陈 超，庞艳梅，莫志鸿

(1. 中国气象局成都高原气象研究所/高原与盆地暴雨旱涝灾害四川省重点实验室，成都 610072；2. 高原大气与环境四川省重点实验室，成都 610225；3.北京市气候中心，北京 100089)



四川单季稻区主栽水稻品种的生长模拟*4

陈 超1,2，庞艳梅1，莫志鸿3

(1. 中国气象局成都高原气象研究所/高原与盆地暴雨旱涝灾害四川省重点实验室，成都 610072；2. 高原大气与环境四川省重点实验室，成都 610225；3.北京市气候中心，北京 100089)

摘要：利用四川单季稻区7个农业气象观测站5个主栽品种的田间观测数据，结合当地栽培管理措施、土壤条件及逐日气象资料对ORYZA2000模型进行参数调试，并确定四川单季稻区5个主栽品种的作物参数值；利用4～5a各主栽品种的观测数据对单季稻生育期、叶面积指数、生物量和产量等指标的模拟结果进行验证和评价。结果表明，合系39营养生长期发育速率最大，而生殖生长期发育速率最小，Ⅱ优838营养生长期发育速率最小，而D优63和汕优2生殖生长期发育速率最大；模型对5个单季稻主栽品种的生育期模拟效果较好，各品种开花期与成熟期的相对模拟误差均在1～2d，归一化均方根误差（NRMSE）均小于1%；各品种产量的NRMSE在5.26%～10.01%，叶面积指数的NRMSE为10.37%～19.19%，地上部总生物量、茎生物量、绿叶生物量及穗生物量的NRMSE分别为13.17%～18.69%、14.31%～20.41%、18.95%～24.74%和20.85%～25.39%。由此可见，ORYZA2000模型能够较为准确地模拟四川单季稻区5个主栽品种的发育及产量形成过程，适应能力较强，可以应用于四川单季稻生产。

关键词：作物模型；ORYZA2000；单季稻；主栽品种；四川

陈超,庞艳梅,莫志鸿.四川单季稻区主栽水稻品种的生长模拟[J].中国农业气象,2016,37(3):307-315

四川是中国13个粮食主产区之一，也是西部唯一的粮食主产区，粮食作物中尤以水稻最为突出，常年种植面积200万hm2左右，占粮食面积的30%左右，产量占粮食总产的40%以上。作物生长模型是农业研究领域中的重要工具之一，它不但可以检验人们对农业生产系统的认知水平，还可帮助理解并比较不同试验点结果间的差异性[1]，进而形成决策支持系统，研究气候变化对农业的影响及产量预测[2]。ORYZA是国际水稻所和荷兰瓦赫宁根大学共同开发的水稻生长模型，2001年推出了ORYZA2000模型，并在实际生产中得到了检验和应用。薛昌颖等[3-4]研究指出，ORYZA2000模型能较准确地模拟旱稻的生物量、叶面积动态变化及产量，在模拟穗生物量方面具有较高准确性，并估算了北京旱稻的产量潜力；Feng等[5]校正了北方旱稻和低地水稻品种参数，并开展了节水灌溉模拟研究；帅细强等[6]利用湘赣地区的气象因素、双季稻发育期和生物量观测数据资料，对ORYZA2000 模型进行了调试和验证；莫志鸿等[7]研究指出，ORYZA2000可较为准确地模拟湖南双季稻生长发育及其生物量的动态累积过程；浩宇等[8]提出ORYZA2000模型可以较准确地模拟安徽地区不同播期水稻的发育期、发育速率及其生物量的动态积累过程。但是，以往应用ORYZA2000模型研究四川稻区单季稻生长发育的报道很少。此外，不同品种可使水稻经历不同的光温水热条件，从而影响水稻的生长发育及其产量形成，但以往研究大多利用几年的试验数据分析模型在当地的适用性，未对当地多年的主栽品种进行模拟研究。因此，利用ORYZA2000模型模拟四川单季稻区主栽水稻品种的生长发育及产量具有重要意义。

本研究拟利用四川7个农业气象观测站5个单季稻主栽品种1981-2009年的田间观测资料，结合当地管理措施水平及土壤资料，在ORYZA2000模型中校正并确定5个单季稻主栽品种的作物参数，进行生育期、产量、叶面积及器官生物量等的模拟和验证，评价ORYZA2000在四川稻区的模拟能力和适应性，为模型在四川地区的推广应用提供理论依据。

1 资料与方法

1.1 试验资料

观测于1981-2009年在四川单季稻区的7个农业气象观测站点（图1）进行，分别为温江(30°42′N，103°50′E，539m)、都江堰(30°59′N，103°40′E，707m)、广汉(30°58′N，104°17′E，474m)、南充(30°48′N，106°05′E，298m)、大竹(30°45′N，107°12′E，398m)、冕宁(28°33′N，102°10′E，1774m)和西昌(27°54′N，102°16′E，1591m)。

选择5个主栽水稻品种为研究对象，包括汕优63、D优63、Ⅱ优838、汕优2和合系39。1981-2009年单季稻生育期（播种期、出苗期、三叶期、移栽期、分蘖期、拔节期、孕穗期、抽穗期、乳熟期和成熟期）、器官生物量、最终产量以及叶面积指数等资料由四川省气象探测数据中心提供。

1981-2009年观测站点逐日气象数据，包括逐日最高气温(℃)、最低气温(℃)、水汽压(kPa)、降水量(mm)、平均风速(m·s-1)、辐射量(J·m-2)和日照时数(h)，均由四川省气象探测数据中心提供。

土壤理化性状资料包括各土层土壤质地、机械组成、地下水埋深等。资料来自《中国土种志》中有关四川稻区土壤剖面实测统计数据，并计算了模型中所需的饱和体积含水量与饱和导水率等参数。

7个农业气象观测站单季稻观测参数和稻田土壤状况及初始水量见表1和表2。

图1 农业气象观测站点分布Fig. 1 Distribution of agricultural meteorological stations in Sichuan province

表1 各站单季稻生长季和资料观测年份Table 1 Growing season of single cropping rice and observation years at each station

表2 各站稻田土壤状况和初始水量Table 2 Soil state and initial water content in the rice field of each station

1.2 ORYZA2000水稻模型

利用2013年发布的ORYZA2000模型最新版本V3.0进行水稻生长模拟。ORYZA2000模型是一个生理生态模型，以日作为时间步长，动态定量描述潜在生产水平下水稻生长和产量形成[9]。首先，进行模型参数调试。ORYZA2000模型通过作物参数描述不同品种间的差异，其中绝大部分参数由大量的试验分析得出，具有较好的普适性，约10%的作物参数需通过具体田间试验确定，这些参数主要有干物质分配系数、发育速率、叶片相对生长速率、比叶面积、叶片死亡速率、最大粒重以及茎同化物转移系数等。

1.3 输入数据和模型参数化

应用模型之前需要经过调参与检验，首先检验模型运行的输出结果在逻辑上是否正确；然后是校正模型，利用试验数据校正模型中的参数；最后进行模型验证。模型运行需按照格式建立天气数据文件、作物文件和处理数据文件，并要决定这些文件的参数。

根据5个单季稻代表品种建立模型的运行文件。以品种汕优63（1986-1991年）、D优63（1988-1992年）、Ⅱ优838（1997、1998、2000、2003年）、汕优2 （1981-1983年）和合系39（2001-2004年）的田间观测数据为校准数据进行调参。需调整的参数包括发育速率、干物质分配系数、比叶面积、叶片相对生长速率、叶片死亡率、茎同化转移系数和最大粒重等。利用观测记录的不同生育期日期通过模型所带的DRATE.EXE计算发育速率。首先修改作物文件中的发育速率项，其次运行模型自带的PARAM.EXE文件，并在PARAM.OUT里查看干物质分配系数、比叶面积等参数、叶片相对死亡率，然后修改作物文件中的相关数据，最后运行模型。

1.4 模型的检验方法

本研究利用四川各站5个单季稻品种汕优63 （1986-1991年）、D优63（1988-1992年）、Ⅱ优838 （1997、1998、2000、2003年）、汕优2（1981-1983年）和合系39（2001-2004年）的田间观测数据对ORYZA2000模型进行调试，并获得参数校正值；利用5个单季稻品种汕优63（1992-1995、2005年）、D优63（1993-1996年）、Ⅱ优838（2004、2005、2008、2009年）、汕优2（1984-1987年）和合系39 （2005-2009年）的观测数据对模型进行验证。

采用目前国际上通用的指标体系对模型的适应性进行检验和评价，并与图表形式表达相结合验证模拟结果。首先，利用图形直观判断实测值与模拟值之间的吻合度，对模型进行定性评价。其次，采用统计指标定量评价模型的模拟效果。本文采用的统计指标包括实测结果与模拟结果的平均值，二者的线性回归决定系数(R2)，不等方差Student’s-t检验值[P(t*)]，均方根误差(RMSE)以及归一化均方根误差(NRMSE)。实测结果与模拟结果均值可总体反映二者的差异大小；R2越大时，实测值与模拟值吻合度即高；P(t*)大于0.05时，实测值与模拟值的差异不显著。实测结果与模拟结果的吻合程度，一方面由模型的准确度所决定，另一方面也受观测误差的影响。

2 结果与分析

2.1 主栽品种的遗传参数模拟

将1981-2009年各站单季稻生长期逐日气象资料、各试验站土壤资料以及不同站点5个单季稻品种汕优63（1986-1991年）、D优63（1988-1992年）、Ⅱ优838（1997、1998、2000、2003年）、汕优2 （1981-1983年）和合系39（2001-2004年）的田间观测数据，代入ORYZA2000模型进行生长模拟，得到作物生育期和产量的输出结果，与同期实际观测结果进行对比，通过调整参数使其与实际观测值误差达到最合理范围，最终确定各主品种的遗传参数。遗传参数包括不同品种各发育阶段的发育速率、比叶面积、叶片相对生长速率及干物质分配系数等，将水稻生长发育阶段划分为4个时期，即出苗(DVS=0)、穗分化(DVS=0.65)、开花(DVS=1)和成熟(DVS=2)，模型中需校准的作物生育期参数包括营养生长期参数(DVRJ)、光周期敏感参数(DVRI)、穗分化期参数(DVRP)和生殖生长期参数(DVRR)。各水稻品种发育速率参数见表3，由表可见，各发育速率参数中，不同品种间营养生长期参数和生殖生长期参数变化较大，合系39营养生长期发育速率最大，而生殖生长期发育速率最小；Ⅱ优838营养生长期发育速率最小，而D优63和汕优2生殖生长期发育速率最大。各水稻品种比叶面积校正值见表4，Ⅱ优838的比叶面积值在各生育阶段较小，而D优63的比叶面积值在各生育阶段较大，反映了不同单季稻品种的特性，是模型本地化的重要参数值。

表3 单季稻主栽品种发育速率参数校正值Table 3 Calibrated parameters of development rate of the major rice varieties

表4 单季稻主栽品种不同发育时期比叶面积Table 4 Specific leaf area of the major rice varieties in different stages

2.2 主栽品种的生育期模拟

开花期和成熟期是水稻生长发育过程的两个重要阶段，是评价ORYZA2000模型模拟精度的重要指标之一。图2为1981-2009年各站点5个不同水稻品种开花期、成熟期模拟值与实测值的比较，结果表明，ORYZA2000模型对四川单季稻5个主栽品种生育期的模拟精度均较高，开花期和成熟期的模拟误差在1～2d，平均小于1d。表5是利用检验数据得到的不同水稻品种开花期、成熟期模拟值与实测值的统计指标，由表可见，5个主栽品种实测生育期与模拟生育期的RMSE值均小于1。t检验表明两者差异均不显著。R2值反映模拟值与实测值的散布情况，其中最小值为0.986，说明生育期的模拟值与实测结果偏差较小，模拟效果较好。NRMSE在1%以下，说明模拟结果与实测结果差异很小。

图2 各主栽品种开花期、成熟期模拟值与实测值的比较Fig. 2 Simulated days versus measured days of flowering and maturity of the major varieties

表5 各品种开花期、成熟期模拟值与实测值的统计指标(检验数据)Table 5 Statistical indicators of simulated and measured days of flowering(F) and maturity (M) (validation data) of the major varieties

2.3 主栽品种的叶面积指数和生物量模拟

图3为1981-2009年各站点5个不同水稻品种叶面积指数模拟值与实测值的比较，由图可见，叶面积指数的模拟值与实测值变化趋势较一致，模型能够较好地反映5个主栽单季稻品种叶面积指数的变化动态。表6是利用检验数据得到的不同水稻品种叶面积指数模拟值与实测值的统计指标，由表可见，5个主栽品种实测生育期与模拟生育期间的RMSE值均较小；t检验表明两者差异均不显著；R2值反映模拟值与实测值的散布情况，其中最小值为0.928，说明生育期的模拟与实测结果偏差较小，模拟效果较好；NRMSE在10.37%～19.19%，说明模拟结果与实测结果差异较小。

图3 各品种叶面积指数模拟值与实测值的比较Fig. 3 Validation on the simulated and measured leaf area index of the major varieties

图4为1981-2009年各站点5个不同水稻品种地上部总生物量以及各器官生物量的模拟值与实测值的比较，结果表明，生物量的模拟值与实测值的变化趋势较为一致，说明模型可以较好地反映5个主栽单季稻品种生物量的变化动态。由统计结果可知(表6)，地上部总生物量的实测值与模拟值较接近；t检验表明两者差异均不显著；R2最小值为0.951，NRMSE在13.17%～18.69%，说明地上部总生物量的模拟与实测结果偏差较小，模拟效果较好。器官生物量实测值与模拟值也较为接近；t检验表明两者差异均不显著；茎、绿叶和穗生物量实测值与模拟值的R2最小值分别为0.772、0.728和0.850，说明器官生物量的模拟与实测结果偏差较小，模拟效果较好；茎、绿叶和穗生物量的NRMSE分别为14.31%～20.41%、18.95%～24.74%和20.85%～25.39%，说明模拟结果与实测结果差异较小。综上所述，各生物量的模拟误差均在合理范围内，模型对5个主栽品种生物量总体模拟性能均较好。

图4 各品种器官生物量模拟值与实测值的比较Fig. 4 Validation on the simulated and measured biomass of the major varieties

表6 各品种叶面积指数和生物量模拟值与实测值的统计指标(检验数据)Table 6 Statistical indicators of simulated and measured leaf area index and biomass (validation data) of the major varieties

2.4 主栽品种的产量模拟

作物产量是其生长发育状况的综合表现，作物最终产量的模拟结果可以反映干物质分配系数、发育速率等作物参数的合理性，也是评价模型模拟精度的重要内容。图5为1981-2009年各站点5个不同单季稻品种产量模拟值与实测值的比较，由图可见，ORYZA2000模型对四川单季稻5个主栽品种产量的模拟精度较高。表7是利用检验数据得到的不同单季稻品种产量模拟值与实测值的统计指标，由表可见，5个主栽品种产量的实测值与模拟值的RMSE值均较小；t检验表明两者差异均不显著；R2最小值为0.301，说明模拟与实测结果偏差较小，模拟效果较好；NRMSE在5.26%～10.01%区间，模拟结果与实测结果差异较小。

图5 各品种产量模拟值与实测值的比较Fig. 5 Validation on the simulated and measured yield of the major varieties

表7 各品种产量模拟值与实测值的统计指标(检验数据)Table 7 Statistical indicators of simulated and measured yield (validation data) of the major varieties

3 结论与讨论

3.1 结论

（1）ORYZA2000模型可通过校准作物参数，应用于四川水稻生产，较准确地模拟四川5个主栽单季稻品种的生长。模型对5个主栽品种的生育期模拟效果较好，各品种开花期与成熟期的相对模拟误差均在1～2d，NRMSE均小于1%；各品种产量的NRMSE在5.26%～10.01%，模拟效果较好。

（2）利用模型对5个不同品种发育速率的比较表明，合系39营养生长期发育速率最大，而生殖生长期发育速率最小，Ⅱ优838营养生长期发育速率最小，而D优63和汕优2生殖生长期发育速率最大，这反映了四川5个不同品种水稻的生物学特性，是模型本地化的重要参数值。

（3）模型对叶面积指数及生物量的模拟结果表明，叶面积指数的NRMSE为10.37%～19.19%，地上部总生物量、茎生物量、绿叶生物量及穗生物量的NRMSE分别为13.17%～18.69%、14.31%～20.41%、18.95%～24.74%和20.85%～25.39%。由此可见，ORYZA2000模型具有较好的模拟精度，适应能力较强，可以应用于四川水稻生产。

3.2 讨论

已有研究[3-8,10-11]大多利用试验数据分析ORYZA2000模型在当地的适用性，未对当地多年主栽品种进行模拟。比较而言，本研究利用四川近30a 共7个农气站的观测资料模拟了稻区5个主栽品种的单季稻生长过程，验证了ORYZA2000在四川稻区的适用性，为模型在当地的进一步推广应用提供了基础，具有重要的理论意义。

模型在模拟过程中仍存在不足之处。首先，ORYZA2000模型的参数是根据国际水稻研究所在当地的田间试验结果所获得[12]，应用于其它地区时必须对部分参数进行调整，需要调整的参数包括发育速率、比叶面积、同化物分配系数、茎转移系数等[13]，一定程度上限制了模型的推广。第二，在ORYZA2000水稻模型中，对叶面积指数的增长和衰亡的模拟采用了比叶重法，其值由叶面积的大小和绿叶干物重来决定，是模拟作物生物量变化的敏感参数。由于比叶重法对叶片生长和衰亡、环境要素及管理措施影响等机理的解释还显不足，因此，导致实测值与模拟值间还存在一定的误差。第三，由于研究资料的局限性，本文在模拟土壤水分动态平衡过程中大多采用了模型默认参数值，仅根据土壤普查资料计算了部分参数，这也会对模拟结果造成一定误差。

参考文献References

[1]Jing Q,Bouman B A M,Hengsdijk H,et al.Exploring options to combine high yields with high nitrogen use efficiencies in irrigated rice in China[J].European Journal of Agronomy,2007, 26(2):166-177.

[2]秦鹏程,姚凤梅,曹秀霞,等.利用作物模型研究气候变化对农业影响的发展过程[J].中国农业气象,2011,32(2): 240-245.

Qin P C,Yao F M,Cao X X,et al.Development process of modeling impacts of climate change on agricultural productivity based on crop models[J].Chinese Journal of Agrometeorology, 2011,32(2): 240-245.(in Chinese)

[3]薛昌颖,杨晓光,Bouman B A M,等.ORYZA2000模型模拟北京地区旱稻的适应性初探[J].作物学报,2005, 31(12): 1567-1571.

Xue C Y,Yang X G,Bouman B A M,et al.Preliminary approach on adaptability of ORYZA2000 model for aerobic rice in Beijing region[J].Acta Agronomica Sinica,2005,31(12):1567-1571.(in Chinese)

[4]薛昌颖,杨晓光,邓伟,等.利用ORYZA2000模型分析北京地区旱稻产量潜力及需水特征[J].作物学报,2007,33(4): 625-631.

Xue C Y,Yang X G,Deng W,et al.Yield potential and water requirement of aerobic rice in Beijing analyzed by ORYZA2000 model[J].Acta Agronomica Sinica,2007,33(4): 625-631.(in Chinese)

[5]Feng L P,Bouman B A M,Tuong T P.Exploring options to growrice using less water in northern China using a modelling approach[J]. Agricultural Water Management,2007, 88:1-13.

[6]帅细强,王石立,马玉平,等.基于ORYZA2000模型的湘赣双季稻气候生产潜力[J].中国农业气象,2009,30(4): 575-581.

Shuai X Q,Wang S L,Ma Y P,et al.Studies on potential climate productivity of double rice in Hunan and Jiangxi Provinces Based on ORYZA 2000 model[J].Chinese Journal of Agrometeorology,2009,30(4):575-581.(in Chinese)

[7]莫志鸿,冯利平,邹海平,等.水稻模型ORYZA2000在湖南双季稻区的验证与适应性评价[J].生态学报,2011,31(16): 4628-4637.

Mo Z H,Feng L P,Zou H P,et al.Validation and adaptability evaluation of rice growth model ORYZA2000 in double cropping rice area of Hunan Province[J].Acta Ecologica Sinica,2011,31(16):4628-4637.(in Chinese)

[8]浩宇,景元书,马晓群,等.ORYZA2000模型模拟安徽地区不同播期水稻的适应性分析[J].中国农业气象,2013, 34(4): 425-433.

Hao Y,Jing Y S,Ma X Q,et al.Analysis on the simulation adaptability of ORYZA2000 model for rice with different sowing-date in Anhui Province[J].Chinese Journal of Agrometeorology,2013,34(4):425-433.(in Chinese)

[9]Bouman B A M,Kropff M J,Tuong T P,et al.ORYZA2000: Modeling Lowland Rice[M].Los Baňos:International Rice Research Institute, and Wageningen:Wageningen University and Research Centre,2001．

[10]Li T,Angeles O,Radanielson A,et al.Drought stress impacts of climate change on rainfed rice in South Asia[J].Climatic Change,2015,133:709-720.

[11]Sumathi A,Mohandass S,Ramasamy S.Impact of climate change scenario on rice production in two planting methods:a simulation study[J].International Journal of Environmental Science and Technology,2015, (12):1539-1548.

[12]李亚龙,崔远来,李远华,等.基于ORYZA2000模型的旱稻生长模拟及氮肥管理研究[J].农业工程学报,2005,21(12): 141-145.

Li Y L,Cui Y L,Li Y H,et al.Growth simulation of aerobic rice and its nitrogen management on the basis of ORYZA2000[J].Transactions of the CSAE,2005,21(12):141-145. (in Chinese)

[13]张俊,徐绍辉,刘建立,等.应用ORYZA2000模型模拟水稻产量及吸氮量[J].土壤,2007,39(3):428-432．

Zhang J,Xu S H,Liu J l,et al.Simulation of yield and nitrogen uptake of rice using ORYZA 2000 model[J]. Soils,2007, 39(3):428-432.(in Chinese)

Growth Simulation of Major Rice Varieties in Single Cropping Rice Area of Sichuan Province

CHEN Chao1,2, PANG Yan-mei1, MO Zhi-hong3
(1.Institute of Plateau Meteorology, China Meteorological Administration, Chengdu/Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province, Chengdu 610072, China; 2.Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, Chengdu 610225; 3.Beijing Climate Center, Beijing 100089)

Abstract：To provide the reference for regional adaptation and application of ORYZA2000 in Sichuan province, the model was calibrated by the field data of five rice varieties at seven agrometeorological stations, and evaluated by the dataset from above stations with the five rice varieties. The daily meteorological data over the growing period of single cropping rice for the studied sites were used as driving variables in ORYZA2000 model. Management measures and soil data were used as the input of the model. By the comparison between measured and simulated values of development stages, leaf area index (LAI), biomass and yield, the simulation capacity and performance of ORYZA2000 model were evaluated in single cropping rice area. The results showed that nutrition stage growth rate of Hexi-39 was largest, but reproductive stage growth rate of Hexi-39 was smallest. The nutrition stage growth rate of Ⅱyou-838 was smallest, but reproductive stage growth rate of Dyou-63 and Xianyou-2 were largest. ORYZA2000 model could simulate the phenology of five rice varieties with 1-2 days’ difference for flowering and maturity stages. Furthermore, the normalized root mean square errors (NRMSE) of different development stages were less than 1%. While the NRMSE of other rice parameters were 5.26%-10.01% for yield, 10.37%-19.19% for leaf area index, 13.17%-18.69%for aboveground biomass, 14.31%-20.41% for stem biomass, 18.95%-24.74% for green leaves biomass, and 20.85%-25.39% for panicle biomass．These results showed that ORYZA2000 model could satisfactorily simulate the dynamical process of growth and yield of five major rice varieties. In general, we could conclude that ORYZA2000 model was adaptable and could be applied in scenarios analysis study in single cropping rice area of Sichuan province.

Key words:Crop model; ORYZA2000; Single cropping rice; Major rice varieties; Sichuan province

doi:10.3969/j.issn.1000-6362.2016.03.006

* 收稿日期：2015-09-06

基金项目：高原大气与环境四川省重点实验室开放课题资助课题(PAEKL-2014-C5)；中国气象局西南区域重大科研业务项目（2014-08）；中国气象局气候变化专项(CCSF201422)；四川省气象局科学技术研究开发课题(2014-青年-08)

作者简介：陈超（1982-），博士，主要研究方向为气候资源与农业减灾、生物气候模型与信息系统研究。E-mail：chenchao16306@sina.com