2个作物模型
- 格式:doc
- 大小:486.48 KB
- 文档页数:21
2种水稻生长模型比较
浩宇
【期刊名称】《安徽农业科学》
【年(卷),期】2017(045)011
【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.
【总页数】5页(P19-22,26)
【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
【相关文献】
1.基于水稻生长模型的水稻虫害决策调控模型 [J], 葛道阔;曹宏鑫;杨余旺;刘岩
2.基于有效积温的中国水稻生长模型的构建 [J], 苏李君; 刘云鹤; 王全九
3.基于作物生长模型的水稻产量与供水关系 [J], 张星粟; 贺华翔; 马真臻; 尹明万
4.无人机航拍在建立水稻生长模型中的应用 [J], 段小斌
5.利用作物生长模型和时序信号甄别水稻镉胁迫 [J], 孔丽;刘美玲;刘湘南;邹信裕因版权原因,仅展示原文概要,查看原文内容请购买。
作物生长模型探究进展随着全球人口的不息增长以及气候变化的加剧,如何实现粮食的可持续产出成为了摆在我们面前的一项巨大挑战。
作物生长模型的探究和应用成为了解决这一挑战的重要手段之一。
本文将对作物生长模型的探究进展进行探讨。
一、作物生长模型的基本观点和应用领域作物生长模型是指对作物生长和发育过程中各种环境因素和生理过程进行描述和猜测的数学模型。
它可以通过模拟和猜测作物的生长和产量,援助农夫和决策者进行决策和管理。
作物生长模型广泛应用于农业生产管理、气候变化探究、农作物品种选育以及作物生产系统优化等领域。
二、作物生长模型的探究方法与技术1. 数学统计模型数学统计模型主要利用统计学方法对作物生长过程中的生理特征和环境因素进行数学描述和分析。
常见的统计模型包括线性回归模型、非线性回归模型、时间序列模型等。
这些模型可以通过统计学方法对大量的试验数据进行拟合和优化,从而得到对作物生长的描述和猜测。
2. 生理生态模型生理生态模型是通过对作物的生理特性和生态环境进行定量描述和建模,来模拟和猜测作物生长和产量的变化。
这种模型一般基于作物生理生态过程,包括光合作用、呼吸作用、水分吸纳和转运以及养分吸纳等。
生理生态模型常用于探究作物对环境因素的响应,如光照、温度、湿度等。
3. 作物生长模拟系统作物生长模拟系统是一种综合应用各种数学模型和技术手段,对作物生长和发育进行全面模拟和猜测的系统。
这种系统通常包括计算机模型、决策支持系统、数据库等。
作物生长模拟系统能够对作物在不同环境条件下的生长和产量进行动态模拟,为农夫和决策者提供科学依据。
三、作物生长模型的探究进展与应用案例1. 农业生产管理作物生长模型能够通过对降雨量、温度、光照等环境因素的猜测,援助农夫合理打算种植时间和施肥量,优化农作物生产管理。
例如,利用作物生长模型可以依据气象预报确定合适的浇灌时间和水量,从而提高作物的产量和品质。
2. 气候变化探究作物生长模型可用于探究气候变化对农作物生产的影响及适应策略。
rzwqm2模型模拟作物生长的公式
rzwqm2模型是一种基于农田生态系统的数学模型,可以用来模拟作物生长的过程。
其公式包括以下几个方面:
1. 光合作用的公式:P = αI - βP - γ
其中,P表示净光合速率,α表示最大净光合速率,I表示光强度,β表示光抑制系数,P表示呼吸作用引起的净光合速率下降量。
2. 水分平衡的公式:ES = ESmax * f1 * f2 - ET - IR - DP
其中,ES表示土壤水势,ESmax表示最大土壤水势,f1和f2分别表示根系分布和根长密度对土壤水分吸收的影响,ET表示植物蒸腾作用的水分消耗量,IR表示灌溉补给量,DP表示降水量。
3. 养分供应的公式:NR = Nmin * f3 * f4
其中,NR表示有效养分供应量,Nmin表示最小有效养分供应量,f3和f4分别表示土壤养分利用率和肥料施用率对养分供应的影响。
4. 生长速率的公式:dW/dt = k1 * P * NR - k2 * W
其中,dW/dt表示作物重量的增长速率,k1和k2分别表示光合作用和呼吸作用对生长速率的影响。
以上是rzwqm2模型模拟作物生长的公式,通过这些公式可以对作物的生长发展过程进行较为准确的模拟和预测。
- 1 -。
数学与农业科学农作物种植模型在农业科学领域,种植模型通过运用数学方法和模拟技术,帮助农业从业者更好地了解和管理农作物的生长和发展。
这些模型基于一系列数学方程和统计数据,可以预测和优化农田生产,并提供有关作物种植的决策依据。
1. 背景介绍农业是人类生存和发展的基础,而农作物的种植是农业生产的核心环节。
然而,在农业生产中,种植决策面临着许多挑战,如何最大化产量、减少病虫害的发生、合理利用资源等等。
数学在农业科学中的应用使得农民和研究人员能够更好地理解和管理农作物的生长过程,提高农业生产效率。
2. 农作物生长模型农作物生长模型是数学与农业科学交叉应用的重要领域之一。
它通过化学反应、物理规律和生物学过程等方面的数学建模,研究农作物从播种到收获的全过程。
农作物生长模型包括以下几个方面的内容: - 气象模型:气象因素对农作物的生长过程有着重要影响,例如温度、湿度、光照等。
数学模型可以将气象因素与农作物的生长关联起来,帮助农民根据气象条件调整种植策略。
- 生理模型:农作物的生理过程如光合作用、呼吸作用和传导作用等对农作物的生长和发展起着重要的作用。
生理模型通过数学方法刻画农作物的生理过程,为农民提供科学依据。
- 生态模型:农作物的生长受到环境因素的影响,例如土壤质量、水资源等。
生态模型综合考虑环境因素,预测和优化农作物的生长状况。
3. 农作物种植决策支持系统农作物种植决策支持系统是将数学建模与农作物生长模型相结合,为农民提供最佳的种植决策。
这种系统通常通过采集实时的农田数据,并结合气象数据、土壤信息等,对农作物的生长状况进行监测和分析,预测未来的发展趋势,并给出相关建议。
农作物种植决策支持系统可以帮助农民合理安排种植时间和区域,根据农作物的需求提供最佳的养分和灌溉策略,以及针对病虫害的防治提供相应的措施。
4. 数学模型的应用案例数学模型在农业科学中有着广泛的应用。
以作物种植为例,数学模型可以通过对统计数据和实验数据的分析,预测不同种植策略下的产量和品质。
2种水稻生长模型比较作者:浩宇来源:《安徽农业科学》2017年第11期摘要[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。
关键词作物模型;田间数据;调试参数;适应性评价中图分类号S511文献标识码A文章编号0517-6611(2017)11-0019-04Abstract[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.Key wordsCrop model;Field data;Parameters calibration;Adaptability evaluation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]。
作物模拟模型的概念、类型、基本原理及其研究和应用进展作物生产系统是一个复杂的多因子系统,受气候、土壤、作物及栽培管理技术等因素的影响。
在综合考虑这些因子的相互作用,预测和分析作物生长趋势等方面,作物信息技术有着其它工具不可替代的优势。
而作物模拟模型则是作物信息技术中的一个重要组成部分。
它在快速决策农艺措施的效应等方面起着重要作用。
作物生长模拟系统是用系统的观点,把作物生产看成一个由作物、环境、技术、经济4个要素构成的整体系统,综合多种相关学科的理论和成就,通过建立数学模型来描述作物生长发育、器官建成和产量品质形成等与环境之间的数学关系,并在计算机上实现模拟作物生产全过程的一个软件系统。
作物生产管理决策系统是以作物模拟模型为中心,与知识工程和专家系统、决策支持系统等一起构成的用于作物生产管理和生产决策的大型软件系统,是作物模拟模型发展的最终目的,是其向综合性和应用性发展的表现。
一、模型的定义、类型及特征1、定义系统是一组相关成分的集合体。
系统模型是对系统成分及其相互关系的一种简化的数学表达。
作物模拟模型着重对作物生长发育过程及其与环境的关系进行定量描述和预测。
作物生长模型,其全称为作物生长模拟模型(CropGrowthSimulationModel ),简称为作物模型(CropModel),是指能定量地和动态地描述作物生长、发育和产量形成的过程及其对环境反应的计算机模拟程序。
它是对气候、土壤、作物和管理复杂系统的简化表达形式。
作物生长模型对作物生长和发育的基本生理生态机制和过程的模拟,又被称为机理模型( functionalmodel )或过程模型( processmodel )。
可在全球范围内用来帮助理解、预测和调控作物的生长发育及其对环境的反应。
2、类型作物模型按其不同的功能可分为经验模型与机理模型,描述模型与解释模型等。
其中前一类模型经验性的成分多一些,后一类模型则机理性的成分多一些。
按照模型所描述的作物种类,作物生长模型可分为单作物专用模型和多作物通用模型。
作物生长模型中国农业大学答辩一、作物生长模型作物生长模型是用数学方程描述作物、气候和土壤之间的作用过程,可以根据气象条件、土壤条件以及管理方案,动态定量的描述作物生长、发育、籽粒形成及产量。
作物生长模型最重要的意义是对整个作物生育系统的知识进行综合,并量化生理生态过程及其相互关系,即综合知识和量化关系。
作物模型是利用计算机强大的信息处理和计算功能,对不同生育过程进行系统分析和合成,相当于所研究系统的最新知识的积累和综合。
在这种知识合成的过程中,还能鉴定知识空缺,从而明确新的研究方向,同时,作物模拟研究在理解作物生理生态过程及其变量间关系的基础上,进行量化分析和数理模拟,从而促进了对作物生育规律由定性描述向定量分析的转化过程,深化了对作物生育过程的定量认识。
二、模型的分类生长模型按照分类方法的不同可分为经验模型和机理模型。
经验模型为只表达系统各成分间存在的关系而不能给出解释的模型。
模型主要是基于因果之间的经验性统计关系而建立,结构简单,侧重于模型的预测性和应用性。
机理性模型是一种不仅能表达系统各成分间存在的定量关系,而且能解释系统行为的模型。
是基于作物生长发育过程的生理生态机理而建立,强调模型的解释性和研究性。
功能模型是对系统结构和行为的数字描述,模拟过程和结果均采用抽象的数字表达。
包括前述两类(经验模型或描述性模型,解释性模型或机理性)模型。
结构模型是利用可视化和虚拟现实技术,模拟植物的拓扑结构和几何形态及其变化规律,模拟过程与结果采用真实生动的三维(3D)图象进行可视化表达。
三、模型的技术路线农业生长模拟——农业模拟与专家系统相结合——农业模拟、优化与决策相结合——农业模拟与3S相结合四、模型的作用1、应用于制定宏观农业决策作物模型小则可以模拟预测不同时间、不同强度的作物栽培管理和环境调控措施对作物生长发育作用的结果(如作物产量、品质、上市期),因而成为优化作物管理和环境调控的有力工具。
大则为国家或地区的农业规划,作物制度的选择,农业经济政策的选择做决策支持。
智能农业中的农作物生长模型与预测随着科技的不断发展,智能农业已经逐渐走进人们的生活。
它通过机器学习、人工智能等技术,为农业生产带来了颠覆性的变化。
其中,农作物生长模型与预测技术在智能农业中扮演了重要的角色。
一、农作物生长模型农作物生长模型是指将各种因素对农作物生长发育影响的过程,进行系统的描述和定量模拟的方法。
这一技术可以为农业生产提供精细化、智能化的服务,帮助农民更好地管理农作物生长状况,提高农作物产量和质量。
目前,较为常用的农作物生长模型有两种:基于物理机理的模型和基于统计学的模型。
基于物理机理的模型,是通过数学方程和数值方法,描述光、温、水、养分等各种环境影响下载物质代谢、能量转化和物质分配等农作物生长发育的机理和规律。
此类模型的优点是定量性强,研究深度高,可对影响根系分布等生长细节进行深入研究,更为精确地描述各种环境和生长因素的作用。
缺点是需要一定的物理、数学等专业基础,建模难度较大,维护和更新较为困难。
基于统计学的模型,是通过多项式、指数、对数等数学模型,对历史生长数据进行分析,以生长过程的历史特征、模型参数、预期产量等为重要参考,预测未来农作物的生长、发育和产量。
此类模型的优点是建模便捷,可迅速制定适宜的管理方案,缺点是缺乏对生长过程的深入理解,预测的准确性不如基于物理机理的模型。
二、农作物生长预测农作物生长预测,是指通过运用生长模型进行对未来生长发育和产量的预测。
通过农作物的生长预测,可以带来以下好处:一是提高农业生产效率和质量,提前做出种植、管理策略的调整,从而降低生产成本、提高农田利用率,同时进一步优化种植结构;二是提前预测减少了农作物的歉收风险,有助于保护粮食安全;三是预测结果也有助于农业政策做出、市场调节等方面的决策。
农作物生长预测技术的核心在于对产量的预测。
在预测中,需要考虑大气环境、作物生理特征、作物外部环境等不同因素的影响。
另外,人工灌溉、化肥施用、植物保护等措施也需要在预测中进行考虑。
作物生长模型的研究进展徐苏(塔里木大学信息工程学院,新疆阿拉尔843300)摘要作物模型是指通过数学方程把植物生长过程在计算机上表达出来,其可以帮助科学家概化和联系复杂的作物生长现象、理解耕作系统的过程、预测产量、预报气候变化对作物的影响,以及优化、利用、管理土地和水资源,是农业研究的强有力工具。
但在实际模拟应用中作物模型仍存在一些不足,如作物模型参数获取与校准难、受气候变化影响严重、模型结构和模型输入存在较大的不确定性等。
该文简要地对作物模型的发展历程进行了综述,总结了作物模型研究方面的不足,并对作物模型未来的发展方向进行了展望,为今后的模型研究和应用提供参考。
关键词作物模型;模型分类;单一模型;综合模型中图分类号S126文献标识码A文章编号1007-7731(2023)04-0026-07作物生长模拟模型(Crop Growth Simulation Model)简称作物模型。
最早定义作物模型的是Edwards D,其在Guide to Mathematical Modeling中提到,作物模型是用数学公式表达作物的生长过程[1];Sinclair TR 认为作物模型是利用计算机对作物动态模拟的一种技术,使其成为教学、研究、管理和政府决策应用中的重要工具[2];国内学者也从不同的角度对其下了定义,戚昌瀚认为作物模型是建立植物生长发育与环境间的动态关系,并通过计算机模拟对产量差异进行解释[3]。
不同学者对作物模型的定义尽管不尽相同,但其实质是一样的,即如何通过数学方程把植物生长的过程表达出来。
作物模型能很好地解释作物生长发育的动态过程,强调作物生理生态等功能的表达,为复杂的现象建立联系。
作物模型与环境科学、生态学、水利学、科学、植物科学等紧密联系,并对气候变化进行预测,根据气候变化的影响对作物产量进行预测,为农户生产决策提供依据,为作物生产提供有力保障,促进农业高产、优质、平稳的可持续发展。
作物模型的产生,使科研工作者对作物的研究不再受时间、地点的限制。
农作物生长模型的建立与应用研究随着农业科技的不断发展,农作物生长模型成为了农业生产中一个重要的工具。
通过建立和应用农作物生长模型,农民能够更好地了解和掌握农作物的生长规律,从而优化农事管理和提高产量。
本文将探讨农作物生长模型的建立方法和应用研究。
一、农作物生长模型的建立农作物生长模型是通过对农作物生长过程中的关键参数进行建模和仿真,来模拟和预测农作物在不同环境条件下的生长发育情况。
常见的农作物生长模型包括生理模型、统计模型和物理模型等。
1. 生理模型:生理模型是基于农作物的生长生理学原理进行建立的,考虑了农作物的生理过程和环境因素对生长发育的影响。
常用的生理模型有CERES模型、AquaCrop模型等。
2. 统计模型:统计模型是通过对大量的农作物实验数据进行统计分析,建立数学模型,从而预测农作物的生长发育情况。
常用的统计模型有线性回归模型、多元回归模型等。
3. 物理模型:物理模型是通过考虑农作物的生物物理过程和环境因素,建立物理方程,从而模拟农作物的生长情况。
常用的物理模型有传热传质模型、数值模拟模型等。
二、农作物生长模型的应用研究农作物生长模型在农业生产中具有广泛的应用价值。
下面将分别从农事管理、气候变化和农作物产量预测方面介绍其应用。
1. 农事管理:通过农作物生长模型,农民可以根据预测结果科学地制定农事管理措施。
比如,在播种期选择合适的品种和密度、科学施肥、合理灌溉等,都可以通过模型来预测农作物的生长情况,从而提高农作物的产量和质量。
2. 气候变化:随着全球气候变化的加剧,农业生产面临着更大的风险和挑战。
农作物生长模型可以帮助农业从业者预测不同气候条件下的作物生长情况,提前采取应对措施,减少气候变化对农作物产量的不利影响。
3. 农作物产量预测:农作物生长模型可以用于农作物产量的预测。
通过模型,结合实时的气象数据、土壤湿度等关键信息,可以准确地预测农作物的产量,并给出产量波动的可信度。
这对于农业生产计划、市场预测等都具有重要意义。
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]。
作物管理知识模型
作物管理知识模型是指在农业生产过程中,对作物的生长、发育和产量形成等方面的管理知识进行整合和归纳的模型。
作物管理知识模型包括以下几个方面的内容:
1. 作物生长发育阶段模型:包括种子发芽、幼苗期、生长期、抽穗期、开花期、结果期等不同阶段的作物生长模型,以指导相应阶段的管理措施。
2. 土壤养分管理模型:包括土壤养分供应、平衡、调控等方面的知识,以保证作物的养分需求和土壤养分供应的匹配,提高作物产量和品质。
3. 水分管理模型:包括土壤水分保持、灌溉管理、蒸散发、水分利用效率等方面的知识,以保证作物对水分的需求和水分供应的协调,提高作物的适应性和抗旱能力。
4. 病虫害管理模型:包括病虫害的预警、监测、防治等方面的知识,以保证作物健康生长和减少病虫害对作物产量和品质的影响。
5. 栽培技术管理模型:包括播种、施肥、灌溉、病虫害防治、采收等方面的知识,以保证作物栽培技术的正确操作和管理,提高作物产量和品质。
这些知识模型可以通过科学研究和实践总结得到,并应用于农
业生产实践中,以提高作物产量和品质,降低生产成本,保护生态环境。
WOFOST模型1 模型简介WOFOST是荷兰瓦赫宁根大学开发的众多模型之一,C.T de Wit教授对此做出了突出贡献。
相关的比较成熟的模型还有SUCROS模型、Arid Crop模型、Spring Wheat模型、MACROS和ORYZA1模型等等。
WOFOST起源于世界粮食研究中心(CWFS)组织的多学科综合的世界粮食潜在产量的研究项目。
在过去的十几年中,WOFOST模型取得了极大成功,它的各个版本及其派生模型应用在许多研究中。
WOFOST擅于分析产量的年际变化、产量和土壤条件的关系、不同品种的差异、种植制度对产量的影响、气候变化对产量的影响、区域生产力的限制因素等等。
模型已被用于产量预测、土地的定量评价,比如评价区域潜在生产力水平,评价通过灌溉和施肥可获得的最大经济收益,评价作物种植的不利因素。
有的人还将作物模型进行扩展,使之能够用于森林和牧草的模拟,还有的对源程序进行修改,用更详细的子程序代替原有的子程序,达到对某个方面进行更详细的模拟的目的。
在世界各国科学家的努力下,WOFOST模型自面世以来获得了极大的发展,模型从WOFOST 3.1发展到WOFOST 7.1,应用范围不断扩大,它的适应性及应用研究在世界范围内进行,反馈的结果反过来又促进了模型的发展。
值得一提的是WOFOST 6.0,它是个极为成功的作物生长模型,在1989-1994年间不断完善和发展。
它是为预报产量而发展起来的,用于预报欧共体各个国家、地区的作物产量。
它还被欧洲作物生长监测系统(CGMS)结合,是其中一个重要的子模块。
目前,WOFOST 6.0被应用于各种目的,如教学、验证、试验等等,成了一个广泛的应用平台。
WOFOST系列都采用类似的子模块,用光截获和CO2同化作为作物生长的驱动过程,用物候阶段控制作物的生长,仅在描述土壤水分平衡和作物氮的吸收上有些差异。
WOFOST(WOrld FOod Studies)是从SUCROS导出的最早面向应用的模型之一。
该模型由世界粮食研究中心开发,旨在探索增加发展中国家农业生产力的可能性。
SUCROS(Simple and Universal Crop growth Simula)是de Wit学派的第一个概要模型,它的时间步长为一天。
SUCROS在自然条件下具有通用性,其所描述的物理过程和生理过程可用于较广范围的环境条件。
通过改变作物参数,SUCROS已用于不同种类的作物,如小麦、马铃薯和大豆等。
SUCROS已经成为特定面向目标模型的进一步简化和发展的前导模型。
W0FOST的过程描述也是通用的,也可通过改变作物参数考虑不同作物。
WOFOST可以根据需要选择模拟潜在生产水平、水分胁迫、氮素胁迫三种生产水平。
模拟模型运行步长为1天。
2 模型的功能作物生长模型发展初期建立的模型通常仅由一个经验模型来描述,一般都是一个回归方程,有时也会把环境变量,如太阳辐射、降雨量等包括在内。
这些模型可以计算出较为准确的结果,尤其是当那些回归系数是建立在准确的、大量的实验数据的基础上的时候。
然而,这些模型的应用仅限制于与回归分析相近的区域。
这些经验性的、描述性的模型没有深刻理解所观测到的产量变化的原因。
WOFOST 是个机理性模型,它解释了作物基本的发育过程和这些过程如何被环境条件所影响,如光合作用和呼吸作用等等。
机理性模型的模拟并不是每次都很准,然而,应该认识到,模型模拟过程中的每个参数都只有一定的精度,每个参数产生的误差会不断积累,最后可能导致最终结果较大的模拟误差。
WOFOST 模型基于作物基本发育过程,解释了作物的生长,如光合作用和呼吸作用,并描述了这些过程如何受环境条件的影响。
作物干物质积累的计算可以用作物特征参数和气象参数的函数来表示。
作物生长的模拟是以每日数据为基础的,图1说明了WOFOST 内的主要过程。
水分胁迫水平下WOFOST 模型主要模拟作物生长和土壤水分平衡两个方面过程(图2.3)。
这两方面过程相互作用,相辅相成。
土壤水分平衡子模型模拟出逐日作物水分胁迫系数——相对蒸腾(Ta/Tm ),用于修正水分胁迫对光合作用以及LAI 增长的影响,而LAI 反过来又参与了土壤水分平衡过程中最大可能蒸腾与实际蒸腾的计算。
因此,对于模拟水分胁迫条件下冬小麦生长发育及产量形成过程来说,土壤水分平衡过程模拟的准确性直接影响到作物模型的模拟效果。
WOFOST 的作物生长过程,主要包括物候发育、冠层光合作用、呼吸作用、干物质积累及分配等。
土壤水分平衡过程主要包括降水、灌溉、渗透、地表蒸发、作物蒸腾、毛管水上升等过程,并以此为基础估算逐日土壤含水量以及作物水分胁迫系数。
3 作物生长过程WOFOST 根据作物的品种特征参数和环境条件,描述作物从出苗到开花、开花到成熟的基本生理过程。
模型以一天为步长,模拟作物在太阳辐射、温度、降水、作物自身特性等等影响下的干物质积累。
干物质生产的基础是冠层总CO 2同化速率,它根据冠层吸收的太阳辐射能量和作物叶面积来计算。
通过吸收的太阳辐射和单叶片的光合计算出作物的日同化量。
部分同化产物—碳水化合物被用于维持呼吸作用而消耗,剩下的被转化成结构干物质,在转化过程中又有一些干物质被消耗(生长呼吸作用)。
产生的干物质在根、茎、叶、贮存器官中进行分配,分配系数随发育阶段的不同而不同。
叶片又按日龄分组,在作物的发育阶段中,有一些叶片由于老化而死亡。
发育阶段的计算是以积温或日长来计算。
各器官的总重量通过对每日的同化量进行积分得到。
模型中采用的主要公式与计算方法简单介绍如下:3.1 发育过程由于作物的许多生理学和形态学过程都随发育期变化而变化,因而发育期的准确模拟在作物模型中十分关键。
作物发育阶段的模拟主要取决于温度和日长。
开花前,作物发育速度由日长和温度控制;开花后,仅有温度起作用。
WOFOST 是个以光合作用为驱动因子的模型,作物生长的模拟从出苗开始,作物生长发育可以看作是有效积温的函数。
模型采用“积温法”模拟发育期,将整个冬小麦生育期划分为出苗—开花和开花—成熟两个发育阶段,每个阶段的有效积温为模型发育参数。
当活动积温达到发育阶段所需积温时,认为作物进入该发育期,阶段积温随作物品种不同而不同。
每日有效积温取决于下限温度(低于这个温度作物发育停止)和上限温度(高于这个温度作物发育速率不再加快),它们的值都取决于作物特性。
WOFOST 发育速率就可以表示为每天的积温占总积温的比例,发育速率表达式为:)2,1(,==j TSUM T D jeit r (1)式中t r D ,为t 时刻的发育速率(d -1),ei T 为有效温度(℃),)2,1(=j j TSUM为完成某一发育阶段所需的积温(℃ d )⎪⎩⎪⎨⎧≥-=<<-=≤=ei b e ei e i b b i ei b i ei T T T T T T T T T T T T T T max,max,max,0 (2) 式中i T 为日平均气温(℃),取日最高气温和日最低气温的平均值。
b T 为冬小麦发育下限温度(℃)。
e T m ax,为冬小麦发育上限温度(℃)。
光周期影响因子为:)10(≤≤--=red c o cred f D D D D f (3)式中D 为光长(h )。
c D 为临界光长(h ),o D 为最适光长(h )。
到某时刻进入的发育阶段(DVS )以数字表示,出苗期0=DVS ,开花期1=DVS ,成熟期2=DVS 。
DVS 等于各阶段的实际有效积温与该阶段所需有效积温之比再乘以光周期影响因子。
)2,1(=⨯=∑j TSUM T f DVS j ei red (4)3.2 日同化量 日同化物的生产与分配是模型描述得最为详尽的部分,通过对一天内瞬时CO 2同化速率的积分得到。
WOFOST 模型中相对冠层高度L 处瞬时光合作用速率L A (kg hmLA -2 hr -1)是光饱和时光合作用速率m A (kg hmmA -2 hr -1)和所吸收辐射量I (J m -2 s -1)的函数,以负指数形式表示: )1(m A I m L eA A ε--= (5)式中ε为初始光能利用率。
冠层光合速率采用Gaussian 三点积分法,对于计算日同化总量,这种三点式积分法表现得非常好,对叶片在时间和空间的瞬时光合作用速率进行积分。
将冠层高度分三层,计算各层瞬时光合作用速率(瞬时同化速率的计算则是在区分阴叶和阳叶的基础上,在冠层内选定三个深度,计算其叶面积指数、吸收的辐射量、叶CO 2的同化量。
),加权求冠层总的瞬时光合作用速率;然后将一日分三点,加权冠层各点总的瞬时光合作用速率,求得日总光合作用速率。
1,0,1)15.05.0(-=+=P LAIp L (6)6.3)6.1(101A A A LAI A h ++=- (7) 1,0,1)15.05.0(5.012-=++=q q D T h (8) 6.3)6.1(1,0,1,h h h d A A A D A ++=- (9) 式中LAI 为冠层叶面积指数;P 为对冠层高度的积分点,分别取LAI 为0.113、0.5、0.887处;L ,)1,0,1(-=P A P 分别为相对冠层处的叶面积指数和瞬时光合作用速率(kg hm -2 hr -1);h A 为整个冠层某一时刻的瞬时光合作用速率(kg hm -2 hr -1);D 为日长;q 为对时间(日)的积分点,假设辐射在一日内分布均匀,取正午到日落的3个时刻: D 0.05712+、0.25D 12+、0.44D 12+;h T (hr )为每日q 时刻;q h A ,为整个冠层q 时刻的瞬时CO 2同化速率(kg hm -2 hr -1);d A 为对3个高度3个时刻加权平均得到的CO 2日总同化速率(kg hm -2 d -1)。
光饱和时CO 2同化速率m A 为作物品种参数,是发育阶段的函数,而且因白天温度不同而异。
白天温度day T (℃)表示为日最高气温m ax T (℃)和日平均气温T (℃)的平均值, 2max T T T day +=(10) 2min max T T T += (11) 式中m in T (℃)为日最低气温。
另外,连续的夜间低温可使同化速率下降,当达到一定阈值时同化速率为零。
夜间低温影响以日最低气温的7天滑动平均值low T (℃)表示:Λ3,2,176min,==∑+==k T T k i k i i low (12)3.3 呼吸作用作物呼吸过程可分为维持生命机能的维持呼吸和同化物转化为植物体结构物质时的生长呼吸。
在参考温度下作物各器官的参考维持呼吸速率与相应器官干物重呈线性正比关系,实际温度(T )下的维持呼吸速率T m R ,(kg kg -1 d -1)与参考温度维持呼吸速率r T m R ,(kg kg -1 d -1)的关系为: 1010,,r r T T T m T m Q R R -⨯= (13)式中10Q =2,为呼吸商,r T =25℃,为参考温度。