基于APSIM-Maize模型的石羊河流域春玉米适宜种植区产量模拟及参数优化

史博然; 韩娜娜; 彭致功; 周青云; 李松敏; 王敏敏; SHI Bo-ran; HAN Na-na; PENG Zhi-gong; ZHOU Qing-yun; LI Song-min; WANG Min-min

doi:10.12396/jsgg.2024221

节水灌溉 ›› 2024 ›› (12) : 55-62. DOI: 10.12396/jsgg.2024221

基于APSIM-Maize模型的石羊河流域春玉米适宜种植区产量模拟及参数优化

作者信息 +

Optimization of Yield Parameters for APSIM-Maize Model in Suitable Planting Areas for Spring Maize in the Shiyang River Basin

Author information +

稿件信息 +

摘要

为提高APSIM-Maize模型在西北干旱条件下对春玉米产量模拟的精准性，以甘肃省石羊河流域春玉米适宜种植区（永昌县、民勤县、凉州区、古浪县）为研究区域，通过查阅与研究地区春玉米相关的49篇大田试验文献获得2009-2022年共115对观测数据，基于APSIM-Maize模型，采用敏感性指数SI法和修正的Morris法对水分利用率、光周期斜率等21个模型参数进行敏感性分析，针对4个适宜种植区分别对筛选的敏感参数进行优化验证。结果表明：①对春玉米产量较敏感的模型参数有5个，敏感大小分别为蒸腾效率系数＞出苗到拔节结束积温＞光合作用与辐射利用效率＞开花至开始灌浆积温＞茎向籽粒转移的生物量；②针对不同适宜种植区，参数优化效果有所差异，其中永昌县、凉州区及古浪县效果较好，民勤县的优化效果次之；③春玉米适宜种植区参数优化后的产量实测值与模拟值之间的相关系数分别由0.566提高到0.978、0.341提高到0.809、0.455提高到0.953、0.537提高到0.936，均方根误差分别由1 837.10 ~3 088.72 kg/hm²减小到341.64 ~996.64 kg/hm²，优化后的参数有效的提高了模型模拟产量的精度。

Abstract

In order to improve the accuracy of the APSIM-Maize model in simulating spring maize yield under drought conditions in northwest China, this study selected the suitable planting areas for spring maize in the Shiyang River Basin of Gansu Province (Yongchang County, Minqin County, Liangzhou District, Gulang County) as the research area. A total of 115 pairs of observation data from 2009 to 2022 were obtained by reviewing and researching 49 field experimental literature related to spring maize in the research area. Based on the APSIM-Maize model, sensitivity analysis was conducted on 21 model parameters such as water use efficiency and photoperiod slope using sensitivity index SI method and modified Morris method. The selected sensitive parameters were optimized and verified for each of the four suitable planting areas. The results showed, ① that there were 5 model parameters that were sensitive to spring maize yield, with sensitivity values as follows: transpiration efficiency coefficient＞accumulated temperature from emergence to elongation＞photosynthesis and radiation utilization efficiency＞accumulated temperature from flowering to beginning of grain filling＞biomass transferred from stem to grain; ② The optimization effect of parameters varies for different suitable planting areas, with Yongchang County, Liangzhou District, and Gulang County showing better results, followed by Minqin County; ③ The correlation coefficients between the measured and simulated yield values in the optimized planting area parameters for spring corn increased from 0.566 to 0.978, 0.341 to 0.809, 0.455 to 0.953, 0.537 to 0.936, and the root mean square error decreased from 1 837.10~3 088.72 kg/hm² to 341.64~996.64 kg/hm², respectively. The optimized parameters effectively improved the accuracy of the model's simulated yield.

关键词

春玉米 / APSIM-Maize模型 / 产量 / 适宜种植区 / 敏感性分析 / 参数

Key words

spring maize / APSIM model / yield / suitable planting area / sensitivity analysis / parameter

基金

国家重点研发计划项目(2022YFD1900504)

天津市主要农作物智能育种重点实验室青年开放课题(KLIBMC2303)

天津市教委科研计划项目(2020KJ100)

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用

史博然 , 韩娜娜 , 彭致功 , 周青云 , 李松敏 , 王敏敏. 基于APSIM-Maize模型的石羊河流域春玉米适宜种植区产量模拟及参数优化[J].节水灌溉, 2024(12): 55-62 https://doi.org/10.12396/jsgg.2024221

SHI Bo-ran , HAN Na-na , PENG Zhi-gong , ZHOU Qing-yun , LI Song-min , WANG Min-min. Optimization of Yield Parameters for APSIM-Maize Model in Suitable Planting Areas for Spring Maize in the Shiyang River Basin[J].Water Saving Irrigation, 2024(12): 55-62 https://doi.org/10.12396/jsgg.2024221

0 引言

粮食安全是国家安全的重要根基，其产业健康发展对保障当地及国家粮食安全发挥着不可忽视的作用^[1]。精准农业有利于解决粮食不安全问题。玉米是全球第一大粮食作物，也是我国种植面积最大、产量最高的粮食作物^[2]。据国家统计局公布的数据，2023年全年玉米播种面积6.63 亿hm²，比上年增长2.7%。石羊河流域位于甘肃省西部，是我国重要的农业生产基地，且玉米是石羊河流域最主要农作物。玉米的高产与稳产对于保障我国粮食安全具有重要意义。

作物生长模型是精准农业决策的重要部分^[3]，其精确模拟能更好的指导农业生产。作物生长模型能较好地描述土壤、作物、气象三者相互作用机理，其模型数量众多，一般包含作物水分运动、作物生长、氮迁移转化、温度等4个模块，目前研究较多的作物模型有APSIM、AquaCrop、DSSAT、WOFOST、PCSE等模型^[4-6]。其中APSIM模型参数较多，复杂度较高，涉及作物生长机理、作物生长环境以及输出作物参数等诸多方面，因此其应用较为广泛^[7]，马瑞丽等^[8]应用APSIM模型进行了不同施肥处理下春玉米的产量模拟及气候敏感性分析；巩敬锦等^[9]基于APSIM模型对2015-2100年气候变化对中国玉米生产力影响的研究，结果表明玉米潜在产量的稳定性略有提高，但区域间存在差异；张跃彬等^[10]通过APSIM模型对低纬高原蔗区生产潜力的研究，认为无论在灌溉模式还是雨养模式下，不同生态蔗区的甘蔗生产潜力和产量差均存在差异，特别是半湿润蔗区的灌溉模式与雨养模式之间产量差异显著（P<0.05），增产潜力大；DIANCOUMBA等^[11]利用APSIM模型重点研究了干旱条件对高粱产区高粱生产力的影响，结果发现干旱胁迫可能不是影响高粱产量的主要因素，这项研究的结果为优化生产所需的进一步定量试验提供了切入点。SHAHID等^[12]优化了ASPIM-wheat模型相关参数后，可以精准模拟小麦对高温条件的响应。目前APSIM模型在气候变化评估、生产管理决策支持等方面应用较多。然而APSIM模型的准确性依赖于内部众多参数，参数间复杂的相互作用导致模型结果有很大不确定性，这种不确定性不仅体现在作物不同生长发育阶段上，在不同区域间也存在差异性，因其模型受到作物品种特性、气象条件、土壤条件的影响。基于此，为提高APSIM模型在西北干旱条件下对春玉米产量模拟的精准性，本研究以甘肃省石羊河流域为例，利用该地区近20 a（2009-2022年）的田间试验数据，结合敏感性分析方法，研究APSIM-Maize模型在石羊河流域春玉米适宜种植区模型的参数敏感性分析及优化情况，分析其中的影响因素，探寻更为精准的参数变化范围，为APSIM-Maize模型的精确模拟，提高春玉米产量，保护粮食安全问题，提供科学的建议。

1 材料与方法

1.1 石羊河流域春玉米适宜种植区概况

石羊河流域位于甘肃省河西走廊东部、祁连山北麓，东以乌峭岭、毛毛山、老虎山与黄河流域为界，西以大黄山—马营滩与黑河流域为界。地理坐标为东经101°22'~104°04'，北纬37°07'~39°27'。河流补给来源为山区大气降水和高山冰雪融水，多年平均径流量15.60亿m³。石羊河流域地势南高北低，自西向东北倾斜，其中武威市和金昌市是石羊河流域主要的农作物种植区，该区域太阳辐射强、日照充足，温差大，降水少，是石羊河流域河西走廊地区人口最集中、水资源使用程度最高、最突出的地区。

石羊河流域土壤类型主要有砂质新成土、正常新成土、黑垆土、黑钙土及简育湿润雏形土等土壤，如图1所示。石羊河流域种植的作物主要有小麦、玉米等，种植结构如图2所示。对比分析石羊河流域土壤类型图与种植结构图可以看出，黑垆土和黑钙土是种植农作物最多的土壤，其富含有机质，具有良好的透水性和保水能力，是典型的农田土壤类型，在石羊河流域分布较广。春玉米作为石羊河流域最主要的农作物，从图1和图2可以看出，其主要分布在金昌市永昌县，武威市民勤县、凉州区、古浪县等区域，这四个典型县的土壤类型大多为黑垆土和黑钙土，是春玉米适宜种植区，故选取此4个典型县作为本文研究对象。

图1 石羊河流域土壤类型图

Fig.1 Soil type map of Shiyang River Basin

Full size|PPT slide

图2 石羊河流域种植结构图

Fig.2 Planting structure map of Shiyang River Basin

Full size|PPT slide

1.2 数据来源

本文田间试验的研究数据通过检索中国知网、万方、维普数据库获得，收集了截止到2022年12月关于中国甘肃石羊河流域地区有关春玉米农作物的田间试验论文。为满足本文分析要求，采用以下标准筛选样本：试验区域位于石羊河流域地区，且试验地点和时间清晰；试验为田间试验；文中至少包含相关处理的播种日期，灌溉制度和产量数据；选择数据信息较为完善的文献。具体文献筛选流程图如图3所示，通过筛选，共提取115组数据。

图3 文献筛选流程图

Fig.3 Literature screening process diagram

Full size|PPT slide

基本数据为4个适宜种植区的气象数据（逐日最高、最低气温、逐日降雨量、逐日太阳辐射或逐日日照时数）、土壤数据（饱和含水率、凋萎系数、PH值、田间持水率等）以及空间数据（石羊河流域种植结构分布图以及石羊河流域土壤类型图）。

1.3 APSIM模型

1.3.1 模型概述

APSIM模型由澳大利亚农产体系研究小组开发，具有很强的地理适应性，在气候变化对农作物产量评估、水土保持、水肥管理等方面得到了广泛的应用^[13-19]。APSIM模型的核心模块包括作物模块^[20]、土壤模块^[21]和管理模块。作物模块主要模拟作物的生长、发育和产量形成，该板块对所有作物的生长发育均采用通用的生理过程，但不同作物采用与各自生理特性相关的函数和参数。土壤模块可动态模拟土壤水分和养分运移等过程^[22]。管理模块包括播种、收获、施肥和灌溉等管理措施的设定以及各个模块的调用。因此，APSIM模型适用于模拟石羊河流域春玉米的生长发育、不同灌溉需求和产量形成等过程。

1.3.2 模型校验和验证方法

本研究采用实测值和模拟值间的决定系数（Coefficient of Determination, R²）、均方根误差（Root Mean Square Error, RMSE）和相对误差（Relative Error, RE）^[23] 3个验证指标检验模拟结果的准确性。指标R ²反应模型模拟偏差，偏差范围为0~1，其中，所得值越接近1则模拟效果越佳，越接近0则模拟效果越差；RMSE的数值越小，则误差性小；RE值小于10%，模型的稳定性好；RE在10%~30%之间，模型的稳定性较好；RE大于30%，模型稳定性较差。使用公式如下：

R ² = (\frac{\sum_{i = 1}^{n} (X_{0} - \bar{X}) (Y_{s} - \bar{Y})}{\sqrt[]{\sum_{i = 1}^{n} (X_{0} - \bar{X}) ² \sum_{i = 1}^{n} (Y_{s} - \bar{Y}) ²}})

(1)

R M S E = \sqrt[]{\frac{\sum_{i = 1}^{n} (X_{0} - Y_{s})^{2}}{n}}

(2)

R E = \frac{R M S E}{\bar{X}}

(3)

式中：X ₀为实测值；Y_s 为模拟值；

\bar{X}

为数据实测均值；

\bar{Y}

为数据模拟均值；n为样本数量。

1.4 敏感性分析

APSIM模型中参数变化可能导致春玉米产量模拟结果的变化，为了研究许多不定因素中对春玉米产量有着重要影响的敏感因素，本文引入计算敏感性指数SI法和修正的Morris法来评价各参数对模型结构影响的相对大小。

1.4.1 敏感性指数SI法

使用所选择的输入参数的变化值运行APSIM模型，并收集不同的模拟结果与实测值进行对比分析，使用敏感指数SI量化春玉米产量对不同参数的敏感性^[24]。敏感指数（SI）计算公式如下：

S I = \frac{\frac{O_{m a x} - O_{m i n}}{\bar{O}}}{\frac{F_{m a x} - F_{m i n}}{\bar{F}}}

（4）

式中：O _max、O _min、

\bar{O}

分别代表不同输入参数下的最大、最小、平均模拟结果；F _max、F _min、

\bar{F}

分别代表最大、最小、平均的参数输入值。SI越大则代表对应敏感因子有较高敏感性表现，且当SI＞0，输入的参数和模型的模拟结果呈线性正相关；当SI＜0，输入的参数和模型的模拟结果呈线性负相关^[25]。本研究把敏感性指数SI＞0.05参数定义为敏感性参数^[26]，通过计算模型相关参数SI值，结果绝对值大于0.05的参数认为其是敏感参数。

1.4.2 修正的Morris法

Morris法是局部敏感性分析法的典型代表，其原理是在其他参数保持不变的基础上，选取一个参数在其取值区间内上下随机扰动，分析该参数代入目标函数中运行的结果变化对目标函数的影响，可将该参数的局部敏感性量化为如下公式：

e_{i} = \frac{O_{m a x} - O_{m i n}}{F_{m a x} - F_{m i n}}

（5）

式中：O _max、O _min分别代表不同输入参数下的最大、最小模拟值；F _max、F _min分别代表最大、最小参数输入值。

相比敏感性指数SI，将待分析参数以固定步长增减是修正的Morris 法的主要不同之处，同时引入模型率定模拟结果，计算参数多次变化对目标函数影响的均值，最后得出参数的敏感性指标S：

S = \sum_{i = 0}^{n - 1} \frac{(Y_{i + 1} - Y_{i}) / Y_{0}}{(P_{i + 1} - P_{i}) / 100} / n

（6）

式中：Y_i 、Y_i+1 分别代表第i次和第i+1次的模拟结果；P_i 、P_i+1 分别代表第i次和第i+1次模拟的变化幅度；n为模拟次数。本文选用修正Morris法计算敏感性判别系数，根据S绝对值大小划分参数敏感性等级，如表1所示。

表1 敏感性等级划分

Tab.1 Sensitivity classfication

类别	取值范围	敏感性等级
1	$\|S\|$ ≥1	高敏感
2	1＞ $\|S\|$ ≥0.20	敏感
3	0.20＞ $\|S\|$ ≥0.05	中等敏感
4	0.05＞ $\|S\|$ ≥0	不敏感

1.5 统计分析

本文利用Microsoft Excel 2016软件进行数据整合处理；在R语言中进行日照时数对太阳辐射的转化计算及气象数据的处理；通过Origin 2018软件进行相关作图。

2 结果与分析

2.1 石羊河流域春玉米适宜种植区相关参数敏感性分析

本研究主要考虑模型产量的输出，分析APSIM-Maize生长模型的相关参数对石羊河流域春玉米产量的敏感性，模型的相关参数如表2所示，所有参数的取值范围均服从均匀分布，在此基础上对春玉米生长模型进行优化。

表2 APSIM-Maize生长模型21个品种参数及其单位

Tab.2 21 variety parameters and their units in the APSIM-Maize growth model

参数	定义	单位
transp_eff_cf	蒸腾效率系数	kPa
shoot_lag	胚芽鞘生长时间	℃·d
shoot_rate	胚芽鞘生长速率	℃·d·mm^-1
rue	光合作用与辐射利用效率	—
stem_trans_frac	茎向籽粒转移的生物量	g·m^-2
leaf_trans_frac	叶片向籽粒转移的生物量	g·m^-2
frac_stem2flower	茎的部分生物量	g·m^-2
leaf_no_correction	叶片生长校正系数	—
y_lai_sla_max	最大比叶面积	mm²·g^-1
initial_tpla	初始叶面积指数	mm²·株^-1
x_sw_demand_ratio	水分利用率	—
sen_radn_crit	光老化开始的辐射水平	Mj·m^-2
tt_emerg_to_endjuv	出苗到拔节结束积温	℃·d
tt_flower_to_start_grain	开花至开始灌浆积温	℃·d
tt_flower_to_maturity	开花成熟所需有效积温	℃·d
photoperiod_slope	光周期斜率	—
head_grain_no_max	每株最大籽粒数	Kernel·head^-1
grain_gth_rate	潜在灌浆速率	mg·grain^-1·d^-1
X_stem_wt	每平方米茎秆重	g·stem^-1
Y_height	植株高度	mm
photoperiod_crit	光周期临界值	hours

2.1.1 敏感性指数SI法结果

APSIM-Maize生长模型相关参数对产量的敏感性分析如图4所示。其中敏感性指数SI排名前5位的参数依次为蒸腾效率系数，出苗到拔节结束积温，光合作用与辐射利用效率，开花至开始灌浆积温，茎向籽粒转移的生物量，其敏感性指数SI分别为0.732 5、0.702 5、0.413 4、0.265 7、0.095 1。其余参数敏感性指数绝对值均小于0.05，敏感性较低，选用模型的默认值。

图4 APSIM-Maize生长模型相关参数对产量的敏感性指数分布（SI指数法）

Fig.4 Sensitivity index distribution of APSIM-Maize growth model parameters to yield (SI index method)

Full size|PPT slide

2.1.2 Morris法结果

对21个参数的初始取值按照±30%的变化幅度，依次调整APSIM模型参数的输入值并运行，最终各参数敏感性因子计算结果如图5所示。

图5 APSIM-Maize生长模型相关参数对产量的敏感性指数分布（Morris法）

Fig.5 Sensitivity index distribution of APSIM-Maize growth model parameters to yield (Morris index method)

Full size|PPT slide

由图5可知，各参数对产量表现出的敏感性强弱程度及变化趋势与前文敏感性指数SI计算结果基本相同，敏感性排序结果为蒸腾效率系数，出苗到拔节结束积温，光合作用与辐射利用效率，开花至开始灌浆积温，茎向籽粒转移的生物量。其中，蒸腾效率系数，出苗到拔节结束积温S绝对值基本上大于1，对产量表现出较高敏感性；光合作用与辐射利用效率，开花至开始灌浆积温S绝对值分别为0.821 7、0.642 3，为中等敏感参数；茎向籽粒转移的生物量对产量表现出一定程度的敏感性，S绝对值为0.174 5；其余参数敏感性较弱，均为不敏感参数。

2.2 优化石羊河流域春玉米适宜种植区相关参数结果

利用敏感性指数排序靠前的5个参数在4个适宜种植区对参数进行调整，得到的最优参数值见表3。可以看出，古浪和民勤两个地区整体参数差异性不大，但从整体上，不同适宜种植区的不同参数具有较为明显的差异，如：凉州与古浪两个地区蒸腾效率系数和光合作用与辐射利用效率两个参数的差异明显较大。除此以外，4个适宜种植区关于光合作用与辐射利用效率、茎向籽粒转移的生物量两个参数的优化值更为显著。rue全称光合作用与辐射利用效率，又叫光能利用率，是衡量一定面积农作物利用光能程度和生产水平的指标，一般农作物的理论光能利用率在6%~8%，而春玉米为3%~5%。综上表明APSIM-Maize模型在石羊河流域不同适宜种植区春玉米产量优化确实存在差异，不同适宜种植区参数优化值也不尽相同。

表3 APSIM-Maize生长模型适宜种植区产量相关参数的初值及优化值

Tab.3 The initial and optimized values of yield related parameters for the APSIM-Maize growth model suitable for planting areas

参数	定义	初值	优化值
参数	定义	初值	凉州	永昌	古浪	民勤
transp_eff_cf	蒸腾效率系数/kPa	0.009	0.018	0.015	0.011	0.012
tt_emerg_to_endjuv	出苗到拔节结束积温/(℃·d)	450	404	461	474	475
rue	光合作用与辐射利用效率/%	2.0	4.0	3.1	3.3	3.5
tt_flower_to_start_grain	开花至开始灌浆积温/(℃·d)	350.0	392.0	408.0	401.0	438.6
stem_trans_frac	茎向籽粒转移的生物量/(g·m^-2)	0.20	0.30	0.27	0.26	0.25

2.3 APSIM模拟石羊河流域春玉米适宜种植区产量优化验证

优化后APSIM模拟有效性及其对石羊河流域春玉米产量的模拟精度见图6，两组数据的绝对误差均在15%以内，说明优化参数后模型的精准度较好。凉州、古浪验证组个别年份产量数据变化较大，导致计算结果有一定的变异性，模型整体模拟效果良好，表明优化结果是可行的。

图6 APSIM-Maize生长模型相关参数优化结果Tab.6 Optimization results of parameters related to APSIM-Maize growth model

Full size|PPT slide

根据石羊河流域4个适宜春玉米种植区相同或相近年份田间试验数据进行调参，再采用其他年份试验数据进行模拟验证。石羊河流域春玉米产量的优化及验证结果如表4、图7所示。由表4和图7可知，凉州区产量模拟结果的决定系数（R²）从0.455增加到0.964，均方根误差（RMSE）从2 012.41 kg/hm²减小到589.233 kg/hm²，相对误差（RE）从13%减小到7%；永昌区产量模拟结果的决定系数（R²）从0.566增加到0.976，均方根误差（RMSE）从1 837.10 kg/hm²减小到136.29 kg/hm²，相对误差（RE）从11%减小到3%；古浪区产量模拟结果的决定系数（R²）从0.537增加到0.957，均方根误差（RMSE）从1 508.08 kg/hm²减小到931.79 kg/hm²，相对误差（RE）从13%减小到8%；民勤区产量模拟结果的决定系数（R²）从0.341增加到0.869，均方根误差（RMSE）从3 088.72 kg/hm²减小到744.58 kg/hm²，相对误差（RE）从16%减小到5%。综合上述，使用优化后的参数对APSIM-Maize模型进行模拟，使得石羊河流域春玉米适宜种植区产量的模拟结果更加精确。

表4 APSIM-Maize生长模型适宜种植区产量的模拟检验结果

Tab.4 Simulation test results of APSIM-Maize growth model suitable for yield in planting areas

模型参数	凉州（n=24）			永昌（n=9）			古浪（n=24）			民勤（n=8）
模型参数	R²	RMSE/(kg·hm^-2)	RE/%	R²	RMSE/(kg·hm^-2)	RE/%	R²	RMSE/(kg·hm^-2)	RE/%	R²	RMSE/(kg·hm^-2)	RE/%
默认值	0.455	2 012.41	13	0.566	1 837.10	11	0.537	1 508.08	13	0.341	3 088.72	16
优化值	0.953	341.64	2	0.978	996.64	6	0.936	526.72	5	0.809	522.83	3
验证值	0.964	589.23	7	0.976	136.29*	3	0.957	931.79	8	0.869	744.58	5

注：*为该处数据与其他年份差幅较大。

图7 APSIM-Maize生长模型优化后验证值和实测值的对比

Fig.7 Comparison of validated and measured values after optimizing the APSIM-Maize growth model

Full size|PPT slide

3 讨论

本研究基于近20 a（2009-2022年）石羊河流域春玉米的大田试验数据、石羊河流域各区域实测气象数据以及石羊河流域种植结构对APSIM模型参数的优化情况进行模拟验证，采用敏感性指数SI法和修正后的Morris法对比计算，筛选了对春玉米产量较为敏感的5个参数，同时分析模拟了在适宜种植区春玉米APSIM-Maize生长模型相关参数的变化情况。结果表明APSIM模型基本上可以较为准确地模拟春玉米的产量，且不同适宜种植区的参数优化情况也各有差异。

本研究分析了APSIM-Maize生长模型21个相关参数对春玉米产量的影响。从分析结果来看，蒸腾效率系数、出苗到拔节结束积温、光合作用与辐射利用效率、开花至开始灌浆积温、茎向籽粒转移的生物量对石羊河流域春玉米适宜种植区产量的影响较为明显。WANG^[27]等证明了模型参数范围的选取和采样的次数的大小都对敏感性的结果影响很大，因为本研究中参数敏感性分析的目的是为了客观的选出较敏感的参数，为下一步模型的优化做准备，所以没有考虑参数的范围变化对参数敏感性结果的影响，参数取值范围是参考前人的研究并结合模型初始值给定的，取值的上下浮动均一致。根据敏感性分析结果，选择APSIM-Maize生长模型中对春玉米产量较为敏感的参数作为优化对象，根据已收集的石羊河流域适宜种植区不同年份的大田实验数据对模型进行模拟验证。结果表明，优化后产量模拟值和实测值的拟合精度较高（R²＞0.86），稳定性好（RE＜10%），APSIM模型敏感参数优化后能够较好反应石羊河流域春玉米适宜种植区产量模拟效果，为下一步的研究奠定良好基础。

优化方案是基于敏感性指数SI法和修正后的Morris法的对比分析结果得到的参数进行参数优化，但是优化后的效果却不甚相同。探寻其原因可知，产量形成是品种本身的遗传特性和生育期长度所带来的均衡影响，相关的遗传参数对产量有强烈作用，生育期的长短决定了干物质积累时间，在一定程度上也影响产量。对比石羊河流域种植结构以及地理气候数据来看，4个研究区的干旱条件、地理位置、土壤类型等都大有不同。郭方君^[28]等的研究发现，石羊河流域南部降雨量大、温度适宜、地下水充足，而逐渐向流域北部降水量减少，温度升高，地下水与地表径流减少，不利于植被农作物生长；而石羊河流域西部戈壁沙漠交错分布，东部则降水较多。由此可见，对于产量来说，除了光合作用与辐射利用效率、出苗到拔节结束积温对APSIM-Maize生长模型体现出较强的敏感性以外，茎向籽粒转移的生物量、开花至开始灌浆积温也对春玉米的产量起到重大作用，积温取决于当下年份的逐日气温、播种日期、收获日期等来确定，不同条件带来的产量影响会有所不同。对于上游（古浪）、中游（凉州、永昌）、下游（民勤）的积温变化，存在着空间差异性。根据王博^[29]等研究发现，流域内的积温随时间均呈增加态势，且增幅从上游向下游呈递增态势。本文研究结果中出苗到拔节结束积温、开花至开始灌浆积温两个参数从上游向下游的适宜种植区的优化值分别为404.0、461.0、474.0、475.0；392.0、408.0、401.0、438.6，与前人研究相类似，所以对于喜温作物玉米而言，在适宜种植区，积温不同，产量不同，模型调参值亦有差异。而蒸腾效率是指植物每蒸腾1 kg水所形成的干物质量，较高的蒸腾效率有助于水分的供应、保持较高的CO₂浓度从而促进光合作用，增加植物干物质的量，促进叶片的生长，从而影响春玉米的生长和产量。最后，从地理方面结合流域种植结构分析，石羊河流域地辽广阔，适宜种植区所在地的土壤类型亦有差异。丁丽萍^[30]等通过研究不同土壤（风沙土、沙壤土）的肥力因子间关系发现，不同类型土壤化学因子变异较大，全氮和有机碳的变异系数最大，PH值变异系数最小，而土壤肥力与前者呈正相关关系，与后者呈现显著负相关，营养元素不容易被释放出来。因此，本文中黑垆土和黑钙土作为石羊河流域种植农作物最多的土壤，其土壤类型及性质的不同，可能会对生物量的转移起到或大或小的影响，进而影响APSIM-Maize模型内相关参数如茎向籽粒转移的生物量的变化，这也与本文研究结果相一致。

APSIM-Maize模型可以对气候、土壤作物参数、田间管理等进行综合考虑，是研究玉米生长的一种有效手段，但模型模拟毕竟不能顾全各种影响因素，与现实生态仍然存在一定的差异。在本研究中未将玉米生长过程中病虫草害、气象灾害等影响作物生长因素考虑在内，需要在以后的研究中加以完善。

4 结论

本文利用APSIM模型以及来自中国知网、万方、维普数据库获得的大田实验数据来对模型相关参数进行敏感性分析，选出对产量敏感性较高参数进行优化，验证优化前后模拟值与实测值的精确性，并且探讨石羊河流域不同适宜种植区春玉米APSIM-Maize模型中敏感参数的变化。得到结论如下：

（1）在APSIM-Maize生长模型中，对春玉米产量有影响的5个敏感参数如下：蒸腾效率系数、出苗到拔节结束积温、光合作用与辐射利用效率、开花至开始灌浆积温、茎向籽粒转移的生物量。其敏感性指数SI分别为0.732 5、0.702 5、0.413 4、0.265 7、0.095 1，其余的参数全局敏感性指数均小于0.05，是对此模型不太敏感的参数。

（2）石羊河流域不同适宜种植区的干旱条件、地理位置、土壤类型等影响因子各有差异，导致APSIM-Maize敏感参数的优化情况也不同。其中，永昌县、民勤县、凉州区、古浪县优化后的蒸腾效率系数分别为：0.015、0.012、0.018、0.011，出苗到拔节结束积温分别为：461、475、404、474，光合作用与辐射利用效率分别为3.1、3.5、4.0、3.3，开花至开始灌浆积温分别为408.0、438.6、392.0、401.0，茎向籽粒转移的生物量分别为：0.27、0.25、0.30、0.26。

（3）计算石羊河流域春玉米适宜种植区验证指标，结果发现4个适宜种植区春玉米产量模拟结果的R²、RE、RMSE分别处于0.869~0.976、3%~8%、130~930 kg/hm²之间，优化后的参数值使4个适宜种植区春玉米产量模拟结果精度平均提高48%，均方根误差平均降低65%，相对误差平均降低61%。其中，凉州、永昌、古浪模型有效性最好。优化参数后春玉米产量的实测值和模拟值之间更接近线性正相关关系，模型在石羊河流域适宜种植区内具有较好的模型拟合和适应能力。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

1	刘石磊. 2022/23年度国内外玉米市场回顾与2023/24年度展望[J]. 黑龙江粮食, 2023(8): 21-23. 本文引用 [1]

王丹丹, 李岚涛, 韩本高, 等. 养分专家系统推荐施肥对夏玉米生理特性及产量的影响[J]. 农业资源与环境学报, 2022, 39(1): 107-117.

WANG

D D

, LI

L T

, HAN

B G

, et al. Effects of nutrient expert recommended fertilization on the physiological characteristics and yield of summer maize[J]. Journal of Agricultural Resources and Environment, 2022, 39(1): 107-117.

本文引用 [1]

3	TANTALAKI N, SOURAVLAS S, ROUMELIOTIS M. Data-driven decision making in precision agriculture: The Rise of big data in agricultural systems[J]. Journal of Agricultural & Food Information, 2019, 20(4): 344-380. 本文引用 [1]

宋喜山, 曹红霞, 何子建, 等. Aquacrop模型在北疆棉花生育期灌溉洗盐制度优化中的适用性[J]. 农业工程学报, 2023, 39(20): 111-122.

SONG

X S

, CAO

H X

, HE

Z J

, et al. Applicability of the Aquacrop model in optimization of irrigation and salt leaching schedule during the reproductive period of cotton in Northern Xinjiang of China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(20): 111-122.

本文引用 [1]

5	王　斌, 杨宏贤, 冯　杰, 等. 基于PSO的DSSAT水稻品种参数优化[J]. 农业机械学报, 2023, 54(11): 369-375. WANG B, YANG H X, FENG J, et al. Rice cultivar coefficient optimization of DSSAT based on PSO[J]. Transactions of the Chinese Society for Agricultural Machinery, 2023, 54(11): 369-375.

6	陈潇宇, 崔宁博, 姜守政, 等. 基于柑橘叶面积指数和产量的WOFOST模型关键参数校正[J]. 节水灌溉, 2023(8): 70-79, 88. CHEN X Y, CUI N B, JIANG S Z, et al. Key parameter calibration of WOFOST model based on citrus leaf area index and yield[J]. Water Saving Irrigation, 2023(8): 70-79, 88. 本文引用 [1]

7	蒙继华, 王亚楠, 林圳鑫, 等. 作物生长模型研究现状与展望[J]. 农业机械学报, 2024, 55(2): 1-15, 27. MENG J H, WANG Y N, LIN Z X, et al. Progress and perspective of crop growth models[J]. Tran-sactions of the Chinese Society for Agricultural Machinery, 2024, 55(2): 1-15, 27. 本文引用 [1]

8	马瑞丽,李广,王钧,等.基于APSIM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. MA R L, LI G, WANG J, et al. Yield simulation and climate sensitivity analysis of spring maize under different fertilization treatments based on APSlM model[J]. Journal of Maize Sciences, 2022,30(5): 116-121. 本文引用 [1]

巩敬锦, 刘志娟, 祝光欣, 等. 基于APSIM模型的2015-2100年气候变化对中国玉米生产力影响[J]. 农业工程学报, 2023, 39(8): 167-178.

GONG

J J

, LIU

Z J

, ZHU

G X

, et al. Effects of climate change on maize productivity in China during 2015 to 2100 based on APSIM model[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(8): 167-178.

本文引用 [1]

10	张跃彬, 毛　钧, 李如丹, 等. 基于APSIM模型的低纬高原蔗区甘蔗生产潜力[J]. 农业工程学报, 2023, 39(3): 123-133. ZHANG Y B, MAO J, LI R D, et al. Simulating sugarcane yield potential in the low latitude plateau of China based on APSIM[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(3): 123-133. 本文引用 [1]

11	DIANCOUMBA M, KHOLOVÁ J, ADAM M, et al. APSIM-based modeling approach to understand sorghum production environments in Mali[J]. Agronomy for Sustainable Development, 2024, 44(3): 25. 本文引用 [1]

12	SHAHID M R, WAKEEL A, ULLAH M S, et al. Identifying changes to key APSIM-wheat constants to sensibly simulate high temperature crop response in Pakistan[J]. Field Crops Research, 2024, 307: 109 265. 本文引用 [1]

13	王　伟, 黄义德, 黄文江, 等. 作物生长模型的适用性评价及冬小麦产量预测[J]. 农业工程学报, 2010, 26(3): 233-237. WANG W, HUANG Y D, HUANG W J, et al. Applicability evaluation of CERES-Wheat model and yield prediction of winter wheat[J]. Transactions of the Chinese Society of Agricultural Engineering, 2010, 26(3): 233-237. 本文引用 [1]

14	雒翠萍, 聂志刚, 王　钧, 等. 基于APSIM模型的旱地春小麦生育期的播期和耕作效应分析[J]. 麦类作物学报, 2021, 41(12): 1 556-1 563. LUO C P, NIE Z G, WANG J, et al. Effects of sowing date and cultivation measure on growth period of dryland spring wheat based APSIM model[J]. Journal of Triticeae Crops, 2021, 41(12): 1 556-1 563.

何　亮, 赵　刚, 靳　宁, 等. 不同气候区和不同产量水平下APSIM-Wheat模型的参数全局敏感性分析[J]. 农业工程学报, 2015, 31(14): 148-157.

, ZHAO

, JIN

, et al. Global sensitivity analysis of APSIM-Wheat parameters in different climate zones and yield levels[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(14): 148-157.

16	聂志刚, 李　广. 基于APSIM的旱地小麦叶面积指数模拟模型构建[J]. 干旱地区农业研究, 2013, 31(4): 94-98. NIE Z G, LI G. Modeling of APSIM-based simulation of leaf area index of wheat in dryland[J]. Agricultural Research in the Arid Areas, 2013, 31(4): 94-98.

17	李　广, 李　玥, 黄高宝, 等. 基于APSIM模型旱地春小麦产量对温度和CO₂浓度升高的响应[J]. 中国生态农业学报, 2012, 20(8): 1 088-1 095. LI G, LI Y, HUANG G B, et al. Response of dryland spring wheat yield to elevated CO₂ concentration and temperature by APSIM model[J]. Chinese Journal of Eco-Agriculture, 2012, 20(8): 1 088-1 095.

18	ASSENG S, BAR-TAL A, BOWDEN J W, et al. Simulation of grain protein content with APSIM-Nwheat[J]. European Journal of Agronomy, 2002, 16(1): 25-42.

19	聂志刚, 李　广, 王　钧, 等. 基于APSIM的旱地小麦籽粒蛋白质含量模型精度检验及应用[J]. 中国生态农业学报(中英文), 2020, 28(1): 86-95. NIE Z G, LI G, WANG J, et al. Simulation model of the grain protein content of dryland wheat based on APSIM[J]. Chinese Journal of Eco-Agriculture, 2020, 28(1): 86-95. 本文引用 [1]

20	MOHANTY M, PROBERT M E, REDDY K S, et al. Simulating soybean–wheat cropping system: APSIM model parameterization and validation[J]. Agriculture, Ecosystems & Environment, 2012, 152: 68-78. 本文引用 [1]

21	LI H, QIU J J, WANG L G, et al. Modelling impacts of alternative farming management practices on greenhouse gas emissions from a winter wheat–maize rotation system in China[J]. Agriculture, Ecosystems & Environment, 2010, 135(1/2): 24-33. 本文引用 [1]

黄明霞, 王　靖, 唐建昭, 等. 基于APSIM模型分析播期和水氮耦合对油葵产量的影响[J]. 农业工程学报, 2018, 34(13): 134-143.

HUANG

M X

, WANG

, TANG

J Z

, et al. Analysis of interaction of sowing date, irrigation and nitrogen application on yield of oil sunflower based on APSIM model[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(13): 134-143.

本文引用 [1]

周俊成, 吴晶晶, 陈小翔, 等. 移栽期对‘云烟87’烤后烟叶碳氮代谢产物及感官质量的影响[J]. 特产研究, 2022, 44(5): 53-57.

ZHOU

J C

, WU

J J

, CHEN

X X

, et al. Effects of transplanting period on carbon and nitrogen metabolites and sensory quality of cured Yunyan 87 tobacco leaves[J]. Special Wild Economic Animal and Plant Research, 2022, 44(5): 53-57.

本文引用 [1]

24	CHEN H X, LI L C, LUO X Q, et al. Modeling impacts of mulching and climate change on crop production and N₂O emission in the Loess Plateau of China[J]. Agricultural and Forest Meteorology, 2019, 268: 86-97. 本文引用 [1]

25	吴晋波, 张吴平, 贾若男. 基于DNDC玉米种植条件下土壤温室气体排放研究[J]. 山西农业科学, 2019, 47(5): 861-864. WU J B, ZHANG W P, JIA R N. Study on soil greenhouse gas emission based on DNDC corn planting condition[J]. Journal of Shanxi Agricultural Sciences, 2019, 47(5): 861-864. 本文引用 [1]

26	DeJONGE K C, ASCOUGH J C, AHMADI M, et al. Global sensitivity and uncertainty analysis of a dynamic agroecosystem model under different irrigation treatments[J]. Ecological Modelling, 2012, 231: 113-125. 本文引用 [1]

27	WANG J, LI X, LU L, et al. Parameter sensitivity analysis of crop growth models based on the extended Fourier Amplitude Sensitivity Test method[J]. Environmental Modelling & Software, 2013, 48: 171-182. 本文引用 [1]

28	郭方君, 马全林, 张锦春, 等. 石羊河流域荒漠区植被类型、分布和数量特征[J]. 干旱区地理, 2023, 46(11): 1 848-1 857. GUO F J, MA Q L, ZHANG J C, et al. Vegetation types, distribution and quantitative characteristics in the desert area of Shiyang River Basin[J]. Arid Land Geography, 2023, 46(11): 1 848-1 857. 本文引用 [1]

王　博, 李玲萍, 夏　权, 等. 河西走廊太阳辐射时空分布特征及太阳能资源评估研究[J]. 沙漠与绿洲气象, 2023, 17(6): 147-153.

WANG

, LI

L P

, XIA

, et al. Spatial and temporal distribution characteristics of solar radiation and assessment of solar energy resources in Hexi Corridor[J]. Desert and Oasis Meteorology, 2023, 17(6): 147-153.

本文引用 [1]

30	丁丽萍, 冉永军, 陈　斌, 等. 不同类型草地植物多样性及土壤因子特征研究[J]. 农业与技术, 2024, 44(9): 97-102. 本文引用 [1]

PDF(2277 KB)

221

访问

引用

详细情况

段落导航

摘要
Abstract
关键词
Key words
基金
引用本文
0 引言
1 材料与方法
1.1 石羊河流域春玉米适宜种植区概况
图1 石羊河流域土壤类型图
图2 石羊河流域种植结构图
1.2 数据来源
图3 文献筛选流程图
1.3 APSIM模型
1.3.1 模型概述
1.3.2 模型校验和验证方法
1.4 敏感性分析
1.4.1 敏感性指数SI法
1.4.2 修正的Morris法
表1 敏感性等级划分
1.5 统计分析
2 结果与分析
2.1 石羊河流域春玉米适宜种植区相关参数敏感性分析
表2 APSIM-Maize生长模型21个品种参数及其单位
2.1.1 敏感性指数SI法结果
图4 APSIM-Maize生长模型相关参数对产量的敏感性指数分布（SI指数法）
2.1.2 Morris法结果
图5 APSIM-Maize生长模型相关参数对产量的敏感性指数分布（Morris法）
2.2 优化石羊河流域春玉米适宜种植区相关参数结果
表3 APSIM-Maize生长模型适宜种植区产量相关参数的初值及优化值
2.3 APSIM模拟石羊河流域春玉米适宜种植区产量优化验证
图6 APSIM-Maize生长模型相关参数优化结果Tab.6 Optimization results of parameters related to APSIM-Maize growth model
表4 APSIM-Maize生长模型适宜种植区产量的模拟检验结果
图7 APSIM-Maize生长模型优化后验证值和实测值的对比
3 讨论
4 结论
参考文献

收稿日期	接受日期	出版日期
2024-06-05	2024-07-27	2024-12-10
发布日期
2024-12-16

选择文件类型/文献管理软件名称

选择包含的内容

摘要

Abstract

关键词

Key words

基金

引用本文

0 引 言

1 材料与方法

1.1 石羊河流域春玉米适宜种植区概况

图1 石羊河流域土壤类型图

图2 石羊河流域种植结构图

1.2 数据来源

图3 文献筛选流程图

1.3 APSIM模型

1.3.1 模型概述

1.3.2 模型校验和验证方法

1.4 敏感性分析

1.4.1 敏感性指数SI法

1.4.2 修正的Morris法

表1 敏感性等级划分

1.5 统计分析

2 结果与分析

2.1 石羊河流域春玉米适宜种植区相关参数敏感性分析

表2 APSIM-Maize生长模型21个品种参数及其单位

2.1.1 敏感性指数SI法结果

图4 APSIM-Maize生长模型相关参数对产量的敏感性指数分布（SI指数法）

2.1.2 Morris法结果

图5 APSIM-Maize生长模型相关参数对产量的敏感性指数分布（Morris法）

2.2 优化石羊河流域春玉米适宜种植区相关参数结果

表3 APSIM-Maize生长模型适宜种植区产量相关参数的初值及优化值

2.3 APSIM模拟石羊河流域春玉米适宜种植区产量优化验证

图6 APSIM-Maize生长模型相关参数优化结果Tab.6 Optimization results of parameters related to APSIM-Maize growth model

表4 APSIM-Maize生长模型适宜种植区产量的模拟检验结果

图7 APSIM-Maize生长模型优化后验证值和实测值的对比

3 讨 论

4 结 论

{{custom_sec.title}}

{{custom_sec.title}}

参考文献

0 引言

3 讨论

4 结论