DOI: 10.12357/cjea.20220315
杨云川, 程禹灏, 梁丽青, 廖丽萍, 王婷艳, 张会娅, 杨星星, 胡甲秋. 基于Aqua Crop的南宁市甘蔗响应气象干旱情景模
拟[J]. 中国生态农业学报 (中英文), 2022, 30(12): 1900?1912
YANG Y C, CHENG Y H, LIANG L Q, LIAO L P, WANG T Y, ZHANG H Y, YANG X X, HU J Q. Simulation of response of sug-
arcane growth to meteorological drought scenarios based on Aqua Crop model in Nanning[J]. Chinese Journal of Eco-Agriculture,
2022, 30(12): 1900?1912
基于Aqua Crop的南宁市甘蔗响应气象干旱情景
模拟
杨云川1,2, 程禹灏1, 梁丽青1, 廖丽萍1,2, 王婷艳1, 张会娅1, 杨星星1, 胡甲秋1
(1. 广西大学土木建筑工程学院 南宁 530004; 2. 广西岩溶区水安全与智慧调控工程研究中心/工程防灾与结构安全教育部
重点实验室/广西防灾减灾与工程安全重点实验室 南宁 530004)
摘 要: 南宁市多低山丘陵、岩溶发育, 甘蔗种植以雨养为主, 气象干旱造成的土壤水分亏缺一直是影响该区域甘
蔗生长和产量累积的主要因子, 多年来旱灾造成的甘蔗产量损失巨大。为此, 本文基于1979—2018年0.1°格点逐
日气象数据, 计算逐日标准化加权平均降水指数(SWAP)并分析了南宁市气象干旱特征及其在甘蔗生育期的可能
发生情景, 并采用水分要素驱动的Aqua Crop作物模型, 开展了该区域甘蔗生长、生物量及产量累积过程对不同强
度、历时的气象干旱的响应机制模拟研究。结果表明: 经扩展傅里叶幅度检验法(EFAST)对作物模型参数进行敏
感性分析和本地化率定后, 该模型模拟研究区的甘蔗产量拟合精度达0.92、均方根误差百分率为3.84%。历时典型
气象干旱年情景模拟表明: 产量和生物量累积对各强度气象干旱均有显著响应, 蒸腾量变化只有在分蘖期和伸长期
对气象干旱的响应敏感, 而冠层覆盖度对气象干旱的响应具有显著的滞后递减特征。甘蔗各生育期的气象干旱情
景模拟发现: 萌芽期发生轻、中旱历时达15 d及以上时甘蔗的上述4个要素开始出现显著响应, 伸长期发生轻、中
和重旱历时为5 d及以上时, 甘蔗各要素即出现显著响应, 而成熟期基本不受气象干旱影响。各强度气象干旱情景
下, 甘蔗的产量、生物量、蒸腾量的减少率随干旱历时的变化分别为0~24.0%、0~18.5%及0~15.9% (轻旱历时
5~35 d), 25.0%~37.0%、20.0%~29.3%及8.0%~24.4% (中旱历时15~45 d), 33.5%~40.0%、26.2%~31.7%及
18.9%~25.7% (重旱历时35~50 d)。上述成果揭示了研究区甘蔗生长过程及累计产量等与各强度、历时气象干旱之
间的定量映射关系, 可为南宁市解析气象干旱-土壤水分-甘蔗长势的旱灾链式传递机理、多阶段旱灾预警及旱灾动
态风险智慧调控等奠定科学基础。
关键词: 干旱响应机制; Aqua Crop模型; 甘蔗; 蔗茎产量; 生物量; 蒸腾量
中图分类号: P333; P429开放科学码(资源服务)标识码(OSID):
Simulation of response of sugarcane growth to meteorological drought scenarios
based on Aqua Crop model in Nanning
YANG Yunchuan1,2, CHENG Yuhao1, LIANG Liqing1, LIAO Liping1,2, WANG Tingyan1, ZHANG Huiya1,
YANG Xingxing1, HU Jiaqiu1
国家自然科学基金项目(42261017, 41901132)和广西自然科学基金项目(2019GXNSFAA185015, 2021GXNSFBA220025)资助
通信作者: 廖丽萍, 主要从事岩土介质水文动力过程与防灾减灾研究。E-mail: 01llp@163.com
杨云川, 主要从事农业与城市生态水文学研究。E-mail: yyc_sciences@163.com
收稿日期: 2022-04-25 接受日期: 2022-06-09
This study was supported by the National Natural Science Foundation of China (42261017, 41901132) and the Natural Science Foundation of Guangxi
of China (2019GXNSFAA185015, 2021GXNSFBA220025).
Corresponding author, E-mail: 01llp@163.com
Received Apr. 25, 2022; accepted Jun. 9, 2022
中国生态农业学报 (中英文) ?2022年12月 ?第?30?卷 ?第?12?期
Chinese?Journal?of?Eco-Agriculture,?Dec.?2022,?30(12):?1900?1912
http://www.ecoagri.ac.cn
(1. College of Civil Engineering and Architecture, Guangxi University, Nanning 530004, China; 2. Guangxi Provincial Engineering Research
Center of Water Security and Intelligent Control for Karst Region / Key Laboratory of Disaster Prevention and Structural Safety of Ministry
of Education / Guangxi Key Laboratory of Disaster Prevention and Engineering Safety, Nanning 530004, China)
Abstract: Rain-fed sugarcane is mainly cultivated in Nanning, an area with extensive hills and karst. The soil water deficit caused by
meteorological drought is a major factor affecting sugarcane growth and yield in this region. The cane yield has experienced huge
losses due to drought over the years. Therefore, the daily standardized weighted average precipitation index (SWAP) was calculated
using 0.1° grid daily meteorological data from 1979?2018, and the meteorological drought characteristics and possible drought event
scenarios during the sugarcane growth period were identified. Finally, the Aqua Crop model was employed to simulate and reveal the
mechanisms of sugarcane growth, biomass, and yield accumulation in response to meteorological droughts of multiple intensities and
durations. The results showed that the duration, intensity, and frequency of meteorological drought presented significant spatial het-
erogeneity in Nanning, and meteorological drought events mainly occurred during the sugarcane growth stages of sprouting, stem
elongation, and maturity. In addition, seasonal droughts with durations longer than 30 days and sudden droughts with durations less
than 30 days occured alternately in the study area. The Aqua Crop model showed good simulation accuracy with the yield determina-
tion coefficient (R2) reaching 0.92, and the root mean square error as 3.84%, which were achieved after the sensitivity analysis by the
Extended Fourier Amplitude Test (EFAST) and the crop parameter localization for the model. That is, the Aqua Crop model had good
simulation accuracy and practical value in this study. The simulation results of a typical meteorological drought year demonstrated
that the cane yield (Y) and biomass accumulation (B) were sensitive to meteorological drought of all intensities. However, transpira-
tion (Tr) was sensitive to meteorological drought only during the tilling and stem elongation stages, and canopy coverage (CC) ap-
pears to have a significant lag effect in response to meteorological drought. The variation in the above four factors showed an obvi-
ous response when the meteorological drought lasted for 15 days or more during the sprouting stage. Nevertheless, the variation in the
above four factors appeared to be a significant response when the meteorological drought lasted for only 5 days or more during the
stem elongation stage. There was no significant response of the above four factors to meteorological drought for all intensities and
durations in the maturity stage. In terms of different meteorological drought intensity scenarios, the reduction rate variations of cane
yield (Yw), biomass (Bw) and transpiration (Trw) were, respectively, 0?24.0%, 0?18.5%, and 0?15.9% when the duration of light
drought increased from 5 to 35 days; 25.0%?37.0%, 20.0%?29.3%, and 8.0%?24.4% when the duration of moderate drought in-
creased from 15 to 45 days; and 33.5%?40.0%, 26.2%?31.7%, and 18.9%?25.7% when the duration of severe drought increased
from 35 to 50 days. These results reveal the quantitative mapping relationship between sugarcane growth process, cane yield accumu-
lation, and meteorological drought for all intensities and durations in the study area, which plays an important scientific supporting
role in the chain transmission mechanism analysis of sugarcane drought among meteorological drought, soil moisture, and sugarcane
growth, in multi-stage drought early warning systems, and in the intelligent management of drought dynamic risk.
Keywords: Drought response mechanism; Aqua Crop model; Sugarcane; Cane yield; Biomass; Transpiration
甘蔗(Saccharum officinarum L.)作为最具潜力的
高产生物能源经济作物[1-2], 是制糖的重要原料, 其生
长对光照、雨热需求较高, 导致全球甘蔗种植主要
分布在坡度5%~30%、纬度30°N~30°S的地区[3]。中
国是仅次于巴西和印度的世界第三大甘蔗生产国,
而广西则是中国甘蔗种植和产糖量第一大省[4-5]。水
分供给是高耗水甘蔗正常生长的一个主要控制因子[3-6],
但广西历年降水季节分配不均, 蔗区多石山丘陵, 坡
耕地居多, 岩溶发育及土层保水能力弱, 且全区甘蔗
种植仍以雨养为主, 致使甘蔗饱受干旱灾害侵袭而
产量损失巨大。南宁市是广西甘蔗的三大种植产区
之一, 更是广西年降雨量最少的市区之一, 区域气象
干旱灾害频发, 并具有多重时间尺度、旱涝并存及
交替叠加的现象, 对甘蔗生长及产量累积等造成显
著影响[7]。为此, 开展南宁市甘蔗生长过程、生物量
及产量累积对各种气象干旱情景的响应机制研究,
在明晰广西甘蔗旱灾响应机理, 实现甘蔗旱灾风险
调控及预警、田间精准智慧管理及制定有效的防灾
减灾应对措施等方面具有重要科学意义。
近年来, 关于甘蔗干旱的研究主要是分析甘蔗
干旱时空演变特征[8-9]、基于旱灾损失资料的风险评
估[10-11]、水分亏缺胁迫及抗旱的生理生化性能指标
响应、干旱对其形态特征的影响等方面[12-13], 而借助
反映生长物理过程的作物模型开展甘蔗对各种干旱
(水分亏缺胁迫)情景的响应机制研究则相对较少。
作物模型基于系统科学思想, 综合气候、土壤、作
物生理及田间管理等因素, 在揭示作物生长过程、生
物量与产量累积对干旱的响应机制具有独特优势[14-15]。
在众多作物模型中, 联合国粮农组织(FAO)于2009
年推出的Aqua Crop作物生长模型[16-18]主要包括: 土
壤水分平衡、作物生长模拟和大气组分等3个模块,
以水分为主控驱动因子, 适于甘蔗这种高耗水作物
第 12 期 杨云川等 : 基 于 Aqua Crop的南宁市甘蔗响应气象干旱情景模拟 1901
http://www.ecoagri.ac.cn
的生长模拟研究。Aqua Crop模型已被广泛应用于
小麦(Triticum aestivum L.)、玉米(Zea mays L.)及水
稻(Oryza sativa L.)等粮食作物的产量模拟及灌溉制
度优化, 证实其具有良好的模拟精度和应用潜力[19-20]。
此外, 针对广西气象干旱的季节性、骤发性并存及
旱涝交替并发的特征[7,20-22], 文中选择只需要降水资
料的标准化加权平均降水指数(standard weighted av-
erage precipitation, SWAP)[23-25]进行南宁市气象干旱事
件及其发生发展过程的逐日精细化识别, 一方面可
避免其他常用干旱指数因各气象要素资料不足或短
缺而造成分析结果的不连续性; 另一方面, 可为结合
作物模型实现甘蔗对气象干旱响应机制的业务化精
确预警及旱灾风险智慧调控奠定科学与技术基础。
综上, 本文基于对南宁市1978 ?2018年逐日SWAP
气象干旱时空特征统计分析, 确定该区域甘蔗各生
育期实际可能发生的气象干旱情景, 在本地化Aqua
Crop模型参数基础上, 实现甘蔗生长、生物量及产
量累积对气象干旱的强度、历时及生育期敏感性等
关键要素变化响应的精细化模拟。
1 研究区域、数据与方法
1.1 研究区域
南宁市属亚热带季风湿润气候区, 有“桂中腹地”
之称, 地貌类型以盆地和山地丘陵为主, 周边区域岩
溶发育(图1a), 全年气候温和, 日照充足, 能很好地
满足甘蔗生长的热量和光照需求, 是广西三大甘蔗
种植市区之一。全市降雨量充沛, 多年平均降水量
达1304.2 mm[26-27], 但其时空分布不均, 加之下垫面为
复杂地形地貌, 农业灌溉工程不足, 造成区域多年来
气象干旱频发, 甘蔗干旱及旱灾损失巨大[10-11]。南宁
市历年甘蔗种植面积相对稳定, 2018年为141 833 hm2,
占全区的16.0%。其空间分布呈总体分散、局部聚
集的总体格局, 密集种植区主要有武鸣区、横县、
宾阳县、邕宁区以及江南区等(图1b)。多年来, 南
宁市甘蔗种植仍以雨养为主, 气象干旱造成的土壤
水分亏缺一直是影响该区域甘蔗生长及其产量的一
个主要因子。
24 N a b
23 N
22 N
108 E 109 E 110 E
N
0 25 50 75 100 km
DEM
(m)
22
156
293
429
1738
108 E 109 E 110 E
0 25 50 75 100 km
0.1 格点
0.1 gird point
甘蔗区
Sugarcane area
南宁
Nanning
图 1 南宁市数字高程模型(DEM, a)、甘蔗种植分布(2018年)及China Meteorological Forces Dataset (CMFD) 197个数据
格点(b)
Fig. 1 Nanning Digital Elevation Model (DEM, a), sugarcane cultivation distribution (2018) and China Meteorological Forces Data-
set (CMFD) 197 data grid points (b)
1.2 研究数据
研究中涉及气象、土壤、作物、田间试验及管
理等各类数据集。其中, 气象数据采用逐日尺度中
国气象强迫数据集(China Meteorological Forces Data-
set, CMFD), 是我国学者Jie等[28]开发的0.1°空间分
辨率网格化数据, 包括1979 ?2018年逐日降雨量、
最高气温、最低气温、平均气温、相对湿度、风速
及太阳辐射量等; 其通过遥感产品、再分析数据集
和原位站数据融合而成, 具有连续的时间覆盖和良
好质量, 是目前应用最广泛的气候气象数据集之一
(http://data.tpdc.ac.cn/en/data/8028b944-daaa-4511-8769-
965612652c49/)。本研究中, 通过与地面气象站点数
据对比分析, 发现CFMD日降雨、日气温与气象站
数据相关性分别达0.80和0.98以上, 总体精度良好。
文中采用的土壤数据, 主要是中国土壤数据库(http://
vdb3.soil.csdb.cn/), 并以寒区旱区科学数据中心《基
于世界土壤数据库的中国土壤数据集》作为参考;
具体通过Soil Water Characteristics计算获得的站点
土壤水力参数; 根据Aqua Crop模型提供的作物信息
库确定甘蔗生长模拟的作物参数, 并通过敏感性分
析和率定参数实现本地化; 验证数据采用广西大学
农学院农场的甘蔗全生育期田间试验观测数据; 田
1902 中国生态农业学 报 (中英文 )?2022 第 30 卷
http://www.ecoagri.ac.cn
间管理数据按实际田间种植情况设置。
1.3 研究方法
1.3.1 标准化加权平均降雨指数(SWAP)
为描述区域旱涝的逐日变化, Lu[29]于2009年基
于降水要素, 并概化考虑下垫面水分耗散的综合累
积效应, 提出加权平均降水指数(Weighted Average
Precipitation, WAP), 计算公式如下:
WAP=
(∑N
n=0
anPn
)/∑N
n=0
an (1)
N
Pn a
式中: n=0代表当前日; 是当前日的前期影响天数;
为前期第n日降水量; 为表征前一日的降水对当
前日下垫面湿润程度的贡献强度经验值参数, 论证
N
时取0.9为适宜值, 此时 取44 d。此后, Lu等[30]进
一步针对WAP, 提出Gamma函数正态标准化的SWAP
指数, 计算如下:
1p
2π
w SWAP
1
e Z2=2dz = 1 ( )
w WAP
0
x 1e x= dx (2)
SWAP属于正态标准化变量, 具有与标准化降水
指数(Standardized Precipitation Index, SPI)相同的强
度等级划分标准, 即按正态分布曲线的数学拐点特
征来划分干旱等级。但近年研究发现以出现概率(重
现期)为标准来划分干旱等级更加科学合理, 并且与
实际旱情更吻合。因此, 本文采用以出现概率为标
准的干旱等级划分(表1)。
表 1 标准化的加权平均降水指数(SWAP)干旱强度等级表
Table 1 Drought intensity gradation according to Standard Weighted Average Precipitation (SWAP)
SWAP阈值范围 SWAP threshold range
(?0.84, ?0.52] (?1.28, ?0.84] (?1.65, ?1.28] (?∞, ?1.65]
干旱等级
Drought grade
轻旱
Light drought
中旱
Moderate drought
重旱
Severe drought
特旱
Extreme drought
出现概率
Probability of occurrence (0.2, 0.3] (0.1, 0.2] (0.05, 0.1] (0, 0.05]
基于上述等级划分阈值, 采用游程理论[25,31]识别
并统计分析研究区的气象干旱事件特征(结果详见
2.1节)。具体设定3个截断水平X0=?0.84、X1=?0.52
和X2=0 (X表示SWAP干旱指数值), 识别步骤如下:
1)当一定时间尺度下(5 d及以上天数) SWAP指数
值小于X1 (?0.52)时, 则初步判定该时间段发生干旱;
2)对于历时为1个时间段(5 d)的干旱, 若其干旱指
数值大于X0, 则认为该时间段未发生干旱; 3)对于时
间间隔仅为1 d的相邻2次干旱过程, 若间隔期的干
旱指数小于X2, 则这2次干旱被视为从属干旱, 将其
合并为1次干旱事件, 否则视为2次独立干旱过程。
1.3.2 Aqua Crop模型原理
根据FAO灌溉与排水第33号文件所述的作物
产量和水分响应的转换关系如下[32]:
Yx Y0
Yx = ky
ETx ET0
ETx (3)Y
x和Y0
ETx和ET0
ky
式 中: 分 别 为 作 物 的 潜 在 产 量 和 实 际 产 量,
kg?m?2; 分别为作物潜在蒸散量和实际蒸散
量, mm; 为产量对水分响应的系数。
Aqua Crop模型对上述方程进行了改进, 将蒸散
量进一步分为土壤蒸发量和作物蒸腾量两部分, 从
而避免了非生产性用水(土壤蒸发)与生产性用水
(作物蒸腾)效应的混淆; 最终的产量以生物量和收获
指数来表示, 用以突出水分胁迫对二者各自的影响。
改进后的公式如下:
Y = B HI (4)
B=WP
∑
Tr (5)
Y = fHI HI0 B (6)
Tr HI0 fHI
式中: Y为最终作物产量(t?hm?2); B为生物量(t?hm?2); HI
为收获指数; WP为生物量水分生产效率(kg?m?2?mm?1);
为作物蒸腾量(mm); 是参考收获指数; 是调
整系数, 用来反映各种胁迫(水分胁迫、温度胁迫
等)对作物产量的影响。
此外, 文中涉及甘蔗各要素受旱的减小量描述,
分别采用产量减少率、生物量减少率、作物总蒸腾
减少率来表达, 公式如下:
Yw = Yi YckY
ck
100% (7)
Bw = Bi BckB
ck
100% (8)
Trw = Tri TrckT
rck
100% (9)
Yw Bw Trw
Yi Bi Tri
式中, 、 、 分别表示甘蔗因干旱水分胁迫的
减产率、生物量减少率、总蒸腾减少率, 、 、
分别表示干旱情景下的产量、生物量、作物总蒸腾
第 12 期 杨云川等 : 基 于 Aqua Crop的南宁市甘蔗响应气象干旱情景模拟 1903
http://www.ecoagri.ac.cn
Yck Bck Trck
量, 、 、 表示对照组2017年的对应要素。
1.3.3 甘蔗干旱过程模拟数据库构建
Aqua Crop模型输入参数主要包括研究区的气
象、土壤、作物生长及管理措施等4类信息。气象
数据库包括降水量(P)、参考蒸散发量(ET0)、日最
高/最低气温(Tmax/Tmin)和CO2浓度4类, ET0可通过
FAO发布的ET0 Calculator求出。土壤数据库包括
土层剖面水分和地下水两个模块, 土层剖面水分参
数主要有田间持水量、永久凋萎点、饱和导水率及
饱和渗透系数等, 地下水参数主要有地下水位和盐
度等; 具体采用模型中的Soil Water Characteristics工
具计算土层剖面水分参数, 地下水参数影响较小, 按
默认值处理。作物数据库包括植物冠层、植物根系、
植物蒸腾、产量、水分、盐分、肥力及温度胁迫等模
块, 且每个模块均包括多个参数。本研究针对甘蔗
作 物 生 长 特 征, 综 合 参 考Bahmani等[33]、Zu等[34]、
阮红燕[35]学者对不同地区甘蔗作物对水分亏缺响应、
潜在生产力及气候变化影响研究中所采用的作物参
数值, 形成本文中的甘蔗作物参数库, 进而通过广西
大学农学院农场开展的甘蔗田间试验观测数据(表2)
进行作物参数敏感性分析及率定验证, 实现Aqua
Crop模型模拟参数的本地化。管理数据库包括灌溉
管理和田间管理两个模块, 灌溉管理有灌溉方式、
灌溉时间及灌溉量等, 田间管理有施肥水平、覆盖
程度及田间地表措施等。具体按表2中的田间试验
的管理措施进行设置。
本研究主要输出南宁市甘蔗生长过程中的冠层
覆盖度(canopy cover, CC)、作物蒸腾(crop transpira-
tion, Tr)、生物量(biomass production, B)及甘蔗产量
(cane yield, Y)等4个要素。
表 2 率定Aqua Crop模型所用试验数据来源
Table 2 Sources of experimental data for calibration of Aqua Crop model
序号
Serial number
试验地点
Experimental site
播种时间 (年 -月 -日 )
Sowing time (year-month-day)
收获日期 (年 -月 -日 )
Harvest date (year-month-day)
作用
Effect
来源
Source
1 南宁 , 广西大学农学院农场Farm, College of Agriculture, Guangxi University, Nanning 2015-03-02 2015-12-28 率定Calibration [35]
2 南宁 , 广西大学农学院农场Farm, College of Agriculture, Guangxi University, Nanning 2016-03-08 2017-01-06 验证Verification [35]
2 南宁气象干旱特征及甘蔗生育期干旱情景
设置
2.1 南宁市气象干旱统计特征
基于南宁市甘蔗生育期时段划分(3月10日 ?
12月25日, 共291 d, 详见表3), 采用游程理论[25,31]识
别 并 统 计 了 该 市1980 ?2018年(197个 格 点)逐 日
SWAP序列表达的气象干旱; 然后根据Matlab程序
计算出干旱事件的干旱强度、干旱次数和干旱频次。
甘蔗全生育期时段内干旱累积历时、平均强度和平
均频次空间分布如图2a-c所示, 甘蔗各生育期的历
年 干 旱 累 积 历 时 和 强 度 变 化 特 征 如 图2d-e所 示 。
图2a表明, 南宁市干旱历时空间分布不均匀, 但总体
主要在90 d?a?1以上, 尤其在市区北部及横县区域达
105~120 d?a?1, 即南宁市平均每年约有近1/3的时段
为干旱天数。图2b显示, 南宁市所发生的气象干旱
事件强度总体呈中部高南北局部低的空间分布格局,
大部分区域的干旱强度等级为中旱和重旱。由图2c
可知, 南宁市气象干旱事件发生的频次呈中北部及
横县区域高(2~3 次?a?1), 其他局部区域相对较低(1~2
次?a?1, 如市区南部、宾阳县局部等)的分布格局。综
上可知, 南宁市基本每年都有气象干旱事件发生, 且
强度以中旱和重旱为主, 年度累计干旱历时天数常
在90 d以上。由图2d、e可知, 近40年来, 南宁市气
象干旱发生在甘蔗各生育期的历时和强度差异显著,
总体上, 成熟期>茎伸长期>萌芽期>分蘖期。其中,
萌芽期历年发生的气象干旱历时变化范围主要为
5~40 d、强度变化范围为0~?70; 茎伸长期分别为
5~40 d、0~?80; 成熟期分别为5~50 d、0~?70; 而分
蘖期时段短(40 d)且为历年雨季, 基本不发生气象干
旱。南宁市甘蔗全生育期历年发生的气象干旱总历
时与累积强度范围分别为10~120 d和0~?152, 大部
分年份干旱天数超过60 d; 但目前关于气象干旱对
南宁市以雨养为主的甘蔗生长造成的定量影响研究
成果相对不足, 因此, 要制定有效的甘蔗旱灾综合防
范方案, 对应的甘蔗生长过程响应机制的定量解决
亟待澄清。
2.2 甘蔗生育期气象干旱情景设置
根据南宁甘蔗种植及生长成熟实际情况, 将3
月10日 ?12月25日(共291 d)确定为全生育期时
段, 各生育期按表3的时间进行划分。为了更好地
揭示不同历时和强度气象干旱情景下, 南宁市甘蔗
的长势、生物量及产量累积响应机制, 结合2.1节的
分析结果, 将历年甘蔗气象干旱的可能情景设置如
表3所示, 干旱历时变化步长设定为5 d, 历年没有发
1904 中国生态农业学 报 (中英文 )?2022 第 30 卷
http://www.ecoagri.ac.cn
生的气象干旱情景则不进行模拟分析。
3 Aqua Crop模型参数化及南宁市甘蔗的历
史干旱响应模拟
3.1 Aqua Crop模型参数敏感性分析
以南宁市甘蔗种植的主要品种‘新台糖16号’进
行模型主要敏感参数的分析及本地化率定。采用扩
展傅里叶幅度检验法(EFAST)对Aqua Crop模型的
13个主要参数(表4)进行全局敏感性分析[32-36], 以便
实现模型参数的快速本地化。分析中, 各参数的变
化范围设置为参考值的上下限加减30%, 参数采样
方法为蒙特卡罗法, 采样次数3965次。模拟分析了
南宁广西大学农场试验站(表2) 2015年甘蔗的生物
量与产量响应各参数的敏感性。最终得到各参数的
一阶敏感性指数(sensitivity index, Si)和全局敏感性
指数(total order sensitivity index, STi) (图3), 前者表示
参数对模型输出的直接影响, 后者则表示参数对模
型输出直接和间接影响的加和。参考Dejonge等[37]
对 全 球 农 业 生 态 系 统 的 敏 感 性 阈 值, 将Si>0.05、
STi>0.1的参数视为较敏感参数。上述分析过程主要
通过Simlab (V2.2)和Python工具实现。
由图3可知, Aqua Crop模型中的1~4、6、7、9
及11号(表4)参数敏感性均较弱, 其数值变化对甘
蔗产量和生物量没有显著影响。而5、10及12号参
数的Si和STi值均显著高于敏感性指数判别阈值, 其
数值变化对甘蔗产量和生物量均具有较显著的影响。
8号参数Si值略高于一阶敏感性判别阈值, 但低于全
局敏感性判别阈值, 总体敏感性有限。而13号参数
的Si和STi值显示, 其变化对甘蔗产量有显著影响,
而对甘蔗生物量没有影响。
表 3 甘蔗各生育期历时和干旱模拟情景设置
Table 3 Duration and scenario setting of different drought grades of different sugarcane growth stages
生育期
Growth stage
日期时段
Date period
历期
Duration (d)
干旱历时 Drought duration (d)
轻旱
Light drought
中旱
Moderate drought
重旱
Severe drought
特旱
Extreme drought
萌芽期
Sprouting 03-10—05-09 61 5~40 15~45 — —
分蘖期
Tilling 05-10—06-18 40 — — — —
茎伸长期
Stem elongation 06-19—11-05 140 5~40 15~45 30~50 —
成熟期
Maturity 11-06—12-25 50 5~40 15~45 30~50 —
N
S
W E
干旱历时
Drought duration (d)
60~75 75~90 90~105 105~120
0 20 4060 km干旱强度
Drought intensity
?0.8~?0.6 ?1.0~?0.8 ?1.2~?1.0 ?1.4~?1.2
干旱频次
Drought frequency
1.0~1.5 1.5~2.0 2.0~2.5 2.5~3.0
1980 1983 1986 1989 1992 1995 1998 2001 2004 2007 2010 2013 2016 2019
总历时
Total time
成熟期
Maturity stage
伸长期
Stem elongation stage
分蘖期
Tilling stage
萌芽期
Sprouting stage
天数 Days
120
90
60
30
105
1980 1983 1986 1989 1992 1995 1998 2001 2004 2007 2010 2013 2016 2019
总强度
Total intensity
成熟期
Maturity stage
伸长期
Stem elongation stage
分蘖期
Tilling stage
萌芽期
Sprouting stage
强度
Intensity
0
?30.3
?60.6
?90.9
?121.2
?151.5
b c
e d
a
图 2 1980—2018年南宁市气象干旱历时(a)、强度(b)和频次(c)的空间分布及历时(d)和强度(e)的年际变化
Fig. 2 Spatial distribution of meteorological drought duration (a), intensity (b) and frequency (c), and intrannual variations of met-
eorological drought duration (d) and intensity (e) in Nanning from 1980 to 2018
第 12 期 杨云川等 : 基 于 Aqua Crop的南宁市甘蔗响应气象干旱情景模拟 1905
http://www.ecoagri.ac.cn
3.2 Aqua Crop模型参数本地化
基于参数的敏感性分析结果, 重点对Aqua Crop
模型的敏感性参数及作物生长控制参数等进行多次
调整, 最终率定得到了Aqua Crop模型模拟南宁甘蔗
生长的本地化参数取值(表5)。进而对比Aqua Crop
模型模拟与试验站17个田块实测的甘蔗产量可知
(图4), 二 者 拟 合R2和 精 确 度(Pre)分 别 为0.92和
0.89, 模拟产量的均方根误差(RMSE)及其误差百分
率分别为4.05 t?hm?2和3.84%, 总体模拟效果优良。
由此表明, 本研究中采用Aqua Crop模型及其本地化
参数开展南宁甘蔗生长过程模拟具有较高的模拟精
度和应用价值。
3.3 南宁市历史典型年气象干旱的甘蔗响应模拟
为厘清南宁市历史SWAP气象干旱情景下甘蔗
长势、生物量及产量累积响应特征, 在1978 ?2018
年时段内依次选择典型无旱年2017年(作为参考对
照 年 份, CK)、 典 型 轻 旱 年2016年 、 典 型 中 旱 年
2009年、典型重旱年1992年, 分别对甘蔗的蒸腾量
(Tr)、冠层覆盖度(CC)、生物量(B)及产量(Y)等要
素进行模拟, 结果如图5所示。
从图5可知, 南宁市甘蔗Tr在分蘖期和伸长期
对不同气象干旱情景具有敏感的波动响应变化特征,
表 4 Aqua Crop模型进行敏感性分析的参数及其取值范围
Table 4 Parameters and ranges of Aqua Crop model involved in sensitivity analysis
项目
Item
限制冠层扩张的
土壤水分消耗上限
Upper limit of soil
water consumption
limiting canopy
expansion
限制冠层扩张的
土壤水分消耗下限
Lower limit of soil
water consumption
limiting canopy
expansion
限制气孔导度的
土壤水分消耗上限
Upper limit of soil
water consumption
limiting stomatal
conductance
引起冠层早衰的
土壤水分消耗上限
Upper limit of soil
water consumption
causing premature
canopy senescence
冠层完整即将衰
老时的作物系数
Crop coefficient
when canopy is
intact and about
to senesce
最大有效根深
Maximum
effective root
depth (m)
冠层增长系数
Canopy growth
coefficient
序号
Number 1 2 3 4 5 6 7
上限
Upper
limit
0.156 0.845 0.468 0.572 1.43 0.39 0.056
下限
Lower
limit
0.084 0.455 0.252 0.308 0.77 0.21 0.030
项目
Item
最大冠层覆盖度
Maximum canopy
coverage (%)
从播种到最大根深
的时长
Time from sowing
to maximum root
depth (d)
作物衰老的时间
Time from sowing to
senescence (d)
冠层衰减系数
Canopy attenuation
coefficient
ET0和 CO2为标准规范化
的水分生产效率
Standardized water
productivity with ET0 and
CO2 (g?m?2)
参考收获指数
Reference harvest index (%)
序号
Number 8 9 10 11 12 13
上限
Upper
limit
1.248 215.8 345.8 0.070 390 239.2
下限
Lower
limit
0.672 116.2 186.2 0.035 21 128.8
0.4
0.5
0.3
0.2
0.1
0
S i/
S Ti
1 32 4 5 6 7 8 9 10 11 12 13
参数序号 Parameter number
产量
Yield
1 32 4 5 6 7 8 9 10 11 12 13
生物量
Biomass
Si STi Si=0.05 STi=0.1
图 3 Aqua Crop模型主要参数对甘蔗产量和生物量的敏感性判别
Fig. 3 Parameters sensitivities to sugarcane yield and biomass by Aqua Crop model
各参数具体见表4。Si: 一阶敏感性指数; STi: 全局敏感性指数。The name of each parameter is shown in the table 4. Si: sensitivity index; STi: total or-
der sensitivity index.
1906 中国生态农业学 报 (中英文 )?2022 第 30 卷
http://www.ecoagri.ac.cn
如该生育期时段内各典型年SWAP与Tr序列的相关
系 数 分 别 为0.38 (2017年)、0.66 (2016年)、0.69
(2009年)及0.70 (1992年), 均通过显著检验; Tr在伸
长期中后时段受气象干旱影响呈显著下降变化, 尤
其在中旱(2009年)和重旱(1992年)年份显著小于
2017年无旱年份数值。而在萌芽期和成熟期, 甘蔗
Tr总体均很小(接近0值), 与气象干旱SWAP序列无
明显响应关系。
由图5可知, 甘蔗CC在全生育期的变化主要受
生理生长过程控制, 即自萌芽期中后时段开始快速
增大到分蘖期末的最大值90%~100%, 并在伸长期能
维持在最大值状态(如2017年全时段及其他典型年
的无旱时段); 气象干旱对甘蔗CC能产生一定影响,
但需要水分亏缺累积到一定量值才能导致甘蔗CC
的显著减小(如1992年重旱), 轻旱和中旱的影响相
对较小(如2016年和2009年); 而成熟期甘蔗CC快
速减小至0主要是生理现象, 基本不受气象干旱的
影响。
图5显示, 各典型年甘蔗B均从分蘖期初时段
的0值快速增加到伸长期末时段的最大值(如2017
年为66.535 t?hm?2), 成熟期的增量最大约为10%; 表
明气象干旱能一定程度上影响甘蔗B累积的最终数
量(如2016年、2009年、1992年分别为58 t?hm?2、
53 t?hm?2、45 t?hm?2, 相 对2017年 分 别 减 小13%、
表 5 南宁市甘蔗生长模拟的Aqua Crop模型本地化参数取值
Table 5 Sugarcane crop localized parameters of sugarcane crop of Aqua Crop model in Nanning
参数
Parameter
作物参数
Crop parameter
单位
Unit
取值
Value
参数
Parameter
作物参数
Crop parameter
单位
Unit
取值
Value
作物
生长
Crop
growth
初始冠层覆盖度
Initial canopy cover % 1.0
作物蒸腾
Crop transpiration
冠层完整且即将衰老时的作物系数
Crop coefficient when canopy is intact and about
to senesce
— 1.10
冠层增长系数
Canopy growth coefficient % 4.5 生物量及
产量形成
Biomass and
yield formation
以 ET0和 CO2为标准规范化水分生产率
Standardized water productivity with ET0
and CO2
g·m?2 31冠层衰减系数
Canopy attenuation coefficient % 4.2
参考收获指数
Reference harvest index % 165
最大冠层覆盖度
Maximum canopy cover % 95
收获指数允许的最大增长率
Maximum growth rate allowed by harvest index % 10
作物开始到露头的时间
Time from start to emergence d 7
土壤水分胁迫
Soil water stress
限制冠层扩展的土壤水分消耗上限
Upper limit of soil water comsumption to limit
canopy expansion
— 0.12达到冠层最大覆盖度的时间Time to reach maximum canopy
cover
d 140
限制冠层扩展的土壤水分消耗下限
Lower limit of soil water comsumption to limit
canopy expansion
— 0.65
作物开始到衰老的时间
Time from crop initiation to
senescence
d 220
引起冠层早衰的土壤水分消耗上限
Upper limit of soil water comsumption causing
premature canopy failure
— 0.44
作物开始到成熟的时间
Time from crop initiation to
maturity
d 291
限制气孔导度的土壤水分消耗上限
Upper limit of soil water comsumption limiting
stomatal conductance
— 0.36
作物产生经济计量的时间
Time to produce econometric
measures for the crop
d 110
限制通风条件下 , 低于饱和厌氧点
Restricted ventilation conditions, below saturation
anaerobic point
Vol % 5作物建立收获指数的时间Time for crop establishment of
harvest index
d 130
气温胁迫
Air temperature
stress
基础温度
Base temperature
℃ 5播种到最大根深时长
Time from seeding to maximum
root depth
d 130
上限温度
Upper limit temperature
℃ 32
根系
Root
system
根取膨胀形状因子
Root taking expansion shape
factor
/ 1.5 根系
Root system
最小 /大有效根深
Minimum/maximum effective root depth m 0.1/1.8
80
90
100
110
120
130
140
80 90 100 110 120 130 140
模拟产量 Simulated yield (t?hm?2 )
R2=0.92
Pre=0.89
RMSE=4.05
RMSEn=3.84%
实测产量
Measured yield (t?hm
?2
)
图 4 Aqua Crop模型模拟甘蔗产量结果验证
Fig. 4 Verification of sugarcane yield simulation by Aqua
Crop Model
第 12 期 杨云川等 : 基 于 Aqua Crop的南宁市甘蔗响应气象干旱情景模拟 1907
http://www.ecoagri.ac.cn
20%、33%), 而不能影响其全生育期单调增加的总体
规律。
图5表明, 甘蔗茎产量主要在伸长期中期(约8
月中旬)开始迅速累积至成熟期末达最大值, 在无旱
的2017年产量达116 t?hm?2, 而轻、中、重旱年分别
为97 t?hm?2 (2016年)、87 t?hm?2 (2009年)及70 t?hm?2
(1992年), 对应减产率分别为16%、25%及40%。由
此可知, 不同强度等级的气象干旱均对甘蔗产量具
有显著的影响。
4 基于气象干旱情景的甘蔗响应机制模拟
3.3节的模拟结果表明气象干旱对南宁市甘蔗的
生长、生物量及产量累积等均具有显著影响, 本节
基于2节中气象干旱及其在甘蔗生育期的实际可能
发生情景, 进一步解析各强度及历时的气象干旱发
生在不同生育期对甘蔗蒸腾量(Tr)、生物量(B)及产
2.0
1.5
1.0
0.5
0.5
0
10.5
9.0
7.5
6.0
4.5
0
3.0
1.5
SW
AP
T r (mm)
萌芽期
Sprouting
stage
分蘖期
Tilling
stage
伸长期
Stem elonga-
tion stage
伸长期
Stem elonga-
tion stage
成熟期
Maturity
stage
SWAP
Tr
2.0
1.5
1.0
0.5
0.5
0
120
100
80
60
0
40
20
SW
AP
萌芽期
Sprouting
stage
分蘖期
Tilling
stage
成熟期
Maturity
stage
2.5
2.0
1.5
0.5
1.5
2.0
?0.5
1.0
1.0
0
2.5
2.0
1.5
0.5
1.5
2.0
?0.5
1.0
1.0
0
10.5
9.0
7.5
6.0
4.5
0
3.0
1.5
SW
AP
T r (mm)
100
80
60
0
40
20
SW
AP
2.5
2.0
1.5
0.5
1.5
2.0
?0.5
1.0
1.0
0
2.5
2.0
1.5
0.5
1.5
2.0
?0.5
1.0
1.0
0
10.5
9.0
7.5
6.0
4.5
0
3.0
1.5
SW
AP
T r (mm)
100
80
60
0
40
20
SW
AP
2.0
1.5
1.0
0
2.0
2.5
?1.0
0.5
1.5
?0.5
2.0
1.5
1.0
0
2.0
2.5
?1.0
0.5
1.5
?0.5
12
10
8
6
0
4
2
SW
AP
T r (mm)
100
80
60
0
40
20
SW
AP
03-
01
04-
01
05-
01
06-
01
07-
01
08-
01
09-
01
10-
01
11-
01
12-
01
01-
01
03-
01
04-
01
05-
01
06-
01
07-
01
08-
01
09-
01
10-
01
11-
01
12-
01
01-
01
SWAP
Tr
SWAP
Tr
SWAP
Tr
日期 (月-日) Date (month-day)
a 2017 正常干旱典型年 Typical year of normal drought in 2017
b 2016 轻旱典型年 Typical year of light drought in 2016
c 2009 中旱典型年 Typical year of mid-drought in 2009
d 1992 重旱典型年 Typical year of severe drought in 1992
CC (%)
B,
Y (t?hm
?2
)
CC (%)
B,
Y (t?hm
?2
)
CC (%)
B,
Y (t?hm
?2
)
CC (%)
B,
Y (t?hm
?2
)
SWAPCC
BY
SWAPCC
BY
SWAPCC
BY
SWAPCC
BY
图 5 南宁市历时典型年甘蔗干旱响应模拟
Fig. 5 Simulation of sugarcane drought response in typical years in Nanning City
SWAP是校准降水指数, CC是冠层覆盖度, Tr是作物蒸腾量, B为生物量, Y为产量。SWAP is the calibrated precipitation index, CC is canopy cov-
er, Tr is crop transpiration, B is biomass, and Y is yield.
1908 中国生态农业学 报 (中英文 )?2022 第 30 卷
http://www.ecoagri.ac.cn
量(Y)累积的影响机制。
4.1 不同生育期同气象干旱情景的甘蔗响应机制
模拟
本节主要分析了不同生育期发生同气象干旱
(强度和历时)对南宁甘蔗各生长要素的影响机制。
由图6a-c可知, 甘蔗各生育期发生轻旱时, 在萌芽期,
甘蔗的Tr基本不受各历时轻旱的影响; 甘蔗的B和
Y则在轻旱历时为5~15 d时基本不受影响, 而在轻
旱历时为20~40 d情景下呈逐步减小变化, Y最终减少
到110 t?hm?2 (相对2017年, 减产率5%); 在伸长期, 甘
蔗Tr、B和Y均受10 d及以上历时的轻旱影响而显著
减小, 各要素最终减小到815 mm、54 t?hm?2和88 t?hm?2
(减产率24%); 而在成熟期, 甘蔗各要素基本没有显
著变化。
图6d-f表明, 甘蔗各生育期发生中旱时, 在萌芽
期和伸长期, 甘蔗Tr、B和Y均随中旱历时的增加而
呈显著减小的变化特征, 其中, 萌芽期三要素最小值
分别为902 mm、52 t?hm?2和87 t?hm?2 (减产率25%),
伸长期三要素最小值分别为734 mm、47 t?hm?2和73
t?hm?2 (减产率37%)。而在成熟期, 各要素基本不受
中旱的影响。图6g-h显示, 甘蔗各生育期发生重旱
时, 在伸长期, 甘蔗Tr、B和Y均随重旱历时增加而
显著减小至715 mm、45 t?hm?2和70 t?hm?2 (减产率
40%), 而在成熟期则无显著变化。
4.2 同生育期不同气象干旱情景的甘蔗响应机制
模拟
本节进一步定量化了同生育期内发生不同强度
及历时气象干旱对甘蔗各生长要素的影响。由图7a-
b可知, 萌芽期发生轻旱时, 在干旱历时为5~15 d时,
甘蔗Yw、Bw、Trw的减少量约为0且维持不变, 随干
旱历时逐渐增加至15~40 d时, 三要素减少量快速减
少, 各自减产率最终分别达到5.9%、5.1%、6.5%; 而
萌芽期发生中旱时, 随干旱历时的增加(15~35 d), 甘
蔗的Yw和Bw分别从4.0%、3.0%分别快速减少至
26.8%和21.9%, Trw则总体减少量不显著。图7c-e
表明, 伸长期发生轻、中、重旱时, 随气象干旱历时
1000
800
600
400
200
0
T r (mm)
120
100
80
60
40
20
0
B,
Y (t?hm
?2
)
5 10 15 20 25 30 35 40 CK
a 萌芽期轻旱
Light drought during sprouting stage
5 10 15 20 25 30 35 CK
b 伸长期轻旱
Light drought during stem
elongation stage
5 10 15 20 25 3530 45 5040
c 成熟期轻旱
Light drought during mature stage
1000
800
600
400
200
0
T r (mm)
120
100
80
60
40
20
0
B,
Y (t?hm
?2
)
15 20 25 30 35 CK
d 萌芽期中旱
Mid-drought during sprouting stage
15 20 25 30 35 40 45 CK
e 伸长期中旱
Mid-drought during stem
elongation stage
15 20 25 3530
f 成熟期中旱
Mid-drought during mature stage
1000
800
600
400
200
0
T r (mm)
30 35 40 45 CK
g 伸长期重旱
Severe drought during stem elongation stage
干旱天数 Drought days (d)
120
100
80
60
40
20
0
B,
Y (t?hm
?2
)
30 35 40 45 CK
h 成熟期重旱
Severe drought during mature stage
Tr
B
Y
图 6 不同生育期发生同一干旱强度的甘蔗产量响应情景模拟
Fig. 6 Scenario simulation of sugarcane yield response to the same drought intensity in different growth stages
Tr为作物蒸腾量, B为生物量, Y为产量。Tr is crop transpiration, B is biomass, and Y is yield.
第 12 期 杨云川等 : 基 于 Aqua Crop的南宁市甘蔗响应气象干旱情景模拟 1909
http://www.ecoagri.ac.cn
的增加, 甘蔗Yw、Bw、Trw的减少量均呈显著增加的
变化特征。其中, 各强度气象干旱造成Yw、Bw、Trw
的 减 少 量 变 化 范 围 分 别 为0~24%、0~18.5%及0~
15.9% (轻旱历时5~35 d), 25%~37%、20%~29.3%及
8%~24.4% (中旱历时15~45 d), 33.5%~40%、26.2%~
31.7%及18.9%~25.7% (重旱历时35~50 d)。
5 结论
本文通过分析南宁市1980 ?2018年逐日SWAP
气象干旱特征及在甘蔗生育期的发生情景, 本地化
Aqua Crop作物模型参数, 实现了该区域甘蔗生长、
生物量及产量累积过程对各强度及历时气象干旱的
响应机制模拟。论文研究得出以下主要结论:
1)南宁市气象干旱历时、强度及频次空间分布
不均匀, 年干旱历时主要在90 d以上, 强度以中旱及
重旱为主, 发生频次以2~3次?a?1居多, 且主要发生
在甘蔗的萌芽期、伸长期和成熟期, 存在长(月以上)、
短(月内)历时干旱交替及并存叠加现象。
2)通过EFAST敏感性分析及参数本地化率定,
Aqua Crop模型模拟甘蔗产量拟合精度R2达到0.92、
产量均方根误差百分率为3.84%。Aqua Crop模型应
用于南宁甘蔗对气象干旱的响应机制模拟能得到良
好的模拟精度。
3)历时典型干旱年的甘蔗响应模拟揭示了甘蔗
蒸腾量、冠层盖度、生物量及产量等对气象干旱的
响应存在滞后和累积效应, 伴随干旱强度增大, 南宁
甘蔗最终累积的生物量及产量减少率分别为12.7%
(2016年 轻 旱)、20.1% (2009年 中 旱)、32.7% (1992
年 重 旱)和16.6% (轻 旱)、24.8% (中 旱)及40.1%
(重旱)。
4)各气象干旱强度及历时遍历甘蔗各生育期的
情景模拟, 明晰了南宁甘蔗生长过程、生物量及产
量累积对气象干旱的响应机制。萌芽期发生轻、中
旱历时达到15 d及以上时对甘蔗各生长要素开始产
生显著响应, 最终减产率分别达6%和27%; 伸长期
发生轻、中和重旱历时为5 d及以上时甘蔗各要素
即开始显著响应, 最终减产率分别达24%、37%和
40%, 南宁甘蔗分蘖期基本不发生气象干旱, 而成熟
期各要素受气象干旱的影响总体微弱。
1
0
?1
?2
?3
?4
?5
?6
?7
5 10 15 20 25 30 35 40
a 萌芽期轻旱
Light drought during
sprouting
产量 Yield
生物量 Biomass
作物蒸腾 Crop transpiration
0
?5
?10
?15
?20
?25
?30
15 20 25 30 35
b 萌芽期中旱
Mid-drought during
sprouting
5
?5
0
?10
?15
?20
?25
?30
5 10 15 2520 30 35
c 伸长期轻旱
Light drought during stem
elongation stage
?5
?15
?10
?20
?25
?30
?35
?40
15 20 25 3530 40 45
d 伸长期中旱
Mid-drought during stem
elongation stage
?15
?25
?20
?30
?35
?40
35 40 45 50
e 伸长期重旱
Severe drought during stem
elongation stage
干旱天数 Drought days (d)
减少率
Reducing rate (%)
减少率
Reducing rate (%)
图 7 同一生育期不同强度干旱的甘蔗产量、生物量及作物总蒸腾的变化率
Fig. 7 Changes of sugarcane yield, biomass and crop transpiration under different drought intensities in a growth period
1910 中国生态农业学 报 (中英文 )?2022 第 30 卷
http://www.ecoagri.ac.cn
参考文献 References
KHAN M T, SEEMA N, KHAN I A, et al. Applications and
potential of sugarcane as an energy crop[J]. Agricultural
Research, 2017, 16: 1?23
[1]
KLEBSON DE MEDEIROS SILVA W, NEVES T I, DE
SOUZA SILVA C, et al. Sustainable enhancement of sugarcane
fertilization for energy purposes in hot climates[J]. Renewable
Energy, 2020, 159: 547?552
[2]
GUGA S, XU J, RIAO D, et al. Combining MaxEnt model and
landscape pattern theory for analyzing interdecadal variation of
sugarcane climate suitability in Guangxi, China[J]. Ecological
Indicators, 2021, 131: 108152
[3]
RUAN H Y, FENG P Y, WANG B, et al. Future climate change
projects positive impacts on sugarcane productivity in southern
China[J]. European Journal of Agronomy, 2018, 96: 108?119
[4]
HUANG H R, GAO Y J, MALVIYA M K, et al. Genetic
diversity analysis of sugarcane (Saccharum spp. hybrids) among
high-sucrose clones of GT series and commonly used parents by
using microsatellite markers in Guangxi, China[J]. Sugar Tech,
2022, 24(2): 397?407
[5]
FLACK-PRAIN S, SHI L S, ZHU P H, et al. The impact of
climate change and climate extremes on sugarcane
production[J]. GCB Bioenergy, 2021, 13(3): 408?424
[6]
田忆, 杨云川, 谢鑫昌, 等. 基于IWAP的广西干湿演变尺
度效应与过程识别[J]. 热带气象学报, 2020, 36(5): 699?712
TIAN Y, YANG Y C, XIE X C, et al. Scale effect and process
recognition of dry-wet evolution in Guangxi based on IWAP[J].
Journal of Tropical Meteorology, 2020, 36(5): 699?712
[7]
陈燕丽, 蒙良莉, 黄肖寒, 等. 基于SPEI的广西甘蔗生育期
干旱时空演变特征分析[J]. 农业工程学报, 2019, 35(14):
149?158
CHEN Y L, MENG L L, HUANG X H, et al. Spatial and
temporal evolution characteristics of drought in Guangxi during
sugarcane growth period based on SPEI[J]. Transactions of the
Chinese Society of Agricultural Engineering, 2019, 35(14):
149?158
[8]
陈燕丽, 蒙良莉, 黄肖寒, 等. 基于SPEI的广西喀斯特地区
1971—2017年 干 旱 时 空 演 变[J]. 干 旱 气 象, 2019, 37(3):
353?362
CHEN Y L, MENG L L, HUANG X H, et al. Temporal and
spatial distributions of drought in Guangxi Karst area during
1971?2017 based on standardized precipitation evapotran-
spiration index[J]. Journal of Arid Meteorology, 2019, 37(3):
353?362
[9]
廖雪萍, 杜裕, 黄梅丽, 等. 广西甘蔗主产区产量灾损风险
评估[J]. 气象研究与应用, 2014, 35(3): 50?53
LIAO X P, DU Y, HUANG M L, et al. Risk assessment of
sugarcane yield loss in main planting areas of Guangxi[J].
Journal of Meteorological Research and Application, 2014,
35(3): 50?53
[10]
杨星星, 杨云川, 邓思敏, 等. 基于SPEI的广西干旱综合特
征 及 农 业 旱 灾 风 险 研 究[J]. 水 土 保 持 研 究, 2020, 27(4):
113?121
[11]
YANG X X, YANG Y C, DENG S M, et al. Research on
drought characteristics and agricultural drought risk assessment
in Guangxi based on SPEI[J]. Research of Soil and Water
Conservation, 2020, 27(4): 113?121
GOMATHI R, KRISHNAPRIYA V, ARUNKUMAR R, et al.
Physiological traits imparting drought stress tolerance to
promising sugarcane (Saccharum spp.) clones[J]. Plant
Physiology Reports, 2020, 25(3): 509?515
[12]
ZHANG Y B, YANG S L, DAO J M, et al. Drought-induced
alterations in photosynthetic, ultrastructural and biochemical
traits of contrasting sugarcane genotypes[J]. PLoS One, 2020,
15(7): e0235845
[13]
ALVAR-BELTRáN J, HEUREUX A, SOLDAN R, et al.
Assessing the impact of climate change on wheat and sugarcane
with the AquaCrop model along the Indus River Basin,
Pakistan[J]. Agricultural Water Management, 2021, 253:
106909
[14]
DIAS H B, INMAN-BAMBER G. Sugarcane: contribution of
process-based models for understanding and mitigating impacts
of climate variability and change on production[M]//Systems
Modeling. Singapore: Springer, 2020: 217–260
[15]
LI F W, ZHANG M J, ZHAO Y, et al. Multi-target planting
structure adjustment under different hydrologic years using
AquaCrop model[J]. Theoretical and Applied Climatology,
2020, 142(3/4): 1343?1357
[16]
LEE S K, DANG T A. Assessment of efficient crop planting
calendar for cassava crops using the FAO-Aqua crop model[J].
Journal of Agrometeorology, 2021, 22(1): 83?85
[17]
LIU X, YANG D W. Irrigation schedule analysis and
optimization under the different combination of P and ET0 using
a spatially distributed crop model[J]. Agricultural Water
Management, 2021, 256: 107084
[18]
GUO D X, OLESEN J E, PULLENS J W M, et al. Calibrating
AquaCrop model using genetic algorithm with multi-objective
functions applying different weight factors[J]. Agronomy
Journal, 2021, 113(2): 1420?1438
[19]
胡甲秋, 杨云川, 廖丽萍, 等. 基于多源降雨的广西季节性
干 湿 演 变 特 征 与 未 来 趋 势 [J]. 山 地 学 报 , 2018, 36(2):
248?259
HU J Q, YANG Y C, LIAO L P, et al. Characteristics and
future trend of seasonal dry and wet evolution in Guangxi based
on multiple rainfall data[J]. Mountain Research, 2018, 36(2):
248?259
[20]
何慧, 陆虹. 广西2013年夏季旱涝急转特征[J]. 热带地理,
2014, 34(6): 767?775
HE H, LU H. Characteristics of the sharp turn from drought to
flood over Guangxi in summer of 2013[J]. Tropical Geography,
2014, 34(6): 767?775
[21]
杨星星, 杨云川, 田忆, 等. 广西降雨亏缺型骤旱的演变过
程及时空分布特征[J]. 水土保持研究, 2020, 27(2): 149?157
YANG X X, YANG Y C, TIAN Y, et al. Characteristics of
spatiotemporal distribution of rainfall-deficient flash drought in
Guangxi[J]. Research of Soil and Water Conservation, 2020,
27(2): 149?157
[22]
第 12 期 杨云川等 : 基 于 Aqua Crop的南宁市甘蔗响应气象干旱情景模拟 1911
http://www.ecoagri.ac.cn
HE S S, ZENG Y, LIANG Z X, et al. Economic evaluation of
water-saving irrigation practices for sustainable sugarcane
production in Guangxi Province, China[J]. Sugar Tech, 2021,
23(6): 1325?1331
[23]
杨家伟, 陈华, 侯雨坤, 等. 基于气象旱涝指数的旱涝急转
事件识别方法[J]. 地理学报, 2019, 74(11): 2358?2370
YANG J W, CHEN H, HOU Y K, et al. A method to identify
the drought-flood transition based on the meteorological drought
index[J]. Acta Geographica Sinica, 2019, 74(11): 2358?2370
[24]
赵英, 陈华, 杨家伟, 等. 基于SWAP的汉江流域旱涝急转
时空演变分析[J]. 水资源研究, 2019, 8(1): 13?23
ZHAO Y, CHEN H, YANG J W, et al. Study of temporal-
spatial evolution of the drought-flood abrupt alternation events
based on SWAP index in Hanjiang River Basin[J]. Journal of
Water Resources Research, 2019, 8(1): 13?23
[25]
杜懿, 麻荣永, 赵立亚. 南宁市年降水量的加权马尔科夫链
预测研究[J]. 人民珠江, 2018, 39(2): 5?7
DU Y, MA R Y, ZHAO L Y. Study on the weighted Markov
Chain prediction of annual precipitation in Nanning City[J].
Pearl River, 2018, 39(2): 5?7
[26]
杜 懿, 麻 荣 永. 1961—2016年 南 宁 市 降 雨 量 变 化 特 征 分
析[J]. 水资源与水工程学报, 2017, 28(6): 50?55
DU Y, MA R Y. Analysis of characteristics of annual
precipitation in Nanning during 1961–2016[J]. Journal of Water
Resources and Water Engineering, 2017, 28(6): 50?55
[27]
JIE H, YANG K, TANG W J, et al. The first high-resolution
meteorological forcing dataset for land process studies over
China[J]. Scientific data, 2020, 7(1): 1?12
[28]
LU E. Determining the start, duration, and strength of flood and
drought with daily precipitation: Rationale[J]. Geophysical
Research Letters, 2009, 36(12): L12707
[29]
LU E, CAI W, JIANG Z, et al. The day-to-day monitoring of the
2011 severe drought in China[J]. Climate Dynamics, 2013,
43(1/2): 1?9
[30]
谭方颖, 何亮, 吕厚荃, 等. 基于游程理论的农业干旱指数[31]
在辽宁省春玉米旱灾损失评估中的应用[J]. 中国生态农业学
报(中英文), 2020, 28(2): 191?199
TAN F Y, HE L, LYU H Q, et al. Application of agricultural
drought index based on Run Theory for the assessment of yield
loss in spring maize owing to drought in Liaoning Province[J].
Chinese Journal of Eco-Agriculture, 2020, 28(2): 191?199
徐昆, 朱秀芳, 刘莹, 等. 采用AquaCrop作物生长模型研
究 中 国 玉 米 干 旱 脆 弱 性[J]. 农 业 工 程 学 报, 2020, 36(1):
154?161
XU K, ZHU X F, LIU Y, et al. Vulnerability of drought disaster
of maize in China based on AquaCrop model[J]. Transactions of
the Chinese Society of Agricultural Engineering, 2020, 36(1):
154?161
[32]
BAHMANI O, EGHBALIAN S. Simulating the response of
sugarcane production to water deficit irrigation using the
AquaCrop model[J]. Agricultural Research, 2018, 7(2):
158?166
[33]
ZU Q, MI C, LIU D L, et al. Spatio-temporal distribution of
sugarcane potential yields and yield gaps in Southern China[J].
European Journal of Agronomy, 2018, 92: 72?83
[34]
阮红燕. 气候变化对广西甘蔗生产潜力影响的模拟研究[D].
南宁: 广西大学, 2018
RUAN H Y. Climate change projects impacts on sugarcane
productivity in Guangxi[D]. Nanning: Guangxi University, 2018
[35]
邢会敏, 相诗尧, 徐新刚, 等. 基于EFAST方法的AquaCrop
作 物 模 型 参 数 全 局 敏 感 性 分 析[J]. 中 国 农 业 科 学, 2017,
50(1): 64?76
XING H M, XIANG S Y, XU X G, et al. Global sensitivity
analysis of AquaCrop crop model parameters based on EFAST
method[J]. Scientia Agricultura Sinica, 2017, 50(1): 64?76
[36]
DEJONGE K C, ASCOUGH J C, AHMADI M, et al. Global
sensitivity and uncertainty analysis of a dynamic agroecosystem
model under different irrigation treatments[J]. Ecological
Modelling, 2012, 231: 113?125
[37]
1912 中国生态农业学 报 (中英文 )?2022 第 30 卷
http://www.ecoagri.ac.cn
|
|
