秘鲁干旱海岸水稻干湿交替灌溉(AWD)的产量与温室气体减排协同效应:基于AquaCrop-OSPy与DNDC单向耦合的2100年多情景模拟

《Agronomy》:Rice Ripening Stage Recognition Using Multi-Source UAV Remote Sensing Data and a Modified MobileNetV3-Small Network

【字体: 大 中 小 】 时间:2026年09月30日 来源:Agronomy 4.1

编辑推荐:

  摘要专业翻译 秘鲁干旱海岸的水稻种植耗水量大且排放强度高;干湿交替灌溉(alternate wetting and drying, AWD)可同时降低水资源消耗与排放,然而在气候变化背景下二者的协同响应鲜有量化研究。研究人员将AquaCrop-OSPy与DND

  
摘要专业翻译 秘鲁干旱海岸的水稻种植耗水量大且排放强度高;干湿交替灌溉(alternate wetting and drying, AWD)可同时降低水资源消耗与排放,然而在气候变化背景下二者的协同响应鲜有量化研究。研究人员将AquaCrop-OSPy与DNDC模型在单一偏差校正气候强迫下进行单向耦合,分别以2023年各自的观测数据对模型进行校准,针对水稻品种Oryza sativa cv. INIA 515 Capote?a,在三种CMIP6情景下模拟至2100年。冠层覆盖度在样本内模拟误差为0.3至1.7个百分点,样本外误差为1.8至5.2个百分点,但籽粒产量被低估24%和39%。AWD20节约27.5%的灌溉水,籽粒减产7.9%,同时使全球增温潜势(global warming potential, GWP)在2023年实测中降低76%,模拟中降低86%–89%,该结果代表模型上限。在所有情景下,碳施肥效应使产量持续至2100年;SSP5-8.5情景下世纪末产量下降被证明是作物模型CO2参数化方案的特异性结果,且花期不育阈值从未达到。适应性灌溉未改变任何结果,但将AWD20与重排播期窗口相结合可使产量增加14%,并保留86%的减排效益。排放预估仍取决于作物碳输入,单向耦合仅以季节总量形式传递该输入。

论文解读文章

一、研究背景与科学问题

水稻(Oryza sativa L.)养活了全球近半数人口,是粮食安全的重要基石,但同时也是农业中排放强度最高的作物:淹水稻田约占农田温室气体排放总量的48%,其中约94%为甲烷(CH4)。在长期淹水条件下,厌氧土壤促进产甲烷作用,而气候变暖与大气CO2浓度升高均被预测将进一步推高稻田CH4排放。与此同时,淹水水稻是农作物中灌溉水消耗量最大的类型,在水资源稀缺地区其脆弱性尤为突出。
秘鲁北部沿海地带(兰巴耶克、拉利伯塔德和皮乌拉)是该国主要水稻产区之一,依靠洪水灌溉维持高产,代价是巨大的水资源消耗和CH4排放。该地区属极端干旱沙漠气候,农业生产完全依赖灌溉。水稻传统上采用连续淹灌(continuous flooding, CF)方式种植,该方式虽能稳定产量并抑制杂草,但耗水量极大,且使土壤长期处于产生CH4的厌氧状态。因此,该体系面临双重压力:在日益严重的水资源短缺中维持粮食生产力,同时减少碳足迹。
干湿交替灌溉(alternate wetting and drying, AWD)是缓解这一压力的主要管理替代方案。多项荟萃分析一致认为,AWD在不显著降低产量的前提下减少用水,并通过引入土壤有氧阶段显著降低CH4排放。然而,间歇性排水可能刺激硝化-反硝化作用,增加氧化亚氮(N2O)排放,因此对全球增温潜势(GWP)的净效益取决于两种气体间的平衡。在推荐AWD作为减排措施之前,量化这一权衡至关重要。
评估这一权衡需要能够超越观测范围进行预测的模型。纯经验或统计方法虽能很好地复现校准数据,但无法机制性地解析作物和土壤对未来气候的响应,外推能力差。物理过程模型则能解析潜在过程并允许外推,代价是对参数和数据的需求更高。在过程模型中,FAO的AquaCrop模型以简约参数化模拟冠层发育、土壤水平衡和产量,在数据稀缺时表现稳健,但不解析土壤化学过程;生物地球化学模型DNDC(Denitrification–Decomposition)则解析土壤碳氮循环及CH4和N2O通量,适合排放模拟,但参数化要求更高且N2O不确定性更大。二者具有互补性。
尽管过程作物模型与生物地球化学模块已有耦合先例,但多数研究仅单独使用水作物模型或生物地球化学模型,很少在共同强迫下耦合二者以联合预测世纪末的生产力和温室气体排放。据研究人员所知,尚无研究针对完全依赖灌溉的干旱沿海水稻系统开展此类耦合。这一空白在气候变暖背景下尤为关键:水稻产量对开花期高温高度敏感,穗不育率一旦超过花期的临界热阈值便急剧上升。若分别预测水资源和排放,则无法预判一种既减排又保产的管理措施在热胁迫成为限制因素后是否仍然有效。

二、研究目标与设计

本研究将AquaCrop-OSPy与DNDC耦合,研究对象为秘鲁兰巴耶克INIA Vista Florida农业试验站的INIA 515 Capote?a品种。研究问题直接明确:在气候变暖背景下,AWD能否在极端干旱沿海系统中同时维持水稻产量并减少温室气体排放,其水资源代价是多少?研究设定三个目标:其一,用AquaCrop-OSPy校准和评估冠层动态,以产量作为一致性检验,并用DNDC校准CF和AWD20下的季节CH4和N2O排放及GWP;其二,在三种CMIP6情景(SSP1-2.6、SSP2-4.5和SSP5-8.5)下将产量和排放的联合轨迹预测至2100年;其三,评估两种适应策略——播期重排和适应性灌溉(后者作为隔离水分因素的对照)。
研究在2023年生长季开展,试验包含四种水分处理,本研究分析两个端部处理:CF和AWD20(水位降至地表以下20 cm后再复灌)。CF和AWD20的灌溉量分别为1997 mm和1448 mm,AWD20节水27.5%。品种于2023年1月4日播种于苗床,2月3日移栽,6月7日收获(播种后天数154天)。氮磷钾施用总量为250-120-50 kg ha-1,实际氮投入251 kg N ha-1,分四次施用。

三、关键技术与方法

研究人员采用以下核心技术方法:其一,AquaCrop-OSPy冠层校准采用多目标进化算法NSGA-II(Non-Dominated Sorting Genetic Algorithm II),以13次无人机(UAV)飞行获取的冠层覆盖度(canopy cover, CC)为观测目标,分营养生长和生殖生长两个物候阶段分别最小化均方根误差(RMSE),并辅以留一交叉验证评估过拟合程度;其二,DNDC模型采用拉丁超立方采样(Latin hypercube sampling)对六个与通量相关的参数进行校准,以季节CH4和N2O累积排放的联合误差最小化为目标函数,CF和AWD20共享同一参数集;其三,气候强迫采用CMIP6五个全球气候模型(TaiESM1、BCC-CSM2-MR、CMCC-ESM2、MRI-ESM2-0和CESM2)的多模式集合,经分位数增量映射(quantile delta mapping)偏差校正后,按模型误差加权组合,再通过增量变化校正转移至试验站点;其四,AquaCrop-OSPy与DNDC采用单向耦合架构,两模型共享偏差校正后的气候、年CO2浓度、土壤和管理日历,AquaCrop模拟的生物量以季节总量形式设定DNDC的碳输入,但土壤不向作物反馈。观测数据来源为2023年同一试验季:冠层覆盖度来自13次UAV飞行(每处理100个多边形),CH4和N2O通量来自13次静态暗箱采样(DAS 38至147),气象数据来自站点自动气象站。

四、研究结果

4.1 冠层校准与评估

AquaCrop-OSPy在两种水分处理下均高保真地复现了冠层动态:决定系数R2为0.9998(CF)和0.9920(AWD20),RMSE为0.47和2.09个百分点,相对RMSE为0.8%和4.5%。留一交叉验证显示,AWD20的样本外误差与样本内拟合不可区分(RMSE 2.1个百分点,NSE 0.99),而CF的样本外误差明显退化(RMSE 10.2,NSE 0.83),退化集中在衰老阶段。作为一致性检验,模拟产量(CF 9.17 t ha-1,AWD20 6.80 t ha-1,干基)分别低估观测值(12.05和11.10 t ha-1)23.9%和38.8%,误差集中于籽粒分配比例,而蒸散量和最大地上生物量模拟误差均在较小范围内。

4.2 CH4和N2O排放及全球增温潜势

DNDC复现了两种水分处理间的核心差异。CF下模拟季节CH4排放(107.9 kg C ha-1)与观测值(110.2)高度吻合,模拟净GWP(3894 kg CO2-eq ha-1)接近观测值(4199)。AWD20使GWP大幅下降:相对于CF的降幅在箱式观测中为76%,在模拟中为84%。然而AWD20的拟合精度远低于CF:模型高估残余CH4(7.60对1.58 kg C ha-1)且低估N2O(0.82对2.21 kg N ha-1)。CH4偏差的成因集中在季节末期:模型在每次灌溉后恢复厌氧条件,而田间观测显示冠层衰老后的复灌并未重新激活产甲烷作用。N2O与CH4的权衡在模型参数空间内无法同时解决:使CH4达到观测值的参数化将使N2O升至40 kg N ha-1,而使N2O处于正确量级的参数化则使CH4高出数倍。日尺度通量拟合差(两种气体、两种处理NSE均为负),但季节总量在CF下吻合良好,属相位解耦而非量级偏差。

4.3 水分生产力与排放强度

2023年季节中,AWD20比CF少用27.5%灌溉水,产量损失仅7.9%(按鲜商业重计),灌溉水生产力从0.70升至0.89 kg m-3(+27%)。结合GWP的显著降低,排放强度(每千克籽粒的净GWP)从0.300降至0.078 kg CO2-eq kg-1(-74%)。

4.4 2023–2100年预测:产量与排放

产量轨迹因情景而异。SSP1-2.6下产量随世纪中叶CO2过冲上升后几乎回到起点(CF -1%,AWD20 +3%);SSP2-4.5下产量通过碳施肥效应持续上升(CF +17%,AWD20 +18%);SSP5-8.5下轨迹非单调,先升至2051–2080年的峰值(CF 10.22 t ha-1,AWD20 7.11 t ha-1)后回落。世纪末产量并非按情景严重程度排序,SSP2-4.5明显高于另外两个情景。双因子控制实验将SSP5-8.5世纪末下降分解为约三分之一的热效应和三分之二的CO2响应下降——后者属于AquaCrop模型CO2参数化的外推特性而非实验事实。将CO2响应替换为CERES-Rice和APSIM的已发表公式后,世纪末下降消失,产量在四种公式下均高于2023年水平。热胁迫系数在所有5544个年-情景-播期组合中从未触发,花期无一日超过36°C,穗不育并非产量下降原因。AWD20在整个预测期内维持其减排优势:净GWP相对CF降低86%(SSP1-2.6)、87%(SSP2-4.5)和89%(SSP5-8.5)。CF下GWP随变暖增长(世纪末相对2023年增加1.30、1.35和2.05倍),AWD20下则保持低水平且不增长(1.03、1.03和0.90倍)。排放强度方面,CF从2023年的0.34 kg CO2-eq kg-1升至SSP5-8.5世纪末的0.67,而AWD20在任何情景和时点均不超过0.085,两种处理间的差距从2023年的4倍扩大至最暖情景世纪末的9倍。

4.5 适应策略

适应性灌溉在极少数季节被触发,且触发时增益恰好为零——2023年灌溉制度在任何年份均不产生水分胁迫,增加灌溉深度无对象可作用。播期重排则在SSP5-8.5下每个十年均提高产量,增益从2030年代的+2%(CF)和+3%(AWD20)逐步增至2080年代的+12%和+14%,2090年代两种处理均为+14%。最优播期从2030年代的1月中旬逐渐推迟至2090年代的6月初,即相对1月上旬参考移栽期延迟近五个月。采用前十年最优播期的回溯策略保留了理论最大增益的71%–72%,且从2060年起与前瞻性策略的差距缩小至1–3个百分点。将播期重排与AWD20组合后,减排效益得以保留:2081–2100年净GWP相对CF的降幅在重排日历下为85%–86%,与基线日历的86%–93%接近。播期重排本身即是减排措施:CF下2081–2100年净GWP在三种情景中分别下降18%、26%和43%,SSP5-8.5下从7345降至4162 kg CO2-eq ha-1,同时产量从9.46升至10.77 t ha-1。

五、讨论与结论

研究人员在讨论中明确了本研究的贡献边界。该研究并非提出新的耦合方案,而是在单一干旱气候水稻系统中构建了独立校准的耦合水-作物-生物地球化学框架,一致地分析了气候变化下粮食安全与温室气体减排之间的平衡。研究承认若干结构性局限:单向耦合未表示生物量-底物对CH4的反馈;DNDC的N2O低估属结构性缺陷,经IPCC清单方法交叉验证确认;AWD20下近乎完全的CH4抑制是该田块的特性而非任何模型的普适结果——默认清单方法仅给出45%的降幅,而实测为98.6%;预测结果应解读为相对变化而非绝对世纪末数值;季节排放被当作年排放,排除了收获后休耕期的贡献。
研究结论可概括为:在秘鲁干旱海岸水稻系统中,AWD20在2023年实测中节省27.5%灌溉水、减产仅7.9%,并将GWP降低76%,模拟值84%–89%代表模型上限;至2100年,AWD20在所有CMIP6情景下均维持减排优势,且其排放强度不随变暖上升,而CF的排放强度在SSP5-8.5下几乎翻倍;碳施肥效应使产量在所有情景下维持至世纪末,SSP5-8.5的世纪末下降是CO2参数化方案的特异性结果而非气候预测;热胁迫阈值从未达到,水分不是世纪末的限制因子;适应性灌溉无效,而播期重排是唯一有效的适应策略,其增益随变暖扩大,与AWD20组合后既提高产量又保留减排效益。该研究为干旱沿海水稻系统在气候变化下的水-碳协同管理提供了基于过程模型的定量依据,其方法论框架可推广至其他灌溉依赖型作物系统。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号