基于DSSAT模型的黑龙江省玉米LAI变化规律研究

许越越

（安徽理工大学测绘学院，安徽 淮南 232001）

近年来，中国在水稻、小麦、玉米、大豆、温室作物等农作物生长发育动态模拟研究与应用上均取得了较大进展[1-4]。帅细强等[5]建立了不同发育阶段水稻模拟生物量和相对气象产量的统计模型，结合趋势产量预测，实现了不同发育阶段区域双季稻产量的动态预测。王志强等[6]研究认为，辐射波动是小麦产量波动的主要原因，温度胁迫的降低在一定程度上促进了小麦的增产。我国在玉米生长模拟方面的研究也取得了很大突破，主要是对玉米生育期模拟，其中叶面积指数 （Leave Area Index，LAI）的动态变化直接影响到作物生长和作物估产，因此利用作物生长模型模拟LAI的变化规律具有重要的意义。目前大多数专家学者开展了基于作物生长模型模拟作物生产进行作物遥感估产的研究[7-10]，但很少涉及对作物LAI动态变化的深入研究。LAI是表征植被冠层布局的重要参数，同时也是反映作物发育状况的主要指标之一。精准模拟作物LAI是作物生长模型对作物生长状况预测和作物估产的关键所在。本研究以黑龙江省军川农场的垦单5号玉米品种为研究对象，通过作物生长模型模拟2016年军川农场玉米在整个生育期内的LAI动态变化，计算模拟值与实测值两者的均方根误差和一致性指数，并运用遗传参数对DSSAT模型进行验证，得到最优玉米品种遗传参数，完成模型参数的本地化，从而准确模拟玉米在整个生育期内的LAI变化规律，进而准确模拟该地区玉米叶片生长情况，该研究可为区域作物生长监测以及遥感估算提供科学的理论基础。

1 玉米LAI变化规律研究材料与方法

1.1 研究区概况

研究区军川农场位于黑龙江省鹤岗市萝北县境内，地处松花江、黑龙江冲积平原，隶属宝泉岭农场管理局，是黑龙江省重点机械化农场之一。这里地形平坦，土壤有机质含量高，抗旱抗涝，适宜各种作物生长。土地面积87 km2，耕地面积62.1 km2，其中耕地资源31 000 km2，牧地草原551 km2，水资源面积3 008 km2，主要农作物有玉米、小麦、大豆等。

农场介于东经 131°02'～131°30'，北纬 47°20'～47°40'之间，属于中高纬度地区，冬季和春季寒冷干燥、夏季炎热多雨，属温带大陆性季风气候。农场全年的降水充沛，多年平均降水量527.4 mm，全年平均气温2.3℃，农场冬季的天气相对寒冷干燥，但栽培作物在生长季节雨量较大，可以满足作物的基本生长需求，而当地的日照时间长，农场地形平坦，肥沃的土壤为当地农作物生长发育提供了有利条件。

1.2 数据来源

本研究使用的气象数据来自于中国气象科学数据共享服务网 （http://data.cma.cn/），土壤数据来自于中国土壤数据库 （http://vdb3.soil.csdb.cn/）。

1.3 数据设计与处理

1.3.1 数据设计

本研究在军川农场选取了18个种植培育情况相同的玉米栽培地号进行试验。该试验于5月1日播种，5月20日出苗，9月25日成熟。每个地号每公顷施肥磷酸二铵165 kg、氯化钾45 kg，追肥施尿素 181 kg，N∶P∶K 为 1.5∶1∶0.5，每公顷保苗4.7～5.3万株，所有地号的玉米均进行自然雨养栽培，定期统一施肥除虫与管理。

1.3.2 数据处理

本研究所需的LAI采用长宽系数法进行计算，在玉米不同的生育期，在研究区内选取5株具有代表性的玉米植株，并在相应的土地编号中定期取样。在该试验中，共采集6个样本以确定生长期玉米作物的LAI，分别在玉米作物出苗后的拔节期、乳熟期以及成熟期3个阶段进行抽样，然后测定每个玉米品种样本的各叶片的叶长Lij和最大叶宽Bij，之后再进行LAI的计算，计算公式为

式中：n为第j株玉米的叶子总数；m为测试的玉米数量；i为播期；ρ为玉米的种植密度。最终的测算结果见表1。

表1 2016年军川农场实测的LAI

2 玉米LAI变化规律研究的模型与方法

2.1 模型的建立

CERES Maize模型的初步建立在于对一些输入文件的收集、处理与建立。主要可分为气象数据的输入、土壤数据的输入、作物田间管理数据的输入以及作物品种遗传参数的输入。该模型具体的结构框架见图1。

图1 CERES模型结构框图

2.1.1 气象数据的输入

该模型所需的气象数据有逐日降水量、逐日最低气温、逐日最高气温以及逐日太阳辐射值，其中太阳辐射值不能直接从气象站获取，需要按照逐日日照时数转换得到。本研究参照张艳红[11]的研究，采用Angstron方法对太阳辐射值进行计算，计算公式为

式中：Q为太阳总辐射量；Q0为地球外辐射量，可根据日期、地理纬度、赤纬计算得到；a和b为回归常数，不同的气候区有不同的取值，可根据实际资料计算确定，这里根据李克煌[12]有关研究，将经验系数a和b分别取值为0.18，0.55；n为实际日照时数；N为最大可能日照时数；n/N为相对日照时数。

地球外辐射量Q0的计算公式为

式中：S0为太阳常数，值为1.36×103W·m-2；dr为日地相对距离；Ωt0为日出时角；φ为地理纬度；δ为太阳赤纬。

最大可能日照时数N的计算公式为

式 （4）中 Ωt0可由 cosΩt0=-tgφ×tgδ求出，并化为弧度，具体为

日地相对距离dr的计算公式为

式中：J为日序号，从1月1日开始到12月31日结束，取值范围为0～365。

由于数据量过大，本研究借用VB程序设计来计算日太阳辐射值，然后利用原有的气象数据及转换后的日太阳辐射值，建立最终的气象数据文件输入到模型中。

2.1.2 土壤数据的输入

CERES Maize模型需根据黑龙江军川农场的实际情况输入相应的土壤数据。具体需要输入的土壤数据大致分为当地土壤的基本信息和表面信息。其中，土壤的基本信息包括该土壤类型所在的国家、土壤数据来源、站点名称、经纬度、土壤系列名称以及土层分类等；土壤表面的相关信息包括土壤的颜色、土壤的排水情况、土壤坡度、土壤饱和含水量等。将军川农场2008年的一些基本的土壤数据输入后，会得到2016年该地区的土壤参数，具体见表2。此外，在土壤参数中，反照率为0.13；排水率为0.6；径流曲数为61。

表2 2016年军川农场垦单5号玉米作物所需的土壤参数

2.2 模型的验证

对CERES Maize模型的验证实际上是CERES Maize模型的本地化过程，该过程主要是为了实现对P1，P2，P5，G2，G3，PHINT这 6 个作物品种遗传参数的校正与验证，从而实现模型模拟的可行性与可靠性，最终实现该模型的本地化操作。其中，P1为幼苗期生长特性参数、P2为光周期敏感系数、P5为灌浆期特性参数、G2为单株最大穗粒期、G3为潜在灌浆速率参数、PHINT为出叶间隔特性参数。本研究采用王连喜等[13]的研究思路，利用DSSAT系统中常用的试错法来模拟调试并最终确定6个作物品种遗传参数。

2.2.1 模型参数的校正与验证

模型参数的本地化过程是提高模型整体模拟精确度的关键[14]。作物品种遗传参数的调试需要建立气象、土壤、作物田间栽培管理以及A文件等，在参数调整校正前应预设一组初始遗传参数值。该模型需选取一年的玉米生育过程中的实测LAI用于校准模型，并使用2014年和2015年军川农场的数据来验证。

2.2.2 模型的适用性验证

LAI和模型模拟的测量值必然存在一定的误差，这里，采用测试模型中常用的统计方法分析模拟值和测量值之间的一致性。统计分析中主要用到均方根误差 （xRMS）和决定系数 （r2），用于检验判定该玉米品种模型适用性的，具体计算公式为

式中：IOBSi为玉米LAI的实测值；ISIMi为模拟的LAI；i为玉米LAI实测值和模拟值的样本序号；n为抽取的样本总容量。

一般来说，xRMS＜10%为模拟效果显著；10%＜xRMS＜20%为模拟效果较显著；20%＜xRMS＜30%为模拟效果一般；xRMS＞30%为模拟效果差；r2值越接近1，玉米LAI的模拟值和测量值之间的一致性越好，反之则越差。

3 玉米LAI变化规律研究的结果与分析

3.1 玉米LAI动态变化规律

通过上述模型的建立与校正，最终得到垦单5号玉米品种在整个生育期内的LAI动态变化曲线图，见第69页图2。通过对该品种玉米LAI的动态变化曲线分析可看出，从播种到第20 d期间，该品种玉米的LAI值几乎为零，说明此时玉米还处于未出苗的阶段；第20～60 d期间，该品种玉米正处于出苗的后期到拔节期，该阶段LAI值迅猛增大，说明玉米正处在快速生长的生育过程；第60～80 d期间，该品种玉米正处于拔节期至抽雄的早期阶段，该阶段玉米LAI呈现上升趋势；第80～120 d期间，该品种玉米在开花，开花和预产期的后期是玉米的生殖生长阶段，该阶段玉米的LAI变化相对比较缓慢，波动不是很大，呈现出一条与x轴几乎平行的直线，数值保持在4.0～4.5之间；第120～143 d期间，该品种玉米处于乳熟后期至成熟前期，这也是玉米的生殖生长阶段，该阶段玉米的叶片从生长缓慢的状态慢慢转换为衰落的状态，此时ILA的值呈现快速下降的趋势；第143～148 d期间，该品种玉米处于成熟后期，该阶段玉米即将收获，其LAI几乎没有变化，数值一直保持在0.5左右。

图2 2008年玉米LAI与播种后天数的关系

该品种玉米的整个生育期内，LAI的变化趋势大致可分为以下4个阶段。

第一阶段是出苗-拔节期，LAI缓慢增加。

第二阶段是拔节-抽雄吐丝期，LAI处于直线增长阶段。

第三阶段是抽雄-乳熟期，LAI相对稳定，后阶段略有下降。

第四阶段是乳熟-成熟期，LAI下降，呈现衰老趋势。

在LAI呈线性增长的过程中，第45 d处有一个明显的异常点，该点处于玉米生长发育的拔节期，是玉米生长最旺盛的时期之一。在此期间，玉米需要大量的水分，然而第41～47 d这一周的降水量几乎为零，农田正处于严重缺水的阶段，图中LAI略微下降的原因可能是由于该阶段玉米严重缺水导致的。

3.2 玉米品种遗传参数的调试与验证

本研究利用2016年军川农场的垦单5号玉米观测资料，结合土壤以及作物田间栽培管理数据对每个遗传参数进行调试并确定最终的最优遗传参数。在验证玉米作物生长模型的同时获得了该玉米品种的遗传参数，见表3。

表3 计算校正后的玉米作物品种遗传参数

由表3可见，作物遗传参数在校准之后的LAI的模拟结果的均方根误差为27.4%，决定系数为0.877，表明该玉米品种的作物遗传参数的准确度较高，可以较精确地反映出当地品种遗传特征。

为进一步验证作物品种遗传参数的适用性，本研究还将该品种玉米LAI的模拟值与实际观测值进行对比分析，检验玉米LAI的模拟能力，见表4。

表4 垦单5号玉米LAI实测值与模拟值间的比较

由表4可见，垦单5号玉米的模拟值和测量值之间的均方根误差为21.7%，低于30%，表明玉米LAI模拟模型具有良好的模拟效果；决定系数r2为0.905，表明该模型LAI的模拟值与测量值高度一致，可以模拟未来玉米的生长期和产量等，可信度高。

3.3 玉米相对LAI动态变化模型的建立

根据孔德胤等[15]对河套地区的LAI研究可知，简单的以积温为自变量对玉米LAI动态变化进行模拟仍存在一定的局限性。由于作物生长模型没有消除低于10℃的无效积温，所以模拟结果相对不准确，仍需要改进。因此，本研究在此模型的基础上进行优化，以有效积温为自变量模拟了军川农场玉米LAI的变化。

玉米LAI将随着播种日期而变化，因此统一模型的前提是统一时间尺度。首先，生长期的长度由活动的累积温度表示，并且LAI和生长期被标准化以建立LAI的动态变化模型。作物在生长期某日的LAI为

式中：IRLA为作物出苗后第i天的相对LAI；ILAi为出苗后第i天的LAI；ILAmax为整个生长期玉米作物的最大LAI。

本文将玉米的整个生育期分为两个阶段，以吐丝日为分界线。出苗-吐丝期为第1阶段，大于等于10℃的有效积温用T1表示，当Ti≤10，积温即为0；吐丝-成熟期为第2阶段，大于等于10℃的有效积温用T2表示。两者的计算公式为

标准化后的公式分别为

式中：DS1和DS2分别为当天玉米第一和第二阶段截至第i日大于等于10℃的有效积温的标准值；n和m分别为玉米出苗-吐丝、吐丝-成熟期的天数，分别取值122和26；Ti为逐日平均气温；i为生育日期。第一阶段的DS取值范围为0～1，第二阶段DS取值范围为1～2。

3.3.1 模型参数的计算求解

本研究使用2016年在军川农场的垦单5号品种玉米试验数据LAI的实测值以及对应生育期内的气象数据资料，计算相对LAI和相对积温，然后使用MATLAB软件求得模型中所需的参数a1，a2，a3。其中，最大LAIILAmax取值为5，这里xm由王连喜、刘静等[13]研究提供的优化参数直接取值为1.1。

在对所有播种日期的LAI和大于等于10℃的有效积温数据进行归一化后，通过MATLAB软件中的线性拟合得到最终的模型参数为：a1=4.89，a2=-11.53和a3=5.21。最后可以得到相对LAI与玉米品种相对积温之间的关系，具体的关系式为

3.3.2 模型的运行与分析

通过DSSAT软件运行优化模型，归一化后的生育期长度 （相对积温）和相对LAI之间的关系见图3。

从图3的拟合曲线可以看出，5个LAI的实测值都比较靠近拟合曲线，所有数据点的离散程度大大下降，拟合效果明显。

图4为拟合值与实测值的关系示意图，从图4可以看出，拟合值与实测值点分布密集且集中，所有的点均靠近一条趋势线，拟合效果很好。同时获得了该模型拟合出来的值和实测值的均方根误差xRMS，值为0.22，表明该玉米品种的模拟值与实测值一致性较好；决定系数r2为0.92，说明该模型解释了因变量的92%，呈现出较好的模拟效果。综上所述，该优化模型模拟出来的玉米LAI与实测值之间的误差更小，效果更加显著，较之前的作物生长模型模拟效果更准确。

图3 相对LAI（IRLA）与相对积温（DS）的拟合曲线

图4 垦单5号玉米LAI的拟合值与实测值的关系

4 结论

CERES Maize模型中品种的遗传参数可以准确模拟该地区玉米品种5号的生长发育过程和LAI在整个生育期内的变化规律。

该模型能准确模拟该地区该品种玉米叶片生长情况，并为区域作物生长监测以及遥感估产提供科学的理论依据。

本研究应用DSSAT模型模拟玉米在整个生育期内的LAI变化规律，能够有效地解决地面观测资料缺乏的问题。DSSAT模型模拟的是点上的田间尺度数据，将点上面的数据扩展到面上，并且监测范围也从田间尺度扩展到区域尺度。结果表明，DSSAT模型可用于模拟作物LAI的变化，以获得较合理的模拟结果。

另外，在模型的模拟过程当中，给出了有效积温的定义，对LAI模拟的模型进行了优化，从而避免了由于玉米品种、播种日期和作物田间管理方法的差异导致的模拟LAI的偏差，因此，可以更准确地反映整个生长期玉米品种的动态变化。

相对LAI和相对积温模型统一了不同播期和不同密度的LAI的动态变化，因此该模型的适用性比单一发育阶段更为普遍和适用。