WOFOST模型蒸散过程改进对玉米干旱模拟影响

蔡 福 米 娜 明惠青 张淑杰 张 慧 赵先丽 张玉书* 张兵兵

1)(中国气象局沈阳大气环境研究所，沈阳 110166) 2)(辽宁省农业气象灾害重点实验室,沈阳 110166) 3)(辽宁省气象服务中心，沈阳 110166) 4)(辽宁省锦州市生态与农业气象中心，锦州 121001)

引 言

干旱因其持续时间长、影响范围广成为制约世界雨养农业区粮食生产的主要灾害之一[1-3]，其引起的粮食作物减产量占每年各种自然灾害损失的一半以上[4-5]。早期识别干旱的发生，准确评估其可能影响，进而提前采取有效防御措施的研究受到越来越广泛的关注[6]。玉米作为世界三大粮食作物之一[7]，整个生育期对水分十分敏感，一些脆弱地区可因干旱减产25%～30%[8]。中国东北是中国最大玉米产区，也是世界第二大玉米产区，在粮食生产中占据重要地位[9]。20世纪90年代后，春旱和春夏连旱发生频繁且强度增加，对当地粮食生产与经济发展产生严重影响[10-12]，因此准确评估干旱影响对指导玉米生产防灾减灾、稳定产量具有重要现实意义[13]。目前大量学者通过田间控水试验研究玉米干旱的影响机制[5,14]，但由于作物生长对前期受旱之后复水具有补偿作用[15]，受光照和温度等环境因子综合影响，两个或多个生育期干旱的影响非简单叠加，而是综合效应的累积，同时目前田间试验仅能对单一生育期干旱的影响进行定量评估[16-17]，使多生育期干旱影响难以区分。作物模型基于生物物理理论，运用计算机技术和数理方法，对作物光合、呼吸、蒸腾等过程及其与土壤、气象、施肥、灌溉等条件之间的关系进行定量表达，并通过描述产量与相关因子的内在关系[18-19]，实现作物生长模拟，机理性较强，理论上可实现对不同生育期的干旱影响进行定量评估[20-22]。目前已建立的作物模型多达百种，荷兰的WOFOST模型[23]、美国的DSSAT系列模型[24-25]和澳大利亚的APSIM模型[26]为典型代表。尽管作物模型可实现大量模拟研究，但针对水分限制条件下作物生长模拟及其试验研究较少，一些研究通过在模型中人为设定干旱状态以分析作物生长及产量的响应特征[27-29]，结果与实际情况存在较大差距。现有主流作物模型针对水分限制条件所采用的响应策略均存在不足，难以有效实现对干旱过程的准确模拟[30]，干旱条件下的模拟精度比正常供水条件下大幅降低[31]，关键过程参数方案亟需完善[32]。蒸腾作用作为植物耗水的主要途径,通过气孔开闭和根系吸水的共同作用对环境变化进行响应,受干旱影响最直接[33]。现有主流作物模型采用作物实际耗水与潜在蒸腾之比反映干旱过程，实际蒸腾计算不准确将引起光合产物模拟误差增大，进而降低生物量模拟精度。可见，准确模拟蒸腾对提高干旱条件下作物模型模拟性能十分重要，其中改进潜在蒸散计算方案是关键。作物系数是计算蒸腾的重要参数，大多数作物模型仅根据发育期对其赋予固定值，但实际上该系数随作物生长而不断变化，不但与冠层结构有关，还与辐射、气温等环境因子有关[34]。因此作物系数的准确确定是提高蒸散过程模拟精度的有效方法之一。在众多作物模型中，WOFOST模型注重作物生长发育及产量形成的生理生态过程机制，对光合、呼吸、叶片生长等进行比较深入的描述[27,35]，在资料同化[21]、生产潜力评估[9]、产量预测[35]、管理策略优化影响[36]、未来气候情景产量评估[37]、作物气象诊断指标确定[38]以及遥感估产[20]等方面广泛应用。

本研究针对我国东北春玉米，利用Penman-Monteith方法[39]和张淑杰等[40]建立的叶面积指数与作物系数间的关系对WOFOST模型潜在蒸散计算方案和作物系数进行改进，评估改进蒸散过程对水分限制条件下模型模拟性能的影响，旨在为提高作物模型在不同水分条件下的模拟适应性提供参考。

1 资料与方法

1.1 资 料

1.1.1 试验资料

本文所用资料来自2012，2014，2015年和2018年在辽宁省锦州市农业气象试验站开展的分期播种试验。试验在雨养条件下进行，供试品种为丹玉39和丹玉405，二者属同系列品种，各类遗传参数基本一致，种植密度为4.48 株·m-2。试验分为3个播期，播种日分别为4月20日、4月30日和5月10日(表1)。试验观测项目包括发育期(三叶、七叶、拔节、抽雄、乳熟、成熟)、叶面积、地上各器官生物量(叶、茎、果实)以及产量[32]。对地上各器官生物量求和可得到地上总生物量，通过换算得到单位面积(公顷)的数值由地上生物量表示。2012，2015年和2018年试验资料用于作物模型模拟和检验，2014年试验对玉米果穗不同组成部分进行观测，用于换算产量占储藏器官生物量的比例。

表1 不同播期各生育期出现日期及日序Table 1 Occurrence dates and days of year in maize growth periods for different sowing date experiments

为反映土壤水分状况，每旬逢3，8日采用土钻法对0～50 cm深度以10 cm间隔观测土壤相对湿度[13]，各年玉米生育期内0～50 cm土壤平均相对湿度如图1所示，其中2012年土壤相对湿度在大部分生长时段均高于70%，说明该年土壤供水完全满足玉米生长需求，2015年和2018年从5月23日开始直至生育期结束，土壤相对湿度均小于60%，尤其2015年从6月下旬至8月中旬土壤相对湿度低于50%，最低接近30%，干旱十分严重，表明这两年为典型干旱年。

图1 玉米生育期内土壤湿度Fig.1 Relative soil moisture in maize growth periods

EOS=ETCe-kgbILA，

1）树立资源为先的战略，千方百计打造稳定的低硫燃油资源供应渠道。低硫燃油资源的稳定供应直接关系到船舶在港口的合规运营，随着国际海事组织2020低硫政策临近，船供油公司传统的高硫燃油资源渠道将发生根本性变化，多年合作的供应商目录将出现很大变动。船供油公司不仅需要寻找新的低硫燃油供应商，还需要在信用政策、操作流程、风险管理以及商业模式等方面进行全面调整，务必要在1年内重新打造并优化供应渠道，时间非常紧张，任务非常艰巨。

玉米生育期内日照时数，1.5 m高度的日最高气温、日最低气温、水汽压，2 m高度风速和日降水量用于模型驱动，0～100 cm深度每隔10 cm的土壤水文常数，包括凋萎湿度、田间持水量和饱和含水量作为模型输入项，相关参数见文献[32]。

1.1.3 发育参数和生理参数

模型中的发育参数指完成生育阶段所需的积温和光周期影响因子。在正常生长条件下，发育参数与作物品种有关且相对稳定，包括出苗至开花的有效积温和开花至成熟的有效积温，利用玉米生长气象条件适宜年份和播期的观测资料平均获得。初始总干物量，最大CO2同化速率，35℃下叶片生存周期，比叶面积，贮存器官、叶、根、茎的同化物转换效率及干物质分配系数，出苗时叶面积指数等影响生物量和产量模拟的敏感参数，详见文献[32]。

1.2 方 法

1.2.1 作物系数动态改进

为检验模型的改进效果，利用模拟精度改进量，即原模型与改进模型相对误差的绝对值之差衡量，表达式为

Kc=0.1459×ILA+0.2909。

(1)

1.2.2 参考蒸散量改进

2.基层党组织层面。把好入党积极分子“入口”关。严格落实入党积极分子“双推双评”工作制度，加强与工会、团委的联系和沟通，通过对递交入党申请书的人员好中选优，合理确定参加“双推”的人员数量，尽量保持入党积极分子数量平稳。在“双推双评”工作过程中，严格落实各个环节要求，增强工作的严肃性，使全体党员和员工群众充分重视并认真对待“双推双评”工作。可以尝试采取公开“述学述思”等方式，使入党积极分子各方面表现更加直观、立体地展现在参加党内党外民主推荐和民主评议测评的人员面前，避免“双推双评”工作变成走过场。

WOFOST模型计算参考作物蒸散采用以下方法：

ET0=(Δ×Rna+γ×Ea)/(Δ+γ)，

(2)

EA=0.26×VPD×(F+BU×U2)，

“还行。就是有点——”哥们儿朝洛蒙想说就是卧室缺只窗子，有点暗。但话还没有说完，烧烤店老板就把话抢过去。“就是有点贵！其实那房子根本不值那么多票子。这里没法跟城里比。郊区偏远，房子又破又烂，冬天也没能供暖。”他俯下身，压低声音说，“在你来之前，有很多人都看了那房子，但不知是哪个原因，都没有租成。快签合同了，后来都反悔了喽……”

(3)

(4)

世界粮农组织(FAO)[7]指出，不论在干燥还是湿润地区，Penman-Monteith公式计算出的参考作物蒸散与实测值最接近，因此，本研究利用该公式替代原模型式(2)，表达式为

场地仅钻孔（CK1、CK3～6、CK9～10、ZK1～3、ZK5～8、ZK11～20） 有揭露，揭露层厚0.50～3.81m，平均厚度1.82m；层顶高程-0.70～2.50m，层顶深度 1.30～4.30m。

ETC=Kc×ET0。

(5)

式(9)中，Rn为净吸收辐射(单位：MJ·m-2·d-1)，G为土壤热通量密度(单位：MJ·m-2·d-1)，T为2 m高处的平均气温(单位：℃)。

中国传统文化是中国自古流传至今的精神财富，不仅体现了我国公民的精神面貌，更代表着大多数公民的思想状况以及道德水平。近年来，我国高校积极将中国传统文化融入思想政治教育中，并取得一定成绩，但随着社会的发展，现有的教育模式难以满足社会发展需求。基于此，首先分析了中国传统文化对高校思想政治教育的重要性及现状；其次分析了高校思想政治教育中缺乏中国传统文化带来的影响；最后提出高校思想政治教育与中国传统文化有效融合路径，以此提升我国高校思想政治教育水平，培养具有高素质人才，满足现代社会发展人才培养目标。

ETC=EOS+Tm，

(6)

1.1.2 模型驱动资料

Tm=ETC(1-e-kgbILA)。

(7)

（1）纳入标准：①临床资料完整者；②术前经核磁共振、CT等检查确诊者；③卡氏评分≥60分者；④肿瘤直径＞10 cm者。（2）排除标准：①血液系统疾病者；②存在化疗药物过敏史者；④严重器质性病变者。

卡尔曼滤波器根据其测量结果对系统隐含状态进行估计,该滤波器用于处理状态转换和测量过程中出现的高斯噪声.将N个机器人群作为一个离散时间系统，得

一是专业知识和护理技能的培训。这些知识和技能是护理人员从是护理工作的根本，通过实际案例的分析，让护理人员掌握有关心血管的相关知识，熟练相关的护理技能，使其具备在具体工作中运用相关的知识和技能进行护理工作，不断提高工作能力。

(8)

其中，EOS为潜在土壤蒸发速率(单位：mm·d-1)，Tm为最大蒸腾速率(单位：mm·d-1)，kgb为球面辐射发射系数，ILA为叶面积指数(单位：m2·m-2)。

其中，ET0为参考蒸散速率(单位：mm·d-1)，Rna为净吸收辐射引起的蒸散速率(单位：mm·d-1)，EA为蒸发需求(单位：mm·d-1)，Δ为饱和水汽压曲线斜率(单位：KPa·℃)，γ为干湿球常数(单位：KPa·℃)，VPD为2 m高处水汽压差(单位：kPa)，BU为风函数经验系数，U2为2 m高处24 h平均风速(单位：m·s-1)，TD为气温日较差(单位：℃)。F为经验参数，植被冠层为1，水面蒸发为0.5。考虑不同作物冠层结构的差异，用作物系数对参考蒸散进行订正，进而得到潜在蒸散，计算表达式为

VPD)/(Δ+γ×(1+0.34×U2))。

(9)

式(5)中，ETC为潜在蒸散速率(单位：mm·d-1)，Kc为作物系数，在作物模型中被设定为1，并未区分作物种类及其所处的生育阶段。模型将蒸散拆分成土壤蒸发和作物蒸腾，表达式如下：

作物系数动态化是在WOFOST模型EVTRA模块中采用式(1)替换作物系数常数，称为CC方案。蒸散计算改进是在PENMAN子程序中用式(9)替换参考蒸散量(ET0)变量，称为PM方案。同时采用CC方案和PM方案改进，称为PMCC方案。原模型方案称为DEF方案。

1.2.3 模拟精度评价

利用作物模型中模拟的逐日叶面积指数(ILA)，根据张淑杰等[40]建立的动态作物系数(Kc)计算方法(式(1))，可计算得到逐日作物系数：

(10)

式(10)中，Md和Mi分别为原模型和改进后模型的模拟值，O为实测值。A大于0，表示改进后模型精度提高;A小于0，表示改进后模型精度降低。

2 结果与分析

2.1 地上生物量模拟

由图2可知，原模型对2012年各播期地上生物量的模拟准确性较高，对2015年和2018年的模拟误差明显增大，从拔节期开始明显高估，表明原模型对干旱过程模拟能力较差。改进后，2012年地上生物量模拟值几乎未发生变化，这与土壤湿度持续适宜、可充分满足玉米需水有关，说明模型方案的改进对水分适宜年份的模拟仍能保持较好精度。改进后的模型对2015年的模拟影响存在差异，CC方案模拟的地上生物量比原模型值略有增加，PM方案模拟的地上生物量较原模型大幅减少，相比实测值存在低估，PMCC方案对地上生物量模拟精度的改进明显，尤其是4月20日和30日播期地上生物量与实测值大体一致，5月10日播期虽然误差较前两播期偏大，但与原模型相比模拟精度仍明显改善，3个播期各生育期平均模拟精度改进量分别为8%，8%和14%。2018年各方案模拟影响效果与2015年类似，CC方案模拟结果变化较小，PM方案模拟的地上生物量减少幅度更大，PMCC方案模拟的地上生物量拟合精度在4月20日和30日播期仍优于其他方案，但在5月10日播期的模拟结果比DEF方案和CC方案略低，这反映出模型模拟性能不稳定，3个播期各生育期平均模拟精度改进量分别为5%，1%和-4%。值得注意的是，2015年和2018年均为干旱年，且前者土壤湿度略低于后者，但地上生物量较大，详细分析(图3)发现，2018年拔节至乳熟阶段从7月28日—8月6日连续10 d的日最高和日最低气温均高于2015年，尤其是日最低气温从7月1日—8月6日明显偏高，高温促进作物维持呼吸速率的增大，导致用于呼吸的同化物消耗增大，从而使地上生物量减小，即高温和干旱的协同作用可能是导致地上生物量下降的重要原因。

图2 不同模拟方案地上生物量的模拟值与实测值对比Fig.2 Comparisons of observed and simulated total above ground productions

续图2

图3 玉米关键生育期日最高气温和日最低气温Fig.3 Daily maximum and minimum temperature during the key growth periods of maize

续图3

2.2 叶面积指数模拟

水分限制条件下，WOFOST模型以实际蒸腾与潜在蒸腾之比作为光合产物限制因子反映干旱影响，实现光合产物对胁迫的响应，通过向叶片分配光合产物实现叶片生长，以比叶面积与叶生物量相乘得到叶面积，即实际蒸腾影响叶面积指数的模拟。图4是3个播期叶面积指数模拟值与实测值对比。2012年各播期抽雄以前叶面积指数模拟值与实测值较一致，其中4月20日和30日播期乳熟期叶面积指数模拟值比实测值明显偏大，这是由于两个播期生育期较长，当土壤水分不是限制因素时，土壤含氮量成为玉米叶片生长的主要限制因素，随着生育进程的推进，土壤养分不能满足叶片生长需要，而模型中土壤中氮素无限制，导致模拟与实际出现差异，高估叶片干物重，同时模型中比叶面积设定值与实际值也存在差异，进而导致叶面积指数模拟结果偏大。从模型改进前后叶面积指数模拟值对比看，4月20日和30日两播期叶面积指数无变化，5月10日播期叶面积指数出现变化，PM方案在拔节至乳熟阶段偏小，CC方案和PMCC方案比原模型大，这是由于4月20日和30日两播期土壤水分供应充分，可满足光合产物积累需求，5月10日播期的整个生育进程缩短且偏后(表1)，经历气温偏高，作物对土壤水分需求与前两播期不同，引起叶面积指数模拟变化。2015年的模拟与2012年明显不同，不同播期原模型对拔节期后叶面积指数模拟明显高估，且不同改进方案对叶面积指数模拟的影响不同，CC方案使抽雄至乳熟阶段叶面积指数模拟值比原模型略偏大，PM方案中叶面积指数大幅度减小。PMCC方案的叶面积指数模拟值与实测值一致性较好，3个播期各生育期平均模拟精度改进量分别为6%，21%和3%。以上表明：PM方案通过影响蒸腾速率而改变对叶面积指数模拟，CC方案在改变叶面积指数基础上对作物系数进行改进，而PMCC方案是前两种方案的综合并非简单叠加。2018年各方案对叶面积指数的模拟均偏低。2018年叶面积指数实测值小于2015年，虽然旱情比2015年略轻，但高温干旱协同作用导致生物量明显下降，叶面积指数减小。模型中分别考虑高温和干旱，二者的协同作用被忽视，这可能是模型模拟性能较低原因。此外，一般干旱情况下模型对叶面积指数明显高估(如2015年)，与此相比，高温干旱的协同作用抵消高估效应，导致PMCC方案的模拟精度比原模型低。

古琴，原名琴，因缚弦七条，又名“七弦琴”。在中国古代有关古琴的记载中，其只称“琴”，后因“琴”的概念被广泛化，人们有感于“琴”的历史悠久，所以于20世纪初才把“琴”称为“古琴”。古琴自古以来就受到了文人士大夫的推崇，《礼记》载：“士无故不撤琴瑟”[1]124；汉桓谭《新论·琴道》称古琴“八音广博，琴德最优。古者圣贤，玩琴以养心”[2]17；魏晋嵇康《琴赋》认为古琴“能尽雅琴，唯至人兮”[2]44；宋朱长文《琴史》有言：“夫琴者，闲邪复性乐道忘忧之器也”[2]106。

图4 叶面积指数的模拟与实测值对比Fig.4 Comparisons of observed and simulated leaf area indices

2.3 产量模拟

模型中的存储器官干物重为玉米果穗总重，包括穗轴和籽粒，而试验观测的产量仅为籽粒重，根据2014年分期播种试验观测结果(表2)，籽粒约占果穗干物重的85.6%，因此在产量模拟精度检验过程中对存储器官干物重模拟值乘0.856以获得产量模拟值。由图5可见，2012年各播期不同改进方案产量与原模型模拟值几乎无差异，均略低于实测值。

表2 2014年不同播期玉米果穗各部分干重及籽粒占比Table 2 Dry weights of different components of maize ear and ratios of kernel to ear in 2014

图5 不同模拟方案产量模拟与实测值对比Fig.5 Comparisons of observed and simulated yields

2015年各播期原模型和CC方案模拟值比实测值大，PM方案模拟值较实测值偏低，PMCC方案与实测值接近，3个播期模拟精度比原模型分别提高66%，63%和66%。2018年4月20日和30日两播期的原模型和CC方案对产量高估，幅度略小于2015年，PM方案的低估程度比2015年更严重，PMCC方案模拟值比实测值略低，两个播期的模拟精度分别提高32%和5%。5月10日播期产量实测值比前两播期明显高，这是因为 8月13日土壤湿度快速增大，干旱得到缓解，与前两个播期相比，5月10日播期的生长期更长，有利于玉米生育后期的补偿性生长，使产量大幅提升。由于模型对前期高温干旱协同效应及玉米后期补偿效应未能识别，导致该播期PMCC方案与原模型相比模拟误差增大，模拟精度下降10%。

2.4 土壤湿度模拟

土壤湿度通过影响冠层蒸散量而影响蒸腾作用，它们之间有密切联系且因其他环境条件变化而改变，当土壤湿度充分满足玉米耗水时，蒸腾作用与之无关，当土壤湿度不能满足潜在蒸散，实际蒸腾则随土壤湿度增大而增大，反过来加速土壤湿度减小。考虑到各播期情况相似，以4月30日播期为例。图6为50 cm土壤深度和根区深度平均土壤体积含水量实测值和模拟值，根区深度随玉米生长不断增大，模拟值在5月末(日序为151)达到50 cm，6月下旬(日序为175)达到100 cm，考虑到土壤湿度模拟值和实测值对应土壤深度的差异，这里仅为二者变化趋势而非绝对值对比。2012年大部分生育时段土壤湿度不因模型方案改进发生变化，在生育后期(乳熟期以后)，随着玉米植株的衰老，不同方案模拟的土壤湿度因蒸腾变化出现差异，PM方案土壤湿度模拟值最小，CC方案模拟值最大，这与方案的蒸腾速率模拟值有关，即蒸腾速率大对应土壤湿度小，反之亦然。土壤湿度模拟值与实测值在生育前期和中后期有较好一致性，其他时期模拟值比实测值偏大。其原因是生育前期玉米根系较浅，接近50 cm，模拟深度与实测深度较一致，表明模型对该时段土壤湿度的模拟性能较好。玉米生长中后期降水明显少于7月和8月，土壤湿度整体下降，实测值与模拟值接近。生育中期降水充足，100 cm深度的土壤湿度通常大于50 cm深度。2015年与2012年明显不同，尤其在玉米生长旺盛阶段(拔节期至乳熟期)，PM方案土壤湿度较原模型小，与改进方案增大蒸散量有关，CC方案的土壤湿度大于原模型，可能与作物系数减小导致蒸散量降低有关。与实测值相比，生育前期各方案模拟值均偏高，反映出模型模拟能力不足，但中后期模拟值与实测值的变化趋势基本一致，PM方案和PMCC方案接近实测值。2018年不同方案的土壤湿度模拟值差异最大，CC方案土壤湿度最大，PM方案和PMCC最小，这与蒸腾关系密切，即蒸腾越大土壤湿度越小。与实测值相比，PM方案和PMCC方案的模拟值最接近。对比2015年和2018年土壤湿度模拟值与实测值表明：模型改进对干旱过程土壤湿度模拟改善明显。

图6 4月30日播期不同模拟方案土壤湿度模拟值与实测值对比Fig.6 Comparisons of observed and simulated soil moistures for sowing date on 30 Apr

2.5 模型改进对蒸腾速率模拟的影响

为了揭示模型改进对叶面积指数、地上生物量和产量模拟影响的可能原因，下面对玉米耗水过程模拟影响进行深入分析。由图7可知，2012年不同方案对蒸腾速率模拟的影响不同，PM方案的蒸腾速率模拟值比原模型大，尤其在生育期前期和后期。图8是利用CC方案和PMCC方案模拟的叶面积指数计算的作物系数动态变化，可以看到与原模型设定值1存在较大差异。CC方案对蒸腾速率的影响随作物系数的动态变化而改变，在抽雄期前后蒸腾速率模拟值大于原模型，其他时期由于作物系数比原模型大幅减小，尤其生育期前期和后期，导致蒸腾速率模拟值小于原模型。PMCC方案在不同生育阶段表现出不同倾向性，抽雄期前后蒸腾速率模拟值大于原模型，生育早期和末期小于原模型。以上是基于土壤湿度可满足玉米蒸腾需水的前提下发生，在土壤水分限制时明显不同。由2015年模拟结果可知，PM方案的蒸腾速率模拟值在抽雄期前一段时间之前(约为喇叭口期)大于原模型，之后则明显小于后者，这是由于在玉米正遭遇干旱过程时，蒸散计算方法改进使玉米生育早期蒸腾速率模拟值增大，加速土壤水分消耗，之后由于降水减少使土壤水分补充不足，导致土壤湿度模拟值比原模型小(图6)，这反过来减少蒸散量，使蒸腾速率模拟值下降，即改进蒸散导致干旱阶段的蒸腾速率模拟值减小。在生育前期作物系数比原模型大幅减小时，CC方案的蒸腾速率明显小于原模型值，造成一段时间后土壤湿度大于原模型，同时叶面积指数模拟值也略大于原模型(图4)，进而抽雄期前后蒸腾速率大于原模型。两种方案共同作用下，PMCC方案的蒸腾速率模拟值在抽雄期前大于原模型，之后小于后者。2018年PM方案的蒸腾速率模拟值在抽雄吐丝前明显大于原模型，之后小于后者，CC方案的蒸腾速率由于作物系数比原模型值1明显偏小(图8)，使总蒸散量模拟值减小，进而导致蒸腾速率显著小于原模型。PMCC方案的蒸腾速率表现为在生育前期和中期持续大于原模型，且大部分时段大于PM方案的模拟值，其结果并非介于两方案的模拟值之间，这是由于PMCC方案的叶面积指数模拟值远大于PM方案的模拟值(图4)，根据式(7)，叶面积指数越大，蒸腾在蒸散中占比越大，土壤蒸发越小，导致尽管PMCC方案总蒸散量小于PM方案，但蒸腾速率却大于PM方案。

图7 4月30日播期不同模拟方案蒸腾速率模拟值Fig.7 Simulated transpiration rates of different schemes for sowing date on 30 Apr

图8 CC方案和PMCC方案4月30日播期作物系数模拟值Fig.8 Simulated crop coefficients based on CC and PMCC schemes for sowing date on 30 Apr

3 结论与讨论

由于缺乏对作物干旱响应机制的了解，作物模型对作物耗水生理过程及农田水循环过程常通过简化和经验赋值的方式建立参数方案，导致对水分限制条件下作物生长过程的模拟性能偏低[31]。目前，真正引入干旱发生及影响机制改进作物模型的研究鲜有报道[30]，改善农田耗水过程的模拟是提高作物模拟性能的有效途径，本研究对比CC方案、PM方案和PMCC方案3种方案在改善作物模型对作物干旱过程模拟性能的差异。由于改进干旱条件下模型性能的同时可能对正常供水条件下的模拟能力产生影响，本研究选取降水充沛的2012年和典型干旱的2015年和2018年作为研究对象，评价模型改进的普适性，得到以下结论：

如今是医药卫生体制改革的关键时期，公立医院应该结合自身发展的现实情况与需要，制定出符合社会发展与医药卫生事业发展的战略决策。而对于公立医院来讲，战略决策的制定与改变，必将会对各类资源的配置情况、使用情况、效益情况带来一定的影响。但是改革是未来的发展趋势，是一种客观必然，财务管理工作整体水平必须要随着改革的推进与升华得到进一步提高，而总会计师制度，能够为专业化的财务管理活动提供全方位的保障，如可以为公立医院的财务管理提供组织保障与人员保障等等，进而使得财务管理的功能与价值可以全面发挥出来。

1) 与原模型相比，PM方案可增大潜在蒸散，CC方案在作物系数小(大)于1时潜在蒸散减小(增大)。在土壤湿度适宜年份(2012年)，3种方案的叶面积指数、地上生物量、产量、土壤湿度和蒸腾速率模拟与原模型几乎无差异，即未对充分供水情况下的模拟产生负面影响。

2) 在干旱年，改进方案对模型模拟性能影响较为明显，但因年际之间气象条件的不同，干旱过程模拟效果存在差异。在2015年，与原模型相比，PM方案在玉米喇叭口期前的蒸腾速率增大，土壤湿度减小，该时期后蒸腾速率减小，叶面积指数、地上生物量和产量大幅降低；CC方案在喇叭口期前蒸腾速率减小，之后土壤湿度和蒸腾速率增大，叶面积指数、地上生物量和产量模拟误差增大；PMCC方案模拟的蒸腾速率和土壤湿度介于以上两方案之间，干旱时段内土壤湿度与实测值接近，3个播期各生育期地上生物量模拟精度分别提高8%，8%和14%，叶面积指数精度提高6%，21%和3%，产量模拟精度分别提高66%，63%和66%。

3) 在典型高温干旱年(2018年)，改进方案的作用与2015年差异较大。与原模型相比，CC方案蒸腾速率大幅减小，PM方案和PMCC方案蒸腾速率增大，且前者小于后者，各方案土壤湿度呈相反变化趋势；PMCC方案在4月20和30日两个播期地上生物量的模拟精度分别提高5%和1%，产量模拟精度提高32%和5%，但未改善5月10日播期地上生物量和产量以及3个播期叶面积指数的模拟精度。

植物蒸腾与土壤湿度之间相互影响，在一定土壤水分条件下，蒸腾会随土壤湿度增大而增大，而土壤湿度会随蒸腾的增大而减小，二者谁占主导地位与植株状态、气象条件和土壤湿度关系密切[39]。本研究中2018年土壤湿度高于2015年，但玉米植株蒸腾小于后者，这与高温下玉米叶片关闭气孔的应激响应有关[41]。另外，模型未能充分考虑不同干旱年之间气象条件的差异和干旱发生时玉米植株的状态是影响其模拟性能的重要原因。就本研究2018年同时发生高温干旱的情况而言，模型对干旱的简单识别方法忽略了高温对加重干旱影响的作用，导致改进后一些播期地上生物量和产量模拟误差增大。此外，尽管地上生物量模拟得到改善，土壤湿度更接近实测值，但由于叶片生长状态变化引起比叶面积改变，也会导致叶面积指数模拟精度变化，这是模型改进后叶面积指数模拟误差反而增大的可能原因。另外，作物系数对模型的改进效果未能体现在单一改进方案中，只有当蒸散计算方案改进后叶面积指数模拟得到改进的情况下才发挥作用，说明仅有某一个方面趋于真实不能改进模型的整体性能，需综合考虑多方面因素。

数据通过SPSS21.0软件作统计学处理，计数资料通过χ2检验，计量资料以t检验。若P＜0.05，则差异具有统计学意义。

玉米生长是一个复杂的动态过程，干旱的影响不但与其程度和持续时间有关，还与玉米所处生育阶段联系密切[30]。实际生产中，干旱对玉米的影响不仅反映在玉米植株生理过程如蒸腾作用、光合作用的强度变化上[13,42]，也反映在光合产物分配变化引起的生物量和产量变化[43]，还可体现在植株应对胁迫的适应能力和补偿生长能力的变化上[15]。同时，玉米生育后期的再分配作用对产量影响非常明显，干旱对玉米催熟作用导致再分配的干物质转移受到抑制，是造成减产的可能原因之一[44]。然而，现有作物模型对上述过程考虑很少，与准确模拟干旱过程尚有很大差距，如光合产物转化效率和干物质分配系数仅随发育阶段给出相应数值，同一生育期内该值固定，不随环境条件改变，是造成作物模型对干旱过程模拟不准确的重要原因之一，对这类参数的改进是提高作物模型模拟性能的重要途径[32]。本研究仅从提高实际蒸散模拟准确性角度改善模型性能，并未通过引入作物的干旱响应机制提升模型对干旱过程的识别能力。模型在未能充分解决以上不足的情况下，难以准确模拟所有干旱状况，普适性不强，这是未来模型改进的重点和难点。