馬玉平 霍治國 王培娟 俄有浩 鄔定榮 房世波 譚凱炎 張 祎 孫琳麗 楊建瑩 趙俊芳 周夢子 赫 迪 徐嘉昕 毛 飛 姜朝陽

(中國氣象科學(xué)研究院， 北京 100081)

引 言

農(nóng)業(yè)氣象學(xué)是研究農(nóng)業(yè)生產(chǎn)與氣象條件之間相互關(guān)系及其規(guī)律的科學(xué)[1]。隨著農(nóng)業(yè)氣象學(xué)的發(fā)展以及與系統(tǒng)科學(xué)的結(jié)合，逐漸出現(xiàn)了描述農(nóng)業(yè)氣象學(xué)原理的模式[2-4]。馮定原[5]將農(nóng)業(yè)氣象模式定義為描述天氣-作物和天氣-土壤-作物等的相互作用過程，龔紹先[6]認(rèn)為它是農(nóng)業(yè)生產(chǎn)對象與氣象氣候和水文條件相互關(guān)系的數(shù)學(xué)表達(dá)式或文字邏輯圖式，馮秀藻等[1]描述其為仿真的生物數(shù)學(xué)物理模式，而朱履寬[7]認(rèn)為農(nóng)業(yè)氣象學(xué)是天氣氣候與農(nóng)業(yè)生產(chǎn)的相關(guān)分析?；谝陨险J(rèn)識以及作物生長模擬理論的發(fā)展，本文將農(nóng)業(yè)氣象模式定義為基于農(nóng)業(yè)氣象學(xué)的基本原理，描述農(nóng)業(yè)氣象要素(光、熱、水、氣)對農(nóng)業(yè)生物生長發(fā)育、產(chǎn)量形成的影響過程，并通過數(shù)學(xué)簡化和計算機(jī)方法形成反映真實農(nóng)業(yè)生產(chǎn)過程的可運轉(zhuǎn)模型。

早在20世紀(jì)50年代，隨著統(tǒng)計學(xué)與植物生理學(xué)的蓬勃發(fā)展，開始出現(xiàn)描述作物-天氣相關(guān)關(guān)系的農(nóng)業(yè)氣象模式。60年代以來，借由計算機(jī)技術(shù)的興起，面向生長過程的動力學(xué)農(nóng)業(yè)氣象模式也隨之誕生，以1965年荷蘭de Wit構(gòu)建的作物冠層光合作用模式為標(biāo)志[8]；1967年美國Duncan等[9]建立了植物群落光合作用模擬模型。70—80年代農(nóng)業(yè)氣象模擬理論發(fā)展迅速，荷蘭de Wit學(xué)派的模式大多建成于這一階段，這些模式較為詳細(xì)地描述了作物冠層的光合作用、呼吸作用和器官生長等機(jī)理過程[10-15]；美國科學(xué)家細(xì)化了光合作用理論，增加了土壤濕度、籽粒生長模擬方法等[16]；高亮之等[17]建立了作物生育期的鐘模型。90年代以來，面向生長過程的農(nóng)業(yè)氣象模式開始進(jìn)入發(fā)展應(yīng)用階段[18-20]。21世紀(jì)以來，農(nóng)業(yè)氣象模式已廣泛應(yīng)用于田間生產(chǎn)管理、氣候變化對農(nóng)業(yè)生產(chǎn)的影響評估、農(nóng)業(yè)氣象條件評價、產(chǎn)量預(yù)測以及作物育種等多方面[21-31]，但對模式機(jī)理的研究進(jìn)展比較緩慢。近年來，農(nóng)業(yè)氣象模式與基因測序及植物表型學(xué)等方法相結(jié)合[32-33]而展現(xiàn)出新的發(fā)展前景。

我國學(xué)者曾大量引進(jìn)國外農(nóng)業(yè)氣象機(jī)理模式，并借鑒重構(gòu)或開展應(yīng)用嘗試[34-42]。但將這些模式直接應(yīng)用于中國區(qū)域，會因其描述的作物生長過程、遺傳特性及氣候生態(tài)類型不同而出現(xiàn)較大偏差，模式中一些具有中國種植特色(如越冬、連作、灌溉模式、產(chǎn)量集成等)的作物生長機(jī)制尚未解決，且多數(shù)模式缺乏特定逆境下作物響應(yīng)的機(jī)理性描述。同時，模式最初建立在站點尺度上，通常適用于描述均一田塊的作物生長狀況[26]，而決策和管理部門一般更加關(guān)注大范圍的作物生長過程及其長勢狀態(tài)。因此，在改進(jìn)作物生長發(fā)育過程模擬的基礎(chǔ)上，建立一個能夠模擬區(qū)域作物生長發(fā)育的模式至關(guān)重要；另外，一般模式僅通過一定的機(jī)理過程描述作物生長的積累量，而不評價作物生長的好壞及災(zāi)害的影響，與實際需求存在較大差距。因此，亟需發(fā)展適宜中國區(qū)域農(nóng)業(yè)種植特點的農(nóng)業(yè)氣象模式。

本研究基于國外作物生長模擬方法，以我國小麥、玉米為研究對象，改進(jìn)或重構(gòu)作物生長發(fā)育部分關(guān)鍵過程模式，構(gòu)建中國區(qū)域種植特色模式、作物長勢與災(zāi)害評價模式、數(shù)據(jù)同化模式，建立基于互聯(lián)網(wǎng)技術(shù)的模式實時運轉(zhuǎn)平臺，集成建立中國農(nóng)業(yè)氣象模式(Chinese AgroMeteorological Model version 1.0, CAMM1.0),以期提升中國農(nóng)業(yè)氣象模擬理論水平，并為相關(guān)業(yè)務(wù)服務(wù)提供技術(shù)方案。

1 建模方法與研究數(shù)據(jù)

1.1 建模方法

中國農(nóng)業(yè)氣象模式(CAMM1.0)構(gòu)建思路為不同作物生長發(fā)育的多數(shù)機(jī)理過程通用，而主要區(qū)別在于模式參數(shù)。各子模式構(gòu)建，一是進(jìn)行現(xiàn)有農(nóng)業(yè)氣象子模式機(jī)理過程的比較與改進(jìn)，二是尋找新的理論依據(jù)或假設(shè)進(jìn)行數(shù)學(xué)模式構(gòu)造。

CAMM1.0采用插拔式方案構(gòu)建，發(fā)育進(jìn)程、光合作用、呼吸作用、干物質(zhì)分配及葉面積擴(kuò)展等作物生長過程為模式引擎，水肥影響、災(zāi)害影響、區(qū)域種植特色、生長評價、數(shù)據(jù)同化、參數(shù)優(yōu)化等子模式及運轉(zhuǎn)平臺可插拔，插入后對模式產(chǎn)生影響，拔出后模式可獨立運轉(zhuǎn)。部分子模式還采用多重可選方式構(gòu)造，模擬結(jié)果可集成。

CAMM1.0對于作物生長及受災(zāi)狀況的評價，首先根據(jù)模式機(jī)理過程或模擬結(jié)果構(gòu)造長勢和災(zāi)損模式，然后根據(jù)多年模擬結(jié)果的概率分布或與實際狀況的比較確定指標(biāo)閾值，最后利用實時數(shù)據(jù)驅(qū)動模式實現(xiàn)作物長勢和災(zāi)損評價。

1.2 研究數(shù)據(jù)

作物數(shù)據(jù)包括農(nóng)業(yè)氣象常規(guī)觀測、大田試驗和野外調(diào)查數(shù)據(jù)等。常規(guī)觀測數(shù)據(jù)為1982—2018年全國農(nóng)業(yè)氣象觀測站小麥和玉米發(fā)育期和產(chǎn)量結(jié)構(gòu)，主要用于計算或優(yōu)化模式參數(shù)。大田試驗數(shù)據(jù)為2009—2011年河北固城夏玉米水分控制試驗數(shù)據(jù)，以及河北固城(1992—1994年、1999—2002年)、山東泰安(1985—1987年、1992—1994年)和河南鄭州(1999—2002年)冬小麥田間試驗數(shù)據(jù)，包括發(fā)育期、葉面積指數(shù)(LAI)、分器官生物量以及葉片光合試驗(LI-6400)數(shù)據(jù)，主要用于農(nóng)業(yè)氣象子模式構(gòu)建。野外調(diào)查數(shù)據(jù)為2010—2011年河南多點實地調(diào)查的LAI和地上總干重，主要用于遙感數(shù)據(jù)同化模式檢驗。

氣象數(shù)據(jù)為農(nóng)業(yè)氣象數(shù)據(jù)對應(yīng)年份及站點逐日最高氣溫、最低氣溫、降水量、日照時數(shù)、水汽壓和風(fēng)速等，主要用于子模式構(gòu)建與檢驗。區(qū)域氣象數(shù)據(jù)為2015—2018年陸面融合產(chǎn)品(CLDAS)，包括2 m 氣溫、2 m比濕、10 m風(fēng)速、地面氣壓、降水、短波輻射等(空間分辨率0.625°×0.625°)，用于CAMM1.0運行和驗證。

土壤濕度數(shù)據(jù)為CLDAS產(chǎn)品，包括0～5,0～10,10～40,40～100,100～200 cm各層土壤濕度，用于模式初值確定和驗證。蒸散數(shù)據(jù)為2004年2月6日—2005年3月6日山東禹城試驗站Lysimeter觀測數(shù)據(jù)，用于蒸散模式驗證。

遙感數(shù)據(jù)為2004—2005年MODIS LST數(shù)據(jù)、土地覆蓋類型、2010—2011年風(fēng)云三號氣象衛(wèi)星遙感反演LAI數(shù)據(jù)、2017年SMAP(Soil Moisture Active and Passive)土壤濕度產(chǎn)品等數(shù)據(jù)，主要用于蒸散模式、數(shù)據(jù)同化模式以及灌溉模式的模擬檢驗。

其中，作物、氣象數(shù)據(jù)以及CLDAS產(chǎn)品均來自于國家氣象信息中心。

2 機(jī)理過程

CAMM1.0借鑒WOFOST[15,18]和APSIM[19]的作物生長模擬方法，在明確光、溫、水、氣等農(nóng)業(yè)氣象要素影響作物生長發(fā)育一般機(jī)制(圖1)的基礎(chǔ)上，改進(jìn)作物發(fā)育、葉片光合、干物質(zhì)分配、葉片擴(kuò)展、作物水分運移等過程模式，重構(gòu)株高與灌溉模式，建立作物長勢、旱澇和冷害評價、遙感數(shù)據(jù)同化模式。模式機(jī)理過程利用FORTRAN計算機(jī)語言編寫。

圖1 中國農(nóng)業(yè)氣象模式(CAMM1.0)機(jī)理過程Fig.1 Mechanisms of Chinese AgroMeteorological Model(CAMM1.0)

2.1 發(fā)育進(jìn)程模式

發(fā)育進(jìn)程是農(nóng)業(yè)氣象模式的時間指針，作物不同發(fā)育期的生長速率差異較大。CAMM1.0的發(fā)育進(jìn)程集成了積溫(TSUM)、發(fā)育單位(CHU)[43-44]和熱量單位(THU)[45]等子模式。對它們的模擬比對表明，THU的穩(wěn)定性最高[46]。鑒于作物分期播種而幾乎同時成熟現(xiàn)象的存在，說明作物發(fā)育不僅與溫度累積有關(guān)，而且可能與一定時段的平均溫度有關(guān)，表明溫度對發(fā)育速度的影響呈非線性，由此建立了發(fā)育進(jìn)程的溫度影響模式(THUC)[46]。田間試驗發(fā)現(xiàn)土壤水分條件明顯影響作物的發(fā)育進(jìn)程，而農(nóng)業(yè)氣象觀測站多年觀測數(shù)據(jù)分析表明：土壤水分對作物發(fā)育進(jìn)程的影響基本呈線性，據(jù)此建立了土壤水分影響發(fā)育進(jìn)程模式(f(Sm))[46]。再考慮光周期對發(fā)育進(jìn)程的影響(pd)，則發(fā)育階段(DVS)可描述為

(1)

THUC=THU/Ta，

(2)

f(Sm)=as·Sm+bs，Sm≤Smc，

(3)

f(Sm)=1，Sm>Smc,

(4)

Smc=(1-cp)(Smfc-Smwp)+Smwp,

(5)

(6)

其中，THUJ為完成某一發(fā)育階段所需的熱量單位，Ta為某發(fā)育階段的平均溫度(單位：℃)，Sm為實際土壤水分(單位：cm3·cm-3)，Smc為臨界土壤水分(單位：cm3·cm-3)[47]，Smf和Smwp分別為田間持水量和凋萎系數(shù)(單位：cm3·cm-3)。cp為土壤耗水系數(shù)，與作物種類和潛在蒸散有關(guān)。as和bs為參數(shù)，華北夏玉米分別為0.08和-5.66。DL為光長(單位：h)，DLC為臨界光長(單位：h)，DLO為最適光長(單位：h)。

初始場(播種期等)是農(nóng)業(yè)氣象模式開展模擬的重要前提條件，對于區(qū)域模擬和未來評估更重要。CAMM1.0根據(jù)小麥物候?qū)鉁卦雠姆蔷€性響應(yīng)特征建立了播種期/返青期模式，

Dvmi≤Dv≤Dvma。

(7)

式(7)中，Dv為春小麥的播種期或冬小麥的返青期(年內(nèi)日序)，Dvmi和Dvma分別為播種或返青的最早和最晚值。Ti為模擬發(fā)育期關(guān)鍵時段的平均溫度(單位：℃)，關(guān)鍵時段在各地有差異。ad，bd，cd均為參數(shù)，各地不同。

CAMM1.0根據(jù)我國小麥品種改良對物候的影響建立相關(guān)模式，

ΔHU，i=khy+dh。

(8)

式(8)中，ΔHU，i為第i個發(fā)育階段由于品種改良導(dǎo)致熱量單位(HU)的變化，y為年份。kh，dh為參數(shù)，各地不同。

2.2 光合作用與呼吸作用模式

葉片光合作用是作物生長的物質(zhì)和能量來源，也是作物產(chǎn)量形成的生理基礎(chǔ)，主要決定于作物品種類型及作物吸收光合有效輻射、葉片表面CO2濃度和溫度等因素。CAMM1.0的葉片光合作用模式集成了負(fù)指數(shù)、直角雙曲線和生化等子模式。前兩者通過概括光合有效輻射與光合速率之間的相關(guān)關(guān)系建模[48]，

(9)

(10)

其中,Ae和Ah均為葉片瞬時光合作用速率,Am為光飽和時光合作用速率，I為吸收光合有效輻射，Rd為暗呼吸速率，它們的單位均為μmol·m-2·s-1。α為初始光能利用率。

田間試驗表明：土壤濕度對葉片最大光合能力有明顯影響，土壤濕度降低對夏玉米最大光合能力是負(fù)效應(yīng)，其影響關(guān)系基本為線性[49]。CAMM1.0由此建立了簡化的土壤濕度影響作物葉片光合能力模式(A′m)。

A′m=Am+f(Sm)。

(11)

光合生化模式[50-53]的機(jī)理過程比較復(fù)雜。它考慮了光或CO2限制的羧化速率，Rubisco酶固定CO2的能力等，其機(jī)理模式描述如下：

Pp=44×10-6(1-Γ*/Cc)min(Vc，Vj)。

(12)

式(12)中，Pp為潛在總光合速率(單位：g·m-2·s-1)，Vc和Vj分別為Rubisco酶活性和電子傳輸限制下的CO2羧化速率(單位：μmol·m-2·s-1)，Γ*為CO2補(bǔ)償點，Cc為羧化點的CO2濃度。Vc主要與最大羧化速率、胞間含氧量、葉片溫度有關(guān)。Vj受羧化點CO2濃度和電子傳輸速率影響。光合生化模式的相關(guān)參數(shù)根據(jù)文獻(xiàn)確定[39,54]。

冠層光合作用是所有葉片的集成，主要受光輻射在冠層的分布以及葉面積擴(kuò)展的影響。CAMM1.0在冠層內(nèi)選定3個深度分別計算葉面積指數(shù)、吸收輻射和光合速率。光在冠層的分布采用經(jīng)典的Monsi-Saeki方程，并考慮陽葉和陰葉的不同，陽葉吸收直接輻射和散射輻射，而陰葉只吸收散射輻射，陽葉面積等于到達(dá)該層葉片的直接輻射的比例，其余為陰葉，然后分別計算光合速率，最后采用Gaussian三點積分法獲得冠層光合速率，日總光合速率也采用Gaussian三點積分法獲得[18,54]。

呼吸作用分為維持呼吸和生長呼吸兩部分。維持呼吸用于維持生命機(jī)能，主要受溫度和作物干物重的影響，CAMM1.0采用呼吸商模式；生長呼吸為同化物轉(zhuǎn)化為結(jié)構(gòu)物質(zhì)時的消耗部分，與轉(zhuǎn)化系數(shù)有關(guān)。

2.3 干物質(zhì)分配模式

作物光合同化產(chǎn)物去除維持生命機(jī)能的呼吸消耗后轉(zhuǎn)化為干物質(zhì)，并分配到各器官。干物質(zhì)分配的機(jī)理過程十分復(fù)雜，某些器官分配有優(yōu)先性，但也需功能平衡。CAMM1.0采用較為簡便的分配系數(shù)模式。試驗表明冬小麥干物質(zhì)分配系數(shù)隨發(fā)育進(jìn)程呈非線性變化，由此建立了分配系數(shù)演變模式(圖2)。同時，夏玉米試驗表明土壤水分對分配系數(shù)的影響基本呈線性[49]，建立了水分影響分配模式，并根據(jù)試驗結(jié)果建立了淹水影響干物質(zhì)分配模式。以葉分配為例，構(gòu)建模式

(13)

(14)

Pdl=Pxl+f(Sm)，

(15)

Pwl=Pxl+cl。

(16)

其中,Pl為葉分配系數(shù)，Pxl為其非線性變化，Pdl和Pwl分別為土壤水分和淹水對其影響。ΔWl和ΔW分別為葉和總干重增量(單位：kg·hm-2)。k1，k2，k3，cl為參數(shù)。

葉(Pl)、莖(Ps)、穗(Ph)和根(Pr)分配系數(shù)的關(guān)系為

Pl+Ps+Ph+Pr=1。

(17)

圖2 小麥干物質(zhì)分配系數(shù)隨發(fā)育進(jìn)程(DVS)的變化Fig.2 Changes of dry matter partitioning coefficients of wheat with development stage(DVS)

2.4 葉片擴(kuò)展模式

葉片是作物進(jìn)行光合作用的器官，葉面積擴(kuò)展一般與品種性能(如比葉面積)、葉干重增長、死亡速率以及災(zāi)害脅迫有關(guān)。CAMM1.0采用比葉面積模式[18]描述作物葉面積擴(kuò)展。試驗表明：土壤水分對作物比葉面積(SLA)一般為負(fù)效應(yīng)，土壤水分降低使SLA增大，則葉片變薄，從而在一定程度上彌補(bǔ)了由于水分缺少導(dǎo)致光合產(chǎn)物不足引起的葉片擴(kuò)張乏力問題[49]。由此建立了土壤水分影響比葉面積模式(S′LA)。

ΔLAI=SLA·ΔWl，

(18)

S′LA=SLA+f(Sm)。

(19)

其中，ΔWl為葉面積增重(單位：kg·hm-2)。

2.5 株高模式

株高是衡量作物生長速率的重要標(biāo)志之一。利用中國農(nóng)業(yè)氣象站觀測數(shù)據(jù)分析冬小麥株高變化規(guī)律發(fā)現(xiàn)，冬小麥株高與累積熱量單位(THU)之間有很高的相關(guān)性，其變化呈明顯的Logistic生長趨勢(圖3)。

研究冬小麥越冬前后株高的變化(圖4),結(jié)果表明：我國大部分地區(qū)冬小麥返青高度一般低于越冬停止生長時的高度。陜甘寧和華北地區(qū)冬小麥越冬株高變化與平均熱量單位(AHU)呈對數(shù)相關(guān)(達(dá)到0.1顯著性水平)，但中東部冬小麥無此特征。新疆冬小麥的情況相當(dāng)特殊，冬小麥返青高度隨AHU的增加而降低(達(dá)到0.1顯著性水平)，這需要進(jìn)一步探究其原因。此外，還分析了中國冬小麥越冬開始時株高與累積熱量單位(THU)的統(tǒng)計關(guān)系，可以看到，兩者間基本上呈線性相關(guān)(達(dá)到0.001顯著性水平)。

圖3 冬小麥株高隨累積熱量單位(THU)變化趨勢Fig.3 Trends of winter wheat plant height with accumulated heat unit(THU)

圖4 冬小麥生長株高差與平均(AHU)及累積熱量單位(THU)關(guān)系Fig.4 The relationship of winter wheat plant height difference to average(AHU) and accumulated heat unit(THU)

基于以上結(jié)果，CAMM1.0利用分區(qū)擬合方法建立了中國冬小麥株高變化模式:

Hs=He+ah·THU+bh，

(20)

Ht=Hs+kth·lnAHU+sh，

(21)

(22)

其中，He，Hs，Ht，Hi分別為冬小麥出苗、越冬停止生長、返青、其他物候期株高(單位：cm)；ah，bh，kth，sh，mh，nh，pih為參數(shù)。

2.6 作物生長水分運移模式

水分常常是作物生長發(fā)育的限制因素，因此，合理描述水分運移過程是農(nóng)業(yè)氣象模式的重要內(nèi)容。CAMM1.0中水分過程主要包括灌溉、蒸散以及土壤水分運移等。

中國北方多數(shù)作物生產(chǎn)離不開灌溉，生育期內(nèi)是否灌溉、灌溉次數(shù)和灌溉量構(gòu)成的灌溉場是作物產(chǎn)量空間分異的重要影響因素，甚至是決定因素，也直接影響農(nóng)業(yè)氣象模式的模擬結(jié)果。CAMM1.0利用多時相光學(xué)和微波衛(wèi)星遙感技術(shù)反演日、旬尺度的土壤水分及其時空變異，結(jié)合降水觀測，進(jìn)行了灌溉區(qū)域分布、灌溉次數(shù)識別和灌溉量估算。灌溉模式的初步算法描述如下:

ΔSm，n=Sm，n+1-Sm，n，

(23)

Ig=ΔSm，n×Hig, ΔSm，n>0且

Pn≤Prs,Pn+1≤Prs。

(24)

其中，Sm和P分別為土壤濕度(單位：cm3·cm-3)和降水量(單位：mm)，n為年內(nèi)日序，Prs為遙感反演對降水量的敏感度(單位：mm)，Hig為灌溉可能滲透深度(單位：mm)，Ig為灌溉量(單位：mm)。

蒸散是植被及地面向大氣輸送的水汽總量，主要包括土壤蒸發(fā)和植被蒸騰。作為能量平衡及水分循環(huán)的重要組成部分，蒸散在影響植物生長發(fā)育與產(chǎn)量形成方面具有重要作用[55]。CAMM1.0集成了雙源能量平衡模型TSEB[56-57]和FAO蒸散模式[58],并采用改進(jìn)的蒸發(fā)比法[59]將TSEB模型計算的瞬時潛熱通量擴(kuò)展為逐日的實際蒸散[60]。

土壤水分是作物生長的水分來源,CAMM1.0的土壤水分過程集成了土壤水分運移模式[61-62]與土壤水分平衡模式[18]。

2.7 作物生長評價模式

CAMM1.0不僅描述也評價作物的生長過程。利用模擬不同年份生物量動態(tài)累積過程與同期平均氣候下生物量的比較，建立了生育期內(nèi)各時段或全生育期作物長勢時間評價模式(Gt)，它是某站點(格點)與歷史生長狀況的比較：

(25)

式(25)中，TAGP為評價年份某時間點模擬地上總干重(單位：kg·hm-2)，TAGA為對應(yīng)的多年平均(單位：kg·hm-2)。作物長勢時間評價分為好、正常、差3級，根據(jù)多年多點(格點)模擬Gt的概率分布確定不同等級閾值。

利用CAMM1.0模擬當(dāng)年地上總干重與基于實測地上總干重建立的苗情指標(biāo)(TAGM)比較，建立了生育期內(nèi)各時段或全生育期作物長勢空間評價模式(Gs),它描述的是作物當(dāng)年空間上的生長差異。苗情指標(biāo)分為一類苗、二類苗、三類苗。

(26)

CAMM1.0以水分脅迫(過少或過多)造成模擬成熟期貯存器官干重的損失建立旱澇評價模式。根據(jù)實際災(zāi)害等級(減產(chǎn)率)出現(xiàn)的概率確定旱澇等級的分級閾值。旱澇等級共分8級，即特旱、重旱、中旱、輕旱、正常、輕澇、中澇和重澇。

(27)

(28)

其中，DI和WI分別為干旱和澇漬指數(shù)，WSOP，WSOD和WSOW分別為潛在、干旱和澇漬條件下的作物貯存器官干重(單位：kg·hm-2)。

CAMM1.0綜合玉米抽雄期推遲日數(shù)、抽雄后熱量單位的減少、全生育期低溫對貯存器官干重的影響、早霜凍影響貯存器官干重構(gòu)建了玉米冷害評價模式，再根據(jù)實際出現(xiàn)冷害年份的頻率確定了冷害等級閾值[44,63-64]。

3 模式運轉(zhuǎn)

3.1 參數(shù)/變量初值區(qū)域化

CAMM1.0描述作物生長發(fā)育的機(jī)理過程是垂直一維的，因此，其區(qū)域化主要是獲得作物參數(shù)、狀態(tài)變量初值以及土壤參數(shù)的空間(格點)分布。對于發(fā)育參數(shù)及發(fā)育初值，首先根據(jù)站點參數(shù)的空間分布特征及地形，并參照我國農(nóng)業(yè)氣候生態(tài)區(qū)劃結(jié)果進(jìn)行分區(qū)。但由于相鄰區(qū)域交界處人為分割的差異，導(dǎo)致模式模擬結(jié)果存在明顯區(qū)別。為了避免這種不連續(xù)，同時考慮到發(fā)育參數(shù)與溫度密切相關(guān)，利用空間插值方法實現(xiàn)了發(fā)育參數(shù)的區(qū)域化。CAMM1.0目前制作了全國范圍共78景參數(shù)數(shù)據(jù)，包括不同分辨率的冬/春小麥播種區(qū)、海拔高度、田間持水量、凋萎系數(shù)、飽和導(dǎo)水率、發(fā)育參數(shù)、發(fā)育初值等。

CAMM1.0假定作物生長在全國范圍的差異由某幾個品種參數(shù)確定，將其定義為區(qū)域性參數(shù)?；趨?shù)的敏感性和約束性分析，區(qū)域性參數(shù)主要包括葉片最大光合能力、比葉面積以及葉片生命周期等。每個生長季模式開始運轉(zhuǎn)之前,開展站點參數(shù)自動優(yōu)化，然后進(jìn)行空間插值，從而實現(xiàn)生長參數(shù)區(qū)域化。

3.2 遙感數(shù)據(jù)同化模式

同化衛(wèi)星遙感數(shù)據(jù)可以部分解決CAMM1.0在區(qū)域上的初值和參數(shù)獲取問題。開展了觀測數(shù)據(jù)與模式同化方法的正確性驗證，通過模式狀態(tài)變量對不同參數(shù)或變量初值的敏感性分析、觀測數(shù)據(jù)對敏感參數(shù)的約束性分析，確定了模式的待優(yōu)化參數(shù)，利用優(yōu)化算法實現(xiàn)遙感數(shù)據(jù)與模式的同化[65]，由此建立了遙感數(shù)據(jù)同化模式。

3.3 運轉(zhuǎn)平臺

基于互聯(lián)網(wǎng)技術(shù)建立了CAMM1.0運轉(zhuǎn)平臺(圖5)。平臺設(shè)計采用C/S(客戶機(jī)/服務(wù)器)與B/S(瀏覽器/服務(wù)器)混合技術(shù)框架，結(jié)合兩種架構(gòu)的優(yōu)點完成了高計算量模式的運轉(zhuǎn)和高并發(fā)產(chǎn)品定制與瀏覽。平臺前端利用的JavaScript語言結(jié)合Angular框架、后端利用的Java語言結(jié)合Spring框架編寫。

平臺主要功能包括常規(guī)模式實時運轉(zhuǎn)，模擬結(jié)果、驅(qū)動數(shù)據(jù)、參數(shù)以及實測結(jié)果展示，不同用戶個性化模式定制運轉(zhuǎn)，模式介紹以及技術(shù)支持等。CAMM1.0與國家氣象業(yè)務(wù)CIMISS數(shù)據(jù)庫建立了實時連接。常規(guī)模式的逐日輸出產(chǎn)品包括作物生長的狀態(tài)變量(發(fā)育期、各器官生物量、葉面積指數(shù)、產(chǎn)量等)、環(huán)境變量(土壤濕度、蒸散等)、生長及災(zāi)害影響評價等。CAMM1.0包括日常準(zhǔn)業(yè)務(wù)和不同用戶的個性化定制兩種運行方式。前者的模擬范圍為全國農(nóng)作物種植區(qū)，空間分辨率為0.625°×0.625°，模式每日運行1次，輸出日常產(chǎn)品。個性化定制根據(jù)用戶級別具有不同的訪問權(quán)限。普通用戶可查詢、瀏覽、統(tǒng)計日常產(chǎn)品；氣象業(yè)務(wù)用戶還可重新配置模式，提交模擬任務(wù)；模式研制用戶還可上傳自己研制的插拔式模塊；模式管理用戶擁有所有權(quán)限，并承擔(dān)后臺管理。CAMM1.0運行配置包括作物種類、模擬區(qū)域、時段、參數(shù)、初始場、子模式以及輸出變量的選擇。

圖5 中國農(nóng)業(yè)氣象模式(CAMM1.0)運轉(zhuǎn)平臺Fig.5 Running platform of Chinese AgroMeteorological Model(CAMM1.0)

4 模式檢驗及初步應(yīng)用

4.1 CAMM1.0模擬檢驗

對CAMM1.0的部分子模式開展模擬檢驗，并對最終模擬冬小麥產(chǎn)量和地上總干重進(jìn)行檢驗，以評價模式的模擬性能。

4.1.1 發(fā)育進(jìn)程模擬檢驗

利用2002—2008年華北地區(qū)農(nóng)業(yè)氣象觀測站的夏玉米發(fā)育期數(shù)據(jù)進(jìn)行THUC子模式的模擬檢驗，模擬抽雄期的偏差為-0.2 d，絕對偏差為2.26 d，模擬結(jié)果與實測值相關(guān)系數(shù)較高，線性回歸方程的斜率接近1[46]。利用1980—2005年東北地區(qū)春玉米發(fā)育期觀測對GHU子模式進(jìn)行模擬檢驗，抽雄期、成熟期的模擬值與實測值的相關(guān)系數(shù)分別為0.69和0.57，模擬抽雄期和成熟期的偏差分別為0.3 d和1.8 d，絕對偏差分別為3.6 d和5.9 d, 均方根誤差分別為0.16 d和0.26 d[44]。利用2006—2012年中國冬小麥發(fā)育數(shù)據(jù)確定參數(shù)，并利用2017—2018年生長季發(fā)育數(shù)據(jù)進(jìn)行THU子模式的模擬檢驗(圖6)，其模擬開花期和成熟期的偏差分別為-3.0 d和4.7 d，絕對偏差分別為6.5 d和6.6 d，均方根誤差分別為0.82 d和0.74 d?？傮w表明，THU模式對作物發(fā)育進(jìn)程的模擬性能可以接受，但仍有改進(jìn)空間。

4.1.2 葉片光合作用模擬檢驗

利用固城夏玉米光合試驗數(shù)據(jù)對光合負(fù)指數(shù)模式、直角雙曲線模式和光合生化模式[51-52]進(jìn)行初步模擬檢驗(圖7)?？梢钥吹?，3個模式模擬夏玉米葉片光合速率與實測值的相關(guān)系數(shù)大小相當(dāng)，但光合生化模式的總體擬合效果更好。

圖6 CAMM1.0模擬的2017—2018年度中國冬小麥發(fā)育期與實測值比較Fig.6 Relationship between measured and simulated winter wheat developments in China by CAMM1.0 from 2017 to 2018

圖7 3種葉片光合作用模式模擬夏玉米光合速率與實測值比較Fig.7 Relationship between measured and simulated photosynthetic rate of summer maize by three-leaf photosynthesis models

4.1.3 冬小麥株高模擬檢驗

利用1991—2007年中國各地農(nóng)業(yè)氣象觀測站冬小麥株高數(shù)據(jù)校準(zhǔn)了CAMM1.0株高模式的系數(shù)，利用2008—2012年不同區(qū)域冬小麥株高數(shù)據(jù)進(jìn)行模擬檢驗。結(jié)果表明：大部分地區(qū)的冬小麥株高模擬效果較好，模擬值與實測值的相關(guān)系數(shù)均在0.83 以上(達(dá)到0.01顯著性水平)。西南地區(qū)模擬誤差偏大，主要原因在于該區(qū)冬小麥無越冬停止生長現(xiàn)象，前期無株高觀測數(shù)據(jù)，因此，利用生長曲線擬合效果較差, 有待下一步搜集更多數(shù)據(jù)進(jìn)行參數(shù)校準(zhǔn)。

4.1.4 作物生長水分運移過程模擬檢驗

基于被動微波遙感SMAP土壤水分產(chǎn)品提取的河南省2017年10月中旬灌溉區(qū)域，發(fā)現(xiàn)河南新鄉(xiāng)到開封一帶農(nóng)田土壤水分明顯升高，但該期無有效降水，由此可確定該區(qū)域內(nèi)發(fā)生了灌溉。

利用2004—2005年山東禹城試驗站Lysimeter冬小麥夏玉米連作生長季觀測數(shù)據(jù)對TSEB模擬逐日實際蒸散進(jìn)行檢驗[60]，二者的相關(guān)系數(shù)為0.782(達(dá)到0.01顯著性水平)，相關(guān)性較好。兩者的時間變化趨勢也較為吻合，但模擬實際蒸散的波動相對較小。

利用2009年河北固城夏玉米試驗的根層土壤水分觀測值進(jìn)行土壤水分模擬檢驗。結(jié)果表明：水分運移模式與水分平衡模式模擬結(jié)果與實測值的相關(guān)系數(shù)基本相同，平均絕對誤差也大體相當(dāng)，分別為0.038 cm·cm-3和0.034 cm·cm-3，但水分平衡模式模擬結(jié)果與實測值離差較大，而水分運移模式則較小。進(jìn)一步檢驗了兩模式對干旱和較好水分條件下的模擬性能。當(dāng)實際水分較低時，水分平衡模式模擬偏高較多，而水分運移模式模擬效果較好；當(dāng)實際水分較高時，水分平衡模式模擬效果較好，而水分運移模式模擬偏低?？傮w來看，水分平衡模式的反應(yīng)更靈敏，水分運移模式的模擬值變化較小，但更穩(wěn)定。

4.1.5 遙感同化模擬檢驗

利用2010—2011年河南夏玉米多點實地觀測地上總干重數(shù)據(jù)進(jìn)行遙感同化模式模擬檢驗，并與模式單獨模擬結(jié)果進(jìn)行比較(圖8),結(jié)果表明:同化基于風(fēng)云三號氣象衛(wèi)星數(shù)據(jù)反演的LAI產(chǎn)品后，CAMM1.0模擬夏玉米地上總干重在河南省有所升高，與實測值更接近，模擬值與實測值的線性相關(guān)系數(shù)有所提高，對高值區(qū)的模擬效果有一定程度改善。

圖8 遙感數(shù)據(jù)同化模式模擬2010—2011年河南夏玉米地上總干重與實測值比較Fig.8 Relationship between measured and simulated total aboveground dry weight of summer maize in Henan by remote sensing data assimilation model from 2010 to 2011

4.1.6 產(chǎn)量和地上總干重模擬檢驗

利用2015—2016年農(nóng)業(yè)氣象觀測站冬小麥產(chǎn)量數(shù)據(jù)以及對應(yīng)CLDAS大氣驅(qū)動場數(shù)據(jù)開展全國73個站點的CAMM1.0生長參數(shù)自動優(yōu)化，并利用2017—2018年數(shù)據(jù)進(jìn)行生長模擬檢驗(圖9)。結(jié)果表明：模擬產(chǎn)量與實測值的相關(guān)系數(shù)為0.59(達(dá)到0.01顯著性水平)，模擬產(chǎn)量略偏低。

圖9 CAMM1.0模擬的2018年中國冬小麥產(chǎn)量和地上總干重與實測值比較Fig.9 Relationship between measured and simulated winter wheat yield and total dry weight aboveground in China by CAMM1.0 in 2018

4.2 作物生長評價應(yīng)用

4.2.1 作物生長評價

利用CAMM1.0遙感數(shù)據(jù)同化模式及長勢評價模式，開展了2013年華北夏玉米長勢評價(圖10)?？梢钥吹剑撃甓热A北地區(qū)夏玉米長勢呈插花分布，等級從差到好均有一定比例，而夏玉米苗情基本為二類苗、三類苗。

圖10 CAMM1.0對2013年華北夏玉米時間長勢和空間苗情的評價Fig.10 Evaluation of growth in time trend and spatial distribution of summer maize in North China by CAMM1.0 in 2013

4.2.2 作物生長災(zāi)害影響評價

利用玉米實際減產(chǎn)率等級對CAMM1.0模擬1971—2008年的旱澇評價的8個等級進(jìn)行檢驗。結(jié)果表明：總體模擬效果較好，模擬結(jié)果與實際減產(chǎn)率等級相吻合的格點占44.3%，若定義等級差不超過1為準(zhǔn)確，則模擬準(zhǔn)確率為80.9%。

利用CAMM1.0旱澇評價模式進(jìn)行淮河流域夏玉米歷年災(zāi)害評價(圖11)。結(jié)果表明:夏玉米干旱程度隨時間有降低的趨勢，而澇漬有增加趨勢。但自20世紀(jì)90年代以來，旱澇的波動性更明顯。近些年，玉米出現(xiàn)旱災(zāi)損失較大的年份主要包括1994，1997，1999，2002年和2013年，產(chǎn)量損失均在20%以上;澇漬災(zāi)害損失較大的年份主要包括2000，2003，2005，2006年和2007年，與實際情況較相符。

圖11 CAMM1.0對淮河流域夏玉米旱澇災(zāi)害的評估Fig.11 Assessment of summer maize drought and flood disasters in Huaihe River Basin by CAMM1.0

5 結(jié)論與討論

借鑒國外作物生長模擬方法，通過模式機(jī)理過程改進(jìn)或重構(gòu)以及應(yīng)用方式革新，建立了中國農(nóng)業(yè)氣象模式(CAMM1.0)，運行結(jié)果表明：

1) 對作物生長關(guān)鍵機(jī)理過程的改進(jìn)提升了CAMM1.0對作物環(huán)境要素的響應(yīng)能力。作物發(fā)育進(jìn)程考慮了平均溫度和土壤水分的影響，作物葉片光合作用、干物質(zhì)分配和葉面積擴(kuò)展過程增加了土壤水分的影響，通過蒸發(fā)比法實現(xiàn)了作物逐日蒸散過程的描述。

2) 區(qū)域特色模式的構(gòu)建提升了CAMM1.0對中國農(nóng)作物生長過程的模擬能力，并實現(xiàn)了模式區(qū)域化。模式實現(xiàn)了對作物株高、作物灌溉時間及灌溉量的模擬、對作物長勢和災(zāi)害影響的動態(tài)評價，模式同化遙感數(shù)據(jù)解決了區(qū)域性參數(shù)的獲取問題。

3) 基于互聯(lián)網(wǎng)的用戶個性化定制模式運轉(zhuǎn)平臺是農(nóng)業(yè)氣象業(yè)務(wù)服務(wù)的有效技術(shù)方案。用戶通過對作物種類、模擬區(qū)域、時段、參數(shù)、初始場、子模式以及輸出變量的配置，可以獲取定制的作物生長的狀態(tài)變量(發(fā)育期、各器官生物量、LAI、產(chǎn)量等)、環(huán)境變量(土壤濕度、蒸散等)、長勢以及災(zāi)害影響評價等。

CAMM1.0的機(jī)理過程遠(yuǎn)未完善。其發(fā)育進(jìn)程模式還不能全面響應(yīng)變化環(huán)境，也可能高估品種變化對發(fā)育期的影響[66]；對光合作用、干物質(zhì)分配、土壤水分運移子模式的改進(jìn)以及灌溉等子模式的構(gòu)建及驗證仍有很大提升空間，其中，光合作用的冠層模式可以利用冠層輻射傳輸模式進(jìn)行改進(jìn)。鑒于作物光合同化物分配依照經(jīng)驗參數(shù)調(diào)配的不確定性，需要研究基于根冠功能性平衡原理建立同化物分配和再分配機(jī)理模式，以解決目前農(nóng)業(yè)氣象模式普遍在作物生長后期難以較快提升籽粒重量積累的問題。水分運移模式與水分平衡模式的模擬效果存在較大差異，可能是由于前者的敏感性較低以及參數(shù)的不確定性造成。遙感反演土壤水分精度和空間分辨率的提高需要結(jié)合主動、被動微波遙感達(dá)成。這均需搜集更多區(qū)域、作物、土壤數(shù)據(jù)進(jìn)行模式檢驗并進(jìn)行機(jī)理改進(jìn)。CAMM1.0從模式構(gòu)造上進(jìn)行了新的嘗試。多模式集成是目前農(nóng)業(yè)氣象模式應(yīng)用的一個重要方向，但不同模式的機(jī)理完善程度、參數(shù)確定方式差異很大，導(dǎo)致模擬結(jié)果的不確定性很高。CAMM1.0部分子模式采用多重方法構(gòu)造，便于多種方法集成，其不確定性更可控，模擬效果更可靠。CAMM1.0探索了一種新的模式應(yīng)用方式，基于互聯(lián)網(wǎng)技術(shù)構(gòu)造了模式的實時運轉(zhuǎn)平臺，建立了以應(yīng)用為導(dǎo)向的模式機(jī)制改進(jìn)與重構(gòu)方式，以及插拔式的模式構(gòu)造方法，使模式應(yīng)用推廣和核心模塊的進(jìn)一步研發(fā)更新十分便捷。CAMM建模將繼續(xù)遵循研究中推進(jìn)應(yīng)用、應(yīng)用中持續(xù)改進(jìn)的原則展開，目標(biāo)是構(gòu)建具有中國區(qū)域種植特色的農(nóng)業(yè)氣象模式，并能夠反映農(nóng)業(yè)生產(chǎn)對氣候變化和多種氣象災(zāi)害的響應(yīng)機(jī)制。下一步將繼續(xù)改進(jìn)作物發(fā)育進(jìn)程、冠層光合同化模式，改進(jìn)水分、養(yǎng)分影響作物生長過程模式，簡化葉面積擴(kuò)展與消亡模式，建立CO2濃度影響作物生長、機(jī)理型干物質(zhì)分配再分配、越冬、病蟲害影響、產(chǎn)量歸并、品質(zhì)影響等模式。