基于大豆觀測數據的DSSAT和WOFOST模型模擬比較研究

李彤霄，劉 佳，李 聰，鄭亞杰，郭 戈

(1.中國氣象局·河南省農業氣象保障與應用技術重點開放實驗室，鄭州 450003；2.河南省氣象科學研究所，鄭州 450003；3.鄭州市氣象局，鄭州 450000; 4.黃泛區農場氣象局，河南 西華 466632)

DSSAT和WOFOST模型作為主流作物模型，在國內外被廣泛應用[1-4]。國內在作物模型的適應性及其在產量預報、生產潛力、水肥利用、災害評估等方面的應用研究已有較多的成果[5-23]。鄔定榮[6]、胡雪瓊[7]等分別驗證了WOFOST模型對華北平原地區冬小麥、云南烤煙的適用性。謝文霞[8]、張素青[9]等利用WOFOST模型對浙江水稻、河南夏玉米進行了模擬、驗證。楊勤[10]、杜朝正[11]等基于DSSAT模型模擬了寧夏春小麥、中國水稻的產量變化。王濤[12]、陳學文[13]等分別用WOFOST 模型和DSSAT模型對京津冀地區冬小麥、黑土區玉米的生產潛力進行了模擬研究。鄒龍等[14]利用DSSAT模型研究了春玉米水肥效應。王文佳[15]、邵光成[16]、朱津輝[17]等基于DSSAT模型研究了最優灌溉制度。薛昌穎[18]、聶江文[19]、欒慶祖[20]、張建平[21]等利用作物模型對旱稻干旱、水稻高低溫災害、玉米干旱、玉米低溫冷害等進行了影響評估。魯向暉[22]、姜志偉[23]等利用DSSAT模型對冬小麥保護性耕作效應和資源高效種植模式進行了模擬研究。上述研究主要是利用單一模型對單一作物進行適用性研究。由于不同模型的原理和算法的差異，模擬的結果會產生一定的偏差。因此，分析不同模型之間模擬結果的差異,根據模擬效果合理選擇作物模型就顯得十分必要。

河南省處在亞熱帶向暖溫帶的過渡帶上,具有四季分明、雨熱同期、氣候多樣、災害頻發的特點，有著豐富的氣候資源。利用河南省多變的氣候資源，分析不同模型對不同氣候資源的適應性，可以更好地了解不同模型的優勢。因此，本文利用2000-2017年河南中部黃泛區農場農業氣象觀測站(簡稱泛區)大豆觀測數據及同期氣象數據，分析DSSAT和WOFOST兩種模型模擬結果的差異，以期選取最優的模型模擬結果，提升農業氣象業務服務模型應用的參考價值。

1 資料與方法

1.1 樣點選擇

選取河南中部地區泛區為樣點，利用泛區2000-2017年大豆觀測數據和同期氣象數據,分析兩種模型在大豆模擬中的差異。

1.2 品種選擇

大豆觀測品種為中熟品種，以豫豆29號為主。

1.3 資料選擇

(1)大豆觀測數據

2000-2017年大豆的發育期(播種期、出苗期、開花期、成熟收獲期)、地上生物量、葉面積指數及產量等數據，來源于河南省氣象探測數據中心。

(2)氣象數據

2000-2017年氣象數據，包括日照時數、降水量、最高氣溫、最低氣溫、風速等，來源于河南省氣象探測數據中心。

(3)管理數據

2000-2017年大豆生產過程中的灌溉、施肥等措施的時間及數量，來源于河南省氣象探測數據中心。

(4)土壤數據

大豆觀測地段的凋萎系數、田間持水量、土壤水分下滲速率、土壤飽和含水量、飽和土壤的水力傳導率等參數，來源于中國科學院南京土壤研究所。

1.4 模型的選擇和調試

DSSAT模型中的CROPGR-Soybean模型利用大豆觀測、氣象觀測等資料和DSSAT自帶的GLUE模塊進行調參。WOFOST模型首先使用“試錯”法，進一步縮小敏感參數的分布范圍。然后采取隨機種子多次優化策略，通過多次隨機調用SCE-UA算法進行參數優化。

對模型模擬的主要發育期、產量、葉面積指數(LAI)、地上生物量等進行驗證，選擇模擬值與觀測值的均方根誤差(RMSE)、歸一化均方根誤差(NRMSE)、決定系數(R2)和標準差(SD)作為模型模擬效果的評判驗證指標。

RMSE和NRMSE反映模擬值與實測值的絕對誤差和相對誤差。當RMSE接近標準誤差時，表明模型模擬精度高。NRMSE<10%時，模型模擬結果很好；NRMSE為10%～20%，模擬結果好；NRMSE為20%～30%，模擬結果尚可，可以接受；NRMSE>30%，模擬結果較差，不能接受。決定系數R2表示模擬值與實測值變化的一致性，越接近于1相關性越好。標準差(SD)反映數據結果的穩定性。

2 兩個模型的模擬結果分析

由于樣本個數有限，為有效利用數據資源，選取泛區2000-2008年共9年的數據進行調試，選取2009-2014年共6年的數據進行驗證，選取2015-2017年共3年的數據進行預測、對比。

2.1 大豆的生育期模擬結果

由于作物模型模擬結果的主要發育期為播種、出苗、開花、成熟，因此選取這4個生育期進行模擬(圖1)。利用大豆實測播種期為模擬初始日期，以泛區的逐日氣象數據驅動DSSAT和WOFOST模型模擬大豆生長發育過程，并與實際觀測數據進行對比分析，以檢驗模型的適應性。

圖1 大豆出苗期(a)、開花期(b)、成熟期(c)驗證值模擬結果比較

2.1.1 大豆出苗期模擬結果

從大豆出苗期模擬結果的統計中可以看出(表1)，兩個模型模擬生育期與實測生育期間的RMSE值均較小。DSSAT和WOFOST模型的NRMSE分別為0.78%和0.82%，說明模擬結果與實測結果差異較小。兩個模型的R2值均在0.95以上，說明兩個模型的擬合程度都很好。DSSAT和WOFOST模型的SD分別為0.99 d和1.05 d，表明兩個模型模擬結果穩定性差異不大。

表1 大豆生育期、產量調參值模擬結果的統計評價

從兩個模型模擬大豆出苗期驗證值與實測值的1∶1圖可以看出(圖1a)，大豆的出苗期主要在儒略歷第160-175天，WOFOST模擬效果優于DSSAT的模擬效果。兩個模型模擬的散點大部分落在1∶1線周圍，表明兩個模型模擬效果均較好。

以上數據表明，DSSAT和WOFOST模型對大豆出苗期的模擬效果較好。

2.1.2 大豆開花期模擬結果

大豆的開花期調參值模擬結果見表1。從中可以看出，DSSAT和WOFOST模型的模擬生育期與實測生育期間的RMSE值分別為3.16 d和2.06 d，相對較小。NRMSE分別為1.51%和0.99%，說明模擬結果與實測結果差異較小。R2值反映了兩個模型的模擬結果較好。標準差SD在3.11 d和1.80 d，說明穩定性較好。總體來說，WOFOST模擬與實測結果擬合程度好于DSSAT模型的。

圖1(b)是兩個模型模擬大豆開花期驗證值與實測值的1∶1圖。從中可以看出，大豆的開花期主要在第201-216天，兩個模型的差異不大。模擬的散點大部分落在1∶1線周圍,表明模擬效果較好。

以上數據表明，DSSAT和WOFOST模型對大豆開花期的模擬效果較好，WOFOST模型略好于DSSAT模型。

2.1.3 大豆成熟期模擬結果

大豆的成熟期調參值模擬結果見表1。從中可以看出，DSSAT和WOFOST模型模擬生育期與實測生育期間的RMSE值為5.87 d和2.62 d。二者的NRMSE分別為2.10%和0.94%，說明模擬結果與實測結果差異較小。R2值顯示WOFOST模擬與實測結果擬合程度較好，DSSAT的略差。二者標準差SD分別為4.16 d 和1.98 d，顯示DSSAT模型模擬結果略差于WOFOST模型的。

圖1(c)是兩個模型模擬大豆成熟期驗證值與實測值的1∶1圖。從中可以看出，大豆的成熟期主要在第263-285天，兩個模型模擬的差異不大，除2001年誤差超過20天外，其他年份均在5天左右。模擬的散點大部分落在1∶1線周圍，表明模擬效果較好。2001年模擬的成熟期偏晚的原因，主要是當年播種期偏晚，致使收獲期偏晚。為不影響小麥適時播種，不等大豆完全成熟就及早收獲，并記作成熟，再加上后期氣溫降低，又延長了成熟期的時間，因而導致模擬結果和實際值差別較大。

以上數據顯示，兩個模型可以較好地模擬大豆的成熟期。WOFOST模型的模擬效果略好于DSSAT模型的。

2.2 大豆的產量模擬結果

大豆產量調參值模擬結果見表1。從中可以看出，各處理模擬生育期與實測生育期間的RMSE值相差不大。NRMSE值顯示，兩個模型的模擬結果較好，但WOFOST的大于DSSAT的。R2值顯示DSSAT模擬與實測結果擬合程度較好，WOFOST的略差。DSSAT和WOFOST模型模擬結果的標準差SD分別為351.76 kg/hm2和395.66 kg/hm2，相差不大。總的來說，DSSAT的模擬效果好于WOFOST的。

圖2是CROPGRO-Soybean模型模擬大豆產量驗證值與實測值的1∶1圖。從圖中可以看出，兩個模型模擬的結果差異不大，模擬值普遍偏小。模擬的散點大部分落在1∶1線的下方，模擬效果略差。究其原因，主要是品種變化導致的產量水平的提升。假設產量的提升值相對穩定，則WOFOST的模擬結果好于DSSAT的。

圖2 大豆產量驗證值模擬結果比較

2.3 大豆的葉面積指數模擬結果

對比兩個模型的葉面積指數的模擬曲線發現，兩個模型對葉面積指數的模擬有一定的差異。WOFOST模型模擬結果是拋物線形，葉面積指數達到最大值后，就迅速下降；DSSAT模型模擬結果是“幾”字形，葉面積指數達到最大值后緩慢下降，在末期再次迅速下降。本文選擇利用2000-2008年數據調參，2009-2014年數據驗證。由于葉面積指數模擬曲線的結果相似，為了有效展示模擬效果，文中用2000-2008年和2011-2014年數據展示。

調參結果(圖3a、圖4a)表明，DSSAT模型和WOFOST模型不同年份模擬的葉面積指數動態變化與實測值趨勢一致，較能反映葉面積指數動態變化情況，DSSAT模型模擬的葉面積指數的最大值接近于測量值，WOFOST模型的模擬值明顯偏大。

驗證結果(圖3b、圖4b)表明，DSSAT模型和WOFOST模型不同年份模擬的葉面積指數動態變化與實測值趨勢一致，但模擬效果比調參結果的略差。

圖3 DSSAT模型葉面積指數調參(a)和驗證(b)圖

圖4 WOFOST模型葉面積指數調參(a)和驗證(b)圖

總體來說，DSSAT模型模擬的結果較WOFOST模型模擬的結果好。

2.4 大豆的地上生物量模擬結果

DSSAT模型和WOFOST模型對大豆地上生物量的模擬結果(圖略)顯示，模擬值與實測值在前中期均呈現良好的趨勢一致性，但后期的模擬結果有很大不同。DSSAT模型能夠反映地上生物量的情況，而WOFOST模型不能如實地反映后期的生物量變化情況。

2.5 模擬結果分析小結

通過以上分析發現，DSSAT和WOFOST兩個模型的生育期、最終產量、葉面積指數、地上生物量的模擬值與實測值一致性較好，模型能較為準確地模擬泛區大豆的生長過程和產量情況，但模擬效果略有不同。DSSAT模型在大豆生長過程的模擬效果略好于WOFOST模型的，WOFOST模型在最終結果的模擬上略好于DSSAT模型的。總體上，DSSAT模型和WOFOST模型均具有較好的模擬精度及較強的適應性，能夠用于河南省大豆生產。由于農業系統內在的復雜性和作物模型自身算法偏差，WOFOST模型模擬的趨勢過程沒有DSSAT模型的精準。

3 兩個模型的預測結果分析

利用以上得到的DSSAT模型與WOFOST模型參數對泛區2015、2016、2017年大豆生長狀況進行預測，并對比分析兩個模型3年最終預測結果與實際生育期及產量的偏差，進而得到兩者大豆預測效果的差異。

3.1 大豆生育期和產量

通過兩個模型得到的2015、2016和2017年3年大豆的生育期、產量的預測值和實際值對比(表2)發現，兩個模型模擬的生育期都是以偏多為主，但DSSAT模型模擬的大豆生育期誤差明顯大于WOFOST模型的。兩個模型模擬的產量誤差都以減小為主，但WOFOST模型模擬的產量誤差明顯小于DSSAT模型的。總體來說，WOFOST模型模擬的生育期延長，客觀上增加了產量積累的日數，提升了產量，減小了產量的誤差。

表2 2015-2017年模擬結果和實際結果誤差對比

3.2 大豆葉面積指數

對比大豆葉面積指數預測值和實際值發現，2015、2016和2017年3年大豆的葉面積指數的預測值(圖5、6)，能夠較好地反映大豆葉面積指數變化的趨勢，但與實際值均有一定的誤差。由于模型算法的不同，WOFOST預測的最大值，明顯高于DSSAT的，略高于實際值。DSSAT的預測效果較好。

圖5 DSSAT模型2015年(a)、2016年(b)、2017年(c)葉面積指數預測及對比圖

圖6 WOFOST模型2015年(a)、2016年(b)、2017年(c)葉面積指數預測及對比圖

3.3 大豆地上物質量

對比大豆地上物質量預測值和實際值(圖7、8)發現，2015、2016和2017年3年大豆的地上物質量的預測值，能夠較好地反映大豆地上物質量變化的趨勢，但與實際值都有一定的誤差。由于模型算法的不同，WOFOST預測的最大值，明顯高于DSSAT的，略高于實際值。DSSAT的模擬效果較好。

圖7 DSSAT模型2015年(a)、2016年(b)、2017年(c)地上物質量預測及對比圖

3.4 預測結果分析小結

總的來說，兩個模型基本上能夠預測大豆的生長情況，但由于品種和管理方法的變化，對大豆產量的預測存在較大的誤差。在實際預測過程中，兩個模型各有所長，WOFOST模型偏重于生育期預測，DSSAT模型偏重于產量和過程預測。

圖8 WOFOST模型2015年(a)、2016年(b)、2017年(c)地上物質量預測及對比圖

4 結論與討論

(1)由于模型機理的不同，不同模型對大豆生長發育過程的模擬結果也不同。DSSAT模型能夠較為詳細地模擬大豆的生長過程，WOFOST模型的模擬相對較粗，但由于減少了一些其他的影響要素，模擬的效果略好。

(2)兩個模型結果各有長處，在有限數據的情況下，DSSAT模型對生物量的模擬效果較好，WOFOST模型在生育期天數和產量方面模擬效果較好。考慮到模型自身的誤差，建議在實際應用中，綜合兩種模型的長處，提取兩種模型的共同規律，結合實測值去判定模型的定量化指標，提升預測的準確性。

(3)兩種作物模型均不適合模擬長時間序列的大豆生長狀況，主要是品種和管理方法的改變，導致兩種作物模型對長時間序列的模擬效果逐漸變差，特別是產量的模擬誤差最大。DSSAT模型略好于WOFOST模型的。建議如果數據量充足的話，調參數據和模擬數據的日期差異盡可能在10年以內，以減少品種和管理變化帶來的模擬誤差。