作物模型在我國玉米生產中的應用與研究

李翠云 朱俊科 賈鵬 李東升 范明洪 宋曉斐 畢愛君

(山東理工大學食品科學與工程學院，山東 淄博 255000)

作物生長模擬模型簡稱作物模型，主要通過綜合考慮作物本身的生理機制以及作物生長的影響因素(主要包括天氣、土壤、品種和管理措施等)，對作物生長發育、產量形成等以特定時間步長進行動態模擬。并對環境及管理措施對作物生長發育產生的影響進行定量化分析，以此優化管理制度，提高種植效益和資源利用率。

1 玉米生長模擬模型

作物生長模擬模型的研究于20世紀60年代起步，在作物模型的發展過程中，典型的模型有WOFOST、EPIC、DSSAT、AquaCrop、APSIM、RCSODS、ORYZA和WheatSM等[1]。我國針對玉米生長模型的研究起步相較于國外較晚，20世紀90年代，首次將美國的CERES-Maize模型引入國內并初步應用于國內玉米的生長過程的模擬研究。在作物模型的發展過程中，應用于我國玉米生長模擬的模型有CERES-Maize、APSIM、Hybrid-Maize、WOFOST、SWAP、PS123、DNDC、AquaCrop等[2]。

CERES-Maize模型是經美國農業部組織，由University of Florida、Georgia State University以及國際上的有關研究機構等合作研發，屬于DSSAT模型其中的一個子模型。CERES-Maize模型主要功能是對玉米的生長發育、產量形成、土壤水分含量和氮素的動態變化作出動態描述。該模型所需參數主要包括逐日最高氣溫、最低氣溫、降水量、太陽總輻射、風速、濕度等氣象數據，土壤機械組成、土壤體積質量、土壤pH值、土壤全氮質量分數、飽和含水率、田間持水率、凋萎系數、有機質量等土壤數據以及播種期、灌溉數據等管理數據。

APSIM模型是由澳大利亞農業生產系統研究組所研究開發。模型主要對作物受作物自身的遺傳特征以及氣候變化、土壤環境和管理措施等外部因素影響下的生產力進行更為精確的預估。該模型所需參數主要包括逐日最高氣溫、最低氣溫、降水量和總輻射等氣象數據，土壤容重、飽和含水量等土壤數據，播種期、收獲期、施肥和灌溉數據等管理數據以及品種數據。

Hybrid-maize模型是由University of Nebraska-Lincoln研究團隊研發。模型主要對玉米在非限制或水分限制條件下的生長發育狀況以及產量的形成進行模擬。其功能是在歷史氣象數據的基礎上，結合作物管理數據對研究區域的作物生產能力進行評估，為最佳灌溉方案的確定提供依據。該模型所需參數主要包括逐日最高氣溫、最低氣溫、降水量、太陽輻射、平均風速和平均相對濕度等氣象數據以及土壤數據和農業管理數據等。

WOFOST是世界糧食安全研究中心與Wageningen University聯合研發。模型主要對作物生長發育與產量的形成進行模擬，對風險、氣候變化影響進行分析評估。該模型所需參數主要包括逐日最高氣溫、最低氣溫、降水量、日輻射量、2m平均風速、水汽壓等氣象數據，土壤水文特性、土壤養分狀況等土壤數據以及作物品種特性、播種日期等。

SWAP模型即土壤-水-大氣-植物模型，是由荷蘭Wageningen大學集成當今SPAC系統的理論研究成果，模型主要用于模擬田間尺度上的水分運動、溶質運移、熱量傳輸及作物生長過程等。模型可對農田灌溉排水系統進行管理與評價，并對相應的水土環境進行預測。該模型所需參數主要包括逐日最高氣溫、最低氣溫、降水量、日照時數、水汽壓、風速等氣象數據，土壤類型、土壤砂粒含量、土壤粉粒含量、土壤黏粒含量、有機質、全氮、全磷、全鉀含量等土壤數據[3]。

PS123模型即土地生產力模型，是由荷蘭Wageningen大學土壤地質系Driessen P M教授在WOFOST模型基礎上研發。模型主要對較小規模的土地生產力和適宜性進行評價。該模型所需參數主要包括最高氣溫、最低氣溫、平均氣溫、降水量、日照時數、平均氣壓、相對濕度、平均風速等氣象數據，土壤質地、耕層平均容重、鹽分、有機質、全氮量、全磷量、初始土水勢等土壤數據，播種量、播種日期等管理數據。

DNDC模型即脫氮-分解作用模型，是由美國新罕布什爾大學陸地海洋空間研究中心李長生教授等研發。模型主要用于生態系統光合、土壤碳氮的釋放和淋濕與溫室氣體的排放等，現在更多地應用于土壤水分、生物量和產量的模擬。該模型可對作物在不同灌溉和施肥的方法和制度下生長發育情況，以及土壤環境狀況和水氮遷移等指標進行模擬。多用于評價管理措施對產量或環境風險的影響。該模型所需參數主要包括溫度、降水量、太陽輻射、風速、濕度等氣象數據，土壤質地、容重、有機質、全氮量、全磷量、地下水埋深等土壤數據以及耕種、施肥、灌溉等管理數據[17]。

AquaCrop模型是由聯合國糧農組織研發的水分驅動模型。模型主要對作物在水分脅迫、雨養、不同灌溉條件下的作物生產力進行預測，為作物灌溉管理決策提供較好的支持。該模型所需參數主要包括逐日最高氣溫、最低氣溫、降水量、大氣CO2濃度等氣象數據，土壤質地、容重、土層厚度、永久性凋萎點、田間持水量，飽和含水量等土壤數據，種植密度等管理數據，初始冠層覆蓋率、最大冠層覆蓋率、開花、最大根長、作物衰老、成熟所需的時間、開花周期等作物生長發育數據。

2 玉米生長模型的應用

作物模型因區域、品種等條件的不同對作物遺傳參數的模擬呈現出明顯的差異。對特定區域特定作物進行模擬時，在應用模型之前，根據研究區域的氣候、土壤、管理措施以及作物品種，對模型進行調參和驗證，得到適應于該區域的模型參數，這一過程也稱為作物模型的“本地化”[1]。完成對模型的“本地化”后，才能進一步進行模型的應用與研究。現階段，我國作物模型在玉米上的研究與應用主要集中在玉米生長發育及產量的模擬、外界條件對玉米生長發育的影響和指導優化田間管理措施3個方面。

2.1 玉米生長發育及產量形成模擬

基于作物模型對特定區域玉米的生長發育過程進行模擬與驗證，通過利用遙感與作物模型數據同化、多作物模型集合等方法降低作物模型模擬的不確定性，提高玉米產量、生物量、LAI、發育期等模擬精度。王利民等[3]基于SWAP模型，通過以協同克里金方法獲取模型所需氣象數據，將空間插值成果作為模型輸入數據，以此提高氣象數據精度，并通過同化LAI和ET遙感數據，完成對中國黑龍江省南部春玉米產量模擬。研究表明，模擬檢測精度較高，R2達到了0.9394，均方根誤差RMSE達到了148065t。Cheng等[4]基于WOFOST模型和多光譜遙感數據，研究分析出對玉米LAI模擬的最優策略：在作物生長前中后期分別采用VI法、數據同化法和混合法生成玉米LAI估算值。陳浩等[5]基于WOFOST作物模型模擬拉林河流域春玉米的發育期、土壤含水率的變化、生物量累積過程以及產量，通過與實測值進行對比分析表明各適用性指標均在可信范圍內。劉維等[6]利用實測土壤水分計算的體積含水量替換模型通過降水量計算的土壤體積含水量，帶入WOFOST模型運算。模型對生育期、葉面積指數、地上部分各器官生物量的模擬精度均有顯著提高。

2.2 外界條件對玉米生長發育影響模擬

作物生長不僅由自身品種遺傳特性決定，生長環境也會對其產生很大的影響。很多研究者基于作物模型模擬評估玉米生長環境對其生長發育及產量形成的影響及作物對相應區域的氣候適應性，主要影響因素為土壤性質、管理干預(覆膜、灌溉、施肥等)以及氣候條件(降雨、溫度、氣象災害等)。Chen等[7]基于作物模型分別模擬了不同覆膜處理和不同灌溉條件下的產量和水分利用效率。李闊等[8]基于作物模型DSSAT，研究模擬并分析了中國玉米產量在升溫1.5℃與2.0℃下變化的空間分布特征。Huang等[9]使用貝葉斯總誤差分析(BATEA)方法對作物模型AquaCrop分別從多個降水產品中識別輸入的不確定性。該方法使用潛變量來糾正輸入數據的錯誤。采用單乘數方法進行降水訂正，模擬了一系列不同的氣候情景下中國玉米田間和區域生長。同時使用多個產品的平均值進行模型驅動的比較。結果表明，BATEA方法能夠一致地降低不同降水條件下作物長勢預測的不確定性。徐昆等[10]利用AquaCrop作物模型對不同灌溉條件下玉米受到的水分脅迫及相應情景下的產量進行模擬，建立了對應的干旱脆弱性曲線。對中國區域性玉米干旱脆弱性及風險進行了研究與評估。Li等[11]提出了一個新的框架來量化玉米生產風險，基于經過良好校準的CERES-Maize模型，通過各種低溫情景驅動運行模型模擬玉米生產。分析了東北地區的冷害風險，并構建復合冷害指數(CCI)和基于CCI的脆弱性曲線，由此計算出相應的產量損失。結果表明，在量化產量損失時，復合指數保險優于單一指數保險。王亞許等[12]利用BCC/RCG-WG天氣發生器隨機生成未來氣象數據，驅動APSIM作物模型模擬春玉米產量因旱損失，實時動態評估東北三省春玉米生育期內旱災動態風險。結果表明，APSIM模型在東北三省模擬春玉米生長效果較好；BCC/RCG-WG天氣發生器生成氣象要素樣本與各氣象數據年均值R2均在0.9以上；旱災動態風險評估效果較好。

2.3 玉米生長模型指導優化田間管理措施

田間管理措施也是發揮區域優勢與品種特性，使玉米產量最大化的關鍵。所以基于作物模型模擬不同管理措施(播種管理、水肥管理、耕作管理等)對玉米生長發育及產量形成的影響也是必要的，以此優化管理措施，降低管理成本，提高作物產量。米娜等[13]通過應用CERES-Maize模型較理想地模擬出錦州地區不同播期玉米的物候期和產量，以此確定玉米的最佳播期；同時通過整合玉米灌漿時期不利的氣溫條件改進最佳季節法。研究表明，2種方法均適用于玉米最佳播期的確定，作物模型法更優。Feng等[14]基于DNDC模型模擬分析不同覆膜條件下不同種植密度的玉米產量，并表示可通過田間試驗與模型結合來確定最佳種植密度。趙引等[15]對改進的AquaCrop模型進行了率定與驗證，并模擬預測了在未來氣溫升高和不同覆膜比例變化情景下作物產量及水分利用效率的變化規律，分析得最優覆膜比例為50%。Luo等[16]基于APSIM模型模擬評估冬小麥-夏玉米不同種植制度對地下水的保護和糧食產量的影響，為種植制度的確定提供參考。周慧等[17]結合田間試驗，利用DNDC模型對有機氮替代不同配比無機氮對玉米產量和硝態氮淋失的影響經行了研究分析。結果表明，有機無機氮配施比例為3∶2時，作物產量達到最高值(12578kg·hm-2)，硝態氮淋失量(15.7kg·hm-2)也在可接受水平，可確定為該地區較優有機無機氮配施模式。Liu等[18]構建了分布式AquaCrop模型和多目標遺傳算法(NSGA-Ⅱ)模擬-優化(MGSO)模型。對東北13個灌區的作物產量、ET和水分利用效率(WUE)進行了模擬分析，并對現有灌溉制度進行了分析和優化。結果表明，分布式AquaCrop模型能夠較好地模擬區域作物。在優化灌溉制度下，哈爾濱站MGSO模型提高了不同情景下的作物產量和WUE。

3 存在問題

作物模型在我國玉米生長模擬上已經得到廣泛應用，通過量化描述作物生育規律，對推動我國農業生產綜合管理發揮著重要作用，但由于我國對作物模型研究的起步較晚，在作物模型應用方面仍存在一些問題。

目前所應用的多數作物模型都是從國外引進并進行改進，我國自主研發的作物模型相對較少，但國外作物模型更適用于其本國的生產管理對作物生長影響的模擬分析，與我國實際農業生產管理仍有許多差異，因此研發我國自主的作物模型亟需解決。

由于玉米模型的投入和使用門檻較高，致使其應用當前大多仍只停留在科學研究和試驗層面上，未普遍應用到實際農業生產中。

作物生長過程是一個非常復雜的系統工程，目前各作物模型的結構不同，對作物生長模擬的側重不同，使得不同模型的模擬結果存在一定的差異，且由于數據耦合關系的不確定性等因素，導致模型模擬結果也存在不確定性。

玉米模型的模擬運行需要氣象、土壤和玉米特性等多方面的數據信息，且數據粒度越小，年度數據越多，模型模擬精度越高，但精準的數據采集難度較大、采集周期較長、數據處理較復雜，投入較大，因此模型推廣有一定的難度。

4 發展趨勢

作物模型對解決玉米生產管理中的各種實際問題有很大作用。根據我國在作物模型應用于模擬玉米生產技術研究的現狀，接下來可以從以下幾個方面進行持續探索。

完善作物模型機制，建立標準完備的模型數據庫，提高模型在不同區域、不同品種及不同環境氣候條件下的適用性。

增加完善作物模型在氣候變化、自然災害對玉米生長發育影響方面的動態模擬。

在玉米模型的基礎上，進一步開發研制智能決策系統。加強作物模型與“3S”技術的結合，多作物模型耦合，多源數據融合，多參數協同，建立更加完善的玉米計算機決策管理系統，實現田間觀測、判別分析、管理決策與實施的實時化、自動化、高效化與智能化。