上海單季晚粳稻主要生育性狀的動態模擬*

張 皓，申雙和，史艷姝，薛正平，辛跳兒，李 軍

?

上海單季晚粳稻主要生育性狀的動態模擬*

張 皓1,2，申雙和1**，史艷姝3，薛正平3，辛跳兒3，李 軍3

（1.南京信息工程大學應用氣象學院，南京 210044；2.上海市松江區氣象局，上海 201616；3.上海市氣候中心，上海 200030）

20世紀50年代以來，上海地區糧食耕作制度和水稻品種經過不斷更替，發展為目前的稻麥（或稻油）輪作為主的一年兩熟制，其中水稻主要以單季晚粳稻為主。為了對單季晚稻的生長狀況進行有效預估，采用線性逐步回歸方法建立水稻生育期間隔日數與氣象因子的關系模型；選擇已有成熟的模型（或模塊），在參數定標的基礎上，建立水稻莖蘗動態、葉齡和灌漿過程模型。選用2014?2016年雜交粳稻“秋優金豐”共16個播期的田間試驗觀測資料進行參數定標及模型有效性驗證，在此基礎上模擬水稻各生育性狀的動態變化，并對模擬效果進行誤差分析。結果表明，各模型均能較好地模擬單季晚粳稻發育期、莖蘗動態、葉齡和灌漿過程，發育期和葉齡模型模擬值與實測值的相關系數（R）均達0.95以上（P＜0.001），歸一化均方根誤差（RMSEn）均在10以下；莖蘗動態和灌漿動態模型模擬值與實測值的R值均達0.85以上（P＜0.001），RMSEn分別為19.8和31.2，粒重的模擬誤差主要出現在灌漿的中后階段?？傮w來看，各模型對上海地區單季晚粳稻具有較好的模擬性能，能夠為生育期、莖蘗消長、葉齡和灌漿過程的動態預測提供依據。

單季晚稻；生育期；莖蘗動態；灌漿過程；作物模型

農業氣候資源的變化往往決定了一個地區的農業生產制度和農作物種植方式，歷史上上海地區糧食耕作制度及品種的更替便是充分適應和利用農業氣候資源的結果[1]。20世紀50年代上海糧食耕作制度以一年兩熟和兩年五熟的多熟制為主。隨著熱量資源的不斷增加[2-4]，60?70年代上海大力發展雙季稻，耕作制度調整為以三熟制為主。但是，雙季稻中后季稻在抽穗開花期容易遭受秋季低溫危害[5-6]，因此，80年代以后雙季稻逐漸調整為單季稻，以一年兩熟為主。同樣，上海地區主栽水稻品種也隨著種植制度的變遷而更替。50年代?60年代中期，水稻以農家品種為主；60年代后期?70年代，早稻品種以早秈代替早粳；80年代以后，水稻品種則以單季晚粳為主[7]。近年來，上海地區廣泛應用的單季晚粳水稻優秀品種主要有寒豐A（1981）、寒優湘晴（1989）、秋優金豐（2006）、花優14（2008）和秀水134（2011）等[8]。同時，種植制度和品種的多樣性決定了水稻對氣候資源的需求各異，不同品種的水稻也表現出不同的生長發育性狀。

水稻的生長通常受多種基因性狀的控制，不同的基因組合表現出相互各異的生長發育特征，這些特性與水稻產量密切相關[9]。作物生長模擬技術融合了農業系統學和作物科學原理，可實現對農作物生長過程的動態預估[10]。目前，一些學者采用作物模型方法，圍繞中國各地的水稻品種及類型開展了大量的模擬研究[11-12]，分別建立或改進了水稻生育期[13-14]、葉齡與葉面積[15-16]、地上部干物質積累[17]與分配[18-19]等生長過程的模擬模型，取得了較好的效果。然而，現有研究中針對上海地區單季晚粳稻的模擬研究并不多見。本文借鑒作物模型的研究思路，以上海主栽的單季晚粳稻品種“秋優金豐”為例，結合大田水稻試驗，嘗試建立經驗性和半機理性的水稻生育性狀模型，以期實現對上海地區雜交晚粳稻生長過程的動態預估。

1 材料與方法

1.1 大田試驗

（1）概況。2014?2016年，在上海市農業氣象服務示范基地（31°02’N，121°29’E）進行水稻大田分期播種試驗。該試驗基地地處長江中下游單季稻區，夏季長且高溫多雨，春秋季短而少雨，年降水量約1180mm，水稻生長季（5?11月，下同）降水量約830mm。供試品種為優選雜交粳稻“秋優金豐”，在上海地區廣泛種植，全生育期約170d，平均產量約9.3×103kg·hm?2。

（2）水稻安全播栽期推算。以不影響下茬冬小麥的正常播種和越冬為前提，確定水稻的安全播栽期。具體方法為，利用上海11個氣象站點1991?2015年的逐日氣溫觀測資料，采用農業氣候分析方法，將日平均氣溫穩定通過3℃的終日作為冬小麥越冬起始日，以越冬前達到3葉帶1分蘗（即幼苗含有3片完全葉及1個分蘗）為壯苗標準（滿足＞3℃有效積溫280℃·d），反推80%保證率下的冬小麥最遲播種期為11月17?22日（各氣象站點略有差異，下同）。再加上水稻收割與小麥播種期間翻耕、施肥等農事操作，確定全市水稻的最遲收獲期為11月6日。以水稻齊穗-成熟期及移栽-齊穗期分別滿足＞10℃有效積溫620℃·d和1600℃·d為指標，反推80%保證率下的水稻齊穗期和移栽期分別為9月11?16日和6月11?24日。有效積溫指標依據歷年生育期觀測記錄及同期觀測站點日平均氣溫計算得出，取多年平均值。

（3）分期播種。參考水稻安全播栽期的推算結果，并使部分處理的水稻移栽期適當超出80%保證率下的推算范圍，確定2014?2016年水稻大田分期播種試驗的播期設置，見表1。播種前，對水稻種子進行去雜、暴曬、浸種、催芽等處理后即開始育秧，浸種2.5～3d，催芽約2d，秧齡17～22d后進行移栽。移栽時葉齡為3.5葉左右，苗高14～18cm，行距30cm，株距13cm，機械足穴足苗栽插。小區面積為5m×5m，采用隨機區組設計，重復3次。水肥等田間管理方式與大田生產保持一致。

表1 2014?2016年水稻田間試驗的播期設置(月?日)

注：S為播期。下同。

Note: S indicates sowing date. The same as below.

1.2 觀測內容與方法

1.2.1 生育期觀測

水稻移栽緩苗后（約3d）開始觀測，直至成熟。各小區選取長勢均勻的連續10穴水稻植株進行標記，每7天觀測一次，適時加密。觀測記錄的生育期包括移栽期、分蘗高峰、拔節期、孕穗期、抽穗揚花期、灌漿期、成熟期，觀測標準參照文獻[20]。

1.2.2 莖蘗動態觀測

莖蘗動態觀測與生育期觀測同期進行，直至抽穗期結束。每次觀測標記連續10穴植株總莖蘗數（即總苗數，下同），并通過行株距和小區面積轉換為單位面積總莖蘗數，取3個重復的平均值作為各播期的群體莖蘗密度（條·m?2）。

1.2.3 葉齡觀測

葉齡觀測與莖蘗動態觀測同期進行，直至劍葉抽出結束。在標記的10穴植株中選擇生長狀況良好，且無明顯差異的15根主莖作為觀測對象，每次觀測按照植株主莖的出葉次序間隔葉片作標記（即每隔一張葉片作一次標記，僅標記單數葉），并記錄當前的單株葉齡，取10穴植株的平均葉齡及3個重復的平均值，作為該播期處理的植株葉齡。

1.2.4 灌漿動態觀測

從開花期開始進行灌漿動態觀測，每個小區在水稻開花期選擇花期一致、穗形相近的150個健康稻穗掛牌標記，隨后每5～7d取樣一次，直至成熟。每次觀測從掛牌的株莖中取15穗，分離籽粒與枝梗后，對空粒和灌漿粒進行計數，再置入80℃的烘箱內恒溫烘至恒重后稱重，并轉換為千粒重。取3個重復的平均值作為該播期處理的籽粒重量。

1.2.5 氣象要素觀測

同步的逐日氣象觀測資料來自試驗基地的自動氣象觀測站，觀測要素包括太陽輻射、氣溫、風速、相對濕度、雨量、水汽壓等。日長（可照時數）參照中國氣象局輻射觀測方法[21]計算。

1.3 模型建立與檢驗

選擇水稻生育期、總苗數、葉齡和籽粒重作為主要生長發育性狀進行動態模擬。結合生育期觀測資料及同期氣象要素，采用多元線性回歸方法，建立生育期模型（通過SPSS V19.0軟件實現）。選擇已有成熟的水稻生育性狀模型或作物模型的功能模塊，在模型參數定標的基礎上，確定適合本地水稻品種的莖蘗動態、葉齡和灌漿動態模型。

利用散點圖和動態變化曲線圖比較模擬值與實測值的吻合程度，選擇以下統計參數作為檢驗指標，包括模擬值與實測值間的相關系數R及其顯著性、均方根誤差（RMSE）和歸一化均方根誤差（RMSEn）。其中RMSEn的計算式為

2 結果與分析

2.1 試驗期間水稻生長季的氣象條件分析

由圖1可見，研究期內（2014?2016年）各年度不同播期處理水稻生長季的氣象條件存在差異。2016年各播期的平均氣溫均高于2014和2015年，且隨著播期的推后，氣溫逐漸升高，而2014年和2015年均表現為先逐漸升高后降低的變化趨勢，年平均氣溫最大值分別出現在第3期和第4期，且2015年各播期的平均氣溫均為3a中最低值。2014和2015年的生育期總輻射均隨著播期的推后呈現逐漸減小的趨勢，2014年略高于2015年。而2016年各播期太陽總輻射基本持平，最小值出現在第3期。3a內生育期總日照時數均隨著播期推遲而逐漸減小，2014年各播期均為最低值。3a生育期降水量變化趨勢略有不同。2014和2015年隨著播期推遲，生育期降水量呈現先增加后減小的變化特征，最大值分別出現在第4期和第2期，而2016年各播期降水量逐漸下降。

R_avg：日平均總輻射Mean radiation；T_avg：日平均氣溫Average air temperature；SD：累計日照時數Total sunshine duration；P：降水量Precipitation

2.2 水稻各生育性狀動態變化模擬模型的確定

2.2.1 生育期模擬模型

傳統作物模型理論（積溫學說）[22]認為，農作物完成某階段的發育需要一定的熱量條件，即積累一定的有效溫度（有效積溫）。而光溫共同作用模型[23]認為，除溫度外，光照條件（光周期）對作物發育同樣存在影響（如水稻鐘模型[24]），且自然災害的發生是影響作物發育期長短的重要因子[23]。在水稻生長的特定階段，長時間陰雨或寡照等災害性天氣同樣不利于生育進程的正常發展。因此，結合溫度、降水量和日照等氣象因子，將相鄰生育期的間隔日數作為因變量，同期氣象要素及其統計量作為自變量，采用逐步回歸方法建立水稻生育期線性模型?？蛇x自變量包括平均氣溫、最高氣溫、有效積溫、降水量、雨日、日照時數、日長（可照時數）、日照時數＞0h的日數（表2）。

表2 生育期模擬模型的可選自變量

注：ATN為＞N℃的有效積溫（℃·d），N=10、15、20、25、30。下同。

Note: Taveis average air temperature, Tmaxis max. air temperature, ATNindicates effective accumulated temperature above N℃ (℃·d)，N=10, 15, 20, 25, 30, respectively. RD is rainy days, SD is sunshine duration, DSD is days of sunshine duration ＞0h. The same as below.

2.2.2 莖蘗動態變化模擬模型

水稻經過出苗和返青階段后，隨著分蘗的發生群體規模逐漸擴大，至拔節期前后，達到最高苗數。此后，分蘗發展分為兩種情況，一部分強壯的分蘗在競爭中能夠獲得更充足的養分供給，繼續保持一定的生長速率，最終完成抽穗直至成熟；另一部分分蘗過于矮小，或沒有形成足夠的根系，不能生長成穗，在后期發育中逐漸消亡[25]。因此，水稻群體分蘗的消長過程，受到外在和內在因素的影響和制約，呈現出先由低到高，再由高到低，而后趨于穩定的曲線。蔣德隆[26]結合上海早期使用的水稻品種，對水稻群體分蘗消長的線性曲線進行擬合，取得了較好的效果。故本文選擇蔣德隆的方法建立溫度條件對分蘗消長的擬合模型。

2.2.3 葉齡動態變化模擬模型

葉齡是農作物生長發育的重要參考指標之一。水稻葉齡動態與各器官建成和發展關系密切，水稻的出葉順序與分蘗發生、節間伸長、根系生長及生殖器官的發育等存在同伸關系[27]。目前，國外主流的水稻模型較少單獨考慮葉齡動態模塊，楊沈斌等[28]嘗試采用單向耦合方法將莖蘗動態模型引入國外作物模型中，以增強其對莖蘗動態、葉齡動態的模擬性能。高亮之等[24]研發的“水稻鐘”模型中考慮了葉齡模型，將葉齡數與平均氣溫建立聯系，可以實現水稻葉齡的動態模擬。本文選擇水稻鐘模型中葉齡模塊并進行簡化處理，結合試驗資料確定適合本地水稻品種的模型參數，建立水稻葉齡動態模型。

2.2.4 灌漿動態變化模擬模型

籽粒灌漿過程決定著水稻最終的粒重和產量，是水稻生長最重要的生理過程。對籽粒灌漿過程的準確描述有助于加深對生理過程本質的認識，有助于對灌漿進程合理調控，提前把握產量趨勢。目前，使用Logistic方程和Richards方程描述水稻籽粒灌漿過程較為普遍，但有些報道[29-30]指出，采用Richards方程進行描述更為適合，該方程最適于作物生長分析[31]。為此，選擇Richards方程對水稻千粒重的動態變化進行模擬。

2.3 水稻生長性狀動態模型的建立和檢驗

2.3.1 生育期模型

選擇2015?2016年共11個播期的試驗觀測資料作為建模樣本，將相鄰生育期（播種?分蘗、分蘗?拔節、拔節?孕穗、孕穗?抽穗、抽穗?成熟）的間隔日數與相應時段的氣象因子進行多元線性回歸，篩選統計結果顯著（P＜0.05）的氣象因子進入模型，建立生育期模型。選擇2014年共5個播期的觀測資料作為驗證樣本，檢驗模型的模擬效果。

式中，D為相鄰生育期的間隔日數（d），S、T、J、B、H、M分別表示播種期、分蘗高峰期、拔節期、孕穗期、抽穗期、成熟期。各自變量的含意見表2。

從圖2中可以看出，利用2015?2016年觀測數據建模的結果較為理想，生育期模擬的絕對誤差＜1d，平均誤差為0.33d，相關系數達到0.999（n=55，P＜0.001）。利用2014年的觀測數據對模型進行驗證，生育期模擬的絕對誤差＜5d，平均誤差為2.2d，相關系數達到0.996（n=25，P＜0.001）。

從所建立的關系模型可見，水稻播種?分蘗高峰期間的雨日和有效積溫對間隔日數的影響較為顯著，間隔日數與＞20℃、＞25℃的有效積溫呈顯著的負相關關系，但與雨日、＞10℃的有效積溫呈正相關關系，這表明較少的降水天數以及20℃以上有效積溫的增加能夠有效促進水稻出苗及分蘗發生。分蘗高峰?拔節期間30℃以上有效積溫的增加、較少的雨日以及充足的光照有助于加快生育進程。拔節?孕穗期間對生育進程影響顯著的因子為光照條件，較長的日照時數有利于植株由營養生長期向生殖生長階段過渡。孕穗?抽穗期溫度條件對水稻生育進程的影響較光照和水分條件更加顯著，間隔日數與20℃以上的有效積溫及平均氣溫呈較好的負相關關系。抽穗?成熟期日照時數和雨日對生育進程影響較為顯著。較多的陰雨日數不利于水稻開花授粉，且持續陰雨寡照易使部分排水不暢的田塊長時間淹水，影響植株根系的有氧呼吸，出現爛根現象，減緩生育進程。而較好的光照條件有利于植株的光合作用，促進光合產物的形成、積累和向籽粒的轉運，有效縮短灌漿周期。

圖2 2015?2016年（建模）和2014年（驗證）水稻主要生育期間隔日數實測值與模擬值[式（2）?式（6）]的比較

2.3.2 莖蘗動態模型

溫度條件對分蘗消長的擬合模型假定水稻總苗數與單位面積基本苗數（即移栽時的總苗數）、分蘗高峰時的最高苗數（即觀測到的總苗數最大值），以及水稻播種或移栽后＞10℃有效積溫有關[26]，其關系模型可以表示為

經過變換得到

選擇2015?2016年共11個播期的觀測數據作為定標樣本。利用2a試驗基地的逐日平均氣溫觀測資料，分別計算各播期水稻播種日?每次莖蘗動態觀測日＞10℃的有效積溫。將2a總苗數觀測數據作為獨立樣本，選擇各播期處理中觀測的總苗數達到峰值時對應的移栽后＞10℃有效積溫（除以100即為d）和總苗數（af）、播種時的總苗數（a0）、齊穗期的總苗數（yx）以及播種?齊穗期＞10℃有效積溫（除以100即為x），作為模型輸入變量，根據式（8）分別計算對應的c值，共確定11組參數值（表3）。取多個處理c值的平均值作為待定標參數的最優值，確定關系模型（式9）。選擇2014年共5個播期的觀測數據作為驗證樣本，檢驗模型的有效性。

最終確定的莖蘗動態模型為

式中，d值根據實際情況計算得出，其計算方法同式（7）。

建模結果顯示（圖3），2015?2016年觀測值與模擬值的相關系數R為0.886（n=124，P＜0.001），二者平均相差52.33條·m?2，歸一化均方根誤差(RMSEn)為20.7；驗證結果顯示，2014年的觀測值與模擬值的相關系數R為0.864（n=35，P＜0.001），二者平均相差56.17條·m?2，RMSEn僅為19.86，表明模型具備較強的模擬能力。圖4顯示了水稻群體密度的動態變化。由圖可見，2014?2016年各播期總苗數模擬值的變化與實測值具有較好的一致性，盡管不同播期處理實測值的變化趨勢略有差異，但模型能夠較好地反映水稻總苗數的動態變化。

表3 不同播期處理中水稻莖蘗動態模型[式（7）]擬合參數

圖3 2015?2016年（建模）和2014年（驗證）水稻總苗數實測值與模擬值[式（9）]的比較

圖4 2014?2016年不同播期處理水稻總苗數實測值與模擬值的動態變化[式（9）]

從2014?2016年模擬誤差的變化情況看，不同播期群體密度的模擬結果略有差異。第1播期的模擬值與實測值的平均誤差最大，為51.9條·m?2；第2、4播期誤差次之，分別達36.7條·m?2和37.3條·m?2；第3、5播期誤差相對偏小，平均誤差在30條·m?2以下，且模型對莖蘗消亡階段的模擬效果較莖蘗增長階段更為出色，第6播期僅有2015年的結果，不具有代表性（圖4）。2014?2016年的平均情況來看，各播期最大群體莖蘗密度出現的時間一般隨著播期的推遲而逐漸提前，第1、2播期分別于播種后第75、71天出現，第3、4、5播期分別于第69、63、53天出現。最大群體莖蘗密度出現時間主要反映莖蘗增長階段的生長速率，這與光溫條件的適宜程度、水肥管理的合理性等有密切關系。

2.3.3 葉齡模型

“水稻鐘”模型[24]中葉齡模型的基本形式為

經過變換得到

式（13）兩側的比值一般小于1，其意義可理解為，葉齡在實際日平均氣溫Tj條件下發育一日（第j天），相當于一個葉齡生理日的百分值。實際計算時，可根據逐日的日平均氣溫分別計算每一日的比值，并根據式（14）計算葉齡生理日數Nj0，再根據式（12）計算葉齡Lj。

最終確定的模型為

圖5 2015?2016年（建模）和2014年（驗證）水稻葉齡實測值與模擬值的比較[式（15）]

利用2015?2016年共11個播期的觀測資料對式（12）、式（14）中的參數進行定標，確定a=3.3，b=0.68，k=0.2（式15）。此時，模擬的葉齡值與實測值的相關系數R為0.954（n=124，P＜0.001），二者平均相差1.8葉，歸一化均方根誤差（RMSEn）僅15.66。利用2014年的觀測數據驗證模型的有效性，模擬值與實測值的相關系數R為0.952（n=35，P＜0.001），二者平均相差1.2葉，歸一化均方根誤差（RMSEn）僅為9.26（圖5）。驗證結果充分表明，模型能夠很好地模擬水稻葉齡，并能反映出葉齡動態的變化情況，模擬結果與實際情況較為一致（圖6）。

圖6 2014?2016年不同播期處理水稻葉齡實測值與模擬值的動態變化[式（15）]

2.3.4 灌漿動態模型

借鑒顧世梁等[31]的方法，以開花后天數為自變量，基于Richards方程建立水稻灌漿動態描述模型，其主要形式可以表示為

利用2015年6個播期的觀測數據對式（16）進行定標，采用Microsoft Excel中的規劃求解工具，參考湯在祥等[32]的擬合方法，確定A=27.3，b=0.033，k=0.075，m=74.89（式17）。此時模擬值與實測值的相關系數R為0.958（n=58，P＜0.001），千粒重平均相差2.1g，歸一化均方根誤差（RMSEn）僅15.11（圖7a）。

故最終確定的模型為

利用2016年5個播期的觀測資料驗證模型的有效性，模擬值與實測值的相關系數R為0.935（n=31，P＜0.001），平均千粒重相差3.83g，歸一化均方根誤差（RMSEn）為31.21（圖7b）。驗證結果表明，與生育期、莖蘗動態和葉齡模型相比，灌漿動態模型模擬效果略差。在2016年水稻灌漿中后期，模型對各播期的粒重模擬均存在明顯高估，且播期越晚的處理模擬誤差越大（圖8）。這可能是由于2016年9月下旬?10月下旬日平均氣溫較2015年和常年（1981?2010年）偏高，降水量和降水日數偏多，日照時數明顯偏少。而該時段剛好與2016年早播處理的灌漿中后期及晚播處理的主要灌漿期在時間上相吻合，暖濕天氣嚴重影響了光合產物的合成和轉運，降低了植株光合作用的同化速率和籽粒的灌漿速率，并在灌漿后期造成試驗田塊部分植株穗部發芽，影響了實粒數和粒重的增加。

圖8 2015?2016年不同播期處理水稻千粒重實測值與模擬值的動態變化[式（17）]

3 結論與討論

3.1 討論

水稻生育期模型大致可分為積溫法模型、溫度非線性模型和光溫作用模型等[23]。積溫法模型一般認為作物完成某一階段發育過程所需要的積溫為一常數，即生長速率與溫度呈線性關系，因此可利用積溫總量來衡量發育期的完成情況。然而該方法未考慮極端低溫或高溫對發育速率的負面影響[13]。也有一些學者將溫度對發育速率的影響模式調整為折線型[33]、β曲線型[14]、正態曲線型[34]、Logistic曲線型[35]等形式，建立溫度非線性模型[36]，但總體來講積溫法模型僅考慮了溫度的影響，沒有兼顧光照、日長等因素對生育進程的關鍵作用。不過，積溫法模型由于其簡單適用的特性，應用仍然較為廣泛。光溫作用模型在“積溫學說”的基礎上，綜合考慮了水稻遺傳、溫度的影響，及光照條件（或光周期）對生長發育的促進或抑制作用，如高亮之等[24]提出的“水稻鐘”模型、Robertson[37]提出的BMTS模型、Ritchie等[38]提出的CERES模型等。該類模型相比于積溫模型具有更高的精度和機理性，不足之處是待定參數一般較多，在大范圍應用時難度較大。本文建立的生育期模型綜合考慮了溫度、光照和降水等多種因素影響，采用逐步回歸的統計方法，將生育期間隔日數與影響顯著的氣象因子建立關系。與上述類型模型相比，采用生育期間隔日數（而非日序）作為因變量在一定程度上有助于減小模擬誤差，但同時增加了對前一個生育期模擬精度的依賴。經過近3a共16個播期處理的試驗數據驗證表明，模型對上海本地單季晚粳稻的生育進程具有較好的模擬能力。當然，水稻的生長發育還受到土壤肥力、土壤水分及栽培措施等的影響，由于采用統計學方法建模，模型并未考慮水稻生理機制以及環境影響機理，因此，在模型機理性方面相對缺乏。

3.2 結論

以單季晚粳稻“秋優金豐”為例，結合水稻分期播種試驗資料，分別建立生育期、葉齡動態、莖蘗動態和灌漿動態的關系模型，水稻生育期、莖蘗動態和葉齡動態模型的模擬結果與實測情況基本一致，灌漿動態模型的模擬誤差略大，可能與驗證年份灌漿期間遭遇暖濕天氣，影響光合產物的同化速率及籽粒灌漿速率有關。此外，各模型的可靠性還有待其它水稻品種及其它年份的觀測資料進一步驗證，以便為各類單季晚粳稻的生育性狀動態預測提供依據。

[1]《氣候變化國家評估報告》編寫委員會.氣候變化國家評估報告[M].北京:科學出版社,2007:151-162.Committee of.China’s national assessment report on climate change[M].Beijing:Science Press, 2007:151-162.(in Chinese)

[2]唐寶琪,延軍平,李英杰.華東地區≥10℃積溫的時空演變特征[J].中國農業氣象,2015,36(6):674-682.Tang B Q,Yan J P,Li Y J.Changes of the accumu lated temperature above 10℃ in east China[J]. Chinese Journal of Agrometeorology, 2015,36(6): 674- 682.(in Chinese)

[3]周偉東,朱潔華,李軍,等.華東地區熱量資源的氣候變化特征[J].資源科學,2009,31(3):472-478.Zhou W D,Zhu J H,Li J,et al.Characteristics of climate change for heat resources in east China[J]. Resources Science,2009,31(3):472-478.(in Chinese)

[4]張立波,吉宗偉,鄭選軍,等.近50年華東地區熱量資源變化特征分析[J].中國農業氣象,2012,33(3):325-332.Zhang L B,Ji Z W,Zheng X J,et al.Variation Characteristics of thermal resources in eastern China in the past 50 years[J]. Chinese Journal of Agrometeorology,2012, 33(3): 325-332. (in Chinese)

[5]仇建德.上海糧食三熟制氣候資源的利用與區劃[J].上海農業科技,1982,(5):27-29.Qiu J D.The utilization and regionalization of climate resources under triple-cropping system in Shanghai [J]. Journal of Shanghai Agricultural Science and Technology, 1982,(5):27-29.(in Chinese)

[6]汪治瀾,吳元中,段項瑣.“二旱一水”(麥、玉米、稻)氣候適應性評價[J].上海農業科技,1992,(5):25-27.Wang Z L,Wu Y Z,Duan X S.Assessment of climate adaptation in wheat,corn and rice rotation[J].Journal of Shanghai Agricultural Science and Technology, 1992,(5): 25- 27.(in Chinese)

[7]楊華,龍萍,夏輝,等.上海水稻種質資源的研究與利用進展[J].植物遺傳資源學報,2015,16(2):245-249.Yang H,Long P,Xia H,et al.The research and utilization progress of rice germplasm resource in Shanghai[J].Journal of Plant Genetic Resources, 2015, 16(2):245-249.(in Chinese)

[8]杜興彬,吳曉林.上海地區雜交粳稻制種發展中存在的問題及對策建議[J].種子世界,2017,(11):12-13.Du X B,Wu X L.Problems and suggestions in the development of hybrid japonica rice in Shanghai[J]. Seed World,2017,(11):12-13.(in Chinese)

[9]李鑫,孫杰,張麗麗,等.遼寧省水稻種質資源主要農藝性狀的相關性分析[J].遼寧農業科學,2014,(3):53-56.Li X,Sun J,Zhang L L,et al.Correlation analysis of major agronomic traits of rice germplasm resources in Liaoning province[J].Liaoning Agricultural Sciences,2014,(3):53-56. (in Chinese)

[10]曹宏鑫,趙鎖勞,葛道闊,等.作物模型發展探討[J].中國農業科學,2011,44(17):3520-3528.Cao H X,Zhao S L,Ge D K,et al.Discussion on development of crop models[J].Scientia Agricultura Sinica,2011, 44(17): 3520-3528.(in Chinese)

[11]帥細強,王石立,馬玉平,等.基于ORYZA2000模型的湘贛雙季稻氣候生產潛力[J].中國農業氣象,2009,30(4):575-581.Shuai X Q,Wang S L,Ma Y P,et al.Studies on potential climate productivity of double rice in Hunan and Jiangxi provinces based on ORYZA 2000 model[J].Chinese Journal of Agrometeorology, 2009,30(4):575-581.(in Chinese)

[12]謝文霞,嚴力蛟,王光火.運用WOFOST模型對浙江水稻潛在生長過程的模擬與驗證[J].中國水稻科學,2006,20(3): 319-323.Xie W X,Yan L J,Wang G H.Simulation and valida tion of rice potential growth process in Zhejiang by utilizing WOFOST model[J].Chinese J Rice Sci, 2006,20(3): 319- 323.(in Chinese)

[13]宋洋,王學林,殷劍敏,等.三種光溫模型在模擬水稻生育期中的應用與比較[J].生態學雜志,2014,33(12):3262-3267.Song Y,Wang X L,Yin J M.et al.Application and comparison of three kinds of photo-thermal model to simulate the rice growth period[J].Chinese Journal of Ecology,2014,33(12): 3262-3267.(in Chine se)

[14]孟亞利,曹衛星,周治國,等.基于生長過程的水稻階段發育與物候期模擬模型[J].中國農業科學,2003,(11):1362-1367.Meng Y L,Cao W X,Zhou Z G,et al.A process-based model for simulating phasic develop pment and phenology in rice[J].Scientia Agricultura Sinica,2003,(11):1362-1367.(in Chinese)

[15]葉宏寶,孟亞利,湯亮,等.水稻葉齡與葉面積指數動態的模擬研究[J].中國水稻科學,2008,(6):625-630.Ye H B,Meng Y L,Tang L,et al.A simulation study on leaf age and leaf area index in rice[J].Chinese J Rice Sci,2008, (6):625-630.(in Chinese)

[16]馮陽春,魏廣彬,李剛華,等.水稻主莖出葉動態模擬研究[J].中國農業科學,2009,42(4):1172-1180.Feng Y C,Wei G B,Li G H,et al.A simulation model of leaf appearance on main stem of rice[J].Scientia Agricultura Sinica, 2009,42(4):1172-1180.(in Chinese)

[17]李艷大,湯亮,陳青春,等.水稻地上部干物質積累動態的定量模擬[J].應用生態學報,2010,21(6):1504-1510.Li Y D,Tang L,Chen Q C,et al.Dry matter accumulation in rice aboveground part:quantitative simulation[J].Chinese Journal of Applied Ecology,2010, 21(6):1504-1510.(in Chinese)

[18]孟亞利,曹衛星,柳新偉,等.水稻地上部干物質分配動態模擬的初步研究[J].作物學報,2004,(4):376-381.Meng Y L,Cao W X,Liu X W,et al.A preliminary study of simulation on shoot dry matter partitioning in rice[J].Acta Agronomica Sinica,2004, (4): 376- 381.(in Chinese)

[19]常麗英,湯亮,曹衛星,等.水稻地上部單位器官物質分配過程的定量模擬[J].中國農業科學,2008,(4):986-993.Chang L Y,Tang L,Cao W X,et al.Quantitative simulation on dry matter partitioning dynamics of unit organs in above- ground rice[J].Acta Agronomi ca Sinica,2008,(4): 986- 993.(in Chinese)

[20]國家氣象局.農業氣象觀測規范(上卷)[M].北京:氣象出版社,1993:19-30.China Meteorological Administration. Agrometeorological observation specifications[M]. Beijing: China Meteorological Press,1993:19-30.(in Chinese)

[21]中國氣象局.氣象輻射觀測方法[M].北京:氣象出版社,1996:130-131.China Meteorological Administration.Methods of meteorolo- gical radiation observation[M]. Beijing: China Meteorolo- gical Press,1996: 130-131.(in Chinese)

[22]潘學標.作物模型原理[M].北京:氣象出版社,2003:47-52.Pan X B.Principle of crop model[M].Beijing:China Meteoro- logical Press,2003:47-52.(in Chinese)

[23]張帥,陶福祿.水稻發育期模型研究進展[J].地理科學進展,2012,31(11):1485-1491.Zhang S,Tao F L.Review of research on rice phenology models[J].Progress in Geography,2012, 31(11):1485-1491. (in Chinese)

[24]高亮之,金之慶,黃耀,等.水稻計算機模擬模型及其應用之一,水稻鐘模型:水稻發育動態的計算機模型[J].中國農業氣象,1989,10(3):3-10.Gao L Z,Jin Z Q,Huang Y,et al.Rice clock model:a computer simulation model of rice development [J]. Chinese Journal of Agrometeorology, 1989,10(3): 3-10.(in Chinese)

[25]黃耀,高亮之,金之慶,等.水稻群體莖蘗動態的計算機模擬模型[J].生態學雜志,1994,13(4):27-32.Huang Y,Gao L Z,Jin Z Q,et al.Simulation model of tillering dynamics of rice community[J].Chinese Journal of Ecology, 1994,13(4):27-32.(in Chinese)

[26]蔣德隆.水稻分蘗與光、溫條件關系的統計模式[J].植物學報,1982,24(3):247-251.Jiang D L.The model of relations of rice tillering to light and temperature conditions[J].Acta Botanica Sinica,1982,24(3): 247-251.(in Chinese)

[27]劉桃菊,唐建軍,殷新佑,等.水稻葉齡動態的模擬研究[J].江西農業大學學報,1996,(2):145-149.Liu T J,Tang J J,Yin X Y,et al.The simulation study of the leaf appearance dynamics of rice[J].Acta Agriculturae Universitis Jiangxiensis,1996,(2): 145- 149.(in Chinese)

[28]楊沈斌,陳德,王萌萌,等.ORYZA2000模型與水稻群體莖蘗動態模型的耦合[J].中國農業氣象,2016,37(4):422-430.Yang S B,Chen D,Wang M M,et al.Coupling the dynamic tillering model to rice growth model ORYZA2000 to simulate rice tillering[J].Chinese Journal of Agrometeo rology,2016,37(4):422-430.(in Chinese)

[29]朱慶森,曹顯祖,駱亦其.水稻籽粒灌漿的生長分析[J].作物學報,1988,14(3):182-193.Zhu Q S,Cao X Z,Luo Y Q.Growth analysis on the process of grain filling in rice[J].Acta Agronomica Sinica,1988, 14(3):182-193.(in Chinese)

[30]龔月樺,劉迎洲,高俊鳳.K型雜交小麥901及親本籽粒灌漿的生長分析[J].中國農業科學,2004,37(9):1288-1292.Gong Y H,Liu Y Z,Gao J F.Growth analysis on the process of grain filling in hybrid wheat 901 and its parents[J]. Scientia Agricultura Sinica,2004,37(9): 1288-1292.(in Chinese)

[31]顧世梁,朱慶森,楊建昌,等.不同水稻材料籽粒灌漿特性的分析[J].作物學報,2001,27(1):7-14.Gu S L,Zhu Q S,Yang J C,et al.Analysis on grain filling characteristics for different rice types[J].Acta Agronomica Sinica,2001,27(1):7-14.(in Chinese)

[32]湯在祥,高清松,徐辰武.非線性方程的Excel擬合及其應用[J].中國農學通報,2005,21(3):306-310.Tang Z X,Gao Q S,Xu C W.Nonlinear equation fitting by Microsoft Office Excel and its application[J].Chinese Agricultural Science Bulltein, 2005, 21(3):306-310.(in Chinese)

[33]Bouman B A M,Kropff M J,Tuong T P,et al.ORYZA2000: modeling lowland rice[M].Los Ba?os, Philippines & Wageni- ngen, Netherlands:International Rice Research Institute & Wageningen University and Research Centre, 2001: 31-32.

[34]沈國權.影響作物發育速度的非線性溫度模式[J].氣象,1980,(6):9-11.Shen G Q.Nonlinear temperature pattern that affects the growth rate of crops[J].Meteorological Monthly, 1980, (6): 9-11.(in Chinese)

[35]Nakagawa H,Horie T.Modelling and prediction of developmental process in rice II:a model for simulating panicle development based on daily photoperiod and temperature[J].Japanese Journal of Crop Science, 1995,64(1): 33-42.

[36]王尚明,張崇華,胡逢喜,等.空氣溫度對水稻生長影響的數學模擬[J].江西農業學報,2007,19(10):16-18.Wang S M,Zhang C H,Hu F X,et al.Mathematical simulation of effect of air temperature on growth of rice[J].Acta Agriculturae Jiangxi,2007,19(10): 16- 18.(in Chinese)

[37]Robertson G W.Development of simplified agroclimatic procedures for assessing temperature effects on crop development[A].Bureau P W.Plant response to climatic factors[C].Paris:Philippine Weather Bureau,1973:327-343.

[38]Ritchie J T,Otter S.Description and performance of CERES-Wheat:a user-oriented wheat yield model[J]. USDA- ARS technical Report,1985,38:159-175.

Dynamic Simulation on Main Growth Traits of Single-Cropping Late Japonica Rice in Shanghai

ZHANG Hao1,2, SHEN Shuang-he1, SHI Yan-shu3, XUE Zheng-ping3, XIN Tiao-er3, LI Jun3

(1. College of Applied Meteorology, Nanjing University of Information Science and Technology, Nanjing 210044, China; 2.Shanghai Songjiang Meteorological Service, Shanghai 201616; 3. Shanghai Climate Center, Shanghai 200030)

Since the 1950s, the food cultivation system and rice varieties in Shanghai have undergone continuous replacement, and they have developed into the current wheat-rice or canola-rice as the main annual rotation system, in which rice is mainly single-cropping late japonica rice. In order to effectively estimate the growth status of single-cropping late rice, a linear stepwise regression method was used to establish a relationship model for the length of adjacent rice growth stage and meteorological factors. Three process models such as leaf age, tillering dynamic and grain filling were established based on selection of well-established modules and parameter calibration. Observation data from 16 sowing dates field experiment of the hybrid rice "Qiuyou Jinfeng" from 2014 to 2016 were selected to verify the parameters and the validity of the model. The dynamic changes of rice's growing traits were simulated, and error analysis was performed. The results showed that all models performed good in simulating the development stages, tillering dynamics, leaf age and grain filling process, and the correlation coefficient (R) between the simulated values and measured values in development stages and leaf age are both larger than 0.95 (P<0.001), the normalized root mean squared error (RMSEn) are both below 10. The R value between the simulated and measured values of the tillering dynamics and grain filling dynamic model are both larger than 0.85 (P<0.001), and the RMSEn are 19.8 and 31.2, respectively. The simulation error of grain weight mainly occurs in the middle and late stage of grain filling. Overall, each model has good simulation performance for single cropping late rice in Shanghai, and can help for dynamic prediction of growth period, stem length, leaf age, and grouting process estimation.

Single-cropping late rice; Development stage; Tillering dynamic; Grain filling process; Crop model

2018?02?15

。E-mail: yqzhr@nuist.edu.cn

華東區域氣象科技協同創新基金合作項目(QYHZ201609)；上海市氣象局研究型專項項目（YJ201804；YJ201808）

張皓（1982?），副研究員，主要研究方向為農業氣候資源利用與系統模擬。E-mail: hao8131982@163.com

10.3969/j.issn.1000?6362.2018.08.004

張皓,申雙和,史艷姝,等.上海單季晚粳稻主要生育性狀的動態模擬[J].中國農業氣象,2018,39(8):518?530