WOFOST模型对内蒙古河套灌区食用向日葵的适用性评价

doi:10.11755/j.issn.1006-7639-2025-03-0479

WOFOST模型对内蒙古河套灌区食用向日葵的适用性评价

孙琳丽^,¹, 云文丽², 王海梅^,³, 萨日娜¹, 高亚敏¹, 王彦平⁴

1.内蒙古通辽市气象局，内蒙古通辽 028000

2.内蒙古自治区气象干部培训学院，内蒙古呼和浩特 010051

3.内蒙古自治区生态与农业气象中心，内蒙古呼和浩特 010051

4.内蒙古呼伦贝尔市气象局，内蒙古海拉尔 021008

Applicability evaluation of edible sunflower in Hetao Irrigation Region of Inner Mongolia based on WOFOST model

SUN Linli^,¹, YUN Wenli², WANG Haimei^,³, SA Rina¹, GAO Yamin¹, WANG Yanping⁴

1. Tongliao Meteorological Bureau， Tongliao 028000， Inner Mongolia， China

2. Inner Mongolia Meteorological Training Center， Hohhot 010051， China

3. Inner Mongolia Ecological and Agricultural Meteorological Center， Hohhot 010051， China

4. Hulun Buir Meteorological Bureau， Hailar 021008， Inner Mongolia， China

通讯作者: 王海梅（1976—），女，内蒙古赤峰人，博士，正高级工程师，主要从事生态气象研究。E-mail：wanghmhuhe@126.com。

责任编辑: 王涓力；校对：黄小燕

收稿日期: 2024-06-18 修回日期: 2024-09-6

基金资助:

内蒙古自治区自然科学基金项目(2021MS03105)
内蒙古自治区自然科学基金联合基金项目(2024LHMS04020)
内蒙古自治区气象局科技创新项目(nmqxkjcx202308)

Received: 2024-06-18 Revised: 2024-09-6

作者简介 About authors

孙琳丽（1983—），女，河北徐水人，硕士，高级工程师，主要从事应用气象研究。E-mail：sunlinli198362@163.com。

摘要

为评价世界粮食研究（World Food Studies，WOFOST）模型对河套灌区食用向日葵的适用性，实现当地向日葵生长过程的动态模拟，使用初始变量扰动法对WOFOST模型参数进行敏感性分析，结合河套灌区巴彦淖尔农业气象试验站2012年向日葵分期播种试验观测资料对WOFOST模型进行参数校准，并进一步结合同年向日葵水分控制试验观测资料、2005—2009年向日葵品比试验数据和2005—2023年向日葵农业气象观测资料对模型的模拟效果进行验证，获得向日葵模型参数，包括各发育阶段比叶面积、最大CO₂同化率、单叶光能利用率及有效积温等。结果表明，模拟的出苗—开花期天数、开花—成熟期天数绝对偏差平均值（Average Absolute Deviation，AD）小于3 d，归一化均方根误差（Normalized Root Mean Squared Error，NRMSE）小于8.00%；叶面积指数（Leaf Area Index，LAI）的AD为0.31 m²·m^-2，NRMSE为27.96%；模拟叶重（Dry Weight of Living Leaves，WLV）、茎重（Dry Weight of Living Stems，WST）、贮存器官生物量（Dry Weight of Living Storage Organs，WSO）、地上生物量（Total above Ground Production，TAGP）及产量的AD为254.04~682.97 kg·hm^-2，NRMSE为9.16%~26.37%。参数校准后的模型能够反映河套灌区向日葵的发育进程变化、叶面积扩展及生物量累积过程，模拟精度较高，具有良好的应用前景。

关键词： WOFOST模型; 河套灌区; 向日葵; 适用性评价

Abstract

In order to evaluate the applicability of the World Food Studies (WOFOST) model for edible sunflower in the Hetao Irrigation Region and realize the dynamic simulation of local sunflower growth process, the initial variable perturbation method was used to conduct a sensitivity analysis on crop parameters of the WOFOST model, and the sunflower crop parameters in the WOFOST model were calibrated based on the observed data of the experiment of sunflower sowing by stages in 2012 at Bayannur Agrometeorological Experiment Station. Furthermore, the simulation effect of the model was verified by combining the observational data from the sunflower water control experiment in the same year, the sunflower variety comparison experiment data from 2005 to 2009, and the sunflower agricultural meteorological observation data from 2005 to 2023. The model parameters for sunflower were obtained, including the specific leaf area at each growth stage, the maximum CO₂ assimilation rate, the single-leaf photosynthetic efficiency, and the effective accumulated temperature and so on. The results show that the average absolute deviation (AD) of the numbers of days from emergence to flowering and flowering to maturity was less than 3 days, and the normalized root mean square error (NRMSE) was less than 8.00%. The AD of leaf area index (LAI) was 0.31 m²·m^-2, and the NRMSE was 27.96%. The ranges of AD of dry weight of living leaves (WLV), stems (WST), storage organs (WSO), total above ground production (TAGP) and yield were 254.04-682.97 kg·hm^-2, and the NRMSE were 9.16%-26.37%. The localized WOFOST model can reflect the development process changes of sunflowers, the expansion of leaf area and the accumulation process of biomass in the Hetao Irrigation Region, which has high simulation accuracy and a promising application prospect.

Keywords： the WOFOST model; the Hetao Irrigation Region; sunflower; applicability assessment

PDF (2764KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

孙琳丽, 云文丽, 王海梅, 萨日娜, 高亚敏, 王彦平. WOFOST模型对内蒙古河套灌区食用向日葵的适用性评价[J]. 干旱气象, 2025, 43(3): 479-487 DOI:10.11755/j.issn.1006-7639-2025-03-0479

SUN Linli, YUN Wenli, WANG Haimei, SA Rina, GAO Yamin, WANG Yanping. Applicability evaluation of edible sunflower in Hetao Irrigation Region of Inner Mongolia based on WOFOST model[J]. Arid Meteorology, 2025, 43(3): 479-487 DOI:10.11755/j.issn.1006-7639-2025-03-0479

0 引言

作物生长模型能够定量描述气象、土壤、作物遗传特性、田间管理等因素对作物生长发育和产量的影响，其机理性和动态性均较强，现已成为农业生产研究的重要手段（马玉平和王石立，2004；熊伟，2004；高亮之，2005；韩湘云等，2013；Yin et al.，2024）。世界粮食研究（World Food Studies，WOFOST）模型是从瓦赫宁根系列模型SUCROS（Simple and Universal Crop growth Simulation）（Hoof et al.，2011）中导出的最早面向应用的模型之一，通过改变模型参数，可模拟多种一年生作物的生长发育过程，适用于不同地区的不同作物和品种（马玉平等，2005a；董智强等，2019；Kulig et al.，2020；Belozerova，2024）。在我国，以往相关研究对作物模型本地化和应用做了一定的探索。例如，马玉平等（2005b）针对华北气候特点和冬小麦品种类型，利用冬小麦越冬期数据，对WOFOST模型参数进行了调整，较好地模拟了华北冬小麦主要发育期和产量；刘维等（2017）采用东北春玉米田间观测数据，通过优化算法对WOFOST模型参数进行校正与优化，模拟的生育期、叶面积指数和生物量值与实测值吻合较好，能够反映东北地区春玉米生产情况；高永刚等（2006）利用WOFOST模型和气候变化趋势的数学分析方法，分析了黑龙江省各地大豆1961—2003年产量的时空变化趋势，探讨了气候变化对黑龙江北部和南部区域大豆模拟产量变化的影响。

食用向日葵是内蒙古河套灌区的主要经济作物之一，是农民增加经济收入与农业经济持续发展的重要手段和因素。随着栽培技术和农田管理水平的提高，其产量也在逐年提高（云文丽等，2015）。近几年，内蒙古河套灌区向日葵种植面积已占总播种面积的1/4以上，其总产量达内蒙古自治区的60%，已经成为当地农业的支柱产业（张玲玲等，2015；武荣盛等，2021；云文丽和贾成朕，2021）。及时、准确、动态、定量地掌握向日葵生长情况，进行科学的田间管理是保障农牧民收入和粮食安全的重要举措。目前，国内基于WOFOST模型对玉米、小麦、水稻等多种作物的适用性进行了验证（邬定荣等，2003；谢文霞等，2006；孙琳丽，2018；朱波等，2020），但针对向日葵的相关研究较少。鉴于此，本文以河套灌区向日葵为研究对象，利用巴彦淖尔农业气象试验站2012年向日葵分期播种试验数据、土壤水分控制试验数据及2005—2009年向日葵品比试验数据、近19 a农业气象观测数据，结合对应年份的气象、土壤资料对WOFOST模型开展本地化研究，获得适用于当地的向日葵模型应用参数，并对WOFOST的模拟能力与适应性进行了整体评价，实现了河套灌区向日葵生长过程的逐日动态模拟，为进一步利用模型进行向日葵生产力评估和预测奠定基础，为保证国家粮食安全提供技术支持。

1 资料与方法

1.1 研究区概况

河套灌区（40.32°N—41.30°N，106.33°E—109.32°E）位于内蒙古自治区西部，是黄河上游地区的特大型灌区，主要分布在巴彦淖尔市内，海拔为990~1 060 m，引黄河水灌溉是该地农业生产的必要条件（高永道等，2021；赵巴音那木拉等，2023）。气候属于温带大陆性季风气候，年均气温为6.3~7.7 ℃，年降水量为139~222 mm，年蒸发量为2 200~2 400 mm，无霜期为135~150 d。该地区主要土壤类型有盐化灌淤土、盐土和潮灌淤土等，土壤质地以壤土、砂壤土、粉质黏土和少量细粉砂土为主（王志超等，2017；陶健宇等，2020），土层深厚，为湖相沉积平原。

1.2 数据来源

1.2.1 作物数据

作物数据包括向日葵常规农业气象观测数据和大田试验数据。常规农业气象观测数据为2005—2023年向日葵（中熟品种）发育期、产量和田间管理数据（植株密度、施肥和灌溉等农事活动的日期和数量），来源于巴彦淖尔市农业气象试验站，其中发育期用于积温参数的计算，产量数据用于检验模型模拟精度。

大田试验数据主要来源于2012年巴彦淖尔市农业气象试验站分期播种试验和土壤水分控制试验，两组试验供试品种均为当地代表性食用向日葵品种LD5009，属中熟品种，试验田土壤类型为壤土，0~1 m耕作层平均土壤容重1.4 g·cm^-3，田间持水量26.1%，凋萎湿度6.2%。其中分期播种试验包括7个播期，每个播期3个重复，小区面积36 m²，种植密度为3.4 株·cm^-2，1~4期每期间隔15 d播种，5~7期每期间隔10 d播种（4月5、20日，5月5、20日，6月4、14、24日），灌溉量以当地大田管理为准。土壤水分控制试验采用大型活动遮雨棚对向日葵进行全程水分控制，小区面积24 m²，四周有防渗漏设施，深度2 m。分别在二叶—花序形成期、花序形成—开花期和开花—成熟期3个关键发育期设置严重缺水、缺水、水分适宜和偏湿4个等级控水指标（土壤水分下限值分别为田间持水量的0~40%、>40%~55%、>55%~70%、>70%~100%），非控水时段水分充分供给，每个处理设置2个重复。两组试验中耕、锄草、施肥、病虫害防治等均与当地大田管理水平一致。观测数据主要包括发育期、叶面积指数（Leaf Area Index，LAI）、叶重（Dry Weight of Living Leaves，WLV）、茎重（Dry Weight of Living Stems，WST）、贮存器官生物量（Dry Weight of Living Storage Organs，WSO）、地上生物量（Total above Ground Production，TAGP）及产量，主要用于调整模型生长参数和检验模拟精度。其中，叶面积采用叶面积系数法测定，各分器官生物量按茎、叶等分器官烘干称重测定，上述观测方法严格按照《农业气象观测规范：上卷》（国家气象局，1993）执行。

另外，2005—2009年向日葵品比试验中熟组的发育期观测数据来源于当地种子站和农牧业科学研究所，用于检验生育期的模拟精度。

1.2.2 气象数据

气象数据为作物数据对应年份及站点的逐日最高气温、最低气温、日照时数、水汽压、风速、降水量等要素数据，主要用于调整模型参数和检验模拟精度，来源于内蒙古自治区气象局。

1.2.3 土壤数据

土壤数据为该站田间持水量、凋萎湿度、土壤容重、地下水位深度以及试验测定的0~100 cm每隔10 cm的各层土壤水分，用于确定土壤参数初值，来源于巴彦淖尔市农业气象试验站。

1.3 研究方法

1.3.1 作物模型敏感参数确定方法

为了有效地校准作物模型，首先需要对模型众多参数进行敏感性分析，筛选出对作物生长发育与产量形成敏感性较高的参数。本研究采用初始变量扰动法，以相对敏感度为检验标准，即在其他参数值不变的情况下，测试参数值增加和减少10%后，模型模拟结果[总叶重（Total Dry Weight of Leaves，TWLV）、总茎重（Total Dry Weight of Stems，TWST）、总贮存器官生物量（Total Dry Weight of Storage Organs，TWSO）、TAGP、最大叶面积指数（Maximum Leaf Area Index，LAIM）]的变化百分率，计算公式（Morris，1991；马玉平，2004）如下：

（1）

S_{r} = \frac{S}{Δ q / q} \times 100 %

（2）

S = |Y (q + Δ q) - Y (q)| \times 100 % / Y (q)

式中：S和S_r为状态变量对不同参数的敏感度和相对敏感度，单位%；Y为模拟的状态变量，q为不同参数的初始值，Δq为各输入参数的变化量。

以巴彦淖尔市农业气象试验站2012年向日葵生长发育为例进行模型参数的敏感性分析。从敏感性分析结果（表1）可以看出，多数参数减少10%比增加10%的相对敏感度高，但各状态变量排名靠前的敏感参数大部分相同，将相对敏感度大于0.8%的参数界定为敏感参数，同时考虑各参数的生物学意义判断，TWLV、TWST、TWSO、TAGP和LAIM的敏感参数主要有SLA₁、SLA₂、AMAX_1、AMAX₂、SPAN、EFF₂、TMNF、CVR、CVS、CVL、CVO，各参数具体物理意义见表1。相对敏感度高低可作为是否对该参数进行调整的重要参考指标之一。

表1 WOFOST模型向日葵敏感参数的相对敏感度

Tab.1 The relative sensitivity of sensitive parameters of sunflower in the WOFOST model 单位：%

参数	物理意义	TWLV		TWST		TWSO		TAGP		LAIM
参数	物理意义	-10	+10	-10	+10	-10	+10	-10	+10	-10	+10
SLA₁（DVS=0）	比叶面积/（hm²·kg^-1）	2.14	2.09	1.61	1.34	0.97	0.53	1.36	1.03	2.47	2.32
SLA₂（DVS=1.0）	比叶面积/（hm²·kg^-1）	0.82	0.77	0.75	0.65	0.84	0.67	0.81	0.38	1.62	1.51
SPAN	叶龄/d	0.01	0.00	0.02	0.01	0.97	0.66	0.52	0.35	0.07	0.07
EFF₂（T=40 ℃）	单叶光能利用效率/（kg·hm^-2·h^-1·J^-1·m²·s）	0.91	0.87	0.82	0.77	0.67	0.61	0.76	0.70	0.92	0.89
AMAX₁（DVS=0）	叶片最大CO₂同化速率/（kg·hm^-2·h^-1）	1.32	1.25	0.95	0.83	0.48	0.32	0.76	0.62	1.33	1.33
AMAX₂（DVS=1.2）	叶片最大CO₂同化速率/（kg·hm^-2·h^-1）	0.87	0.82	0.83	0.76	0.83	0.74	0.84	0.76	0.85	0.85
TMNF（T_min=3.0 ℃）	总同化速率的订正系数	3.59	3.26	2.91	2.78	2.61	2.07	2.80	2.53	3.69	3.28
CVL	叶片转化率/（kg·kg^-1）	0.88	0.77	0.66	0.56	0.33	0.23	0.52	0.42	0.89	0.81
CVO	贮存器官转化率/（kg·kg^-1）	0.05	0.04	0.19	0.17	0.85	0.83	0.52	0.50	0.04	0.07
CVR	根部转化率/（kg·kg^-1）	1.35	0.65	0.98	0.60	1.03	0.51	0.83	0.78	1.37	1.29
CVS	茎转化率/（kg·kg^-1）	1.08	0.96	0.98	0.86	0.48	0.35	0.73	0.60	1.07	1.00

注：DVS为发育进程（Development Stage of Crop），等于某阶段实际累积的有效温度与该阶段所需积温之比与光周期影响因子的乘积，DVS=0时为出苗期、DVS=1时为开花期、DVS=2时为成熟期，下同。

新窗口打开| 下载CSV

1.3.2 作物模型参数校准方法

作物参数分为发育参数和生长参数，发育参数主要为向日葵出苗—开花期、开花—成熟期所需的有效积温和光周期影响因子，有效积温通过2005—2023年向日葵农业气象观测发育期数据及对应的气温资料确定，光周期影响因子采用模型默认值；生长参数包括描述干物质形成、同化物分配、叶面积增长及衰老等过程的参数。根据前人的研究结果和经验（张黎，2005；孙琳丽等，2016），对于上述不敏感参数或敏感性较高但取值范围较小的参数，可以通过查阅文献获取或取WOFOST模型默认值；对于敏感性较高且取值范围较大或与品种有关的参数，先根据田间试验资料计算或查阅文献获得参数可能的取值范围，再通过“试错法”做适当调整。文中采用2012年向日葵土壤水分控制试验观测数据调整生长参数，表2为模型主要作物参数校准值。

表2 WOFOST模型向日葵主要参数调整值

Tab.2 The adjustment values of the main parameters for sunflower in the WOFOST model

参数	物理意义	缺省值	调整值	参数范围
TSUM₁	出苗至开花有效积温/（℃·d）	1 050	1 116.5	150~1050
TSUM₂	开花至成熟有效积温/（℃·d）	1 000	895.6	600~1550
SLA₁（DVS=0）	比叶面积/（hm²·kg^-1）	0.003 5	0.003 3	0.000 7~0.004 2
SLA₂（DVS=1）	比叶面积/（hm²·kg^-1）	0.002 5	0.003 0	0.000 7~0.004 2
SPAN	叶片衰老系数/d	30	35	17~50
AMAX₁（DVS=0）	叶片最大CO₂同化速率/（kg·hm^-2·h^-1）	36	40	25~75
AMAX₂（DVS=1.25）	叶片最大CO₂同化速率/（kg·hm^-2·h^-1）	36	45	25~75
EFF₂（T=40 ℃）	单叶光能利用效率/（kg·hm^-2·h^-1·J^-1·m²·s）	0.4	0.45	0.35~0.50

新窗口打开| 下载CSV

土壤参数主要描述土壤物理性质、渗透特性等，与土壤质地和结构有关，具有一定的地域差异，本文对部分土壤参数进行了调整，其中，凋萎湿度（Soil Moisture Content at Wilting Point，SMW）、田间持水量（Soil Moisture Content at Field Capacity，SMFC）、初始土壤有效水分（Initial Amount of Available Water in Total Rootable Zone，WAV）、初始根深处的初始水分含量（Maximum Initial Soil Moisture Content of the Initial Rooting Depth，SMLIM）使用实测值，其余参数如根区最大下渗速率（Maximum Percolation Rate Root Zone，SOPE）、饱和导水率（Hydraulic Conductivity of Saturated Soil，K0）等取模型默认值。

1.3.3 模型适用性验证方法

模型适用性评价包括两部分。首先通过散点图直观比较模拟值与实测值的吻合程度和一致性，对模型模拟性能进行总体定性评价；然后选择国际上通用的评价指标决定系数（R²）、绝对偏差平均值（Average Absolute Deviation，AD）、均方根误差（Root Mean Squared Error，RMSE）、归一化均方根误差（Normalized Root Mean Squared Error，NRMSE）等进一步对发育期、LAI、WSO、TAGP及产量的模拟精度进行评价。R²反映了实测值与模拟值的一致性，越接近1表示模拟效果越好。AD、RMSE和NRMSE反映了模拟值与实测值的误差情况，值越小表示模拟效果越好，其中，NRMSE≤10%为极高精度；10%<NRMSE≤20%为高精度；20%<NRMSE≤30%为中等精度；NRMSE>30%为低精度（张素青等，2014；胡雪琼等，2015）。AD、RMSE、NRMSE的计算公式（陈怀亮等，2016）如下：

（3）

A D = \frac{1}{n} \sum_{i = 1}^{n} |Y_{i} - X_{i}|

（4）

R M S E = \sqrt{\frac{\sum_{i = 1}^{n} {(Y_{i} - X_{i})}^{2}}{n}}

（5）

N R M S E = \frac{R M S E}{\bar{X}} \times 100 %

式中：n为样本数，Y_i、X_i分别为模拟值与实测值， $\bar{X}$ 为全部样本实测数据平均值。

2 结果与分析

基于表2的模型参数调整值，以实际出苗期作为模拟的初始日期，对应代表站点的逐日气象数据为驱动变量，对WOFOST模型的向日葵发育进程、叶面积扩展、生物量累积和产量模拟精度进行检验。

2.1 发育期检验

开花期和成熟期是向日葵生长发育的关键节点，出苗—开花期和开花—成熟期的天数是评价WOFOST模型模拟发育进程是否合理的重要指标。利用2005—2009年巴彦淖尔市向日葵品比试验中熟组发育期观测数据进行独立样本检验。

从向日葵出苗—开花期天数和开花—成熟期天数的实测值与模拟值比较（图1、表3）来看，开花—成熟期天数模拟误差稍大于出苗—开花期，两个阶段发育天数实测值与模拟值的R²在0.38以上，且均通过α=0.01的显著性检验，具有较好的相关性，AD小于3 d，RMSE小于4 d，NRMSE在8%以内。表明WOFOST模型能较准确地模拟向日葵开花期和成熟期。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 向日葵出苗—开花期天数（a）和开花—成熟期天数（b）的实测值与模拟值对比

Fig.1 Comparison between the simulated and observed days of the emergence to flowering （a） and the flowering to maturity （b） of sunflower

表3 WOFOST模型模拟向日葵出苗—开花期天数、开花—成熟期天数误差

Tab.3 Simulation errors of the WOFOST model for days of the emergence to flowering and the flowering to maturity of sunflower

状态变量	样本数/个	R²	AD/d	RMSE/d	NRMSE/%
出苗期—开花期天数	68	0.58	2.53	3.11	5.86
开花期—成熟期天数	68	0.39	2.98	3.56	7.69

新窗口打开| 下载CSV

2.2 LAI和生物量模拟检验

利用2012年向日葵分期播种试验观测数据及2005—2023年农业气象观测单产数据对WLV、WST、LAI、WSO、TAGP及产量进行独立样本检验。其中产量模拟值为WSO模拟值与转换系数的乘积。转换系数利用试验数据通过实测WSO和实测产量的比值确定，文中取0.58。

模型参数校准后，模拟的LAI动态变化呈抛物线型，与实测值吻合较好。以第1、2播期为例[图2（a）、（b）]，LAI最大时模拟值稍高，但总体变化趋势与实测值基本一致。从7个播期整体散点图[图2（c）]和误差（表4）分析来看，LAI模拟值与实测值的相关性高，R²达到0.90，AD为0.31 m²·m^-2，NRMSE小于30%，误差在模型允许误差范围内。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 向日葵第1（a）、第2（b）播期及7个播期整体（c）LAI实测值与模拟值对比

Fig.2 Comparison between the simulated and observed values of LAI during the first （a）， the second （b） seedtimes and the whole seven seedtimes （c） of sunflower

模拟的向日葵各器官生物量显示，模拟值与实测值均呈现良好的一致性。同样以第1、2播期为例（图3），各器官生物量模拟值随日序呈不同程度的递增趋势，与实测变化趋势相符，模拟值与实测值较接近。7个播期（图4）各器官生物量模拟值的R²为0.90~0.98，拟合度较高；AD为373.18~682.97 kg·hm^-2，RMSE为542.76~1 095.46 kg·hm^-2，NRMSE为18.55%~26.37%，均小于30%（表4）。产量是作物生长发育状态的最终表现，其模拟结果是对模型参数校准是否合理的综合反映，近19 a产量模拟结果（表4）显示，产量模拟的R²为0.61，AD和RMSE均在305 kg·hm^-2以内，NRMSE小于10%。从模型整体模拟效果来看，各状态变量的模拟值和实测值吻合较好，尤其是WSO和产量的模拟精度最高，NRMSE小于20%，说明校准后的模型总体模拟效果良好，能够较好地反映叶面积扩展和生物量累积过程。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 向日葵第1（a）、第2（b）播期WLV、WST、WSO 和TAGP的实测值与模拟值对比

Fig.3 Comparison between the simulated and observed values of WLV， WST， WSO and TAGP of sunflower during the first （a） and the second （b） seedtimes of sunflower

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 向日葵7个播期整体WLV（a）、WST（b）、WSO（c）和TAGP（d）的实测值与模拟值对比

Fig.4 Comparisons between the simulated and observed values of WLV（a）， WST（b）， WSO（c） and TAGP（d） during the whole seven seedtimes of sunflower

表4 WOFOST模型模拟向日葵LAI、WLV 、WST、WSO、TAGP和产量误差

Tab.4 Simulation errors of the WOFOST model for LAI， WLV， WST， WSO， TAGP and yield of sunflower

状态变量	样本数/个	R²	AD	RMSE	NRMSE/%
LAI/（m²·m^-2）	35	0.90	0.31	0.44	27.96
WLV/（kg·hm^-2）	35	0.90	473.05	631.16	26.37
WST/（kg·hm^-2）	35	0.97	368.18	586.42	24.16
WSO/（kg·hm^-2）	21	0.96	373.18	542.76	18.55
TAGP/（kg·hm^-2）	35	0.97	682.97	1 095.46	23.88
产量Y/（kg·hm^-2）	19	0.61	254.04	304.10	9.16

新窗口打开| 下载CSV

3 讨论与结论

3.1 讨论

WOFOST模型描述作物生长发育过程的参数较多，研究多采用敏感性分析方法在众多参数中筛选敏感参数，以此作为是否对该参数进行调整的重要依据。本研究采用初始变量扰动法分析WOFOST模型参数的敏感性，已有相关研究（蔡福等，2019；江晓东等，2020）利用同样的方法将测试参数增加或减少10%后计算敏感度或相对敏感度判断参数的敏感性，但增加或减少10%两种计算结果哪种更有指导价值，未见相关比较。本文通过比较两种计算方法，并结合参数的生物学意义，确定模型的敏感参数，同时通过比较发现，两种方法筛选出的敏感参数虽有一定差异，但排名靠前的敏感参数大部分相同；多数参数减少10%比增加10%的相对敏感度高，结合各参数的生物学意义判断，测试参数减少10%筛选的敏感参数对模型参数校准更有指导价值。例如，SLA₂与作物叶片的发育密切相关，其数值的大小反映了叶片截获光的能力，对作物光合速率具有指示作用，该参数增加10%和减少10%对TAGP的相对敏感度分别为0.38%和0.81%，可见后者对模型筛选敏感参数更有参考意义，可判断该参数为模型的敏感参数，这与刘维等（2017）利用EFAST方法分析WOFOST玉米模型的敏感性结果一致。

作物模型可以较好地解释气象、土壤等环境因素与生产管理措施对作物发育进程及产量的影响，具有较强的机理性（浩宇，2017；孙扬越和申双和，2019）。WOFOST模型作为一种广泛应用于农业领域的通用作物生长模型，目前，相关研究已对玉米、小麦、水稻等多种作物的适用性进行了验证（邬定荣等，2003；谢文霞等，2006；孙琳丽，2018；朱波等，2020），获得了比较理想的评价结果，并逐步应用到了作物生产实践中，但对向日葵的相关研究依然较少。本文收集多种观测数据对河套灌区向日葵的WOFOST模型参数进行校准，校准后的模型能够较好地反映研究区向日葵主要发育进程的变化、叶面积扩展和生物量累积过程。但由于农业系统的复杂性，作物模型建立过程中对系统进行了一些简化，尚难以完全反映其所有内在过程与外界环境的关系，模拟结果与实测结果仍存在一定偏差。研究模拟值为水分胁迫生长条件下的输出结果，模拟过程中考虑了养分供应等处于最佳条件，而实际上极端气候事件、气候变化、病虫害、耕作措施等对作物生长起着重要作用（孙琳丽等，2016；董智强等，2019），这些因素均会导致模拟结果与实际生产间的偏差；同时，试验数据的质量和数量，模型参数校准方法等也可能是影响模型模拟精度的重要原因。例如，受条件所限，本研究试验观测时间间隔较长，仅对关键发育期进行观测，观测项目有限，对模型参数的校准存在局限性，这也在一定程度上影响了模型的模拟精度。在今后的作物模型研究中，将考虑试验数据的精细化、多元化以及作物生长环境设定的科学性、极端天气的影响等因素对模型模拟精度的影响，这也是今后研究的一个重点方向。

3.2 结论

本研究基于河套灌区巴彦淖尔市向日葵品比试验数据、农业气象试验站试验数据、多年农业气象观测数据，对应年份的气象、土壤资料对WOFOST模型参数进行敏感性分析，在此基础上对参数进行校准，并利用独立的观测资料对生育期、叶面积指数、各器官生物量、产量进行模拟验证与适应性评价，得到如下具体结论。

1）基于初始变量扰动法对WOFOST模型参数的敏感性进行分析，确定向日葵模型的敏感参数为SLA₁、SLA₂、AMAX₁、AMAX₂、SPAN、EFF₂、TMNF、CVR、CVS、CVL、CVO。

2）获得一套适用于当地向日葵的WOFOST模型作物参数、土壤参数及变量初值，实现了河套灌区向日葵生长过程的逐日动态模拟。适应性评价结果显示模型模拟出苗—开花期、开花—成熟期天数的AD小于3 d，RMSE小于4 d，NRMSE在8%以内；模拟LAI的AD为0.31 m²·m^-2，RMSE为0.44 m²·m^-2；模拟各器官生物量及产量的AD为254.04~682.97 kg·hm^-2，RMSE为304.1~1 095.46 kg·hm^-2，NRMSE均小于30%，其中WSO和产量的模拟精度最高。校准后的模型能够较好地反映研究区向日葵主要发育进程的变化、叶面积扩展和生物量累积过程。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

蔡福, 米娜, 纪瑞鹏, 等, 2019.

基于锦州春玉米田间试验的WOFOST模型参数的确定及性能评价

[J]. 生态学杂志, 38(4): 1 238-1 248.