DNDC模型在華北平原冬小麥區(qū)的率定和驗(yàn)證

喬帥帥，胡振華，魏 征，張寶忠

(1.山西農(nóng)業(yè)大學(xué)林學(xué)院，山西 晉中 030801；2.中國(guó)水利水電科學(xué)研究院 流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100038；3.國(guó)家節(jié)水灌溉北京工程技術(shù)研究中心，北京 100048)

目前國(guó)內(nèi)外學(xué)者研究和開(kāi)發(fā)了各種作物模型，如AquaCrop模型、DSSAT模型、DNDC模型等。這些模型被應(yīng)用在世界各地，與當(dāng)?shù)赝寥馈夂?、耕作方式等結(jié)合，逐漸實(shí)現(xiàn)本土化，也使模型本身得到豐富和更好地利用。通過(guò)對(duì)作物生長(zhǎng)的模擬，可以預(yù)測(cè)作物生長(zhǎng)、器官建成、產(chǎn)量及品質(zhì)形成，提供優(yōu)化動(dòng)態(tài)目標(biāo)，為實(shí)施調(diào)控與決策提供依據(jù)[1]。作物模型從系統(tǒng)角度描述作物及其環(huán)境之間的關(guān)系，具有系統(tǒng)性、機(jī)理性和效益性等優(yōu)點(diǎn)[2]。而在這些模型當(dāng)中，基于過(guò)程的生物地球化學(xué)模型—DNDC 模型具有模擬功能強(qiáng)大、輸入?yún)?shù)容易獲得、軟件界面友好等優(yōu)點(diǎn)，在世界范圍內(nèi)被廣泛應(yīng)用[3]。

DNDC模型[4-8](Denitrification-Decomposition model,脫氮-分解作用模型)是美國(guó)新罕布什爾大學(xué)陸地海洋空間研究中心李長(zhǎng)生教授等開(kāi)發(fā)研制并推廣起來(lái)的。DNDC模型通過(guò)模擬生態(tài)系統(tǒng)光合、呼吸、有機(jī)碳生產(chǎn)等，可以用來(lái)模擬預(yù)測(cè)作物生產(chǎn)過(guò)程、土壤水分狀況、土壤碳，氮的釋放與淋濕，也包括微量氣體的排放等。DNDC模型自1992年間問(wèn)世以來(lái)，已在世界許多地區(qū)得到驗(yàn)證并開(kāi)展了應(yīng)用研究[9,10]，在我國(guó)也有驗(yàn)證和相關(guān)方面的應(yīng)用研究[11-13]。近年來(lái)DNDC模型越來(lái)越多地被應(yīng)用于作物生長(zhǎng)過(guò)程中土壤水分、生物量和產(chǎn)量的模擬。陳海心[14]等，應(yīng)用DNDC模型模擬關(guān)中地區(qū)作物產(chǎn)量、模型預(yù)測(cè)精度較好，可用于對(duì)產(chǎn)量的模擬。劉寧[15]等利用DNDC模型模擬了溝壟覆膜種植對(duì)土壤水熱及冬小麥產(chǎn)量的影響。韓娟[16]利用DNDC模型模擬陜西省玉米產(chǎn)量及土壤水熱效應(yīng)，模擬精度較好。在華北平原區(qū)，不同灌溉制度下，冬小麥生長(zhǎng)期間的土壤水分、生物量和產(chǎn)量的結(jié)果差距較大，而DNDC模型在不同灌溉制度下的冬小麥土壤水分、生物量和產(chǎn)量的模擬與驗(yàn)證研究尚未見(jiàn)報(bào)道。

1 材料與方法

1.1 研究區(qū)概括

試驗(yàn)在中國(guó)水利水電科學(xué)研究院大興區(qū)國(guó)家節(jié)水灌溉中心完成(見(jiàn)圖1)。該試驗(yàn)基地地處北京南約30 km,北緯39°37.25′，東經(jīng)116°25.51′，屬于半干旱大陸性季風(fēng)氣候，冬季寒冷少雨，夏季炎熱多雨，多年平均降雨量540 mm,降雨多集中在6-9月。該區(qū)全年大于10 ℃的有效積溫為4 730 ℃，全年日照時(shí)數(shù)為2 600 h。易形成冬春干旱，夏季多雨，旱澇交替的氣候特點(diǎn)。該區(qū)土壤類(lèi)型以沙壤土為主。

圖1 大興試驗(yàn)站地理位置示意圖

1.2 數(shù)據(jù)獲取

1.2.1 管理數(shù)據(jù)

試驗(yàn)間供試小麥為中麥175, 2014-2015年冬小麥播種日期為2014年10月11日，收獲日期為2015年6月11日。 2015-2016年冬小麥播種日期為2015年10月18日，收獲日期為2016年6月11日。實(shí)驗(yàn)統(tǒng)一設(shè)計(jì)為3個(gè)水分處理，3個(gè)重復(fù)，共9個(gè)小區(qū)，每個(gè)小區(qū)約為30 m2。所有小區(qū)的施肥、耕作措施與當(dāng)?shù)剞r(nóng)民習(xí)慣一致。不同年間灌溉制度如表1所示。

表1 冬小麥灌溉制度 mm

1.2.2 氣象數(shù)據(jù)

在冬小麥種植期間，氣象數(shù)據(jù)通過(guò)實(shí)驗(yàn)站自動(dòng)氣象觀測(cè)站監(jiān)測(cè)，主要監(jiān)測(cè)內(nèi)容包括降雨、風(fēng)速、氣溫、地溫、空氣濕度和太陽(yáng)輻射等，每隔半小時(shí)自動(dòng)采集數(shù)據(jù)一次。

1.2.3 土壤水分?jǐn)?shù)據(jù)

土壤水分通過(guò)TRIME-DATA PILOT(德國(guó)IMKO公司)土壤水分測(cè)量系統(tǒng)進(jìn)行測(cè)定，小區(qū)設(shè)有兩根trime 管，每隔3 d測(cè)量一次土壤體積含水率(0～50 cm),降雨和灌水后需加測(cè)一次。

自覺(jué)接受黨委領(lǐng)導(dǎo)。各鎮(zhèn)（街道）人大自覺(jué)接受黨（工）委對(duì)“雙聯(lián)”工作的領(lǐng)導(dǎo)，定期向黨（工）委請(qǐng)示匯報(bào)“雙聯(lián)”工作。各鎮(zhèn)（街道）黨（工）委將“雙聯(lián)”工作列入重要議程，將人大工作納入黨委總體工作部署，在辦公場(chǎng)所、辦公設(shè)備、人員配備、活動(dòng)經(jīng)費(fèi)等方面給予全力支持。

1.2.4 地上部生物量和產(chǎn)量數(shù)據(jù)

首先測(cè)定每個(gè)小區(qū)寬度和小區(qū)冬小麥行數(shù)，在冬小麥返青后，以每隔10 d為間隔對(duì)冬小麥生物量進(jìn)行測(cè)定。每個(gè)小區(qū)隨機(jī)割取20 cm長(zhǎng)的冬小麥，從莖基部剪下，獲得完整冠部，統(tǒng)計(jì)20 cm株數(shù)，按小區(qū)編號(hào)，殺青(105 ℃)30 min，恒溫(75 ℃)24 h烘至恒重后稱(chēng)重。收割前在各小區(qū)取1 m2的典型樣本，計(jì)算每平方米株數(shù)及千粒重，在樣本中取30株，計(jì)算穗粒數(shù)，并計(jì)算樣本內(nèi)小麥產(chǎn)量。

1.3 DNDC模型率定及精度評(píng)價(jià)指標(biāo)

1.3.1 參數(shù)敏感性分析

利用獨(dú)立參數(shù)擾動(dòng)法，在冬小麥不同灌溉制度下，以生物量和產(chǎn)量為目標(biāo)對(duì)DNDC模型中的作物參數(shù)進(jìn)行敏感性分析，確定對(duì)生物量和產(chǎn)量敏感參數(shù)。假定各參數(shù)之間相互獨(dú)立，對(duì)各參數(shù)值進(jìn)行增加和減少10%，采用相對(duì)敏感度RS表示敏感性大小。

1.3.2 模型參數(shù)率定

對(duì)模型參數(shù)的敏感性進(jìn)行識(shí)別，進(jìn)而重點(diǎn)對(duì)模型的敏感參數(shù)進(jìn)行敏感性分析，是確定模型關(guān)鍵參數(shù)、控制模型效率非常有效的途徑[17]。應(yīng)用DNDC模型模擬任一點(diǎn)的生物地球化學(xué)過(guò)程時(shí)，只要根據(jù)當(dāng)?shù)胤N植耕作情況輸入氣象、土壤以及作物等數(shù)據(jù)便可進(jìn)行一年至多年的模擬[14]。選擇2014年10月—2015年6月冬小麥種植期間的觀測(cè)數(shù)據(jù)對(duì)DNDC模型進(jìn)行率定，最后以2015年10月—2016年6月冬小麥觀測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證，得到模擬大興區(qū)冬小麥生長(zhǎng)的DNDC模型參數(shù)。率定后作物參數(shù)如表2所示。

表2 模型中冬小麥作物參數(shù)

由DNDC模型模擬出來(lái)的生物量、產(chǎn)量和土壤水分與觀測(cè)值之間的擬合程度選用歸一化均方根誤差(NRMSE)和Willmott[18]的一致性指標(biāo)d。根據(jù)Gjettermanna[19]提出歸一化均方根誤差(NRMSE)小于25%表明模擬效果較好，25%～30%為可接受的范圍；d∈(-∞,1),d越接近于1，表明模型模擬結(jié)果越好。以上模型評(píng)價(jià)指標(biāo)具體計(jì)算公式為：

(1)

(2)

2 結(jié)果與分析

2.1 模型敏感性分析

在對(duì)DNDC模型中冬小麥作物參數(shù)進(jìn)行敏感性分析后，分析結(jié)果(表3)表明，不同作物參數(shù)之間對(duì)模型結(jié)果影響不盡相同。在各項(xiàng)參數(shù)值改變中，作物需水量的整體改變對(duì)產(chǎn)量和生物量的影響較大，敏感度在0.626以上。籽粒生物量C/N比和最適溫度的減少對(duì)地上部生物量的影響不大，而籽粒生物量C/N比和最適溫度的增加會(huì)對(duì)地上部生物量產(chǎn)生較大的變化，敏感度在0.771～1.354之間。生長(zhǎng)積溫整體改變對(duì)生物量結(jié)果影響較小，對(duì)產(chǎn)量結(jié)果影響較大，敏感度在0.789～2.406之間。在對(duì)模型進(jìn)行模擬過(guò)程中需保證參數(shù)輸入精確性。

表3 敏感性分析結(jié)果

2.2 模型驗(yàn)證

DNDC模型需要輸入的參數(shù)包括：氣候、土壤、農(nóng)作物和農(nóng)田管理等。本實(shí)驗(yàn)通過(guò)將模型原有參數(shù)與2015年冬小麥生育期實(shí)測(cè)數(shù)據(jù)結(jié)合，以生物量和產(chǎn)量為目標(biāo)對(duì)模型參數(shù)進(jìn)行敏感性分析，并進(jìn)行校正。由校正后的模型對(duì)2016年的冬小麥的土壤水分、地上部生物量和產(chǎn)量進(jìn)行模擬，并與實(shí)測(cè)結(jié)果進(jìn)行比較。最后通過(guò)模型評(píng)價(jià)指標(biāo)對(duì)模型精度進(jìn)行驗(yàn)證。

2.2.1 冬小麥土壤含水率模擬

對(duì)2016年不同灌溉制度下冬小麥土壤水分驗(yàn)證(圖2)可知，不同階段、灌水處理下下冬小麥土壤含水率變化差異較大，DNDC模型在冬小麥的返青期以后模擬效果較好，不同灌水處理下土壤含水率均在可接受的范圍內(nèi)，決定系數(shù)R2分別為0.691、0.596和0.677。歸一均方根誤差NRMSE分別為13.5%、14.2%和11.1%，均小于14.0%，處在模擬較好范圍內(nèi)。一致性指數(shù)d分別為0.810、0.960和0.738。這些評(píng)價(jià)指標(biāo)表明DNDC模型可以較好的模擬不同灌溉制度下冬小麥生育期的土壤水分變化。

2.2.2 冬小麥生物量模擬

在對(duì)2016冬小麥的生物量模擬過(guò)程中，由圖3可知，隨時(shí)間變化，模擬值與實(shí)測(cè)值一致性較好，在生物量積累過(guò)程中模擬值均大于實(shí)際生物量值，但都處于可接受的范圍內(nèi)。統(tǒng)計(jì)結(jié)果表明，不同水分處理下，模型模擬值與實(shí)測(cè)值的決定系數(shù)R2分別為0.980、0.978和0.923，均大于0.920。歸一均方根誤差NRMSE分別為21%、18%和18%，一致性指數(shù)d分別為0.76、0.80和0.96。這些指標(biāo)值較好，表明DNDC模型對(duì)于生物量的模擬效果比較理想。

圖2 2016年不同灌溉處理下土壤含水率模擬值與實(shí)測(cè)值比較

圖3 2016年不同灌溉處理下生物量模擬值與實(shí)測(cè)值比較

2.2.3 冬小麥產(chǎn)量結(jié)果模擬

由DNDC模型產(chǎn)量模擬值與實(shí)測(cè)值(表4)可知：隨著灌水量的增加，產(chǎn)量也在不斷增加。當(dāng)灌溉定額為220 mm時(shí)，截止到測(cè)產(chǎn)時(shí)產(chǎn)量結(jié)果差異不大，模擬結(jié)果與實(shí)測(cè)結(jié)果相吻合。模型模擬值與實(shí)測(cè)值相對(duì)誤差在18%以下，表明DNDC模型對(duì)于冬小麥產(chǎn)量模擬結(jié)果較好。

表4 DNDC模型產(chǎn)量模擬值與實(shí)測(cè)值

3 結(jié) 語(yǔ)

本文通過(guò)模型敏感性分析、模型的校正和驗(yàn)證試驗(yàn)構(gòu)建了華北地區(qū)冬小麥的DNDC模型數(shù)據(jù)庫(kù)。利用國(guó)家節(jié)水灌溉北京工程技術(shù)研究中心大興試驗(yàn)站2015年冬小麥生長(zhǎng)數(shù)據(jù)對(duì)DNDC模型參數(shù)進(jìn)行了率定，并應(yīng)用于2016年冬小麥，與實(shí)測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證，對(duì)模型精度進(jìn)行評(píng)價(jià)。具體結(jié)果如下：

(1)通過(guò)模型敏感性分析可知，作物參數(shù)中作物需水量對(duì)地上部生物量和產(chǎn)量結(jié)果影響較大。

(2)DNDC模型經(jīng)過(guò)驗(yàn)證后，可以較為準(zhǔn)確的模擬華北地區(qū)不同灌溉制度下冬小麥的土壤含水量、地上部生物量和產(chǎn)量的變化。

(3)對(duì)于產(chǎn)量的模擬,當(dāng)灌水量達(dá)到一定量時(shí)，DNDC模型模擬產(chǎn)量值差異變化不明顯，需要進(jìn)一步對(duì)DNDC模型進(jìn)行改進(jìn)。

□

參考文獻(xiàn)：

[1] 李三愛(ài), 居 輝, 池寶亮. 作物生產(chǎn)潛力研究進(jìn)展[J]. 中國(guó)農(nóng)業(yè)氣象, 2005,26(2):106-111.

[2] 楊 寧, 廖桂平. 作物生長(zhǎng)模擬研究進(jìn)展[J]. 作物研究, 2002,(5):255-257.

[3] 王立剛,邱建軍,馬永良,等.應(yīng)用DNDC 模型分析施肥與翻耕方式對(duì)土壤有機(jī)碳含量的長(zhǎng)期影響[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào), 2004, 9(6)：15-19.

[4] Pathak H, Li C,Wassmann R.Greenhouse gas emissions from Indian rice fields: calibration and upscaling using the DNDC model[J]. Biogeosciences, 2005,2(2):113-123.

[5] Tonitto C, David M B,Drinkwater L E, et al. Application of the DNDC model to tile-drained Illinois agroecosystems: model calibration, validation, and uncertainty analysis[J]. Nutrient Cycling in Agroecosystems, 2007,78(1):51-63.

[6] Smith W N, Desjardins R L,Grant B, et al. Testing the DNDC model using N2O emissions at two experimental sites in Canade[J]. Canadian Journal of Soil Science, 2002,82(3):365-374.

[7] Giltrap D, Saggar S, Li C, et al. Using the NZ-DNDC model to estimate agricultural N2O emissions in the Manawatu-Wanganui region[J]. Plant & Soil, 2008,309(1/2):191-209.

[8] Cai Z, Sawamoto T, Li C, et al. Field validation of the DNDC model for greenhouse gas emissions in East Asian cropping systems[J]. Global Biogeochemical Cycles, 2003,17(4):1-11.

[9] Smith P, Smith J U, Powlson D S, et al. A comparison of performance of nine soil organic matter models using datasets from seven long-term experiments[J]. Geoderma, 1997,81:153-225.

[10] Li C, Frolking S, Crocker G J. Simulating trends in soil organic carbon in long-term experiments using the DNDC model[J]. Geoderma, 1997,81:45-60.

[11] 李長(zhǎng)生.土壤碳儲(chǔ)量減少:中國(guó)農(nóng)業(yè)之隱患----中美農(nóng)業(yè)生態(tài)系統(tǒng)碳循環(huán)對(duì)比研究[J]. 第四紀(jì)研究, 2000,20(4):345-350.

[12] 邱建軍,唐華俊,陳慶沐,等.區(qū)域農(nóng)業(yè)生態(tài)系統(tǒng)碳氮平衡研究以國(guó)家尺度為例[M]. 北京:中國(guó)人口出版社,2002:298-316.

[13] 徐文彬, 洪業(yè)湯, 陳旭暉, 等.區(qū)域農(nóng)業(yè)土壤N2O釋放研究----以貴州省為例[J]. 中國(guó)科學(xué)(D 輯), 1999,29(5):450-456

[14] 陳海心, 孫本華, 馮 浩,等. 應(yīng)用DNDC模型模擬關(guān)中地區(qū)農(nóng)田長(zhǎng)期施肥條件下土壤碳含量及作物產(chǎn)量[J]. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào), 2014,33(9):1 782-1 790.

[15] 劉 寧,韓 娟,劉璐璐,等.應(yīng)用DNDC模型模擬溝壟集雨種植對(duì)陜西省玉米產(chǎn)量的影響[J]. 西北農(nóng)業(yè)學(xué)報(bào), 2016,25(5):691-701.

[16] 任小龍, 賈志寬, 陳小莉,等. 模擬降雨量下溝壟微型集雨種植玉米的水溫效應(yīng)[J]. 中國(guó)農(nóng)業(yè)科學(xué), 2008,41(1):70-77.

[17] 席 慶,李兆富,羅 川.基于擾動(dòng)分析方法的AnnAGNPS模型水文水質(zhì)參數(shù)敏感性分析[J].環(huán)境科學(xué), 2014,35(5):1 773-1 780.

[18] Willmott C J, Ackleson S G, Davis R E, et al. Statistics for the evaluation and comparison of models[J]. Journal of Geophysical Research, 1985,90(C5):8 995-9 005.

[19] Gjettermann B, Styczen M, Hansen H C B. Challenges in modeling dissolved organic matter dynamics in agricultural soil using DAISY[J]. Soil Biology & Biochemistry, 2008,(40):1 506-1 518.