基于光温条件的水稻群体茎蘖增长模拟模型

王博，郑旭娜，杨丽燕，柳龙毅

（阳西县气象局，广东阳西 529800）

基于光温条件的水稻群体茎蘖增长模拟模型

王博，郑旭娜，杨丽燕，柳龙毅

（阳西县气象局，广东阳西 529800）

基于阳西县2004—2013年水稻分蘖期密度观测资料与同期光温要素数据，统计分析了水稻分蘖期茎蘖增长速率与分蘖期积温、总日照的关系，建立了基于光温条件的水稻群体茎蘖增长模拟模型，并对模型进行了应用效果验证。结果表明：该模型在一般天气情况下具备较高的使用价值，在面对不同品种的预测应用时也具备一定程度的参考价值，但在极端天气情况下密度预测时偏差较大。

农业气象；光温条件；水稻群体；茎蘖增长模拟模型

水稻作为我国主要粮食作物之一，其产量直接关系到国家粮食安全和国计民生。近年来，各级气象部门以“气象为农服务”为工作重心，积极探索水稻生产气象服务方法。在水稻生长模型［1-2］、产量预报模型［3］等方面取得了不少成就。但其研究成果在基层气象部门的应用程度较低，在不同气候［4-5］、地理特征下的水稻模型参数的应用存在更改困难的问题。作者通过近10年的水稻观测发现阳西县水稻以经验种植为主，播种、移栽密度不能根据天气、气候变化做出调整。受其影响，同一品种的成穗率随气候变化呈现出较明显的年际波动，产量不稳定。本研究通过对近10年阳西县“华两优689”双季水稻分蘖期观测资料以及对应的光温条件进行统计分析，建立茎蘖增长模拟模型，并将结果用于水稻分蘖期的密度预测，为进一步开展控制分蘖、保产稳产气象服务打下基础。相比其他水稻生长模型，该模型具有建模简单、参数少、好操作等特点。

1 数据资料

研究品种为“华两优689号”双季水稻，通过1stopt工具对近10年来水稻分蘖期密度观测资料与同时期光温条件进行拟合，得出水稻分蘖期密度变化与光温条件的拟合方程。

人工观测时，分蘖期总茎数从分蘖普遍期开始观测。为分析整个分蘖期积温日照的影响情况，须先确定分蘖起始期，即在观测区内出现第1株秧苗开始分蘖的日期。

利用早、晚稻分蘖发育期观测中进入分蘖期的百分比变化拟合方程，反推分蘖起始期，剔除人为误差较大、发育期内观测次数＜4次或因受灾害影响不能体现作物正常生长规律的资料，结果如表1所示。

表1 2004—2013年水稻分蘖开始推算日期

分蘖起始期：指观测区内出现第1株水稻开始分蘖的日期；有效分蘖终止期：指单位面积总茎数达到预计成穗数的日期，本地一般以300茎/m2作为预计成穗数；4叶期：水稻主茎长出第4片完全叶的日期，水稻的分蘖一般从4叶期开始发生［6］。

2 模型建立

在田间管理水平相对固定，水分、养分供给充足且无其他灾害的前提下，水稻分蘖速度受光、温条件影响最大，分蘖期总密度的变化也与光温条件满足一定相关关系。

水稻分蘖速度随时间变化呈二次函数曲线关系，近似方程为

其中x为时间（d）；y为分蘖速度（茎/d）；a、 b、c为常数。

理想情况下，积温［7］、总日照随时间变化呈线性关系，近似方程为

其中x为时间（d）；y为积温（℃）或总日照（h）；b为常数。

将分蘖速度对时间积分得到总茎数近似方程为

其中x为时间（d）；y为总茎数（茎）；a、b、c为常数。

将式（2）代入式（3）即得总茎数随积温、总日照变化关系近似方程：

其中z为总茎数（茎）；x为积温（℃）；y为总日照（h）；p1～p7为常数。

从分蘖开始日起，计算每天的积温与总日照，并将其与每天总密度相对应形成3组数列。为了使常变量容易表示，给予积温和日照临时调整系数0.01，用1st0pt软件将3组数据对式（4）拟合，得到p1～p7各参数值，即得到水稻分蘖期茎蘖增长对光温条件模拟模型。

其中，式（5）为早稻模型、式（6）为晚稻模型，z为水稻分蘖期总茎数；x为分蘖开始期之后的累积日照时数（临时调整系数0.01）；y为分蘖开始期之后的日平均气温积温（临时调整系数0.01 ）。

3 模型应用

3.1 有效分蘖终止期预测

在当季水稻3叶普遍期后，根据历史资料3叶普遍期到分蘖开始期的平均时间间隔，估算4叶期。结合中期天气预报，预测分蘖起始日期后的日平均气温和日照时数，推算每1 d的积温与累积日照。将所得数据套入模拟模型，计算总茎数，当总茎数达到或超过300时的日期即为有效分蘖终止期。

3.2 分蘖期气象条件预测

计算3叶期到有效分蘖终止期的间隔时间，并与历史统计值进行距平分析。在品种、田间管理以及其他影响因子保持稳定时，距平越大则气象条件越差，无效分蘖越多，后期秕谷和空壳越多，产量越低；距平较小或负距平则产量相对稳定或有所增高，气象条件较好。

根据分蘖期气象条件预测结果，对水稻种植户进行专业服务。如预测气象条件较差，则需指引其适当提高移栽密度，并做好蓄水灌溉准备；如预测气象条件较好，则可以适当减少移栽密度或保持不变，分蘖期减少水分供应，控制分蘖速度。

4 模型验证

4.1 极端天气模型应用

根据3.1节提到的有效分蘖终止期的预测方法，对2014年早稻分蘖期进行预测，得出4月30日为早稻有效分蘖终止期。后期观测表明有效分蘖终止期为5月16日。

对预测结果与天气实况进行对比分析发现：在早稻分蘖发生的1个月时间里（4月16日—5月16日），零日照天数为18 d，达到总天数的60%。最长连续零日照时间为6 d，属于极端天气事件。在分蘖前期，秧苗本身储备的有机物仍能满足一定程度的分蘖需要，而中后期，持续偏低的光合作用，无法提供分蘖所需的有机物，因此在持续无日照时分蘖速度明显减缓。

结果表明，该模型对于持续性的阴雨天气表现较差，可参考性低。

4.2 不同品种间的模型应用

1）分蘖密度及有效分蘖终止期的预测。

利用模型对2015年早稻（杂优）进行有效分蘖终止期预测，方程计算得到有效分蘖终止期为5月2日，而实际有效分蘖终止期为4月30日，误差为2 d。4月30日预测密度误差率达-28%，而在分蘖普遍期的4月20、25日误差率较小，分别为8%与2%。

2）结果分析。

对2015年的早稻分蘖期密度预测结果与实际情况进行对比分析发现：不同品种对光温条件的敏感程度不同，其生长周期与分蘖效率均有所不同，但是该模型依然能进行一定程度的预测。在密度方面，因品种差异，预报周期越长误差越大。

结果表明，在气象条件无明显异常的情况下，该模型对不同品种水稻分蘖期的密度预测具有一定的参考价值。

本研究利用实测资料建立了基于光温条件的水稻群体茎蘖增长模拟模型，并针对极端天气条件下的同一品种与一般天气条件下的不同品种间进行了应用验证。结果表明，在一般天气情况下具备较高的使用价值，在面对不同品种的预测应用时也具有一定程度的参考价值。而在极端天气情况下密度预测时偏差较大。

本研究所涉及的建模方法简单易学，模型使用方便快捷，与以往的茎蘖增长模型［8］相比更加适合基层人员使用。同时该模型由于未考虑到有效积温、有效日照等因素，导致其对灾害性天气下的水稻茎蘖增长规律表现较差。后续研究可以从有效积温、有效日照等方面着手对模型数据的统计方法进行调整。应用方面，本研究所提供的研究方法适合各基层人员结合当地的品种、气候、土壤环境特征以及种植习惯建立专用模型，通过对水稻分蘖期的各个关键节点的预测来丰富农业气象服务内容，为种植户提供专业可靠的服务指引，尽量减少气象产量的波动，进而保障高产稳产。

［1］黄敬峰，陈拉，王秀珍.水稻生长模型参数的敏感性及其对产量遥感估测的不确定性［J］.农业工程学报，2012，28（19）：119-129.

［2］叶芳毅，李忠武，李裕元，等.水稻生长模型发展及应用研究综述［J］.安徽农业科学，2009，37（1）：85-89.

［3］梦森，景元书，熊世为.基于遗传优化BP神经网络的水稻气象产量预报模型［J］.气象科学，2012，32（6）：665-670.

［4］邓丽霞，郑细华，李勇增，等.龙川县气候变化对水稻生长的影响［J］.广东气象，2010，32（5）：32-33.

［5］黄俊，翟志宏，陈慧华.气候变化背景下广东早稻温度适宜度的变化特征［J］.广东气象，2012，34（3）：60-63.

［6］寇从贤.水稻主茎叶龄与分蘖关系的探讨［J］.湖北农业科学，2001（2）：15-17.

［7］李云武.杂交水稻强化栽培优势分蘖研究［J］.中国稻米，2013，19（5）：76-77，80.

［8］王萌萌，杨沈斌，江晓东，等.光温要素对水稻群体茎蘖增长动态影响的分析及模拟［J］.作物学报，2016，42（1）：82-92.

S511

A

10.3969/j.issn.1007-6190.2016.06.018

2016-09-10

王博（1985年生），男，本科，助理工程师，主要从事天气预报与服务、测报，网络维护等工作。E-mail：281920922@qq.com

王博，郑旭娜，杨丽燕，等.基于光温条件的水稻群体茎蘖增长模拟模型［J］.广东气象，2016，38（6）：74-76.