WOFOST模型计算LAI的公式及率定的选择
- 格式：docx
- 大小：106.72 KB
- 文档页数：6
下载文档原格式
合集下载
利用作物生长模型和时序信号甄别水稻镉胁迫
第37卷第4期农业工程学报 V ol.37 No.42021年2月Transactions of the Chinese Society of Agricultural Engineering Feb. 2021 249 利用作物生长模型和时序信号甄别水稻镉胁迫孔丽，刘美玲※，刘湘南，邹信裕（中国地质大学（北京）信息工程学院，北京 100083）摘要：在自然农田生态系统中，农作物的生长通常受到各类环境胁迫（如重金属胁迫、病虫害、水分、营养）的影响，如何区分重金属胁迫与其他胁迫有待进一步研究。
该研究选取了湖南省株洲为试验区，收集2017—2019年的Sentinel-2卫星影像数据，结合野外实测数据，开展水稻重金属镉（Cd）胁迫识别研究。
首先，利用作物生长模型World Food Studies （WOFOST）同化时序遥感数据获取每年的叶面积指数（Leaf Area Index，LAI）时间序列曲线；然后运用集合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）方法对LAI时间序列进行多尺度分解，得到不同的时序信号分量（Intrinsic Mode Function，IMF）；最后使用动态时间规整（Dynamic Time Warping，DTW）方法计算受胁迫水稻分解后的时间序列与健康水稻分解后的时间序列之间的DTW距离，即归一化胁迫指数。
结果表明：归一化胁迫指数是水稻重金属胁迫敏感的参数，与土壤重金属含量的相关系数为0.851，水稻受到的胁迫程度越高，归一化胁迫指数值越大，反之越低；在试验区中，水稻重度重金属胁迫的分布面积比例相对较低，且主要集中在西部、东北部以及偏东南地区。
融合集合经验模态分解和动态时间规整方法能有效地甄别并定量分析水稻重金属胁迫状况，从而为作物重金属污染胁迫监测提供重要参考。
关键词：遥感；模型；重金属；镉胁迫；时序信号分解；WOFOSTdoi：10.11975/j.issn.1002-6819.2021.04.030中图分类号：S127 文献标志码：A 文章编号：1002-6819(2021)-04-0249-08孔丽，刘美玲，刘湘南，等. 利用作物生长模型和时序信号甄别水稻镉胁迫[J]. 农业工程学报，2021，37(4)：249-256.doi：10.11975/j.issn.1002-6819.2021.04.030 Kong Li, Liu Meiling, Liu Xiangnan, et al. Identifying heavy metal (Cd) stress in rice using time-series signals and crop growth model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(4): 249-256. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.04.030 0 引 言随着经济的不断发展，工业化不断推进，土壤重金属污染成为当今世界面临的重大生态环境问题之一[1]。
基于WOFOST模型与遥感数据同化的县级尺度玉米估产研究
钱凤魁，王化军，王祥国，等.基于WOFOST 模型与遥感数据同化的县级尺度玉米估产研究[J].沈阳农业大学学报，2024，55（2）：138-152.QIAN Fengkui,WANG Huajun,WANG Xiangguo,et al.Maize yield estimation at county level based on world food studies model and remote sensing data assimilation[J].Journal of Shenyang Agricultural University,2024，55（2）：138-152.沈阳农业大学学报，2024，55(2)：138-152Journal of Shenyang Agricultural Universityhttp ：//DOI:10.3969/j.issn.1000-1700.2024.02.002基于WOFOST 模型与遥感数据同化的县级尺度玉米估产研究钱凤魁，王化军，王祥国，于远俊，辛家佶，顾汉龙（沈阳农业大学土地与环境学院/耕地立体保护与监测重点实验室/土肥资源高效利用国家工程研究中心，沈阳110161）摘要：区域尺度的作物生长动态监测和产量预测对于保障粮食安全和农业政策的制定具有重要参考依据。
遥感数据同化应用极大提高了作物估产的时效性和精度。
为及时、准确地实现县级尺度粮食产量的估测，以及提升产量估测的精度，以辽宁省铁岭县为研究区，采用WOFOST （world food studies ）模型与遥感同化相结合的方法对铁岭县玉米进行估产研究。
通过采用扩展傅里叶幅度敏感性检验算法（extened Fourier amplitude sensitivity test ，EFAST ）敏感性分析方法实现玉米估产敏感性参数的分析，以及本地化；通过采用参数自动率定程序PEST （parameter estimation ）实现参数的优化，验证结果为采样点产量的平均误差为852.39kg·hm -2，模型模拟的精度达到92.82%。
SWAT模型参数率定和验证
?河道可侵蚀性因子 CH_EROD (.rte) 。 ?河道植被覆盖因子 CH_COV(.rte) 。
泥沙校核
? 调整 HRU/ 子流域负荷：
?调整USLE 方程中的作物管理因子USLE_P （.sub 文件 中)
?调整USLE 方程中的坡长因子SLSUBBSN （.sub 文件中 )
?调整HRU 的坡度（.sub 文件中) ?调整土地利用作物因子USLE_C （ crop.dat 文件中) ?调整耕作措施（*.mgt 文件中 ）、作物残留系数
?调整P渗透系数PPERCO (.bsn) ?调整土壤 P比例系数 PHOSKD（ .bsn）
?河道内可溶性P运移过程校核
?调整藻类生物量比率 AI2（.wwq）
水质校核
?有机P校核 ?子流域内有机P校核
?调整土壤中营养物的初始浓度 SOL_ORGP （ .sol）
?确定并调整土壤表层的施肥率 FRT_LY1 （ .mgt）
模型率定
?分布真实式世界水质模型误观测差-模源型
误差
模型率定
?参数自动率定结果的优劣指标
?Nash-Suttcliffe 效率系数 ?相关系数 ?相对误差 ?模拟和实测数据的平均误差和标准差 ?斜率、截距、回归系数等
?比较目标：
利用界面进行参数率定
水量校核
?检查水量平衡
?sub.dbf文件中的PET、ET、SNOMELT 、SW、 GWQ、SURQ、WLYD 、 rch.dbf 文件中的 FLOW_IN、FLOW_OUT
RSDCO 和作物混合有效系数BIOMIX （. bsn） ?调整N渗透系数NPERCO (.bsn)
?河道内矿物性N运移过程校核
?调整藻类生物量比率AI1（.wwq）
泥沙校核
? 调整 HRU/ 子流域负荷：
?调整USLE 方程中的作物管理因子USLE_P （.sub 文件 中)
?调整USLE 方程中的坡长因子SLSUBBSN （.sub 文件中 )
?调整HRU 的坡度（.sub 文件中) ?调整土地利用作物因子USLE_C （ crop.dat 文件中) ?调整耕作措施（*.mgt 文件中 ）、作物残留系数
?调整P渗透系数PPERCO (.bsn) ?调整土壤 P比例系数 PHOSKD（ .bsn）
?河道内可溶性P运移过程校核
?调整藻类生物量比率 AI2（.wwq）
水质校核
?有机P校核 ?子流域内有机P校核
?调整土壤中营养物的初始浓度 SOL_ORGP （ .sol）
?确定并调整土壤表层的施肥率 FRT_LY1 （ .mgt）
模型率定
?分布真实式世界水质模型误观测差-模源型
误差
模型率定
?参数自动率定结果的优劣指标
?Nash-Suttcliffe 效率系数 ?相关系数 ?相对误差 ?模拟和实测数据的平均误差和标准差 ?斜率、截距、回归系数等
?比较目标：
利用界面进行参数率定
水量校核
?检查水量平衡
?sub.dbf文件中的PET、ET、SNOMELT 、SW、 GWQ、SURQ、WLYD 、 rch.dbf 文件中的 FLOW_IN、FLOW_OUT
RSDCO 和作物混合有效系数BIOMIX （. bsn） ?调整N渗透系数NPERCO (.bsn)
?河道内矿物性N运移过程校核
?调整藻类生物量比率AI1（.wwq）
SCE标定结合EnKF同化遥感和WOFOST模型模拟冬小麦时序LAI
第 35 卷 第 14 期 166 2019 年 7 月
农业工程学报 Transactions of the Chinese Society of Agriculห้องสมุดไป่ตู้ural Engineering
Vol.35 No.14 Jul. 2019
SCE 标定结合 EnKF 同化遥感和 WOFOST 模型模拟 冬小麦时序 LAI
法：首先在区域尺度上对 WOFOST 模型进行优化标定，利用扩展傅里叶幅度灵敏度检验法（extend fourier amplitude sensitivity
test, EFAST）分析模型各个参数的敏感性，在此基础上选择了可以迅速找到全局最优解的 SCE（shuffled complex evolution）
许 伟，秦其明※，张添源，龙泽昊
（北京大学遥感与地理信息系统研究所，北京 100871）
摘 要：WOFOST（world food studies）模型可用于模拟冬小麦全生育期内的时序叶面积指数（leaf area index, LAI），各器
官生物量以及最终产量，对冬小麦的长势监测与产量预估有着重要意义。但将 WOFOST 模型用于中国具体区域的冬小麦生
优化标定后的 WOFOST 模型模拟所得 LAI 曲线更接近所给的 LAI 真值，在此基础上结合数据同化模拟得出的衡水地区每 个像元 LAI 的 R2 达到 0.87，RMSE 仅为 0.62。因此，与原来只能通过经验进行定标的方法相比，该方法有效地解决了 WOFOST 模型在具体应用中亟待解决的复杂标定问题，并且结合同化修正有效地提高了模型在各个像元的模拟精度，R2 由 0.70～0.83
0 引 言
小麦作为中国三大粮食作物之一，在农业生产中有 着不可替代的地位，而叶面积指数（leaf area index，LAI） 作为小麦生长过程中的一个重要参数，体现了小麦光合、 呼吸和蒸腾作用等生物物理过程的能力，与小麦的生长 动态以及生态系统生产力密切相关[1-2]。因此准确高效地 获取小麦 LAI 及其动态变化信息对小麦的长势监测与产 量预估具有重要意义[3]。
农业工程学报 Transactions of the Chinese Society of Agriculห้องสมุดไป่ตู้ural Engineering
Vol.35 No.14 Jul. 2019
SCE 标定结合 EnKF 同化遥感和 WOFOST 模型模拟 冬小麦时序 LAI
法：首先在区域尺度上对 WOFOST 模型进行优化标定，利用扩展傅里叶幅度灵敏度检验法（extend fourier amplitude sensitivity
test, EFAST）分析模型各个参数的敏感性，在此基础上选择了可以迅速找到全局最优解的 SCE（shuffled complex evolution）
许 伟，秦其明※，张添源，龙泽昊
（北京大学遥感与地理信息系统研究所，北京 100871）
摘 要：WOFOST（world food studies）模型可用于模拟冬小麦全生育期内的时序叶面积指数（leaf area index, LAI），各器
官生物量以及最终产量，对冬小麦的长势监测与产量预估有着重要意义。但将 WOFOST 模型用于中国具体区域的冬小麦生
优化标定后的 WOFOST 模型模拟所得 LAI 曲线更接近所给的 LAI 真值，在此基础上结合数据同化模拟得出的衡水地区每 个像元 LAI 的 R2 达到 0.87，RMSE 仅为 0.62。因此，与原来只能通过经验进行定标的方法相比，该方法有效地解决了 WOFOST 模型在具体应用中亟待解决的复杂标定问题，并且结合同化修正有效地提高了模型在各个像元的模拟精度，R2 由 0.70～0.83
0 引 言
小麦作为中国三大粮食作物之一，在农业生产中有 着不可替代的地位，而叶面积指数（leaf area index，LAI） 作为小麦生长过程中的一个重要参数，体现了小麦光合、 呼吸和蒸腾作用等生物物理过程的能力，与小麦的生长 动态以及生态系统生产力密切相关[1-2]。因此准确高效地 获取小麦 LAI 及其动态变化信息对小麦的长势监测与产 量预估具有重要意义[3]。
土壤湿度驱动WOFOST模型及其适应性
ＷＡ ＮＧ Ｒｕ ｉ ， Ｌ Ｉ Ｙａ － ｆ ｅ ｉ ， Ｚ Ｈ ＡＮＧ Ｌ ｉ － ｊ ｕ ａ ｎ ， ＷＡ ＮＧ Ｊ ｉ ａ ｎ － ｌ ｉ ｎ ， ＷＡ ＮＧ Ｚ ｈ ｉ － ｗ ｅ ｉ
（ １ ． Ｋ ｅ ｙ Ｌ ａ ｂ ｏ ｒ ａ ｔ ｏ ｒ ｙ ｏ ｆ Ｒ ｅ ｍ ｏ ｔ ｅ Ｓ ｅ ｎ ｓ ｉ ｎ ｇ Ｍ ｏ ｎ ｉ ｔ ｏ ｒ ｉ ｎ ｇ ｏ ｆ Ｇ ｅ ｏ ｇ ｒ ａ ｐ ｈ ｉ ｃ Ｅ ｎ ｖ ｉ ｒ ｏ ｎ ｍ ｅ ｎ ｔ ， Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｈ ｅ ｉ ｌ ｏ ｎ ｇ ｊ ｉ ａ ｎ ｇ Ｐ ｏｖ ｒ ｉ ｎ ｃ ｅ ／ Ｈ ａ ｒ ｂ ｉ ｎ Ｎ ｏ ｒ ｍａ ｌ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，
201454declarationrealosmtb100定义土壤相对湿度数组奇数位下标为发育期偶数位下标为与之对应的湿度realosmtb1100定义土壤体积含水量数组用于存储土壤相对湿度数组的计算结果realtjcsl定义田间持水量变量realrz定义容重变量realkarl定义田间持水量与容重乘积的存储变量integerintegerilos循环变量声明callrdsreatjcsltjcsl从驱动文件中读取田间持水量callrdsrearzrz从输入文件中读取容重运行模型前要在驱动文件中添加新增的参数osmtb1osmtbkarltjcslrz将田间持水量和容重乘积存入变量do2ilos2osmtb1karl土壤相对湿度乘以karl变量得到各个发育期的土壤含水量enddosmosmtb1ilosrealiday调用线性插值函数导入土壤含水量数组参数得到土壤体积含水量逐日值土壤湿度驱动wofsot模型的验证对照处理分别按两种方式建立驱动文件一是按wofost模型原始驱动文件即建立土壤作物气候驱动文件气候文件中降水量要素保持不变仍然采用日降水量
（ １ ． Ｋ ｅ ｙ Ｌ ａ ｂ ｏ ｒ ａ ｔ ｏ ｒ ｙ ｏ ｆ Ｒ ｅ ｍ ｏ ｔ ｅ Ｓ ｅ ｎ ｓ ｉ ｎ ｇ Ｍ ｏ ｎ ｉ ｔ ｏ ｒ ｉ ｎ ｇ ｏ ｆ Ｇ ｅ ｏ ｇ ｒ ａ ｐ ｈ ｉ ｃ Ｅ ｎ ｖ ｉ ｒ ｏ ｎ ｍ ｅ ｎ ｔ ， Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｈ ｅ ｉ ｌ ｏ ｎ ｇ ｊ ｉ ａ ｎ ｇ Ｐ ｏｖ ｒ ｉ ｎ ｃ ｅ ／ Ｈ ａ ｒ ｂ ｉ ｎ Ｎ ｏ ｒ ｍａ ｌ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，
201454declarationrealosmtb100定义土壤相对湿度数组奇数位下标为发育期偶数位下标为与之对应的湿度realosmtb1100定义土壤体积含水量数组用于存储土壤相对湿度数组的计算结果realtjcsl定义田间持水量变量realrz定义容重变量realkarl定义田间持水量与容重乘积的存储变量integerintegerilos循环变量声明callrdsreatjcsltjcsl从驱动文件中读取田间持水量callrdsrearzrz从输入文件中读取容重运行模型前要在驱动文件中添加新增的参数osmtb1osmtbkarltjcslrz将田间持水量和容重乘积存入变量do2ilos2osmtb1karl土壤相对湿度乘以karl变量得到各个发育期的土壤含水量enddosmosmtb1ilosrealiday调用线性插值函数导入土壤含水量数组参数得到土壤体积含水量逐日值土壤湿度驱动wofsot模型的验证对照处理分别按两种方式建立驱动文件一是按wofost模型原始驱动文件即建立土壤作物气候驱动文件气候文件中降水量要素保持不变仍然采用日降水量
SHAW模型的率定
气象资料：气温、风速、相对湿度、降雨和总辐射等；
地理位置：经度、纬度、高程和坡度等；
植被数据：叶面积、植物高度和叶孔阻力等；
凋落物数据：凋落物厚度、反射率和凋落物覆盖度等；
土壤数据：土壤各层初始温度、含水量、土壤容重、饱和导水率和反射率等。
为评价模型的模拟效果，分别用模拟效率（Model efficiecency，ME），标准差（Root Mean Square Error，RMSE），平均偏差（Mean Bisa Error，MBE）和相对平均绝对误差（Relatively Mean Absolutely Error，RMAE）来评价模型估计的精度。
式中Mi和Ei分别为第i次测定值与模型模拟值，N是观测次数。
模型效率越接近1，标准差越低，模型模拟效果越好；平均偏差和相对绝对误差越小，表示模拟值与观测值越接近。
2种水稻生长模型比较
2种水稻生长模型比较浩宇【摘要】[目的]比较ORYZA2000和WOFOST 2种模型对江西省水稻生长的模拟效果.[方法]利用江西省当地田间试验观测数据,收集水稻的关键参数,同时结合同期逐日气象数据等资料分别对ORYZA2000和WOFOST 2种模型进行比较.采用适应性评价对水稻多个生理指标进行评价与验证.[结果] 以统一化均方根误差(NRMSE)来衡量作物模型的模拟结果,ORYZA2000模型模拟结果显示水稻各生物量的NRMSE值小于25%,而WOFOST模型对叶面积指数及穗生物量模拟偏差较大,分别为46%和55%.[结论] ORYZA200在穗生物量和叶面积指数的模拟中比WOFOST模型模拟效果较好.%[Objective]To compare simulation effect of two kinds of rice growth model in Jiangxi Province.[Method] By the local field experimental observation data and meteorological data at the same period,the ORYZA2000 and WOFOST model parameters were compared.The growth period,the leaf area index and the biomass index were verified and evaluated.[Result]Measuring simulation effat of crop model with NRMSE,the biomass NRMSE value were less than 25% from ORYZA2000 model,and the NRMSE value of LAI and dry weight was 46% and 55% from WOFOST,which the deflection was larger.[Conclusion] Simulation effect of ORYZA2000 in spike biomass and leaf area index is better than that of WOFOST model.【期刊名称】《安徽农业科学》【年(卷),期】2017(045)011【总页数】5页(P19-22,26)【关键词】作物模型;田间数据;调试参数;适应性评价【作者】浩宇【作者单位】陕西省气象服务中心,陕西西安 710014【正文语种】中文【中图分类】S511作物生长模型作为新兴农业研究领域的重要工具，不仅能帮助人类加强对于农业生产系统的认知水平，还能比较不同试验点结果的差异性[1-4]。
常见水文模型参数率定
MP： 子河段数可以根据河道平均汇流时间与计算时段长初估； 通常取整数位。
3/8/2011
三、常用洪水预报模型
降雨径流相关图法
P—Pa—R关系曲线
Pa：
前期雨量计算，也称前期影
响雨量，是反映土壤湿度的参
数。
通常从主汛期开始计算。
P：
把时段雨量序列变成累积雨
量序列。
R：
由累积净雨转化成时段净雨
3/8/2011
二、模型参数的性质与约值
三水源蓄满产流模型参数
K： 蒸发皿实测的蒸发量乘上K就是流域蒸散发能力。 K的取值控制总的水量平衡，是非常重要的参数。 K的参数率定通常将目标函数固定为多年水量平衡再计算而得。
3/8/2011
二、模型参数的性质与约值
三水源蓄满产流模型参数
B：
7 //P～R曲线条数N//
0 10 20 30 40 50 60 //每条P—R曲线对应的Pa值//
10 //每条P—R曲线的节点数M//
1
0
0
0
0
0
0
0
0
2
20
3.7
5
6.3
7.6
9
12
15
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
3/8/2011
10
300 205 215 225 235 245 255 265
常用洪水预报模型
三水源蓄满产流模型 三水源滞后演算模型 马斯京根河道分段连 X 续演算模型
MP
3/8/2011
一、常用洪水模型概述
三水源蓄满产流模型参数
WM（WUM、WLM、WDM）：流域平均蓄水容量,反映干旱程度的指标。
3/8/2011
三、常用洪水预报模型
降雨径流相关图法
P—Pa—R关系曲线
Pa：
前期雨量计算，也称前期影
响雨量，是反映土壤湿度的参
数。
通常从主汛期开始计算。
P：
把时段雨量序列变成累积雨
量序列。
R：
由累积净雨转化成时段净雨
3/8/2011
二、模型参数的性质与约值
三水源蓄满产流模型参数
K： 蒸发皿实测的蒸发量乘上K就是流域蒸散发能力。 K的取值控制总的水量平衡，是非常重要的参数。 K的参数率定通常将目标函数固定为多年水量平衡再计算而得。
3/8/2011
二、模型参数的性质与约值
三水源蓄满产流模型参数
B：
7 //P～R曲线条数N//
0 10 20 30 40 50 60 //每条P—R曲线对应的Pa值//
10 //每条P—R曲线的节点数M//
1
0
0
0
0
0
0
0
0
2
20
3.7
5
6.3
7.6
9
12
15
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
3/8/2011
10
300 205 215 225 235 245 255 265
常用洪水预报模型
三水源蓄满产流模型 三水源滞后演算模型 马斯京根河道分段连 X 续演算模型
MP
3/8/2011
一、常用洪水模型概述
三水源蓄满产流模型参数
WM（WUM、WLM、WDM）：流域平均蓄水容量,反映干旱程度的指标。
SWAT模型参数率定和验证
模型率定
?分布真实式世界水质模型误观测差-模源型
误差
模型率定
?参数自动率定结果的优劣指标
?Nash-Suttcliffe 效率系数 ?相关系数 ?相对误差 ?模拟和实测数据的平均误差和标准差 ?斜率、截距、回归系数等
?比较目标：
利用界面进行参数率定
水量校核
?检查水量平衡
?sub.dbf文件中的PET、ET、SNOMELT 、SW、 GWQ、SURQ、WLYD 、 rch.dbf 文件中的 FLOW_IN、FLOW_OUT
参数敏感性分析
?对于径流：CN2、sol_awc、ESCO最敏感
?对于泥沙：CN2、SPCON、BIOMIX最敏感
?对于氮磷等污染物： CN2、 ESCO、Alpha_Bf 、surlag等参数比较敏感
Out 1 Out 2
6 11
3
5
1
1
2
4
16 6
4
9
17 3
Out 3 3 6 2 5 7 10 4
的被抽到的概率为1/N，参数随机组合，模型运行 N次 ?模型结果利用多参数线性回归或相关分析方法分析 ?不足：多元回归 分析的前提假设为线性变化，可能导
致偏差 ?输出结果的变化并 不总能明确地归因于某一特定输入
参数值的变化
参数敏感性分析
?One-factor-At-a-Time sampling
?运行一次只改变一个参数 ?某一特定输入参数值的变化引起的输出结果 的
?河道可侵蚀性因子 CH_EROD (.rte) 。 ?河道植被覆盖因子 CH_COV(.rte) 。
泥沙校核
? 调整 HRU/ 子流域负荷：
?调整USLE 方程中的作物管理因子USLE_P （.sub 文件 中)
WOFOST作物模型对青铜峡灌区夏玉米生长模拟的适用性评估
文章编号:1006—2610(2023)04—0015—08WOFOST 作物模型对青铜峡灌区夏玉米生长模拟的适用性评估许德浩1,冯克鹏1,2,3,庄淏然1(1.宁夏大学土木与水利工程学院,银川 750021;2.旱区现代农业水资源高效利用教育部工程研究中心,银川 750021;3.宁夏节水灌溉与水资源调控工程技术研究中心,银川 750021)摘 要:为评价WOFOST 夏玉米模型在青铜峡灌区的适用性,使用EFAST 全局敏感性分析方法,对WOFOST 模型作物参数进行敏感性分析,结合2022年气象数据和土壤数据对夏玉米作物参数进行本地化。
利用田间观测数据,对叶面积指数、生物量等指标进行模拟和验证。
结果表明:在敏感性方面,对于夏玉米最大叶面积指数和干物质重量影响较大的参数有SLATB0、SLATB078、KDIFTB0、EFFTB40、CVS、CVO;模型对叶面积指数、各生物量模拟的皮尔逊相关系数P CC 均大于0.95,归一化均方根误差NRMSE 均小于20%,均方根误差RMSE、残差聚集指数CRM 均处于合理区间,模型模拟精度较高。
本地化后的WOFOST 模型能够较好地模拟青铜峡灌区玉米的生理过程,可为当地农业管理提供帮助。
关键词:WOFOST 模型;夏玉米;敏感性分析;参数本地化;验证评价中图分类号:S36 文献标志码:A DOI :10.3969/j.issn.1006-2610.2023.04.003Applicability Evaluation of WOFOST Crop Model for Summer MaizeGrowth Simulation in Qingtongxia irrigation areaXU Dehao 1,FENG Kepeng 1,2,3,ZHUANG Haoran 1(1.School of Civil and Hydraulic Engineering ,Ningxia University ,Yinchuan 750021,China ;2.Engineering Research Centerfor Efficient Utilization of Water Resources in Modern Agriculture in Arid Areas ,Ministry of Education ,Yinchuan 750021,China ;3.Engineering Technology Research Center for Water-saving Irrigation and Water Resources Regulation in Ningxia ,Yinchuan 750021,China )Abstract :In order to evaluate the applicability of WOFOST summer maize model in Qingtongxia irrigation area ,EFAST global sensitivity analysis method is used to conduct sensitivity analysis on crop parameters of WOFOST model ,and the summer maize crop parameters are localized in combination with meteorological data and soil data in ing the field observation data ,the leaf area index ,AGB and other indicators are simulated and verified.The results show that :in terms of sensitivity ,the parameters that have a greater impact on the maximum leaf area index and dry matter weight of summer maize are :SLATB0,SLATB078,KDIFTB0,EFFTB40,CVS ,and CVO ;The Pearson's correlation coefficient P CC simulated by the model on leaf area index and AGB is greater than 0.95,the normalized root mean square error NRMSE is less than 20%,the root mean square error RMSE and the residual aggregation index CRM are all within a reason⁃able range ,and the simulation accuracy of the model is high.The localized WOFOST model can well simulate the physiological process of maize in the Qingtongxia irrigation area and provide assistance for local agricultural management.Key words :WOFOST model ;summer maize ;sensitivity analysis ;parameter localization ;validation evaluation 收稿日期:2023-05-09 作者简介:许德浩(1997-),男,甘肃省武威市人,硕士研究生,主要从事农田蒸散发估算研究. 通信作者:冯克鹏(1979-),男,宁夏平罗县人,博士,副教授,博士生导师,主要从事水文遥感与农业遥感方法、气候变化与水文响应研究. 基金项目:国家重点研发计划(2021YFD1900600);宁夏自然科学基金重点项目(2021AAC02007,2022AAC02007);宁夏高等学校科研项目(优青NGY2020006);宁夏高等学校一流学科建设项目(NXYLXK2021A03).水资源 西北水电·2023年·第4期 0 前 言玉米是中国重要的粮食作物,自2012年产量首次超过稻谷后,已成为我国第一大粮食作物。
- 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)。
WOFOST计算LAI的公式及率定的选择
1.什么是LAI，如何测量？
WOFOST手册中给出的LAI翻译为：
LAI-----leaf area index (leaf area)/(soil area) (ha ha-1) ，即单位土地面积上叶片的总面积。
《陆地生态系统生物观测规范》（中国生态系统研究网络科学委员会编2007）中可以查得以下关于叶面积指数定义及测定方法的信息：
a.叶面积指数定义
叶面积指数是指一定地面积（投影面积）上所有植物叶面积之和与地面积的比值。
是用来估测植物群体生产力的一个必不可少的参数。
b.叶面积指数的测定方法
测定叶面积的方法有直接测定法和间接测定法。
直接测定法可用叶面积仪测定；
间接测定法包括计算纸（方格纸）法、纸重法、称干重法、求积仪法、长宽系数法、拓印法等。
其中，叶面积仪法方便准确，长宽系数法和称重法由于不需要特殊的仪器，经常使用。
长宽系数测定法适用于大中型叶片，整株植物叶片大小相对均匀，且叶片比较规整的植物，但是需要知道特定品种作物的校正系数。
称重法选择标准植株10—20株，刈割后，确定所有叶片的干重，结合实测的比叶面积（单位叶片重量的面积），计算标准植株总叶面积，然后换算成群落的叶面积指数。
2.SWAP-WOFOST计算LAI的公式及其前提假设
a.净增长阶段
在计算叶面积指数时模型需要输入的相关参数如下：
1.出苗时叶面积指数（LAIEM）；
2.叶面积指数最大相对增长速率（RGRLAI）；
3.比叶面积（SLA）；
4.茎和储存器官的绿色面积指数（SPA、SSA）
在叶片生长的初始阶段叶片外形和最终叶片大小受温度的限制，主要受到细胞分裂和延展的影响而非同化物的供应。
较高的温度会加快生长发育，导致生长期缩短，对于相对较宽的温度范围，生长速率或多或少与温度呈线性反应（Hunt et al，1985; Causton and Venus，1981; Van Dobben，1962），因此，WOFOST使用温度和来描述温度对初始生长阶段的影响。
在这个所谓的指数生长阶段，叶面积指数的增长速度w LAI（ha ha-1 d-1）计算公式如下：
是叶面积指数最大相对增长速率（℃-1 d-1），有效温度T eff 其中的w LAI
，max
根据日平均气温计算，各作物及地区的取值不同，需要用户指定其与日平均气温的关系。
WOFOST假设叶面积指数的指数阶段增长速率将持续到等于受同化物供应限制下的叶面积指数增长速率，在此之后叶面积增长速率又进入了第二阶段
（源限制生长阶段），此时wLAI计算公式如下：
其中S la是比叶面积，w net,leaf是叶片干物质的量。
除叶片外，茎和储存器官的绿色部分也可能吸收大量的辐射。
因此，在计算叶面积指数时会在叶片基础上加上所谓的绿色部分的面积指数。
茎和储存器官的绿色面积指数由器官的干物质重量计算：
S ga,i是茎或储存器官的比绿色面积（ha kg-1），应由用户输入。
b.衰老阶段
模型计算时储存器官的死亡率假定为零。
茎和根的死亡率是作物特性，定义为不再参与植物过程的生物量的常量，即用户规定的发育阶段的函数。
叶片的死亡率比较复杂。
叶片由于水分胁迫，遮光（LAI值高的时候）等原因而发生衰老，也有寿命衰老的原因。
水分胁迫引起的叶片潜在死亡率（kg ha-1 d-1）的计算公式如下：
W leaf是叶片干物质重量（kg ha-1），Ta和Tp分别是实际和潜在的蒸腾速率（cm d-1），ζleaf
是水分胁迫下叶片的最大相对死亡率（kg kg-1d-1），这个
，p
值根据不同作物取值不同，应该由用户指定。
由上述衰老阶段水分胁迫下的叶面积指数计算可以看到叶面积相对死亡速率与水分胁迫有关：Ta/Tp越小，水分胁迫程度越大，叶片死亡速率越大，特定生育期叶面积指数越小。
也就是说，叶面积指数受灌溉影响，灌溉量越小，叶面积指数越小，并且会进一步影响到计算E p和T p，叶面积指数减小，E p增加，T p减少。
（kg ha-1 d-1），其从由于叶片自己的阴影遮光引起的潜在死亡率ζleaf
，shade
临界叶面积指数LAIc（- ）0线性增加到最大值2LAI，计算如下：
其中LAIc = 3.2 /κdf。
ζleaf
和LAI c的典型值分别为0.03 d-1和4 m2m-2
，p
（Spitters等，1989）。
WOFOST使用ζleaf，water和ζleaf,shade的最高值的组合来反映水分胁迫和叶片间相互遮光对于叶面积指数的影响。
即便没有水分胁迫或相互遮光而造成的过早死亡，叶片也会不可避免地因为叶子的寿命超标而死亡。
寿命定义为叶片在35°C的恒定温度下可以生活的最大时间。
每天计算生理衰老因子（f）age（- ）：
T b，age为生理衰老的最低阈值（°C），这是作物特性，应由用户提供。
生理衰老因子随时间的累积产生生理年龄，P age（d）计算如下：
为了校正叶片衰老，每天的特定叶面积Sla j（ha kg-1）、每天叶片干物质重量w leaf和叶片生理年龄P age存储在3个相应的矩阵。
数组的第一个元素表示最近一天，数组的最后一个元素代表最早的一天。
由于水分胁迫或相互阴影遮光而在一天内死亡的叶子的重量从最老的叶片
的重量中减去。
当衰老大于最老叶片中的可用量时，剩下的衰老从下一个最老
的叶片中减去以此类推，直到衰老量完全消失或者叶子的剩余量变为零。
叶片
可以最大限度地达到作物生命周期界定的年龄。
综上，在叶片净增长阶段，影响叶面积指数的主要是温度，在叶片衰老阶段，影响叶面积指数的主要是水分。
我们的情景模拟主要是改变了灌溉量，因此在不同灌溉制度的情景模式下应该各率定一套参数更能反映不同情境下水稻的生长状况，或者说常规灌溉率定、节水灌溉验证，如果这样效果不错就说明能反应真实的水稻作物生长。
3.参数率定时的选择依据
1.用WOFOST模拟作物生长时为什么率定的时候要对LAI、生物量、产量？
SWAP模型输出文件主要包括.bal文件、.blc文件、.inc文件、.crp文件、.irg 文件、.wba文件、.sba文件、.str文件、.vap文件，其中和作物生长有关的.crp 文件输出的信息包括生育时期、叶面积指数、株高、根长、累积相对蒸腾、累积相对产量、潜在干物质重量、实际干物质重量、潜在产量、实际产量。
以上各项均可以作为率定的目标函数来判断作物参数的设定是否能够仿真，但在实际的数据收集及输入时：
●收集到的实测株高动态数据及生育期日期已经在模型中作为输入，因此
不以此为目标函数进行率定（若计算时选择输入的是作物系数，其实株
高也可以作为目标函数进行参数的率定）。
●一般叶面积指数、根长、实际干物质重量、实际产量能够收集到田间实
测数据，即可以分布以这4项作为目标函数进行作物参数的率定（建三
江能够收集到的主要是水稻叶面积指数、地上部干物质重量及实际产
量）。
此外，接近实际的叶面积指数不仅可以良好的反应作物生长状况，SW AP模型在计算E p、T p、降雨截留等参数时也会计算的更准确。
而作物文件各输入参数中与LAI相关的是初始叶面积指数（LAIEM）和叶面积指数最大相对增长速率（RGRLAI），率定时根据试验站点实测的叶面积指数对这两个参数进行调整。