DSSAT-CERES模型在黃土高原丘陵溝壑地區(qū)春玉米生產(chǎn)中的適用性評價

鄒 龍， 馮 浩

(1 中國科學院教育部水土保持與生態(tài)環(huán)境研究中心， 陜西楊凌 712100；2 國家節(jié)水灌溉(楊凌)工程技術研究中心，陜西楊凌 712100； 3 中國科學院大學， 北京 100049)

農(nóng)業(yè)技術轉化決策系統(tǒng)(DSSAT，Decision Support System for Agrotechnology Transfer)是由美國佛羅里達大學、 夏威夷大學、 依阿華州立大學、 美國農(nóng)業(yè)部國際土壤和肥力研究中心和加拿大高爾夫大學于1989年共同開發(fā)的一個以模擬作物生長為基礎的機理模型系統(tǒng)，其中包括18種以上的作物生長模型，2個土壤CN和水分模擬模型[1-2]。該模型迄今已有20多年，現(xiàn)在DSSAT模型已被廣泛應用于各個研究領域，是當前世界上應用最廣泛的作物模型之一，可逐日模擬作物生長和發(fā)育過程，可響應許多因素，包括作物遺傳特性、 管理措施、 環(huán)境、 氮素和水分脅迫、 病蟲害等，主要用于農(nóng)業(yè)試驗分析、 農(nóng)業(yè)產(chǎn)量預報、 農(nóng)業(yè)生產(chǎn)風險評估、 氣候對農(nóng)業(yè)的影響評價等[3]。模型運行主要需要四方面的輸入數(shù)據(jù)，包括逐日氣象數(shù)據(jù)(最高/低氣溫、 降雨量、 有效太陽輻射等)、 作物遺傳參數(shù)、 農(nóng)田土壤參數(shù)以及作物田間管理參數(shù)。DSSAT模型中各個作物模型均以天為時間步長，詳細描述了作物生長發(fā)育和產(chǎn)量形成過程以及土壤中水分和氮素的動態(tài)變化過程。模型可以用于作物光溫、 降水生產(chǎn)潛力的模擬、 作物栽培方案的優(yōu)化等，可以為農(nóng)業(yè)技術選擇提供合理有效的決策和預測[4]。

1 材料與方法

1.1 研究區(qū)概況和試驗設計

供試土壤為黃綿土，土壤質(zhì)地為輕壤土，土壤機械組成如表1所示。

表1 供試土壤機械組成

1.1.2 試驗設計 本試驗種植的玉米品種為“沈單10號”。播種時間分別是2002年4月16日、 2003年4月20日、 2005年4月23日，每畝留苗3500株，每小區(qū)留苗73株，每區(qū)4行，每行18株。收獲時間分別為2002年10月1日、 2003年10月21日、 2005年10月5日。

本試驗共有如下4個無灌溉處理：1)施用氮肥(N)，N用量為97.5 kg/hm2；2)不施用氮肥和有機肥(CK)；3)施用有機肥料(M)，有機肥用量為7500 kg/hm2；4)同時施用有機肥料和無機氮肥(MN)，有機肥用量為7500 kg/hm2、 氮用量為97.5 kg/hm2。施氮處理中，1/5的氮作為基肥施用，其余的氮分別在拔節(jié)期和喇叭口期各追肥剩余的2/5。各處理均使用等量的重過磷酸鈣(P2O575 kg/hm2)。全部的磷肥和有機肥均作為基肥一次施入。

1.2 模型的輸入?yún)?shù)

1.2.1 氣象數(shù)據(jù) 由安塞站川地氣象觀測場提供，分別為每日日照時數(shù)(h)、 每日最高溫度(℃)、 每日最低溫度(℃)、 每日降雨量(mm)(圖1)。

通過DSSAT模型自帶的WeatherMan軟件對數(shù)據(jù)進行格式轉換，利用日照時數(shù)(h)估算太陽輻射能[10]，主要參考國際公認的“Angstyon(埃斯屈朗)經(jīng)驗公式”進行估算，公式如下：

(1)

式中：Rs為太陽總輻射(MJ/m2)；Rmax為天文輻射，即晴天太陽輻射量(MJ/m2)；n為逐日太陽日照時數(shù)(h)，觀測獲得；N為逐日可照時數(shù)，即最大時長(h)；as、bs為經(jīng)驗系數(shù)，與當?shù)氐拇髿赓|(zhì)量有關系。

圖1 各年份春玉米生育期內(nèi)逐日降雨量Fig.1 The daily precipitation during the phase of spring maize growing in different years

圖2 延安站逐月太陽總輻射量計算值與實測值對比(19902008)Fig.2 The agreement of observed and calculated month solar radiation in Yan’an Station(1990-2008)

1.2.2 農(nóng)田土壤參數(shù) 通過田間實測獲得，采用分層(每層20 cm)取樣法測定0—200 cm土壤剖面的土壤pH、 陽離子交換量(CEC)、 機械組成、 容重、 有機質(zhì)、 全氮、 硝態(tài)氮、 凋萎含水量、 田間持水量以及飽和含水量。具體測定方法參照鮑士旦主編的《土壤農(nóng)化分析》[11]。

1.2.3 作物遺傳參數(shù) 本研究采用DSSAT4.5內(nèi)嵌的GLUE參數(shù)調(diào)試程序對黃土高原地區(qū)玉米作物品種“沈單10號”進行參數(shù)率定[12]，以2002、 2003和2005三年春玉米田間試驗數(shù)據(jù)(CK處理)為依據(jù)進行參數(shù)調(diào)試，然后以春玉米其他處理(N、 M、 MN)的田間數(shù)據(jù)對調(diào)試參數(shù)進行驗證。本研究是基于玉米物候期，包括出苗期、 開花期、 生理成熟期以及最終作物地上部分生物量和收獲產(chǎn)量進行參數(shù)調(diào)試和驗證。

1.2.4 作物田間管理參數(shù) 由2002、 2003、 2005年田間試驗提供，如播種日期、 施肥日期、 施肥量等。借助DSSAT模型提供的XBuild輸入平臺，對模型所需的田間試驗參數(shù)進行錄入并保存，供模型運行時調(diào)用。

1.3 模型評價指標

本文引入國際上較為通用的統(tǒng)計指標歸一化的均方根誤差n-RMSE(the normalized root mean square error)和平均相對誤差MRE(the mean relative error)來度量模擬值與實測值的相對差異程度。

2 結果與分析

2.1 玉米品種參數(shù)的校準

作物品種參數(shù)的準確性，直接影響著模型對作物生長過程和產(chǎn)量的模擬。DSSAT模型要求的玉米品種參數(shù)包括：P1指從出苗到種子萌芽期結束時的大于8℃的積溫；P2指光周期敏感系數(shù)；P5指從吐絲到生理成熟期時的大于8℃的積溫；G2單株潛在最大穗粒數(shù)；G3潛在最大灌漿速率；PHINT指出葉間隔期間的大于8℃的積溫(℃·day)。利用GLUE軟件，結合2002、 2003、 2005三年作物CK處理的大田試驗數(shù)據(jù)運行GLUE 3000次，對玉米品種參數(shù)進行率定，需要說明的是2003年春玉米生長期間降雨分布同2002年和2005年相比明顯不同，表現(xiàn)為前期少后期多(圖1)，因此在參數(shù)調(diào)試上我們將2003年單獨進行調(diào)試作為嚴重干旱脅迫情景下該作物的品種參數(shù)。最后利用其他處理的試驗數(shù)據(jù)對參數(shù)進行驗證，得出校驗后的參數(shù)如表2。

表2 調(diào)試后的玉米品種參數(shù)

2.2 春玉米生育期的模擬

由模擬結果可知，該模型對春玉米生育期的模擬結果良好，誤差較小，模擬生育期與田間實測生育期幾乎相同(表3)。

由表3知，春玉米生育期的模擬時間與實測時間幾乎一致，各個生育期模擬誤差基本都在3 d以內(nèi)。2002年出苗時間相差2 d，開花時間和成熟日期各相差1 d； 2005年開花時間相差1 d，出苗時間和成熟時間均相差3 d； 2003年出苗模擬結果較差，相差9 d，開花期完全吻合，成熟時間相差2 d，總體模擬效果較好。

2002年和2005年模擬誤差出現(xiàn)的原因，可能是模型在對作物生長發(fā)育計算的準確程度上還有待提高；也可能是田間觀測誤差，造成模型模擬結果和田間實測結果有微小差異。

2003年出苗模擬效果不好可能與該年份玉米生育前期嚴重受旱有密切關系，該年春玉米播種后降雨量很小，土壤水分條件不適合種子萌發(fā)，但是CRERS-Maize模型卻不能很好的模擬這一過程，模型根據(jù)土層中貯水量以及種子萌發(fā)的需水量來判斷種子是否能萌發(fā)，而忽略了實際環(huán)境中其他因素的影響，因而對出苗時間的模擬出現(xiàn)了較大偏差；也有可能是田間試驗觀測時，人為因素造成試驗數(shù)據(jù)的誤差，延遲了種子出苗的記錄時間。但是總體來講，該模型對春玉米生育期的模擬效果比較準確，與實際吻合程度較高。

表3 春玉米生育期模擬與實測對比

2.3 春玉米產(chǎn)量和地上生物量模擬

對產(chǎn)量的模擬結果表明，CERES-Maize模型對該區(qū)春玉米產(chǎn)量有很好的模擬效果(圖3)，各年份不同處理的模擬誤差均較小(表4)。2002年模擬產(chǎn)量的n-RMSE和MRE分別為2.80%和2.14%； 2005年分別為5.10%和4.90%； 2003年分別為6.47%和5.03%，模型模擬的準確程度很高，能夠如實的反映作物的產(chǎn)量狀況。

由圖3可知，CERES-Maize模型對春玉米地上生物量的模擬效果略差于對產(chǎn)量的模擬效果，模擬誤差偏大。由表4可知，與2003年相比2002年和2005年地上生物量模擬效果較好，模擬的n-RMSE和MRE均小于15%，而2003年地上生物量的模擬誤差偏大n-RMSE和MRE分別為31.81%和30.21%，均大于30%。雖然模型對地上生物量的模擬誤差偏大，但是由于田間的實際情況很難完全在模型中再現(xiàn)，因此上述模擬誤差基本可以接受，這與張芊等[13]的研究結果類似。

圖3 春玉米產(chǎn)量和生物量的實測值與模擬值比較Fig.3 The agreement of observed and calculated yield and biomass of spring maize

需要補充的是，盡管CERES-Maize模型對2003年春玉米地上生物量模型誤差偏大，但是對產(chǎn)量的模擬效果卻很好，這可能是和2003年春玉米生育期間降雨分布有一定的關系。由圖1可知，該年降雨分布的總體趨勢是春玉米生長前期降雨量少(播種到灌漿157.4 mm，而2002年為354.1 mm、 2005年為336.3 mm)，生長后期降雨相對比較充足。前期的水分脅迫使得春玉米營養(yǎng)生長階段受阻，植株形態(tài)以及莖葉干物質(zhì)積累受到影響，導致春玉米地上生物量較其余兩年明顯偏低，春玉米進入灌漿期以后降雨明顯增多，有助于籽粒的干物質(zhì)積累。對春玉米生長前期受到干旱脅迫模型可能無法進行相關的響應，后期降雨偏多，灌漿期間增加的干物質(zhì)首先用來滿足籽粒的需要，剩余的才會轉移到莖，所以模型可以很好的對籽粒產(chǎn)量進行模擬。

另外，CERES-Maize模型是通過計算作物每天的水量平衡來判斷作物受到的水分脅迫程度，既而計算作物的干物質(zhì)積累，模型對每天的蒸發(fā)蒸騰量(ET)的計算準確程度直接影響模型對作物生長以及干物質(zhì)的積累的模擬。DeJonge等[14]研究發(fā)現(xiàn)，在水分充足的條件下CERES-Maize模型能夠很好的模擬ET，然而在水分虧缺的情況下模型卻往往會高估作物的ET，既而在模擬過程中加劇了作物的干旱脅迫，與實際情況差異較大。進一步分析發(fā)現(xiàn)，模型中使用的作物生長因子Kc在整個生育期取定值1，然而陳鳳[15]、 劉鈺[16]等人的研究中均有提及，作物在生長過程中其Kc值在作物生長的各個階段是變化的。Kc是計算作物需水量的重要參數(shù)，由于模型的使用的Kc值過高，使得對作物的ET過高估計，加劇了作物的干旱脅迫，影響其生長發(fā)育。DeJonge等[14]在研究中提出，用一種新的Kc(Kc=f(LAI))來代替模型已有的Kc，使得改進后的模型在干旱脅迫條件下模擬效果有了明顯提高。在此本文不多加論述。

表4 春玉米產(chǎn)量和生物量實測值與模擬值的n-RMSE和MRE

圖4為2005年各個處理條件下春玉米生育期地上生物量實測值與模擬值的比較，其余年份未測定該指標。由圖4可知，雖然CERES-Maize模型對各處理的生物量模擬值均略低于實測的生物量，但是相差不大，相對誤差都在10%左右，由于田間實際情況復雜多變，模型是在一定假設基礎之上進行的數(shù)值模擬，不可能完全再現(xiàn)田間實際情況，因此存在一定的誤差是可以接受的，如果要進一步提高模型模擬的精度，那么還需對模型進一步完善和改進。總體來講，CERES-Maize模型能夠較好對黃土高原丘陵溝壑區(qū)春玉米的地上生物量進行模擬。

圖4 2005年春玉米生物量實測值與模擬值比較Fig.4 The agreement of observed and calculated biomass of spring maize in 2005

3 結論

1)在正常降雨條件的情況下，CERES-Maize模型能夠較好的模擬黃土高原丘陵溝壑區(qū)春玉米的生長過程、 地上部分生物量以及收獲產(chǎn)量。2002年和2005年對春玉米生育時期的模擬誤差均在3天以內(nèi)，產(chǎn)量模擬的n-RMSE和MRE均小于10%，生物量模擬誤差稍大。

2)在降雨較少的年份，模型對作物生產(chǎn)實際情況的反應能力相對變?nèi)酢?003年模擬的生育期時間和春玉米實測生育時間基本吻合，唯獨出苗日期相差較大為9天；地上生物量模擬的n-RMSE和MRE分別為31.81%和30.21%，表明CERES-Maize模型在干旱年份下的模擬機理需進一步調(diào)整和完善。

3)模型在生物量的模擬結果上誤差略大于對產(chǎn)量的模擬，很可能與模型內(nèi)部模擬機理有一定關系，有待于進一步探究和討論。但是從整體來看，在氣候條件正常的情況下，CERES-Maize模型能夠比較準確地模擬黃土高原丘陵溝壑區(qū)春玉米的生長發(fā)育以及產(chǎn)量形成的過程。模型在黃土高原溝壑區(qū)具有較好的適用性，可以用該模型來模擬黃土高原溝壑區(qū)春玉米的生長發(fā)育過程，并且在模型模擬的基礎上對該區(qū)今后的春玉米種植技術、 管理措施具有科學的指導意義。

致謝：感謝中國科學院陜西安塞農(nóng)田生態(tài)系統(tǒng)國家野外科學觀測研究站提供的相關試驗資料。

參考文獻:

[1] 劉海龍, 諸葉平, 李世娟, 等. DSSAT作物系統(tǒng)模型的發(fā)展與應用[J]. 農(nóng)業(yè)網(wǎng)絡信息, 2011, (11)：5-12.

Liu H L, Zhu Y P, Li S Jetal. Development and application of DSSAT cropping system model[J]. Agriculture Network Information, 2011, (11)：5-12.

[2] 魯向暉, 穆興民, Vinay Nangia, 等. DSSAT模型對豫西冬小麥保護性耕作效應模擬效果驗證[J].干旱地區(qū)農(nóng)業(yè)研究, 2010, 28(3)：64-70.

Lu X H, Mu X M, Vinay Nangia,etal. Validation of the effect of DSSAT model on winter wheat under conservation tillage treatments in west Henan[J]. Agricultural Research in the Arid Areas, 2010, 28(3)：64-70.

[3] Jones J W, Hoogenboom G, Porter C Hetal. DSSAT cropping system model[J]. European Journal of Agronomy, 2003, 18:235- 265.

[4] Hoogenboom G, Jones J W, Wilkens P Wetal. DSSAT V4.5 version[CD-ROM]. Honolulu：University of Hawaii, 2008.

[5] 雷水玲.應用DSSAT3模型研究寧夏紅寺堡灌區(qū)小麥生長過程及產(chǎn)量[J].干旱地區(qū)農(nóng)業(yè)研究, 2000, 18(3)：98-103.

Lei S L. Using DSSAT3 model to simulate growth and yield of wheat in Hongsibao irrigation area in Ningxia[J]. Agricultural Research in the Arid Areas, 2000, 18(3)：98-103.

[6] Yang Y, Watanabe M, Zhang Xetal. Optimizing irrigation management for wheat to reduce groundwater depletion in the piedmont region of the Taihang Mountains in the North China Plain[J]. Agricultural Water Management, 2006, 82(1-2)：25-44.

[7] 楊靖民, 劉金華, 竇 森, 楊靖一. 應用DSSAT模型對吉林省黑土玉米最佳栽培技術的模擬和校驗研究Ⅰ.模型品種參數(shù)校驗和產(chǎn)量的敏感性分析[J]. 土壤學報, 2011, 48(2)：366-374.

Yang J M, Liu J H, Dou S, Yang J Y. Evaluation and optimization of best management practices of Maize for black soil in Jilin China using the DSSAT model Ⅰ. Cultivar calibration and sensitivity analysis of maize yield parameters[J]. Acta Pedologica Sinica. 2011, 48(2)：366-374.

[8] 戴明宏, 陶洪斌, 廖樹華, 等. 基于CERES_Maize模型的華北平原玉米生產(chǎn)潛力的估算與分析[J]. 農(nóng)業(yè)工程學報, 2008, 24(4)：30-36.

Dai M H, Tao H B, Liao S Hetal. Estimation and analysis of maize potential productivity based on CERES-Maize model in the North China Plain[J]. Transactions of the CSAE, 2008, 24(4)：30-36.

[9] 姜志偉, 陳仲新, 周清波, 任建強. CERES_Wheat作物模型參數(shù)全局敏感性分析[J]. 農(nóng)業(yè)工程學報, 2011, 27(1)：236-242.

Jiang Z W, Chen Z X, Zhou Q B, Ren J Q. Global sensitivity analysis of CERES-Wheat model parameters[J]. Transactions of the CSAE, 2011, 27(1)：236-242.

[10] Pickering N B, Hansen J W, Jones J Wetal. WeatherMan：Autility for managing and generating daily weather data Agron.[J].1994,86：332-337.

[11] 鮑士旦. 土壤農(nóng)化分析(第三版)[M]. 北京：中國農(nóng)業(yè)出版社， 2000. 30-107.

Bao shidan. Soil agrochemical analysis(3rd Edition)[M]. Beijing：China Agriculture Press, 2000. 30-107.

[12] He J, Dukes M D, Jones J Wetal. Applying GLUE for estimating Ceres-Maize genetic and soil parameters for sweet corn production[J]. Transactions of the ASABE, 2009, 52(6)：1907-1921.

[13] 張芊, 任理. 應用根系水質(zhì)層模型分析冬小麥-夏玉米輪作體系的農(nóng)田水氮利用效率Ⅰ：模型參數(shù)的靈敏度分析與標定[J]. 水利學報, 2012, 43(1)：84-90.

Zhang Q, Ren L. Applying Application of Root Zone Water Quality Model to simulate water and nitrogen use efficiency of winter-summer maize double cropping system Ⅰ. Model Calibration and sensitiyity analysis[J]. Journal of Hydraulic Engineering, 2012, 43(1)：84-90.

[14] DeJonge K C, Ascough J C, Andales A Aetal. Improving evapotranspiration simulations in the CERES-Maize model under limited irrigation[J]. Agricultural Water Management, 2012, (115)：92-103.

[15] 陳鳳, 蔡煥杰, 王健, 馬海亭. 楊凌地區(qū)冬小麥和夏玉米蒸發(fā)蒸騰和作物系數(shù)的確定[J]. 農(nóng)業(yè)工程學報, 2006, 22(5)：191-193.

Chen F, Cai H J, Wang J, Ma H T. Estimat ion of evapotrans pirat ion and crop coeff icients of winter wheat and summer maize in Yangling Zone[J]. Transactions of the CSAE, 2006, 22(5)：191-193.

[16] 劉鈺, Pereira L S. 對FAO推薦的作物系數(shù)計算方法的驗證[J]. 農(nóng)業(yè)工程學報, 2000, 16(5)：26-30.

Liu Yu, Pereira L S. Validation of FAO methods for estimating crop coefficients[J]. Transactions of the CSAE, 2000, 16(5)：26-30.