《Environmental Modelling & Software》：Effects of rising CO
2 concentrations on water dynamics and yields for C3 and C4 crops under both irrigated and dryland conditions in the Texas High Plains
编辑推荐：
本研究改进了SWAT模型，引入非线性气孔导度方程和叶面积指数函数，模拟CO?升高对灌溉和旱地C3（冬小麦、夏大豆）及C4（夏高粱）作物蒸发蒸腾量、灌溉需求及产量的影响。结果表明，CO?升高在灌溉条件下使ET减少6.8%-20.7%，旱地无显著影响；C3作物产量增幅高于C4，旱地响应更明显；未来气候情景下ET和产量变化因作物类型及水分条件差异显著。
作者：Na Wen、Junyu Qi、Yue Wang、Gary W. Marek、Srinivasulu Ale、Puyu Feng、De Li Liu、Raghavan Srinivasan、Yong Chen
中国农业大学土地科学与技术学院，农业水资源高效利用国家重点实验室，北京 100193
摘要
高浓度的二氧化碳（CO2）通过改变气孔导度（gs，m s-1）和叶面积指数（LAI）来影响作物生长和水分动态。然而，不同水分条件下对C3和C4作物的影响仍不清楚。本研究采用了一个改进的SWAT模型，其中包含了非线性的gs方程和LAI函数，以评估高浓度CO2对实际蒸散量（ET）、灌溉和作物产量的影响。结果表明，在灌溉条件下，仅高浓度CO2就使ET减少了6.8%-20.7%，但在干旱条件下对ET没有明显影响。高浓度CO2提高了作物产量，尤其是在干旱条件下的效果更为显著。在未来的气候情景（2041-2100年）下，干旱作物的ET增加了6.7%-9.4%，而灌溉冬小麦的ET减少了0.6%-8.6%。总体而言，未来作物产量有所增加，但灌溉高粱在高排放情景下减少了多达11.9%。C3作物对未来气候的响应比C4作物更积极。
引言
大气中二氧化碳（CO2）的浓度几十年来一直在稳步上升，2022年达到了420 ppm，并预计到21世纪末将增加到700-1100 ppm（Bai等人，2024年）。CO2浓度的增加可以通过两种关键机制直接影响作物：（i）增强净光合作用，从而促进作物生长和产量；（ii）降低气孔导度（gs，m s-1），从而减少蒸腾作用（Loladze，2024年；Toreti等人，2020年；Zheng等人，2024年）。这些响应在像美国德克萨斯高平原（THP）这样的水资源有限地区尤为重要，该地区经常经历长期干旱（Ferencz等人，2024年；Nielsen-Gammon等人，2020年；Shao等人，2023年）。由于降水不规律且不足，THP的农业严重依赖灌溉，这导致了Ogallala含水层的过度抽取（Nozari等人，2022年）。高浓度的CO2可能会降低作物的水分需求，从而可能减少灌溉需求并促进更可持续的地下水利用。因此，准确量化THP地区作物在高浓度CO2下的表现对于制定确保农业生产力同时优化未来气候变化下水资源管理的策略至关重要。
CO2浓度增加对作物的影响取决于作物类型及其生长环境。许多研究已经探讨了各种因素如何独立影响作物对高浓度CO2的响应（Ainsworth和Long，2021年；Fitzgerald等人，2016年；Toreti等人，2020年）。例如，C3和C4作物具有不同的光合作用途径，这影响了能量利用效率和气孔光呼吸。随着CO2浓度的升高，C3作物可以从光合作用的增强中受益，而C4作物已经具有更高效的光合作用途径，因此在不同的CO2浓度范围内表现出相对稳定的光合作用速率（Bellasio等人，2023年；Lee，2011年）。因此，与C4作物相比，C3作物在高浓度CO2条件下预计会有更大的生长和产量增加。在水分利用方面，自由空气CO2富集（FACE）研究表明，高浓度CO2会导致叶片水平上的gs降低，进而导致可测量的ET减少（Ainsworth和Long，2005年；Hussain等人，2013年），C3和C4作物的响应也有所不同。例如，Bernacchi等人（2007年）报告称，在550 ppm CO2条件下，大豆的ET减少了16%，而Triggs等人（2004年）发现，在类似的CO2富集条件下，高粱的ET减少了约12%。生长季节的时间也对作物对高浓度CO2的响应有重要影响。例如，Zhang等人（2023年）报告称，在高浓度CO2条件下（700 ppm），冬季作物的产量增加了74%，夏季增加了56%，这表明作物在不同生长季节的响应可能不同。这表明季节性差异可以显著调节作物对高浓度CO2的产量响应程度，寒冷季节（如冬季）的增幅更大。水分可用性也对作物对高浓度CO2的响应起着关键作用。Qiao等人（2010年）发现，在高浓度CO2条件下，充足水分供应时冬小麦的产量增加了6.7%，而在干旱条件下增加了10.4%。这表明在干旱条件下生长的作物可能对高浓度CO2有更积极的响应，突显了CO2富集对水资源有限环境中的作物的潜在益处。尽管有这些见解，但关于高浓度CO2在不同生长季节和不同水分限制下对C3和C4作物综合影响的研究仍然有限。进一步研究这些相互作用对于更好地理解未来气候条件下的作物表现至关重要，特别是在像THP这样的水资源有限的环境中。
仅依靠田间实验来评估高浓度CO2和未来气候变化对不同生长季节和不同水分限制下各种作物的长期影响具有挑战性（Zhang等人，2023年）。在这种情况下，建模是一种评估长期作物生长和水分动态的可靠替代方法（Hu等人，2024年；Kellner等人，2017年；Liu等人，2020年；Zhao等人，2022年），特别是当模型经过全面实验数据验证时。土壤和水资源评估工具（SWAT）在全球多种农业水文环境中的建模研究中得到广泛认可和使用（Arnold等人，1998年；Bawa等人，2024年；Dangol等人，2023年）。例如，Marcinkowski和Piniewski（2024年）使用SWAT模型模拟了波兰春大麦（Hordeum vulgare L.）、油菜（Brassica napus L.）、玉米青贮（Zea mays L.）和马铃薯（Solanum tuberosum L.）等作物的产量变化，考虑了气候变化、高浓度CO2水平以及各种作物生长胁迫因素。这项研究和其他几项研究强调了该模型评估多种环境因素对农业生产力综合影响的能力（Becker等人，2023年；Xue等人，2021年）。然而，原始SWAT模型在表示CO2对植物生长影响方面存在局限性（Eckhardt和Ulbrich，2003年；Ficklin等人，2009年；Jha等人，2006年；Wu等人，2012年），特别是在叶面积指数（LAI）和gs的CO2响应函数方面。该模型未能考虑不同CO2浓度下作物LAI的特异性变化，且模型的原始线性gs函数仅适用于CO2浓度低于660 ppm的情况（Wen等人，2024年）。这些局限性降低了在高浓度CO2情景或对CO2波动反应不同的作物模拟的可靠性。因此，改进模型以更好地模拟高浓度CO2水平和未来气候情景下的作物生长和水文响应对于提高其预测可靠性至关重要。这种改进对于确保模型能够有效应对不断变化的大气条件及其对农业和水文系统的长期影响至关重要。
本研究的主要目标是：（i）评估改进后的SWAT模型在模拟高浓度CO2条件下的作物生长和水分动态方面的性能与原始SWAT模型的比较；（ii）研究1985年至2014年期间，高浓度CO2如何影响两种C3作物（夏大豆和冬小麦）和一种C4作物（夏高粱）的实际蒸散量（ET）、灌溉和产量，以及在不同水分可用性条件下的表现；（iii）分析未来气候变化对C3和C4作物在相对于基准情景下的ET、灌溉和产量的影响。
研究地点
选择了两个相邻的4.7公顷田地——一个为干旱田，一个为灌溉田——用于研究。这两个田地位于美国农业部-农业研究服务局（USDA-ARS）在德克萨斯州Bushland的保护和生产研究实验室（35.2° N，102.1° W，海拔1170米）（图1）。每个田地都有一个中央的大型精密称重蒸渗仪。东边的田地采用补充灌溉，种植了棉花（Gossypium hirsutum L.）等作物。
高浓度CO2对ET和灌溉的影响（使用SWAT和SWAT-CO2-gs模型)
使用SWAT-CO2-gs和原始SWAT模型，考虑了1985年至2014年期间的三种固定CO2水平（495、660和825 ppm），估算了不同水分可用性条件下的ET和灌溉情况。这项分析比较了两种模型在不同CO2水平和水分可用性情景下的表现。分析结果显示，在495和660 ppm的CO2水平下，干旱作物的年ET值几乎相同。
结论
本研究通过引入非线性gs函数和添加LAI关系，评估了改进后的SWAT模型的有效性。这种改进使得能够探索高浓度CO2对德克萨斯州Bushland地区C3作物（夏大豆和冬小麦）和C4作物（夏高粱）的生长以及相关水分动态的影响。将改进后的函数与原始SWAT模型进行敏感性分析表明
CRediT作者贡献声明
Yong Chen：撰写 – 审稿与编辑、监督、软件、资源、项目管理、方法论、资金获取、数据管理、概念化。
Raghavan Srinivasan：撰写 – 审稿与编辑、验证、软件、资源、数据管理。
Srinivasulu Ale：撰写 – 审稿与编辑、软件、资源、方法论、调查。
Gary W. Marek：撰写 – 审稿与编辑、软件、资源、方法论、正式分析。
De Li Liu：撰写 – 审稿与编辑。
软件和数据可用性
软件名称：SWAT-CO2
开发者：Na Wen、Junyu Qi和Yong Chen
首次可用年份：2024年
编程语言：Fortran
费用：免费
免责声明
提及公司或商标名称仅用于描述，并不意味着得到美国农业部的认可。美国农业部是一个提供平等机会的雇主。
数据可用性
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文所述的工作。
致谢
本研究得到了国家自然科学基金（项目编号：42471294）的支持。本研究还得到了中国高校科学基金（项目编号：2024RC018和2025RC021）以及美国农业部国家食品与农业研究所（项目编号：NIFA-2021-67019-33684）的支持。我们感谢世界气候研究计划通过其耦合建模工作组协调和推动了CMIP6项目。
