劉紅

摘要：本文采用DSSAT-CERES-Maize模型，通過遼寧省鐵嶺地區(qū)玉米生長(zhǎng)的天氣數(shù)據(jù)、土壤數(shù)據(jù)、田間管理數(shù)據(jù)來校準(zhǔn)玉米遺傳參數(shù)，并用相對(duì)均方根誤差進(jìn)行驗(yàn)證。

關(guān)鍵詞：玉米；DSSAT；遺傳參數(shù)

1實(shí)驗(yàn)設(shè)置

實(shí)驗(yàn)地點(diǎn)選在遼寧省鐵嶺市的蔡牛鎮(zhèn)，田間實(shí)驗(yàn)為三年，2017、2018和2019年都于5月1日播種，育有鄭單958品種。在玉米定苗后，每個(gè)品種間隔15天左右選取3株長(zhǎng)勢(shì)較為一致的植株測(cè)定生物量、葉面積、葉綠素含量及光照等數(shù)據(jù)。

2DSAAT模型參數(shù)化

2.1DSSAT-CERES-Maize模型的輸入?yún)?shù)

DSSAT-CERES-Maize模型的輸人數(shù)據(jù)包括4個(gè)部分：天氣數(shù)據(jù)、土壤數(shù)據(jù)、田間管理數(shù)據(jù)和品種遺傳參數(shù)，其中品種的遺傳參數(shù)需要根據(jù)前3個(gè)數(shù)據(jù)來確定。

天氣數(shù)據(jù)中2017年的氣象數(shù)據(jù)用于驅(qū)動(dòng)DSSAT-CERES-Maize模型來校準(zhǔn)玉米遺傳參數(shù)，2018和2019年的氣象數(shù)據(jù)用于驗(yàn)證玉米遺傳參數(shù)；土壤參數(shù)包括土壤性質(zhì)和剖面特征，即土壤類型、有機(jī)碳含量、舍氮量、pH值等數(shù)據(jù)，均來自于中國土壤數(shù)據(jù)庫（hup：//vdb3.soil.csdb.cn）；主要的田間管理數(shù)據(jù)包括作物種植日期、種植密度、施肥量、施肥方式、施肥日期、耕作方式、灌溉方式、收獲日期和方式、產(chǎn)量、生物量等，均來自于實(shí)驗(yàn)觀測(cè)。

2.2玉米遺傳參數(shù)的校準(zhǔn)

DSSAT-CERES-Maize模型使用6個(gè)品種遺傳參數(shù)，包括：P1，P2，P5，C2，C3，PHINT。其中，P1，P2，P5主要控制作物的生長(zhǎng)期；C2和C3主要控制籽粒灌漿。

本研究用2017年的天氣、土壤數(shù)據(jù)以及鄭單958的田間實(shí)驗(yàn)數(shù)據(jù)來驅(qū)動(dòng)模型中的CLUE模塊，每次運(yùn)行至少6000次，并結(jié)合“試錯(cuò)法”獲得晟憂的玉米遺傳參數(shù)（表1）。

2.3玉米遺傳參數(shù)的驗(yàn)證

本文使用2018和2019年的天氣、土壤數(shù)據(jù)進(jìn)行參數(shù)和模型的驗(yàn)證，選用相對(duì)均方根誤差RRMSE[2]作為評(píng)價(jià)玉米遺傳參數(shù)準(zhǔn)確性及模型模擬性能的指標(biāo)。

為了評(píng)價(jià)DSSAT模型對(duì)玉米生育期和產(chǎn)量的模擬效果，本次試驗(yàn)研究選取開花期（ADAP）、生理成熟期（MDAP）、產(chǎn)量（HWAM）和成熟期地上千物重（CWAM）的均方根誤差RRMSE作為評(píng)價(jià)模型的指標(biāo)。

使用2018和2019年的天氣數(shù)據(jù)驅(qū)動(dòng)校準(zhǔn)后的DSSAT模型，結(jié)果表明模型對(duì)2018年產(chǎn)量模擬的效果較差，RRMSE大于30％，這可能是因?yàn)?018年持續(xù)的高溫天氣和嚴(yán)重的干旱情況，而DSSAT-CERES-Maize模型對(duì)極端干旱天氣的產(chǎn)量模擬效果欠佳，使得模擬誤差偏大；2019年ADAP、MDAP、HWAM和CWAM的模擬效果較好，RRMSE均小于10％。因此，本文選用2019年玉米模擬與觀測(cè)之間的RRMSE，作為驗(yàn)證控制生育期的遺傳參數(shù)的依據(jù)。如表2所示，ADAP、MDAP、HWAM和CWAM的RRMSE均小于10％，模擬效果都非常好。

3結(jié)論

本文選用DSSAT模型對(duì)鐵嶺地區(qū)玉米遺傳參數(shù)進(jìn)行校準(zhǔn)，并結(jié)合”試錯(cuò)法”獲得最優(yōu)的玉米遺傳參數(shù)，并選用相對(duì)均方根誤差進(jìn)行驗(yàn)證，模擬效果都非常好。但模型對(duì)極端干旱天氣的產(chǎn)量模擬效果欠佳，2018年持續(xù)的高溫天氣和嚴(yán)重的干旱情況導(dǎo)致模擬誤差偏大。