作物生长模拟模型从农业生态系统物质能量转换等规律出发, 以光、温、水、土壤等条件为环境驱动变量, 运用数学物理方法和计算机技术, 对作物生育期内的重要生理生态过程及其与气象、土壤等环境条件的关系进行逐日数值模拟, 是一种面向过程, 机理性和时间动态性很强的模型^[1-3], 一些国家应用于气候变化影响评估、产量预测、农业生产决策管理、精确农业等方面^[4]。我国自引进模拟技术以来成功地建立了水稻、小麦、玉米、棉花等作物的生长模拟模型, 目前已经发展到从理论面向应用、单点扩大到区域的研究阶段, 如在农业生产栽培管理中的应用^[5]、区域尺度的农业气象灾害预警^[6-8]和农业气象条件对生长影响评价的初步尝试^[9]等。

水稻生长模型主要有荷兰瓦赫宁根大学和国际水稻研究所联合研制的ORYZA系列, 美国CERESRice, 日本崛江武水稻模型, 中国黄策、王天铎水稻模型, 高亮之、金之庆、黄耀等的水稻栽培优化管理决策系统RCSODS模型, 王馥棠、高翔等的基于ORYZA1的江南双季稻生长模式^[10-11]以及戚昌翰、殷新佑等的水稻生长日历模拟模型等。ORYZA2000是ORYZA系列模式, 即潜在生产水平 (ORYZA1)、水分胁迫水平 (ORYZA-W) 和氮素胁迫水平 (ORYZA-N) 的完善、更新和集成, 对水稻生长诸过程, 特别是高温、水分胁迫等有更深入定量的描述, 已经在一些地区进行检验和应用^[12-13]。近年来, 有研究将ORYZA2000模型引入我国, 进行北方旱稻生长模拟试验^[14]。鉴于我国江南地区水稻生长受高温、伏旱影响较大, 引进更新版本的ORYZA2000模式具有更加现实的学术和应用价值。

水稻是我国第一大粮食作物, 江南地区 (本文所指江南地区为湖南和江西地区, 下同) 双季稻产量占全国稻谷总产量的近1/4。开展江南双季稻生长过程的气象条件动态监测评价和产量预测是气象为农业服务, 保障粮食安全的重要内容。但是目前农业气象服务所使用的分析评价手段仍以数理统计模型为主, 其机理性、定量程度和动态跟踪能力均十分有限。国家级和省级农业气象业务部门对建立面向生长过程、机理性强的农业气象模型, 提高农业气象业务技术含量, 增强服务能力的需求十分迫切。

由于ORYZA2000模型最初是针对热带地区水稻而研制的, 而国内应用只针对单点的旱稻, 本文尝试进行该模型在江南双季稻区的本地化和区域化研究, 并进一步探讨如何应用于气象条件影响定量评价和产量动态预测研究和业务。

ORYZA2000可以模拟潜在、水分胁迫和氮素胁迫3种生产水平下的水稻生长、发育及产量形成过程。模型中作物生长参数主要包括比叶面积、同化物分配系数、叶片相对生长速率、叶片死亡速率、茎同化物向穗转移、最大粒重等。模型中, 温度是影响水稻物候发育的主要驱动因子。将水稻生命期分为基本营养期、光周期敏感期、孕穗期和子粒形成期4个主要物候发育期, 根据不同物候期的发育速率常数、热量单位日增量和光周期来计算发育速率。其中发育速率常数为完成某物候发育期所需热量单位的倒数, 是反映品种发育特性的参数; 有效热量单位的计算采用Matthews和Hunt发育对温度响应的方法^{[13, 15]}。

逐时温度：

(1)

式 (1) 中, T_min为日最低温度, T_max为日最高温度, h为时间 (24 h制)。逐时热量单位的增加 (H_UH) 依据逐时温度和三基点温度计算：

(2)

式 (2) 中, T_base为发育下限温度, T_opt为发育最适温度, T_high为发育上限温度。热量单位的日增量H_U (单位：℃·d), 依下式计算：

ORYZA2000模型以发育阶段 (development stage, DVS) 定义作物生理年龄, 作物出苗、孕穗、开花和生理成熟时的DVS分别为0.0, 0.65, 1.0和2.0。

ORYZA2000模型能够对直播水稻和移栽水稻进行模拟。对于移栽水稻, 考虑了移栽对发育进程造成的影响, 且秧苗生长期越长, 造成的影响也越大。

本文使用的数据包括江南地区1981—2004年31个农业气象观测站的逐日气象资料和双季稻发育期、生物量观测 (叶面积指数、水稻分器官干物质重量) 等资料 (其中1985, 1995, 1999年和2003年资料用来做外推检验), 以及1983—2004年江南22个地市级产量资料 (其中2003, 2004年产量资料用来做检验)。

选择江南双季稻区有一定代表性并有田间观测数据的站点———长沙、常德、资兴、南昌4点, 以模型中的发育参数和生长参数默认值为初始值, 利用20年的发育期观测和1994, 1996—1998, 2000—2002年及2004年的叶面积、叶重、茎重和穗重等观测资料, 分别对模型发育参数和生长参数进行调试, 直至模拟的发育期及生物量数值与观测值的误差在一定的允许范围内, 最终得到比较适宜的发育速率常数和比叶面积, 叶、茎、穗的分配系数, 叶片死亡速率, 茎向穗转移等生长参数。图 1为应用调试后的参数模拟发育期与实测值的1：1图 (实测值为江南地区1981—2004年31个农业气象观测站的3904个观测数据)。图 2为应用调试后的参数模拟地上总干重与实测值的1：1图 (实测值为长沙、常德、资兴、南昌4点1994—2004年的213个观测数据)。

图 1

图 1. 早稻发育期模拟值与实测值1：1图 Fig 1. Relation between the simulated and observed development stages for the early rice

图 2

图 2. 早稻地上总干重模拟值与实测值1：1图 Fig 2. Relation between the simulated and observed aboveground dry weights for the early rice

ORYZA2000模型以发育速率常数为反映品种发育特性的参数。通常的做法是根据单点或某具体品种的发育期观测资料, 逐一确定发育参数。鉴于模型区域尺度应用目的, 参数应在一定地域范围内具有较好的代表性; 同时考虑到发育参数与环境温度密切相关, 具有明显的空间属性特征, 而且与品种熟性相对应, 因此本研究采用在单点验证基础上按发育参数划分区域 (各分区取一套发育参数), 利用区域化参数进行模拟的方法。这样既符合生物学规律, 又可以在一定程度上避免人为性和经验性。为直观方便起见, 研究中按发育速率常数的倒数-完成不同发育阶段所需累积温度进行区域划分。

利用江南地区31个农业气象观测站1981—2004年观测资料 (气象资料和双季稻发育期资料), 分别确定各站不同发育阶段的累积温度多年平均值。然后对各站点数值进行分析, 并结合地形、气候、水稻熟性分布和当地生产实际, 将江南稻区划分为7个区域 (分早稻和晚稻, 见图 3)。Ⅰ区以早熟为主, Ⅱ区以早熟偏迟为主, Ⅲ区以中熟偏早为主, Ⅳ区以中熟为主, Ⅴ区以中熟偏迟为主, Ⅵ区以迟熟为主, Ⅶ区为非种植区。

图 3

图 3. 江南双季稻发育参数分区 (a) 早稻, (b) 晚稻 Fig 3. Spatial distribution of the phenological parameters of the double cropping rice in the middle Yangtze River Valley (a) early rice, (b) late rice

在区域化发育期参数的基础上, 利用地上干物质总重量及叶面积等资料对单点调试的生长参数进行适当修改和优化, 得到用于江南地区双季稻的一套生长参数。

应用区域化的参数, 进行江南地区早 (晚) 稻开花期、成熟期及生物量 (成熟期地上总干重、成熟期穗重) 模拟回代和外推检验 (不考虑受灾害影响较严重的数据), 其中回代检验资料为31站20年 (生物量为4站8年), 外推检验资料为31站4年 (生物量为4站3年), 对模拟与实测值的绝对误差、相对误差、相关系数等统计量进行分析。

早 (晚) 稻开花期、成熟期回代样本的平均误差为3~6 d, 其中早稻绝对误差在3 d之内的样本占60%左右 (晚稻占40%左右), 5 d之内占80%左右 (晚稻占55%左右)。早 (晚) 稻开花期、成熟期外推检验样本的平均误差为3~5 d, 其中早稻绝对误差在3 d之内的样本占60%左右 (晚稻占45%左右), 5 d之内占80%左右 (晚稻占65%左右)(见表 1)。模拟值与实测值的相关系数为0.5805~0.6056, 均通过显著性水平为0.02的t检验。

表 1

表 1 江南双季稻发育期模拟回代检验和外推检验 Table 1 Fitting and extrapolation test of the simulated development stages of the double cropping rice in the middle Yangtze River Valley

表 1 江南双季稻发育期模拟回代检验和外推检验 Table 1 Fitting and extrapolation test of the simulated development stages of the double cropping rice in the middle Yangtze River Valley

江南地区4个站早稻成熟期地上生物总干重、成熟期穗重模拟值与实测值的平均相对误差为10%~20%, 晚稻在3%~9%(回代检验和外推检验, 见表 2)。早、晚稻成熟期地上生物总干重模拟值与实测值的相关系数分别为0.7380~0.8971(回代检验和外推检验), 均通过显著性水平为0.05的t检验。

表 2

表 2 江南双季稻模拟成熟期生物量回代检验和外推检验 Table 2 Fitting and extrapolation test of the simulated aboveground biomass of the double cropping rice in maturity in the middle Yangtze River Valley

表 2 江南双季稻模拟成熟期生物量回代检验和外推检验 Table 2 Fitting and extrapolation test of the simulated aboveground biomass of the double cropping rice in maturity in the middle Yangtze River Valley

探讨了利用作物生长模型和实时气象资料, 分析评估当前天气气候条件对作物生长影响利弊的方法。首先研究了作为评价基准的平均气候条件下模拟生物量数值的确定方法。比较了利用逐日气象资料的30年平均值驱动作物模型生成逐日平均生物量和以近30年每年逐日气象资料驱动作物模型, 对模拟生成的逐日生物量进行多年平均结果的差别。针对气象要素和模拟生物量年际差异较大的状况, 采用先模拟后平均的做法确定平均生物量。其次研究了比较过程中时间“指针”的选取问题。由于业务中以逐日或旬进行动态评价, 而不同年份间发育进程各不相同, 按年内日序 (不同年份相同日期) 和按发育进程 (不同年份作物相同发育期) 进行比较的结果是不同的。研究中以发育进程为时间“指针”进行年际间的比较。综合作物模型的功能、农业生产的特点和目前农业气象业务的实际情况, 确定了农业气象条件影响评价的方法和内容。采用发育进程和生物量 (叶面积指数、地上部分生物量) 与近3年平均、前1年的年际变化相对值进行农业气象条件优劣评价 (发育期推迟或加快、生物量增加或减少)。

应用本地化和区域化的ORYZA2000模型和2002—2003年实时气象数据, 进行了各年气象影响动态定量评价应用。分别以2002年早稻、2003年晚稻为例介绍。

据全国和湖南、江西两省的农业气象公报评价, 2002年江南早稻移栽返青期出现严重的低温连阴雨天气, 部分田间发生渍涝, 出现僵苗、烂秧, 长势差。分蘖期光热条件依然偏差, 5月中旬出现5~8 d连阴雨, 日照偏少, 发育进程推迟, 5月下旬中后期天气好转, 6月上旬温高光足, 长势较前期好转。6月中、下旬出现暴雨天气, 不利产量形成。7月上旬气温偏低1~2 ℃, 光照不足, 不利于干物质积累及提高籽粒重。

从模拟结果比较可以看出 (图 4~5), 2002年由于初春低温阴雨, 江南东部和南部部分站早稻出苗期 (3月底—4月初) 比前1年推迟; 移栽返青期 (4月中旬—5月上旬) 出现严重的低温连阴雨天气, 其后天气 (5月下旬—6月上旬) 虽一度好转, 但至孕穗期 (6月中旬) 时, 仍有9站推迟2~3 d, 1站推迟4~5 d, 2站推迟6~7 d, 2站推迟7 d以上, 江南北部尤其明显, 与实际情况相符。低温还造成地上总干重累积值较前1年偏少, 有3站少5%以上。抽穗期时 (6月下旬) 仍有12站发育进程推迟1 d以上。6月中、下旬出现了暴雨天气 (长沙3 d暴雨), 降雨量偏多, 模拟穗重偏少 (图 6), 不利于产量形成。低温和暴雨的综合影响情况与2002年江南早稻产量减产情况基本相符。2002年湖南早稻单产5130 kg/hm²比2001年6105 kg/hm²减少16%, 为减产年; 江西早稻单产4818 kg/hm²比2001年5043 kg/hm²减少4.5%, 同样为减产年。

图 4

图 4. 2002年江南早稻发育进程与前一年的比较 (a) 出苗, (b) 孕穗, (c) 抽穗, (d) 成熟 Fig 4. Comparison of early rice development stages in the middle Yangtze River Valley in 2002 with one in previous year (a) emergence, (b) panicle initiation, (c) earring, (d) maturity

图 5

图 5. 2002年江南早稻地上总干重累积与前一年相比 (a) 孕穗, (b) 抽穗, (c) 乳熟, (d) 成熟 Fig 5. Comparison of aboveground dry matter weights of early rice the in middle Yangtze River Valley in 2002 with one in previous year (a) panicle initiation, (b) earring, (c) kernel milky maturity, (d) maturity

图 6

图 6. 2002年长沙早稻模拟穗重与前1年、前3年平均比较 Fig 6. Comparison of simulated storage organ weights of the early rice in Changsha in 2002 with one in previous year and past three years

类似地, 模型比较了4个相应发育期与前3年平均的差别, 评价结果与前1年一样, 只是发育期推迟的站数略有减少。地上总干重累积与前3年平均值比较, 孕穗期有3站少5%以上, 抽穗期有5站少5%以上, 乳熟期有6站少5%以上, 成熟期有3站少5%以上, 模拟穗重比前3年平均偏少 (图 6)。实际产量比前3年平均偏少。2002年湖南早稻单产比前3年平均5995 kg/hm²减少14%;江西早稻单产比前3年平均4977 kg/hm²减少3.2%。

据全国和湖南、江西两省的农业气象公报, 2003年6月下旬至7月上旬江南北部多大雨、暴雨天气, 不利于晚稻播种和秧苗生长。7月中旬至8月上旬持续高温少雨, 秧苗生长受到抑制。8月中旬降水增多, 条件转好。8月下旬高温少雨, 稻田供水不足, 对晚稻孕穗不利。9月上旬江南东部出现高温天气, 不利于水稻孕穗和开花授粉。9月中旬江南大部气温偏高1~3 ℃, 利于晚稻抽穗、开花。9月下旬至10月上旬气温仍偏高1~2 ℃, 对晚稻灌浆有利。10月中旬江南大部气温略偏低, 但多晴好天气, 利于晚稻灌浆、成熟。

从模拟结果比较可以看出 (图 7~8), 受大雨、暴雨天气影响, 温度偏低, 2003年江南晚稻出苗期 (6月下旬) 有9站比前1年推迟1 d以上, 其中2站2~3 d, 2站4~5 d, 2站6~7 d, 3站7 d以上, 三叶期 (7月上旬) 生物量积累有5站比上年偏少5%以上。随后持续高温, 晚稻秧苗生长受到抑制, 至分蘖期 (7月底—8月初) 时地上总干重累积值有4站比前1年偏少5%以上, 至孕穗期 (8月底—9月初) 时发育进程有15站比前1年推迟1 d以上, 其中5站2~3 d, 3站4~5 d, 4站6~7 d, 3站7 d以上。高温还对晚稻孕穗和开花授粉 (9月上旬) 产生不利影响, 模拟穗重偏少 (图略)。10月中旬气温偏低, 发育期又有所延迟, 至成熟期 (10月中旬末至10月下旬) 有17个站比前1年推迟1 d以上, 部分站偏迟更多一些。2003年晚稻成熟期地上总干重累积值有1站比前1年少5%以上 (图 8), 模拟穗重受高温影响比前1年偏少 (图略)。实际产量比前1年略减, 2003年湖南晚稻单产5785 kg/hm², 比2002年5986 kg/hm²减少3.4%;江西晚稻单产4892 kg/hm², 比2002年5167 kg/hm²减少5.3%。

图 7

图 7. 2003年江南晚稻发育进程与前1年相比 (a) 出苗, (b) 孕穗, (c) 抽穗, (d) 成熟 Fig 7. Comparison of late rice development stages in the middle Yangtze River Valley in 2003 with one in previous year (a) emergence, (b) panicle initiation, (c) earring, (d) maturity

图 8

图 8. 2003年江南晚稻地上总干重累积与前1年相比 (a) 三叶, (b) 分蘖, (c) 孕穗, (d) 成熟 Fig 8. Comparison of aboveground total dry matters of late rice in the middle Yangtze River Valley in 2003 with one in previous year (a) three leaves, (b) earring, (c) panicle initiation, (d) maturity

类似地, 模型比较了4个相应发育期与前3年平均的差别, 评价结果与前1年基本一样, 只是发育进程推迟的站数略有增加。从地上总干重累积值与前3年平均比较看, 三叶期有5站偏少5%以上, 分蘖期、孕穗期各有2站偏少5%以上, 成熟期有1站偏少5%以上, 模拟穗重比前3年平均偏少, 减幅比前1年大 (图略)。实际产量比前3年平均减少, 减幅比前1年大, 2003年湖南晚稻单产比前3年平均6549 kg/hm², 减少11.7%;江西晚稻单产比前3年平均5221 kg/hm², 减少6.3%。

农作物最终产量的形成是作物生育期内生物量不断积累的过程, 其前后期积累的生物量之间存在一定的关联性; 同时, 气象条件对农作物生长过程的影响也具有一定的持续性。但是目前的天气-作物产量预测是建立最终产量与前期气象条件的统计相关关系, 并不考虑作物本身的生长状况及动态变化。作物模拟模型克服了传统的作物-天气统计模型的缺点, 机理性和时间动态性很强。利用这一机理性模型预测产量是一个值得探讨的方向。国内有研究根据模拟的最终生物量预测社会统计产量^[16]。本研究从动态预测的角度出发, 研究了水稻生长中后期各时段累积干物质重量与最终产量的关系, 建立起动力-统计型的江南双季稻产量动态预测模型。在水稻生长的中后期, 利用模拟的累积干物质重量动态地预测作物最终产量。

作物生长模型模拟的干物质重量是假定年际间土壤、品种等基本不变, 以光温水等气象要素为主要驱动因子进行模拟的结果, 无明显趋势变化。而由统计部门得到的社会统计产量因品种改良、水肥管理、生产技术水平等人为因素影响而呈逐年增加的趋势 (图略)。因此, 研究中使用线性滑动平均方法 (7年), 从社会统计产量中提取趋势产量, 将社会统计产量剔除趋势产量的剩余部分视为因天气条件变化而波动的气象产量, 并使用相对气象产量百分率来进行分析, 以增加气象产量序列时间和空间的可比性。将分离出的相对气象产量百分率与模拟的不同发育阶段累积干物质重量进行相关分析, 建立动力-统计型产量动态预测模型。

以江南地区22个地市各站点历年早、晚稻生长中后期不同发育阶段 (孕穗期、开花期、乳熟期、成熟期) 的模拟累积干物质重量为因子, 分别与相对气象产量百分率建立回归模型, 得到各地市的早、晚稻气象产量的动态预测模型。用t检验对相关系数进行显著性检验结果表明, 有23%和27%的地市早、晚稻产量动态预测模型通过0.10的显著性水平检验, 其余各站都通过0.05, 0.01或0.001的显著性水平检验。一些地市级的产量动态预测模型随着发育进程的推进, 通过的显著性检验水平从0.10逐步上升到0.05, 表明越接近生长后期, 模拟的干物重与气象产量的关系越密切。

利用调和权重模拟方法^[17]外推2003年和2004年早、晚稻趋势产量; 再根据2003年、2004年各站点不同发育阶段的模拟总干重, 利用22个地市级气象产量动态预测模型预测2003年和2004年早、晚稻相对气象产量百分率, 经计算得到2003年和2004年早、晚稻产量预测值。与社会统计产量比较, 2003年和2004年的早、晚稻各发育期预测产量相对误差的平均值在4.8%~6.1%之间 (表 3)。与2003年社会统计产量的比较结果表明, 早、晚稻孕穗期、开花期有45%以上地市级的预测产量的相对误差≤5%(其中早稻达到55%), 64%以上地市级的预测产量的相对误差≤7%(其中早稻开花期达到73%); 早、晚稻乳熟期、成熟期有50%以上地市级的预测产量的相对误差≤5%(其中早稻乳熟期达到64%), 有64%以上地市级的预测产量的相对误差≤7%(其中早稻成熟期达到77%)。与2004年社会统计产量的比较结果表明, 早、晚稻孕穗期、开花期有45%以上地市级的预测产量的相对误差≤5% (其中晚稻开花期达到55%), 有64%以上地市级的预测产量的相对误差≤7%(其中晚稻开花期达到77%); 早、晚稻乳熟期、成熟期有36%以上地市级的预测产量的相对误差≤5%(其中早稻乳熟期达到55%), 有68%以上地市级的预测产量的相对误差≤7%。表 4以2003年早稻和2004年晚稻为例给出各站预测情况。

表 3

表 3 2003—2004年江南地市级早、晚稻产量预测平均相对误差 (单位：%) Table 3 Average relative error of forecasting yield for early rice and late rice in the middle Yangtze River Valley from 2003 to 2004 (unit：%)

表 3 2003—2004年江南地市级早、晚稻产量预测平均相对误差 (单位：%) Table 3 Average relative error of forecasting yield for early rice and late rice in the middle Yangtze River Valley from 2003 to 2004 (unit：%)

上述产量预测结果检验表明, 建立的早、晚稻产量动态预测模型基本令人满意。

表 4

表 4 江南地市级2003年早稻和2004年晚稻产量预测相对误差 (单位：%) Table 4 Relative errors of early rice in 2003 and late rice in 2004 forecasting yields for various counties in the middle Yangtze River Valley (unit：%)

表 4 江南地市级2003年早稻和2004年晚稻产量预测相对误差 (单位：%) Table 4 Relative errors of early rice in 2003 and late rice in 2004 forecasting yields for various counties in the middle Yangtze River Valley (unit：%)

1) 本文应用大量田间观测资料和历史气象、农业气象观测资料, 进行了ORYZA2000模型在江南双季稻地区的本地化和区域化研究, 得到了江南不同地区早晚稻的发育参数和生长参数。应用区域化的作物参数模拟并检验了江南不同地区双季早晚稻发育期和生物量的模拟效果。早 (晚) 稻开花期、成熟期模拟回代样本的平均误差均为3~6 d, 外推检验样本误差为3~5 d。早稻成熟期地上生物总干重、成熟期穗重模拟值与实测值的回代检验平均相对误差分别为12.8%和20.1%;外推检验为10.1%和19.9%。晚稻成熟期地上生物总干重、成熟期穗重模拟值与实测值的回代检验平均相对误差分别为8.5%和6.0%;外推检验为2.9%和3.5%。回代和外推检验结果表明, 本地化和区域化后的ORYZA2000模型模拟效果较好, 基本可以在江南地区使用。

2) 作物模型对气象条件与作物生长的关系及对产量形成过程的影响具有较强的定量分析和动态跟踪能力。探讨了利用ORYZA2000模型进行农业气象条件定量评价的可行性。从模拟结果比较看, 模型较好地模拟了2002年早稻低温阴雨和2003年晚稻高温导致的发育期变化及对生物量和产量的影响, 与实际情况相符。总体上说, 本地化和区域化后的ORYZA2000模型可用于江南双季稻区农业气象条件定量评价。

3) 探讨了利用作物生长模型进行产量动态预测的方法。根据双季稻不同发育阶段生物量 (器官干物质总重) 与最终产量的关系, 建立了江南双季稻地区22个地市级早、晚稻动力-统计型的产量动态预测模型。绝大部分模型通过0.05显著性水平检验。各地2003和2004年早晚稻各发育期预测模型外推预报产量的相对误差平均为4.8%~6.1%。这一结果表明, 产量预测的精度基本令人满意, 而其机理性和动态性则是目前的产量气象预测业务尚未达到的。

ORYZA2000模型在江南双季稻区的本地化和区域化研究仍有待于继续改进, 特别是近年来频繁发生的高温、干旱等极端气候事件对江南双季稻生长、发育和产量形成影响的模拟应当更加细致和充分, 这正是作物生长模拟研究在我国应用过程中需要重点考虑和改进之处。另外, 利用机理性生长模拟模型预测作物产量是一个比较复杂的科学问题, 研究中建立的产量动态预测方法只是初步尝试。受到从社会统计产量中分离气象产量的准确程度等问题的影响, 该方法还有待今后继续深入研究和完善。