基于WOFOST模型的江苏冬小麦生长模拟
发布时间：2021-06-15 22:07
WOFOST模型是目前常用的作物模型之一。采用2015—2017年区域气象站点的气象数据、土壤数据、作物数据等,利用OAT方法进行模型参数敏感性分析,结合最小二乘法、"试错法"等,并借鉴前人研究结果,基于不同密度和氮肥处理水平,针对冬小麦发育参数出苗到开花积温（TSUM1）、开花到成熟积温（TSUM2）以及生长参数比叶面积（SLATB）、最大CO2同化速率（AMAXTB）进行冬小麦参数调整,实现WOFOST模型本地化。结果表明:WOFOST模型模拟冬小麦LAI的R2、RMSE、NRMSE分别为0.817 8、0.58、27.9%,模拟叶、茎、穗和地上部总生物量的R2、RMSE、NRMSE分别为0.783 2～0.953 1、315.55～986.15 kg·hm-2、10.1%～29.8%,模拟产量的R2、RMSE、NRMSE分别为0.585 2、799.96kg·hm-2、15.9%,与实测值均有较好的一致性。这一研究说明WOFOST模型能较好地模拟研究...
【文章来源】：扬州大学学报(农业与生命科学版). 2020,41(03)北大核心
【文章页数】：8 页
【部分图文】：
LAI模拟值与实测值的比较
图3分别显示叶、茎、穗及地上部总干物重模拟值与实测值的比较。由图3可见，叶、茎、穗及地上部总干物重模拟R2分别为0.783 2、0.862 9、0.864 9、0.953 1，说明模拟值与实测值的相关性较好。RMSE分别为315.55、986.15、476.62、996.65kg·hm-2,NRMSE分别为27.6%、29.8%、10.1%、17.3%，均在可信区间，其中叶和茎误差较大，其次是地上部生物量。叶干重模拟误差主要由于模型模拟的叶片包括绿叶、黄叶和部分基部已经脱落的叶片，而实测结果只有绿叶部分；茎干重模拟误差主要是由于模型模拟的茎干重包括茎与鞘两部分，而实测茎不包含鞘重；地上部总干物重模拟误差主要在生育后期产生，这是由于实际取样过程不包含老化和腐化的器官，因此实际测量的地上部总生物量是先增加到某个时期开始下降，而模型模拟的地上部总生物量始终是随生育期增加的。CRM分别为0.34、0.19、-0.08、0.22，除穗重相对实际值偏低外其余均偏高，这是由于模型模拟的穗重仅为籽粒的重量，而实际测量的穗重是穗整体，包括籽粒、麦壳、穗轴，因此模型模拟穗重仅为实测穗重的一部分。4.3 WOFOST模型模拟产量的验证
WOFOST模型是荷兰Wageningen大学研究开发的一款以日为步长的动态通用性模型，其结构图如图1所示。WOFOST模型对作物生长的模拟包括作物潜在生长模拟、作物水分限制生长模拟、作物养分限制生长模拟3类，该模型主要根据不同种植区域气候和土壤条件以及改变作物参数模拟不同品种和不同种类作物（如水稻、小麦、玉米、大豆等）出苗至开花、开花至成熟的生长过程，可输出包括作物地上部干物重、LAI等数据（表1）。WOFOST模型的输入数据包括气象数据、土壤数据、作物数据。其中，气象数据参数来自中国气象局，包括2015—2017年冬小麦生长期间江苏扬州市邗江区每日太阳辐射[KJ·（m2·d)-1]、最高气温（℃）、最低气温（℃）、降水量（mm·d-1）、平均风速（m·s-1）、大气压（kPa）。由于WOFOST模型需要的是地面总辐射，无法直接得到，通过FAO[16]将日照时数转化为总辐射数据：Rs=[as+bs(n/N)]Ra;N=(24/π）ωs;Ra=37.6dr（ωssinψsinδ+cosψcosδsinω）；dr=1+0.33cos(0.017 2J）；ω=arccos[-tan-tanψ（tanδ）]；δ=23.45sin{360[(284+J）/365]4]}。式中，as、bs为经验常数，分别取值0.25、0.50;n为日照时数；N为可日照时数；Ra为大气上界入射辐射；dr为日地距离系数；ωs为太阳时角；ψ为观测点纬度[17];J为所计算日期的儒略日。
【参考文献】：
期刊论文
[1]基于MCMC方法的WOFOST模型参数标定与不确定性分析[J]. 黄健熙,黄海,马鸿元,李颖,侯英雨,何亮,朱德海. 农业工程学报. 2018(16)
[2]作物生长模拟模型的参数敏感性分析[J]. 张宁,张庆国,于海敬,程梦笛,董世杰. 浙江大学学报(农业与生命科学版). 2018(01)
[3]基于BIOME-BGC模型的长白落叶松林净初级生产力模拟参数敏感性[J]. 何丽鸿,王海燕,雷相东. 应用生态学报. 2016(02)
[4]基于全局敏感性分析和贝叶斯方法的WOFOST作物模型参数优化[J]. 何亮,侯英雨,赵刚,邬定荣,于强. 农业工程学报. 2016(02)
[5]不同气候区和不同产量水平下APSIM-Wheat模型的参数全局敏感性分析[J]. 何亮,赵刚,靳宁,庄伟,于强. 农业工程学报. 2015(14)
[6]不同水分胁迫条件下DSSAT-CERES-Wheat模型的调参与验证[J]. 姚宁,周元刚,宋利兵,刘健,李毅,吴淑芳,冯浩,何建强. 农业工程学报. 2015(12)
[7]APSIM模型在西南地区的适应性评价——以重庆冬小麦为例[J]. 戴彤,王靖,赫迪,张建平,王娜. 应用生态学报. 2015(04)
[8]基于WOFOST模型的河北省保定市冬小麦最佳灌溉方案研究[J]. 朱津辉,郭建茂,毛留喜. 气象. 2014(11)
[9]基于Morris和EFAST的CERES-Wheat模型敏感性分析[J]. 宋明丹,冯浩,李正鹏,高建恩. 农业机械学报. 2014(10)
[10]WOFOST模型在河南省夏玉米主产区的校准与验证[J]. 张素青,张建涛,李继蕊,程永政,李国强. 河南农业科学. 2014(08)
博士论文
[1]基于遥感与作物生长模型同化的水稻生长参数时空分析[D]. 吴伶.中国地质大学（北京） 2013
[2]基于遥感与作物生长模型的冬小麦生长模拟研究[D]. 郭建茂.南京信息工程大学 2007
[3]汾河灌区作物生产力模拟及流域水平衡模型之研究[D]. 巴特尔·巴克.中国农业大学 2005
硕士论文
[1]遥感数据与作物模型同化的冬小麦估产研究[D]. 王丽媛.浙江大学 2018
[2]基于遥感数据修正WOFOST模型的江苏省冬小麦生长模拟研究[D]. 徐胜男.南京信息工程大学 2016
本文编号：3231848
【文章来源】：扬州大学学报(农业与生命科学版). 2020,41(03)北大核心
【文章页数】：8 页
【部分图文】：
LAI模拟值与实测值的比较
图3分别显示叶、茎、穗及地上部总干物重模拟值与实测值的比较。由图3可见，叶、茎、穗及地上部总干物重模拟R2分别为0.783 2、0.862 9、0.864 9、0.953 1，说明模拟值与实测值的相关性较好。RMSE分别为315.55、986.15、476.62、996.65kg·hm-2,NRMSE分别为27.6%、29.8%、10.1%、17.3%，均在可信区间，其中叶和茎误差较大，其次是地上部生物量。叶干重模拟误差主要由于模型模拟的叶片包括绿叶、黄叶和部分基部已经脱落的叶片，而实测结果只有绿叶部分；茎干重模拟误差主要是由于模型模拟的茎干重包括茎与鞘两部分，而实测茎不包含鞘重；地上部总干物重模拟误差主要在生育后期产生，这是由于实际取样过程不包含老化和腐化的器官，因此实际测量的地上部总生物量是先增加到某个时期开始下降，而模型模拟的地上部总生物量始终是随生育期增加的。CRM分别为0.34、0.19、-0.08、0.22，除穗重相对实际值偏低外其余均偏高，这是由于模型模拟的穗重仅为籽粒的重量，而实际测量的穗重是穗整体，包括籽粒、麦壳、穗轴，因此模型模拟穗重仅为实测穗重的一部分。4.3 WOFOST模型模拟产量的验证
WOFOST模型是荷兰Wageningen大学研究开发的一款以日为步长的动态通用性模型，其结构图如图1所示。WOFOST模型对作物生长的模拟包括作物潜在生长模拟、作物水分限制生长模拟、作物养分限制生长模拟3类，该模型主要根据不同种植区域气候和土壤条件以及改变作物参数模拟不同品种和不同种类作物（如水稻、小麦、玉米、大豆等）出苗至开花、开花至成熟的生长过程，可输出包括作物地上部干物重、LAI等数据（表1）。WOFOST模型的输入数据包括气象数据、土壤数据、作物数据。其中，气象数据参数来自中国气象局，包括2015—2017年冬小麦生长期间江苏扬州市邗江区每日太阳辐射[KJ·（m2·d)-1]、最高气温（℃）、最低气温（℃）、降水量（mm·d-1）、平均风速（m·s-1）、大气压（kPa）。由于WOFOST模型需要的是地面总辐射，无法直接得到，通过FAO[16]将日照时数转化为总辐射数据：Rs=[as+bs(n/N)]Ra;N=(24/π）ωs;Ra=37.6dr（ωssinψsinδ+cosψcosδsinω）；dr=1+0.33cos(0.017 2J）；ω=arccos[-tan-tanψ（tanδ）]；δ=23.45sin{360[(284+J）/365]4]}。式中，as、bs为经验常数，分别取值0.25、0.50;n为日照时数；N为可日照时数；Ra为大气上界入射辐射；dr为日地距离系数；ωs为太阳时角；ψ为观测点纬度[17];J为所计算日期的儒略日。
【参考文献】：
期刊论文
[1]基于MCMC方法的WOFOST模型参数标定与不确定性分析[J]. 黄健熙,黄海,马鸿元,李颖,侯英雨,何亮,朱德海. 农业工程学报. 2018(16)
[2]作物生长模拟模型的参数敏感性分析[J]. 张宁,张庆国,于海敬,程梦笛,董世杰. 浙江大学学报(农业与生命科学版). 2018(01)
[3]基于BIOME-BGC模型的长白落叶松林净初级生产力模拟参数敏感性[J]. 何丽鸿,王海燕,雷相东. 应用生态学报. 2016(02)
[4]基于全局敏感性分析和贝叶斯方法的WOFOST作物模型参数优化[J]. 何亮,侯英雨,赵刚,邬定荣,于强. 农业工程学报. 2016(02)
[5]不同气候区和不同产量水平下APSIM-Wheat模型的参数全局敏感性分析[J]. 何亮,赵刚,靳宁,庄伟,于强. 农业工程学报. 2015(14)
[6]不同水分胁迫条件下DSSAT-CERES-Wheat模型的调参与验证[J]. 姚宁,周元刚,宋利兵,刘健,李毅,吴淑芳,冯浩,何建强. 农业工程学报. 2015(12)
[7]APSIM模型在西南地区的适应性评价——以重庆冬小麦为例[J]. 戴彤,王靖,赫迪,张建平,王娜. 应用生态学报. 2015(04)
[8]基于WOFOST模型的河北省保定市冬小麦最佳灌溉方案研究[J]. 朱津辉,郭建茂,毛留喜. 气象. 2014(11)
[9]基于Morris和EFAST的CERES-Wheat模型敏感性分析[J]. 宋明丹,冯浩,李正鹏,高建恩. 农业机械学报. 2014(10)
[10]WOFOST模型在河南省夏玉米主产区的校准与验证[J]. 张素青,张建涛,李继蕊,程永政,李国强. 河南农业科学. 2014(08)
博士论文
[1]基于遥感与作物生长模型同化的水稻生长参数时空分析[D]. 吴伶.中国地质大学（北京） 2013
[2]基于遥感与作物生长模型的冬小麦生长模拟研究[D]. 郭建茂.南京信息工程大学 2007
[3]汾河灌区作物生产力模拟及流域水平衡模型之研究[D]. 巴特尔·巴克.中国农业大学 2005
硕士论文
[1]遥感数据与作物模型同化的冬小麦估产研究[D]. 王丽媛.浙江大学 2018
[2]基于遥感数据修正WOFOST模型的江苏省冬小麦生长模拟研究[D]. 徐胜男.南京信息工程大学 2016
本文编号：3231848
本文链接：https://www.wllwen.com/nykjlw/nzwlw/3231848.html
最近更新
教材专著
