毛 鑫 楊建利 朱曉華 何 川 馮 浩 何建強

(1.陜西省雜交油菜研究中心， 陜西楊凌 712100；2.西北農(nóng)林科技大學旱區(qū)農(nóng)業(yè)水土工程教育部重點實驗室， 陜西楊凌 712100；3.西北農(nóng)林科技大學中國旱區(qū)節(jié)水農(nóng)業(yè)研究院， 陜西楊凌 712100；4.中國科學院水利部水土保持研究所黃土高原土壤侵蝕與旱地農(nóng)業(yè)國家重點實驗室， 陜西楊凌 712100)

0 引言

作物生長模型是基于計算機語言對作物生理生態(tài)過程機理性再呈現(xiàn)的技術[1-2]，在農(nóng)業(yè)生產(chǎn)和管理決策方面扮演著重要角色[3-4]。目前模型大多以氣象要素為驅動，對土壤-植物-大氣生態(tài)系統(tǒng)中包括水分運移、作物生長等過程進行模擬[5]。雖然作物模型都能夠模擬不同環(huán)境和管理下不同作物的生長發(fā)育，但是各個模型都有自己的優(yōu)勢和局限性[6]。油菜作為我國重要的油料作物之一，種植面積已達7.30×106hm2，位居世界第二[7]。油菜種植面積雖然較大，但產(chǎn)量一直不高，通過優(yōu)化種植管理方式提高產(chǎn)量是最直接的方法[8-10]。傳統(tǒng)大田試驗耗時耗力且局限性多，將田間試驗和作物模型結合的方法受到了廣泛關注[3-4]。

當前主要的油菜生長模型有CROPGRO-Canola[11]模型、APSIM-Canola[12]模型、STICS-Rapeseed[13]模型、AquaCrop-Canola[14]模型等，利用模型模擬油菜生長發(fā)育的研究也取得了一定的成果[15-19]。JING等[20]用加拿大東部地區(qū)種植的不同施氮處理的春油菜進行試驗，對CSM-CROPGRO-Canola進行調(diào)參評價，證實模型能夠較好地模擬春油菜的生長發(fā)育和土壤水分變化情況。HE等[21]利用APSIM-Canola模型對我國長江流域的冬油菜和內(nèi)蒙古、甘肅兩地的春油菜進行調(diào)參模擬，發(fā)現(xiàn)APSIM模型能夠較好地模擬油菜的葉面積變化、生物量以及產(chǎn)量，并且模型在模擬油菜物候期方面有一定的優(yōu)勢。MOUSAVIZADEH等[22]利用AquaCrop模型對半干旱地區(qū)不同灌溉處理的油菜生長進行模擬，發(fā)現(xiàn)模型能夠較好模擬產(chǎn)量和生物量，但在一定脅迫的情況下模擬結果存在較大誤差。以上研究均用某個模型對某一地區(qū)油菜生長和發(fā)育的情況作出評價，但是對于西北干旱且灌溉條件不良地區(qū)，作物生長模型能否較好地模擬冬油菜的生長發(fā)育，以及最適于模擬該地區(qū)油菜生長發(fā)育的模型尚未可知。

本研究選取包含油菜模塊且較為主流的STICS、DSSAT和APSIM 3種作物模型，對連續(xù)6季(2009年9月—2015年5月)的冬油菜非充分灌溉試驗進行模擬，旨在從油菜生長發(fā)育的物候期和產(chǎn)量等數(shù)據(jù)對3個模型模擬精度進行對比，從中優(yōu)選出最適宜模擬本地區(qū)冬油菜生長發(fā)育的作物模型，為作物模型在該地區(qū)農(nóng)業(yè)生產(chǎn)上的應用提供理論指導。

1 材料與方法

1.1 田間試驗

試驗于2009—2015年在陜西省雜交油菜研究中心大荔試驗站(34°54′N，109°54′E，海拔369 m)進行。該區(qū)年平均氣溫14.4℃，降水量514 mm，無霜期214 d，屬暖溫帶半干旱大陸性季風氣候區(qū)，降水明顯呈現(xiàn)季節(jié)性。由于降水年內(nèi)分布不均，容易形成季節(jié)性干旱。農(nóng)田土壤類型為塿土，土壤pH值7.6～8.0，有機質(zhì)質(zhì)量分數(shù)1.11%。

選擇甘藍型油菜品種“秦優(yōu)7號”，分別于2009年9月18日、2010年9月22日、2011年9月26日、2012年9月18日、2013年9月20日和2014年9月24日播種，播種方式為人工開溝直播，播種深度約為3 cm，播種密度2009年為1.5×104株/hm2，2010—2012年為2.3×104株/hm2，2013—2014年為3.8×104株/hm2，分別于2010年6月2日、2011年5月28日、2012年5月29日、2013年5月21日、2014年5月29日和2015年5月28日收獲。由于2010—2013年播種時土壤墑情不佳，為保證出苗和苗期生長，分別在2010年9月21日、2012年9月24日和2013年9月19日進行灌水，灌水量為30 mm。由于各年抽薹期會發(fā)生嚴重干旱，因此在該時期采用漫灌的方式進行灌水，灌水量為110 mm。各年播前施入N 110 kg/hm2和P2O560 kg/hm2作為基肥；隨春灌再追肥N 52 kg/hm2。試驗小區(qū)長8.34 m，寬2.4 m，小區(qū)面積約20 m2，試驗小區(qū)設置3個重復，相鄰年份在相鄰地塊進行，以消除由于收獲時籽粒殘留造成的影響。

1.2 模型簡介

本研究選取的STICS、DSSAT和APSIM模型都是以日為步長，能夠對包括植物生長發(fā)育、土壤水分溶質(zhì)運移等進行機理性模擬，但模型內(nèi)部過程量化存在一定差異。

STICS(Simulateur multidisciplinaire pour les cultures standard)模型是通過逐日氣象數(shù)據(jù)驅動的土壤作物生態(tài)機理性模型，對多種作物均有較好模擬[13]。模型對于作物生長的模擬按照 “確定性作物”和“不確定性作物”進行[23]。STICS-Rapeseed模擬油菜潛在騰發(fā)量與氣候條件和作物生長相關。氣候方面根據(jù)所擁有的氣象數(shù)據(jù)類型選擇不同的計算方法，目前模型提供有Penman-Monteith[24]、Shuttleworth-Wallace[25]和Priestley-Taylor[26]3種計算方法；作物方面是與葉面積指數(shù)相關的函數(shù)。模型對土壤中水分變化情況的模擬按照土壤-根系系統(tǒng)的供給和土壤-葉片系統(tǒng)的需求平衡原理[23]，根據(jù)“翻桶式”(Tipping bucket)方法[27]對每1 cm土層進行模擬，之后再劃分到各個土層設置的不同深度。

DSSAT(Decision support system for agrotechnology transfer)模型包括土壤、氣象、管理以及作物品種等模塊，目前能夠模擬谷物類、豆科等20多種作物[28]。CROPGR-Canola模型模擬油菜生長通過輻射有效利用系數(shù)計算轉換的干物質(zhì)量，與葉面積指數(shù)、密度和行距相關。土壤水分根據(jù)RITCHIE[29]提出的水量平衡模擬，模型模擬逐日土壤水分平衡采用一維“翻桶式”方法[27]，可以模擬各個土層水分流動的根系吸水情況。水分脅迫的計算就是比較潛在根系吸水和潛在蒸騰的大小關系[30]，其中潛在蒸發(fā)蒸騰量根據(jù)Priestley-Taylor[26]和FAO56 Penman-Monteith[24]兩種方法計算，潛在根系吸水是根系深度、根長密度、根系分布和當前土壤含水率的函數(shù)。

APSIM(Agricultural production system simulator)模型用于模擬旱作農(nóng)業(yè)系統(tǒng)中各個組分的機理模型[31]。APSIM將各種不同的作物模型耦合到一個平臺，界面友好，目前能夠模擬包括小麥、玉米、棉花、油菜、豆類作物以及雜草等多種作物[32]。APSIM-Canola模型以溫度、光周期、太陽輻射、土壤水分和氮素供給為驅動，對油菜生長發(fā)育、產(chǎn)量形成以及氮素累積進行模擬[12]。模型根據(jù)水量平衡能夠模擬土壤水分下滲、運移、蒸發(fā)、徑流等一系列過程[33]，模擬水分和溶質(zhì)運移時提供兩個方法：“翻桶式”方法[27]和利用Richard方程的數(shù)值求解方法[34]。在水分脅迫方面共有4個水分脅迫因子對作物的不同生長階段造成影響，包括光合作用、物候、葉片伸展和氮素固定。

1.3 數(shù)據(jù)獲取

模型輸入的氣象數(shù)據(jù)由陜西省大荔縣氣象站提供，包括逐日最高氣溫、逐日最低氣溫、太陽輻射、降雨量、風速等。其中，逐日太陽輻射量根據(jù)Angstrom經(jīng)驗公式計算[35]

式中Rs——太陽總輻射，MJ/m2

Rmax——天文輻射，MJ/m2

as、bs——與大氣狀況相關的經(jīng)驗系數(shù)，取0.25、0.50

n——日照時長，h

N——最大時長，h

土壤相關數(shù)據(jù)均為田間實測數(shù)據(jù)。選取的土壤剖面深度為100 cm，每20 cm采樣一次，采用高速離心法測定各層土壤凋萎含水率、田間持水率和飽和含水率等參數(shù)，利用TopSizer激光粒度分析儀測定土壤顆粒級配(表1)。

表1 試驗區(qū)土壤性質(zhì)Tab.1 Soil properties of experimental plots

開花期和成熟期是指全區(qū)50%以上植株開花或成熟的日期。油菜黃熟期時，避開邊行，每個小區(qū)選取連續(xù)正常生長且長勢均勻的10株進行產(chǎn)量和千粒質(zhì)量的測定，其中千粒質(zhì)量的測定是在曬干(陽光下晾曬至含水率不高于10%)的純凈種子內(nèi)，利用四分法取樣3份，計數(shù)1 000粒并分別稱量，取3個樣本的平均值，單位為g；產(chǎn)量測定是各個小區(qū)內(nèi)所有植株產(chǎn)量曬干稱量，單位折算為kg/hm2，取3個小區(qū)的平均值。

1.4 模型的校正與驗證

模擬精度評價指標采用模擬值與實測值之間的絕對相對誤差RARE(Absolute relative error，ARE)，它能夠度量模擬值與實測值之間的相對差異程度，同時因為屬于無量綱統(tǒng)計量，因此可以在不同變量之間進行比較[36-37]。RARE越小表明模型模擬精度越高。

本研究各個模型中田間管理方案設置一致，土壤和氣象相關數(shù)據(jù)根據(jù)不同模型需要進行輸入，由于試驗安排等原因對部分指標未進行測定而模型中需要輸入的，根據(jù)相關文獻或模型默認值設定。同時模型校正通常選擇水肥條件較好的處理進行，因此本研究選取降水量較為充沛的2009—2010年度和2013—2014年度冬油菜物候期和產(chǎn)量數(shù)據(jù)進行模型校正，其余年份相關數(shù)據(jù)進行模型驗證。為保證不同模型間驗證精度的可靠性，模型校正精度RARE控制在5%之內(nèi)(表2)。由于3個模型之間參數(shù)較多且設定有所不同，因此僅呈現(xiàn)對模型默認值改動的參數(shù)(表3)。

表2 STICS、DSSAT和APSIM模型校正總體結果Tab.2 General results of calibration of STICS, DSSAT and APSIM models %

表3 STICS、DSSAT和APSIM模型相關參數(shù)估計值Tab.3 Estimated values of relative parameters in STICS, DSSAT and APSIM models

2 結果與分析

2.1 不同模型物候期模擬比較

3個模型對冬油菜物候期的模擬結果較為理想(圖1)。對于開花期，DSSAT模型模擬值密集分布在1∶1線兩側，模擬精度最高，平均RARE為0.60%，STICS模型模擬結果次之，平均RARE為0.68%，而APSIM模型模擬點大多位于1∶1線以下，即模擬值低于實測值，平均RARE為1.23%。成熟期方面，STICS模型模擬結果優(yōu)于其他兩模型，平均RARE為0.47%，DSSAT模型模擬效果居中，平均RARE為2.04%，其中在2011—2012年和2012—2013年模擬值低估10 d以上，這可能是由于兩年生育期內(nèi)降水處于較低水平，干旱脅迫縮短生育期，而模型內(nèi)部對此過程存在高估造成的。APSIM模型模擬值存在高估現(xiàn)象，平均RARE為2.51%。總體而言，STICS模型對物候期的模擬穩(wěn)定性最高且模擬效果最優(yōu)。

圖1 不同模型對物候期的模擬Fig.1 Simulated phenology dates with different models

2.2 不同模型產(chǎn)量和千粒質(zhì)量模擬比較

對千粒質(zhì)量和產(chǎn)量進行分析對比(表4、5)，結果表明，千粒質(zhì)量方面，STICS模型模擬效果最優(yōu)，平均RARE為7.53%，而DSSAT模型模擬結果相對較差，平均RARE為23.17%(APSIM-Canola模型中沒有籽粒質(zhì)量的輸出項，因此未對其做考慮)。其中，在2011—2012、2012—2013年度，DSSAT模型對千粒質(zhì)量的模擬嚴重低估，其RARE分別為62.96%和42.85%，而STICS模型模擬效果較好。產(chǎn)量方面，STICS模型模擬結果最優(yōu)，平均RARE為4.24%，其次為APSIM模型，平均RARE為15.70%，DSSAT模型模擬效果較差，平均RARE為19.70%。其中，DSSAT模型在2011—2012、2012—2013年度的產(chǎn)量模擬相差較大，這可能是模型中關于干旱脅迫縮短物候期導致提前成熟的過程存在高估，模擬灌漿時間縮短造成的，APSIM模型存在相似的結果。在2012—2013年度，3個模型的模擬結果均較差，平均RARE分別為18.62%、40.64%和45.92%。由千粒質(zhì)量和產(chǎn)量模擬結果看出，在2012—2013年度，STICS模型對產(chǎn)量的低估很有可能是由于低估籽粒數(shù)造成的，而DSSAT模型對產(chǎn)量的低估很大原因是由于籽粒灌漿受到影響，粒質(zhì)量低估造成的?？傮w而言，STICS模型在產(chǎn)量和千粒質(zhì)量方面的模擬效果最優(yōu)。

表4 不同模型對千粒質(zhì)量的模擬Tab.4 Simulation result of 1000-kernel weight with different models

表5 不同模型對產(chǎn)量的模擬Tab.5 Simulation result of yield with different models

2.3 不同模型模擬精度比較

總體來說，STICS模型在物候期和產(chǎn)量方面模擬精度最高，平均RARE為3.24%， APSIM次之，平均RARE為8.79%，DSSAT最差，平均RARE為11.38%。DSSAT模型在物候期方面的模擬精度高于APSIM，兩者RARE分別為1.32%和1.87%，但在產(chǎn)量方面的模擬精度低于APSIM，兩者RARE分別為21.44%和15.70%(表6)。

表6 不同模型模擬精度比較Tab.6 Comparison of simulation accuracies of different models %

注：產(chǎn)量相關指標模擬精度為產(chǎn)量和千粒質(zhì)量模擬精度的均值。

2.4 不同模型土壤含水率與騰發(fā)量模擬比較

圖2 2012—2013年土壤含水率動態(tài)變化模擬Fig.2 Simulated dynamic changes of soil moisture content in 2012—2013 season

油菜側根發(fā)達，且密集分布在20 cm左右土壤層，基于以上結果，對3個模型模擬2012—2013年度淺層0～20 cm土壤含水率和20～100 cm土壤含水率進行對比分析(圖2)。結果表明，3個模型都能夠對降雨和灌溉對土壤水分的影響有較好的反映。抽薹期之前，土壤含水率的變化由土壤蒸發(fā)主導，DSSAT模型模擬含水率大多時段相對其他兩個模型較低，而在抽薹期之后，土壤含水率的變化主要由作物蒸騰作用主導，APSIM模型模擬含水率明顯低于其他兩個模型，STICS模型模擬的土壤含水率大多時段都高于DSSAT和APSIM模型(圖2a)。表明DSSAT模型對土壤蒸發(fā)的模擬高于其他兩模型，而APSIM對植物蒸騰的模擬高于其他兩模型。STICS模型和APSIM模型對20～100 cm的土壤含水率模擬結果趨勢相同， STICS模型模擬值略高于APSIM，DSSAT模型模擬值在越冬期前高于STICS和APSIM模型模擬值，但進入越冬期之后，其模擬值低于兩者(圖2b)。

同時對DSSAT模型模擬2012—2013年、2013—2014年兩年的0～20 cm和20～100 cm土層土壤含水率進行對比分析，在生育期的絕大多數(shù)時段，2013—2014年對0～20 cm土壤含水率模擬值均高于2012—2013年(圖3a)，對于20～100 cm土層土壤含水率的模擬，在花期之前2012—2013年的模擬值高于2013—2014年，花期之后2013—2014年的模擬值高于2012—2013年(圖3b)。因此認為2012—2013年產(chǎn)量方面模擬值偏低可能是由于淺層土壤含水率偏低造成的。

圖3 DSSAT模型對2012—2013年、2013—2014年土壤 含水率變化模擬Fig.3 Simulated dynamic changes of soil moisture content with DSSAT model in 2012—2013 and 2013—2014 seasons

對3個模型模擬油菜生育期內(nèi)的騰發(fā)量進行對比分析(圖4)。播種后20 d內(nèi)，騰發(fā)量相對較高，這是由于此階段油菜剛出苗，且溫度較高，騰發(fā)量主要由土壤蒸發(fā)造成，本階段STICS模型模擬值低于其他兩個模型。而在播種后20～160 d，也就是油菜苗期階段，騰發(fā)量相對于其他階段都比較低，這是由于進入越冬期，溫度較低，太陽輻射強度較弱，因此土壤蒸發(fā)和作物蒸騰作用都相對較弱。本階段DSSAT模型模擬騰發(fā)量高于其他兩個模型，這與DSSAT模型模擬當年0～20 cm土壤含水率較低相對應。抽薹期后，騰發(fā)量迅速升高，這是由于溫度回升，油菜迅速生長，植株增高、葉面積變大，此階段的騰發(fā)量主要由作物蒸騰貢獻。本階段前期APSIM模型模擬值明顯高于其他兩個模型，而STICS模擬的騰發(fā)量峰值晚于其他兩個模型。

圖4 2012—2013年騰發(fā)量動態(tài)變化模擬Fig.4 Simulated dynamic changes of evapotranspiration in 2012—2013 season

3 討論

盡管STICS、DSSAT、APSIM模型內(nèi)部過程和作物參數(shù)設置存在一定差異，但根據(jù)前人研究，模型對油菜物候期和產(chǎn)量都有很好的模擬效果[38-40]。在本研究中，STICS、DSSAT和APSIM對6年試驗中油菜物候期和產(chǎn)量相關指標都有較好的模擬(平均RARE分別為3.24%、11.38%和8.79%)，其中STICS模型對物候期和產(chǎn)量相關指標的模擬均為最優(yōu)，RARE分別為0.58%和5.89%，DSSAT和APSIM模型模擬結果稍差，但對物候期和產(chǎn)量相關指標的RARE都分別小于5%和25%。然而對于2012—2013年的模擬結果，3個模型均存在低估(RARE分別為18.62%、45.92%和40.64%)。2012—2013年生育期內(nèi)降水低于其余年份，千粒質(zhì)量也低于其他年份，但當年產(chǎn)量觀測值卻高于其他年份。試驗記錄當年花期平均氣溫比歷年同期偏高0.4℃，日照時長比歷年同期偏多36.6 h，對油菜花蕾分化以及開花授粉十分有利，同時對油菜籽粒建成起到促進作用[41]，從而導致籽粒數(shù)多，千粒質(zhì)量低，總產(chǎn)量高的情況，而模型可能對這一過程缺少描述或過程描述不完善。

在2012—2013年，DSSAT模型對花期有很好的模擬，但模擬成熟期少了11 d，即灌漿期比實際少11 d，以致于當年產(chǎn)量和千粒質(zhì)量模擬效果很差(RARE分別為45.92%和42.85%)。從氣象數(shù)據(jù)來看，當年生育期內(nèi)降水明顯低于其他年份，且大多降雨小于10 mm，從3個模型對0～20 cm層土壤含水率模擬情況來看，DSSAT模型模擬值在花期之前都處于較低水平，因此當年可能存在水分脅迫現(xiàn)象。干旱能夠加快作物生育期進程導致作物提前成熟[42-43]，姚寧等[44]利用DSSAT模型對水分脅迫下的冬小麥進行研究，發(fā)現(xiàn)前期受旱處理的模擬誤差大于后期受旱處理。因此推測DSSAT模型在模擬干旱加快生育進程的影響方面存在高估。APSIM模型模擬當年作物騰發(fā)量時，在播后166～172 d突然變大，遠遠大于其他兩模型，且該時段騰發(fā)量主要由作物蒸騰作用影響。這可能是由于該時期為抽薹期，氣溫回升，油菜生長迅速，葉面積急速增加，作物蒸騰作用加劇，而模型對此階段的模擬存在高估所導致的。

本研究中不同模型校正時雖然保證校正精度RARE均在5%以內(nèi)，以減少不同模型驗證的對比誤差，但是不同模型之間結構的不確定性和參數(shù)定義的不確定性導致的誤差無法避免，因此關于不同模型之間的不確定性問題有待進一步研究和量化。

本研究利用3個模型對連續(xù)6年油菜生長實測數(shù)據(jù)模擬，從數(shù)據(jù)方面優(yōu)選出最適宜本地區(qū)油菜生長模擬的模型，同時為作物生長模型在本地區(qū)的油菜生產(chǎn)應用提供了基礎和方向，促進了模型在我國農(nóng)業(yè)生產(chǎn)研究的應用。但對于某些年份模型模擬精度較低的原因以及對應的模型優(yōu)化改進仍需要進一步研究。

4 結束語

利用STICS、DSSAT和APSIM 3個模型對我國西北灌溉條件不良地區(qū)連續(xù)6年的冬油菜生長發(fā)育情況進行模擬對比，結果表明，3個模型模擬物候期的RARE分別為0.58%、1.32%和1.87%，產(chǎn)量相關指標的RARE分別為5.89%、21.44%和15.70%，綜合所有指標，3個模型的平均RARE分別為3.24%、11.38%和8.79%。STICS模型為物候期和產(chǎn)量模擬的最優(yōu)模型，是3個模型中最適合該地區(qū)冬油菜生長模擬的作物模型。