用ORYZA_V3水稻模型模擬江西直播早稻的適宜性分析*

段里成，姚俊萌，郭瑞鴿**，蔡 哲，張崇華

用ORYZA_V3水稻模型模擬江西直播早稻的適宜性分析*

段里成1，姚俊萌1，郭瑞鴿1**，蔡 哲1，張崇華2

（1．江西省農業氣象中心，南昌 330096；2．南昌縣氣象局，南昌 330200）

以江西省2個主栽常規早秈稻品種中早35和中早39為試驗材料，于2017年在南昌縣進行8個播種期的早稻分期直播試驗，各播期分別為3月11、16、21、26和31日，以及4月5、10和15日，其中定義3月11?26日為早播播種期（a），3月31日?4月15日為正常播種期（b），利用田間試驗觀測的生育期、葉面積指數、生物量等數據和氣象資料，對ORYZA_V3水稻模型進行本地化調參驗證，以分析ORYZA_V3水稻模型對江西直播早稻的適宜性。結果表明，ORYZA_V3水稻模型對直播早稻生育期模擬效果較好，其（決定系數）R2＞0.99，NRMSE（歸一化均方根誤差）在0.61%～3.12%范圍波動。模型對早稻播種期葉面積指數、總生物量、穗生物量等模擬結果表現為播種期越早，模擬效果越差；越接近正常播種期，模擬效果越好。不同直播早稻品種對ORYZA_V3水稻模型適宜性存在差異，其中生育期模擬值與實測值中早35相差?1～1d，中早39相差?1～4d。說明用ORYZA_V3水稻模型進行雙季直播早稻模擬時，需根據多年觀測數據，對相應水稻播種期和品種進行模型參數的校準，以提高ORYZA_V3水稻模型適宜性。

ORYZA_V3水稻模型；直播早稻；模擬；適宜性；江西省

江西是雙季稻主產區，雙季稻種植面積占水稻種植面積的90%，是全國雙季稻種植比例最高的省份，在保障國家糧食安全方面發揮重要作用[1]。近年來，直播稻因其具有省工、省時、節本增效等突出優勢在多個省份得到推廣應用[2?4]，直播稻面積在江西省呈逐年增加的趨勢[5]。

作物模型是農業研究領域中重要的工具之一，它不僅能夠分析單站試驗結果，預測未來長勢，還可以將模型由單站研究推廣到廣泛區域預測，進而形成管理決策支持系統，研究氣候變化影響[6]。近年來，自從學者將國際水稻研究所( IRRI) 和瓦赫寧根大學聯合研制的水稻生長模型ORYZA_V3引進中國，許多人對模型本地化應用進行了驗證與應用分析。李寧等[7]基于氣象災害的ORYZA_V3水稻模型對雙季稻發育期模擬的適應性進行了評價，余乾安等[8]基于ORYZA_V3水稻模型探索了贛撫平原灌區不同水文年型適宜的水稻水肥綜合調控模式的水稻水肥綜合調控模式，廖祺等[9]基于ORYZA_V3水稻模型研究控制灌溉對水稻適宜播期影響分析。結果表明，ORYZA_V3水稻模型通過本地化參數的校正，能較好地模擬水稻生育期、生物量及產量的變化特征[10?11]。

ORYZA_V3水稻模型是由國際水稻研究所根據多年的田間試驗結果分析研究所得[12]，模型中雖有直播稻模擬模塊，但是否適用于江西本地直播稻模擬，還需大量實驗模擬驗證。同時，受氣候條件及地理環境影響，播期作為影響江西省直播稻產量最重要的因素，提早播種雖能延長雙季直播早稻生育期，但成苗率有所下降，合理安排直播播期能保證基本苗，產量也較高[13]。因此，研究不同播種期下水稻模型對江西直播稻的適宜性，為ORYZA_V3水稻模型直播模塊在江西本地化應用具有重要參考意義。基于此，在江西省南昌縣涇口鄉試驗田開展了雙季直播早稻分期播種田間試驗，監測不同播種期成苗率、生育期、生物量等變化特征，并結合試驗點氣象資料，利用ORYZA_V3水稻模型開展模擬和校正，以期為ORYZA_V3水稻模型在江西直播稻本地化應用提供參考依據。

1 材料與方法

1.1 試驗設計

試驗于2017年2?8月在江西省南昌縣涇口鄉試驗田(116°12′E，28°38′N)進行。供試早稻品種為江西省主栽的常規秈稻直播品種中早35和中早39，其具有種子價格低、產量較高等特點。試驗土壤為水稻土，耕層土壤（0?20cm）全氮含量為1.85g·kg?1，速效氮為129.40mg·kg?1，有機質為29.82g·kg?1，速效磷為25.54mg·kg?1，速效鉀為139.56mg·kg?1，pH值為5.73。

試驗采用裂區設計，主區為品種，副區為播期，每個播期3個重復，每小區面積為5m2。第一批播種期均為3月11日，隨后每5d一個播期，最晚為4月15日，共8個播期。兩品種直播用種量均為60kg·hm?2，催芽至芽半長即稻芽達到種子一半長度時進行播種。施肥水平：氮肥用尿素（含N 46%），折合純氮為150kg·hm?2，按基肥:分蘗肥:穗肥=6:2:2分次施用；磷肥用鈣鎂磷肥（含P2O512%），折合成P2O5為90kg·hm?2，全部做基肥施用；鉀肥用氯化鉀（含K2O 60%），折合成K2O為150kg·hm?2，按基肥:穗肥=6:4施用。試驗田四周各留1m作為保護行，中間進行分期播種處理，各播期之間作壟（壟寬0.3m），田埂覆膜防止雜草生長，確保各播期處理間水肥相互獨立。

江西早稻直播基本在4月5日左右[6]，為此，將3月11、16、21和26日定為早播播種期（a），3月31日和4月5、10、15日4個播期定為正常播種期（b），表1為田間處理及編碼。

表1 各處理品種、播種時間及編碼

1.2 觀測項目

生育期：按照《農業氣象觀測規范》標準，精確記錄拔節期（拔節高度距最高生根節長度1.0cm）、穗分化期（幼穗分化程度達3～4期）、抽穗普期（80%抽穗）、成熟期（80%以上的谷粒呈黃色）等發育期的準確日期。

成苗率（%）：每個小區設定0.25m2調查成苗率，播種后立即記錄0.25m2內播種谷粒數，每隔2d調查一次出苗數，直至出苗數穩定，穩定出苗數與播種谷粒數的百分比即為成苗率。

生物量：每個小區在播種后40d、60d、80d、100d和成熟期采集有代表性的植株5蔸，3個重復小區即3個重復，將莖、綠葉、黃葉、穗分裝，在105℃進行殺青，于80℃條件下烘干至恒重。

葉面積：在拔節期、抽穗期和成熟期采用小葉樣法測定葉面積[14]。

產量：每個小區選取具有代表性的區域收割1m2脫粒，3個重復小區即3個重復，稻谷曬干揚凈，實測干谷產量。

氣象數據來源：日最高氣溫(℃)、日最低氣溫(℃)、降水量(mm)、水汽壓(kPa)、平均風速(m·s?1)和日照時數(h)資料由南昌縣氣象站提供。

1.3 模型參數確定及檢驗

1.3.1 檢驗指標

選用國際通用的指標體系進行模型適應性檢驗和評價[15?16]。首先通過圖形對比對模型進行定性評價，以直觀判斷模擬值與實測值的吻合程度。其次，選擇作物生物量（莖、葉、穗）、葉面積指數（LAI）及產量等指標的模擬值和實測值進行統計，以進行定量化評價，包括模擬結果與實測結果的平均值，兩者之間的線性回歸系數（α）、截距（β）、決定系數（R2）；Student's-t 檢驗值[ P( t* ) ]、均方根誤差(RMSE)、歸一化均方根誤差( NRMSE)。計算式分別為

式中，n表示樣本數，Yi和Xi分別表示模擬值和實測值。均方根誤差（RMSE）和歸一化均方根誤差（NRMSE）反映模擬誤差的大小，總體模擬效果由模擬值均值與實測值均值之差的大小來反映。當線性回歸系數（α）越接近于1、截距（β）越接近于0、決定系數（R2）越大時，模擬值與實測值吻合度就越高。Student’s-t檢驗值[P（t*）]大于0.05時，表明模擬值與實測值之間的差異不顯著。

1.3.2 模型參數確定

利用2017年正常播種期（b）各觀測資料和試驗站氣象資料建立模型運行文件，對比所有處理的各器官干物質量、總干物質量的模擬值與實測值之間的差值，相應地調整模型的作物敏感參數使模擬值與實測值均值接近，使歸一化均方根差（NRMSE）較低、相關系數R較高[8]，模型作物敏感參數包括與物候相關的營養生長期（DVRJ）、光敏感周期（DVRI）、幼穗分化期（DVRP）、灌漿期發育速率（DVRR），葉、莖、穗干物質分配系數（分別記為FLV、FST、FSO）等[17]。

1.3.3 模型檢驗評價

采用2017年早播播期（a）的田間觀測資料和試驗站氣象資料，分別驗證直播早稻發育期、葉面積系數、各器官生物量及產量的模擬性能，進一步檢驗評價模型的有效性與適應性。

2 結果與分析

2.1 兩品種直播早稻參數調試結果

利用中早35和中早39品種2017年各4個正常播種期的田間觀測數據以及氣象觀測數據，選擇ORYZA_V3水稻模型中的直播模式進行作物參數調試，對應的各階段作物發育參數見表2，對生育期的模擬結果見圖1。由表2可見，按照ORYZA_V3水稻模型將作物發育劃分為4個時期，即出苗(DVS=0)、穗分化(DVS=0.65)、開花期(DVS=1)和成熟期(DVS=2)，除光敏感階段兩個品種各正常播種期發育速率參數無變化外，其它階段均有一定差異，不同品種間營養生長期參數（DVRJ）和穗分化期參數（DVRP）變化較大，在營養生長期中早35參數稍高于中早39，在穗分化階段中早39發育參數稍高于中早35。兩個品種各器官干物質分配系數參數見表3，不同品種間干物質分配系數存在一定差異。

而對于同一品種而言，作物參數應該能模擬對應條件下作物生長發育速率，因此，將4套生長發育參數數據進行平均，獲得兩個品種的生長發育速率參數校正值（表2）。此時各品種生長發育速率參數能較好地模擬正常播期處理各生育期（圖1），模擬值與實際觀測值相差0～1 d。

表2 正常播期兩品種水稻各階段生長發育速率參數調試結果［(℃·d)?1］

注：DVRJ、DVRI、DVRP和DVRR分別是基本營養階段、光敏感階段、穗分化階段以及生殖生長階段的發育速率。調參基于正常播期校準數據。表3同。

Note：DVPJ，DVRI，DVRP and DVRR are the development rates at the juvenile, photoperiod-semitive, panlde development, and reproductive stage, respectively. The parameter adjustment was based on the normal sowing date calibration data. The same as table 3.

注：實線為1:1線，虛線為正負標準差線(± SD)。生育期天數以播種日為1。下同。

Note：Solid line is the 1:1 line, and broken lines are ± SD line．The days of growth stage is from the sowing date. The same as below.

表3 各器官干物質分配系數調試結果

注：DVS、FLVTB、FSTTB和FSOTB分別為發育時期、葉分配系數、莖分配系數以及穗分配系數。

Note：DVS，FLVTB，FSTTB and FSOTB are the developmental period, leaf distribution coefficient, stem distribution coefficient, and spike distribution coefficient.

2.2 兩品種直播早稻生育期模擬驗證結果

利用兩個品種直播早稻遺傳參數校正結果，對各品種4個早播播種期的試驗結果進行回代和模擬驗證，各生育階段生育期發展過程見圖2。由圖可見，同一品種播種期越早，由于前期溫度更低，導致出苗越慢，出苗至各個生育時期的時間越長。兩個品種生育期比較發現，中早35的生育期均比中早39長。由圖2可知，幼穗分化期、抽穗期和成熟期各組的散點大部落在1:1線附近，而未超過正負標準差線，表明模擬結果較好。其中，中早35各生育期散點更靠近1:1線，該品種各生育期實測值與模擬值差異在?1～1d，而中早39各生育期實測值與模擬值差異在?1～4d，表明中早35生育期驗證結果較中早39好。

各處理模擬驗證結果具體統計評價見表4。由表可知，兩個品種各處理模擬生育期與實測生育期之間的RMSE值均較小，波動范圍也較小。t檢驗結果表明，兩者差異不顯著。決定系數R2值反映了模擬值與實測值的離散程度，R2＞0.99，說明生育期模擬值與實測結果偏差較小，模擬效果良好。NRMSE波動范圍在0.61%～3.12%，表明模擬結果與實測結果差異很小。

對比中早35和中早39各處理模擬統計結果（表4）可知，中早35各處理RMSE值和NRMSE值均較中早39小，說明中早35波動范圍更小，生育期模擬結果與實測結果更接近。

2.3 兩品種直播早稻葉面積指數模擬驗證結果

利用兩個品種直播早稻遺傳參數校正結果，對各品種4個早播播種期的試驗結果進行回代和模擬驗證，葉面積指數變化如圖3所示。由圖可見，總體上，模擬葉面積指數動態變化與實測值變化趨勢基本一致。但用早播播種期進行回代驗證發現，模型模擬出的葉面積指數與實測值偏差普遍偏大。其中早播播種期中早35葉面積指數差異最大，而正常播期葉面積指數模型模擬結果與實測值基本一致。

表4 早播處理各生育期天數的驗證統計結果(基于早播處理中的校準數據)

注：N為樣本數；Xmean為實測值的平均值(d)；Ymean為模擬值的平均值(d)；SD為標準差(d)；P(t*)表示t檢驗的水平；α為模擬值與實測值線性擬合方程的斜率，β為截距；R2為決定系數；RMSE為模擬值與實測值的均方根誤差，NRMSE為歸一化均方根誤差。下同。

Note：N is the Nr. of sample；Xmean is the mean value of measured value；Ymean is the mean value of simulated value；SD is the standard deviation；P(t*)is the significance of paired t-test；α is the slope of linear equation between simulated and measured values，β is its intercept and R2is its determination coefficient；RMSE is the root mean square error between simulated and measured values and NRMSE is the normalized root mean square error (%)．The same as below.

2.4 兩品種直播早稻生物量模擬驗證結果

利用分期播種實測資料對水稻地上部總生物量及各器官生物量的模擬性能進行驗證，模擬值與實測值對比結果見圖4。由圖可知，地上部總生物量及各器官生物量動態積累過程模擬值與實測值趨勢基本一致，表明模型能較好地反映水稻生物量變化趨勢。用早播播種期進行回代驗證發現，模型模擬出的生物量普遍高于實測值，但早播播種期隨播期推遲，模型模擬值更接近實測值。其中中早35和中早39第4播種期（3月26日）模擬驗證值最接近實測值。

由統計分析結果（表5）可知，正常播種期中早35和中早39地上部總生物量、莖生物量、穗生物量NRMSE分別為18.27%、11.63%、28.05%和18.41%、18.05%、22.56%；早播播種期中早35和中早39地上部總生物量、莖生物量、穗生物量NRMSE分別為45.68%、21.52%、61.38%和46.08%、25.45%、47.77%。相較于正常播種期校準數據，早播播期檢驗數據各變量的NRMSE均偏大。說明用正常播種期校準的參數進行早播播期模型模擬總生物量效果較差。

圖5和圖6分別為正常播種期和早播播種期各處理地上總生物量、莖生物量和穗生物量實測值與模擬值的結果對比。由圖可知，模型對正常播種期和早播播種期莖生物量的模擬效果均好于地上總生物量和穗生物量，說明模型更適于對莖生物量的模擬。

表5 生物量實測值與模擬值的統計評價（基于所有處理中的校準數據和檢驗數據）

注：a為早播處理，b為正常播期處理。X為實測值，Y為模值。

Note: a is early sowing treatment, b is normal sowing treatment. X is measured value,Y is simulated value.

3 討論與結論

3.1 討論

水稻作物模型的驗證與適應性評價對于模型引進及應用至關重要。本研究中，用中早35和中早39正常播種期調參結果對早播播種期進行回代驗證時發現，兩個品種生育期模擬結果與實測值無明顯差異（R2＞0.99，NRMSE為0.61%～3.12%），表明ORYZA_V3水稻模型能較好地模擬雙季直播早稻生育期變化，這與郭建茂等[10]研究結論相一致。水稻生長發育不僅受作物本身遺傳特性影響，氣象要素光、溫、水對生育期也具有明顯影響[18]。雙季早稻直播越早，前期溫度相對更低，作物生長相對緩慢，導致生育期明顯延長[19]。而ORYZA_V3水稻模型能很好地反映這一特性。

本研究中，在ORYZA_V3水稻模型調參結果較好的條件下，對早播播種期相應數據進行回代驗證發現，模型模擬的葉面積指數、總生物量、穗生物量等均偏大。主要原因是較早播種時，播種后溫度低，導致直播早稻出苗率低，群體密度下降；而直播越早，出苗率越低，最后導致基本苗不足；早播生育期雖有所延長，對提高生物量和產量有利，但基本苗的減少仍是導致生物量和產量下降最主要的因素，最終導致實際生產中生物量和產量下降[19?21]。而作物模型是根據國際水稻研究所在當地多年的田間試驗結果分析所得[12]，對較早直播造成的基本苗減少對模型的敏感性可能考慮不足，從而導致模型模擬結果與試驗結果相反的結論。本研究中，早播播種期中第4播期各生物量模擬結果與正常播種期模擬相更接近，進一步驗證雙季直播早稻基本苗是影響產量最主要因素。因此，在用作物模型ORYZA_V3對江西地區早播播期直播早稻進行長勢監測，需加強早播試驗，以獲得更多試驗數據進行模型相關參數的校驗，這也將是下一步研究方向。

ORYZA_V3水稻模型是對水稻生長發育的模擬，受品種本身特性影響較大，不同水稻品種生長發育存在差異，因此導致模型調試處的參數也存在一定差異[22]。本研究結論也驗證了這一點。本研究中，在營養生長期中早35參數稍高于中早39，在穗分化階段中早39發育參數稍高于中早35；用早播播種期觀測數據進行回代驗證時，生育期中早35較中早39更好，中早35各生育期實測值與模擬值差異在?1～1d，而中早39各生育期實測值與模擬值差異在?1～4d，中早35各處理RMSE值和NRMSE值均較中早39要小。

3.2 結論

（1）ORYZA_V3水稻模型能較好地模擬直播早稻生育期，其中早播播種期的模擬生育期差值在?1～4d，NRMSE為0.61%～3.12%，R2均在0.99左右。相較于生育期，生物量模擬較差，其中早播播種期中早35和中早39地上部總生物量、莖生物量、穗生物量NRMSE分別為45.68%、21.52%、61.38%和46.08%、25.45%、47.77%。說明ORYZA_V3水稻模型對直播早稻生育期模擬較好，對生物量模擬還需更多試驗數據進行調參驗證。

（2）ORYZA_V3水稻模型對不同品種模擬存在差異。發育速率在營養生長階段中早35參數稍高于中早39，在穗分化階段中早39稍高于中早35。在早播模擬驗證中，生育期中早35模擬值與實測值誤差為?1～1d，中早39誤差在?1～4d；生物量模擬均表現為莖生物量優于總生物量和穗生物量模擬結果。

[1] 石慶華,潘曉華.雙季水稻生產技術問答[M].南昌:江西科學技術出版社,2010:1-46.

Shi Q H,Pan X H.Q & A on double season rice production technology[M].Nanchang:Jiangxi Science and Technology Press,2010:1-46.(in Chinese)

[2] 陳雪飛,唐艷萍,謝英杰,等.我國機械化直播水稻生產技術研究進展[J].中國稻米,2018,24(4):9-15.

Chen X F,Tang Y P,Xie Y J,et al.Research advances of rice mechanical direct-seeding technology in China[J].China Rice,2018,24(4):9-15.(in Chinese)

[3] Hongyan L,Saddam H,Manman Z,et al.Dry direct-seeded rice as an alternative to transplanted-flooded rice in Central China[J].Agronomy for Sustainable Development,2015,35 (1):285-294.

[4] 陳品,陸建飛.長江中下游地區直播稻的生理生態特性及其栽培技術的研究進展[J].核農學報,2013,27(4):487-494.

Chen P,Lu J F.Research advances on the physiological and ecological characteristics and cultivation techniques of direct seeding rice in the middle-lower Yangtze area[J].Journal of Nuclear Agricultural Sciences,2013,27 (4):487-494.(in Chinese)

[5] 陳麗明,周燕芝,譚義青,等.雙季機械直播早秈稻品種的豐產性和穩產性[J].中國農業科學,2020,53(2):261-272.

Chen L M,Zhou Y Z,Tan Y Q,et al.High and stable yield of early Indica rice varieties with double-season mechanical direct seeding[J].Scientia Agricultura Sinica,2020,53(2): 261-272.(in Chinese)

[6] Bouman B A M,vail Keulen H,van IJaar H H,et a1. The‘School of de Wit’crop growth simulation models:a pedigree and historical overview[J].Agric.Syst,1996,52(23): 171-198.

[7] 李寧,白蕤,伍露,等.基于氣象災害的ORYZA(V3)模型對雙季稻發育期模擬的適應性評價[J].干旱氣象,2017, 35(4):559-566.

Li N,Bai K,Wu L,et a1.Adaptability evaluation of ORYZA(V3) model to simulation of development stage of double cropping rice based on meteorological disaster[J]. Journal of Arid Meteorology,2017,35(4):559-566. (in Chinese)

[8] 余乾安,李亞龍,劉路廣,等.基于ORYZA_V3模型的水稻水肥綜合調控模式研究[J].灌溉排水學報,2019,38 (6):50-57.

Yu Q A,Li Y L,Liu L G,et a1Using the ORYZA_V3 model to help improve water and fertilizer management of rice field[J].Journal of Irrigation and Drainage,2019,38(6): 50-57. (in Chinese)

[9] 廖祺,王潔,徐俊增,等.基于ORYZA v3模型的控制灌溉水稻適宜播期分析[J].中國農學通報,2018,34(30):1-6.

Liao Q,Wang J,Xu J Z,et a1.Analysis of suitable sowing date of controlled irrigation rice based on ORYZA v3 model[J].Chinese Agricultural Science Bulletin,2018,34 (30):1-6.(in Chinese)

[10] 郭建茂,王星宇,劉慎彬,等.基于稻田實測溫度的水稻模型ORYZA2000應用[J].中國農業氣象,2020,41(4):211- 221.

Guo J M,Wang X Y,Liu S B,et a1.Application of rice model ORYZA2000 based on measured temperature in rice fields[J].Chinese Journal of Agrometeorology,2020,41(4): 211-221.(in Chinese)

[11] 譚君位,崔遠來,汪文超.中國不同水稻生長環境下ORYZA(v3)模型參數全局敏感性分析[J].農業工程學報, 2020,36(20):153-163.

Tan J W,Cui Y L,Wang W C.Global sensitivity analysis for ORYZA(v3) model under different rice growing environments in China[J].Transactions of the CSAE,2020, 36(20):153-163.(in Chinese)

[12] 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.

Hao Y,Jing Y S,Ma X Q,et a1.Analysis on the simulation adaptability of ORYZA2000 model for rice with different sowing-date in Anhui province[J].Chinese Journal of Agrometeorology,2013,34(4):425-433.(in Chinese)

[13] 王文霞,曾研華,曾勇軍,等.機械穴直播早秈稻產量和品質形成的播期效應[J].江西農業大學學報(自然科學版),2017,39(4):641-648.

Wang W X,Zeng Y H,Zeng Y J,et al.Effect of sowing date on yield and quality of early Indica rice grown by mechanical seeding[J].Acta Agriculturae Universitatis Jiangxiensis(Natural Sciences Edition),2017,39(4):641-648. (in Chinese)

[14] 林洪鑫,潘曉華,石慶華,等.行株距配置對超高產早晚稻產量的影響[J].中國水稻科學,2011,25(1):79-85.

Lin H X,Pan X H,Shi Q H,et al.Effects of row-spacing on yield of super-high-yielding early and late rice[J].Chinese Journal of Rice Science,2011,25(1):79-85.(in Chinese)

[15] Kazuhiko K,Moin U S.Comparing simulated and measured values using mean squared deviation and its components[J]. Agronomy Journal,2000,92(2):345-352.

[16] Gauch H G Jr,Gene Hwang J T,Fick G W.Model evaluation by comparison of model-based predictions and measured values[J].Agronomy Journal,2003,95:1442-1446.

[17] Tan J W,Cui Y L,Luo Y F.Assessment of uncertainty and sensitivity analyses for ORYZA model under different ranges of parameter variation[J].European Journal of Agronomy,2017,91(12):54-62.

[18] 許方甫,卞金龍,韓超,等.淮北地區優質食味粳稻溫光適應性和最佳播種期[J].中國農業科學,2021,54(7): 1365-1381.

Xu F F,Bian J L,Han C,et al.Temperature and light adaptability of high-quality japonica rice and optimum seeding date in Huaibei region[J].Scientia Agricultura Sinica,2021,54(7):1365-1381.(in Chinese)

[19] 段里成,張坤,郭瑞鴿,等.江西省雙季早稻直播適宜播種期的區域劃分[J].中國農業氣象,2021,42(2):112-122.

Duan L C,Zhang K,Guo R G,et al.Regional division of suitable direct sowing date of double season early rice in Jiangxi province[J].Chinese Journal of Agrometeorology, 2021,42(2):112-122.(in Chinese)

[20] 張洪程,邢志鵬,翁文安,等.生育約束型直播水稻生育特征與穩產關鍵技術[J].中國農業科學,2021,54 (7):1322- 1337.

Zhang H C,Xing Z P,Weng W A,et al.Growth characteristics and key techniques for stable yield of growth constrained direct seeding rice[J].Scientia Agricultura Sinica,2021,54(7):1322-1337.(in Chinese)

[21] 黃正,張榮萍,陶詩順,等.不同播期對直播雜交稻生育進程和產量的影響[J].雜交水稻,2020,199(6):1-5.

Huang Z,Zhang R P,Tao S S,et al.Effects of different sowing dates on growth process and yield of direct seeding hybrid rice[J].Hybrid rice,2020,199(6):1-5.(in Chinese)

[22] 楊沈斌,陳德,王萌萌,等.ORYZA2000模型與水稻群體莖蘗動態模型的耦合[J].中國農業氣象,2016,37(4):422-430.

Yang S B,Chen D,Wang M M,et al.Coupling the dynamic tillering model to rice growth model ORYZA2000 to simulate rice tillering[J].Chinese Journal of Agrometeorology, 2016,37(4):422-430.(in Chinese)

Analysis on Simulation Adaptability of ORYZA_V3 Rice Model for Direct-Seeding Early Rice in Jiangxi Province

DUAN Li-cheng1, YAO Jun-meng1, GUO Rui-ge1, CAI Zhe1, ZHANG Chong-hua2

（1. Jiangxi Agricultural Meteorology Center, Nanchang 330096, China；2. Nanchang County Meteorological Bureau, Nanchang County 330200）

A direct-seeding experiment of early rice with 8 sowing dates was carried out in Nanchang county in 2017 and two main conventional earlyrice varieties in Jiangxi province were was selected in this study. The 8 sowing dates were defined as early sowing (a: March 11, March 16, March 21, March 26) and normal sowing (b: March 31, April 5, April 10, April 15). Growth period, leaf area index, biomass and meteorological data observed in field experiments were applied to the ORYZA_V3 rice model to analyze the suitability of the ORYZA_V3 rice model for direct seeding of early rice in Jiangxi. The results showed that the ORYZA_V3 rice model simulates the growth period of direct-seeded early rice well with (determination coefficient)R2>0.99, and the fluctuation range of NRMSE（normalized root mean square error）wasbetween 0.61% and 3.12%. The simulation verification results of leaf area index, total biomass, and panicle biomass at the early sowing seeding period showed that the earlier the sowing date, the worse the simulation effected，and the closer to the normal sowing date, the better the simulation effected. The suitability of different direct-seeding early rice varieties of ORYZA_V3 rice model was different. Among them, the simulation value of the growth period of the early sowing and the measured value of Zhongzao 35 was differed from -1 to 1 days, and differed from -1 to 4 days in Zhongzao 39. Studies had shown that when the ORYZA_V3 rice model was used to simulate the double-cropping early direct-seeding rice, it was necessary to calibrate the model parameters of the corresponding rice sowing date and variety based on multi-year observation data to improve the local simulation effect of the ORYZA_V3 rice model.

Oryza_v3 Rice Model; Direct-seeding early rice; Simulation; Suitability; Jiangxi province

10.3969/j.issn.1000-6362.2021.11.006

段里成,姚俊萌,郭瑞鴿,等.用ORYZA_V3水稻模型模擬江西直播早稻的適宜性分析[J].中國農業氣象,2021,42(11):951-961

收稿日期：2021?03-05

氣候變化專項項目（CCSF201840）；2020年度國內外作物產量氣象預報專項項目（20200202）；江西省氣象局重點項目（20160523）；江西省氣象局青年項目（20190613）；南昌市農業氣象重點實驗室開放研究基金（2018NNZS102）；國內外作物產量氣象預報專項（2019JX07）

通訊作者：郭瑞鴿，副高級工程師，主要從事農業氣候資源利用及氣象災害研究，E-mail: 65736370@qq.com

段里成，E-mail: 18070514389@163.com