郭其樂(lè)，李 穎，田宏偉

(1.中國(guó)氣象局河南省農(nóng)業(yè)氣象保障與應(yīng)用技術(shù)重點(diǎn)開(kāi)放實(shí)驗(yàn)室，河南鄭州 450003； 2.河南省氣象科學(xué)研究所，河南鄭州 450003； 3.中國(guó)農(nóng)業(yè)科學(xué)院研究生院，北京 100081)

小麥生長(zhǎng)發(fā)育模型WheatSM參數(shù)優(yōu)化及適用性分析

郭其樂(lè)1,2,3，李 穎1,2，田宏偉1,2

(1.中國(guó)氣象局河南省農(nóng)業(yè)氣象保障與應(yīng)用技術(shù)重點(diǎn)開(kāi)放實(shí)驗(yàn)室，河南鄭州 450003； 2.河南省氣象科學(xué)研究所，河南鄭州 450003； 3.中國(guó)農(nóng)業(yè)科學(xué)院研究生院，北京 100081)

為分析WheatSM模型區(qū)域業(yè)務(wù)應(yīng)用的適用性，采用EFAST全局敏感性分析方法，對(duì)WheatSM模型的小麥生長(zhǎng)發(fā)育參數(shù)進(jìn)行分析，篩選出了影響模型模擬效果的10個(gè)敏感參數(shù)，即冬小麥各發(fā)育階段的基本發(fā)育系數(shù)(K1、K21、K22和K3)、出苗至越冬期的溫度系數(shù)(P21)、越冬至拔節(jié)期的光周期系數(shù)(Q2)、抽穗后的光合產(chǎn)物向籽粒的轉(zhuǎn)運(yùn)效率(TR2)、比葉面積(SLA)，以及拔節(jié)至抽穗期的穗干物質(zhì)分配系數(shù)(PcEar34)和抽穗至成熟期的葉干物質(zhì)分配系數(shù)(PcLeaf45)。然后，基于農(nóng)業(yè)氣象觀(guān)測(cè)數(shù)據(jù)，利用SCE-UA全局優(yōu)化算法，對(duì)敏感參數(shù)進(jìn)行優(yōu)化和率定。結(jié)果表明，模型對(duì)出苗期模擬具有很高的精度，RRMSE<0.5%，R2>0.9，其對(duì)抽穗期、拔節(jié)期的模擬效果尚可，對(duì)越冬期的模擬效果最差；模型模擬的干物質(zhì)和LAI與觀(guān)測(cè)數(shù)據(jù)的相關(guān)性較高，但相對(duì)誤差較大，精度為75.0%左右。

冬小麥；生長(zhǎng)發(fā)育模型；全局敏感性分析；參數(shù)優(yōu)化

空間信息獲取、大數(shù)據(jù)處理與分析等現(xiàn)代技術(shù)的不斷發(fā)展，為利用作物模型進(jìn)行定量化的農(nóng)業(yè)生產(chǎn)、管理及估產(chǎn)提供了強(qiáng)力支撐。作物模型的區(qū)域適用性強(qiáng)，模擬效果好，在其推廣應(yīng)用中顯得非常重要。模型的模擬效果除了與模型結(jié)構(gòu)合理性有關(guān)以外，還與模型參數(shù)的選擇有重要關(guān)系[1]。由于作物模型的很多參數(shù)不能通過(guò)田間觀(guān)測(cè)直接獲得[2]，其真實(shí)值是未知的，而且可能在一定范圍內(nèi)變化[3]，因此在作物模型的機(jī)理、結(jié)構(gòu)及參數(shù)化方案選定的情況下，需要運(yùn)用一定方法對(duì)模型參數(shù)進(jìn)行優(yōu)化率定，以此來(lái)減少模型的不確定性，提高其模擬效果。

作物模型及其他過(guò)程模型的參數(shù)優(yōu)化方法已經(jīng)有很多，如GLUE(generalized likelihood uncertainty estimation)法[4]、遺傳算法(genetic algorithm)[5]、SCE-UA(shuffled complex evolution)[1,6-7]和基于先驗(yàn)信息的貝葉斯方法(Bayesian method)[3,8]，這些方法廣泛應(yīng)用于各種水文和作物模型中。其中SCE-UA方法更多地應(yīng)用在水文模型中，MA等[9]利用該方法將MODIS-LAI產(chǎn)品同化到WOFOST模型中，有效提高了區(qū)域作物模擬能力，證明其在區(qū)域作物模擬及估產(chǎn)中有很大的潛力。另外，由于作物模型包括作物品種、土壤、田間管理等眾多參數(shù)，通常利用參數(shù)敏感性分析方法，篩選出引起模型結(jié)果不確定性的主要影響因素，選擇關(guān)鍵控制參數(shù)進(jìn)行優(yōu)化[10]。敏感性分析方法分為局部敏感性分析和全局敏感性分析。由于局部敏感性分析不考慮因子間耦合和同時(shí)變化，因而分析是片面的；對(duì)于復(fù)雜過(guò)程模型，采用全局敏感性分析更能客觀(guān)反映模型參數(shù)對(duì)模型輸出的影響。拓展傅里葉幅度敏感性檢驗(yàn)(extended fourier amplitude sensitive test,EFAST)是Saltelli[11-13]結(jié)合了Sobol 法和傅里葉幅度法的優(yōu)點(diǎn)提出的基于方差分析的全局敏感性分析方法，在陸面過(guò)程、水文、作物生長(zhǎng)程機(jī)理模型等系統(tǒng)中已取得了良好應(yīng)用效果[14-17]。當(dāng)前國(guó)際上應(yīng)用成熟、廣泛的作物模型有荷蘭的WOFOST(world food studies)、美國(guó)的DSSAT(decision support system for agro-technology transfer)和EPIC(environmental policy integrated climate)，以及澳大利亞的APSIM(agricultural production systems simulator)模型等。在國(guó)內(nèi)，CCSODS(crop computer simulation，optimization，decision making system)即“作物計(jì)算機(jī)模擬優(yōu)化決策系統(tǒng)”，是有重要影響的作物模型[18-19]；其他單作物生長(zhǎng)模擬模型有WheatGrow生育期模型[20-23]、小麥生長(zhǎng)發(fā)育模擬模型WheatSM[24-26]、水稻生長(zhǎng)日歷模擬模型RICAM(rice growth calendar simulation model)、棉花模型COTGROW等[18]。經(jīng)過(guò)多年發(fā)展，作物模型也逐步從科學(xué)研究走向應(yīng)用。但總體來(lái)說(shuō)，作物模型應(yīng)用在我國(guó)還處于探索階段，特別是國(guó)產(chǎn)作物模型的業(yè)務(wù)應(yīng)用能力和競(jìng)爭(zhēng)力亟待提高。近年來(lái)，現(xiàn)代農(nóng)業(yè)氣象服務(wù)業(yè)務(wù)的科技含量、定量化水平有所提高,業(yè)務(wù)中更需要有機(jī)理性較強(qiáng)的新一代農(nóng)業(yè)氣象數(shù)值模擬模型，以增強(qiáng)農(nóng)業(yè)氣象服務(wù)能力[27]?；谏鲜鲈颍狙芯窟x擇由馮利平研究的冬小麥生長(zhǎng)發(fā)育模擬模型WheatSM，利用多年冬小麥農(nóng)業(yè)氣象觀(guān)測(cè)數(shù)據(jù)，采用EFAST全局敏感性分析方法，對(duì)關(guān)鍵參數(shù)進(jìn)行篩選，進(jìn)而用SCE-UA算法對(duì)參數(shù)進(jìn)行優(yōu)化和率定，以分析WheatSM模型區(qū)域業(yè)務(wù)應(yīng)用的適用性。

1 材料與方法

1.1 區(qū)域站點(diǎn)和數(shù)據(jù)

河南省是我國(guó)冬小麥生產(chǎn)大省，小麥常年種植面積470 hm2以上，約占全國(guó)小麥種植面積的20%，總產(chǎn)量約占全國(guó)的1/4，且以半冬性小麥品種為主[28]。本研究以河南省半冬性小麥為對(duì)象，選用鄭州、周口黃泛區(qū)國(guó)家級(jí)農(nóng)業(yè)氣象試驗(yàn)站和新鄉(xiāng)、湯陰農(nóng)業(yè)氣象基本站(圖1)的半冬性小麥多年歷史觀(guān)測(cè)資料，探討WheatSM模型在豫北地區(qū)的適用性。

數(shù)據(jù)包括1994-2016年的氣象、農(nóng)氣觀(guān)測(cè)和田間管理數(shù)據(jù)，以及4個(gè)站點(diǎn)土壤屬性數(shù)據(jù)。驅(qū)動(dòng)模型運(yùn)行的4個(gè)站點(diǎn)的逐日氣象數(shù)據(jù)有最低氣溫、最高氣溫、日照、風(fēng)速、降水等要素；冬小麥農(nóng)氣觀(guān)測(cè)數(shù)據(jù)有關(guān)鍵生育期的日期、葉面積指數(shù)(LAI)、干物質(zhì)生長(zhǎng)率；田間管理參數(shù)主要有播種期、播種深度、灌溉日序(DOY)和灌溉量，其中播種期來(lái)自觀(guān)測(cè)數(shù)據(jù)，其他為默認(rèn)值；4個(gè)站點(diǎn)土壤深度0～100 cm逐10 cm的土壤屬性數(shù)據(jù)包括土壤水文參數(shù)、各類(lèi)氮含量、有機(jī)質(zhì)含量以及根長(zhǎng)密度因子等，其中水文參數(shù)采用觀(guān)測(cè)值，其他土壤參數(shù)采用默認(rèn)值。

圖1 站點(diǎn)分布圖

1.2 WheatSM模型

WheatSM(wheat growth and development simulation model)由馮利平[27]提出并完成，經(jīng)過(guò)多年的改進(jìn)，已逐步完善。該模型根據(jù)冬小麥生長(zhǎng)的生理生態(tài)學(xué)原理，構(gòu)建了小麥發(fā)育期、葉齡動(dòng)態(tài)、光合生產(chǎn)、器官形成、同化物分配和產(chǎn)量形成等功能模塊。模型在氣象數(shù)據(jù)驅(qū)動(dòng)下，對(duì)冬小麥生長(zhǎng)進(jìn)行全生育模擬，模型結(jié)構(gòu)及其模擬過(guò)程見(jiàn)圖2。模型根據(jù)小麥品種的生態(tài)類(lèi)型(強(qiáng)冬性、冬性、半冬性和春性)，既考慮光合作用、呼吸消耗和同化物分配等生理過(guò)程，又考慮春化作用、光周期作用和三基點(diǎn)溫度及發(fā)育速度與溫度的非線(xiàn)性關(guān)系等[28]。該模型特點(diǎn)是以小麥發(fā)育期為“時(shí)標(biāo)”，控制系統(tǒng)的運(yùn)行及子程序與有關(guān)參數(shù)的調(diào)用，并以此為基礎(chǔ)實(shí)現(xiàn)對(duì)生育期、生物產(chǎn)量、經(jīng)濟(jì)產(chǎn)量，分器官干重及總生物量的模擬輸出，并且以日為步長(zhǎng)，具有較高的時(shí)間分辨率[29]。因此，對(duì)小麥發(fā)育期的高精度模擬，是所有狀態(tài)變量模擬的關(guān)鍵。WheatSM模型的小麥生長(zhǎng)發(fā)育參數(shù)有發(fā)育期參數(shù)、光合作用參數(shù)、同化物分配和產(chǎn)量參數(shù)(表1)。由圖2和表1可看出，WheatSM模型的模擬效果都與表征小麥發(fā)育階段的發(fā)育期指數(shù)DSI(development stages index)緊密相關(guān)，進(jìn)一步說(shuō)明WheatSM模型的“時(shí)標(biāo)”特性。

1.3 全局敏感性分析方法

1.3.1 EFAST法

設(shè)有n個(gè)參數(shù)的過(guò)程機(jī)理模型y=f(x1,x2,…,xn),輸入?yún)?shù)X(x1,x2,…,xn)存在于某個(gè)n維空間中Kn。定義一個(gè)獨(dú)立變量s，引入s→X的映射：

xi(i)=Gi(sinωi·s)

(1)

式中，s取值范圍為[-π/2,π/2]，ωi為每個(gè)參數(shù)的振蕩頻率，Gi為搜索曲線(xiàn)函數(shù)。在Gi函數(shù)下，當(dāng)s變化時(shí)，所有的參數(shù)在Kn空間中沿著一條曲線(xiàn)變化。Gi有多種形式可供選擇，通常選擇Saltelli提出的形式[31]。利用Gi函數(shù)將y=f(x1,x2,…,xn)轉(zhuǎn)換為y=f(s)，并對(duì)其進(jìn)行傅里葉變換，即：

(2)

(3)

(4)

圖2 WheatSM模型結(jié)構(gòu)及其模擬過(guò)程

表1 WheatSM模型小麥生長(zhǎng)發(fā)育參數(shù)Table 1 Parameters of wheat growth and development in the WheatSM model

(5)

其中Λ是傅里葉變換的譜；Z0=Z-{0}，為非0整數(shù)。

模型的總方差由所有頻率的譜求和得到：

(6)

根據(jù)Sobol方法，模型輸出的總方差可以分解為單個(gè)模型參數(shù)和組合參數(shù)的函數(shù)：

(7)

式中，Vi是參數(shù)xi單獨(dú)作用引起的方差，Vi,j、Vi,j,m、…V1,2,…,k是各參數(shù)相互作用的方差。那么，參數(shù)xi對(duì)模型輸出的總方差的直接貢獻(xiàn)，用通過(guò)歸一化處理得到的主敏感性指數(shù)Si(一階敏感性指數(shù))反應(yīng)，定義為：

(8)

同理，參數(shù)xi與其他參數(shù)相互作用的二階、三階及高階敏感性指數(shù)可以定義為：

(9)

(10)

(11)

參數(shù)xi對(duì)模型輸出總方差的直接貢獻(xiàn)和通過(guò)參數(shù)間接對(duì)模型方差輸出的貢獻(xiàn)可用總敏感性指數(shù)STi來(lái)表示，即各階敏感性指數(shù)之和：

STi=Si+Si,j+Si,j,m+…+S1,2,…，i,…，k

(12)

Saltelli等[11-13]給出該方法參數(shù)采樣的總個(gè)數(shù)為：

Ns=nNr(2Mwmax+1)

(13)

其中M是干涉因子，一般取4或更高；wmax是最大采樣頻率；n為過(guò)程模型的參數(shù)個(gè)數(shù)；Nr是搜索曲線(xiàn)的重復(fù)次數(shù)，可取2。

1.3.2 WheatSM模型參數(shù)的敏感性分析方案

本研究主要是針對(duì)河南省半冬性小麥的生長(zhǎng)發(fā)育參數(shù)進(jìn)行優(yōu)化，因此不考慮土壤參數(shù)、管理參數(shù)，這些參數(shù)值采用實(shí)際觀(guān)測(cè)數(shù)據(jù)。小麥生長(zhǎng)發(fā)育參數(shù)系統(tǒng)給定了默認(rèn)值，各參數(shù)的分布范圍通過(guò)模型“試錯(cuò)”實(shí)現(xiàn)。其中，獨(dú)立參數(shù)服從均一分布，葉、莖、穗的分配系數(shù)服從正態(tài)分布。為了減少模擬次數(shù)，根據(jù)文獻(xiàn)[2]，設(shè)定采樣數(shù)N=n×150，n=29，為參數(shù)數(shù)量，則參數(shù)總采樣數(shù)量N=4 350。根據(jù)數(shù)據(jù)準(zhǔn)備情況，設(shè)定模擬的生長(zhǎng)季數(shù)m=5和隨機(jī)模擬次數(shù)p=3，得到m×p=15組敏感性指數(shù)，對(duì)各參數(shù)的平均敏感性指數(shù)進(jìn)行分析。

1.4 參數(shù)優(yōu)化方法

1.4.1 SCE-UA參數(shù)優(yōu)化算法

SCE-UA是一種全局優(yōu)化算法，由DUAN Q Y[33]提出。該方法有效地解決了非線(xiàn)性約束最優(yōu)化問(wèn)題，可以一致、有效、快速地搜索到模型參數(shù)的全局最優(yōu)解。核心思想是將基于確定性復(fù)合型搜索技術(shù)、生物競(jìng)爭(zhēng)進(jìn)化原理與基因算法相結(jié)合。算法的關(guān)鍵部分為競(jìng)爭(zhēng)的復(fù)合型進(jìn)化算法(CCE)。在 CCE 中，每個(gè)復(fù)合型的頂點(diǎn)都是潛在的父輩，都有可能參與產(chǎn)生下一代群體的計(jì)算。每個(gè)子復(fù)合型的作用如同一對(duì)父輩。在構(gòu)建過(guò)程中應(yīng)用了隨機(jī)方式選取子復(fù)合型，使得在可行域中的搜索更加徹底[8]。SCE-UA算法雖然參數(shù)較多，但絕大部分可采用默認(rèn)值，僅需根據(jù)情況確定復(fù)合型個(gè)數(shù)p即可，算法流程如圖3[34]。

1.4.2 優(yōu)化參數(shù)選擇、優(yōu)化和驗(yàn)證方案

基于WheatSM模型的“時(shí)標(biāo)”特性，根據(jù)參數(shù)全局敏感性分析的結(jié)果，選擇對(duì)關(guān)鍵小麥發(fā)育期、抽穗期生物量和LAI、成熟期生物量均敏感的生長(zhǎng)發(fā)育參數(shù)進(jìn)行優(yōu)化。為提高SCE-UA的效率，先用“試錯(cuò)”法進(jìn)一步縮小敏感參數(shù)的分布范圍。然后采取隨機(jī)種子多次優(yōu)化策略，調(diào)用SCE-UA算法進(jìn)行參數(shù)優(yōu)化，以降低單次優(yōu)化的不確定性，從而得到最優(yōu)的參數(shù)集合，并確定最優(yōu)參數(shù)。選擇相對(duì)均方根誤差(RRMSE)和決定系數(shù)(R2)，作為參數(shù)優(yōu)化和效果驗(yàn)證的目標(biāo)函數(shù)。根據(jù)收集到的4個(gè)臺(tái)站半冬性小麥農(nóng)業(yè)氣象觀(guān)測(cè)數(shù)據(jù)樣本情況，為保證參數(shù)優(yōu)化和驗(yàn)證都有足夠樣本數(shù)，按表2中數(shù)據(jù)進(jìn)行參數(shù)優(yōu)化和驗(yàn)證。

表2 WheatSM模型半冬性小麥參數(shù)優(yōu)化和驗(yàn)證數(shù)據(jù)Table 2 Data for parameters optimization and validation

2 結(jié)果與分析

2.1 全局敏感性分析的結(jié)果

2.1.1 發(fā)育期敏感參數(shù)

從WheatSM模型的29個(gè)小麥生長(zhǎng)發(fā)育參數(shù)中，用EFAST算法篩選得到影響小麥主要生育期模擬的全局參數(shù)敏感性指數(shù)(圖4)。對(duì)出苗期敏感的參數(shù)主要為K1，且極為敏感，其一階敏感性指數(shù)值為0.962，總敏感指數(shù)值高達(dá)0.988，其他參數(shù)影響極小。對(duì)越冬期敏感的主要參數(shù)是K21和P21，其一階敏感性指數(shù)值分別為0.574和0.336，總敏感性指數(shù)值分別為0.620和0.384。對(duì)于拔節(jié)期，一階敏感指數(shù)較大的參數(shù)僅有Q2，其值僅為0.230，說(shuō)明其對(duì)輸出方差的單獨(dú)影響較弱；Q2、PcLeaf45、TR2、K22和P21的總敏感性參數(shù)值較高，分別為0.912、0.747、0.722、0.633和0.632，說(shuō)明參數(shù)耦合作用對(duì)模型輸出方差影響較大，其中Q2貢獻(xiàn)較為明顯。對(duì)于抽穗期，單獨(dú)影響敏感的參數(shù)主要有Q2和K3，其一階敏感性指數(shù)值較小，分別為0.160、0.055，說(shuō)明對(duì)模型輸出方差單獨(dú)影響有限；Q2、K22、PcEar34、K3、P21的總敏感性指數(shù)較高，其值分別為0.912、0.822、0.656、0.542、0.481，對(duì)模型方差的耦合貢獻(xiàn)較大。由以上分析可知，小麥拔節(jié)和抽穗期的主要影響參數(shù)變多，總敏感性指數(shù)較大，而單獨(dú)影響的參數(shù)少且值小，說(shuō)明參數(shù)對(duì)其作用復(fù)雜，耦合明顯。另外，P21、Q2、K22對(duì)越冬、拔節(jié)、抽穗期均有影響，說(shuō)明后期發(fā)育進(jìn)程也受前期發(fā)育進(jìn)程影響。

圖3 SCE-UA算法流程圖

圖4 主要發(fā)育期的EFAST敏感性分析結(jié)果

2.1.2 生物量、LAI和產(chǎn)量敏感參數(shù)

從圖5可以看出，對(duì)抽穗期生物量模擬敏感的參數(shù)有Q2和K22，其一階敏感性指數(shù)值分別為0.384和0.383，其總敏感性指數(shù)值分別為0.529和0.606。對(duì)抽穗期LAI模擬單獨(dú)影響大的參數(shù)只有SLA，其一階敏感指數(shù)值為0.401，其總敏感性指數(shù)也最高，為0.931，而其他參數(shù)的一階敏感性指數(shù)值均很小，而總敏感性指數(shù)大并且接近，說(shuō)明這些參數(shù)相互作用，對(duì)葉面積的方差貢獻(xiàn)相近且大，影響其模擬精度，以其為模擬目標(biāo)的參數(shù)優(yōu)化難度大。對(duì)成熟期生物量模擬作用明顯的參數(shù)有Q2、K22和SLA，一階敏感指數(shù)值分別為0.429、0.324和0.217，總敏感性指數(shù)高的參數(shù)是Q2、K22、TR2和SLA，其值分別為0.657、0.624、0.532、0.285。由于WheatSM 4.0版本并不考慮生物產(chǎn)量，故對(duì)于產(chǎn)量的敏感參數(shù)只有經(jīng)濟(jì)產(chǎn)量系數(shù)HI，其一階敏感指數(shù)為0.690，總敏感指數(shù)為0.779。

2.2 SCE-UA參數(shù)優(yōu)化結(jié)果分析

在對(duì)28個(gè)半冬性小麥品種參數(shù)全局敏感性分析的基礎(chǔ)上，選定10個(gè)參數(shù)作為優(yōu)化對(duì)象(本研究暫不考慮產(chǎn)量敏感參數(shù)HI的優(yōu)化)，分別指各發(fā)育階段的基本發(fā)育系數(shù)(K1、K21、K22和K3)、出苗至越冬期的溫度系數(shù)(P21)、越冬至拔節(jié)期的光周期系數(shù)(Q2)、抽穗后光合產(chǎn)物向籽粒的轉(zhuǎn)運(yùn)效率(TR2)、比葉面積(SLA)、拔節(jié)至抽穗期的穗干物質(zhì)分配系數(shù)(PcEar34)，以及抽穗至成熟期的葉干物質(zhì)分配系數(shù)(PcLeaf45)。由于K1僅對(duì)出苗期有高敏感性，對(duì)其他時(shí)期影響很小，為提高SCE-UA優(yōu)化效率，直接采用“試錯(cuò)”法優(yōu)化確定，其優(yōu)化值為-2.2。其他9個(gè)參數(shù)，也先用“試錯(cuò)”法確定其初始值，然后用SCE-UA全局優(yōu)化法確定。對(duì)SCE-UA 給定30個(gè)隨機(jī)數(shù)種子，在完成 62 554次“進(jìn)化”后，得到30組優(yōu)化參數(shù)，將各參數(shù)的均值作為最終優(yōu)化值(表3)。總的來(lái)看，大多數(shù)參數(shù)變異系數(shù)較小，說(shuō)明這些參數(shù)已經(jīng)可靠。而PcLeaf45、TR2和Q2的變異系數(shù)相對(duì)較大，說(shuō)明利用基本農(nóng)氣觀(guān)測(cè)數(shù)據(jù)對(duì)其優(yōu)化的可靠性差，影響對(duì)其敏感的拔節(jié)期和干物質(zhì)的模擬精度。

按表2方案進(jìn)行優(yōu)化參數(shù)的模擬驗(yàn)證，結(jié)果(表4)表明，各模擬輸出變量的優(yōu)化和驗(yàn)證目標(biāo)函數(shù)值前后變化不大，說(shuō)明優(yōu)化的小麥生長(zhǎng)發(fā)育參數(shù)對(duì)模型模擬效果具有較好的穩(wěn)定性。從各模擬輸出變量與觀(guān)測(cè)值的RRMSE和R2看，參數(shù)優(yōu)化后的WheatSM模型在主要發(fā)育期模擬中，以出苗期模擬效果最好，其次為拔節(jié)期和抽穗期，對(duì)越冬期的模擬效果最差。通過(guò)對(duì)越冬期觀(guān)測(cè)數(shù)據(jù)的分析發(fā)現(xiàn)，“寒冬”和“暖冬”使得越冬期明顯提前或滯后，如2009、2015年11月中旬即進(jìn)入越冬期，而泛區(qū)2005年2月份才進(jìn)入越冬期。有研究認(rèn)為，河南南部部分地區(qū)，多年出現(xiàn)暖冬，在一些年份已沒(méi)越冬期，而有些地區(qū)越冬期變長(zhǎng)，開(kāi)始日有提前趨勢(shì)，終止日有推遲趨勢(shì)[35]。因此，在極端氣候條件下，越冬期年際間變化較大，WheatSM模型難以響應(yīng)這種變化。而模型能很好地反模擬出地上干物質(zhì)生長(zhǎng)率和LAI的變化趨勢(shì)，R2值達(dá)0.90以上，但誤差較大，RRMSE達(dá)20.0%以上。

圖5 生物量、葉面積指數(shù)和產(chǎn)量的EFAST敏感性分析結(jié)果

表3 WheatSM模型參數(shù)優(yōu)化結(jié)果Table 3 Optimization results of growth and development parameters for the WheatSM model

表4 WheatSM模型參數(shù)優(yōu)化和驗(yàn)證的目標(biāo)函數(shù)值Table 4 Cost function values for parameter optimization and validation for the WheatSM model

3 討 論

EFAST全局敏感性分析方法和SCE-UA全局優(yōu)化算法結(jié)合，能有效地對(duì)WheatSM模型參數(shù)進(jìn)行重點(diǎn)篩選和優(yōu)化，是模型不確定性分析及實(shí)現(xiàn)模型“本地化”和“區(qū)域化”應(yīng)用的有效手段。在以農(nóng)業(yè)氣象業(yè)務(wù)觀(guān)測(cè)數(shù)據(jù)作為“真值”建立的約束條件下，對(duì)模型參數(shù)進(jìn)行優(yōu)化和驗(yàn)證的結(jié)果表明，WheatSM模型對(duì)小麥出苗期具有很高的模擬精度，其次是拔節(jié)期和抽穗期，較難響應(yīng)極端氣候條件下“暖冬”或“寒冬”對(duì)越冬期的影響；WheatSM模型能較好反映出小麥干物質(zhì)的生長(zhǎng)累積和LAI變化趨勢(shì)，與觀(guān)測(cè)值一致性較好，但誤差偏大，需要基于精確試驗(yàn)數(shù)據(jù)，對(duì)相關(guān)敏感參數(shù)進(jìn)一步優(yōu)化率定。

本研究作為WheatSM模型區(qū)域應(yīng)用前的適用性探索，僅以時(shí)間尺度較大的農(nóng)業(yè)氣象業(yè)務(wù)基本觀(guān)測(cè)數(shù)據(jù)，對(duì)河南省半冬性小麥生長(zhǎng)發(fā)育參數(shù)進(jìn)行了敏感性分析和優(yōu)化，并未考慮土壤參數(shù)、水肥脅迫等情景，反映的是“潛在”水平下的生長(zhǎng)發(fā)育參數(shù)最優(yōu)情況，具有片面性。另外，觀(guān)測(cè)數(shù)據(jù)質(zhì)量也嚴(yán)重制約模型參數(shù)的優(yōu)化和率定，因此“全局優(yōu)化”更有賴(lài)于各種情形下嚴(yán)格的試驗(yàn)設(shè)計(jì)和高質(zhì)量的數(shù)據(jù)獲取。

[1] 董潔平,李致家,戴健男.基于SCE-UA算法的新安江模型參數(shù)優(yōu)化及應(yīng)用[J].河海大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,40(5):485.

DONG J P,LI Z J,DAI J N.Application of SCE-UA algorithm to optimization of Xin'anjiang model parameters [J].JournalofHohaiUniversity(NaturalSciences),2012,40(5):485.

[2] 何 亮,侯英雨,趙 剛,等.基于全局敏感性分析和貝葉斯方法的WOFOST作物模型參數(shù)優(yōu)化[J].農(nóng)業(yè)工程學(xué)報(bào),2016,32(2):169.

HE L,HOU Y Y,ZHAO G,etal.Parameters optimization of WOFOST model by integration of global sensitivity analysis and Bayesian calibration method [J].TransactionsoftheCSAE,2016,32(2):169.

[3] 周廣勝,何奇瑾,殷曉潔.中國(guó)植被/陸地生態(tài)系統(tǒng)對(duì)氣候變化的適應(yīng)性與脆弱性[M].北京:氣象出版社,2015:134.

ZHOU G S,HE Q J,YIN X J.Adaptation and vulnerability of vegetation and terrestrial ecosystems to climate change in China [M].Beijing:China Meteorological Press,2015:134.

[4] 姚 寧,周元?jiǎng)?宋利兵,等.不同水分脅迫條件下DSSAT-CERES-Wheat模型的調(diào)參與驗(yàn)證[J].農(nóng)業(yè)工程學(xué)報(bào),2015,31(12):138.

YAO N,ZHOU Y G,SONG L B,etal.Parameter estimation and verification of DSSAT-CERES-Wheat model for simulation of growth and development of winter wheat under water stresses at different growth stages [J].TransactionsoftheCSAE,2015,31(12):138.

[5] 涂啟玉,梅亞?wèn)|.Matlab遺傳算法工具GUI率定馬斯京根模型參數(shù)[J].水文,2008,28(5):33.

TU Q Y,MEI Y D.Application of Matlab Gatool GUI in parameter estimation of Muskingum Routing model [J].JournalofChinaHydrology,2008,28(5):33.

[6] 張 添,黃春林,沈煥鋒.土壤水分對(duì)土壤參數(shù)的敏感性及其參數(shù)優(yōu)化方法研究[J].地球科學(xué)進(jìn)展,2012,27(6):678.

ZHANG T,HUANG C L,SHEN H F.Sensitivity and parameters optimization method of soil parameters to soil moisture in common land model [J].AdvancesinEarthScience,2012,27(6):678.

[7] 徐會(huì)軍,陳洋波,曾碧球,等.SCE-UA算法在流溪河模型參數(shù)優(yōu)選中的應(yīng)用[J].熱帶地理,2012,32(1):32.

XU H J,CHEN Y B,ZENG B Q,etal.Application of SCE-UA Algorithm to Parameter Optimization of Liuxihe Model [J].TropicalGeography,2012,32(1):32.

[8] 李明亮,楊大文,陳勁松.基于采樣貝葉斯方法的洪水概率預(yù)報(bào)研究[J].水力發(fā)電學(xué)報(bào),2011,30(3):27.

LI M L,YANG D W,CHEN J S.Probabilistic flood forecasting by a sampling-based Bayesian model [J].JournalofHydroelectricEngineering,2011,30(3):27.

[9] MA G N,HUANG J X,WU W B,etal.Assimilation of MODIS-LAI into the WOFOST model for forecasting regional winter wheat yield [J].Mathematical&ComputerModelling,2013,58(3-4):634.

[10] 姜志偉,陳仲新,周清波,等.CERES-Wheat作物模型參數(shù)全局敏感性分析[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(1):236.

JIANG Z W,CHEN Z X,ZHOU Q B,etal.Global sensitivity analysis of CERES-Wheat model parameters [J].TransactionsoftheCSAE,2011,27(1):236.

[11] SALTELLI A,ANNONI P,AZZINI I,etal.Variance based sensitivity analysis of model output.Design and estimator for the total sensitivity index [J].ComputerPhysicsCommunications,2010,181(2):259.

[12] SALTELLI A.Sensitivity analysis for importance assessment [J].RiskAnalysis,2002,22(3):579.

[13] SATELLI A.Global sensitivity analysis:the primer [M].John Wiley,2008.

[14] 王建棟,郭維棟,李紅祺.拓展傅里葉幅度敏感性檢驗(yàn)(EFAST)在陸面過(guò)程模式中參數(shù)敏感性分析的應(yīng)用探索[J].物理學(xué)報(bào),2013,62(5):050202.

WANG J D,GUO W D,LI H Q.Application of extended Fourier amplitude sensitivity test (EFAST) method in land surface parameter sensitivity analysis [J].ActaPhysicaSinica,2013,62(5):050202.

[15] 廖征紅,陳洋波,徐會(huì)軍,等.基于 E-FAST 的流溪河模型參數(shù)敏感性分析[J].熱帶地理,2012,32(6):606.

LIAO Z H,CHEN Y B,XU H J,etal.Parameter sensitivity analysis of the Liuxihe model based on E-FAST algorithm[J].TropicalGeography,2012,32(6):606.

[16] 何 亮,趙 剛,靳 寧,等.不同氣候區(qū)和不同產(chǎn)量水平下APSIM-Wheat模型的參數(shù)全局敏感性分析[J].農(nóng)業(yè)工程學(xué)報(bào),2015,31(14):148.

HE L,ZHAO G,JIN N,etal.Global sensitivity analysis of APSIM-Wheat parameters in different climate zones and yield levels [J].TransactionsoftheCSAE,2015,31(14):148.

[17] 吳 錦,余福水,陳仲新,等.基于EPIC模型的冬小麥生長(zhǎng)模擬參數(shù)全局敏感性分析[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(7):136.

WU J,YU F S,CHEN Z X,etal.Global sensitivity analysis of growth simulation parameters of winter wheat based on EPIC model [J].TransactionsoftheCSAE,2009,25(7):136.

[18] 林忠輝,莫興國(guó),項(xiàng)月琴.作物生長(zhǎng)模型研究綜述[J].作物學(xué)報(bào),2003,29(5):750.

LIN Z H,MO X G,XIANG Y Q,Research advances on crop growth models [J].ActaAgronomicaSinica,2003,29(5):750.

[19] 姜志偉.區(qū)域冬小麥估產(chǎn)的遙感數(shù)據(jù)同化技術(shù)研究[D].北京:中國(guó)農(nóng)業(yè)科學(xué)院,2012:9-11.

JIANG Z W.Study of the remote sensing data assimilation technology for regional winter wheat yield estimation [D].Beijing:Chinese Academy of Agricultural Sciences,2012:9-11.

[20] 呂尊富,劉小軍,湯 亮,等.基于WheatGrow和CERES模型的區(qū)域小麥生育期預(yù)測(cè)與評(píng)價(jià)[J].中國(guó)農(nóng)業(yè)科學(xué),2013,46(6):1136.

LU Z F,LIU X J,TANG L,etal.Regional prediction and evaluation of wheat phenology based on the WheatGrow and CERES models [J].ScientiaAgriculturaSinica,2013,46(6):1136.

[21] 嚴(yán)美春,曹衛(wèi)星,羅衛(wèi)紅,等.小麥發(fā)育過(guò)程及生育期機(jī)理模型的研究I.建模的基本設(shè)想與模型的描述[J].應(yīng)用生態(tài)學(xué)報(bào),2000,11(3):355.

YAN M C,CAO W X,LUO W H,etal.A mechanistic model of phasic and phenological development of wheat I.Assumption and description of the model [J].ChineseJournalofAppliedEcology,2000,11(3):355.

[22] 劉鐵梅,曹衛(wèi)星,羅衛(wèi)紅.小麥抽穗后生理發(fā)育時(shí)間的計(jì)算與生育期的預(yù)測(cè)[J].麥類(lèi)作物學(xué)報(bào),2000,20(3):29.

LIU T M,CAO W X,LUO W H.Calculation of physiological development time and prediction of development stages after heading [J].JournalofTriticeaeCrops,2000,20(3):29.

[23] CAO W X,MOSS D N.Modelling phasic development in wheat:a conceptual integration of physiological components [J].JournalofAgriculturalScience,1997,129(2):163.

[24] 馮利平,高亮之,金之慶,等.小麥發(fā)育期動(dòng)態(tài)模擬模型的研究[J].作物學(xué)報(bào),1997,23(4):418.

FENG L P,GAO L Z,JIN Z Q,etal.Studies on simulation model for wheat phenology [J].ActaAgronomicaSinica,1997,23(4):418.

[25] 孫 寧,馮利平.小麥生長(zhǎng)發(fā)育模擬模型在華北冬麥區(qū)適用性驗(yàn)證[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào),2006,14(1):70.

SUN N,FENG LP.Validation of WheatSM model in winter wheat production region of North China [J].ChineseJournalofEco-Agriculture,2006,14(1):71.

[26] 鄭秀琴.對(duì)小麥生長(zhǎng)模型WheatSM改進(jìn)研究[D].北京:中國(guó)農(nóng)業(yè)大學(xué),2005:8-13.

ZHENG X Q.Study of improvement of wheat growth model WheatSM [D].Beijing:China Agricultural University,2005:8-13.

[27] 王石立,馬玉平.作物生長(zhǎng)模擬模型在我國(guó)農(nóng)業(yè)氣象業(yè)務(wù)中的應(yīng)用研究進(jìn)展及思考[J].氣象,2008,34(6):3-10.

WANG S L,MA Y P.The progress in application of crop growth simulation models to agro-meteorological services in China [J].MeteorologicalMonthly,2008,34(6):3-10.

[28] 王紹中,鄭天存,郭天財(cái).河南小麥育種栽培研究進(jìn)展[M].北京:中國(guó)農(nóng)業(yè)科學(xué)技術(shù)出版社,2007.

WANG S Z,ZHENG T C,GUO T C.Research progress on wheat breeding and cultivation in Henan [M].Beijing:China Agricultural Science and Technology Press,2007.

[29] 馮利平.小麥生長(zhǎng)發(fā)育模擬模型(WheatSM)的研究[D].南京:南京農(nóng)業(yè)大學(xué),1995.

FENG L P.Study on simulation model of wheat growth and development [D].Nanjing:Agricultural University of Nanjing,1995.

[30] 李 寧.小麥生長(zhǎng)發(fā)育模擬模型(WheatSM)V4.0版本軟件設(shè)計(jì)[D] .北京:中國(guó)農(nóng)業(yè)大學(xué),2015:4.

LI N.Software design for the simulation model of wheat growth and development(V4.0) [D].Beijing:China Agricultural University,2015:4.

[31] 陳懷亮,唐世浩,俄有浩,等.農(nóng)作物生長(zhǎng)動(dòng)態(tài)監(jiān)測(cè)與定量評(píng)價(jià)[M].北京:氣象出版社,2016:145.

CHEN H L,TANG S H,E Y H,etal.Dynamic monitoring and quantitative evaluation of crop growth [M].Beijing:China Meteorological Press,2016:145.

[32] 李 艷,黃春林,盧 玲.基于EFAST方法的SEBS模型參數(shù)全局敏性分析[J].遙感技術(shù)與應(yīng)用,2014,29(5):719.

LI Y,HUANG C L,LU L.Global sensitivity analysis of SEBS model parameters based on EFAST method [J].RemoteSensingTechnologyandApplication,2014,29(5):719.

[33] DUN Q Y.A global optimization strategy for efficient and effective calibration of hydrologic models [J].InternationalArchivesofAllergy&AppliedImmunology,1991,86(2):176-82.

[34] 宋星原,舒全英,王海波,等.SCE-UA遺傳算法和單純形優(yōu)化算法的應(yīng)用[J].武漢大學(xué)學(xué)報(bào)(工學(xué)版),2009,42(1):6.

SONG X Y,SHU Q Y,WANG H B,etal.Comparison and application of SCE-UA,genetic algorithm and simplex method [J].EngineeringJournalofWuhanUniversity,2009,42(1):6.

[35] 李彤霄,趙國(guó)強(qiáng),李 有.河南省氣候變化及其對(duì)冬小麥越冬期的影響[J].中國(guó)農(nóng)業(yè)氣象,2009,30(2):143.

LI T X,ZHAO G Q,LI Y,Climate change and its impacts on duration of winter wheat overwintering stage in Henan Province [J].ChineseJournalofAgrometeorology,2009,30(2):143.

ParameterOptimizationandValidationoftheWheatSMModelforGrowthandDevelopmentofWheat

GUOQile1,2,3,LIYing1,2,TIANHongwei1,2
(1.China Meteorological Administration/Henan Key Laboratory of Agrometeorological Support and Applied Technique,Zhengzhou,Henan 450003,China; 2.Henan institute of Meteorological Sciences,Zhengzhou,Henan 450003,China; 3.Graduate School of Chinese Academy of Agricultural Sciences,Beijing 100081,China)

To validate the application of WheatSM model,based on the global sensitivity analysis method (EFAST),wheat growth and development parameters of the WheatSM model were analyzed,and then ten key parameters were screened out to optimize,such as the basic development coefficients before heading (K1,K21,K22 and K3),the temperature coefficient from emergence to overwintering (P21),the genetic photoperiod coefficient from overwintering to jointing (Q2),the transfer rate of photosynthetic product to grain after heading (TR2) ,the specific leaf area (SLA),the partition coefficient of ear dry matter from jointing to heading (PcEar34),and the partition coefficient of leaf dry matter from heading to maturity (PcLeaf45). Based on these parameters,the global optimization algorithm (SCE-UA) was carried out,and observation data of many continuous years was used to constrain the cost function of optimization and validate the effect. The results showed that the WheatSM model has the highest accuracy for the simulation at emergence stage,with RRMSE<0.5%,andR2>0.9; and it has a modest accuracy for the simulations at heading and jointing stages,but the worst accuracy for the simulation at overwintering stage. The simulation results of dry matter and LAI have high correlation to observed data,withR2>0.9,but the accuracy is relatively lower (75.0%).

Winter wheat; The growth and development model; Global sensitivity analysis; Parameters optimization

時(shí)間：2017-12-11

網(wǎng)絡(luò)出版地址：http://kns.cnki.net/kcms/detail/61.1359.S.20171211.1106.014.html

2017-04-28

2017-05-16

中國(guó)氣象局河南省農(nóng)業(yè)氣象保障與應(yīng)用技術(shù)重點(diǎn)開(kāi)放實(shí)驗(yàn)室基金項(xiàng)目(AMF201404，AMF201507)

E-mail：guoqile@163.com

S512.1；S311

A

1009-1041(2017)12-1571-10