模拟气候变化对极端干旱区棉花产量和水分利用效率的影响

董海波，陈小平，冯绍元，张友良，吴 灏

（扬州大学 水利科学与工程学院，江苏 扬州 225009）

模拟气候变化对极端干旱区棉花产量和水分利用效率的影响

董海波，陈小平*，冯绍元，张友良，吴 灏

（扬州大学 水利科学与工程学院，江苏 扬州 225009）

【目的】探究气候变化对极端干旱区棉花生长和产量的影响。【方法】利用2018 年新疆策勒绿洲棉田数据对根区水质模型（Root Zone Water Quality Model-version2，RZWQM2）进行率定和验证；基于验证后的模型模拟了1960—2019 年气候变化对棉花生育期、产量和灌溉水利用效率（IWUE）的影响；利用相关分析探究了关键气候要素与棉花生育期和产量的相关性。【结果】RZWQM2 模型能够较好地模拟极端干旱区绿洲棉田各土层含水量（除0.15～0.25 m 外）、棉花生长和产量，平均一致性指数（IOA）gt;0.75。棉花的出苗期、花期、吐絮期和成熟期均推迟，平均每10 年推迟时间约为1.1、2.1、3.5、3.5 d；棉花产量和IWUE 均呈下降趋势，每10 年下降幅度分别为45.95 kg/hm2和0.13 kg/（mm·hm2）。气温和太阳辐射量对棉花生长有显著影响，其中最低气温是影响棉花生育期的主导因子，最高气温对棉花产量有一定负面影响；太阳辐射量则是引起产量变化的主导因子。【结论】研究结果可为绿洲农业应对气候变化的影响提供一定的科学指导。

RZWQM2；气候变化；棉花产量；灌溉水利用效率；绿洲农业

0 引 言

【研究意义】自20 世纪以来，气候变化已在全球范围内得到证实，这种变化对过去一个世纪的农业生产构成了较大的影响，也将对未来的农业生产产生更大的影响。气候变化是除水分短缺和土地退化外，又一个对棉花生产安全的重要威胁因素[1-3]。气候变化已明显加快作物生育期，改变了区域作物的种植模式和种植规模[4-5]，严重影响作物产量和农业可持续发展。因此，在气候变化背景下，如何确保作物生育期正常发育和提高作物的产量是亟需解决的重要问题。

【研究进展】近年来，国内许多学者[6-10]在气候变化对农业生产的影响方面做了大量的研究，探讨了各地农业受气候条件影响的关键要素和关键时段。由于农业系统模型具有高效率、低成本且能够弥补田间研究局限性等特点，因此大部分人员采用作物模型探究气候变化对作物产量的影响，如张涛等[11]利用AquaCrop 模型模拟旱地春玉米产量对降雨和气温变化的响应；Li 等[12]评估AquaCrop 模型在华北平原模拟棉花和优化灌溉策略的能力；史源等[13]运用DSSAT 模型模拟黄淮海平原干旱对冬小麦产量的潜在影响；丁奠元等[14]基于RZWQM2 模型分析影响黄土高原旱地冬小麦生长的关键气象因子等。RZWQM2 模型是RZWQM 模型和DSSAT4.0 模型的混合模型，此前已被用于优化不同气候条件下作物生长的田间管理实践[15-17]，能够较好地模拟气候变化条件下作物的生长发育和产量。该模型对不同亏缺灌溉下作物生长和土壤含水率的模拟效果较好。Li 等[18]报道，RZWQM2 模型适宜于模拟不同水分亏缺条件下的棉花生长和产量。【切入点】然而，前人较少利用RZWQM2 模型结合长期气候变化数据，研究气候变化对极端干旱区棉花生长和产量的影响。影响极端干旱区绿洲棉花生育期和产量的气候要素也有待进一步的深入研究。

棉花是中国新疆的主要经济作物之一，分别占全国棉花产量和种植面积的89%和83%。新疆策勒绿洲位于我国西北内陆极端干旱地区，常年少雨，生态环境较为脆弱，对气候的变化极其敏感。随着气候变化，新疆策勒绿洲生态环境对当地气候资源的依赖性逐渐加强。气温与棉花的生产关系密切相关，是棉花生长、发育和产量形成必须依赖的关键气候要素。然而，该区域气温和有效降水量的年际变化较大，时间分布上差异显著。在这种背景下，当地棉花生产受气候变化的影响更加突出。【拟解决的关键问题】本研究基于田间试验数据和前人率定和验证的RZWQM2 模型[19]，研究气候变化对棉花生育期、地上生物量、产量和IWUE 的影响，并探究影响棉花生育期和产量的关键气候要素。

1 材料与方法

1.1 研究区概况

新疆策勒绿洲属于新疆维吾尔自治区和田地区，位于塔克拉玛干沙漠南沿（80°03′E—82°10′E，35°18′N—39°30′N，图1），海拔1 500～1 800 m。

图1 策勒绿洲试验研究区域Fig.1 Map of Qira Oasis experimental research area

棉花种植区气候为暖温带干旱荒漠气候，光能和热能资料丰富，气温变化剧烈，降水稀少。年平均降水量为50.9 mm，年日照时间为2 690 h，年平均温度为15.2 ℃，最高气温为41.4 ℃，最低气温为-21 ℃（1960—2019 年）。1960—2019 年（60 a）的逐日气象数据来源于中国气象数据共享服务系统（区站号51828）。从图2 中1960—2019 年降水量、最高气温和最低气温的月平均值可以明显看出气候资源的季节性分布特征。棉花种植区4—10 月无霜期平均为235 d。棉花在4 月中下旬播种，10 月中旬收获，大部分降水与棉花的生长季节吻合。土壤以细沙土为主。

图2 策勒绿洲1960—2019 年气温和降水量的季节性特征Fig.2 Seasonal characteristics of temperature and rainfall in Qira Oasis from 1960 to 2019

1.2 试验设计及测量指标和方法

本研究在自主开发的预报式灌溉系统（DSSIS）下设计了2 个灌溉水平（充分灌溉和亏缺灌溉），每个处理设4 个重复，每个样地长10 m，宽度为6 m。试验小区以随机区组设计布置，种植的棉花品种为‘新陆早779 号’，采用N/S 行种植。2018 年4 月23 日棉花开始播种，5 月8 日补苗（强风和持续低温造成出苗率低），播种密度为222 000 粒/hm2，播种行距30 cm，播种深度为4 cm。长期模拟的棉花播种时间为每年的4 月11 日（当地多年平均时间），收获日期设为成熟日期（100%吐絮）。试验地块统一施肥，播种前，试验地块施基肥84 kg/hm2NO3-N 和84 kg/hm2NH4-N，全部肥料作为底肥在播种前施入。

每周采集0～15、15～25、25～40、40～65 cm 和65～100 cm 土层的土壤含水率（SWC），通过烘干法测定。叶面积和株高分别用ImageJ 软件和钢尺测量，分别从每个小区中随机选取。叶面积指数（LAI）由叶面积和试验小区面积估算。棉花产量是通过手动收获每个地块中的所有产量。

1.3 RZWQM2 模型及DSSIS 系统

RZWQM2（Root Zone Water Quality Model 2）是由美国农业部农业系统开发，于1992 年推出的农业系统和资源模型。它融合了物理运移模块、化学反应模块、养分循环模块、杀虫剂反映模块、作物生长模块和管理操作模块等6 个子模块[20]。本文应用的重点是物理运移模块和作物生长模块。RZWQM2 模型嵌套了DSSAT4.0 模型，用来模拟作物生长发育过程和产量。模型中有关模拟棉花作物生育期、生物量和产量的计算方法详见Ahuja 等[21]。

DSSIS 是一种自动灌溉控制系统，它结合了RZWQM2 中的4 d 天气预报和自动灌溉控制硬件和管道系统，可以对给定作物的灌溉时间和灌溉量进行自动化控制。RZWQM2 模拟的水分胁迫系数和DSSIS确定的灌水量计算模式分别可以在Qi 等[22]和Chen 等[23]中找到。关于DSSIS 的细节详见Gu 等[24]和Chen等[25]报道。模型输入数据包括气象数据、土壤数据、作物的相关参数及田间管理措施。地表0～1 m 土层的土壤特征参数通过实地观测获得，结果见表1。

表1 试验地土壤特征参数Table 1 Soil characteristic parameters of the test site

1.4 相关分析

本研究利用相关分析确定影响策勒绿洲棉花生育期和产量的主要气候要素。以棉花生育期内（4 月中旬—10 月中旬）的最高气温、最低气温、平均气温、平均太阳辐射量和相对湿度及降水量作为自变量，以棉花生育期（出苗期、花期、吐絮期、成熟期）、生物量和产量为因变量。此外，利用线性回归法分析1960—2019 年棉花作物生育时期、产量的年际变化趋势，利用Excel 2019、IBM SPSS Statistics V25 进行相关分析和显著性检验，差异在plt;0.05 时被认为是显著的。利用Origin2018 进行数据绘图。

1.5 模型评价

为了评估模型在充分和亏缺灌溉下的土壤含水量、叶面积指数（LAI）、株高和棉花产量的模拟效果，本研究采用均方根误差（RMSE）、相对均方根误差（RRMSE）、百分比偏差（PBIAS）和一致指数（IOA）对实测值和模拟值进行比较。指标计算公式如下：

式中：n 为数据长度；Si是模拟值；Oi是实测值；为实测值的平均值。

如果-30%lt;RRMSElt;30%，-15%lt;PBIASlt;15%，IOAgt;0.75，则认为模型性能是可接受的[26]。

2 结果与分析

2.1 气候变化特征

1960—2019 年策勒绿洲年平均气温、年平均太阳辐射量和年平均相对湿度总体上呈线性下降趋势，年降水量呈线性上升趋势（图3）。策勒绿洲平均气温随着年份的推移呈减少趋势，减少幅度为0.4 ℃/10 a（Plt;0.01）。

图3 1960—2019 年棉花生育期内（4—10 月）年平均气温、年平均太阳辐射量、年平均相对湿度1%和年降水量的变化趋势Fig.3 Trends of daily mean temperature, annual mean solar radiation, annual mean relative humidity 1% and annual rainfall during cotton growing period (April-October) from 1960 to 2019

由图3 可知，策勒绿洲降温趋势以2000 年为界限，可分为前后2 个部分。2000 年以前，平均气温减少不明显，棉花生育期内相对湿度变化也不明显；2000 年以后，平均气温减小幅度增加，减少幅度为1 ℃/10 a，而棉花生育期内相对湿度却出现增加的趋势，增加的幅度为4.5%/10 a。棉花生育期内，年平均太阳辐射量总体呈减少趋势，减小的幅度为0.299 MJ/（m2·10 a）；降水量随着时间的推移，在2000 年前呈增加的趋势，平均增加的幅度为8.7 mm/10 a，2000年后呈减少趋势，平均减少幅度为11.4 mm/10 a。

2.2 RZWQM2 模型率定与验证

2.2.1 模型率定

在充分灌溉下，模拟棉花产量和实测棉花产量分别为3 140 kg/hm2和4 300 kg/hm2（表2）。模拟与实测的叶面积指数（LAI）和植株高度表明（图4），2018 年在充分灌溉（DFI）条件下的LAI 和植株高度模拟效果较好（IOAgt;0.97）。充分灌溉条件下模拟最大叶面积指数的RMSE、RRMSE、PBIAS 和IOA 值分别为0.66、30%、20.3%和0.98；最大植株高度分别为15.13、22%、19.9%和0.99。

表2 模拟与实测棉花产量、最大叶面积指数、植株高度和土壤含水率在充分灌溉与亏缺灌溉阶段的数据对比统计Table 2 Comparison of simulated and measured cotton crop yield, maximum leaf area index,plant height and soil water content under full and deficit irrigation

图4 充分灌溉和亏缺灌溉条件下2018 年叶面积指数和植株高度模拟对比Fig.4 Simulation comparison of leaf area index and plant height in 2018 under full and deficit irrigation conditions

本文模拟了不同土层的土壤含水率变化（图5），模拟的表层土壤含水率精度可以接受（表2），其RMSM、RRMSE、PBIAS 和IOA 的值分别为0.036、34%、2.8%和0.58。

2.2.2 模型验证

验证结果表明，率定后的模型对亏缺灌溉棉花的产量、叶面积指数（LAI）、植株高度和（0.00～0.15 m）以及（0.25～1.00 m）的土壤含水率的模拟较好（表2）。在验证阶段，模型模拟棉花的产量为3 970 kg/hm2，在测定产量3 310 kg/hm2的17%以内。亏缺灌溉下棉花的叶面积指数的RMSE、RRMSE、PBIAS 和IOA 分别为0.492、26%、-9.1%和0.98，最大植株高度分别为6.480、10%、-5.7%和0.99，模型略微高估了LAI和植株高度。率定后的RZWQM2 模型可以较好地预测亏缺灌溉条件下的土壤含水率，除0.15～0.25 m 土层外（表2）。验证阶段模拟0.00～0.15 m 土壤含水率的RMSE 为0.044、RRMSE 为38%、PBIAS 为-17.0%和IOA 为0.66；模拟0.25～1.00 m 的土壤含水率中

RMSElt;0.049、RRMSElt;39%、-19.0%lt;PBIASlt;-2.7%、IOAgt;0.52。

图5 2018 年充分灌溉（DFI）和亏缺灌溉（DDI）条件下土壤水分模拟值与实测值对比Fig.5 Comparison of simulated and measured soil moisture under full (DFI) and deficit irrigation (DDI) in 2018

2.3 气候变化对棉花生育期的影响

模拟结果显示，策勒绿洲棉花的出苗期、花期、吐絮期和成熟期均表现出不同程度的推迟（图6），最长推迟幅度为3.5 d/10 a，最短推迟幅度为1.1 d/10 a。在整个生育期中，出苗期推迟趋势显著（plt;0.05），其余生育期（花期、吐絮期、成熟期）的延后趋势均为极显著（plt;0.01）。年际变化趋势表明，2000 年以后，受棉花生育期内日平均气温显著降低的影响，棉花不同生育期天数随着年份的增加均呈明显推迟的趋势。策勒绿洲棉花生育期推迟的时间主要集中在棉花生长中后期，即花期—成熟期，占整个推迟时间的38.3%,在出苗期—花期阶段，棉花生育期时间推迟不明显。其中，棉花出苗期推迟3.6 d/10 a；花期推迟7.3 d/10 a； 吐絮期推迟10.7 d/10 a；成熟期推迟10.7 d/10 a。

图6 模拟的棉花生育期对气候变化的响应Fig.6 Response of simulated cotton growth period to climate change

2.4 气候变化对棉花地上部分生物量的影响

年际变化趋势表明，策勒绿洲棉花花期和吐絮期地上部生物量的增加幅度分别为42.12 kg/（hm2·10 a）、5.22 kg/（hm2·10 a），随着时间的推移和气候变化的发展，棉花地上部生物量增加幅度呈减小趋势,而成熟期更是出现地上生物量减少的现象，平均减少32.16 kg/（hm2·10 a）（图7）。各生育时期的年际变化幅度在0～1 154.51 kg/hm2（表3）。其中，吐絮期和成熟期生物量年际间变化幅度最大，出苗期、花期生物量年际间变化幅度最小。

表3 策勒绿洲1960—2019 年棉花生物量的线性倾向率Table 3 Linear trend rates of cotton biomass in Qira Oasis from 1960 to 2019

图7 1960—2019 年棉花出苗期、花期、吐絮期和成熟期叶面积指数年际变化趋势和生物量年际变化趋势Fig.7 Interannual variation trends of leaf area index and biomass at emergence,flowering, cracked B1 and harvest stages of cotton from 1960 to 2019

由图7 可知，棉花花期、吐絮期和成熟期的LAI均呈不显著增加的趋势，增加的幅度分别为0.044、0.013/10 a 和0.003/10 a，LAI 增加的幅度也呈现减小的趋势。棉花处于花期和吐絮期时，LAI 和地上部生物量的变化趋势基本相同，而成熟期LAI 大小基本不变，地上部生物量却出现减小的趋势。

2.5 气候变化对棉花产量和灌溉水利用效率的影响

RZWQM2 模型模拟策勒绿洲棉花平均产量为3 770.37 kg/hm2，总体呈下降趋势，减少幅度为45.95 kg/（hm2·10 a）。其中，1960—1987 年棉花产量变化幅度趋于平缓；1987—2000 年棉花产量呈极显著下降趋势（plt;0.01），减少幅度为1 181.82 kg/（hm2·10 a）；自2000 年后，棉花产量下降趋势明显，减少幅度为269.74 kg/（hm2·10 a）。棉花产量在2 920～4 941 kg/hm2间波动，最大值分别出现在1969 年和1985 年左右，最小值出现在2019 年。

由图8（b）所示，模拟60 a 期间棉花灌溉水利用效率总体呈下降趋势，减少幅度为每10 年0.127 kg/（mm·hm2）。其中，1987—2000 年，棉花灌溉水利用效率呈极显著下降趋势（plt;0.01）,减少幅度为每10 年1.685 kg/（mm·hm2），2000 年后，棉花灌溉水利用效率下降趋势比60 a 总体下降趋势更加明显，减少幅度为0.316 kg/（mm·hm2）。

图8 策勒绿洲1960—2019 年棉花年际产量的变化趋势与棉花灌溉水分利用效率年际变化趋势Fig.8 Interannual variation trend of cotton yield and cotton irrigation water use efficiency in Cele Oasis from 1960 to 2019

2.6 气候要素与棉花生育期和产量的相关性分析

策勒绿洲棉花出苗期、花期、吐絮期、成熟期生长阶段与最低气温呈极显著负相关（plt;0.01），相关系数达到-0.539～-0.675，即策勒绿洲每日最低气温越高，棉花出苗、开花、吐絮和成熟就越早（表4）。日平均气温对棉花的生育期有显著影响，其中与棉花出苗期和成熟期呈显著负相关，相关系数达到-0.262～-0.317（plt;0.05）；而与棉花花期和吐絮期呈极显著负相关（plt;0.01），相关系数达到-0.423～-0.447，表明在棉花生育期内，日平均气温越高，棉花各生育期有提前的趋势。太阳辐射量对棉花出苗期和花期显著相关，相关系数达到-0.261～-0.277（plt;0.05），对其他生育阶段没有显著影响。棉花出苗期与日平均相对湿度呈显著负相关（plt;0.05）,相关系数达到-0.285，日平均相对湿度与棉花生育期影响不大。日降水量和日最高气温与策勒绿洲棉花种植生育期的相关性并不显著。

表4 棉花生育期与年平均气候要素的相关系数Table 4 Correlation coefficient between cotton growth period and annual average climate factors

棉花产量与气候要素之间的相关分析结果见表5。策勒绿洲棉花种植区（1960—2019 年）年平均太阳辐射量与每年棉花产量极显著正相关，相关系数为0.434（Plt;0.01）；近60 年来月最高气温与棉花产量呈显著负相关，相关系数为-0.310（Plt;0.05）；年平均气温与每年棉花产量的相关系数0.009，未达到显著水平；年平均相对湿度与年棉花产量的相关系数为0.140，未达到显著性水平；年降水量和月最低气温与棉花产量相关系数分别为0.057、0.158，未达到显著性水平。年平均太阳辐射量、年平均气温、平均相对湿度、年降水量和月最低气温与棉花产量呈正相关，棉花产量与月最高气温呈负相关（表5）。策勒绿洲棉花种植区年平均太阳辐射量、年平均气温、年平均相对湿度、年降水量和月最低气温越低，棉花的产量则越低；月最高气温越高，棉花产量则越低（图9）。

表5 棉花产量气候要素之间的相关性Table 5 Correlation between climatic factors of cotton yield

图9 棉花产量与年平均气温、年平均太阳辐射量、降水量、年平均相对湿度之间的定量关系Fig.9 Quantitative relationship between cotton yield and average temperature, solar radiation, rainfall and average relative humidity

3 讨 论

本文利用率定与验证的RZWQM2 模型模拟了1960—2019 年新疆策勒绿洲棉花生育期（出苗期、花期、吐絮期、成熟期）、地上部分生物量、产量和灌溉水利用效率（IWUE）。RZWQM2 模型在极端干旱区模拟充分和亏缺灌溉下的棉花生长（叶面积指数和植株高度）有较好的表现。研究表明，DSSAT 模型可以有效模拟不同亏缺灌溉条件下棉花的生长过程（LAI、冠层高度）[27-28]。本研究中验证结果（亏缺灌溉）略优于率定结果（充分灌溉）。Liu 等[19]利用 2006—2013 年新疆策勒绿洲棉田数据，对RZWQM2 模型进行了初步的率定和验证，其结果是基于土壤含水率、棉花物候期以及产量等数据，率定与验证的参数包括模型中的土壤水力参数和作物生长参数。在此基础上，李文珍等[26]利用2016—2017年该区域土壤含水率和温度数据对RZWQM2 模型中的相关参数进一步完善。本文基于Liu 等[19]和李文珍等[26]的研究结果，利用新开发的灌溉系统下充分与亏缺灌溉处理的土壤含水率、植株高度、叶面积指数（LAI）和产量数据进一步完善模型相关参数，提高新开发的灌溉系统对灌溉时间和灌溉量的预测。因此，本文虽仅采用一年的试验数据对模型进行率定和验证，但模型结果以及率定与验证的相关参数也具有可靠性。

模拟中发现，随着1960—2019 年年平均气温总体不显著降低的趋势，棉花出苗期、花期、吐絮期和成熟期均呈现不同程度推迟趋势。气候要素与棉花生育期的相关性结果表明，最低气温对棉花生育期的影响极显著，太阳辐射量对棉花出苗期和花期延后也有一定显著影响。谭红等[29]模拟气候变化对新疆石河子地区棉花生产潜力影响研究中指出，气温和太阳辐射量对棉花生育期影响显著。这与本研究结果一致。出苗期太阳辐射量在12.93～29.76 MJ/（m2·d）之间波动，花期在15.69～40.45 MJ/（m2·d）之间波动，都呈下降趋势。罗万琦等[30]发现西北地区1966—2016 年太阳辐射量整体变化规律也呈下降趋势，该结论与本研究基本一致。而王柳等[31]在西北地区研究春玉米生育期内太阳辐射量整体呈上升趋势。以上结果的差异可能是由于统计的时间、空间尺度有所不同。另外相对湿度与棉花的出苗期之间也有显著相关性，相对湿度逐年下降的趋势可能导致棉花种子吸收表土水分困难，在一定程度上推迟种子出苗。

受气候变化影响，策勒绿洲1960—2019 年棉花LAI 年际变化趋势与棉花地上部分生物量的变化趋势基本同步。花期和吐絮期棉花地上部分生物量逐渐增加而到了成熟期却逐渐减少。这是由于棉花的LAI 是反应棉花生长情况的一个重要基础性指标。从出苗开始，棉花LAI 不断增大，此时LAI 反映了棉花生长旺盛，棉花地上生物量也是呈现逐渐增加的趋势，地上生物量达到阈值以后，棉花逐渐进入成熟期，叶片逐渐枯黄，LAI 迅速减小，此时LAI 反映了棉花的衰老,棉花地上生物量也呈现逐渐减少的趋势。

RZWQM2 模型已广泛用于研究农田水分和作物生长发育等方面。Fang 等[32]和 Ma 等[33]利用RZWQM2 模型研究作物产量和水分利用效率对不同灌溉量的响应情况，模拟结果为有限灌溉水分配提供参考。本文探究1960—2019 年新疆策勒绿洲气候变化对棉花产量和IWUE 的影响，模拟结果表明，棉花产量主要受太阳辐射量和气温的影响，对比产量与太阳辐射量和气温的相关性可知（绝对值），太阳辐射量对产量的影响大于气温。随着太阳辐射量和气温均逐渐减小，棉花产量也呈下降趋势。棉花为喜温作物，适宜的气温可以提高棉花产量。丁晋利等[34]提出，在RZWQM2 模型中，作物生长的限制主要基于气温，产量的差异性受限于不同气候模式下的最高和最低气温，具有明显的不确定性。Voloudakis 等[35]提出高温对产量有一定的负面影响，这与本研究结果基本一致。棉花IWUE 值是反映棉花产量与整个生育期用水量的一个重要指标。策勒绿洲棉花产量受气候要素的影响，棉花产量随着时间的推移呈现减少的趋势，其中年降水量虽随着时间呈增加的趋势，但策勒绿洲每年降水量相差不超过60 mm，相对比较平均，所以产量降低也使棉花IWUE 随着年份推移呈下降趋势。

4 结 论

1）新疆策勒绿洲1960—2019 年日平均气温、年平均太阳辐射量和年平均相对湿度均呈下降趋势，下降幅度分别为每年0.04 ℃、0.03 MJ/m2、0.02，年降水量呈增加趋势，增加幅度为每年0.87 mm。

2）1960—2019 年策勒绿洲棉花生育期（出苗期、花期、吐絮期、成熟期）均呈现推迟趋势；模拟的棉花平均产量为3 770 kg/hm2，总体上随时间呈下降趋势；棉花IWUE 平均约为5.5 kg/（mm·hm2），随时间也呈下降趋势。

3）棉花生育期内与每日最低气温关系最为密切，气温的变化是引起区域棉花生育期延后的主要因素。太阳辐射量、最高气温和降水量与棉花产量的统计关系较为密切，其中棉花产量与太阳辐射量的相关性大于最高气温。

[1] 何平如, 张富仓, 范军亮, 等. 土壤水分调控对南疆滴灌棉花生长､品质及水分利用的影响[J]. 干旱地区农业研究, 2020, 38(4): 39-46.

HE Pingru, ZHANG Fucang, FAN Junliang, et al. Effects of soil moisture regulation on growth, quality and water use of cotton under drip irrigation in Southern Xinjiang[J]. Agricultural Research in the Arid Areas, 2020, 38(4): 39-46.

[2] 刘丽霞. 节水灌溉方式对民勤绿洲棉花综合效益的影响[D]. 杨凌:西北农林科技大学, 2006.

LIU Lixia. Effects of water-saving irrigation patterns on integrated benefits of cotton in deserted oasis of Minqin[D]. Yangling: Northwest Aamp;F University, 2006.

[3] 王友华, 周治国. 气候变化对我国棉花生产的影响[J]. 农业环境科学学报, 2011, 30(9): 1 734-1 741.

WANG Youhua, ZHOU Zhiguo. Effect of climate changing on cotton fiber production[J]. Journal of Agro-Environment Science, 2011, 30(9):1 734-1 741.

[4] HE L, ASSENG S, ZHAO G,et al. Impacts of recent climate warming,cultivar changes, and crop management on winter wheat phenology across the Loess Plateau of China[J]. Agricultural and Forest Meteorology, 2015, 200: 135-143.

[5] LIU Z J, YANG X G, CHEN F, et al. The effects of past climate change on the northern limits of maize planting in Northeast China[J]. Climatic change, 2013, 117(4): 891-902.

[6] 王金梅, 侯志强, 杨明凤, 等. 新疆北疆地区气候要素对棉花生长和产量的影响分析[J]. 棉花科学, 2021, 43(5): 24-32.

WANG Jinmei, HOU Zhiqiang, YANG Mingfeng, et al. Analysis of the influence of climate factors on cotton growth and yield in northern Xinjiang[J]. Cotton Sciences, 2021, 43(5): 24-32.

[7] 王森, 王雪姣, 吉春容, 等. 近40 年气候变化对石河子棉区棉花生长发育的影响[J]. 农业工程, 2021, 11(4): 132-136.

WANG Sen, WANG Xuejiao, JI Chunrong, et al. Effects of climate change on cotton growth and development in Shihezi in recent 40 years[J].Agricultural Engineering, 2021, 11(4): 132-136.

[8] 岳伟, 曹雯, 姚筠, 等. 安徽省沿江地区棉花生长季气候变化特征及其对产量的影响[J]. 长江流域资源与环境, 2014, 23(9): 1 308-1 314.

YUE Wei, CAO Wen, YAO Yun, et al. Climate changes in cotton growing season along the Yangtze River in Anhui Province and its influence on cotton yield[J]. Resources and Environment in the Yangtze Basin, 2014, 23(9): 1 308-1 314.

[9] 李迎春, 谢国辉, 王润元, 等. 北疆棉区棉花生长期气候变化特征及其对棉花发育的影响[J]. 干旱地区农业研究, 2011, 29(2): 253-258.

LI Yingchun, XIE Guohui, WANG Runyuan, et al. Climatic change during Apr.to Oct.in recent 47 years and its effects on growing period of cotton in Beijiang cotton planting region[J]. Agricultural Research in the Arid Areas, 2011, 29(2): 253-258.

[10] 宋艳玲, 张强, 董文杰. 气候变化对新疆地区棉花生产的影响[J].中国农业气象, 2004, 25(3): 15-20.

SONG Yanling, ZHANG Qiang, DONG Wenjie. Impact of climate change on cotton production in xingjiang autonomous region[J].Agricultural Meteorology, 2004, 25(3): 15-20.

[11] 张涛, 孙伟, 孙步功, 等. 不同种植模式下旱地春玉米产量对降雨和气温变化的响应[J]. 农业工程学报, 2017, 33(20): 127-135.

ZHANG Tao, SUN Wei, SUN Bugong, et al. Response of yield of spring maize to changes of precipitation and air temperature in arid region[J]. Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(20): 127-135.

[12] LI F W, YU D, ZHAO Y. Irrigation scheduling optimization for cotton based on the AquaCrop model[J]. Water Resources Management, 2019,33(1):39-55.

[13] 史源, 白美健, 李益农, 等. 基于DSSAT 模拟的冬小麦作物水分利用效率评价指标分析[J]. 节水灌溉, 2021(9): 1-6, 11.

SHI Yuan, BAI Meijian, LI Yinong, et al. Evaluation index of winter wheat water use efficiency analysis based on DSSAT simulation[J].Water Saving Irrigation, 2021(9): 1-6, 11.

[14] 丁奠元, 严惠敏, 王乃江, 等. 基于RZWQM2 的黄土高原旱地冬小麦生长关键气象因子分析[J]. 扬州大学学报(农业与生命科学版),2018, 39(4): 91-99.

DING Dianyuan, YAN Huimin, WANG Naijiang, et al. Key meteorological factor analysis of dryland winter wheat growth on the Loess Plateau based on RZWQM2[J]. Journal of Yangzhou University(Agriculture and Life Science Edition), 2018, 39(4): 91-99.

[15] SIMA N Q, HARMEL R D, FANG Q X, et al. A modified F-test for evaluating model performance by including both experimental and simulation uncertainties[J]. Environmental Modelling amp; Software, 2018,104: 236-248.

[16] JEONG H, PITTELKOW C M, BHATTARAI R . Simulated responses of tile-drained agricultural systems to recent changes in ambient atmospheric gradients[J]. Agricultural Systems, 2019, 168:48-55.

[17] DING J L, HU W, WU J C, et al. Simulating the effects of conventional versus conservation tillage on soil water, nitrogen dynamics, and yield of winter wheat with RZWQM2[J]. Agricultural Water Management,2020, 230: 105 956.

[18] LI M, DU Y J, ZHANG F C, et al. Modification of CSM-CROPGRO-Cotton model for simulating cotton growth and yield under various deficit irrigation strategies[J]. Computers and Electronics in Agriculture,2020, 179: 105 843.

[19] LIU C, QI Z M, GU Z, et al. Optimizing irrigation rates for cotton production in an extremely arid area using RZWQM2-simulated water stress[J]. Transactions of the ASABE, 2017, 60(6): 2 041-2 052.

[20] TSUJII M, KAWANO S, TSUJI S, et al. Cyclooxygenase regulates angiogenesis induced by colon cancer cells[J]. Cell, 1998, 93(5):705-716.

[21] AHUJA L R, ROJAS K W, HANSON J D. Root zone water quality model: Modelling management effects on water quality and crop production[M]. Colorado: Water Resources Publications, 2000.

[22] QI Z M, MA L W, BAUSCH W, et al. Simulating maize production,water and surface energy balance, canopy temperature, and water stress under full and deficit irrigation[J]. Transactions of the ASABE, 2016,59(2): 623-633.

[23] CHEN X P, QI Z M, GUI D W, et al. Evaluation of a new irrigation decision support system in improving cotton yield and water productivity in an arid climate[J]. Agricultural Water Management,2020, 234: 106 139.

[24] GU Z, QI Z M, MA L W, et al. Development of an irrigation scheduling software based on model predicted crop water stress[J]. Computers and Electronics in Agriculture, 2017, 143: 208-221.

[25] CHEN X P, QI Z M, GUI D W, et al. A model-based real-time decision support system for irrigation scheduling to improve water productivity[J]. Agronomy, 2019, 9(11): 686.

[26] 李文珍, 齐志明, 桂东伟, 等. 预报式灌溉条件下绿洲棉田土壤水热与作物产量模拟[J]. 灌溉排水学报, 2018, 37(S2): 134-139.

LI Wenzhen, QI Zhiming, GUI Dongwei, et al. Simulation of soil water and heat and crop yield in oasis cotton field under forecast irrigation[J].Journal of Irrigation and Drainage, 2018, 37(S2): 134-139.

[27] THORP K R, HUNSAKER D J, FRENCH A N, et al. Integrating geospatial data and cropping system simulation within a geographic information system to analyze spatial seed cotton yield, water use, and irrigation requirements[J]. Precision Agriculture, 2015, 16(5): 532-557.[28] LI M, DU Y J, ZHANG F C, et al. Modification of CSM-CROPGRO-Cotton model for simulating cotton growth and yield under various deficit irrigation strategies[J]. Computers and Electronics in Agriculture, 2020, 179: 105 843.

[29] 谭红, 吕新, 张泽, 等. 基于DSSAT 模型模拟的气候变化对棉花生产潜力影响研究[J]. 棉花学报, 2020, 32(2): 113-120.

TAN Hong, LYU Xin, ZHANG Ze, et al. Influence of climate change on cotton production potential based on DSSAT model simulation[J].Cotton Science, 2020, 32(2): 113-120.

[30] 罗万琦, 崔宁博, 张青雯, 等. 中国西北地区近50a 气象因子时空变化特征与成因分析[J]. 中国农村水利水电, 2018(9): 12-19.

LUO Wanqi, CUI Ningbo, ZHANG Qingwen, et al. The spatial and temporal characteristics and causes of meteorological factors in northwest China in recent 50 years[J]. China Rural Water and Hydropower, 2018(9): 12-19.

[31] 王柳, 熊伟, 温小乐, 等.温度降水等气候因子变化对中国玉米产量的影响[J]. 农业工程学报, 2014, 30(21): 138-146.

WANG Liu, XIONG Wei, WEN Xiaole, et al. Effect of climatic factors such as temperature, precipitation on maize production in China[J].Transactions of the Chinese Society of Agricultural Engineering, 2014,30(21): 138-146.

[32] FANG Q, MA L, YU Q, et al. Irrigation strategies to improve the water use efficiency of wheat-maize double cropping systems in North China Plain[J]. Agricultural Water Management, 2010, 97(8): 1 165-1 174.

[33] MA L, AHUJA L R, ISLAM A, et al. Modeling yield and biomass responses of maize cultivars to climate change under full and deficit irrigation[J]. Agricultural Water Management, 2017, 180: 88-98.

[34] 丁晋利. 保护性耕作农田土壤水碳氮演变特征及模型模拟[D]. 杨凌:西北农林科技大学, 2017.

DING Jinli. Change characteristics of conservation tillage on soil water,carbon and nitrogen in farmland[D]. Yangling: Northwest Aamp;F University, 2017.

[35] VOLOUDAKIS D, KARAMANOS A, ECONOMOU G, et al.Prediction of climate change impacts on cotton yields in Greece under eight climatic models using the AquaCrop crop simulation model and discriminant function analysis[J]. Agricultural Water Management, 2015,147: 116-128.

Effects of Climate Change on Seed Yield and Water Use Efficiency of Cotton in Arid Regions:A Simulation Study

DONG Haibo,CHEN Xiaoping*,FENG Shaoyuan,ZHANG Youliang,WU Hao
(College of Hydraulic Science and Engineering,Yangzhou University,Yangzhou 225009,China)

【Objective】One challenge facing agricultural production in many countries is the potential influence of global warming.The purpose of this paper is to elucidate the potential impact of climate change on cotton production in arid regions in north China.【Method】The study was based on numerical simulation.The root zone water quality model (RZWQM2) was calibrated using data measured in 2018 from cotton fields at Qira Oasis in Xinjiang. The validated model was then used to analyze the effect of climate change(1960—2019)on growth,yield and irrigation water use efficiency (IWUE) of the cotton. The relationship between climate factors and cotton yield was analyzed using correlation methods.【Result】 Comparison with measured data shows that the RZWQM2 is accurate to simulate change in water content in the soil profile except in the depth of 0.15～0.25 m.It also adequately predicts the cotton growth and yield,with the average consistency indexgt;0.75.The simulation results show that the emergence,flowering, cracked B1 and maturity stage of the cotton were delayed approximately by 1.1, 2.1, 3.5 and 3.5 d per decade, respectively, from 1960—2019 due to temperature rise. The simulated seed yield and IWUE of the cotton decreased by 45.95 kg/hm2and 0.13 kg/(mm·hm2) per decade, respectively, from 1990—2019. Correlation analysis reveals that air temperature and solar radiation affect cotton growth most significantly.The minimum temperature is the dominant determinant of cotton growth, while the maximum temperature has a negative effect on cotton yield.Among others,solar radiation is the most important determinant of cotton yield.【Conclusion】Using the calibrated numerical model, we analyze the potential impact of climate change and different meteorological factors on growth and yield of cotton in arid regions in north China.The results provide baseline to understand how cotton production will change with climate change in the Oasis regions in Xinjiang.

RZWQM2;climate change;cotton production;IWUE;oasis agriculture

S274

A

10.13522/j.cnki.ggps.2022095

OSID：

董海波, 陈小平, 冯绍元, 等. 模拟气候变化对极端干旱区棉花产量和水分利用效率的影响[J]. 灌溉排水学报, 2022,41(9): 23-32, 51.

DONG Haibo, CHEN Xiaoping, FENG Shaoyuan, et al. Effects of Climate Change on Seed Yield and Water Use Efficiency of Cotton in Arid Regions: A Simulation Study[J]. Journal of Irrigation and Drainage, 2022, 41(9): 23-32, 51.

1672 - 3317（2022）09 - 0023 - 11

2022-02-24

江苏省自然科学基金项目（BK20210825）；江苏省双创博士计划项目（JSSCBS20211014）；国家自然科学基金项目（52009118）

董海波（1997-），男。硕士研究生，主要从事农业水资源高效利用的研究。E-mail: 2102171495@qq.com

陈小平（1990-），男。讲师，硕士生导师，博士，主要从事农业水资源高效利用与农业系统模型以及模拟气候变化影响研究。E-mail: xiaoping.chen@yzu.edu.cn

责任编辑：韩洋