ORYZA2000模型與障礙型冷害損失評估模型耦合模擬水稻空殼率

徐莎莎， 楊沈斌， 高 蘋

(1.江蘇省揚州市氣象局，江蘇揚州 225009； 2.南京信息工程大學應用氣象學院，江蘇南京 210044；3.江蘇省氣象局，江蘇南京 210008)

水稻是我國的主要糧食作物之一，其主要種植地分布在秦嶺淮河以南及東北地區[1]。由于水稻生長季長，容易遭受不同的農業氣象災害，如高溫熱害、低溫冷害、連陰雨等，對水稻的生產造成不利影響[2-4]。水稻的安全生產關系到國民經濟的健康發展，進行有效的農業氣象災害監測和損失評估對保障水稻生產起到重要的作用[5-8]。

當前，針對不同區域、不同水稻種植制度和農業氣象災害類型，已有較多有關水稻生長季農業氣象災害損失評估的研究報道[9-10]。這些研究的主要目的是為了建立有效、動態的農業氣象災害損失評估技術和方案。例如，張倩建立了適用于長江中下游稻區高溫熱害的影響評估方法[11]，該方法以水稻減產率作為高溫熱害評估指標，采用WOFOST作物模型模擬實際氣象條件和平均氣象條件下的水稻產量，然后通過對比分析模擬結果，評估了長江中下游地區高溫熱害對水稻的影響程度；陳德等則提出了基于遙感指數的水稻結實率估算模型，并將該模型應用于蘇皖一季稻區水稻產量形成期低溫冷害的影響評估[12]，該評估方法獲得了較好的應用效果，估算的結實率相對誤差小于11%；程勇翔建立了應用于南方雙季稻區的冷害損失評估方案[13]，該方案利用DSSAT作物模型，模擬并比較了平均光溫條件和冷害條件下水稻的潛在產量。通過比較兩者區別，確定冷害單一災害損失量。

從上述研究可以看出，技術方案中的災害損失評估模型是決定災害損失評估精度和能力的重要組分。因此，本研究以蘇皖鄂一季稻區為研究區域，嘗試建立水稻作物模型ORYZA2000與水稻障礙型冷害損失評估模型的耦合模型，并利用該模型實現水稻空殼率的模擬，為研究區水稻障礙型冷害損失評估提供更準確、更具有針對性的災害損失評估模型。

1 數據與方法

1.1 數據

1.1.1 水稻觀測數據 從分布在蘇、皖、鄂3省的26個農業氣象試驗站(圖1)獲取了1981—2010年的水稻觀測數據，包括水稻品種、水稻發育期、水稻產量及產量結構等，其中3省的產量結構要素均包括空秕率、穗粒數、千粒質量、有效穗數，但江蘇和湖北2省的產量結構要素還包括空殼率和秕谷率。從獲取的水稻發育期資料看，江蘇和安徽一季稻生長季在 5—10月，湖北在4—9月。在水稻生長季內，除病蟲害外發生了多種農業氣象災害，包括高溫熱害、低溫冷害、連陰雨和寡照。

對獲取的水稻觀測數據進行了質量控制，首先，剔除了缺測嚴重的年份，然后對產量及產量結構要素的觀測值統一單位，如規定產量單位為kg/hm2。隨后，對生育期數據進行了整理，將生育期的觀測日期全部轉換為日序數(即以每年的1月1日為第1天)，同時，對拔節期缺測的年份，采用該地平均拔節至抽穗的時間來反推日序數。最后，在上述處理的基礎上，形成統一格式的水稻觀測數據，便于后期處理和分析。

1.1.2 氣象數據 獲取了研究區內44個氣象站(江蘇11個、湖北25個、安徽8個)1981—2010年逐日氣象觀測數據，包括日照時數、最低和最高溫度、風速、水汽壓和降水量。采用最低和最高氣溫的平均值作為平均氣溫。對氣象觀測數據進行質量控制，即除降水量外對缺測的要素均采用臨近站點、臨近年份或缺測前后要素值的平均值代替。經統計，補缺的數據占總數據量的比例<1‰。

1.2 研究方法

1.2.1 ORYZA2000模型 本研究采用由國際水稻研究所與荷蘭瓦赫寧根大學共同開發的水稻作物模型ORYZA2000來模擬水稻關鍵生育階段低溫冷害對水稻生產的影響[14-17]。該模型能夠模擬3種生產水平(潛在生產、水分限制和氮素限制)下的水稻生長。其中，潛在生產是指水稻生長僅受光照和溫度條件的作用，水肥供應充足，也不考慮雜草和病蟲害的影響。水分限制是指水稻生長受到水分虧缺的影響，但養分供應充足。氮素限制是指水稻生長受到氮肥虧缺的影響，但水分供應充足。

ORYZA2000模型包含生育期模擬模塊、干物質積累模擬模塊、干物質分配模塊、葉面積模擬模塊和產量形成模擬模塊，各個模塊之間相互聯系、相互影響。如地上部分，生育期模擬結果影響干物質的分配，在模擬水稻發育進入幼穗分化期后，干物質分配增加了向穗器官的轉移，并隨生育期進程的推進，逐步減少或停止向葉片和莖稈的分配。當干物質分配到葉片后，葉片生物量增加，葉面積也隨之增大。增大后的葉片增加了光合同化物的總量，進而增加了水稻的總生物量。分配到各器官的生物量為凈光合同化量與干物質分配系數的乘積，而凈光合同化量等于植株總光合同化量與生長性和維持性呼吸消耗量的差。最終，水稻產量由環境因子作用后的穗器官生物量決定。

在模型中，水稻生育期進程被劃分為4個階段：基本營養階段、光敏感階段、穗形成階段及籽粒灌漿階段，分別對應水稻生長發育階段變量DVS=0～0.4、0.4～0.65、0.65～1和 1～2。其中，DVS=0定義為出苗，DVS=0.4定義為光周期敏感期的開始，DVS=0.65定義為幼穗分化期，DVS=1定義為抽穗開花期，DVS=2則為生理成熟期。在穗和產量形成階段，ORYZA2000模型考慮了DVS=0.75～1.2之間的低溫冷害和DVS=0.96～1.22之間的高溫熱害。其中，低溫冷害模塊采用的是冷積溫作為影響變量。低溫的作用以修訂因子的形式乘以總穗粒數，得到實際可結實的粒數，最后將千粒質量與可結實籽粒數相乘計算得到潛在最大產量。式(1)、式(2)被用于計算冷積溫作用系數Sc：

SQt=∑(22-Td)；

(1)

(2)

式中：SQt為作用時間內以22 ℃為上限溫度的冷積溫，℃；Td為日平均溫度，℃。

從圖2可以看出，Sc隨冷積溫的增加呈現非線性的逐漸增加趨勢，當SQt達到50 ℃時，Sc接近0.3，表明有30%的穗粒將因為低溫冷害無法形成充實的谷粒。

1.2.2 水稻障礙型冷害損失評估模型 馬樹慶等根據東北稻區一季稻障礙型冷害的發生規律和影響，提出了1種障礙型冷害損失評估模型(SCModel)[18]。該模型在逐日冷積溫對日空殼率影響的基礎上，建立了1組冷積溫對日空殼率的影響方程。利用該方程，從穗發育階段中的溫度敏感期開始，推算逐日空殼率直至抽穗開花，最后通過對逐日空殼率進行累積求和，計算得到障礙型冷害影響下的總空殼率。

模型采用日冷積溫與日空殼率的關系計算每日不育率。其中，第j日內冷積溫的公式如下：

(3)

式中：Ti為某時氣溫，℃；i為小時時序(24 h制)，h；h1和h2分別為低于臨界氣溫(T0)的起止時間，h；T0為水稻生殖生長受到冷害影響的臨界氣溫，℃，與所處時期及品種抗寒性有一定關系。例如，針對粳稻，T0通常設置為20 ℃，而對秈稻則設置為22 ℃。

日冷積溫的計算需要逐小時氣溫數據，因此采用逐日最高和最低氣溫觀測資料，運用如下公式推算小時氣溫：

(4)

式中：Tmin和Tmax分別為某日最低和最高氣溫，℃；h代表小時時序(24 h制)；Ti為第i小時的氣溫，℃。

模型中日內空殼率與日內冷積溫的關系如下：

(5)

式中：a和b為方程系數，本研究采用默認值，即分別取1.35和0.010 2；Xj代表j日內產生的空殼數占該日處于低溫敏感期的穎花應形成的總粒數的比例，%；當Wj=0時，X0=7.6%，即為默認的研究區一季稻生理空殼率。

考慮到水稻品種、田間管理和生長環境存在一定的空間差異，因此，區域內水稻生長進入關鍵期的時間存在差別，即每天處于生殖生長敏感期的水稻數量存在差異。當區域內水稻遭受障礙型冷害時，各稻田水稻生長的反應不同。為此，在生殖生長期內，假定每天進入低溫敏感期的稻穎占總體的比例(Pj)隨時間的變化呈現起始低、中期高、末期低的變化規律，其中高峰期略有偏前，呈現準正態分布特性。就此，引入敏感期長度Dn和高峰系數d2個參數，采用式(6)和式(7)模擬進入敏感期稻穎數量的累積概率Fj。計算公式如下：

(6)

Z=2Dnd+(2-4d)j。

(7)

式中：j為水稻進入敏感期的日序(進入敏感期的那天記為1，以此類推)；Dn代表敏感期長度，一般情況下，從孕穗初期到開花期，鄉級Dn為15～20 d，縣級為20～25 d，地區級為 25～30 d，在田塊尺度上可根據實際水稻進入敏感期和抽穗開花期的時間來確定；d為敏感高峰期系數，即高峰期日序與Dn的比例，一般d取0.4。因此，區域的Fj值除取決于日序j外，還因Dn和d而有所變化，能有效地反映實際障礙型冷害的影響。

在此情況下，某日水稻處于敏感期的稻穎數量占總體的比例Pj計算公式如下：

Pj=Fj-Fj-1。

(8)

則每日空殼數占總空殼數的比例為Hj=QjPj。其中，Qj=Xj-X0，表示由低溫導致的逐日空殼率。從圖3可以看出，Pj呈現出標準正態分布特征，Dn值越小，表明敏感期越短。當Dn設置為15時，Pj最高值出現在第7天；當Dn為20時，Pj最高值出現在第8天；當Dn為25時，Pj最高值出現在第10天。由此可見，Pj出現最高值的日序數隨Dn延長的增加幅度要小于Dn延長的程度。

最后，由敏感期內低溫造成的總空殼率Rps計算公式如下：

(9)

式中：t1和t2分別表示敏感期的起始日序和結束日序。

1.2.3 耦合方案 從圖4可以看出，以ORYZA2000模型模擬的水稻生理發育階段(development stage，簡稱DVS)為依據，計算水稻進入生殖生長敏感期的時間(Sdoy)及其持續的時間(Dn)，然后將這2個參數輸入SCModel中，啟動模型從Sdoy開始向后模擬Dn天，在模擬中累積逐日空殼率直至SCModel模擬結束，最終累積得到水稻空殼率Rps。

為了確定水稻進入生殖生長敏感期的起始時間，參考ORYZA2000模型中有關穗形成期低溫冷害的研究結果，以DVS=0.75作為敏感期的起始時間Sdoy，以DVS=1.0作為終止時間，因此Dn設置為起始時間至終止時間的持續時間。

為了驗證耦合模型在障礙型冷害影響模擬中的有效性，首先以30年水稻農業氣象觀測數據和氣象資料為依據，對典型年份進行篩選?？紤]到不同年份種植的水稻品種不同，首先利用ORYZA2000模型自帶的DRATES.EXE定標程序對每個典型年份進行水稻生育期參數的標定，并將標定后的生育期參數替換默認值，使每年的水稻生育期模擬結果與該年水稻發育期情況保持一致。然后，利用耦合模型對典型年份進行生長模擬，輸出Rps。隨后，將模擬的Rps與實測空殼率Rpo進行比較，驗證耦合模型的模擬精度。同時，利用ORYZA2000模型內置的冷積溫函數計算輸出冷積溫影響系數Sc，并將該系數值與上述2個變量進行比較，確定冷積溫函數在障礙型冷害影響模擬中的有效性。考慮到各典型年份水稻品種的差異，即有的為秈稻品種，有的為粳稻品種，根據品種類型設置了SCModel中的臨界溫度閾值。

1.2.4 典型年份的篩選 為了挑選典型障礙型冷害年份，首先對各站點歷年一季稻幼穗分化至抽穗開花階段的氣候要素進行統計，然后根據表1中的高溫熱害、冷積溫和有效積溫指標進行統計。最后，結合實際水稻空殼率觀測數據，采用如下方法篩選出典型低溫冷害年份：①各站有效積溫距平按升序排序，負值>10%的年份(指距平值為負數，同時絕對值>10%的年份)；②幼穗分化至抽穗開花階段無高溫熱害日；③同階段冷積溫值>0 ℃；④實測水稻空殼率>10%。

表1 篩選典型年份時采用的高溫熱害和低溫冷害指標

2 結果與分析

從表2中可以看出，共篩選出4個站點16個年份。由于缺乏安徽省水稻空殼率觀測資料，因此，篩選出3個處于江蘇省的站點和1個處于湖北省的站點。這些典型年份在幼穗分化至抽穗開花期沒有高溫熱害日，但均存在一定程度的冷積溫，篩選所得年份的冷積溫平均值、標準差分別為10.1、11.0 ℃。典型年份實測空殼率平均值為23.5%，標準差達到7.5%，空殼率占水稻空秕率的比重平均超過60%，說明穗形成階段的障礙型冷害對產量造成了嚴重的影響。

表2 篩選后的站點和年份

根據上述典型站點各年份的水稻生育期觀測數據，利用ORYZA2000模型自帶的DRATES.EXE程序對水稻生育期參數進行了標定。由于未知這些年份和站點水稻品種的光周期特性，因此，忽略這些品種的光周期效應，僅對模型中的DVRJ、DVRI、DVRP和DVRR 4個生育期特征參數進行了標定。這4個參數均為發育速率常數，分別對應ORYZA2000模型中的4個生育階段。另外，假設所有典型年份一季稻品種的拔節與幼穗分化同期，因此在標定時以觀測的拔節期作為幼穗分化期。最終的參數標定結果如表3所示。模擬的幼穗分化期、抽穗開花期和成熟期與實測情況的散點關系如圖5所示。經統計，模擬的水稻幼穗分化期、抽穗開花期的均方根誤差(RMSE)分別為2.2、1.0 d，相關系數均超過0.99。

從典型站點各年份模擬的水稻DVS序列中分別確定Sdoy和Dn，從圖6可以看出，利川站典型年份的水稻生殖生長敏感期初始時間Sdoy在198～214 d間變化，Dn為15～22 d；徐州站典型年份內Sdoy在209～217 d間變化，Dn為19～28 d；鎮江和高淳站處于長江以南，2站典型年份的Sdoy為230～245 d，Dn在15～23 d間變化。各站典型年份之間Sdoy和Dn存在差異的主要原因是水稻品種及其在關鍵期對溫度等環境條件響應的差異。

表3 各典型年水稻生育期參數標定結果

將各站典型年份的Sdoy和Dn值作為SCModel模型的參數值代入模型中。模型中的敏感期高峰系數Cd選用默認值0.4。模型運行輸出逐日空殼率并累積至敏感期結束(抽穗開花期)，因此最終的水稻空殼率為逐日空殼率的累積值。將各站典型年份的空殼率模擬值與實際觀測值，以及ORYZA2000模型中冷積溫函數計算輸出的DVS=0.75～1.20的冷積溫影響系數Sc進行了比較。從圖7可以看出，大多數典型年份模擬的空殼率與實際空殼率的關系良好，除利川1984—1986年、1989年、1991年共5年的空秕率模擬結果與實測結果絕對誤差超過16%以外，其他典型年份的空秕率模擬值與實測值絕對誤差較小，平均為5.3%。根據統計，利川站模擬誤差較大的5個典型年份中， 4個存在嚴重的高估，僅1個低估了實際空殼率?？傮w上看，利川站空殼率模擬值與實測值的RMSE為19.4%，除去上述典型年份外，模擬值與實測值的RMSE為6.4%。江蘇的徐州、鎮江和高淳3站典型年份的模擬空殼率與實際空殼率的RMSE為5.9%。因此，綜合上述結果可以看出，SCModel模型模擬的典型年份水稻空殼率與實際情況大體一致。對于利川站出現較大誤差的5個典型年份，主要原因可能與當年品種特性、土壤、田間管理等綜合因素有關。

與SCModel模擬的水稻空殼率相比，由ORYZA2000模型內置的冷積溫影響函數計算的冷積溫影響率，存在明顯低估水稻障礙型冷害影響的現象。Sc表示的是DVS=0.75～1.20階段冷積溫的影響，即對應水稻減數分蘗期至抽穗開花末期冷積溫的不利作用。Sc值越小表明受低溫影響的水稻穗粒數越少。從模擬結果看，大多數典型年份的Sc低于10%，與實際情況差別明顯。這也表明，ORYZA2000模型采用的冷積溫函數在模擬水稻關鍵生育階段低溫冷害的作用時存在明顯的低估現象。

3 討論與結論

本研究建立SCModel與ORYZA2000模型的耦合模型，能夠以較高的精度模擬大多數典型年份的水稻空殼率。這得益于ORYZA2000模型在水稻生育期模擬上的精度以及SCModel在水稻空殼率模擬上的能力。然而，耦合模型在水稻空殼率的模擬上存在一定的不確定性，導致一些站點模擬誤差偏大。根據分析，SCModel中基于日冷積溫估算日空殼率Xj的函數是SCModel的核心，該函數直接影響了日空殼率的模擬精度。由于本研究缺乏研究區各站不同品種水稻逐日空殼率的觀測數據，因此，針對所有典型年份的水稻品種均采用相同的日冷積溫影響函數，增加了各站水稻空殼率模擬的不確定性。

本研究采用的水稻空殼率模擬方法是實現在站點尺度上，因此，SCModel模型中Dn和d參數值是依據站點水稻實際生長情況設定的。當該方法應用于區域尺度時，Dn和d參數值的設定變得困難。此時，Dn和d參數值應該反映區域上水稻進入生殖生長敏感期的時間以及持續時間。因此，在實際應用時會因無法準確把握區域上水稻生產的基本特征導致模擬結果存在較大誤差，對準確指導農事生產產生一定的不利作用。為此，可考慮結合農業遙感技術，采用衛星遙感反演區域水稻生育期進程的方法獲取SCModel模型中的基本參數值。

ORYZA2000模型中的冷積溫影響函數是利用DVS=0.75～1.20之間的冷積溫與結實率的關系來模擬低溫冷害影響，并通過計算冷積溫影響率Sc定量反映低溫脅迫作用。從Sc與模擬空殼率Rps和實測空殼率Rpo的比較看，計算的Sc存在低估低溫冷害影響的問題。因此，本研究將水稻障礙型冷害損失評估模型引入到ORYZA2000模型中，替換以冷積溫為變量的冷害作用函數。引入后可以根據ORYZA2000模擬的DVS，準確獲取障礙型冷害敏感期的起始和持續時間，使水稻空殼率的模擬結果更符合實際情況。

本研究將SCModel模型與ORYZA2000模型耦合，實現了水稻空殼率的模擬。從典型年份的模擬結果看，大多數年份模擬空殼率與實測空殼率誤差<9%。這主要得益于生育期參數定標后的ORYZA2000模型能夠準確估算水稻生育期進程，獲得水稻進入生殖生長敏感期的起始時間Sdoy和持續時間Dn，反映水稻實際生長受環境的作用。將計算得到的Sdoy和Dn作為SCModel模型的輸入參數，從Sdoy開始模擬直至抽穗開花，推算逐日冷積溫，并依據冷積溫的強度估算得到逐日空殼率，再通過累積計算得到最終水稻空殼率。因此，通過模型的耦合，客觀上提高了模型模擬的精度。