安徽沿江江南地區漬害脅迫條件下油菜AquaCrop模型驗證

王曉東，岳偉*，陳金華，陳曉藝

（1.安徽省農業氣象中心，合肥230031；2.安徽省農業氣象災害評估及風險轉移實驗室，合肥230031；3.安徽省氣象科學研究所，合肥230031）

0 引言

【研究意義】油菜是安徽省主要油料作物，分布在江淮丘陵及沿江江南地區[1]。安徽省沿江江南地區光、溫、水條件總體適宜油菜的生長[2]，但氣候多變并且旱澇災害頻發[3]，影響作物的正常生長和產量形成[4-5]，尤其是花期連陰雨易導致油菜遭受大面積的濕漬害[6]，導致結實率明顯下降，給當地的油菜高產穩產帶來較大影響[7]。通過引進合適的作物模型，提高當地油菜生產技術支撐能力，對于提升當地油菜生產管理水平具有重要意義?！狙芯窟M展】AquaCrop模型是由聯合國糧食及農業組織主持并組織來自不同國家的氣候、作物和水資源等領域的專家及國際農業研究磋商小組共同研發的、通過在大量試驗的基礎上提出的準確性高、簡捷易操作和計算模塊健全的作物生長模型[8-9]，該模型于2009年1月正式免費提供給廣大用戶使用[10]。作為水分驅動模型，其主要通過作物水分利用率與生物量呈線性關系達到模擬目的[11-12]，即作物產量主要由土壤中可供應的水量決定，著重模擬作物生物量與產量對水分供應的響應狀況，主要用于揭示在不同管理措施和水分脅迫下作物生長的響應機制。相對于以碳驅動和輻射驅動的作物模型，以水分作為驅動因子的該模型結構簡單且需要參數較少，在時間與空間上的實用性較大，可操作性較強，適用于研究精度相對較低的大田試驗[13]，并在一定程度上解決了現存作物模型復雜、透明度不足、設計不平衡及輸入數據要求詳細等問題[14-15]。國外對AquaCrop模型的開發和應用研究較多，涉及模型的綜述[16]、參數調整、驗證[17]以及模擬應用等多個方面[18]。近年來國內模型應用研究也陸續開展，主要以模型的適用性評價研究較多，涉及冬小麥[19-20]、夏玉米[21-22]、胡麻[23]和大蔥[24]等多種作物以及其在干旱[25]、低溫[26]和覆膜[27]等不同生長環境和管理措施下的模擬，AquaCrop模型在各地區模擬的適用性總體較好，具有很好的應用前景。

【切入點】近年來針對安徽油菜澇漬判別模型[28]、油菜發育期預報模型[29-30]以及受災指標模型[31-32]等方面已有相關的研究，但針對安徽省油菜產量預報模型方面研究較少且以傳統的統計模型為主，缺少相應的機理特性且區域適用性相對較差?！緮M解決的關鍵問題】為提升安徽省油菜產量預報技術支撐能力，彌補傳統統計模型在產量預報中的不足，并充分發揮作物模型在油菜生產力評估方面的作用，引入AquaCrop模型，基于當地作物、氣象、土壤等數據以及2010—2013年宣城農業氣象試驗站油菜大田試驗資料對模型參數進行率定及模擬效果檢驗，同時對安徽省沿江江南地區主要農氣觀測站不同年份油菜產量進行模擬，并對油菜漬害脅迫下的生長模擬效果進行檢驗。通過模擬和檢驗，證明Aquacrop模型對安徽省沿江江南地區油菜漬害脅迫條件下產量模擬的有效性。

1 材料與方法

1.1 數據資料來源及試驗區概況

安徽省沿江江南地區油菜觀測站氣象資料來源于安徽省氣象信息中心，氣象數據包括2010—2013年降水、日照等常規氣象觀測資料，產量數據主要來源于宣城、池州、東至和歙縣4個油菜農氣觀測站資料。

油菜試驗地點位于宣城宣州區鰲峰辦事處張錦村農業氣象試驗站試驗田（北緯30°56′，東經118°45′，海拔16.2m），離宣城市氣候觀測場水平距離900m。該地氣候濕潤溫和，屬濕潤氣候區，年平均溫度為15.6℃，氣溫年較差25.4℃，無霜期8個月，雨量豐沛，年降水量在1200～1500mm之間。試驗田四周均為農田，地塊前茬作物為水稻，附近有河流，灌溉條件好，土壤肥力中等，pH值6.5 左右，常年產量水平中等，是試驗研究的理想田塊。本試驗點及安徽省主要的油菜觀測點、氣象站點分布見圖1。

1.2 試驗設計

試驗于2010—2013年在宣城農業氣象試驗站進行，以長江中下游主栽油菜品種為研究對象，適合當地種植的“浙平四號”甘藍型良種作為試驗品種。播種日期為每年的9月15日（適播期），苗齡35 d 和葉齡7 片左右移栽；種植密度為12株/m2，每個小區約120 穴，每穴1株。試驗中在油菜開花初期進行水分控制，分別設置持續3 d（K1）、6 d（K2）、9 d（K3）、12 d（K4）、15 d（K5），共5個水平，如K1 處理連續3 d 是指從油菜開花后緊接的3 d 進行控水管理，其余類似，設置3個重復，對照小區為正常大田環境，不進行任何處理，共18個小區，水分控制采取漫灌方式使試驗田間水分維持在田間持水率的95%以上，為防止試驗過程中土壤水分橫向流通，小區四周設置防水膜，入土深度約0.5m，并在小區四周設置0.5m寬和0.3m 深的排水溝，四周設1m 左右的保護行。此外在水分控制試驗過程中，為了防止太陽光直接照射和真實模擬花期陰雨寡照天氣對油菜生長的影響，水分控制過程中采用遮陽網對試驗小區進行遮擋，結束后撤掉遮陽網。

圖1 油菜試驗點及安徽省主要的油菜觀測點 Fig.1Rapeexperimental site and main observation sitesin Anhui province

1.3 測定項目和方法

1.3.1 氣象和土壤資料

利用站點平均氣溫、最高氣溫、最低氣溫、風速、降水量和相對濕度等氣象資料采用FAO 推薦的ET0計算器求出參考作物日蒸散量，生成相應的氣象要素文件供AquaCrop模型模擬調用。根據土壤剖面分析將土壤分成3個層次，試驗開始前分別測定了各層土壤基本物理特征參數（表1）。同時利用TRIME-HD型便攜式自動土壤水分儀每旬2次（逢3、逢8）對0～20 cm的土壤含水率進行測定。

表1 土壤基本物理特征參數Table1 Basic soil physical characteristics

1.3.2 作物觀測資料

試驗期間對油菜發育進程和生長量進行同步觀測，觀測油菜達到各生育階段普期的時間，從油菜第5 真葉期開始每小區每隔10 d 取3株樣本進行1次觀測直至油菜成熟收獲。同時通過測定種植密度、葉面積、土壤水分等觀測數據來確定冠層覆蓋率、脅迫程度等模型中的油菜生長過程發育參數，并對油菜干物質和產量進行詳細測定。

1.3.3 AquaCrop 主要模型參數[1-2]

1）標準化水分利用效率（WP*）計算式為：

WP*是對水分利用效率進行標準化得到標準化的水分生產率，該參數為僅與作物種類有關的恒定參數，相比水分利用效率該參數在模型中使用更加方便，計算式為：

式中：WP*為標準化水分利用效率（單位面積產生的干物質量）（g/m2）；ET0為參考作物蒸散量（mm）；Tr為作物蒸騰量；B為作物生物量。

2）冠層覆蓋度（CC）計算式為：

式中：CC為冠層覆蓋度；k為作物的消光系數；LAI為作物的葉面積指數，我們通過觀測的LAI計算得到同一生育時刻的作物冠層覆蓋度。

冠層生長階段：

當CC≤CCx/2時，

當CC＞CCx/2時，

冠層衰老階段：

式中：t為時間（d）；CC為t時間的冠層覆蓋率；CC0為初始冠層覆蓋率；CCx為最大冠層覆蓋率（無脅迫條件）；CGC為冠層的增長系數；CDC為冠層的衰減系數。通過觀測的最大作物葉面積和計算的最大冠層覆蓋率得到作物初期冠層生長系數（CGC）和后期冠層衰減系數（CDC）2個模型需要的重要參數。

3）產量。模型在評估和模擬作物在水分脅迫條件下的作物產量相對較為復雜，目前多數作物模型采用FAO 組織發布的“第33號灌溉文件”中計算作物生產力的公式作為模擬作物產量對水分響應的依據[5]，計算式為：

式中：Yx為作物的實際產量值（kg/m2）；Ya為潛在產量值（kg/m2）；ky為作物系數；ETx為作物實際蒸散量（mm）；ETa為作物潛在蒸散量（mm）。

AquaCrop模型中模擬作物產量核心公式是在式（6）的基礎上演變而來的?？紤]到環境條件對生物量（B）和作物收獲指數（HI）影響機制存在本質區別，為了避免混淆水分斜坡對生物量和收獲指數的影響，模型將作物產量分為B和HI表示。AquaCrop模型建模的核心公式：

式中：HI為作物收獲指數（%）；Tr為作物蒸騰量（mm）；WP為生物量水分生產效率（kg/（m2?mm））。

1.3.4 AquaCrop模型參數確定

AquaCrop模型參數確定以AquaCrop模型給定的缺省值和FAO 組織提供的油菜作物參數為基礎，運用2010—2012年2年不同水分處理和對照處理的實測數據進行模型率定，使模型模擬的生物量和產量變化過程與實測值間的誤差最小，得到適合當地“浙平四號”甘藍型油菜的最優品種和水分脅迫參數（表2），2012—2013年的數據用于模型檢驗。模型所需的參數確定主要可分為2 情況，第一是通過查找文獻直接確定，包括油菜生長的三基點溫度和油菜的收獲指數。表2 中其余的參數需通過試驗數據率定獲得，如油菜作為C3 作物，FAO 推薦的標準化水分利用效率取值范圍為13～18g/m2，率定獲取較為合理的標準化水分利用效率值為15.2g/m2。

表2 模型部分參數Table2 Partly parameters of the model

由AquaCrop模型得到油菜水分特征變化量、產量和生物量等模擬結果與實測值進行比較，使用絕對誤差、相對誤差和均方根誤差（RMSE）等指標進行誤差統計分析，并用模型性能指數（CE）和殘差聚類集系數（CRM）對模擬結果進行檢驗。

2 結果與分析

2.1 油菜生物量和產量的模擬

基于2012—2013年的試驗數據分別對油菜生物量和產量進行了模擬（圖2），模擬值和實測值誤差在可接受的范圍內，能非常好的反應出最終油菜的生物量和產量，總體上模擬值較實測值略偏大。其中油菜生物量實測值和模擬值的平均絕對誤差328.1kg/hm2，平均相對誤差 6.3%，均方根誤差373.7kg/hm2，模型性能指數0.89，殘差聚類集系數為-0.035。除K4 水分控制條件下生物量模擬值和實測值間的相對誤差較大外，其余處理和對照組的模擬值和實測值誤差較小，擬合效果較好（表3）；而基于控水和對照試驗資料的油菜產量模擬值與實測值之間的平均絕對誤差為101.9kg/hm2，平均相對誤差6.8%，均方根誤差124.6kg/hm2，模型的性能指數0.91，殘差聚類集系數為-0.044。同生物量模擬結果除K4水分控制條件下產量模擬值和實測值間的相對誤差較大外，其余處理和對照組的模擬值和實測值誤差較小，擬合效果較好（表4）。AquaCrop模型可以較好地預測當地油菜花期陰雨寡照條件下油菜生物量和產量。

圖2 生物量和產量模擬值與實測值關系Fig.2 Relationship between simulated and measured biomass and yield

表3 生物量模擬值和實測值Table3 Simulated and measured values of biomass

表4 產量模擬值和實測值Table4 Simulated and measured values of yield

2.2 模型適用性驗證

為驗證模型的模擬效果以及模型在安徽沿江江南地區模擬油菜產量的適用性，以宣城、池州、東至和歙縣4個沿江江南地區主要的農業氣象觀測站歷年觀測的油菜產量數據為基礎，分別對代表站油菜歷年產量進行模擬驗證，考慮到生產力水平及油菜品種等因素，選取油菜品種類型和熟性與“浙平四號”（甘藍型，中熟）相近的油菜產量觀測樣本，由于沿江江南地區4個主要農業氣象觀測站點沒有詳細的葉面積等生長觀測資料，但考慮到該地區種植品種、種植密度等種植模式較為一致，因此，在模擬中模型參數均是采用表2 中的模型參數。

宣城農業氣象試驗站是安徽省為數不多的觀測資料詳細、數據資料連續性較好的油菜觀測試驗站，選取2010—2017年代表性較好的4a 數據（考慮油菜品種熟性等因素）進行模擬驗證（表5），油菜產量實測值和模擬值的平均絕對誤差為151.9kg/hm2，相對誤差為5.2%～8.1%，平均相對誤差6.4%，模擬的總體效果較好。同時選取池州、東至和歙縣3個油菜觀測站共8個試驗樣本，對模型模擬效果進行檢驗，模擬結果顯示油菜產量實測值和模擬值的平均絕對誤差為181.8kg/hm2，相對誤差為6.8%～11.2%，平均相對誤差9.1%。雖然個別樣本的模擬相對誤差超過10%，且存在較大的偏差，但從模型本身的統計量指標來看，總體上模型在模擬該地區油菜產量的適用性方面有很大的參考價值。

表5 油菜產量模擬值和實測值Table5 Simulated and measured rape values of rape final yield

3 討論

已有的模型研究主要涉及油菜漬害生理、漬害預報、發育期區域預報以及油菜氣候適宜度評價模型等方面，而有關漬害脅迫下油菜生長及產量的模擬研究鮮有報道[33]，國內外在AquaCrop模型模擬油菜產量方面還未見相關的研究報道。首次將AquaCrop 作物水分生長模型應用在安徽沿江江南地區油菜生長模擬中，在安徽沿江江南地區模擬油菜適用性中雖然個別油菜樣本的模擬相對誤差超過10%，模擬結果與國家農業氣象業務中油菜產量預報評分的誤差標準（＜5%）有一定的差距，但目前國內還沒有一個在業務上較適用的預報油菜產量模型，預報產量時往往需要結合統計模型、專家打分等多種手段進行預測，同時作物模型作為農業模型的重要內容，相比較傳統的統計模型，一般通過試驗、建模、調參等進行模型的模擬應用，具有較強的機理性和解釋性，參數通常都具有物理意義，但參數較多，應用難度增大，一般允許其存在一定的誤差，本研究在使用AquaCrop模型模擬油菜產量中存在的誤差與一些較有影響的油菜生長模型如DAISY、EPIC、LINTUL 以及APSIM 等相差不大[34-35]，相比此類模型，AquaCrop模型簡單的輸入參數使模型的使用更加方便，在本地化適用性方面具有更大的優勢；另外模型在國內模擬冬小麥[19-20]、夏玉米[21-22]、胡麻[23]和大蔥[24]等多種作物以及模擬其在干旱[25]、低溫[26]和覆膜[27]等不同生長環境和管理措施下生物量和產量時的誤差較為接近，模擬的精度一致性較好。AquaCrop模型對油菜產量和生物量模擬誤差在常用作物模型模擬誤差要求的合理范圍內，因此在安徽省農業氣象業務中引入AquaCrop模型對油菜的產量進行模擬具有很好的應用價值。

另外AquaCrop模型在安徽省沿江江南油菜產量模擬適用性上還存在著幾方面的局限性：①雖然FAO在世界各地通過大量的試驗獲取了玉米、冬小麥和大豆等十幾種農作物的模型指標參數供各地研究者參考，但未提供可推薦的油菜模型指標參數，對模型參數的率定帶來了一定的困難；②將AquaCrop模型推廣到整個沿江江南地區油菜產量的模擬過程中，默認全區土壤參數、品種因素等均一致，雖然宣城農試站在沿江江南地區具有較好的代表性，但存在的差異不容忽視，這也是模型在全區驗證時油菜產量的誤差增大的主要原因。后期會繼續深入開展試驗、包括針對不同油菜品種等，獲取更多的試驗數據，供模型本地化參數率定，獲取更加精確的模型參數，提升模型在安徽省油菜主產區的適用性。

4 結論

1）基于2012—2013年的試驗數據，模型模擬結果顯示油菜生物量和產量實測值和模擬值平均絕對誤差分別為328.1kg/hm2和101.9kg/hm2，平均相對誤差6.3%和6.8%，模型性能指數0.89 和0.91，處理和對照組的模擬值和實測值誤差普遍在6%以下，模型能較好模擬當地油菜花期陰雨寡照條件下油菜生物量和產量。

2）宣城油菜觀測站多年油菜產量模擬相對誤差為5.2%～8.1%，模擬效果較好；池州、東至和歙縣等其他3個沿江江南油菜觀測站產量模擬相對誤差為6.8%～11.2%，雖然個別樣本的模擬相對誤差超過10%，存在一定程度的偏差，但總體上AquaCrop模型在模擬安徽省沿江江南地區油菜產量方面具有一定的參考價值。