改进CERES-Rice模型模拟覆膜旱作水稻生长

马雯雯，石建初，金欣欣，宁松瑞，李 森，陶玥玥，张亚男，刘 洋，林 杉，胡鹏程，左 强



改进CERES-Rice模型模拟覆膜旱作水稻生长

马雯雯1，石建初1，金欣欣2，宁松瑞3，李 森1，陶玥玥4，张亚男1，刘 洋5，林 杉1，胡鹏程1，左 强1※

（1. 中国农业大学资源与环境学院，北京 100193；2. 河北省农林科学院粮油作物研究所，石家庄050035；3. 陕西省土地工程建设集团有限责任公司，西安 710075；4. 江苏太湖地区农业科学研究所，苏州 215155；5. 河北省水利水电第二勘测设计研究院，石家庄 050021）

覆膜旱作是节水稻作生产体系的重要措施之一，采用CERES-Rice模型模拟覆膜旱作水稻生长需另外考虑覆膜的增温效应和根系层土壤水分布差异及由此所带来的影响。该文借鉴部分旱地作物的相关研究成果，对原CERES-Rice模型中的积温和土壤温度、蒸发和土壤水分胁迫等模拟计算过程进行了改进，并进一步通过2个水稻生长季的田间试验予以验证。试验于2013、2014 年在湖北房县进行，共涉及淹水（对照）、覆膜湿润栽培和覆膜旱作共3个水分处理，采用原模型和改进模型分别对2个生长季、2个覆膜处理的生育期、叶面积指数与地上部干物质质量的变化过程及产量进行模拟。结果表明：原CERES-Rice模型难以准确刻画覆膜旱作水稻的生长发育过程，经改进后，模拟效果大大改善，可有效反映环境变化（水分、温度）对覆膜水稻生育进程的影响和产量形成，维持生育期与产量模拟的相对误差在15%以内；覆膜水稻叶面积指数的动态模拟基本满足要求，其均方根差≤1.54 m2/m2、相对均方根差≤27%、建模效率≥0.85；对覆膜水稻地上部干物质质量变化过程的模拟也呈现出较好的效果，均方根差和相对均方根差分别小于1 490 kg/hm2、16%，建模效率则高于0.95。总体而言，经改进后的CERES-Rice模型基本可满足要求，较好地用于模拟覆膜旱作水稻的生长发育规律。

土壤；模型；数值方法；覆膜旱作水稻； CERES-Rice模型；水稻生长发育

0 引 言

传统水稻多采用耗水量较大的淹水种植方式栽培，水资源紧缺的形势促使节水稻作生产体系得到长足发展，其重要措施之一是覆膜旱作技术，它具有显著的节水、节肥、增产等优势[1]，已在中国部分地区得到了较为广泛的推广与应用[2]。总体而言，该体系提出的时间相对较短，不仅其相关机理而且对环境的效应还有待于更深的研究，显然，采用模型模拟是其中较为重要的手段之一。CERES-Rice模型能较好地模拟环境因素，如天气、土壤、品种、水肥，对淹水水稻生长发育的影响，进而为当地制定出最佳决策，迄今为止，已在传统淹水水稻生长模拟及环境效应评估中发挥了极为重要的作用，并在世界各国获得广泛的成功应用[3-4]。

水稻覆膜旱作与淹水种植的生长条件有较大差异。现有的CERES-Rice模型主要用于传统淹水水稻的生长模拟，当采用该模型模拟覆膜旱作水稻生长时，必须考虑覆膜的增温效应和根系层土壤水分分布的差异及由此所产生的影响。CERES-Rice模型中的温度模拟模块经合理改进后可有效模拟覆膜的增温效应[5]。本文旨在在嵌入上述温度模拟改进模块的基础上，进一步考虑覆膜旱作所导致的根系层水分胁迫环境及地表边界条件的差异，改进和完善CERES-Rice模型中的土壤水分与温度模拟模块，使其能较好地模拟覆膜旱作水稻生长。模拟结果将通过2013—2014年在湖北房县开展的2季水稻栽培田间试验予以验证。

1 材料与方法

1.1 CERES-Rice模型简介

CERES-Rice水稻生长模型是DSSAT系统（Decision Support System for Agrotechnology Transfer）中众多的作物生长模型之一。通过与DSSAT系统的相关模块结合，CERES-Rice模型能够分析众多因子对淹水水稻生长发育的影响，由3部分组成[3]：1）输入模块：主要包括天气、土壤、田间管理与物种遗传特性参数的数据文件，以及实测数据文件等；2）输出与分析模块：包含模型所有的模拟结果和数据分析输出文件；3）生理生态过程模拟模块：主要由天气、土壤、土壤-作物-大气和生长发育4个子模块组成，可定量描述不同环境条件下作物的生长发育基本过程。鉴于本文气象数据均为实测输入，仅分别简要介绍其他几个子模块的计算原理或过程如下。

1.1.1 土壤子模块

土壤子模块主要包括土壤水分和土壤碳氮平衡2部分，本文仅考虑其中的土壤水分平衡计算[6]。早期的DSSAT v3.5模型中，剖面土壤含水量的计算主要基于每天的降水、灌溉、蒸腾、土壤蒸发、径流和深层渗漏等参数，从DSSAT v4.0开始，土壤蒸发、作物蒸腾和根系吸水过程被分到土壤-作物-大气（soil-crop-atmosphere continuum，SPAC）子模块予以考虑，使模型扩展和维护更为灵活。

1.1.2 SPAC子模块

SPAC子模块包括土壤温度、蒸发（土壤、水面）、作物蒸腾和根系吸水等子模型，其中土壤温度的模拟原理与过程已在文献[5]中介绍，这里不再赘述。蒸发子模块包括水面蒸发和土壤蒸发的计算。水面蒸发由潜在蒸散和叶面积指数（leaf area index，LAI）予以计算，其中潜在蒸散采用Priestley-Taylor模型，根据太阳辐射、最高温度、最低温度、叶面积指数和土壤反射率等参数进行估算[7]。另外，基于潜在蒸散和叶面积指数还可获得潜在土壤蒸发，之后应用Suleiman和Ritchie提出的扩散理论，根据土壤质地和土壤含水量即可估算实际土壤蒸发[8-9]。

SPAC子模块中的根系吸水根据根长密度分布、潜在蒸腾及土壤水分状况等参数进行模拟[7,10]。

1.1.3 生长发育子模块

生育期模拟：水稻生长发育子模块的主要编制原理是利用温度、光合和遗传参数决定作物1个新生育期的开始。遗传参数有8个：营养生长期所需热时量、最适的光周期、幼穗分化至圆锥花序产生所需的热时量、完成灌浆期所需要的热时量、日辐射与同化物之间的转换系数、潜在籽粒质量、分蘖速度、温度容忍系数。其中，前4个与发育特性有关，后4个则与产量形成相关[11]。将生育期由l～9编号[12]，每个生育期均由各自的累计积温决定[13]。本文水稻品种的遗传特性参数直接引用刘洋等[14]的优化结果。

生长模拟：生长发育子模块模拟生物量的生产与分配。干物质生产的实际速率由干物质的潜在产量和胁迫因子（主要包括温度胁迫因子、水分胁迫因子和移栽休克因子）计算获得，所涉及的参数包括遗传特性参数、最低/最高气温、温度、积温、生育期（时间）、根系吸水及蒸腾、光能利用效率、光合有效辐射、种植密度、叶面积指数等，计算过程较为复杂，详见文献[15-16]，为了合理考虑覆膜及其内部微细水珠对光的反射作用，其中的光合有效辐射参数参照汪兴汉[17]的推荐值进行微调。

1.2 大田试验

1.2.1 试验区概况

大田试验于湖北省十堰市房县红塔乡况营村的房县农业局高枧苗木场（北纬32°7′、东经110°42′，海拔450 m）进行。当地属于北亚热带湿润季风气候，夏季平均气温多高于25 ℃，年平均降水量830 mm左右。影响当地农作物生长的主要灾害性天气包括春季“倒春寒”和夏季“卡脖旱”[18]。目前房县水稻种植主要包括传统淹水和覆膜旱作2种生产体系。

试验小区剖面0～20和＞20～60 cm土壤pH值分别为6.2、6.4，土壤有机质质量分数分别为13.9、7.7 g/kg，土壤剖面质地与基本物理化学性质的介绍详见文献[19]。在水稻生长季内，试验区地下水位波动范围为20～70 cm。

1.2.2 试验处理与布局

大田试验共3个水分处理，分别是淹水处理（W1）、覆膜湿润处理（W2）和覆膜旱作处理（W3），其具体含义分别如下[19-20]：W1为水稻整个生育期内保持2～5 cm水层；W2为水稻整个生育期内没有水层，根系层土壤含水量饱和；W3在分蘖中期前与W2一样，之后根系层土壤含水量是田间持水量的80%～100%各处理3个重复，共9个田块，田块均为10 m´9 m的长方形，如图1所示，随机布置。为了预防田块之间的水分侧渗，试验开始前，在各田块的四周地面以下80 cm铺设防渗膜。每个田块有5个厢面，厢面宽156 cm，每个厢面种植6行水稻，行间距26 cm，株距18 cm，采用沟灌方式进行灌溉，在各田块厢面间设输水沟，沟宽为 15 cm，沟深为15 cm。为准确计量灌溉量与排水量，在各田块均分别安装进、出水表。

图1 试验小区平面图

大田试验共开展2季（2013—2014年），试验采用的是宜香3728的水稻品种。于2013年4月2日育苗，26 DAP即4月28日进行移栽（其中DAP表示播种后天数），9月9日收获（160 DAP），生育期共160 d。2014年4月5日育苗，4月29日（24 DAP）至5月1日移栽，于9月19日（167 DAP）收获，生育期共167 d。水稻移栽即2013年4月28日、2014年4月29日后进行水分管理，具体水肥管理措施详见文献[19]。

1.2.3 测定项目与测定方法

1）气象数据采集：小型自动气象站（WeatherHawk 500，Campbell Scientific，USA）安装在试验小区的东边，每隔30 min自动记录气象数据如降雨量（mm）、太阳辐射（kJ/m2）、气温（℃，平均气温、最高气温、最低气温）。

2）土壤数据采集：W2、W3处理各小区剖面土壤含水量用土壤水分速测仪（Diviner 2000，Sentek，澳大利亚）进行测量，每隔1 d测量1次。在水平方向上，W2处理在厢面中心位置埋设土壤水分监测管1根，长1 m；W3处理从厢面中心到输水毛沟等间距埋设了3根1 m Diviner监测管，以监测土壤剖面上含水量变化。在垂直方向上，各根管从地表到地下60 cm，按10 cm一层分层测定含水量。

3）水稻农学参数监测

生育期：从移栽后10 d左右开始，每5 d观察1次水稻的生长发育状况，将水稻的主要生育期分为分蘖中期、最大分蘖期、拔节孕穗期、开花期和成熟期。

叶面积指数：在前4个生育期，每个小区釆集长势均匀的8穴水稻植株样品用于测定叶面积指数。采样时为减小边际效应，在采样厢面中间2行采集8穴，并与前次采样间隔4穴[21]。随后用四分法取出部分植株分开茎叶，利用长宽法测定叶面积从而获取叶面积指数。

地上干物质质量：在各主要生育期测定每个小区的生物量，每次采样8穴，第1次取样位置与第2次取样位置距离0.5 m。用镰刀紧贴地面割下水稻地上部，将植株样放入烘箱中在105 ℃下杀青30 min，75 ℃下烘干至恒质量，称干质量。

产量：测定预留的每个小区中间未扰动厢面的水稻产量，实际测产面积10 m2。

1.3 CERES-Rice模型改进

与淹水栽培相比，水稻覆膜旱作会导致土壤温度和根系层水分环境发生较大变化，因此，原CERES-Rice模型中的土壤温度及作物生长积温、蒸发及水分胁迫等模拟过程可能难以反映覆膜旱作对水稻生长的影响，需根据实际情况予以改进。

1.3.1 土壤温度与积温

土壤温度子模型已根据热量传输理论、目前旱地作物生产系统中采用的覆膜增温效应模拟方法及覆膜旱作条件予以改进，包括覆膜条件下表层和剖面土壤温度的计算，详见文献[5]。

原CERES-Rice模型假定作物发育速度与9～33 ℃范围内的温度成正比，累计积温为日温度（daily temperature，DTT，℃）之和，当逐日最高（daily maximum temperature，TMAX，℃）和最低气温（daily minimum temperature，TMIN，℃）位于该范围内时，

DTT=(TMAX+TMIN)/2-9 （1）

如果最高、最低温度超出上述给定范围，则通过每 3 h的温度权重因子TTMP()（=1,2,…,8，表示每天可包含8个权重因子）和气温校正系数(TMFAC())对DTT进行修正[13]：

其中DT为中间变量，为

（3）

TTMP()=TMIN+TMFAC()·(TMAX-TMIN) （4）

TMFAC()=0.931+0.114–0.070 32+0.005 33（5）

温度对作物发育的效应主要体现在对其分生组织的影响之上[22]，而作物生长早期的分生组织多在地表以下，其发育速度与由气温计算的积温并不始终相关，当采用土温替换气温时会显著改善这种相关关系，显然在作物生长早期采用土壤温度描述对作物发育的影响更为确切。另外，相对于淹水处理，覆膜使得土壤温度显著升高[5]，因此在水稻最大分蘖期前，本研究将式（1）和（4）中的气温TMAX和TMIN均替换为土壤温度以改进积温的模拟过程，即

DTT=(STMAXfilm+STMINfilm)/2-9 （6）

TTMP()=STMINfilm+TMFAC()·(STMAXfilm-STMINfilm) （7）

式中STMAXfilm和STMINfilm分别表示覆膜后表层（地表下5 cm处）土壤温度每日最高、最低值，℃。

1.3.2 蒸发与水分胁迫

传统水稻淹水种植体系包括淹水和晒田2种状态（或阶段），与此相对应，稻田表面则分别发生水面蒸发和土面蒸发过程，这些原CERES-Rice模型中均有考虑。覆膜旱作将稻田分为覆膜种植区和非覆膜灌水沟2部分，考虑到覆膜对蒸发的抑制作用，本研究中对覆膜旱作稻田中蒸发的模拟仅针对非覆膜灌水沟区域，沟中有水时为水面蒸发、无水时为土壤蒸发，其模拟方法或过程不变，但蒸发面的面积需根据实际情况进行调整。

淹水种植水稻在晒田阶段会经历短暂的水分亏缺过程，在模拟根系生长/根系吸水及干物质生产分配时，原CERES-Rice模型都构造有水分胁迫因子来定量刻画这种短暂水分亏缺的影响，其中用于干物质生产分配模拟的水分胁迫因子（water stress factor，SWFAC）被表征为根系吸水与潜在蒸腾之比，考虑了作物（根长、LAI、作物系数等）、土壤（水力学特性、含水量、反射率等）和气象（辐射、气温等）等众多因素，主要通过作物自身的反应或参数来刻画水分亏缺对水稻生长过程的影响，所需参数较多、计算过程较为复杂，其结果的稳定性还受诸多气象因子（如辐射、气温、风速等）的强烈影响。相较其他生长阶段而言，淹水稻田的晒田期较为短暂且气象因子也相对较为稳定，因而应用上述SWFAC表征水分亏缺模拟干物质生产分配可以获得较为可靠的结果。对于本研究中的覆膜处理而言，其根系层可能在较长时间内都处于水分亏缺状态（如W3处理），期间各气象要素可能发生剧烈变化，从而导致计算获得的SWFAC极不稳定或难以真实地反映作物所受到的水分胁迫程度；另外，进一步的试算结果还表明，SWFAC对根系层的水分状况差异（如W2和W3处理）并不敏感，难以有效反映根系层不同水分亏缺程度所导致的作物干物质生产分配差异，与淹水稻田所面临的情形不同，覆膜旱作稻田根系层长时期的非饱和条件确实会使得水稻受到程度不尽一致的水分胁迫[20]。为了规避不稳定气象因素的影响，合理地定量表征这种较长时期根系层的水分亏缺程度，在改进CERES-Rice模型中，按照旱作物的常见处理方式引入水分胁迫因子，简化、改进SWFAC的计算过程如下[23]：

式中为土壤含水量，cm3/cm3；2为萎蔫含水量（取-15 kPa基质势所对应的含水量，本文设定为根系层各层土壤萎蔫含水量的平均值0.226 cm3/cm3；1为最适宜植物根系吸水含水量，cm3/cm3。传统种植模式下，1通常取为田间持水量，但覆膜种植模式下，覆膜加强了水稻抗氧化防御能力并减少了水分亏缺引起的氧化损伤[24]，对于覆膜水稻，当土壤含水量小于90%的田持时作物生长将会受到影响[25]，所以本研究1取为田持的90%。

1.4 模拟结果检验

分别采用相对误差（relative error，RE）、均方根差（root mean square error，RMSE）、相对均方根差（normalized RMSE，NRMSE）和建模效率（efficiency，EF）检验模型的模拟效果，其中前3种误差检验方式较为常见，EF相对应用较少，主要用于表征模拟值与实测值间的吻合程度，其定义如下[26]：

式中S为第个样本（共个样本）的模拟值，M为对应的实测值，为实测平均值。EF值越大模拟值与实测值的吻合程度越高，完全符合时EF=1。

2 结果与分析

2.1 气温、降水与太阳辐射

水稻从移栽至收获期（2013年4月28日—9月9日和2014年4月29日—9月19日）每天的降雨量、气温和太阳辐射的变化情况如图2所示。水稻生长季内的总降雨多于600 mm，集中在6—7月。水稻生长早期（4月底5月初）每天的平均气温相对较低，最低日均气温为12.4 ℃（2014年5月3日），中期（6—7月）每天平均气温最高，最高日均气温达29.4 ℃（2013年6月18日）。当地气候的特点是夏季炎热多雨。2013、2014年平均太阳辐射分别是9 349.3、8 263.6 kJ/m2。由大田试验的水稻2个生长季内的气候条件对比可知，2013年太阳辐射、降水和日均气温均略高于2014年，所以2013年的水稻生育期较短，收获较早。

图2 2013和2014年水稻全生育期气温、降水量及太阳辐射的动态变化

2.2 土壤含水量

除晒田期（最大分蘖期1周：2013年7月3—9日、2014年7月16—23日；收获期前2周）外，W2处理0～40 cm土层（根系层）的平均含水量体积分数实测值基本稳定，总体在0.39～0.44 cm3/cm3之间，接近饱和（图3）。

注：W2、W3分别表示覆膜湿润和覆膜旱作栽培，下同。垂直误差线代表标准差，W2和W3处理的重复数分别为3和9。

自分蘖中期（2013年5月27日、2014年5月28日）开始水分处理后，在每个灌水周期内，W3处理的灌水沟水位变化过程为较高水深（10～15 cm）逐渐降至0，则距灌水沟不同位置处剖面土壤含水量变化动态规律不同，因此，W3处理的各田块从厢面中间至灌水沟均埋设了3根Diviner监测管，以监测土壤剖面不同位置处含水量变化规律[5]。监测结果表明，同一深度的含水量在3个不同位置处差别不大，则本文均做平均处理，不再一一展示。除晒田期外的生长季内，2013和2014年W3处理根层0～40 cm土壤实测含水量体积分数为0.24～ 0.42 cm3/cm3，多高于80%田持（图3）。

2.3 生长发育及产量模拟结果

对水稻生长发育的模拟必须建立在准确获取供试水稻品种遗传特性参数的基础之上，本研究中的水稻遗传特性参数已通过W1处理的实测资料予以调试和校验[14]。

2.3.1 生育期模拟

每个生长季内，W2和W3处理的主要生育期（分蘖中期、最大分蘖期、拔节孕穗期、开花期、成熟期）基本同步，表明本研究所设置的水分处理对覆膜水稻生育期的影响较小。增温效应使得2个覆膜处理（W2和W3）水稻在生育前期生长较淹水处理（W1）略快，之后，三者间生育期的差异则逐渐减小而趋于基本同步。为了保证各处理同步取样，研究中不再顾及不同处理间生育期的差异，主要生育期均做统一标定（根据农学要求，大约按总面积的90%达到某一生育期来确定[27]）。这样呈现出来的生育期观测值，对于W2和W3处理而言，生育后期是合适的，前期则稍偏大（因为需统筹考虑W1处理的情况）。

2013年上述5个主要生育期分别出现在52、79、100、123和160 DAP，2014年则分别为49、76、102、123和167 DAP。采用相关实测资料，分别应用原CERES-Rice模型和改进CERES-Rice模型对2013、2014年水稻各生育期进行了模拟，由于水分处理从分蘖中期才开始，而最大分蘖期还包含1周的晒田期，故模拟的主要生育期仅包括之后的拔节孕穗期、开花期和成熟期，其与实测值对比结果如表1所示。

整体而言，原模型和改进模型都可较好地模拟覆膜水稻的生育期，相对误差均在16%以内，反映的生育期相对变化规律也基本相同：2013年气温较高、降水较多、太阳辐射较强，水稻生育期较短、收获较早（表1）。生育期主要基于积温模拟，改进模型综合考虑覆膜的增温效应[5]，采用土温替换原模型中的气温来计算积温（以2013年为例，4月29日至6月30日之间，采用土温计算的积温为1059.56 ℃，大大高于采用气温计算的积温值842.54 ℃，土温、气温变化过程对比详见马雯雯等[5]），可以更好、更直接地表征温度对作物生长发育的影响[22]，从而使得其生育期的模拟值均较原模型小，除拔节孕穗期外，多数相对误差更小、更接近实测值，而拔节孕穗期出现稍大相对误差（达15%）的主要原因在于：生育期的统一确定导致前期观测值对于覆膜处理偏大，属可以理解的合理现象，并非意味着改进模型的模拟效果较差。应用改进模型更有利于捕捉到气温升高、辐射增强促进水稻生长发育的变化规律，在生育期模拟方面，尽管改进模型和原模型的模拟效果总体相仿，但显然改进模型可以更有效地模拟温度变化对生育期进程的影响。

2.3.2 水稻叶面积指数及地上部干物质质量模拟结果

无论是2013年还是2014年，整体而言，2个覆膜处理（W2和W3）中水稻的生长发育状况和长势均十分相近，与W2相比，W3处理对水稻生长产生了稍重的水分胁迫，从而导致W3处理的部分生长发育参数（如生物量、产量等）会略低于W2处理，但统计检验结果表明两者之间并不存在显著差异[20]。

1）叶面积指数

淹水种植条件下，水稻生长前期，叶面积指数随作物生长迅速增加，通常在拔节孕穗期至开花期达最大值，之后逐渐衰减[28]。覆膜栽培水稻的叶面积指数也基本呈现出这样的规律，无论是实测值，还是模拟结果，反映出的总体变化趋势大致类似，叶面积指数在水稻生长前期同样迅速升高，拔节孕穗期（2013年7月11日，2014年7月16日）至开花期（2013年8月3日，2014年8月6日）达顶峰（图4）。

注：重复数为3。

叶面积生长速率的计算与积温、水分胁迫等有关[29]。原模型模拟未考虑处理间的水分胁迫差异，并采用气温计算积温，故模拟获得的W2和W3处理LAI动态变化几乎一致。改进模型以土温代替气温，计算获得的积温较高，相应地，LAI也稍高于原模型模拟值；尽管W2、W3处理的土温基本相同（详见马雯雯等[5]），但W3处理的水分胁迫相对稍重，故LAI的模拟值略低（图4）。然而，实测值的细微变化规律则出现了一定差异，仅生育前期2个覆膜处理的实测结果较为接近，后期却差异明显，其中2013年2处理间的差异没有规律（互有高低），2014年W3处理生育后期的叶面积指数甚至高于土壤水分条件更好的W2处理，导致实测值产生这种不规律变化的可能原因在于：尽管本文研究仅涉及3个水分处理，而实际的大田试验另外包括了3个氮肥的处理，每个处理有3个重复，共计27个小区，随机布置[19]，重复间的距离相对较远，可能导致产生较大的空间差异；每次每小区植物采样共8穴，由于叶片数量太多，随机取其中的1/4（四分法获取）利用长宽法来测定叶面积，导致所测定样品的随机性相对较高。图4所示较大的标准差可能反映的就是这种相对较大的随机性和空间变异性。实测值与模拟值之间不太一致的动态变化差异导致两者间的RMSE和NRMSE稍大，改进模型模拟情况下，其最大值分别达1.54 m2/m2和26.59%，而原模型的模拟效果则更差，不同年份和处理的RMSE和NRMSE约为改进模型的2倍，最大RMSE和NRMSE分别高达2.72 m2/m2和46.97%（表2）。按Michele等[30]的观点，NRMSE≤10%，模拟效果则极好；10%30%时，模拟效果较差。在CERES-Rice模型输出的4个生长发育参数（生育期、叶面积指数、生物量和产量）中，叶片的空间变异性相对较大，对于叶面积指数这种随机性较高、变异性较大的变量而言，改进模型模拟结果的RMSE和NRMSE也基本在可接受范围内。

表2 2013—2014年水稻覆膜处理叶面积指数实测值和模拟值的均方根差（RMSE）、相对均方根差（NRMSE）及建模效率（EF）

另外，从实测值与模拟值2个数据系列间的吻合程度来看，改进模型的建模效率EF在0.85以上，均大大高于原模型，而原模型的EF甚至低至0.52、最高EF也仅为0.78（表2）。显然，无论是RMSE、NRMSE还是EF，各项检验指标均显示改进模型可以更好地模拟叶面积指数的变化过程，当不做改进而采用原CERES-Rice模型进行模拟时，会导致更大的误差和几乎无法接受的模拟效果。

2）地上部干物质质量和产量

与叶面积指数的变化过程稍有不同，随着水稻生长，其地上部干物质质量逐渐增加直至收获。无论是实测值，还是原模型和改进模型获得的模拟值，2013、2014年覆膜处理（W2、W3）地上部干物质质量的动态变化均很好地呈现了这一变化规律，随时间逐渐增长的趋势较为一致（图5）。具体来说，改进模型的模拟结果更接近实测值并大大优于原模型，最大RMSE和NRMSE分别不超过1 490 kg/hm2、16%，基本在可接受范围之内，且模拟获得的地上部干物质质量的变化趋势与实测规律十分吻合，各处理建模效率EF均不低于0.95（表3）；而未经改进的原CERES-Rice模型模拟结果的RMSE和NRMSE值均在改进模型的2倍以上，最大值分别达3 593 kg/hm2、38%，相应地，其建模效率也大大低于改进模型，与实测系列相距甚远（表3）。改进模型由于考虑了覆膜的增温效应，并通过土温代替气温更好地刻画了积温对作物生长的影响，其模拟结果因而能更好地反映地上部干物质质量的实际变化规律；反之，原模型则低估了覆膜温度变化对生物量增长的作用，从而导致地上部干物质质量的模拟值低于实测值及改进模型的模拟结果；另外，水分胁迫作用的考虑也使得改进模型可以比原模型更好地模拟出W2和W3处理间的细微差异（图5）。

图5 2013和2014年水稻覆膜处理地上部干物质质量实测值和模拟值的动态变化

表3 2013—2014年水稻覆膜处理地上部干物质质量实测值和模拟值比较

可能是受土壤含水量水平稍低的影响，2个生长季中W3处理水稻的实测产量均略低于W2处理，但整体而言，无论在水分处理间、还是在年际间，覆膜处理水稻的实测产量均没有显著差异[20]，原模型和改进模型的模拟值也都较好地呈现了这一规律（表4），表明本研究中的W3处理也基本能满足覆膜旱作水稻对于水分的需求[19]，尽管2014年水稻生长季内的气温较低、辐射较弱，但生育期的延长可能有助于其产量形成的补偿。

与其他生长发育参数相比，作物产量模拟结果的准确性通常更受重视。一般认为产量实测值和模拟值的误差在5%～15%之间，模拟结果是可以接受的[16]。从平均水平来看，原模型和改进模型的模拟结果总体相仿，相对误差的平均值分别为13.3%和13.0%（表4），模拟效果不十分理想，但大体在可接受范围之内；从相对误差的变化情况和最大值来看，2013年原模型的模拟效果尚可，甚至略优于改进模型的模拟结果，但2014年原模型模拟值与实测值间的相对误差均在15%以上（最大达16%），模拟效果较改进模型略差；由于未考虑覆膜增温效应对水稻生长的影响，原模型模拟导致了对产量的低估，从这一角度来看，改进模型的模拟效果应更符合实际，但改进效果似乎又有点过头，造成了对产量的高估（表4）。改进模型模拟值的高估现象可能来自于以下2方面的原因：1）由于覆膜后追肥困难，生产上通常将肥料一次性基施，极易造成水稻前期生长过旺、后期显著缺肥的现象，从而影响覆膜水稻籽粒产量的形成和该技术增产潜力的发挥[31-32]，本研究中改进模型的模拟过程完全未考虑养分胁迫的影响，故而产量的模拟结果可能偏高；2）生长发育模拟过程中，关于覆膜增温效应对水稻产量形成的促进作用机理（比如是否简单地以地温代替气温即可反映其产量形成的真实规律）可能也需要更进一步地研究，当然，还需要不同情形条件下更广泛地检验验证。土壤养分模块的考虑可能使产量结果更合理，这也是笔者进一步需要进行的研究。

表4 2013—2014年覆膜处理水稻产量的实测值和模拟值

总体而言，改进温度和积温、蒸发和土壤水分胁迫等模拟子模块可以更好地反映覆膜对水稻生长发育的影响，使CERES-Rice模型能更好地用于模拟覆膜旱作水稻的生长发育规律。

3 结论与讨论

覆膜旱作使得稻田土壤温度和水分等生长环境发生了较大改变，为了使CERES-Rice模型能更好地用于模拟覆膜旱作水稻的生长发育规律，本文根据部分旱地作物的相关研究成果，改进或完善了原CERES-Rice模型中的积温和土壤温度、蒸发和土壤水分胁迫等模拟子模块，并进一步通过2 a的水稻栽培田间试验对改进模型的模拟效果进行了检验和评价，主要结论如下：

1）无论是原CERES-Rice模型，还是改进模型，均可较好地模拟覆膜水稻的主要生育期，使模拟结果的相对误差控制在15%以内，但改进模型由于综合考虑了覆膜的增温效应，可以更为真实、有效地模拟温度变化对生育期进程和变化规律的影响。

2）采用原模型已无法准确地模拟覆膜旱作水稻叶面积指数的动态，不同年份、不同处理实测值与模拟系列间的均方根差、相对均方根差分别可达2.72 m2/m2和46.97%，而建模效率低至0.52；经改进后，最大RMSE、NRMSE被分别降至1.54 m2/m2和26.59%，建模效率则提高至0.85及以上，均在可接受范围之内。

3）就覆膜旱作水稻的地上部干物质质量和产量而言，改进模型的模拟结果同样也大大优于原模型，使不同年份和处理地上部干物质质量实测变化过程与模拟值间的均方根差和相对均方根差分别在1 490 kg/hm2、16%之内，建模效率不低于0.95；同时，控制产量模拟值与实测值间的相对误差在15%以内。

由于客观地考虑了覆膜旱作对水稻生长环境（土壤温度、含水量）的改变及其对作物生长的影响，经改进的CERES-Rice模型可以较好地模拟覆膜旱作水稻的生长发育规律，从而为相关的机理研究、环境效应评估及覆膜旱作水稻生产体系的进一步推广应用奠定良好的基础。当然，本研究仅考虑了水分处理的影响且局限于小区试验，有关改进模型在更多复杂条件（如不同养分处理、不同区域和气候条件、更大尺度或范围等）下的应用效果仍有待进一步研究。

致谢：感谢美国University of Florida的GerritHoogenboom教授在模型运用过程中所提出的良好意见和建议。

[1] Qu H, Tao H, Tao Y, et al. Ground cover rice production system increases yield and nitrogen recovery efficiency[J]. Agronomy Journal, 2012, 104(5): 1399－1407.

[2] 彭世彰，李荣超. 覆膜旱作水稻蒸发蒸腾量计算模型研究[J]. 河海大学学报，2001，29(3)：51－54. Peng Shizhang, Li Rongchao. Calculation models of rice evapotranspiration in plastic film mulched dryland[J]. Journal of Hohai University, 2001, 29(3): 51－54. (in Chinese with English abstract)

[3] 罗霄，李忠武，叶芳毅，等. 水稻生长模型CERES-Rice的研究进展及展望[J]. 中国农业科技导报，2009，11(5)：54－59.Luo Xiao, Li Zhongwu, Ye Fangyi, et al. Progress and prospects of studies on CERES-Rice models[J]. Journal of Agricultural Science and Technology, 2009, 11(5): 54－59. (in Chinese with English abstract)

[4] Basso B, Liu L, Ritchie J T. A comprehensive review of the CERES-Wheat, Maize and -Rice models’ performances[J]. Advances in Agronomy, 2016, 136: 27－132.

[5] 马雯雯，金欣欣，石建初，等. 基于CERES-Rice模型的覆膜旱作稻田增温效应模拟[J]. 农业工程学报，2015，31(9)：215－222.Ma Wenwen, Jin Xinxin, Shi Jianchu, et al. Modeling increasing effect of soil temperature through plastic film mulch in ground cover rice production system using CERES-Rice[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(9): 215－222. (in Chinese with English abstract)

[6] Ritchie J R, Otter S. Description and performance of CERES-Wheat: a user-oriented wheat yield model[J]. ARS-United States Department of Agriculture, Agricultural Research Service (USA), 1985(38): 159－175.

[7] Ritchie J T. A user-orientated model of the soil water balance in wheat[M]//Wheat Growth and Modelling. U S: Springer, 1985: 293－305.

[8] Suleiman A A, Ritchie J T. Modeling soil water redistribution during second-stage evaporation[J]. Soil Science Society of America Journal, 2003, 67: 377－386.

[9] Ritchie J T, Porter C H, Judge J, et al. Extension of an existing model for soil water evaporation and redistribution under high water content conditions[J]. Soil Science Society of America Journal, 2009, 73(3): 792－801.

[10] Ritchie J T. Soil water balance and plant water stress[M]// Understanding Options for Agricultural Production. Netherlands: Springer, 1998: 41－54.

[11] 姚凤梅.气候变化对我国粮食产量的影响评价[D]. 北京：中国科学院，2005. Yao Fengmei. Assessing Impacts of Climate Change on Rice Yields in China[D]. Beijing : Chinese Academy of Sciences, 2005. (in Chinese with English abstract)

[12] Ritchie J T, Alocilja E C, Singh U, et al. IBSNAT and the CERES-Rice model[J]. Weather and Rice, 1986: 271－281.

[13] Singh U, Matthews R B, Griffin T S, et al. Modeling growth and development of root and tuber crops[M]//Understanding Options for Agricultural Production. Netherlands: Springer, 1998: 129－156.

[14] 刘洋，石建初，金欣欣，等. CERES-Rice模型中宜香3728水稻遗传特性参数调试与校验[J]. 农业工程，2015，5(3)：119－123. Liu Yang, Shi Jianchu, Jin Xinxin, et al. Adjustment and validation for genetic parameters of Yixiang 3728 in CERES-Rice model[J]. Agricultural Engineering, 2015, 5(3): 119－123. (in Chinese with English abstract)

[15] Jones C A, Kiniry J R, Dyke P T. CERES-Maize: A Simulation Model of Maize Growth and Development[M]. Texas: A and M University Press, 1986: 75－88.

[16] Ritchie J T, Singh U, Godwin D C, et al. Cereal growth, development and yield[M]//Understanding Options for Agricultural Production. Netherlands: Springer, 1998: 79－98.

[17] 汪兴汉. 地膜的种类与性能[J]. 江苏农业科学，1984(8)：44－45. Wang Xinghan. The types and properties of plastic films[J]. Jiangsu Agricultural Sciences, 1984(8): 44－45. (in Chinese with English abstract)

[18] 中共房县县委房县人民政府. 房县城市介绍及气候背景[EB/OL]. (2010-06-12)[2015-12-10]. http://www.fangxian.gov.cn/html/mlfx/ 010-06/408.html.

[19] 石建初, 金欣欣, 李森, 等. 覆膜旱作稻田水均衡及蒸腾耗水规律分析[J]. 水利学报, 2016, 47(10): 1260－1268. Shi Jianchu, Jin Xinxin, Li Sen, et al. Transpiration analysis based on water balance in a ground cover rice production system[J]. Journal of Hydraulic Engineering, 2016, 47(10): 1260－1268.

[20] Jin X, Zuo Q, Ma W, et al. Water consumption and water-saving characteristics of a ground cover rice production system[J]. Journal of Hydrology, 2016, 540: 220－231.

[21] Wang K, Zhou H, Wang B, et al. Quantification of border effect on grain yield measurement of hybrid rice[J]. Field Crops Research, 2013, 141: 47－54.

[22] Stone P J, Sorensen I B, Jamieson P D. Effect of soil temperature on phenology, canopy development, biomass and yield of maize in a cool-temperate climate[J]. Field Crops Research, 1999, 63(2): 169－178.

[23] Feddes R A, Kowalik P J, Zaradny H. Simulation of field water use and crop yield[M]//Centre for Agricultural Publishing and Documentation. Wageningen, Netherlands: Pudoc, 1978: 189.

[24] Liang Y, Hu F, Yang M, et al. Antioxidative defenses and water deficit-induced oxidative damage in rice (L.) growing on non-flooded paddy soils with ground mulching[J]. Plant and Soil, 2003, 257(2): 407－416.

[25] 王怀博. 膜下滴灌旱作水稻需水规律和土壤水分下限试验研究[D]. 银川：宁夏大学，2014.

Wang Huaibo. Study on Drip Irrigation Under Membrane of Water Demand Regulation and Soil Moisture Lower Limit in Dry Farming Rice [D]. Yinchuan: Ningxia University, 2014. ( in Chinese with English abstract)

[26] Smith P, Smith J U, Powlson D S, et al. A comparison of the performance of nine soil organic matter models using datasets from seven long-term experiments[J]. Geoderma, 1997, 81(1): 153－225.

[27] Ying J, Peng S, He Q, et al. Comparison of high-yield rice in tropical and subtropical environments: I. Determinants of grain and dry matter yields[J]. Field Crops Research, 1998, 57(1): 71－84.

[28] 刘芳，樊小林. 覆盖旱种水稻的农学性状及产量变化[J]. 西北农林科技大学学报，2005，33(2)：63－68.Liu Fang, Fan Xiaolin. A gronomic parameters of rice yield components and yield response to ground cover rice production system (GCRPS)[J]. Journal of Northwest A & F University, 2005, 33(2): 63－68. (in Chinese with English abstract)

[29] Jones J W, Hoogenboom G, Porter C H, et al. The DSSAT cropping system model[J]. European Journal of Agronomy, 2003, 18(3): 235－265.

[30] Michele R, Nicola L, Zina F. Evaluation and application of the OILCROP-SUN model for sunflower in southern Italy[J]. Agricultural Systems, 2003, 78(1): 17－30.

[31] 沈康荣，罗显树. 水稻全程地膜覆盖湿润栽培法增产因子及关键栽培技术的研究[J]. 华中农业大学学报，1997，16 (6)：547－551.Shen Kangrong,Luo Xianshu. Increasing factors of rice film-covering through growing season and its key cultural techniques[J].Journal of Huazhong Agricultural University, 1997, 16(6): 547－551. (in Chinese with English abstract)

[32] 刘军，刘美菊，官玉范，等. 水稻覆膜湿润栽培体系中的作物生长速率和氮素吸收速率[J]. 中国农业大学学报，2010，15(2)：9－17. Liu Jun, Liu Meiju, Guan Yufan, et al. Grain yield and nitrogen uptake were affected by the Ground Cover Rice Production System with plastic filmcovering[J]. Journal of China Agricultural University, 2010, 15(2): 9－17. (in Chinese with English abstract)

Rice growth simulation under film mulching in dryland through improving CERES-Rice model

Ma Wenwen1, Shi Jianchu1, Jin Xinxin2, Ning Songrui3, Li Sen1, Tao Yueyue4, Zhang Ya’nan1, Liu Yang5, Lin Shan1, Hu Pengcheng1, Zuo Qiang1※

(1.100193;2.050035; 3.710075; 4.215155; 5.050021)

The ground cover rice production system (GCRPS) is a potential alternative to the traditional paddy rice production system (TPRPS) by irrigating soil beds mulched with film and maintaining soils under predominately unsaturated condition, and it has become one of the most promising water-saving technologies for rice. The increase of soil temperature effected by film mulching and the unsaturated root-zone condition should be taken into consideration when CERES-Rice (a software package widely and successfully applied in TPRPS) is used to simulate rice growth in a GCRPS. In this study, the sub-modules of soil temperature and soil water in original CERES-Rice model were improved (through changing soil temperature and water conditions based on the relevant research results of the dryland crops) to evaluate the simulation on rice growth in the GCRPS. A 2-year field experiment (2013 and 2014) with 3 treatments. The treatment W1 referred to the traditional treatment with a 2-5 cm water layer on the soil beds but without plastic film mulching, W2 was the film mulching treatment keeping soil moisture in root zone near the saturated content by filling the furrows with water completely but without water layer on the soil beds, and W3 was also the film mulching treatment that was managed as the same way as the W2 before mid-tillering stage and then kept the soil moisture in root zone at 80%-100% of field water capacity. The experiment was conducted in Fang county of Hubei province, located at 32°7¢N and 110°42¢E to test the feasibility and rationality of the model improvement. Each treatment was replicated 3 times. A total of 9 plots were arranged and each plot was 9 m in wide and 10 cm in length. A seepage-proof material was laid around each plot under the depth of 80 cm to avoid lateral percolation from the neighbor plots. Five soil beds (156 cm wide) in each plot were built for planting rice, 6 lines of rice were planted for each soil bed with the fixed spacing (26 cm between lines and 18 cm between plants). The small furrows (15 cm in width and depth, respectively) were dug around each soil bed. Among the 2 growth seasons, the experimental data (obtained in 2013 and 2014) were used to rectify the simulation models and verify the rectified models, respectively. Based on the measured meteorological data (air temperatures/solar radiation/precipitation etc.), soil data (soil water contents/soil physical parameters/soil organic matter contents etc.) and field management data (irrigation amount/displacement/fertilizing amount by field), the changing processes of rice growth in the W2 and W3 treatments were simulated using the rectified models. The original and improved CERES-Rice models were also used to simulate the change of leaf area index, the aboveground dry weight, and the rice yield during the 2 growth seasons. The results of the comparison showed that the improved CERES-Rice model had remarkable superiority in delineating the effects of changing environments (e.g. soil temperature and soil water) on rice growth and production in the GCRPS. Both of the estimation of the phenological phases and yields were in good agreement with the measured values, and the relative error was not more than 15%. The root mean squared errors (RMSE) between the simulated and measured leaf area index was not higher than 1.54 m2/m2, the correspondingly normalized root mean squared errors (NRMSE) was not higher than 26.59% and the values of modeling efficiency (EF) were not less than 85%. Moreover, the simulated dynamics of aboveground dry weight were compared well with the measured values (RMSE was smaller than 1 490 kg/hm2, NRMSE was smaller than 16%, but EF was not less than 0.95). Therefore, the improved CERES-Rice model is rational and reliable to simulate rice growth and production in GCRPS.

soils;models; numerical methods;ground cover rice production system (GCRPS); CERES-Rice model; growth and development of rice

10.11975/j.issn.1002-6819.2017.06.015

TU205; Q178.51+6

A

1002-6819(2017)-06-0115-09

2016-07-10

2016-12-10

国家自然科学基金项目（51139006，51321001）

马雯雯，女，山东德州人，博士生，主要从事覆膜旱作条件下的水稻生长过程模拟。北京 中国农业大学资源与环境学院，100193。Email：ma20072613650@126.com

左 强，男，湖北人，教授，主要从事土壤物理与节水农业机理研究。北京 中国农业大学资源与环境学院，100193。Email：qiangzuo@cau.edu.cn