论文部分内容阅读
随着世界人口迅猛增长及工农业生产对水资源的需求持续上升,水资源匮乏,已成为制约全球可持续发展的重要因素。我国是一个严重缺水的国家,人均淡水资源仅为世界人均量的四分之一,而我国又是农业大国,农业灌溉用水量占总供水总量的62.4%,近年极端气候频发导致干旱加剧,农业灌溉需水量大增。华北平原是我国主要粮食生产基地之一,该地区粮食能否正常供应将会影响我国的粮食安全,而冬小麦是其主要粮食作物,干旱已成为限制该地区冬小麦产量的一个主要因素,因此,如何科学把握冬小麦稳产增产与节水灌溉之间关系是个值得研究的问题。传统的研究产量和作物水分关系主要是亏缺灌溉,但田间对照实验费时费力。AquaCrop模型是由国际粮农组织（FAO）提出的基于水分驱动的作物生长模型,适用于降雨量和水分受限地区。本研究以北京市国家精准农业示范基地冬小麦为研究对象,围绕遥感数据与AquaCrop作物模型同化这一热点问题,从作物水分利用效率（WUE）角度出发,以降低冬小麦灌溉耗水量、提高产量和WUE为目的展开相应研究,为田间灌溉方案优化管理提供信息支持。本研究首先运用EFAST方法分析了AquaCrop模型作物参数对输出变量地上部生物量（AGB）、冠层覆盖度（CC）和产量的敏感性,提出了两套模型本地化校正参数,在AquaCrop模型本地化的基础上模拟了不同灌溉情景下冬小麦产量和WUE,分析其变化规律,寻找冬小麦灌溉量、产量和WUE的最佳组合。然后以遥感反演的AGB和CC为状态变量,采用PSO算法、SA算法和SCE-UA算法,耦合AquaCrop模型进行同化研究,找出最优同化模型。最后结合前两者研究结果开展区域尺度上冬小麦灌溉方案优化。主要研究内容与结论如下:（1）敏感性分析是作物模型本地化和应用的基础,本研究运用EFAST方法分析了AquaCrop模型作物参数在雨养和灌溉条件下对AGB、CC和产量的敏感性。结果表明,（1）对AGB敏感性高的的参数主要与温度、水分和冠层增长有关（如stbio、kcb、wp和cgc）,这些参数的敏感性不随作物生长环境的变化而变化,但与种植密度有关的参数（如ccs和den）和根区发展参数（如root、rtx和rtnx）的敏感性指数在雨养条件下增大;（2）对CC敏感性高的参数多与作物种植密度、出苗时间和冠层发育相关（如cgc、mcc、den、ccs和eme等）;（3）对产量影响较大的敏感性参数为收获指数、关键生育期的起止时间（如mat和flo）和AGB相关的参数,并且不同水分处理的敏感性参数不同,雨养条件下比灌溉条件下的敏感性参数更多,AGB和产量生产参数、冠层和物候发展参数在雨养条件下对产量的影响更大。（2）在敏感性分析的基础上提出了2套适用于北京地区的AquaCrop模型本地化校正参数:雨养参数（P1—雨养）和灌溉参数（P2—正常灌溉和过量灌溉）。研究发现P1和P2两组参数均能很好预测北京地区不同年份不同水分处理条件下冬小麦过程变量（CC、AGB）和最终产量,P1参数对模型校正的结果优于P2参数。（3）在AquaCrop模型本地化的基础上,模拟了丰水年、平水年和干旱年3种降雨年型下不同灌溉情景下冬小麦产量和WUE,初步解析了灌溉量、产量和WUE之间的响应关系,为田间灌溉和经济成本决算提供科学依据。研究发现:（1）在冬小麦同一灌溉水平下,只灌溉1水的,枯水年、平水年和丰水年3种降雨年型在拔节期灌溉时冬小麦产量最高;（2）灌溉2水的,在拔节期和开花期时灌溉产量最高;（3）灌溉3水的,在返青期、拔节期和开花期灌溉时产量最高;（4）灌溉4水的,前3个生育期多灌溉产量较高。增加灌溉,冬小麦WUE增加,但当冬小麦灌溉量达到一定程度后继续增加灌溉量,WUE反而降低。（4）AGB和CC是冬小麦生育进程的重要过程变量,其遥感反演决定了同化模型的模拟精度。选择了11个与AGB和CC相关的植被指数,通过比较分析植被指数与拔节期、挑旗期、开花期和灌浆期AGB的灰色关联度和全生育期CC的决定系数R2,分别挑选了相关性最大的5个植被指数,建立偏最小二乘回归（PLSR）反演模型。结果表明:（1）与CC相关性最大的5个植被指数分别为NDVI、WDRVI、OSAVI、NDRE和GNDV,构建CC的PLSR模型,CC的模拟值与实测值的R2和RMSE分别为0.89（n=176）和12.8%,精度高,可以用于反演冬小麦CC。（2）分别选择在拔节期（NDVI、GNDVI、DCNI、VOGa和MTCI）、挑旗期（GNDVI、MTCI、NDRE、DCNI和VOGa）、开花期（NDVI、GNDVI、NDRE、DCNI和VOGa）和灌浆期（NDVI、TVI、OSAVI、NDVI和GI）与AGB相关性最大的5个植被指数,构建AGB的PLSR反演模型,4个关键生育期AGB的模拟值与实测值的R2和RMSE分别为0.71（n=48）、0.31t·hm-2,0.60（n=48）、0.82t·hm-2,0.45（n=48）、1.49t·hm-2和0.64（n=64）、1.63t·hm-2,精度较好,可用于反演冬小麦AGB。（5）遥感数据和作物模型结合充分发挥了点面结合的互补优势,相比常规的单变量同化算法,以AGB和CC为双状态变量同化模型,有效改进了模型模拟冬小麦AGB、CC和产量的精度,解决了单一状态变量同化方法被同化状态变量精度较高,其他输出变量精度差的问题。以AGB为单一状态变量同化的冬小麦AGB、CC和产量,其模拟值和实测值的R2和RMSE分别为0.92、1.26t?hm-2,0.31、18.8%和0.61、0.93t?hm-2;以CC为单一状态变量同化的冬小麦AGB、CC和产量,其模拟值和实测值的R2和RMSE分别为0.75、1.92t?hm-2,0.77、10.1%和0.61、0.93t?hm-2;以AGB和CC为状态变量同化的冬小麦AGB、CC和产量,其模拟值和实测值的R2和RMSE分别为0.92、1.34t?hm-2,0.76、10.2%和0.76、0.80t?hm-2。结果表明本研究提出的AquaCrop+SCE-UA双状态变量同化模型有相对较高的R2和较小的RMSE,证明该模型在模型冬小麦AGB、CC和产量有较好的应用价值。（6）耦合数据同化算法和作物模型对通州区冬小麦产量行估算,采样点冬小麦产量的同化值和实测值达到显著性水平（P<0.05）,R2、RMSE和MBE的值分别为0.59、1.62t?hm-2和-17.7%,区域同化产量普遍比实测产量低。灌溉方案优化后的采样点冬小麦产量的同化值和实测值达到显著性水平（P<0.05）,R2、RMSE和MBE的值分别为0.62、1.37t?hm-2和-13.3%,产量低估有所缓解。对通州区冬小麦灌溉量方案优化,优化后的冬小麦灌溉量每公顷减少270吨,并且相应的产量有所增加。研究表明AquaCrop模型结合遥感同化能够实现区域尺度冬小麦灌溉方案优化。