基于作物生長模型的全局敏感性分析方法

馬冠南 丁春雨 李勇

摘要：作物的生長發育過程復雜，如何確定能夠適應當地氣候生態類型的作物模型參數是準確模擬作物生長的關鍵。本文選用WOFOST作物生長模型，利用擴展傅里葉幅度敏感度檢驗法EFAST對模型作物參數、土壤與管理參數進行全局敏感性分析。結果表明，最大CO2同化速率AMAXTB、葉片35℃時的生命期SPAN、貯存器官同化物轉化效率CVO、飽和含水量SM0、初始土壤有效含水量WAV和出苗日期IDEM對于作物產量的形成具有較高的敏感度。

關鍵詞：作物生長模型；敏感性分析；產量

中圖分類號： S512.11 文獻標識碼： A DOI編號： 10.14025/j.cnki.jlny.2016.19.026

作物生長模型的發展以美國的DSSAT系列和荷蘭的Wageningen系列為代表。本研究選用的WOFOST模型是荷蘭Wageningen系列模型之一，該模型是一個機理性的作物生長模型，對作物光和、呼吸、蒸騰、干物質分配等生長過程的描述是通用的，可以通過更改參數模擬不同的作物，以及潛在、水分脅迫、養分脅迫三種生產水平，其普適性已經得到了基本肯定[1-3]。然而，WOFOST模型主要針對歐洲的氣候特征、土壤類型與作物品種，將其引進到我國模擬作物生長發育之前，必須首先進行模型參數的敏感性分析，篩選出對作物生長發育與產量形成敏感度較高的參數進行標定。

敏感性分析主要分為局部敏感性分析和全局敏感性分析。局部敏感性分析的原理簡單，采用改變單一參數而固定其他參數的方法，僅考慮單一參數的變化對模型輸出結果的影響程度，這種方法忽略了參數間的相互作用對模型輸出結果的間接影響。作物生長模型通常是一個多參數共同作用的非線性復雜模型，因此，越來越多的研究傾向于采用全局敏感性分析方法[4-7]，同時考慮了參數的直接和間接效應，對于衡量參數的敏感度說服力更強。

本文采用擴展傅里葉幅度敏感度檢驗法EFAST對模型作物參數、土壤與管理參數進行全局敏感性分析，分別討論這些參數對冬小麥成熟期貯存器官干物質量的貢獻程度，即對作物發育與產量形成的敏感程度。

1模型與方法

1.1 WOFOST模型

WOFOST作物生長模型是由世界糧食研究中心與瓦赫寧根農業大學共同研發的，能夠定量描述一年生作物生長發育過程的模型。在過去的幾十年里，WOFOST模型的連續版本已經在產量風險分析、年際間產量變化分析、土壤狀況對產量的影響、氣象條件對產量的影響、不同作物品種與耕作制度下的產量差異等研究中取得了成功的應用。WOFOST模型也適用于預測研究和定量土地評價，例如評價區域潛在生產力水平、估計灌溉或施肥利用的最大效益、檢測不利的生長條件、區域產量預報等。

WOFOST模型基于作物生長發育的生理生態過程，解釋了物候發育、CO2同化、蒸騰作用、呼吸作用、干物質分配等主要過程。模型對作物生長發育過程的描述是通用的，能夠通過改變參數模擬不同作物，并且可以模擬潛在生長、水分脅迫和養分脅迫三種水平，模型運行時間步長為1天[8]。

1.2 EFAST方法

EFAST法基于方差分解，提供了兩種敏感性分析指數：一階敏感性指數和總敏感性指數。一階敏感性指數反映了單一參數對模型輸出結果的直接貢獻程度，總敏感性指數則反映了參數直接和間接對模型的貢獻之和[9-10]。模型的總方差可以分解為：

1.3 實驗設計

本實驗應用敏感性分析專業軟件Simlab-EFAST模塊對WOFOST模型參數進行全局敏感性分析[11]。

在Simlab軟件的統計預處理模塊中設定表1和表2的各參數在取值范圍內均勻分布，利用蒙特卡洛方法對作物參數采樣3000次，對土壤與管理參數采樣1000次。

將上一步生成的參數組合分別輸入到WOFOST作物模型中，模擬冬小麥成熟期貯存器官的干物質量。

將上一步的模型輸出結果添加到Simlab軟件的模型執行模塊，利用EFAST方法計算各個參數對模型結果的貢獻程度，得到各參數的一階敏感性指數和總敏感性指數。

2結果與分析

25個作物參數、11個土壤與管理參數對于冬小麥成熟期貯存器官干物質量的敏感性分析結果如圖1所示。

從圖1b可以得出對于冬小麥成熟期貯存器官干物質量最敏感的參數是AMAXTB130，總敏感性指數為0.530，即可以解釋模型模擬冬小麥成熟期貯存器官干物質量變化方差的53.0%。最大CO2同化速率影響光合作用的強度，而光合作用的產物是干物質，其中一部分被分配到貯存器官中。葉片在35℃時的生命期SPAN是第二敏感的參數，總敏感性指數為0.438，是直接描述葉片存活時間的參數。其余敏感度大于0.1的參數還有貯存器官同化物轉化效率CVO和AMAXTB100，總敏感性指數為0.355、0.251。CVO決定了同化物轉化為貯存器官干物質量的速率，影響最終產量的形成。圖1d可以看出對于成熟期貯存器官干物質量敏感度較高的參數同為SM0、WAV、IDEM，分別解釋了干物質量變化方差的68.6%、30.3%、17.6%。飽和含水量是土壤中的全部孔隙都充滿水時的含水量，可以通過實測測得，也可通過土壤的容重和比重求得，用于計算最大下滲速率。初始土壤有效含水量描述了初始的土壤水分供應，與作物前期的根部水分吸收情況密切相關。作物生長遵循特定的物候規律，出苗日期的提前或滯后，都會直接影響作物的生長發育和產量形成過程。

3結論

本文利用擴展傅里葉幅度敏感度檢驗法EFAST對WOFOST

模型作物參數、土壤與管理參數進行全局敏感性分析。作物參數對于產量形成較為敏感的參數有AMAXTB、SPAN、CVO，土壤與管理參數對于產量形成較為敏感的參數有SM0、WAV和IDEM。敏感性分析結果可以作為參數是否進行本地化和區域化調整的重要依據，同時對作物模型與遙感數據同化研究中區域優化參數的選擇也有一定的借鑒作用。

參考文獻

[1]Boogaard H L， Van Diepen C A， Rtter R P， et al. WOFOST 7.1： User's guide for the WOFOST 7.1 crop growth simulation model and WOFOST control center 1.5. DLO Winand Staring Centre Wageningen， 1998.

[2]劉布春， 王石立， 馬玉平. 國外作物模型區域應用研究進展[J].氣象科技，2002，30（04）：193-203.

[3] 武思杰. 基于遙感信息與作物模型同化的冬小麥產量預測研究[D]. 長沙： 中南大學， 2012.

[4]吳錦， 余福水，等.基于EPIC模型的冬小麥生長模擬參數全局敏感性分析[J]，農業工程學報， 2009，25（07）：136-142.

[5] 姜志偉， 陳仲新，等.CERES-Wheat作物模型參數全局敏感性分析[J].農業工程學報， 2011， 27（01）： 236-242.

[6]何維， 楊華. 模型參數全局敏感性分析的EFAST方法[J].遙感技術與應用， 2013， 28（05）： 836-843.

[7]吳立峰， 張富倉，等. 不同灌水水平下CROPGRO棉花模型敏感性和不確定性分析[J].農業工程學報， 2015， 31（15）： 55-64.

[8] 馬玉平. 陜甘寧地區退耕還林還草的氣候和農業效應模擬研究[D]. 北京：中國氣象科學研究院， 2011.

[9] 姜志偉. 區域冬小麥估產的遙感數據同化技術研究[D]. 北京： 中國農業科學院， 2012.

[10]Saltelli A.， Tarantola S.， Chan K.P.S. A quantitative model-independentmethod for global sensitivity analysis of modeloutput[J]，Technometrics， 1999， 41（01）： 39-56.

[11] Simlab 2.2-Reference Manual， European Commission-IPSC.

作者簡介：馬冠南，碩士，吉林省農業資源與農業區劃研究所，研究實習員，研究方向：農業遙感與農業綜合研究。