北方農(nóng)牧交錯(cuò)帶氣候變化對(duì)糧草輪作生產(chǎn)的影響

楊軒，賈鵬飛，侯青青，朱敏

（山西農(nóng)業(yè)大學(xué) 草業(yè)學(xué)院，山西 太谷 030801）

北方農(nóng)牧交錯(cuò)帶是我國農(nóng)業(yè)區(qū)域、畜牧業(yè)區(qū)域和人類社會(huì)相交匯和過渡的地帶［1-2］，是我國東部農(nóng)耕區(qū)的生態(tài)屏障和畜產(chǎn)品供應(yīng)基地，西部牧區(qū)的水源涵養(yǎng)帶和飼草料供應(yīng)基地，同樣也是全球的“生態(tài)放大鏡”［3］。長期以來，由于氣候變化、人類過度開發(fā)等因素，北方農(nóng)牧交錯(cuò)帶農(nóng)業(yè)生產(chǎn)水平低下、經(jīng)濟(jì)發(fā)展滯后，草地退化、土壤沙化嚴(yán)重，農(nóng)業(yè)、生態(tài)等功能大幅度減弱［4-6］。近年來，在氣候變化和農(nóng)牧交錯(cuò)帶界限遷移的影響下，該地區(qū)的土地結(jié)構(gòu)、利用、耕種情況也在不斷的變化，導(dǎo)致了土地生產(chǎn)力下降，荒漠化趨勢加劇，水資源嚴(yán)重不足，糧食產(chǎn)量減少，飼草飼料嚴(yán)重不足［7-9］。據(jù)馬雯思等［10］對(duì)于北方農(nóng)牧交錯(cuò)帶30 年氣候變化趨勢的分析表明，未來氣候變化對(duì)于該區(qū)域土地利用、生態(tài)恢復(fù)、農(nóng)牧業(yè)發(fā)展等有極大的影響。如何在農(nóng)業(yè)方面應(yīng)對(duì)氣候變化的影響已然成為該地區(qū)農(nóng)牧和生態(tài)可持續(xù)發(fā)展面臨的嚴(yán)峻問題。

探究北方農(nóng)牧交錯(cuò)帶在未來氣候下的不同作物種植模式生產(chǎn)組分的變化，可為該地區(qū)探尋適宜的模式提供重要參考并協(xié)助保障食物安全。雖然傳統(tǒng)田間試驗(yàn)的研究可靠性較高，但是時(shí)間跨度長，難以保證年際代表性，也無法預(yù)估未來氣候變化與其對(duì)作物生產(chǎn)的影響趨勢。而作物模型利用其強(qiáng)大的算法和功能，可結(jié)合氣候變化、土壤特征和管理措施等條件的變化，模擬作物生產(chǎn)過程，解決時(shí)間尺度不足與預(yù)測數(shù)據(jù)受限的問題，因此受 到 各 國 關(guān) 注［11］。APSIM（Agricultural Produc?tion Systems Simulator）模型是由隸屬澳大利亞聯(lián)邦科工組織和昆士蘭州政府的農(nóng)業(yè)生產(chǎn)系統(tǒng)組（APARU）開發(fā)研制的動(dòng)態(tài)機(jī)理模型，將土壤作為核心模塊，與氣候、管理措施和作物等眾多子模塊相耦合，可靈活的模擬作物生長過程［12］，使APSIM模型在國內(nèi)外受到廣泛的應(yīng)用［13-15］。

本研究先通過在北方農(nóng)牧交錯(cuò)帶地區(qū)進(jìn)行田間試驗(yàn)，對(duì)APSIM 模型的多種模塊參數(shù)進(jìn)行校準(zhǔn)驗(yàn)證，然后利用氣候模型和APSIM 模型進(jìn)行情景模擬，情景設(shè)計(jì)基于1980-2009 年的歷史氣象數(shù)與GCM（全球氣候模型）預(yù)測的2040-2069 年、2070-2099 年的氣象數(shù)據(jù)，模擬該地區(qū)幾種重要作物組成的種植模式：玉米-燕麥、燕麥-馬鈴薯、秣食豆-玉米、秣食豆-馬鈴薯、馬鈴薯-玉米和玉米連作的生產(chǎn)，旨在探究適應(yīng)于北方農(nóng)牧交錯(cuò)帶具有生產(chǎn)力優(yōu)勢且可長期生產(chǎn)持續(xù)性的種植模式，為該地區(qū)未來氣候條件下的種植模式提出參考借鑒。

1 材料和方法

1.1 材料與研究區(qū)

田間試驗(yàn)地點(diǎn)位于山西右玉黃土高原草地生態(tài)系統(tǒng)定位觀測研究站，處于北方農(nóng)牧交錯(cuò)帶中心區(qū)的山西省右玉縣威遠(yuǎn)鎮(zhèn)，地理坐標(biāo)為39.9968°N，112.3277°E，海拔1348 m，屬于溫帶大陸季風(fēng)氣候。冬春季干旱少雨，多風(fēng)沙，夏季降水集中。研究區(qū)1980-2010 年的年際降水量為295~507 mm（平均403 mm），年際均溫在2.7~5.6 ℃（平均4.6 ℃），期間年際降水量和年際均溫的變異系數(shù)分別為18.4%和18.2%。最冷月為1 月，均溫?14 ℃（-17.8~-9 ℃）；最熱月為7 月，均溫20.5 ℃（18.9~22.4 ℃）；≥0℃積 溫 為2600~3600 ℃。終霜期為5 月初，初霜期為9 月上中旬，無霜期為100~120 d。全年太陽總輻射量為598 KJ·cm-2，年日照時(shí)數(shù)為2600~2700 h。地下 水埋深大于12 m，對(duì)2 m 內(nèi)的土體基本沒有補(bǔ)給［16］。

1.2 試驗(yàn)方法

1.2.1 田間試驗(yàn)方法

試驗(yàn)區(qū)選取地勢平坦的土地，根據(jù)當(dāng)?shù)刈魑餁v史、氣候條件設(shè)4 個(gè)糧草輪作模式：玉米-飼用燕麥、玉米-秣食豆、馬鈴薯-飼用燕麥、馬鈴薯-秣食豆；2 個(gè)糧食作物模式：玉米-馬鈴薯輪作、玉米連作；以及休閑處理。田間試驗(yàn)地于2020 年建立，2020-2021 年間各輪作、連作設(shè)置見表1。在多生產(chǎn)模式設(shè)計(jì)的基礎(chǔ)上，設(shè)2 個(gè)不同的輪作時(shí)間序列對(duì)應(yīng)各輪作模式。根據(jù)表1 所設(shè)置，飼用燕麥-玉米輪作的序列1 與序列2 的代碼分別為OM_1 及OM_2，表示于2020 年分別播種飼用燕麥和玉米，次年輪換，其余輪作模式以此類推。則田間試驗(yàn)部分的小區(qū)數(shù)總計(jì)為（5 個(gè)輪作模式×2 個(gè)時(shí)間序列+1 個(gè)連作模式+1 個(gè)休閑處理）×3 個(gè)重復(fù)=36 個(gè)小區(qū)，隨機(jī)區(qū)組設(shè)計(jì)。

表1 各生產(chǎn)模式的序列設(shè)置Table 1 Sequence setting of each production mode

各作物播種前翻耕田地，耕深20~30 cm，于2020 年5 月27、28 日分別灌溉50、35 mm，2021 年6月6 日灌溉50 mm。作物播種方式、播種量等措施見表2。

表2 各作物的種植管理措施Table 2 The implementing managements for each crop

記錄各作物的關(guān)鍵生育時(shí)期（以田地內(nèi)50%的植株達(dá)到特定生育時(shí)期為準(zhǔn)）并取樣：玉米及飼用燕麥于出苗期、抽穗期（生長期結(jié)束）、開花期、收獲期取樣（飼用燕麥以刈割期作為收獲期）；馬鈴薯于出苗期、塊莖形成期、開花期、成熟期取樣；秣食豆于出苗期、初花期（生長期結(jié)束）、盛花期、收獲期時(shí)取樣。植物樣品置于105 ℃下殺青30 min，于65 ℃下烘48 h 至恒重，測定干物質(zhì)生物量、籽粒產(chǎn)量。馬鈴薯塊莖產(chǎn)量使用水比重法測定。

采集土壤樣本時(shí)分為0~10、10~20、20~40、40~60、60~80、80~100 及100~120 cm 共7 層。采用比重法測定土壤顆粒組成，并根據(jù)Saxton 和Rawls［17］提供的方法計(jì)算土壤容重、田間持水量、飽和含水量。采用Vario TOC 總碳分析儀測定7層土樣的初始土壤有機(jī)碳（SOC）。各小區(qū)每月通過烘干法測定7 層土樣的土壤水分含量。

1.2.2 APSIM 模型描述

APSIM 模型的構(gòu)架主要由作物模塊、土壤模塊（含土壤水分、土壤N 模塊）、地表留茬模塊、管理模塊（含管理措施與氣象）以及負(fù)責(zé)連接運(yùn)轉(zhuǎn)各模塊的核心引擎所組成［18］。作物模塊負(fù)責(zé)模擬植物的關(guān)鍵生理過程，物候生長由3 基點(diǎn)溫度控制（玉米為4 基點(diǎn)），模擬的生命過程分為物候、生物量、水分關(guān)系、N 吸收、衰老和死亡等。3 基點(diǎn)為最低生長溫度、最適生長溫度（玉米最適生長溫度為2 個(gè)基點(diǎn)之間）與最高生長溫度，處于最適生長溫度范疇時(shí)植物可獲得最高的有效積溫，從而推進(jìn)作物的生長發(fā)育、到達(dá)特定的物候期［19］。APSIM以小麥模型為基礎(chǔ)，確立了APSIM 模型的通用作物模塊，可模擬30 種作物的生長發(fā)育過程（參考官方網(wǎng)站，https：//www.apsim.info/wp-content/up?loads/2019/09/WheatDocumentation.pdf），后又整合了多種禾本作物模塊［20］、豆科模塊［21］及牧場模塊［22］等。玉米模塊中，關(guān)鍵物候期為出苗期-生長期-開花期（完全抽雄）-灌漿期-成熟期。馬鈴薯為出苗期-塊莖形成-塊莖衰老-成熟期。燕麥與大豆（本研究中分別對(duì)應(yīng)飼用燕麥與秣食豆）為出苗-生長期-初花期（燕麥抽穗/秣食豆節(jié)間出現(xiàn)一朵花）-盛花期（即開花階段）-灌漿期-成熟期，本研究中由于采用飼用燕麥與秣食豆，研究過程中無法到達(dá)成熟期。以上各時(shí)期過度均以有效積溫累積為開關(guān)。

APSIM 的土壤水分模塊與水分和蒸散相關(guān)，是 基 于 水 分 分 層 均 衡 模 型［23］，由PERFECT 模型［24］改進(jìn)而來。模型中的土壤水分特征曲線由萎蔫系數(shù)（LL15）、作物水分利用低限（CLL）、田間最大持水量（DUL）、飽和體積含水量（SAT）來表示。APSIM 的土壤水模塊中，由水分運(yùn)移子模塊［21］和蒸發(fā)子模塊構(gòu)成［25］。水分運(yùn)移時(shí)，模擬過程中使飽和水分由表層移向下層；非飽和水分的運(yùn)動(dòng)過程使用Richard 方程描述。土壤蒸發(fā)則分為土壤表面飽和濕潤，水分散失量大于等于潛在蒸發(fā)率的第一階段和以土壤水力學(xué)性質(zhì)決定的第二階段［26］。土 壤N 模 塊 是 在CERES（Crop Environ?ment Resource Synthesis）的基礎(chǔ)上發(fā)展而來，反映了土壤C 和N 動(dòng)態(tài)，將土壤有機(jī)質(zhì)分為活性C、土壤微生物及其產(chǎn)物庫（Biom）和土壤有機(jī)質(zhì)庫（Hum）。 2 個(gè)庫間的C 流計(jì)為全C，相應(yīng)的N 流由C 庫中的C/ N 比決定［21］。地表留茬模塊則描述了地表留茬分解和其對(duì)于C/N 比的影響，在本研究中未涉及相關(guān)的處理。

管理模塊用于發(fā)展用戶定義模擬過程的管理措施和控制模擬過程，包括作物種植時(shí)間、密度、施肥、灌溉、收割等過程的設(shè)置以及條件規(guī)則。氣象模塊則負(fù)責(zé)記錄如逐日氣溫、降水量及輻射量等氣象數(shù)據(jù)，并反饋于作物、土壤模塊，驅(qū)動(dòng)相應(yīng)的機(jī)制運(yùn)轉(zhuǎn)［18］。

1.2.3 APSIM 模型校準(zhǔn)

使用田間試驗(yàn)測定的各項(xiàng)指標(biāo)，對(duì)APSIM 模型的作物、土壤模塊的主要參數(shù)進(jìn)行校正，各作物的關(guān)鍵階段所需積溫則由觀測到的物候日期及逐日氣溫計(jì)算（表3、4）。

表3 4 種作物品種的主要校準(zhǔn)參數(shù)Table 3 The main validated parameters of four crops variety

參數(shù)校準(zhǔn)后，對(duì)各作物生產(chǎn)進(jìn)行校準(zhǔn)模擬，模擬中各管理措施設(shè)置與田間試驗(yàn)完全一致，并導(dǎo)入試驗(yàn)進(jìn)行期間所觀測的氣象數(shù)據(jù)，模型輸出作物產(chǎn)量、干物質(zhì)生物量。檢驗(yàn)指標(biāo)使用均方根誤差（Root Mean Squared Error，RMSE）與歸一化均方根誤差（Normalized Root Mean Squared Error，NRMSE）。RMSE與NRMSE計(jì)算公式如下：

式 中，Yobs為 實(shí) 測 值，Ysim為 模 擬 值，Ymean為 實(shí) 測 值的平均值。RMSE 與NRMSE 越小代表模擬數(shù)值與實(shí)測數(shù)值的平均誤差越小，模擬精度越高。

1.2.4 氣候情景生成

為獲得未來氣候數(shù)據(jù)，本研究利用氣象數(shù)據(jù)生產(chǎn)工具ACSGTR（AgMIP climate scenario gen?eration tools with R；www.agmip.org）生成未來氣候情景。ACSGTR 可利用研究區(qū)的歷史氣象數(shù)據(jù)以生成多種GCM 所預(yù)測的氣候情景，并且容納不同機(jī)構(gòu)預(yù)測的RCP（Representative Concentration Pathway）情 景：如RCP2.6、RCP4.5、RCP6.0、RCP8.5，各通道數(shù)字代表2100 年的輻射強(qiáng)迫（單位J·m-2）。

表4 研究區(qū)土壤的基本參數(shù)Table 4 The soil parameters of the study area

作為對(duì)照，使用研究區(qū)1980-2009 年的歷史氣象數(shù)據(jù)為基準(zhǔn)情景，含逐日降水、逐日最高、最低溫及逐日太陽輻射量，由中國氣象數(shù)據(jù)網(wǎng)（http：//data.cma.cn/site/index.html）獲得。GCM 情景生成時(shí)需基于R 語言框架導(dǎo)入前置統(tǒng)計(jì)模塊，輸入并運(yùn)行ACSGTR 系列代碼。情景基于RCP8.5 通道，選 用 的GCM 為ACCESS1-0、bcc-csm1-1、CanESM2、CCSM4 及HadGEM2-CC，時(shí) 間 區(qū) 間為2040-2069 和2070-2099 年（表5）。RCP8.5 下，1980-2009、2040-2069 和2070-2099 區(qū)間的CO2濃度變化則參考國際應(yīng)用系統(tǒng)分析研究所（IIASA）的RCP 數(shù) 據(jù) 庫 確 定（https：//tntcat.iiasa.ac.at/RcpDb/），分別設(shè)定為390、677 和935 mg·kg-1。

表5 全球氣候模型（GCM）預(yù)測情景的年降水量及氣溫變化Table 5 Annual precipitation and temperature changes of global climate model（GCM）projected scenarios

1.2.5 情景模擬設(shè)置

基于氣候模型所生成的氣候情景模擬6 種作物生產(chǎn)模式，含4 個(gè)糧草輪作模式：玉米-飼用燕麥、玉米-秣食豆、馬鈴薯-飼用燕麥、馬鈴薯-秣食豆；2 個(gè)糧食作物模式：玉米-馬鈴薯、玉米連作。輸出作物產(chǎn)量、土壤耗水量，計(jì)算水分利用效率（Water Use Efficiency，WUE），并明確以上指標(biāo)對(duì)氣候變化的響應(yīng)。

所有作物設(shè)置特定種植區(qū)間為5 月15-25 日，區(qū)間內(nèi)累積5 d 內(nèi)降水達(dá)到10 mm 即開始種植，否則于區(qū)間最后一日種植，并于種植后灌溉50 mm。玉米、馬鈴薯最遲于9 月30 日收獲，而為保證飼草品質(zhì)與產(chǎn)量，燕麥、秣食豆最晚于8 月30 日收獲。其余模擬生產(chǎn)設(shè)置同田間試驗(yàn)（表1），初始模擬條件見表3。

通過土壤水分、降水量等計(jì)算系統(tǒng)耗水量（Evapotranspiration，ET）：

要減少工業(yè)生產(chǎn)中的機(jī)械設(shè)備的故障率，需要從源頭做起，要對(duì)整個(gè)流水線上所有的機(jī)械設(shè)備做好檢測工作，對(duì)每臺(tái)機(jī)械設(shè)備進(jìn)行詳細(xì)的數(shù)據(jù)采集工作。相比以往的人工記錄數(shù)據(jù)時(shí)代，人工智能化的數(shù)據(jù)處理模式大大提高了數(shù)據(jù)采集工作的效率，也能夠?qū)φ麄€(gè)設(shè)備的運(yùn)行情況有清晰的了解。在實(shí)際（人工）的數(shù)據(jù)采集工作中，一般需要人工使用相應(yīng)的檢測儀器進(jìn)行讀數(shù)，然后將數(shù)據(jù)記錄下來，再移送到數(shù)據(jù)分析部門進(jìn)行分析，最后保存到資料室，整個(gè)數(shù)據(jù)采集和處理的流程十分繁瑣，且比較容易出錯(cuò)。

式 中，ET 為 系 統(tǒng) 耗 水 量，P 為 降 水 量，I 為 灌 溉 水量，SWi與SWt分別為生產(chǎn)初期與末期的土壤儲(chǔ)水量（0-120 cm）。

通過作物產(chǎn)量和和系統(tǒng)耗水量計(jì)算WUE：

式中，WUE 為水分利用效率，Y 為作物產(chǎn)量，ET為系統(tǒng)耗水量。

1.3 統(tǒng)計(jì)分析

采用Microsoft Excel 軟件對(duì)所得數(shù)據(jù)進(jìn)行處理分析，制圖。使用SPSS24.0 統(tǒng)計(jì)軟件對(duì)校準(zhǔn)模擬中實(shí)測值與模擬值，及不同情景、不同處理間的模擬輸出數(shù)據(jù)進(jìn)行方差分析。

2 結(jié)果與分析

2.1 APSIM 模擬校準(zhǔn)

由表6 可見，玉米籽粒產(chǎn)量和地上生物量的RMSE值 分 別 為495 kg·hm-2和2113 kg·hm-2，NRMSE值分別為6.25%和11.51%；馬鈴薯塊莖產(chǎn)量和地上生物量的RMSE值分別為825 kg·hm-2和441 kg·hm-2，NRMSE值 分 別 為7.88% 和12.19%；飼用燕麥地上生物量的RMSE值為1987 kg·hm-2，NRMSE值為15.48%；秣食豆地上生物量的RMSE值為406 kg·hm-2，NRMSE值為9.97%。APSIM 捕捉到了2020 與2021 年測定指標(biāo)的差異，總體來說模擬精度較高（表6），作物產(chǎn)量的模擬值與實(shí)測值相吻合，適宜該地區(qū)作物生產(chǎn)的模擬。

表6 4 種作物產(chǎn)量/地上生物量實(shí)測值與模擬值之間的驗(yàn)證指標(biāo)Table 6 The indices of validation between measured and simulated yields/aboveground biomass of four crops

2.2 情景模擬的作物產(chǎn)量

由圖1 可見，相較于基準(zhǔn)情景（baseline），世紀(jì)中期（mid）和后期（end）的玉米產(chǎn)量顯著提高了10.37%~25.17%（P<0.05），馬鈴薯產(chǎn)量顯著提高了15.71%~23.02%（P<0.05），燕麥產(chǎn)量顯著提高了7.52%~19.20%（P<0.05），秣食豆產(chǎn)量顯著提高了21.90%~36.07%（P<0.05）。

圖1 預(yù)測情景下各種植模式的作物產(chǎn)量Fig.1 The crop yield of each planting pattern under the projected scenarios

玉米各輪作模式與連作比較可知，各輪作模式的玉米產(chǎn)量與連作之間差異不顯著（P>0.05）。且馬鈴薯、燕麥、秣食豆的不同輪作模式對(duì)其產(chǎn)量均無顯著影響（P>0.05）。

2.3 情景模擬的年際耗水量（ET）

圖2 預(yù)測情景下各種植模式的作物耗水量Fig.2 The crop evapotranspiration of each planting pattern under the projected scenarios

玉米各輪作模式與連作比較，可知玉米-秣食豆、玉米-燕麥輪作使玉米的ET 平均低8.26%~8.51%（P<0.05），但在玉米-馬鈴薯輪作則未表現(xiàn)顯著差異（P>0.05）。馬鈴薯-燕麥、馬鈴薯-秣食豆輪作輪作中的馬鈴薯ET 相較馬鈴薯-玉米輪作低5.74%-11.29%（P<0.05）。而燕麥、秣食豆于不同模式中ET 無顯著變化（P>0.05）。

2.4 情景模擬的水分利用效率（WUE）

由圖3 可見，相較于基準(zhǔn)情景（baseline），世紀(jì)中期（mid）和后期（end）情景下，玉米的WUE 平均提高16.50%（P<0.05），燕麥的WUE 平均提高12.10%（P<0.05），秣食豆的WUE 提高23.13%（P<0.05）。馬鈴薯的WUE 雖有提高趨勢，但不顯著（2.11%~4.89%；P>0.05）

圖3 預(yù)測情景下各種植模式的水分利用效率（WUE）Fig.3 The crop water use efficiency（WUE）of each planting pattern under the projected scenarios

玉米各輪作模式與連作比較可知，玉米-燕麥輪作顯著提高了玉米的WUE 達(dá)10.51%（P<0.05），其它玉米輪作方式對(duì)玉米WUE 雖有提升趨勢，但不顯著（P>0.05）。馬鈴薯-燕麥輪作、馬鈴薯-秣食豆輪作與馬鈴薯-玉米輪作相比，馬鈴薯的WUE 顯著提高7.94%~15.89%（P<0.05）。燕麥、秣食豆于不同模式中WUE 的差異不顯著。

3 討論

本研究通過北方農(nóng)牧交錯(cuò)帶雁門關(guān)地區(qū)進(jìn)行的田間試驗(yàn)校準(zhǔn)了APSIM 作物模型，并建立玉米-燕麥、燕麥-馬鈴薯、秣食豆-玉米、秣食豆-馬鈴薯、馬鈴薯-玉米和玉米連作的6 種模式，將1980-2009 年的氣象數(shù)據(jù)作為基準(zhǔn)情景，于氣候模型預(yù)測的2040-2069 年、2070-2099 年情景下，利用APSIM 模擬了作物產(chǎn)量、年際耗水量和WUE，并進(jìn)行比較和討論。

根據(jù)方梓行等［27］對(duì)北方農(nóng)牧交錯(cuò)帶未來氣候變化的分析，該區(qū)域總體年均氣溫的增長速率為0.20~0.50 ℃·10 a-1，年 降 水 量 的 變 化 速 率 為1.49~15.59 mm·10a-1，與本研究采用的氣候生產(chǎn)模型ACSGTR 產(chǎn)生的該地區(qū)未來氣象數(shù)據(jù)基本吻合，說明預(yù)測情景的變化趨勢符合實(shí)際。本研究采用實(shí)測數(shù)據(jù)對(duì)APSIM 的作物和土壤模塊進(jìn)行校正，再進(jìn)行田間生產(chǎn)模擬確定其精確度，NRMSE的值均小于20%，說明APSIM 對(duì)該地區(qū)4 種作物生產(chǎn)模擬的精度較高［28］，可以于北方農(nóng)牧交錯(cuò)帶的典型地區(qū)進(jìn)行應(yīng)用研究。但是，該模型模擬值與實(shí)測值之間仍有差異，一定程度低估了生物量，這可能是由于APSIM 在生產(chǎn)模擬中于該地區(qū)的偶發(fā)強(qiáng)降水反映不足，生產(chǎn)模擬中未能充分描述水分利用［29-30］。北方農(nóng)牧交錯(cuò)帶是對(duì)氣候變化極其敏感的地區(qū)［31-32］，在近幾年和未來氣候變化的情況下，該區(qū)域干旱、暴雨等極端氣候顯著增多，潛在的影響了作物動(dòng)態(tài)模型的描述精度，后續(xù)研究應(yīng)繼續(xù)加長驗(yàn)證數(shù)據(jù)的時(shí)間尺度，進(jìn)一步對(duì)模型參數(shù)與機(jī)制進(jìn)行修正。而對(duì)比2020 與2021年的田間觀測數(shù)值可知，燕麥產(chǎn)量與秣食豆產(chǎn)量為2021 年較高，原因在于飼草作物生長旺盛期6-7月降水量較高，為95.6 mm，而2020 年僅為33.4 mm。對(duì)于糧食作物玉米和馬鈴薯來說，2021 年各處理下的產(chǎn)量均顯著低于2020 年（P<0.01），是由于在產(chǎn)量形成的關(guān)鍵時(shí)期，即玉米的抽雄-灌漿及馬鈴薯的塊莖形成期-淀粉積累期，8-9 月降水僅為133 mm，而對(duì)應(yīng)2020 年的相同時(shí)間段達(dá)311 mm，最終導(dǎo)致產(chǎn)量下降。以上幾種作物產(chǎn)量的年際差異也由APSIM 敏銳地捕捉（表6），體現(xiàn)了較好的年際描述性。

3.2 作物產(chǎn)量、耗水量與水分利用效率

丁素榮等［33］和Benitez 等［34］研究顯示，玉米-大豆輪作模式可增加玉米產(chǎn)量顯著提升，但在本研究中，玉米-秣食豆輪作方式與玉米連作相比使玉米產(chǎn)量無顯著變化（P>0.05），結(jié)果不一致的原因在于，作為一年生飼草作物，秣食豆的生長季較籽粒大豆更短，其豆科根系固氮機(jī)制于APSIM 模擬中需要較長的時(shí)間和充足的水分才能體現(xiàn)，又由于其在土壤內(nèi)的植物殘?bào)w更少，從而導(dǎo)致土壤有機(jī)質(zhì)的積累速度更慢，改善土壤結(jié)構(gòu)的能力尚未發(fā)揮［35］，使得后茬輪作玉米產(chǎn)量有所下降。另外由于各作物生長季相隔較久，研究區(qū)無霜期較短，也在一定程度影響了輪作對(duì)產(chǎn)量的積極作用，對(duì)各作物產(chǎn)量的提升不顯著（P>0.05）。

結(jié)果顯示，2040-2069 年和2070-2099 年的降水、溫度均上升的情況下，相較基準(zhǔn)情景，世紀(jì)中期和后期4 種作物的產(chǎn)量均有所提高，這與魏嚴(yán)奇等［36］和王婉昭等［37］降水和溫度顯著影響作物產(chǎn)量的研究結(jié)果相近。但是，王柳等［38］的研究指出玉米產(chǎn)量與溫度呈現(xiàn)顯著負(fù)相關(guān)關(guān)系，而馬玉平等［39］的研究表明，在未來40 年模擬氣候條件下，我國大部分地區(qū)玉米產(chǎn)量仍為減產(chǎn)狀況，這與本研究得出的玉米產(chǎn)量增加的結(jié)果不符。分析原因?yàn)楸狈睫r(nóng)牧交錯(cuò)帶總體較為干旱，該區(qū)域農(nóng)業(yè)發(fā)展的主要受限制因子是降水［40］，所以在玉米生育期內(nèi)降水增加的情況下，明顯減輕了作物生產(chǎn)所受的水分脅迫，也基本抵消了升溫造成的生長季縮短帶來的負(fù)面影響，使?fàn)I養(yǎng)體作物飼用燕麥和秣食豆，以及籽粒作物玉米的產(chǎn)量提高。肖國舉等［41］的研究認(rèn)為增溫延長了馬鈴薯各生長階段天數(shù)，在未來有利于馬鈴薯干物質(zhì)積累，從而提高產(chǎn)量，也映證了本研究在未來氣候條件下馬鈴薯的產(chǎn)量有上升趨勢［42］。

年際耗水量方面研究結(jié)果顯示，由于2 種一年生飼草作物的年際耗水量相比玉米、馬鈴薯更低，后續(xù)生產(chǎn)的土壤墑情更好，使玉米-燕麥、玉米-秣食豆輪作中玉米的年際耗水量顯著低于玉米連作的年際耗水量（P<0.05）；且與馬鈴薯-玉米輪作相比，馬鈴薯-燕麥和馬鈴薯-秣食豆輪作降低了馬鈴薯年際耗水量達(dá)5.74%~11.29%（P<0.05），這表明糧草輪作較糧食連作、輪作可以有效降低糧食作物的年際耗水量，王平等［43］的研究也發(fā)現(xiàn)了類似的結(jié)果。與基準(zhǔn)情景的年際耗水量比較，世紀(jì)中期和后期幾種作物的耗水量均有上升，且馬鈴薯最為顯著，達(dá)11.56%~20.83%（P<0.05）。這是因?yàn)樵摰貐^(qū)較干旱，馬鈴薯相對(duì)其它作物來說對(duì)水分變化更為敏感，而歷史氣候條件離其水分供給閾值差距較大［44］，因此在2040-2069年、2070-2099 年降水增加的情況下，馬鈴薯的耗水量顯著增加，產(chǎn)量也有所提高。

玉米-燕麥輪作相比玉米連作，馬鈴薯-燕麥、馬鈴薯-秣食豆輪作相比馬鈴薯-玉米輪作，糧食作物玉米與馬鈴薯的WUE 均為顯著提高（P<0.05），表明糧草輪作較單純的糧食生產(chǎn)模式可更加充分利用土壤水資源［45］。結(jié)果還顯示，秣食豆相比飼用燕麥的耗水量較小，可為后續(xù)作物提供更好土壤墑情，但產(chǎn)量相對(duì)較低。馬鈴薯-玉米、玉米連作在長期生產(chǎn)時(shí)對(duì)水分消耗較大［46-47］，及時(shí)與秣食豆輪作可達(dá)到恢復(fù)土壤水分的目標(biāo)，同時(shí)還能兼顧糧食與飼草的同步生產(chǎn)。對(duì)比各氣候情景，可知世紀(jì)中期和后期的降水量比基準(zhǔn)情景分別 增 加 了53 mm·a-1和85 mm·a-1，4 種 作 物 的 產(chǎn)量、ET 和WUE 雖然均有所上升，但總體來說，產(chǎn)量的上升幅度要大于ET 的上升幅度，例如，在未來情景中各模式玉米的產(chǎn)量提高了10.37%~25.17%，但ET 提升幅度僅為平均3.34%，作為2者的商，WUE 相比基準(zhǔn)情景提升了16.50%，說明在本研究設(shè)定的情景中，水分可仍看做是北方農(nóng)牧交錯(cuò)帶-雁門關(guān)地區(qū)未來氣候作物生產(chǎn)的限制因子，限制程度可能相對(duì)基準(zhǔn)情景有所減輕。秣食豆與飼用燕麥的WUE 于未來情景上升的幅度也較大，平均達(dá)12.10%和23.13%，也指出該2 種飼草作物水分生產(chǎn)潛力較高。

4 結(jié)論

（1）本研究于北方農(nóng)牧交錯(cuò)帶-雁門關(guān)地區(qū)對(duì)APSIM 模型的幾種作物模塊進(jìn)行了校準(zhǔn)（玉米、燕麥-馬鈴薯、秣食豆），結(jié)果表明APSIM 在該地區(qū)對(duì)以上作物生產(chǎn)的模擬準(zhǔn)確度較高。

（2）相較1980-2009 年的基準(zhǔn)情景，2040-2069年、2070-2099 年的世紀(jì)中期和后期的降水和溫度上升，導(dǎo)致4 種作物產(chǎn)量、ET 和WUE 均有提升趨勢，說明這4 種作物在該地區(qū)仍受水分制約。

（3）比較分析6 種種植模式、及在各氣候情景的產(chǎn)量、ET 和WUE 可得：玉米-燕麥的產(chǎn)量和WUE 于預(yù)測情景中相對(duì)基準(zhǔn)情景的上升幅度最大，且耗水量較低，最適應(yīng)于該地區(qū)的氣候變化特征；馬鈴薯-玉米輪作的產(chǎn)量相對(duì)糧草輪作無顯差異（P>0.05），但馬鈴薯耗水量于未來情景顯著提高（P<0.05），只適宜急需保障食物安全的情況；馬鈴薯與飼用燕麥、秣食豆輪作相比馬鈴薯-玉米模式，飼草與糧食產(chǎn)量均無顯著變化（P>0.05），但可顯著降低馬鈴薯的耗水量（P<0.05），適宜恢復(fù)土壤水分。