陳 超，龐艷梅，莫志鴻

(1. 中國(guó)氣象局成都高原氣象研究所/高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室，成都 610072；2. 高原大氣與環(huán)境四川省重點(diǎn)實(shí)驗(yàn)室，成都 610225；3.北京市氣候中心，北京 100089)

?

四川單季稻區(qū)主栽水稻品種的生長(zhǎng)模擬*4

陳 超1,2，龐艷梅1，莫志鴻3

(1. 中國(guó)氣象局成都高原氣象研究所/高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室，成都 610072；2. 高原大氣與環(huán)境四川省重點(diǎn)實(shí)驗(yàn)室，成都 610225；3.北京市氣候中心，北京 100089)

摘要：利用四川單季稻區(qū)7個(gè)農(nóng)業(yè)氣象觀測(cè)站5個(gè)主栽品種的田間觀測(cè)數(shù)據(jù)，結(jié)合當(dāng)?shù)卦耘喙芾泶胧⑼寥罈l件及逐日氣象資料對(duì)ORYZA2000模型進(jìn)行參數(shù)調(diào)試，并確定四川單季稻區(qū)5個(gè)主栽品種的作物參數(shù)值；利用4～5a各主栽品種的觀測(cè)數(shù)據(jù)對(duì)單季稻生育期、葉面積指數(shù)、生物量和產(chǎn)量等指標(biāo)的模擬結(jié)果進(jìn)行驗(yàn)證和評(píng)價(jià)。結(jié)果表明，合系39營(yíng)養(yǎng)生長(zhǎng)期發(fā)育速率最大，而生殖生長(zhǎng)期發(fā)育速率最小，Ⅱ優(yōu)838營(yíng)養(yǎng)生長(zhǎng)期發(fā)育速率最小，而D優(yōu)63和汕優(yōu)2生殖生長(zhǎng)期發(fā)育速率最大；模型對(duì)5個(gè)單季稻主栽品種的生育期模擬效果較好，各品種開花期與成熟期的相對(duì)模擬誤差均在1～2d，歸一化均方根誤差（NRMSE）均小于1%；各品種產(chǎn)量的NRMSE在5.26%～10.01%，葉面積指數(shù)的NRMSE為10.37%～19.19%，地上部總生物量、莖生物量、綠葉生物量及穗生物量的NRMSE分別為13.17%～18.69%、14.31%～20.41%、18.95%～24.74%和20.85%～25.39%。由此可見，ORYZA2000模型能夠較為準(zhǔn)確地模擬四川單季稻區(qū)5個(gè)主栽品種的發(fā)育及產(chǎn)量形成過程，適應(yīng)能力較強(qiáng)，可以應(yīng)用于四川單季稻生產(chǎn)。

關(guān)鍵詞：作物模型；ORYZA2000；單季稻；主栽品種；四川

陳超,龐艷梅,莫志鴻.四川單季稻區(qū)主栽水稻品種的生長(zhǎng)模擬[J].中國(guó)農(nóng)業(yè)氣象,2016,37(3):307-315

四川是中國(guó)13個(gè)糧食主產(chǎn)區(qū)之一，也是西部唯一的糧食主產(chǎn)區(qū)，糧食作物中尤以水稻最為突出，常年種植面積200萬hm2左右，占糧食面積的30%左右，產(chǎn)量占糧食總產(chǎn)的40%以上。作物生長(zhǎng)模型是農(nóng)業(yè)研究領(lǐng)域中的重要工具之一，它不但可以檢驗(yàn)人們對(duì)農(nóng)業(yè)生產(chǎn)系統(tǒng)的認(rèn)知水平，還可幫助理解并比較不同試驗(yàn)點(diǎn)結(jié)果間的差異性[1]，進(jìn)而形成決策支持系統(tǒng)，研究氣候變化對(duì)農(nóng)業(yè)的影響及產(chǎn)量預(yù)測(cè)[2]。ORYZA是國(guó)際水稻所和荷蘭瓦赫寧根大學(xué)共同開發(fā)的水稻生長(zhǎng)模型，2001年推出了ORYZA2000模型，并在實(shí)際生產(chǎn)中得到了檢驗(yàn)和應(yīng)用。薛昌穎等[3-4]研究指出，ORYZA2000模型能較準(zhǔn)確地模擬旱稻的生物量、葉面積動(dòng)態(tài)變化及產(chǎn)量，在模擬穗生物量方面具有較高準(zhǔn)確性，并估算了北京旱稻的產(chǎn)量潛力；Feng等[5]校正了北方旱稻和低地水稻品種參數(shù)，并開展了節(jié)水灌溉模擬研究；帥細(xì)強(qiáng)等[6]利用湘贛地區(qū)的氣象因素、雙季稻發(fā)育期和生物量觀測(cè)數(shù)據(jù)資料，對(duì)ORYZA2000 模型進(jìn)行了調(diào)試和驗(yàn)證；莫志鴻等[7]研究指出，ORYZA2000可較為準(zhǔn)確地模擬湖南雙季稻生長(zhǎng)發(fā)育及其生物量的動(dòng)態(tài)累積過程；浩宇等[8]提出ORYZA2000模型可以較準(zhǔn)確地模擬安徽地區(qū)不同播期水稻的發(fā)育期、發(fā)育速率及其生物量的動(dòng)態(tài)積累過程。但是，以往應(yīng)用ORYZA2000模型研究四川稻區(qū)單季稻生長(zhǎng)發(fā)育的報(bào)道很少。此外，不同品種可使水稻經(jīng)歷不同的光溫水熱條件，從而影響水稻的生長(zhǎng)發(fā)育及其產(chǎn)量形成，但以往研究大多利用幾年的試驗(yàn)數(shù)據(jù)分析模型在當(dāng)?shù)氐倪m用性，未對(duì)當(dāng)?shù)囟嗄甑闹髟云贩N進(jìn)行模擬研究。因此，利用ORYZA2000模型模擬四川單季稻區(qū)主栽水稻品種的生長(zhǎng)發(fā)育及產(chǎn)量具有重要意義。

本研究擬利用四川7個(gè)農(nóng)業(yè)氣象觀測(cè)站5個(gè)單季稻主栽品種1981-2009年的田間觀測(cè)資料，結(jié)合當(dāng)?shù)毓芾泶胧┧郊巴寥蕾Y料，在ORYZA2000模型中校正并確定5個(gè)單季稻主栽品種的作物參數(shù)，進(jìn)行生育期、產(chǎn)量、葉面積及器官生物量等的模擬和驗(yàn)證，評(píng)價(jià)ORYZA2000在四川稻區(qū)的模擬能力和適應(yīng)性，為模型在四川地區(qū)的推廣應(yīng)用提供理論依據(jù)。

1 資料與方法

1.1 試驗(yàn)資料

觀測(cè)于1981-2009年在四川單季稻區(qū)的7個(gè)農(nóng)業(yè)氣象觀測(cè)站點(diǎn)（圖1）進(jìn)行，分別為溫江(30°42′N，103°50′E，539m)、都江堰(30°59′N，103°40′E，707m)、廣漢(30°58′N，104°17′E，474m)、南充(30°48′N，106°05′E，298m)、大竹(30°45′N，107°12′E，398m)、冕寧(28°33′N，102°10′E，1774m)和西昌(27°54′N，102°16′E，1591m)。

選擇5個(gè)主栽水稻品種為研究對(duì)象，包括汕優(yōu)63、D優(yōu)63、Ⅱ優(yōu)838、汕優(yōu)2和合系39。1981-2009年單季稻生育期（播種期、出苗期、三葉期、移栽期、分蘗期、拔節(jié)期、孕穗期、抽穗期、乳熟期和成熟期）、器官生物量、最終產(chǎn)量以及葉面積指數(shù)等資料由四川省氣象探測(cè)數(shù)據(jù)中心提供。

1981-2009年觀測(cè)站點(diǎn)逐日氣象數(shù)據(jù)，包括逐日最高氣溫(℃)、最低氣溫(℃)、水汽壓(kPa)、降水量(mm)、平均風(fēng)速(m·s-1)、輻射量(J·m-2)和日照時(shí)數(shù)(h)，均由四川省氣象探測(cè)數(shù)據(jù)中心提供。

土壤理化性狀資料包括各土層土壤質(zhì)地、機(jī)械組成、地下水埋深等。資料來自《中國(guó)土種志》中有關(guān)四川稻區(qū)土壤剖面實(shí)測(cè)統(tǒng)計(jì)數(shù)據(jù)，并計(jì)算了模型中所需的飽和體積含水量與飽和導(dǎo)水率等參數(shù)。

7個(gè)農(nóng)業(yè)氣象觀測(cè)站單季稻觀測(cè)參數(shù)和稻田土壤狀況及初始水量見表1和表2。

圖1 農(nóng)業(yè)氣象觀測(cè)站點(diǎn)分布Fig. 1 Distribution of agricultural meteorological stations in Sichuan province

表1 各站單季稻生長(zhǎng)季和資料觀測(cè)年份Table 1 Growing season of single cropping rice and observation years at each station

表2 各站稻田土壤狀況和初始水量Table 2 Soil state and initial water content in the rice field of each station

1.2 ORYZA2000水稻模型

利用2013年發(fā)布的ORYZA2000模型最新版本V3.0進(jìn)行水稻生長(zhǎng)模擬。ORYZA2000模型是一個(gè)生理生態(tài)模型，以日作為時(shí)間步長(zhǎng)，動(dòng)態(tài)定量描述潛在生產(chǎn)水平下水稻生長(zhǎng)和產(chǎn)量形成[9]。首先，進(jìn)行模型參數(shù)調(diào)試。ORYZA2000模型通過作物參數(shù)描述不同品種間的差異，其中絕大部分參數(shù)由大量的試驗(yàn)分析得出，具有較好的普適性，約10%的作物參數(shù)需通過具體田間試驗(yàn)確定，這些參數(shù)主要有干物質(zhì)分配系數(shù)、發(fā)育速率、葉片相對(duì)生長(zhǎng)速率、比葉面積、葉片死亡速率、最大粒重以及莖同化物轉(zhuǎn)移系數(shù)等。

1.3 輸入數(shù)據(jù)和模型參數(shù)化

應(yīng)用模型之前需要經(jīng)過調(diào)參與檢驗(yàn)，首先檢驗(yàn)?zāi)Ｐ瓦\(yùn)行的輸出結(jié)果在邏輯上是否正確；然后是校正模型，利用試驗(yàn)數(shù)據(jù)校正模型中的參數(shù)；最后進(jìn)行模型驗(yàn)證。模型運(yùn)行需按照格式建立天氣數(shù)據(jù)文件、作物文件和處理數(shù)據(jù)文件，并要決定這些文件的參數(shù)。

根據(jù)5個(gè)單季稻代表品種建立模型的運(yùn)行文件。以品種汕優(yōu)63（1986-1991年）、D優(yōu)63（1988-1992年）、Ⅱ優(yōu)838（1997、1998、2000、2003年）、汕優(yōu)2 （1981-1983年）和合系39（2001-2004年）的田間觀測(cè)數(shù)據(jù)為校準(zhǔn)數(shù)據(jù)進(jìn)行調(diào)參。需調(diào)整的參數(shù)包括發(fā)育速率、干物質(zhì)分配系數(shù)、比葉面積、葉片相對(duì)生長(zhǎng)速率、葉片死亡率、莖同化轉(zhuǎn)移系數(shù)和最大粒重等。利用觀測(cè)記錄的不同生育期日期通過模型所帶的DRATE.EXE計(jì)算發(fā)育速率。首先修改作物文件中的發(fā)育速率項(xiàng)，其次運(yùn)行模型自帶的PARAM.EXE文件，并在PARAM.OUT里查看干物質(zhì)分配系數(shù)、比葉面積等參數(shù)、葉片相對(duì)死亡率，然后修改作物文件中的相關(guān)數(shù)據(jù)，最后運(yùn)行模型。

1.4 模型的檢驗(yàn)方法

本研究利用四川各站5個(gè)單季稻品種汕優(yōu)63 （1986-1991年）、D優(yōu)63（1988-1992年）、Ⅱ優(yōu)838 （1997、1998、2000、2003年）、汕優(yōu)2（1981-1983年）和合系39（2001-2004年）的田間觀測(cè)數(shù)據(jù)對(duì)ORYZA2000模型進(jìn)行調(diào)試，并獲得參數(shù)校正值；利用5個(gè)單季稻品種汕優(yōu)63（1992-1995、2005年）、D優(yōu)63（1993-1996年）、Ⅱ優(yōu)838（2004、2005、2008、2009年）、汕優(yōu)2（1984-1987年）和合系39 （2005-2009年）的觀測(cè)數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證。

采用目前國(guó)際上通用的指標(biāo)體系對(duì)模型的適應(yīng)性進(jìn)行檢驗(yàn)和評(píng)價(jià)，并與圖表形式表達(dá)相結(jié)合驗(yàn)證模擬結(jié)果。首先，利用圖形直觀判斷實(shí)測(cè)值與模擬值之間的吻合度，對(duì)模型進(jìn)行定性評(píng)價(jià)。其次，采用統(tǒng)計(jì)指標(biāo)定量評(píng)價(jià)模型的模擬效果。本文采用的統(tǒng)計(jì)指標(biāo)包括實(shí)測(cè)結(jié)果與模擬結(jié)果的平均值，二者的線性回歸決定系數(shù)(R2)，不等方差Student’s-t檢驗(yàn)值[P(t*)]，均方根誤差(RMSE)以及歸一化均方根誤差(NRMSE)。實(shí)測(cè)結(jié)果與模擬結(jié)果均值可總體反映二者的差異大?。籖2越大時(shí)，實(shí)測(cè)值與模擬值吻合度即高；P(t*)大于0.05時(shí)，實(shí)測(cè)值與模擬值的差異不顯著。實(shí)測(cè)結(jié)果與模擬結(jié)果的吻合程度，一方面由模型的準(zhǔn)確度所決定，另一方面也受觀測(cè)誤差的影響。

2 結(jié)果與分析

2.1 主栽品種的遺傳參數(shù)模擬

將1981-2009年各站單季稻生長(zhǎng)期逐日氣象資料、各試驗(yàn)站土壤資料以及不同站點(diǎn)5個(gè)單季稻品種汕優(yōu)63（1986-1991年）、D優(yōu)63（1988-1992年）、Ⅱ優(yōu)838（1997、1998、2000、2003年）、汕優(yōu)2 （1981-1983年）和合系39（2001-2004年）的田間觀測(cè)數(shù)據(jù)，代入ORYZA2000模型進(jìn)行生長(zhǎng)模擬，得到作物生育期和產(chǎn)量的輸出結(jié)果，與同期實(shí)際觀測(cè)結(jié)果進(jìn)行對(duì)比，通過調(diào)整參數(shù)使其與實(shí)際觀測(cè)值誤差達(dá)到最合理范圍，最終確定各主品種的遺傳參數(shù)。遺傳參數(shù)包括不同品種各發(fā)育階段的發(fā)育速率、比葉面積、葉片相對(duì)生長(zhǎng)速率及干物質(zhì)分配系數(shù)等，將水稻生長(zhǎng)發(fā)育階段劃分為4個(gè)時(shí)期，即出苗(DVS=0)、穗分化(DVS=0.65)、開花(DVS=1)和成熟(DVS=2)，模型中需校準(zhǔn)的作物生育期參數(shù)包括營(yíng)養(yǎng)生長(zhǎng)期參數(shù)(DVRJ)、光周期敏感參數(shù)(DVRI)、穗分化期參數(shù)(DVRP)和生殖生長(zhǎng)期參數(shù)(DVRR)。各水稻品種發(fā)育速率參數(shù)見表3，由表可見，各發(fā)育速率參數(shù)中，不同品種間營(yíng)養(yǎng)生長(zhǎng)期參數(shù)和生殖生長(zhǎng)期參數(shù)變化較大，合系39營(yíng)養(yǎng)生長(zhǎng)期發(fā)育速率最大，而生殖生長(zhǎng)期發(fā)育速率最??；Ⅱ優(yōu)838營(yíng)養(yǎng)生長(zhǎng)期發(fā)育速率最小，而D優(yōu)63和汕優(yōu)2生殖生長(zhǎng)期發(fā)育速率最大。各水稻品種比葉面積校正值見表4，Ⅱ優(yōu)838的比葉面積值在各生育階段較小，而D優(yōu)63的比葉面積值在各生育階段較大，反映了不同單季稻品種的特性，是模型本地化的重要參數(shù)值。

表3 單季稻主栽品種發(fā)育速率參數(shù)校正值Table 3 Calibrated parameters of development rate of the major rice varieties

表4 單季稻主栽品種不同發(fā)育時(shí)期比葉面積Table 4 Specific leaf area of the major rice varieties in different stages

2.2 主栽品種的生育期模擬

開花期和成熟期是水稻生長(zhǎng)發(fā)育過程的兩個(gè)重要階段，是評(píng)價(jià)ORYZA2000模型模擬精度的重要指標(biāo)之一。圖2為1981-2009年各站點(diǎn)5個(gè)不同水稻品種開花期、成熟期模擬值與實(shí)測(cè)值的比較，結(jié)果表明，ORYZA2000模型對(duì)四川單季稻5個(gè)主栽品種生育期的模擬精度均較高，開花期和成熟期的模擬誤差在1～2d，平均小于1d。表5是利用檢驗(yàn)數(shù)據(jù)得到的不同水稻品種開花期、成熟期模擬值與實(shí)測(cè)值的統(tǒng)計(jì)指標(biāo)，由表可見，5個(gè)主栽品種實(shí)測(cè)生育期與模擬生育期的RMSE值均小于1。t檢驗(yàn)表明兩者差異均不顯著。R2值反映模擬值與實(shí)測(cè)值的散布情況，其中最小值為0.986，說明生育期的模擬值與實(shí)測(cè)結(jié)果偏差較小，模擬效果較好。NRMSE在1%以下，說明模擬結(jié)果與實(shí)測(cè)結(jié)果差異很小。

圖2 各主栽品種開花期、成熟期模擬值與實(shí)測(cè)值的比較Fig. 2 Simulated days versus measured days of flowering and maturity of the major varieties

表5 各品種開花期、成熟期模擬值與實(shí)測(cè)值的統(tǒng)計(jì)指標(biāo)(檢驗(yàn)數(shù)據(jù))Table 5 Statistical indicators of simulated and measured days of flowering(F) and maturity (M) (validation data) of the major varieties

2.3 主栽品種的葉面積指數(shù)和生物量模擬

圖3為1981-2009年各站點(diǎn)5個(gè)不同水稻品種葉面積指數(shù)模擬值與實(shí)測(cè)值的比較，由圖可見，葉面積指數(shù)的模擬值與實(shí)測(cè)值變化趨勢(shì)較一致，模型能夠較好地反映5個(gè)主栽單季稻品種葉面積指數(shù)的變化動(dòng)態(tài)。表6是利用檢驗(yàn)數(shù)據(jù)得到的不同水稻品種葉面積指數(shù)模擬值與實(shí)測(cè)值的統(tǒng)計(jì)指標(biāo)，由表可見，5個(gè)主栽品種實(shí)測(cè)生育期與模擬生育期間的RMSE值均較?。籺檢驗(yàn)表明兩者差異均不顯著；R2值反映模擬值與實(shí)測(cè)值的散布情況，其中最小值為0.928，說明生育期的模擬與實(shí)測(cè)結(jié)果偏差較小，模擬效果較好；NRMSE在10.37%～19.19%，說明模擬結(jié)果與實(shí)測(cè)結(jié)果差異較小。

圖3 各品種葉面積指數(shù)模擬值與實(shí)測(cè)值的比較Fig. 3 Validation on the simulated and measured leaf area index of the major varieties

圖4為1981-2009年各站點(diǎn)5個(gè)不同水稻品種地上部總生物量以及各器官生物量的模擬值與實(shí)測(cè)值的比較，結(jié)果表明，生物量的模擬值與實(shí)測(cè)值的變化趨勢(shì)較為一致，說明模型可以較好地反映5個(gè)主栽單季稻品種生物量的變化動(dòng)態(tài)。由統(tǒng)計(jì)結(jié)果可知(表6)，地上部總生物量的實(shí)測(cè)值與模擬值較接近；t檢驗(yàn)表明兩者差異均不顯著；R2最小值為0.951，NRMSE在13.17%～18.69%，說明地上部總生物量的模擬與實(shí)測(cè)結(jié)果偏差較小，模擬效果較好。器官生物量實(shí)測(cè)值與模擬值也較為接近；t檢驗(yàn)表明兩者差異均不顯著；莖、綠葉和穗生物量實(shí)測(cè)值與模擬值的R2最小值分別為0.772、0.728和0.850，說明器官生物量的模擬與實(shí)測(cè)結(jié)果偏差較小，模擬效果較好；莖、綠葉和穗生物量的NRMSE分別為14.31%～20.41%、18.95%～24.74%和20.85%～25.39%，說明模擬結(jié)果與實(shí)測(cè)結(jié)果差異較小。綜上所述，各生物量的模擬誤差均在合理范圍內(nèi)，模型對(duì)5個(gè)主栽品種生物量總體模擬性能均較好。

圖4 各品種器官生物量模擬值與實(shí)測(cè)值的比較Fig. 4 Validation on the simulated and measured biomass of the major varieties

表6 各品種葉面積指數(shù)和生物量模擬值與實(shí)測(cè)值的統(tǒng)計(jì)指標(biāo)(檢驗(yàn)數(shù)據(jù))Table 6 Statistical indicators of simulated and measured leaf area index and biomass (validation data) of the major varieties

2.4 主栽品種的產(chǎn)量模擬

作物產(chǎn)量是其生長(zhǎng)發(fā)育狀況的綜合表現(xiàn)，作物最終產(chǎn)量的模擬結(jié)果可以反映干物質(zhì)分配系數(shù)、發(fā)育速率等作物參數(shù)的合理性，也是評(píng)價(jià)模型模擬精度的重要內(nèi)容。圖5為1981-2009年各站點(diǎn)5個(gè)不同單季稻品種產(chǎn)量模擬值與實(shí)測(cè)值的比較，由圖可見，ORYZA2000模型對(duì)四川單季稻5個(gè)主栽品種產(chǎn)量的模擬精度較高。表7是利用檢驗(yàn)數(shù)據(jù)得到的不同單季稻品種產(chǎn)量模擬值與實(shí)測(cè)值的統(tǒng)計(jì)指標(biāo)，由表可見，5個(gè)主栽品種產(chǎn)量的實(shí)測(cè)值與模擬值的RMSE值均較??；t檢驗(yàn)表明兩者差異均不顯著；R2最小值為0.301，說明模擬與實(shí)測(cè)結(jié)果偏差較小，模擬效果較好；NRMSE在5.26%～10.01%區(qū)間，模擬結(jié)果與實(shí)測(cè)結(jié)果差異較小。

圖5 各品種產(chǎn)量模擬值與實(shí)測(cè)值的比較Fig. 5 Validation on the simulated and measured yield of the major varieties

表7 各品種產(chǎn)量模擬值與實(shí)測(cè)值的統(tǒng)計(jì)指標(biāo)(檢驗(yàn)數(shù)據(jù))Table 7 Statistical indicators of simulated and measured yield (validation data) of the major varieties

3 結(jié)論與討論

3.1 結(jié)論

（1）ORYZA2000模型可通過校準(zhǔn)作物參數(shù)，應(yīng)用于四川水稻生產(chǎn)，較準(zhǔn)確地模擬四川5個(gè)主栽單季稻品種的生長(zhǎng)。模型對(duì)5個(gè)主栽品種的生育期模擬效果較好，各品種開花期與成熟期的相對(duì)模擬誤差均在1～2d，NRMSE均小于1%；各品種產(chǎn)量的NRMSE在5.26%～10.01%，模擬效果較好。

（2）利用模型對(duì)5個(gè)不同品種發(fā)育速率的比較表明，合系39營(yíng)養(yǎng)生長(zhǎng)期發(fā)育速率最大，而生殖生長(zhǎng)期發(fā)育速率最小，Ⅱ優(yōu)838營(yíng)養(yǎng)生長(zhǎng)期發(fā)育速率最小，而D優(yōu)63和汕優(yōu)2生殖生長(zhǎng)期發(fā)育速率最大，這反映了四川5個(gè)不同品種水稻的生物學(xué)特性，是模型本地化的重要參數(shù)值。

（3）模型對(duì)葉面積指數(shù)及生物量的模擬結(jié)果表明，葉面積指數(shù)的NRMSE為10.37%～19.19%，地上部總生物量、莖生物量、綠葉生物量及穗生物量的NRMSE分別為13.17%～18.69%、14.31%～20.41%、18.95%～24.74%和20.85%～25.39%。由此可見，ORYZA2000模型具有較好的模擬精度，適應(yīng)能力較強(qiáng)，可以應(yīng)用于四川水稻生產(chǎn)。

3.2 討論

已有研究[3-8,10-11]大多利用試驗(yàn)數(shù)據(jù)分析ORYZA2000模型在當(dāng)?shù)氐倪m用性，未對(duì)當(dāng)?shù)囟嗄曛髟云贩N進(jìn)行模擬。比較而言，本研究利用四川近30a 共7個(gè)農(nóng)氣站的觀測(cè)資料模擬了稻區(qū)5個(gè)主栽品種的單季稻生長(zhǎng)過程，驗(yàn)證了ORYZA2000在四川稻區(qū)的適用性，為模型在當(dāng)?shù)氐倪M(jìn)一步推廣應(yīng)用提供了基礎(chǔ)，具有重要的理論意義。

模型在模擬過程中仍存在不足之處。首先，ORYZA2000模型的參數(shù)是根據(jù)國(guó)際水稻研究所在當(dāng)?shù)氐奶镩g試驗(yàn)結(jié)果所獲得[12]，應(yīng)用于其它地區(qū)時(shí)必須對(duì)部分參數(shù)進(jìn)行調(diào)整，需要調(diào)整的參數(shù)包括發(fā)育速率、比葉面積、同化物分配系數(shù)、莖轉(zhuǎn)移系數(shù)等[13]，一定程度上限制了模型的推廣。第二，在ORYZA2000水稻模型中，對(duì)葉面積指數(shù)的增長(zhǎng)和衰亡的模擬采用了比葉重法，其值由葉面積的大小和綠葉干物重來決定，是模擬作物生物量變化的敏感參數(shù)。由于比葉重法對(duì)葉片生長(zhǎng)和衰亡、環(huán)境要素及管理措施影響等機(jī)理的解釋還顯不足，因此，導(dǎo)致實(shí)測(cè)值與模擬值間還存在一定的誤差。第三，由于研究資料的局限性，本文在模擬土壤水分動(dòng)態(tài)平衡過程中大多采用了模型默認(rèn)參數(shù)值，僅根據(jù)土壤普查資料計(jì)算了部分參數(shù)，這也會(huì)對(duì)模擬結(jié)果造成一定誤差。

參考文獻(xiàn)References

[1]Jing Q,Bouman B A M,Hengsdijk H,et al.Exploring options to combine high yields with high nitrogen use efficiencies in irrigated rice in China[J].European Journal of Agronomy,2007, 26(2):166-177.

[2]秦鵬程,姚鳳梅,曹秀霞,等.利用作物模型研究氣候變化對(duì)農(nóng)業(yè)影響的發(fā)展過程[J].中國(guó)農(nóng)業(yè)氣象,2011,32(2): 240-245.

Qin P C,Yao F M,Cao X X,et al.Development process of modeling impacts of climate change on agricultural productivity based on crop models[J].Chinese Journal of Agrometeorology, 2011,32(2): 240-245.(in Chinese)

[3]薛昌穎,楊曉光,Bouman B A M,等.ORYZA2000模型模擬北京地區(qū)旱稻的適應(yīng)性初探[J].作物學(xué)報(bào),2005, 31(12): 1567-1571.

Xue C Y,Yang X G,Bouman B A M,et al.Preliminary approach on adaptability of ORYZA2000 model for aerobic rice in Beijing region[J].Acta Agronomica Sinica,2005,31(12):1567-1571.(in Chinese)

[4]薛昌穎,楊曉光,鄧偉,等.利用ORYZA2000模型分析北京地區(qū)旱稻產(chǎn)量潛力及需水特征[J].作物學(xué)報(bào),2007,33(4): 625-631.

Xue C Y,Yang X G,Deng W,et al.Yield potential and water requirement of aerobic rice in Beijing analyzed by ORYZA2000 model[J].Acta Agronomica Sinica,2007,33(4): 625-631.(in Chinese)

[5]Feng L P,Bouman B A M,Tuong T P.Exploring options to growrice using less water in northern China using a modelling approach[J]. Agricultural Water Management,2007, 88:1-13.

[6]帥細(xì)強(qiáng),王石立,馬玉平,等.基于ORYZA2000模型的湘贛雙季稻氣候生產(chǎn)潛力[J].中國(guó)農(nóng)業(yè)氣象,2009,30(4): 575-581.

Shuai X Q,Wang S L,Ma Y P,et al.Studies on potential climate productivity of double rice in Hunan and Jiangxi Provinces Based on ORYZA 2000 model[J].Chinese Journal of Agrometeorology,2009,30(4):575-581.(in Chinese)

[7]莫志鴻,馮利平,鄒海平,等.水稻模型ORYZA2000在湖南雙季稻區(qū)的驗(yàn)證與適應(yīng)性評(píng)價(jià)[J].生態(tài)學(xué)報(bào),2011,31(16): 4628-4637.

Mo Z H,Feng L P,Zou H P,et al.Validation and adaptability evaluation of rice growth model ORYZA2000 in double cropping rice area of Hunan Province[J].Acta Ecologica Sinica,2011,31(16):4628-4637.(in Chinese)

[8]浩宇,景元書,馬曉群,等.ORYZA2000模型模擬安徽地區(qū)不同播期水稻的適應(yīng)性分析[J].中國(guó)農(nóng)業(yè)氣象,2013, 34(4): 425-433.

Hao Y,Jing Y S,Ma X Q,et al.Analysis on the simulation adaptability of ORYZA2000 model for rice with different sowing-date in Anhui Province[J].Chinese Journal of Agrometeorology,2013,34(4):425-433.(in Chinese)

[9]Bouman B A M,Kropff M J,Tuong T P,et al.ORYZA2000: Modeling Lowland Rice[M].Los Baňos:International Rice Research Institute, and Wageningen:Wageningen University and Research Centre,2001．

[10]Li T,Angeles O,Radanielson A,et al.Drought stress impacts of climate change on rainfed rice in South Asia[J].Climatic Change,2015,133:709-720.

[11]Sumathi A,Mohandass S,Ramasamy S.Impact of climate change scenario on rice production in two planting methods:a simulation study[J].International Journal of Environmental Science and Technology,2015, (12):1539-1548.

[12]李亞龍,崔遠(yuǎn)來,李遠(yuǎn)華,等.基于ORYZA2000模型的旱稻生長(zhǎng)模擬及氮肥管理研究[J].農(nóng)業(yè)工程學(xué)報(bào),2005,21(12): 141-145.

Li Y L,Cui Y L,Li Y H,et al.Growth simulation of aerobic rice and its nitrogen management on the basis of ORYZA2000[J].Transactions of the CSAE,2005,21(12):141-145. (in Chinese)

[13]張俊,徐紹輝,劉建立,等.應(yīng)用ORYZA2000模型模擬水稻產(chǎn)量及吸氮量[J].土壤,2007,39(3):428-432．

Zhang J,Xu S H,Liu J l,et al.Simulation of yield and nitrogen uptake of rice using ORYZA 2000 model[J]. Soils,2007, 39(3):428-432.(in Chinese)

Growth Simulation of Major Rice Varieties in Single Cropping Rice Area of Sichuan Province

CHEN Chao1,2, PANG Yan-mei1, MO Zhi-hong3
(1.Institute of Plateau Meteorology, China Meteorological Administration, Chengdu/Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province, Chengdu 610072, China; 2.Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, Chengdu 610225; 3.Beijing Climate Center, Beijing 100089)

Abstract：To provide the reference for regional adaptation and application of ORYZA2000 in Sichuan province, the model was calibrated by the field data of five rice varieties at seven agrometeorological stations, and evaluated by the dataset from above stations with the five rice varieties. The daily meteorological data over the growing period of single cropping rice for the studied sites were used as driving variables in ORYZA2000 model. Management measures and soil data were used as the input of the model. By the comparison between measured and simulated values of development stages, leaf area index (LAI), biomass and yield, the simulation capacity and performance of ORYZA2000 model were evaluated in single cropping rice area. The results showed that nutrition stage growth rate of Hexi-39 was largest, but reproductive stage growth rate of Hexi-39 was smallest. The nutrition stage growth rate of Ⅱyou-838 was smallest, but reproductive stage growth rate of Dyou-63 and Xianyou-2 were largest. ORYZA2000 model could simulate the phenology of five rice varieties with 1-2 days’ difference for flowering and maturity stages. Furthermore, the normalized root mean square errors (NRMSE) of different development stages were less than 1%. While the NRMSE of other rice parameters were 5.26%-10.01% for yield, 10.37%-19.19% for leaf area index, 13.17%-18.69%for aboveground biomass, 14.31%-20.41% for stem biomass, 18.95%-24.74% for green leaves biomass, and 20.85%-25.39% for panicle biomass．These results showed that ORYZA2000 model could satisfactorily simulate the dynamical process of growth and yield of five major rice varieties. In general, we could conclude that ORYZA2000 model was adaptable and could be applied in scenarios analysis study in single cropping rice area of Sichuan province.

Key words:Crop model; ORYZA2000; Single cropping rice; Major rice varieties; Sichuan province

doi:10.3969/j.issn.1000-6362.2016.03.006

* 收稿日期：2015-09-06

基金項(xiàng)目：高原大氣與環(huán)境四川省重點(diǎn)實(shí)驗(yàn)室開放課題資助課題(PAEKL-2014-C5)；中國(guó)氣象局西南區(qū)域重大科研業(yè)務(wù)項(xiàng)目（2014-08）；中國(guó)氣象局氣候變化專項(xiàng)(CCSF201422)；四川省氣象局科學(xué)技術(shù)研究開發(fā)課題(2014-青年-08)

作者簡(jiǎn)介：陳超（1982-），博士，主要研究方向?yàn)闅夂蛸Y源與農(nóng)業(yè)減災(zāi)、生物氣候模型與信息系統(tǒng)研究。E-mail：chenchao16306@sina.com