DNDC模型在華北平原冬小麥區(qū)的率定和驗證

喬帥帥，胡振華，魏 征，張寶忠

(1.山西農(nóng)業(yè)大學林學院，山西 晉中 030801；2.中國水利水電科學研究院 流域水循環(huán)模擬與調(diào)控國家重點實驗室，北京 100038；3.國家節(jié)水灌溉北京工程技術(shù)研究中心，北京 100048)

目前國內(nèi)外學者研究和開發(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?shù)赝寥馈夂?、耕作方式等結(jié)合，逐漸實現(xiàn)本土化，也使模型本身得到豐富和更好地利用。通過對作物生長的模擬，可以預測作物生長、器官建成、產(chǎn)量及品質(zhì)形成，提供優(yōu)化動態(tài)目標，為實施調(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、機理性和效益性等優(yōu)點[2]。而在這些模型當中，基于過程的生物地球化學模型—DNDC 模型具有模擬功能強大、輸入?yún)?shù)容易獲得、軟件界面友好等優(yōu)點，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)是美國新罕布什爾大學陸地海洋空間研究中心李長生教授等開發(fā)研制并推廣起來的。DNDC模型通過模擬生態(tài)系統(tǒng)光合、呼吸、有機碳生產(chǎn)等，可以用來模擬預測作物生產(chǎn)過程、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年間問世以來，已在世界許多地區(qū)得到驗證并開展了應(yīng)用研究[9,10]，在我國也有驗證和相關(guān)方面的應(yīng)用研究[11-13]。近年來DNDC模型越來越多地被應(yīng)用于作物生長過程中土壤水分、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、模型預測精度較好，可用于對產(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)量的模擬與驗證研究尚未見報道。

1 材料與方法

1.1 研究區(qū)概括

試驗在中國水利水電科學研究院大興區(qū)國家節(jié)水灌溉中心完成(見圖1)。該試驗基地地處北京南約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。該區(qū)土壤類型以沙壤土為主。

圖1 大興試驗站地理位置示意圖

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。實驗統(tǒng)一設(shè)計為3個水分處理，3個重復，共9個小區(qū)，每個小區(qū)約為30 m2。所有小區(qū)的施肥、耕作措施與當?shù)剞r(nóng)民習慣一致。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)通過實驗站自動氣象觀測站監(jiān)測，主要監(jiān)測內(nèi)容包括降雨、風速、氣溫、地溫、空氣濕度和太陽輻射等，每隔半小時自動采集數(shù)據(jù)一次。

1.2.3 土壤水分數(shù)據(jù)

土壤水分通過TRIME-DATA PILOT(德國IMKO公司)土壤水分測量系統(tǒng)進行測定，小區(qū)設(shè)有兩根trime 管，每隔3 d測量一次土壤體積含水率(0～50 cm),降雨和灌水后需加測一次。

自覺接受黨委領(lǐng)導。各鎮(zhèn)（街道）人大自覺接受黨（工）委對“雙聯(lián)”工作的領(lǐng)導，定期向黨（工）委請示匯報“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，在辦公場所、辦公設(shè)備、人員配備、活動經(jīng)費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)

首先測定每個小區(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為間隔對冬小麥生物量進行測定。每個小區(qū)隨機割取20 cm長的冬小麥，從莖基部剪下，獲得完整冠部，統(tǒng)計20 cm株數(shù)，按小區(qū)編號，殺青(105 ℃)30 min，恒溫(75 ℃)24 h烘至恒重后稱重。收割前在各小區(qū)取1 m2的典型樣本，計算每平方米株數(shù)及千粒重，在樣本中取30株，計算穗粒數(shù)，并計算樣本內(nèi)小麥產(chǎn)量。

1.3 DNDC模型率定及精度評價指標

1.3.1 參數(shù)敏感性分析

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

1.3.2 模型參數(shù)率定

對模型參數(shù)的敏感性進行識別，進而重點對模型的敏感參數(shù)進行敏感性分析，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模型模擬任一點的生物地球化學過程時，只要根據(jù)當?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數(shù)據(jù)對DNDC模型進行率定，最后以2015年10月—2016年6月冬小麥觀測數(shù)據(jù)進行驗證，得到模擬大興區(qū)冬小麥生長的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模型模擬出來的生物量、產(chǎn)量和土壤水分與觀測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。以上模型評價指標具體計算公式為：

(1)

(2)

2 結(jié)果與分析

2.1 模型敏感性分析

在對DNDC模型中冬小麥作物參數(shù)進行敏感性分析后，分析結(jié)果(表3)表明，不同作物參數(shù)之間對模型結(jié)果影響不盡相同。在各項參數(shù)值改變中，作物需水量的整體改變對產(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對地上部生物量產(chǎn)生較大的變化，敏感度在0.771～1.354之間。生長積溫整體改變對生物量結(jié)果影響較小，對產(chǎn)量結(jié)果影響較大，敏感度在0.789～2.406之間。在對模型進行模擬過程中需保證參數(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。本實驗通過將模型原有參數(shù)與2015年冬小麥生育期實測數(shù)據(jù)結(jié)合，以生物量和產(chǎn)量為目標對模型參數(shù)進行敏感性分析，并進行校正。由校正后的模型對2016年的冬小麥的土壤水分、地上部生物量和產(chǎn)量進行模擬，并與實測結(jié)果進行比較。最后通過模型評價指標對模型精度進行驗證。

2.2.1 冬小麥土壤含水率模擬

對2016年不同灌溉制度下冬小麥土壤水分驗證(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。這些評價指標表明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2016冬小麥的生物量模擬過程中，由圖3可知，隨時間變化，模擬值與實測值一致性較好，在生物量積累過程中模擬值均大于實際生物量值，但都處于可接受的范圍內(nèi)。統(tǒng)計結(jié)果表明，不同水分處理下，模型模擬值與實測值的決定系數(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。這些指標值較好，表明DNDC模型對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測值比較

圖3 2016年不同灌溉處理下生物量模擬值與實測值比較

2.2.3 冬小麥產(chǎn)量結(jié)果模擬

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

表4 DNDC模型產(chǎn)量模擬值與實測值

3 結(jié) 語

本文通過模型敏感性分析、模型的校正和驗證試驗構(gòu)建了華北地區(qū)冬小麥的DNDC模型數(shù)據(jù)庫。利用國家節(jié)水灌溉北京工程技術(shù)研究中心大興試驗站2015年冬小麥生長數(shù)據(jù)對DNDC模型參數(shù)進行了率定，并應(yīng)用于2016年冬小麥，與實測數(shù)據(jù)進行驗證，對模型精度進行評價。具體結(jié)果如下：

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

(2)DNDC模型經(jīng)過驗證后，可以較為準確的模擬華北地區(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)對于產(chǎn)量的模擬,當灌水量達到一定量時，DNDC模型模擬產(chǎn)量值差異變化不明顯，需要進一步對DNDC模型進行改進。

□

參考文獻：

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

[2] 楊 寧, 廖桂平. 作物生長模擬研究進展[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土壤有機碳含量的長期影響[J]. 中國農(nóng)業(yè)大學學報, 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] 李長生.土壤碳儲量減少:中國農(nóng)業(yè)之隱患----中美農(nóng)業(yè)生態(tài)系統(tǒng)碳循環(huán)對比研究[J]. 第四紀研究, 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)碳氮平衡研究以國家尺度為例[M]. 北京:中國人口出版社,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]. 中國科學(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)境科學學報, 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陜西省玉米產(chǎn)量的影響[J]. 西北農(nóng)業(yè)學報, 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]. 中國農(nóng)業(yè)科學, 2008,41(1):70-77.

[17] 席 慶,李兆富,羅 川.基于擾動分析方法的AnnAGNPS模型水文水質(zhì)參數(shù)敏感性分析[J].環(huán)境科學, 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.