ORYZA2000模型与水稻群体茎蘖动态模型的耦合*

杨沈斌，陈 德，王萌萌，黄 维，江晓东



ORYZA2000模型与水稻群体茎蘖动态模型的耦合*

杨沈斌，陈 德，王萌萌，黄 维，江晓东

（南京信息工程大学气象灾害预报预警与评估协同创新中心/江苏省农业气象重点实验室，南京 210044）

以水稻群体茎蘖动态模拟为例，采用单向耦合方法，将ORYZA2000模型模拟的逐日发育进程和生物量作为水稻群体茎蘖动态模型的输入，驱动茎蘖动态模型模拟，尝试将水稻群体茎蘖动态模型引入ORYZA2000模型中，作为该模型的子模块以扩展ORYZA2000模型对茎蘖动态、籽粒灌浆动态和叶龄动态等水稻生长要素模拟的功能。为检验耦合模型（ORY-TIL），选用2012年杂交籼稻两优培九和扬稻6号5个播期的大田观测数据，在两模型参数定标的基础上，模拟2个播期水稻群体茎蘖动态，并对模拟结果进行误差分析。结果显示，ORY-TIL模型能较好模拟水稻发育速率、地上部总生物量和群体茎蘖动态，各项模拟值与实测值的相关系数均达0.95以上，且通过0.01水平显著性检验；扬稻6号和两优培九群体茎蘖密度模拟值与实测值的均方根误差分别为24.3条·m-2和34.9条·m-2，误差主要出现在茎蘖消亡阶段。总体来看，ORY-TIL模型具有较好模拟性能，提出的耦合方法对扩展水稻生长模型具有一定参考价值。

作物模型；杂交水稻；同化方法；大田试验

水稻生长模型ORYZA2000具有较强的机理性和普适性，已广泛用于水稻估产、生产决策和气候变化影响评估等方面[1-8]。该模型由多个子模块组成，如生育期模拟模块、干物质积累和分配模块、叶面积模拟模块和产量计算模块等。这些模块相互关联，如生育期模拟模块依据每日热量条件确定水稻发育进程，并以此为主线，调控叶面积、干物质分配和产量形成；叶面积模拟取决于前一天干物质分配到叶片的量，也影响到第二天干物质累积量，而积累的干物质量又决定了潜在产量的高低[9-10]。尽管ORYZA2000模型能模拟水稻生长进程，但该模型无法模拟水稻群体茎蘖的动态变化，也缺乏水稻籽粒灌浆动态模拟。通过模拟群体茎蘖动态可估算有效穗，而模拟籽粒灌浆过程可推算成熟期千粒重，这两个要素恰恰是理论产量计算的重要组分。因此，以现有水稻模型研究为基础，补充和扩展ORYZA2000模型模块，对丰富模型功能和提高模拟精度具有重要的意义。

然而，目前缺乏扩展ORYZA2000模型功能的相关报道。已有的相关研究也多集中在采用数据同化方法，将该模型与遥感数据或遥感反演模型结合模拟区域水稻生长[11-12]。这种方法仅将ORYZA2000模型模拟站点水稻生产的能力拓展到面上或区域上，没有完善模型本身。随着水稻群体茎蘖动态、籽粒灌浆等模型的不断推出和完善，将这些模型与ORYZA2000模型耦合，成为扩展ORYZA2000模型功能的潜在途径。

以水稻群体茎蘖动态模型为例[13-17]，Penning de Vries[18]较早时候就建立了半经验的模型TIL来模拟水稻群体茎蘖动态。该模型将水稻茎蘖生长过程划分为两个阶段，分别模拟茎蘖增长和消亡过程。在TIL模型基础上，Drenth[15]增加了叶片含氮量对茎蘖动态的影响，建立了SINK模型。Dingkuhn等则以茎蘖生长速率与水稻生长速率的线性关系建立RGR模型[19]，与TIL模型和SINK模型比较，简化了群体茎蘖动态的模拟机制[20]。黄耀等[21]建立了具有较强机理性的水稻群体茎蘖动态计算机模拟模型。该模型作为水稻生长模型RCSODS的组成部分[22-23]，同样能够模拟水稻群体茎蘖的增长和消亡。除此以外，该模型的优势还表现在考虑了作物品种特性、栽培技术以及光、温、水、肥等对茎蘖生长的影响，实用性强[21]。近年来，孙成明等[24-25]以Logistic函数为基本方程，构建了能够模拟CO2倍增效应的水稻茎蘖动态模型，适用于研究温室气体浓度增加对水稻茎蘖动态的影响。

考虑到黄耀等[21]建立的水稻群体茎蘖动态模型具有较强的机理性，且易于编程，因此，本文尝试将ORYZA2000模型与该模型进行耦合模拟水稻茎蘖动态。但该群体茎蘖动态模型缺乏独立运行的能力，需要从外部输入水稻发育期进程和生物量等数据，为此，在耦合中利用ORYZA2000模型模拟的结果作为输入数据。最后，利用大田试验数据对耦合模型进行验证，其结果可为ORYZA2000模型的功能扩展和改进提供依据，也可为评估气候变化对作物生长影响的研究提供技术参考[26-27]。

1 材料与方法

1.1 试验资料

2012年4-11月在南京信息工程大学农业气象试验站（32°12′24″N，118°42′17″E）进行大田分期播种试验，供试品种为杂交稻籼稻两优培九和扬稻6号，两品种均作为中晚稻品种种植。试验设5个播期，分别为4月30日、5月10日、5月20日、5月31日和6月10日，其中第1播期的秧龄为30d，第2-4播期的秧龄为25d，第5播期的秧龄为20d。移栽时叶龄平均4.5叶，行距26cm，株距17cm，单株栽插。小区面积为4m×4m，区组设计完全随机，每个品种每个播期设置3个重复。水肥等田间管理按照常规高产田的要求进行。

移栽返青后，选取各小区长势均匀的连续10穴水稻植株进行标记。之后，每7d对标记水稻进行生育期和茎蘖密度观测，直到抽穗期。计算每区每次观测到的10穴茎蘖数据的平均值，乘以移栽密度后得到该小区的群体密度，3个重复的茎蘖密度的平均值即为每个播期的群体茎蘖密度，定义群体茎蘖密度为单位面积水稻群体茎蘖数（条·m-2）。

同期气象资料来自农业气象试验站内的WatchDog小型自动气象站，为小时观测数据，包括太阳辐射、气温和降水量等。

1.2 模型和方法

1.2.1 ORYZA2000模型

ORYZA2000是由国际水稻研究所（IRRI）与荷兰瓦赫宁根大学联合研发的水稻生长模拟模型。该模型以日为时间步长，可动态、定量描述潜在生长、水分限制和氮素限制3种条件下水稻发育、干物质积累和分配及产量形成。

ORYZA2000模型将水稻从出苗至生理成熟分为4个阶段，即基本营养阶段、光周期敏感阶段、穗形成阶段和籽粒灌浆阶段，并用变量DVS（Development Stage）来定量表示。如DVS=0时，为出苗；DVS=0.4时，为光周期敏感始；DVS=0.65代表幼穗分化；DVS=1.0代表抽穗开花；DVS=2.0则表示水稻生理成熟。在不考虑光周期效应时，逐日发育速率（Development Rate，DVR）主要由该日热效应与所处阶段的发育速率常数相乘决定，而DVS为DVR从出苗开始的逐日累积。

在干物质积累和分配方面，ORYZA2000首先采用光效率模型计算瞬时绿叶光合速率，然后运用高斯积分法计算得到全天冠层CO2同化量，再减去呼吸消耗得到净干物质增长量，最后根据所处阶段的分配系数，将净干物质总量按比例分配给地上和地下各生长器官。在模拟产量时，先根据幼穗分化-抽穗开花期间地上部分生物量的增加量估算潜在颖花数，然后与在此期间的高低温影响系数相乘计算实际可形成产量的颖花数量，最后与千粒重相乘估算最终产量。

ORYZA2000模型在运行前需要建立水稻参数文件、试验参数文件、气象数据和土壤参数文件。水稻参数文件中需要进行定标的参数主要有各生育阶段的发育速率常数、干物质分配系数、相对叶面积增长速率、比叶面积系数和茎秆截留系数等。这些系数可通过模型提供的DRATES和PARAM程序优化得到，其它参数则为实测数据或模型自带推荐数值。试验参数文件中主要设置水稻种植方式（移栽或直播）、田间管理措施如播种时间、秧龄、移栽密度、水肥措施等。这些参数值可以依据实际方案来确定，也可通过假设试验情景设定。气象数据文件则主要列出模拟站点经纬度和逐日温度、辐射或日照时数、降水、水汽压和风速数据。当运行模式为水分控制时，还需要结合模拟站点的土壤特性来设置土壤参数文件。

1.2.2 水稻群体茎蘖动态模型

黄耀等[21]建立的水稻群体茎蘖动态计算机模拟模型（简称水稻群体茎蘖动态模型）综合考虑了作物品种、栽培技术和光温条件对水稻群体茎蘖动态的影响，并将其分为茎蘖增长和消亡两个阶段进行模拟。在茎蘖增长阶段，将光、温、水、肥以及竞争生长作用相结合，计算内外部环境对水稻茎蘖增长的影响。其中，光温作用方程采用非线性分段函数表示，水分满足率方程为烤田天数的非线性方程，氮肥满足率由土壤肥力和施氮量决定，自身竞争作用则由品种特性、氮肥水平、移栽基本苗以及秧龄等因素共同确定。当群体茎蘖密度达到最大后，茎蘖增长阶段结束，消亡阶段开始。在消亡阶段，茎蘖消亡量主要由生育进程和干物质积累量决定，同时也受移栽期单株干重、氮素水平以及群体密度的共同影响。

该模型运行需要设定与品种特性有关的参数，如主茎节间数和总叶片数、茎蘖增长阶段的光温特性参数、茎蘖增长系数和消亡系数、最大分蘖率等。除此以外，还要设置初始条件，如移栽期叶龄、移栽期单株干重和移栽基本苗等。对于移栽稻，模型从水稻移栽期开始运行，直至抽穗开花期。最终模拟得到的水稻群体茎蘖数与有效穗数有着密切的关系，能够间接反映潜在的产量性状。

1.2.3 模型耦合

采用单向耦合方案将ORYZA2000模型与水稻群体茎蘖动态模型进行耦合，即将ORYZA2000模拟的逐日发育进程（DVS）和地上部分生物量（WAGT）作为群体茎蘖模型的输入数据，驱动群体茎蘖动态模型模拟。水稻群体茎蘖动态模型最初是作为水稻生长模型RCSODS的子模块而开发的，而RCSODS模型采用不同于ORYZA2000模型的生育期模拟模块来模拟发育进程，因此，为了将其耦合至ORYZA2000模型中，需要对群体茎蘖动态模型中表征发育进程的变量进行调整。本研究模拟茎蘖动态是从移栽开始直至抽穗开花，因此，设定群体茎蘖动态模型中截止于抽穗开花的累计发育生理日变量DPD为1，而逐日累计发育生理日直接调用ORYZA2000模拟的逐日DVS。在消亡阶段，逐日WAGT将输入模型推算光合产物满足率，进而估算逐日茎蘖消亡量。为方便阐述，本研究用ORY-TIL表示耦合后的模型。

1.2.4 参数定标与模型评价

采用ORYZA2000自带的DRATES和PARAMS程序对发育速率常数、干物质分配系数、相对叶面积增长速率、比叶面积系数、茎秆截留系数进行定标。考虑到各个播期水稻生长经历了不同的光温条件，因此，选择第1、第3和第5播期的观测数据作为定标样本，第2和第4播期的数据作为验证样本。利用定标样本中每个播期的水稻观测数据来定标水稻参数值，然后取3个播期水稻参数值的平均值作为待定标参数的最优值。

在ORYZA2000模型参数定标后，再对水稻群体茎蘖动态模型中的参数进行定标。这主要是水稻群体茎蘖动态模型无法独立运行，因此在定标时，模型的逐日发育生理日变量和地上部分生物量的输入来自同播期ORYZA2000模型的输出。同样，选择第1、第3和第5播期所有重复的茎蘖数据作为定标样本。

采用试错法[28]对水稻群体茎蘖动态模型中的茎蘖增长和消亡系数进行定标。在定标过程中，一次仅调整一个参数的值，其它待定标参数值固定。参数调整选择固定步长，为参数值域的1%，选择模拟值与实测值的均方根误差（RMSE）最小时的待定标参数值作为最终结果。模型中的光温特性参数、最大分蘖率、经济系数选用默认值，而主茎节间数、总叶片数和移栽期叶龄、单株干重和基本苗等参数则根据实际水稻生长情况设定。

受观测资料的限制，采用第2和第4播期为验证和模型评价样本，计算实测群体茎蘖密度与模拟结果的相关系数（R）和RMSE，同时对模拟的最高苗与实测最高苗出现的时间误差和数量差异进行比较。

2 结果与分析

2.1 模型参数定标结果

采用定标样本对ORY-TIL模型进行参数定标。定标后，两品种定标样本的群体茎蘖动态模拟值与实测值的相关系数均达到0.99，且通过了0.01水平显著性检验。两优培九和扬稻6号群体茎蘖动态模拟值与实测值的RMES分别为35.4条·m-2和34.2条·m-2。

定标获取的ORYZA2000模型发育速率常数如表1所示。从表中可见，扬稻6号营养生长阶段和产量形成阶段的发育速率常数较两优培九大，而穗形成阶段的发育速率常数较小，表明两品种生育期进程存在一定的生理差异。水稻群体茎蘖动态模型部分参数取值见表2。其中ATLG、ESN、RLGT、YP、EPO、TIRM以及HI根据实际观测资料确定，KTL0和KTL2则通过试错法获取。表2显示，扬稻6号的茎蘖增长系数KTL0和消亡系数KTL2均小于两优培九，反映了不同水稻品种的分蘖特性。

表1 ORYZA2000模型中两个水稻品种发育速率常数的定标结果

注：DVRJ、DVRI、DVRP和DVRR分别为营养生长阶段、光敏感阶段、穗形成阶段和产量形成阶段发育速率。

Note: DVRJ，DVRI，DVRP and DVRR are development rate during juvenile phase, photoperiod-sensltive phase, panicle development phase and reproductive phase, respectively.

表2 水稻群体茎蘖动态模拟模型参数取值

2.2 两个水稻品种发育期和生物量模拟结果

采用验证组观测数据，建立ORYZA2000模型参数文件和气象数据文件，并驱动模型运转，分别得到两品种第2播期和第4播期的逐日DVS和WAGT。从逐日DVS中分别提取DVS=0.65和1.0的日序数，并将其与实测发育期的日序数进行比较。相应的验证统计结果如表3所示。

图1a为两品种各播期2个发育期模拟日序数与实测值的1:1关系图。从图中可以看出，拔节期和抽穗期的模拟值基本散落在1:1线上下较小的范围内。其中，扬稻6号的模拟效果相对较好。统计显示，两优培九拔节期和抽穗期模拟值与实测值的平均误差分别为4d和3.9d，扬稻6号拔节期和抽穗期模拟值与实测值的平均误差分别为2.5d和3.5d。两优培九和扬稻6号生育期模拟值与实测值的RMSE分别为4.2d和3.6d，模型的模拟误差在合理范围之内。

图1b显示了两个播期WAGT模拟值与实测值的比较。在水稻生长前期，两品种WAGT散点大部分落在1:1线上下较小的范围内，而在水稻生长中后期，WAGT散点大多落于1:1线之上，存在一定的高估。由表3可知，两优培九和扬稻6号的 WAGT模拟值与实测值的RMSE分别为63.8g·m-2和63.9g·m-2。其中，两优培九第2播期WAGT模拟值与实测值的RMES为59.7g·m-2，第4播期为69.1g·m-2，第4播期的误差相对较大。扬稻6号第2播期和第4播期WAGT模拟值与实测值的误差分别为66.5g·m-2和42.6g·m-2，第2播期误差相对较大。对实测产量与模拟产量进行比较，其结果显示两优培九和扬稻6号产量的RMSE分别为38kg·hm-2和24kg·hm-2，误差在合理范围之内。上述误差与参数标定中引入的误差以及选用潜在生长模式而忽略病虫害、杂草的影响有关。

2.3 耦合后两个水稻品种群体茎蘖动态模拟结果

图2为两优培九和扬稻6号群体茎蘖动态模拟值与实测值的比较。就群体茎蘖动态变化趋势看，两品种各播期模拟得到的群体茎蘖动态与实际情况基本一致。其中，扬稻6号各播期模拟序列与实测序列基本吻合，两个品种第2播期的模拟结果均好于第4播期。分阶段看，两品种茎蘖增长阶段的模拟精度较高，而消亡阶段模拟值与实测值误差相对较大，且普遍较实测值小，这与ORYZA2000模型高估茎蘖消亡量有关。然而，在接近抽穗开花期，群体茎蘖密度模拟值与实测值误差减小。

表3 拔节期和抽穗期(JAH)以及地上生物量（WAGT）模拟值与实测值的比较

Table 3 Evaluation of the simulation accuracy for weight of above-ground biomass (WAGT) during jointing and heading stage(JAH)

表3 拔节期和抽穗期(JAH)以及地上生物量（WAGT）模拟值与实测值的比较

扬稻6号Yangdao 6两优培九Liangyoupeijiu RRMESRRMES JAH(d)0.99**3.60.97**4.2 WAGT(g·m-2)0.99**63.90.98**63.8

注：*、**分别表示相关系数通过0.05、0.01水平的显著性检验。下同。

Note:*is P＜0.05，**is P＜0.01.The same as below.

注：LYPJ代表两优培九；YD6代表扬稻6号；“-2”代表第2期，“-4”代表第4期

Note:LYPJ and YD6 represent Liangyoupeijiu and Yangdao 6, respectively; “-2” and “-4” stand for the second and the forth seeding treatment

就最大群体茎蘖密度的模拟看，两品种最大群体茎蘖密度的模拟结果存在明显的播期差异。两优培九第2播期的模拟值与实测值误差为14条·m-2，而第4播期误差相对偏大，为39条·m-2。扬稻6号第2播期的模拟值与实测值误差为11条·m-2，第4播期同样误差相对较大，为40条·m-2。同时，模拟的最大群体茎蘖密度也表现出了明显的播期差异。两优培九第4播期最大群体茎蘖密度模拟值为394.9条·m-2，而第2播期为362.1条·m-2。扬稻6号最大群体茎蘖密度第4播期为302.4条·m-2，第2播期为288.2条·m-2。模拟结果表现出了两个品种的不同分蘖特性。

两个品种最大群体茎蘖密度模拟出现的时间早于实测时间。该要素出现的时间早晚主要反映增长阶段茎蘖生长速率的快慢，这与增长阶段光温要素环境、实际大田水肥条件和田间管理有密切关系。当环境条件适宜时，茎蘖增长最快，能够达到潜在最大群体茎蘖密度。当然，水稻群体茎蘖动态的模拟还与输入的DVS有关。因此，模拟误差主要来自两个方面，一是DVS的模拟误差，二是模型忽略了实际水稻群体茎蘖生长过程受到的不利环境。

图3显示了两个品种水稻群体茎蘖数模拟值与实测值的对比。由图可见，随着群体茎蘖数的增大，误差也有增加趋势。相对于扬稻6号，两优培九的模拟值整体较实测值偏低。对两个品种群体茎蘖动态模拟序列与实测序列的相关分析表明，两个品种群体茎蘖动态模拟序列与实测序列的相关系数均为0.98，且均通过了0.01水平的显著性检验。另外，对两品种群体茎蘖动态模拟序列与实测序列的误差计算结果显示，两优培九和扬稻6号的RMSE分别为34.9条·m-2和24.3条·m-2，表明扩展了茎蘖动态模拟能力的ORYZA2000模型能较好地模拟水稻群体茎蘖动态。

3 结论与讨论

3.1 讨论

研究结果显示，ORY-TIL模型能够较好地模拟两个水稻品种不同播期的茎蘖动态，这主要得益于两模型都具备良好的扩展性，且在模拟水稻生长要素上均具有较高精度。由于未能获得RCSODS模型的运算数据，无法就此次观测数据对ORY-TIL和RCSODS模型进行比较。但从已有结果看，ORY-TIL模型模拟的两优培九和扬稻6号群体茎蘖动态平均误差分别为26.5条·m-2和19.4条·m-2，最大群体茎蘖密度的平均误差分别为27.5条·m-2和25.5条·m-2，模拟效果良好。

ORY-TIL模型采用单向耦合方案，即以一个模型的输出作为另一个模型的输入变量将两个模型联系起来。这种方案简化了模型之间的耦合关系，运行效率高，但存在误差传递的问题。例如，在茎蘖消亡阶段，ORYZA2000模型明显高估了水稻地上部分生物量，导致水稻群体茎蘖动态模型中的群体光合产物满足率PHF值偏高。由于逐日茎蘖消亡量是PHF的函数，PHF值越大，茎蘖消亡量越低，表明在该阶段水稻光合产物充裕，减缓了茎蘖消亡，因此，从模拟结果看，两品种水稻茎蘖消亡阶段模拟值普遍偏小。周劲松等[29]研究显示，光温条件也会影响茎蘖消亡，但本研究未考虑此因素的作用。

另外，水稻生育期的模拟误差会影响最大群体茎蘖密度的模拟。温度既是影响生育期进程的主导因子，也是影响茎蘖动态的关键要素[30-34]。本研究将温度对两者的作用视为相互独立，两个模型分别采用不同的温度响应方程和不同界限温度值（上下限和最适温度），因此，模拟的水稻发育进程可能与茎蘖生长进程存在异步问题，如模拟的水稻发育进程偏快，导致茎蘖增长阶段提前结束，使模拟的最大群体茎蘖密度比实测值偏小。因第4播期两个水稻品种分蘖期正处于温度偏高的时段，这种现象在该期表现明显。相对于扬稻6号，两优培九模拟最大群体茎蘖密度明显较大，这主要与水稻品种的分蘖特性差异有关。

受资料限制，ORY-TIL模型还有待进一步验证和完善。但从已有的结果看，本文实现了初步的设想，即将OYRZA2000模型通过耦合实现其功能的扩展。然而，单向耦合是一种简单的耦合策略，在后续研究中，将尝试通过双向耦合或交互耦合，对ORYZA2000模型进行功能的扩展[35-36]。

3.2 结论

水稻生长模型ORYZA2000缺乏水稻群体茎蘖动态、籽粒灌浆动态和叶龄动态等水稻生长要素的模拟能力。本文以水稻群体茎蘖动态模拟为例，将RCSODS模型中的水稻群体茎蘖动态模型提取出来，通过单向耦合方法，与ORYZA2000模型连接，将其作为水稻生长模型的子模块，实现ORYZA2000模型功能的扩展。耦合后，在对模型参数定标的基础上，ORY-TIL模型模拟的水稻群体茎蘖动态与实测情况基本一致，误差主要出现在最大群体茎蘖密度和消亡阶段群体茎蘖密度的模拟上。这些问题可尝试调整两模型中的温度响应函数和提高ORYZA2000模型的光合产物模拟精度来解决。然而，受到观测资料的限制，耦合方法的适用性和可靠性还有待进一步检验，但该方法可为后续的叶龄动态和籽粒灌浆动态模型与ORYZA2000模型的耦合提供技术参考。

参考文献References

[1]薛昌颖,杨晓光, Bouman B A M,等.ORYZA2000模型模拟北京地区旱稻的适应性初探[J].作物学报,2005,3(12): 1567-1571.

Xue C Y,Yang X G,Bouman B A M,et al.Preliminary approach on adaptability of ORYZA2000 Model for aerobic rice in Beijing region[J].Acta Agronomica Sinica,2005,31(12): 1567-1571.(in Chinese)

[2]薛昌颖,杨晓光,邓伟,等.利用ORYZA2000模型分析北京地区旱稻产量潜力及需水特征[J].作物学报,2007,33(4): 625-631.

Xue C Y,Yang X G,Deng W,et al.Yield potential and water requirement of aerobic rice in Beijing analyzed by ORYZA2000 Model[J].Acta Agronomica Sinica,2007,33(4): 625-631.(in Chinese)

[3]薛昌颖,杨晓光,陈怀亮,等.基于ORYZA2000模型的北京地区旱稻适宜播种期分析[J].生态学报,2010, 30(24):6970- 6979.

Xue C Y,Yang X G,Chen H L,et al.Determining suitable sowing dates for aerobic rice in Beijing area using the ORYZA2000 model[J].Acta Ecologica Sinica,2010,30(24): 6970-6979.(in Chinese)

[4]石春林,冯慧慧,金之庆,等.水稻发育期模型的比较[J].中国水稻科学,2010,24(3):303-308.

Shi C L,Feng H H,Jin Z Q,et al.Comparison of phasic development models in rice[J].Chinese Journal of Rice Science,2010,24(3):303-308.(in Chinese)

[5]杨沈斌,申双和,赵小艳,等.气候变化对长江中下游稻区水稻产量的影响[J].作物学报,2010,36(9): 1519-1528.

Yang S B,Shen S H,Zhao X Y,et al.Impacts of climate changes on rice production in the middle and lower reaches of the Yangtze River[J].Acta Agronomica Sinica,2010,36(9): 1519-1528.(in Chinese)

[6]冯利平,莫志鸿,黄晚华,等.湖南省季节性干旱对双季稻生长及产量影响的模拟研究[J].作物学报,2011, 37(5):895-902.

Feng L P,Mo Z H,Huang W H,et al.A simulated study on the effects of seasonal drought on growth and yield of double cropping rice in Hunan Province[J].Acta Agronomica Sinica,2011,37(5):895-902.(in Chinese)

[7]莫志鸿,冯利平,邹海平,等.水稻模型ORYZA2000在湖南双季稻区的验证与适应性评价[J].生态学报,2011,31(16): 4628-4637.

Mo Z H,Feng L P,Zou H P,et al.Validation and adaptability evaluation of rice growth model ORYZA2000 in double cropping rice area of Hunan province[J].Acta Ecologica Sinica,2011,31(16):4628-4637.(in Chinese)

[8]冯跃华,黄敬峰,陈长青,等.基于ORYZA2000模型模拟贵阳地区一季中稻的适应性初探[J].中国农学通报,2012, 28(9):26-32.

Feng Y H,Huang J F,Chen C Q,et al.Preliminary approach on adaptability of ORYZA2000 Model for single cropping rice in Guiyang region[J].Chinese Agricultural Science Bulletin,2012, 28(9):26-32.(in Chinese)

[9]Bouman B A M,Kropff M J,Tuong T P,et al.ORYZA2000: modeling lowland rice[M].Los Banos: International Rice Research Institute,2001:1-158.

[10]Bouman B A M,Kropff M J,Tuong T P,et al.ORYZA2000: modeling lowland rice[R]. Philippines:International Rice Research Institute,and Wageningen:Wageningen University and Research Centre,2004:1-235.

[11]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.

Huang J F,Chen L,Wang X Z.Sensitivity of rice growth model parameters and their uncertainties in yield estimation using remote sensing date[J].Transactions of the CSAE, 2012,28(19):119-129.(in Chinese)

[12]郭建茂,李旭杰,郑腾飞,等.基于遥感信息与水稻模型相结合对镇江地区水稻种植面积与产量的估测[J].中国农学通报,2012,28(29):299-304.

Guo J M,Li X J,Zhen T F,et al.Research for integration of remote sensing information and rice model on rice acreage and estimate production in Zhenjiang yield[J].Chinese Agricultural Science Bulletin,2012, 28(29):299-304.(in Chinese)

[13]蒋德隆.水稻分蘖与光、温条件关系的统计模式[J].植物学报,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)

[14]王夫玉,黄丕生.水稻群体茎蘖消长模型及群体分类研究[J].中国农业科学,1997,30(1):57-64.

Wang F Y,Huang P S.Study on Basic Dynamic Model for stem and tiller growth and population classification in rice[J].Scientia Agricultura Sinica,1997,30(1):57-64.(in Chinese)

[15]钟旭华,彭少兵,Sheehy J E,等.水稻群体成穗率与干物质积累动态关系的模拟研究[J].中国水稻科学,2001,15 (2):107-112.

Zhong X H,Peng S B,Sheehy J E,et al.Relationship between productive tiller percentage and biomass accumulation in rice (L):a simulation approach[J].Chinese Journal of Rice Science,2001, 15(2):107-112.(in Chinese)

[16]孟亚利,曹卫星,柳新伟,等.水稻茎蘖动态的模拟研究[J].南京农业大学学报,2003,26(2):1-6.

Meng Y L,Cao W X,Liu X W,et al.Simulation on the tiller dynamic in rice[J].Journal of Nanjing Agricultural University, 2003,26(2):1-6.(in Chinese)

[17]严定春,朱艳,曹卫星,等.水稻群体生长指标动态的知识模型研究[J].中国农业科学,2005,38(1): 38-44.

Yan D C,Zhu Y,Cao W X,et al.A knowledge model for design of suitable dynamics of growth index in rice[J].Scientia Agricultura Sinica,2005,38(1):38-44.(in Chinese)

[18]Penning de Vries F W T. Simulation of ecophysiological processes of growth in several annual crops[M].Int. Rice Res.Inst.,1989:1-200.

[19]Dingkuhn M,Schnier H F,Datta S K D,et al.Relationships between ripening-phase productivity and crop duration, canopy photosynthesis and senescence in transplanted and direct-seeded lowland rice[J].Field Crops Res,1991,26(91): 327-345.

[20]Zhong X H,Peng S B,Sheehy J E,et al.Parameterization, validation and comparison of three tillering models for irrigated rice in the tropics,plant prod[J].Science,1999,2(4): 258-166.

[21]黄耀,高亮之,金之庆,等.水稻群体茎蘖动态的计算机模拟模型[J].生态学杂志,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)

[22]高亮之,金之庆.RCSODS:水稻栽培计算机模拟优化决策系统[J].农业网络信息,1993,(3):14-20.

Gao L Z,Jin Z Q.RCSODS:rice cultivation computer simulation optimization decision system[J].Agriculture Network Information,1993,(3):14-20.(in Chinese)

[23]高亮之,金之庆,黄耀,等.水稻计算机模拟模型及其应用之一:水稻钟模型-水稻发育动态的计算机模型[J].中国农业气象,1989,(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,(3):3-10.(in Chinese)

[24]孙成明,庄恒扬,杨连新,等.FACE水稻茎蘖动态模型[J].应用生态学报,2006,17(8):1448-1452.

Sun C M,Zhuang H Y,Yang L X,et al.Dynamic model of rice tiller in FACE[J].Chinese Journal of Applied Ecology, 2006,17(8):1448-1452.(in Chinese)

[25]孙成明,庄恒扬,杨连新,等.开放式空气CO2浓度增高对水稻茎蘖动态影响的模拟研究[J].农业环境科学学报, 2006,25(5):1122-1126.

Sun C M,Zhuang H Y,Yang L X,et al.Simulation study on effects of free-air CO2enrichment (FACE) on tiller dynamic of rice[J].Journal of Agro-Environment Science,2006, 25(5):1122-1126.(in Chinese)

[26]赵俊芳,郭建平,张艳红,等.气候变化对农业影响研究综述[J].中国农业气象,2010,31(2):200-205.

Zhao J F,Guo J P,Zhang Y H,et al.Advances in research of impacts of climate change on agriculture[J]. Chinese Journal of Agrometeorology,2010,31(2):200-205.(in Chinese)

[27]孙卫国,程炳岩,杨沈斌,等.区域气候变化对华东地区水稻产量的影响[J].中国农业气象,2011, 32(2):227-234.

Sun W G,Cheng B Y,Yang S B,et al.Impact of the regional climate variations on rice yield in East China[J].Chinese Journal of Agrometeorology,2011,32(2):227-234.(in Chinese)

[28]江敏,金之庆.CERES-Rice模型区域应用中遗传参数升尺度的一种方法[J].中国水稻科学,2009, 23(2):172-178.

Jiang M,Jin Z Q.A method to upscale the genetic parameters of CERES-Rice in regional applications[J]. Chinese Journal of Rice Science,2009,23(2):172-178.(in Chinese)

[29]周劲松,梁国华.水稻分蘖性状的分子遗传研究进展[J].江西农业学报,2006,18(1):80-84.

Zhou J S,Liang G H.Advances in molecular genetics of tillering characters in rice[J].Acta Agriculturae Jiangxi,2006, 18(1):80-84.(in Chinese)

[30]梁康迳,林文雄,王雪仁,等.籼型三系杂交水稻茎蘖数的发育遗传研究[J].中国农业科学,2002,35(9): 1033-1039.

Liang K J,Lin W X,Wang X R,et al.Studies on developmental genetics of the tiller numbers in three-line Indica hybrid rice[J].Scientia Agricultura Sinica,2002,35(9): 1033-1039.(in Chinese)

[31]Xu Y B,Shen Z T.Diallel analysis of tiller number at different growth stages in rice (L)[J].Theoretical and Applied Genetics,1991,83(2):243-249.

[32]刘杨,王强盛,丁艳锋,等.水稻分蘖发生机理的研究进展[J].中国农学通报,2011,27(3):1-5.

Liu Y,Wang Q S,Ding Y F,et al.Advances in mechanisms of tiller occurs in rice[J].Chinese Agricultural Science Bulletin,2011,27(3):1-5.(in Chinese)

[33]Huang M,Zou Y B,Jiang P,et al.Relationship between grain yield and yield components in super hybrid rice[J]. Agricultural Sciences in China,2011,10(10):1537-1544.

[34]Pasuquin E,Lafarge T,Tubana B.Transplanting young seedlings in irrigated rice fields:early and high tiller production enhanced grain yield[J].Field Crops Research, 2008,105(1):141-155.

[35]Han M,Zhao C,Šimůnek J,et al.Evaluating the impact of groundwater on cotton growth and root zone water balance using Hydrus-1D coupled with a crop growth model[J].Agricultural Water Management,2015, 160:64-75.

[36]李妍.基于WOFOST-HYDRUS耦合模型的玉米遥感估产研究[D].兰州: 兰州大学,2012.

Li Y.Study on maize yield estimation using remote sensing technology integrated with coupled WOFOST and HYDRUS models[D].Lanzhou:Lanzhou University,2012.

Coupling the Dynamic Tillering Model to Rice Growth Model ORYZA2000 to Simulate Rice Tillering

YANG Shen-bin, CHEN De, WANG Meng-meng, HUANG Wei, JIANG Xiao-dong

(Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters/Jiangsu Key Laboratory of Agricultural Meteorology, Nanjing University of Information Science & Technology, Nanjing 210044, China)

This paper takes the simulation of rice tillering as an example to examine the possibility of extending the functions of ORYZA2000 by coupling rice tillering models. To achieve this, the Dynamic Tillering Model was selected and then coupled with ORYZA2000 using one-way coupling method. With this method, the Dynamic Tillering Model accepts daily outputs from ORYZA2000 without any feedback from the tillering model. Here, ORY-TIL is used to represent the coupled model for easy description. In order to examine the reliability and accuracy of the ORY-TIL model, tillering observations from rice seeding experiments for two rice varieties (i.e. Liangyoupeijiu and Yangdao 6) in 2012 were used. With the data, key parameters in ORY-TIL model were first calibrated, and then the model was used to simulate the rice tillering for the second seeding and the forth seeding experiments for evaluation. The results showed that the coupled model was not only able to simulate rice development, above-ground biomass and yield, but also was able to simulate the dynamic of rice tillering with acceptable accuracy. The correlation coefficients between simulated and measured rice development, above-ground biomass and tillering were all above 0.95, significant at the 0.01 probability level, for both Yangdao 6 and Liangyoupeijiu. Meanwhile, the root mean square error for the simulated tillering were 24.3till·m-2and 34.9till·m-2for Yangdao 6 and Liangyoupeijiu respectively. Large discrepancy between simulate and measured rice tillering was in the decreasing phase of the tillering. In conclusion, the ORY-TIL model with one-way coupling scheme shows a good performance in the simulation of rice tillering, which can be taken as a practical reference for extension of rice growth models.

Crop model; Hybrid rice; Assimilation method; Field experiment

10.3969/j.issn.1000-6362.2016.04.006

2015-11-26

国家公益性行业(气象)科研专项(GYHY201306036；GYHY201306035；GYHY201506055)；国家“十二五”科技支撑计划项目(2011BAD32B01)；江苏高校优势学科建设工程项目(PAPD)

杨沈斌（1981-），博士，副教授，主要研究方向为应用气象。E-mail：jaasyang@163.com