2種水稻生長模型比較

浩宇

摘要[目的]比較ORYZA2000和WOFOST 2種模型對江西省水稻生長的模擬效果。[方法]利用江西省當?shù)靥镩g試驗觀測數(shù)據(jù)，收集水稻的關(guān)鍵參數(shù)，同時結(jié)合同期逐日氣象數(shù)據(jù)等資料分別對ORYZA2000和WOFOST 2種模型進行比較。采用適應(yīng)性評價對水稻多個生理指標進行評價與驗證。[結(jié)果] 以統(tǒng)一化均方根誤差（NRMSE）來衡量作物模型的模擬結(jié)果，ORYZA2000模型模擬結(jié)果顯示水稻各生物量的NRMSE值小于25%，而WOFOST模型對葉面積指數(shù)及穗生物量模擬偏差較大，分別為46%和55%。[結(jié)論] ORYZA200在穗生物量和葉面積指數(shù)的模擬中比WOFOST模型模擬效果較好。

關(guān)鍵詞作物模型；田間數(shù)據(jù)；調(diào)試參數(shù)；適應(yīng)性評價

中圖分類號S511文獻標識碼A文章編號0517-6611（2017）11-0019-04

Abstract[Objective]To compare simulation effect of two kinds of rice growth model in Jiangxi Province.[Method] By the local field experimental observation data and meteorological data at the same period，the ORYZA2000 and WOFOST model parameters were compared.The growth period，the leaf area index and the biomass index were verified and evaluated.[Result]Measuring simulation effat of crop model with NRMSE，the biomass NRMSE value were less than 25% from ORYZA2000 model，and the NRMSE value of LAI and dry weight was 46% and 55% from WOFOST，which the deflection was larger.[Conclusion] Simulation effect of ORYZA2000 in spike biomass and leaf area index is better than that of WOFOST model.

Key wordsCrop model；Field data；Parameters calibration；Adaptability evaluation

作物生長模型作為新興農(nóng)業(yè)研究領(lǐng)域的重要工具，不僅能幫助人類加強對于農(nóng)業(yè)生產(chǎn)系統(tǒng)的認知水平，還能比較不同試驗點結(jié)果的差異性[1-4]。作物生長模型發(fā)展迅速，已成為農(nóng)業(yè)規(guī)劃、作物產(chǎn)量預(yù)測的重要工具，同時也為研究氣候變化對作物生長的影響提供了便利。我國對作物生長模型的研究始于20世紀末期，由于引入較晚，普及不夠，導致研究及應(yīng)用水平較低，近年來我國進一步引入多種作物生長模型開展研究。通過采集大田數(shù)據(jù)及水稻生物量數(shù)據(jù)，帶入逐日天氣數(shù)據(jù)，驅(qū)動作物生長模型，并以實測數(shù)據(jù)進行參數(shù)校準，比較實測值及模擬值的差異，對比引入的2種作物模型的差異，為選擇更為恰當?shù)哪Ｐ吞峁┮罁?jù)。

ORYZA2000水稻模型是國際上應(yīng)用較為廣泛的水稻模型，該模型的主導研究單位為荷蘭瓦赫寧根大學。ORYZA2000模型的特點是以日為單位作為模型的時間步長，通過多個模型模塊對水稻的發(fā)育生產(chǎn)水平進行評估，同時也允許研究者在不同限制條件下進行定量研究[5]。李亞龍等[6]在水肥耦合的基礎(chǔ)上進行了ORYZA2000模型的參數(shù)調(diào)整，帥細強等[7]研究了雙季稻區(qū)該模型的應(yīng)用，馮躍華等[8]研究了貴陽地區(qū)作物模型的適應(yīng)性。

WOFOST模型同樣是一個具有代表性的作物模型，其研究單位也是荷蘭瓦赫寧根大學。WOFOST模型的特點是動態(tài)解釋性模型，其能夠模擬作物種類更多，可以對作物的生長發(fā)育過程在特定的土壤和氣候條件下進行一年生長模擬[9]。我國已有利用WOFOST模型模擬不同氣象條件下玉米產(chǎn)量的研究[10]，以及利用該模型評價冬小麥的生產(chǎn)潛力[11]。筆者基于田間試驗，對江西省2種水稻生長模型進行了比較。

1數(shù)據(jù)來源與研究方法

1.1數(shù)據(jù)來源采用3個不同播期，同一品種進行3次重復，水稻育苗期為30～35 d。引入早、中、晚3個播期作為試驗的差異性區(qū)分，且間隔10 d。采集不同發(fā)育期的水稻葉片，測量其葉面積指數(shù)，采集各個發(fā)育期的水稻器官，測量其鮮重及干重等。收集試驗期間的逐日氣象數(shù)據(jù)以及相應(yīng)的土壤數(shù)據(jù)等。

1.2模型參數(shù)確定與檢驗方法

1.2.1模型參數(shù)確定。作物模型的運行首先要建立各個文件庫，包括天氣數(shù)據(jù)文件、作物數(shù)據(jù)文件以及模型處理數(shù)據(jù)文件，各個文件庫包含影響文件庫的參數(shù)。如將觀測得到的不同生育期數(shù)據(jù)輸入，發(fā)育速率可以通過模型所帶的DRATE.EXE計算得到，而模型自帶的PARAM.EXE可以為一些關(guān)鍵參數(shù)的修改提供參考。對模型進行本地化過程中需要修改一些參數(shù)，包括干物質(zhì)分配系數(shù)、葉片相對生長速率及最大粒重等[12]。

1.2.2模型檢驗方法。以圖形作為直觀判斷，進行總體定性評價，以統(tǒng)計指標對模型進行定量化評價。該研究采用的統(tǒng)計指標有確定系數(shù)、均方根誤差（RMSE）及歸一化均方根誤差（NRMSE）等。均方根誤差和統(tǒng)一化均方根誤差的計算公式：

將2011年的觀測數(shù)據(jù)用于模型模擬的驗證，比較模型模擬結(jié)果與2011年觀測數(shù)據(jù)的結(jié)果，分析水稻發(fā)育期、生物量及產(chǎn)量[14]。將模擬結(jié)果與實測結(jié)果進行統(tǒng)計分析，得到均方根誤差與統(tǒng)一化均方根誤差，對統(tǒng)計結(jié)果進行分析。

2結(jié)果與分析

2.1模型參數(shù)校準2種作物模型的水稻生長發(fā)育期用常數(shù)表示，即DVS（development stage），DVS=0表示出苗期，DVS=0.65表示幼穗分化期，DVS=1.00表示開花期，DVS=2.00表示成熟期[15]。其中，模型DVS為0～0.40是營養(yǎng)生長期，對應(yīng)我國水稻生產(chǎn)中常用的秧苗—拔節(jié)期，DVS為040～0.65是光周期敏感期，對應(yīng)拔節(jié)—穗分化期，穗分化—抽穗期的DVS為0.65～1.00，抽穗—成熟期的DVS為1.00～2.00。ORYZA2000和WOFOST模型參數(shù)調(diào)整見表1。

2.22種模型模擬結(jié)果對比通過對2種模型校準，帶入2011年天氣、土壤數(shù)據(jù)，輸出模型結(jié)果，并對模型模擬的生物量及葉面積指數(shù)進行檢驗。

2.2.1葉生物量。由圖1可知，ORYZA2000模型點的散布相比WOFOST更加密集，總體分布于1∶1線及+SD線之上，說明模擬值大于實測值。而WOFOST的模擬結(jié)果相對分散，點分布于1∶1線及SD兩側(cè)。注：實線為1∶1線；虛線為正負標準差線 （±SD）

2.2.2莖生物量。由圖2可知，ORYZA2000模擬值偏大，點分布于1∶1線及SD線上。而WOFOST對實測值的模擬結(jié)果較好，點分布于1∶1線及SD線兩側(cè)。對莖生物量的模擬，WOFOST優(yōu)于ORYZA2000。

2.2.3穗生物量。由圖3可知，2個模型對穗生物量模擬結(jié)果較為相似，ORYZA2000總體上更接近1∶1線及SD線。注：實線為1∶1線；虛線為正負標準差線 （±SD）

2.2.4地上總生物量。由圖4可知，ORYZA2000模型與WOFOST模型中點接近1∶1線及SD線周圍，2個模型的點分布較密集。

2.2.5葉面積指數(shù)。由圖5可知，ORYZA2000模型模擬結(jié)果顯示出較高的一致性，而WOFOST模型的葉面積指數(shù)模擬結(jié)果出現(xiàn)較大偏差。

2.3模型統(tǒng)計評價2種模型的實測值與模擬值的評價結(jié)果見表2。由表2可知，2種模型對水稻穗、莖生物量的模擬較差，而對總生物量的模擬較好?？傮w而言，ORYZA2000模型的總生物量接近實測值。葉、莖、穗及地上生物量的NRMSE分別為19%、20%、20%、15%。WOFOST模型的模擬值與實測值的回歸曲線基本斜率為1.0，表明兩者誤差較小，莖生物量的模擬較為接近實測值，而穗生物量及葉生物量模擬誤差較大。葉、莖、穗及地上生物量的NRMSE分別為23%、16%、46%、17%。

2.3.1葉面積指數(shù)評價。2種模型模擬的葉面積指數(shù)與實測值基本趨于一致，能較好地反映該品種水稻葉面積指數(shù)的變化動態(tài)。t檢驗表明，2種模型均無顯著差異，但WOFOST模型模擬值與回歸值的決定系數(shù)為0.85，且ORYZA2000模型的歸一化均方根誤差為25，遠小于WOFOST模型的55，因此，在對葉面積指數(shù)的模擬上，ORYZA2000模型較為準確。

2.3.2生物量評價。由圖1～4可知，模擬的地上部分總生物量及各器官生物量動態(tài)變化與實測值趨于一致，2種模型均能很好地反映水稻生物量的變化動態(tài)。由表2可知，WOFOST和ORYZA2000 2種模型對各自模擬生物量的模擬值與實測值都較接近。二者間的P>0.5，無顯著差異。WOFOST模型中穗生物量的歸一化均方根誤差值較大，為46%，大于30%，不如其他量的模擬準確，葉生物量、莖生物量及地上總生物量的NRMSE分別為23%、16%、17%。α都較為接近1000，R2大部分大于0.80，表明大部分模擬量的模擬誤差在合理范圍內(nèi)，但葉生物量和葉面積指數(shù)值模擬欠精確。

α代表ORYZA2000的模擬值與實測的吻合程度，α緊密分布在1∶1線周圍，表明模擬結(jié)果與實測結(jié)果吻合度較高。P<0.5，模擬值與實測值無顯著差異。各生物量的歸一化均方根誤差均小于25%，R2均大于0.90，顯示出極好的模擬性能。

3結(jié)論與討論

3.1結(jié)論該研究通過江西省南昌市觀測站點的水稻觀測資料與逐日氣象數(shù)據(jù)對2種水稻生長模型進行模擬，并調(diào)整參數(shù)，確定了該水稻品種的關(guān)鍵性參數(shù)。然后進行了葉面積指數(shù)、各器官生物量與總生物量的模擬驗證與適應(yīng)性評價，定性定量地比較了2種模型。結(jié)果表明，①WOFOST和ORYZA2000 2種模型對生物量的模擬值與實測值接近。二者的P>0.5，無顯著差異。WOFOST模型模擬的穗生物量歸一化均方根誤差值較大，為46%，大于30%，葉生物量、莖生物量及地上總生物量的NRMSE分別為23%、16%、17%。α都較接近1000，R2大部分大于0.80；ORYZA2000模型的模擬結(jié)果與實測值較為接近。P<0.5，模擬值與實測值無顯著差異。各生物量的歸一化均方根誤差均小于25%，R2均大于0.90。②WOFOST模型模擬值與實測值的決定系數(shù)為0.85，ORYZA2000模型模擬值與實測值的決定系數(shù)為0.96，且ORYZA2000模型的歸一化均方根誤差為25%。

各作物變量以及最終實測值一致性均很好，模型能準確地反映江西省該品種水稻生長發(fā)育情況。綜合比較發(fā)現(xiàn)，ORYZA2000模型在穗生物量和葉面積指數(shù)的模擬中比WOFOST模型模擬效果較好。

3.2討論作物模型可以較好地解釋氣候、土壤等環(huán)境因素與生產(chǎn)管理措施對生物進程及產(chǎn)量的影響，具有較強的機理性。模型和參數(shù)的本地化對提高模擬準確性至關(guān)重要，但由于農(nóng)業(yè)系統(tǒng)的復雜性，作物模型尚難以完全反映其所有的過程與關(guān)系，模擬結(jié)果與實測結(jié)果仍有一定偏差，有待進一步改進。今后研究著重在各個模型的參數(shù)調(diào)整及適應(yīng)性評價上，在此基礎(chǔ)上研究模型的區(qū)域化及參數(shù)區(qū)域化。

參考文獻

[1] LOOMIS R S，WILLIAMS W A.Maximum crop productivity：An estimate[J].Crop science，1963，3（1）：67-72.

[2] 尹云鶴.中國干濕狀況變化與生態(tài)地理區(qū)域?qū)夂蜃兓捻憫?yīng)[D].北京：中國科學院研究生院，2006：35-38.

[3] JING Q，BOUMAN B A M，HENGSDIJK H，et al.Exploring options to combine high yields with high nitrogen use efficiencies in irrigated rice in China[J].European journal of agronomy，2007，26（2）：166-177.

[4] RABBINGE R，LATESTEIJN H C.Longterm options for land use in the European community[J].Agricultural systems，1992，40（1/2/3）：195-210.

[5] DIZON M A，GINES H C，REDULIA C A，et al.Effects of transplanting practices on rice yield components [J].Phil J Crop Sci，1996，19（1）：1-76.

[6] 李亞龍，崔遠來，李遠華.水-氮聯(lián)合限制條件下對水稻生產(chǎn)模型 ORYZA2000 的驗證與評價[J].灌溉排水學報，2005，24（1）：28-32.

[7] 帥細強，王石立，馬玉平，等.基于水稻生長模型的氣象影響評價和產(chǎn)量動態(tài)預(yù)測[J].應(yīng)用氣象學報，2008，19（1）：71-81.

[8] 馮躍華，黃敬峰，陳長青，等.基于ORYZA2000模型模擬貴陽地區(qū)一季中稻的適應(yīng)性初探[J].中國農(nóng)學通報，2012，28（9）：26-32.

[9] SUPIT I，HOOIJER A A，VAN DIEPEN C A.System description of the WOFOST 6.0 crop simulation model implemented in CGMS[M].Brussels：Jiont Research Centre EC，1994：144-145.

[10] 陳振林，張建平，王春乙，等.應(yīng)用 WOFOST模型模擬低溫與干旱對玉米產(chǎn)量的綜合影響[J].中國農(nóng)業(yè)氣象，2007，28（4）：440-442.

[11] 王濤，呂昌河，于伯華.基于WOFOST模型的京津冀地區(qū)冬小麥生產(chǎn)潛力評價[J].自然資源學報，2010，25（3）：475-486.

[12] BOUMAN B A M，VAN LAAR H H.Description and evaluation of the rice growth model ORYZA2000 under nitrogenlimited conditions[J].Agricultural systems，2006，87（3）：249-273.

[13] GAUCH H G J R，HWANG J T G，F(xiàn)ICK G W.Model evaluation by comparison of modelbased predictions and measured values[J].Agronomy journal，2003，95（6）：1442-1446.

[14] 高亮之，金之慶，黃耀，等.水稻栽培計算機模擬優(yōu)化決策系統(tǒng)[M].北京：中國農(nóng)業(yè)科技出版社，1992.

[15] 屈曉芳.節(jié)水灌溉下旱稻水肥利用研究及 ORYZA2000 模型的應(yīng)用[D].武漢：華中農(nóng)業(yè)大學，2005.