王治海 金志鳳 李仁忠 毛智軍 李建業(yè) 侯英雨

摘要：以水稻品種甬優(yōu)15為試驗材料，對浙江省單季稻發(fā)育期、生物量及產量結構進行了觀測。在此基礎上，結合作物特性和觀測數(shù)據(jù)調整了ORYZA2000模型參數(shù)，并驗證了模型對作物生長發(fā)育變量的模擬效果。結果表明，供試品種生物量變化趨勢符合作物生長發(fā)育規(guī)律，具有高產群體特征，其中LAI最大值為12.5，葉、莖、穗干質量分別為6 052.1、12 414.4、21 641.1 kg/hm2。模型對生育期模擬效果最好，絕對誤差為1 d；生物量變化動態(tài)模擬效果良好，一致性指數(shù)D達0.9以上；LAI、干物質量和產量的模擬誤差在可接受范圍內，其中穗干質量的NMRSE為17.9%。說明ORYZA2000模型對浙江省單季稻模擬具有較好的適應性，可為作物產量預報、氣象影響評價等農業(yè)氣象服務提供技術支撐。

關鍵詞：ORYZA2000模型；田間試驗；生物量；產量結構；單季稻

中圖分類號： S511.04文獻標志碼： A

文章編號：1002-1302（2017）11-0063-04[HS）][HT9.SS]

水稻是浙江省最主要的糧食作物之一，常年產量占糧食總產的80%以上[1-2]。其中，單季稻是浙江省播種面積最大、分布范圍最廣的水稻種植類型[3]。據(jù)統(tǒng)計，2015年浙江省單季稻面積58.77萬hm2，產量434.6萬t，分別占全省稻區(qū)的71%和75%。然而，在氣候多變條件下，高溫熱害、低溫冷害等農業(yè)氣象災害發(fā)生頻率和強度不斷增加[4-6]，影響著水稻正常的生長發(fā)育和產量形成，糧食安全生產形勢日益嚴峻[7-8]。因此，及時、準確地掌握作物長勢和產量信息，對于確保糧食安全和宏觀調控具有十分重要的意義。

作物生長模擬模型是一種面向作物生長發(fā)育過程的數(shù)值模擬模型，可為作物長勢監(jiān)測和產量預報提供行之有效的途徑。它在遵循物質平衡、能量守恒以及物質能量轉換原理的基礎上，以土壤、氣象等條件作為驅動變量，運用數(shù)學物理方法和生態(tài)環(huán)境數(shù)值模擬技術，人為地再現(xiàn)作物生長發(fā)育及產量形成過程[9]。ORYZA系列模型是由國際水稻研究所（IRRI）和荷蘭瓦格寧根大學（WUCR）聯(lián)合研制用于模擬水稻生長發(fā)育的模型，經(jīng)歷了潛在生產水平下的ORYZA1、水分限制條件下的ORYZA-W、氮素限制水平下的ORYZA-N和ORYZA1-N[10]。隨著對作物生長機理認識的不斷深入，該模型在我國水稻生產中得到了較好的推廣和應用。帥細強等利用本地化和區(qū)域化的ORYZA2000模型，實現(xiàn)了水稻生長農業(yè)氣象條件的定量評價[11]；莫志鴻等通過確定不同品種的作物參數(shù)，驗證了ORYZA2000模型對湖南雙季稻生長的模擬能力[12]；浩宇等以水稻生長觀測數(shù)據(jù)為基礎，分析了ORYZA2000模型模擬安徽地區(qū)不同播期水稻的適應性[13]；薛昌穎等在檢驗ORYZA2000模型有效性的基礎上，對旱作水稻適宜播期進行了探討[14]；沙依然·外力等結合田間控制試驗，利用ORYZA2000模型開展了高溫對水稻生物量及產量影響的模擬[15]，以上研究為模擬浙江省單季稻生長發(fā)育及產量形成奠定了堅實的理論基礎。

本研究擬通過田間試驗獲取浙江省單季稻生長發(fā)育觀測資料，利用觀測數(shù)據(jù)，在ORYZA2000模型中調試并確定模型參數(shù)，進行生育期、葉面積指數(shù)、器官干物質量及產量的模擬驗證，總體評價ORYZA2000模型在浙江省單季稻區(qū)的適應性，為進一步促進作物模型在農業(yè)氣象服務中業(yè)務化應用提供科學依據(jù)。

1材料與方法

1.1試驗地點和供試材料

試驗于2015年在國家一級農業(yè)氣象試驗站浙江省龍游站（29°02′N，119°11′E）進行。該站隸屬浙江省衢州市，位于金衢盆地中部，屬于亞熱帶季風氣候，年平均氣溫17.4 ℃，≥10 ℃的活動積溫5 652.6 ℃·d，年平均降水量 1 515.7 mm，年平均相對濕度77%，年日照數(shù)為1 720.5 h。

供試材料為秈粳雜交偏秈型品種甬優(yōu)15，直播單季稻。該品種較好地結合了秈型雜交稻的良好長勢和粳稻的耐寒抗倒能力，平均全生育期為138.7 d，具有優(yōu)質、高產、穩(wěn)產等特點[16]。

1.2測定項目與方法

生育期參照《農業(yè)氣象觀測規(guī)范》，根據(jù)水稻外部形態(tài)變化，記錄播種、出苗、三葉、分蘗、拔節(jié)、孕穗、抽穗、乳熟、成熟等生育期的日期。在上述生育期內，從田塊中選取4個代表性觀測點，每個測點面積為0.25 m×0.25 m。測定每個測點面積上的總株（莖）數(shù)，計算植株密度。在4個代表性測點的附近取10株（莖），共40株（莖），測量葉片、莖稈、穗粒等器官的鮮質量，并采用面積系數(shù)法測定葉面積指數(shù)。之后，105 ℃ 下殺青30 min，80 ℃烘干至恒質量，測定葉片、莖稈、穗粒等器官的干質量。

在水稻成熟收獲期，在觀測地段8個密度測定點上每1點連續(xù)取5穴，共40穴，測定穗粒數(shù)、穗結實粒數(shù)、空殼率、秕谷率、成穗率、莖稈質量、籽粒莖稈比和千粒質量，計算理論產量和地段實產，并實收核產。

1.2數(shù)據(jù)整理與研究方法

以作物生物學特性為基礎，結合田間試驗觀測結果，調整模型的比葉面積、干物質分配系數(shù)、葉片生長速率、葉片死亡速率、光能利用率等參數(shù)。在此基礎上，利用站點氣象數(shù)據(jù)和土壤數(shù)據(jù)驅動ORYZA2000作物模型，對關鍵生育期、葉面積指數(shù)LAI、葉質量、莖質量、穗質量、產量等進行模擬，并與實測值對比，進而評價模型的模擬效果。

利用Excel制圖工具，繪制水稻生物量觀測值和模擬值隨時間的變化趨勢，定性分析模型的模擬效果。采用一致性指數(shù)（D）、均方根誤差（RMSE）和相對均方根誤差（NRMSE），定量評價模擬值與實測值的吻合程度[17-19]。

式中：Obsi為實測值，Simi為模擬值，Obs[TX-]為實測平均值，N為樣本數(shù)。

2結果與分析

2.1水稻生育期氣象條件

將2015年龍游單季稻生長期內氣象條件與2014年、1981—2010年30年平均值進行對比（表1）。2015年作物生育期內，熱量、水分、光照條件變化趨勢與上一年和常年基本一致，表現(xiàn)出平均氣溫呈“兩頭低中間高”分布，降水集中在梅雨季，日照時數(shù)變化平穩(wěn)。但階段性變化差異較明顯，如6—7月，2015年平均氣溫的波動幅度明顯大于2014年，尤其是在6月初和7月初，氣溫變幅達10 ℃左右。此外，2015年入梅時間偏早，降水多集中在6月中上旬，累積雨量比2014年和常年同期分別偏多490.3、321.1 mm。此時作物在營養(yǎng)生長階段，雨量過多容易造成養(yǎng)分流失，分蘗期較2014年遲4 d。水稻在拔節(jié)期內對熱量累積水平要求最高，期間 ≥10 ℃ 活動積溫約1 000 ℃·d，可以滿足作物生長需求。進入生殖生長階段，光、溫、水條件的匹配狀況直接影響作物產量形成。2015年9月下旬至10月上旬，雨量較常年多1倍以上，同期日照時數(shù)偏少約60%。陰雨寡照突出，影響水稻黃熟和品質，收獲期較2014年遲7 d。

2.2作物生長量觀測結果

2.2.1莖蘗動態(tài)

水稻莖蘗數(shù)的增長情況是作物品種特性、氣象條件、土壤環(huán)境、栽培技術等因素綜合作用的結果， 是劃

2.2.2葉面積指數(shù)

葉面積指數(shù)（LAI）是表征作物光合面積大小和冠層結構的重要參數(shù)，與作物呼吸蒸騰、太陽光截取等因素密切相關，是判斷作物長勢優(yōu)劣的重要參數(shù)[22]。LAI時間變化如圖2所示，分蘗期為0.13左右，之后增長明顯，于孕穗期達到12.3。在生殖生長階段，LAI平穩(wěn)下降，但仍然處于較高水平，整個生育期內最大葉面積指數(shù)出現(xiàn)在乳熟期，為12.5。

2.2.3干物質分配

干物質在不同生育期內向各個器官分配情況如圖3所示。在營養(yǎng)生長階段，光合作用累積產物主要向葉片、莖稈輸送。進入生殖生長階段，葉干質量和莖干質量增加幅度減小，到乳熟期，葉、莖干質量達到最大值，分別為6 052.1、12 414.4 kg/hm2，之后開始減少。而穗干質量隨時間不斷增加，于成熟期達到最大值21 641.1 kg/hm2。地上總

生物量在整個生育階段一直處于增加趨勢，最大值出現(xiàn)在成熟期，為37 636.9 kg/hm2。

2.2.4產量結構

2.3.2生物量

從圖4可以看出，LAI隨時間呈波峰型變化，即出苗后為指數(shù)增長趨勢，在孕穗抽穗期達到最大值，為13.5，之后逐步減小。地上總生物量為干物質累積作用的結果，整個生長階段一直處于增加狀態(tài)（最大值約 42 000 kg/hm2），并且在不同生育期內按干物質分配系數(shù)向各個器官輸送。其中，莖干質量在營養(yǎng)生長階段增加，至孕穗期穩(wěn)定在13 000 kg/hm2左右；葉干質量呈波峰型變化，于孕穗抽穗期達最大值6 400 kg/hm2；穗干質量從生殖生長階段開始一直增加，至成熟期達最大值，約20 000 kg/hm2。結合作物觀測結果可知，模型對生物量模擬結果的最大值出現(xiàn)時間與實際情況基本吻合，變化趨勢也比較一致。

為進一步分析模型的模擬效果，將模擬值與實測值進行對比。如表4所示，D指數(shù)均在0.9以上，說明模型對作物變量動態(tài)變化的模擬結果與實際情況基本相符。LAI、葉干質量、穗干質量模擬值與實測值的NRMSE為20%左右，模型對葉片動態(tài)、穗質量的模擬性能較好，而對莖干質量和地上總生物量的模擬效果相對較差，NRMSE分別為47.2%、31.3%。好?？梢哉J為，調整后的ORYZA2000作物模型在浙江省單季稻區(qū)具有較好的適用性。

2.4模型應用

產量是作物生長成熟時的重要結果變量，其模擬效果的優(yōu)劣直接影響模型在作物產量預報服務應用水平。在模型參數(shù)定標的基礎上，分別利用2014年、2015年的氣象數(shù)據(jù)驅動作物模型，得到2年的模擬產量分別為8 070、7 911 kg/hm2。而2年實測產量分別為7 410、7 350 kg/hm2，模擬和實測結果均表明2015年產量低于2014年，并且絕對誤差均在 600 kg/hm2 左右。由此可見，模型對浙江省單季稻產量模擬效果較好。

3結論與討論

供試水稻各器官干物質觀測結果符合作物生長發(fā)育規(guī)律，即干物質在營養(yǎng)生長階段主要向莖、葉輸送，而在生殖生長階段轉向穗粒。并且，試驗品種甬優(yōu)15具有高產群體特征，生物量最大值較高，其中LAI為12.5，葉、莖、穗干質量分別為6 052.1、12 414.4、21 641.1 kg/hm2。產量觀測結果表明2015年產量結構優(yōu)于2014年，但平均單產比2014年少了近60 kg/hm2。這主要是由于作物品種、技術措施、生長期內的氣象條件和地理環(huán)境在存在一定的區(qū)域性差異，從而造成同一個縣內不同稻區(qū)實收產量與單點觀測結果相悖。

ORYZA2000模型對作物生長發(fā)育進程具有良好的模擬能力。生育期絕對誤差為1 d；模擬的生物量動態(tài)變化趨勢與實際情況基本吻合，D指數(shù)在0.9以上；葉面積指數(shù)和穗干質量模擬效果較好，NRMSE為20%左右。此外，模型模擬的產量水平及其變化情況符合實際，可以較好地解釋氣候、土壤等因素對產量形成的影響。

田間試驗為ORYZA2000模型參數(shù)本地化應用提供了數(shù)據(jù)支持，驗證結果誤差在合理范圍之內，表明模型在浙江省單季稻區(qū)具有較好的適應性。但驗證結果還存在一定的不穩(wěn)定性，例如田間試驗觀測結果存在不可避免的誤差、模型關于極端天氣事件對作物生長發(fā)育影響的考慮不夠充分，這正是作物生長模擬模型在業(yè)務應用過程中亟需解決和改進之處。此外，受管理和環(huán)境變量非均勻性的影響，模型較難確定區(qū)域范圍內的作物、土壤等參數(shù)。而本研究僅以1年單站的觀測資料作為研究對象，對模型區(qū)域化應用產生了一定的限制。因此，分品種分地域開展田間試驗獲取更具代表性的觀測數(shù)據(jù)，利用更加精細的空間網(wǎng)格氣象數(shù)據(jù)作為數(shù)據(jù)支撐，同時深化作物生長機理研究，將使得模型在作物產量預報、作物生長狀況定量評價、農業(yè)氣象災害影響評估等業(yè)務應用中更加精準和客觀，從而促進農業(yè)氣象服務的定量化、精細化和專業(yè)化。

參考文獻：

[1]孫穎，王旭東，王鶯，等. 硅磷配施對水稻土中速效養(yǎng)分和水稻產量的影響[J]. 浙江農林大學學報，2015，32（4）：551-556.

[2]朱德峰，陳惠哲，章秀福，等. 浙江水稻種植制的變化與種植區(qū)劃[J]. 浙江農業(yè)學報，2007，19（6）：423-426.

[3]段居琦，周廣勝. 我國單季稻種植區(qū)的氣候適宜性[J]. 應用生態(tài)學報，2012，23（2）：426-432.

[4][JP2]黃青，吳文斌，鄧輝，等. [JP3]2009年江蘇省冬小麥和水稻種植面積信息遙感提取及長勢監(jiān)測[J]. [JP3]江蘇農業(yè)科學，2010（6）：508-511.[JP]

[5]王品，魏星，張朝，等. 氣候變暖背景下水稻低溫冷害和高溫熱害的研究進展[J]. 資源科學，2014，36（11）：2316-2326.

[6]譚孟祥，景元書，曹海寧. 江蘇省一季稻生長季氣候適宜度及其變化趨勢分析[J]. 江蘇農業(yè)科學，2016，44（1）：349-353.

[7]金志鳳，楊太明，李仁忠，等. 浙江省高溫熱害發(fā)生規(guī)律及其對早稻產量的影響[J]. 中國農業(yè)氣象，2009，30（4）：628-631.

[8]徐敏，徐經(jīng)緯，高蘋，等. 江蘇水稻障礙型冷害時空變化特征及敏感性分析[J]. 氣象，2015，41（11）：1367-1373.

[9]王石立，馬玉平. 作物生長模擬模型在我國農業(yè)氣象業(yè)務中的應用研究進展及思考[J]. 氣象，2008，34（6）：3-10.[ZK）]

[10]Goff S A，Ricke D，Lan T H，et al. A draft sequence of the rice genome （Oryza sativa L. ssp. japonica）[J]. Science，2002，296（5565）：92-100.

[11]帥細強，王石立，馬玉平，等. 基于水稻生長模型的氣象影響評價和產量動態(tài)預測[J]. 應用氣象學報，2008，19（1）：71-81.

[12][JP2]莫志鴻，馮利平，鄒海平，等. 水稻模型ORYZA2000在湖南雙季[JP3]稻區(qū)的驗證與適應性評價[J]. 生態(tài)學報，2011，31（16）：4628-4637.[JP]

[13]浩宇，景元書，馬曉群，等. ORYZA2000模型模擬安徽地區(qū)不同播期水稻的適應性分析[J]. 中國農業(yè)氣象，2013，34（4）：425-433.[ZK）][HT][HJ][HT][FL）]

[KH*4D]

[HT8.]

[14]薛昌穎，楊曉光，陳懷亮，等. 基于ORYZA2000模型的背景地區(qū)旱稻適宜播種期分析[J]. 生態(tài)學報，2010，30（24）：6970-6979.

[15]沙依然·外力，李秉柏，張佳華，等. 水稻模擬模型在高溫敏感性研究中的應用[J]. 植物生態(tài)學報，2014，38（5）：515-528.

[16]曾研華，張玉屏，王亞梁，等. 秈粳雜交稻枝梗和穎花形成的播期效應[J]. 中國農業(yè)科學，2015，48（7）：1300-1310.

[17]郭含茹，張茂震，徐麗華，等. 基于地理加權回歸的區(qū)域森林碳儲量估計[J]. 浙江農林大學學報，2015，32（4）：497-508.

[18]楊琳，高蘋，居為民.基于MODIS NDVI數(shù)據(jù)的江蘇省冬小麥物候期提取[J]. 江蘇農業(yè)科學，2016，44（1）：315-320.

[19]曹秀霞，安開忠，蔡偉，等. CERES-Rice模型在江漢平原的驗證與適應性評價[J]. 中國農業(yè)氣象，2013，34（4）：447-454.

[20]孟亞利，曹衛(wèi)星，柳新偉，等. 水稻莖孽動態(tài)的模擬研究[J]. 南京農業(yè)大學學報，2003，26（2）：1-6.

[21]郭保衛(wèi)，花勁，周年兵，等. 雙季晚稻不同類型品種產量及其群體動態(tài)特征差異研究[J]. 作物學報，2015，41（8）：1220-1236.

[22]陳龍，史學正，徐勝祥，等. 基于水稻葉面積指數(shù)的根生物量預測模型研究[J].