小麥干旱災(zāi)害損失大于澇漬。二者均有隨時間延長微弱降低的趨勢，但均未通過顯著性檢驗。近年來，出現(xiàn)旱災(zāi)損失較大的年份主要有1986、1978、2000、1981年，澇漬災(zāi)害造成損失較大的年份主要有1998、1989、1979、1990年。

以1999—2008年為例，對研究區(qū)域冬小麥旱澇災(zāi)損進行區(qū)域化評估（圖3僅顯示有代表性的4年）。本研究區(qū)域小麥旱澇災(zāi)損分布有典型的北旱南澇特點。2000年幾乎為整個研究區(qū)域的干旱年， 僅僅安徽霍山和江蘇如皋局部有一些

澇災(zāi)損失。2001、2002、2003年為典型的北旱南澇，而旱澇災(zāi)損分布和等級又有不同。2001年在山東省莒縣和河南商丘、南陽一線以北有旱災(zāi)損失，而安徽六安和江蘇海安以南少部分地區(qū)為中度澇災(zāi)損失以上，其余大部分地區(qū)為正常或僅有輕澇災(zāi)損。2002年北部干旱災(zāi)損嚴重、2003年南部澇漬災(zāi)損嚴重。2006年的澇漬災(zāi)損則呈沿研究區(qū)域南部帶狀分布特點。2004、2005、2007年該研究區(qū)域大部分地區(qū)未出現(xiàn)旱澇災(zāi)損。

2.3 冬小麥旱澇災(zāi)損的動態(tài)監(jiān)測與評估

利用各地實時作物出苗日期、品種熟性數(shù)據(jù)，在作物對水分脅迫的敏感生育階段，利用作物生長模型結(jié)合旱澇指標(biāo)進行旱澇等級評價，并給出生物量損失的定量評估，利用不斷更新的實時氣象數(shù)據(jù)驅(qū)動作物生長模型，結(jié)合旱澇指標(biāo)，可以開展旱澇災(zāi)害損失的動態(tài)監(jiān)測與評估，

利用短期災(zāi)損指數(shù)開展冬小麥干旱損失的監(jiān)測與評估（圖4），其動態(tài)時間尺度為每10 d 1次，評估時長為20 d，跟蹤時間為2000年2月中旬至5月下旬。從圖4可以看出，2月中旬，在小麥大田生育前期，在Ⅰ區(qū)及Ⅱ區(qū)北部已發(fā)生不同程度的旱情，從面積上看，災(zāi)損等級以特重旱最大、重度旱次之、中度旱最小，其他地區(qū)麥田水分正常或有澇漬且在災(zāi)損等級上以重度澇為主，至3月下旬，旱災(zāi)的范圍向南有所蔓延，尤其在研究區(qū)域西北部，與此同時，在干旱區(qū)域的南部，麥田水分正常區(qū)域顯著向南擴大，4月上旬，旱災(zāi)的范圍幾乎遍及Ⅰ區(qū)、Ⅱ區(qū)、Ⅲ區(qū)的全部和Ⅳ區(qū)的西北部，其后旱情范圍有一度向北有所收窄又向南蔓延，至5月下旬初，旱災(zāi)范圍達到最大，達研究區(qū)域面積的70%左右，且在災(zāi)損等級上以特重旱為主，僅在旱災(zāi)區(qū)域的南沿為重度旱和中度旱。

利用短期災(zāi)損指數(shù)開展的冬小麥的澇漬損失的監(jiān)測與評估見圖5，其動態(tài)時間尺度為每10 d 1次，評估時長為20 d，跟蹤時間為1998年2月中旬至5月下旬（部分圖省略）。從圖5可以看出，2月中旬至下旬，Ⅲ區(qū)和Ⅳ區(qū)除西北部以外的地區(qū)均發(fā)生澇漬災(zāi)害，其后澇漬災(zāi)害范圍隨發(fā)育進程逐漸擴展，災(zāi)損等級除了原來已達重度的區(qū)域以外，其他區(qū)域也呈由輕度至重度災(zāi)損變化之勢，3月下旬至小麥生育后期，澇漬災(zāi)害幾乎遍及研究區(qū)域除研究區(qū)域北沿局部地區(qū)以外的所有地區(qū)。且以重度澇漬災(zāi)損為主。endprint

3 討論與結(jié)論

盡管作物生長模型WCSODS本身具有機理性強和通用性強的特性，但限于小麥旱澇機理研究的深度、廣度以及品種、類型的特異性，本研究旱澇脅迫訂正還有一定的經(jīng)驗成分。不同小麥種植區(qū)在使用這個模型之前，應(yīng)根據(jù)當(dāng)?shù)刭Y料，重新調(diào)整模型參數(shù)，以期提高小麥旱澇損失評估的準(zhǔn)確性。氣象要素的插值誤差以及作物生長模型本身及其遺傳參數(shù)和土壤參數(shù)等均不同程度地影響了作物模型評估的災(zāi)損率等級的準(zhǔn)確率。評估準(zhǔn)確性的提高是下一步研究工作的重點，還主要有賴于插值方法與技術(shù)的改進以及小麥旱澇機理研究以及品種、類型的特異性研究的深入。隨著小麥、油菜季節(jié)性干旱預(yù)測預(yù)警及作物長勢的實時快速監(jiān)測等技術(shù)的進步，以作物模擬技術(shù)為主體建立的宏觀監(jiān)測、微觀監(jiān)測并重的干旱監(jiān)測方法和技術(shù)體系，可為小麥、油菜減災(zāi)、防災(zāi)和糧食安全保障提供有效的技術(shù)支撐。

參考文獻：

[1] 包云軒，孟翠麗，申雙和，等. 基于CI指數(shù)的江蘇省近50年干旱的時空分布規(guī)律[J]. 地理學(xué)報，2011，66（5）：599-608.

[2]詹 存，梁 川，趙 璐. 川中丘陵區(qū)季節(jié)性干旱時空分布特征及成因分析[J]. 農(nóng)業(yè)工程學(xué)報，2013，29（21）：82-90.

[3]魏 麗，王保生. 江西省區(qū)域性洪澇災(zāi)害模糊綜合評判方法的研究[J]. 中國農(nóng)業(yè)氣象，1998，19（1）：49-52.

[4]干蓮君，項 瑛，田心如. 江蘇旱澇災(zāi)害對農(nóng)作物經(jīng)濟損失評估的探討[J]. 氣象科學(xué)，2001，21（1）：122-126.

[5] 葉正偉. 江蘇旱澇災(zāi)害對農(nóng)業(yè)經(jīng)濟的影響及承災(zāi)系統(tǒng)分析[J]. 江蘇農(nóng)業(yè)科學(xué)，2006（4）：5-7.

[6]Hutchinson M F. ANUSPL IN Version 4.3 user guide[M]. Canberra：The Australia National University，Center for Resource and Environment Studies，2004.

[7]劉志紅，Li L T，Cvicar T M，et al.專用氣候數(shù)據(jù)空間插值軟件ANUSPLIN及其應(yīng)用[J]. 氣象，2008，34（2）：92-100.

[8]葛道闊，曹宏鑫，張利華，等. WCSODS中小麥生育期模型在淮河流域旱澇脅迫環(huán)境下的改進[J]. 江蘇農(nóng)業(yè)學(xué)報，2012，28（4）：722-727.

[9]葛道闊，曹宏鑫，張利華，等. 基于干旱澇漬迫脅的WCSODS模型訂正與檢驗[J]. 江蘇農(nóng)業(yè)學(xué)報，2013，29（3）：490-495.

[10] 葛道闊，曹宏鑫，馬曉群，等. 基于作物生長模型的小麥旱澇敏感性分析與損失評估[J]. 江蘇農(nóng)業(yè)學(xué)報，2016，32（6）：1302-1309.

[11]高亮之，金之慶，鄭國清，等. 小麥栽培模擬優(yōu)化決策系統(tǒng)（WCSODS）[J]. 江蘇農(nóng)業(yè)學(xué)報，2000，16（2）：65-72.

[12]江 敏，金之慶. CERES-Rice模型區(qū)域應(yīng)用中遺傳參數(shù)升尺度的一種方法[J]. 中國水稻科學(xué)，2009，23（2）：172-178.endprint