CropSyst模型在区域冬小麦产量模拟中的应用

黄 青 ，陈仲新，刘 航，滕 飞

（中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室，北京100081）

0 引言

随着信息技术和计算机模拟技术的日益发展，能定量、动态地描述农作物生长发育过程及作物与环境相互作用关系的作物模拟模型已经成为作物生产力模拟、作物产量预测的重要工具[1]。CropSyst模型1992年由美国华盛顿大学开发，可进行多年、多作物且以日为模拟步长的作物生长和发育过程的系统模拟。CropSyst模型模拟气候、土壤、不同水肥条件及管理措施等对作物生产力的影响，是国外应用较广泛的作物模型之一[2-5]，可是由于其参数复杂，模型在中国范围内的应用研究还比较少见。2008年，欧盟MARS（Monitoring Agriculture with Remote Sensing）农业监测项目组开发了一个以作物模拟为目的的生物物理模型应用平台Biophysical model application，简称BioMa[6-7]。该应用平台基于独立的模型组分，对每一个模型组分都提供独立的算法代码及独立的软件开发包。BioMa这种基于组分的结构使得其可以为了某一特定的模拟目标而综合利用分散的、独立的模型模块。其目的是在空间数据和属性数据的支持下，基于大量的生物物理模型，寻求、分析并运行最优的、综合的模型解决方案。BioMa可以不断加入新的模块、根据需要组合成新的模型解决方案，同时每个模型解决方案又嵌入模型参数敏感性分析（Sensitivity Analysis）和模块优化选择器（Optimizer）等[8-10]。2014年，BioMa在其最新的版本中嵌入了CropSyst模型，并根据平台对模型结构和参数进行了调试。但嵌入BioMa中的改进型作物模型Cropsys，其初始化的模型参数在中国的适用性如何，还未见有公开的研究报告。文章基于冬小麦主产区河北省衡水市11个县（市）的实测数据，对模型在中国华北地区的适用性进行研究。

1 研究区概况和实验数据

1.1 研究区概况

黄淮海平原是中国冬小麦主产区。研究区位于黄淮海平原区内的河北省衡水市的11个县（市），地理位置为北纬37.03°～38.23°，东经115.10°～116.34°。南北最长距离125.3km，东西最宽距离98.1km，行政区面积达8 815km2（图1）。衡水市皆为平原区，地势平坦。平均海拔为12～30m。该区属于温带半湿润季风气候，平均气温13℃，大于0℃积温 4 200 ～ 5 500℃，年累积辐射量约为 5.0×106～ 5.2×106kJ/m2，无霜期为 170 ～ 220d，年降水量平均为500 ～ 600mm。农业气候资源较丰富，但是自然灾害也频频发生，干旱、冰雹、洪涝、低温、大风等，常给农业生产造成一定影响。衡水市土壤大多为壤土、沙壤土、黏性土，适应于多种农作物的生长。主要粮食作物为冬小麦、夏玉米，一年两熟轮作制度[11-12]。

图1 研究区及采样点Fig.1 Study area and the field samples location

1.2 实验数据及预处理

1.2.1 气象数据

从中国气象科学数据共享网（http：//cdc.cma.gov.cn/）下载2011—2014年全国756个站点数据，包括每日最高气温、最低气温、平均气温、相对湿度、平均大气压、太阳辐射、日照时数、风速和降水量（3个完整周期2011/2012、2012/2013、2013/2014），太阳辐射数据基于纬度、日最低气温和最高气温用Hargreaves模型计算得到[13]。全国气象站点数据在ArcGIS中插值成5km×5km数据。然后截取研究区2011年9月至2014年6月冬小麦生育期内气象数据，提取格网内属性值，所有气象数据标准化后输入BioMa平台。

1.2.2 作物、土壤和管理数据

包括衡水市桃城区、冀州、枣强县、武邑、深州、武强、饶阳、安平、故城、景县、阜城11个县（市）11个实测样点的经纬度信息、海拔高度、轮作信息、冬小麦关键生育期（播种期、出苗期、开花期、收获期）、各物候期各点的叶面积指数（LAI-2000）、地上生物量（干物质）和最后产量（样方实测）、灌溉信息（咨询农户）、土壤类型、土壤参数等。所有数据标准化处理后输入BioMa模型。

表1 研究区样点信息及调查起始时间Table 1 Sample information of study area and investigation start/end time

2 研究方法

2.1 CropSyst模型中生长度日的计算

CropSyst模型在天气数据驱动下完成作物生长发育模拟，模型运行中，要调用气象、土壤、灌溉管理、作物信息等系列数据进行运算。温度是作物生长发育最重要的驱动变量之一。利用平均冠层温度模拟光合作用和叶片老化的热限制。在作物发育过程中，计算基准温度与界值温度之间的积温。在播种—出苗和出苗—生理成熟期，可以设定不同的温度值。通过将生长度日数（growing degree-days，GDDs）转换为从0.00～2.00（分别为出苗率和生理成熟度，DVS=1.00对应于开花）的数值编码（DVS）来标准化发育阶段，有助于同步不同过程的模拟。出苗—开花期和开花—生理成熟期DVS计算公式如下：

式（1）中：GDDcum（℃/day）为生长度日累计热量，GDDem、GDDflo、GDDmat（单位均为℃/d）分别为达到出苗、开花和生理成熟期的情况下所需的生长度日累计热量GDDs[6，14-17]。

2.2 Cropsyst模型中土壤数据本地化校正

模型参数本地化包括模型使用的研究区气象数据、土壤数据、作物参数及管理数据等的调试。

模型所需的研究区土壤参数包括土壤机械组成，黏土、沙土含量，pH值，田间持水量，容重，饱和水导率等。模型输入的部分土壤参数值及区间见表2，数据主要来自参考文献[18]。

表2 BioMa平台中CropSyst模型初始化土壤参数及中国研究区冬小麦模拟调试参数对照Table 2 Some default and calibrated soil parameters of CropSyst model in simulating China winter wheat yield

2.3 CropSyst模型中作物参数校正

CropSyst模型本身提供了典型作物的一系列生理参数数据，但针对中国北方的冬小麦，很多参数需要进行调试。基于衡水地区3年实测数据，利用嵌入BioMa平台的CropSyst模型模拟冬小麦产量的步骤包括：（1）将所有数据处理成模型所要求的标准格式；（2）选取模拟环境（simulation environment），输入/编辑所有参数：以日为单位的气象数据、样点经纬度、土壤参数、模型启动模拟时间、模拟结束时间等；（3）配置模型组件（model configuration），包括配置气象、土壤、作物等数据，选择模型参数限制条件，选择输出配置（output configuration）等；（4）运行模型，将模拟数据与实测数据（包括播种期、出苗期、开花期和成熟期、LAI、生物量和产量等）进行比较，如精度不能达到要求，用人工标定法以地面实测LAI和模型模拟的LAI相关系数r达到0.9为精度要求进行优化，将系统生成的达到最优结果的某些参数返代入输入值进行编辑（如灌溉量、Tsum，光能利用效率、生长基础/最优/最高温度、收获指数等），并重复此过程，直到结果达到系统最优精度；（5）利用调整后的参数模拟所有点的冬小麦产量，表3数据主要来自基于实测数据和系统模拟最优参数的调试，部分未列出参数利用模型初始值或参考文献值[19-20]。

表3 BioMa平台中CropSyst模型初始化作物参数及中国研究区冬小麦模拟调试参数对照Table3 Some default and calibrated crop parameters of CropSyst model in simulating China winter wheat yield

3 结果与精度验证

图2 2012—2014年研究区样点实测产量和模拟产量对照Fig.2 Field measured yield VS simulated yield based on CropSyst Model imbedded in BioMa from 2012 to 2014

图2是研究区11个样点2012—2014年实测产量和模拟产量对照结果。表4公式中，P为模拟值，O为观测值，为观测值的平均值；n为样点总数，i为对应的每个样点。

通过比较模型模拟结果和实际观测结果进行精度评价是检验模型适用性的重要指标，该文选取了BioMa系统中自带的相关系数、模型性能指数，模型一致性指数和均方根误差来进行精度评价，各指标公式及意义如下[21]。

表4 CropSyst模型模拟冬小麦产量中精度评价指标Table 4 Metrics of model performance of CropSyst model in simulating winter wheat yield

结果表明，利用CropSyst模型模拟华北冬小麦产量可行，观测产量与预测产量的相关系数为0.97，模拟效率为0.94，一致性指数为0.98。如采用CropSyst模型的缺省参数，进行参数值的自动标定，R值则较低，根据田间数据对作物参数和土壤参数进行标定，效果更好。结果表明，灌溉次数和灌溉量的变化对模拟产量结果很大的影响和解释。

4 结论与讨论

欧盟BioMa平台中嵌入的Cropsyst模型，其初始参数主要适合欧洲地区。因此作物模型在中国应用的一个重要工作就是模型参数的本地化调试。该研究基于冬小麦主产区河北省衡水市11个县（市）的实测数据，对模型在中国华北小区域的使用进行了一系列参数的调试、修正和验证，并用本地化的模型参数对2012—2014年衡水地区冬小麦产量进行模拟，结果表明，本地化参数后的CropSyst较好地模拟了区域冬小麦产量。

BioMa平台在嵌入各种作物模型中，减少了很多作物模型本身的初始化参数数量，使得模拟结果对部分参数的依赖性增大。样点以行政区划为单位，在11个县市每个县市选择一个点，采样点对整个区域的空间代表性有限。同时，研究区部分土壤参数和作物参数值来源于参考文献，灌溉量和灌溉次数的系统优化对结果影响较大，说明水分是冬小麦生长发育的重要因素。由于部分实测灌溉量和灌溉次数数据缺少，部分作物参数对研究区本身的适用性需要更多年份、更多实测样点数据进一步调试。另外，该研究基于BioMa-Site模型进行了单点数据的研究和验证，2016年欧盟BioMa Spatial模型开发成功，将单点模型尽快扩充到空间范围进行区域作物产量模拟是接下来的研究重点。