基于ORYZA2000模型的浙江省單季稻生物量及產量結構的模擬與分析

王治海 金志鳳 李仁忠 毛智軍 李建業 侯英雨

摘要：以水稻品種甬優15為試驗材料，對浙江省單季稻發育期、生物量及產量結構進行了觀測。在此基礎上，結合作物特性和觀測數據調整了ORYZA2000模型參數，并驗證了模型對作物生長發育變量的模擬效果。結果表明，供試品種生物量變化趨勢符合作物生長發育規律，具有高產群體特征，其中LAI最大值為12.5，葉、莖、穗干質量分別為6 052.1、12 414.4、21 641.1 kg/hm2。模型對生育期模擬效果最好，絕對誤差為1 d；生物量變化動態模擬效果良好，一致性指數D達0.9以上；LAI、干物質量和產量的模擬誤差在可接受范圍內，其中穗干質量的NMRSE為17.9%。說明ORYZA2000模型對浙江省單季稻模擬具有較好的適應性，可為作物產量預報、氣象影響評價等農業氣象服務提供技術支撐。

關鍵詞：ORYZA2000模型；田間試驗；生物量；產量結構；單季稻

中圖分類號： S511.04文獻標志碼： A

文章編號：1002-1302（2017）11-0063-04[HS）][HT9.SS]

水稻是浙江省最主要的糧食作物之一，常年產量占糧食總產的80%以上[1-2]。其中，單季稻是浙江省播種面積最大、分布范圍最廣的水稻種植類型[3]。據統計，2015年浙江省單季稻面積58.77萬hm2，產量434.6萬t，分別占全省稻區的71%和75%。然而，在氣候多變條件下，高溫熱害、低溫冷害等農業氣象災害發生頻率和強度不斷增加[4-6]，影響著水稻正常的生長發育和產量形成，糧食安全生產形勢日益嚴峻[7-8]。因此，及時、準確地掌握作物長勢和產量信息，對于確保糧食安全和宏觀調控具有十分重要的意義。

作物生長模擬模型是一種面向作物生長發育過程的數值模擬模型，可為作物長勢監測和產量預報提供行之有效的途徑。它在遵循物質平衡、能量守恒以及物質能量轉換原理的基礎上，以土壤、氣象等條件作為驅動變量，運用數學物理方法和生態環境數值模擬技術，人為地再現作物生長發育及產量形成過程[9]。ORYZA系列模型是由國際水稻研究所（IRRI）和荷蘭瓦格寧根大學（WUCR）聯合研制用于模擬水稻生長發育的模型，經歷了潛在生產水平下的ORYZA1、水分限制條件下的ORYZA-W、氮素限制水平下的ORYZA-N和ORYZA1-N[10]。隨著對作物生長機理認識的不斷深入，該模型在我國水稻生產中得到了較好的推廣和應用。帥細強等利用本地化和區域化的ORYZA2000模型，實現了水稻生長農業氣象條件的定量評價[11]；莫志鴻等通過確定不同品種的作物參數，驗證了ORYZA2000模型對湖南雙季稻生長的模擬能力[12]；浩宇等以水稻生長觀測數據為基礎，分析了ORYZA2000模型模擬安徽地區不同播期水稻的適應性[13]；薛昌穎等在檢驗ORYZA2000模型有效性的基礎上，對旱作水稻適宜播期進行了探討[14]；沙依然·外力等結合田間控制試驗，利用ORYZA2000模型開展了高溫對水稻生物量及產量影響的模擬[15]，以上研究為模擬浙江省單季稻生長發育及產量形成奠定了堅實的理論基礎。

本研究擬通過田間試驗獲取浙江省單季稻生長發育觀測資料，利用觀測數據，在ORYZA2000模型中調試并確定模型參數，進行生育期、葉面積指數、器官干物質量及產量的模擬驗證，總體評價ORYZA2000模型在浙江省單季稻區的適應性，為進一步促進作物模型在農業氣象服務中業務化應用提供科學依據。

1材料與方法

1.1試驗地點和供試材料

試驗于2015年在國家一級農業氣象試驗站浙江省龍游站（29°02′N，119°11′E）進行。該站隸屬浙江省衢州市，位于金衢盆地中部，屬于亞熱帶季風氣候，年平均氣溫17.4 ℃，≥10 ℃的活動積溫5 652.6 ℃·d，年平均降水量 1 515.7 mm，年平均相對濕度77%，年日照數為1 720.5 h。

供試材料為秈粳雜交偏秈型品種甬優15，直播單季稻。該品種較好地結合了秈型雜交稻的良好長勢和粳稻的耐寒抗倒能力，平均全生育期為138.7 d，具有優質、高產、穩產等特點[16]。

1.2測定項目與方法

生育期參照《農業氣象觀測規范》，根據水稻外部形態變化，記錄播種、出苗、三葉、分蘗、拔節、孕穗、抽穗、乳熟、成熟等生育期的日期。在上述生育期內，從田塊中選取4個代表性觀測點，每個測點面積為0.25 m×0.25 m。測定每個測點面積上的總株（莖）數，計算植株密度。在4個代表性測點的附近取10株（莖），共40株（莖），測量葉片、莖稈、穗粒等器官的鮮質量，并采用面積系數法測定葉面積指數。之后，105 ℃ 下殺青30 min，80 ℃烘干至恒質量，測定葉片、莖稈、穗粒等器官的干質量。

在水稻成熟收獲期，在觀測地段8個密度測定點上每1點連續取5穴，共40穴，測定穗粒數、穗結實粒數、空殼率、秕谷率、成穗率、莖稈質量、籽粒莖稈比和千粒質量，計算理論產量和地段實產，并實收核產。

1.2數據整理與研究方法

以作物生物學特性為基礎，結合田間試驗觀測結果，調整模型的比葉面積、干物質分配系數、葉片生長速率、葉片死亡速率、光能利用率等參數。在此基礎上，利用站點氣象數據和土壤數據驅動ORYZA2000作物模型，對關鍵生育期、葉面積指數LAI、葉質量、莖質量、穗質量、產量等進行模擬，并與實測值對比，進而評價模型的模擬效果。

利用Excel制圖工具，繪制水稻生物量觀測值和模擬值隨時間的變化趨勢，定性分析模型的模擬效果。采用一致性指數（D）、均方根誤差（RMSE）和相對均方根誤差（NRMSE），定量評價模擬值與實測值的吻合程度[17-19]。

式中：Obsi為實測值，Simi為模擬值，Obs[TX-]為實測平均值，N為樣本數。

2結果與分析

2.1水稻生育期氣象條件

將2015年龍游單季稻生長期內氣象條件與2014年、1981—2010年30年平均值進行對比（表1）。2015年作物生育期內，熱量、水分、光照條件變化趨勢與上一年和常年基本一致，表現出平均氣溫呈“兩頭低中間高”分布，降水集中在梅雨季，日照時數變化平穩。但階段性變化差異較明顯，如6—7月，2015年平均氣溫的波動幅度明顯大于2014年，尤其是在6月初和7月初，氣溫變幅達10 ℃左右。此外，2015年入梅時間偏早，降水多集中在6月中上旬，累積雨量比2014年和常年同期分別偏多490.3、321.1 mm。此時作物在營養生長階段，雨量過多容易造成養分流失，分蘗期較2014年遲4 d。水稻在拔節期內對熱量累積水平要求最高，期間 ≥10 ℃ 活動積溫約1 000 ℃·d，可以滿足作物生長需求。進入生殖生長階段，光、溫、水條件的匹配狀況直接影響作物產量形成。2015年9月下旬至10月上旬，雨量較常年多1倍以上，同期日照時數偏少約60%。陰雨寡照突出，影響水稻黃熟和品質，收獲期較2014年遲7 d。

2.2作物生長量觀測結果

2.2.1莖蘗動態

水稻莖蘗數的增長情況是作物品種特性、氣象條件、土壤環境、栽培技術等因素綜合作用的結果， 是劃

2.2.2葉面積指數

葉面積指數（LAI）是表征作物光合面積大小和冠層結構的重要參數，與作物呼吸蒸騰、太陽光截取等因素密切相關，是判斷作物長勢優劣的重要參數[22]。LAI時間變化如圖2所示，分蘗期為0.13左右，之后增長明顯，于孕穗期達到12.3。在生殖生長階段，LAI平穩下降，但仍然處于較高水平，整個生育期內最大葉面積指數出現在乳熟期，為12.5。

2.2.3干物質分配

干物質在不同生育期內向各個器官分配情況如圖3所示。在營養生長階段，光合作用累積產物主要向葉片、莖稈輸送。進入生殖生長階段，葉干質量和莖干質量增加幅度減小，到乳熟期，葉、莖干質量達到最大值，分別為6 052.1、12 414.4 kg/hm2，之后開始減少。而穗干質量隨時間不斷增加，于成熟期達到最大值21 641.1 kg/hm2。地上總

生物量在整個生育階段一直處于增加趨勢，最大值出現在成熟期，為37 636.9 kg/hm2。

2.2.4產量結構

2.3.2生物量

從圖4可以看出，LAI隨時間呈波峰型變化，即出苗后為指數增長趨勢，在孕穗抽穗期達到最大值，為13.5，之后逐步減小。地上總生物量為干物質累積作用的結果，整個生長階段一直處于增加狀態（最大值約 42 000 kg/hm2），并且在不同生育期內按干物質分配系數向各個器官輸送。其中，莖干質量在營養生長階段增加，至孕穗期穩定在13 000 kg/hm2左右；葉干質量呈波峰型變化，于孕穗抽穗期達最大值6 400 kg/hm2；穗干質量從生殖生長階段開始一直增加，至成熟期達最大值，約20 000 kg/hm2。結合作物觀測結果可知，模型對生物量模擬結果的最大值出現時間與實際情況基本吻合，變化趨勢也比較一致。

為進一步分析模型的模擬效果，將模擬值與實測值進行對比。如表4所示，D指數均在0.9以上，說明模型對作物變量動態變化的模擬結果與實際情況基本相符。LAI、葉干質量、穗干質量模擬值與實測值的NRMSE為20%左右，模型對葉片動態、穗質量的模擬性能較好，而對莖干質量和地上總生物量的模擬效果相對較差，NRMSE分別為47.2%、31.3%。好。可以認為，調整后的ORYZA2000作物模型在浙江省單季稻區具有較好的適用性。

2.4模型應用

產量是作物生長成熟時的重要結果變量，其模擬效果的優劣直接影響模型在作物產量預報服務應用水平。在模型參數定標的基礎上，分別利用2014年、2015年的氣象數據驅動作物模型，得到2年的模擬產量分別為8 070、7 911 kg/hm2。而2年實測產量分別為7 410、7 350 kg/hm2，模擬和實測結果均表明2015年產量低于2014年，并且絕對誤差均在 600 kg/hm2 左右。由此可見，模型對浙江省單季稻產量模擬效果較好。

3結論與討論

供試水稻各器官干物質觀測結果符合作物生長發育規律，即干物質在營養生長階段主要向莖、葉輸送，而在生殖生長階段轉向穗粒。并且，試驗品種甬優15具有高產群體特征，生物量最大值較高，其中LAI為12.5，葉、莖、穗干質量分別為6 052.1、12 414.4、21 641.1 kg/hm2。產量觀測結果表明2015年產量結構優于2014年，但平均單產比2014年少了近60 kg/hm2。這主要是由于作物品種、技術措施、生長期內的氣象條件和地理環境在存在一定的區域性差異，從而造成同一個縣內不同稻區實收產量與單點觀測結果相悖。

ORYZA2000模型對作物生長發育進程具有良好的模擬能力。生育期絕對誤差為1 d；模擬的生物量動態變化趨勢與實際情況基本吻合，D指數在0.9以上；葉面積指數和穗干質量模擬效果較好，NRMSE為20%左右。此外，模型模擬的產量水平及其變化情況符合實際，可以較好地解釋氣候、土壤等因素對產量形成的影響。

田間試驗為ORYZA2000模型參數本地化應用提供了數據支持，驗證結果誤差在合理范圍之內，表明模型在浙江省單季稻區具有較好的適應性。但驗證結果還存在一定的不穩定性，例如田間試驗觀測結果存在不可避免的誤差、模型關于極端天氣事件對作物生長發育影響的考慮不夠充分，這正是作物生長模擬模型在業務應用過程中亟需解決和改進之處。此外，受管理和環境變量非均勻性的影響，模型較難確定區域范圍內的作物、土壤等參數。而本研究僅以1年單站的觀測資料作為研究對象，對模型區域化應用產生了一定的限制。因此，分品種分地域開展田間試驗獲取更具代表性的觀測數據，利用更加精細的空間網格氣象數據作為數據支撐，同時深化作物生長機理研究，將使得模型在作物產量預報、作物生長狀況定量評價、農業氣象災害影響評估等業務應用中更加精準和客觀，從而促進農業氣象服務的定量化、精細化和專業化。

參考文獻：

[1]孫穎，王旭東，王鶯，等. 硅磷配施對水稻土中速效養分和水稻產量的影響[J]. 浙江農林大學學報，2015，32（4）：551-556.

[2]朱德峰，陳惠哲，章秀福，等. 浙江水稻種植制的變化與種植區劃[J]. 浙江農業學報，2007，19（6）：423-426.

[3]段居琦，周廣勝. 我國單季稻種植區的氣候適宜性[J]. 應用生態學報，2012，23（2）：426-432.

[4][JP2]黃青，吳文斌，鄧輝，等. [JP3]2009年江蘇省冬小麥和水稻種植面積信息遙感提取及長勢監測[J]. [JP3]江蘇農業科學，2010（6）：508-511.[JP]

[5]王品，魏星，張朝，等. 氣候變暖背景下水稻低溫冷害和高溫熱害的研究進展[J]. 資源科學，2014，36（11）：2316-2326.

[6]譚孟祥，景元書，曹海寧. 江蘇省一季稻生長季氣候適宜度及其變化趨勢分析[J]. 江蘇農業科學，2016，44（1）：349-353.

[7]金志鳳，楊太明，李仁忠，等. 浙江省高溫熱害發生規律及其對早稻產量的影響[J]. 中國農業氣象，2009，30（4）：628-631.

[8]徐敏，徐經緯，高蘋，等. 江蘇水稻障礙型冷害時空變化特征及敏感性分析[J]. 氣象，2015，41（11）：1367-1373.

[9]王石立，馬玉平. 作物生長模擬模型在我國農業氣象業務中的應用研究進展及思考[J]. 氣象，2008，34（6）：3-10.[ZK）]

[10]Goff S A，Ricke D，Lan T H，et al. A draft sequence of the rice genome （Oryza sativa L. ssp. japonica）[J]. Science，2002，296（5565）：92-100.

[11]帥細強，王石立，馬玉平，等. 基于水稻生長模型的氣象影響評價和產量動態預測[J]. 應用氣象學報，2008，19（1）：71-81.

[12][JP2]莫志鴻，馮利平，鄒海平，等. 水稻模型ORYZA2000在湖南雙季[JP3]稻區的驗證與適應性評價[J]. 生態學報，2011，31（16）：4628-4637.[JP]

[13]浩宇，景元書，馬曉群，等. ORYZA2000模型模擬安徽地區不同播期水稻的適應性分析[J]. 中國農業氣象，2013，34（4）：425-433.[ZK）][HT][HJ][HT][FL）]

[KH*4D]

[HT8.]

[14]薛昌穎，楊曉光，陳懷亮，等. 基于ORYZA2000模型的背景地區旱稻適宜播種期分析[J]. 生態學報，2010，30（24）：6970-6979.

[15]沙依然·外力，李秉柏，張佳華，等. 水稻模擬模型在高溫敏感性研究中的應用[J]. 植物生態學報，2014，38（5）：515-528.

[16]曾研華，張玉屏，王亞梁，等. 秈粳雜交稻枝梗和穎花形成的播期效應[J]. 中國農業科學，2015，48（7）：1300-1310.

[17]郭含茹，張茂震，徐麗華，等. 基于地理加權回歸的區域森林碳儲量估計[J]. 浙江農林大學學報，2015，32（4）：497-508.

[18]楊琳，高蘋，居為民.基于MODIS NDVI數據的江蘇省冬小麥物候期提取[J]. 江蘇農業科學，2016，44（1）：315-320.

[19]曹秀霞，安開忠，蔡偉，等. CERES-Rice模型在江漢平原的驗證與適應性評價[J]. 中國農業氣象，2013，34（4）：447-454.

[20]孟亞利，曹衛星，柳新偉，等. 水稻莖孽動態的模擬研究[J]. 南京農業大學學報，2003，26（2）：1-6.

[21]郭保衛，花勁，周年兵，等. 雙季晚稻不同類型品種產量及其群體動態特征差異研究[J]. 作物學報，2015，41（8）：1220-1236.

[22]陳龍，史學正，徐勝祥，等. 基于水稻葉面積指數的根生物量預測模型研究[J].