2种水稻生长模型比较

浩宇

摘要[目的]比较ORYZA2000和WOFOST 2种模型对江西省水稻生长的模拟效果。[方法]利用江西省当地田间试验观测数据，收集水稻的关键参数，同时结合同期逐日气象数据等资料分别对ORYZA2000和WOFOST 2种模型进行比较。采用适应性评价对水稻多个生理指标进行评价与验证。[结果] 以统一化均方根误差（NRMSE）来衡量作物模型的模拟结果，ORYZA2000模型模拟结果显示水稻各生物量的NRMSE值小于25%，而WOFOST模型对叶面积指数及穗生物量模拟偏差较大，分别为46%和55%。[结论] ORYZA200在穗生物量和叶面积指数的模拟中比WOFOST模型模拟效果较好。

关键词作物模型；田间数据；调试参数；适应性评价

中图分类号S511文献标识码A文章编号0517-6611（2017）11-0019-04

Abstract[Objective]To compare simulation effect of two kinds of rice growth model in Jiangxi Province.[Method] By the local field experimental observation data and meteorological data at the same period，the ORYZA2000 and WOFOST model parameters were compared.The growth period，the leaf area index and the biomass index were verified and evaluated.[Result]Measuring simulation effat of crop model with NRMSE，the biomass NRMSE value were less than 25% from ORYZA2000 model，and the NRMSE value of LAI and dry weight was 46% and 55% from WOFOST，which the deflection was larger.[Conclusion] Simulation effect of ORYZA2000 in spike biomass and leaf area index is better than that of WOFOST model.

Key wordsCrop model；Field data；Parameters calibration；Adaptability evaluation

作物生長模型作为新兴农业研究领域的重要工具，不仅能帮助人类加强对于农业生产系统的认知水平，还能比较不同试验点结果的差异性[1-4]。作物生长模型发展迅速，已成为农业规划、作物产量预测的重要工具，同时也为研究气候变化对作物生长的影响提供了便利。我国对作物生长模型的研究始于20世纪末期，由于引入较晚，普及不够，导致研究及应用水平较低，近年来我国进一步引入多种作物生长模型开展研究。通过采集大田数据及水稻生物量数据，带入逐日天气数据，驱动作物生长模型，并以实测数据进行参数校准，比较实测值及模拟值的差异，对比引入的2种作物模型的差异，为选择更为恰当的模型提供依据。

ORYZA2000水稻模型是国际上应用较为广泛的水稻模型，该模型的主导研究单位为荷兰瓦赫宁根大学。ORYZA2000模型的特点是以日为单位作为模型的时间步长，通过多个模型模块对水稻的发育生产水平进行评估，同时也允许研究者在不同限制条件下进行定量研究[5]。李亚龙等[6]在水肥耦合的基础上进行了ORYZA2000模型的参数调整，帅细强等[7]研究了双季稻区该模型的应用，冯跃华等[8]研究了贵阳地区作物模型的适应性。

WOFOST模型同样是一个具有代表性的作物模型，其研究单位也是荷兰瓦赫宁根大学。WOFOST模型的特点是动态解释性模型，其能够模拟作物种类更多，可以对作物的生长发育过程在特定的土壤和气候条件下进行一年生长模拟[9]。我国已有利用WOFOST模型模拟不同气象条件下玉米产量的研究[10]，以及利用该模型评价冬小麦的生产潜力[11]。笔者基于田间试验，对江西省2种水稻生长模型进行了比较。

1数据来源与研究方法

1.1数据来源采用3个不同播期，同一品种进行3次重复，水稻育苗期为30～35 d。引入早、中、晚3个播期作为试验的差异性区分，且间隔10 d。采集不同发育期的水稻叶片，测量其叶面积指数，采集各个发育期的水稻器官，测量其鲜重及干重等。收集试验期间的逐日气象数据以及相应的土壤数据等。

1.2模型参数确定与检验方法

1.2.1模型参数确定。作物模型的运行首先要建立各个文件库，包括天气数据文件、作物数据文件以及模型处理数据文件，各个文件库包含影响文件库的参数。如将观测得到的不同生育期数据输入，发育速率可以通过模型所带的DRATE.EXE计算得到，而模型自带的PARAM.EXE可以为一些关键参数的修改提供参考。对模型进行本地化过程中需要修改一些参数，包括干物质分配系数、叶片相对生长速率及最大粒重等[12]。

1.2.2模型检验方法。以图形作为直观判断，进行总体定性评价，以统计指标对模型进行定量化评价。该研究采用的统计指标有确定系数、均方根误差（RMSE）及归一化均方根误差（NRMSE）等。均方根误差和统一化均方根误差的计算公式：

将2011年的观测数据用于模型模拟的验证，比较模型模拟结果与2011年观测数据的结果，分析水稻发育期、生物量及产量[14]。将模拟结果与实测结果进行统计分析，得到均方根误差与统一化均方根误差，对统计结果进行分析。

2结果与分析

2.1模型参数校准2种作物模型的水稻生长发育期用常数表示，即DVS（development stage），DVS=0表示出苗期，DVS=0.65表示幼穗分化期，DVS=1.00表示开花期，DVS=2.00表示成熟期[15]。其中，模型DVS为0～0.40是营养生长期，对应我国水稻生产中常用的秧苗—拔节期，DVS为040～0.65是光周期敏感期，对应拔节—穗分化期，穗分化—抽穗期的DVS为0.65～1.00，抽穗—成熟期的DVS为1.00～2.00。ORYZA2000和WOFOST模型参数调整见表1。

2.22种模型模拟结果对比通过对2种模型校准，带入2011年天气、土壤数据，输出模型结果，并对模型模拟的生物量及叶面积指数进行检验。

2.2.1叶生物量。由图1可知，ORYZA2000模型点的散布相比WOFOST更加密集，总体分布于1∶1线及+SD线之上，说明模拟值大于实测值。而WOFOST的模拟结果相对分散，点分布于1∶1线及SD两侧。注：实线为1∶1线；虚线为正负标准差线 （±SD）

2.2.2茎生物量。由图2可知，ORYZA2000模拟值偏大，点分布于1∶1线及SD线上。而WOFOST对实测值的模拟结果较好，点分布于1∶1线及SD线两侧。对茎生物量的模拟，WOFOST优于ORYZA2000。

2.2.3穗生物量。由图3可知，2个模型对穗生物量模拟结果较为相似，ORYZA2000总体上更接近1∶1线及SD线。注：实线为1∶1线；虚线为正负标准差线 （±SD）

2.2.4地上总生物量。由图4可知，ORYZA2000模型与WOFOST模型中点接近1∶1线及SD线周围，2个模型的点分布较密集。

2.2.5叶面积指数。由图5可知，ORYZA2000模型模拟结果显示出较高的一致性，而WOFOST模型的叶面积指数模拟结果出现较大偏差。

2.3模型统计评价2种模型的实测值与模拟值的评价结果见表2。由表2可知，2种模型对水稻穗、茎生物量的模拟较差，而对总生物量的模拟较好。总体而言，ORYZA2000模型的总生物量接近实测值。叶、茎、穗及地上生物量的NRMSE分别为19%、20%、20%、15%。WOFOST模型的模拟值与实测值的回归曲线基本斜率为1.0，表明两者误差较小，茎生物量的模拟较为接近实测值，而穗生物量及叶生物量模拟误差较大。叶、茎、穗及地上生物量的NRMSE分别为23%、16%、46%、17%。

2.3.1叶面积指数评价。2种模型模拟的叶面积指数与实测值基本趋于一致，能较好地反映该品种水稻叶面积指数的变化动态。t检验表明，2种模型均无显著差异，但WOFOST模型模拟值与回归值的决定系数为0.85，且ORYZA2000模型的归一化均方根误差为25，远小于WOFOST模型的55，因此，在对叶面积指数的模拟上，ORYZA2000模型较为准确。

2.3.2生物量评价。由图1～4可知，模拟的地上部分总生物量及各器官生物量动态变化与实测值趋于一致，2种模型均能很好地反映水稻生物量的变化动态。由表2可知，WOFOST和ORYZA2000 2种模型对各自模拟生物量的模拟值与实测值都较接近。二者间的P>0.5，无显著差异。WOFOST模型中穗生物量的归一化均方根误差值较大，为46%，大于30%，不如其他量的模拟准确，叶生物量、茎生物量及地上总生物量的NRMSE分别为23%、16%、17%。α都较为接近1000，R2大部分大于0.80，表明大部分模拟量的模拟误差在合理范围内，但叶生物量和叶面积指数值模拟欠精确。

α代表ORYZA2000的模拟值与实测的吻合程度，α紧密分布在1∶1线周围，表明模拟结果与实测结果吻合度较高。P<0.5，模拟值与实测值无显著差异。各生物量的归一化均方根误差均小于25%，R2均大于0.90，显示出极好的模拟性能。

3结论与讨论

3.1结论该研究通过江西省南昌市观测站点的水稻观测资料與逐日气象数据对2种水稻生长模型进行模拟，并调整参数，确定了该水稻品种的关键性参数。然后进行了叶面积指数、各器官生物量与总生物量的模拟验证与适应性评价，定性定量地比较了2种模型。结果表明，①WOFOST和ORYZA2000 2种模型对生物量的模拟值与实测值接近。二者的P>0.5，无显著差异。WOFOST模型模拟的穗生物量归一化均方根误差值较大，为46%，大于30%，叶生物量、茎生物量及地上总生物量的NRMSE分别为23%、16%、17%。α都较接近1000，R2大部分大于0.80；ORYZA2000模型的模拟结果与实测值较为接近。P<0.5，模拟值与实测值无显著差异。各生物量的归一化均方根误差均小于25%，R2均大于0.90。②WOFOST模型模拟值与实测值的决定系数为0.85，ORYZA2000模型模拟值与实测值的决定系数为0.96，且ORYZA2000模型的归一化均方根误差为25%。

各作物变量以及最终实测值一致性均很好，模型能准确地反映江西省该品种水稻生长发育情况。综合比较发现，ORYZA2000模型在穗生物量和叶面积指数的模拟中比WOFOST模型模拟效果较好。

3.2讨论作物模型可以较好地解释气候、土壤等环境因素与生产管理措施对生物进程及产量的影响，具有较强的机理性。模型和参数的本地化对提高模拟准确性至关重要，但由于农业系统的复杂性，作物模型尚难以完全反映其所有的过程与关系，模拟结果与实测结果仍有一定偏差，有待进一步改进。今后研究着重在各个模型的参数调整及适应性评价上，在此基础上研究模型的区域化及参数区域化。

参考文献

[1] LOOMIS R S，WILLIAMS W A.Maximum crop productivity：An estimate[J].Crop science，1963，3（1）：67-72.

[2] 尹云鹤.中国干湿状况变化与生态地理区域对气候变化的响应[D].北京：中国科学院研究生院，2006：35-38.

[3] JING Q，BOUMAN B A M，HENGSDIJK H，et al.Exploring options to combine high yields with high nitrogen use efficiencies in irrigated rice in China[J].European journal of agronomy，2007，26（2）：166-177.

[4] RABBINGE R，LATESTEIJN H C.Longterm options for land use in the European community[J].Agricultural systems，1992，40（1/2/3）：195-210.

[5] DIZON M A，GINES H C，REDULIA C A，et al.Effects of transplanting practices on rice yield components [J].Phil J Crop Sci，1996，19（1）：1-76.

[6] 李亚龙，崔远来，李远华.水-氮联合限制条件下对水稻生产模型 ORYZA2000 的验证与评价[J].灌溉排水学报，2005，24（1）：28-32.

[7] 帅细强，王石立，马玉平，等.基于水稻生长模型的气象影响评价和产量动态预测[J].应用气象学报，2008，19（1）：71-81.

[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.

[9] SUPIT I，HOOIJER A A，VAN DIEPEN C A.System description of the WOFOST 6.0 crop simulation model implemented in CGMS[M].Brussels：Jiont Research Centre EC，1994：144-145.

[10] 陳振林，张建平，王春乙，等.应用 WOFOST模型模拟低温与干旱对玉米产量的综合影响[J].中国农业气象，2007，28（4）：440-442.

[11] 王涛，吕昌河，于伯华.基于WOFOST模型的京津冀地区冬小麦生产潜力评价[J].自然资源学报，2010，25（3）：475-486.

[12] BOUMAN B A M，VAN LAAR H H.Description and evaluation of the rice growth model ORYZA2000 under nitrogenlimited conditions[J].Agricultural systems，2006，87（3）：249-273.

[13] GAUCH H G J R，HWANG J T G，FICK G W.Model evaluation by comparison of modelbased predictions and measured values[J].Agronomy journal，2003，95（6）：1442-1446.

[14] 高亮之，金之庆，黄耀，等.水稻栽培计算机模拟优化决策系统[M].北京：中国农业科技出版社，1992.

[15] 屈晓芳.节水灌溉下旱稻水肥利用研究及 ORYZA2000 模型的应用[D].武汉：华中农业大学，2005.