小麦作物模型研究进展介绍及模型参数敏感性分析.pptx
《小麦作物模型研究进展介绍及模型参数敏感性分析.pptx》由会员分享，可在线阅读，更多相关《小麦作物模型研究进展介绍及模型参数敏感性分析.pptx（37页珍藏版）》请在冰点文库上搜索。
小麦作物模型研究进展介绍及模型参数敏感性分析,1.作物模型概况及研究现状2.论文介绍3.几个典型作物模型简单介绍,1.作物模型概况及研究现状作物模型是以作物为研究对象，根据农业系统学和作物科学，定量化表达作物生长发育过程与环境和经济因子之间的关系，分为：
作物生长模型、作物形态结构模型和作物结构功能模型，其研究经历了经验性模型到机理性模型，从理论走向应用的发展过程。
作物模型经历了幼年期（20世纪50-60年代），少年期（20世纪7080年代），青春期（20世纪70-80年代）和成熟期（20世纪90年代至今）。
作物生长模型逐渐形成以美国农业技术转移决策支持系统、荷兰deWit学派、澳大利亚农业生产系统研究单位以及中国为代表的四大研究组。
1.1小麦模型研究进展小麦作物模型可以分为生长模型和形态结构模型。
小麦生长模型对小麦生长期管理调控、产量预测和经济效益分析等方面有重要的指导作用。
目前为止国际上已有数十种发展成熟的小麦生长模型，如CEES-Wheat、WOFOST、APSIM-Wheat、WCSODS、WheatCrow、APES、COPSYST、DAISY、DSSAT、FASSET和HEMES等。
小麦形态结构模型是在器官层次上描述植物形态结构，因此能够表现小麦在不同环境下的结构差异以及在给定生长环境下的结构动态变化，为不同生产管理措施下的作物生长仿真、生长条件优化计算以及理想植株培育等方面提供重要的理论和实践价值。
1.2小麦生长模型研究的近况小麦生长模型除了地区适应性研究、生长发育过程以及和环境关系方面的应用外，近年来出现了一些新的研究热点。
近年来对作物生长模型的参数敏感性和不确定性分析成为一个研究热点，由于生长模型发展较为成熟，国内外可供选择的模型也较多，因此对各模型在特定研究区域应用的比较研究是另一热点。
随着生长模型和3S（S、GIS和GPS）技术的发展，结合这两种技术进行区域估产、区域作物管理和精准农业研究也成为一大应用热点。
1.3小麦结构功能模型与可视化研究小麦的形态结构模型主要描述小麦的外观形态，根据研究器官的不同可以分为根系和地上部的茎杆、叶片和麦穗的形态建成。
（1）小麦根系形态结构模型根系是小麦的重要器官，对小麦的生长发育、生理功能和物质代谢过程产生重要影响。
小麦根系的形态结构建模的方法主要有3种:
L系统、分形理论和参考轴技术。
（2）小麦茎杆形态结构模型小麦茎杆结构简单，故用圆柱体来模拟，节间长度和粗度分别确定圆柱体的长度和直径，从而建立小麦茎杆的几何模型。
（3）小麦叶片形态结构模型目前对小麦叶片的形态构建主要通过田间实验或者图像扫描得到叶片的形态变化特征，提取叶片的动态生长规律，从而模拟小麦叶片的形态结构变化。
（4）小麦麦穗形态结构模型由于麦穗沿穗长方向的穗宽和穗厚变化较小，故采用简化处理，用最大宽度和最大厚度来描述麦穗的形态。
麦穗的最大宽度可以用一元二次曲线模拟，而最大厚度可用线性方程表示，参数都为相应蘖位上麦穗在相应时刻的长度。
小麦麦穗生长动态模型的构建为麦穗的形态模拟奠定了基础。
2.存在问题及发展建议国内外学者对小麦作物模型已有很多研究，在理论上和实践上也提出了较好可行的功能结构模拟模型和形态结构模拟模型，但同时也存在一些问题，归纳为以下几个方面。
在小麦生长模型方面，由于目前模型具有较强机理性，包含参数较多，参数的获取和可靠性是影响模型应用的关键问题，而评估参数对模型结果的影响方法还不完善，还需要在保证模型准确性的前提下，对输入参数进行简化，同时进一步研究有效的方法来评估参数对模型的影响。
大多数模型是在田间尺度上建立和检验的，将其扩展到区域尺度乃至全球尺度存在着困难，不同的区域气候、土壤、作物和水文要素等不同，模型预测的准确性也不同，所以模型在异地推广存在困难，可以考虑结合3S技术，同时结合空间和区域气候、土壤、作物和水文要素等，在一定程度上可以提高模型的准确性。
生长模型发展较早，目前成熟的模型有数十种，如何从众多模型中选择最优也是一大难点，可以考虑对现有的作物模型进行集成，建设一个统一的面向作物模型开发的应用的理论框架和构建平台。
在小麦形态结构模型方面，对于小麦个体形态的模拟主要是细节方面还不完善，小麦叶片碰撞、遮挡和变形，麦穗和根系的模拟都有待加强，可以借助三维扫描设备、核磁共振成像技术和微创技术等辅助实现较复杂的小麦个体形态;针对小麦群体的模拟较少且真实感不强，未考虑群体中个体的差异以及个体之间的相互作用，对不同光照、水肥等环境条件下群体的模拟不足，可以将小麦形态结构模型和小麦生长模型结合更真实地模拟小麦的生长过程。
2.论文介绍敏感性分析研究现状模型校准是提高作物模型模拟结果可信度的关键一步，尤其是在区域乃至全球等相对较大的范围内进行模拟时，模型的准确性显得尤为重要。
综合以往的研究，对模型校准的方法主要有文献资料法、专家意见法、实际测量法、以及敏感参数调整法。
文献资料法主要通过查閱文献和相关资料，获得先验知识，并根据资料对相应参数进行调整。
该方法简单高效，可直接获得相关参数或参考值，但在资料不全的地区相关研究很难进行。
专家意见法一般通过咨询等方式，得到专家意见，并对模型进行校准，该方法准确高效，但一般只能在有先验知识的小范围区域内进行研究。
实际测量方法是根据模型需求，在田间直接测量模型模拟所必须的一些参数值，这种方法获取的数据准确性很高，模拟效果好，但多用于单点研究，且工作量巨大。
敏感参数调整法即通过敏感性分析得到对模型结果影响较大的参数，对这些参数进行逐步调整，该方法可用于大区域大范围研究中，虽然该方法计算量庞大，但随着计算机技术的快速发展，该方法具有较好的应用前景。
敏感参数调整法的关键在于敏感参数的确定，敏感性分析方法就是解决这一问题的有效手段。
在作物生长模型中不论是基于生长机理的模型还是基于过程的模型都是相当复杂的。
由于运行参数众多，很难实现对所有参数进行调整。
尤其是在缺乏先验知识的情况下，则尽量调整那些对模型模拟结果影响较大的参数，即作物敏感参数。
调整这些参数以期望模型模拟结果能够尽可能得符合当地实际的效果。
敏感性分析，也有一些学者将其翻译为灵敏度分析。
国外一些学者对于敏感性分析的定义为：
敏感性分析是研究模型输入因子对于模型输出结果的不确定性的影响。
也即研究模型输出结果的变化是如何分配到各个输入因子上的。
国内对于敏感性分析也有较多的研究，普遍认为敏感性分析就是模型输出结果随模型参数的微小改变而变化的影响程度或敏感程度。
模型参数敏感性分析的方法主要有以下几类:
一类是OAT（onefactoratatime）即每次只改变其中1个参数,根据参数改变对模拟结果的影响程度进行筛选。
例如,Favis-Mortlock和Smith在进行EPIC模型敏感性分析时,将数据库中的参数值增加或减少10%,然后分析这种变化导致模拟结果的变化。
该类方法一定程度上忽略了各参数之间的相互联系,但能快速确定那些敏感性较高的参数。
另一类方法是建立在模拟值与观测值比较的基础上,如Ronnie等13在进行SORKAM模型敏感性分析时,采用不同地区多年的实际值,找出气象条件和耕作条件相似的年份,用这些年份的资料分析不同土壤背景下模型对土壤参数的敏感性。
该类方法所得到的模拟结果都有观测值进行对比分析,并可以分析模型在某一应用方面的敏感程度,具有较高的可信度。
2.1基于WOFOST作物生长模型的冬小麦干旱影响评估技术（模型应用）先介绍了干旱灾害，引出干旱评估方法上多数采用统计学、天气学、气候学等方法以及卫星遥感方法等，但是利用作物生长模型评估农业气象灾害评则鲜有报道，如何科学、正确地辨识和评估干旱灾害，是当前热点问题之一。
鉴于此，本文采用作物模型模拟干旱对作物的影响，建立华北地区冬小麦干旱影响评估模型，在此基础上构建干旱评估指标，既而实现区域干旱影响评估，以期能够拓展和延伸农业气象灾害影响评估方法。
论文结构研究区域概况选择华北地区为研究区域，主要包括北京、天津两市以及河北、山东、河南三省。
研究资料及来源作物资料包括小麦品种类型及其熟性、小麦发育期资料以及田间生物量试验资料等，均取自中国气象局国家气象信息中心气象资料室（全国农业气象观测记录报表、全国农业气象观测AB报资料）。
冬小麦发育期观测项目有播种、出苗、三叶、分蘖、停止生长、返青、拔节、孕穗、抽穗、开花、乳熟、黄熟、成熟日期。
冬小麦田间生物量观测资料取自华北各地农业气象试验站。
用于模型研究的观测项目有地上部生物量、叶面积、产量因素、产量结构以及0100cm土壤水分含量。
观测的田间管理措施包括播种量、灌溉量以及施肥量等。
研究方法在引进国外作物生长模型WOFOST的基础上，首先根据生长作物参数和供试品种遗传参数以及田间试验资料对作物模型进行本地化处理，确定模型参数，进行模型参数区域化，建立区域评估模型，然后进行模型区域适宜性分析和干旱灾害模拟检验，进而构建干旱灾害评估指标，在干旱灾害指标的基础上，建立冬小麦干旱影响评估模型，最后对19612006年连续46a华北地区冬小麦干旱进行区域干旱影响评估并给出评估结果，区域影响评估包括历年典型干旱年份评估和年代干旱影响评估。
小麦区域化评估模型的检验区域上单点的检验在研究区域选取长序列有实测值的单点进行检验，并做定量化统计分析。
选取冬小麦主要种植区、代表性强、站点分布相对均匀10个站点19962005连续10a的产量资料来进行验证。
另外，还对各站点的模拟值与实测值进行了统计分析:
相对误差小于5%的占27%，在5%10%之间的占68%，在10%15%的占2%，大于15%的3%。
平均误差为6%。
可见，模拟值与实测值比较接近，且相对误差也在模型允许的误差范围之内，说明WOFOST模型可用于模拟华北区域小麦的生产。
区域上典型年份检验华北冬小麦区土壤水分模拟检验结果与分析选取5个典型干旱年份为例，对华北冬麦区进行了干旱模拟，并给出了影响评估结果。
干旱年代际影响模拟应用干旱评估指标，对华北冬麦区进行了连续46a（19612006年）的干旱减产率分析和干旱等级划分，4给出了华北地区冬小麦年代际干旱等级评估结果。
结论本文基于WOFOST作物生长模型，在模型适宜性分析及验证的基础上，通过数值模拟的研究方法，以导致减产的气象因子及其量值作为华北冬麦区干旱灾害评估指标，对华北地区冬小麦干旱进行了较为详细的模拟研究，并给出干旱灾害等级，得到以下基本结论。
2.2ALMANCE作物模型参数的敏感性分析主要内容:
为了方便模型数据库的组建,降低模拟结果的不确定性,本文根据山东禹城综合试验站2000-2003年的田间试验资料,进行ALMANAC模型模拟冬小麦和夏玉米的验证。
在此基础上采用OTA（即每次只改变其中1个参数）方法,对模型的土壤参数和作物参数进行敏感性分析。
材料和方法试验布设作物小区,单一小区长6.0m,宽3.6m,南北行向。
每个小区的角上留有2m2m的面积用于测产,其余面积用于动态取样。
其他的设计均为种植与田间管理。
冬小麦叶面积指数和干物质于返青后开始观测,冠层截获光合有效辐射于拔节期开始观测。
观测周期为10d,直到生育期结束。
采集植株样本,用CI-203叶面积仪测量绿叶面积并计算叶面积指数,用烘箱烘干样本并计算干物质量,整个生育期共观测10次。
冠层截光量采用Sunscan冠层分析仪观测,与叶面积指数同日进行,整个生育期共观测9次。
小麦成熟后每小区取1.8m2样方,收获地上部分,分别测定干鲜生物量、穗粒数、粒重、经济产量,并计算收获指数。
夏玉米拔节期后开始观测,观测项目和周期同冬小麦,整个生育期共测量9次。
不同的是收获测产每小区样方为4m2。
模型数据库与初始参数模型输入包括气象资料、土壤资料、作物属性资料和田间管理措施。
敏感性分析ALMANAC模型中的参数可分为以下几类:
（1）地理参数,如纬度、海拔高度、坡度等;
（2）土壤参数,主要有土壤厚度,容重,田间持水量,土壤初始含水量,凋萎湿度,土壤粉粒、砂粒含量,土壤反射率以及土壤pH值、N、P含量、CaCO3含量等;（3）作物参数分为两大类:
一是反映作物与气候条件相互关系的作物环境参数,如光能利用参数、热量状况参数;二是反映作物生态特征的作物生态参数,如与叶面积指数动态变化相关的参数,收获指数、最大根深、株高等。
采用OTA方法对模型中的土壤参数和作物参数进行敏感性分析,即每次运行模型时只对其中一个参数值增加或减少10%,如果增减10%溢出参数取值范围,则适当调整。
用相对敏感度表示敏感性大小:
其中,RS表示相对敏感度,x表示模型参数中的某一参数值,x表示该参数的改变量,y（x）及y（x+x）分别表示参数改变前后的模拟输出量,包括产量及叶面积指数等。
RS值愈大表示该参数愈敏感,反之愈不敏感。
结果与分析模型验证,敏感性分析土壤参数作物参数,结论与讨论实测资料检验表明,ALMANAC模型能够较好地模拟黄淮海平原地区冬小麦和夏玉米的生长。
应用模型时,对输出结果有显著影响的参数要通过试验获取,对模拟结果影响不显著的参数可以根据文献记载输入。
模拟过冬作物冬小麦时,应注意霜冻参数。
2.3模型参数全局敏感性分析的EFAST方法主要内容：
以模型为例，应用方法和年顺义冬小麦野外实测数据，对参数在整个生长季范围及不同生长阶段的敏感性进行了分析，并与分析方法进行比较。
结果表明：
和方法在分析模型的参数敏感性时都具有可行性，但是方法由于考虑了模型参数间的耦合影响，分析结果具有全局性，相对方法更客观全面。
材料与研究地区原理与方法方法介绍模型介绍模型参数的分析方法方法通过对模型输出方差的分解，可定量地获得每一个参数各阶及总敏感性指数。
也就是说，方法不仅可以同时检验多个参数的变化对模型结果的影响，还可以分析每一个参数变化对模型结果的直接和间接影响。
本文应用软件包Simlab对模型参数的全局敏感性进行分析。
方法实现过程包括样本的生成、模型选择、模拟及模拟结果的不确定性和敏感性分析。
在本研究中，使用外部模型程序结合软件完成模型参数的敏感性分析。
首先，对模型的所有参数按均匀分布采样，按照采样方法得到个样本（法认为采样次数大于参数个数倍的分析结果有效）。
参数的变化范围与期望值根据年顺义冬小麦野外实测数据及先验知识确定（表）。
分析方法介绍不确定性与敏感性矩阵是李小文等提出的一种不确定性和敏感性分析方法。
该方法最初提出是为了量化多阶段反演中参数的敏感性与不确定性变化，为反演过程中数据集和参数集分割提供决策支持。
结果及分析方法的分析结果敏感性分析兼顾了敏感性与不确定性，对整个生长季参数变化范围的分析更多反映了不确定性，而在生长阶段的分析细化了分析过程，能够反映参数在各个时期的敏感性变化。
因此，这里分别对整个生长季范围和不同生长阶段的参数敏感性进行分析。
整个生长季范围的参数敏感性分析,分析图中各个参数的敏感性排序，找出敏感性最大的几个参数。
不同生长阶段的结果,方法的分析结果,2.4,主要内容:
SensitivityanalysisofDSSAToutputstoinputsparameterswasconductedintwoCanadianlocations:
oneforspringwheat（TriticumaestivumL.）inthesemi-aridPrairiesinSwiftCurrent,Saskatchewanandthesecondformaize（ZeamaysL.）underhumidconditionsinWoodslee,Ontario.TheobjectiveofthisstudywastocarryoutsensitivityanalysisoftheDSSATCSM-Wheatand-MaizemodelsfortwocontrastingCanadianproductionsystems:
along-termspringwheatfieldexperimentatSwiftCurrent,Saskatchewan,andamaizefieldexperimentatWoodslee,SouthwesternOntario.,论文结构IntroductionMaterialsandmethodsFieldexperimentsTwofieldexperimentswereselectedtocarryoutsensitivityanalysisonprecipitation,managementpracticesandsoilhydraulicpropertiesinthisstudy.Thefirstwasacontinuouslong-termspringwheatstudyconductedfrom1967to2005intheCanadianSemi-aridtemperateclimaticzoneinSwiftCurrent,Saskatchewan（5017N,10748W）.Thesecondexperimentwasacontinuouslongtermmaizestudyconductedsince1959intheCanadianhumid-temperateclimateatWoodslee,Ontario（4213N,8245W）.DSSATmodeldescriptionTheuseradjustableinputsincludes:
（1）cropmanagements（plantingdateanddensity,fertilizationratesandtimes,tillage,organicmanureratesandtimes,croprotation）;
（2）soilprofiledata,includinggeneralandlayerinformationonsoilhydrological,physicalandchemicalproperties;（3）cropcultivarandspeciesparameters;and（4）thedailyweatherdata（includingsolarradiation,maximumandminimumairtemperatureandprecipitation）（Jonesetal.2003）.,Inthisstudy,theinputparameterswerechosenbasedonourobjectives,andtheiruncertaintiesshouldhavepotentialimpactsonbothcropgrowthandsoilNleaching,whichincluded
（1）soilwaterdrainageupperlimit（DUL）,
（2）soilwaterdrainagelowerlimit（LL）,（3）cropplantingdate（PD）,（4）plantpopulation（PP）,（5）fertilizerNapplicationrate（FNR）and（6）dailyprecipitation（PREC）.Fiveoutputsthatinfluencecropproductionwerechosenforsensitivityanalysisincluding
（1）grainyield,
（2）above-groundbiomass,（3）soilwatercontent,（4）soilinorganicNcontentand（5）nitrateNleaching（below1.2m）.Springwheatwascalibratedinthefavorablerainfallyearsof1970,1982,1986and1999usinggrainyieldsandNuptake.Formaize,years2010,2011and2012wereselectedtocalibratethemodelusingbothmaizeyieldsandabove-groundbiomass.SensitivityassessmentmethodsSeveralmethodswereemployedtoassessthemagnitudeofsensitivity.Theresponsecurve（regression）methodwasusedtoquantifytherelationshipbetweenoutputsandinputs（linearornon-linear）.,BarplotswereusedtodepictchangesofsoilmineralNatharvestandaccumulatedannualsoilNleachingfrom1967to2005atSwiftCurrent,andfrom2010to2012atWoodslee.time-coursegraphicalmethodsWhentheoneatatimemethodwasusedinconjunctionwiththeentirerangeofinputparametersthisbecomesthenominalrangemethodwhichisanintermediatestepbetweenlocalandglobalsensitivityanalysis.Resultsanddiscussion,Cropyieldsensitivity,Soilwatersensitivity,SoilmineralNsensitivity,SoilNleachingsensitivity,Summaryandconclusions,作物模型的参数敏感性分析总结：
1.引言作物模型研究意义，前人对某一模型研究的进展及成果，本文研究的切入点与拟解决的问题。
2.材料与方法材料介绍模型介绍主要有：
WOFOST、APSIM、AquaCrop、CERES-Wheat、ORYZA2000等模型。
敏感性分析方法有：
Morris参数筛选法、多元回归法、傅里叶幅度检验法（FAST）、基于方差的Sobol法、扩展傅里叶幅度检验法（EFAST）、USM分析方法、OTA方法等。
其中运用的还有SAIL模型、专业敏感性分析软件Simlab、贝叶斯方法（马尔科夫特卡洛方法MonteCarlomethod）等。
模型运行条件：
气象数据、土壤数据、田间管理、作物品种参数等。
3.参数选择和模拟设计参数选择要根据当地环境对模型的基值进行调整4.结果与分析总的敏感性结果、产量的参数敏感性结果,3.典型作物模型的简单介绍3.1WOFOSTWOFOST（WOrldFOodSTudies）模型是荷兰Wageningen农业大学和世界粮食研究中心（CWFS）共同开发研制，模拟特定土壤和气候条件下一年生作物生长的动态解释性模型。
WOFOST模型理论基础同化作用和呼吸作用作物生育期
升级会员 