甜菜生长模型研究进展

胡晓航，马亚怀，董心久，杨洪泽，李彦丽

（1.黑龙江大学现代农业与生态环境学院，哈尔滨 150008；2.国家糖料改良中心，哈尔滨 150008；3.新疆农业科学院经济作物研究所，乌鲁木齐 830091）

0 引言

随着科技的飞速发展，在农业土壤植物大气连续体（Soil-Plant-Atmosphere Continuum，SPAC）系统中，越来越多的研究者以作物生理、生态过程为研究基础，以数学、统计及计算机为手段，利用分子遗传学、植物生理学、农业生态学、农业气象学等学科的理论，综合考虑气象因素、土壤因素和灌溉管理制度等，研发出了许多能够对作物生长动态模拟的作物生长模型（Crop growth simulation model）[1]。这些作物模拟模型通过分析环境因子（光照、温度等）对作物生长的状态变量（生物量、水肥吸收）及过程机理（光合作用、呼吸过程等）产生的影响，从而对作物产量预测、优化策略管理等方面的研究备受关注，同时作物生长模型对降低因区域气候变化对作物产量的影响也具有重要意义[2]。甜菜生长模型的应用与开发比较晚，20 世纪初才出现对产量预测及田间管理的生长模型，如Resistance Mode[3]，Stochastic Model[4]。但到目前为止，可用来模拟甜菜生长和产量的模型很多，这些模型大都是建立在甜菜预采收与最终产量的关系或不同的植物生长过程所涉及的不同生长阶段的基础上[5]。关于甜菜生长模型的类型，按照国外研究和应用研发角度可以分为3 类：一是经验模型（Empirical models）：PIEteR[6-7]和LUTIL[8-10]；二是过程模型（Process-based models）：SUBGRO[11]、SUBGOL[12]、SIMBEET[13]、SUBEMO[14-15]、SUCROS[8]、DSSAT-CERES-Beet[16-17]、Broom's Barn[18]、Green Lab[19]、Pilote[20-21]和AquaCrop[22]；三是最近发展了一种预测作物潜力的动态作物模型，采用APSIM 模型对饲用甜菜产量进行分析[23]。本文主要针对DSSAT-CERES-Beet模型、AquaCrop-Beet模型和APSIM模型的研究和发展进行介绍及比较，为不同地区、不同气候条件下的甜菜生物量累积和产量形成，以及环境对甜菜生产的影响，进而为未来气候变化下的甜菜生产力效率研究提供理论依据。

1 DSSAT-CERES-Beet模型

农业技术转让决策支持系统(Decision Support System for Agrotechnology Transfer，DSSAT)可以通过一系列程序将作物模拟模型与土壤、气候及试验数据库相结合，进行长短期的气候应变决策[24]。国内的气候变化对农业生产的影响评估和适应性研究的应用已经开展很多工作，是目前气候变化影响评估领域应用比较广泛的作物模型之一。DSSAT 系统目前主要由26 种不同的作物模拟模型组成，主要包括CERES（Crop Environment Resource Synthesis）系列模型[25-26]、CROPGRO 豆类作物模型[27-28]、SUBSTORpotato 马铃薯模型[29-30]、CROPSIMcassava木薯模型[31]、OILCROP向日葵模型[32]以及最新加入的CANEGRO甘蔗模型[33-35]。

DSSAT-CERES-Beet就是在DSSAT软件CERES 模块中的甜菜模型。CERES-Beet是一种逐渐成熟的作物模型，它模拟一些生理过程，如物候发育、叶、茎和根的生长、生物量的积累和分配、土壤水分、氮的转化、氮吸收和作物组分分离等[36]。Leviel[16]在从CERES-Maize中开发CERES-Beet时，假定只有一个植物发育阶段即出苗时到收获时由品种参数决定。与玉米相比，甜菜没有确定收获日期的标准。重新命名甜菜的作物参数：叶（对应于玉米的茎）、冠（代替壳）、种子（代替仁）和根。Mohammad 等[37]对CERES-Beet 模型进行了修正，并将其纳入当前版本的种植系统模型（CSM）中，以模拟甜菜的生长发育和产量。PEST优化器用于参数估计、可转移性评估和预测不确定性分析。采用两组试验数据，在不同地区、不同环境条件下对甜菜模型进行了评价；一个在1997—1998 年罗马尼亚（欧洲东南部），另一个在2014—2016 年美国北达科他州（北美）。对特定品种进行模型校正后，CSM-CERES-Beet模型对两个数据集的叶面积指数、叶数、叶重或顶重、根重均有较好的模拟效果（NSE=0.144～0.976，rRMSE=0.127～1.014）。不确定度分析表明，校正后的CSMCERES-Beet 叶片数始终高于预测值，且存在错误的置信度，但测得的叶片数也表现出显著的变异性。该模型成功地应用于北达科他州2014—2016年6个甜菜品种的产量预测。CSM-CERES-Beet可用于预测美国红河谷等环境条件适宜甜菜生产的地区不同土壤和气候条件下的甜菜产量，以及各种田间管理。Baey等[38]以甜菜为例，对5种植物生长模型的评估和比较，这些模型依赖于相同的生物质能量生产，但描述水平不同（每株或每平方米），以及不同的生物质再分配（经验或通过分配）：Greenlab、LNAS、CERES、PILOTE。对模型校准的数据及其预测能力进行比较，从相同种类和相似的环境条件下，使用根均方误差的预测（RMSEP）和建模效率(EF)估测总干物质生产和根的干物质量。各模型均有高估根系干物质总量的倾向。Greenlab对根生物量的预测最好，CERES对总生物量的预测最好。

目前，鉴于DSSAT-CERES 模块在玉米和小麦已成熟建模，DSSAT-CERES-Beet 在CERES-Maize 和CERES-Wheat 基础上也通过修正和重建模型以预测甜菜生长过程及产量并已经在欧美地区开始应用[37-38]，但是国内还没有甜菜相关模型的开发及应用研究报道。

2 AquaCrop-Beet模型

2009 年，联合国粮食及农业组织（FAO）在不同国家和众多领域的专家合作研发了新型作物模型即AquaCrop 模型。与其他模型相比，以块茎作物为例，它具有用冠层覆盖度代替叶面积指数、输入参数少、界面简单、直观性强和精度高等优点，其面世以来即受到广泛关注和应用[39]。AquaCrop模型的结构主要包括3部分（见图1）：生长模块（包括作物发育、生长和产量形成）、作物蒸腾与土壤模块和环境模块（如温度、降水、蒸发、CO2浓度等）[40]。AquaCrop 模型主要特点是用冠层覆盖度代替叶面积指数（Leaf area index），通过水分利用率与作物蒸腾量来表示作物生物量（Biomass），将从作物蒸散中去除土壤蒸发单独计算。模型将作物产量与耗水量相关联，用来模拟指定条件下作物生产力和不同环境下优化灌溉策略[41-42]。

图1 AquaCrop 模型结构示意图Fig.1 Schematic diagram of AquaCrop model structure

AquaCrop-Beet 模型的应用主要是模拟甜菜生长发育过程和土壤水分平衡、优化灌溉制度，评估管理措施，评估不同气候变化对产量的影响。AquaCrop 是水分驱动的作物生长模型，理论上说相比CERES 模型AquaCrop 更适用于产量对水分的响应机制研究，因此大量模型验证研究证实了AquaCrop-Beet 可以精确地模拟甜菜的产量与灌溉水利用效率及优化灌溉策略。Stricevic等[43]在2000—2007年塞尔维亚北部地区以玉米、甜菜和向日葵为研究对象，用AquaCrop-Beet 模型校正参数，以模拟3 种作物的产量和灌溉水利用效率（IWUE），3 种作物的统计指标均为均方根误差（RMSE）和一致性指数（d），研究表明该模型可以高度可靠地评价产量和水分利用效率。Stricevic等[44]在2011—2013 年塞尔维亚中部和Vojvodina地区采用AquaCrop 模型研究气候变化对甜菜产量、灌溉深度变化和节水措施的影响，研究表明Vojvodina地区没有增加CO2，而在塞尔维亚中部，即使在两种方案中也可能出现产量下降，灌溉可确保这两个区域的产量增加，但由于塞尔维亚中部土壤的水容量较低，增产幅度较大。Malik 等[45]采用AquaCrop 模型，对巴基斯坦半干旱区4 种灌溉制度、3 种覆盖条件和3 种犁沟灌溉制度下甜菜产量进行了模拟分析。该模型较好地模拟了3.00 RMSE（16.89）、0.84 dindex（0.97）、0.76 NSE（0.99）处理的甜菜冠层覆盖度。在生物量和根系产量方面，RMSE在全灌(FI)和轻度亏灌（DI20）处理下均表现优异，RMSE 在0.07～1.17 之间，dindex 在0.48～0.84 之间，NSE 在0.42～0.86之间。基于模型的综合性能，建议应用AquaCrop开发半干旱区高效农业水管理策略。

3 APSIM模型

APSIM（Agricultural Production Systems sIMulator）是澳大利亚系列作物模型的总称，由APSRU（Agricultural Production Systems Research Unit）小组开发的一种模拟农业系统中的物理和生物过程的模型[46]。它包含了一组模块，这些模块可以模拟一定范围内的植物、动物、土壤、气候和管理的相互作用。Keating等[47-48]描述了APSIM 模型的基本属性，即在农业系统里进行长期资源管理试验时，对在气候变化、作物的遗传特征、土壤环境以及管理措施等因子影响下的作物生产力提供更准确的预测。Brown 等人[49]开发的植物模型框架（Plant Modelling Framework,PMF）是一个包含植物器官和过程子模型库的新框架，两者可以在运行时耦合来构建一个模型。APSIM 模型已在糖料作物甘蔗上得到广泛应用[47，50]。在甜菜上，APSIM模型以生理性状为基础来描述甜菜的生长，并在特定区域里模拟预测甜菜产量、产糖量、总生物量以及水和氮有效利用条件下甜菜在整个生长季内碳、氮的分配比例。Khaembah等人[23]利用在新西兰坎特伯雷地区进行的野外试验的独立数据集，对PMF-APSIM 模型进行了参数化/校准和验证，在PMF-APSIM 中建立了饲用甜菜模型，并利用独立的数据对其预测精度进行评价。该研究已经确定了目前对饲用甜菜生长和发育过程生理认识的优势和弱点。对于不受约束的水和氮的生长条件，模型中最稳健的方面是与物候生长和营养发育有关。以中等精度模拟了光合相关变量（叶面积指数和光照截留量），从而可以表示整个植物生物量生长的时间动态。APSIM 模型属于具有较强机理基础的模型，而且对作物种植制度、轮作的作物生理生态机理等方面具有较好的模拟能力。国内研究者在特定区域范围内应用APSIM 模型进行了大量研究[50-53]，主要涉及到小麦、水稻、玉米等大范围种植的作物生产问题，但是在甜菜作物上还没有得到具体应用。

4 DSSAT-CERES-Beet、AquaCrop-Beet和APSIM 模型的比较

DSSAT-CERES-Beet、AquaCrop-Beet和APSIM三种模型比较，其共同点从应用方面讲，可以评价甜菜种植制度、管理措施、不同气候变化对产量的影响，从模拟内容讲，DSSAT-CERES-Beet 和AquaCrop-Beet 可以模拟甜菜生长发育过程包括甜菜的生殖生长和营养生长以及光合作用、干物质积累与分配等这些生理过程，3 种模型均可以模拟土壤水分平衡包括潜在蒸散、实际土壤蒸发、植物蒸腾、根系吸水、径流、土壤渗漏以及不同土层的土壤水流，但是3种模型的不同点在于，DSSAT-CERES-Beet是光驱动模型，必须输入甜菜叶面积指数和光截获参数，并且考虑了作物品种的遗传特性，可用于评估农艺措施和生产潜力；AquaCrop-Beet模型是水分驱动模型，甜菜块根产量主要由可供应的土壤水分而决定，可以精确地模拟不同灌溉条件下甜菜块根的产量，也就是说可以用于进行优化灌溉机制决策，并且用冠层覆盖度代替叶面积指数，输入参数较少[22]；APSIM 模型核心是土壤而非植被，只能考虑天气和管理措施引起的土壤变化，在通过其模型的敏感性分析，可以模拟甜菜冠层相关变量（叶片外观、叶片衰老、叶面积指数和光截获）与动态干物质和氮积累的模拟[23]，APSIM 模型植物参数众多，灵活性强，在这方面优于DSSAT 模型。另外，DSSAT 模型缺乏模拟种植制度对于土壤的累加影响，而APSIM模型可以很好地模拟此类影响[54]。

5 结语

从目前甜菜生长模型的研究进展可以看出，上述3 种模型应用较多，对于AquaCrop-Beet 和APSIM 模型来说，多数研究集中在模型参数校正和模型验证上，总体来说还不多，内容并不丰富，以往两种模型对甜菜的研究多数为水分、气温变化对甜菜生长发育及块根产量的影响，就这两类模型特点而言还可以用于土壤肥力、土壤盐分、土壤碳、氮平衡、地表留茬和土壤酸化对其产量的影响研究，但是目前尚无相关研究的报道，因此，这类研究也将是未来AquaCrop模型和APSIM模型应用的方向。在不同区域背景下，结合当地气象数据模拟该甜菜种植区域的气候变化和土壤养分的差异，预测甜菜块根的产量，那么对于经典模型DSSATCERES-Beet来讲，在温度、氮和水分胁迫条件下，对甜菜生长发育过程的影响及光合作用产物如何分配且贮存为糖分，对甜菜的品质有何影响能否预测这些问题，也需要此类模型进行解决和完善，另外无论哪种模型都对与实际生产密切相关的病虫害影响因素考虑不足，而且甜菜生长模型的研究地域主要集中在欧美地区，因此在地域选择上有待拓展。

对于未来甜菜生长模型的发展趋势，有两种方向：一是发展广度，与“3S”技术即遥感技术（Remote sensing，RS）、地理信息系统（Geography information systems，GIS）和全球定位系统（Global positioning systems，GPS）相结合，实现对各种空间信息和环境信息的快速、机动、准确、可靠的收集、处理与更新，与作物模型同化实现生长参数的时空域连续模拟，进而监测生长参数的时空域变化；二是模型区域化，关于甜菜生长模型都不是中国本地模型，在国内应用首先要进行参数的校正和调整，以使其符合中国甜菜种植区域实际情况，在实际应用中，甜菜品种的遗传参数、土壤和管理制度参数等进行准确调试和校正，从而得到良好的模拟结果。随着现代农业科学技术的发展，我们还将会通过学科交叉和贯通，将基因遗传信息与作物模型相结合来预测甜菜中的不同基因对各种环境的响应。总之，尽快探求适合中国区域化的甜菜生长模型，并加强自身模型的开发能力，对国内甜菜生产潜力、农业管理和农业风险评估都有着重要的指导意义。