李翠云 朱俊科 賈鵬 李東升 范明洪 宋曉斐 畢愛(ài)君

(山東理工大學(xué)食品科學(xué)與工程學(xué)院，山東 淄博 255000)

作物生長(zhǎng)模擬模型簡(jiǎn)稱(chēng)作物模型，主要通過(guò)綜合考慮作物本身的生理機(jī)制以及作物生長(zhǎng)的影響因素(主要包括天氣、土壤、品種和管理措施等)，對(duì)作物生長(zhǎng)發(fā)育、產(chǎn)量形成等以特定時(shí)間步長(zhǎng)進(jìn)行動(dòng)態(tài)模擬。并對(duì)環(huán)境及管理措施對(duì)作物生長(zhǎng)發(fā)育產(chǎn)生的影響進(jìn)行定量化分析，以此優(yōu)化管理制度，提高種植效益和資源利用率。

1 玉米生長(zhǎng)模擬模型

作物生長(zhǎng)模擬模型的研究于20世紀(jì)60年代起步，在作物模型的發(fā)展過(guò)程中，典型的模型有WOFOST、EPIC、DSSAT、AquaCrop、APSIM、RCSODS、ORYZA和WheatSM等[1]。我國(guó)針對(duì)玉米生長(zhǎng)模型的研究起步相較于國(guó)外較晚，20世紀(jì)90年代，首次將美國(guó)的CERES-Maize模型引入國(guó)內(nèi)并初步應(yīng)用于國(guó)內(nèi)玉米的生長(zhǎng)過(guò)程的模擬研究。在作物模型的發(fā)展過(guò)程中，應(yīng)用于我國(guó)玉米生長(zhǎng)模擬的模型有CERES-Maize、APSIM、Hybrid-Maize、WOFOST、SWAP、PS123、DNDC、AquaCrop等[2]。

CERES-Maize模型是經(jīng)美國(guó)農(nóng)業(yè)部組織，由University of Florida、Georgia State University以及國(guó)際上的有關(guān)研究機(jī)構(gòu)等合作研發(fā)，屬于DSSAT模型其中的一個(gè)子模型。CERES-Maize模型主要功能是對(duì)玉米的生長(zhǎng)發(fā)育、產(chǎn)量形成、土壤水分含量和氮素的動(dòng)態(tài)變化作出動(dòng)態(tài)描述。該模型所需參數(shù)主要包括逐日最高氣溫、最低氣溫、降水量、太陽(yáng)總輻射、風(fēng)速、濕度等氣象數(shù)據(jù)，土壤機(jī)械組成、土壤體積質(zhì)量、土壤pH值、土壤全氮質(zhì)量分?jǐn)?shù)、飽和含水率、田間持水率、凋萎系數(shù)、有機(jī)質(zhì)量等土壤數(shù)據(jù)以及播種期、灌溉數(shù)據(jù)等管理數(shù)據(jù)。

APSIM模型是由澳大利亞農(nóng)業(yè)生產(chǎn)系統(tǒng)研究組所研究開(kāi)發(fā)。模型主要對(duì)作物受作物自身的遺傳特征以及氣候變化、土壤環(huán)境和管理措施等外部因素影響下的生產(chǎn)力進(jìn)行更為精確的預(yù)估。該模型所需參數(shù)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(shù)據(jù)，土壤容重、飽和含水量等土壤數(shù)據(jù)，播種期、收獲期、施肥和灌溉數(shù)據(jù)等管理數(shù)據(jù)以及品種數(shù)據(jù)。

Hybrid-maize模型是由University of Nebraska-Lincoln研究團(tuán)隊(duì)研發(fā)。模型主要對(duì)玉米在非限制或水分限制條件下的生長(zhǎng)發(fā)育狀況以及產(chǎn)量的形成進(jìn)行模擬。其功能是在歷史氣象數(shù)據(jù)的基礎(chǔ)上，結(jié)合作物管理數(shù)據(jù)對(duì)研究區(qū)域的作物生產(chǎn)能力進(jìn)行評(píng)估，為最佳灌溉方案的確定提供依據(jù)。該模型所需參數(shù)主要包括逐日最高氣溫、最低氣溫、降水量、太陽(yáng)輻射、平均風(fēng)速和平均相對(duì)濕度等氣象數(shù)據(jù)以及土壤數(shù)據(jù)和農(nóng)業(yè)管理數(shù)據(jù)等。

WOFOST是世界糧食安全研究中心與Wageningen University聯(lián)合研發(fā)。模型主要對(duì)作物生長(zhǎng)發(fā)育與產(chǎn)量的形成進(jìn)行模擬，對(duì)風(fēng)險(xiǎn)、氣候變化影響進(jìn)行分析評(píng)估。該模型所需參數(shù)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(fēng)速、水汽壓等氣象數(shù)據(jù)，土壤水文特性、土壤養(yǎng)分狀況等土壤數(shù)據(jù)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(xué)集成當(dāng)今SPAC系統(tǒng)的理論研究成果，模型主要用于模擬田間尺度上的水分運(yùn)動(dòng)、溶質(zhì)運(yùn)移、熱量傳輸及作物生長(zhǎng)過(guò)程等。模型可對(duì)農(nóng)田灌溉排水系統(tǒng)進(jìn)行管理與評(píng)價(jià)，并對(duì)相應(yīng)的水土環(huán)境進(jìn)行預(yù)測(cè)。該模型所需參數(shù)主要包括逐日最高氣溫、最低氣溫、降水量、日照時(shí)數(shù)、水汽壓、風(fēng)速等氣象數(shù)據(jù)，土壤類(lèi)型、土壤砂粒含量、土壤粉粒含量、土壤黏粒含量、有機(jī)質(zhì)、全氮、全磷、全鉀含量等土壤數(shù)據(jù)[3]。

PS123模型即土地生產(chǎn)力模型，是由荷蘭Wageningen大學(xué)土壤地質(zhì)系Driessen P M教授在WOFOST模型基礎(chǔ)上研發(fā)。模型主要對(duì)較小規(guī)模的土地生產(chǎn)力和適宜性進(jìn)行評(píng)價(jià)。該模型所需參數(shù)主要包括最高氣溫、最低氣溫、平均氣溫、降水量、日照時(shí)數(shù)、平均氣壓、相對(duì)濕度、平均風(fēng)速等氣象數(shù)據(jù)，土壤質(zhì)地、耕層平均容重、鹽分、有機(jī)質(zhì)、全氮量、全磷量、初始土水勢(shì)等土壤數(shù)據(jù)，播種量、播種日期等管理數(shù)據(jù)。

DNDC模型即脫氮-分解作用模型，是由美國(guó)新罕布什爾大學(xué)陸地海洋空間研究中心李長(zhǎng)生教授等研發(fā)。模型主要用于生態(tài)系統(tǒng)光合、土壤碳氮的釋放和淋濕與溫室氣體的排放等，現(xiàn)在更多地應(yīng)用于土壤水分、生物量和產(chǎn)量的模擬。該模型可對(duì)作物在不同灌溉和施肥的方法和制度下生長(zhǎng)發(fā)育情況，以及土壤環(huán)境狀況和水氮遷移等指標(biāo)進(jìn)行模擬。多用于評(píng)價(jià)管理措施對(duì)產(chǎn)量或環(huán)境風(fēng)險(xiǎn)的影響。該模型所需參數(shù)主要包括溫度、降水量、太陽(yáng)輻射、風(fēng)速、濕度等氣象數(shù)據(jù)，土壤質(zhì)地、容重、有機(jī)質(zhì)、全氮量、全磷量、地下水埋深等土壤數(shù)據(jù)以及耕種、施肥、灌溉等管理數(shù)據(jù)[17]。

AquaCrop模型是由聯(lián)合國(guó)糧農(nóng)組織研發(fā)的水分驅(qū)動(dòng)模型。模型主要對(duì)作物在水分脅迫、雨養(yǎng)、不同灌溉條件下的作物生產(chǎn)力進(jìn)行預(yù)測(cè)，為作物灌溉管理決策提供較好的支持。該模型所需參數(shù)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(shù)據(jù)，土壤質(zhì)地、容重、土層厚度、永久性凋萎點(diǎn)、田間持水量，飽和含水量等土壤數(shù)據(jù)，種植密度等管理數(shù)據(jù)，初始冠層覆蓋率、最大冠層覆蓋率、開(kāi)花、最大根長(zhǎng)、作物衰老、成熟所需的時(shí)間、開(kāi)花周期等作物生長(zhǎng)發(fā)育數(shù)據(jù)。

2 玉米生長(zhǎng)模型的應(yīng)用

作物模型因區(qū)域、品種等條件的不同對(duì)作物遺傳參數(shù)的模擬呈現(xiàn)出明顯的差異。對(duì)特定區(qū)域特定作物進(jìn)行模擬時(shí)，在應(yīng)用模型之前，根據(jù)研究區(qū)域的氣候、土壤、管理措施以及作物品種，對(duì)模型進(jìn)行調(diào)參和驗(yàn)證，得到適應(yīng)于該區(qū)域的模型參數(shù)，這一過(guò)程也稱(chēng)為作物模型的“本地化”[1]。完成對(duì)模型的“本地化”后，才能進(jìn)一步進(jìn)行模型的應(yīng)用與研究。現(xiàn)階段，我國(guó)作物模型在玉米上的研究與應(yīng)用主要集中在玉米生長(zhǎng)發(fā)育及產(chǎn)量的模擬、外界條件對(duì)玉米生長(zhǎng)發(fā)育的影響和指導(dǎo)優(yōu)化田間管理措施3個(gè)方面。

2.1 玉米生長(zhǎng)發(fā)育及產(chǎn)量形成模擬

基于作物模型對(duì)特定區(qū)域玉米的生長(zhǎng)發(fā)育過(guò)程進(jìn)行模擬與驗(yàn)證，通過(guò)利用遙感與作物模型數(shù)據(jù)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(chǎn)量、生物量、LAI、發(fā)育期等模擬精度。王利民等[3]基于SWAP模型，通過(guò)以協(xié)同克里金方法獲取模型所需氣象數(shù)據(jù)，將空間插值成果作為模型輸入數(shù)據(jù)，以此提高氣象數(shù)據(jù)精度，并通過(guò)同化LAI和ET遙感數(shù)據(jù)，完成對(duì)中國(guó)黑龍江省南部春玉米產(chǎn)量模擬。研究表明，模擬檢測(cè)精度較高，R2達(dá)到了0.9394，均方根誤差RMSE達(dá)到了148065t。Cheng等[4]基于WOFOST模型和多光譜遙感數(shù)據(jù)，研究分析出對(duì)玉米LAI模擬的最優(yōu)策略：在作物生長(zhǎng)前中后期分別采用VI法、數(shù)據(jù)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(fā)育期、土壤含水率的變化、生物量累積過(guò)程以及產(chǎn)量，通過(guò)與實(shí)測(cè)值進(jìn)行對(duì)比分析表明各適用性指標(biāo)均在可信范圍內(nèi)。劉維等[6]利用實(shí)測(cè)土壤水分計(jì)算的體積含水量替換模型通過(guò)降水量計(jì)算的土壤體積含水量，帶入WOFOST模型運(yùn)算。模型對(duì)生育期、葉面積指數(shù)、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(duì)玉米生長(zhǎng)發(fā)育影響模擬

作物生長(zhǎng)不僅由自身品種遺傳特性決定，生長(zhǎng)環(huán)境也會(huì)對(duì)其產(chǎn)生很大的影響。很多研究者基于作物模型模擬評(píng)估玉米生長(zhǎng)環(huán)境對(duì)其生長(zhǎng)發(fā)育及產(chǎn)量形成的影響及作物對(duì)相應(yīng)區(qū)域的氣候適應(yīng)性，主要影響因素為土壤性質(zhì)、管理干預(yù)(覆膜、灌溉、施肥等)以及氣候條件(降雨、溫度、氣象災(zāi)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(chǎn)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(guó)玉米產(chǎn)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(duì)作物模型AquaCrop分別從多個(gè)降水產(chǎn)品中識(shí)別輸入的不確定性。該方法使用潛變量來(lái)糾正輸入數(shù)據(jù)的錯(cuò)誤。采用單乘數(shù)方法進(jìn)行降水訂正，模擬了一系列不同的氣候情景下中國(guó)玉米田間和區(qū)域生長(zhǎng)。同時(shí)使用多個(gè)產(chǎn)品的平均值進(jìn)行模型驅(qū)動(dòng)的比較。結(jié)果表明，BATEA方法能夠一致地降低不同降水條件下作物長(zhǎng)勢(shì)預(yù)測(cè)的不確定性。徐昆等[10]利用AquaCrop作物模型對(duì)不同灌溉條件下玉米受到的水分脅迫及相應(yīng)情景下的產(chǎn)量進(jìn)行模擬，建立了對(duì)應(yīng)的干旱脆弱性曲線(xiàn)。對(duì)中國(guó)區(qū)域性玉米干旱脆弱性及風(fēng)險(xiǎn)進(jìn)行了研究與評(píng)估。Li等[11]提出了一個(gè)新的框架來(lái)量化玉米生產(chǎn)風(fēng)險(xiǎn)，基于經(jīng)過(guò)良好校準(zhǔn)的CERES-Maize模型，通過(guò)各種低溫情景驅(qū)動(dòng)運(yùn)行模型模擬玉米生產(chǎn)。分析了東北地區(qū)的冷害風(fēng)險(xiǎn)，并構(gòu)建復(fù)合冷害指數(shù)(CCI)和基于CCI的脆弱性曲線(xiàn)，由此計(jì)算出相應(yīng)的產(chǎn)量損失。結(jié)果表明，在量化產(chǎn)量損失時(shí)，復(fù)合指數(shù)保險(xiǎn)優(yōu)于單一指數(shù)保險(xiǎn)。王亞許等[12]利用BCC/RCG-WG天氣發(fā)生器隨機(jī)生成未來(lái)氣象數(shù)據(jù)，驅(qū)動(dòng)APSIM作物模型模擬春玉米產(chǎn)量因旱損失，實(shí)時(shí)動(dòng)態(tài)評(píng)估東北三省春玉米生育期內(nèi)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)。結(jié)果表明，APSIM模型在東北三省模擬春玉米生長(zhǎng)效果較好；BCC/RCG-WG天氣發(fā)生器生成氣象要素樣本與各氣象數(shù)據(jù)年均值R2均在0.9以上；旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估效果較好。

2.3 玉米生長(zhǎng)模型指導(dǎo)優(yōu)化田間管理措施

田間管理措施也是發(fā)揮區(qū)域優(yōu)勢(shì)與品種特性，使玉米產(chǎn)量最大化的關(guān)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(duì)玉米生長(zhǎng)發(fā)育及產(chǎn)量形成的影響也是必要的，以此優(yōu)化管理措施，降低管理成本，提高作物產(chǎn)量。米娜等[13]通過(guò)應(yīng)用CERES-Maize模型較理想地模擬出錦州地區(qū)不同播期玉米的物候期和產(chǎn)量，以此確定玉米的最佳播期；同時(shí)通過(guò)整合玉米灌漿時(shí)期不利的氣溫條件改進(jìn)最佳季節(jié)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(yōu)。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(chǎn)量，并表示可通過(guò)田間試驗(yàn)與模型結(jié)合來(lái)確定最佳種植密度。趙引等[15]對(duì)改進(jìn)的AquaCrop模型進(jìn)行了率定與驗(yàn)證，并模擬預(yù)測(cè)了在未來(lái)氣溫升高和不同覆膜比例變化情景下作物產(chǎn)量及水分利用效率的變化規(guī)律，分析得最優(yōu)覆膜比例為50%。Luo等[16]基于APSIM模型模擬評(píng)估冬小麥-夏玉米不同種植制度對(duì)地下水的保護(hù)和糧食產(chǎn)量的影響，為種植制度的確定提供參考。周慧等[17]結(jié)合田間試驗(yàn)，利用DNDC模型對(duì)有機(jī)氮替代不同配比無(wú)機(jī)氮對(duì)玉米產(chǎn)量和硝態(tài)氮淋失的影響經(jīng)行了研究分析。結(jié)果表明，有機(jī)無(wú)機(jī)氮配施比例為3∶2時(shí)，作物產(chǎn)量達(dá)到最高值(12578kg·hm-2)，硝態(tài)氮淋失量(15.7kg·hm-2)也在可接受水平，可確定為該地區(qū)較優(yōu)有機(jī)無(wú)機(jī)氮配施模式。Liu等[18]構(gòu)建了分布式AquaCrop模型和多目標(biāo)遺傳算法(NSGA-Ⅱ)模擬-優(yōu)化(MGSO)模型。對(duì)東北13個(gè)灌區(qū)的作物產(chǎn)量、ET和水分利用效率(WUE)進(jìn)行了模擬分析，并對(duì)現(xiàn)有灌溉制度進(jìn)行了分析和優(yōu)化。結(jié)果表明，分布式AquaCrop模型能夠較好地模擬區(qū)域作物。在優(yōu)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(chǎn)量和WUE。

3 存在問(wèn)題

作物模型在我國(guó)玉米生長(zhǎng)模擬上已經(jīng)得到廣泛應(yīng)用，通過(guò)量化描述作物生育規(guī)律，對(duì)推動(dòng)我國(guó)農(nóng)業(yè)生產(chǎn)綜合管理發(fā)揮著重要作用，但由于我國(guó)對(duì)作物模型研究的起步較晚，在作物模型應(yīng)用方面仍存在一些問(wèn)題。

目前所應(yīng)用的多數(shù)作物模型都是從國(guó)外引進(jìn)并進(jìn)行改進(jìn)，我國(guó)自主研發(fā)的作物模型相對(duì)較少，但國(guó)外作物模型更適用于其本國(guó)的生產(chǎn)管理對(duì)作物生長(zhǎng)影響的模擬分析，與我國(guó)實(shí)際農(nóng)業(yè)生產(chǎn)管理仍有許多差異，因此研發(fā)我國(guó)自主的作物模型亟需解決。

由于玉米模型的投入和使用門(mén)檻較高，致使其應(yīng)用當(dāng)前大多仍只停留在科學(xué)研究和試驗(yàn)層面上，未普遍應(yīng)用到實(shí)際農(nóng)業(yè)生產(chǎn)中。

作物生長(zhǎng)過(guò)程是一個(gè)非常復(fù)雜的系統(tǒng)工程，目前各作物模型的結(jié)構(gòu)不同，對(duì)作物生長(zhǎng)模擬的側(cè)重不同，使得不同模型的模擬結(jié)果存在一定的差異，且由于數(shù)據(jù)耦合關(guān)系的不確定性等因素，導(dǎo)致模型模擬結(jié)果也存在不確定性。

玉米模型的模擬運(yùn)行需要?dú)庀?、土壤和玉米特性等多方面的?shù)據(jù)信息，且數(shù)據(jù)粒度越小，年度數(shù)據(jù)越多，模型模擬精度越高，但精準(zhǔn)的數(shù)據(jù)采集難度較大、采集周期較長(zhǎng)、數(shù)據(jù)處理較復(fù)雜，投入較大，因此模型推廣有一定的難度。

4 發(fā)展趨勢(shì)

作物模型對(duì)解決玉米生產(chǎn)管理中的各種實(shí)際問(wèn)題有很大作用。根據(jù)我國(guó)在作物模型應(yīng)用于模擬玉米生產(chǎn)技術(shù)研究的現(xiàn)狀，接下來(lái)可以從以下幾個(gè)方面進(jìn)行持續(xù)探索。

完善作物模型機(jī)制，建立標(biāo)準(zhǔn)完備的模型數(shù)據(jù)庫(kù)，提高模型在不同區(qū)域、不同品種及不同環(huán)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(zāi)害對(duì)玉米生長(zhǎng)發(fā)育影響方面的動(dòng)態(tài)模擬。

在玉米模型的基礎(chǔ)上，進(jìn)一步開(kāi)發(fā)研制智能決策系統(tǒng)。加強(qiáng)作物模型與“3S”技術(shù)的結(jié)合，多作物模型耦合，多源數(shù)據(jù)融合，多參數(shù)協(xié)同，建立更加完善的玉米計(jì)算機(jī)決策管理系統(tǒng)，實(shí)現(xiàn)田間觀測(cè)、判別分析、管理決策與實(shí)施的實(shí)時(shí)化、自動(dòng)化、高效化與智能化。