冯利平水稻生长模型ORYZA2000
吉林省2000年审(认)定通过的水稻新品种
吉林省2000年审(认)定通过的水稻新品种
曹静明
【期刊名称】《中国稻米》
【年(卷),期】2001(000)004
【摘要】@@ 1.丰优203粳稻,系吉林省农科院水稻研究所育成.1 997～1999年省区试平均产量为549.1kg/667m2,较对照吉玉粳增产8 %;1998～1999年省生产试验平均产量为539.4kg/667m2,较对照品种增产4%.生育期136天,属中熟品种.米质较优.中抗叶瘟 ,中感稻瘟.适宜在吉林省生育期间活动积温2650℃以上稻区种植.
【总页数】1页(P15)
【作者】曹静明
【作者单位】吉林省农科院水稻所,
【正文语种】中文
【中图分类】S511
【相关文献】
1.湖北省2000年审(认)定的蔬菜、果树新品种 [J], 卢开阳;吴和明
2.湖北省2000年审(认)定的薯类作物新品种 [J], 卢开阳;吴和明
3.湖北省2000年审(认)定的水稻作物新品种 [J], 卢开阳;吴和明
4.广东省2010年审(认)定通过的水稻新品种 [J],
5.重庆市2011年审（认）定通过的水稻新品种 [J],
因版权原因，仅展示原文概要，查看原文内容请购买。
水稻作物系数与稻田渗漏模型参数的同步估算
水稻作物系数与稻田渗漏模型参数的同步估算石艳芬;缴锡云;罗玉峰;虞晓彬【摘要】Based on a water balance model, a multivariate nonlinear programming approach was employed to synchronously estimating the crop coefficients for rice and the seepage model parameters for paddy fields, with the objective function being to minimize the sum of square-error between the simulated face water depth and the observed one. Then, the model efficiency coefficient, the average relative error and the average absolute error were calculated to evaluate the simulation results of the approach. Case study shows that the simulated values for crop coefficients and seepage model parameters are both close to the empirical ones, and the simulated value for face water depth is in good agreement with the measured one. Hence, the approach presented in this paper can be used to estimate the crop coefficient for rice and the seepage model parameters for paddy fields.% 根据田间水量平衡模型，以田面水层深度误差平方和最小为目标函数，采用多变量非线性规划方法同步估算水稻作物系数和稻田渗漏模型参数，并利用统计学方法中的模型效率系数、平均相对误差、平均绝对误差等指标对模拟效果进行评价。
水稻DUS测试标准品种丛矮2号矮化多分蘖表型的遗传基础
作物学报 ACTA AGRONOMICA SINICA 2012, 38(10): 1766−1774 /zwxb/ISSN 0496-3490; CODEN TSHPA9E-mail: xbzw@本研究由国家转基因生物新品种培育科技重大专项(2011ZX08009-003)和留学人员科技活动择优资助项目“农作物分枝机理及应用研究”资助。
*通讯作者(Corresponding author): 李学勇, E-mail: xueyong.li@, Tel: 010-********第一作者联系方式: E-mail: tottiwang@, Tel: 136********Received(收稿日期): 2012-03-01; Accepted(接受日期): 2012-06-10; Published online(网络出版日期): 2012-07-27. URL: /kcms/detail/11.1809.S.20120727.0844.011.htmlDOI: 10.3724/SP.J.1006.2012.01766水稻DUS 测试标准品种丛矮2号矮化多分蘖表型的遗传基础王 涛1 袁守江2 尹 亮2 赵金凤1 万建民1,3 李学勇1,*1中国农业科学院作物科学研究所 / 农作物基因资源与基因改良国家重大科学工程, 北京 100081; 2 山东省水稻研究所, 山东济南250100; 3南京农业大学 / 作物遗传与种质创新国家重点实验室 / 江苏省植物基因工程技术研究中心, 江苏南京 210095 摘 要: 水稻DUS 测试标准品种之一丛矮2号(cl2)具有矮化多分蘖的表型特征, 遗传分析表明该性状由1对隐性核基因控制, 已将其定位在第4染色体长臂InDel 标记C4-CL5和C4-CL4之间。
对这2个标记之间一个已报道的多分蘖基因D17/HTD1进行测序, 发现cl2中的D17/HTD1基因编码区第1 796个碱基由C 突变为T, 从而导致第599位的氨基酸由脯氨酸变成亮氨酸。
寒地耐盐碱优质稳产水稻新品种龙稻124的选育
通信作者：孙世臣，来永才
条件的约有 100 万 hm2[7]，生产潜力巨大。这一区域 通过种植耐盐碱水稻品种等综合措施改良，盐碱地 利用取得了重要进展，但耐盐碱水稻品种少、更新速 度慢的问题一直制约着该地区水稻生产的进一步发 展。本团队针对这一问题，经过多年攻关，育成了适 合该区域种植的耐盐碱、优质、稳产水稻新品种龙稻 124，助力寒地苏打盐碱地改良与利用。
78 育繁制种
2021年第６期
寒地耐盐碱优质稳产水稻
新品种龙稻 124 的选育
丁国华 1，2，3 刘 凯 1，2 曹良子 1，2，3 白良明 2，3 王彤彤 2，3 周劲松 2，3 洛 育 2，3 夏天舒 2，3 杨 光 2，3 王雪扬 2，4 姜 辉 2 陈 磊 2 李柱刚 2，3 孙世臣 1，2，3 来永才 1，2
在耐盐碱水稻品种培育方面以常规育种为主， 分子育种为辅。辽宁盐碱地利用研究所 20 世纪 80 年代以来先后育成了盐丰 47、盐丰 188、盐粳 228 等 抗盐品种 [16]。黑龙江省农业科学院、吉林省农业科 学院、辽宁省农业科学院水稻研究所、江苏沿海地区 农业科学研究所、广东农业科学院水稻研究所、江苏 省农业科学院、海南大学、湖南省水稻研究所先后利 用常规育种手段培育出龙稻 5 号、长白 9 号、辽盐 9 号、盐稻 10 号、广盐 1 号、海湘 030 等耐盐碱水稻品 种（品系）[9，17]。受到水稻品种自身光温适应性的 限制，各个地方的耐盐碱水稻品种一般不能直接在 其他地方种植。特别是粳稻品种，由于具有特殊多 样化的生态条件，适应性更为狭窄。东北苏打盐碱 地种植早粳稻，长期以来处于单一品种占主导地位 的局面，缺少多品种的优势互补，抗风险能力低 。 [1量为 7914kg，比对照龙稻 18 增产 7.0%。2 年区 域试验、1 年生产试验 18 点次龙稻 124 均增产，表 现出较好的稳产性和广适性。
晋北两种饲草作物的APSIM模型参数敏感性分析
第31卷 第10期V o l .31 No .10草 地 学 报A C T A A G R E S T I A S I N I C A2023年 10月O c t . 2023d o i :10.11733/j.i s s n .1007-0435.2023.10.024引用格式:侯青青,成华强,朱 敏,等.晋北两种饲草作物的A P S I M 模型参数敏感性分析[J ].草地学报,2023,31(10):3114-3122H O U Q i n g -q i n g ,C H E N G H u a -q i a n g ,Z HU M i n ,e t a l .P a r a m e t e r S e n s i t i v i t y A n a l y s i s o nS u b m o d u l e s o fA P S I Mt o T w oF o r a g e s i nN o r t h e r nS h a n x i P r o v i n c e [J ].A c t aA gr e s t i aS i n i c a ,2023,31(10):3114-3122晋北两种饲草作物的A P S I M 模型参数敏感性分析侯青青1,2,成华强1,2,朱 敏1,2,杨 轩1,2*,夏方山1,2(1.山西农业大学草业学院,山西太谷030801;2.草地生态保护与乡土草种质创新山西省重点实验室,山西右玉037200)收稿日期:2023-04-10;修回日期:2023-08-01基金项目:山西农业大学科技创新基金项目(2020B Q 26);国家自然科学基金青年科学基金项目(32001404)资助作者简介:侯青青(1998-),女,汉族,四川南充人,硕士研究生,主要从事田间粮草耦合与模型应用研究,E -m a i l :q qh o u 0924@163.c o m ;*通信作者A u t h o r f o r c o r r e s p o n d e n c e ,E -m a i l :y a n gx u a n 2019@s x a u .e d u .c n 摘要:为有效识别影响晋北地区主要饲草作物产量形成的关键参数,简化模拟过程㊂本研究选用秣食豆(G l y c i n e m a x L .)㊁饲用燕麦(A v e n a s a t i v a L .)为研究对象,结合田间试验数据与历史气象资料,利用O A T 法量化A P S I M 作物子模块在雨养㊁实际和潜在产量水平下产量指标对各气象㊁作物参数的敏感性㊂结果显示,不同产量水平下,影响秣食豆产量较为敏感的参数有:温度((相对敏感度R e l a t i v es e n s i t i v i t y ,R S )为1.37~1.84))㊁辐射利用效率(0.59~1.34)㊁生长期结束至初花期积温(0.45~0.65);影响饲用燕麦产量较为敏感的参数有:降水量(0.51)㊁温度(0.70~0.63)㊁辐射(0.84)㊁春化敏感性指数(1.71~2.91)㊁辐射利用效率(0.87~1.06)㊁生长期结束至初花期积温(0.95~1.04)㊂本研究通过敏感性分析,得到对饲草产量形成的强敏感性参数,有助于模型结构优化与参数校正,以积极应用于后续研究,同时可为相近地区的农牧业资源高效利用提供参考㊂关键词:晋北地区;A P S I M ;气候参数;作物参数;产草量;敏感性分析中图分类号:S 512.6 文献标识码:A 文章编号:1007-0435(2023)10-3114-09P a r a m e t e r S e n s i t i v i t y A n a l y s i s o nS u b m o d u l e s o fA P S I Mt oT w o F o r a ge s i nN o r t h e r nS h a n x i P r o v i n c e H O U Q i n g -q i n g 1,2,C H E N G H u a -q i a n g 1,2,Z HU M i n 1,2,Y A N G X u a n 1,2*,X I AF a n g-s h a n 1,2(1.C o l l e g e o fG r a s s l a n dS c i e n c e ,S h a n x iA g r i c u l t u r a lU n i v e r s i t y ,T a i g u ,S h a n x i P r o v i n c e 030801,C h i n a ;2.S h a n x iK e yL a b o r a t o r y o fG r a s s l a n dE c o l o g i c a l P r o t e c t i o na n dN a t i v eG r a s sG e r m p l a s mI n n o v a t i o n ,Y o u yu ,S h a n x i P r o v i n c e 037200,C h i n a )A b s t r a c t :T h i s s t u d y a i m e dt oe f f e c t i v e l y i d e n t i f y t h ek e ypa r a m e t e r sw h i c ha f f e c t t h e y i e l df o r m a t i o no f m a i n f o r a g ec r o p sf o rs i m p l i f y i n g t h es i m u l a t i o n p r o c e s s i nn o r t h e r nS h a n x i .W es e l e c t e df e e ds o yb e a n (G l yc i n em a x (L .))a nd f o r a ge o a t s (A v e n a s a t i v a L .)a s t h e t e s t o b j e c t s ,c o m b i n e df i e l d e x p e r i m e n t a l o b -s e r v a t i o nw i t hh i s t o r i c a lm e t e o r o l og i c a l d a t a d e r i v e d f r o m Y o u y uL o e s sP l a t e a uG r a s s l a n dE c o s ys t e mP o s i -t i o n i n g Ob s e r v a t i o na n dR e s e a rc hS t a t i o n i nS h a n x i P r o v i n c e .B a s e do n t h r e e y i e ld le v e l s (r a i n -f e d ,a c t u a l a n d p o t e n t i a l ),t h eO A T (O n e a t a t i m e )m e t h o dw a su s e d t o q u a n t i f y t h e s e n s i t i v i t y of v a r i o u sm e t e o r o -l og i c a l a n d c r o pp a r a m e t e r s o fA P S I Mc r o p su b m o d u l e s o n y i e l d i n d i c a t o r s .R e s u l t s s h o w e d t h a t u n d e r t h e d i f f e r e n t y i e l d l e v e l s ,t h em o s t s e n s i t i v e p a r a m e t e r sa f f e c t i n g t h e y i e l do f f e e ds o y b e a n w e r et e m pe r a t u r e (R e l a t i v eS e n s i t i v i t y ,R S =1.37~1.84),r a d i a t i o nu s eef f i c i e n c y (0.59~1.34),a n d t h ea c c u m u l a t e dt e m -p e r a t u r e f r o mf l o r a l i n i t i a t i o n t o e n do fg r o w th p e ri o d (0.45~0.65).T h e r e l a t i v e l y se n s i t i v e p a r a m e t e r s af f e c t i ng th e yi e l do ff o r a g eo a t si n c l u d e d p r e c i p i t a t i o n (0.51),t e m pe r a t u r e (0.70~0.63),r a d i a t i o n (0.84),v e r n a l i z a t i o n s e n s i t i v i t y i n d e x (1.71~2.91),r a d i a t i o nu s e ef f i c i e n c y (0.87~1.06),a n da c c u m u l a -t e d t e m p e r a t u r e f r o mf l o r a l i n i t i a t i o n t o t h e e n do fg r o w th p e ri o d (0.95~1.04).P a r a m e t e r s e n s i t i v i t y a -n a l y s i s c o u l d s c r e e no u t t h e p a r a m e t e r sw i t hah i g hs e n s i t i v i t y t o t h e f o r m a t i o no f f o r a g e y i e l d s .T h e r e -s u l t s o f t h e c u r r e n t s t u d y w o u l dh e l p f u l f o r o p t i m i z a t i o no n t h e s t r u c t u r e a n d p a r a m e t e r v a l i d a t i o no f c r o pm o d e l ,a n d c o u l d b e a c t i v e l y a p pl i e d i n f u r t h e r r e s e a r c hw o r k s ;i tw o u l d a l s o p r o v i d e a r e f e r e n c e f o r t h e e f f i -Copyright ©博看网. All Rights Reserved.第10期侯青青等:晋北两种饲草作物的A P S I M模型参数敏感性分析c i e n t u t i l i z a t i o no f a g r i c u l t u r a l a nd a n i m a l h u s b a n d r y re s o u r c e s i n s i m i l a r r e g i o n s.K e y w o r d s:N o r t h e r nS h a n x i;A P S I M;C l i m a t i c p a r a m e t e r s;C r o pp a r a m e t e r s;F o r a g e y i e l d;S e n s i t i v i t y a n a l y s i s北方农牧交错带地处我国农区与牧区的过渡带,蕴含着巨大的生产潜力[1-2],但存在气候波动大,生态环境脆弱等问题[3-4]㊂晋北地区是北方农牧交错带的重要组成部分,一方面在全球变暖的背景下,变暖趋势显著,沙化问题严重[5-6];另一方面,该区农牧呈镶嵌分布,农牧业更替发展,导致农业制度波动大,表现为种植结构受人为或气候因素的影响发生改变,如大量使用化肥保证农收㊁更改制度以缓和土地收益降低[7]㊂为解决现存问题,需量化气候㊁土壤㊁管理等要素变化及其对作物生产的影响,以明确制约产量的关键因素㊂采用作物生长模型评估作物生产力或制定高产策略,近年来颇受重视[8-11]㊂如农业生产系统模型(A g r i c u l t u r a lP r o d u c t i o nS y s-t e ms I M u l a t o r,A P S I M),主要用于农田作物建模,可有效平衡作物-土壤的关系,实现不同气候和管理条件下作物生长及土壤变化的动态模拟并进行预产[12-13]㊂为提高模型描述精度,以使模型契合晋北作物生长,需进行参数敏感性分析[14-15],以量化输入参数变化对输出变量的影响和敏感程度,对关键参数进行准确率定[16-17]㊂前人关于作物产量对参数变化的敏感性研究已有一定成果[18-20]㊂W a n g等[21]基于A P S I M探究华北地区1961 2008年各气候因子对小麦-玉米种植系统产量的影响,结果表明温度为强敏感参数㊂赵俊芳[22]利用A P S I M-M a i z e探究北方八省春玉米产量对气候变化的响应,表明温度㊁辐射和降水响应明显,与马瑞丽等[23]研究结果相似㊂此外,作物本身特性也会影响生产[24]㊂邓晓垒等[25]研究发现,A P-S I M-w h e a t模型中对小麦产量最敏感的参数均为作物品种参数,与品种积温㊁春化及光周期等参数相关㊂米荣娟等[26]利用A P S I M对影响春小麦产量形成的敏感参数进行筛选,其中每克茎籽粒数量㊁灌浆期籽粒日潜在灌浆速率㊁单株最大籽粒质量对产量的贡献最高㊂总体来说,目前针对北方农牧交错带生产环境的模型参数敏感性分析的研究数量较少,还未能充分了解㊁体现作物动态模型于相近条件地区的适用性和功能性㊂本研究以晋北地区为研究点,基于A P S I M并选取当地主要的饲草作物,饲用燕麦(A v e n as a t i v a L.)㊁秣食豆(G l y c i n e m a x(L.) M e r r.)为研究对象,利用长期历史气候数据对作物的主要参数及气象参数进行敏感性分析,以明晰当地重要作物生产力的波动来源,为相近地区农业生产资源的可持续管理提供一定的科学依据,协助晋北农牧业长远发展㊂1材料与方法1.1研究区概况本研究于山西省朔州市右玉县进行,试验区地处黄土高原,位于山西省西北部,地理坐标为39.9968ʎN,112.3277ʎE㊂该地区四季分明,属于温带大陆季风气候㊂冬春季干旱少雨,多风沙,夏季降水集中[7]㊂研究区1980 2019年的年际降水量为258.0~597.7m m(平均419.3m m),年际均温在2.9~6.1ħ(平均4.8ħ)㊂最冷月为1月,均温-14ħ(-9.0ħ~-17.8ħ),最热月为7月,均温20.5ħ(18.9ħ~22.4ħ),ȡ0ħ积温为2600~ 3600ħ[7]㊂终霜期为5月初,初霜期为9月上中旬,无霜期为100~120d[7]㊂全年日照时数2600~ 2700h[7]㊂地下水较深,对2m内的土体基本没有补给[27]㊂1.2A P S I M模型概述A P S I M由澳大利亚的联邦科工组织和昆士兰州政府的农业生产系统组(A P S R U)所开发,可描述农业生产系统中各主要组分的变化[28-29],其以中心引擎为核心,键合土壤模块㊁作物模块和管理模块[30]㊂其中,土壤模块用于模拟土壤水分运动㊁养分转移等过程,土壤各层的田间持水量㊁饱和含水量和凋萎系数等参数决定土壤水分特征;作物模块主要包括作物参数和品种遗传参数,用于模拟作物的生长发育和产量形成;管理模块包括播期和收获期㊁施肥和灌溉的设定㊁输入和输出变量的设置等[31],需要输入的气候数据包括逐日降水量㊁逐日最高气温㊁逐日最低气温和逐日总辐射量㊂此外,A P S I M以其 即插即用 的优势可灵活调整管理措施,有效预测与模拟多种作物在不同气候㊁土壤㊁品种和管理等因子组合背景下的作物生长㊁产量形成等指标的变化过程[13-14]㊂本研究运用A P S I M的燕麦模块(对应饲用燕麦)㊁大豆模块(对应秣食豆),已于前期研究进行了初步模拟验证,对作物产草量的拟合度较高[7]㊂5113Copyright©博看网. All Rights Reserved.草 地 学 报第31卷1.3 敏感性分析方法敏感性分析(S e n s i t i v i t y a n a l ys i s ,S A )分为局部敏感性分析和全局敏感性分析,通过改变输入变量衡量其对输出指标的影响程度,分析输出指标敏感性程度直观讨论模型参数的敏感性,可快速对关键参数进行率定,促进模型的改进和结构优化[32]㊂局部敏感性分析过程相对简单,操作便捷,注重考虑单个参数对模型输出的影响[26]㊂本研究涉及模型的子模型包括A P S I M -s o yb e a n ,A P S I M -o a t s ,采用O A T (O n e a t a t i m e )法[33],即运行模型时只改变其中1个参数,根据参数改变对模拟结果的响应程度进行敏感性参数的筛选,该方法可在一定程度上忽略其他参数间的相互作用,快速率定对输出指标具有敏感性的参数[33-34]㊂敏感性指标用相对敏感度(R e l a t i v e s e n s i t i v i t y,R S )来衡量[33]㊂本研究对模型中的气象参数和作物参数进行敏感性分析,每次运行模型时只将数据库中的1个参数值增减10%,然后运转模型并计算这种变化对模拟结果的影响程度[32-33]㊂如果增减10%溢出参数的取值范围,则适当调整参数的增量[32]㊂R S 计算公式如下:R S =[y (x +Δx )-y (x )]/y (x )Δx /x(1)式(1)中:x 为模型参数中的某一参数值;Δx 为该参数的改变量;y (x )及y (x +Δx )分别表示参数改变前后的模拟输出量,本研究指各饲草作物的产量㊂R S 值越大表示该参数越敏感,反之则不敏感㊂1.4 参数选择与模拟设计敏感性分析基于1980 2019年研究站点的历史气象数据,来源于中国气象数据网(h t t p://d a t a .c m a .c n /s i t e /i n d e x .h t m l ),包括逐日降水量(m m )㊁逐日最高气温(ħ)㊁逐日最低气温(ħ)和逐日太阳辐射量(M J ㊃m -2)(表1),并将气候数据建立.m e t 文件导入A P S I M 框架作为气象参数基础㊂主要土壤参数见表2,于2022年在山西右玉黄土高原草地生态系统定位国家观测研究站采集㊂2种作物模块的分析参数及说明㊁取值范围见表3㊂本研究考虑模型的输出指标为:饲用燕麦㊁秣食豆的地上生物量,即产草量,并考虑3种不同产量水平下的模型敏感性,即仅有光温限制的潜在水分产量(设置条件:当土壤可利用水低于田间持水量的80%即灌溉至持水量)㊁光温水限制的雨养产量(设置条件:全生育期无灌溉)和根据当地实际管理的灌溉条件的产量水平(设置条件:全生育期设置灌溉量50m m )[35]㊂表1 1980—2019年年均气候数据T a b l e 1A n n u a l a v e r a ge c l i m a t e d a t af r o m1980t o 2019年份Y e a r年降水量A n n u a l r a i n f a l l /m m年均最高温A n n u a lm a x i m a l t e m pe r a t u r e /ħ年均最低温A n n u a lm i n i m a l t e m pe r a t u r e /ħ年太阳辐射S o l a r r a d i a t i o n /M J㊃m -2198029511.7-4.35774198138611.6-4.65744198243112.4-3.75670198349612.3-3.75572198437911.3-5.65809198535611.8-5.05668198629311.8-5.75930198733113.3-3.45889198847411.5-4.25599198948412.5-3.55679199050712.9-2.85650199144912.2-3.95721199249812.1-3.85554199325811.8-5.15786199439413.0-3.05712199544712.4-4.15641199640511.9-3.75503199731213.3-3.55615199838813.8-1.65392199932413.9-2.35600200041912.5-3.55542200134013.1-2.35643200250113.0-2.05490200347411.8-2.45307200445013.0-2.25526200539212.6-3.456256113Copyright ©博看网. All Rights Reserved.第10期侯青青等:晋北两种饲草作物的A P S I M 模型参数敏感性分析续表1年份Y e a r年降水量A n n u a l r a i n f a l l /m m年均最高温A n n u a lm a x i m a l t e m pe r a t u r e /ħ年均最低温A n n u a lm i n i m a l t e m pe r a t u r e /ħ年太阳辐射S o l a r r a d i a t i o n /M J㊃m -2200645413.6-1.95234200731013.6-2.25022200850412.3-3.14981200930913.1-3.15287201044312.6-2.15447201135612.2-3.15198201252211.8-3.35278201349813.6-2.05559201443213.7-2.25321201547113.1-1.95388201651813.1-1.95488201740314.0-2.15491201859813.3-2.55347201947213.9-2.95548表2 研究区土壤的基本参数T a b l e 2 T h e s o i l p a r a m e t e r s o f t h e s t u d y ar e a 土层S o i l d e pt h /c m 容重B u l kd e n s i t y /g㊃c m -3风干系数A i r d r y c o e f f i c i e n t /m m ㊃m m -1萎蔫系数W i l t i n g co e f f i c i e n t /m m ㊃m m -1田间持水量F i e l d c a p a c i t y /m m ㊃m m -1饱和含水量S a t u r a t e dw a t e r c o n t e n t/m m ㊃m m -10~101.2560.0400.1400.2350.48310~201.3240.0420.1480.2590.47720~401.3130.0440.1600.2540.45740~601.3270.0480.1720.2640.43660~801.3540.0460.2310.2750.42880~1001.3680.0470.1730.2850.447100~1201.4180.0470.1740.3110.334表3 作物参数及其取值T a b l e 3 T h em a i n c r o ppa r a m e t e r s a n d t h e i r v a l u e s 作物C r o p参数名称P a r a m e t e r描述D e s c r i pt i o n 值V a l u e 饲用燕麦(黑玫克)T T E O J 生长期结束至初花期积温/ħd210F o r a g e o a t s (H a ym a k e r )T h e r m a l t i m e f r o me n do f ju v e n i l e t o f l o r a l i n i t i a t i o n T T F I 初花期至盛花期积温/ħd 290T h e r m a l t i m e f r o mf l o r a l i n i t i a t i o n t o f l o w e r i n gT T F 盛花期至灌浆期积温/ħd 130T h e r m a l t i m e f r o mf l o w e r i n g t o g r a i n f i l l i n gP S光周期敏感性指数P h o t o p e r i o d s e n s i t i v i t yi n d e x 1.5Y H最大株高/m m M a x i m a l p l a n t h e i gh t 1500R U E 辐射利用效率/g ㊃M J -1R a d i a t i o nu s e e f f i c i e n c y 1.9V S春化敏感性指数V e r n a l i z a t i o ns e n s i t i v i t yi n d e x 3.0T T S G F 灌浆期所需积温/ħdT h e r m a l t i m e t o s t a r t g r a i n f i l l i n g545S MA X 最大比叶面积M a x i m u ms p e c i f i c l e a f a r e a 2000~2200S M I N 最小比叶面积M i n i m u ms pe c if i c l e a f a r e a 1800秣食豆(牡丹江)T T E 出苗期至生长期结束积温/ħd150F e e d s o y b e a n (M u d a n j i a n g)T h e r m a l t i m e f r o me m e r g e n c y t o e n do f ju v e n i l e Y T T E O J 生长期结束至初花期积温/ħd350T h e r m a l t i m e f r o me n do f ju v e n i l e t o f l o r a l i n i t i a t i o n Y T T F I 初花期至盛花期积温/ħd 120T h e r m a l t i m e f r o mf l o r a l i n i t i a t i o n t o f l o w e r i n gY T T F盛花期至灌浆期积温/ħd 276T h e r m a l t i m e f r o mf l o w e r i n g t o g r a i n f i l l i n g7113Copyright ©博看网. All Rights Reserved.草 地 学 报第31卷续表3作物C r o p参数名称P a r a m e t e r 描述D e s c r i pt i o n 值V a l u eY H最大株高/m m M a x i m a l p l a n t h e i gh t 1200R U E 辐射利用效率/g㊃M J -10.5~1.0R a d i a t i o nu s e e f f i c i e n c yX T S 受霜冻而枯萎的最低温/ħd6.0m i n i m u mt e m pe r a t u r ef o r f r o s t s e n e s c e n c e t a b l e Y S F 受到霜冻造成的最大叶片枯黄比率1.0d a i l y ma x i m u mf r a c t i o no f l e a f a r e a s e n e s c e d f r o m Y T T S G F 灌浆期所需积温/ħd400T h e r m a l t i m e t o s t a r t g r a i n f i l l i n g E D E T I 出苗期至初花期的预估天数/d20E s t i m a t e dd a y s f r o me m e r ge n c e t of l o r a l i n i t i a t i o n 1.5 统计与分析采用M i c r o s o f tE x c e l 软件对实测与模拟数据进行分析处理㊂使用O r i g i n 2021制图软件制图,运用S P S S 24.0统计软件对不同情景间的参数R S 值进行方差分析(采用L S D 法,即L e a s tS i gn i f i c a n t D i f f e r e n c e ),差异显著水平为P =0.05㊂2 结果与分析2.1 秣食豆的气象参数敏感性分析结果显示,雨养㊁实际㊁潜在产量水平条件下,对于秣食豆产草量的参数R S 从高到低均依次为:温度(T e m pe r a t u r e ,T E M )㊁辐射(R a d i a t i o n ,R A D N )㊁降水量(R a i nf a l l ,R A I N )(图1)㊂雨养产量水平下,T E M ,R A D N ,R A I N 的R S 分别为:1.84,0.53,0.37,前2个参数的R S 均在0.5以上,敏感性强(图1)㊂实际产量水平T E M ,R A D N ,R A I N 的R S分别为:1.73,0.67,0.27,T E M ,R A D N 的R S 在0.5以上,表现为强敏感性㊂潜在产量水平3个参数的R S 依次分别为:1.37,1.34,0.01,其中T E M 和R A D N 的R S 均在0.5以上,敏感性强(图1)㊂统计分析显示,T E M 和R A D N 参数于雨养与潜在水平之间的R S 有显著差异(P <0.05);各参数于实际与潜在水平之间的R S 均有显著差异(P <0.05),但仅R A I N 的R S 于3种产量水平间均为显著差异(P <0.05)㊂图1 雨养㊁实际㊁潜在产量水平下秣食豆的气象参数敏感性排序F i g .1 S e n s i t i v i t y r a n k i n g o fm e t e o r o l o g i c a l p a r a m e t e r s o f f e e d s o y b e a nu n d e r t h e r a i n -f e d ,a c t u a l a n d p o t e n t i a l yi e l d l e v e l s 注:(a )雨养产量水平;(b )实际产量水平;(c )潜在产量水平;不同小写字母表示相同参数的R S 在产量水平之间具有显著差异(P <0.05)N o t e :P a n e l (a )d i s p l a y s t h e r a i n -f e d y i e l d l e v e l ;P a n e l (b )t h e a c t u a l p r o d u c t i o n l e v e l ;P a n e l (c )t h e p o t e n t i a l pr o d u c t i o n l e v e l .D i f f e r e n t l o w -e r c a s e l e t t e r s r e p r e s e n t a s i gn i f i c a n t d i f f e r e n c eb e t w e e nd i f f e r e n tR So f p a r a m e t e r s u n d e r t h e s a m e y i e l d l e v e l s (P <0.05)2.2 秣食豆的作物参数敏感性分析雨养㊁实际㊁潜在产量水平条件下,对于秣食豆产草量的参数R S 从高到低均依次为:辐射利用效率(R U E )㊁生长期结束至初花期积温(Y T T E O J )㊁出苗期至生长期结束积温(T T E )㊁盛花期至灌浆期积温(Y T T F )㊁初花期至盛花期积温(Y T T F I),以上8113Copyright ©博看网. All Rights Reserved.第10期侯青青等:晋北两种饲草作物的A P S I M模型参数敏感性分析参数的R S均大于0.1,实际和潜在水平下,受霜冻而枯萎的最低温(X T S)参数的R S同样大于0.1㊂3种产量水平条件下,R U E的R S分别为0.59,0.72, 1.34,表现为强敏感性(图2)㊂此外,潜在产量水平下Y T T E O J的R S为0.65,敏感性强(图2)㊂统计分析显示,R U E,Y T T E O J,T T E,Y T T F, Y T T F I,X T S,Y S F参数于潜在与实际㊁雨养产量水平之间的R S均有显著差异(P<0.05)㊂图2雨养㊁实际㊁潜在产量水平下秣食豆的作物参数敏感性排序F i g.2 S e n s i t i v i t y r a n k i n g a m o n g c r o pp a r a m e t e r s o f f e e d s o y b e a nu n d e r t h e r a i n-f e d,a c t u a l a n d p o t e n t i a l y i e l d l e v e l s 注:(a)雨养产量水平;(b)实际产量水平;(c)潜在产量水平;不同小写字母表示相同参数的R S在产量水平之间具有显著差异(P<0.05) N o t e:P a n e l(a)d i s p l a y s t h e r a i n-f e d y i e l d l e v e l;P a n e l(b)t h e a c t u a l p r o d u c t i o n l e v e l;P a n e l(c)t h e p o t e n t i a l p r o d u c t i o n l e v e l.D i f f e r e n t l o w-e r c a s e l e t t e r s r e p r e s e n t a s i g n i f i c a n t d i f f e r e n c eb e t w e e nd i f f e r e n tR So f p a r a m e t e r s u n d e r t h e s a m e y i e l d l e v e l s(P<0.05)2.3饲用燕麦的气象参数敏感性分析3种产量水平条件下,对于饲用燕麦产草量的参数R S排序不一致㊂雨养产量水平下,R S从高到低依次为:T E M(0.70),R A I N(0.51),R A D N (0.28),T E M与R A I N敏感性强(图3)㊂实际产量水平条件下,R S从高到低依次为:T E M(0.63), R A D N(0.41),R A I N(0.41),仅T E M表现为强敏感性(图3)㊂潜在产量水平下,R S从高到低依次为: R A D N,T E M,R A I N,R S分别为:0.84,0.40,0.05,仅R A D N的R S在0.5以上,敏感性强(图3)㊂由方差分析可知,T E M参数于潜在与雨养㊁实际产量水平之间的R S有显著差异(P<0.05), R A D N和R A I N参数于3种产量水平之间的R S均差异显著(P<0.05)㊂图3雨养㊁实际㊁潜在产量水平下饲用燕麦的气象参数敏感性排序F i g.3 S e n s i t i v i t y r a n k i n g o fm e t e o r o l o g i c a l p a r a m e t e r s o f f o r a g e o a t u n d e r t h e r a i n-f e d,a c t u a l a n d p o t e n t i a l y i e l d l e v e l s 注:(a)雨养产量水平;(b)实际产量水平;(c)潜在产量水平;不同小写字母表示相同参数的R S在产量水平之间具有显著差异(P<0.05) N o t e:P a n e l(a)d i s p l a y s t h e r a i n-f e d y i e l d l e v e l;P a n e l(b)t h e a c t u a l p r o d u c t i o n l e v e l;P a n e l(c)t h e p o t e n t i a l p r o d u c t i o n l e v e l;D i f f e r e n t l o w-e r c a s e l e t t e r s r e p r e s e n t a s i g n i f i c a n t d i f f e r e n c eb e t w e e nd i f f e r e n tR So f p a r a m e t e r s u n d e r t h e s a m e y i e l d l e v e l s(P<0.05)9113Copyright©博看网. All Rights Reserved.草 地 学 报第31卷2.4 饲用燕麦的作物参数敏感性分析3种产量水平条件下,对于饲用燕麦产草量的参数R S 排序不一致㊂雨养产量水平下,R S 从高到低依次为:春化敏感性指数(V S )㊁生长期结束至初花期积温(Y T T E O J )㊁辐射利用效率(R U E )㊁最大比叶面积(S M A X )㊁灌浆期所需积温(T T S G F )㊁盛花期至灌浆期积温(T T F ),上述参数的R S 均在0.1以上,其余参数的R S 均在0.1以下(图4)㊂其中V S ,Y T T E O J,R U E 的R S 大于0.5,分别为2.71,1.06,1.04,表现为强敏感性㊂实际产量水平下,R S 从高到低依次为:V S ,R U E ,Y T T E O J ,T T S G F ,T T F ,S M A X ,以上参数的R S 均在0.1以上(图4)㊂其中V S ,R U E ,Y T T E O J 的R S 分别为1.91,0.95,0.87,表现为强敏感性㊂潜在产量水平下,R S 大于0.1的参数从高到低依次为:V S ,Y T T E O J ,R U E ,T T S G F ,T T F ,S M A X ,T T F I,其中V S ,Y T T E O J ,R U E 的R S 分别为2.25,1.02,0.97,表现为强敏感性(图4)㊂由方差分析可知,Y T T E O J ,S M I N 参数于3种产量水平之间的R S 差异不显著;V S ,R U E ,S MA X 参数于雨养与实际水平之间的R S 差异显著(P <0.05);T T S G F ,T T F 于实际与潜在水平之间的R S差异显著(P <0.05)㊂图4 雨养㊁实际㊁潜在产量水平下饲用燕麦的作物参数敏感性排序F i g .4 S e n s i t i v i t y r a n k i n g o f c r o pp a r a m e t e r s o f f o r a g e o a t u n d e r t h e r a i n -f e d ,a c t u a l a n d p o t e n t i a l yi e l d l e v e l s 注:(a )雨养产量水平;(b )实际产量水平;(c )潜在产量水平;不同小写字母表示相同参数的R S 在产量水平之间具有显著差异(P <0.05)N o t e :P a n e l (a )d i s p l a y s t h e r a i n -f e d y i e l d l e v e l ;P a n e l (b )t h e a c t u a l p r o d u c t i o n l e v e l ;P a n e l (c )t h e p o t e n t i a l pr o d u c t i o n l e v e l .D i f f e r e n t l o w -e r c a s e l e t t e r s r e p r e s e n t a s i gn i f i c a n t d i f f e r e n c eb e t w e e nd i f f e r e n tR So f p a r a m e t e r s u n d e r t h e s a m e y i e l d l e v e l s (P <0.05)3 讨论针对模型输出的作物产量指标进行参数敏感性分析,可量化气候㊁作物遗传和土壤等参数变化对作物产量的效应,有助于确定模型输出的不确定性,为实现高效便捷的模型优化和率定提供基础支撑[23,33]㊂本研究的结果表明,针对秣食豆产量的气象参数和作物参数敏感性排序结果在雨养㊁实际㊁潜在3种产量水平条件下一致㊂在研究点的气候条件下,对秣食豆产草量敏感性较强的气候因子为温度(R S 为1.37~1.84)和辐射(0.53~1.34),说明当温度升高或降低,秣食豆草产量也会随之增减㊂有研究显示,在全球气候变暖的背景下,晋北地区变暖趋势也很明显,年均温呈上升趋势[36],进而可能使秣食豆生育期缩短,从而导致减产,符合本研究的主要结果㊂辐射利用效率R U E 对于秣食豆产草量在雨养㊁实际㊁潜在3种产量水平中均为敏感性强的参数,R S 依次分别为0.59,0.72,1.34㊂秣食豆生育期内,高R U E 通常意味着作物生长季内需要大量耗水,而潜在产量水平下,秣食豆的生长发育不受水分限制,也因此使该产量水平下R U E 的R S 明显较高㊂另外,在潜在产量水平下,生长期结束至初花期积温也呈现较高的R S (0.65),导致该结果的原因可能是作物生长中后期,积温影响生育期长短[21]㊂从作物生长发育来看,生长期结束至初花期期间积温增加能相应的缩短出苗天数,减少消耗,促进干物质积累[37]㊂当生长期结束至初花期积温基础值上增加10%时,秣食豆模拟产量显著高于原产量;当减少10%时,模拟产量显著低于原产量㊂上述结果表明,秣食豆的生长发育主要受温度和太阳辐射的影0213Copyright ©博看网. All Rights Reserved.第10期侯青青等:晋北两种饲草作物的A P S I M模型参数敏感性分析响,而与温度相关的作物参数也表现出强敏感性(如T T E和Y T T E O J等;表3)㊂饲用燕麦在不同产量水平下,其主要参数的敏感性有所差别㊂雨养产量水平下,对饲用燕麦产草量影响较大的气象因子为温度(0.70)与降水量(0.51);而实际产量水平为温度(0.63),潜在产量水平为辐射(0.84)㊂可见于潜在产量水平下,温度的R S显著低于雨养㊁实际水平,原因为温度升高易引起作物耗水量增加,作为光合作用的原料的水分的消耗倾向提升,但潜在产量水平下不限制水分条件,因而产草量对该参数的敏感性较低㊂前人研究认为,白天最高温度的升高可能会增加作物的热胁迫,如高温条件下,作物光合强度下降,会限制作物产量[38-39],与本研究雨养㊁实际产量条件下模拟结果一致㊂辐射量的R S 于3种产量水平之间也具有显著差异㊂有研究指出,太阳辐射降低会导致作物净光合速率下降,同化物积累降低;但有利的方面是同时减少了作物的需水量,可在一定程度上缓解干旱胁迫和高温对作物的影响[31];而潜在产量水平的生产条件下,辐射降低将直接造成饲用燕麦干物质积累速度减缓,导致减产㊂对于降水量而言,晋北冬春季干旱少雨,夏季降水集中,降水量最高是在7,8月份,平均降水量分别为93和99m m[39]㊂基于该地的实际气候条件,雨养产量条件下降水量对产草量的影响较大㊂作物参数中,3种产量水平下除与饲用燕麦产量形成相关的R U E(0.95~1.04)具有较强的敏感性外,与积温㊁物候长度相关的参数也对产草量有较强的敏感性,包括春化敏感性指数V S(1.91~2.71)㊁生长期结束至初花期积温T T E O J(0.87~1.06)㊂生育期长短决定了干物质积累时间,对饲草产量形成具有重要作用[36]㊂Z h a o等[37]研究表明麦类作物的地上生物量受春化阶段影响显著㊂而在A P S I M框架中,燕麦的春化作用机制与小麦类似,Z h a n g等[40]基于A P-S I M-w h e a t的研究指出,模型中小麦出苗期到幼苗期结束阶段所需积温由品种的春化敏感性和春化天数决定,在此阶段小麦叶片(用叶面积指数衡量)和干物质积累量快速增加,可见改变春化敏感性指数将会导致植物(叶片㊁干物质)生长期延长或缩短,从而影响作物产量[37]㊂本研究的模拟结果也同样表明,当提高春化敏感性指数时,饲用燕麦出苗到幼苗期结束的阶段提前,从而延长了干物质积累时间,使产草量增加,反之则会降低㊂综上,不同产量水平之间,影响秣食豆产草量较强的气候因子一致,影响饲用燕麦的关键气象参数存在差异,但2种饲草的作物参数中与气候相关的参数同样具有强敏感性㊂在明晰2种饲草生产潜力波动来源的前提下,应因地制宜地采取措施,实现晋北及相近地区产草量的最大化㊂此外,本研究表明模型应用的外界条件越复杂,参数敏感性差异越大㊂因此,在特定环境下运用模型时进行敏感性分析必不可少,后续研究将进一步引入更全面的参数敏感性方法,针对晋北较为缺水的饲草生产条件进行更细致的分析㊂4结论本研究运用O A T参数敏感性分析方法对A P-S I M-s o y b e a n,A P S I M-o a t s作物子模型的作物参数及气象参数进行了敏感性分析,主要结论如下:各产量水平下影响秣食豆产草量的强敏感性参数为:温度(T E M)㊁辐射(R A D N)㊁辐射利用效率(R U E)㊁生长期至生长期结束积温(Y T T E O J);雨养与实际产量水平下温度(T E M)对饲用燕麦产草量表现为强敏感性,而潜在条件下为辐射(R A D N),春化敏感性指数(V S)㊁辐射利用效率(R U E)㊁生长期结束至初花期积温(T T E O J)是影响饲用燕麦产草量的关键作物参数;A P S I M通过作物参数来表达作物对不同环境的响应,不同产量水平条件会导致产草量对参数的敏感性有差异㊂参考文献[1] L I U X Y,Z H A N G Y,L IG Z,e ta l.C a r b o ni s o t o p e so fC3h e r b s c o r r e l a t ew i t h t e m p e r a t u r eo nr e m o v i n g t h e i n f l u e n c eo fp r e c i p i t a t i o n a c r o s s a t e m p e r a t u r e t r a n s e c t i n t h e a g r o-p a s t o r a le c o t o n e of n o r t h e r nC h i n a[J].E c o l og y a n dE v o l u t i o n,2017,7(24):10582-10591[2]任亮,孙芳,丁玎.机会成本视角下北方农牧交错带生态优先兼顾农业产业发展策略[J].草地学报,2021,29(6):1294-1300 [3] C H E N W,L IAJ,HU Y G,e ta l.E x p l o r i n g t h e l o n g-t e r mv e g e t a t i o nd y n a m i c s o f d i f f e r e n t e c o l o g i c a l z o n e s i n t h e f a r m i n gp a s t o r a l e c o t o n e i nn o r t h e r nC h i n a[J].E n v i r o n m e n t a l S c i e n c ea n dP o l l u t i o nR e s e a r c h2021,28(22):27914-27932[4]林长存,王堃,孙钰茗.中国北方农牧交错带中段近60年气温序列变化研究[J].草地学报,2016,24(4):747-753 [5] L I U MZ,J I AYG,Z H A OJ J,e t a l.R e v e g e t a t i o n p r o j e c t s s i g-n i f i c a n t l y i m p r o v e d e c o s y s t e ms e r v i c e v a l u e s i n t h e a g r o-p a s t o-r a l e c o t o n e o f n o r t h e r nC h i n a i n r e c e n t20y e a r s[J].S c i e n c e o f t h eT o t a l E n v i r o n m e n t,2021,788,147756[6]马雅丽,郭建平,栾青,等.晋北农牧交错带农业旱灾脆弱性评价[J].灾害学,2020,35(3):75-81[7]高树琴,段瑞,王竑晟,等.北方农牧交错带在保障国家大粮食安全中发挥重要作用[J].中国科学院院刊,2021,36(6):643-6511213Copyright©博看网. All Rights Reserved.草地学报第31卷[8]杨轩,贾鹏飞,侯青青,等.北方农牧交错带气候变化对粮草轮作生产的影响[J].山西农业大学学报(自然科学版),2022,42(1):77-89[9] C HA K IA K,G A Y D O N D S,D A L A L R C,e ta l.H o w w eu s e dA P S I M t os i m u l a t ec o n s e r v a t i o na g r i c u l t u r e p r a c t i c e s i n t h e r i c e-w h e a t s y s t e mo f t h eE a s t e r nG a n g e t i c P l a i n s[J].F i e l dC r o p sR e s e a r c h,2022(275):108344[10]韩雪,刘强,王钧,等.基于A P S I M模型的气候变化条件下播期对旱地春小麦产量影响研究[J].作物研究,2022,36(6): 499-506[11]X U X,S U NC,HU A N GG H,e t a l.G l o b a l s e n s i t i v i t y a n a l y s i sa n dc a l ib r a t i o no f p a r a m e t e r sf o ra p h y s ic a l l y-b a s e da g r o-h y d r o l o g i c a lm o d e l[J].E n v i r o n m e n t a l M o d e l l i n g a n d S o f t-w a r e,2016(83):88-102[12]H O L Z WO R T H D P,HU T H NI,D E V O I L P G,e ta l.A P-S I M-E v o l u t i o n t o w a r d san e w g e n e r a t i o no fa g r i c u l t u r a ls y s-t e m s s i m u l a t i o n[J].E n v i r o n m e n t a lM o d e l l i n g a n dS o f t w a r e, 2014(62):327-350[13]奥海玮,谢应忠,李永宏,等.A P S I M模型对宁夏海原地区草田轮作系统的适应性[J].草地学报,2016,24(1):146-155[14]S I N C L A I R T R.W a t e ra n dn i t r o g e nl i m i t a t i o n s i ns o y b e a ng r a i n p r o d u c t i o nI.M o d e ld e v e l o p m e n t[J].F i e l dC r o p sR e-s e a r c h,1986,15(2):125-141[15]何亮,侯英雨,赵刚,等.基于全局敏感性分析和贝叶斯方法的WO F O S T作物模型参数优化[J].农业工程学报,2016,32(2):169-179[16]宋明丹,冯浩,李正鹏,等.基于M o r r i s和E F A S T的C E R E S-W h e a t模型敏感性分析[J].农业机械学报,2014,45(10):124-131,166[17]邢会敏,相诗尧,徐新刚,等.基于E F A S T方法的A q u a C r o p作物模型参数全局敏感性分析[J].中国农业科学,2017,50(1):64-76[18]K R I S H N A NP,MA I T YPP,K U N D U M.S e n s i t i v i t y a n a l y s i so f c u l t i v a r p a r a m e t e r s t o s i m u l a t ew h e a t c r o p g r o w t h a n d y i e l d u n d e rm o i s t u r ea n dt e m p e r a t u r es t r e s sc o n d i t i o n s[J].H e l-i y o n,2021,7(7):34-35[19]张荣荣,宁晓菊,秦耀辰,等.1980年以来河南省主要粮食作物产量对气候变化的敏感性分析[J].资源科学,2018,40(1): 137-149[20]WA N GJ,WA N G E,Y I N H,e ta l.D e c l i n i n gy i e l d p o t e n t i a la n d s h r i n k i n gy i e l d g a p s o fm a i z e i n t h eN o r t hC h i n aP l a i n[J].A g r i c u l t u r a l a n dF o r e s tM e t e o r o l o g y,2014,195(2):89-101[21]W A N G J,W A N G E,Y A N G X,e t a l.I n c r e a s e d y i e l d p o t e n t i a l o fw h e a t-m a i z e c r o p p i n g s y s t e mi n t h eN o r t hC h i n aP l a i nb y c l i m a t ec h a n g e ad a p t a t i o n[J].C l i m a t i cC h a n g e,2012,113(3-4):825-840[22]赵俊芳,李宁,候英雨,等.基于A P S I M模型评估北方八省春玉米生产对气候变化的响应[J].中国农业气象,2018,39(2): 108-118[23]马瑞丽,李广,王钧,等.基于A P S I M模型的不同施肥处理下春玉米产量模拟及气候敏感性分析[J].玉米科学,2022,30(5):116-121[24]Z H A N G X C.C a l i b r a t i o n,r e f i n e m e n ta n da p p l i c a t i o no f t h eW E P Pm o d e l f o r s i m u l a t i o nc l i m a t i c i m p a c t o nw h e a t p r o d u c-t i o n[J].T r a n s a c t i o n s o f t h eA m e r i c a nS o c i e t y o fA g r i c u l t u r a lE n g i n e e r s,2004,47(4):1075-1085[25]邓晓垒,董莉霞,李广,等.西北春麦区A p s i m-W h e a t模型参数全局敏感性分析[J].麦类作物学报,2022,42(6):746-754 [26]米荣娟,聂志刚.基于E F A S T法的A P S I M小麦产量形成参数敏感性分析[J].甘肃农业大学学报,2021,56(4):23-30 [27]刘金龙,张沛.山西省右玉县的生态建设及其启示[J].山西农业大学学报(社会科学版),2021,20(1):91-99[28]F I L L E R YI,G R E G O R YPJ,B OWD E NJ W.P e r f o r m a n c eo ft h eA P S I M-w h e a tm o d e l i nW e s t e r nA u s t r a l i a[J].F i e l dC r o p s R e s e a r c h,1998,57(2):163-179[29]A S S E N GS,K E U L E N H V,S T O L W.P e r f o r m a n c e a n d a p p l i-c a t i o no f t h eA P S I M-w h e a tm ode l i n t h eN e t h e r l a n d s[J].E u-r o p e a n J o u r n a l o fA g r o n o m y,2000,12(1):37-54 [30]S U N H,Z HA N G X,WA N G E,e t a l.A s s e s s i n g t h e c o n t r i b u-t i o no fw e a t h e r a n dm a n a g e m e n t t o t h ea n n u a l y i e l dv a r i a t i o n o f s u m m e rm a i z eu s i n g A P S I Mi nt h eN o r t hC h i n aP l a i n[J].F i e l dC r o p sR e s e a r c h,2016(194):94-102[31]戴彤,王靖,赫迪,等.基于A P S I M模型的气候变化对西南春玉米产量影响研究[J].资源科学,2016,38(1):155-165 [32]王连喜,张阳,李琪,等.作物模型参数敏感性分析现状与展望[J].气象科技,2018,46(2):382-389[33]张宁,张庆国,于海敬,等.作物生长模拟模型的参数敏感性分析[J].浙江大学学报(农业与生命科学版),2018,44(1):107-115[34]V A N O I J E N M,C AM E R O NDR,B U T T E R B A C H-B A H LK,e t a l.AB a y e s i a nf r a m e w o r k f o rm o d e l c a l i b r a t i o n,c o m p a r i s o na n da n a l y s i s:A p p l i c a t i o n t o f o u rm o d e l s f o r t h eb i o g e oc h e m i s-t r y o f aN o r w a y s p r u c e f o r e s t[J].A g r i c u l t u r a l a n dF o r e s tM e-t e o r o l o g y,2011,151(12):1609-1621[35]何亮,赵刚,靳宁,等.不同气候区和不同产量水平下A P S I M-W h e a t模型的参数全局敏感性分析[J].农业工程学报,2015, 31(14):148-157[36]马雅丽,郭建平,赵俊芳.晋北农牧交错带作物气候生产潜力分布特征及其对气候变化的响应[J].生态学杂志,2019,38(3):818-827[37]Z H A O G,B R Y A NBA,S O N GXD.S e n s i t i v i t y a n d u n c e r t a i n-t y a n a l y s i so f t h e A P S I M-w h e a t m o d e l:I n t e r a c t i o n sb e t w e e nc u l t i v a r,e n v i r o n m e n t a l,a n dm a n a g e m e n t p a r a m e t e r s[J].E c o-l o g i c a lM o d e l l i n g,2014(247):1-11[38]王柳,熊伟,温小乐,等.温度降水等气候因子变化对中国玉米产量的影响[J].农业工程学报,2014,30(21):138-146 [39]杨轩,贾鹏飞,侯青青,等.基于A P S I M模型的未来气候中燕麦产量变化及对水分胁迫的敏感性[J].中国草地学报,2022, 44(10):20-29[40]Z H A N G Y,F E N GLP,WA N GJ,e t a l.U s i n g A P S I Mt oe x-p l o r ew h e a t y i e l d r e s p o n s e t o c l i m a t e c h a n g e i n t h eN o r t hC h i-n aP l a i n:t h e p r e d i c t e da d a p t a t i o no fw h e a tc u l t i v a rt y p e st o v e r n a l i z a t i o n.[J].T h eJ o u r n a l o fA g r i c u l t u r a l S c i e n c e,2013, 151(6):836-848(责任编辑刘婷婷)2213Copyright©博看网. All Rights Reserved.。
LED蓝红光及其组合对水稻秧苗素质的影响
LED蓝红光及其组合对水稻秧苗素质的影响许仁良;张国良;闫元景;石专平;胥帅帅;雷思;李加伟;程军军【摘要】以自然光和三基色荧光灯（TFL）为对照，采用LED光源，研究蓝光、红光、蓝红组合光（3B：2R、2B：3R）对水稻秧苗素质的影响。
结果表明，LED 蓝光抑制水稻幼苗的生长，LED红光促进幼苗的生长，但是单一LED蓝光或红光处理的秧苗综合素质不如LED蓝光和红光搭配的处理。
一叶一心期以LED蓝：红为3：2处理的水稻秧苗株高最高，成苗数和整齐度较好。
三叶一心期以LED蓝：红为2：3处理的水稻秧苗较高，第三叶的叶长较长，叶面积指数较大，生物量积累的较多，充实度较好，苗较壮，根冠比适宜，发根力较强，秧苗素质较优。
%Using light emitting diode ( LED) as light source, effects of LED blue, red and its combinations on rice seedlings quality were studied.the natural light and tricolor fluorescent lighting ( TFL) were used as con-trol.The results showed that LED blue light inhibited the growth of rice seedlings and the red promoted the growth of the seedlings.But the rice seedlings quality treated by a single LED blue or red light was inferior to the combination of LED blue and red.At the stage of one mature leaf and one new leaf of rice seedlings, the better ratio of LED blue to red was 3:2 , and the resulting seedlings were the highest with more seedlings and better uniformity.At the stage of three mature leaf and one new leaf of rice seedlings, the better ratio of LED blue to red was 2:3, and its seedlings were higher and stronger, the third leaf were longer, leaf area index was larger, the accumulation of biomass was more,the root/canopy ratio was appropriate, the stalk plumpness and the root growth ability was better.【期刊名称】《淮阴工学院学报》【年(卷),期】2016(025)005【总页数】7页(P39-44,59)【关键词】水稻;LED光源;蓝光;红光;秧苗素质【作者】许仁良;张国良;闫元景;石专平;胥帅帅;雷思;李加伟;程军军【作者单位】淮阴工学院生命科学与食品工程学院，江苏淮安223003;淮阴工学院生命科学与食品工程学院，江苏淮安223003;淮阴工学院生命科学与食品工程学院，江苏淮安223003;淮阴工学院生命科学与食品工程学院，江苏淮安223003;淮阴工学院生命科学与食品工程学院，江苏淮安223003;淮阴工学院生命科学与食品工程学院，江苏淮安223003;淮阴工学院生命科学与食品工程学院，江苏淮安223003;淮阴工学院生命科学与食品工程学院，江苏淮安223003【正文语种】中文【中图分类】S511水稻是我国主要的粮食作物之一，近年来随着经济发展水平的提高和水稻育秧设备的升级换代，水稻工厂化育秧技术取得了突飞猛进的发展。
基于DSSAT模型不同灌水模式滇中水稻生长模拟
江西农业学报㊀２０２０，３２（５）：１１６ １１９ＡｃｔａＡｇｒｉｃｕｌｔｕｒａｅＪｉａｎｇｘｉ㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀ｈｔｔｐ：／／ｗｗｗ．ｊｘｎｙｘｂ．ｃｏｍＤＯＩ：１０．１９３８６／ｊ．ｃｎｋｉ．ｊｘｎｙｘｂ．２０２０．０５．２１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㊀㊀收稿日期：２０１９－１１－１８基金项目：国家自然科学基金项目 滇池流域基于水转化过程的水资源配置不确定性模型研究 （５１６６９０３５）㊂作者简介：赖晨曦（１９９５─），男，四川成都人，硕士研究生，主要从事节水灌溉理论及技术研究㊂∗通信作者：王莹㊂（云南农业大学水利学院，云南昆明６５００５１）摘㊀要：为探讨ＤＳＳＡＴ水稻模型对滇中稻田淹水灌溉和控制灌溉模式的模拟精度，采用２０１７ ２０１８两年云南寻甸县的水稻田间实测数据进行了分析㊂通过ＧＬＵＥ模块对２０１７年水稻淹水灌溉试验数据进行调参，得到一组精度较高的滇禾优３４生长的遗传特性系数，并采用２０１８年淹水灌溉和控制灌溉试验数据进行验证㊂淹水灌溉和控制灌溉处理下开花期模拟值较实测值均提前了１ｄ，成熟期分别提前了１和２ｄ；颗粒重的相对误差分别为２．４％和６．６％；干物质（地上物质）的ＮＲＭＳＥ值分别为１０．１％和８．９％；叶面积指数的ＮＲＭＳＥ值分别为１０．４０％和１１．７４％；分蘖数的ＮＲＭＳＥ值分别为１３．２％和１５．２％㊂各生长指标模拟结果较好，ＤＳＳＡＴ可作为滇中地区水稻不同灌水模式生长模拟和产量预测的一种方法㊂关键词：ＤＳＳＡＴ模型；水稻；水分胁迫；ＮＲＭＳＥ；生长模拟中图分类号：Ｓ５１１㊀文献标志码：Ａ㊀文章编号：１００１－８５８１（２０２０）０５－０１１６－０４ＳｉｍｕｌａｔｉｏｎｏｆＲｉｃｅＧｒｏｗｔｈｉｎＣｅｎｔｒａｌＹｕｎｎａｎｉｎＤｉｆｆｅｒｅｎｔＷａｔｅｒｉｎｇＰａｔｔｅｒｎｓＢａｓｅｄｏｎＤＳＳＡＴＭｏｄｅｌＬＡＩＣｈｅｎ－ｘｉ，ＷＡＮＧＹｉｎｇ∗，ＺＨＡＮＧＬｉｕ－ｄｏｎｇ，ＷＡＮＧＬｏｎｇ（ＣｏｌｌｅｇｅｏｆＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙ，ＹｕｎｎａｎＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｋｕｎｍｉｎｇ６５００５１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＩｎｏｒｄｅｒｔｏｅｘｐｌｏｒｅｔｈｅｓｉｍｕｌａｔｉｏｎａｃｃｕｒａｃｙｏｆＤＳＳＡＴｒｉｃｅｍｏｄｅｌｆｏｒｆｌｏｏｄｉｒｒｉｇａｔｉｏｎａｎｄｃｏｎｔｒｏｌｌｅｄｉｒｒｉｇａｔｉｏｎｉｎｃｅｎｔｒａｌＹｕｎｎａｎｒｉｃｅｆｉｅｌｄ，ｔｈｅｆｉｅｌｄｍｅａｓｕｒｅｄｄａｔａｆｒｏｍＸｕｎｄｉａｎＣｏｕｎｔｙｄｕｒｉｎｇ２０１７ ２０１８ｗｅｒｅｕｓｅｄｆｏｒａｎａｌｙｓｉｓ．ＴｈｅＧＬＵＥｍｏｄｕｌｅｗａｓｕｓｅｄｔｏａｄｊｕｓｔｔｈｅｐａｒａｍｅｔｅｒｏｆｒｉｃｅｆｌｏｏｄｉｒｒｉｇａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｉｎ２０１７．ＡｓｅｔｏｆｈｉｇｈｅｒｐｒｅｃｉｓｉｏｎｇｅｎｅｔｉｃｃｏｅｆｆｉｃｉｅｎｔｓｏｆＤｉａｎｈｅｙｏｕ３４ｗｅｒｅｏｂｔａｉｎｅｄ，ａｎｄｔｈｅｄａｔａｏｆｆｌｏｏｄｉｒｒｉｇａｔｉｏｎａｎｄｃｏｎｔｒｏｌｌｅｄｉｒｒｉｇａｔｉｏｎｔｅｓｔｉｎ２０１８ｗｅｒｅｕｓｅｄｔｏｖｅｒｉｆｙ．Ｔｈｅｓｉｍｕｌａ⁃ｔｅｄｖａｌｕｅｓｏｆｆｌｏｗｅｒｉｎｇｐｅｒｉｏｄｕｎｄｅｒｆｌｏｏｄｉｒｒｉｇａｔｉｏｎａｎｄｃｏｎｔｒｏｌｌｅｄｉｒｒｉｇａｔｉｏｎｗｅｒｅ１ｄａｙｅａｒｌｉｅｒｔｈａｎｔｈｅｍｅａｓｕｒｅｄｖａｌｕｅｓ，ａｎｄｔｈｅｍａｔｕｒｉｔｙｐｅｒｉｏｄｗａｓ１ｄａｙａｎｄ２ｄａｙｓｅａｒｌｉｅｒｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅｒｅｌａｔｉｖｅｅｒｒｏｒｓｏｆｇｒａｉｎｗｅｉｇｈｔｗｅｒｅ２．４％ａｎｄ６．６％．ＴｈｅＮＲＭＳＥｏｆｔｏｐｓｗｅｉｇｈｔｗａｓ１０．１％ａｎｄ８．９％．ＴｈｅＮＲＭＳＥｏｆｌｅａｆａｒｅａｉｎｄｅｘｗａｓ１０．４０％ａｎｄ１１．７４％．ＴｈｅＮＲＭＳＥｏｆｔｉｌｌｅｒｎｕｍｂｅｒｗａｓ１３．２％ａｎｄ１５．２％．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｏｆｅａｃｈｇｒｏｗｔｈｉｎｄｅｘａｒｅｇｏｏｄ，ａｎｄＤＳＳＡＴｃａｎｂｅｕｓｅｄａｓａｍｅｔｈｏｄｔｏｓｉｍｕｌａｔｅｔｈｅｇｒｏｗｔｈａｎｄｙｉｅｌｄｏｆｒｉｃｅｕｎｄｅｒｄｉｆｆｅｒｅｎｔｉｒｒｉｇａｔｉｏｎｍｏｄｅｓｉｎｃｅｎｔｒａｌＹｕｎｎａｎ．Ｋｅｙｗｏｒｄｓ：ＤＳＳＡＴ；Ｒｉｃｅ；Ｗａｔｅｒｓｔｒｅｓｓ；ＮＲＭＳＥ；Ｇｒｏｗｔｈｓｉｍｕｌａｔｉｏｎ０㊀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㊁数值模拟及定量表达的技术［１］㊂农业技术转让决策支持系统（ＤｅｃｉｓｉｏｎＳｕｐｐｏｒｔＳｙｓｔｅｍｆｏｒＡｇｒｏ⁃ｔｅｃｈｎｏｌｏｇｙＴｒａｎｓｆｅｒ，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㊁气候及试验数据库相结合，进行长期㊁短期的气候应变决策［２－４］㊂范铭丰等［５］对ＤＳＳＡＴｖ４．０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㊂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㊂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㊂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㊁生物量以及产量㊂随着对ＤＳ⁃ＳＡＴ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］㊂但ＤＳＳＡＴ在云南地区水稻生长的模拟研究较少㊂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㊂１㊀数据来源与方法１．１㊀数据来源１．１．１㊀水稻生长指标㊀昆明市寻甸试验站位于１０２ʎ４１ᶄ １０３ʎ３３ᶄＥ，２５ʎ２０ᶄ ２６ʎ０１ᶄＮ，属云南省中海拔地区，年平均气温１４．５ħ，年日照时数２０８８．６ｈ，年降雨量１０２０．９ｍｍ，年无霜期２３６ｄ以上㊂５ 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］㊂试验田为３ｍˑ４ｍ的测坑，水稻株距１３ｃｍ，行距２５ｃｍ，每平方米２４穴㊂２０１７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１㊂表１㊀２０１７及２０１８年生育期水分处理方案年份处理返青分蘖前期分蘖中期分蘖末期拔节孕穗期抽穗开花期乳熟期黄熟期２０１７淹灌５０ ３０５９ ３０３０ １５０ ６０％５０ ３０５０ ３０３０ １５自然落干２０１８淹灌２５ ５５０ ３０３０ １５０ ６０％５０ ３０５０ ３０３０ １５自然落干控灌２５ ５１００％ ７０％１００％ ６５％１００％ ６０％１００％ ７５％１００％ ８０％１００％ ７０％自然落干㊀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㊂１．１．２㊀气象数据㊀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（ħ）㊁日最高气温（ħ）㊁日降雨量（ｍｍ）㊁日辐射量（Ｗ／ｍ２）㊂１．１．３㊀土壤数据㊀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㊁土壤颜色㊁径流潜力㊁各层土壤质地（黏土㊁淤泥㊁石粒比例）㊁有机碳含量㊁总氮量㊁ｐＨ值㊁阳离子交换量以及饱和水含量等㊂１．２㊀研究方法１．２．１㊀参数率定㊀参数率定采用２０１７年淹水灌溉实测数据㊂每个作物模型，其品种特性都有一组特定的遗传特性系数㊂这些系数表示每个品种的遗传潜力，不受环境限制（土壤㊁天气等）的影响㊂ＤＳＳＡＴ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）㊂表２㊀水稻遗传特性系数解释［１２］参数意义Ｐ１基本营养生长期所需的热时量，单位：ħ㊃ｄＰ２Ｏ最适光周期，单位：ｈＰ２Ｒ作物幼穗分化到产生圆锥花序所需的热时量，单位：ħ㊃ｄＰ５完成灌浆期所需要的热时量，单位：ħ㊃ｄＧ１日辐射与同化物之间的转化系数Ｇ２潜在籽粒重，单位：ｇＧ３分蘖速度（相对值，以水稻品种ＩＰ６４理想环境下的分蘖能力为１．０）Ｇ４温度容忍系数（相对值，以常规环境下生产的品种为１．０）㊀㊀采用ＤＳＳＡＴ模型中的ＧＬＵＥ模块对模型参数进行调试㊂ＧＬＵＥ模块调参分为两步：第一步物候参数（Ｇ１㊁Ｇ２㊁Ｇ３㊁Ｇ４）调参，第二步生长参数（Ｐ１㊁Ｐ２Ｏ㊁Ｐ２Ｒ㊁Ｐ５）调参㊂最终得到一组遗传特性系数㊂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㊂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㊂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㊂１．２．２㊀模型验证㊀采用２０１８年实测生长参数对模型模拟结果进行验证㊂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）㊂ＲＭＳＥ＝［ðｎｉ＝１（ｓｉｍｉ－ｏｂｓｉ）２］／ｎ（１）ＮＲＭＳＥ＝［１／ｎðｎｉ＝１（ｓｉｍｉ－ｏｂｓｉ）２］１／２ｏｂｓｉ（２）式中，ＲＭＳＥ为均方根误差；ＮＲＭＳＥ为均一化７１１㊀５期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀赖晨曦等：基于ＤＳＳＡＴ模型不同灌水模式滇中水稻生长模拟相对均方根误差；ｓｉｍｉ为第ｉ模拟值；ｏｂｓｉ为第ｉ个实测值；ｏｂｓｉ为观测值的平均值；ｎ为样本的数量［１３］㊂２㊀模拟结果与分析２．１㊀参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１３５ｄ，与实测数据一致㊂生长指标率定结果见表３，率定后的遗传特性系数见表４㊂表３㊀生长指标率定结果生长指标误差／％干物质（地上部分）７．９颗粒重５．２叶面积指数９．８分蘖数９．１㊀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㊂表４㊀滇禾优３４遗传特性系数参数Ｐ１Ｐ２ＯＰ２ＲＰ５Ｇ１Ｇ２Ｇ３Ｇ４数值３０１．１３４．２５６５４．５１２．４４６８．５７０．０２６１．２４６８３．００２．２㊀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５㊂淹水灌溉处理下开花期与成熟期较实测值提前了１ｄ；控制灌溉下开花期与成熟期分别提前了１㊁２ｄ㊂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㊂表５㊀２０１８年生育期模拟值与实测值对比生育期处理实测值模拟值相对误差开花期ｄ淹水灌溉７０６９１（１．４％）控制灌溉７０６９１（１．４％）成熟期ｄ淹水灌溉１３５１３４１（０．７％）控制灌溉１３５１３３２（１．４％）２．３㊀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４３７．３ｍｍ，与实际灌水量基本一致，误差小于１％（表６）㊂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㊂㊀㊀㊀㊀㊀表６㊀灌水量模拟值与实测值对比ｍｍ灌溉量模拟值实测值相对误差淹水灌溉５８５．３５９０．０４．７控制灌溉４２５．６４２７．５１．９２．４㊀生长指标的验证２．４．１㊀颗粒重㊀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７１６３ｋｇ／ｈｍ２，实测值分别为７２４６和６６８８ｋｇ／ｈｍ２，相对误差为２．４％和６．６％㊂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㊂图１㊀颗粒重实测值与模拟值比较２．４．２㊀干物质（地上部分）㊀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４７ｄ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㊂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㊂图２㊀干物质（地上部分）模拟值与实测值比较２．４．３㊀叶面积指数㊀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％㊂从图３可以看出，分蘖末期到抽穗开花期（种植后３８ ８７ｄ）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㊂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㊂２．４．４㊀分蘖数㊀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㊂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㊂８１１江㊀西㊀农㊀业㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀３２卷３㊀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㊂图３㊀叶面积指数模拟值与实测值的比较图４㊀分蘖数模拟值与实测值比较㊀㊀（１）生育期误差１ ２ｄ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㊂（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㊂参考文献：［１］王文佳，冯浩．国外主要作物模型研究进展与存在问题［Ｊ］．节水灌溉，２０１２（８）：６３－６８，７３．［２］ＪｏｎｅｓＪＷ，ＨｏｏｇｅｎｂｏｏｍＧ，ＰｏｒｔｅｒＣＨ，ｅｔａｌ．Ｔｈｅｄｓｓａｔｃｒｏｐｐｉｎｇｓｙｓｔｅｍｍｏｄｅｌ［Ｊ］．ＥｕｒｏｐｅａｎＪｏｕｒｎａｌｏｆＡｇｒｏｎｏｍｙ，２００３，１８（３）：２３５－２６５．［３］史源，李益农，白美健，等．ＤＳＳＡＴ作物模型进展以及在农田水管理中的应用研究［Ｊ］．中国农村水利水电，２０１５（１）：１５－１９．［４］刘海龙，诸叶平，李世娟，等．ＤＳＳＡＴ作物系统模型的发展与应用［Ｊ］．农业网络信息，２０１１（１１）：５－１２．［５］范铭丰，武伟，刘洪斌．基于ＣＥＲＥＳ－Ｍａｉｚｅ模型的玉米遗传参数优化及验证［Ｊ］．安徽农业科学，２０１０，３８（６）：３０８７－３０８９，３１８８．［６］周丽丽，梁效贵，高震，等．基于ＣＥＲＥＳ－Ｗｈｅａｔ模型的沧州地区冬小麦需水量分析［Ｊ］．中国生态农业学报，２０１５，２３（１０）：１３２０－１３２８．［７］杨永辉，武继承，丁晋利，等．ＤＳＳＡＴ模型对长期保护性耕作与土壤改良措施下玉米生长过程的模拟及验证［Ｊ］．河南农业科学，２０１７，４６（１２）：１４９－１５８．［８］姚宁，周元刚，宋利兵，等．不同水分胁迫条件下ＤＳＳＡＴ－ＣＥＲＥＳ－Ｗｈｅａｔ模型的调参与验证［Ｊ］．农业工程学报，２０１５，３１（１２）：１３８－１５０．［９］商磊，赵军，祁广云，等．黑土农田大豆产量形成过程的模拟验证［Ｊ］．中国生态农业学报，２００８（４）：８６９－８７３．［１０］魏玉清，沈强云，郝正刚．基于ＤＳＳＡＴ模型和正交试验相结合的春小麦灌溉模式优化研究［Ｊ］．节水灌溉，２０１９（１）：６－１１，１７．［１１］张凯，王莹，杨士红，等．滇中水分调控条件下水稻需水规律及节水潜力［Ｊ］．江苏农业科学，２０１９，４７（５）：５６－５８，１３２．［１２］马雯雯，石建初，金欣欣，等．改进ＣＥＲＥＳ－Ｒｉｃｅ模型模拟覆膜旱作水稻生长［Ｊ］．农业工程学报，２０１７，３３（６）：１１５－１２３．［１３］ＨｅＪＱ，ＪａｍｅｓＷＪ，ＷｅｎｄｙＤＧ，ｅｔａｌ．Ｉｎｆｌｕｅｎｃｅｏｆｌｉｋｅｌｉｈｏｏｄｆｕｎｃｔｉｏｎｃｈｏｉｃｅｆｏｒｅｓｔｉｍａｔｉｎｇｃｒｏｐｍｏｄｅｌｐａ⁃ｒａｍｅｔｅｒｓｕｓｉｎｇｔｈｅｇｅｎｅｒａｌｉｚｅｄｌｉｋｅｌｉｈｏｏｄｕｎｃｅｒｔａｉｎｔｙｅｓｔｉ⁃ｍａｔｉｏｎｍｅｔｈｏｄ［Ｊ］．ＡｇｒｉｃｕｌｔｕｒａｌＳｙｓｔｅｍｓ，２０１０，１０３（５）：２５６－２６４．（责任编辑：曾小军）９１１㊀５期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀赖晨曦等：基于ＤＳＳＡＴ模型不同灌水模式滇中水稻生长模拟。
不同年代中籼水稻品种的产量与氮肥利用效率
DOI: 10.3724/SP.J.1006.2015.00422
/ E-mail: xbzw@
1 Jiangsu Key Laboratory of Crop Genetics and Physiology / Co-Innovation Center for Modern Production Technology of Grain Crops, Yangzhou University, Yangzhou 225009, China; 2 Lixiahe Region Agricultural Research Institute of Jiangsu, Yangzhou 225007, China; 3 Donghai Prefectural Agriculture Committee of Jiangsu, Lianyungang 222300, China
Grain Yield and Nitrogen Use Efficiency of Mid-season Indica Rice Cultivars Applied at Different Decades
JU Cheng-Xin1, TAO Jin1, QIAN Xi-Yang1, GU Jun-Fei1, ZHAO Bu-Hong2, YANG Kai-Peng3, WANG Zhi-Qin1, and YANG Jian-Chang1,*
Abstract: Improvement in rice cultivars plays an important role in increasing grain yield. However, little is known about the relationship between yield and nitrogen use efficiency in mid-season indica rice cultivar improvement process. In this study, 12 typical cultivars (including hybrid combinations) applied in the production in Jiangsu Province during the last 70 years were used, and classified into four types of 1940–1950s, 1960–1970s, 1980–1990s, and after 2000 (super rice) according to their application times. Three treatments of zero N (0N), 210 kg ha–1 N (MN) and 300 kg ha–1 N (HN) were designed. The results showed that grain yield and nitrogen use efficiency were progressively increased with the improvement of cultivars under each nitrogen rate. The super rice cultivars had a higher biomass and nitrogen accumulation, higher activities of root oxidation and nitrogen metabolic enzyme and higher leaf photosynthetic rate resulting in higher grain yield and nitrogen use efficiency when compared with any other types of cultivars. The root oxidation activity and photosynthetic characteristics of super rice were the peak at the heading stage, but sharp declined from heading to maturity, which could account for an important physiological reason for a lower filled-grain percentage of super rice. It would be an important approach to further increase grain yield of super rice through increasing root activity and leaf photosynthetic rate during grain filling. Keywords: Middle-season indica rice; Nitrogen use efficiency; Grain yield
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要：本文概要介绍了ORYZA2000模型模拟水稻生长发育及产量形成、水分变化及N素变化动态及其影响的原理与过程，以及模型运行需要的设置文件与输入参数数据值。
并介绍了该模型在中国的验证与应用情况。
水稻生长模型ORYZA2000是ORYZA系列模型的最新版本。
是国际上具有代表性的水稻模型之一。
ORYZA2000可以用于模拟潜在生产、水分限制生产及氮素限制生产条件下的水稻生长发育与产量形成和水分平衡过程。
它由多个模块构成，包括地上部作物生长模块，蒸腾蒸发模块，氮素动态模块，土壤水分平衡模块等。
ORYZA2000能够模拟移栽水稻也能模拟直播水稻的生长发育。
最近，研究者通过在ORYZA2000模型中引入模拟旱作土壤水分平衡模型以及水分胁迫模块等，拓展ORYZA2000以适应于旱作水稻生长发育的模拟。
ORYZA系列水稻模型最初是开发应用于热带地区的水稻生长模型。
近年来，ORYZA2000模型已引入到中国应用。
2004年，首次在北京举办了“水稻生长模型ORYZA2000培训班”。
在澳大利亚国际农业研究中心（ACIAR）项目及国际农业研究“挑战项目：水和食物”（CPWF）研究中，在中国的长江流域水稻生产区、黄河流域水稻生产区及北京地区对ORYZA2000模型进行了参数调试和初步的验证。
利用ORYZA 2000模型进行了大田水平的不同灌溉方式、土壤渗透性与不同地下水位深对水稻产量、水分平衡、灌水量、水分生产率及优化灌溉决策等背景分析研究。
ORYZA2000模型[1]是ORYZA系列模型的最新版本。
ORYZA系列水稻模型是由国际水稻研究所（IRRI）与荷兰瓦赫宁根大学（WUCR）联合研制的模拟热带地区水稻的作物生长模拟模型。
从20世纪90年代早期至今，ORYZA系列模型已有多个版本，包括最初的潜在生产水平下的ORYZA1（Kropff M.J等，1995），水分限制条件下的ORYZA-W（Wopereis M.C.S.，1996），以及氮素限制水平下的ORYZA-N（Drenth H.等,1994）和ORYZA1N（Aggarwal P.K.,1997）。
2001年，国际水稻研究所Bouman等人将之前各版本的模型进行完善扩展并装配在一起形成了一个综合的模型版本，称为ORYZA2000（Bouman B.A.M.，2001）。
ORYZA2000可以模拟潜在生产、水分限制和氮素限制条件下水稻的生长和发育情况，并假定在所有这些生产条件下，作物完全不受病害、虫害以及杂草的影响并且没有产量减少的情况发生。
ORYZA2000由多个模块构成，包括地上部作物生长模块，蒸腾蒸发模块，氮素动态模块，土壤水分平衡模块等等。
ORYZA2000既能够模拟移栽水稻也能模拟直播水稻的生长发育。
最近，研究者通过在ORYZA2000模型中引入模拟旱作土壤水分平衡模型SAHEL和SAWAH，以及水分胁迫模块等，拓展ORYZA2000以适应于旱作水稻生长发育的模拟。
ORYZA2000在FORTRAN模拟环境系统(FSE)下通过Compaq Visual Fortran 进行编程实现。
FSE系统是专门为动态模拟农业生态生长过程的模型进行编程而设计的，如作物的生长过程，以及每天需要输入天气数据的情形。
FSE系统由如下成分构成：主程序FSE，其功用是调用组成作物生长和水分平衡模型的模块，处理适时的信息交换和每天结束时速率的积分；WEATHER库用于管理天气数据（van Kraaling等，1991）；实用库TTUTIL用于数据的读取与写入等专门的软件工作（van Kraalingen and Rappoldt, 2000）；以及一套编程原则。
FSE使用模拟模型中的“速率-状态”的概念（van Keulen and Wolf, 1986; Leffelaar, 1993），确保了所有模块和子程序的运行能够平行进行，以及按正确的时间步长交换数据。
ORYZA2000被打包在基于Windows的用户友好界面的FSEWin中，也具有很好的模块化结构。
Bouman等（2001）给出了这个模型和编程代码的详细解释。
本文概要介绍用于模拟潜在生产、水分限制和氮素限制下生产条件下的水稻生长模型ORYZA2000（2004年4月，2.11版）。
1 作物生长发育ORYZA2000遵循逐日计算植株器官干物质生产速率和物候发育速率的方案。
通过沿时间对这些速率进行积分，可在整个生长季进行干物质生产和发育阶段的模拟。
模型中积分的时间步长为一天。
一些文献已对干物质生产的计算过程做过很好的描述（Spitters等，1989；Goudriaan and Van laar，1994；Van laar 等，1997）。
总的日冠层CO2同化率通过每天吸收的辐射、温度及叶面积指数来计算。
使用高斯积分方法沿每天与冠层所有叶层对瞬时叶片CO2同化率积分，得到逐日冠层CO2同化速率总量（Goudriaan,1986）。
这种积分是基于一个假定的日辐射变化的正弦时间过程和冠层内部辐射量的指数递减变化。
单叶片光合作用取决于以面积为单位的叶片氮素浓度、直接与间接辐射强度、气孔CO2浓度和温度。
考虑了干旱对光合作用的影响。
从总同化量中减去维持呼吸消耗量得到每天净生长量，并以每天每公顷多少千克碳水化合物来表示。
按照由实验得到的分配系数（该分配系数是发育进程的函数），生产的碳水化合物分配到根、叶片、茎和穂部器官。
干旱对光合产物的分配影响见“水分动态”部分的描述。
碳水化合物转化为结构性干物质的计算根据Penning de Vries 和Van laar(1982)给出的方程实现。
从开花期之后，叶损失率的模拟通过实验得到的损失率因子（该因子是发育进程的函数乘以残余绿叶生物量得到。
然后，叶损失率乘以两个表达水分和氮素限制作用的影响参数。
在谷类作物中，籽粒灌浆期碳水化合物的生产（源的大小）可以高于或少于籽粒本身的储存容量（库的大小）。
而库的大小取决于籽粒的数量及其最大生长率。
开花期的小穗数通过从圆锥花序开始分化（PI）到开花期间积累的总生物量来计算（Kroppff等，1994），并采用Horie(1988；1993)描述的方法对由于温度过高或过低造成的小穗不孕进行计算调节。
干旱对小穗不孕的影响见“水分动态”部分的描述。
受孕的小穗则以同化物充实直至达到其最大籽粒重。
当库容有所限制时，剩余的同化物分配到茎部作为结构性碳水化合物。
叶面积增长包括源限制和库限制两个阶段。
在第一个阶段，叶片之间没有相互遮荫，叶面积的增加不受可获得的同化物的限制。
此时，叶面积生长呈一个积温与相对叶片生长率乘积的指数分布函数形式。
考虑了干旱和氮素限制对相对叶生长率的影响，将在下文中介绍。
在指数阶段之后（当LAI大于1时），叶面积增长取决于用于叶片生长的碳水化合物的多少。
在这个线性生长阶段，叶面积增加等于叶重增加乘以一个作为发育期函数的比叶面积。
指数阶段向线性阶段的平滑转化通过采用由指数方程和线性方程导出的叶面积生长率的加权值来实现。
水稻移栽之后，根据移栽后植株密度相对于苗床植株密度的不同，LAI以及所有的生物量值都将重新设定。
在一个叫做“移栽适应期”的阶段结束后作物重新生长。
Kropff等（1994）建立了一个作物移栽适应期长短与作物苗床期积温（度-日）间的线性关系。
直播条件下，作物没有移栽适应期，也不需要重新设定LAI 与生物量值。
作物发育时期（DVS;-）定义了它的生理年龄，其特征是不同器官的形成与出现。
水稻的发育期定义为：0－出苗，0.65－穗分化开始，1＝开花，2＝生理成熟。
根据不同发育阶段发育速率常数、日热量单位（HU；°Cd d-1）增量和光周期变化，计算物候发育速率。
这个发育速率是完成某一发育阶段（从开花到成熟）所需要的时间（以°Cd表示）倒数。
发育期是沿时间（度日）对发育速率（DVR；(°Cd)-1）的积分。
2 水分动态变化干旱影响许多的作物生长过程，如叶片扩展、卷曲、衰亡，叶片光合作用，同化物分配以及穗不育率（Yoshida,1981;Bouman and Tuong, 2001）。
图1表示ORYZA2000中水分动态变化及干旱的影响。
在营养生长期受到胁迫的植株，其叶片扩展速率在植株正常生长初期之后会迅速下降。
在IRRI进行的盆栽试验中，Wopereis等（1996）发现在土壤水分张力达到50kPa左右时，叶片扩展减慢，在达到260kPa时几乎完全停止。
在ORYZA2000中，指数生长阶段的相对叶片生长率需要乘以一个叶片扩展减少因子。
这个因子通过把界于上述两个限制值的根层土壤水分张力转化为0至1的值而得到。
在干旱时，叶片卷曲降低了光合作用所截获的太阳辐射量。
在Wopereis的盆栽试验中，在土壤水分张力为200-300kPa时叶片开始卷曲，在400-1000kPa时叶片卷曲达最大值。
如同叶片扩展减少因子，叶片卷曲因子的计算也是通过把界于上述两个限制值的根层土壤水分张力转化为0至1的值而得到。
在ORYZA2000中，LAI 在进入光合作用和蒸腾作用程序计算之前，它要先乘以这个叶片卷曲因子面求得。
干旱加速了叶片的衰老和死亡速率。
在Wopereis的实验中，土壤水分张力达300kPa时叶片开始死亡，在700kPa时完全死亡。
在ORYZA2000中，总的叶死亡速率通过由于正常衰老造成的叶损失率乘以一个0到1范围的叶死亡因子得到。
作物在水分胁迫下会关闭气孔来减少蒸腾。
这增加了对CO2气体交换的阻力，减少了光合速率。
假定在水分胁迫情况下，存在一个恒定的蒸腾与总光合作用的比率（de Wit,1958; Van Laar等,1997）。
在ORYZA2000中，叶片光合速率通过相对蒸腾速率因子来减少，这个因子定义为实际蒸腾与潜在蒸散的比。
在Wopereis的实验中，相对蒸腾速率从土壤水分张力达70kPa时的1开始降低至土壤水分张力达1500kPa时接近零。
实际蒸腾量由潜在值乘以相对蒸腾速率得出。
潜在蒸腾速率的计算用Penman-Monteith方程，Priestley-Taylor方程, 或Makkink方程（可由用户定义）（Van Kraalingen and stol,1997）。
在水分胁迫下，碳水化合物在地上部与根部间的分配向有利于根部生物量的方向发生变化（Brouwer,1965; O Toole and Chang, 1979）。
ORYZA2000中，依据van Laar 等(1997)相对蒸腾速率作为总碳水化合物量分配到地上部分的碳水化合物的一个减少因子。
开花期水分胁迫能够增加穗不孕率（Yoshida,1981）。
Turner等（1986）发现由于干旱导致的温度增加和穗不孕率的增加之间存在一定关系，建立了叶片卷曲程度与温度增加间的关系。