WOFOST模型对河南省冬小麦模拟的适用性分析

为进一步研究WOFOST模型在河南省冬麦区的适用性,以河南省30个农业气象观测站1991—2014年冬小麦观测资料、历史气象资料和土壤资料为依据,对WOFOST模型进行逐站调参和验证,分别建立了30个站的冬小麦模型参数。其中1991—2010年为模型调参年份,2011—2014年为模型验证年份。各站开花期和成熟期调参模拟的归一化均方根误差NRMSE分别小于5%和3%,验证误差分别为3.7%和2.9%。除潢川和固始外,模型对其余各站产量模拟的归一化均方根误差NRMSE全省各站均小于20.0%,验证误差全省平均为15.2%,大部分站点观测值和模拟值相关系数r通过了显著检验。利用调参后的模型模拟2011—2014年冬小麦生长动态变化可知,模拟地上部总干物重与实测单株干物重、模拟LAI与单株叶面积有较一致的变化趋势,拟合度较高。因此,WOFOST模型对河南省冬小麦主要发育阶段、产量及干物质积累模拟能力较强,具有良好的应用前景。     

WOFOST模型在内蒙古东南部模拟春玉米生长的适应性评价

在内蒙古东南部地区引入成熟的作物模型并进行适应性验证,可为模型区域化应用提供研究依据。文章基于内蒙古东南部地区田间试验数据、农业气象观测数据结合同期气象数据和土壤数据,利用"试错法"对WOFOST模型参数进行了调试,对WOFOST模型发育期、叶面积指数及各器官生物量、产量等的模拟能力进行了验证。结果表明,模型对玉米发育期模拟较好,抽雄期和成熟期的模拟误差在6d以内,其中对抽雄期的模拟效果更好,在3d左右;模型对生育期内叶面积指数和各器官模拟良好,实测值和模型值的决定系数R2较高,均通过显著性检验,模拟各器官生物量和产量的均方根误差(RMSE)在641～1414kg·hm-2,其中模拟LAI的均方根误差(RMSE)为1.22。通过校准模型参数值,WOFOST模型能够较好地模拟内蒙古东南部地区春玉米生长发育及其生物量的动态积累过程,能够应用于内蒙古东南部地区春玉米生产。     

WOFOST模型在东北春玉米产区的验证与适应性评价

校准与验证春玉米WOFOST模型,为模型本地化、区域化应用提供研究依据。采用东北春玉米田间观测数据,使用全局敏感性分析EFAST方法对WOFOST模型参数进行敏感性分析,结合土壤数据和同期气象数据等资料对模型进行参数校正与优化,确定春玉米的作物参数;利用独立的观测数据,对春玉米生育期、叶面积指数、各生物量等指标进行详细的验证与适应性评价。结果表明:1)针对不同区域进行作物模型敏感性分析筛选出的作物参数有一定差异,但对产量影响最敏感的前5位总敏感参数相同。2)模型对春玉米生育期的模拟较好,开花期和乳熟期的相对模拟平均误差在1 d左右,在成熟期的平均误差在3 d左右。3)模型对各生物量模拟的回归系数α与确定系数R2较好,均通过显著性检验,从模型整体模拟效果来看,地上部分总生物量和叶面积指数为89%和86%,整体模拟性能较好;残差聚集指数(CRM)为14%和4%,表明模型对地上生物量和叶面积指数的模拟值略偏低。4)通过校准模型作物参数值,WOFOST模型能够较好地模拟东北春玉米生长发育及其生物量的动态积累过程,能够应用于东北地区春玉米生产。     

基于田间试验的水稻模型ORYZA2000区域参数比较

利用江苏南京、安徽宣城两地的水稻田间试验数据和气象资料,对ORYZA2000模型基本作物参数进行调整,包括不同发育阶段的发育速率、干物质分配系数、比叶面积等。两试验点的作物营养生长参数(DVRJ)和生殖生长参数(DVRR)差异很大,反应了模型的区域差异性。模拟效果均能准确反应叶面积指数、生物量的动态变化过程,在地上部生物量的模拟准确度最高。两试验点的叶面积指数、地上部生物量、绿叶生物量、茎生物量和穗生物量的归一化均方根NSMSE值分别为9%、19%、18%、13%、25%和16%、25%、17%、19%、24%,因而南京试验点的模拟效果比宣城好,参数更具区域适应性。     

不同物候模型对作物发育期模拟的对比分析

作物发育期预报在农业气象业务中具有重要意义。通过比较4种作物发育期模型的模拟效果,为中国东北地区作物发育期预报提供参考。基于东北地区玉米、水稻和大豆的发育期观测数据及其对应的气象资料,利用模拟退火算法估算了4个发育期模型的参数值,并对模型进行内外部验证。结果表明：在参数本地化过程中,高亮之模型和沈国权模型的效果较好,均方根误差平均分别为3.31d和3.72d。在模型验证过程中,沈国权模型的模拟效果较好,均方根误差平均为5.22d,因此,相对而言,沈国权模型对作物发育期模拟效果较好。     

CERES-Wheat模型在我国小麦区的应用效果及误差来源

气候模型与作物模型耦合是评价未来气候变化对作物生产影响的常用方法之一, 但当两者结合时, 存在着空间和时间尺度差异问题, 将作物模型升尺度到区域是解决该差异的一种方法。将CERES-Wheat模型升尺度进行区域模拟, 利用区域校准后的CERES-Wheat模型, 模拟了1981—2000年全国各网格小麦产量, 与同期农调队调查产量相比较, 以探讨CERES-Wheat模型在我国小麦区的模拟效果及误差来源。结果表明:全国小麦产量的区域模拟值与农调队调查产量的相对均方根误差为27.9%, 符合度为0.75, 全国59.2%的模拟网格相对均方根误差在30%以内, 其中相对均方根误差小于15%的占26.3%;各区的效果不同, 种植面积最大的小麦种植生态2区, 模拟效果最好。总体来说, CERES-Wheat的区域模拟, 可以反映产量变化规律, 能为宏观决策提供相应信息, 尤其是在主产区; 但区域模拟中还存在一系列误差, 今后还需进一步研究。     

陕西苹果花期机理性预报模型的适用性评价

以陕西苹果花期为研究对象,针对4个机理性物候模型——顺序模型（SM）、平行模型（PM）、深度休息模型（DRM）和热时模型（TTM）,基于各果区代表站的花期数据及同期气象数据订正模型参数,利用内部检验和交叉验证（留一验证）方法,评价模型在模拟花期上的适用性。结果表明:内部检验时各站点的最适模型不同,总体上,SM和TTM均方根误差略低（3.30 d）;交叉验证时模型表现相当,各模型平均的均方根误差为4.52 d,略优于内部检验。使用单站外推和求平均后外推将TTM参数应用至果区内其他站,这两种方法的均方根误差均优于国外同类研究（10.0 d）,其中单站外推的均方根误差（5.90 d）又高于求平均后外推（7.21 d）。综合考虑模型的复杂性与模拟精度,推荐使用TTM并分果区模拟陕西苹果花期。     

SMCR__N模型在北京地区潮土茄田适用性分析

利用2009—2010年北京地区潮土茄田定位试验资料和气象、土壤及栽培管理措施等资料,采用SMCR__N蔬菜作物模型对北京地区潮土紫长茄和圆茄产量及圆茄吸氮量进行了模拟,校正模型参数并对模型进行了初步评价,为模型本地化提供参考。结果表明:SMCR__N模型中茄子品种参数适用于模拟北京地区潮土紫长茄产量,其模拟总干重的均方根差(RMSE)为0.42t·hm-2,标准化均方根差(n-RMSE)为0.06,模型预测效率(EF)为0.95,E=0.400.00,拟合指数(d)为0.99,决定系数(R2)=0.96。定位试验的圆茄品种与SMCR__N模型茄子品种参数存在差异,需调整相关茄子品种参数值。作物总干重敏感性分析表明,作物生长系数(K1)为SMCR__N模型敏感性参数,当K1=1.4t·hm-2时,模型模拟性能最好,RMSE=1.2t·hm-2,n-RMSE=0.12,EF=0.59,E=0.76,d=0.93,R2=0.80。参数校正后,对2010年北京地区潮土圆茄的吸氮量进行了模拟,R2=0.85,模拟性能良好。通过校准作物参数,SMCR__N模型可较准确地模拟北京地区潮土露地茄子总干重和吸氮量的动态变化,适用性较强,可用于指导北京地区潮土茄田的施氮水平,为合理施肥提供科学依据。     

基于涡度相关的春玉米逐日作物系数及蒸散模拟

作物系数是计算作物蒸散量的关键参数。利用2006—2008年和2011年辽宁锦州玉米农田生态系统的涡度相关、气象、作物发育期及叶面积指数观测数据,分析不受水分胁迫条件下玉米逐日作物系数特征及其与叶面积指数的关系。研究表明:作物系数与玉米农田实际蒸散均呈单峰型变化,约在7月末至8月初达到最大值 (玉米开花吐丝期)。在此基础上,建立了不受水分胁迫条件下玉米逐日作物系数与叶面积指数关系 (达到0.01显著性水平), 同时,采用积温表示的标准化生育期方法模拟相对叶面积指数,并建立了逐日作物系数与相对叶面积指数关系 (达到0.01显著性水平),解决了无叶面积观测地区玉米逐日实际蒸散量的计算。研究结果可为玉米农田用水管理以及灌溉措施的制定提供参考。     

利用作物模型提取小麦干热风灾损方法探讨

如何将干热风灾害对小麦造成的产量损失从全部产量损失中提取出来,是目前小麦干热风研究的一个难点.根据小麦生物学特性以及产量结构与干热风发生规律的关系,构建了小麦作物模型,并利用河南省1981-2004年气象资料与小麦产量资料对模型进行了分析与验证.结果表明:利用作物模型方法得到的小麦产量损失与传统方法得到的产量损失相近,两者的标准均方根误差(NRMSE)为0.36,平均准确率为68.69％,决定系数(R2)为0.81.这表明利用小麦作物模型来提取干热风灾损是可行的,可以用于干热风非典型年份的灾害产量损失计算.     

基于约束性分析的数据与作物模型同化方法

同化观测数据可为作物生长模型的区域应用提供支持。该文定义了观测数据对模型参数的约束性,研究发现华北夏玉米观测数据对WOFOST模型的可约束参数主要包括初始总干物重、不同发育阶段的比叶面积、初始最大CO₂同化速率、叶片衰老系数、初始土壤有效水、最大根深日增量以及初始根深的初始土壤水分含量等。建立了基于参数约束性分析的观测数据与作物生长模型同化方法和流程, 利用优化算法进行作物生长模型所有参数和变量初值的敏感性分析,遴选出各状态变量的敏感参数;根据拟合度与优化结果之间关系进行敏感参数的约束性分析,获得不同变量的可约束参数;组合优化可约束参数得到各参数最优值,由此实现了观测数据与作物生长模型的同化。约束性体现了观测数据对模型参数或变量初值的控制能力,可约束参数作为待优化参数使数据模型同化获得了最优结果。     

基于WheatSM模型参数优化的鹤壁地区冬小麦生长发育模拟研究

采用EFAST方法和SCE-UA算法优化WheatSM模型参数,采用区域模拟和单站插值的方法对2013—2017年鹤壁市冬小麦各发育期日数和产量进行模拟修订,为WheatSM作物模型在豫北地区的业务应用提供参考。研究发现:区域模拟方法对鹤壁地区冬小麦生育期开始日期的模拟效果除出苗期、越冬期的外,其他均好于单点插值方法的。单点插值方法对越冬期的模拟效果明显好于区域模拟方法的。冬小麦产量的模拟效果区域模拟方法也比单点插值方法好,但两种结果的相对误差均较大。通过对WheatSM模型得到的冬小麦气象产量模拟结果进行修订,可以明显提高模型产量模拟结果。2013—2017年鹤壁地区模拟产量的误差为-17. 92%～-2. 98%,RMSE为1114. 9 kg/hm~2,NMSE为12. 59,模拟效果较好。利用区域模拟方法可以对区域内单个站点的冬小麦生长发育和产量进行模拟,但对越冬期开始时间的模拟需要参考单点插值方法的相应结果。     

一种利用MODIS数据的夏玉米物候期监测方法

采用MODIS数据重构夏玉米归一化植被指数生长曲线,提取并建立特征点位对应日期与作物进入不同物候期的实际日期之间的最佳匹配关系。研究表明:使用改进的SG（Savitzky-Golay）迭代滤波对最大值合成后的植被指数时间序列做平滑处理并进行Logistic曲线拟合,可得到时间分辨率为1 d的作物生长过程曲线,经与2013-2014年物候期实测数据匹配,选择利用动态阈值1提取七叶期,均方根误差为5.4 d;利用曲率最小值提取拔节期,均方根误差为6.4 d;利用动态阈值2提取抽雄期,均方根误差为6.0 d。经2015年物候期实测数据验证,3个关键物候期的遥感监测误差均在6 d以内。利用该方法可提高基于遥感数据开展大面积作物物候期监测识别的效率和准确率。     

Establishment of Winter Wheat Regional Simulation Model Based on Remote Sensing Data and Its Application

Accurate crop growth monitoring and yield forecasting are significant to the food security and the sus- tainable development of agriculture.Crop yield estimation by remote sensing and crop growth simulation models have highly potential application in crop growth monitoring and yield forecasting.However,both of them have limitations in mechanism and regional application,respectively.Therefore,approach and methodology study on the combination of remote sensing data and crop growth simulation models are con- cerned by many researchers.In this paper,adjusted and regionalized WOFOST (World Food Study) in North China and Scattering by Arbitrarily Inclined Leaves-a model of leaf optical PROperties SPECTra (SAIL-PROSFPECT) were coupled through LAI to simulate Soil Adjusted Vegetation Index (SAVI) of crop canopy,by which crop model was re-initialized by minimizing differences between simulated and synthesized SAVI from remote sensing data using an optimization software (FSEOPT).Thus,a regional remote-sensing- crop-simulation-framework-model (WSPFRS) was established under potential production level (optimal soil water condition).The results were as follows:after re-initializing regional emergence date by using remote sensing data,anthesis,and maturity dates simulated by WSPFRS model were more close to measured values than simulated results of WOFOST;by re-initializing regional biomass weight at turn-green stage,the spa- tial distribution of simulated storage organ weight was more consistent with measured yields and the area with high values was nearly consistent with actual high yield area.This research is a basis for developing regional crop model in water stress production level based on remote sensing data.     

卫星区域大气探测业务处理系统

本文简要介绍目前卫星区域大气探测资料业务处理系统的软件结构、算法和生成的产品。将系统处理结果与常规观测值作比较分析的结果表明:大气温度反演平均均方根误差为2.45 ℃，水汽混合比平均均方根误差为1.47 g/kg，层平均厚度误差为21.4位势米，臭氧总含量均方根误差约为10%（Dobson），长波辐射通量均方根误差约为1.7 W/m2。     

地面有效辐射气候学模型评估和参数优化

基于中国19个辐射站1993-2012年的地面辐射平衡资料和气象资料,分析评估了布朗特法、彭曼法、别尔良德法、FAO24法、FAO56-PM法、邓根云法和童宏良法7种参数化方案计算中国地面有效辐射的适用性;并以均方根误差最小为目标函数,利用步长加速法和多元回归法迭代求解最优参数,建立适合于中国的最优参数化逐日有效辐射估算方法。结果表明:参与评估的7种方案都不同程度低估了中国的有效辐射;从全中国总体误差水平看,童宏良法的平均绝对百分比误差和均方根误差小于其他6种方案,分别为27.0%和24.5 W/m2,估算效果较好;其次是彭曼法和邓根云法;FAO56-PM法精度较低,不适用于中国的有效辐射估算。针对单站来说,邓根云法在东部平原地区的精度最高,童宏良法由于考虑了海拔高度的订正,适用于西部高原地区。相关分析表明水汽压是影响有效辐射估算误差的最关键因素,因此根据水汽压的地理分布规律,分东部区和西部区建立分区方案。基于观测资料建立的全中国方案和分区方案的均方根误差分别为20.8和21.4 W/m2,精度均高于已有参与评估的7种方案;而且在绝大多数站点,分区方案的误差小于全中国方案,所以划分东部区和西部区进行有效辐射模型参数化很有必要。同时发现,分区方案在西部区明显优于邓根云法,在东部区明显优于童宏良法,因此推荐其作为中国有效辐射的计算方法。      

Agricultural impacts of climate change in Spain: developing tools for a spatial analysis

CERES-Wheat, a dynamic process crop growth model, is specified and validated for seven sites in the major wheat-growing regions of Spain. Variables explaining a significant proportion of simulated yield variance are crop water (sum of precipitation and irrigation) and temperature during the growing season. A multiple linear regression model is developed to represent simulated yield response to these variables. Seven agro-climatic regions are defined based on K-mean cluster analysis of temperature and precipitation data from 329 meteorological stations and provincial crop yield data. The yield functions derived from the validated crop model were then used with the gridded agro-climatic database to conduct a spatial analysis of climate change impacts on national wheat production. Climate change scenarios with and without sulfate aerosols developed from the Hadley Centre (HCGG and HCGS) and Canadian Climate Centre (CCGG and CCGC) are tested.     

Non-stationary extreme value analysis in a changing climate

This paper introduces a framework for estimating stationary and non-stationary return levels, return periods, and risks of climatic extremes using Bayesian inference. This framework is implemented in the Non-stationary Extreme Value Analysis (NEVA) software package, explicitly designed to facilitate analysis of extremes in the geosciences. In a Bayesian approach, NEVA estimates the extreme value parameters with a Differential Evolution Markov Chain (DE-MC) approach for global optimization over the parameter space. NEVA includes posterior probability intervals (uncertainty bounds) of estimated return levels through Bayesian inference, with its inherent advantages in uncertainty quantification. The software presents the results of non-stationary extreme value analysis using various exceedance probability methods. We evaluate both stationary and non-stationary components of the package for a case study consisting of annual temperature maxima for a gridded global temperature dataset. The results show that NEVA can reliably describe extremes and their return levels.     

上海市土地利用资料优化方案对WRF模式模拟高温过程的影响

在WRF模拟中,默认的土地利用数据与实际土地利用情况差异较大,因此会影响模式的模拟效果。为此,许多学者提出了更新城市土地利用数据的方案。最简单的方法是仅就城市建成区面积进行修正。但因城市地表具有非均匀性,进而又提出了将建成区进一步精细化分类。然而,在研究土地利用资料对WRF模式影响的文献中,绝大多数研究仅是就某种资料更新前后的模拟效果进行比较,并未将城市面积改变、城市非均匀性这两个因子进行区分。本文综合考虑了面积修正与精细化分类这两个因子,根据面积修正方案和两种精细化方案生成了3种土地利用的优化数据,并结合默认土地数据共设置了4个算例对上海市2018年8月和2019年8月两次高温天气过程进行了模拟,通过对结果进行比较分析发现:1）对WRF土地利用数据进行优化后,改善了温度、相对湿度和风速的模拟效果。2）城市建成区面积是影响温度最关键的因子,面积修正使温度的平均均方根误差（RMSE）降低了0.86°C,在此基础上的精细化分类使平均RMSE最多降低了0.04°C。3）城市的精细化分类是影响风速和相对湿度的主要因子,面积修正使风速的平均RMSE仅降低0.04 m/s,而精细化分类可使其RMSE再进一步降低最多0.19 m/s;面积修正使相对湿度的平均RMSE仅降低0.23%,而精细化分类可使其RMSE再进一步降低最多2.25%。4）总体说来,精细化分类方案在一定程度上考虑了城市的非均匀性,因此对于温度、相对湿度和风速模拟结果的改善程度更大,且分类越细致,效果越好。