引言

水资源是限制农业发展的重要因素之一，是农业生产最重要的资源支撑和保证，农业水资源的状况直接关系到我国的粮食安全^[1]。18世纪中叶以来，全球气候正经历一次以变暖为主要特征的显著变化。在过去几十年中，全球气候变化已对我国水资源总量及其时空分布格局产生重要影响^[2-3]，加剧了农用水资源的不稳定性与供需矛盾^[4]。

我国大部分地区农业对灌溉的依赖性很大^[5]。灌溉需水量是制定灌溉定额的重要依据之一，对气候变化较为敏感。气温每上升1℃，如不考虑由于CO₂浓度增加而使作物用水效率提高的因素，仅因需水量的增加，农业灌溉用水量将增加6%~10%^[4]。因此，研究气候变化对灌溉需水量的影响，对于制订区域农业应对气候变化的措施和对策，保障我国粮食安全具有重要的意义。

基于历史资料，分析气候变化背景下灌溉需水量的变化特征已有不少研究成果^[6-8]，一些研究基于假设的气温、降水线性变化情景，分析了作物需水量和灌溉需水量对气候变化的敏感性，这对于揭示灌溉需水量对气候变化的响应机理和差异具有一定的作用，但却缺乏明确的物理机制。近年来，越来越多的研究采用排放/浓度/辐射强迫情景，基于全球气候模式(GCMs)的模拟结果预估未来的气候变化，探讨灌溉需水量对气候变化的响应情势^[9-11]。例如，Nkomozepi等^[12]将GCMs输出与CROPWAT模型嵌套模拟，探讨了气候变化对津巴布韦自然农业生态区玉米需水量及净灌溉需水量的影响。王卫光等^[13]利用SRES A2和B2情景下HadCM3模式的输出结果，模拟分析了气候变化背景下长江中下游水稻灌溉需水量的时空变化特征。从目前影响评估研究成果上看，一方面灌溉需水量影响评估结果主要受气候模式预估结果的影响。针对当前气候预估存在的不确定性，采用多模式集合平均的方法被认为是降低预估结果不确定性的主要途径^[14]，多个GCMs得到的集合预估结果往往比单一GCM得到的结果更加可靠^[15-16]。然而，集合评估气候变化对灌溉需水量影响方面的研究成果还比较少，评估结果的不确定性也有待进一步深入研究。另一方面，灌溉需水量研究一般需要将作物全生育期划分为若干生育阶段，同时有研究认为需要考虑气候变化对作物生育期的影响^[17-18]，这些均要求在旬或日时间尺度上计算灌溉需水量。但是，当前技术水平下GCMs输出在月尺度以下精度还不高^[19]，难以满足影响评估的需要。天气发生器方法是目前较成熟的一种时间解集方法，是气候变化及其影响研究的一个重要工具^[20]，但还很少实际应用于气候变化对灌溉需水量的影响评估工作。

河南省夏玉米播种面积和产量约占全国的10%，是我国夏玉米重要产区之一^[21]。受小麦收、种及生育天数的限制，夏玉米大多只能在5月下旬至6月下旬播种，9月中、下旬收获。虽然生育期内温度和降水总量可以满足夏玉米全生育期间的需水要求，但拔节－乳熟期间，降水量为145~225 mm，与玉米此期的需水量有一定差距，应注意抗旱，及时灌溉；乳熟－成熟期间，降水量为20~45 mm，与玉米实际需水也有一定差距^[22]。

因此，本文以河南省夏玉米为研究对象，基于气象台站长期观测和25个CMIP5模式预估数据，采用BCC/RCG-WG 3.0天气发生器构建区域气候变化情景，研究天气发生器方法应用于气候变化对灌溉需水量影响评估的适用性。在此基础上，评估RCP4.5情景下未来2021—2050年河南省夏玉米净灌溉需水量变化及其空间分布，以期为区域水资源管理和农业相关部门提供参考。

1 资料与方法 1.1 研究区与实测资料

研究区及选用的典型气象站点空间分布见图 1。气象资料来源于中国气象科学共享网发布的《中国地面气候资料日值数据集(V3.0)》，为1961—2000年17个气象台站逐日降水、最高气温和最低气温数据。数据系列较完整，质量良好。对于极少数缺测数据，采用5 d滑动平均方法进行线性插补。调查统计临近气象站点的夏玉米生育期资料，确定各站点作物的生育阶段划分。

1.2 净灌溉需水量计算

作物需水量中的一部分可由降水供给，降水供给不足的部分需由灌溉补充。某种作物的净灌溉需水量可定义为生育期内作物需水量与有效降水量之差^[5]。

作物需水量计算采用作物系数法：

$ E{T_{\rm{c}}} = {F_{\rm{c}}} \times E{T_0}。$

(1)

式中，ET_c为作物需水量，mm/d；K_c为作物系数，无量纲；ET₀为参考作物蒸散量，mm/d。

将作物全生育期划分为播种－拔节期、拔节－乳熟期、乳熟－成熟期3个阶段。每个阶段的K_c取值来源于段爱旺等^[23]采用国际粮农组织(FAO)分段单值平均法计算的成果。利用FAO推荐的Penman-Monteith公式(式2)计算逐日参考作物蒸散量(ET₀)，各参数的估算方法参见文献[24]。

$ E{T_0}{\rm{ = }}\frac{{0.408\Delta \left( {{R_{\rm{n}}}-{\rm{G}}} \right) + \frac{{900}}{{T + 273}}\gamma {U_2}\left( {{e_{\rm{s}}}-{e_{\rm{d}}}} \right)}}{{\Delta {\rm{ + }}\gamma \left( {1{\rm{ + }}0.34{U_2}} \right)}}。$

(2)

式中：R_n为冠层表面净辐射，(MJ/m²)/d；G为土壤热通量，(MJ/m²)/d；Δ为饱和水汽压与温度曲线斜率，kPa/℃；γ为湿度计常数，kPa/℃；T为平均气温，℃；U₂为2 m高处的风速，m/s；e_s为空气饱和水汽压，kPa；e_d为空气实际水汽压，kPa。

有效降水量的计算采用美国农业部土壤保持局推荐的方法^{[18, 25]}：

$ {P_{\rm{e}}} = \left\{ \begin{array}{l} P\left( {4.17-0.2P} \right)/4.17\;\;P < 8.3\;{\rm{mm/d}}\\ {\rm{4}}{\rm{.17 + 0}}{\rm{.1}}P\;\;\;\;\;\;\;\;\;\;\;P \ge 8.3\;{\rm{mm/d}} \end{array} \right.。$

(3)

式中：P_e为生育期内有效降水量，mm/d；P为生育期内降水量，mm/d。

作物生育期内净灌溉需水量IR计算公式如下：

$ IR = \left\{ \begin{array}{l} E{T_{\rm{c}}}-{P_{\rm{e}}}\;\;\;\;E{T_{\rm{c}}}-{P_{\rm{e}}} > 0\\ 0\;\;\;\;\;\;\;\;\;\;\;\;\;\;E{T_{\rm{c}}}-{P_{\rm{e}}} \le 0 \end{array} \right.。$

(4)

将各生育阶段净灌溉需水量相加，即为作物全生育期内净灌溉需水量：

$ I{R_{\rm{s}}} = \sum\limits_{i = 1}^n {I{R_i}。} $

(5)

式中：IR_s为作物全生育期内净灌溉需水量，mm；IR_i为第i个生育阶段作物净灌溉需水量，mm；i=1, 2, …, n (n=3)。

1.3 未来区域气候变化情景的构建

未来温室气体和气溶胶排放情景采用以稳定浓度为特征的RCPs情景^[26]。本文选用的RCP4.5情景为中间稳定路径，2100年辐射强迫稳定在4.5 W/m²，大气温室气体浓度稳定在650×10^-6CO₂当量，路径形状为没有超过目标水平达到稳定，预计升温2.4~5.5℃(平均3.6℃)。

GCMs的模拟结果来源于气候模式诊断与比较计划(PCMDI)公开发布的耦合模式比较计划第五阶段(CMIP5)^[27]数据。以1961—2000年为基准期，2021—2050年为未来预估时段，分别收集CMIP5模式(见表 1)历史(historical)和RCP4.5情景下长期必做(core)试验的月平均气温、降水模拟数据。选用的CMIP5数据包括中国、美国、英国等10个国家18个研究机构提供的25个模式模拟预估结果，具有较好的代表性。

未来区域气候变化情景的构建过程为：1)将实测站点气象数据距离反比插值到研究区域1°×1°格点上，采用分位图方法^[28]对GCMs的系统偏差进行订正；2)将未来时段较基准期气温、降水逐月变化，双线性插值到研究区17个典型站点上；3)以未来时段相对基准期的逐月变化作为输入，利用国家气候中心联合瑞典哥德堡大学地球科学中心区域气候研究小组共同研究、开发的中国天气发生器(BCC/RCG-WG 3.0)^[29]，生成RCP4.5情景下各站点逐日降水、最高气温、最低气温等数据集(为了具有统计意义，BCC/RCG-WG 3.0模拟时长为300年)。

此外，由于BCC/RCG-WG 3.0仅能单站按月逐一输入数据，而本研究的输入数据为17个站点上25个GCMs未来时段夏玉米生育期5—9月的气温、降水较基准期的变化，共有4250条输入数据，工作量大且繁杂。因此，进一步开发了资料预处理、自动输入、结果后处理等应用程序，能够方便、快捷地构建出未来区域气候变化情景。

1.4 夏玉米生育期的推算

本文考虑由气候变暖而引起作物生育期缩短的影响。以文献[22]统计的河南省夏玉米各生育期积温指标为阈值，基于当前夏玉米主栽品种条件，采用积温方法推算未来气候变化情景下作物的生育日期。依据构建出的未来区域气候变化情景计算作物各生育期的日期。结果表明，播种－拔节、拔节－乳熟、乳熟－成熟期间生育天数将分别平均缩短2.2 d、2.6 d和2.0 d，全生育期内将缩短6.6 d。这与李树岩等^[30]在A2和B2情景下气温分别升高0.9℃和1.4℃，降水分别增加3.3%和3.7%的情景下(这与2.2节和2.3节气温、降水预估相近)，基于CERES-Maize作物生长模型模拟出生育期分别缩短8.2 d和5.9 d的结论基本一致。

2 结果与讨论 2.1 净灌溉需水量模拟值与实测值对比

BCC/RCG-WG 3.0的时间解集结果，对净灌溉需水量计算结果的可靠性具有重要影响。已有研究表明，BCC/RCG-WG 3.0能够较好地对月尺度数据系列进行时间解集，在中国地区有良好的应用效果^{[29, 31-32]}。因此，本文不再对BCC/RCG-WG 3.0模拟的气温、降水进行验证，而是针对本文研究目标，分别比较分析基于模拟气象数据计算的作物需水量、有效降水量和净灌溉需水量(模拟值)与利用观测数据计算结果(实测值)之间的相对误差，考察时间解集方法在气候变化对灌溉需水量影响评估中的适用性。

以气温、降水不变情景作为BCC/RCG-WG 3.0的输入，模拟生成逐日降水、最高气温和最低气温数据。17个典型站点上的模拟误差如表 2所示。从表 2中可以看出，作物需水量的模拟存在正偏差，相对误差为1.2%~4.6%，平均值为3.4%；有效降水量的模拟除豫西三门峡和孟津站外，也存在一定程度的正偏差，相对误差为−3.0%~4.3%，平均值为2.1%, 上述二者的相对误差均在±5%以内。由于净灌溉需水量通过各生育阶段的作物需水量和有效降水量之差累加得到，其模拟误差进一步增加，为−13.7%~6.1%，平均值为5.2%。尽管如此，考虑到日降水模拟的复杂性，利用BCC/RCG-WG 3.0生成的区域气候变化情景，评估气候变化对灌溉需水量的影响是可行的。同时，研究未来净灌溉需水量变化时采用“2个时期对比”(即未来时段相对于基准期的相对变化)的方法，一定程度上可以减小BCC/RCG-WG 3.0模拟带来的系统偏差。

2.2 气温、作物需水量变化

图 2为多模式集合预估2021—2050年各生育期气温较基准期变化的空间分布。从图 2中可以看出，河南省夏玉米全生育期内(图 2a)各站多年平均气温均有所升高，平均升温1.8℃，其中豫西三门峡和豫西南卢氏站升温最大, 为2.0℃；豫南固始站升温最小, 为1.5℃。从各生育期上看，乳熟－成熟期间(图 2d)升幅最大，为2.6℃，其中豫西南卢氏站升幅高达3.1℃；拔节－乳熟期间(图 2c)升幅为1.8℃，豫南升幅相对较小；播种－拔节期间(图 2b)升幅最小，为1.5℃。

随着未来气温的升高，作物需水量也有不同程度的增加(图 3)。与基准期相比，2021—2050年夏玉米全生育期内(图 3a)作物需水量增加5.1%。从各生育期增幅上看，乳熟－成熟期间(图 3d)增幅最大，为7.4%；拔节－乳熟期间(图 3c)增幅5.1%次之；播种－拔节期间(图 3b)增幅最小，为3.8%。

2.3 降水、有效降水量变化

与基准期相比，多模式集合预估2021—2050年夏玉米全生育期内(图 4a)降水增加3.6%，除豫西三门峡和豫西南卢氏站略有减少外，其他各站均有不同程度的增加，其中豫中、豫北的安阳等5站增幅相对较大，超过5%。从各生育期上看，播种－拔节期(图 4b)各站降水均呈减少趋势，减少3.1%，其中豫北安阳和豫西南卢氏站减幅相对较大，分别减少5.7%和6.6%；拔节－乳熟期(图 4c)降水均呈增加趋势，增加5.8%，其中豫北安阳和新乡站增幅最大，超过10%，而豫西、豫西南(三门峡等4站)和豫南信阳站增幅较小，不足5%；乳熟－成熟期(图 4d)降水增幅最大，为12.5%，但空间变化上存在较大差异，如豫北安阳站和新乡站增幅超过20%，而豫西三门峡和豫西南卢氏站则分别减少5.7%和2.7%。

与降水变化相比，有效降水的变化趋势与之基本一致，但变化幅度较小。河南省夏玉米全生育期内(图 5a)有效降水增加1.5%，其中除豫西三门峡、卢氏、栾川等3站分别减少1.0%、2.7%和1.0%外，其他各站均有不同程度的增加，但增幅多在5%以内，仅新乡站增加5.3%。从各生育期上看，播种－拔节期间(图 5b)有效降水均呈减少趋势，减少2.9%；拔节－乳熟期间(图 5c)有效降水增加3.0%，其中豫北安阳站和新乡站增幅较大，超过5%，而豫西南卢氏和栾川站则分别略微减少0.4%和0.2%；乳熟－成熟期间(图 5d)有效降水强度增加8.2%，其中豫北安阳站增幅最大，达到25.3%，豫北、豫东、豫中新乡等6站也有超过10%的增幅，而豫西三门峡站和豫西南卢氏站则分别减少5.2%和2.8%。

2.4 净灌溉需水量变化

图 6给出了多模式集合预估2021—2050年各生育期净灌溉需水量较基准期变化的空间分布。从图 6中可以看出，河南省夏玉米全生育期内(图 6a)净灌溉需水量增加5.6%，除豫北新乡站略微减少0.5%以外，各站均呈增加趋势，其中豫西南栾川、西峡站增幅最大，分别达到17.3%和13.5%；豫西孟津、三门峡，豫西南卢氏，豫南驻马店和信阳等5站增幅超过5%。从各生育期上看，播种－拔节期间(图 6b)增幅明显，净灌溉需水量增加21.3%，其中豫西南栾川站增幅更是达到40.0%，豫北安阳、豫西南南阳、豫南驻马店、固始等站增幅也超过30%，仅豫西三门峡、豫中宝丰、西华等3站增幅在10%以内；拔节－乳熟期间(图 6c)净灌溉需水量增加3.4%，其中豫西南栾川、西峡站增幅相对较大，分别增加14.9%和13.1%，而豫北安阳和新乡站以及豫西南南阳站则有不足3%的减少；乳熟－成熟期间(图 6d)净灌溉需水量则减少1.4%，其中豫北安阳、新乡和豫中宝丰站减幅较大，超过10%，而豫西孟津、三门峡和豫西南卢氏、栾川等4站则有10%以上的增加。

由于未来气温在各生育期均呈增加趋势，净灌溉需水量的变化主要表现为降水增加(减少)是否抵消(加剧)由升温带来的作物需水量增加的影响。从全生育期间上看，气温升高引起的作物需水量明显增加是导致夏玉米净灌溉需水量增加的主要因素；豫西和豫西南部分地区有效降水量的减少进一步增加了灌溉水的需求；而豫北新乡站有效降水量增幅较大，抵消了作物需水量增加的影响，净灌溉需水量将略微减少0.5%。从各生育期上看，播种－拔节期受作物需水量增加和有效降水量减少的双重影响，净灌溉需水量将明显增加。拔节－乳熟期除豫西南卢氏、栾川站有效降水量减少外，多数台站呈增加趋势但增幅较小，这并不足以抵消升温带来的作物需水量增加的影响，从而仅在豫北安阳、新乡和豫西南南阳站净灌溉需水量有所减少。乳熟－成熟期除豫西、豫西南部分地区外，净灌溉需水量的减少主要受有效降水量明显增加的影响。

2.5 评估结果的不确定性分析

以上结果分析是基于25个CMIP5模式集合评估的结果。本文进一步从变化趋势和变化范围两个方面探讨评估结果的不确定性。图 7给出了各站点上基于25个GCMs评估净灌溉需水量呈增加/减少趋势的模式数量所占比例。从图 7中可以看出，评估发现三门峡等11站净灌溉需水量将增加的模式占比超过60%，其中豫西南栾川和西峡站的评估结果一致性较好，模式占比达到80%。而豫北安阳、新乡，豫中开封、宝丰、西华，豫南固始等6站评估结果一致性较差，评估净灌溉需水量呈增加和减少趋势的模式数量基本相当。

从净灌溉需水量变化的数值上看(图 8)，尽管集合评估灌溉需水量变化的值较小，但是各模式间评估结果还存在较大差异。评估净灌溉需水量变化的最大值与最小值之差在17个站点上的平均值为59.9%，其中三门峡站变化范围最小，为−16.2%~26.7%；而栾川站变化范围最大，达到−19.2%~66.4%。

3 结论

(1) 基于BCC/RCG-WG 3.0时间解集结果计算的净灌溉需水量模拟值与实测值较为接近，能够满足气候变化对灌溉需水量影响评估的需要。

(2) RCP4.5情景下2021—2050年河南省夏玉米全生育期内气温和降水均呈增加趋势，净灌溉需水量增加5.6%。作物需水量增幅在播种－拔节期、拔节－乳熟期、乳熟－成熟期逐渐增大，有效降水量在播种－拔节期为减少，在拔节－乳熟期、乳熟－成熟期转为增加，净灌溉需水量在3个时期分别表现为增加21.3%、增加3.4%和减少1.4%。

(3) 河南省夏玉米全生育期内仅豫北新乡站净灌溉需水量略微减少0.5%，其他16站均呈增加趋势。但各生育期内夏玉米净灌溉需水量空间变化不均。播种－拔节期净灌溉需水量在豫北、豫西南、豫南地区有5站增幅超过30%；拔节－乳熟期豫北以及豫西南南阳站则有不足3%的减少，其他各站净灌溉需水量增幅多在10%以内；乳熟－成熟期呈减少趋势的站点进一步增加，且减幅自北向南逐渐减少，但豫西和豫西南局部地区4站有10%~20%的增幅。

在现有的技术条件下，本文采用了25个GCMs的集合评估结果尽可能地减少GCMs带来的不确定性，但模式间的一致性在多数站点还比较低，评估结果的不确定性范围较大。这主要是由于GCMs对降水的模拟还存在较大的不确定性。随着区域气候模式(RCM)的发展，采用多个RCMs的预估结果，有利于进一步减小评估结果的不确定性。同时，排放情景、WG模拟、作物品种和生育天数的推算等不确定性来源对评估结果的影响还有待深入研究。

致谢：感谢WCRP耦合模式工作组(WGCM)组织PCMDI搜集归类CMIP5气候变化预估数据；感谢各模式组提供全球气候模式预估的原始数据。