作物模型在我國玉米生產(chǎn)中的應(yīng)用與研究

李翠云 朱俊科 賈鵬 李東升 范明洪 宋曉斐 畢愛君

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

作物生長模擬模型簡稱作物模型，主要通過綜合考慮作物本身的生理機(jī)制以及作物生長的影響因素(主要包括天氣、土壤、品種和管理措施等)，對作物生長發(fā)育、產(chǎn)量形成等以特定時間步長進(jìn)行動態(tài)模擬。并對環(huán)境及管理措施對作物生長發(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 玉米生長模擬模型

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

CERES-Maize模型是經(jīng)美國農(nóng)業(yè)部組織，由University of Florida、Georgia State University以及國際上的有關(guān)研究機(jī)構(gòu)等合作研發(fā)，屬于DSSAT模型其中的一個子模型。CERES-Maize模型主要功能是對玉米的生長發(fā)育、產(chǎn)量形成、土壤水分含量和氮素的動態(tài)變化作出動態(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)研究組所研究開發(fā)。模型主要對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)隊研發(fā)。模型主要對玉米在非限制或水分限制條件下的生長發(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)對研究區(qū)域的作物生產(chǎn)能力進(jìn)行評估，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、太陽輻射、平均風(fēng)速和平均相對濕度等氣象數(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)。模型主要對作物生長發(fā)育與產(chǎn)量的形成進(jìn)行模擬，對風(fēng)險、氣候變化影響進(jìn)行分析評估。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、溶質(zhì)運(yùn)移、熱量傳輸及作物生長過程等。模型可對農(nóng)田灌溉排水系統(tǒng)進(jìn)行管理與評價，并對相應(yīng)的水土環(huán)境進(jìn)行預(yù)測。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、日照時數(shù)、水汽壓、風(fēng)速等氣象數(shù)據(jù)，土壤類型、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)。模型主要對較小規(guī)模的土地生產(chǎn)力和適宜性進(jìn)行評價。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、日照時數(shù)、平均氣壓、相對濕度、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，是由美國新罕布什爾大學(xué)陸地海洋空間研究中心李長生教授等研發(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。該模型可對作物在不同灌溉和施肥的方法和制度下生長發(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。多用于評價管理措施對產(chǎn)量或環(huán)境風(fēng)險的影響。該模型所需參數(shù)主要包括溫度、降水量、太陽輻射、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)合國糧農(nóng)組織研發(fā)的水分驅(qū)動模型。模型主要對作物在水分脅迫、雨養(yǎng)、不同灌溉條件下的作物生產(chǎn)力進(jìn)行預(yù)測，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、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、開花、最大根長、作物衰老、成熟所需的時間、開花周期等作物生長發(fā)育數(shù)據(jù)。

2 玉米生長模型的應(yīng)用

作物模型因區(qū)域、品種等條件的不同對作物遺傳參數(shù)的模擬呈現(xiàn)出明顯的差異。對特定區(qū)域特定作物進(jìn)行模擬時，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，對模型進(jìn)行調(diào)參和驗證，得到適應(yīng)于該區(qū)域的模型參數(shù)，這一過程也稱為作物模型的“本地化”[1]。完成對模型的“本地化”后，才能進(jìn)一步進(jìn)行模型的應(yīng)用與研究?，F(xiàn)階段，我國作物模型在玉米上的研究與應(yīng)用主要集中在玉米生長發(fā)育及產(chǎn)量的模擬、外界條件對玉米生長發(fā)育的影響和指導(dǎo)優(yōu)化田間管理措施3個方面。

2.1 玉米生長發(fā)育及產(chǎn)量形成模擬

基于作物模型對特定區(qū)域玉米的生長發(fā)育過程進(jìn)行模擬與驗證，通過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，并通過同化LAI和ET遙感數(shù)據(jù)，完成對中國黑龍江省南部春玉米產(chǎn)量模擬。研究表明，模擬檢測精度較高，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)，研究分析出對玉米LAI模擬的最優(yōu)策略：在作物生長前中后期分別采用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、生物量累積過程以及產(chǎn)量，通過與實測值進(jìn)行對比分析表明各適用性指標(biāo)均在可信范圍內(nèi)。劉維等[6]利用實測土壤水分計算的體積含水量替換模型通過降水量計算的土壤體積含水量，帶入WOFOST模型運(yùn)算。模型對生育期、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 外界條件對玉米生長發(fā)育影響模擬

作物生長不僅由自身品種遺傳特性決定，生長環(huán)境也會對其產(chǎn)生很大的影響。很多研究者基于作物模型模擬評估玉米生長環(huán)境對其生長發(fā)育及產(chǎn)量形成的影響及作物對相應(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)方法對作物模型AquaCrop分別從多個降水產(chǎn)品中識別輸入的不確定性。該方法使用潛變量來糾正輸入數(shù)據(jù)的錯誤。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玉米田間和區(qū)域生長。同時使用多個產(chǎn)品的平均值進(jìn)行模型驅(qū)動的比較。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勢預(yù)測的不確定性。徐昆等[10]利用AquaCrop作物模型對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，建立了對應(yīng)的干旱脆弱性曲線。對中國區(qū)域性玉米干旱脆弱性及風(fēng)險進(jìn)行了研究與評估。Li等[11]提出了一個新的框架來量化玉米生產(chǎn)風(fēng)險，基于經(jīng)過良好校準(zhǔn)的CERES-Maize模型，通過各種低溫情景驅(qū)動運(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，并構(gòu)建復(fù)合冷害指數(shù)(CCI)和基于CCI的脆弱性曲線，由此計算出相應(yīng)的產(chǎn)量損失。結(jié)果表明，在量化產(chǎn)量損失時，復(fù)合指數(shù)保險優(yōu)于單一指數(shù)保險。王亞許等[12]利用BCC/RCG-WG天氣發(fā)生器隨機(jī)生成未來氣象數(shù)據(jù)，驅(qū)動APSIM作物模型模擬春玉米產(chǎn)量因旱損失，實時動態(tài)評估東北三省春玉米生育期內(nèi)旱災(zāi)動態(tài)風(fēng)險。結(jié)果表明，APSIM模型在東北三省模擬春玉米生長效果較好；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)動態(tài)風(fēng)險評估效果較好。

2.3 玉米生長模型指導(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)對玉米生長發(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；同時通過整合玉米灌漿時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，并表示可通過田間試驗與模型結(jié)合來確定最佳種植密度。趙引等[15]對改進(jìn)的AquaCrop模型進(jìn)行了率定與驗證，并模擬預(yù)測了在未來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模型模擬評估冬小麥-夏玉米不同種植制度對地下水的保護(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，利用DNDC模型對有機(jī)氮替代不同配比無機(jī)氮對玉米產(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)無機(jī)氮配施比例為3∶2時，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。對東北13個灌區(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 存在問題

作物模型在我國玉米生長模擬上已經(jīng)得到廣泛應(yīng)用，通過量化描述作物生育規(guī)律，對推動我國農(nóng)業(yè)生產(chǎn)綜合管理發(fā)揮著重要作用，但由于我國對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題。

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

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

作物生長過程是一個非常復(fù)雜的系統(tǒng)工程，目前各作物模型的結(jié)構(gòu)不同，對作物生長模擬的側(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、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

作物模型對解決玉米生產(chǎn)管理中的各種實際問題有很大作用。根據(jù)我國在作物模型應(yīng)用于模擬玉米生產(chǎn)技術(shù)研究的現(xiàn)狀，接下來可以從以下幾個方面進(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，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)害對玉米生長發(fā)育影響方面的動態(tài)模擬。

在玉米模型的基礎(chǔ)上，進(jìn)一步開發(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算機(jī)決策管理系統(tǒng)，實現(xiàn)田間觀測、判別分析、管理決策與實施的實時化、自動化、高效化與智能化。