农业大数据学报2023,5(2):97-108JournalofAgriculturalBigDataDOI: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@163.com。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:chenxianguan@fafu.edu.com。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11.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.WANGXueYing,CHENXianGuan,TANGShunJie,etal.SensitivityAnalysisandAdaptabilityEvaluationofRiceSMModel[J].JournalofAgriculturalBigData,...
