張亮亮,張 朝,張 靜,馮博彥

環(huán)境演變與自然災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室,北京師范大學(xué)地理科學(xué)學(xué)部, 北京 100875

隨著人口增長和生物燃料消耗的增加,預(yù)計(jì)到2050年,全球糧食需求將翻一番[1- 2]。水稻是主要的糧食作物,供給著世界上1/2人口的主食[3- 4],其生長發(fā)育主要受溫度和水分的控制,若日最高氣溫≥35℃且持續(xù)3 d以上,會破壞開花、授粉和結(jié)實(shí)等生理功能,造成減產(chǎn)甚至絕收[5]。高溫?zé)岷Σ粌H會使產(chǎn)量下降, 還可能降低稻米的淀粉含量, 影響稻米品質(zhì)[6]。此外,氣候變暖增加了極端高溫事件的頻率和強(qiáng)度,使農(nóng)業(yè)生產(chǎn)更不穩(wěn)定,放大了水稻遭受高溫?zé)岷Φ娘L(fēng)險(xiǎn)[7]。中國作為最大的水稻生產(chǎn)和消費(fèi)國,稻米產(chǎn)量占全球總產(chǎn)量的30%[8],然而1980—2010年50%的種植區(qū)產(chǎn)量從未得到提高[9]。極端高溫是影響中國水稻生產(chǎn)的主要?dú)庀鬄?zāi)害,過去30年高溫?zé)岷υ斐蓽p產(chǎn)1.5—9.7%, 僅2003年的水稻揚(yáng)花期極端高溫就導(dǎo)致長江中下游水稻受災(zāi)40.5萬hm2[10],糧食安全面臨著嚴(yán)峻考驗(yàn)。

長江中下游是我國最大的稻作帶,水稻播種面積約2000萬hm2,產(chǎn)量占全國的2/3[11]。近年來,隨著種植結(jié)構(gòu)的調(diào)整,一季稻種植面積逐年上升,比例超過40%[12]。湖南是水稻生產(chǎn)大省,產(chǎn)量始終占全國總產(chǎn)量的10%以上,種植面積穩(wěn)居首位[13]。同時,該省也是高溫?zé)岷χ貫?zāi)區(qū),一年中超過35℃以上的極端高溫天氣時有發(fā)生,且往往持續(xù)數(shù)日,典型高溫年份水稻減產(chǎn)率高達(dá)30%—50%[14]。

水稻高溫?zé)岷Φ挠绊懺u估多年來備受關(guān)注,主要集中在高溫?zé)岷Φ闹笜?biāo)、影響機(jī)理以及時空分布等方面。郭安紅等[15]基于華南地區(qū)的高溫?zé)岷^程數(shù)據(jù)庫,構(gòu)建了早稻高溫?zé)岷?qiáng)度指數(shù)和氣候危險(xiǎn)性指數(shù),分析了華南早稻區(qū)逐旬高溫?zé)岷Φ奈ｋU(xiǎn)性。姚鳳梅等[16]利用DSSAT模擬了長江中下游水稻開花期和灌漿期高溫導(dǎo)致的空秕率,并完成了稻區(qū)高溫?zé)岷︼L(fēng)險(xiǎn)制圖。楊太明等[17]的研究揭示了江淮地區(qū)高溫?zé)岷Πl(fā)生的規(guī)律以及對水稻的危害機(jī)理。楊舒暢等[18]識別了長江中下游一季稻高溫?zé)岷Πl(fā)生的時空變化規(guī)律,并進(jìn)行了風(fēng)險(xiǎn)評估。盡管前人已經(jīng)開展了大量的研究工作,并取得了相應(yīng)的研究成果,但農(nóng)民該如何防范高溫?zé)岷σ廊蝗狈Χ壳颐鞔_的應(yīng)對措施。

選育和選種高溫抗性較強(qiáng)的品種,調(diào)整播種時間避開極端高溫頻發(fā)期,增加灌溉降低冠層溫度以及增施氮肥提高品種的抗高溫能力是育種工作者和農(nóng)戶避災(zāi)的基本措施[19- 20],但是目前多數(shù)適應(yīng)性研究僅限于室內(nèi)或田間實(shí)驗(yàn),不僅耗時耗力,且無法捕捉歷史極端高溫對水稻產(chǎn)量的影響。此外,單一條件下獲得的實(shí)驗(yàn)結(jié)果還需進(jìn)一步在復(fù)雜多變的環(huán)境中驗(yàn)證。作物模型以其面向作物生長過程、機(jī)理性較強(qiáng)被應(yīng)用于產(chǎn)量預(yù)報(bào)、農(nóng)田管理決策支持、氣候變化影響評價、預(yù)測等方面[21- 22]。DSSAT(Decision Support System for Agrotechnology Transfer)是主要的農(nóng)業(yè)決策支持系統(tǒng)[23],它囊括了眾多作物模型,如CERES,CROPGRO和CROPSIM系列,其中CERES是最具代表性作物模式,可以模擬天氣、土壤、品種和栽培管理對作物生長發(fā)育和產(chǎn)量的影響,并作為氣候變化對農(nóng)業(yè)影響的評價模式在國際上被廣泛使用。Vashisht和Jalota[24]等用CERES-Wheat評估了氣候變化對印度小麥產(chǎn)量的影響并提出了最優(yōu)管理措施。Braga等[25]基于CERES-Maize的長時間模擬,綜合霜凍和低青貯質(zhì)量風(fēng)險(xiǎn)提出了葡萄牙青貯玉米的最佳品種、播種和收獲日期。Zhang等[26]利用CERES-Rice剝離了中國過去30年氣候變化、品種更替和管理實(shí)踐對水稻產(chǎn)量的貢獻(xiàn)。雖然作物模型被廣泛應(yīng)用于對農(nóng)作物生長發(fā)育過程精細(xì)的數(shù)字化模擬,但用來定制應(yīng)對極端氣候事件適應(yīng)性措施的研究尚少。

基于此,本文利用可響應(yīng)較多因素的CERES-Rice模型開展對湖南省一季稻極端高溫?fù)p失評估及適應(yīng)性措施的定量分析,以期相關(guān)結(jié)果能夠科學(xué)指導(dǎo)水稻生產(chǎn)避害趨利,有效降低高溫?zé)岷Φ膿p失,保障糧食安全。主要研究目的如下：(1)探討近20年來湖南省一季稻站點(diǎn)的極端高溫風(fēng)險(xiǎn)；(2)評估歷史極端高溫對一季稻產(chǎn)量的致?lián)p率；(3)剝離不同應(yīng)對措施對緩解高溫?zé)岷Φ南鄬ω暙I(xiàn),定制合理可行的適應(yīng)性措施實(shí)施方案,為實(shí)際生產(chǎn)實(shí)踐提供指導(dǎo),為農(nóng)業(yè)防災(zāi)減損提供科學(xué)依據(jù)。

1 研究區(qū)概況

圖1 湖南省一季稻站點(diǎn)分布Fig.1 Distribution of the single rice stations in Hunan Province

湖南省位于長江中游,東經(jīng)108.78°—114.25°、北緯24.64°—30.13°之間。全省土地總面積211.8 km2,其中耕地面積約3912.6 hm2。東南西三面環(huán)山,北部為洞庭湖平原,中部多為丘陵、盆地,整個地勢南高北低(圖1)。氣候?yàn)閬啛釒Ъ撅L(fēng)濕潤氣候,降水豐沛,雨熱同季,冬寒期短,無霜期長。年平均氣溫16—18 ℃,降水量1200—1500 mm,年總輻射385.0—488.0 kJ/cm3。10℃以上活動積溫5000—5800 ℃,持續(xù)238—256 d。

水稻播種面積和產(chǎn)量分別占全國的12.8%和13.1%,均居全國首位[27]。20世紀(jì)80年代到90年代中期,種植結(jié)構(gòu)多為三熟制,90年代中期以后,多為二熟制,包括雙季稻和單季稻。近年來一季稻種植占比逐年上升[12]。本文根據(jù)農(nóng)業(yè)觀測氣象站點(diǎn)記錄的1990—2012年水稻生長及田間管理等數(shù)據(jù)集,選取了連續(xù)種植一季稻且數(shù)據(jù)最為完整的靖州、懷化、古丈和桑植為研究對象,各站點(diǎn)具體土壤和氣象情況如表1所示。

表1 湖南省一季稻站點(diǎn)基本資料

2 數(shù)據(jù)和方法

2.1 數(shù)據(jù)來源

1990—2012年日尺度的氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn/),包括降雨量(mm)、最高溫度(℃)、最低溫度(℃)和日照時數(shù)(h),其中模型所需逐日太陽輻射(MJ/m2)參考Almorox和Hontoria[28]的方法推算得到。土壤數(shù)據(jù)來自世界土壤數(shù)據(jù)庫(http://www.soil.csdb.cn/),包括土壤類型、剖面特征、土壤理化性質(zhì),即土壤名稱、土壤顏色、土壤保水性能及各層土壤質(zhì)地(石礫、粉粒、黏粒所占百分比)；有機(jī)碳、全氮、PH、陽離子交換量等。農(nóng)業(yè)生產(chǎn)數(shù)據(jù)取自中國農(nóng)業(yè)氣象站點(diǎn)的觀測數(shù)據(jù)集,包括站點(diǎn)基本信息、水稻生長數(shù)據(jù)(播種期、出苗期、開花期、成熟期)、水稻單產(chǎn)、水稻災(zāi)害數(shù)據(jù)以及水稻田間灌溉(灌溉時期、灌溉量和灌溉方式)、施肥(施肥時間、施肥種類和施肥量)等栽培管理數(shù)據(jù)。

2.2 方法

2.2.1品種遺傳參數(shù)率定

首先對4個站點(diǎn)均選取一種代表性品種(種植三年及以上),且以其中無災(zāi)害記錄的年份校準(zhǔn)模型,其余年份進(jìn)行驗(yàn)證(表1),以保證獲得穩(wěn)定可靠的品種系數(shù)。作物遺傳參數(shù)是品種間特性差異的反映[29],主要表現(xiàn)在作物品種達(dá)到一個特定生長階段所需要的積溫、分蘗系數(shù)和溫度容忍系數(shù)。在CERES-Rice模型中,每個水稻品種有8個遺傳參數(shù)：P1為作物基本營養(yǎng)生長期所需要的溫時,P2O為以最大速率發(fā)育的關(guān)鍵光合期,P2R為開始抽穗的光合敏感期,P5為完成灌漿期所需溫時,G1為潛在穗粒系數(shù),G2和G3為理想情況下的單粒重和分蘗系數(shù),G4為溫度容忍系數(shù)。本文利用DSSAT-GLUE對各參數(shù)通過“試錯法”進(jìn)行反復(fù)迭代,最終對其進(jìn)行標(biāo)定。采用標(biāo)準(zhǔn)均方根誤差(Normalized Root Mean Square Error, NRMSE)[30]對模型的可靠性進(jìn)行檢驗(yàn),其公式如下：

2.2.2歷史時期極端高溫趨勢分析

參照Chavez等[31]的研究,將極端高溫閾值定義為日最高氣溫35℃。首先對各站點(diǎn)歷年一季稻全生育期和高溫敏感期(開花到成熟期)內(nèi)極端高溫頻次進(jìn)行統(tǒng)計(jì),進(jìn)而采用線性趨勢估計(jì)法[32]推斷極端高溫的年際變化趨勢和大小,最后利用F檢驗(yàn)方法對極端高溫變化趨勢的穩(wěn)定性進(jìn)行檢驗(yàn)。

2.2.3極端高溫致?lián)p率評估

高溫致?lián)p率是指由極端高溫導(dǎo)致的產(chǎn)量損失率,為氣象產(chǎn)量和可達(dá)產(chǎn)量的比值。首先利用CERES-Rice模擬實(shí)際氣象條件下的產(chǎn)量和無高溫?zé)岷τ绊懙目蛇_(dá)產(chǎn)量,二者之差即為氣象產(chǎn)量,進(jìn)而計(jì)算災(zāi)損率[10],即：

式中,LR為致?lián)p率,y為可達(dá)產(chǎn)量,y′為實(shí)際產(chǎn)量。

2.2.4極端高溫適應(yīng)性措施的定量模擬

本文基于1990—2012年逐日氣象數(shù)據(jù),結(jié)合校準(zhǔn)后的品種遺傳參數(shù),在假定土壤條件不變的情況下,利用CERES-Rice模擬了不同應(yīng)對措施的水稻產(chǎn)量。通過調(diào)整品種高溫忍耐系數(shù)(G4)的取值、提前或延遲播種期、增加不同的灌水量和施氮量來定量各個適應(yīng)性措施對高溫?zé)岷Φ木徑庾饔?具體模擬情景如表2所示。

表2 不同適應(yīng)性措施的模擬情景

3 結(jié)果與分析

3.1 一季稻品種參數(shù)

本文對4個一季稻站點(diǎn)的主栽品種汕優(yōu)63、金優(yōu)77、甘優(yōu)22和川香優(yōu)6號的遺傳參數(shù)進(jìn)行逐一率定。采用開花日期(ADAT)、成熟日期(MDAT)和單產(chǎn)(HWAM)的模擬值與觀測值之間的標(biāo)準(zhǔn)化均方根誤差(NRMSE)評估模型的可靠性。由表3可見,一季稻開花期、成熟期和產(chǎn)量的模擬值與實(shí)測值的NRMSE分別為7.35%—13.22%,6.67%—9.52%和6.12%—8.05%,除桑植站ADAT的誤差為13.22%外,其余各參數(shù)的誤差均<10%。結(jié)果表明,CERES-Rice一經(jīng)校準(zhǔn),就能夠模擬不同天氣和管理下水稻的物候和產(chǎn)量,具體品種參數(shù)見表4。

表3 各站點(diǎn)模擬的開花日期(ADAT)、成熟日期(MDAT)和產(chǎn)量(HWAM)的標(biāo)準(zhǔn)均方根誤差

表4 各站點(diǎn)主栽品種的遺傳參數(shù)

P1：營養(yǎng)生長所需溫時,Time period during vegetative phase；P2R：光合敏感期,Photosynthetic sensitive period；P5：灌漿所需溫時,Time period from beginning of grain filling to physiological maturity；P2O：關(guān)鍵光合期,Critical photoperiod；G1：潛在穗粒數(shù),Potential spikelet number coefficient；G2：單粒重,Single grain weight；G3：分蘗系數(shù),Tillering coefficient；G4：溫度容忍系數(shù),Temperature tolerance coefficient

3.2 湖南省一季稻極端高溫風(fēng)險(xiǎn)

3.2.1歷史極端高溫變化趨勢

如圖2所示,除靖州站1991、1997年、懷化站1993年外,其余各站每年均檢測到了極端高溫天氣,且關(guān)鍵生育期的高溫天數(shù)占全生育期極端高溫總天數(shù)的60%以上。平均極端高溫天數(shù)古丈最高(22.4 d),其次為懷化(13.7 d)和桑植(18.2 d),靖州最低(6.2 d)。以上結(jié)果表明,研究區(qū)各站點(diǎn)均存在較高的高溫?zé)岷︼L(fēng)險(xiǎn)。

其次,所有站點(diǎn)的極端高溫天氣均呈顯著增加的趨勢。雖然靖州站極端高溫天數(shù)較低,但上升趨勢最明顯(k=0.68,P<0.01)。懷化站高溫脅迫亦顯著增加,尤其是高溫敏感期內(nèi)的變化(k=0.55,P<0.01),且在研究時段的前期、中期和末期均出現(xiàn)較高的峰值,表明懷化站的極端高溫風(fēng)險(xiǎn)持續(xù)較高。古丈站極端溫度年均天數(shù)一直處于較高水平,但增加趨勢不太顯著。桑植站呈現(xiàn)波動上升的態(tài)勢(k=0.33,P<0.05),出現(xiàn)了多個極端高溫天數(shù)峰值。

圖2 1990—2012年湖南省一季稻生育期極端高溫變化趨勢Fig.2 Trends of extreme high temperature during single rice growing season in Hunan Province from 1990 to 2012

3.2.2極端高溫致?lián)p率

圖3 湖南省一季稻極端高溫致?lián)p率Fig.3 The yield loss of the single rice caused by extreme high temperature in Hunan Province

一季稻極端高溫致?lián)p率與其高溫?zé)岷λ接忻黠@的一致性(圖2和圖3)。極端高溫強(qiáng)度相對較低的靖州站熱害致?lián)p率最低,除2010和2011年分別達(dá)到了6.2%和7.1%,其余年份災(zāi)損率均<4%。懷化站平均致?lián)p率為7.5%,而典型極端高溫年份(2009—2011)的減產(chǎn)率達(dá)到了10%以上。桑植站災(zāi)損率為8.2%,在高溫強(qiáng)度較大的1992、2003、2006和2009年,產(chǎn)量分別損失了8.6%,12.5%,11.2%和13.1%。古丈站產(chǎn)量損失最為突出,多年平均災(zāi)損率為10.4%,典型年份高達(dá)23.3%(2009),進(jìn)一步表明古丈站的極端高溫風(fēng)險(xiǎn)水平較高。結(jié)果顯示極端高溫確實(shí)對一季稻生產(chǎn)造成了嚴(yán)重的威脅,且在最近幾年的災(zāi)損率均顯著升高。隨著全球變暖導(dǎo)致的極端高溫事件的增加,水稻生產(chǎn)將面臨日趨嚴(yán)重的減產(chǎn)風(fēng)險(xiǎn)。

3.3 極端高溫適應(yīng)性措施

3.3.1不同高溫抗性品種對高溫?zé)岷Φ木徑庾饔?/p>

圖4 不同高溫忍耐系數(shù)品種的產(chǎn)量與極端高溫強(qiáng)度的關(guān)系Fig.4 The relationship between yield of different temperature tolerance cultivars and extreme high temperate intensities

由圖4可見,種植高溫忍耐系數(shù)(G4)低于1.05(實(shí)際品種高溫忍耐系數(shù))品種,均為減產(chǎn)效應(yīng),反之產(chǎn)量則會增加。當(dāng)7 ℃≤I(高溫強(qiáng)度)≤12 ℃時,種植G4為1.25的品種產(chǎn)量可提高29.8%,但當(dāng)I>12 ℃時,各品種的產(chǎn)量無明顯差異,表明耐高溫品種一定程度上可降低高溫?zé)岷Φ膿p失,但是強(qiáng)度過高的熱害事件會使品種失去其高溫抗性。

3.3.2調(diào)節(jié)播種期對高溫?zé)岷Φ木徑庾饔?/p>

調(diào)節(jié)種植日期對一季稻產(chǎn)量影響顯著,導(dǎo)致-25%—20%的產(chǎn)量波動(圖5)。提前種植可有效緩解高溫?zé)岷Φ挠绊?而延遲播種會導(dǎo)致減產(chǎn),推遲天數(shù)越多,產(chǎn)量損失越大。提前10 d或5 d播種靖州站的產(chǎn)量最大可提高10.3%,懷化站兩者相差不大,而古丈站產(chǎn)量最大可增產(chǎn)17.8%,表明對于極端高溫嚴(yán)重的地區(qū),提前播種的避災(zāi)效果更明顯。調(diào)節(jié)播期對桑植站的影響略有不同,提早播種在會加劇損失,而延遲10 d或15 d最大可增產(chǎn)10%左右,即播種期調(diào)控策略應(yīng)充分考慮區(qū)域條件的差異,因“地”而異。

3.3.3灌溉對高溫?zé)岷Φ木徑庾饔?/p>

極端高溫期間進(jìn)行適量的灌溉是緩解高溫?zé)岷Φ囊环N有效手段(圖6),但各灌溉情景在不同站點(diǎn)的表現(xiàn)有所差異。靖州和懷化站灌溉的避熱效果與灌溉量成正比,在極端高溫期間灌水12 cm產(chǎn)量均可提高5—7%。古丈和桑植站灌溉量的貢獻(xiàn)“兩端低,中間高”,即灌淺水和灌深水均無法達(dá)到緩解極端高溫的作用,6—8 cm的灌水可帶來>5%的產(chǎn)量增長。雖然灌溉可使產(chǎn)量提高1%—8%,但極端高溫期間的灌水量存在一定的閾值,額外灌溉可能導(dǎo)致產(chǎn)量損失。

圖5 調(diào)整播種期對產(chǎn)量的影響Fig.5 The effect of adjusting sowing date on yield A, B, C, D, E, F分別為提前10 d、5 d,延后5 d、10 d、15 d、20 d播種

圖6 極端高溫期間不同灌溉量對產(chǎn)量的影響Fig.6 The effect of different irrigation amounts on yield during extreme high temperature period

3.3.4施氮肥對高溫?zé)岷Φ木徑庾饔?/p>

極端高溫期間增施氮肥的貢獻(xiàn)大于更新品種、調(diào)節(jié)播期和增加灌溉(圖7)。靖州和懷化站產(chǎn)量增長與施肥量呈正比。在最低氮肥增施量(40 kg/hm2)的情景下,增產(chǎn)幅度>4%。當(dāng)增施量達(dá)120 kg/hm2時,產(chǎn)量提高了15%以上。考慮到實(shí)驗(yàn)的一致性,雖未設(shè)置高于120 kg/hm2的情景來探究這兩個站點(diǎn)的施氮量閾值,但模擬結(jié)果顯示,120 kg/hm2的增施量已經(jīng)能夠達(dá)到較好的緩解極端高溫的作用。古丈站各施肥情景下產(chǎn)量可增加3%—13%,與上述兩站點(diǎn)相比,該站施氮量閾值偏低,當(dāng)增施100 kg/hm2的氮肥時,產(chǎn)量已不再顯著增加,其中80 kg/hm2左右的氮肥帶來的產(chǎn)量波動較小,效果最佳。桑植站增施氮肥的可使產(chǎn)量提升5%—10%,100 kg/hm2的施氮量可有效緩解極端高溫的影響。極端高溫期間增施氮肥對產(chǎn)量的貢獻(xiàn)為2%—20%,其中80—100 kg/hm2的施氮量具有良好的避熱增產(chǎn)效果。

圖7 極端高溫期間增施氮肥對產(chǎn)量的影響Fig.7 The effect of nitrogen application on yield during extreme high temperature period

4 討論

湖南省緯度較低,溫度相對較高,水稻高溫?zé)岷︻l發(fā),隨著氣候變暖的加劇,增強(qiáng)趨勢突出,與長江流域高溫?zé)岷Φ淖兓厔菹嘤∽C[33]。極端高溫對一季稻產(chǎn)量影響較大,典型高溫年份致?lián)p率高達(dá)23.3%,與張倩等[14]基于WOFOST模型對整個長江中下游地區(qū)高溫?zé)岷p失的評估結(jié)果(30%)相差不大。DSSAT模型已經(jīng)在許多國家得到廣泛的驗(yàn)證[26],本文考慮到品種差異對產(chǎn)量的影響,選用4個代表性品種率定了各地區(qū)的品種遺傳參數(shù)。結(jié)果表明CERES模型一經(jīng)校準(zhǔn),即可很好地捕捉不同天氣和管理?xiàng)l件下的水稻生育期和產(chǎn)量,但本研究在模擬過程中假定土壤屬性不變,并且未考慮病蟲害以及CO2等溫室氣體對作物生長的影響,對水稻的模擬存在一定的不確定性。

雖然目前基于作物模型探究極端高溫適應(yīng)性措施的研究較少,但田間實(shí)驗(yàn)結(jié)果也可對適應(yīng)措施的可行性進(jìn)行檢驗(yàn)。趙海燕[34]基于CERES-Rice分析了長江中下游水稻生產(chǎn)應(yīng)對氣候變化的策略,表明早稻提前15 d播種產(chǎn)量最大可提高16.6%,適量增加品種耐熱系數(shù)(G4)的值,最高可增產(chǎn)20%。趙決建[35]在2003年長江中下游極端高溫期間調(diào)查了施肥對水稻結(jié)實(shí)率的影響,發(fā)現(xiàn)80—160 kg/hm2的施氮量抗高溫能力最強(qiáng)。以上研究皆佐證了本文的研究結(jié)果。宋忠華等[36]和張彬等[37]指出灌溉量越大(>10 cm), 效果越顯著。但我們發(fā)現(xiàn)極端高溫期間灌水量存在閾值,超額灌溉反而會導(dǎo)致減產(chǎn),一方面歸因于研究區(qū)和研究時段的差異,另外前人的研究是基于田間實(shí)驗(yàn),未設(shè)置更多的試驗(yàn)來探討灌溉量的閾值。雖然增加水肥對產(chǎn)量的貢獻(xiàn)顯著,但綠色發(fā)展是農(nóng)業(yè)現(xiàn)代化的道路,如何以最低的投入和環(huán)境成本生產(chǎn)最多的糧食是當(dāng)前努力的方向。相關(guān)研究表明,密集型農(nóng)業(yè)通過優(yōu)化灌溉時間、灌溉量、灌溉水源[38]以及種植系統(tǒng)[39]可有效提高作物的水分利用率,實(shí)現(xiàn)產(chǎn)量、水分生產(chǎn)力和環(huán)境保護(hù)之間的平衡。整體改善土壤-作物系統(tǒng)[40]、精細(xì)管理田塊氮肥[41]、高效利用作物殘茬、與豆類作物互作[42]是我國農(nóng)業(yè)系統(tǒng)實(shí)現(xiàn)豐產(chǎn)、高效、低污染的有效途徑。實(shí)際上作物生長受多種管理措施的交錯影響,如過量灌溉可能導(dǎo)致氮流失、不同熟性品種的最佳種植日期差異顯著,未來研究有必要關(guān)注多種管理措施的綜合效果。此外,氣候變化是當(dāng)前不變的主題,相比歷史情況,人們更關(guān)心未來的極端高溫風(fēng)險(xiǎn)以及可采取的緩解措施。因此,結(jié)合未來情景的定量分析將是進(jìn)一步研究的方向。

5 結(jié)論

本文在分析湖南省一季稻站點(diǎn)1990—2012間生育期內(nèi)極端高溫年際變化的基礎(chǔ)上,利用CERES-Rice模型評估了歷史時期高溫?zé)岷σ患镜井a(chǎn)量致?lián)p率,并定制了緩解高溫?zé)岷Φ淖罴堰m應(yīng)性措施,得到如下主要結(jié)論：

(1)湖南省一季稻育期內(nèi)均檢測到了頻繁的極端高溫天氣,峰值集中在研究時段的末期且在2000年以后顯著增加,極端高溫災(zāi)損率古丈>桑植>懷化>靖州,分別為10.4%,8.2%,7.5%和4%。高溫?zé)岷σ患镜驹斐闪瞬煌潭鹊臏p產(chǎn),隨著氣候變暖導(dǎo)致的極端高溫事件增加,水稻面臨著持續(xù)增大的減產(chǎn)風(fēng)險(xiǎn)。

(2)選種耐高溫的品種有利于緩解極端高溫的影響,但當(dāng)高溫強(qiáng)度過高時,品種會失去其高溫抗性。調(diào)節(jié)播種期引起-25%—20%的產(chǎn)量波動,提前10 d或5 d種植可有效緩解高溫?zé)岷Φ挠绊?。灌溉對產(chǎn)量的貢獻(xiàn)為1%—8%,其中6—8 cm的灌水量效果最佳。極端高溫期間增施氮肥的效果穩(wěn)定且顯著,平均增產(chǎn)2%—20%,80—100 kg/hm2的施氮量能帶來較為理想的避熱增產(chǎn)效果。