基于EFAST法的APSIM小麥產(chǎn)量形成參數(shù)敏感性分析

米榮娟，聶志剛,2

(1.甘肅農(nóng)業(yè)大學(xué)信息科學(xué)技術(shù)學(xué)院,甘肅 蘭州 730070；2.甘肅農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，甘肅 蘭州 730070)

建立和引入作物模型，為農(nóng)作物生產(chǎn)調(diào)控提供預(yù)測(cè)依據(jù)[1].模型的有效應(yīng)用依賴(lài)于對(duì)參數(shù)進(jìn)行準(zhǔn)確估計(jì)[2]，通過(guò)合適的方法定量評(píng)估影響模型的敏感參數(shù)是模型校準(zhǔn)和優(yōu)化的前提，同時(shí)是模型本地化應(yīng)用的基礎(chǔ).近年來(lái)，利用敏感性分析評(píng)估作物模型敏感參數(shù)的研究屢見(jiàn)報(bào)道，Confalonieri[3]和Makowski等[4]分別通過(guò)敏感性分析對(duì)不同作物模型進(jìn)行評(píng)估，以確定參數(shù)對(duì)模型預(yù)測(cè)方差的貢獻(xiàn)，擬合觀測(cè)值與模擬值，證明了敏感性分析對(duì)簡(jiǎn)化模型的重要性.局部敏感性分析法通過(guò)改變單一輸入評(píng)價(jià)單個(gè)變量對(duì)模型輸出的影響，操作簡(jiǎn)單[5]，多用于線(xiàn)性模型分析，但未充分考慮參數(shù)之間互作效應(yīng)，分析不全面.全局敏感性分析法克服了局部敏感性分析法的局限性，被廣泛運(yùn)用于復(fù)雜機(jī)理模型分析中.其中，Sobol法、Morris參數(shù)選擇法及擴(kuò)展傅里葉幅度檢驗(yàn)法[6]等均為常見(jiàn)的全局敏感性分析法.Morris參數(shù)選擇法和Sobol法相較于局部敏感性分析法更精確和全面，效率和精度有所改善，但不能量化分析結(jié)果.實(shí)踐證明，EFAST全局敏感性分析法針對(duì)非線(xiàn)性復(fù)雜作物模型敏感參數(shù)篩選優(yōu)勢(shì)明顯，如姜志偉等[7]以河南洛陽(yáng)為試驗(yàn)區(qū)，運(yùn)用EFAST法篩選出CERES-Wheat模型“本地化”關(guān)鍵作物參數(shù)及田間管理參數(shù)；邢會(huì)敏等[8]以北京地區(qū)試驗(yàn)為例，運(yùn)用EFAST法分不同時(shí)期評(píng)估Aqua-Crop 模型中的42個(gè)作物參數(shù)，以選擇敏感參數(shù)優(yōu)化模型；Li等[9]運(yùn)用EFAST法評(píng)估DSSAT-CERES模型輸出響應(yīng)對(duì)39種作物基因型參數(shù)和6種土壤參數(shù)的敏感性，均取得良好效果.目前，國(guó)內(nèi)基于EFAST法針對(duì)APSIM模型參數(shù)的敏感性分析的研究尚不多見(jiàn).此外，模型存在不確定性，敏感性分析結(jié)果會(huì)因不同地域氣候條件不同產(chǎn)生差異.定西是典型的半干旱黃土丘陵區(qū)，小麥?zhǔn)窃摰貐^(qū)重要的糧食作物，運(yùn)用EFAST法在該地區(qū)開(kāi)展小麥產(chǎn)量形成參數(shù)敏感性分析的研究鮮見(jiàn)報(bào)道.因此，本研究選用具有較好模擬效果且運(yùn)用廣泛的APSIM模型為研究對(duì)象，以旱地春小麥試驗(yàn)為例，依托試驗(yàn)區(qū)實(shí)測(cè)數(shù)據(jù)資料，采用EFAST全局敏感性分析法對(duì)APSIM模型中影響春小麥產(chǎn)量形成的敏感參數(shù)進(jìn)行篩選，以簡(jiǎn)化模型，并為APSIM模型優(yōu)化及本地化應(yīng)用提供依據(jù).

1 材料與方法

1.1 試驗(yàn)區(qū)概況與數(shù)據(jù)來(lái)源

試驗(yàn)區(qū)位于典型黃土高原丘陵區(qū)甘肅省定西市安定區(qū)鳳翔鎮(zhèn)安家溝村，該地區(qū)屬中溫帶旱作雨養(yǎng)農(nóng)業(yè)區(qū)，平均海拔約2 000 m，晝夜溫度變化大，光熱資源較為豐富，但水分嚴(yán)重不足，且基本來(lái)源于自然降水，無(wú)灌溉條件.表1列出了試驗(yàn)區(qū)基本土壤特征參數(shù).

春小麥定西35為試驗(yàn)作物，播種采用免耕播種機(jī)，設(shè)置播種量187.5 kg/hm2，一般播深7 cm，行距 0.25 m.播種試驗(yàn)小區(qū)共計(jì)15個(gè)，面積6 m×4 m，保護(hù)行 0.5 m，完全隨機(jī)區(qū)組設(shè)置，施肥及田間管理等參考當(dāng)?shù)貙?shí)際情況.當(dāng)?shù)剡m宜正常播期3月19日，7月下旬春小麥成熟后收獲.小麥產(chǎn)量以收獲時(shí)各小區(qū)打碾產(chǎn)量折算公頃產(chǎn)量.

1971～2019年定西市安定區(qū)氣象資料均來(lái)源于甘肅省氣象局，所需土壤參數(shù)和田間管理參數(shù)為試驗(yàn)點(diǎn)實(shí)測(cè)數(shù)據(jù)，模型檢驗(yàn)所需2015～2017年產(chǎn)量數(shù)據(jù)經(jīng)田間實(shí)測(cè)獲得，2018～2019年產(chǎn)量數(shù)據(jù)為查閱年鑒獲得，APSIM 模型模擬獲得其他有關(guān)產(chǎn)量數(shù)據(jù).

表1 土壤屬性特征

1.2 APSIM模型

APSIM是一個(gè)大型農(nóng)業(yè)生產(chǎn)系統(tǒng)模擬模型[10].該模型基于組件設(shè)計(jì)，通過(guò)插件機(jī)制容納各個(gè)模塊(作物，土壤，氣候，管理等)，將模型與用戶(hù)界面分離；用戶(hù)可以將模塊不同組合插入在一起，以針對(duì)不同的仿真配置APSIM，具有靈活性.模型以土壤模塊為中心，以日步長(zhǎng)為模擬跨度，受土壤、水分及管理措施等驅(qū)動(dòng)進(jìn)行農(nóng)作物生長(zhǎng)的動(dòng)態(tài)模擬[11-14].其它模型說(shuō)明和運(yùn)用實(shí)例的詳盡信息參考官網(wǎng)：https://www.apsim.info/.

1.3 全局敏感性分析方法

Saltelli等[15]基于方差分解原理提出EFAST法，綜合了Sobol法和FAST法，并在兩者基礎(chǔ)上進(jìn)行改進(jìn).它對(duì)于樣本要求低，計(jì)算高效，穩(wěn)定性高[16]，適用于包含少量參數(shù)的系統(tǒng)，具有理論優(yōu)勢(shì)和應(yīng)用潛力.主要采用2個(gè)指標(biāo)：一階敏感性系數(shù)和全局敏感性系數(shù)來(lái)評(píng)價(jià)敏感性高低的標(biāo)準(zhǔn).其中，一階敏感性系數(shù)評(píng)價(jià)單一輸入?yún)?shù)對(duì)輸出的影響，全局敏感性系數(shù)評(píng)價(jià)參數(shù)之間交互作用對(duì)輸出的影響.基本原理如下：

假設(shè)模型y=f(X)，X=(x1，x2，x3，…，xn)為滿(mǎn)足一定概率分布的多維參數(shù)空間，通過(guò)適當(dāng)?shù)霓D(zhuǎn)換函數(shù)Gi將模型轉(zhuǎn)換為y=f(s)，轉(zhuǎn)換函數(shù)Gi與參數(shù)xi的概率密度分布函數(shù)相關(guān):

Xi(s)=Gi(sinωis)，?i∈{1,2,3,…,n}

(1)

式中：s為標(biāo)量且s∈(-∞，+∞)；{ωi}為參數(shù)xi所定義的整數(shù)頻率；

對(duì)y=f(s)進(jìn)行傅里葉變化：

(2)

式中：通過(guò)對(duì)s在[-π，π]中等間距取值，對(duì)取值結(jié)果輸入模型，多次運(yùn)行，得到Ak與Bk的近似值如下：

Λk=Ak2+Bk2

(5)

式中：k為傅里葉變換參數(shù)且k∈Z，A-k=Ak,B-k=Bk,Λ-k=Λk.參數(shù)xi變化引起模型方差為：

(6)

式中：Z0為非零整數(shù)，ωi是參數(shù)xi對(duì)應(yīng)的頻率.模型總方差為：

(7)

模型總方差可分解為：

(8)

式中，Vi是參數(shù)xi變化引起的模型方差，Vij是參數(shù)xi通過(guò)xj作用引起的模型方差，V1,2,…,k為參數(shù)xi通過(guò)x1、x2、…、xk引起的模型方差.歸一化處理后，參數(shù)xi的一階敏感性系數(shù)為：

(9)

全局敏感性系數(shù)為：

(10)

Dejonge[17]曾界定Si>0.05，STi>0.10(Si+STi>0.15)作為判斷敏感性的標(biāo)準(zhǔn).

1.4 模擬試驗(yàn)設(shè)計(jì)和待分析參數(shù)選擇

表2是待分析參數(shù)說(shuō)明及范圍，本研究主要分析小麥品種參數(shù).品種參數(shù)選擇來(lái)源于APSIM官網(wǎng)小麥模塊文檔說(shuō)明(網(wǎng)址：https://www.apsim.info/)及Zhao等[13]與何亮等[18]文獻(xiàn)參考；品種參數(shù)上下限是根據(jù)模型初始值上下浮動(dòng)±50%.基礎(chǔ)氣象數(shù)據(jù)來(lái)源于甘肅省氣象局，土壤數(shù)據(jù)、管理數(shù)據(jù)來(lái)源于田間實(shí)測(cè)，這些參數(shù)在模型輸入中均采用固定值.

本研究首先通過(guò)5 a的數(shù)據(jù)驗(yàn)證APSIM模型的適用性；其次結(jié)合模型，借助Simlab軟件并采用其內(nèi)置EFAST方法，對(duì)2016～2017年試驗(yàn)區(qū)影響小麥產(chǎn)量的部分參數(shù)進(jìn)行全局敏感性分析，取2 a敏感性系數(shù)平均值作為結(jié)果；然后對(duì)敏感性較高參數(shù)設(shè)置梯度模擬，確定參數(shù)變化范圍，檢驗(yàn)單因素變化效應(yīng).

表2 選擇參數(shù)的上下限及分布和模型輸出

1.5 模型檢驗(yàn)方法

基于已有研究，利用已校準(zhǔn)的APSIM模型對(duì)2015～2017年(田間實(shí)測(cè))、2018～2019年(查閱年鑒)定西35號(hào)春小麥產(chǎn)量實(shí)測(cè)值及模型模擬值進(jìn)行擬合(圖1).歸一化均方根誤差(NRMSE)用以檢驗(yàn)誤差，模型有效性指數(shù)(ME)用以檢驗(yàn)?zāi)M精度.其中，NRMSE值越小，誤差越??；ME>0.5，則模擬效果良好[19].相關(guān)公式為：

(11)

(12)

式中：Yobs，Ysim和Ymean分別為實(shí)測(cè)值、模擬值和實(shí)測(cè)平均值.

1.6 數(shù)據(jù)處理

采用 Microsoft Excel 2010 軟件整理匯總產(chǎn)量數(shù)據(jù)，利用 Origin 2017 軟件擬合實(shí)測(cè)值和模擬值，并繪制旱地春小麥產(chǎn)量形成單因素效應(yīng)曲線(xiàn)和不同比例下參數(shù)引起產(chǎn)量波動(dòng)圖.

2 結(jié)果與分析

2.1 模型驗(yàn)證

經(jīng)檢驗(yàn)(圖1)，實(shí)測(cè)值與模擬值擬合較好，數(shù)據(jù)點(diǎn)均分布在限定誤差范圍線(xiàn)內(nèi).通過(guò)線(xiàn)性擬合發(fā)現(xiàn)，線(xiàn)性回歸決定系數(shù)R2=0.998 5，歸一化均方根誤差NRMSE=5.314%，模型有效性指數(shù)ME=0.976，模型模擬產(chǎn)量較為準(zhǔn)確.

圖1 小麥產(chǎn)量模擬值與實(shí)測(cè)值線(xiàn)性擬合Figure 1 Linear fit between simulated and observed values of wheat yield

2.2 敏感性分析結(jié)果

APSIM小麥產(chǎn)量形成參數(shù)敏感性分析借助SimLab[20]專(zhuān)業(yè)軟件完成，該軟件由預(yù)處理模塊、模型執(zhí)行模塊和后處理模塊構(gòu)成.具體操作步驟：輸入?yún)?shù)因子，選擇參數(shù)范圍及分布概率函數(shù)；選擇抽樣方法，生成.sam格式的樣本數(shù)據(jù)；將樣本數(shù)據(jù)輸入模型，獲得模型輸出結(jié)果；對(duì)參數(shù)進(jìn)行敏感性分析.

根據(jù)圖2可知，一階敏感性系數(shù)和全局敏感性系數(shù)的分析結(jié)果總體走勢(shì)基本呈現(xiàn)一致性.在參數(shù)選擇范圍內(nèi)，按照前文所述判斷依據(jù)，得到敏感參數(shù)及排序：每克莖籽粒數(shù)量>灌漿期籽粒日潛在灌漿速率>單株最大籽粒質(zhì)量>作物春化敏感性指數(shù)>灌漿到成熟積溫>出苗到拔節(jié)積溫.其中，每克莖籽粒數(shù)量、灌漿期籽粒日潛在灌漿速率和單株最大籽粒質(zhì)量與產(chǎn)量形成密切相關(guān)，對(duì)模擬產(chǎn)量貢獻(xiàn)率達(dá)50.6%、31.9%和27.5%.敏感參數(shù)主要包括直接關(guān)系產(chǎn)量形成的參數(shù)及對(duì)生育期構(gòu)成影響的物候參數(shù)(不同生育階段的積溫等)等，均與實(shí)際生產(chǎn)情況相符合.將對(duì)產(chǎn)量形成較敏感的6個(gè)參數(shù)，作為模型進(jìn)一步調(diào)參優(yōu)化基礎(chǔ).

圖2 APSIM模型參數(shù)敏感性系數(shù)Figure 2 Parameter sensitivity coefficient of APSIM model

2.3 敏感系數(shù)對(duì)小麥產(chǎn)量的影響

對(duì)2016～2017年影響旱地春小麥產(chǎn)量形成的敏感參數(shù)設(shè)置梯度檢驗(yàn)，觀察敏感參數(shù)影響產(chǎn)量變化的趨勢(shì).梯度設(shè)置以模型默認(rèn)值(base)為基準(zhǔn)，增加10%、20%、30%、40%、50%及減少10%、20%、30%、40%、50%.

2.3.1 單因素總體效應(yīng) 圖3表明，每克莖籽粒數(shù)量在默認(rèn)值基礎(chǔ)上減少比例時(shí)，模擬產(chǎn)量出現(xiàn)持續(xù)下降趨勢(shì)；而在默認(rèn)值基礎(chǔ)上增加比例，模擬產(chǎn)量趨于平穩(wěn).灌漿期籽粒日潛在灌漿速率在默認(rèn)值基礎(chǔ)上減少10%時(shí)模擬產(chǎn)量達(dá)到峰值，繼續(xù)增長(zhǎng)后模擬產(chǎn)量基本趨于平穩(wěn)；而減少比例時(shí)，模擬產(chǎn)量整體呈下降趨勢(shì).單株最大籽粒質(zhì)量與每克莖籽粒數(shù)量的變化趨勢(shì)基本呈現(xiàn)一致性.出苗到拔節(jié)積溫在模擬上出現(xiàn)了年份差異，兩者在默認(rèn)值基礎(chǔ)上增加比例時(shí)，產(chǎn)量基本處于遞減模式；而在減少比例時(shí)，2016年模擬產(chǎn)量遞減，2017年遞增，可能是由于不同播期導(dǎo)致外部自然環(huán)境不同產(chǎn)生的差異.灌漿到成熟積溫在默認(rèn)值基礎(chǔ)上減少比例時(shí)，產(chǎn)量基本是下降狀態(tài)，僅僅在2017年出現(xiàn)部分偏差；但當(dāng)其在默認(rèn)值基礎(chǔ)上增加時(shí)，卻出現(xiàn)了不同年份產(chǎn)量增加和減少的差異性；作物春化敏感性指數(shù)隨數(shù)值增加時(shí)模擬產(chǎn)量基本呈下降趨勢(shì).總體來(lái)看，當(dāng)變化比例處于-10%～+10%時(shí)，產(chǎn)量變化幅度極小，趨于穩(wěn)定；當(dāng)變化比例處于-50%～-10%時(shí)，產(chǎn)量變化幅度較大.

圖3 旱地小麥產(chǎn)量形成因素單因素效應(yīng)Figure 3 Single factor effect of wheat yield formation

2.3.2 等比例產(chǎn)量變化 圖4表示敏感參數(shù)在模型默認(rèn)值基礎(chǔ)上增加和減少比例時(shí)2016和2017年模擬產(chǎn)量平均值相較于默認(rèn)值狀態(tài)下模擬產(chǎn)量平均值的具體變化量.總體來(lái)看，產(chǎn)量變化絕對(duì)值介于0～500 kg/hm2之間，且只有降低比例時(shí)，春化敏感性指數(shù)引起模擬產(chǎn)量變化是在默認(rèn)值基礎(chǔ)上增加，其余均是在默認(rèn)值基礎(chǔ)上減少.分開(kāi)來(lái)看，在減少同等比例時(shí)，單株最大籽粒質(zhì)量引起產(chǎn)量變化幅度均最高，在減少50%比例時(shí)，產(chǎn)量差值絕對(duì)值達(dá)到最高493.55 kg/hm2；而在增加同等比例時(shí)，出苗到拔節(jié)積溫引起產(chǎn)量變化幅度最高，在增加50%比例時(shí)，產(chǎn)量差值絕對(duì)值達(dá)到最高249.85 kg/hm2.

3 討論

在影響小麥產(chǎn)量形成參數(shù)中，每克莖籽粒數(shù)量、灌漿期籽粒日潛在灌漿速率和單株最大籽粒質(zhì)量是敏感性系數(shù)最高的3個(gè)參數(shù)，Zhao等[13]研究中有相似結(jié)論.其中，每克莖籽粒數(shù)量和單株最大籽粒質(zhì)量2個(gè)參數(shù)是構(gòu)成小麥產(chǎn)量要素的基本參數(shù)，直接描述了小麥品種的產(chǎn)量特性.籽粒數(shù)量和籽粒大小的乘積用以計(jì)算產(chǎn)量，籽粒數(shù)是在開(kāi)花期根據(jù)每克莖籽粒數(shù)量及抽穗期和籽粒灌漿開(kāi)始之間干物質(zhì)積累的函數(shù)計(jì)算，小麥籽粒大小是通過(guò)籽粒的生長(zhǎng)速率(籽粒潛在灌漿速率)和開(kāi)花后生殖階段生物量向籽粒的分配來(lái)計(jì)算的[21].灌漿期籽粒日潛在灌漿速率是調(diào)節(jié)小麥生育期籽粒灌漿速率的參數(shù).小麥灌漿期灌漿速率一般是“慢-快-慢”，春小麥灌漿時(shí)間長(zhǎng)短和灌漿速率快慢，直接影響粒重高低.加快灌漿速率能有效增加千粒質(zhì)量，千粒質(zhì)量作為產(chǎn)量構(gòu)成重要因素，增加可使產(chǎn)量提高.積溫影響作物生長(zhǎng)發(fā)育，積溫積累快，能夠加速籽粒形成.研究表明，春小麥生長(zhǎng)中后期，積溫影響生育期長(zhǎng)短；生育期長(zhǎng)短決定干物質(zhì)積累時(shí)間，干物質(zhì)積累與籽粒形成有關(guān)，籽粒形成影響最終產(chǎn)量[18].根據(jù)前人研究發(fā)現(xiàn)，從生長(zhǎng)發(fā)育和小麥生產(chǎn)2個(gè)方面看，出苗到拔節(jié)積溫都是一項(xiàng)可利用的生態(tài)指標(biāo)[22]，期間積溫增加能相應(yīng)地縮短出苗天數(shù).此外，溫度適當(dāng)升高有利于壯苗形成，利于后期生長(zhǎng)發(fā)育，促進(jìn)產(chǎn)量形成[23].灌漿期籽粒日潛在灌漿速率是籽粒灌漿過(guò)程的重要因素.近期研究指出，與出苗到拔節(jié)期間溫度變化相比，灌漿到成熟階段溫度變化對(duì)小麥產(chǎn)量形成的影響更顯著[24].在適宜溫度范圍內(nèi)，積溫與灌漿速率存在正相關(guān)性，積溫增加會(huì)促使灌漿速率上升[25].但在過(guò)高溫影響下，易導(dǎo)致灌漿過(guò)程中止，成熟期提前，干物質(zhì)積累時(shí)間縮短，籽粒干癟，影響千粒質(zhì)量，從而導(dǎo)致減產(chǎn).灌漿期是關(guān)乎小麥籽粒形成關(guān)鍵期，易受自然災(zāi)害影響.因此，做好管理，適時(shí)適當(dāng)澆水施肥，能夠有效延長(zhǎng)灌漿時(shí)間，更好促進(jìn)小麥產(chǎn)量形成[26].春化階段是小麥必經(jīng)發(fā)育期，春化對(duì)于幼苗階段影響尤其顯著，此階段的生長(zhǎng)發(fā)育直接決定了后續(xù)發(fā)育進(jìn)程，影響最終產(chǎn)量形成.在APSIM中，春化影響從出苗到開(kāi)花期.春化敏感性指數(shù)，在小麥文件中為品種特定參數(shù)，影響春化因子，造成累計(jì)春化的差異性，具有較強(qiáng)敏感性，需要進(jìn)一步校準(zhǔn).結(jié)果表明，小麥產(chǎn)量形成與其自身品種遺傳參數(shù)相關(guān)外，也受到物候期影響.

圖4 不同比例下參數(shù)引起產(chǎn)量波動(dòng)Figure 4 Parameters at different ratios cause output fluctuations

敏感性分析得到了 APSIM 模型中對(duì)小麥產(chǎn)量模擬結(jié)果影響顯著的品種參數(shù).為了進(jìn)一步實(shí)現(xiàn)參數(shù)“本地化”，使參數(shù)適用于特定研究區(qū)域[27]—定西市安定區(qū)，須對(duì)選定參數(shù)以?xún)?yōu)化調(diào)整，使模型具有高可適用性.對(duì)敏感性系數(shù)未達(dá)到判斷指標(biāo)的模型參數(shù)，采取經(jīng)驗(yàn)值或?qū)崪y(cè)值及查閱文獻(xiàn)等方法獲得.

前人研究證實(shí)[28-29]EFAST方法為評(píng)估整個(gè)可行參數(shù)空間中參數(shù)敏感性提供了一種簡(jiǎn)單、快速且全局的方法.但在實(shí)施EFAST方法時(shí)，模型參數(shù)變化范圍及樣本數(shù)量選擇對(duì)敏感性分析結(jié)果會(huì)產(chǎn)生影響.一般而言，參數(shù)范圍選擇基于不同作物種類(lèi)及模型文檔說(shuō)明，參考實(shí)際應(yīng)用情況界定.本研究是為了客觀選擇敏感性較強(qiáng)的參數(shù)，暫時(shí)忽略參數(shù)范圍變化影響，這在非特殊情況下基本可行.本研究中對(duì)管理參數(shù)(如播期、行間距等)、土壤參數(shù)(田間持水率、凋萎系數(shù)等)和日最高氣溫、最低氣溫、日照時(shí)長(zhǎng)等氣象參數(shù)采用固定值一次性輸入，未作具體討論.此外，參數(shù)取值范圍差異可能會(huì)造成分析結(jié)果的不確定性.因此，繼續(xù)補(bǔ)充其他參數(shù)的敏感性分析，合理地確定參數(shù)分布范圍以及對(duì)敏感參數(shù)進(jìn)行優(yōu)化則是下一步需要研究的方向.

4 結(jié)論

本研究利用擴(kuò)展傅里葉幅度檢驗(yàn)法對(duì)定西春小麥APSIM產(chǎn)量形成參數(shù)進(jìn)行敏感性分析，得到6個(gè)敏感參數(shù)：每克莖籽粒數(shù)量、灌漿期籽粒日潛在灌漿速率、單株最大籽粒質(zhì)量、出苗到拔節(jié)積溫、灌漿到成熟積溫和作物春化敏感性指數(shù)，可優(yōu)先校準(zhǔn).通過(guò)對(duì)敏感參數(shù)設(shè)置單因素梯度檢驗(yàn)表明，當(dāng)各個(gè)參數(shù)變化比例處于-10%～+10%時(shí)，產(chǎn)量變化幅度極小，趨于穩(wěn)定；當(dāng)變化比例處于-50%～-10%時(shí)，產(chǎn)量變化幅度較大.同時(shí)，產(chǎn)量變化絕對(duì)值介于0～500 kg/hm2之間，在同等增加和減少比例時(shí)分別是出苗到拔節(jié)積溫和單株最大籽粒質(zhì)量引起產(chǎn)量變化幅度最大.