陜西關(guān)中冬油菜生長發(fā)育不同模型模擬精度研究

毛 鑫 楊建利 朱曉華 何 川 馮 浩 何建強(qiáng)

(1.陜西省雜交油菜研究中心， 陜西楊凌 712100；2.西北農(nóng)林科技大學(xué)旱區(qū)農(nóng)業(yè)水土工程教育部重點(diǎn)實(shí)驗(yàn)室， 陜西楊凌 712100；3.西北農(nóng)林科技大學(xué)中國旱區(qū)節(jié)水農(nóng)業(yè)研究院， 陜西楊凌 712100；4.中國科學(xué)院水利部水土保持研究所黃土高原土壤侵蝕與旱地農(nóng)業(yè)國家重點(diǎn)實(shí)驗(yàn)室， 陜西楊凌 712100)

0 引言

作物生長模型是基于計(jì)算機(jī)語言對(duì)作物生理生態(tài)過程機(jī)理性再呈現(xiàn)的技術(shù)[1-2]，在農(nóng)業(yè)生產(chǎn)和管理決策方面扮演著重要角色[3-4]。目前模型大多以氣象要素為驅(qū)動(dòng)，對(duì)土壤-植物-大氣生態(tài)系統(tǒng)中包括水分運(yùn)移、作物生長等過程進(jìn)行模擬[5]。雖然作物模型都能夠模擬不同環(huán)境和管理下不同作物的生長發(fā)育，但是各個(gè)模型都有自己的優(yōu)勢和局限性[6]。油菜作為我國重要的油料作物之一，種植面積已達(dá)7.30×106hm2，位居世界第二[7]。油菜種植面積雖然較大，但產(chǎn)量一直不高，通過優(yōu)化種植管理方式提高產(chǎn)量是最直接的方法[8-10]。傳統(tǒng)大田試驗(yàn)耗時(shí)耗力且局限性多，將田間試驗(yàn)和作物模型結(jié)合的方法受到了廣泛關(guān)注[3-4]。

當(dāng)前主要的油菜生長模型有CROPGRO-Canola[11]模型、APSIM-Canola[12]模型、STICS-Rapeseed[13]模型、AquaCrop-Canola[14]模型等，利用模型模擬油菜生長發(fā)育的研究也取得了一定的成果[15-19]。JING等[20]用加拿大東部地區(qū)種植的不同施氮處理的春油菜進(jìn)行試驗(yàn)，對(duì)CSM-CROPGRO-Canola進(jìn)行調(diào)參評(píng)價(jià)，證實(shí)模型能夠較好地模擬春油菜的生長發(fā)育和土壤水分變化情況。HE等[21]利用APSIM-Canola模型對(duì)我國長江流域的冬油菜和內(nèi)蒙古、甘肅兩地的春油菜進(jìn)行調(diào)參模擬，發(fā)現(xiàn)APSIM模型能夠較好地模擬油菜的葉面積變化、生物量以及產(chǎn)量，并且模型在模擬油菜物候期方面有一定的優(yōu)勢。MOUSAVIZADEH等[22]利用AquaCrop模型對(duì)半干旱地區(qū)不同灌溉處理的油菜生長進(jìn)行模擬，發(fā)現(xiàn)模型能夠較好模擬產(chǎn)量和生物量，但在一定脅迫的情況下模擬結(jié)果存在較大誤差。以上研究均用某個(gè)模型對(duì)某一地區(qū)油菜生長和發(fā)育的情況作出評(píng)價(jià)，但是對(duì)于西北干旱且灌溉條件不良地區(qū)，作物生長模型能否較好地模擬冬油菜的生長發(fā)育，以及最適于模擬該地區(qū)油菜生長發(fā)育的模型尚未可知。

本研究選取包含油菜模塊且較為主流的STICS、DSSAT和APSIM 3種作物模型，對(duì)連續(xù)6季(2009年9月—2015年5月)的冬油菜非充分灌溉試驗(yàn)進(jìn)行模擬，旨在從油菜生長發(fā)育的物候期和產(chǎn)量等數(shù)據(jù)對(duì)3個(gè)模型模擬精度進(jìn)行對(duì)比，從中優(yōu)選出最適宜模擬本地區(qū)冬油菜生長發(fā)育的作物模型，為作物模型在該地區(qū)農(nóng)業(yè)生產(chǎn)上的應(yīng)用提供理論指導(dǎo)。

1 材料與方法

1.1 田間試驗(yàn)

試驗(yàn)于2009—2015年在陜西省雜交油菜研究中心大荔試驗(yàn)站(34°54′N，109°54′E，海拔369 m)進(jìn)行。該區(qū)年平均氣溫14.4℃，降水量514 mm，無霜期214 d，屬暖溫帶半干旱大陸性季風(fēng)氣候區(qū)，降水明顯呈現(xiàn)季節(jié)性。由于降水年內(nèi)分布不均，容易形成季節(jié)性干旱。農(nóng)田土壤類型為塿土，土壤pH值7.6～8.0，有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)1.11%。

選擇甘藍(lán)型油菜品種“秦優(yōu)7號(hào)”，分別于2009年9月18日、2010年9月22日、2011年9月26日、2012年9月18日、2013年9月20日和2014年9月24日播種，播種方式為人工開溝直播，播種深度約為3 cm，播種密度2009年為1.5×104株/hm2，2010—2012年為2.3×104株/hm2，2013—2014年為3.8×104株/hm2，分別于2010年6月2日、2011年5月28日、2012年5月29日、2013年5月21日、2014年5月29日和2015年5月28日收獲。由于2010—2013年播種時(shí)土壤墑情不佳，為保證出苗和苗期生長，分別在2010年9月21日、2012年9月24日和2013年9月19日進(jìn)行灌水，灌水量為30 mm。由于各年抽薹期會(huì)發(fā)生嚴(yán)重干旱，因此在該時(shí)期采用漫灌的方式進(jìn)行灌水，灌水量為110 mm。各年播前施入N 110 kg/hm2和P2O560 kg/hm2作為基肥；隨春灌再追肥N 52 kg/hm2。試驗(yàn)小區(qū)長8.34 m，寬2.4 m，小區(qū)面積約20 m2，試驗(yàn)小區(qū)設(shè)置3個(gè)重復(fù)，相鄰年份在相鄰地塊進(jìn)行，以消除由于收獲時(shí)籽粒殘留造成的影響。

1.2 模型簡介

本研究選取的STICS、DSSAT和APSIM模型都是以日為步長，能夠?qū)Πㄖ参锷L發(fā)育、土壤水分溶質(zhì)運(yùn)移等進(jìn)行機(jī)理性模擬，但模型內(nèi)部過程量化存在一定差異。

STICS(Simulateur multidisciplinaire pour les cultures standard)模型是通過逐日氣象數(shù)據(jù)驅(qū)動(dòng)的土壤作物生態(tài)機(jī)理性模型，對(duì)多種作物均有較好模擬[13]。模型對(duì)于作物生長的模擬按照 “確定性作物”和“不確定性作物”進(jìn)行[23]。STICS-Rapeseed模擬油菜潛在騰發(fā)量與氣候條件和作物生長相關(guān)。氣候方面根據(jù)所擁有的氣象數(shù)據(jù)類型選擇不同的計(jì)算方法，目前模型提供有Penman-Monteith[24]、Shuttleworth-Wallace[25]和Priestley-Taylor[26]3種計(jì)算方法；作物方面是與葉面積指數(shù)相關(guān)的函數(shù)。模型對(duì)土壤中水分變化情況的模擬按照土壤-根系系統(tǒng)的供給和土壤-葉片系統(tǒng)的需求平衡原理[23]，根據(jù)“翻桶式”(Tipping bucket)方法[27]對(duì)每1 cm土層進(jìn)行模擬，之后再劃分到各個(gè)土層設(shè)置的不同深度。

DSSAT(Decision support system for agrotechnology transfer)模型包括土壤、氣象、管理以及作物品種等模塊，目前能夠模擬谷物類、豆科等20多種作物[28]。CROPGR-Canola模型模擬油菜生長通過輻射有效利用系數(shù)計(jì)算轉(zhuǎn)換的干物質(zhì)量，與葉面積指數(shù)、密度和行距相關(guān)。土壤水分根據(jù)RITCHIE[29]提出的水量平衡模擬，模型模擬逐日土壤水分平衡采用一維“翻桶式”方法[27]，可以模擬各個(gè)土層水分流動(dòng)的根系吸水情況。水分脅迫的計(jì)算就是比較潛在根系吸水和潛在蒸騰的大小關(guān)系[30]，其中潛在蒸發(fā)蒸騰量根據(jù)Priestley-Taylor[26]和FAO56 Penman-Monteith[24]兩種方法計(jì)算，潛在根系吸水是根系深度、根長密度、根系分布和當(dāng)前土壤含水率的函數(shù)。

APSIM(Agricultural production system simulator)模型用于模擬旱作農(nóng)業(yè)系統(tǒng)中各個(gè)組分的機(jī)理模型[31]。APSIM將各種不同的作物模型耦合到一個(gè)平臺(tái)，界面友好，目前能夠模擬包括小麥、玉米、棉花、油菜、豆類作物以及雜草等多種作物[32]。APSIM-Canola模型以溫度、光周期、太陽輻射、土壤水分和氮素供給為驅(qū)動(dòng)，對(duì)油菜生長發(fā)育、產(chǎn)量形成以及氮素累積進(jìn)行模擬[12]。模型根據(jù)水量平衡能夠模擬土壤水分下滲、運(yùn)移、蒸發(fā)、徑流等一系列過程[33]，模擬水分和溶質(zhì)運(yùn)移時(shí)提供兩個(gè)方法：“翻桶式”方法[27]和利用Richard方程的數(shù)值求解方法[34]。在水分脅迫方面共有4個(gè)水分脅迫因子對(duì)作物的不同生長階段造成影響，包括光合作用、物候、葉片伸展和氮素固定。

1.3 數(shù)據(jù)獲取

模型輸入的氣象數(shù)據(jù)由陜西省大荔縣氣象站提供，包括逐日最高氣溫、逐日最低氣溫、太陽輻射、降雨量、風(fēng)速等。其中，逐日太陽輻射量根據(jù)Angstrom經(jīng)驗(yàn)公式計(jì)算[35]

式中Rs——太陽總輻射，MJ/m2

Rmax——天文輻射，MJ/m2

as、bs——與大氣狀況相關(guān)的經(jīng)驗(yàn)系數(shù)，取0.25、0.50

n——日照時(shí)長，h

N——最大時(shí)長，h

土壤相關(guān)數(shù)據(jù)均為田間實(shí)測數(shù)據(jù)。選取的土壤剖面深度為100 cm，每20 cm采樣一次，采用高速離心法測定各層土壤凋萎含水率、田間持水率和飽和含水率等參數(shù)，利用TopSizer激光粒度分析儀測定土壤顆粒級(jí)配(表1)。

表1 試驗(yàn)區(qū)土壤性質(zhì)Tab.1 Soil properties of experimental plots

開花期和成熟期是指全區(qū)50%以上植株開花或成熟的日期。油菜黃熟期時(shí)，避開邊行，每個(gè)小區(qū)選取連續(xù)正常生長且長勢均勻的10株進(jìn)行產(chǎn)量和千粒質(zhì)量的測定，其中千粒質(zhì)量的測定是在曬干(陽光下晾曬至含水率不高于10%)的純凈種子內(nèi)，利用四分法取樣3份，計(jì)數(shù)1 000粒并分別稱量，取3個(gè)樣本的平均值，單位為g；產(chǎn)量測定是各個(gè)小區(qū)內(nèi)所有植株產(chǎn)量曬干稱量，單位折算為kg/hm2，取3個(gè)小區(qū)的平均值。

1.4 模型的校正與驗(yàn)證

模擬精度評(píng)價(jià)指標(biāo)采用模擬值與實(shí)測值之間的絕對(duì)相對(duì)誤差RARE(Absolute relative error，ARE)，它能夠度量模擬值與實(shí)測值之間的相對(duì)差異程度，同時(shí)因?yàn)閷儆跓o量綱統(tǒng)計(jì)量，因此可以在不同變量之間進(jìn)行比較[36-37]。RARE越小表明模型模擬精度越高。

本研究各個(gè)模型中田間管理方案設(shè)置一致，土壤和氣象相關(guān)數(shù)據(jù)根據(jù)不同模型需要進(jìn)行輸入，由于試驗(yàn)安排等原因?qū)Σ糠种笜?biāo)未進(jìn)行測定而模型中需要輸入的，根據(jù)相關(guān)文獻(xiàn)或模型默認(rèn)值設(shè)定。同時(shí)模型校正通常選擇水肥條件較好的處理進(jìn)行，因此本研究選取降水量較為充沛的2009—2010年度和2013—2014年度冬油菜物候期和產(chǎn)量數(shù)據(jù)進(jìn)行模型校正，其余年份相關(guān)數(shù)據(jù)進(jìn)行模型驗(yàn)證。為保證不同模型間驗(yàn)證精度的可靠性，模型校正精度RARE控制在5%之內(nèi)(表2)。由于3個(gè)模型之間參數(shù)較多且設(shè)定有所不同，因此僅呈現(xiàn)對(duì)模型默認(rèn)值改動(dòng)的參數(shù)(表3)。

表2 STICS、DSSAT和APSIM模型校正總體結(jié)果Tab.2 General results of calibration of STICS, DSSAT and APSIM models %

表3 STICS、DSSAT和APSIM模型相關(guān)參數(shù)估計(jì)值Tab.3 Estimated values of relative parameters in STICS, DSSAT and APSIM models

2 結(jié)果與分析

2.1 不同模型物候期模擬比較

3個(gè)模型對(duì)冬油菜物候期的模擬結(jié)果較為理想(圖1)。對(duì)于開花期，DSSAT模型模擬值密集分布在1∶1線兩側(cè)，模擬精度最高，平均RARE為0.60%，STICS模型模擬結(jié)果次之，平均RARE為0.68%，而APSIM模型模擬點(diǎn)大多位于1∶1線以下，即模擬值低于實(shí)測值，平均RARE為1.23%。成熟期方面，STICS模型模擬結(jié)果優(yōu)于其他兩模型，平均RARE為0.47%，DSSAT模型模擬效果居中，平均RARE為2.04%，其中在2011—2012年和2012—2013年模擬值低估10 d以上，這可能是由于兩年生育期內(nèi)降水處于較低水平，干旱脅迫縮短生育期，而模型內(nèi)部對(duì)此過程存在高估造成的。APSIM模型模擬值存在高估現(xiàn)象，平均RARE為2.51%。總體而言，STICS模型對(duì)物候期的模擬穩(wěn)定性最高且模擬效果最優(yōu)。

圖1 不同模型對(duì)物候期的模擬Fig.1 Simulated phenology dates with different models

2.2 不同模型產(chǎn)量和千粒質(zhì)量模擬比較

對(duì)千粒質(zhì)量和產(chǎn)量進(jìn)行分析對(duì)比(表4、5)，結(jié)果表明，千粒質(zhì)量方面，STICS模型模擬效果最優(yōu)，平均RARE為7.53%，而DSSAT模型模擬結(jié)果相對(duì)較差，平均RARE為23.17%(APSIM-Canola模型中沒有籽粒質(zhì)量的輸出項(xiàng)，因此未對(duì)其做考慮)。其中，在2011—2012、2012—2013年度，DSSAT模型對(duì)千粒質(zhì)量的模擬嚴(yán)重低估，其RARE分別為62.96%和42.85%，而STICS模型模擬效果較好。產(chǎn)量方面，STICS模型模擬結(jié)果最優(yōu)，平均RARE為4.24%，其次為APSIM模型，平均RARE為15.70%，DSSAT模型模擬效果較差，平均RARE為19.70%。其中，DSSAT模型在2011—2012、2012—2013年度的產(chǎn)量模擬相差較大，這可能是模型中關(guān)于干旱脅迫縮短物候期導(dǎo)致提前成熟的過程存在高估，模擬灌漿時(shí)間縮短造成的，APSIM模型存在相似的結(jié)果。在2012—2013年度，3個(gè)模型的模擬結(jié)果均較差，平均RARE分別為18.62%、40.64%和45.92%。由千粒質(zhì)量和產(chǎn)量模擬結(jié)果看出，在2012—2013年度，STICS模型對(duì)產(chǎn)量的低估很有可能是由于低估籽粒數(shù)造成的，而DSSAT模型對(duì)產(chǎn)量的低估很大原因是由于籽粒灌漿受到影響，粒質(zhì)量低估造成的?？傮w而言，STICS模型在產(chǎn)量和千粒質(zhì)量方面的模擬效果最優(yōu)。

表4 不同模型對(duì)千粒質(zhì)量的模擬Tab.4 Simulation result of 1000-kernel weight with different models

表5 不同模型對(duì)產(chǎn)量的模擬Tab.5 Simulation result of yield with different models

2.3 不同模型模擬精度比較

總體來說，STICS模型在物候期和產(chǎn)量方面模擬精度最高，平均RARE為3.24%， APSIM次之，平均RARE為8.79%，DSSAT最差，平均RARE為11.38%。DSSAT模型在物候期方面的模擬精度高于APSIM，兩者RARE分別為1.32%和1.87%，但在產(chǎn)量方面的模擬精度低于APSIM，兩者RARE分別為21.44%和15.70%(表6)。

表6 不同模型模擬精度比較Tab.6 Comparison of simulation accuracies of different models %

注：產(chǎn)量相關(guān)指標(biāo)模擬精度為產(chǎn)量和千粒質(zhì)量模擬精度的均值。

2.4 不同模型土壤含水率與騰發(fā)量模擬比較

圖2 2012—2013年土壤含水率動(dòng)態(tài)變化模擬Fig.2 Simulated dynamic changes of soil moisture content in 2012—2013 season

油菜側(cè)根發(fā)達(dá)，且密集分布在20 cm左右土壤層，基于以上結(jié)果，對(duì)3個(gè)模型模擬2012—2013年度淺層0～20 cm土壤含水率和20～100 cm土壤含水率進(jìn)行對(duì)比分析(圖2)。結(jié)果表明，3個(gè)模型都能夠?qū)涤旰凸喔葘?duì)土壤水分的影響有較好的反映。抽薹期之前，土壤含水率的變化由土壤蒸發(fā)主導(dǎo)，DSSAT模型模擬含水率大多時(shí)段相對(duì)其他兩個(gè)模型較低，而在抽薹期之后，土壤含水率的變化主要由作物蒸騰作用主導(dǎo)，APSIM模型模擬含水率明顯低于其他兩個(gè)模型，STICS模型模擬的土壤含水率大多時(shí)段都高于DSSAT和APSIM模型(圖2a)。表明DSSAT模型對(duì)土壤蒸發(fā)的模擬高于其他兩模型，而APSIM對(duì)植物蒸騰的模擬高于其他兩模型。STICS模型和APSIM模型對(duì)20～100 cm的土壤含水率模擬結(jié)果趨勢相同， STICS模型模擬值略高于APSIM，DSSAT模型模擬值在越冬期前高于STICS和APSIM模型模擬值，但進(jìn)入越冬期之后，其模擬值低于兩者(圖2b)。

同時(shí)對(duì)DSSAT模型模擬2012—2013年、2013—2014年兩年的0～20 cm和20～100 cm土層土壤含水率進(jìn)行對(duì)比分析，在生育期的絕大多數(shù)時(shí)段，2013—2014年對(duì)0～20 cm土壤含水率模擬值均高于2012—2013年(圖3a)，對(duì)于20～100 cm土層土壤含水率的模擬，在花期之前2012—2013年的模擬值高于2013—2014年，花期之后2013—2014年的模擬值高于2012—2013年(圖3b)。因此認(rèn)為2012—2013年產(chǎn)量方面模擬值偏低可能是由于淺層土壤含水率偏低造成的。

圖3 DSSAT模型對(duì)2012—2013年、2013—2014年土壤 含水率變化模擬Fig.3 Simulated dynamic changes of soil moisture content with DSSAT model in 2012—2013 and 2013—2014 seasons

對(duì)3個(gè)模型模擬油菜生育期內(nèi)的騰發(fā)量進(jìn)行對(duì)比分析(圖4)。播種后20 d內(nèi)，騰發(fā)量相對(duì)較高，這是由于此階段油菜剛出苗，且溫度較高，騰發(fā)量主要由土壤蒸發(fā)造成，本階段STICS模型模擬值低于其他兩個(gè)模型。而在播種后20～160 d，也就是油菜苗期階段，騰發(fā)量相對(duì)于其他階段都比較低，這是由于進(jìn)入越冬期，溫度較低，太陽輻射強(qiáng)度較弱，因此土壤蒸發(fā)和作物蒸騰作用都相對(duì)較弱。本階段DSSAT模型模擬騰發(fā)量高于其他兩個(gè)模型，這與DSSAT模型模擬當(dāng)年0～20 cm土壤含水率較低相對(duì)應(yīng)。抽薹期后，騰發(fā)量迅速升高，這是由于溫度回升，油菜迅速生長，植株增高、葉面積變大，此階段的騰發(fā)量主要由作物蒸騰貢獻(xiàn)。本階段前期APSIM模型模擬值明顯高于其他兩個(gè)模型，而STICS模擬的騰發(fā)量峰值晚于其他兩個(gè)模型。

圖4 2012—2013年騰發(fā)量動(dòng)態(tài)變化模擬Fig.4 Simulated dynamic changes of evapotranspiration in 2012—2013 season

3 討論

盡管STICS、DSSAT、APSIM模型內(nèi)部過程和作物參數(shù)設(shè)置存在一定差異，但根據(jù)前人研究，模型對(duì)油菜物候期和產(chǎn)量都有很好的模擬效果[38-40]。在本研究中，STICS、DSSAT和APSIM對(duì)6年試驗(yàn)中油菜物候期和產(chǎn)量相關(guān)指標(biāo)都有較好的模擬(平均RARE分別為3.24%、11.38%和8.79%)，其中STICS模型對(duì)物候期和產(chǎn)量相關(guān)指標(biāo)的模擬均為最優(yōu)，RARE分別為0.58%和5.89%，DSSAT和APSIM模型模擬結(jié)果稍差，但對(duì)物候期和產(chǎn)量相關(guān)指標(biāo)的RARE都分別小于5%和25%。然而對(duì)于2012—2013年的模擬結(jié)果，3個(gè)模型均存在低估(RARE分別為18.62%、45.92%和40.64%)。2012—2013年生育期內(nèi)降水低于其余年份，千粒質(zhì)量也低于其他年份，但當(dāng)年產(chǎn)量觀測值卻高于其他年份。試驗(yàn)記錄當(dāng)年花期平均氣溫比歷年同期偏高0.4℃，日照時(shí)長比歷年同期偏多36.6 h，對(duì)油菜花蕾分化以及開花授粉十分有利，同時(shí)對(duì)油菜籽粒建成起到促進(jìn)作用[41]，從而導(dǎo)致籽粒數(shù)多，千粒質(zhì)量低，總產(chǎn)量高的情況，而模型可能對(duì)這一過程缺少描述或過程描述不完善。

在2012—2013年，DSSAT模型對(duì)花期有很好的模擬，但模擬成熟期少了11 d，即灌漿期比實(shí)際少11 d，以致于當(dāng)年產(chǎn)量和千粒質(zhì)量模擬效果很差(RARE分別為45.92%和42.85%)。從氣象數(shù)據(jù)來看，當(dāng)年生育期內(nèi)降水明顯低于其他年份，且大多降雨小于10 mm，從3個(gè)模型對(duì)0～20 cm層土壤含水率模擬情況來看，DSSAT模型模擬值在花期之前都處于較低水平，因此當(dāng)年可能存在水分脅迫現(xiàn)象。干旱能夠加快作物生育期進(jìn)程導(dǎo)致作物提前成熟[42-43]，姚寧等[44]利用DSSAT模型對(duì)水分脅迫下的冬小麥進(jìn)行研究，發(fā)現(xiàn)前期受旱處理的模擬誤差大于后期受旱處理。因此推測DSSAT模型在模擬干旱加快生育進(jìn)程的影響方面存在高估。APSIM模型模擬當(dāng)年作物騰發(fā)量時(shí)，在播后166～172 d突然變大，遠(yuǎn)遠(yuǎn)大于其他兩模型，且該時(shí)段騰發(fā)量主要由作物蒸騰作用影響。這可能是由于該時(shí)期為抽薹期，氣溫回升，油菜生長迅速，葉面積急速增加，作物蒸騰作用加劇，而模型對(duì)此階段的模擬存在高估所導(dǎo)致的。

本研究中不同模型校正時(shí)雖然保證校正精度RARE均在5%以內(nèi)，以減少不同模型驗(yàn)證的對(duì)比誤差，但是不同模型之間結(jié)構(gòu)的不確定性和參數(shù)定義的不確定性導(dǎo)致的誤差無法避免，因此關(guān)于不同模型之間的不確定性問題有待進(jìn)一步研究和量化。

本研究利用3個(gè)模型對(duì)連續(xù)6年油菜生長實(shí)測數(shù)據(jù)模擬，從數(shù)據(jù)方面優(yōu)選出最適宜本地區(qū)油菜生長模擬的模型，同時(shí)為作物生長模型在本地區(qū)的油菜生產(chǎn)應(yīng)用提供了基礎(chǔ)和方向，促進(jìn)了模型在我國農(nóng)業(yè)生產(chǎn)研究的應(yīng)用。但對(duì)于某些年份模型模擬精度較低的原因以及對(duì)應(yīng)的模型優(yōu)化改進(jìn)仍需要進(jìn)一步研究。

4 結(jié)束語

利用STICS、DSSAT和APSIM 3個(gè)模型對(duì)我國西北灌溉條件不良地區(qū)連續(xù)6年的冬油菜生長發(fā)育情況進(jìn)行模擬對(duì)比，結(jié)果表明，3個(gè)模型模擬物候期的RARE分別為0.58%、1.32%和1.87%，產(chǎn)量相關(guān)指標(biāo)的RARE分別為5.89%、21.44%和15.70%，綜合所有指標(biāo)，3個(gè)模型的平均RARE分別為3.24%、11.38%和8.79%。STICS模型為物候期和產(chǎn)量模擬的最優(yōu)模型，是3個(gè)模型中最適合該地區(qū)冬油菜生長模擬的作物模型。