郭建茂，王星宇，劉慎彬，錢 婭，李 羚

（1．南京信息工程大學應用氣象學院，南京 210044；2．江蘇省農業(yè)氣象重點實驗室，南京 210044）

水稻是中國三大主要糧食作物之一，其種植面積在中國占比遠超其它糧食作物，達到25%左右，而其產量占比更是超過50%，水稻生產事關國家糧食安全[1]。隨著全球生態(tài)環(huán)境的不斷變化，全球氣候變暖的趨勢愈發(fā)嚴峻[2]。由于溫室效應的加劇，全球氣溫都有著不同程度的上升，近十幾年來中國各水稻主產區(qū)的高溫熱害頻發(fā)[3-4]，當前水稻的高溫熱害已成為中國危害水稻生長發(fā)育及產量品質的主要農業(yè)氣象災害之一[5-8]，且有隨全球氣候變暖的加重而愈發(fā)嚴峻的趨勢[9]。

大量研究表明，水稻生育期高溫脅迫會影響植株的物質分配，造成水稻結實率下降、穗粒數減少以及產量降低，且高溫持續(xù)時間越長，造成的影響也越嚴重[10-12]。作物模型模擬在20世紀60年代興起，近年來，由國際水稻研究所與荷蘭瓦赫寧根大學合作研發(fā)的ORYZA2000 作物模型引入中國，并在中國水稻生長模型的模擬領域發(fā)揮著重要的作用[13]。目前，已有相關研究對ORYZA2000 水稻模型在中國水稻種植區(qū)的適應性做了初步分析，結果表明，ORYZA2000 水稻模型可以通過校正本地參數，較準確地模擬中國水稻的生長情況，并得到較可靠的水稻生育期、生物量及產量等相關模擬結果[14-18]。

作物模型是在作物實際生長發(fā)育環(huán)境中經過大量試驗研究基礎上綜合抽象而來，在模擬中使用的數據（如溫度數據）按理應該是實際環(huán)境數據，但是，以往作物模型的模擬研究采用的溫度數據大多為當地氣象站點的觀測溫度即百葉箱內觀測溫度，與水稻田間（不同高度）的實際空氣溫度有一定差別[19]。為此，在安徽壽縣農業(yè)氣象綜合試驗站開展一季稻高溫脅迫應對田間試驗，監(jiān)測水稻田間離地35cm、75cm 以及125cm 處的實際氣溫，并將3個層次的田間氣溫按照水稻植株的實時觀測株高進行組合形成稻田組合空氣溫度，以氣象站點的觀測氣溫作為對照，利用ORYZA2000 水稻模型進行模擬研究，以提高ORYZA2000 水稻模型模擬水稻生物量及產量的準確性，為水稻高溫熱害的應對提供一定依據與參考。

1 資料與方法

1.1 數據資料及來源

1.1.1 研究區(qū)概述

壽縣位于安徽省中部，隸屬淮南市，地處淮河中游南岸，總占地面積 2986km2，其中耕地面積1220km2。壽縣位于中國南北氣候過渡帶之中，屬于亞熱帶季風性濕潤氣候類型，雨熱同期，四季分明。各主要氣候要素均呈現單峰型的年際變化規(guī)律。從20世紀80年代開始，各節(jié)氣均有明顯的變暖趨勢[20]。

試驗場地設在安徽省壽縣國家氣候觀測站綜合觀測試驗場，地理坐標為(32°26′N，116°47′E)，海拔27m，該試驗臺站占地30hm2，位于城區(qū)中心以南9km處，距離附近村莊距離大于500m，周邊均為大面積農田，地勢平坦且下墊面均一，試驗田以冬小麥和單季中稻輪作，與當地播種制度一致，基本可以代表淮河流域典型農業(yè)生態(tài)區(qū)氣候及農業(yè)種植狀況。

1.1.2 試驗設置

2016-2018年開展了為期3年的一季稻高溫脅迫試驗。該試驗在2016年和2017年采用的均為1 播期，2016年試驗歷期為4月27日-9月22日，2017年為4月25日-9月25日，均為1 品種、3 處理、3重復試驗小區(qū)的試驗方案；2018年采用3 播期（4月25日-9月4日、5月4日-9月16日、5月23日-10月2日）、1 品種、3 處理、3 重復試驗小區(qū)的試驗方案。水稻品種為“皖稻121”，小區(qū)面積5m×5m，試驗觀測的項目包括水稻發(fā)育期、種植密度、植株高度、產量和產量結構、水稻各器官生物量干重。水稻生物量干重的測量時間從移栽期開始至成熟期結束，期間每間隔10d 進行一次測量，每次取稻田小區(qū)中心4 穴植株，恒溫70℃烘干至恒重后稱其干物質重。每期水稻種植前，測定田間土壤數據如凋萎濕度、田間持水量、土壤營養(yǎng)成分含量等。水稻田間管理措施按照常規(guī)進行，并保證水、肥供應充足，以維持水稻的旺盛生長。

1.1.3 氣象數據的獲取和田間組合溫度

在水稻田間試驗中使用HOBO 溫濕度傳感器測定每個水稻小區(qū)中央距地面35、75、125cm 高度處的氣溫（美國，型號U23-002），儀器測量范圍為-40～70℃，0～50℃區(qū)間內測量精度為±0.21℃，25℃時測量分辨率為0.02℃[21]。同時，在所有HOBO 溫濕度傳感器外加裝防輻射罩，以防止太陽直接輻射對傳感器測量精度造成影響。為保證數據獲取的準確性，所有傳感器獲取溫度的頻率均為每5min 一次。

由于水稻的生長發(fā)育是個動態(tài)變化過程，單一地用田間某一固定高度的溫度來衡量全生育期的生長環(huán)境溫度并不準確，為了更加準確地模擬水稻田間實際生長環(huán)境溫度，依據水稻發(fā)育各時期植株高度的觀測數據，將試驗中距離地面35、75、125cm 處田間空氣溫度進行組合，可近似代表實際水稻生長發(fā)育的冠層溫度情況，形成新的水稻田間氣溫的時間序列，將該溫度序列稱為稻田組合溫度序列。具體組合方法為，水稻植株高度為移栽期初始高度至50cm 使用距地35cm 高處田間氣溫，水稻植株高度為50～100cm使用距地75cm 高處田間氣溫，水稻植株高度超過100cm時使用距地125cm 高處田間氣溫。

ORYZA2000 水稻模型所需的其它氣象數據，如水汽壓（kPa）、太陽輻射（J·m-2）、平均風速（m·s-1）以及降水量（mm），均采用壽縣國家氣候觀測站逐日觀測值作為模型的輸入數據。

1.2 模型參數定標

為了確定“皖稻121”在ORYZA2000 水稻模型中模擬時的各項作物參數，需要利用田間試驗觀測資料對其進行模型的定標。需要定標的數據包括作物生育期和生長發(fā)育速率定標，以及作物關鍵發(fā)育期生物量參數的定標。為了消除不同溫度數據來源對模型定標的影響，分別使用稻田溫度和臺站溫度對模型進行定標。

隨機選擇2016年以及2018年第3期壽縣站一季稻高溫脅迫應對試驗的水稻生長發(fā)育資料作為樣本數據，對模型中作物生育期及生長發(fā)育速率進行定標，并使用2017年以及2018年第1期、第2期的生育期實測數據進行檢驗。模型中水稻發(fā)育期用無量綱變量DVS 來表示。其中DVS=0.65時為水稻的幼穗分化期，DVS=1時為抽穗開花期，而成熟期時DVS 則為2。向模型的試驗文件（.exp）輸入水稻發(fā)育期資料，運行ORYZA2000 水稻模型自帶的子程序DRATES 確定該品種水稻各階段的發(fā)育速率，并用DVRJ、DVRI、DVRP、DVRR 四個變量分別表示營養(yǎng)生長階段、光敏感階段、穗形成階段以及產量形成階段“皖稻121”的發(fā)育速率。

對于作物生物量相關參數的定標，使用壽縣站2018年第1 播期的作物生物量數據來計算模型參數，將作物生物量觀測值寫入模型的試驗文件（.exp），并將得到的作物發(fā)育速率參數寫入作物文件（.crp），再運行 ORYZA2000 水稻模型的另一個子程序PARAMS，即可得到水稻的比葉面積（SLA）、干物質分配系數、莖干留存系數等一系列相關作物參數。最后使用壽縣站2018年第2 播期作物生物量數據來檢驗得到的作物生物量參數。

1.3 氣象數據的替換與模型評價

采用2017年以及2018年第1、2期，由HOBO溫濕度傳感器獲取的稻田組合空氣溫度數據（可代表水稻的生境溫度）、臺站逐日空氣溫度數據，分別進行ORYZA2000 作物模型模擬。將上述氣象數據按照模型所需的格式生成氣象文件，當田間數據缺失時，使用站點溫度替代。最后把氣象文件、試驗文件、作物文件、土壤文件（.sol）輸入定標完成的模型，最終得到稻田實際溫度下ORYZA2000 作物模型對水稻生物量及其產量的模擬值。

采用均方根誤差（RMSE）和歸一化均方根誤差（NRMSE）對模型模擬效果進行評價，RMSE和NRMSE 值越小，說明模型模擬效果越好。其計算式為

式中，X0表示產量的實際觀測值（g·m-2），Xm表示產量的模型模擬值（g·m-2），n 表示樣本數，表示產量觀測值的平均值（g·m-2）。

2 結果與分析

2.1 稻田與附近臺站氣溫觀測值的對比

氣象臺站通過設置百葉箱，并在其中放置干濕球溫度表來監(jiān)測1.5m 高度的溫度和濕度，把它作為臺站的溫濕度。但是水稻田間氣溫會受到水稻植株生長發(fā)育、葉面積指數（LAI）的變化、田間CO2濃度的變化以及稻田底部水層的變化等影響而發(fā)生變化。此時，稻田各層次氣溫均與臺站氣溫有著較為明顯的差距。

通過田間溫度的梯度觀測，得到水稻主要生育期內稻田各層次的田間氣溫。ORYZA2000 作物模型中需要輸入的溫度數據為日最高氣溫和日最低氣溫，故用上述田間氣溫與臺站測得的百葉箱溫度進行對比分析。分別統(tǒng)計壽縣站水稻2017年播期及2018年第1、第2 播期共3期的主要生育期內逐日田間溫度觀測數據和站點溫度觀測數據，其統(tǒng)計結果見圖1。由圖可以看出，稻田35cm 高處田間最高溫度，在水稻幼穗分化期-孕穗期這一時段內均高于臺站溫度，而孕穗-抽穗開花和成熟期溫度低于臺站溫度；最低溫度則表現為抽穗開花期前，臺站溫度高于田間溫度，抽穗開花期后二者溫度較為一致。稻田75cm 處，田間最高溫度在水稻抽穗開花期前高于臺站溫度，在乳熟-成熟期略低于臺站溫度，而田間最低溫度基本表現為全生育期均略低于臺站溫度。稻田125cm 高處，水稻全生育期田間最高溫度均大幅高于臺站溫度，而田間最低溫度在乳熟期前與臺站溫度基本一致，乳熟-成熟期略低于臺站溫度。

水稻的生長發(fā)育是個動態(tài)變化過程，由圖1可以看出，不同的生長發(fā)育時期其固定高度處的氣溫均與臺站氣溫有所差別，且各高度處田間氣溫也存在一定差別，而稻田組合溫度的日最高溫度在水稻全生育期均高于臺站，且在水稻植株高度較低時，其日最高溫度也高于125cm 高度處的田間氣溫；田間日最低溫度在水稻全生育期略低于臺站溫度。

由表1可以看出，稻田35cm 高處平均日最高溫度與臺站氣溫較接近，而稻田75cm、125cm 高處及稻田組合氣溫的平均日最高溫度高出臺站1.5～2.5℃，其中稻田組合氣溫的平均日最高溫度最高為34.3℃，原因是冠層上部接收太陽輻射最多，而其它層以及臺站（百葉箱）均有遮蔭。田間各高度處平均日最低溫度均略低于臺站且溫差不超過1℃，其中稻田組合氣溫的平均日最低溫度最低，因夜間植株溫度最低部位往往是離地最高的葉片。總體來看，稻田組合氣溫與臺站的平均日最高氣溫及平均日最低氣溫差異相對較大。

2.2 基于稻田組合氣溫的ORYZA2000模型參數調試與驗證結果

壽縣站2016-2018年水稻試驗中“皖稻121”全生育期平均為140d 左右。利用2016年播期和2018年第3 播期的水稻生育期數據以及稻田組合氣溫數據，對ORYZA2000 水稻模型進行定標，并使用2018年第1、第2 播期以及2017年播期進行生育期驗證。最終得到壽縣站試驗田“皖稻121”各階段發(fā)育速率的定標結果（表2）。由表2可知，“皖稻121”在生殖階段發(fā)育速率最快，其次為光敏感階段，而幼穗分化階段發(fā)育速率最慢。

將定標后的水稻生長發(fā)育速率輸入模型，得到各DVS 水稻發(fā)育期日序的模擬值。在壽縣站3個水稻播期中，選取DVS=0.65(幼穗分化期)、1.0（抽穗開花期）、2.0（成熟期）3個重要時段的日序，進行模擬值與預測值的對比，結果如圖2所示。由圖可見，水稻發(fā)育期日序模擬值與預測值之間R2=0.965，其RMSE 為5.5d，NRMSE 為2.5%，說明水稻發(fā)育期日序模擬效果良好。

使用2018年第1 播期的水稻生物量觀測數據及稻田組合溫度數據對“皖稻121”進行生物量的定標計算。經過模型計算后，結合實際情況作適當調整，確定壽縣站“皖稻121”各發(fā)育期作物生物量參數。為了確定這套模型生物量參數在壽縣站水稻試驗中的適應性，使用壽縣站2018年第2期試驗水稻生物量數據進行適應性檢驗，結果如圖3及表3所示。由驗證結果可以看出，模擬效果最好的為地上總生物量和穗生物量，其NRMSE 較低，分別為4.2%和8.4%；相對來說模擬效果稍差的為綠葉生物量，其NRMSE 為13.6%。總體來看，模型對水稻各生物量及葉面積指數的模擬效果均不錯，R2均在0.90 以上，NRMSE 均不超過15%。

由此可見，ORYZA2000 水稻模型經過相應定標后，模型模擬值與實測值之間具有較好的一致性，可以較為準確地模擬水稻生長發(fā)育各時期的生長情況。

圖1 2017年（a、b）和2018年第1、2 播期（c、d、e、f）一季稻生育期田間各高度處日最高、最低氣溫與同期壽縣氣象臺站1.5m 百葉箱氣溫觀測值的逐日比較Fig.1 Comparison of the daily maximum and minimum temperature at different height (including 35cm,75cm,125cm)in the field during rice growth stages in 2017 (a, b) and 1st and 2nd sowing date in 2018(c, d, e, f) with the daily temperature observed at 1.5m louver box in the Shouxian meteorological station

表1 田間不同高度最高/最低氣溫與臺站逐日觀測值的比較結果統(tǒng)計（2017年和2018年第1、2 播期數據）Table1 Statistics of the comparison result between the daily max/min temperature at different heights in the field with the observing value at station (including 2017 growth period of rice and the first and second sowing date in 2018 data)

表2 基于壽縣稻田組合氣溫實測值對ORYZA2000模型中“皖稻121”生長發(fā)育速率的定標結果(℃·d-1)Table2 Calibration result of growth and development rate of "Wandao 121" in ORYZA2000 rice model based on the above combined air temperature observed in Shouxian rice field (℃·d-1)

表3 用2018年第2 播期資料驗證ORYZA2000 作物模型的結果評價Table3 Evaluation of the results of the ORYZA2000 crop model using the data from the second sowing date in 2018

圖2 壽縣站“皖稻121”主要生育期實測值和模擬值的對比(2017年、2018年第1、2 播期)Fig.2 Simulated vs.measured growth days (the ordinal day from Jan.1) of the rice “Wandao 121” in Shouxian station by 2017 growth period of rice and the first and second sowing date in 2018

2.3 利用稻田溫度與臺站溫度產量模擬結果對比

由于單獨使用稻田35cm、75cm和125cm 高處溫度不符合實際水稻生長發(fā)育環(huán)境溫度，故僅利用2018年第1、第2 播期以及2017年播期稻田組合溫 度生成ORYZA2000 水稻模型所需的天氣數據文件。輸入這3個播期對應的生育期數據以及對應的天氣數據文件，其它所有輸入參數不變，均使用前面定標確定的作物參數。運行模型，得到3個播期稻田組合溫度的模型產量模擬結果。

由圖4可見，總體來看，兩種溫度3個播期的模型模擬產量均略高于實際產量，3個播期的產量模擬效果最好的均為稻田組合溫度。產量的模擬結果評價見表4，由表可以看出，通過模擬產量與實際產量之間的均方根誤差RMSE 與歸一化均方根誤差NRMSE的比較，稻田組合溫度模擬的產量與實際產量最為接近，模擬準確度總體最高，其RMSE 為33.7g·m-2，NRMSE 僅為4.2%。綜合來看，通過臺站溫度對ORYZA2000 水稻模型定標后，臺站溫度的模擬效果也良好，其RMSE 為49.4g·m-2，NRMSE 為6.1%，但是基于稻田組合溫度模擬的產量依然更加準確，尤其在高溫熱害可能發(fā)生時。其原因在于，一是作物模型本身就是在實時的生長發(fā)育環(huán)境下（如溫度，而并非氣象站溫度）試驗結果進行數值化而生成；二是對于水稻高溫危害的影響，顯然依據田間冠層溫度反映的高溫危害更真實。

圖3 基于2018年第2 播期資料對ORYZA2000模型模擬生物量積累（a）和葉面積指數變化過程（b）的驗證Fig.3 Validation of simulated biomass accumulation (a) and leaf area index change process (b) of ORYZA2000 model based on data from the second sowing date in 2018

圖4 基于臺站溫度和稻田組合溫度的產量模擬結果與實際產量的對比（2017年、2018年1、2 播期）Fig.4 Comparison of simulation yield based on station temperature and rice field combined temperature with actual yield by2017 growth period of rice and the first and second sowing date in 2018

表4 ORYZA2000 水稻模型模擬產量與實際產量的誤差分析Table4 Error analysis between actual yield and simulated yield by ORYZA2000 rice model

3 結論與討論

3.1 結論

（1）稻田實測溫度與臺站溫度有一定差別，稻田各高度氣溫隨著田間狀況如水稻植株、群體生長發(fā)育的變化而變化。其中，對于日最高溫度，與臺站溫度相比，變化最大的是稻田組合溫度組，其平均日最高溫度為34.3℃，高出臺站平均日最高溫度2.5℃。對于日最低溫度，田間各層溫度與臺站溫度相比差距相對較小，其中稻田組合溫度的平均日最低溫度與臺站相差較大，其平均日最低溫度為23.8℃，低于臺站平均日最低溫度0.8℃。

（2）經過定標驗證后，ORYZA2000 水稻模型對生育期模擬的RMSE 在5.5d 左右，其NRMSE 為2.5%；對WAGT、WLVG、WST、WSO 以及LAI的模擬其NRMSE 分別為4.2%、13.6%、11.9%、8.4%和10.3%。各項數據模擬值與實測值之間的判定系數R2均超過0.9，最高達到0.99。結果表明ORYZA2000水稻模型對水稻生育期以及生物量的模擬較準確。

（3）ORYZA2000 水稻模型對產量的模擬方面，基于稻田組合溫度的產量模擬，其RMSE和NRMSE分別為33.7g·m-2和4.2%，低于臺站溫度組的49.4g·m-2和6.1%。所以，總體來看，使用稻田組合溫度進行模擬的效果比基于臺站溫度的模擬效果要好。

3.2 討論

本研究認為，ORYZA2000 水稻模型可以較準確地模擬水稻作物生長發(fā)育如發(fā)育期、發(fā)育速率、生物量以及產量等，與姚俊萌等研究結果一致[22-23]。作物模型的構建立足于大量的試驗觀測結果，這些試驗觀測是在實際生長發(fā)育環(huán)境中得到的，所以模型的模擬理應輸入實際作物生長發(fā)育環(huán)境要素；研究通過引入稻田中各高度的實測氣溫來組合成符合水稻實際生長發(fā)育環(huán)境的稻田組合溫度，作為水稻模型的溫度輸入項來模擬水稻的生長發(fā)育與產量情況。對比模擬結果，使用水稻田間組合溫度在產量的模擬中有著不錯的表現，且其模擬效果優(yōu)于臺站溫度的模擬效果。原因就在于水稻田間組合溫度數據相對于氣象臺站溫度數據更加能真實反映水稻實際生長環(huán)境溫度的變化情況，并且能較真實反映實際高溫對水稻生長發(fā)育尤其是產量上的負面影響。

有研究表明，通過改進ORYZA2000 作物模型的高溫模擬模塊可以提高模型針對作物高溫熱害減產方面的模擬效果[24]，且實際水稻生長發(fā)育的環(huán)境條件中例如氣象要素對水稻產量的影響不止存在于溫度方面[25-28]，應該盡量采用田間觀測數據或以臺站數據外推或擬合數據來近似，今后模擬研究中將進一步完善。此外，模型模擬的過程中也還存在一定的不足，例如試驗播期較少，驗證數據相對較少，后續(xù)模型的適應性和準確性還有待更多數據的支持，這些都有待于進一步加強和探討。