基于APSIM的胡麻光合生产与干物质积累模拟模型

引用本文

李玥, 武凌, 高珍妮, 牛俊义. 基于APSIM的胡麻光合生产与干物质积累模拟模型. 草业学报, 2018,27(3): 57-
LI Yue, Wu Ling, Gao Zhen-ni, Niu Jun-yi. Simulation model of photosynthesis and dry matter accumulation in oilseed flax based on APSIM. Acta Prataculturae Sinica,2018,27(3): 57- 复制到剪切板

Doi:10.11686/cyxb2017163
Permissions

本文属于开放获取期刊。

基于APSIM的胡麻光合生产与干物质积累模拟模型

李玥¹, 武凌², 高珍妮¹, 牛俊义³

1.甘肃农业大学信息科学技术学院,甘肃兰州 730070

2.兰州交通大学现代信息技术与教育中心,甘肃兰州 730070

3.甘肃农业大学农学院,甘肃兰州 730070;

作者简介:李玥(1979-),女,甘肃永登人,副教授,博士。E-mail: liyue@gsau.edu.cn

收稿日期: 2017-03-31

基金项目:国家自然科学基金项目(31360315),甘肃农业大学盛彤笙科技创新基金项目(GSAU-STS-1717)和现代农业技术体系建设专项(CARS-17-GW-9)资助

摘要

作物光合生产与干物质积累模拟模型是作物生长模型的核心,在已有作物光合作用和干物质积累模型基础上,采用辐射利用率,考虑环境因子对光合速率的影响、呼吸作用消耗同化量,构建基于生理生态过程的胡麻光合生产与干物质积累模拟模型。通过不同肥料、播种方式、种植密度及氮磷水平的初步检验,模型具有较好的模拟效果和较强的适用性。不同肥料设置,干物质积累模拟值的RMSE值为0.3486~1.9538 g·株^-1,平均为1.0467 g·株^-1,决定系数 R²取值范围在0.6311~0.9832,平均为0.8532;3种播种方式的干物质积累模拟值的RMSE值为0.5685~1.1164 g·株^-1,平均为0.8692 g·株^-1,决定系数 R²取值范围在0.8745~0.9662,平均为0.9282;7种种植密度干物质积累模拟值的RMSE值为0.0807~0.2086 g·株^-1,平均为0.1584 g·株^-1, R²取值范围在0.9677~0.9965,平均为0.9869;12种氮磷水平模型检验模拟值的RMSE值为0.0952~1.2375 g·株^-1,平均为0.4000 g·株^-1, R²取值范围在0.8964~0.9959,平均为0.9700。最后对APSIM模型和AquaCrop模型在现有研究基础上对不同氮磷水平胡麻生物量的模拟进行了简单对比。研究结果为进一步构建胡麻生长模型奠定基础,为应用模型分析胡麻生长及制定生产决策提供依据。

关键词: 胡麻; 光合生产; 干物质积累; 呼吸作用; 模拟模型

Simulation model of photosynthesis and dry matter accumulation in oilseed flax based on APSIM

LI Yue¹, Wu Ling², Gao Zhen-ni¹, Niu Jun-yi³

1.College of Information Science and Technology, Gansu Agricultural University, Lanzhou 730070, China

2.Modern Information Technology and Education Center, Lanzhou Jiaotong University, Lanzhou 730070, China

3.College of Agronomy, Gansu Agricultural University, Lanzhou 730070, China;

Abstract

Photosynthesis and dry matter accumulation simulation models are the core of crop growth models. Taking existing models and using radiation use efficiency, and considering the influence of environmental factors and respiration consumption on photosynthetic rate, a physiological and ecological processes model for photosynthesis and dry matter accumulation in oilseed flax was established. This model produced improved simulation and applicability during validation experiments with different sowing methods, planting density and nitrogen and phosphorus levels. For example, the root mean squared error (RMSE) value with different planting densities ranged from 0.0807 to 0.2086, with a mean of 0.1584 while the R² ranged from 0.9677 to 0.9965, mean 0.9869. The RMSE value with different nitrogen and phosphorus levels ranged from 0.0952 to 1.2375 with a mean of 0.4000 while the R² range from 0.8964 to 0.9959, mean 0.9700. The biomass simulations from this model were compared with the APSIM (Agricultural Production System Simulator) and AquaCrop (FAO Crop Model to Simulate Yield Response to Water) with different nitrogen and phosphorus levels. The results of this study lay the foundation for the further development of oilseed flax growth models, and provide the basis for the application of growth model and management decisions in flax.

Keyword: oil flax; photosynthetic production; dry matter accumulation; respiration; simulation model

植物在光合作用中吸收二氧化碳的能力称为光合速率, 光合速率越高, 植物在光合作用中吸收的二氧化碳越多, 制造的碳水化合物就越多, 产量越高。因而植物的光合作用对其产量形成至关重要。光合作用模型是作物干物质分配与产量形成模型的基础, 是作物生长模型的核心。国内外学者对作物光合作用和干物质积累模型已做了大量研究。1965年de Wit(荷兰)^[1]、Duncan(美国)等^[2]发表的叶片冠层、植物群体光合作用模型, 标志着作物模拟技术的问世。此后, 作物光合生产模型研究在国内外得到迅速发展:20世纪80年代, 荷兰的SUCROS模型^[3], Penning de Vries建立的MACROS^[4]以及ORYZA系列模型^{[5, 6]}, 采用光反应曲线模拟单叶光合速率, 采用高斯积分法计算冠层每日光合同化量, 具有较强的机理性。美国的CERES系列模型^{[7, 8]}建立了每日光合同化量与光合有效辐射之间的经验方程。GOSSYM模型^[9]建立了棉花(Gossypium hirsutum)群体冠层光合生产量及呼吸量与日辐射和温度的关系方程。这些模型由于结构复杂、参数众多, 忽视了将作物生长模拟与栽培优化原理相结合, 对应用于生产管理考虑较少。在国内, 大多数学者借鉴了国外模型有关光合作用的部分内容和方法, 刘铁梅^[10]、张立祯等^[11]、朱玉洁等^[12]、薛林^[13]、张亚杰^[14]、邹薇^[15]大多将冠层分为3或5层模拟冠层光分布, 采用Lambert定律负指数方程或光响应曲线模拟单叶光合作用, 采用高斯积分法(邹薇^[15]采用复化辛普森积分法)计算每层光合量而得出每日的冠层总同化量, 考虑了环境因子对光合速率的影响、呼吸作用消耗同化量, 构建了小麦(Triticum aestivum)、紫花苜蓿(Medicago sativa)、芝麻(Sesamum indicum)、油菜(Brassica campestris)以及大麦(Hordeum vulgare)等作物的干物质积累模拟模型。CERES-Rape^{[16, 17]}、LINTUL-BRASNAP^{[18, 19]}和APSIM-Canola^{[20, 21]}等油菜模型, 对光合作用和冠层中光辐射模拟采用辐射利用率(radiation use efficiency, RUE)来计算生物量的累积。然而, 在众多的国内外光合作用的模型研究中, 胡麻(Linum usitatissimum)作物光合作用模型研究尚鲜见报道。本研究在已有作物光合作用和干物质积累模型基础上, 采用辐射利用率, 考虑环境因子对光合速率的影响以及呼吸作用消耗同化量, 构建基于生理生态过程的胡麻光合生产与干物质积累模拟模型, 为进一步构建胡麻生长模型奠定基础, 为应用模型分析胡麻生长及制定生产决策提供科学依据。

1 材料与方法

1.1 研究区域概况

定西地区(E 104° 37'12″, N 35° 34'48″)地处黄河中游黄土高原沟壑区, 海拔1793 m, 年均气温7 ℃, 年日照时数2500 h, 无霜期146 d, 年降水量300~400 mm, 年均蒸发量1524.8 mm; 榆中地区(E 103° 49'15″-104° 34'40″, N 35° 34'20″-36° 26'20″)地处黄河中游黄土高原沟壑区, 海拔1793 m, 年均气温6.7 ℃, ≥ 10 ℃年积温2350 ℃, 年日照时数2563 h, 无霜期146 d, 年降水量300~400 mm, 年均蒸发量1341 mm, 年辐射量1310 MJ· m^-2。土壤理化性状见表1。

表1 定西和榆中试验站土壤理化性状 Table 1 Basic physical-chemical properties of Dingxi and Yuzhong experiment site

1.2 试验设计

1.2.1 肥料单因素试验试验于2012-2015年在甘肃省定西市西巩驿镇进行。试验区属旱地。试验为肥料单因素随机区组设计:不施肥作对照(CK)、油渣分别设600 (Y₁)、900 (Y₂)、1200 kg· hm^-2(Y₃)3个水平; 磷酸二铵分别设90 (R₁)、180 (R₂)、270 kg· hm^-2(R₃)3个水平; 复合肥分别设150 (F₁)、300 (F₂)、450 kg· hm^-2(F₃)3个水平, 共10个处理, 每个处理3次重复, 供试胡麻品种选用定亚22号。播种密度750 万株· hm^-2。

1.2.2 播种方式单因素试验试验为播种方式单因素随机区组设计:残膜直播(T₁); 残膜覆至春天, 播种前揭残膜, 覆盖新膜播种(T₂); 残膜覆至春天, 播种前揭残膜后直接播种(T₃)。各小区氮、磷、钾施肥量均分别为112.5 kg N· hm^-2、75 kg P₂O₅· hm^-2、52.5 kg K₂O· hm^-2; 氮、磷、钾肥品种分别为尿素、过磷酸钙和硫酸钾。磷、钾肥均作为基肥施用; 氮肥的2/3作为基肥, 1/3作为追肥于现蕾前追施。供试胡麻品种选用陇亚10号。

1.2.3 种植密度单因素试验试验为种植密度单因素随机区组设计, 设7个处理, 3次重复:3.0× 10⁶(D₁)、4.5× 10⁶(D₂)、6.0× 10⁶(D₃)、7.5× 10⁶(D₄)、9.0× 10⁶(D₅)、10.5× 10⁶(D₆)、12.0× 10⁶(D₇) 粒· hm^-2。供试胡麻品种选用陇亚10号。

1.2.4 氮磷二因素试验试验于2012-2015年在甘肃省兰州市榆中县育种繁殖场进行。试验区属水地。试验因素为氮和磷, 采用二因素随机区组设计。氮设3个水平:0 (N₀), 75 (N₁), 150 kg N· hm^-2(N₂); 磷设4个水平:0 (P₀), 75 (P₁), 150 (P₂), 225 kg P₂O₅· hm^-2(P₃)。共12个处理, 每处理重复3次。各小区均施钾肥52.5 kg K₂O· hm^-2, 作为基肥施用。各小区灌溉定额均为2.7× 10³ m³· hm^-2(分茎期灌1.2× 10³ m³· hm^-2, 现蕾期灌1.5× 10³ m³· hm^-2), 供试胡麻品种选用陇亚杂1号, 种植密度为900 万株· hm^-2。

1.3 数据测定

1.3.1 土壤理化性状的测定土壤铵态氮、硝态氮采用比色法进行测定^[22]; 土壤有机质采用重铬酸钾容量法进行测定^[23]; 土壤含水率采用烘干法进行测定^[24]; 土壤容重采用环刀法进行测定^[25]; 土壤水分特征曲线采用张力计法测定^[26]。

1.3.2 胡麻物候期的测定胡麻物候期采用人工记录法进行观察, 参考胡麻生育期标准^[27]进行记录:苗期— — 子叶露出土壤表面; 枞形期— — 当株高5 cm左右时, 植株上部聚生着3对以上真叶; 现蕾期— — 主茎顶部出现密集的花芽; 开花期— — 主茎花序上有花朵开放; 籽实期— — 植株的主要颜色是黄青色, 成熟的种子占1/3~1/2, 部分叶子掉落; 成熟期— — 上部蒴果开始变硬, 植株的主要颜色呈暗黄色至淡棕色, 全部叶子枯萎。

1.3.3 胡麻叶面积与干物质量的测定叶面积采用WDY-500A叶面积仪进行测定, 于胡麻生长期内采用人工连续观测, 用非水溶笔在株身上标记叶龄基本一致的植株, 每隔10 d选取10株进行测定; 干物质量采用称重法分别测定茎、叶和蒴果的干物质量, 于各生育期按小区(重复3次)采样叶龄基本一致的植株10株作为样品, 烘箱内105 ℃杀青15 min后在85 ℃烘6~8 h至恒重, 称重测定叶片干重。干物质积累量采用改良半叶法测定^[28]。

1.3.4 胡麻产量及其主要农艺性状的测定成熟期按小区进行实产测定, 采用常规计算称重方法测定产量及单位面积蒴果数、每果粒数和粒重3个主要农艺性状。

1.4 模型的构建

胡麻光合生产与干物质积累模型是胡麻生长发育模型APSIM-Oilseed flax的子模型。APSIM模型通过嵌入气候模块、土壤模块、作物模块和管理模块, 采用VB.NET建模语言动态模拟胡麻光合作用模型。模型输入参数包括气象参数、土壤参数、作物参数与品种遗传参数等, 输出数据为日生物累积量, 即地上部干物质量, 受辐射截获与土壤水分亏缺的限制^[29]。

1.4.1 潜在生物累积量潜在生物累积量由截获的辐射量(I), 辐射利用率(RUE), 散射因子(f_d), 胁迫因子(f_s)和二氧化碳因子(f_c)计算得到:

Δ Q_r=I× RUE× f_d× f_s× f_c(1)

I=I₀[1-exp(-k× LAI× f_h)/f_h](2)

k=h_e(W_r)(3)

式中:Δ Q_r为辐射截获干物质积累量; I为截获辐射量, 由LAI(叶面积指数)和消光系数(k)计算得到; I₀为冠层顶端总辐射(MJ), 由气象数据获得; f_h为光截获调整的跳行, 由冠层宽度计算, 此处取1; 消光系数(k)随行距的变化而变化; W_r是行距; h_e是一个关于行距的函数, 用于定义绿色叶片与枯萎叶片。此处, 绿色叶片的消光系数取0.5, 枯萎叶片的消光系数取0.3^[29]。RUE辐射利用率(g· MJ^-1), 是一个关于生长发育期的函数。

(1)散射因子f_d即日散射部分, 利用Roderick^[30]方程计算。

$\begin{matrix} \{\begin{matrix} \frac{R_{d}}{R_{s}} = Y_{0} & \frac{R_{s}}{R_{o}} \leq X_{0} \\ \frac{R_{d}}{R_{s}} = A_{0} + A_{1} \frac{R_{s}}{R_{o}} & X_{0} < \frac{R_{s}}{R_{o}} \leq X_{1} \\ \frac{R_{d}}{R_{s}} = Y_{1} & \frac{R_{s}}{R_{o}} > X_{1} \end{matrix} \end{matrix}$ (4)

X₀=0.26, Y₀=0.96, Y₁=0.05, X₁=0.80-0.0017|φ |+0.000044|φ |²(5)

R_o= $\begin{matrix} \frac{86400 \times 1360 \times [ω \times \sin (φ) \times \sin (θ) + \cos (φ) \times \cos (θ) \times \sin (ω_{0})]}{1000000 π} \end{matrix}$ (6)

ω ₀=arccos[-tan(φ )tan(θ )](7)

θ =23.45sin $\begin{matrix} [\frac{2 π}{365.25} (N - 82.25)] \end{matrix}$ (8)

式中:R_o为每日额外地面太阳辐射(大气顶端); R_d和R_s分别为地面日散射和太阳辐射量; X₀、X₁、Y₀、Y₁为4个经验参数; A₀=Y₁-A₁X₁, A₁=(Y₁-Y₀)/(X₁-X₀); φ 为纬度; ω 为太阳时角, ω ₀为日出日落时间, 根据当地日出日落时间由太阳赤纬θ 与纬度φ 计算; N为一年天数; 散射因子f_d由方程的散射部分R_d/R_s计算得出, 此处f_d=1。

(2)胁迫因子f_s, 实际日辐射截获生物积累量受胁迫因子限制, f_s取温度因子f_t、氮因子f_n、磷因子f_p和氧气因子f_o的最小值, 即:

f_s=min(f_t, f_n, f_p, f_o)(9)

式中:温度因子f_t是日均温的函数[f_t=H_t $\begin{matrix} (\frac{T_{\max} + T_{\min}}{2}) \end{matrix}$ , 式中:H_t为函数, T_max为最高温, T_min为最低温]; 磷因子与氧气因子取1; 氮因子 ${f_{n} = R}_{N} \sum_{leaf} \frac{C_{N} - C_{N, \min}}{C_{N, crit} - C_{N, \min}}$

, 式中:R_N为氮胁迫对物候期的影响因子, 缺省值取1.5, C_N为叶片氮浓度, C_{N, min}为叶片最小氮浓度值, C_{N, crit}为叶片临界氮浓度值。

(3)二氧化碳因子f_c, 计算如下^[31]。

f_c= $\begin{matrix} \frac{(C - C_{i}) (350 + 2 C_{i})}{(C + 2 C_{i}) (350 - C_{i})} \end{matrix}$ (10)

式中:C_i为取决于CO₂补偿点的温度, C_i= $\begin{matrix} \frac{163 - T_{mean}}{5 - 0.1 T_{mean}} \end{matrix}$ , T_mean为平均温度。

1.4.2 实际日生物累积量实际日生物累积量Δ Q的计算如下。

Δ Q_w=Δ Q_rf_w=Δ Q_r $\begin{matrix} \frac{W_{u}}{W_{d}} \end{matrix}$ (11)

式中:f_w是影响光合作用的水分胁迫因子; W_u是根系统实际日水分吸收量(即土壤水分供应量W_s); W_d是叶片与植株顶端土壤水分需求量; Δ Q_r为辐射截获干物质积累量; Δ Q_w为土壤水分供应干物质积累量。

当土壤水分不受限, 即f_w=1, W_d≥ W_s, 生物积累量受辐射控制, Δ Q=Δ Q_r; 当土壤水分受限, 生物积累量由水分供应量控制, Δ Q=Δ Q_w。

水分需求量即当土壤水分受限, 作物用于蒸腾的水分总量, 由潜在生物积累量Δ Q_r计算, 根据Sinclair^[32]的方法, 蒸腾需求量计算如下。

W_d= $\begin{matrix} \frac{Δ Q_{r} - R}{TE} \end{matrix}$ (12)

R=R_G+R_M(13)

R_G=R_g× Δ Q_r(14)

R_M=R_M(T₀)× $\begin{matrix} {Q_{10}}^{\frac{T_{mean} - T_{0}}{10}} \end{matrix}$ (15)

R_M(T₀)=0.015W_r+0.010W_p+0.030W_l+0.030W_s(16)

TE=f_c $\begin{matrix} \frac{f_{TE}}{VPD} \end{matrix}$ (17)

VPD=f_v $\begin{matrix} [6.1078 \times \exp (\frac{17.269 \times T_{\max}}{237.3 + T_{\max}}) - 6.1078 \times \exp (\frac{17.269 \times T_{\min}}{237.3 + T_{\min}})] \end{matrix}$ (18)

式中:R是日呼吸作用消耗量, McCree^[33]将植物呼吸作用分为两个部分:生长呼吸与维持呼吸, R_G是日生长呼吸消耗量, 是光合产物转化为植物组织结构物质时造成的消耗量; R_M(kg CO₂· hm^-2· d^-1)为日维持呼吸消耗量, 是植物体为了维持其生理生化状态, 不断利用能量产生的消耗, 与植株各器官的干物质重有关, 且对温度敏感。R_g为生长呼吸系数, 取0.3^[34]; T₀为呼吸作用的标准参照温度, 取25 ℃; T_mean为日均温; R_M(T₀)为标准参照温度25 ℃下的日维持呼吸消耗量; Q₁₀为维持呼吸的温度系数, 取2.0^[34]; W_r、W_s、W_l、W_p(kg DM· hm^-2)分别为胡麻根、茎、绿色叶片和蒴果的干物质重, 0.015、0.010、0.030、0.030依次为根、蒴果、叶和茎的维持呼吸系数^[34], 单位为kg CO₂· kg^-1 DM· $\begin{matrix} {d^{- 1}}^{[14, 33]} \end{matrix}$ 。TE是蒸腾效率, f_c是CO₂因子, 当CO₂浓度从7.95× 10^-6 mol· L^-1增加到15.91× 10^-6 mol· L^-1时, f_c从1到1.37线性增长; f_TE是蒸腾效率系数, 为不同生长阶段的线性插值; VPD为蒸汽压差, 采用Tanner等^[35]提出的方法, 利用日最高温T_max和最低温T_min计算[式(18)], 式中:f_v为春化因子, 缺省值取75%。

日生物积累量Δ Q即地上部干物质量, 受辐射截获干物质积累量Δ Q_r或土壤水分供应干物质积累量Δ Q_w限制, 所以, 日生物积累量的计算方程如下。

Δ Q= $\begin{matrix} \{\begin{matrix} Δ Q_{r} & W_{u} = W_{d} \\ Δ Q_{w} & W_{u} < W_{d} \end{matrix} \end{matrix}$ (19)

1.4.3 光合速率计算方法利用定西试验站不同肥料、不同播种方式和不同种植密度, 榆中试验站不同氮磷处理水平2012-2013年的测定数据构建模型。光合速率是单位时间、单位叶面积CO₂吸收量或O₂释放量, 也可用单位时间、单位叶面积上的干物质积累量来表示。

每天日生物累积量做两次计算, 一次由蒸发可用水分限制[干物质蒸发量(DDT)=土壤水分(SWS)× 蒸腾效率(TE), 注:蒸腾效率来自蒸腾作用效率系数TEC和蒸气压差VPD, 由每日气温估算]; 一次被辐射能限制[潜在干物质量(DDP)=辐射利用率(RUE)× 辐射截获(Ri), 注:RUE辐射利用效率包含气温、氧气亏缺(水涝)和氮亏缺, RUE的值不受气温限制, 当气温超出第一、第二适宜温度范围之外, 在基温与最大温度时, RUE减小为0, RUE是生长发育阶段的线性插值], 这两次估计值的最小值即为当日的实际生物量产量。

1.5 数据分析

采用SPSS 22.0统计分析软件进行数据整理和分析。

1.6 模型的检验

根据2014-2015年4个试验测量数据对模型进行检验, 检验方法使用国内外通用的统计指标^[36]均方根误差(RMSE)和决定系数(R²), RMSE越小、R²越接近1, 模型测量值与预测值间误差越小, 拟合效果越好。

2 结果与分析

2.1 参数校正

APSIM已建立的作物模型有鹰嘴豆(Cicer arietinum)、绿豆(Vigna radiata)、大豆(Glycine max)、柱花草(Stylosanthes spp.)、花生(Arachis hypogaea)、蚕豆(Vicia faba)、紫花苜蓿、加拿大油菜、小麦等。本研究通过借鉴APSIM-canola加拿大油菜模型^{[37, 38]}, 根据胡麻生长发育的生理生态过程, 确定影响胡麻光合生产的品种遗传参数。

位于北半球的研究区与位于南半球的澳洲大陆相比, 地理位置、环境基质、气候格局、土壤特征均有显著差异, 所以模型在进行模拟前, 需要进行大量试验和科学的方法对模型参数进行校准和反复调整。模型至少需要两年的试验数据^[36]。研究中利用2012-2013年的大田试验数据对模型进行参数校准, 以使实测值与模拟值间的差值尽可能小。运用本地化的APSIM模型参数模拟胡麻生长, 并以2014-2015年的大田试验对该模型进行验证。参数校正过程:首先调查收集研究区作物性状介绍与试验资料, 作为估计作物品种资料遗传参数的基本依据; 其次, 输入APSIM输入数据(气象、土壤、作物等参数), 通过调整表2参数使得APSIM的模拟结果与实际测量的生物量、产量等输出参数基本相等。由于实际测量中, APSIM的39个输入数据无法全部获取, 而且由于获取方法等的限制使得模型输入存在一定误差, 所以调参是一个反复繁杂的过程, 并不能满足实测值与模拟值完全相等, 只能尽量缩小差值。为了减少调参过程的复杂性, 采用基于神经网络的投影寻踪自回归BPPPAR(projection pursuit auto-regression based on error back propagation)模型^[39], 用RAGA(real coded accelerating genetic algorithm)优化投影指标函数^[39], 通过计算机编程实现该BPPPAR模型, 进行遗传特性品种参数调整(表2)。

表2 胡麻光合生产与干物质积累模型参数 Table 2 Cultivar parameters of oilseed flax photosynthetic production and dry matter accumulation model

2.2 模型检验

利用定西试验站不同肥料、不同播种方式和不同种植密度, 榆中试验站不同氮磷处理水平2014-2015年的测定数据对模型进行检验。采用RMSE对模拟值和测定值之间的拟合度进行统计分析, 采用决定系数R²反映模拟值与实际值的相关程度。运行模型得出生物累积量模拟结果, 见表3。

表3 胡麻光合生产与干物质积累模型模拟结果 Table 3 Simulation results of oilseed flax photosynthetic production and dry matter accumulation model

2.2.1 不同肥料胡麻光合生产与干物质积累模型检验分别对试验Ⅰ 中10种肥料的干物质累积量进行模型检验, 干物质积累模拟值的RMSE值为0.3486~1.9538 g· 株^-1, 平均为1.0467 g· 株^-1, 表明模拟值与测量值之间误差较小; 模拟值与测量值回归分析所得y=x的线性回归方程决定系数R²取值范围在0.6311~0.9832, 平均为0.8532, 表明模型对不同肥料胡麻光合生产与干物质积累的模拟效果较好。

2.2.2 不同播种方式胡麻光合生产与干物质积累模型检验分别对试验Ⅱ 中3种播种方式的干物质累积量进行模型检验, 干物质积累模拟值的RMSE值为0.5685~1.1164 g· 株^-1, 平均为0.8692 g· 株^-1, 表明模拟值与测量值之间误差较小; y=x的线性回归方程的决定系数R²取值范围在0.8745~0.9662, 平均为0.9282, 表明模型对不同播种方式胡麻光合生产与干物质积累的模拟效果较好。

2.2.3 不同种植密度胡麻光合生产与干物质积累模型检验分别对验Ⅲ 中7种种植密度的干物质累积量进行模型检验。干物质积累模拟值的RMSE值为0.0807~0.2086 g· 株^-1, 平均为0.1584 g· 株^-1, 表明模拟值与测量值之间误差较小; y=x的线性回归方程的决定系数R²取值范围在0.9677~0.9965, 平均为0.9869, 表明模型对不同种植密度胡麻光合生产与干物质积累的模拟效果很好。

2.2.4 不同氮磷水平胡麻光合生产与干物质积累模型检验分别对试验Ⅳ 中12种氮磷水平的干物质累积量进行模型检验。干物质积累模拟值的RMSE值为0.0952~1.2375 g· 株^-1, 平均为0.4000 g· 株^-1, y=x的线性回归方程的决定系数R²取值范围在0.8964~0.9959, 平均为0.9700, 表明模型对不同氮磷水平胡麻光合生产与干物质积累的模拟效果很好。

3 讨论

作物群体干物质积累是产量形成的基础, 光合生产是干物质积累的核心^[13]。作物生产的动态模拟就是从荷兰de Wit^[1]和美国Duncan等^[2]的光合作用模型开始。以往作物的光合作用模型多采用分层结构, 即冠层光合作用的模拟一般分三步进行。第一步:计算出冠层每一分层的瞬时光合作用速率; 第二步, 利用高斯积分法对冠层每个分层上的瞬时光合作用速率进行加权求和, 得到整个冠层的瞬时光合作用速率; 第三步, 对每日所观测的3个时间点观察的瞬时光合作用速率进行加权求和, 得到整个冠层每日的光合作用速率^{[10, 11, 12, 13, 14, 15]}。根据胡麻冠层的生态结构特点, 如果采用分层结构模型将胡麻花层、蒴果层和叶层分3层计算胡麻冠层的光能截获和光合作用, 其花层面积指数难以准确测定和模拟, 并且在叶层无法考虑长柄叶、短柄叶和无柄叶的光合速率差异, 势必引起模拟的误差。本研究采用的辐射利用率综合考虑胡麻生长特点, 不仅考虑了影响胡麻光合速率的内部因素, 包括叶片的发育和结构、光合产物的输出; 还考虑了影响胡麻生长的外部因素, 包含光照强度、光质、光照时间、CO₂、温度、水分、矿质营养以及光合速率的日变化, 并根据这些因素确定胡麻光合作用模型参数。基于不同肥料、播种方式、种植密度及氮磷水平的独立试验数据检验胡麻光合生产模型, 结果表明模型模拟值与测定值拟合性好, 具有较好的模拟效果。

为了拟合胡麻的生长特点, 本模型每日的实际生物量值由辐射截获和蒸腾量共同计算得到。将胡麻辐射截获所生成生物量称为胡麻的潜在生物量, 在建模过程中考虑了辐射利用率、叶片叶面积指数、消光系数、播种行距对胡麻光合速率的影响, 同时也加入了散射因子、胁迫因子(包括温度胁迫、氮胁迫、磷胁迫和氧气胁迫)和二氧化碳因子对胡麻光合生产的共同影响进行建模; 而胡麻的实际日生物量则是在潜在值的基础上把水分蒸腾量的作用计算在内, 同时还要除去作物用于维持呼吸与生长呼吸的消耗量, 本研究中胡麻的根、蒴果、茎和叶的维持呼吸系数依次取0.015、0.010、0.030、0.030 kg CO₂· kg^-1 DM· d^-1, 因而, 本模型中的每个系数均具有一定生物学意义, 解释性强, 能更准确地描述胡麻对光合作用的反应机理, 从而使本研究所建模型较以往模型更具普适性。

与以往的作物模型^{[10, 11, 12, 13, 14, 15, 16, 17]}调试参数方法相比, 本研究采用基于神经网络的投影寻踪自回归BPPPAR-RAGA方法^[39], 通过编程实现调整品种遗传特性参数, 克服以往试错法误差大、主观性强的弊端, 使参数确定更精确。

作物生长发育模型的构建和推广应用需大量试验数据作支撑, 而本研究中由于各种原因限制, 使试验样本容量受限, 尤其试验只限于几个地区, 从而使模型在其他胡麻主产区的推广应用受到限制, 今后需不断通过大量的试验及相关数据进一步检验模型。同时, 由于每种作物品种的遗传参数有差异, 致使各品种的最终产量均有不同程度的差异, 加上播种地区环境因素的不同, 使模型的适用性受到不同程度的影响, 今后将进一步细化工作, 尽量针对每一种品种调试模型, 使模型参数更精确。另外, 本研究与水分驱动模型AquaCrop模拟胡麻生物量^[36]相比, AquaCrop需要输入参数较少(共33个), 界面更简单, 模拟过程更容易, 而APSIM需要的输入参数较多, 模拟过程更复杂, 但是模拟精度也较高, 所以对于两种模型仅比较RMSE的平均值和决定系数R²的范围还不够, 今后将进一步研究两种模型数据源大致相同情况下的对比。无论是APSIM模型还是AquaCrop模型, 得出的模拟值和实测值还存在一定的差距, 所以, 今后还应该探索更为精确的模拟方法, 以构建更完善的胡麻生长模型。

4 结论

本研究参考APSIM对油菜^{[21, 37, 38]}、小麦^{[40, 41, 42, 43]}等其他作物的模拟研究, 综合胡麻生长自身特点及充分考虑影响光合速率的内部因素和外部因素, 建立了基于生理生态过程的胡麻光合生产与干物质积累模拟模型, 为干物质分配与产量形成模型奠定基础。本研究对胡麻光合作用生物量积累采用辐射利用率(RUE)求得, 充分考虑影响光合速率的内部因素和外部因素, 采用绿色叶片光合作用、绿色蒴果光合作用、辐射截获潜在生物量与水分蒸腾量共同作用的方法构建胡麻光合作用和干物质积累模型, 通过不同肥料、播种方式、种植密度及氮磷水平的初步检验, 模型具有较好的模拟效果和较强的适用性。所以本模型采用辐射利用率(RUE)计算胡麻光合生产与干物质积累, 具有更好的科学性和实用性, 为干物质分配与产量形成模型提供更准确的参数。

The authors have declared that no competing interests exist.

参考文献

文献顺序

[1]	de Wit C T. Photosynthesis of leaf canopies//Agricultural research report No. 663. Wageningen, The Netherland s: Pudoc, 1965: 663-671. [本文引用:2]
[2]	Duncan W G, Loomis R S, Williams W A, et al. A model for simulating photosynthesis in plant communities. Hilgardia, 1967, 38: 181-205. [本文引用:2]
[3]	van Keulen H, Penning de Vries F W T, Drees E M. A summary model for crop growth//Penning de Vries F W T, van Laar H H. Simulation of crop growth and crop production. Wageningen, The Netherland s: Pudoc, 1982: 87-97. [本文引用:1]
[4]	Penning de Vries F W T, Jansen D M, Ten Berge H F M. Simulation of ecophysiological process of growth in several annual crops. Wageningen, The Netherland s: Simulation Monographs, Pudoc, 1989: 271. [本文引用:1]
[5]	Kropff M J, van Laar H H, Mathews, et al . ORYZAI: An eco-physiological model for irrigated rice production. Wageningen, The Netherland s: Pudoc, 1994: 35-40. [本文引用:1]
[6]	Bouman B A M, Kropff M J, Tuong T P, et al . ORYZA2000: Modeling lowland rice. Wageningen, The Netherland s: Pudoc, 2000: 50-90. [本文引用:1]
[7]	Jones C A, Kiniry J R. CERES-Maize: A simulation model of maize growth and development. College Station, United States: Texas A & M University Press, 1986: 89-110. [本文引用:1]
[8]	Ritchie J T, Otter S. Description and performance of CERES-Wheat: a user-oriented wheat yield model. ARS Wheat Yield Project, 1985, 38: 159-175. [本文引用:1]
[9]	Marcelis L F M, Heuvelink E, Goudriaan J. Modelling biomass production and yield of horticultural crops: a review. Scientia Horticulturea, 1998, 74: 83-111. [本文引用:1]
[10]	Liu T M. Simulation on photosynthetic production and dry matter partitioning in wheat. Nanjing: Nanjing Agricultural University, 2000. 刘铁梅. 小麦光合生产与物质分配的模拟模型. 南京: 南京农业大学, 2000. [本文引用:3]
[11]	Zhang L Z, Cao W X, Zhang S P, et al. A process model of photosynthetic production and dry matter accumulation in cotton. Cotton Science, 2003, 15(3): 138-145. 张立祯, 曹卫星, 张思平, 等. 棉花光合生产与干物质积累过程的模拟. 棉花学报, 2003, 15(3): 138-145. [本文引用:3]
[12]	Zhu Y J, Feng L P, Yi P, et al. A dynamic model simulating photosynthetic production and dry matter accumulation for alfalfa ( Medicago sativa L. ). Acta Agronomical Sinica, 2007, 33(10): 1682-1687. 朱玉洁, 冯利平, 易鹏, 等. 紫花苜蓿光合生产与干物质积累模拟模型研究. 作物学报, 2007, 33(10): 1682-1687. [本文引用:3]
[13]	Xue L. Study of development simulation models in sesame. Nanjing: Nanjing Agricultural University, 2012. 薛林. 芝麻生长发育模拟模型研究. 南京: 南京农业大学, 2012. [本文引用:4]
[14]	Zhang Y J. Study on direct-seeding rapeseed growth simulation model. Wuhan: Huazhong Agricultural University, 2013. 张亚杰. 直播油菜生长模拟模型的研究. 武汉: 华中农业大学, 2013. [本文引用:3]
[15]	Zou W. A process-based simulation model on barley growth and development. Nanjing: Nanjing Agricultural University, 2009. 邹薇. 基于过程的大麦生长发育模拟模型. 南京: 南京农业大学, 2009. [本文引用:4]
[16]	Gabrielle B, Denoroy P, Gosse G, et al. Development and evaluation of a CERES-type model for winter oilseed rape. Field Crops Research, 1998, 57(1): 95-111. [本文引用:2]
[17]	Tang L, Zhu Y, Ju C H, et al. Dynamic simulation on shoot dry matter partitioning and yield formation of rapeseed. Chinese Journal of Applied Ecology, 2007, 18(3): 526-530. 汤亮, 朱艳, 鞠昌华, 等. 油菜地上部干物质分配与产量形成模拟模型. 应用生态学报, 2007, 18(3): 526-530. [本文引用:2]
[18]	Habekotte B. *A model of the phonological development of winter oilseed rape ( Brassica napus* L. )*. Field Crops Research*, 1997, 54: 127-136. [本文引用:1]
[19]	Habekotte B. Description, parameterization and user guide of LINTUL-BRASNAP 1. 1. A crop growth model of winter oilseed rape( Brassica napus L. ). Wageningen, The Netherland s: Quant Appr (Annual Participatory Programme Review) System Annual, 1997. [本文引用:1]
[20]	Keating B A, Carberry P S, Hammer G L, et al. An overview of APSIM, a model designed for farming systems simulation. European Journal of Agronomy, 2003, 18(3): 267-288. [本文引用:1]
[21]	Robertson M J, Holland J F, Kirkegaard J, et al. Simulating growth and development of canola in Australia. Canberra: Proceedings of the 10th International Rapeseed Congress, 1999. [本文引用:2]
[22]	GB/T 32737-2016, Determination of nitrogen in soil-ultraviolet spectrophotometry methodB/T 32737-2016, Determination of nitrogen in soil-ultraviolet spectrophotometry method. Beijing: China Stand ard Press, 2016. GB/T 32737-2016, 土壤硝态氮的测定-紫外分光光度法B/T 32737-2016, 土壤硝态氮的测定-紫外分光光度法. 北京: 中国标准出版社, 2016. [本文引用:1]
[23]	Qian B, Liu L, Xiao X. Comparison and analysis of soil organic matter determination method. Journal of Hehai University (Natural Science Edition), 2011, (1): 36-38. 钱宝, 刘凌, 肖潇. 土壤有机质测定方法对比分析. 河海大学学报(自然科学版), 2011, (1): 36-38. [本文引用:1]
[24]	Hua M, Wang J. Soil physics. Beijing: Beijing Agricultural University Press, 1993: 38. 华孟, 王坚. 土壤物理学. 北京: 北京农业大学出版社, 1993: 38. [本文引用:1]
[25]	Laboratory of Soil Physics, Nanjing Soil Research Institute, Chinese Academy of Sciences. Determination of physical properties of soils. Beijing: Science Press, 1978: 10. 中国科学院南京土壤研究所土壤物理研究室. 土壤物理性质测定法. 北京: 科学出版社, 1978: 10. [本文引用:1]
[26]	Gong Z P. Soil science and agriculture science. Beijing: China Water & Power Press, 2009. 龚振平. 土壤学与农作学. 北京: 中国水利水电出版社, 2009. [本文引用:1]
[27]	Rural Water Resources Department of the Ministry of Water Resources. Classification and observation stand ard of main crops growth period. (2012-07-06)[2017-11-18]. . Classification and observation stand ard of main crops growth period. (2012-07-06) [2017-11-18]. http: //www. docin. com/p-436365186. html. 水利部农村水利司. 主要作物生育时期划分及观测标准. (2012-07-06)[2017-11-18]. . 主要作物生育时期划分及观测标准. (2012-07-06) [2017-11-18]. http://www.docin.com/p-436365186.html. [本文引用:1]
[28]	Zong M, Wu G L, Zheng A F. Improvement of experiment on the plant photosynthetic intensity of the improved half-method. Modern Agricultural Science and Technology, 2011, 4: 30-33. 宗梅, 吴甘霖, 郑爱芳. 改良半叶法测定植物光合强度实验的改进. 现代农业科技, 2011, 4: 30-33. [本文引用:1]
[29]	Commonwealth Scientific and Industrial Research Organisation. Agricultural production system simulator. (2014-03-25)[2015-11-01]. . Agricultural production system simulator. (2014-03-25) [2015-11-01]. http://www.apsim.info. [本文引用:2]
[30]	Roderick M L. Estimating the diffuse component from daily and monthly measurements of global radiation. Agricultural and Forest Meteorology, 1999, 95(3): 169-185. [本文引用:1]
[31]	Reyenga P J, Howden S M, Meinke H, et al. Modelling global change impacts on wheat cropping in south-east Queensland , Australia. Environmental Modelling & Software, 1999, 14(4): 297-306. [本文引用:1]
[32]	Sinclair T R. Water and nitrogen limitations in soybean grain production. I. Model development. Field Crops Research, 1986, 15(2): 125-141. [本文引用:1]
[33]	McCree K. Equations for the rate of dark respiration of white clover and grain sorghum, as functions of dry weight, photosynthetic rate, and temperature. Crop Science, 1974, 14(4): 509-514. [本文引用:1]
[34]	Goudriaan J, Van Laar H H. Modelling potential crop growth processes: Textbook with exercises. Dordrecht: Kluwer Academic Publishers, 1994: 175-195. [本文引用:3]
[35]	Tanner C B, Endo T R. Efficient water use in crop production: research or re-search//Taylor H M, Jordan W R, Sinclair T R. Limitations to efficient water use in crop production. Madison Wisconsin: American Society of Agronomy, 1983: 1-27. [本文引用:1]
[36]	Li Y, Niu J Y, Guo L Z, et al. Application and validation of AquaCrop model in simulating biomass and yield of oil flax in Northwest China. Chinese Journal of Eco-Agriculture, 2014, 22(1): 93-103. 李玥, 牛俊义, 郭丽琢, 等. AquaCrop模型在西北胡麻生物量及产量模拟中的应用和验证. 中国生态农业学报, 2014, 22(1): 93-103. [本文引用:3]
[37]	Farré M J, Robertson G H, Walton S, et al. Simulating response of canola to sowing date in western Australia. Hobart, Tasmania: 10th Australian Agronomy Conference, 2000. [本文引用:2]
[38]	Robertson M J, Holland J, Cawley S, et al. Phenology of canola cultivars in the northern region and implications for frost risk. Hobart, Tasmania: 10th Australian Agronomy Conference, 2001. [本文引用:2]
[39]	Fu Q. Data processing methods and their agricultural applications. Beijing: Science Press, 2006. 付强. 数据处理方法及其农业应用. 北京: 科学出版社, 2006. [本文引用:3]
[40]	Asseng S, *Fillery I R P, Anderson G C, et al. Use of the APSIM wheat model to predict yield, drainage, and NO3- leaching for deep sand* . Australian Journal of Experimental Agriculture, 1998, 49(3): 363-378. [本文引用:1]
[41]	Asseng S, Foster I, Turner N C. The impact of temperature variability on wheat yields. Global Change Biology, 2011, 17(2): 997-1012. [本文引用:1]
[42]	Asseng S, Keating B A, *Fillery I R P, et al. Performance of the APSIM-wheat model in Western Australia. Field Crops Research*, 1998, 57(2): 163-179. [本文引用:1]
[43]	Hochman Z, Dang Y P, Schwenke G D, et al. Simulating the effects of saline and sodic subsoils on wheat crops growing on vertisols. Australian Journal of Agricultural Research, 2007, 58(8): 802-810. [本文引用:1]

1965

0.0

... 1965年de Wit(荷兰)^[1]、Duncan(美国)等^[2]发表的叶片冠层、植物群体光合作用模型,标志着作物模拟技术的问世 ...

... 作物生产的动态模拟就是从荷兰de Wit^[1]和美国Duncan等^[2]的光合作用模型开始 ...

1967

0.0

... 1965年de Wit(荷兰)^[1]、Duncan(美国)等^[2]发表的叶片冠层、植物群体光合作用模型,标志着作物模拟技术的问世 ...

... 作物生产的动态模拟就是从荷兰de Wit^[1]和美国Duncan等^[2]的光合作用模型开始 ...

1982

0.0

... 此后,作物光合生产模型研究在国内外得到迅速发展:20世纪80年代,荷兰的SUCROS模型^[3],Penning de Vries建立的MACROS^[4]以及ORYZA系列模型^[5,6],采用光反应曲线模拟单叶光合速率,采用高斯积分法计算冠层每日光合同化量,具有较强的机理性 ...

1989

0.0

1994

0.0

2000

0.0

1986

0.0

... 美国的CERES系列模型^[7,8]建立了每日光合同化量与光合有效辐射之间的经验方程 ...

1985

0.0

... 美国的CERES系列模型^[7,8]建立了每日光合同化量与光合有效辐射之间的经验方程 ...

1998

0.0

... GOSSYM模型^[9]建立了棉花(Gossypium hirsutum)群体冠层光合生产量及呼吸量与日辐射和温度的关系方程 ...

2000

0.0

. 2000, :-

Simulation on photosynthetic production and dry matter partitioning in wheat

小麦光合生产与物质分配的模拟模型

Liu T M

刘铁梅

以小麦生长发育的生理生态过程为主线，根据生理发育时间恒定的原理发展了小麦抽穗后生育期模型，建立了小麦光合生产与物质积累模型、器官间物质分配与生长模型、绿色面积指数模型、产量模型、茎蘖动态模型，并采用大量的试验资料对模型进行了较充分的验证。与现有模型相比，本模型具有较强的系统性、机理性和预测性。在生育期模型中，根据生理发育时间恒定的原理，通过调节品种的温度敏感性和基本灌浆期因子使各品种到达抽穗、开花和成熟的生理发育时间相同，从而建立了一种统一的生育时间尺度。而且，由于考虑到了不同品种对温度的不同反应以及基本灌浆期的长短差异等内在遗传特性，因而比有效积温法中单纯考虑品种的灌浆期长短更具有解释性和机理性。采用高斯积分法来计算冠层每日的光合同化量，并构建了温度和生理发育时间对光合作用最大速率的影响函数，体现了小麦一生中环境温度及植株自身衰老对绿叶光合能力的影响。建立了生理发育时间与植株临界和最小N浓度的关系，并且区分了不同小麦品种的临界N浓度。此外，模型引入了CO_2订正因子，建立了CO_2浓度与绿叶光合作用速率的关系。采用某一时刻小麦植株地上部总重与生物量的比例来计算地上部的分配指数，采用地上部各器官的重量与地上部总重的比例来计算地上部各器官的分配指数，并以分配指数和生物量为基础模拟了小麦各器官干物重的变化动态。首次构建了地上部、绿叶、茎鞘、穗部分配指数与生理发育时间之间的动态关系，从而较真实地展示了随着小麦生育进程植株各器官分配指数的连续变化规律，提高了模型的解释性和机理性。以绿叶的分配指数和地上部干重为基础模拟了小麦叶面积指数的变化动态，从而首次构建了以分配指数为基础的叶面积指数模拟模型。此外，本方法免去了叶面死亡速率的模拟，避免了由于叶面积死亡的定量计算困难而造成的误差。引入了收获指数（HI）作为不同品种的遗传参数，来调节穗部的分配指数，从而区分了不同品种穗重与籽粒产量的不同。由收获指数来调节品种穗部生长速率，也反映了不同品种籽粒灌浆速率与灌浆期长短不同的差异，尤其是籽粒滔浆高峰用的不同。因而可以很好地解释不同品种的灌浆特性。采用菲波拉奇数列来模拟小麦个体拔节前理想条件下的茎羹动态，并将小麦茎羹能力作为品种邀传蠢数来修正不同品种的分瞩憎力；采用叶面积指戮影响因于和群体同化物供应状况来锚远群体自勇对茎瞩发生的影响；采用水分和风景丰缺因子来板拟水分和讽素条件对群体茎羹数的影响。拔节后群体茎瞩数的下降受到同化物供应状况和有效热时间的影响，并将有效分回可靠叶龄用的茎羹过作为不同品种最小茎瞩数。利用不同地点、不同年份、不同栽培处理、不同品种的试验资料对 hheatGrow樱型中各子模型婪进行了较广泛的检验，并将CERES－Wheat 模型的预测结果与GheatGrow模型中的各子橱型进行了对比．结果表明，本模型”heatGrow）中各子模型均具有较好的预测效果及较强的解释性和适用性。

... 在国内,大多数学者借鉴了国外模型有关光合作用的部分内容和方法,刘铁梅^[10]、张立祯等^[11]、朱玉洁等^[12]、薛林^[13]、张亚杰^[14]、邹薇^[15]大多将冠层分为3或5层模拟冠层光分布,采用Lambert定律负指数方程或光响应曲线模拟单叶光合作用,采用高斯积分法(邹薇^[15]采用复化辛普森积分法)计算每层光合量而得出每日的冠层总同化量,考虑了环境因子对光合速率的影响、呼吸作用消耗同化量,构建了小麦(Triticum aestivum)、紫花苜蓿(Medicago sativa)、芝麻(Sesamum indicum)、油菜(Brassica campestris)以及大麦(Hordeum vulgare)等作物的干物质积累模拟模型 ...

... 第三步,对每日所观测的3个时间点观察的瞬时光合作用速率进行加权求和,得到整个冠层每日的光合作用速率^{[10,11,12,13,14,15]} ...

... 与以往的作物模型^{[10,11,12,13,14,15,16,17]}调试参数方法相比,本研究采用基于神经网络的投影寻踪自回归BPPPAR-RAGA方法^[39],通过编程实现调整品种遗传特性参数,克服以往试错法误差大、主观性强的弊端,使参数确定更精确 ...

2003

0.0

. 2003, 15(3):138-145 DOI:doi:10.3969/j.issn.1002-7807.2003.03.002

et al. A process model of photosynthetic production and dry matter accumulation in cotton

棉花光合生产与干物质积累过程的模拟

Zhang L Z , Cao W X , Zhang S P

张立祯, 曹卫星, 张思平

摘　要：在综合已有作物模拟模型优点的基础上,构建了基于生态生理过程的棉花光合生产与干物质积累动态模拟模型.模型中引用了高斯积分法计算冠层每日的PAR总截获量和光合同化量,考虑了PAR的日变化规律和太阳高度角变化对直射PAR消光系数的影响, 在量化直射辐射对光合作用贡献的同时,分别计算了天空散射辐射、冠层和土壤散射辐射的强度.模型充分考虑了温度、生理年龄、氮素、水分等因子对光合作用和呼吸作用的影响.利用不同遗传类型品种、不同管理方式下的棉花干物质积累动态对模型进行了检验,结果表明模拟值与观测值吻合度较好,模型不仅具有较强的机理性而且具有较高的预测性和实用性.

... 第三步,对每日所观测的3个时间点观察的瞬时光合作用速率进行加权求和,得到整个冠层每日的光合作用速率^{[10,11,12,13,14,15]} ...

2007

0.0

. 2007, 33(10):1682-1687 DOI:doi:10.3321/j.issn:0496-3490.2007.10.018

et al. A dynamic model simulating photosynthetic production and dry matter accumulation for alfalfa (Medicago sativa L.)

紫花苜蓿光合生产与干物质积累模拟模型研究

Zhu Y J , Feng L P , Yi P

朱玉洁, 冯利平, 易鹏

Photosynthetic production and dry matter accumulation are major determinants of the final yield in crop production. Early simulation model of photosynthetic production and dry matter accumulation for alfalfa is relatively simple and much depending on experience. On the base of the eco-physiological processes and biological characteristics of alfalfa ( Medicago sativa L.), a simulation model for photosynthetic production and dry matter accumulation was established by the field experiment data and widely collected data. This model included the sub-models of photosynthesis, respiration, leaf area dynamic, dry matter production, assimilate partitioning, and yield. The model took into account of the effect of temperature. The model was parameterized with data from the literature and local experiments. Data from Beijing were used for calculation of the coefficients of dry matter allocation（C(d) i ）at different development stages. Data from literature were used for calculation of the coefficients of dry matter conversion (β). The photosynthetic parameters (a and P max ) for six alfalfa cultivars were determined based on the data from the field experiments at Beijing and Taiyuan. The verification and validation of the model were conducted. Data from Beijing were used for validation of leaf area dynamics and above-ground biomass. Data from Beijing and Taiyuan were used for validation of crop yields of 6 cultivars. The model simulated appropriately the growth of the crop. The adjusted linear correlation coefficient (R 2 ) values between simulated and measured leaf area, above-ground biomass, stem biomass, and leaf biomass were 0.98, 0.95, 0.96, and 0.88 (n=20), respectively. The root mean squared error (RMSE) between simulated and measured yields was 103 kg ha -1 , and the normal root mean squared error (NRMSE) was 2.1 % (n = 102). The results indicate that the model has not only good mechanism in model building, but also good simulation capability.

依据紫花苜蓿生物学特性，通过田间试验和广泛收集资料，构建了紫花苜蓿光合生产与干物质积累模拟模型。该模型包括光合作用、呼吸作用、叶面积消长、干物质积累、同化物分配和产量形成等过程，考虑了温度对光合作用的影响。计算得到紫花苜蓿不同生育时期的干物质转换系数( β )和同化物分配分配系数[C(d) I ]，确定了主要紫花苜蓿品种的光合参数(a 和 P max )。分别利用北京和太原不同年份和不同品种的试验资料对地上部生物量、产量和叶面积指数模型进行了检验。结果表明，模型对叶面积动态、地上部生物量和产量模拟效果较好，叶面积指数、地上部生物量、茎和叶生物量的决定系数分别为0.98、0.95、0.96和0.88（n=20），产量均方差(RMSE)为103 kg hm -2 ，相对均方差(NRMSE)为2.1% (n=102)。模型不仅具有较强的机理性，而且有较好的拟合性。

... 第三步,对每日所观测的3个时间点观察的瞬时光合作用速率进行加权求和,得到整个冠层每日的光合作用速率^{[10,11,12,13,14,15]} ...

2012

0.0

. 2012, :-

Study of development simulation models in sesame

芝麻生长发育模拟模型研究

Xue L

薛林

作物生长发育模拟模型的研究和广泛应用对于农业信息化和数字化具有重要的理论意义和实用价值。本研究在分析了国内外先进的建模理论和方法的基础上,结合芝麻生长发育特征,运用系统分析原理和动态建模技术,通过不同品种的播期和播量试验,定量解析了芝麻生长发育的基本规律与环境因子之间的关系,建立了包括芝麻生育期、叶龄、叶面积指数、冠层群体光分布、单叶光合作用、群体光合作用、呼吸作用及干物质积累过程的芝麻生长发育模拟模型,并对模型进行了初步验证。结果发现,本模型能够较好的反映芝麻生长发育过程,具有一定的系统性、机理性、预测性和实用性。在生育期模型中,通过定量分析芝麻对温度和光周期的反应,建立了基于生理发育指数的芝麻生育期模拟模型。本研究假定各生育期的模拟由该生育期生理发育指数累加而成,当该生育阶段发育指数累加值等于1时,表明该生育期完成。发育指数的大小由每日温度效应因子、光周期效应因子和品种参数互作共同决定。模型通过引入品种参数反应不同芝麻品种,使得每个芝麻品种达到特定生育时期所需生理发育时间恒定。利用不同地点、年份、品种、播期和密度的试验数据对模型进行了校正和检验。研究表明,播种到出苗、出苗到现蕾、现蕾到封顶及成熟期的模拟值与预测值RMSE(均方根差)分别为1.19、2.35、3.29和2.85d。表明模型具有较好的机理性和可靠性。根据不同类型品种的播期密度试验结果,建立了芝麻叶龄和叶面积指数(LAI)的模拟模型。根据芝麻叶龄与主要影响因子温度之间的关系,构建了芝麻叶龄动态模拟模型。将芝麻叶面积指数变化分成指数生长、最大值和下降三个阶段分别进行模拟,首先分析确定最大叶面积指数期即盛花期芝麻叶面积指数,叶面积指数随出苗后有效积温(growing degree days, GDD)的增长呈指数增长,此阶段采用指数方程模拟,当叶面积指数达到盛花期最大后,由于叶片间相互间遮阴、叶片衰老和环境因素的影响,叶面积指数开始下降。此阶段由于叶片衰老机理复杂,涉及参数多,且不易估计预算,本研究用发育指数进行模拟。利用不同年份、不同处理试验数据对模型进行了校正和检验。叶龄模型的模拟值与观测值RMSE平均为1.05对叶,叶面积指数模型的模拟值与观测值RMSE平均为0.43。研究表明,模型能很好地模拟不同条件下叶片的出生动态和LAI变化动态,表现出较好的可靠性和实用性。在综合已有研究成果的基础上,兼顾模型的机理性与实用性。采用Lambert—Beer定律分5层模拟了芝麻群体光分布,负指数方程模拟了单叶光合作用,并利用高斯积分法计算每层光合量而得出每日的冠层总同化量。模型考虑了cO2和温度因子对最大光合速率的影响,同时考虑了维持呼吸和生长呼吸消耗。利用不同品种、播期、播量处理试验下的干物质积累对模型进行了初步验证,RMSE平均值为503.54kg·hm-2,研究表明观测值与模拟值具有较好的吻合度,模型机理性和预测性较强。

... 3 讨论作物群体干物质积累是产量形成的基础,光合生产是干物质积累的核心^[13] ...

... 第三步,对每日所观测的3个时间点观察的瞬时光合作用速率进行加权求和,得到整个冠层每日的光合作用速率^{[10,11,12,13,14,15]} ...

2013

0.0

. 2013, :-

Study on direct-seeding rapeseed growth simulation model

直播油菜生长模拟模型的研究

Zhang Y J

张亚杰

本研究以长江流域杂交油菜代表性品种华油杂9号为主要试验材料,结合其他油菜品种,分别构建了油菜发育期、绿色面积指数、光合作用与干物质积累、干物质分配与产量动态模拟子模型,采用SQL数据库与C#高级编程语言相结合的手段,实现各子模型算法及其有效耦合,最终构建具有机理性和实用性的直播油菜生长模拟模型。主要研究内容和结论如下： 1.采用作物相对恒定的生理发育时间(PDT)来模拟油菜的生育期进程,用Logistic曲线方程模拟苗期的光周期效应,方程中的参数具有一定的生物学意义,解释性强,能更好地描述油菜对光周期的反应规律,模型中引入了温度敏感性(TS)、生理春化时间(PVT)、光周期敏感性(PSF)、角果期因子(PPF)四个品种遗传参数,充分量化了温度、春化效应、光周期效应和角果成熟速率对油菜生长发育的影响,实践表明四个参数生理意义明确,能够反映不同品种间的差异,即TS反映品种对温度敏感程度,PVT反映品种完成春化所需时间长短,PSF反映品种对光周期的敏感程度,PPF反映品种角果期角果成熟速率；各生育阶段模拟值与观测值的RMSE(根均方差)的结果是：对不同播期预测平均值为2.67天,对不同品种预测平均值为3.74天；本文提出了一种根据气象资料来确定油菜适宜播种期范围的方法,得出2011～2012年度华油杂9号的适宜播种期范围为2011年9月10日至10月27日,田间试验的结果是在该播期内油菜实际产量较其他播期高,考虑到前茬作物收获期的影响,直播油菜在适宜播种日期范围内适当晚播比较好。 2.叶面积指数的模拟采用比叶面积(SLA)法,根据油菜叶片生长规律和实测田间数据提出了全新的油菜SLA变化规律,用对数函数和余弦函数分段模拟SLA随生育进程的动态变化,模拟值与实测值的决定系数R2=0.9260,表明该方法能够准确模拟油菜比叶面积的动态变化。同时采用比角果面积(SPA)法模拟角果面积指数,共同构建了油菜绿色面积指数模型,模型简单易懂、参数少且确定较为简单,准确有效的模拟了油菜LAI和PAI随生理发育时间变化的规律。验证结果表明油菜不同播期LAI和PAI的模拟误差RRMSE(相对根均方差)平均值分别为14.16%、10.46%。 3.根据油菜独特的冠层特点,分两层(即：角果层和叶层)利用高斯积分法模拟冠层结构及其光截获规律,考虑了不同生育阶段光合作用的主要功能叶存在着叶型间的差异,提出以油菜整个生长周期内不同叶型交替过程中光合速率的差异来反映叶片光合速率随生育进程的变化规律,同时计算生长呼吸和维持呼吸消耗量,进而构建具有解释性和机理性的油菜光合作用和干物质积累模型。模型验证结果为不同播期总干物重的模拟误差RRMSE平均值为6.05%。 4.采用干物质分配指数法模拟油菜干物质分配动态变化过程,并通过油菜较为稳定的粒壳比和角果干物重来计算油菜产量,从而构建了油菜干物质分配和产量模型。模型中提出了一套具有一定生理学意义的数学函数,分别模拟油菜各器官干物质分配随生长发育进程的动态变化规律,对根、绿色叶片、花和角果、花、茎柄干物质分配指数模拟的决定系数R2依次为0.9895、0.9876、0.9935、0.8555、0.9561。验证结果为根、茎柄、绿色叶片、花、角果的干物质分配量模拟误差RRMSE平均值依次为9.37%、9.10%、11.87%、14.97%、4.77%；产量的验证结果为：不同播期模拟理论产量和实测理论产量误差RRMSE为3.40%。结果表明,本文构建的直播油菜生长模拟模型具有较强的机理性、可靠性和预测性,为油菜数字化栽培、管理和生产奠定了基础。

... 第三步,对每日所观测的3个时间点观察的瞬时光合作用速率进行加权求和,得到整个冠层每日的光合作用速率^{[10,11,12,13,14,15]} ...

2009

0.0

. 2009, :- DOI:doi:10.7666/d.Y1764405

A process-based simulation model on barley growth and development

基于过程的大麦生长发育模拟模型

Zou W

邹薇

作物生长模型的研究和应用对于农业生产的信息化和数学化具有重要的理论意义和应用价值。本研究借鉴国际上先进的建模理论和本实验室形成的作物模拟方法体系和基本框架，运用系统分析原理和动态建模技术，通过实施不同生态点、不同类型品种的播期和氮素处理试验，对大麦生长发育的基本规律及其与环境因子之间的关系予以定量解析和综合，构建了基于生理生态过程的大麦生长发育模拟模型（BarleyGrow），为数学化麦作系统的构建奠定了基础。　　以扬州地区5个大麦品种春播条件下的顶端发育和物候发育观测资料和历史资料为基础，构建了基于生理发育时间的...

... 第三步,对每日所观测的3个时间点观察的瞬时光合作用速率进行加权求和,得到整个冠层每日的光合作用速率^{[10,11,12,13,14,15]} ...

1998

0.0

... CERES-Rape^[16,17]、LINTUL-BRASNAP^[18,19]和APSIM-Canola^[20,21]等油菜模型,对光合作用和冠层中光辐射模拟采用辐射利用率(radiation use efficiency,RUE)来计算生物量的累积 ...

2007

0.0

. 2007, 18(3):526-530

et al. Dynamic simulation on shoot dry matter partitioning and yield formation of rapeseed

油菜地上部干物质分配与产量形成模拟模型

Tang L , Zhu Y , Ju C H

汤亮, 朱艳, 鞠昌华

Based on the quantitative relationships between rapeseed growth and environmental fac- tors, a simulation model was developed to estimate the shoot dry matter partitioning and yield forma- tion of rapeseed. The dry matter partitioning indices of green leaf, stem and pod varied with the physiological development, and were influenced by the genotype, sowing date, nitrogen level and water status. Green leaf dry matter was regulated by nitrogen nutrition index (NNI). The higher the NNI, the higher the partitioning index of green leaf was. The factor of sowing date was introduced to regulate the partitioning index of pod. A delayed sowing date often induced an increased partitioning index of pod. The validation with different data sets involving variety, sowing date, and nitrogen application rate showed that this model had a good predictability and practicability.

利用油菜器官生长与发育进程及环境因子之间的定量关系，构建了基于分配指数的油菜地上部器官干物质分配动态模拟模型.各器官干物质分配指数随着生理发育时间而变化，基因型、播期、氮素及水分水平影响各器官干物质在地上部分配的大小.其中，氮素营养水平对绿色叶片干物质分配影响最大，氮素营养水平越高，绿色叶片分配指数越大；播期影响角果分配指数，晚播的角果分配指数高于早播.模型引入氮素营养指数、水分及播期影响因子来定量油菜各器官在实际生产条件下的分配强度，同时考虑了品种遗传特性的影响.通过不同品种氮肥处理试验建立模型，利用不同品种播期试验资料对模型进行了初步检验，表明模型具有较好的预测性和适用性.

1997

0.0

1997

0.0

2003

0.0

1999

0.0

... 4 结论本研究参考APSIM对油菜^[21,37,38]、小麦^{[40,41,42,43]}等其他作物的模拟研究,综合胡麻生长自身特点及充分考虑影响光合速率的内部因素和外部因素,建立了基于生理生态过程的胡麻光合生产与干物质积累模拟模型,为干物质分配与产量形成模型奠定基础 ...

2016

0.0

... 1 土壤理化性状的测定土壤铵态氮、硝态氮采用比色法进行测定^[22] ...

2011

0.0

. 2011, (1):36-38 DOI:doi:10.3876/j.issn.1000-1980.2011.01.008

Comparison and analysis of soil organic matter determination method

土壤有机质测定方法对比分析

Qian B , Liu L , Xiao X

钱宝, 刘凌, 肖潇

摘　要：采用不同方法（TOC分析仪法、550℃烧失量法、950℃烧失量法和水合热重铬酸钾氧化比色法）测定长江底沉积物标准物质中有机质含量,并分析不同测定方法的准确度、精密度及对测定土壤有机质含量的影响,结果表明：在实验准确度和精密度方面,TOC分析仪法最高,950℃烧失量法最低.采用以上4种方法对南京秦淮河沿程5个断面采取的表层底泥沉积物样品进行对比分析,结果表明：实验室测定土壤有机质含量推荐采用TOC分析仪法,其次为550℃烧失量法;水合热重铬酸钾氧化比色法测定结果偏低,而950℃烧失量法测得的结果偏差较大,不能代表样品的有机质含量,故不宜采用.

... 土壤有机质采用重铬酸钾容量法进行测定^[23] ...

1993

0.0

... 土壤含水率采用烘干法进行测定^[24] ...

1978

0.0

... 土壤容重采用环刀法进行测定^[25] ...

2009

0.0

... 土壤水分特征曲线采用张力计法测定^[26] ...

2017

0.0

... 2 胡麻物候期的测定胡麻物候期采用人工记录法进行观察,参考胡麻生育期标准^[27]进行记录:苗期#cod#x02014 ...

2011

0.0

. 2011, 4:30-33 DOI:doi:10.3969/j.issn.1007-5739.2011.04.012

Improvement of experiment on the plant photosynthetic intensity of the improved half-method

改良半叶法测定植物光合强度实验的改进

Zong M , Wu G L , Zheng A F

宗梅, 吴甘霖, 郑爱芳

为了适应教学改革的不断发展,该文从实验设计的多元化、实验结果的整理与撰写等方面对改良半叶法测定植物光合强度实验进行了部分改进,从而达到设计性实验的要求,有利于提高学生积极主动性,培养学生创新精神和团队合作精神.

... 干物质积累量采用改良半叶法测定^[28] ...

2015

0.0

... 模型输入参数包括气象参数、土壤参数、作物参数与品种遗传参数等,输出数据为日生物累积量,即地上部干物质量,受辐射截获与土壤水分亏缺的限制^[29] ...

... 3^[29] ...

1999

0.0

... (1)散射因子f_d即日散射部分,利用Roderick^[30]方程计算 ...

1999

0.0

... (3)二氧化碳因子f_c,计算如下^[31] ...

1986

0.0

... Q_r计算,根据Sinclair^[32]的方法,蒸腾需求量计算如下 ...

1974

0.0

... 式中:R是日呼吸作用消耗量,McCree^[33]将植物呼吸作用分为两个部分:生长呼吸与维持呼吸,R_G是日生长呼吸消耗量,是光合产物转化为植物组织结构物质时造成的消耗量 ...

1994

0.0

... 3^[34] ...

... 0^[34] ...

... 030依次为根、蒴果、叶和茎的维持呼吸系数^[34],单位为kg CO₂#cod#x000b7 ...

1983

0.0

... VPD为蒸汽压差,采用Tanner等^[35]提出的方法,利用日最高温T_max和最低温T_min计算[式(18)],式中:f_v为春化因子,缺省值取75% ...

2014

0.0

. 2014, 22(1):93-103 DOI:doi:10.3724/SP.J.1011.2014.30650

et al. Application and validation of AquaCrop model in simulating biomass and yield of oil flax in Northwest China. Chinese Journal of

AquaCrop模型在西北胡麻生物量及产量模拟中的应用和验证

Li Y , Niu J Y , Guo L Z

李玥, 牛俊义, 郭丽琢

Many crop-growth models have been established for predicting the effects of soil, water and nutrient on grain/biomass yield and water productivity of different crops. However, most of the crop-growth models were still at research stage and only few have been applied in actual production processes due to limitations in simulation input data. To predict the influence of water and nutrient on yield, biomass and water productivity of oil flax, a water-driven crop model, AquaCrop model, developed by FAO was used to simulate and validate the growth of oil flax under different irrigation and nitrogen/phosphorus levels. In the study, field experiment with 9 nutrients treatments (3 nitrogen levels and 3 phosphorus levels) under four irrigation levels were conducted at Yuzhong Field Station. The experimental data collected in 2011 was used to simulate yield, biomass and canopy cover and data collected in 2012 to validate the model. The performance of model was evaluated from model efficiency ( E ), determination coefficient ( R 2 ), root mean square root ( RMSE ) and mean absolute error ( MAE ). The results showed that the prediction errors of the calibrated yield and biomass of the AquaCrop model under different irrigation and nitrogen/phosphorus treatments were 0.97 E RMSE -2 MAE RMSE -2 MAE -2 ). Furthermore, the simulated results of canopy cover and biomass matched observed values. The predicted yield of oil flax by the AquaCrop model was more accurate under intensive irrigation treatment than under deficient irrigation treatment. The FAO AquaCrop water-driven model had higher simulation precision when oil flax was simulated in Northwest China with different irrigation treatments and field management practices. The model showed broad application prospects in China.

为了预测水分和养分对胡麻籽粒产量、生物量与水分生产率的影响, 使用FAO研发的水分驱动作物模型AquaCrop对胡麻在不同灌溉与氮磷水平下的生长情况进行模拟和验证。试验分别于2011年、2012年在甘肃省榆中县良种场进行, 试验设置4个灌溉水平, 3个氮水平, 3个磷水平。模型性能的评价采用模型效率( E )、决定系数( R 2 )、均方根误差( RMSE )和平均绝对误差( MAE )等统计指标。分析结果表明: AquaCrop模型校正的籽粒产量和生物量在不同灌溉与氮磷水平处理下的预测误差统计值为: 0.97 E RMSE -2 -2 , 与2012年的试验观察数据(0.96 E RMSE -2 MAE -2 )基本一致; 同时, 群体覆盖( CC )与生物量的模拟结果与测定值也非常拟合。AquaCrop模型在充分灌溉处理下预测胡麻产量, 比非充分灌溉处理下具更高的准确性。因而, 水分驱动模型AquaCrop在西北胡麻区不同的灌溉与田间管理措施下有较高的模拟精确性, 具有广阔的应用前景和价值。

... 6 模型的检验根据2014-2015年4个试验测量数据对模型进行检验,检验方法使用国内外通用的统计指标^[36]均方根误差(RMSE)和决定系数(R²),RMSE越小、R²越接近1,模型测量值与预测值间误差越小,拟合效果越好 ...

... 模型至少需要两年的试验数据^[36] ...

... 另外,本研究与水分驱动模型AquaCrop模拟胡麻生物量^[36]相比,AquaCrop需要输入参数较少(共33个),界面更简单,模拟过程更容易,而APSIM需要的输入参数较多,模拟过程更复杂,但是模拟精度也较高,所以对于两种模型仅比较RMSE的平均值和决定系数R²的范围还不够,今后将进一步研究两种模型数据源大致相同情况下的对比 ...

2000

0.0

... 本研究通过借鉴APSIM-canola加拿大油菜模型^[37,38],根据胡麻生长发育的生理生态过程,确定影响胡麻光合生产的品种遗传参数 ...

2001

0.0

... 本研究通过借鉴APSIM-canola加拿大油菜模型^[37,38],根据胡麻生长发育的生理生态过程,确定影响胡麻光合生产的品种遗传参数 ...

2006

0.0

... 为了减少调参过程的复杂性,采用基于神经网络的投影寻踪自回归BPPPAR(projection pursuit auto-regression based on error back propagation)模型^[39],用RAGA(real coded accelerating genetic algorithm)优化投影指标函数^[39],通过计算机编程实现该BPPPAR模型,进行遗传特性品种参数调整(表2) ...

1998

0.0

2011

0.0

1998

0.0

2007

0.0