上海單季晚粳稻主要生育性狀的動(dòng)態(tài)模擬*

張 皓，申雙和，史艷姝，薛正平，辛跳兒，李 軍

?

上海單季晚粳稻主要生育性狀的動(dòng)態(tài)模擬*

張 皓1,2，申雙和1**，史艷姝3，薛正平3，辛跳兒3，李 軍3

（1.南京信息工程大學(xué)應(yīng)用氣象學(xué)院，南京 210044；2.上海市松江區(qū)氣象局，上海 201616；3.上海市氣候中心，上海 200030）

20世紀(jì)50年代以來(lái)，上海地區(qū)糧食耕作制度和水稻品種經(jīng)過(guò)不斷更替，發(fā)展為目前的稻麥（或稻油）輪作為主的一年兩熟制，其中水稻主要以單季晚粳稻為主。為了對(duì)單季晚稻的生長(zhǎng)狀況進(jìn)行有效預(yù)估，采用線性逐步回歸方法建立水稻生育期間隔日數(shù)與氣象因子的關(guān)系模型；選擇已有成熟的模型（或模塊），在參數(shù)定標(biāo)的基礎(chǔ)上，建立水稻莖蘗動(dòng)態(tài)、葉齡和灌漿過(guò)程模型。選用2014?2016年雜交粳稻“秋優(yōu)金豐”共16個(gè)播期的田間試驗(yàn)觀測(cè)資料進(jìn)行參數(shù)定標(biāo)及模型有效性驗(yàn)證，在此基礎(chǔ)上模擬水稻各生育性狀的動(dòng)態(tài)變化，并對(duì)模擬效果進(jìn)行誤差分析。結(jié)果表明，各模型均能較好地模擬單季晚粳稻發(fā)育期、莖蘗動(dòng)態(tài)、葉齡和灌漿過(guò)程，發(fā)育期和葉齡模型模擬值與實(shí)測(cè)值的相關(guān)系數(shù)（R）均達(dá)0.95以上（P＜0.001），歸一化均方根誤差（RMSEn）均在10以下；莖蘗動(dòng)態(tài)和灌漿動(dòng)態(tài)模型模擬值與實(shí)測(cè)值的R值均達(dá)0.85以上（P＜0.001），RMSEn分別為19.8和31.2，粒重的模擬誤差主要出現(xiàn)在灌漿的中后階段?？傮w來(lái)看，各模型對(duì)上海地區(qū)單季晚粳稻具有較好的模擬性能，能夠?yàn)樯?、莖蘗消長(zhǎng)、葉齡和灌漿過(guò)程的動(dòng)態(tài)預(yù)測(cè)提供依據(jù)。

單季晚稻；生育期；莖蘗動(dòng)態(tài)；灌漿過(guò)程；作物模型

農(nóng)業(yè)氣候資源的變化往往決定了一個(gè)地區(qū)的農(nóng)業(yè)生產(chǎn)制度和農(nóng)作物種植方式，歷史上上海地區(qū)糧食耕作制度及品種的更替便是充分適應(yīng)和利用農(nóng)業(yè)氣候資源的結(jié)果[1]。20世紀(jì)50年代上海糧食耕作制度以一年兩熟和兩年五熟的多熟制為主。隨著熱量資源的不斷增加[2-4]，60?70年代上海大力發(fā)展雙季稻，耕作制度調(diào)整為以三熟制為主。但是，雙季稻中后季稻在抽穗開(kāi)花期容易遭受秋季低溫危害[5-6]，因此，80年代以后雙季稻逐漸調(diào)整為單季稻，以一年兩熟為主。同樣，上海地區(qū)主栽水稻品種也隨著種植制度的變遷而更替。50年代?60年代中期，水稻以農(nóng)家品種為主；60年代后期?70年代，早稻品種以早秈代替早粳；80年代以后，水稻品種則以單季晚粳為主[7]。近年來(lái)，上海地區(qū)廣泛應(yīng)用的單季晚粳水稻優(yōu)秀品種主要有寒豐A（1981）、寒優(yōu)湘晴（1989）、秋優(yōu)金豐（2006）、花優(yōu)14（2008）和秀水134（2011）等[8]。同時(shí)，種植制度和品種的多樣性決定了水稻對(duì)氣候資源的需求各異，不同品種的水稻也表現(xiàn)出不同的生長(zhǎng)發(fā)育性狀。

水稻的生長(zhǎng)通常受多種基因性狀的控制，不同的基因組合表現(xiàn)出相互各異的生長(zhǎng)發(fā)育特征，這些特性與水稻產(chǎn)量密切相關(guān)[9]。作物生長(zhǎng)模擬技術(shù)融合了農(nóng)業(yè)系統(tǒng)學(xué)和作物科學(xué)原理，可實(shí)現(xiàn)對(duì)農(nóng)作物生長(zhǎng)過(guò)程的動(dòng)態(tài)預(yù)估[10]。目前，一些學(xué)者采用作物模型方法，圍繞中國(guó)各地的水稻品種及類(lèi)型開(kāi)展了大量的模擬研究[11-12]，分別建立或改進(jìn)了水稻生育期[13-14]、葉齡與葉面積[15-16]、地上部干物質(zhì)積累[17]與分配[18-19]等生長(zhǎng)過(guò)程的模擬模型，取得了較好的效果。然而，現(xiàn)有研究中針對(duì)上海地區(qū)單季晚粳稻的模擬研究并不多見(jiàn)。本文借鑒作物模型的研究思路，以上海主栽的單季晚粳稻品種“秋優(yōu)金豐”為例，結(jié)合大田水稻試驗(yàn)，嘗試建立經(jīng)驗(yàn)性和半機(jī)理性的水稻生育性狀模型，以期實(shí)現(xiàn)對(duì)上海地區(qū)雜交晚粳稻生長(zhǎng)過(guò)程的動(dòng)態(tài)預(yù)估。

1 材料與方法

1.1 大田試驗(yàn)

（1）概況。2014?2016年，在上海市農(nóng)業(yè)氣象服務(wù)示范基地（31°02’N，121°29’E）進(jìn)行水稻大田分期播種試驗(yàn)。該試驗(yàn)基地地處長(zhǎng)江中下游單季稻區(qū)，夏季長(zhǎng)且高溫多雨，春秋季短而少雨，年降水量約1180mm，水稻生長(zhǎng)季（5?11月，下同）降水量約830mm。供試品種為優(yōu)選雜交粳稻“秋優(yōu)金豐”，在上海地區(qū)廣泛種植，全生育期約170d，平均產(chǎn)量約9.3×103kg·hm?2。

（2）水稻安全播栽期推算。以不影響下茬冬小麥的正常播種和越冬為前提，確定水稻的安全播栽期。具體方法為，利用上海11個(gè)氣象站點(diǎn)1991?2015年的逐日氣溫觀測(cè)資料，采用農(nóng)業(yè)氣候分析方法，將日平均氣溫穩(wěn)定通過(guò)3℃的終日作為冬小麥越冬起始日，以越冬前達(dá)到3葉帶1分蘗（即幼苗含有3片完全葉及1個(gè)分蘗）為壯苗標(biāo)準(zhǔn)（滿足＞3℃有效積溫280℃·d），反推80%保證率下的冬小麥最遲播種期為11月17?22日（各氣象站點(diǎn)略有差異，下同）。再加上水稻收割與小麥播種期間翻耕、施肥等農(nóng)事操作，確定全市水稻的最遲收獲期為11月6日。以水稻齊穗-成熟期及移栽-齊穗期分別滿足＞10℃有效積溫620℃·d和1600℃·d為指標(biāo)，反推80%保證率下的水稻齊穗期和移栽期分別為9月11?16日和6月11?24日。有效積溫指標(biāo)依據(jù)歷年生育期觀測(cè)記錄及同期觀測(cè)站點(diǎn)日平均氣溫計(jì)算得出，取多年平均值。

（3）分期播種。參考水稻安全播栽期的推算結(jié)果，并使部分處理的水稻移栽期適當(dāng)超出80%保證率下的推算范圍，確定2014?2016年水稻大田分期播種試驗(yàn)的播期設(shè)置，見(jiàn)表1。播種前，對(duì)水稻種子進(jìn)行去雜、暴曬、浸種、催芽等處理后即開(kāi)始育秧，浸種2.5～3d，催芽約2d，秧齡17～22d后進(jìn)行移栽。移栽時(shí)葉齡為3.5葉左右，苗高14～18cm，行距30cm，株距13cm，機(jī)械足穴足苗栽插。小區(qū)面積為5m×5m，采用隨機(jī)區(qū)組設(shè)計(jì)，重復(fù)3次。水肥等田間管理方式與大田生產(chǎn)保持一致。

表1 2014?2016年水稻田間試驗(yàn)的播期設(shè)置(月?日)

注：S為播期。下同。

Note: S indicates sowing date. The same as below.

1.2 觀測(cè)內(nèi)容與方法

1.2.1 生育期觀測(cè)

水稻移栽緩苗后（約3d）開(kāi)始觀測(cè)，直至成熟。各小區(qū)選取長(zhǎng)勢(shì)均勻的連續(xù)10穴水稻植株進(jìn)行標(biāo)記，每7天觀測(cè)一次，適時(shí)加密。觀測(cè)記錄的生育期包括移栽期、分蘗高峰、拔節(jié)期、孕穗期、抽穗揚(yáng)花期、灌漿期、成熟期，觀測(cè)標(biāo)準(zhǔn)參照文獻(xiàn)[20]。

1.2.2 莖蘗動(dòng)態(tài)觀測(cè)

莖蘗動(dòng)態(tài)觀測(cè)與生育期觀測(cè)同期進(jìn)行，直至抽穗期結(jié)束。每次觀測(cè)標(biāo)記連續(xù)10穴植株總莖蘗數(shù)（即總苗數(shù)，下同），并通過(guò)行株距和小區(qū)面積轉(zhuǎn)換為單位面積總莖蘗數(shù)，取3個(gè)重復(fù)的平均值作為各播期的群體莖蘗密度（條·m?2）。

1.2.3 葉齡觀測(cè)

葉齡觀測(cè)與莖蘗動(dòng)態(tài)觀測(cè)同期進(jìn)行，直至劍葉抽出結(jié)束。在標(biāo)記的10穴植株中選擇生長(zhǎng)狀況良好，且無(wú)明顯差異的15根主莖作為觀測(cè)對(duì)象，每次觀測(cè)按照植株主莖的出葉次序間隔葉片作標(biāo)記（即每隔一張葉片作一次標(biāo)記，僅標(biāo)記單數(shù)葉），并記錄當(dāng)前的單株葉齡，取10穴植株的平均葉齡及3個(gè)重復(fù)的平均值，作為該播期處理的植株葉齡。

1.2.4 灌漿動(dòng)態(tài)觀測(cè)

從開(kāi)花期開(kāi)始進(jìn)行灌漿動(dòng)態(tài)觀測(cè)，每個(gè)小區(qū)在水稻開(kāi)花期選擇花期一致、穗形相近的150個(gè)健康稻穗掛牌標(biāo)記，隨后每5～7d取樣一次，直至成熟。每次觀測(cè)從掛牌的株莖中取15穗，分離籽粒與枝梗后，對(duì)空粒和灌漿粒進(jìn)行計(jì)數(shù)，再置入80℃的烘箱內(nèi)恒溫烘至恒重后稱(chēng)重，并轉(zhuǎn)換為千粒重。取3個(gè)重復(fù)的平均值作為該播期處理的籽粒重量。

1.2.5 氣象要素觀測(cè)

同步的逐日氣象觀測(cè)資料來(lái)自試驗(yàn)基地的自動(dòng)氣象觀測(cè)站，觀測(cè)要素包括太陽(yáng)輻射、氣溫、風(fēng)速、相對(duì)濕度、雨量、水汽壓等。日長(zhǎng)（可照時(shí)數(shù)）參照中國(guó)氣象局輻射觀測(cè)方法[21]計(jì)算。

1.3 模型建立與檢驗(yàn)

選擇水稻生育期、總苗數(shù)、葉齡和籽粒重作為主要生長(zhǎng)發(fā)育性狀進(jìn)行動(dòng)態(tài)模擬。結(jié)合生育期觀測(cè)資料及同期氣象要素，采用多元線性回歸方法，建立生育期模型（通過(guò)SPSS V19.0軟件實(shí)現(xiàn)）。選擇已有成熟的水稻生育性狀模型或作物模型的功能模塊，在模型參數(shù)定標(biāo)的基礎(chǔ)上，確定適合本地水稻品種的莖蘗動(dòng)態(tài)、葉齡和灌漿動(dòng)態(tài)模型。

利用散點(diǎn)圖和動(dòng)態(tài)變化曲線圖比較模擬值與實(shí)測(cè)值的吻合程度，選擇以下統(tǒng)計(jì)參數(shù)作為檢驗(yàn)指標(biāo)，包括模擬值與實(shí)測(cè)值間的相關(guān)系數(shù)R及其顯著性、均方根誤差（RMSE）和歸一化均方根誤差（RMSEn）。其中RMSEn的計(jì)算式為

2 結(jié)果與分析

2.1 試驗(yàn)期間水稻生長(zhǎng)季的氣象條件分析

由圖1可見(jiàn)，研究期內(nèi)（2014?2016年）各年度不同播期處理水稻生長(zhǎng)季的氣象條件存在差異。2016年各播期的平均氣溫均高于2014和2015年，且隨著播期的推后，氣溫逐漸升高，而2014年和2015年均表現(xiàn)為先逐漸升高后降低的變化趨勢(shì)，年平均氣溫最大值分別出現(xiàn)在第3期和第4期，且2015年各播期的平均氣溫均為3a中最低值。2014和2015年的生育期總輻射均隨著播期的推后呈現(xiàn)逐漸減小的趨勢(shì)，2014年略高于2015年。而2016年各播期太陽(yáng)總輻射基本持平，最小值出現(xiàn)在第3期。3a內(nèi)生育期總?cè)照諘r(shí)數(shù)均隨著播期推遲而逐漸減小，2014年各播期均為最低值。3a生育期降水量變化趨勢(shì)略有不同。2014和2015年隨著播期推遲，生育期降水量呈現(xiàn)先增加后減小的變化特征，最大值分別出現(xiàn)在第4期和第2期，而2016年各播期降水量逐漸下降。

R_avg：日平均總輻射Mean radiation；T_avg：日平均氣溫Average air temperature；SD：累計(jì)日照時(shí)數(shù)Total sunshine duration；P：降水量Precipitation

2.2 水稻各生育性狀動(dòng)態(tài)變化模擬模型的確定

2.2.1 生育期模擬模型

傳統(tǒng)作物模型理論（積溫學(xué)說(shuō)）[22]認(rèn)為，農(nóng)作物完成某階段的發(fā)育需要一定的熱量條件，即積累一定的有效溫度（有效積溫）。而光溫共同作用模型[23]認(rèn)為，除溫度外，光照條件（光周期）對(duì)作物發(fā)育同樣存在影響（如水稻鐘模型[24]），且自然災(zāi)害的發(fā)生是影響作物發(fā)育期長(zhǎng)短的重要因子[23]。在水稻生長(zhǎng)的特定階段，長(zhǎng)時(shí)間陰雨或寡照等災(zāi)害性天氣同樣不利于生育進(jìn)程的正常發(fā)展。因此，結(jié)合溫度、降水量和日照等氣象因子，將相鄰生育期的間隔日數(shù)作為因變量，同期氣象要素及其統(tǒng)計(jì)量作為自變量，采用逐步回歸方法建立水稻生育期線性模型?？蛇x自變量包括平均氣溫、最高氣溫、有效積溫、降水量、雨日、日照時(shí)數(shù)、日長(zhǎng)（可照時(shí)數(shù)）、日照時(shí)數(shù)＞0h的日數(shù)（表2）。

表2 生育期模擬模型的可選自變量

注：ATN為＞N℃的有效積溫（℃·d），N=10、15、20、25、30。下同。

Note: Taveis average air temperature, Tmaxis max. air temperature, ATNindicates effective accumulated temperature above N℃ (℃·d)，N=10, 15, 20, 25, 30, respectively. RD is rainy days, SD is sunshine duration, DSD is days of sunshine duration ＞0h. The same as below.

2.2.2 莖蘗動(dòng)態(tài)變化模擬模型

水稻經(jīng)過(guò)出苗和返青階段后，隨著分蘗的發(fā)生群體規(guī)模逐漸擴(kuò)大，至拔節(jié)期前后，達(dá)到最高苗數(shù)。此后，分蘗發(fā)展分為兩種情況，一部分強(qiáng)壯的分蘗在競(jìng)爭(zhēng)中能夠獲得更充足的養(yǎng)分供給，繼續(xù)保持一定的生長(zhǎng)速率，最終完成抽穗直至成熟；另一部分分蘗過(guò)于矮小，或沒(méi)有形成足夠的根系，不能生長(zhǎng)成穗，在后期發(fā)育中逐漸消亡[25]。因此，水稻群體分蘗的消長(zhǎng)過(guò)程，受到外在和內(nèi)在因素的影響和制約，呈現(xiàn)出先由低到高，再由高到低，而后趨于穩(wěn)定的曲線。蔣德隆[26]結(jié)合上海早期使用的水稻品種，對(duì)水稻群體分蘗消長(zhǎng)的線性曲線進(jìn)行擬合，取得了較好的效果。故本文選擇蔣德隆的方法建立溫度條件對(duì)分蘗消長(zhǎng)的擬合模型。

2.2.3 葉齡動(dòng)態(tài)變化模擬模型

葉齡是農(nóng)作物生長(zhǎng)發(fā)育的重要參考指標(biāo)之一。水稻葉齡動(dòng)態(tài)與各器官建成和發(fā)展關(guān)系密切，水稻的出葉順序與分蘗發(fā)生、節(jié)間伸長(zhǎng)、根系生長(zhǎng)及生殖器官的發(fā)育等存在同伸關(guān)系[27]。目前，國(guó)外主流的水稻模型較少單獨(dú)考慮葉齡動(dòng)態(tài)模塊，楊沈斌等[28]嘗試采用單向耦合方法將莖蘗動(dòng)態(tài)模型引入國(guó)外作物模型中，以增強(qiáng)其對(duì)莖蘗動(dòng)態(tài)、葉齡動(dòng)態(tài)的模擬性能。高亮之等[24]研發(fā)的“水稻鐘”模型中考慮了葉齡模型，將葉齡數(shù)與平均氣溫建立聯(lián)系，可以實(shí)現(xiàn)水稻葉齡的動(dòng)態(tài)模擬。本文選擇水稻鐘模型中葉齡模塊并進(jìn)行簡(jiǎn)化處理，結(jié)合試驗(yàn)資料確定適合本地水稻品種的模型參數(shù)，建立水稻葉齡動(dòng)態(tài)模型。

2.2.4 灌漿動(dòng)態(tài)變化模擬模型

籽粒灌漿過(guò)程決定著水稻最終的粒重和產(chǎn)量，是水稻生長(zhǎng)最重要的生理過(guò)程。對(duì)籽粒灌漿過(guò)程的準(zhǔn)確描述有助于加深對(duì)生理過(guò)程本質(zhì)的認(rèn)識(shí)，有助于對(duì)灌漿進(jìn)程合理調(diào)控，提前把握產(chǎn)量趨勢(shì)。目前，使用Logistic方程和Richards方程描述水稻籽粒灌漿過(guò)程較為普遍，但有些報(bào)道[29-30]指出，采用Richards方程進(jìn)行描述更為適合，該方程最適于作物生長(zhǎng)分析[31]。為此，選擇Richards方程對(duì)水稻千粒重的動(dòng)態(tài)變化進(jìn)行模擬。

2.3 水稻生長(zhǎng)性狀動(dòng)態(tài)模型的建立和檢驗(yàn)

2.3.1 生育期模型

選擇2015?2016年共11個(gè)播期的試驗(yàn)觀測(cè)資料作為建模樣本，將相鄰生育期（播種?分蘗、分蘗?拔節(jié)、拔節(jié)?孕穗、孕穗?抽穗、抽穗?成熟）的間隔日數(shù)與相應(yīng)時(shí)段的氣象因子進(jìn)行多元線性回歸，篩選統(tǒng)計(jì)結(jié)果顯著（P＜0.05）的氣象因子進(jìn)入模型，建立生育期模型。選擇2014年共5個(gè)播期的觀測(cè)資料作為驗(yàn)證樣本，檢驗(yàn)?zāi)Ｐ偷哪M效果。

式中，D為相鄰生育期的間隔日數(shù)（d），S、T、J、B、H、M分別表示播種期、分蘗高峰期、拔節(jié)期、孕穗期、抽穗期、成熟期。各自變量的含意見(jiàn)表2。

從圖2中可以看出，利用2015?2016年觀測(cè)數(shù)據(jù)建模的結(jié)果較為理想，生育期模擬的絕對(duì)誤差＜1d，平均誤差為0.33d，相關(guān)系數(shù)達(dá)到0.999（n=55，P＜0.001）。利用2014年的觀測(cè)數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證，生育期模擬的絕對(duì)誤差＜5d，平均誤差為2.2d，相關(guān)系數(shù)達(dá)到0.996（n=25，P＜0.001）。

從所建立的關(guān)系模型可見(jiàn)，水稻播種?分蘗高峰期間的雨日和有效積溫對(duì)間隔日數(shù)的影響較為顯著，間隔日數(shù)與＞20℃、＞25℃的有效積溫呈顯著的負(fù)相關(guān)關(guān)系，但與雨日、＞10℃的有效積溫呈正相關(guān)關(guān)系，這表明較少的降水天數(shù)以及20℃以上有效積溫的增加能夠有效促進(jìn)水稻出苗及分蘗發(fā)生。分蘗高峰?拔節(jié)期間30℃以上有效積溫的增加、較少的雨日以及充足的光照有助于加快生育進(jìn)程。拔節(jié)?孕穗期間對(duì)生育進(jìn)程影響顯著的因子為光照條件，較長(zhǎng)的日照時(shí)數(shù)有利于植株由營(yíng)養(yǎng)生長(zhǎng)期向生殖生長(zhǎng)階段過(guò)渡。孕穗?抽穗期溫度條件對(duì)水稻生育進(jìn)程的影響較光照和水分條件更加顯著，間隔日數(shù)與20℃以上的有效積溫及平均氣溫呈較好的負(fù)相關(guān)關(guān)系。抽穗?成熟期日照時(shí)數(shù)和雨日對(duì)生育進(jìn)程影響較為顯著。較多的陰雨日數(shù)不利于水稻開(kāi)花授粉，且持續(xù)陰雨寡照易使部分排水不暢的田塊長(zhǎng)時(shí)間淹水，影響植株根系的有氧呼吸，出現(xiàn)爛根現(xiàn)象，減緩生育進(jìn)程。而較好的光照條件有利于植株的光合作用，促進(jìn)光合產(chǎn)物的形成、積累和向籽粒的轉(zhuǎn)運(yùn)，有效縮短灌漿周期。

圖2 2015?2016年（建模）和2014年（驗(yàn)證）水稻主要生育期間隔日數(shù)實(shí)測(cè)值與模擬值[式（2）?式（6）]的比較

2.3.2 莖蘗動(dòng)態(tài)模型

溫度條件對(duì)分蘗消長(zhǎng)的擬合模型假定水稻總苗數(shù)與單位面積基本苗數(shù)（即移栽時(shí)的總苗數(shù)）、分蘗高峰時(shí)的最高苗數(shù)（即觀測(cè)到的總苗數(shù)最大值），以及水稻播種或移栽后＞10℃有效積溫有關(guān)[26]，其關(guān)系模型可以表示為

經(jīng)過(guò)變換得到

選擇2015?2016年共11個(gè)播期的觀測(cè)數(shù)據(jù)作為定標(biāo)樣本。利用2a試驗(yàn)基地的逐日平均氣溫觀測(cè)資料，分別計(jì)算各播期水稻播種日?每次莖蘗動(dòng)態(tài)觀測(cè)日＞10℃的有效積溫。將2a總苗數(shù)觀測(cè)數(shù)據(jù)作為獨(dú)立樣本，選擇各播期處理中觀測(cè)的總苗數(shù)達(dá)到峰值時(shí)對(duì)應(yīng)的移栽后＞10℃有效積溫（除以100即為d）和總苗數(shù)（af）、播種時(shí)的總苗數(shù)（a0）、齊穗期的總苗數(shù)（yx）以及播種?齊穗期＞10℃有效積溫（除以100即為x），作為模型輸入變量，根據(jù)式（8）分別計(jì)算對(duì)應(yīng)的c值，共確定11組參數(shù)值（表3）。取多個(gè)處理c值的平均值作為待定標(biāo)參數(shù)的最優(yōu)值，確定關(guān)系模型（式9）。選擇2014年共5個(gè)播期的觀測(cè)數(shù)據(jù)作為驗(yàn)證樣本，檢驗(yàn)?zāi)Ｐ偷挠行浴?/p>

最終確定的莖蘗動(dòng)態(tài)模型為

式中，d值根據(jù)實(shí)際情況計(jì)算得出，其計(jì)算方法同式（7）。

建模結(jié)果顯示（圖3），2015?2016年觀測(cè)值與模擬值的相關(guān)系數(shù)R為0.886（n=124，P＜0.001），二者平均相差52.33條·m?2，歸一化均方根誤差(RMSEn)為20.7；驗(yàn)證結(jié)果顯示，2014年的觀測(cè)值與模擬值的相關(guān)系數(shù)R為0.864（n=35，P＜0.001），二者平均相差56.17條·m?2，RMSEn僅為19.86，表明模型具備較強(qiáng)的模擬能力。圖4顯示了水稻群體密度的動(dòng)態(tài)變化。由圖可見(jiàn)，2014?2016年各播期總苗數(shù)模擬值的變化與實(shí)測(cè)值具有較好的一致性，盡管不同播期處理實(shí)測(cè)值的變化趨勢(shì)略有差異，但模型能夠較好地反映水稻總苗數(shù)的動(dòng)態(tài)變化。

表3 不同播期處理中水稻莖蘗動(dòng)態(tài)模型[式（7）]擬合參數(shù)

圖3 2015?2016年（建模）和2014年（驗(yàn)證）水稻總苗數(shù)實(shí)測(cè)值與模擬值[式（9）]的比較

圖4 2014?2016年不同播期處理水稻總苗數(shù)實(shí)測(cè)值與模擬值的動(dòng)態(tài)變化[式（9）]

從2014?2016年模擬誤差的變化情況看，不同播期群體密度的模擬結(jié)果略有差異。第1播期的模擬值與實(shí)測(cè)值的平均誤差最大，為51.9條·m?2；第2、4播期誤差次之，分別達(dá)36.7條·m?2和37.3條·m?2；第3、5播期誤差相對(duì)偏小，平均誤差在30條·m?2以下，且模型對(duì)莖蘗消亡階段的模擬效果較莖蘗增長(zhǎng)階段更為出色，第6播期僅有2015年的結(jié)果，不具有代表性（圖4）。2014?2016年的平均情況來(lái)看，各播期最大群體莖蘗密度出現(xiàn)的時(shí)間一般隨著播期的推遲而逐漸提前，第1、2播期分別于播種后第75、71天出現(xiàn)，第3、4、5播期分別于第69、63、53天出現(xiàn)。最大群體莖蘗密度出現(xiàn)時(shí)間主要反映莖蘗增長(zhǎng)階段的生長(zhǎng)速率，這與光溫條件的適宜程度、水肥管理的合理性等有密切關(guān)系。

2.3.3 葉齡模型

“水稻鐘”模型[24]中葉齡模型的基本形式為

經(jīng)過(guò)變換得到

式（13）兩側(cè)的比值一般小于1，其意義可理解為，葉齡在實(shí)際日平均氣溫Tj條件下發(fā)育一日（第j天），相當(dāng)于一個(gè)葉齡生理日的百分值。實(shí)際計(jì)算時(shí)，可根據(jù)逐日的日平均氣溫分別計(jì)算每一日的比值，并根據(jù)式（14）計(jì)算葉齡生理日數(shù)Nj0，再根據(jù)式（12）計(jì)算葉齡Lj。

最終確定的模型為

圖5 2015?2016年（建模）和2014年（驗(yàn)證）水稻葉齡實(shí)測(cè)值與模擬值的比較[式（15）]

利用2015?2016年共11個(gè)播期的觀測(cè)資料對(duì)式（12）、式（14）中的參數(shù)進(jìn)行定標(biāo)，確定a=3.3，b=0.68，k=0.2（式15）。此時(shí)，模擬的葉齡值與實(shí)測(cè)值的相關(guān)系數(shù)R為0.954（n=124，P＜0.001），二者平均相差1.8葉，歸一化均方根誤差（RMSEn）僅15.66。利用2014年的觀測(cè)數(shù)據(jù)驗(yàn)證模型的有效性，模擬值與實(shí)測(cè)值的相關(guān)系數(shù)R為0.952（n=35，P＜0.001），二者平均相差1.2葉，歸一化均方根誤差（RMSEn）僅為9.26（圖5）。驗(yàn)證結(jié)果充分表明，模型能夠很好地模擬水稻葉齡，并能反映出葉齡動(dòng)態(tài)的變化情況，模擬結(jié)果與實(shí)際情況較為一致（圖6）。

圖6 2014?2016年不同播期處理水稻葉齡實(shí)測(cè)值與模擬值的動(dòng)態(tài)變化[式（15）]

2.3.4 灌漿動(dòng)態(tài)模型

借鑒顧世梁等[31]的方法，以開(kāi)花后天數(shù)為自變量，基于Richards方程建立水稻灌漿動(dòng)態(tài)描述模型，其主要形式可以表示為

利用2015年6個(gè)播期的觀測(cè)數(shù)據(jù)對(duì)式（16）進(jìn)行定標(biāo)，采用Microsoft Excel中的規(guī)劃求解工具，參考湯在祥等[32]的擬合方法，確定A=27.3，b=0.033，k=0.075，m=74.89（式17）。此時(shí)模擬值與實(shí)測(cè)值的相關(guān)系數(shù)R為0.958（n=58，P＜0.001），千粒重平均相差2.1g，歸一化均方根誤差（RMSEn）僅15.11（圖7a）。

故最終確定的模型為

利用2016年5個(gè)播期的觀測(cè)資料驗(yàn)證模型的有效性，模擬值與實(shí)測(cè)值的相關(guān)系數(shù)R為0.935（n=31，P＜0.001），平均千粒重相差3.83g，歸一化均方根誤差（RMSEn）為31.21（圖7b）。驗(yàn)證結(jié)果表明，與生育期、莖蘗動(dòng)態(tài)和葉齡模型相比，灌漿動(dòng)態(tài)模型模擬效果略差。在2016年水稻灌漿中后期，模型對(duì)各播期的粒重模擬均存在明顯高估，且播期越晚的處理模擬誤差越大（圖8）。這可能是由于2016年9月下旬?10月下旬日平均氣溫較2015年和常年（1981?2010年）偏高，降水量和降水日數(shù)偏多，日照時(shí)數(shù)明顯偏少。而該時(shí)段剛好與2016年早播處理的灌漿中后期及晚播處理的主要灌漿期在時(shí)間上相吻合，暖濕天氣嚴(yán)重影響了光合產(chǎn)物的合成和轉(zhuǎn)運(yùn)，降低了植株光合作用的同化速率和籽粒的灌漿速率，并在灌漿后期造成試驗(yàn)田塊部分植株穗部發(fā)芽，影響了實(shí)粒數(shù)和粒重的增加。

圖8 2015?2016年不同播期處理水稻千粒重實(shí)測(cè)值與模擬值的動(dòng)態(tài)變化[式（17）]

3 結(jié)論與討論

3.1 討論

水稻生育期模型大致可分為積溫法模型、溫度非線性模型和光溫作用模型等[23]。積溫法模型一般認(rèn)為作物完成某一階段發(fā)育過(guò)程所需要的積溫為一常數(shù)，即生長(zhǎng)速率與溫度呈線性關(guān)系，因此可利用積溫總量來(lái)衡量發(fā)育期的完成情況。然而該方法未考慮極端低溫或高溫對(duì)發(fā)育速率的負(fù)面影響[13]。也有一些學(xué)者將溫度對(duì)發(fā)育速率的影響模式調(diào)整為折線型[33]、β曲線型[14]、正態(tài)曲線型[34]、Logistic曲線型[35]等形式，建立溫度非線性模型[36]，但總體來(lái)講積溫法模型僅考慮了溫度的影響，沒(méi)有兼顧光照、日長(zhǎng)等因素對(duì)生育進(jìn)程的關(guān)鍵作用。不過(guò)，積溫法模型由于其簡(jiǎn)單適用的特性，應(yīng)用仍然較為廣泛。光溫作用模型在“積溫學(xué)說(shuō)”的基礎(chǔ)上，綜合考慮了水稻遺傳、溫度的影響，及光照條件（或光周期）對(duì)生長(zhǎng)發(fā)育的促進(jìn)或抑制作用，如高亮之等[24]提出的“水稻鐘”模型、Robertson[37]提出的BMTS模型、Ritchie等[38]提出的CERES模型等。該類(lèi)模型相比于積溫模型具有更高的精度和機(jī)理性，不足之處是待定參數(shù)一般較多，在大范圍應(yīng)用時(shí)難度較大。本文建立的生育期模型綜合考慮了溫度、光照和降水等多種因素影響，采用逐步回歸的統(tǒng)計(jì)方法，將生育期間隔日數(shù)與影響顯著的氣象因子建立關(guān)系。與上述類(lèi)型模型相比，采用生育期間隔日數(shù)（而非日序）作為因變量在一定程度上有助于減小模擬誤差，但同時(shí)增加了對(duì)前一個(gè)生育期模擬精度的依賴(lài)。經(jīng)過(guò)近3a共16個(gè)播期處理的試驗(yàn)數(shù)據(jù)驗(yàn)證表明，模型對(duì)上海本地單季晚粳稻的生育進(jìn)程具有較好的模擬能力。當(dāng)然，水稻的生長(zhǎng)發(fā)育還受到土壤肥力、土壤水分及栽培措施等的影響，由于采用統(tǒng)計(jì)學(xué)方法建模，模型并未考慮水稻生理機(jī)制以及環(huán)境影響機(jī)理，因此，在模型機(jī)理性方面相對(duì)缺乏。

3.2 結(jié)論

以單季晚粳稻“秋優(yōu)金豐”為例，結(jié)合水稻分期播種試驗(yàn)資料，分別建立生育期、葉齡動(dòng)態(tài)、莖蘗動(dòng)態(tài)和灌漿動(dòng)態(tài)的關(guān)系模型，水稻生育期、莖蘗動(dòng)態(tài)和葉齡動(dòng)態(tài)模型的模擬結(jié)果與實(shí)測(cè)情況基本一致，灌漿動(dòng)態(tài)模型的模擬誤差略大，可能與驗(yàn)證年份灌漿期間遭遇暖濕天氣，影響光合產(chǎn)物的同化速率及籽粒灌漿速率有關(guān)。此外，各模型的可靠性還有待其它水稻品種及其它年份的觀測(cè)資料進(jìn)一步驗(yàn)證，以便為各類(lèi)單季晚粳稻的生育性狀動(dòng)態(tài)預(yù)測(cè)提供依據(jù)。

[1]《氣候變化國(guó)家評(píng)估報(bào)告》編寫(xiě)委員會(huì).氣候變化國(guó)家評(píng)估報(bào)告[M].北京:科學(xué)出版社,2007:151-162.Committee of.China’s national assessment report on climate change[M].Beijing:Science Press, 2007:151-162.(in Chinese)

[2]唐寶琪,延軍平,李英杰.華東地區(qū)≥10℃積溫的時(shí)空演變特征[J].中國(guó)農(nóng)業(yè)氣象,2015,36(6):674-682.Tang B Q,Yan J P,Li Y J.Changes of the accumu lated temperature above 10℃ in east China[J]. Chinese Journal of Agrometeorology, 2015,36(6): 674- 682.(in Chinese)

[3]周偉東,朱潔華,李軍,等.華東地區(qū)熱量資源的氣候變化特征[J].資源科學(xué),2009,31(3):472-478.Zhou W D,Zhu J H,Li J,et al.Characteristics of climate change for heat resources in east China[J]. Resources Science,2009,31(3):472-478.(in Chinese)

[4]張立波,吉宗偉,鄭選軍,等.近50年華東地區(qū)熱量資源變化特征分析[J].中國(guó)農(nóng)業(yè)氣象,2012,33(3):325-332.Zhang L B,Ji Z W,Zheng X J,et al.Variation Characteristics of thermal resources in eastern China in the past 50 years[J]. Chinese Journal of Agrometeorology,2012, 33(3): 325-332. (in Chinese)

[5]仇建德.上海糧食三熟制氣候資源的利用與區(qū)劃[J].上海農(nóng)業(yè)科技,1982,(5):27-29.Qiu J D.The utilization and regionalization of climate resources under triple-cropping system in Shanghai [J]. Journal of Shanghai Agricultural Science and Technology, 1982,(5):27-29.(in Chinese)

[6]汪治瀾,吳元中,段項(xiàng)瑣.“二旱一水”(麥、玉米、稻)氣候適應(yīng)性評(píng)價(jià)[J].上海農(nóng)業(yè)科技,1992,(5):25-27.Wang Z L,Wu Y Z,Duan X S.Assessment of climate adaptation in wheat,corn and rice rotation[J].Journal of Shanghai Agricultural Science and Technology, 1992,(5): 25- 27.(in Chinese)

[7]楊華,龍萍,夏輝,等.上海水稻種質(zhì)資源的研究與利用進(jìn)展[J].植物遺傳資源學(xué)報(bào),2015,16(2):245-249.Yang H,Long P,Xia H,et al.The research and utilization progress of rice germplasm resource in Shanghai[J].Journal of Plant Genetic Resources, 2015, 16(2):245-249.(in Chinese)

[8]杜興彬,吳曉林.上海地區(qū)雜交粳稻制種發(fā)展中存在的問(wèn)題及對(duì)策建議[J].種子世界,2017,(11):12-13.Du X B,Wu X L.Problems and suggestions in the development of hybrid japonica rice in Shanghai[J]. Seed World,2017,(11):12-13.(in Chinese)

[9]李鑫,孫杰,張麗麗,等.遼寧省水稻種質(zhì)資源主要農(nóng)藝性狀的相關(guān)性分析[J].遼寧農(nóng)業(yè)科學(xué),2014,(3):53-56.Li X,Sun J,Zhang L L,et al.Correlation analysis of major agronomic traits of rice germplasm resources in Liaoning province[J].Liaoning Agricultural Sciences,2014,(3):53-56. (in Chinese)

[10]曹宏鑫,趙鎖勞,葛道闊,等.作物模型發(fā)展探討[J].中國(guó)農(nóng)業(yè)科學(xué),2011,44(17):3520-3528.Cao H X,Zhao S L,Ge D K,et al.Discussion on development of crop models[J].Scientia Agricultura Sinica,2011, 44(17): 3520-3528.(in Chinese)

[11]帥細(xì)強(qiáng),王石立,馬玉平,等.基于ORYZA2000模型的湘贛雙季稻氣候生產(chǎn)潛力[J].中國(guó)農(nóng)業(yè)氣象,2009,30(4):575-581.Shuai X Q,Wang S L,Ma Y P,et al.Studies on potential climate productivity of double rice in Hunan and Jiangxi provinces based on ORYZA 2000 model[J].Chinese Journal of Agrometeorology, 2009,30(4):575-581.(in Chinese)

[12]謝文霞,嚴(yán)力蛟,王光火.運(yùn)用WOFOST模型對(duì)浙江水稻潛在生長(zhǎng)過(guò)程的模擬與驗(yàn)證[J].中國(guó)水稻科學(xué),2006,20(3): 319-323.Xie W X,Yan L J,Wang G H.Simulation and valida tion of rice potential growth process in Zhejiang by utilizing WOFOST model[J].Chinese J Rice Sci, 2006,20(3): 319- 323.(in Chinese)

[13]宋洋,王學(xué)林,殷劍敏,等.三種光溫模型在模擬水稻生育期中的應(yīng)用與比較[J].生態(tài)學(xué)雜志,2014,33(12):3262-3267.Song Y,Wang X L,Yin J M.et al.Application and comparison of three kinds of photo-thermal model to simulate the rice growth period[J].Chinese Journal of Ecology,2014,33(12): 3262-3267.(in Chine se)

[14]孟亞利,曹衛(wèi)星,周治國(guó),等.基于生長(zhǎng)過(guò)程的水稻階段發(fā)育與物候期模擬模型[J].中國(guó)農(nóng)業(yè)科學(xué),2003,(11):1362-1367.Meng Y L,Cao W X,Zhou Z G,et al.A process-based model for simulating phasic develop pment and phenology in rice[J].Scientia Agricultura Sinica,2003,(11):1362-1367.(in Chinese)

[15]葉宏寶,孟亞利,湯亮,等.水稻葉齡與葉面積指數(shù)動(dòng)態(tài)的模擬研究[J].中國(guó)水稻科學(xué),2008,(6):625-630.Ye H B,Meng Y L,Tang L,et al.A simulation study on leaf age and leaf area index in rice[J].Chinese J Rice Sci,2008, (6):625-630.(in Chinese)

[16]馮陽(yáng)春,魏廣彬,李剛?cè)A,等.水稻主莖出葉動(dòng)態(tài)模擬研究[J].中國(guó)農(nóng)業(yè)科學(xué),2009,42(4):1172-1180.Feng Y C,Wei G B,Li G H,et al.A simulation model of leaf appearance on main stem of rice[J].Scientia Agricultura Sinica, 2009,42(4):1172-1180.(in Chinese)

[17]李艷大,湯亮,陳青春,等.水稻地上部干物質(zhì)積累動(dòng)態(tài)的定量模擬[J].應(yīng)用生態(tài)學(xué)報(bào),2010,21(6):1504-1510.Li Y D,Tang L,Chen Q C,et al.Dry matter accumulation in rice aboveground part:quantitative simulation[J].Chinese Journal of Applied Ecology,2010, 21(6):1504-1510.(in Chinese)

[18]孟亞利,曹衛(wèi)星,柳新偉,等.水稻地上部干物質(zhì)分配動(dòng)態(tài)模擬的初步研究[J].作物學(xué)報(bào),2004,(4):376-381.Meng Y L,Cao W X,Liu X W,et al.A preliminary study of simulation on shoot dry matter partitioning in rice[J].Acta Agronomica Sinica,2004, (4): 376- 381.(in Chinese)

[19]常麗英,湯亮,曹衛(wèi)星,等.水稻地上部單位器官物質(zhì)分配過(guò)程的定量模擬[J].中國(guó)農(nóng)業(yè)科學(xué),2008,(4):986-993.Chang L Y,Tang L,Cao W X,et al.Quantitative simulation on dry matter partitioning dynamics of unit organs in above- ground rice[J].Acta Agronomi ca Sinica,2008,(4): 986- 993.(in Chinese)

[20]國(guó)家氣象局.農(nóng)業(yè)氣象觀測(cè)規(guī)范(上卷)[M].北京:氣象出版社,1993:19-30.China Meteorological Administration. Agrometeorological observation specifications[M]. Beijing: China Meteorological Press,1993:19-30.(in Chinese)

[21]中國(guó)氣象局.氣象輻射觀測(cè)方法[M].北京:氣象出版社,1996:130-131.China Meteorological Administration.Methods of meteorolo- gical radiation observation[M]. Beijing: China Meteorolo- gical Press,1996: 130-131.(in Chinese)

[22]潘學(xué)標(biāo).作物模型原理[M].北京:氣象出版社,2003:47-52.Pan X B.Principle of crop model[M].Beijing:China Meteoro- logical Press,2003:47-52.(in Chinese)

[23]張帥,陶福祿.水稻發(fā)育期模型研究進(jìn)展[J].地理科學(xué)進(jìn)展,2012,31(11):1485-1491.Zhang S,Tao F L.Review of research on rice phenology models[J].Progress in Geography,2012, 31(11):1485-1491. (in Chinese)

[24]高亮之,金之慶,黃耀,等.水稻計(jì)算機(jī)模擬模型及其應(yīng)用之一,水稻鐘模型:水稻發(fā)育動(dòng)態(tài)的計(jì)算機(jī)模型[J].中國(guó)農(nóng)業(yè)氣象,1989,10(3):3-10.Gao L Z,Jin Z Q,Huang Y,et al.Rice clock model:a computer simulation model of rice development [J]. Chinese Journal of Agrometeorology, 1989,10(3): 3-10.(in Chinese)

[25]黃耀,高亮之,金之慶,等.水稻群體莖蘗動(dòng)態(tài)的計(jì)算機(jī)模擬模型[J].生態(tài)學(xué)雜志,1994,13(4):27-32.Huang Y,Gao L Z,Jin Z Q,et al.Simulation model of tillering dynamics of rice community[J].Chinese Journal of Ecology, 1994,13(4):27-32.(in Chinese)

[26]蔣德隆.水稻分蘗與光、溫條件關(guān)系的統(tǒng)計(jì)模式[J].植物學(xué)報(bào),1982,24(3):247-251.Jiang D L.The model of relations of rice tillering to light and temperature conditions[J].Acta Botanica Sinica,1982,24(3): 247-251.(in Chinese)

[27]劉桃菊,唐建軍,殷新佑,等.水稻葉齡動(dòng)態(tài)的模擬研究[J].江西農(nóng)業(yè)大學(xué)學(xué)報(bào),1996,(2):145-149.Liu T J,Tang J J,Yin X Y,et al.The simulation study of the leaf appearance dynamics of rice[J].Acta Agriculturae Universitis Jiangxiensis,1996,(2): 145- 149.(in Chinese)

[28]楊沈斌,陳德,王萌萌,等.ORYZA2000模型與水稻群體莖蘗動(dòng)態(tài)模型的耦合[J].中國(guó)農(nóng)業(yè)氣象,2016,37(4):422-430.Yang S B,Chen D,Wang M M,et al.Coupling the dynamic tillering model to rice growth model ORYZA2000 to simulate rice tillering[J].Chinese Journal of Agrometeo rology,2016,37(4):422-430.(in Chinese)

[29]朱慶森,曹顯祖,駱亦其.水稻籽粒灌漿的生長(zhǎng)分析[J].作物學(xué)報(bào),1988,14(3):182-193.Zhu Q S,Cao X Z,Luo Y Q.Growth analysis on the process of grain filling in rice[J].Acta Agronomica Sinica,1988, 14(3):182-193.(in Chinese)

[30]龔月樺,劉迎洲,高俊鳳.K型雜交小麥901及親本籽粒灌漿的生長(zhǎng)分析[J].中國(guó)農(nóng)業(yè)科學(xué),2004,37(9):1288-1292.Gong Y H,Liu Y Z,Gao J F.Growth analysis on the process of grain filling in hybrid wheat 901 and its parents[J]. Scientia Agricultura Sinica,2004,37(9): 1288-1292.(in Chinese)

[31]顧世梁,朱慶森,楊建昌,等.不同水稻材料籽粒灌漿特性的分析[J].作物學(xué)報(bào),2001,27(1):7-14.Gu S L,Zhu Q S,Yang J C,et al.Analysis on grain filling characteristics for different rice types[J].Acta Agronomica Sinica,2001,27(1):7-14.(in Chinese)

[32]湯在祥,高清松,徐辰武.非線性方程的Excel擬合及其應(yīng)用[J].中國(guó)農(nóng)學(xué)通報(bào),2005,21(3):306-310.Tang Z X,Gao Q S,Xu C W.Nonlinear equation fitting by Microsoft Office Excel and its application[J].Chinese Agricultural Science Bulltein, 2005, 21(3):306-310.(in Chinese)

[33]Bouman B A M,Kropff M J,Tuong T P,et al.ORYZA2000: modeling lowland rice[M].Los Ba?os, Philippines & Wageni- ngen, Netherlands:International Rice Research Institute & Wageningen University and Research Centre, 2001: 31-32.

[34]沈國(guó)權(quán).影響作物發(fā)育速度的非線性溫度模式[J].氣象,1980,(6):9-11.Shen G Q.Nonlinear temperature pattern that affects the growth rate of crops[J].Meteorological Monthly, 1980, (6): 9-11.(in Chinese)

[35]Nakagawa H,Horie T.Modelling and prediction of developmental process in rice II:a model for simulating panicle development based on daily photoperiod and temperature[J].Japanese Journal of Crop Science, 1995,64(1): 33-42.

[36]王尚明,張崇華,胡逢喜,等.空氣溫度對(duì)水稻生長(zhǎng)影響的數(shù)學(xué)模擬[J].江西農(nóng)業(yè)學(xué)報(bào),2007,19(10):16-18.Wang S M,Zhang C H,Hu F X,et al.Mathematical simulation of effect of air temperature on growth of rice[J].Acta Agriculturae Jiangxi,2007,19(10): 16- 18.(in Chinese)

[37]Robertson G W.Development of simplified agroclimatic procedures for assessing temperature effects on crop development[A].Bureau P W.Plant response to climatic factors[C].Paris:Philippine Weather Bureau,1973:327-343.

[38]Ritchie J T,Otter S.Description and performance of CERES-Wheat:a user-oriented wheat yield model[J]. USDA- ARS technical Report,1985,38:159-175.

Dynamic Simulation on Main Growth Traits of Single-Cropping Late Japonica Rice in Shanghai

ZHANG Hao1,2, SHEN Shuang-he1, SHI Yan-shu3, XUE Zheng-ping3, XIN Tiao-er3, LI Jun3

(1. College of Applied Meteorology, Nanjing University of Information Science and Technology, Nanjing 210044, China; 2.Shanghai Songjiang Meteorological Service, Shanghai 201616; 3. Shanghai Climate Center, Shanghai 200030)

Since the 1950s, the food cultivation system and rice varieties in Shanghai have undergone continuous replacement, and they have developed into the current wheat-rice or canola-rice as the main annual rotation system, in which rice is mainly single-cropping late japonica rice. In order to effectively estimate the growth status of single-cropping late rice, a linear stepwise regression method was used to establish a relationship model for the length of adjacent rice growth stage and meteorological factors. Three process models such as leaf age, tillering dynamic and grain filling were established based on selection of well-established modules and parameter calibration. Observation data from 16 sowing dates field experiment of the hybrid rice "Qiuyou Jinfeng" from 2014 to 2016 were selected to verify the parameters and the validity of the model. The dynamic changes of rice's growing traits were simulated, and error analysis was performed. The results showed that all models performed good in simulating the development stages, tillering dynamics, leaf age and grain filling process, and the correlation coefficient (R) between the simulated values and measured values in development stages and leaf age are both larger than 0.95 (P<0.001), the normalized root mean squared error (RMSEn) are both below 10. The R value between the simulated and measured values of the tillering dynamics and grain filling dynamic model are both larger than 0.85 (P<0.001), and the RMSEn are 19.8 and 31.2, respectively. The simulation error of grain weight mainly occurs in the middle and late stage of grain filling. Overall, each model has good simulation performance for single cropping late rice in Shanghai, and can help for dynamic prediction of growth period, stem length, leaf age, and grouting process estimation.

Single-cropping late rice; Development stage; Tillering dynamic; Grain filling process; Crop model

2018?02?15

。E-mail: yqzhr@nuist.edu.cn

華東區(qū)域氣象科技協(xié)同創(chuàng)新基金合作項(xiàng)目(QYHZ201609)；上海市氣象局研究型專(zhuān)項(xiàng)項(xiàng)目（YJ201804；YJ201808）

張皓（1982?），副研究員，主要研究方向?yàn)檗r(nóng)業(yè)氣候資源利用與系統(tǒng)模擬。E-mail: hao8131982@163.com

10.3969/j.issn.1000?6362.2018.08.004

張皓,申雙和,史艷姝,等.上海單季晚粳稻主要生育性狀的動(dòng)態(tài)模擬[J].中國(guó)農(nóng)業(yè)氣象,2018,39(8):518?530