上海单季晚粳稻主要生育性状的动态模拟*

张 皓，申双和，史艳姝，薛正平，辛跳儿，李 军



上海单季晚粳稻主要生育性状的动态模拟*

张 皓1,2，申双和1**，史艳姝3，薛正平3，辛跳儿3，李 军3

（1.南京信息工程大学应用气象学院，南京 210044；2.上海市松江区气象局，上海 201616；3.上海市气候中心，上海 200030）

20世纪50年代以来，上海地区粮食耕作制度和水稻品种经过不断更替，发展为目前的稻麦（或稻油）轮作为主的一年两熟制，其中水稻主要以单季晚粳稻为主。为了对单季晚稻的生长状况进行有效预估，采用线性逐步回归方法建立水稻生育期间隔日数与气象因子的关系模型；选择已有成熟的模型（或模块），在参数定标的基础上，建立水稻茎蘖动态、叶龄和灌浆过程模型。选用2014−2016年杂交粳稻“秋优金丰”共16个播期的田间试验观测资料进行参数定标及模型有效性验证，在此基础上模拟水稻各生育性状的动态变化，并对模拟效果进行误差分析。结果表明，各模型均能较好地模拟单季晚粳稻发育期、茎蘖动态、叶龄和灌浆过程，发育期和叶龄模型模拟值与实测值的相关系数（R）均达0.95以上（P＜0.001），归一化均方根误差（RMSEn）均在10以下；茎蘖动态和灌浆动态模型模拟值与实测值的R值均达0.85以上（P＜0.001），RMSEn分别为19.8和31.2，粒重的模拟误差主要出现在灌浆的中后阶段。总体来看，各模型对上海地区单季晚粳稻具有较好的模拟性能，能够为生育期、茎蘖消长、叶龄和灌浆过程的动态预测提供依据。

单季晚稻；生育期；茎蘖动态；灌浆过程；作物模型

农业气候资源的变化往往决定了一个地区的农业生产制度和农作物种植方式，历史上上海地区粮食耕作制度及品种的更替便是充分适应和利用农业气候资源的结果[1]。20世纪50年代上海粮食耕作制度以一年两熟和两年五熟的多熟制为主。随着热量资源的不断增加[2-4]，60−70年代上海大力发展双季稻，耕作制度调整为以三熟制为主。但是，双季稻中后季稻在抽穗开花期容易遭受秋季低温危害[5-6]，因此，80年代以后双季稻逐渐调整为单季稻，以一年两熟为主。同样，上海地区主栽水稻品种也随着种植制度的变迁而更替。50年代−60年代中期，水稻以农家品种为主；60年代后期−70年代，早稻品种以早籼代替早粳；80年代以后，水稻品种则以单季晚粳为主[7]。近年来，上海地区广泛应用的单季晚粳水稻优秀品种主要有寒丰A（1981）、寒优湘晴（1989）、秋优金丰（2006）、花优14（2008）和秀水134（2011）等[8]。同时，种植制度和品种的多样性决定了水稻对气候资源的需求各异，不同品种的水稻也表现出不同的生长发育性状。

水稻的生长通常受多种基因性状的控制，不同的基因组合表现出相互各异的生长发育特征，这些特性与水稻产量密切相关[9]。作物生长模拟技术融合了农业系统学和作物科学原理，可实现对农作物生长过程的动态预估[10]。目前，一些学者采用作物模型方法，围绕中国各地的水稻品种及类型开展了大量的模拟研究[11-12]，分别建立或改进了水稻生育期[13-14]、叶龄与叶面积[15-16]、地上部干物质积累[17]与分配[18-19]等生长过程的模拟模型，取得了较好的效果。然而，现有研究中针对上海地区单季晚粳稻的模拟研究并不多见。本文借鉴作物模型的研究思路，以上海主栽的单季晚粳稻品种“秋优金丰”为例，结合大田水稻试验，尝试建立经验性和半机理性的水稻生育性状模型，以期实现对上海地区杂交晚粳稻生长过程的动态预估。

1 材料与方法

1.1 大田试验

（1）概况。2014−2016年，在上海市农业气象服务示范基地（31°02’N，121°29’E）进行水稻大田分期播种试验。该试验基地地处长江中下游单季稻区，夏季长且高温多雨，春秋季短而少雨，年降水量约1180mm，水稻生长季（5−11月，下同）降水量约830mm。供试品种为优选杂交粳稻“秋优金丰”，在上海地区广泛种植，全生育期约170d，平均产量约9.3×103kg·hm−2。

（2）水稻安全播栽期推算。以不影响下茬冬小麦的正常播种和越冬为前提，确定水稻的安全播栽期。具体方法为，利用上海11个气象站点1991−2015年的逐日气温观测资料，采用农业气候分析方法，将日平均气温稳定通过3℃的终日作为冬小麦越冬起始日，以越冬前达到3叶带1分蘖（即幼苗含有3片完全叶及1个分蘖）为壮苗标准（满足＞3℃有效积温280℃·d），反推80%保证率下的冬小麦最迟播种期为11月17−22日（各气象站点略有差异，下同）。再加上水稻收割与小麦播种期间翻耕、施肥等农事操作，确定全市水稻的最迟收获期为11月6日。以水稻齐穗-成熟期及移栽-齐穗期分别满足＞10℃有效积温620℃·d和1600℃·d为指标，反推80%保证率下的水稻齐穗期和移栽期分别为9月11−16日和6月11−24日。有效积温指标依据历年生育期观测记录及同期观测站点日平均气温计算得出，取多年平均值。

（3）分期播种。参考水稻安全播栽期的推算结果，并使部分处理的水稻移栽期适当超出80%保证率下的推算范围，确定2014−2016年水稻大田分期播种试验的播期设置，见表1。播种前，对水稻种子进行去杂、暴晒、浸种、催芽等处理后即开始育秧，浸种2.5～3d，催芽约2d，秧龄17～22d后进行移栽。移栽时叶龄为3.5叶左右，苗高14～18cm，行距30cm，株距13cm，机械足穴足苗栽插。小区面积为5m×5m，采用随机区组设计，重复3次。水肥等田间管理方式与大田生产保持一致。

表1 2014−2016年水稻田间试验的播期设置(月−日)

注：S为播期。下同。

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

1.2 观测内容与方法

1.2.1 生育期观测

水稻移栽缓苗后（约3d）开始观测，直至成熟。各小区选取长势均匀的连续10穴水稻植株进行标记，每7天观测一次，适时加密。观测记录的生育期包括移栽期、分蘖高峰、拔节期、孕穗期、抽穗扬花期、灌浆期、成熟期，观测标准参照文献[20]。

1.2.2 茎蘖动态观测

茎蘖动态观测与生育期观测同期进行，直至抽穗期结束。每次观测标记连续10穴植株总茎蘖数（即总苗数，下同），并通过行株距和小区面积转换为单位面积总茎蘖数，取3个重复的平均值作为各播期的群体茎蘖密度（条·m−2）。

1.2.3 叶龄观测

叶龄观测与茎蘖动态观测同期进行，直至剑叶抽出结束。在标记的10穴植株中选择生长状况良好，且无明显差异的15根主茎作为观测对象，每次观测按照植株主茎的出叶次序间隔叶片作标记（即每隔一张叶片作一次标记，仅标记单数叶），并记录当前的单株叶龄，取10穴植株的平均叶龄及3个重复的平均值，作为该播期处理的植株叶龄。

1.2.4 灌浆动态观测

从开花期开始进行灌浆动态观测，每个小区在水稻开花期选择花期一致、穗形相近的150个健康稻穗挂牌标记，随后每5～7d取样一次，直至成熟。每次观测从挂牌的株茎中取15穗，分离籽粒与枝梗后，对空粒和灌浆粒进行计数，再置入80℃的烘箱内恒温烘至恒重后称重，并转换为千粒重。取3个重复的平均值作为该播期处理的籽粒重量。

1.2.5 气象要素观测

同步的逐日气象观测资料来自试验基地的自动气象观测站，观测要素包括太阳辐射、气温、风速、相对湿度、雨量、水汽压等。日长（可照时数）参照中国气象局辐射观测方法[21]计算。

1.3 模型建立与检验

选择水稻生育期、总苗数、叶龄和籽粒重作为主要生长发育性状进行动态模拟。结合生育期观测资料及同期气象要素，采用多元线性回归方法，建立生育期模型（通过SPSS V19.0软件实现）。选择已有成熟的水稻生育性状模型或作物模型的功能模块，在模型参数定标的基础上，确定适合本地水稻品种的茎蘖动态、叶龄和灌浆动态模型。

利用散点图和动态变化曲线图比较模拟值与实测值的吻合程度，选择以下统计参数作为检验指标，包括模拟值与实测值间的相关系数R及其显著性、均方根误差（RMSE）和归一化均方根误差（RMSEn）。其中RMSEn的计算式为

2 结果与分析

2.1 试验期间水稻生长季的气象条件分析

由图1可见，研究期内（2014−2016年）各年度不同播期处理水稻生长季的气象条件存在差异。2016年各播期的平均气温均高于2014和2015年，且随着播期的推后，气温逐渐升高，而2014年和2015年均表现为先逐渐升高后降低的变化趋势，年平均气温最大值分别出现在第3期和第4期，且2015年各播期的平均气温均为3a中最低值。2014和2015年的生育期总辐射均随着播期的推后呈现逐渐减小的趋势，2014年略高于2015年。而2016年各播期太阳总辐射基本持平，最小值出现在第3期。3a内生育期总日照时数均随着播期推迟而逐渐减小，2014年各播期均为最低值。3a生育期降水量变化趋势略有不同。2014和2015年随着播期推迟，生育期降水量呈现先增加后减小的变化特征，最大值分别出现在第4期和第2期，而2016年各播期降水量逐渐下降。

R_avg：日平均总辐射Mean radiation；T_avg：日平均气温Average air temperature；SD：累计日照时数Total sunshine duration；P：降水量Precipitation

2.2 水稻各生育性状动态变化模拟模型的确定

2.2.1 生育期模拟模型

传统作物模型理论（积温学说）[22]认为，农作物完成某阶段的发育需要一定的热量条件，即积累一定的有效温度（有效积温）。而光温共同作用模型[23]认为，除温度外，光照条件（光周期）对作物发育同样存在影响（如水稻钟模型[24]），且自然灾害的发生是影响作物发育期长短的重要因子[23]。在水稻生长的特定阶段，长时间阴雨或寡照等灾害性天气同样不利于生育进程的正常发展。因此，结合温度、降水量和日照等气象因子，将相邻生育期的间隔日数作为因变量，同期气象要素及其统计量作为自变量，采用逐步回归方法建立水稻生育期线性模型。可选自变量包括平均气温、最高气温、有效积温、降水量、雨日、日照时数、日长（可照时数）、日照时数＞0h的日数（表2）。

表2 生育期模拟模型的可选自变量

注：ATN为＞N℃的有效积温（℃·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 茎蘖动态变化模拟模型

水稻经过出苗和返青阶段后，随着分蘖的发生群体规模逐渐扩大，至拔节期前后，达到最高苗数。此后，分蘖发展分为两种情况，一部分强壮的分蘖在竞争中能够获得更充足的养分供给，继续保持一定的生长速率，最终完成抽穗直至成熟；另一部分分蘖过于矮小，或没有形成足够的根系，不能生长成穗，在后期发育中逐渐消亡[25]。因此，水稻群体分蘖的消长过程，受到外在和内在因素的影响和制约，呈现出先由低到高，再由高到低，而后趋于稳定的曲线。蒋德隆[26]结合上海早期使用的水稻品种，对水稻群体分蘖消长的线性曲线进行拟合，取得了较好的效果。故本文选择蒋德隆的方法建立温度条件对分蘖消长的拟合模型。

2.2.3 叶龄动态变化模拟模型

叶龄是农作物生长发育的重要参考指标之一。水稻叶龄动态与各器官建成和发展关系密切，水稻的出叶顺序与分蘖发生、节间伸长、根系生长及生殖器官的发育等存在同伸关系[27]。目前，国外主流的水稻模型较少单独考虑叶龄动态模块，杨沈斌等[28]尝试采用单向耦合方法将茎蘖动态模型引入国外作物模型中，以增强其对茎蘖动态、叶龄动态的模拟性能。高亮之等[24]研发的“水稻钟”模型中考虑了叶龄模型，将叶龄数与平均气温建立联系，可以实现水稻叶龄的动态模拟。本文选择水稻钟模型中叶龄模块并进行简化处理，结合试验资料确定适合本地水稻品种的模型参数，建立水稻叶龄动态模型。

2.2.4 灌浆动态变化模拟模型

籽粒灌浆过程决定着水稻最终的粒重和产量，是水稻生长最重要的生理过程。对籽粒灌浆过程的准确描述有助于加深对生理过程本质的认识，有助于对灌浆进程合理调控，提前把握产量趋势。目前，使用Logistic方程和Richards方程描述水稻籽粒灌浆过程较为普遍，但有些报道[29-30]指出，采用Richards方程进行描述更为适合，该方程最适于作物生长分析[31]。为此，选择Richards方程对水稻千粒重的动态变化进行模拟。

2.3 水稻生长性状动态模型的建立和检验

2.3.1 生育期模型

选择2015−2016年共11个播期的试验观测资料作为建模样本，将相邻生育期（播种−分蘖、分蘖−拔节、拔节−孕穗、孕穗−抽穗、抽穗−成熟）的间隔日数与相应时段的气象因子进行多元线性回归，筛选统计结果显著（P＜0.05）的气象因子进入模型，建立生育期模型。选择2014年共5个播期的观测资料作为验证样本，检验模型的模拟效果。

式中，D为相邻生育期的间隔日数（d），S、T、J、B、H、M分别表示播种期、分蘖高峰期、拔节期、孕穗期、抽穗期、成熟期。各自变量的含意见表2。

从图2中可以看出，利用2015−2016年观测数据建模的结果较为理想，生育期模拟的绝对误差＜1d，平均误差为0.33d，相关系数达到0.999（n=55，P＜0.001）。利用2014年的观测数据对模型进行验证，生育期模拟的绝对误差＜5d，平均误差为2.2d，相关系数达到0.996（n=25，P＜0.001）。

从所建立的关系模型可见，水稻播种−分蘖高峰期间的雨日和有效积温对间隔日数的影响较为显著，间隔日数与＞20℃、＞25℃的有效积温呈显著的负相关关系，但与雨日、＞10℃的有效积温呈正相关关系，这表明较少的降水天数以及20℃以上有效积温的增加能够有效促进水稻出苗及分蘖发生。分蘖高峰−拔节期间30℃以上有效积温的增加、较少的雨日以及充足的光照有助于加快生育进程。拔节−孕穗期间对生育进程影响显著的因子为光照条件，较长的日照时数有利于植株由营养生长期向生殖生长阶段过渡。孕穗−抽穗期温度条件对水稻生育进程的影响较光照和水分条件更加显著，间隔日数与20℃以上的有效积温及平均气温呈较好的负相关关系。抽穗−成熟期日照时数和雨日对生育进程影响较为显著。较多的阴雨日数不利于水稻开花授粉，且持续阴雨寡照易使部分排水不畅的田块长时间淹水，影响植株根系的有氧呼吸，出现烂根现象，减缓生育进程。而较好的光照条件有利于植株的光合作用，促进光合产物的形成、积累和向籽粒的转运，有效缩短灌浆周期。

图2 2015−2016年（建模）和2014年（验证）水稻主要生育期间隔日数实测值与模拟值[式（2）−式（6）]的比较

2.3.2 茎蘖动态模型

温度条件对分蘖消长的拟合模型假定水稻总苗数与单位面积基本苗数（即移栽时的总苗数）、分蘖高峰时的最高苗数（即观测到的总苗数最大值），以及水稻播种或移栽后＞10℃有效积温有关[26]，其关系模型可以表示为

经过变换得到

选择2015−2016年共11个播期的观测数据作为定标样本。利用2a试验基地的逐日平均气温观测资料，分别计算各播期水稻播种日−每次茎蘖动态观测日＞10℃的有效积温。将2a总苗数观测数据作为独立样本，选择各播期处理中观测的总苗数达到峰值时对应的移栽后＞10℃有效积温（除以100即为d）和总苗数（af）、播种时的总苗数（a0）、齐穗期的总苗数（yx）以及播种−齐穗期＞10℃有效积温（除以100即为x），作为模型输入变量，根据式（8）分别计算对应的c值，共确定11组参数值（表3）。取多个处理c值的平均值作为待定标参数的最优值，确定关系模型（式9）。选择2014年共5个播期的观测数据作为验证样本，检验模型的有效性。

最终确定的茎蘖动态模型为

式中，d值根据实际情况计算得出，其计算方法同式（7）。

建模结果显示（图3），2015−2016年观测值与模拟值的相关系数R为0.886（n=124，P＜0.001），二者平均相差52.33条·m−2，归一化均方根误差(RMSEn)为20.7；验证结果显示，2014年的观测值与模拟值的相关系数R为0.864（n=35，P＜0.001），二者平均相差56.17条·m−2，RMSEn仅为19.86，表明模型具备较强的模拟能力。图4显示了水稻群体密度的动态变化。由图可见，2014−2016年各播期总苗数模拟值的变化与实测值具有较好的一致性，尽管不同播期处理实测值的变化趋势略有差异，但模型能够较好地反映水稻总苗数的动态变化。

表3 不同播期处理中水稻茎蘖动态模型[式（7）]拟合参数

图3 2015−2016年（建模）和2014年（验证）水稻总苗数实测值与模拟值[式（9）]的比较

图4 2014−2016年不同播期处理水稻总苗数实测值与模拟值的动态变化[式（9）]

从2014−2016年模拟误差的变化情况看，不同播期群体密度的模拟结果略有差异。第1播期的模拟值与实测值的平均误差最大，为51.9条·m−2；第2、4播期误差次之，分别达36.7条·m−2和37.3条·m−2；第3、5播期误差相对偏小，平均误差在30条·m−2以下，且模型对茎蘖消亡阶段的模拟效果较茎蘖增长阶段更为出色，第6播期仅有2015年的结果，不具有代表性（图4）。2014−2016年的平均情况来看，各播期最大群体茎蘖密度出现的时间一般随着播期的推迟而逐渐提前，第1、2播期分别于播种后第75、71天出现，第3、4、5播期分别于第69、63、53天出现。最大群体茎蘖密度出现时间主要反映茎蘖增长阶段的生长速率，这与光温条件的适宜程度、水肥管理的合理性等有密切关系。

2.3.3 叶龄模型

“水稻钟”模型[24]中叶龄模型的基本形式为

经过变换得到

式（13）两侧的比值一般小于1，其意义可理解为，叶龄在实际日平均气温Tj条件下发育一日（第j天），相当于一个叶龄生理日的百分值。实际计算时，可根据逐日的日平均气温分别计算每一日的比值，并根据式（14）计算叶龄生理日数Nj0，再根据式（12）计算叶龄Lj。

最终确定的模型为

图5 2015−2016年（建模）和2014年（验证）水稻叶龄实测值与模拟值的比较[式（15）]

利用2015−2016年共11个播期的观测资料对式（12）、式（14）中的参数进行定标，确定a=3.3，b=0.68，k=0.2（式15）。此时，模拟的叶龄值与实测值的相关系数R为0.954（n=124，P＜0.001），二者平均相差1.8叶，归一化均方根误差（RMSEn）仅15.66。利用2014年的观测数据验证模型的有效性，模拟值与实测值的相关系数R为0.952（n=35，P＜0.001），二者平均相差1.2叶，归一化均方根误差（RMSEn）仅为9.26（图5）。验证结果充分表明，模型能够很好地模拟水稻叶龄，并能反映出叶龄动态的变化情况，模拟结果与实际情况较为一致（图6）。

图6 2014−2016年不同播期处理水稻叶龄实测值与模拟值的动态变化[式（15）]

2.3.4 灌浆动态模型

借鉴顾世梁等[31]的方法，以开花后天数为自变量，基于Richards方程建立水稻灌浆动态描述模型，其主要形式可以表示为

利用2015年6个播期的观测数据对式（16）进行定标，采用Microsoft Excel中的规划求解工具，参考汤在祥等[32]的拟合方法，确定A=27.3，b=0.033，k=0.075，m=74.89（式17）。此时模拟值与实测值的相关系数R为0.958（n=58，P＜0.001），千粒重平均相差2.1g，归一化均方根误差（RMSEn）仅15.11（图7a）。

故最终确定的模型为

利用2016年5个播期的观测资料验证模型的有效性，模拟值与实测值的相关系数R为0.935（n=31，P＜0.001），平均千粒重相差3.83g，归一化均方根误差（RMSEn）为31.21（图7b）。验证结果表明，与生育期、茎蘖动态和叶龄模型相比，灌浆动态模型模拟效果略差。在2016年水稻灌浆中后期，模型对各播期的粒重模拟均存在明显高估，且播期越晚的处理模拟误差越大（图8）。这可能是由于2016年9月下旬−10月下旬日平均气温较2015年和常年（1981−2010年）偏高，降水量和降水日数偏多，日照时数明显偏少。而该时段刚好与2016年早播处理的灌浆中后期及晚播处理的主要灌浆期在时间上相吻合，暖湿天气严重影响了光合产物的合成和转运，降低了植株光合作用的同化速率和籽粒的灌浆速率，并在灌浆后期造成试验田块部分植株穗部发芽，影响了实粒数和粒重的增加。

图8 2015−2016年不同播期处理水稻千粒重实测值与模拟值的动态变化[式（17）]

3 结论与讨论

3.1 讨论

水稻生育期模型大致可分为积温法模型、温度非线性模型和光温作用模型等[23]。积温法模型一般认为作物完成某一阶段发育过程所需要的积温为一常数，即生长速率与温度呈线性关系，因此可利用积温总量来衡量发育期的完成情况。然而该方法未考虑极端低温或高温对发育速率的负面影响[13]。也有一些学者将温度对发育速率的影响模式调整为折线型[33]、β曲线型[14]、正态曲线型[34]、Logistic曲线型[35]等形式，建立温度非线性模型[36]，但总体来讲积温法模型仅考虑了温度的影响，没有兼顾光照、日长等因素对生育进程的关键作用。不过，积温法模型由于其简单适用的特性，应用仍然较为广泛。光温作用模型在“积温学说”的基础上，综合考虑了水稻遗传、温度的影响，及光照条件（或光周期）对生长发育的促进或抑制作用，如高亮之等[24]提出的“水稻钟”模型、Robertson[37]提出的BMTS模型、Ritchie等[38]提出的CERES模型等。该类模型相比于积温模型具有更高的精度和机理性，不足之处是待定参数一般较多，在大范围应用时难度较大。本文建立的生育期模型综合考虑了温度、光照和降水等多种因素影响，采用逐步回归的统计方法，将生育期间隔日数与影响显著的气象因子建立关系。与上述类型模型相比，采用生育期间隔日数（而非日序）作为因变量在一定程度上有助于减小模拟误差，但同时增加了对前一个生育期模拟精度的依赖。经过近3a共16个播期处理的试验数据验证表明，模型对上海本地单季晚粳稻的生育进程具有较好的模拟能力。当然，水稻的生长发育还受到土壤肥力、土壤水分及栽培措施等的影响，由于采用统计学方法建模，模型并未考虑水稻生理机制以及环境影响机理，因此，在模型机理性方面相对缺乏。

3.2 结论

以单季晚粳稻“秋优金丰”为例，结合水稻分期播种试验资料，分别建立生育期、叶龄动态、茎蘖动态和灌浆动态的关系模型，水稻生育期、茎蘖动态和叶龄动态模型的模拟结果与实测情况基本一致，灌浆动态模型的模拟误差略大，可能与验证年份灌浆期间遭遇暖湿天气，影响光合产物的同化速率及籽粒灌浆速率有关。此外，各模型的可靠性还有待其它水稻品种及其它年份的观测资料进一步验证，以便为各类单季晚粳稻的生育性状动态预测提供依据。

[1]《气候变化国家评估报告》编写委员会.气候变化国家评估报告[M].北京:科学出版社,2007:151-162.Committee of.China’s national assessment report on climate change[M].Beijing:Science Press, 2007:151-162.(in Chinese)

[2]唐宝琪,延军平,李英杰.华东地区≥10℃积温的时空演变特征[J].中国农业气象,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]周伟东,朱洁华,李军,等.华东地区热量资源的气候变化特征[J].资源科学,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]张立波,吉宗伟,郑选军,等.近50年华东地区热量资源变化特征分析[J].中国农业气象,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.上海粮食三熟制气候资源的利用与区划[J].上海农业科技,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]汪治澜,吴元中,段项琐.“二旱一水”(麦、玉米、稻)气候适应性评价[J].上海农业科技,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]杨华,龙萍,夏辉,等.上海水稻种质资源的研究与利用进展[J].植物遗传资源学报,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]杜兴彬,吴晓林.上海地区杂交粳稻制种发展中存在的问题及对策建议[J].种子世界,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,孙杰,张丽丽,等.辽宁省水稻种质资源主要农艺性状的相关性分析[J].辽宁农业科学,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,赵锁劳,葛道阔,等.作物模型发展探讨[J].中国农业科学,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]帅细强,王石立,马玉平,等.基于ORYZA2000模型的湘赣双季稻气候生产潜力[J].中国农业气象,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]谢文霞,严力蛟,王光火.运用WOFOST模型对浙江水稻潜在生长过程的模拟与验证[J].中国水稻科学,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,王学林,殷剑敏,等.三种光温模型在模拟水稻生育期中的应用与比较[J].生态学杂志,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]孟亚利,曹卫星,周治国,等.基于生长过程的水稻阶段发育与物候期模拟模型[J].中国农业科学,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]叶宏宝,孟亚利,汤亮,等.水稻叶龄与叶面积指数动态的模拟研究[J].中国水稻科学,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]冯阳春,魏广彬,李刚华,等.水稻主茎出叶动态模拟研究[J].中国农业科学,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]李艳大,汤亮,陈青春,等.水稻地上部干物质积累动态的定量模拟[J].应用生态学报,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]孟亚利,曹卫星,柳新伟,等.水稻地上部干物质分配动态模拟的初步研究[J].作物学报,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]常丽英,汤亮,曹卫星,等.水稻地上部单位器官物质分配过程的定量模拟[J].中国农业科学,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]国家气象局.农业气象观测规范(上卷)[M].北京:气象出版社,1993:19-30.China Meteorological Administration. Agrometeorological observation specifications[M]. Beijing: China Meteorological Press,1993:19-30.(in Chinese)

[21]中国气象局.气象辐射观测方法[M].北京:气象出版社,1996:130-131.China Meteorological Administration.Methods of meteorolo- gical radiation observation[M]. Beijing: China Meteorolo- gical Press,1996: 130-131.(in Chinese)

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

[23]张帅,陶福禄.水稻发育期模型研究进展[J].地理科学进展,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,金之庆,黄耀,等.水稻计算机模拟模型及其应用之一,水稻钟模型:水稻发育动态的计算机模型[J].中国农业气象,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]黄耀,高亮之,金之庆,等.水稻群体茎蘖动态的计算机模拟模型[J].生态学杂志,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]蒋德隆.水稻分蘖与光、温条件关系的统计模式[J].植物学报,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]刘桃菊,唐建军,殷新佑,等.水稻叶龄动态的模拟研究[J].江西农业大学学报,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]杨沈斌,陈德,王萌萌,等.ORYZA2000模型与水稻群体茎蘖动态模型的耦合[J].中国农业气象,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]朱庆森,曹显祖,骆亦其.水稻籽粒灌浆的生长分析[J].作物学报,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]龚月桦,刘迎洲,高俊凤.K型杂交小麦901及亲本籽粒灌浆的生长分析[J].中国农业科学,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]顾世梁,朱庆森,杨建昌,等.不同水稻材料籽粒灌浆特性的分析[J].作物学报,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]汤在祥,高清松,徐辰武.非线性方程的Excel拟合及其应用[J].中国农学通报,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 Baños, Philippines & Wageni- ngen, Netherlands:International Rice Research Institute & Wageningen University and Research Centre, 2001: 31-32.

[34]沈国权.影响作物发育速度的非线性温度模式[J].气象,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,张崇华,胡逢喜,等.空气温度对水稻生长影响的数学模拟[J].江西农业学报,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

华东区域气象科技协同创新基金合作项目(QYHZ201609)；上海市气象局研究型专项项目（YJ201804；YJ201808）

张皓（1982−），副研究员，主要研究方向为农业气候资源利用与系统模拟。E-mail: hao8131982@163.com

10.3969/j.issn.1000−6362.2018.08.004

张皓,申双和,史艳姝,等.上海单季晚粳稻主要生育性状的动态模拟[J].中国农业气象,2018,39(8):518−530