CERES-Maize模型在多种灌溉系统与水分胁迫下预测玉米产量、蒸散量及水分生产率的评估研究

本研究通过整合田间实测数据与CERES-Maize模型，系统评估了中心支轴喷灌（CPI）、地下滴灌（SDI）和沟灌（FI）三种灌溉方式及其不同灌溉水平（充分灌溉FIT、80% FIT、60% FIT及雨养）对玉米产量、作物蒸散量（ETc）、水分生产率（WPET）以及干旱胁迫指数（SIE和SIP）的影响。结果表明，模型在校准与验证阶段对产量和ETc的预测均表现出良好准确性，尤其在SDI和CPI条件下模拟效果更佳，而FI雨养处理误差较大。长期模拟显示，SDI在维持高水分生产率方面优势显著，即便在限水条件下（60% FIT）其WPET仍接近充分灌溉的CPI水平，为农业水资源高效管理提供了重要理论依据。

　　

1 引言

水资源在人类文明发展中扮演着至关重要的角色，近一个世纪以来，全球用水需求的增长速度是人口增长的两倍。农业作为最大的淡水消耗部门，约占全球淡水提取量的75%–80%。在美国，约80%的水资源被用于农业，而在半干旱和干旱地区，这一比例高达90%。水资源短缺已成为全球性问题，不仅限于干旱地区，也出现在降雨量超过蒸散量的区域。气候变化影响了全球许多地区的降水量、时空分布和强度，包括美国。水资源限制、气候变化以及优化水资源管理是农业生产面临的关键挑战，尤其是对于玉米这类对水分敏感的作物。确定作物蒸散量（ET_c）并优化不同灌溉方式下的水分生产率（WP）是农业可持续水资源管理的重要课题。

尽管已有研究关注玉米对灌溉水平的响应，但同时比较三种灌溉方式（CPI、SDI和FI）性能的综合研究仍较为缺乏。本研究利用Irmak等学者在2016和2017生长季于内布拉斯加州Clay Center的田间试验数据，首次在同一田间条件下同步评估三种灌溉方式及不同灌溉水平对玉米生长的影响。研究旨在：（1）利用田间数据校准和验证CERES-Maize模型，量化玉米物候、产量、ET_c和WP_ET；（2）应用校准后的模型模拟长期（32年）干旱胁迫指数及其对玉米生产力和ET_c的影响，评估不同灌溉方式与水平在不同气候条件下的交互作用。

2 材料与方法

2.1 试验点特征

田间试验数据来源于Irmak等学者在2016和2017生长季于南中央农业实验室（SCAL）进行的研究。该地区属于半湿润向半干旱气候的过渡带，长期年均降水量为680毫米。土壤类型为Hastings粉砂壤土，坡度0%–1%，表层土壤砂粒、粉粒、黏粒和有机质含量分别为15%、65%、20%和2.5%。土壤田间持水量、永久萎蔫点和饱和点分别为0.34、0.14和0.53立方米/立方米。深层土壤（>0.90米）的水力特性未在原始数据中详细描述，在模型中基于上层剖面进行 extrapolation，这可能对深层土壤水分平衡和水分胁迫模拟带来不确定性。

2.2 试验材料

研究采用Golden Harvest G14H66-3010A玉米杂交种，相对成熟期为114天。种植密度约为78,500粒/公顷，行距0.76米，播种深度0.05–0.06米。试验设置三个独立田块，分别采用CPI、SDI和FI三种灌溉方式。每个田块内设置四个灌溉水平：100% FIT、80% FIT、60% FIT和雨养处理，以研究充分灌溉和限水灌溉对玉米生长、产量、ET_c、WP_ET和胁迫指数的影响。CPI田块面积2.16公顷，SDI田块面积5公顷，滴灌带埋深0.40米，FI田块面积1.0公顷，采用闸管系统进行灌溉。灌溉触发点基于土壤水分含量，营养生长阶段前以0.30和0.60米土层平均含水量降至40%–45% depletion为阈值，营养生长后以0.30、0.60和0.90米土层平均含水量为阈值。FIT处理灌溉至田间持水量的90%，80% FIT和60% FIT分别施用FIT灌溉量的80%和60%。

2.3 CERES-Maize模型

研究采用CERES-Maize模型（v4.7）进行模拟，该模型是一个确定性模型，能够模拟辐射、水分和养分限制下的玉米生长和产量，考虑管理措施和环境变量。模型基于辐射利用效率方法模拟光合作用，校准使用2016年数据，验证使用2017年数据。模型所需参数包括出苗日期、开花天数、成熟天数、籽粒产量、ET_c和WP_ET。品种特异性遗传系数通过试错法获取，包括出苗到幼穗结束的热时间单位（P1）、光周期敏感系数（P2）、吐丝到生理成熟的热时间（P5）、单株最大潜在粒数（G2）、潜在灌浆速率（G3）和叶尖出现间隔热时间（PHINT）。为区分灌溉方式，模型中定义了特定的灌溉策略：CPI和FI模拟为均匀地表灌溉，SDI模拟为在滴灌带深度（0.40米）直接灌水，以模拟局部和地下水分输送。

干旱胁迫通过潜在根系吸水量与蒸散量的比值进行评估，比值小于1.5表示水分胁迫影响茎叶生长，小于1.0表示胁迫影响生物量积累和光合作用。计算两种累积干旱胁迫指数：叶扩展胁迫指数（SIE）和光合作用胁迫指数（SIP）。每日胁迫值记为0（无胁迫）或1.0（胁迫），SIE和SIP分别为整个生长季每日值的总和。这些胁迫指数基于作物根区整体土壤水分平衡，在土壤水分分布高度均匀的SDI下的有效性未经验证，模型的标准计算可能无法完全捕捉作物在滴头附近局部水分条件下的生长响应。

2.4 模型评估

采用多种统计指标评估模型精度，包括Student's t检验p值（P(t)）、决定系数（R²）、百分比误差（Pe）、均方根误差（RMSE）和归一化均方根误差（RMSEn）。计算公式如下：

• •
  Pe = (P_i - O_i) / O_i × 100%
• •
  RMSE = √[Σ(P_i - O_i)² / n]
• •
  RMSEn = (RMSE / O_mean) × 100%
  其中，O_i为观测值，P_i为模拟值，O_mean为观测均值，n为观测数。

3 结果与讨论

3.1 气候条件

2017生长季比2016更湿润但更凉爽。2016年总降雨量376毫米，2017年为471毫米，均低于长期平均值495毫米。2016生长季平均最高温、最低温和平均气温分别为26.4°C、13.2°C和19.8°C，高于2017年的26.0°C、12.2°C和19.1°C。2016年平均相对湿度72.5%，高于2017年的68.6%。表层土壤温度两年相近（2016年21.6°C，2017年21.1°C）。2016年平均风速3.3米/秒，高于2017年的2.8米/秒；短波辐射入射量两年相近（2016年18.8兆焦/平方米/天，2017年19.1兆焦/平方米/天）。两年生长季平均气温均高于长期平均值（18.9°C），2016年为19.8°C，2017年为19.1°C。

3.2 植物生长与发育、籽粒产量和ET_c的模型校准

模型校准采用2016年数据，结果显示模拟与观测产量高度一致，RMSEn为6.87%，RMSE为0.97吨/公顷，R²为0.99，P(t)为0.12，表明模拟与观测均值无显著差异。观测平均产量14.12吨/公顷，模拟平均14.76吨/公顷。不同灌溉方式和处理的产量模拟误差各异：CPI误差范围0.9%（FIT）至18%（雨养）；SDI误差范围-0.05%（60% FIT）至25%（雨养）；FI误差范围2%（80% FIT）至16%（雨养）。平均误差5%。模型能合理反映不同灌溉方式和水平下的产量变化，但在雨养条件下常高估产量，且在不同灌溉方式间的精度略有差异，提示需进一步调整模型参数。

ET_c校准结果显示模拟与观测值吻合良好，R²为0.96，RMSEn为11%，平均Pe为11%，RMSE为55毫米，但P(t)=0.01表明模型系统性地高估了ET_c。这种高估可能源于模型结构问题，如土壤蒸发算法（例如Ritchie模型）未充分参数化以减少地表湿润或水分胁迫水平下根系吸水功能不准确。不同灌溉方式和处理下的ET_c模拟误差各异：CPI误差8%（FIT）至14%（60% FIT）；SDI误差7%（FIT）至14%（雨养）；FI误差5%（FIT）至19%（雨养）。平均误差11%。FI雨养处理高估最严重（19%），FI的FIT处理误差最小（5%）。CPI和SDI方法误差在5%至19%之间。与以往研究比较，Anothai等报道在充分灌溉条件下模型低估季节性ET_c约12%，而Marek等发现模型在水分限制条件下高估ET_c达16%，甚至40%，表明模型水分胁迫算法可能存在不足。

3.3 模型验证

模型验证采用2017年数据，产量模拟整体精度尚可，RMSEn为14%，Pe为9%，RMSE为1.98吨/公顷，R²为0.91，P(t)=0.12。模拟平均产量15吨/公顷，观测平均13.8吨/公顷。FI方法及FI雨养处理的产量模拟较差。不同灌溉处理下的产量误差：CPI为-3.5%（FIT）至36%（雨养）；SDI为3.3%（FIT）至14%（雨养）；FI为9.3%（FIT）至60%（雨养）。平均误差8.8%。模型在充分和限水灌溉水平下表现较好，雨养处理误差较大，尤其是FI雨养的高估可能源于模型未能充分模拟FI下低效、不均匀的水分分布以及高径流/蒸发损失。

ET_c验证精度合理，RMSEn为11%，Pe为8%，RMSE为54.2毫米，R²为0.68。模拟平均ET_c 521毫米，观测平均480毫米，P(t)=0.01表明模拟与观测值差异显著。不同灌溉处理的ET_c误差：CPI为-4%至10%；SDI为2.6%至19%；FI为-5%至22%。SDI下水分直接输送到根区，土壤水分状况更均匀，可能使常规ET_c计算复杂化。与Menefee等研究一致，模型在雨养条件和特定生长阶段模拟ET_c存在挑战，提示模型土壤水分平衡组件需针对不同灌溉系统特性进行改进。

3.4 基于蒸散的水分生产率

模型在校准阶段模拟WP_ET的精度中等，RMSEn为8%，RMSE为0.24，R²为0.94，平均Pe为-6%，P(t)=0.44表明模拟与观测值吻合良好。验证阶段精度可接受，RMSEn为11.7%，RMSE为0.33，R²为0.65，平均Pe为0.9%，P(t)=0.44无显著差异。不同灌溉方式和处理下的误差各异：校准阶段CPI为-10.85%至5.35%，SDI为-11%至9.3%，FI为-8.9%至-0.2%；验证阶段CPI为-10.8%至17.2%，SDI为-16.2%至-2.3%，FI为7%至31%。模型能充分模拟玉米WP_ET，但在不同灌溉系统和水平下存在差异，尤其在ET_c模拟方面需进一步改进。与Irmak等、Rugira等和Amiri等研究相比，本模型精度相当，但需考虑氮素和田间管理 practices 以提高准确性。

3.5 干旱胁迫指数

研究发现累积干旱胁迫指数（SIE和SIP）与籽粒产量呈强负相关，胁迫指数升高时产量降低。所有灌溉方式下，雨养处理的SIE和SIP值最高，表明干旱胁迫最严重，产量最低。具体而言，生理成熟时累积SIE值雨养处理为22.0，60% FIT降至5.0，80% FIT降至2.0，FIT在SDI和CPI下为0；FI的SIE值从22.0降至5.0。累积SIP值雨养处理为17.0，FIT在滴灌和CPI下降至0；FI的SIP值从17.0降至3.0。随着灌溉水平增加（从60% FIT至FIT），SIE和SIP降低，表明胁迫减轻产量提高。胁迫指数与产量的R²值高达0.97至0.99，表明这些指数可用于评估干旱胁迫水平和预测不同灌溉制度下的产量减少。所有灌溉方式趋势相似，但FI在FIT水平下的SIE（5.0）和SIP（3.0）值略高于SDI和CPI，提示尽管充分灌溉，FI可能仍经历较多胁迫。SDI和CPI在缓解干旱胁迫方面效果相当。这些数据有助于改进灌溉策略和选择最佳灌溉方式，以缓解干旱胁迫并提高玉米生产力。与Amiri等和Tojo Soler等研究一致，证实了胁迫指数与产量的强负相关性及其在评估胁迫水平和预测产量方面的实用性。

3.6 灌溉方式与水量对玉米产量、ET_c和WP_ET的影响

长期模拟（1983–2015）结果显示灌溉方式和水平对玉米籽粒产量、ET_c和WP_ET有显著影响。所有灌溉方式下，产量随灌溉水平降低而减少。CPI中位产量FIT为16.56吨/公顷，80% FIT为16.47吨/公顷，60% FIT为16.08吨/公顷，雨养降至13.72吨/公顷。SDI表现类似，FIT中位产量16.63吨/公顷，80% FIT为16.56吨/公顷，60% FIT为16.47吨/公顷，雨养13.72吨/公顷。FI的FIT产量16.28吨/公顷，80% FIT为15.90吨/公顷，60% FIT为15.25吨/公顷，雨养13.72吨/公顷。在50%概率下，SDI的FIT产量最高（16.63吨/公顷），其次为CPI的FIT（16.56吨/公顷）和FI的FIT（16.28吨/公顷）。因此，SDI在FIT下是最大化玉米产量的最有效方法，尽管所有方式在灌溉减少时产量均明显下降。

ET_c随灌溉水平降低而减少，但方式间存在差异。CPI的ET_c范围FIT为453–594毫米，60% FIT为426–594毫米，雨养为368–579毫米。FI中位ET_c从FIT的517毫米降至60% FIT的512毫米；SDI的ET_c从FIT的523毫米降至80%和60% FIT的517毫米。FI和SDI雨养ET_c均为490毫米。较高灌溉水平导致较高ET_c，雨养处理ET_c最低，具体取决于生长季降水时空分布。SDI在80%和60% FIT间ET_c变化较小，表明灌溉水平对ET_c的阈值效应可能存在方式间差异。

WP_ET也因灌溉方式和水平而异。CPI的WP_ET范围FIT为2.50–3.62千克/立方米，80% FIT降至2.45–3.54千克/立方米，60% FIT降至2.26–3.54千克/立方米，雨养最低为1.52–3.51千克/立方米。FI的WP_ET从FIT的2.35–3.54千克/立方米降至60% FIT的2.07–3.55千克/立方米，雨养为1.52–3.51千克/立方米。SDI的WP_ET最高，FIT为2.50–3.59千克/立方米，60% FIT降至2.35–3.54千克/立方米，雨养为1.52–3.51千克/立方米。关键发现是，SDI在60% FIT限水条件下的WP_ET范围（2.35–3.54千克/立方米）与充分灌溉的CPI（2.50–3.62千克/立方米）几乎相同，表明SDI能以显著更少的水量实现高水分生产率，这对水资源有限环境至关重要。

长期模拟还揭示了气候韧性方面的见解。SDI产量的稳定性（图6中不同灌溉水平下结果更集中）表明其对年际气候变异（如低降雨或干旱年份）具有更强抵抗力。FI表现高度依赖季节降雨和早期土壤水分，变异性大；而SDI提供更可预测和稳定的产量，缓冲作物对抗气候波动。与Amiri等、Zelenák等和Irmak等研究一致，长期模拟有助于识别影响作物生产力的关键变量，并强调考虑播种日期、氮素管理和灌溉实践对优化玉米生产和WP_ET的重要性，同时展示了利用CERES-Maize模型评估长期复杂交互作用的优势。

4 结论

随着全球人口增长和气候变化，水资源短缺与农业用水需求之间的紧张关系日益加剧。玉米作为重要粮食作物和高耗水作物，尤其易受此挑战影响。本研究通过同步比较CPI、SDI和FI三种灌溉方式及不同灌溉水平，评估了CERES-Maize模型在模拟玉米生产力方面的能力，并量化了干旱胁迫指数及多种环境变量对玉米生产力的影响。校准阶段模型与观测产量高度一致（RMSEn=6.87%，RMSE=0.97吨/公顷，R²=0.99），ET_c模拟良好（RMSEn=11%，R²=0.96）。验证阶段产量（RMSEn=14%，RMSE=1.98吨/公顷，R²=0.91）和ET_c（RMSEn=11%，R²=0.68）精度合理，但FI雨养条件下产量模拟较差。SDI在FIT下中位产量最高（16.63吨/公顷），其次为CPI（16.56吨/公顷）和FI（16.28吨/公顷）。SDI在所有灌溉水平下WP_ET最高，表明其水分利用效率最优。模型有效捕捉了干旱胁迫指数与产量的负相关关系，雨养处理胁迫最高产量最低。长期数据分析显示灌溉方式和水量对产量、ET_c和WP_ET有显著影响，产量随灌溉减少而降低，SDI在FIT下产量最高。ET_c随灌溉减少而降低，SDI在限水水平间变化较小。SDI的WP_ET across all levels最高，尤其在60% FIT限水下WP_ET仍接近充分灌溉CPI水平，提示了一条在不牺牲生产力前提下实现显著节水的关键途径。模型整体表现良好，但ET_c的系统性高估和FI雨养的显著误差揭示了模型土壤水分平衡和胁迫模拟算法的结构局限性，需进一步改进。