基于DSSAT模型不同灌水模式滇中水稻生长模拟

赖晨曦，王 莹，张刘东，王 龙

(云南农业大学 水利学院，云南 昆明 650051)

0 引言

作物模型是目前研究作物生长的主要工具之一，是利用计算机及信息技术对农作物的生长发育动态过程以及环境对其影响因素进行系统分析、数值模拟及定量表达的技术[1]。农业技术转让决策支持系统(Decision Support System for Agrotechnology Transfer，简称DSSAT)由美国乔治亚大学组织开发，可以通过一系列程序将作物模拟模型与土壤、气候及试验数据库相结合，进行长期、短期的气候应变决策[2-4]。范铭丰等[5]对DSSAT v4.0中的CERES-Maize模型进行了玉米遗传参数的优化和验证，表明优化后的参数产生的模拟值和测量值之间有很好的一致性。周丽丽等[6]以CERES-Wheat模型为基础，分析了华北平原沧州地区冬小麦1981～2014年产量等参数的变化特征，计算出了不同水分处理下冬小麦多年平均需水量。王文佳等[1]用DSSAT模型模拟了不同降水年型水分胁迫条件下冬小麦生产潜力，确定了关键灌水期，建立了不同降水年型下的最优灌溉制度。杨永辉等[7]应用DSSAT模型研究长期不同保护性耕作与土壤改良措施下夏玉米的生长过程，表明CERES-Maize模型能较好地模拟豫西褐土区夏玉米的生长过程、生物量以及产量。随着对DSSAT模型研究的深入，证明了DSSAT模型用于国内作物研究的可行性[8-10]。但DSSAT在云南地区水稻生长的模拟研究较少。因此，本研究采用2017～2018年水稻田间试验，对水稻滇禾优34的遗传特性系数进行率定并验证，并探究DSSAT模型在不同灌水模式下的可行性。

1 数据来源与方法

1.1 数据来源

1.1.1 水稻生长指标 昆明市寻甸试验站位于102°41′～103°33′ E，25°20′～26°01′ N，属云南省中海拔地区，年平均气温14.5 ℃，年日照时数2088.6 h，年降雨量1020.9 mm，年无霜期236 d以上。5～10月为雨季，11月至次年4月为旱季，试验区内以红壤土为主，田间持水量在20%～26%之间[11]。

试验田为3 m×4 m的测坑，水稻株距13 cm，行距25 cm，每平方米24穴。2017年试验为淹水灌溉，2018年为淹水灌溉和控制灌溉，灌溉方案见表1。

表1 2017及2018年生育期水分处理方案

注：无%数字为土面水层深度(mm)，%代表无水层时土壤含水率占土壤饱和含水率的百分比。

1.1.2 气象数据 气象数据来自于国家气象数据网(http://data.cma.cn/)的2017年和2018年昆明站点日值数据，包括日最低气温(℃)、日最高气温(℃)、日降雨量(mm)、日辐射量(W/m2)。

1.1.3 土壤数据 土壤数据参考中国土壤数据库(http://vdb3.soil.csdb.cn/)，提取寻甸地区DSSAT模型所需的土壤信息，主要是土壤类型和土壤剖面特性，包括土壤名称、土壤颜色、径流潜力、各层土壤质地(黏土、淤泥、石粒比例)、有机碳含量、总氮量、pH值、阳离子交换量以及饱和水含量等。

1.2 研究方法

1.2.1 参数率定 参数率定采用2017年淹水灌溉实测数据。

每个作物模型，其品种特性都有一组特定的遗传特性系数。这些系数表示每个品种的遗传潜力，不受环境限制(土壤、天气等)的影响。DSSAT模型中CERES-RICE模型用于水稻生长模拟，共8个遗传特性系数(表2)。

表2 水稻遗传特性系数解释[12]

采用DSSAT模型中的GLUE模块对模型参数进行调试。GLUE模块调参分为两步：第一步物候参数(G1、G2、G3、G4)调参，第二步生长参数(P1、P2O、P2R、P5)调参。最终得到一组遗传特性系数。为保证模拟的精确性和合理性，每次调试至少运行25000次以上。

为进一步提高遗传特性系数的精确性，还要对敏感参数进行敏感性分析。通过对单个系数进行敏感性分析，使得模拟值与实测值的误差最小。

1.2.2 模型验证 采用2018年实测生长参数对模型模拟结果进行验证。应用均方根误差(RMSE)和均一化均方根误差(NRMSE)分析模拟误差，计算公式见式(1)和式(2)。

(1)

(2)

2 模拟结果与分析

2.1 参数率定及遗传特性系数的确定

采用2017年淹水处理实测数据，模型调试后水稻开花期与成熟期的模拟值分别为70和135 d，与实测数据一致。生长指标率定结果见表3，率定后的遗传特性系数见表4。

表3 生长指标率定结果

注：其中颗粒重为相对误差，其余指标为均一化相对均方根误差。

表4 滇禾优34遗传特性系数

2.2 生育期的验证

采用2018年淹水灌溉处理和控制灌溉处理的实测数据验证模型，结果见表5。淹水灌溉处理下开花期与成熟期较实测值提前了1 d；控制灌溉下开花期与成熟期分别提前了1、2 d。模拟值与实测值误差很小，说明CERES-RICE模型能够用于模拟作物的开花期及成熟期日期。

表5 2018年生育期模拟值与实测值对比

2.3 灌水量的验证

通过模型模拟得到的淹水灌溉和控制灌溉的灌水量分别为585.3和437.3 mm，与实际灌水量基本一致，误差小于1%(表6)。说明CERES-RICE模型在模拟作物生成过程中土壤各时期的实际灌水量时精度很好。

表6 灌水量模拟值与实测值对比mm

2.4 生长指标的验证

2.4.1 颗粒重 颗粒重(GWAD)模拟实测对比曲线见图1，在淹水灌溉和控制灌溉处理下的模拟值分别是7422和7163 kg/hm2，实测值分别为7246和6688 kg/hm2，相对误差为2.4%和6.6%。模拟结果较好，说明调试后的遗传特性系数可以用于水稻品种滇禾优34的生长模拟。

图1 颗粒重实测值与模拟值比较

2.4.2 干物质(地上部分) 从图2可以看出，生育期前期，控制灌溉和淹水灌溉处理下干物质(地上部分)的模拟值基本一致，2种灌溉处理在47 d左右，分蘖末期结束，开始出现较为明显的差异，与实测值的规律一致。淹水灌溉和控制灌溉处理下的NRMSE值分别为10.1%和8.9%，模拟结果较好。

图2 干物质(地上部分)模拟值与实测值比较

2.4.3 叶面积指数 淹水灌溉和控制灌溉处理下叶面积指数NRMSE值分别为10.40%和11.74%。从图3可以看出，分蘖末期到抽穗开花期(种植后38～87 d)缺水，控制灌溉处理的叶面积指数明显低于淹水灌溉，并且模拟的精度也有明显的下降。说明该时段作物对水分的需求较为迫切，模型在该时段内对水分的敏感性较高。

2.4.4 分蘖数 淹水灌溉和控制灌溉处理下分蘖数的NRMSE值均一化相对均方差根误差分别为13.2%和15.2%，模拟结果较好。从图4可以看出，水稻实际的分蘖时期比模拟值较晚，模拟误差在允许范围以内，基本符合水稻生长规律。

3 结论

DSSAT模型能够模拟水稻淹水灌溉和控制灌溉的差异，与实测值拟合度较好，但控制灌溉的模拟结果误差大于淹水灌溉。

图3 叶面积指数模拟值与实测值的比较

图4 分蘖数模拟值与实测值比较

(1)生育期误差1～2 d左右，可以很好地模拟滇中地区水稻开花期和成熟期的日期。

(2)各生长指标的拟合度良好，可以较为精确地模拟滇中地区水稻的产量和干物质的生长情况；对灌水量的模拟结果也较为精确。