基于DSSAT模型的黑龍江省玉米LAI變化規(guī)律研究

許越越

（安徽理工大學(xué)測繪學(xué)院，安徽 淮南 232001）

近年來，中國在水稻、小麥、玉米、大豆、溫室作物等農(nóng)作物生長發(fā)育動態(tài)模擬研究與應(yīng)用上均取得了較大進展[1-4]。帥細強等[5]建立了不同發(fā)育階段水稻模擬生物量和相對氣象產(chǎn)量的統(tǒng)計模型，結(jié)合趨勢產(chǎn)量預(yù)測，實現(xiàn)了不同發(fā)育階段區(qū)域雙季稻產(chǎn)量的動態(tài)預(yù)測。王志強等[6]研究認為，輻射波動是小麥產(chǎn)量波動的主要原因，溫度脅迫的降低在一定程度上促進了小麥的增產(chǎn)。我國在玉米生長模擬方面的研究也取得了很大突破，主要是對玉米生育期模擬，其中葉面積指數(shù) （Leave Area Index，LAI）的動態(tài)變化直接影響到作物生長和作物估產(chǎn)，因此利用作物生長模型模擬LAI的變化規(guī)律具有重要的意義。目前大多數(shù)專家學(xué)者開展了基于作物生長模型模擬作物生產(chǎn)進行作物遙感估產(chǎn)的研究[7-10]，但很少涉及對作物LAI動態(tài)變化的深入研究。LAI是表征植被冠層布局的重要參數(shù)，同時也是反映作物發(fā)育狀況的主要指標之一。精準模擬作物LAI是作物生長模型對作物生長狀況預(yù)測和作物估產(chǎn)的關(guān)鍵所在。本研究以黑龍江省軍川農(nóng)場的墾單5號玉米品種為研究對象，通過作物生長模型模擬2016年軍川農(nóng)場玉米在整個生育期內(nèi)的LAI動態(tài)變化，計算模擬值與實測值兩者的均方根誤差和一致性指數(shù)，并運用遺傳參數(shù)對DSSAT模型進行驗證，得到最優(yōu)玉米品種遺傳參數(shù)，完成模型參數(shù)的本地化，從而準確模擬玉米在整個生育期內(nèi)的LAI變化規(guī)律，進而準確模擬該地區(qū)玉米葉片生長情況，該研究可為區(qū)域作物生長監(jiān)測以及遙感估算提供科學(xué)的理論基礎(chǔ)。

1 玉米LAI變化規(guī)律研究材料與方法

1.1 研究區(qū)概況

研究區(qū)軍川農(nóng)場位于黑龍江省鶴崗市蘿北縣境內(nèi)，地處松花江、黑龍江沖積平原，隸屬寶泉嶺農(nóng)場管理局，是黑龍江省重點機械化農(nóng)場之一。這里地形平坦，土壤有機質(zhì)含量高，抗旱抗?jié)?，適宜各種作物生長。土地面積87 km2，耕地面積62.1 km2，其中耕地資源31 000 km2，牧地草原551 km2，水資源面積3 008 km2，主要農(nóng)作物有玉米、小麥、大豆等。

農(nóng)場介于東經(jīng) 131°02'～131°30'，北緯 47°20'～47°40'之間，屬于中高緯度地區(qū)，冬季和春季寒冷干燥、夏季炎熱多雨，屬溫帶大陸性季風氣候。農(nóng)場全年的降水充沛，多年平均降水量527.4 mm，全年平均氣溫2.3℃，農(nóng)場冬季的天氣相對寒冷干燥，但栽培作物在生長季節(jié)雨量較大，可以滿足作物的基本生長需求，而當?shù)氐娜照諘r間長，農(nóng)場地形平坦，肥沃的土壤為當?shù)剞r(nóng)作物生長發(fā)育提供了有利條件。

1.2 數(shù)據(jù)來源

本研究使用的氣象數(shù)據(jù)來自于中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng) （http://data.cma.cn/），土壤數(shù)據(jù)來自于中國土壤數(shù)據(jù)庫 （http://vdb3.soil.csdb.cn/）。

1.3 數(shù)據(jù)設(shè)計與處理

1.3.1 數(shù)據(jù)設(shè)計

本研究在軍川農(nóng)場選取了18個種植培育情況相同的玉米栽培地號進行試驗。該試驗于5月1日播種，5月20日出苗，9月25日成熟。每個地號每公頃施肥磷酸二銨165 kg、氯化鉀45 kg，追肥施尿素 181 kg，N∶P∶K 為 1.5∶1∶0.5，每公頃保苗4.7～5.3萬株，所有地號的玉米均進行自然雨養(yǎng)栽培，定期統(tǒng)一施肥除蟲與管理。

1.3.2 數(shù)據(jù)處理

本研究所需的LAI采用長寬系數(shù)法進行計算，在玉米不同的生育期，在研究區(qū)內(nèi)選取5株具有代表性的玉米植株，并在相應(yīng)的土地編號中定期取樣。在該試驗中，共采集6個樣本以確定生長期玉米作物的LAI，分別在玉米作物出苗后的拔節(jié)期、乳熟期以及成熟期3個階段進行抽樣，然后測定每個玉米品種樣本的各葉片的葉長Lij和最大葉寬Bij，之后再進行LAI的計算，計算公式為

式中：n為第j株玉米的葉子總數(shù)；m為測試的玉米數(shù)量；i為播期；ρ為玉米的種植密度。最終的測算結(jié)果見表1。

表1 2016年軍川農(nóng)場實測的LAI

2 玉米LAI變化規(guī)律研究的模型與方法

2.1 模型的建立

CERES Maize模型的初步建立在于對一些輸入文件的收集、處理與建立。主要可分為氣象數(shù)據(jù)的輸入、土壤數(shù)據(jù)的輸入、作物田間管理數(shù)據(jù)的輸入以及作物品種遺傳參數(shù)的輸入。該模型具體的結(jié)構(gòu)框架見圖1。

圖1 CERES模型結(jié)構(gòu)框圖

2.1.1 氣象數(shù)據(jù)的輸入

該模型所需的氣象數(shù)據(jù)有逐日降水量、逐日最低氣溫、逐日最高氣溫以及逐日太陽輻射值，其中太陽輻射值不能直接從氣象站獲取，需要按照逐日日照時數(shù)轉(zhuǎn)換得到。本研究參照張艷紅[11]的研究，采用Angstron方法對太陽輻射值進行計算，計算公式為

式中：Q為太陽總輻射量；Q0為地球外輻射量，可根據(jù)日期、地理緯度、赤緯計算得到；a和b為回歸常數(shù)，不同的氣候區(qū)有不同的取值，可根據(jù)實際資料計算確定，這里根據(jù)李克煌[12]有關(guān)研究，將經(jīng)驗系數(shù)a和b分別取值為0.18，0.55；n為實際日照時數(shù)；N為最大可能日照時數(shù)；n/N為相對日照時數(shù)。

地球外輻射量Q0的計算公式為

式中：S0為太陽常數(shù)，值為1.36×103W·m-2；dr為日地相對距離；Ωt0為日出時角；φ為地理緯度；δ為太陽赤緯。

最大可能日照時數(shù)N的計算公式為

式 （4）中 Ωt0可由 cosΩt0=-tgφ×tgδ求出，并化為弧度，具體為

日地相對距離dr的計算公式為

式中：J為日序號，從1月1日開始到12月31日結(jié)束，取值范圍為0～365。

由于數(shù)據(jù)量過大，本研究借用VB程序設(shè)計來計算日太陽輻射值，然后利用原有的氣象數(shù)據(jù)及轉(zhuǎn)換后的日太陽輻射值，建立最終的氣象數(shù)據(jù)文件輸入到模型中。

2.1.2 土壤數(shù)據(jù)的輸入

CERES Maize模型需根據(jù)黑龍江軍川農(nóng)場的實際情況輸入相應(yīng)的土壤數(shù)據(jù)。具體需要輸入的土壤數(shù)據(jù)大致分為當?shù)赝寥赖幕拘畔⒑捅砻嫘畔ⅰＦ渲?，土壤的基本信息包括該土壤類型所在的國家、土壤?shù)據(jù)來源、站點名稱、經(jīng)緯度、土壤系列名稱以及土層分類等；土壤表面的相關(guān)信息包括土壤的顏色、土壤的排水情況、土壤坡度、土壤飽和含水量等。將軍川農(nóng)場2008年的一些基本的土壤數(shù)據(jù)輸入后，會得到2016年該地區(qū)的土壤參數(shù)，具體見表2。此外，在土壤參數(shù)中，反照率為0.13；排水率為0.6；徑流曲數(shù)為61。

表2 2016年軍川農(nóng)場墾單5號玉米作物所需的土壤參數(shù)

2.2 模型的驗證

對CERES Maize模型的驗證實際上是CERES Maize模型的本地化過程，該過程主要是為了實現(xiàn)對P1，P2，P5，G2，G3，PHINT這 6 個作物品種遺傳參數(shù)的校正與驗證，從而實現(xiàn)模型模擬的可行性與可靠性，最終實現(xiàn)該模型的本地化操作。其中，P1為幼苗期生長特性參數(shù)、P2為光周期敏感系數(shù)、P5為灌漿期特性參數(shù)、G2為單株最大穗粒期、G3為潛在灌漿速率參數(shù)、PHINT為出葉間隔特性參數(shù)。本研究采用王連喜等[13]的研究思路，利用DSSAT系統(tǒng)中常用的試錯法來模擬調(diào)試并最終確定6個作物品種遺傳參數(shù)。

2.2.1 模型參數(shù)的校正與驗證

模型參數(shù)的本地化過程是提高模型整體模擬精確度的關(guān)鍵[14]。作物品種遺傳參數(shù)的調(diào)試需要建立氣象、土壤、作物田間栽培管理以及A文件等，在參數(shù)調(diào)整校正前應(yīng)預(yù)設(shè)一組初始遺傳參數(shù)值。該模型需選取一年的玉米生育過程中的實測LAI用于校準模型，并使用2014年和2015年軍川農(nóng)場的數(shù)據(jù)來驗證。

2.2.2 模型的適用性驗證

LAI和模型模擬的測量值必然存在一定的誤差，這里，采用測試模型中常用的統(tǒng)計方法分析模擬值和測量值之間的一致性。統(tǒng)計分析中主要用到均方根誤差 （xRMS）和決定系數(shù) （r2），用于檢驗判定該玉米品種模型適用性的，具體計算公式為

式中：IOBSi為玉米LAI的實測值；ISIMi為模擬的LAI；i為玉米LAI實測值和模擬值的樣本序號；n為抽取的樣本總?cè)萘俊?/p>

一般來說，xRMS＜10%為模擬效果顯著；10%＜xRMS＜20%為模擬效果較顯著；20%＜xRMS＜30%為模擬效果一般；xRMS＞30%為模擬效果差；r2值越接近1，玉米LAI的模擬值和測量值之間的一致性越好，反之則越差。

3 玉米LAI變化規(guī)律研究的結(jié)果與分析

3.1 玉米LAI動態(tài)變化規(guī)律

通過上述模型的建立與校正，最終得到墾單5號玉米品種在整個生育期內(nèi)的LAI動態(tài)變化曲線圖，見第69頁圖2。通過對該品種玉米LAI的動態(tài)變化曲線分析可看出，從播種到第20 d期間，該品種玉米的LAI值幾乎為零，說明此時玉米還處于未出苗的階段；第20～60 d期間，該品種玉米正處于出苗的后期到拔節(jié)期，該階段LAI值迅猛增大，說明玉米正處在快速生長的生育過程；第60～80 d期間，該品種玉米正處于拔節(jié)期至抽雄的早期階段，該階段玉米LAI呈現(xiàn)上升趨勢；第80～120 d期間，該品種玉米在開花，開花和預(yù)產(chǎn)期的后期是玉米的生殖生長階段，該階段玉米的LAI變化相對比較緩慢，波動不是很大，呈現(xiàn)出一條與x軸幾乎平行的直線，數(shù)值保持在4.0～4.5之間；第120～143 d期間，該品種玉米處于乳熟后期至成熟前期，這也是玉米的生殖生長階段，該階段玉米的葉片從生長緩慢的狀態(tài)慢慢轉(zhuǎn)換為衰落的狀態(tài)，此時ILA的值呈現(xiàn)快速下降的趨勢；第143～148 d期間，該品種玉米處于成熟后期，該階段玉米即將收獲，其LAI幾乎沒有變化，數(shù)值一直保持在0.5左右。

圖2 2008年玉米LAI與播種后天數(shù)的關(guān)系

該品種玉米的整個生育期內(nèi)，LAI的變化趨勢大致可分為以下4個階段。

第一階段是出苗-拔節(jié)期，LAI緩慢增加。

第二階段是拔節(jié)-抽雄吐絲期，LAI處于直線增長階段。

第三階段是抽雄-乳熟期，LAI相對穩(wěn)定，后階段略有下降。

第四階段是乳熟-成熟期，LAI下降，呈現(xiàn)衰老趨勢。

在LAI呈線性增長的過程中，第45 d處有一個明顯的異常點，該點處于玉米生長發(fā)育的拔節(jié)期，是玉米生長最旺盛的時期之一。在此期間，玉米需要大量的水分，然而第41～47 d這一周的降水量幾乎為零，農(nóng)田正處于嚴重缺水的階段，圖中LAI略微下降的原因可能是由于該階段玉米嚴重缺水導(dǎo)致的。

3.2 玉米品種遺傳參數(shù)的調(diào)試與驗證

本研究利用2016年軍川農(nóng)場的墾單5號玉米觀測資料，結(jié)合土壤以及作物田間栽培管理數(shù)據(jù)對每個遺傳參數(shù)進行調(diào)試并確定最終的最優(yōu)遺傳參數(shù)。在驗證玉米作物生長模型的同時獲得了該玉米品種的遺傳參數(shù)，見表3。

表3 計算校正后的玉米作物品種遺傳參數(shù)

由表3可見，作物遺傳參數(shù)在校準之后的LAI的模擬結(jié)果的均方根誤差為27.4%，決定系數(shù)為0.877，表明該玉米品種的作物遺傳參數(shù)的準確度較高，可以較精確地反映出當?shù)仄贩N遺傳特征。

為進一步驗證作物品種遺傳參數(shù)的適用性，本研究還將該品種玉米LAI的模擬值與實際觀測值進行對比分析，檢驗玉米LAI的模擬能力，見表4。

表4 墾單5號玉米LAI實測值與模擬值間的比較

由表4可見，墾單5號玉米的模擬值和測量值之間的均方根誤差為21.7%，低于30%，表明玉米LAI模擬模型具有良好的模擬效果；決定系數(shù)r2為0.905，表明該模型LAI的模擬值與測量值高度一致，可以模擬未來玉米的生長期和產(chǎn)量等，可信度高。

3.3 玉米相對LAI動態(tài)變化模型的建立

根據(jù)孔德胤等[15]對河套地區(qū)的LAI研究可知，簡單的以積溫為自變量對玉米LAI動態(tài)變化進行模擬仍存在一定的局限性。由于作物生長模型沒有消除低于10℃的無效積溫，所以模擬結(jié)果相對不準確，仍需要改進。因此，本研究在此模型的基礎(chǔ)上進行優(yōu)化，以有效積溫為自變量模擬了軍川農(nóng)場玉米LAI的變化。

玉米LAI將隨著播種日期而變化，因此統(tǒng)一模型的前提是統(tǒng)一時間尺度。首先，生長期的長度由活動的累積溫度表示，并且LAI和生長期被標準化以建立LAI的動態(tài)變化模型。作物在生長期某日的LAI為

式中：IRLA為作物出苗后第i天的相對LAI；ILAi為出苗后第i天的LAI；ILAmax為整個生長期玉米作物的最大LAI。

本文將玉米的整個生育期分為兩個階段，以吐絲日為分界線。出苗-吐絲期為第1階段，大于等于10℃的有效積溫用T1表示，當Ti≤10，積溫即為0；吐絲-成熟期為第2階段，大于等于10℃的有效積溫用T2表示。兩者的計算公式為

標準化后的公式分別為

式中：DS1和DS2分別為當天玉米第一和第二階段截至第i日大于等于10℃的有效積溫的標準值；n和m分別為玉米出苗-吐絲、吐絲-成熟期的天數(shù)，分別取值122和26；Ti為逐日平均氣溫；i為生育日期。第一階段的DS取值范圍為0～1，第二階段DS取值范圍為1～2。

3.3.1 模型參數(shù)的計算求解

本研究使用2016年在軍川農(nóng)場的墾單5號品種玉米試驗數(shù)據(jù)LAI的實測值以及對應(yīng)生育期內(nèi)的氣象數(shù)據(jù)資料，計算相對LAI和相對積溫，然后使用MATLAB軟件求得模型中所需的參數(shù)a1，a2，a3。其中，最大LAIILAmax取值為5，這里xm由王連喜、劉靜等[13]研究提供的優(yōu)化參數(shù)直接取值為1.1。

在對所有播種日期的LAI和大于等于10℃的有效積溫數(shù)據(jù)進行歸一化后，通過MATLAB軟件中的線性擬合得到最終的模型參數(shù)為：a1=4.89，a2=-11.53和a3=5.21。最后可以得到相對LAI與玉米品種相對積溫之間的關(guān)系，具體的關(guān)系式為

3.3.2 模型的運行與分析

通過DSSAT軟件運行優(yōu)化模型，歸一化后的生育期長度 （相對積溫）和相對LAI之間的關(guān)系見圖3。

從圖3的擬合曲線可以看出，5個LAI的實測值都比較靠近擬合曲線，所有數(shù)據(jù)點的離散程度大大下降，擬合效果明顯。

圖4為擬合值與實測值的關(guān)系示意圖，從圖4可以看出，擬合值與實測值點分布密集且集中，所有的點均靠近一條趨勢線，擬合效果很好。同時獲得了該模型擬合出來的值和實測值的均方根誤差xRMS，值為0.22，表明該玉米品種的模擬值與實測值一致性較好；決定系數(shù)r2為0.92，說明該模型解釋了因變量的92%，呈現(xiàn)出較好的模擬效果。綜上所述，該優(yōu)化模型模擬出來的玉米LAI與實測值之間的誤差更小，效果更加顯著，較之前的作物生長模型模擬效果更準確。

圖3 相對LAI（IRLA）與相對積溫（DS）的擬合曲線

圖4 墾單5號玉米LAI的擬合值與實測值的關(guān)系

4 結(jié)論

CERES Maize模型中品種的遺傳參數(shù)可以準確模擬該地區(qū)玉米品種5號的生長發(fā)育過程和LAI在整個生育期內(nèi)的變化規(guī)律。

該模型能準確模擬該地區(qū)該品種玉米葉片生長情況，并為區(qū)域作物生長監(jiān)測以及遙感估產(chǎn)提供科學(xué)的理論依據(jù)。

本研究應(yīng)用DSSAT模型模擬玉米在整個生育期內(nèi)的LAI變化規(guī)律，能夠有效地解決地面觀測資料缺乏的問題。DSSAT模型模擬的是點上的田間尺度數(shù)據(jù)，將點上面的數(shù)據(jù)擴展到面上，并且監(jiān)測范圍也從田間尺度擴展到區(qū)域尺度。結(jié)果表明，DSSAT模型可用于模擬作物LAI的變化，以獲得較合理的模擬結(jié)果。

另外，在模型的模擬過程當中，給出了有效積溫的定義，對LAI模擬的模型進行了優(yōu)化，從而避免了由于玉米品種、播種日期和作物田間管理方法的差異導(dǎo)致的模擬LAI的偏差，因此，可以更準確地反映整個生長期玉米品種的動態(tài)變化。

相對LAI和相對積溫模型統(tǒng)一了不同播期和不同密度的LAI的動態(tài)變化，因此該模型的適用性比單一發(fā)育階段更為普遍和適用。