RiceSM水稻模型参数敏感性分析与适应性研究.pdf

农业大数据学报 2023,5(2):97-108 Journal of Agricultural Big Data DOI:10.19788/j.issn.2096-6369.230215 收稿日期：2022-07-26 基金项目：国家重点研发计划(2016YFD0300201)，福建省中青年教师教育科研项目(JAT220055)作者简介：王雪莹，硕士研究生，研究方向：作物模型应用；E-mail:wxueying22 。通信作者陈先冠，讲师，博士，研究方向：作物模型与智慧决策；E-mail:。RiceSM 水稻模型参数敏感性分析与适应性研究 王雪莹1,3，陈先冠1,2*，汤顺杰1，冯利平1 1.中国农业大学资源与环境学院，北京 100193；2.福建农林大学农学院，福州 350002；3.北京师范大学全球变化与地球系统科学研究院，北京 100875 摘要：作物模型可定量描述作物生长发育过程及其与环境因子的关系，在农业生产管理决策等方面具有重要的应用价值。模型参数调试是作物生长模拟模型进行应用前的重要步骤，且往往需要大量时间和精力进行调试，敏感性分析可以以较高的效率筛选出敏感参数，是模型本地化的重要环节，对模型的应用有重要意义。文章研究基于 Morris 法和 EFAST 法对 RiceSM模型的作物参数进行了敏感性分析，筛选出输出变量中成熟期、叶面积指数、地上部生物量、产量的敏感参数，并比较分析两种方法结果的异同。结果表明，移栽至拔节阶段的基本发育系数 K3、出苗到移栽阶段的基本发育系数 K2、移栽到拔节阶段叶干物质的分配系数 CLV1 是影响 RiceSM 模型主要输出结果的最敏感参数，两种方法得到的敏感参数结果基本一致，但各敏感参数的重要程度略有差异。以筛选出的敏感参数为基础，基于长沙、常德两站的农气观测资料对 RiceSM 模型进行调参与验证。验证结果表明，早稻和晚稻叶面积指数模拟值与实测值的归一化均方根误差(NRMSE)在 21.63%47%之间，早稻和晚稻茎、叶、穗、地上部生物量和产量模拟值与实测值的NRMSE分别为4.77%39.51%、5.46%6.64%、3.78%4.15%和2.78%3.52%和 9.29%12.12%之间。调参后的模型能够较好地模拟早稻和晚稻生物量、叶面积指数的动态变化和产量形成过程。研究结果可为 RiceSM 模型的本地化、参数优化和推广应用提供支持。关键词：水稻；RiceSM 模型；敏感性分析；适应性研究 引用格式：王雪莹,陈先冠,汤顺杰,等.RiceSM 水稻模型参数敏感性分析与适应性研究J.农业大数据学报,2023,5(2):97-108.WANG XueYing,CHEN XianGuan,TANG ShunJie,et al.Sensitivity Analysis and Adaptability Evaluation of RiceSM ModelJ.Journal of Agricultural Big Data,2023,5(2):97-108.Sensitivity Analysis and Adaptability Evaluation of RiceSM Model WANG XueYing1,3,CHEN XianGuan1,2*,TANG ShunJie1,FENG LiPing1 1.College of Resources and Environmental Sciences,China Agricultural University,Beijing 100193,China;2.College of Agriculture,Fujian Agriculture and Forestry University,Fuzhou 350002,China;3.College of Global Change and Earth System Science,Beijing Normal University,Beijing 110875,China Abstract:Crop model can quantitatively describe crop growth and development processes and their relationships with environmental factors,and have important applications in agricultural production management decisions and other areas.Model parameter debugging is an important step before crop growth simulation models are applied,and often requires a lot of time and effort for 98 农 业 大 数 据 学 报 第5卷 debugging.Sensitivity analysis can screen out sensitive parameters with high efficiency,and is an important part of model localization,which is of great significance for model application.Sensitivity analysis was conducted on the crop parameters of the RiceSM model based on the Morris method and EFAST method to screen out the sensitive parameters of maturity,leaf area index,total biomass and yield among the output variables,and to compare and analyze the similarities and differences between the results of the two methods.The results showed that basic development factor from transplanting to jointing stage K3,basic development factor from seeding to transplanting stage K2 and dry matter distribution coefficients of leaf from transplanting to jointing stage CLV1 were the most sensitive parameters affecting the main output results of RiceSM model,and the results of the sensitive parameters obtained by the two methods were generally consistent,but the importance of each sensitive parameter differed slightly.The validation results showed that the normalized root mean square error(NRMSE)of simulated and measured values of early and late rice leaf area index ranged from 21.63%to 47%,and the NRMSEs of simulated and measured values of stem,leaf,spike,aboveground biomass and yield of early and late rice ranged from 4.77%to 39.51%,5.46%to 6.64%,3.78%to 4.15%and 2.78%to 3.52%and between 9.29%and 12.12%respectively.The model was able to better simulate the dynamics of bio-mass,leaf area index and yield formation in early and late rice.The results of the study provide a reference for the localization of the model.Key words:rice;RiceSM model;sensitivity analysis;adaptability evaluation 1 引言 水稻是我国第二大粮食作物，种植面积占全国粮食种植面积的 1/4，产量占全国粮食产量的 32%1，水稻生产的稳定对保障我国的粮食安全有着重要的意义。水稻生长模拟模型是利用系统分析和计算机技术，将水稻生长发育过程及其与环境、气候、田间管理措施等作为整体进行动态的定量化分析，能够再现水稻生长发育和产量形成的过程。利用水稻模型对水稻生长进行动态模拟，可帮助人们更好地理解水稻的生长发育进程及其与环境间的关系，从而对水稻生长进行科学预测与决策，进而应对气候变化带来的挑战1。水稻模型已广泛应用于生产实践，在作物产量预测预报2、农作物病虫害预测预报3、农业气象灾害预警4、农业生产经营管理决策5、决策新品种推广6等方面发挥着越来越重要的作用。然而在水稻模型的应用过程中，仍然存在着诸多问题。由于水稻的生长发育受基因型、环境条件和管理措施的共同影响，导致水稻模型中包含了较多的输入参数，而模型输入参数受到地域、时间、气候和土壤等多种因素的影响，从而导致了模型预测结果的不稳定7-8。为获取不同输入参数对预测结果不确定性的影响大小，需要进行作物模型参数敏感性分析，从而提高参数优化的效率。敏感性分析方法可以根据参数的维度分成局部敏感性分析方法和全局敏感性分析方法，其中全局敏感性分析方法可以分析多个参数变化及参数间交互的影响，应用较为广泛9。全局敏感性分析方法又可以分为定性法和定量法，定性法主要有 Morris 参数筛选法、傅里叶幅度检验法 FAST 和多元回归法等9；定量法可以通过计算得到各参数的敏感性值，主要有 Sobol法和扩展傅里叶幅度检验法 EFAST 等8。基于 EFAST方法，邢会敏等10、谢松涯等11分别对 AquaCrop模型、WOFOST 模型的参数进行了敏感性分析，取得了较好的效果；宋明丹等12利用 CERES-Wheat 模型对比了 Morris 法和 EFAST 法的结果，研究表明两种方法具有较高的相关性和可替代性。检验模型在不同水稻种植区的适用性，是促进模型的本地化应用的重要一环。目前，国内外已建立了CERES-Rice、ORYZA、MACROS 和 GOSSYM 等模型13，许多学者已对不同水稻模型进行了验证与适应性评价，高蓓等14基于水稻 ORYZA2000 模型分析其在陕西省的适应性，研究不同播期对水稻产量的影响；姚凤梅等15用 CERES-Rice 模型在中国水稻主产区开展应用研究，评价了该模型不同水稻品种的产量、开花期和生物量等的模拟效果以及水稻产量对气候变化的响应程度；郭建茂等16基于稻田实测温度对水稻模型 ORYZA2000 在安徽省寿县的适应性进行了评价，研究了不同的播期与品种的水稻生长发育及产量的变化。然而，水稻生长模型的参数众多，不同模型参数对于模型输出的影响程度不同，目前大部分模型适应性评价研究都是同时进行参数率定与优化，消耗了研究人员大量的时间与精力。通过