GECROS模型在黄淮海地区模拟夏玉米生长的适应性评价

引用本文

吴玮, 马玉平, 俄有浩, 孙琳丽, 景元书. GECROS模型在黄淮海地区模拟夏玉米生长的适应性评价. 41(1): 123-135
WU Wei, MA Yu-Ping, E You-Hao, SUN Lin-Li, JING Yuan-Shu. Adaptability Evaluation of GECROS Simulateing Summer Maize Growth in the Yellow-Huaihe-Haihe Rivers. Acta Agronomica Sinica, 41(1): 123-135 复制到剪切板

Permissions

作物学报编辑部

GECROS模型在黄淮海地区模拟夏玉米生长的适应性评价

吴玮^1,^2,³, 马玉平^1,^*, 俄有浩¹, 孙琳丽^1,², 景元书²

¹中国气象科学研究院, 北京 100081

²南京信息工程大学, 江苏南京 210044

³无为县气象局, 安徽无为 238300

^*通讯作者(Corresponding author): 马玉平, E-mail:mayp@cams.cma.gov.cn

第一作者联系方式: E-mail:brilliant_ww@163.com

收稿日期:2014-09-30

基金:本研究由国家公益性行业(气象)科研专项(GYHY201006027)和中国气象科学研究院基本科研业务费专项(2009Y005)资助

摘要

GECROS是荷兰瓦赫宁根农业大学近些年开发的机理性更强、算法更简要的作物生长模型。本文利用黄淮海地区夏玉米试验数据进行GECROS模型的适应性评价, 为模型进一步开展区域应用提供依据。结果表明, GECROS基本能够反映黄淮海地区夏玉米的发育进程。模型模拟夏玉米抽雄期的绝对偏差在6.0 d以内, 平均为2.1 d; 模拟成熟期的绝对偏差在8.0 d以内, 平均为3.4 d。GECROS描述夏玉米干物质积累和叶面积扩展过程的准确度较高。模拟雌穗总重的归一化均方根误差在7.8%~33.8%之间, 平均为18.6%; 模拟植株地上总重的归一化均方根误差在11.2%~32.6%之间, 平均为20.7%; 模拟LAI的绝对偏差在0.28~0.55之间, 平均为0.41, 模拟籽粒产量的绝对偏差在20.3~229.0 g m^-2之间, 平均为80.9 g m^-2。利用GECROS模型相对评价作物生长状况或环境影响基本可行。但GECROS模拟夏玉米发育进程仍存在低值偏高、高值偏低的现象; 在土壤水分胁迫较重时, 描述的生物量积累过程有偏低情况; 描述LAI扩展的总体效果差于生物量累积的效果。GECROS仍需进一步完善。

关键词: GECROS; 适应性; 夏玉米; 黄淮海地区

Adaptability Evaluation of GECROS Simulateing Summer Maize Growth in the Yellow-Huaihe-Haihe Rivers

WU Wei^1,^2,³, MA Yu-Ping^1,^*, E You-Hao¹, SUN Lin-Li^1,², JING Yuan-Shu²

¹ Chinese Academy of Meteorological Sciences, Beijing 100081, China

² Nanjing University of Information Science & Technology, Nanjing 210044, China

³ Wuwei County Bureau of Meteorology, Wuwei 238300, China

Abstract

The evaluation of crop model is a key process for its application. GECROS model had been developed by Wageningen in recent years. GECROS uses stronger mechanism and more concise algorithms to summarize the current knowledge of individual physiological processes and their interactions and feedback mechanisms. To provide a foundation for the future localization and regional application of GECROS model, in this study, the field observations of summer maize from several agrometeorological stations in Yellow-Huaihe-Haihe Rivers were used to conduct the adaptability evaluation of GECROS model. The results showed that GECROS model could basically reflect the growing process of summer maize in Yellow-Huaihe-Haihe Rivers. The absolute deviations at the period from emergence to tasseling simulated by GECROS were less than 6.0 d, with an average of 2.1 d. The absolute deviations at the period from tasseling to mature were less than 8.0 d, with an average of 3.4 d. The dry matter accumulation and leaf area expansion process of summer maize were accurately described by GECROS. The normalized mean square root errors (%) of total ear weight simulated by GECROS were 7.8%-33.8%, with an average of 18.6%, and these of total plant weight were 11.2%-32.6%, with an average of 20.7%. The absolute deviations of LAI were 0.28-0.55, with an average of 0.41. The relative evaluation on crop growth and impact of environmental conditions was basically feasible. But the developmental process of summer maize simulated by GECROS had the phenomenon of low values tengding to higher and high values tengding to lower. When the soil water stress was severe, GECROS gave a lower value for the biomass accumulation process, and the overall effect of description for the LAI expansion was inferior to that for biomass accumulation. GECROS still needs to be further improved.

Keyword: GECROS; Adaptability; Summer maize; The Yellow-Huaihe-Haihe Rivers

Show Figures

作物生长模型是研究农业生产的一种重要手段, 它不仅反映了现阶段对整个农业生产系统的认知水平, 还能用于研究和比较不同生态环境下作物生长的差异, 促进人们对作物生长机理的深化理解和研究, 反过来又提高模型模拟能力^{[1, 2, 3, 4]}。至今, 作物生长模型虽然被不断完善, 应用性和适应性不断增强, 但由于气象等环境灾害因素对农业生产影响的多方面和复杂性, 模型的诸多生理生态过程仍需深入研究并进一步完善^{[5, 6]}。其中, 荷兰deWit学派作为国内外众多模型研究派系之一, 先后自主研发了一系列作物生长模型, 包括ELCROS、BACROS、SUCROS、MACROS等^{[7, 8]}。为了能更好地面向实际应用, 荷兰瓦赫宁根农业大学与世界粮食研究中心合作, 在SUCROS基础上研制了能模拟特定土壤和气候条件下的一年生作物生长动态的、解释性的WOFOST模型; 又与菲律宾国际水稻研究所(IRRI)合作, 在MACROS和SUCROS的基础上研发了水稻模型ORYZA, 再不断完善后发展成系统性、应用性更强的水稻生长模拟模型ORYZA2000^[9]。这两者在国内外都有较广泛的验证和应用^{[10, 11]}。2005年以来, 为了进一步完善作物生长模型的机制过程和克服部分模块仍利用的数理统计概括, 荷兰瓦赫宁根农业大学在之前deWit学派众多模型基础上开发了机理性更强、算法更简要的GECROS模型^[12]。该模型可用于研究作物与环境的相互作用。GECROS基于“ 钟模型” ^[13]的改进来描述发育进程, 克服了以往积温模型的不足; 采用了Farquhar光合生理模型, 较以往光合模型的统计形式更具有机理性。GECROS较以往模型有较大改动, 其模拟和适应能力有待多方检验。目前在中国区域的应用验证研究还很少。

本文利用黄淮海地区农业气象观测站的夏玉米田间试验数据, 进行GECROS模型在潜在和水分胁迫条件下的发育进程、叶面积以及生长量的模拟检验, 以评价GECROS模型的模拟能力与适应性, 为进一步开展模型区域应用提供依据。

1 研究模型、数据和方法

1.1 GECROS模型简介

GECROS是分析作物品种和环境相互作用的作物生长模型^[12]。它对作物发育进程、光合呼吸过程、叶面积扩展以及土壤水分平衡等主要机理描述如下。

GECROS综合考虑了温度和日长与作物发育的非线性关系, 在“ 钟模型” 基础上改进模拟发育期。它以Farquhar模型为基础, 从生理学角度出发构建光合作用模型。

P_P=44× 10^-6× (1-Γ ^*/C_C) min (V_C, V_J) (1)

式中, P_P为潜在总光合速率(g m^-2s^-1); Γ ^*为在没有暗呼吸下的CO₂补偿点(μ mol mol^-1); C_C为进行羧化作用的CO₂含量(μ mol mol^-1)。V_C为RuP₂羧化速率(μ mol m^-2s^-1), V_J为电子传输速率(μ mol m^-2s^-1)。该模型从作物叶片生长过程的生理学角度出发, 根据Yin等^[12]提出的叶面积指数碳氮限制原则, 将其分为碳限制(L_C)和氮限制(L_N)两部分。

(2)

(3)

式中, k_n为氮消亡系数; n_b为能进行光合作用的最小叶氮含量(g m^-2); N_LV为活叶氮含量(g m^-2), Δ L_C为L_C日增量, S_la为比叶面积(m² g^-1); C_LV为活叶碳含量(g m^-2); n_bot为底层叶片氮含量。叶面积指数L=min (L_C, L_N)。当土壤水分充足时, 作物光合速率决定蒸腾速率。当作物根系吸收的土壤水分不能满足潜在蒸腾E_P时, 实际蒸腾E_a由根活动层的土壤含水量决定, 实际蒸腾速率则决定实际光合速率^[12]。潜在蒸腾E_P依据彭曼公式^[12]计算。

(4)

式中, r_t为作物冠层湍流阻力(s m^-1); r_bh和r_bw分别为叶片边界热量和水分传递阻力(s m^-1); γ 为干湿表常数(kPa ℃^-1); s为饱和水汽压随温度变化斜率(kPa ℃^-1); r_{sw, p}和r_{sw, a}分别为潜在和实际水分条件下的叶片气孔阻力(s m^-1)。

GECROS模型包含许多体现品种遗传特性及生态适应性的参数(表1), 它的输入量主要为逐日日照时数、最高、最低温度、降水量、平均水汽压和平均风速, 输出量主要包括作物碳氮元素的吸收量、蛋白质含量、冠层光合速率、蒸腾速率、叶面积指数、地上总干重、产量和收获指数等要素。

表1 GECROS模型的主要参数及其取值范围 Table 1 The ranges of the main parameters of GECROS model

参数 Parameter	定义 Description	缺省值 Default value	单位 Unit	参数取值范围 Range of parameter
Y_{G, V}	营养器官生长率Growth efficiency for vegetative organs	0.81	g g^-1	0-1.0
f_{c, V}	营养器官含碳比例Carbon fraction in the vegetative organs	0.48	g C g^-1	0-1.0
E_g	出苗率Rate of germination	0.25	g g^-1	0-1.0
f_lip	贮存器官脂类比例Fraction of fat in the storage organs	0.05	g Fat g^-1	0-1.0
f_lig	贮存器官木质素比例Fraction of lignin in the storage organs	0.11	g Lignin g^-1	0-1.0
f_oac	贮存器官有机酸比Fraction of organic acids in the storage organs	0.01	g Organic acid g^-1	0-1.0
f_min	贮存器官矿物质比例Fraction of mineral in the storage organs	0.01	g Mineral g^-1	0-1.0
f_pro	贮存器官蛋白质比例Fraction of protein in the storage organs	0.10	g Protein g^-1	0-1.0
n_So	贮存器官含氮比例Standard seed N concentration	0.05	g N g^-1	0-1.0
ρ	茎干重密度Stem dry weight per unit of plant height	570	g m^-2 m^-1	100-800
w	叶片宽度Leaf width	0.05	m	0.01-0.15
H_max	最大株高Maximum plant height	2.5	m	0.1-4.0
D_max	最大根深Maximum rooting depth	145	cm	50-250
S_w	粒重 Seed weight	0.3	g	0.01-1.0
n_Rmin	根最小含氮比例Minimum N concentration in the roots	0.005	g N g^-1	0-0.1
n_Smin	茎最小含氮比例Minimum N concentration in the stem	0.01	g N g^-1	0-0.1
n_cri0	初始叶片含氮比例 Initial value of N concentration in living leaves	0.05	g N g^-1	0-0.1
n_b	叶片最小氮含量Minimum leaf N content for photosynthesis	0.25	g N m^-2	0.1-1.0
S_la	比叶面积 Specific leaf area	0.022	m² g^-1	0.005-0.045
T_S	温度响应系数Curvature for temperature response	1.0	—	0.1-3
υ ₁	光照敏感起始阶段 Developmental stage for starting of photoperiod-sensitive phase	0.2	—	0-0.5
υ ₂	光照敏感终止阶段 Developmental stage for end of photoperiod-sensitive phase	0.7	—	0.5-0.8
t_e	籽粒数量确定阶段 Developmental stage for end of seed-number determining period	1.35	—	1.10-1.45
N_maxup	氮吸收日最大量Maximum crop nitrogen uptake	0.5	g N m^-2 d^-1	0.4-0.8
NPL	种植密度Plant density	10.0	m^-2	1.0-100.0

表1 GECROS模型的主要参数及其取值范围 Table 1 The ranges of the main parameters of GECROS model

1.2 模型参数确定与检验方法

1.2.1 模型参数校准方法对于GECROS模型发育参数, 根据黄淮海夏玉米实际发育期及对应温度数据推算确定。对于模型生长参数, 首先进行敏感性分析, 然后再对敏感参数依据性质分类确定其取值。

考虑到不同生长参数对作物生长影响的差异性, 在调试参数之前, 首先进行参数的敏感性分析, 以确定其影响作物生物量积累和产量形成的重要程度, 从而更有针对性地进行参数本地化。敏感性分析方法为, 改变某一参数的数值(变幅分别取-10%、-20%、10%和20%)而其他参数值保持不变, 运转模型计算生长量(逐日总重WSH、穗重WSO和叶面积指数LAI)在全生育期的平均相对变化率, 由此确定相对敏感度(S_r), 即全生育期内参数每变化1%时生长量的变化, 以判断该参数对作物生长发育的影响程度^[14]。

(5)

(6)

式中, Y_i为第i日的模拟生长量, q为不同参数的初始值, Δ q为各个输入参数的变化量, i为日, n为发育总天数。

依据物理化学特性, GECROS模型的敏感生长参数可分为两类。第一类为生物化学参数, 主要与作物种类或品种有关, 一般具有较明确的生物学意义和普适性^[12], 可以利用作物的生化分析获得参数取值。如贮存器官各类营养元素比例、25℃时RuP₂最大羧化速率等。其中个别参数也可利用田间试验的物理数据进行反推校准。如根茎叶最小含氮比例。第二类为生物物理参数, 主要与耕作措施、环境条件及作物品种有关, 需要利用田间试验的物理观测数据直接计算或校准。主要包括出苗率、叶片宽度、最大株高、最大根深、粒重以及比叶面积等。

1.2.2 模拟检验方法首先绘制作物生长模型模拟与实测结果的时间变化曲线或1∶ 1线, 进行模型模拟性能的直观检验。然后统计模拟结果的各种误差进行模拟性能的定量检验。误差分析包括绝对偏差均值(AD)、均方根误差(RMSE)和归一化均方根误差(NRMSE)^{[15, 16]}。

(7)

(8)

(9)

式中, Y_i和X_i分别为模拟值和实测值, 为实测值平均值, n为样本数量。另外, 利用异方差P(t)值检验模拟与实测值间的差异性。当P(t)大于0.05时, 两者的差异不显著。

1.3 研究数据

作物数据为黄淮海地区5个农业气象观测站夏玉米生长发育观测结果。一为1991— 2011年河北定州、1994— 2011年山东泰安、1991— 2010年河南郑州和2011年安徽宿州夏玉米发育期数据。二为2009— 2011年河北固城、2010年河南郑州、2011年山东泰安和2011年安徽宿州夏玉米水分控制田间试验数据。其中, 河北固城试验包含4个水分控制和1个对照处理(CK)。水分控制分别为偏多(K1)、基本适宜(K2)、轻度干旱(K3)和重度干旱(K4), 土壤湿度分别是田间持水量的80%以上、55%~80%、40%~55%和40%以下。K1~K4处理为8 m²(2 m × 4 m)池栽, 每池播种50~60株玉米; CK为大田播种, 水分供应不受限制, 视为潜在水分条件处理。河南郑州、山东泰安和安徽宿州试验均为潜在水分条件处理。供试夏玉米为近年来农业部主推黄淮海地区栽培品种, 河北定州和固城均为广源旺禾94-9, 河南郑州、山东泰安和宿州分别为浚单20、登海605和郑单958。河北固城、河南郑州、山东泰安和安徽宿州种植密度分别为6.9、6.3、5.5和7.5株 m^-2。试验观测项目包括玉米生育期(播种期、出苗期、三叶期、七叶期、拔节期、抽雄期、开花期、吐丝期、乳熟期和成熟期), 主要发育期的植株地上总干重、穗干重和LAI。另外, 气象数据包括相应年份和站点的逐日日照时数(h)、最高温度(℃)、最低温度(℃)、降水量(mm)、平均水汽压(kPa)和平均风速(m s^-1), 数据来自国家信息气象中心。土壤数据包括田间持水量、凋萎湿度以及氮磷等养分含量, 由中国科学院南京土壤研究所提供。

限于试验观测数据较少, 且河北定州、山东泰安、河南郑州和安徽宿州等4个站点试验所用玉米品种特性差异较小^{[17, 18]}, 因此本文不再分玉米品种进行模型校准和检验。利用2000— 2008年河北定州、山东泰安、河南郑州和2011年安徽宿州玉米发育期数据进行GECROS模型发育参数的校准(Calibration)及回代检验。利用2009年河北固城夏玉米田间试验CK处理数据进行模型潜在生长参数校准及回代检验、K1~K4处理数据进行不同土壤水分条件下生长参数的校准及回代检验。利用1991— 1999和2009— 2011年河北定州、1994— 1999和2009— 2011年山东泰安、1991— 1999和2009— 2010年河南郑州夏玉米发育期数据进行发育模拟的独立样本检验(Validation)。利用河北固城2010— 2011年K1、K2和CK处理、河南郑州2010年、山东泰安2011年、安徽宿州2011年的田间试验数据进行水分充足条件下夏玉米生长量模拟的独立样本检验。利用河北固城2010— 2011年K3和K4处理的田间试验数据进行水分胁迫条件下夏玉米生长量模拟的独立样本检验。以模型的检验效果评价其适应能力。

2 结果与分析

2.1 GECROS模型参数校准及回代检验

2.1.1 GECROS模型发育参数校准及回代检验

GECROS的发育参数包括玉米发育下限、上限、最适温度、温度响应系数(T_S)、光照敏感起止阶段、光照敏感系数(PESN)、基本营养生长日(MTDV)和基本生殖生长日(MTDR)等。玉米发育的下限、适宜和上限温度根据前人研究成果确定^[19], 分别取8℃、30℃和42℃。温度响应系数反映品种感温性^[20]。光照敏感起始终止阶段, 取模型默认值0.2和0.7。光照敏感系数反映品种的感光性, 与品种的最适光长有关。当实际光长大于最适光长时, 玉米的光照敏感系数为1, 当实际光长小于最适光长时, 玉米的光照敏感系数与最适光长呈负相关。基本营养生长日和基本生殖生长日为最适条件下营养生长阶段和生殖生长阶段所需天数。表2为利用黄淮海夏玉米数据校准发育参数后的取值。可以看出, 各参数取值在不同站点(品种)之间有一定差异。黄淮海北部地区夏玉米品种的基本生长日较南部更长, 光敏感系数则更低。

表2 GECROS模型中夏玉米发育参数的校准值 Table 2 Calibrated values of development parameters for summer maize in GECROS model

抽雄期和成熟期分别作为夏玉米营养生长阶段和生殖生长阶段的终止时期, 是评价模型模拟夏玉米发育期效果的重要指标之一。图1表明, 模拟抽雄期的绝对偏差在4 d以内, 绝对偏差均值(AD)为1.4 d, 模拟值与实测值的线性相关系数为0.89; 模拟成熟期的绝对偏差在5 d以内, 绝对偏差均值(AD)为2.3 d, 线性相关系数为0.86。

	Figure Option View Download New Window
	图1 GECROS模型模拟黄淮海夏玉米发育进程的回代检验Fig. 1 Back substitution test of GECROS simulating the development process of summer maize in the Yellow-Huaihe-Haihe Rivers

2.1.2 GECROS模型生长参数校准及回代检验

利用河北固城2009年潜在条件下夏玉米试验数据进行GECROS 模型生长参数的敏感性分析, 获得各参数对模型不同状态变量(逐日总重WSH、穗重WSO和叶面积指数LAI)的相对敏感度及其平均值(表3)。总体来看, 初始叶片含氮比例(n_cri0)的敏感性最高, 对3个状态变量的平均相对敏感度达0.85%。比叶面积(S_la)次之, 为0.72%。再次为粒重(S_w)和出苗率(E_g), 均为0.52%。但参数对不同状态变量的影响程度有差异, 如出苗率对LAI的影响较大, 平均相对敏感度可达0.80%, 而对WSO的影响较小, 为0.22%。参数的正负变化对变量的影响也可能存在区别。如茎干物质密度(ρ )增大时, 对LAI的平均相对敏感度可达0.30%, 而当其降低时仅为0.03%。

表3 GECROS模型生长参数的相对敏感度 Table 3 The relative sensitivity of crop growth parameters in GECROS (%)

根据生长参数物理化学特性及敏感性, 利用2009年河北固城田间试验潜在水分条件的夏玉米数据计算获得最大根深(D_max)、叶片宽度(w)、茎干物质密度(ρ )、最大株高(H_max)、出苗率(E_g)、粒重(S_w)、比叶面积(S_la)和种植密度(NPL)等参数的初始取值。再利用“ 试错法” 对初始叶片含氮比例(n_cri0)、出苗率(E_g)和茎干物质密度(ρ )等参数进行适当调整, 最终确定了各参数的取值(表4)。利用水分胁迫条件下的夏玉米生长数据调试确定了作物每日供水量W_put (表4)。可以看出, 校准后的参数取值与缺省值相比均有一定变化。如黄淮海夏玉米的最大株高更高, 可达2.8 m, 种植密度略偏低, 为8株 m^-2。出苗率(E_g)的变化最为明显, 黄淮海地区可达0.7 g g^-1。夏玉米每日供水量约为3 mm d^-1。

表4 GECROS模型中夏玉米主要生长参数的校准值 Table 4 Calibrated values of growth parameters for summer maize in GECROS

由图2可以看出, 模拟地上总重、穗重与实测值非常接近; 模拟LAI在玉米生长前期增长迅速, 与实际情况比较一致, 但在中后期由于受碳氮限制而下降幅度较实际稍大。表5为模拟结果的误差统计。结果表明, 模拟夏玉米植株地上总重和雌穗总重的平均值略低于实测值, 模拟LAI的平均值略高于实测值。模拟植株地上总重和雌穗总重的绝对偏差均值(AD)与均方根误差(RMSE)均小于80 g m^-2, 模拟LAI的AD与RMSE均小于0.7, 模拟籽粒产量与实测值相差132.1 g m^-2。所有模拟结果的归一化均方根误差(NRMSE)均小于25%。t检验结果显示, P(t)值都大于0.05, 表明模拟值与观测值无显著差异。

	Figure Option View Download New Window
	图2 GECROS模型模拟河北固城2009年潜在条件下夏玉米生长量和实测值的比较Fig. 2 Comparison of biomass simulated by GECROS and measured for summer maize under potential condition (CK) at Gucheng of Hebei in 2009

表5 GECROS模拟河北固城2009年潜在条件下夏玉米生长量的误差分析 Table 5 Errors of GECROS simulating summer maize growth under potential condition at Gucheng in 2009

由图3可以看出, 雌穗和植株地上总重的总体模拟效果良好, 线性相关系数均大于0.97; LAI的模拟效果稍差, 水分充足和水分胁迫条件的相关系数分别为0.89和0.88。表6为模拟结果的误差统计。总体来看, 各种水分条件下模拟生长量及LAI与实测值无显著差异[P(t)> 0.05], NRMSE均小于26%, 植株地上总重与LAI的模拟均值略高于实测值, 雌穗总重与籽粒产量的模拟均值略低于实测值。另外, 水分充足条件下模拟植株地上总重整体有所偏大。

	Figure Option View Download New Window
	图3 GECROS模型模拟河北固城2009年不同土壤水分条件夏玉米生长量和实测值1∶ 1图a和b分别代表水分充足和水分胁迫条件。Fig. 3 The 1:1 diagram of biomass simulated by GECROS and measured for summer maize under different water conditions at Gucheng of Hebei in 2009a: adequate soil moisture; b: soil water stress.

表6 GECROS模拟河北固城2009年不同土壤水分条件下夏玉米生长量的误差分析 Table 6 Errors of GECROS simulating summer maize growth under different water conditions at Gucheng of Hebei in 2009

2.2 GECROS模型适应性评价

2.2.1 GECROS模型模拟夏玉米发育进程的适应性评价图4表明, 模型模拟抽雄期、成熟期与实测值的线性相关系数分别为0.82和0.67。但模拟抽雄期存在低值偏高、高值偏低的现象; 模拟成熟期略偏长。模拟误差统计表明, 模拟的绝对偏差在6 d以内, 绝对偏差均值(AD)为2.1 d; 模拟成熟期的绝对偏差在8 d以内, 绝对偏差均值(AD)为3.4 d。t检验结果显示, 抽雄期和成熟期的P(t)均大于0.05, 模拟值与观测值无显著差异。

	Figure Option View Download New Window
	图4 GECROS模型模拟黄淮海夏玉米发育进程的独立样本检验Fig. 4 Validation of GECROS simulating development process of summer maize in the Yellow-Huaihe-Haihe Rivers

2.2.2 GECROS模型模拟土壤水分充足条件下夏玉米生长的适应性评价从图5可以看出, 植株地上总重、雌穗总重和LAI模拟值与实测值总体较接近, 线性相关系数分别为0.98、0.96和0.93。由模拟误差统计结果(表7)可知, 各生长量的模拟值与实测值均无显著差异[P(t)> 0.05], 模拟效果良好。总体来看, 植株地上总重和雌穗总重的模拟效果要好于LAI的效果。其中, 除河南郑州外, 模拟植株地上总重和雌穗总重的NRMSE (%)均小于21%, 而模拟各站LAI的NRMSE (%)均大于23%, 安徽宿州和河南郑州两站LAI的NRMSE (%)均大于30%, 模拟籽粒产量的绝对偏差在41.6~229.0 g m^-2之间。单独看, 河北固城2010— 2011年和山东泰安2011年的模拟效果较好, 模拟植株地上总重、雌穗总重和LAI的NRMSE (%)均小于30%; 安徽宿州除模拟LAI外, 其余模拟生物量的NRMSE (%)均小于30%; 河南郑州除模拟植株地上总重, 其余模拟生物量的NRMSE(%)均大于30%。

	Figure Option View Download New Window
	图5 GECROS模型模拟土壤水分充足条件下夏玉米生长量与实测值1∶ 1图Fig. 5 The 1:1 diagram of biomass simulated by GECROS and measured for summer maize under adequate soil moisture condition

表7 GECROS模拟土壤水分充足条件下夏玉米生长量的误差分析 Table 7 Errors of GECROS simulating summer maize growth under adequate soil moisture condition

生长量 Biomass	样本 Sample	实测平均 Measured average	模拟平均 Simulated average	AD	RMSE	NRMSE (%)	P(t)
河北固城2010 Gucheng, Hebei, 2010
植株总重Total plant weight (g m^-2)	18	365.8	384.5	48.7	58.3	15.9	0.48
雌穗总重 Total ear weight (g m^-2)	6	277.0	290.1	32.9	46.7	16.9	0.43
叶面积指数 LAI	16	1.7	1.7	0.48	0.49	29.7	0.47
籽粒产量Yield(g m^-2)	3	379.4	420.9	41.6	62.8	16.6	0.19
河北固城2011年 Gucheng, Hebei, 2011
植株总重 Total plant weight (g m^-2)	18	522.7	533.5	38.8	58.6	11.2	0.46
雌穗总重Total ear weight (g m^-2)	6	632.6	697.8	65.2	72.6	11.5	0.33
叶面积指数 LAI	15	1.9	1.8	0.31	0.44	23.7	0.43
籽粒产量 Yield (g m^-2)	3	517.8	563.6	45.9	47.2	9.1	0.14
河南郑州2010年 Zhengzhou, Henan, 2010
植株总重Total plant weight (g m^-2)	5	714.8	726.3	143.5	193.8	27.1	0.45
雌穗总重Total ear weight (g m^-2)	4	625.6	461.4	164.2	195.7	31.3	0.36
叶面积指数 LAI	4	2.5	2.6	0.55	0.76	30.9	0.44
籽粒产量Yield(g m^-2)	1	762.5	533.5	229.0	229.0	30.0
山东泰安2011年Tai’ an, Shandong, 2011
植株总重Total plant weight (g m^-2)	6	649.3	667.7	62.1	86.5	13.3	0.48
雌穗总重Total ear weight (g m^-2)	4	459.6	446.0	34.1	36.0	7.8	0.48
叶面积指数 LAI	6	2.0	2.0	0.40	0.50	25.7	0.45
籽粒产量Yield(g m^-2)	1	732.2	600.4	131.8	131.8	18.0
安徽宿州2011年 Suzhou, Anhui, 2011
植株总重Total plant weight (g m^-2)	7	643.3	575.1	85.3	129.1	20.1	0.41
雌穗总重Total ear weight (g m^-2)	4	466.4	413.8	62.9	83.1	17.8	0.42
叶面积指数 LAI	6	2.0	1.6	0.45	0.64	33.1	0.36
籽粒产量Yield (g m^-2)	1	610.0	556.8	53.2	53.2	8.7

AD: absolute deviation of simulated and measured values; RMSE: root-mean-square error of simulated and measured values; NRMSE: normalized root-mean-square error of simulated and measured values; P(t):t-test, when P(t)> 0.05, simulated and measured values have no significant difference.

AD: 模拟值与观测值的绝对偏差; RMSE: 模拟值与观测值的均方根误差; NRMSE: 归一化均方根误差; P(t): t检验, 当P(t)> 0.05时, 模拟值与观测值之间的差异不显著。

表7 GECROS模拟土壤水分充足条件下夏玉米生长量的误差分析 Table 7 Errors of GECROS simulating summer maize growth under adequate soil moisture condition

2.2.3 GECROS模型模拟土壤水分胁迫条件下夏玉米生长的适应性评价图6表明, 植株地上总重、雌穗总重和LAI模拟值与实测值总体较接近, 线性相关系数分别为0.98、0.93和0.94。由模拟误差的统计分析结果(表8)可知, 2010年和2011年各生长量模拟值与实测值无显著差异[P(t)> 0.05], 2011年模拟检验结果整体好于2010年。2011年各生长量NRMSE (%)均小于30%, 而2010年植株地上总重、雌穗总重NRMSE (%)均大于30%。另外, 土壤水分充足的模拟效果总体好于水分胁迫条件。其中, 土壤水分充足下模拟植株地上总重、雌穗总重和籽粒产量的NRMSE (%)均小于20%, LAI均小于30%; 而水分胁迫条件下模拟植株地上总重、雌穗总重和籽粒产量, 除2011年雌穗总重NRMSE (%)小于20%以外, 其余均大于20%, 水分胁迫条件下模拟LAI的NRMSE (%)也均大于水分充足条件。

	Figure Option View Download New Window
	图6 GECROS模型模拟土壤水分胁迫条件下夏玉米生长量与实测值的1∶ 1图Fig. 6 The 1:1 diagram of biomass simulated by GECROS and measured for summer maize under soil water stress

表8 GECROS模拟土壤水分胁迫条件下夏玉米生长量的误差分析 Table 8 Errors of GECROS simulating summer maize growth under soil water stress condition

3 讨论

发育期是作物的生理年龄, 它与作物的形态变化相联系, 是作物生长达到质变的标志性阶段, 准确描述发育进程是作物生长模型的首要任务。基于WOFOST修改而成的“ 东北玉米生长模型” (NEC_ MaGM)在模拟东北春玉米时, 其模拟抽雄期和成熟期的绝对偏差均值分别为3.6 d和5.9 d ^[3]。本研究中, GECROS模拟华北夏玉米抽雄期和成熟期的绝对偏差均值分别为2.1 d和3.4 d。尽管东北春玉米和华北夏玉米的生育期长度和发育进程有差异, 但根据模拟误差基本可以认为, GECROS在玉米发育进程方面的性能与NEC_MaGM相当或略优。尽管GECROS模型考虑了温度与作物生长发育的非线性关系, 是钟模型^[13]的改进, 但它描述夏玉米发育进程的灵敏性仍偏低。本文在模型发育参数校准和独

立样本检验中都发现, GECROS模拟发育期的变化范围较实测小, 模型的敏感性偏低。由此导致模拟结果出现低值偏高而高值偏低的现象, 模拟抽雄期尤其如此。这一现象在“ 东北玉米生长模型” (NEC_ MaGM)所采用发育单位法描述玉米发育进程的模拟中也曾出现^[3]。但在华北冬小麦发育模拟中, 即使最简单的积温模型也未显现^[21]。而在ORYZA2000水稻模型使用的热量单位法模拟中也较少见^{[22, 23]}。究其原因, 主要可能是玉米品种基因型间的差异及基因型与环境互作较大。一般情况下, 尽管一个地区种植的玉米品种类型不但多且更新快, 但它们应该都是能够适应当地气候环境条件的品种。主栽品种之间的生育特性差异不会太大^{[17, 18]}。本研究分析黄淮海地区玉米发育期也发现, 各站点玉米全生育期多年平均差不超过2 d, 种植起始日均值不超过3 d。因此, 为了全面体现一地的玉米品种型, 本研究综合长年代多个品种发育期数据进行作物生长模型发育参数的校准和检验, 以扩展模型的时空应用范围。这种情况下, 当利用年份较短且品种不变的田间试验数据进行模型参数校准和检验时, 作物发育模型的描述效果较好; 而当数据年份较长时, 玉米品种基因型与环境互作使得同一品种的生育特性可能随环境发生较大变化, 或者种植品种发生改变使基因型间的差异显现出来, 而作物生长模型本身对发育进程进行了简化描述, 对于多因素协同影响以及作物品种对逆境(如土壤水分亏缺)的反应力也未予考虑, 因此模拟发育的灵敏度有所下降。总之, 这一现象还需要更多数据、更多模型以及更多作物之间的比较才能得出合理结论并改进发育模型。

在玉米生长方面, 首先, 各器官生物量是作物生长模型所重点描述的状态变量, 其中玉米雌穗干重直接与产量形成相关。孙琳丽等^[24]通过WOFOST模型与华北地区玉米观测数据的同化得到了模型最优参数组合和取值, 然后模拟了玉米生长状况。其模拟地上总干重和雌穗干重的均方根误差(RMSE)在30.3~144.2 g m^-2之间, LAI的RMSE在0.60~0.95之间。本文利用GECROS模型模拟华北夏玉米地上总干重和雌穗干重的RMSE在42.8~195.7 g m^-2之间, LAI的RMSE在0.35~0.76之间。初步比较表明两模型模拟能力的差异并不大。其次, 土壤水分是影响作物生长最重要的因素之一, 描述土壤水分的胁迫是作物生长模型的重要内容。GECROS模型不但将作物的光合作用与水分在土壤、作物及冠层间传输的阻力相联系, 而且考虑了土壤水分对作物根系吸收营养元素的影响^[12]。这比以往模型仅用相对蒸腾校正光合速率的理论基础要更加扎实^[25]。但本研究表明, GECORS模拟土壤水分充足条件下夏玉米生长的效果仍要好于水分限制条件的效果。可见水分限制对玉米叶片生理结构的影响机制仍需进一步探讨。第三, 叶片是作物进行光合作用生成干物质的重要器官, 叶面积扩展也成为作物生长模型的重要组成部分。GECROS模型模拟LAI是以叶片生长营养元素积累和损失的方式进行, 在作物生长模型对LAI模拟的众多方法中^[26], 属生理法^[27], 理论基础较好。但该模型模拟LAI的总体效果仍差于生长量的效果。这一方面是由于GECROS模型描述叶片营养元素积累和损失时未考虑不同发育阶段的差异。如比叶面积等参数总是保持不变, 而这与实际情况不符。另一方面, 模型中LAI的消亡仅由氮素转移速率决定, 而未考虑玉米生长后期叶片碳素的限制、氮素增长微弱以及LAI形态性消亡滞后于功能性消亡等因素的制约^[12], 由此导致模拟LAI在后期下降幅度过大。另外, 与发育模拟类似, 本研究中GECROS模拟生物量的误差部分可能也归因于玉米品种基因型间的差异及基因型与环境间较大的互作。

当然, 在作物生长模型适应性评价中, 参数的校准方法以及观测数据的质量也可能是影响模型准确率的重要因素。这需要首先对众多作物生长参数进行敏感性分析, 以便明确对模型变量影响最大的参数。然后还要根据参数的生物学意义选取尽可能少的参数开展调试。参数的取值范围也要根据试验观测或前人研究严格确定。对不同来源的观测数据需要进行一致性和质量检查。

4 结论

GECROS基本能够反映黄淮海地区夏玉米的发育进程。模型模拟夏玉米抽雄期的绝对偏差在6 d以内, 平均为2.1 d; 模拟成熟期的绝对偏差在8 d以内, 平均为3.4 d。GECROS描述夏玉米干物质积累和叶面积扩展过程的准确度较高。模拟雌穗总重的归一化均方根误差在7.8%~31.3%之间, 平均为18.6%; 模拟植株地上总重的归一化均方根误差在11.2%~33.6%之间, 平均为20.7%; 模拟LAI的绝对偏差在0.28~0.55之间, 平均为0.41。模拟籽粒产量的绝对偏差在20.3~229.0 g m^-2之间, 平均为80.9 g m^-2。利用GECROS模型进行作物生长状况或环境影响条件优劣的相对评价基本可行。但GECROS模拟夏玉米发育进程仍存在低值偏高、高值偏低的现象; 在土壤水分胁迫较重时, 描述的生物量积累过程有偏低情况; 描述LAI扩展的总体效果差于生物量累积的效果。GECROS仍需进一步完善。

The authors have declared that no competing interests exist.

参考文献

View Option

[1]	王石立, 马玉平. 作物生长模拟模型在我国农业气象业务中的应用研究进展及思考. 气象, 2008, 34(6): 3-9 Wang S L, Ma Y P. The progress in application of crop growth simulation models to agro-meteorological services in China. Meteorol Monthly, 2008, 34(6): 3-9 (in Chinese with English abstract) [本文引用:1] [CJCR: 1.156]
[2]	马玉平, 王石立, 王馥棠. 作物模拟模型在农业气象业务应用中的研究初探. 应用气象学报, 2005, 16: 293-302 Ma Y P, Wang S L, Wang F T. A preliminary study on the application of crop simulation models in agrometeorological services. J Appl Meteorol Sci, 2005, 16: 293-302 (in Chinese with English abstract) [本文引用:1] [CJCR: 1.379]
[3]	马玉平, 王石立, 李维京. 基于作物生长模型的玉米生殖期冷害致灾因子研究. 作物学报, 2011, 37: 1642-1649 Ma Y P, Wang S L, Li W J. Chilling disaster factors in maize reproductive stage based on crop growth model. Acta Agron Sin, 2011, 37: 1642-1649 (in Chinese with English abstract) [本文引用:3] [CJCR: 1.667]
[4]	Jing Q, Bouman B A M, Hengsdijk H, van Keulen H, Cao W. Exploring options to combine high yields with high nitrogen use efficiencies in irrigated rice in China. Eur J Agron, 2007, 26: 166-177 [本文引用:1] [JCR: 2.8]
[5]	罗毅, 郭伟. 作物模型研究与应用中存在的问题. 农业工程学报, 2008, 24(5): 307-311 Luo Y, Guo W. Development and problems of crop models. Trans CSAE, 2008, 24(5): 307-311 (in Chinese with English abstract) [本文引用:1] [CJCR: 1.299]
[6]	曹宏鑫, 赵锁劳, 葛道阔, 刘永霞, 刘岩, 孙金英, 岳延滨, 张智优, 陈煜利. 作物模型发展探讨. 中国农业科学, 2011, 44: 141-150 Cao H X, Zhao S L, Ge D K, Liu Y X, Liu Y, Sun J Y, Yue Y B, Zhang Z Y, Chen Y L. Discussion on development of crop models. Sci Agric Sin, 2011, 44: 3520-3528 (in Chinese with English abstract) [本文引用:1] [CJCR: 1.889]
[7]	高峰, 刘爽, 赵光远. 作物模拟研究进展. 热带生物学报, 2010, 1(1): 95-98 Gao F, Liu S, Zhao G Y. Progresses of simulation on crop growth and development. J Trop Organisms, 2010, 1(1): 95-98 (in Chinese with English abstract) [本文引用:1]
[8]	马波, 田军仓. 作物生长模拟模型研究综述. 节水灌溉, 2010, (2): 1-4 Ma B, Tian J C. A review on crop growth simulation model research. Water-Saving Irrig, 2010, (2): 1-4 (in Chinese with English abstract) [本文引用:1] [CJCR: 0.534]
[9]	陈恩波. 作物生长模拟研究综述. 中国农学通报, 2009, 25(22): 114-117 Chen E B. A review on the research of crop growth simulation. Chin Agric Sci Bull, 2009, 25(22): 114-117 (in Chinese with English abstract) [本文引用:1]
[10]	帅细强, 王石立, 马玉平, 李迎春, 谢佰承. 基于ORYZA2000模型的湘赣双季稻气候生产潜力. 中国农业气象, 2009, 30: 575-581 Shuai X Q, Wang S L, Ma Y P, Li Y C, Xie B C. Studies on potential climate productivity of double rice in Hunan and Jiangxi Provinces based on ORYZA 2000 model. Chin J Agrometeorol, 2009, 30: 575-581 (in Chinese with English abstract) [本文引用:1] [CJCR: 1.474]
[11]	张雪芬, 余卫东, 王春乙, 白凌霞. WOFOST模型在冬小麦晚霜冻害评估中的应用. 自然灾害学报, 2006, 15: 337-341 Zhang X F, Yu W D, Wang C Y, Bai L X. Application of WOFOST model to assessment of winter wheat’s chilling damage by late frost. J Nat Disasters, 2006, 15: 337-341 (in Chinese with English abstract) [本文引用:1] [CJCR: 0.911]
[12]	Yin X Y, van Larr H H. Crop Systems Dynamics—an Ecophysiological Simulation Model for Genotype-by-Environment Interactions. Wageningen: Pudoc, 2005. pp 1-45 [本文引用:8]
[13]	Gao L Z, Jin Z Q, Huang Y, Zhang L Z. Rice clock model—a computer model to simulate rice development. Agric For Meteorol, 1992, 60: 1-16 [本文引用:2]
[14]	王冬妮, 马玉平, 王石立, 郭春明. 东北玉米生长模型中土壤水分参数的敏感性分析. 中国农业气象, 2010, 31: 219-224 Wang D N, Ma Y P, Wang S L, Guo C M. Sensitivity analysis on the soil water parameters in maize growth model in north east China. Chin J Agrometeorol, 2010, 31: 219-224 (in Chinese with English abstract) [本文引用:1] [CJCR: 1.474]
[15]	Kobayashi K, Salam M U. Comparing simulated and measured values using mean squared deviation and its components. Agron J, 2000, 92: 345-352 [本文引用:1] [JCR: 1.518]
[16]	Gauch H G Jr, Gene Hwang J T, Fick G W. Model evaluation by comparison of model-based predictions and measured values. Agron J, 2003, 95: 1442-1446 [本文引用:1] [JCR: 1.518]
[17]	袁刘正, 柳家友. 不同玉米品种农艺性状及产量研究. 中国种业, 2010, (增刊): 38-40 Yuan L Z, Liu J Y. Agronomic traits and yield of different maize varieties. China Seed Ind, 2010, (suppl): 38-40 (in Chinese with English abstract) [本文引用:2] [CJCR: 0.3657]
[18]	刘志斋. 中国玉米地方品种的多样性研究与种族划分. 西南大学博士学位论文, 重庆, 2008. pp 21-74 Liu Z Z. Diversity Analysis and Racial Classification of Maize Land races in China. PhD Dissertation of Southwest University, Chongqing, China, 2008. pp 21-74 (in Chinese with English abstract) [本文引用:2]
[19]	吕贞龙, 徐寿军, 庄恒扬. 作物发育温度非线性效应Beta模型的特征分析. 生态学报, 2008, 28: 3738-3742 Lü Q L, Xu S J, Zhuang H Y. Characteristics of the Beta function for nonlinear effects of temperature on crop phonological development. Acta Ecol Sin, 28: 3738-3742 (in Chinese with English abstract) [本文引用:1]
[20]	郑国清. 浅论对水稻发育期模型的认识. 中国农业气象, 1995, 20(2): 31-34 Zheng G Q. On the simulation models for rice development. Chin J Agrometeorol, 1995, 20(2): 31-34 (in Chinese with English abstract) [本文引用:1] [CJCR: 1.474]
[21]	马玉平, 王石立, 张黎, 庄立伟. 基于升尺度方法的华北冬小麦区域生长模型初步研究: Ⅰ. 潜在生产水平. 作物学报, 2005, 31: 697-705 Ma Y P, Wang S L, Zhang L, Zhuang L W. A preliminary study on a regional growth simulation model of winter wheat in North China based on scaling-up approach. Acta Agron Sin, 2005, 31: 697-705 (in Chinese with English abstract) [本文引用:1] [CJCR: 1.667]
[22]	莫志鸿, 冯利平, 邹海平, 王靖, 黄晚华, 杨晓光. 水稻模型ORYZA2000在湖南双季稻区的验证与适应性评价. 生态学报, 2011, 31: 4628-4637 Mo Z H, Feng L P, Zou H P, Wang J, Huang W H, Yang X G. Validation and adaptability evaluation of rice growth model ORYZA2000 in double cropping rice area of Hunan Province. Acta Ecol Sin, 2011, 31: 4628-4637 (in Chinese with English abstract) [本文引用:]
[23]	杨沈斌, 申双和, 赵小艳, 赵艳霞, 许吟隆, 王主玉, 刘娟, 张玮玮. 气候变化对长江中下游稻区水稻产量的影响. 作物学报, 2010, 36: 1519-1528 Yang S B, Shen S H, Zhao X Y, Zhao Y X, Xu Y L, Wang Z Y, Liu J, Zhang W W. Impacts of climate changes on rice production in the middle and lower reaches of the Yangtze River. Acta Agron Sin, 2010, 36: 1519-1528 (in Chinese with English abstract) [本文引用:1] [CJCR: 1.667]
[24]	孙林丽, 景元书, 马玉平, 俄有浩, 邹艳东, 邢开俞, 吴玮. 基于Downhill-Simplex算法的观测数据与作物生长模型同化方法研究. 中国农业气象, 2012, 33: 555-566 Sun L L, Jing Y S, Ma Y P, E Y H, Zou Y D, Xing K Y, Wu W. Assimilation scheme of observation data and crop growth model based on Downhill-Simplex glgorithm. Chin J Agrometeorol, 2012, 33: 555-566 (in Chinese with English abstract) [本文引用:1] [CJCR: 1.474]
[25]	Van Diepen C A, Wolf J, Van Keulen H, Rappoldt C. WOFOST: a simulation model of crop production. Soil Use Manage, 1989, 5: 16-24 [本文引用:1] [JCR: 1.832]
[26]	叶宏宝, 孟亚利, 汤亮, 朱艳, 曹卫星. 水稻叶龄与叶面积指数动态的模拟研究. 中国水稻科学, 2008, 22: 625-630 Ye H B, Meng Y L, Tang L, Zhu Y, Cao W X. A simulation study on leaf age and leaf area index in rice. Chin J Rice Sci, 2008, 22: 625-630 (in Chinese with English abstract) [本文引用:1] [CJCR: 1.494]
[27]	王希群, 马履一, 贾忠奎, 徐程扬. 叶面积指数的研究和应用进展. 生态学杂志, 2005, 24: 537-541 Wang X Q, Ma L Y, Jia Z K, Xu C Y. Research and application advances in leaf area index (LAI). Chin J Ecol, 2005, 24: 537-541 (in Chinese with English abstract) [本文引用:1] [CJCR: 1.729]

2008

0.0

1.156

王石立, 马玉平. 作物生长模拟模型在我国农业气象业务中的应用研究进展及思考. 气象, 2008, 34(6): 3-9

Wang S

, Ma Y

The progress in application of crop growth simulation models to agro-meteorological services in China.

Meteorol Monthly, 2008, 34(6): 3-9 (in Chinese with English abstract)

The research and application of crop growth simulation models in agro meteorolo gical services were carried out in recent years in China.The necessity of applyi ng crop growth simulation models to agro meteorological services was analyzed o n the basis of reviewing application of crop growth simulation models around the world and the state of agro meteorological services in China. The methodology of localization research of foreign models and the approach of applicationof model from single site to regional scale were discussed. It is focused on the progres s in application of crop growth simulation models to agro meteorological servic es in China, and effect assessment of meteorological condition on crops growth and dynamic forecasting of crop yield by using maize growth modal in North East China, wheat growth model in North China and double cropping rice model in the middle Yangtze River valley. Finally, the existing problems and possible resolut ion in applying crop growth simulation models were proposed from mechanism impro vement, regional scale application, as well as operational implement.

近年来我国农业气象科研和业务部门紧密结合，开展了作物生长模拟模型应用于农业气象业务的研究和应用试验工作。基于国外作物生长模拟模型的应用进展以及我国农业气象业务的现状，简要分析了农业气象业务中应用作物生长模拟模型的必要性和紧迫性。针对单点理论模型能否在业务中应用的疑惑，详细讨论了国外引进作物生长模型的本地化和单点理论模型在区域尺度上模拟应用等两个关键问题的重要性和技术方法。重点介绍了近年来我国气象系统农业气象科研和业务部门在推进作物生长模拟模型在农业气象业务应用方面所做的工作，即基于东北玉米、华北小麦和江南双季稻生长模型的气象条件影响评价和产量动态预测方法等。最后从改进完善作物生长模拟模型、探讨区域模拟应用技术及稳健推进业务应用和实施等方面分析了目前存在和出现的问题，以及可能的解决途径。

... 作物生长模型是研究农业生产的一种重要手段, 它不仅反映了现阶段对整个农业生产系统的认知水平, 还能用于研究和比较不同生态环境下作物生长的差异, 促进人们对作物生长机理的深化理解和研究, 反过来又提高模型模拟能力^[1,2,3,4] ...

2005

0.0

1.379

2011

0.0

1.667

马玉平, 王石立, 李维京. 基于作物生长模型的玉米生殖期冷害致灾因子研究. 作物学报, 2011, 37: 1642-1649

Ma Y

, Wang S

, Li

W J

. Chilling disaster factors in maize reproductive stage based on crop growth model. Acta Agron Sin, 2011, 37: 1642-1649 (in Chinese with English abstract)

In recent years, temperature in the Northeast of China has been significantly increasing with global warming. However, since planting areas of relatively late-maturing varieties of maize are shifting towards north, the frequency and intensity of maize chilling disaster are increased in some areas and some years. The prevention and mitigation of chilling disaster of maize in the Northeast depend on our understanding about chilling disaster factors and the degrees of impacts. In this paper, using North East China Maize Growth Model (NEC_MaGM) and historical chilling disaster data, we analyzed temporal and spatial variations of low temperature during the grain filling period and the first frost day, and discussed the match relations between chilling years based on the two disaster factors and actual chilling years. The results indicated that NEC_MaGM had a satisfied outcome in simulating maize growth and development. The absolute deviation at simulated tasseling and maturity stages calculated by NEC_MaGM was 3.6 d and 5.9 d, respectively. The root mean square error of simulated weight of storage organ (WSO) was 839.5 kg ha -1 . The average temperature in grain filling stage of maize in the Northeast was 16.7–23.5°C. However, the rapid decrease of temperature (<16°C) that usually occurred in the late period of maize development stage had a great impact on grain filling. The average temperature on the first frost day in the Northeast was 7.4–9.2°C, which was below the threshold for maize growth. In addition, the first frost day in the Northeast had a trend of delay with time. However, maturity of new maize variety also delayed with global warming, so the first frost frequently occurred before maturity. When the average daily temperature of five successive days lower than 16°C occurred before DVS =1.9 (development stage), there was a severe impact on weight of storage organ (WSO). The years with above situation were consistent with those actually occurred in historical record. The partial early first frost occurred mainly in the period of 1.8

1Chinese Academy of Meteorological Sciences, Beijing 100081, China; 2 Nanjing University of Information Science & Technology, Nanjing 210044, China; 3National Climate Center, Beijing 100081, China

利用东北玉米生长模型(NEC_MaGM)结合历史冷害数据分析了东北玉米灌浆期低温和初霜冻的发生规律，探讨了两者对玉米生长发育过程的影响与实际冷害年份之间的对应关系。结果表明，东北地区玉米灌浆期间较易出现15~16℃以下的急剧降温天气，对籽粒灌浆影响很大；出现在发育指数(DVS)为1.9之前且日平均温度连续5 d低于16℃的低温将对玉米贮存器官干重(WSO)积累造成重大影响，其出现年份与实际冷害发生年份符合度较高，是发生大面积冷害的致灾因子之一；随着气候变暖，东北各地初霜冻日和新玉米品种的成熟期均在推迟，但初霜冻日的年际波动不断增大。模拟显示，初霜冻发生在玉米成熟前的频率也在增加，初霜冻对玉米的影响仍不容忽视；初霜冻对WSO积累影响严重的年份与历史上出现冷害的一些典型年份比较一致，也是重要的冷害致灾因子之一。灌浆期低温和初霜冻出现时间以及由此导致WSO的损失程度可以作为基于作物生长模型进行玉米冷害监测预测的重要指标。同时，作物生长模型可以成为研究农业气象灾害致灾因子的有力工具。

... 9 d ^[3] ...

... (NEC_ MaGM)所采用发育单位法描述玉米发育进程的模拟中也曾出现^[3] ...

2007

2.8

0.0

Jing

, Bouman

B A M

, Hengsdijk

, van Keulen

, Cao

. Exploring options to combine high yields with high nitrogen use efficiencies in irrigated rice in China. Eur J Agron, 2007, 26: 166-177

Abstract In Jiangsu province, Southeast China, high irrigated rice yields (6–8000 kg ha −1 ) are supported by high nitrogen (N) fertilizer inputs (260–300 kg N ha −1 ) and low fertilizer N use efficiencies (recoveries of 30–35%). Improvement of fertilizer N use efficiency can increase farmers’ profitability and reduce negative environmental externalities. This paper combines field experimentation with simulation modeling to explore N fertilizer management strategies to realize high yields, while increasing N use efficiency. The rice growth model ORYZA2000 was parameterized and evaluated using data from field experiments carried out in Nanjing, China. ORYZA2000 satisfactorily simulated yield, crop biomass and crop N dynamics, and the model was applied to explore options for different N-fertilizer management regimes, at low and high levels of indigenous soil N supply, using 43 years of historical weather data. On average, yields of around 10–11,000 kg ha −1 were realized (simulated and in field experiments) with fertilizer N rates of around 200 kg ha −1 . Higher fertilizer doses did not result in substantially higher yields, except under very favorable weather conditions when yields exceeding 13,000 kg ha −1 were calculated. At fertilizer rates of 150–200 kg ha −1 , and at the tested indigenous soil N supplies of 0.6–0.9 kg ha −1 day −1 , high fertilizer N recovery (53–56%), partial N productivity (50–70 kg kg −1 ) and agronomic N use efficiency (20–30 kg kg −1 ) were obtained with application in three equal splits at transplanting, panicle initiation and booting. Increasing the number of splits to six did not further increase yield or improve any of the N use efficiency parameters.

2008

0.0

1.299

罗毅, 郭伟. 作物模型研究与应用中存在的问题. 农业工程学报, 2008, 24(5): 307-311

Luo

, Guo

Development and problems of crop models.

Trans CSAE, 2008, 24(5): 307-311 (in Chinese with English abstract)

该文以CERES-Wheat、Maize模型为例,系统阐述了作物模型的研究与应用发展情况,分析了模型当中仍然存在的问题,指出在冠层结构与作物光能截获计算方法和作物水分、养分对生长过程的胁迫机理与定量方法方面需要深入的实验研究,以探索其机理,提高模型模拟预测性能.该文强调指出目前绝大多数的作物模型是空间一维的田间尺度模型,借鉴区域生物地球化学循环模拟方法或与分布式水文模型耦合进行尺度扩展开发区域尺度作物模型,既是区域水、土资源评价与管理的应用需求,也将能促进作物模型发展并发挥更大作用.

... 至今, 作物生长模型虽然被不断完善, 应用性和适应性不断增强, 但由于气象等环境灾害因素对农业生产影响的多方面和复杂性, 模型的诸多生理生态过程仍需深入研究并进一步完善^[5,6] ...

2011

0.0

1.889

2010

0.0

高峰, 刘爽, 赵光远. 作物模拟研究进展. 热带生物学报, 2010, 1(1): 95-98

Gao

, Liu

, Zhao G

Progresses of simulation on crop growth and development.

J Trop Organisms, 2010, 1(1): 95-98 (in Chinese with English abstract)

作物模拟是农业信息技术的核心和基础,有助于预测、调控作物的生长发育及对环境的反应.笔者着重介绍了作物生长模拟的概念、特征、国内外的研究进展以及存在的问题和今后的发展方向.

... 其中, 荷兰deWit学派作为国内外众多模型研究派系之一, 先后自主研发了一系列作物生长模型, 包括ELCROS、BACROS、SUCROS、MACROS等^[7,8] ...

2010

0.0

0.534

... 其中, 荷兰deWit学派作为国内外众多模型研究派系之一, 先后自主研发了一系列作物生长模型, 包括ELCROS、BACROS、SUCROS、MACROS等^[7,8] ...

2009

0.0

陈恩波. 作物生长模拟研究综述. 中国农学通报, 2009, 25(22): 114-117

Chen E

A review on the research of crop growth simulation.

Chin Agric Sci Bull, 2009, 25(22): 114-117 (in Chinese with English abstract)

作物生长模拟技术是随着作物生理生态知识的积累和计算机技术的飞速发展而成长起来的一门边缘学科,是当代农业科学研究中的一个新领域.在阐述了作物生长模拟研究的发展历程、应用领域、存在问题的基础上,对作物生长模拟技术的发展作以展望.

... 又与菲律宾国际水稻研究所(IRRI)合作, 在MACROS和SUCROS的基础上研发了水稻模型ORYZA, 再不断完善后发展成系统性、应用性更强的水稻生长模拟模型ORYZA2000^[9] ...

2009

0.0

1.474

帅细强, 王石立, 马玉平, 李迎春, 谢佰承. 基于ORYZA2000模型的湘赣双季稻气候生产潜力. 中国农业气象, 2009, 30: 575-581

Shuai X

, Wang S

, Ma Y

, Li Y

, Xie B

Studies on potential climate productivity of double rice in Hunan and Jiangxi Provinces based on ORYZA 2000 model.

Chin J Agrometeorol, 2009, 30: 575-581 (in Chinese with English abstract)

应用湘赣地区1961-2006年25个气象观测站的逐日气象资料以及31个农业气象观测站1981-2006年双季稻发育期、生物量观测等资料,对水稻生长模型ORYZA2000进行参数调试和验证.以双季稻发育速率参数为主,结合地形、气候、水稻熟性分布和当地生产实际,将湘赣双季稻区划分为7个区域,实现了ORYZA2000在湘赣双季稻地区的应用.利用本地化后的ORYZA2000模型模拟湘赣地区早、晚稻的逐日生长过程,分析了湘赣地区1961-2006年双季稻气候生产潜力的时空演变规律.分析表明,赣东、赣中、湘中一带双季稻气候生产潜力较高,湘北、湘南、赣南、赣东北双季稻气候生产潜力较低,其空间分布与实际生产情况相符.从历史演变看,25个站中有18个站的双季稻气候生产潜力呈下降趋势,每年下降22～86kg/hm~2不等.初步分析表明,湘赣地区双季稻气候生产潜力下降是由于生育期天数减少、生育期内辐射(日照时数)减少和(或)积温上升3个因素的共同影响.辐射减少导致光合作用产物减少,积温上升意味着生育期内温度升高,或产生高温胁迫,或引发生育期缩短,均对水稻生长不利. Abstract： Based on the daily meteorological data of 25 meteorological stations from 1961 to 2006 and phonological and biomass data of double rice of 31 agro-meteorological stations from 1981 to 2006 in Hunan and Jiangxi Province, the ORYZA 2000 model was calibrated and validated. The rice production areas in two provinces were divided into seven areas according to the phonological parameters, climate, land use form and rice genetic characteristics. The localized ORYZA 2000 model was run at regional scale. The potential climate productivity of double rice were calculated in 25 agro-meteorological stations from 1961 to 2006 based on the simulated results of early rice and late rice. The characteristics of the spatial distribution and temporal variation were analyzed. The results showed that the potential climate productivity was relative higher in the east and central Jiangxi Province and central Hunan Province. The regions with lower potential climate productivity were located in the north and the south of Hunan and the northeast and the south Jiangxi. In regard to the temporal variation, the potential climate productivity in 18 stations among 25 stations decreased with time gradually, which reduce from 22 to 86 kg/ha each year. The preliminary analysis showed that the reduction of the potential climate productivity was due to shorter growing period, less radiation and increment of accumulated temperature during the growing period. The less radiation resulted in less photosynthesis substance, while the higher temperature led to stress on rice growing, or shorter growing period of rice.

... 这两者在国内外都有较广泛的验证和应用^[10,11] ...

2006

0.0

0.911

... 这两者在国内外都有较广泛的验证和应用^[10,11] ...

2005

0.0

... 2005年以来, 为了进一步完善作物生长模型的机制过程和克服部分模块仍利用的数理统计概括, 荷兰瓦赫宁根农业大学在之前deWit学派众多模型基础上开发了机理性更强、算法更简要的GECROS模型^[12] ...

... 1 GECROS模型简介GECROS是分析作物品种和环境相互作用的作物生长模型^[12] ...

... 该模型从作物叶片生长过程的生理学角度出发, 根据Yin等^[12]提出的叶面积指数碳氮限制原则, 将其分为碳限制(L_C)和氮限制(L_N)两部分 ...

... 当作物根系吸收的土壤水分不能满足潜在蒸腾E_P时, 实际蒸腾E_a由根活动层的土壤含水量决定, 实际蒸腾速率则决定实际光合速率^[12] ...

... 潜在蒸腾E_P依据彭曼公式^[12]计算 ...

... 第一类为生物化学参数, 主要与作物种类或品种有关, 一般具有较明确的生物学意义和普适性^[12], 可以利用作物的生化分析获得参数取值 ...

... GECROS模型不但将作物的光合作用与水分在土壤、作物及冠层间传输的阻力相联系, 而且考虑了土壤水分对作物根系吸收营养元素的影响^[12] ...

... 另一方面, 模型中LAI的消亡仅由氮素转移速率决定, 而未考虑玉米生长后期叶片碳素的限制、氮素增长微弱以及LAI形态性消亡滞后于功能性消亡等因素的制约^[12], 由此导致模拟LAI在后期下降幅度过大 ...

1992

0.0

... ^[13]的改进来描述发育进程, 克服了以往积温模型的不足 ...

... 尽管GECROS模型考虑了温度与作物生长发育的非线性关系, 是钟模型^[13]的改进, 但它描述夏玉米发育进程的灵敏性仍偏低 ...

2010

0.0

1.474

... 敏感性分析方法为, 改变某一参数的数值(变幅分别取-10%、-20%、10%和20%)而其他参数值保持不变, 运转模型计算生长量(逐日总重WSH、穗重WSO和叶面积指数LAI)在全生育期的平均相对变化率, 由此确定相对敏感度(S_r), 即全生育期内参数每变化1%时生长量的变化, 以判断该参数对作物生长发育的影响程度^[14] ...

2000

1.518

0.0

... 误差分析包括绝对偏差均值(AD)、均方根误差(RMSE)和归一化均方根误差(NRMSE)^[15,16] ...

2003

1.518

0.0

... 误差分析包括绝对偏差均值(AD)、均方根误差(RMSE)和归一化均方根误差(NRMSE)^[15,16] ...

2010

0.0

0.3657

... 限于试验观测数据较少, 且河北定州、山东泰安、河南郑州和安徽宿州等4个站点试验所用玉米品种特性差异较小^[17,18], 因此本文不再分玉米品种进行模型校准和检验 ...

... 主栽品种之间的生育特性差异不会太大^[17,18] ...

2008

0.0

... 主栽品种之间的生育特性差异不会太大^[17,18] ...

2008

0.0

... 玉米发育的下限、适宜和上限温度根据前人研究成果确定^[19], 分别取8℃、30℃和42℃ ...

1995

0.0

1.474

... 温度响应系数反映品种感温性^[20] ...

2005

0.0

1.667

马玉平, 王石立, 张黎, 庄立伟. 基于升尺度方法的华北冬小麦区域生长模型初步研究: Ⅰ. 潜在生产水平. 作物学报, 2005, 31: 697-705

Ma Y

, Wang S

, Zhang

, Zhuang L

A preliminary study on a regional growth simulation model of winter wheat in North China based on scaling-up approach.

Acta Agron Sin, 2005, 31: 697-705 (in Chinese with English abstract)

Dynamic crop growth simulation models have been developed at a plot or a field scale. However, crop growth monitoring and yield predication at regional scale are concerned by decision makers. Modeling crop growth states at regional scale needs to obtain the value of parameters and/or initial conditi

Chinese Academy of Meteorological Sciences, Beijing 100081

作物生长模型是在田间尺度上开发的，而区域尺度上的作物生长信息更受决策部门的关注。作物模拟从单点研究发展到区域应用需要解决升尺度连接（Scaling-up）等一系列技术问题。本文利用以经纬度为权重的IDW空间插值法对气象数据和与温度有关的作物参数进行空间插值；根据华北冬小麦的品种地带性分布特点进行了冬小麦品种参数

... 但在华北冬小麦发育模拟中, 即使最简单的积温模型也未显现^[21] ...

2011

2010

0.0

1.667

杨沈斌, 申双和, 赵小艳, 赵艳霞, 许吟隆, 王主玉, 刘娟, 张玮玮. 气候变化对长江中下游稻区水稻产量的影响. 作物学报, 2010, 36: 1519-1528

Yang S

, Shen S

, Zhao X

, Zhao Y

, Xu Y

, Wang Z

, Liu

, Zhang W

Impacts of climate changes on rice production in the middle and lower reaches of the Yangtze River.

Acta Agron Sin, 2010, 36: 1519-1528 (in Chinese with English abstract)

Increasing atmospheric greenhouse gas concentration is expected to induce significant climate change over the next century, but the impacts on society remain highly uncertain. This paper aimed to assess the potential impacts of climate change on rice crop ( Oryza sativa L.) production in the middle and lower reaches of the Yangtze River, where is one of the most important food production regions in China. Data taken from the PRECIS regional climate model were used as the baseline (1961–1990) and future (2021–2050) periods under IPCC SRES A2 and B2 scenario conditions, and were used as input of the rice model ORYZA2000. Simulations were performed with and without considering the enhanced CO 2 -fertilization effects to evaluate the response of rice crop to raised temperature and CO 2 concentration, respectively. The results indicated that the rice growth duration would be shortened and yield would be declined significantly with raising temperature future when CO 2 -fertilization effects was not considered. The rice growth duration would be shortened by 4.5 d and yield would be reduced by 15.2% under A2 scenario in 2021–2050 periods compared with the baseline weather while they would be 3.4 d shortened and 15% reduced respectively under B2 scenario in the same period. The areas where rice yield reduced more than 20% concentrated on most regions of Anhui, Hubei and Hunan provinces. The significance of the enhanced CO 2 -fertilization effect to rice crop was found under the simulated future elevated CO 2 concentrations (2021-2050) for both A2 and B2 scenarios. But it was still not enough to offset the negative effects of warming for single crop rice and early rice, except for the late rice that the contribution of CO 2 -fertilization effect on rice yield was greater. With considering CO 2 -fertilization effect, the rice yields declined by 5.1% and 5.8% under A2 and B2 scenarios, respectively. The areas with a serious yield reduction decreased and the average yield reduction were lessened remarkably. Meanwhile, the areas with an increase in rice yields were founded in some parts of Jiangxi and Zhejiang provinces, although the yield increase might be less than 10%. In addition, the yield stability, defined as the ratio of standard deviation to average yield at each grid across each province, would be increased in 2021–2050 periods when CO 2 -fertilization effect was considered, indicating that the CO 2 -fertilization effect may reduce the future yield variability. However, there were still many uncertainties in this study. The possible impact of water stress under future climate was not considered, due to the automatic irrigation pattern selected. The soil parameters used as input to the ORYZA2000 might increase the uncertainties for assessing the impacts of climate change on rice yield. Finally, the overall results were compared with those in other studies, in which CERES-Rice was employed and a good agreement was obtained, indicating that the rice model ORYZA2000 can be well applied in assessing the impact of climate change on rice crop in China.

1 College of Applied Meteorology, Nanjing University of Information Science & Technology, Nanjing 210044, China; 2 Chinese Academy of Meteorological Sciences, Beijing 100081, China; 3 Institute of Agro-Environment and Sustainable Development, Chinese Academy of Agricultural Sciences, Beijing 100081, China

选择长江中下游平原作为研究区域，按照政府间气候变化专业委员会(IPCC)排放情景特别报告(SRES)中的A2和B2方案，将基于区域气候模式PRECIS构建的气候变化情景文件与水稻生长模型ORYZA2000结合，模拟基准时段(1961—1990)气候(Baseline)和2021—2050时段A2、B2情景下的水稻产量，分析未来气候变化对长江中下游水稻产量的影响。构建两种影响评估方法，重点分析增温和大气CO 2 肥效作用对水稻产量的影响。结果表明，不考虑CO 2 肥效作用时，随着温度升高，水稻生育期缩短，产量下降。A2情景下水稻生育期平均缩短4.5 d，产量减少15.2%；B2情景下平均缩短3.4 d，产量减少15%。其中，减产达到20%以上的区域集中在安徽中南部、湖北东南部和湖南东部地区。当考虑CO 2 肥效作用后，A2情景下水稻平均产量减少5.1%，B2情景平均减少5.8%。减产区域缩小且幅度降低，江西和浙江部分地区则呈现一定程度增产，但增幅 2 肥效作用一定程度上可提高水稻产量，使晚稻在增温的不利影响下仍呈现不同程度的增产态势，但对单季稻和早稻的增产贡献仍不足以抵消升温的负面影响。另外，大气CO 2 肥效作用可有利于提高未来气候变化下水稻的稳产性。

... 而在ORYZA2000水稻模型使用的热量单位法模拟中也较少见^[22,23] ...

2012

0.0

1.474

... 孙琳丽等^[24]通过WOFOST模型与华北地区玉米观测数据的同化得到了模型最优参数组合和取值, 然后模拟了玉米生长状况 ...

1989

1.832

0.0

... 这比以往模型仅用相对蒸腾校正光合速率的理论基础要更加扎实^[25] ...

2008

0.0

1.494

叶宏宝, 孟亚利, 汤亮, 朱艳, 曹卫星. 水稻叶龄与叶面积指数动态的模拟研究. 中国水稻科学, 2008, 22: 625-630

Ye H

, Meng Y

, Tang

, Zhu

, Cao W

A simulation study on leaf age and leaf area index in rice.

Chin J Rice Sci, 2008, 22: 625-630 (in Chinese with English abstract)

Based on the field experiments using different type rice varieties under different sowing dates and nitrogen application levels, the leaf age and leaf area index (LAI) simulation models were established. A power function was used to describe the nonlinear relationship between leaf appearance and accumulated thermal time after sowing (TTS). The LAI model contained two consecutive phases: at exponential expansion phase (LAI

Hi-Tech Key Laboratory of Information Agriculture of Jiangsu Province, Nanjing Agricultural University, Nanjing 210095, China; *Corresponding author, E-mail: caow@njau.edu.cn

依据不同类型品种的播期试验和氮肥试验结果，建立了水稻叶龄与叶面积指数(LAI)的模拟模型。叶龄模型采用幂函数描述叶片出生与播后累积热时间(TTS)的关系，TTS的计算定量了温度与出叶速率之间的非线性关系。叶面积指数模拟包括两个阶段:在指数生长阶段，LAI随播后累积生长度日(GDD)呈指数式增长，同时受到氮素营养水平调节；当LAI≥1.6时进入非指数生长阶段，采用比叶面积法模拟，LAI是比叶面积与绿叶干物质量的乘积。绿叶干物质量是绿叶分配指数与地上部干物质量的乘积，比叶面积(SLA)为GDD的函数，同时考虑植株氮素营养因子对SLA的影响。利用生态条件和栽培条件差异较大的试验资料对模型进行了验证。结果表明，模型能较好地模拟不同条件下叶片的出生动态和LAI变化动态，表现出较强的适用性，具有参数少、易确定、简便实用的特点。

... GECROS模型模拟LAI是以叶片生长营养元素积累和损失的方式进行, 在作物生长模型对LAI模拟的众多方法中^[26], 属生理法^[27], 理论基础较好 ...

2005

0.0

1.729

王希群, 马履一, 贾忠奎, 徐程扬. 叶面积指数的研究和应用进展. 生态学杂志, 2005, 24: 537-541

Wang X

, Ma L

, Jia Z

, Xu C

Research and application advances in leaf area index (LAI).

Chin J Ecol, 2005, 24: 537-541 (in Chinese with English abstract)

This paper reviewed the research and application advances of leaf area index (LAI),which was put forward in 1947,in plant photosynthesis,transpiration and their connection,productivity forming,carbon,energy and water flux of forest-stands at landscape and regional scales,in the growth model of forest ecosystem,and in the study of energy and water exchange with remote sensing techniques.As an important physiological parameter of population and community growth analysis,LAI has been extensively applied in agriculture,horticulture,forestry,biology and ecology.

School of Resources and Environment, Beijing Forestry University, Beijing 100083, China

对叶面积指数(LAI)提出50多年来,在植物光合作用、蒸腾作用、联系光合和蒸腾的关系和构成生产力基础的研究,在林分、景观以及地区尺度上对碳、能量、水分通量的研究,借助遥感技术建立森林生态系统的生长模型以及研究森林生态系统的能量和水分交换等方面的研究和应用进展进行了综述。LAI作为进行植物群体和群落生长分析的一个重要参数,已在农业、果树业、林业以及生物学、生态学等领域得到广泛应用。

... GECROS模型模拟LAI是以叶片生长营养元素积累和损失的方式进行, 在作物生长模型对LAI模拟的众多方法中^[26], 属生理法^[27], 理论基础较好 ...