王晓东，岳伟*，陈金华，陈晓艺

（1.安徽省农业气象中心，合肥230031；2.安徽省农业气象灾害评估及风险转移实验室，合肥230031；3.安徽省气象科学研究所，合肥230031）

0 引言

【研究意义】油菜是安徽省主要油料作物，分布在江淮丘陵及沿江江南地区[1]。安徽省沿江江南地区光、温、水条件总体适宜油菜的生长[2]，但气候多变并且旱涝灾害频发[3]，影响作物的正常生长和产量形成[4-5]，尤其是花期连阴雨易导致油菜遭受大面积的湿渍害[6]，导致结实率明显下降，给当地的油菜高产稳产带来较大影响[7]。通过引进合适的作物模型，提高当地油菜生产技术支撑能力，对于提升当地油菜生产管理水平具有重要意义。【研究进展】AquaCrop模型是由联合国粮食及农业组织主持并组织来自不同国家的气候、作物和水资源等领域的专家及国际农业研究磋商小组共同研发的、通过在大量试验的基础上提出的准确性高、简捷易操作和计算模块健全的作物生长模型[8-9]，该模型于2009年1月正式免费提供给广大用户使用[10]。作为水分驱动模型，其主要通过作物水分利用率与生物量呈线性关系达到模拟目的[11-12]，即作物产量主要由土壤中可供应的水量决定，着重模拟作物生物量与产量对水分供应的响应状况，主要用于揭示在不同管理措施和水分胁迫下作物生长的响应机制。相对于以碳驱动和辐射驱动的作物模型，以水分作为驱动因子的该模型结构简单且需要参数较少，在时间与空间上的实用性较大，可操作性较强，适用于研究精度相对较低的大田试验[13]，并在一定程度上解决了现存作物模型复杂、透明度不足、设计不平衡及输入数据要求详细等问题[14-15]。国外对AquaCrop模型的开发和应用研究较多，涉及模型的综述[16]、参数调整、验证[17]以及模拟应用等多个方面[18]。近年来国内模型应用研究也陆续开展，主要以模型的适用性评价研究较多，涉及冬小麦[19-20]、夏玉米[21-22]、胡麻[23]和大葱[24]等多种作物以及其在干旱[25]、低温[26]和覆膜[27]等不同生长环境和管理措施下的模拟，AquaCrop模型在各地区模拟的适用性总体较好，具有很好的应用前景。

【切入点】近年来针对安徽油菜涝渍判别模型[28]、油菜发育期预报模型[29-30]以及受灾指标模型[31-32]等方面已有相关的研究，但针对安徽省油菜产量预报模型方面研究较少且以传统的统计模型为主，缺少相应的机理特性且区域适用性相对较差。【拟解决的关键问题】为提升安徽省油菜产量预报技术支撑能力，弥补传统统计模型在产量预报中的不足，并充分发挥作物模型在油菜生产力评估方面的作用，引入AquaCrop模型，基于当地作物、气象、土壤等数据以及2010—2013年宣城农业气象试验站油菜大田试验资料对模型参数进行率定及模拟效果检验，同时对安徽省沿江江南地区主要农气观测站不同年份油菜产量进行模拟，并对油菜渍害胁迫下的生长模拟效果进行检验。通过模拟和检验，证明Aquacrop模型对安徽省沿江江南地区油菜渍害胁迫条件下产量模拟的有效性。

1 材料与方法

1.1 数据资料来源及试验区概况

安徽省沿江江南地区油菜观测站气象资料来源于安徽省气象信息中心，气象数据包括2010—2013年降水、日照等常规气象观测资料，产量数据主要来源于宣城、池州、东至和歙县4个油菜农气观测站资料。

油菜试验地点位于宣城宣州区鳌峰办事处张锦村农业气象试验站试验田（北纬30°56′，东经118°45′，海拔16.2m），离宣城市气候观测场水平距离900m。该地气候湿润温和，属湿润气候区，年平均温度为15.6℃，气温年较差25.4℃，无霜期8个月，雨量丰沛，年降水量在1200～1500mm之间。试验田四周均为农田，地块前茬作物为水稻，附近有河流，灌溉条件好，土壤肥力中等，pH值6.5 左右，常年产量水平中等，是试验研究的理想田块。本试验点及安徽省主要的油菜观测点、气象站点分布见图1。

1.2 试验设计

试验于2010—2013年在宣城农业气象试验站进行，以长江中下游主栽油菜品种为研究对象，适合当地种植的“浙平四号”甘蓝型良种作为试验品种。播种日期为每年的9月15日（适播期），苗龄35 d 和叶龄7 片左右移栽；种植密度为12株/m2，每个小区约120 穴，每穴1株。试验中在油菜开花初期进行水分控制，分别设置持续3 d（K1）、6 d（K2）、9 d（K3）、12 d（K4）、15 d（K5），共5个水平，如K1 处理连续3 d 是指从油菜开花后紧接的3 d 进行控水管理，其余类似，设置3个重复，对照小区为正常大田环境，不进行任何处理，共18个小区，水分控制采取漫灌方式使试验田间水分维持在田间持水率的95%以上，为防止试验过程中土壤水分横向流通，小区四周设置防水膜，入土深度约0.5m，并在小区四周设置0.5m宽和0.3m 深的排水沟，四周设1m 左右的保护行。此外在水分控制试验过程中，为了防止太阳光直接照射和真实模拟花期阴雨寡照天气对油菜生长的影响，水分控制过程中采用遮阳网对试验小区进行遮挡，结束后撤掉遮阳网。

图1 油菜试验点及安徽省主要的油菜观测点 Fig.1Rapeexperimental site and main observation sitesin Anhui province

1.3 测定项目和方法

1.3.1 气象和土壤资料

利用站点平均气温、最高气温、最低气温、风速、降水量和相对湿度等气象资料采用FAO 推荐的ET0计算器求出参考作物日蒸散量，生成相应的气象要素文件供AquaCrop模型模拟调用。根据土壤剖面分析将土壤分成3个层次，试验开始前分别测定了各层土壤基本物理特征参数（表1）。同时利用TRIME-HD型便携式自动土壤水分仪每旬2次（逢3、逢8）对0～20 cm的土壤含水率进行测定。

表1 土壤基本物理特征参数Table1 Basic soil physical characteristics

1.3.2 作物观测资料

试验期间对油菜发育进程和生长量进行同步观测，观测油菜达到各生育阶段普期的时间，从油菜第5 真叶期开始每小区每隔10 d 取3株样本进行1次观测直至油菜成熟收获。同时通过测定种植密度、叶面积、土壤水分等观测数据来确定冠层覆盖率、胁迫程度等模型中的油菜生长过程发育参数，并对油菜干物质和产量进行详细测定。

1.3.3 AquaCrop 主要模型参数[1-2]

1）标准化水分利用效率（WP*）计算式为：

WP*是对水分利用效率进行标准化得到标准化的水分生产率，该参数为仅与作物种类有关的恒定参数，相比水分利用效率该参数在模型中使用更加方便，计算式为：

式中：WP*为标准化水分利用效率（单位面积产生的干物质量）（g/m2）；ET0为参考作物蒸散量（mm）；Tr为作物蒸腾量；B为作物生物量。

2）冠层覆盖度（CC）计算式为：

式中：CC为冠层覆盖度；k为作物的消光系数；LAI为作物的叶面积指数，我们通过观测的LAI计算得到同一生育时刻的作物冠层覆盖度。

冠层生长阶段：

当CC≤CCx/2时，

当CC＞CCx/2时，

冠层衰老阶段：

式中：t为时间（d）；CC为t时间的冠层覆盖率；CC0为初始冠层覆盖率；CCx为最大冠层覆盖率（无胁迫条件）；CGC为冠层的增长系数；CDC为冠层的衰减系数。通过观测的最大作物叶面积和计算的最大冠层覆盖率得到作物初期冠层生长系数（CGC）和后期冠层衰减系数（CDC）2个模型需要的重要参数。

3）产量。模型在评估和模拟作物在水分胁迫条件下的作物产量相对较为复杂，目前多数作物模型采用FAO 组织发布的“第33号灌溉文件”中计算作物生产力的公式作为模拟作物产量对水分响应的依据[5]，计算式为：

式中：Yx为作物的实际产量值（kg/m2）；Ya为潜在产量值（kg/m2）；ky为作物系数；ETx为作物实际蒸散量（mm）；ETa为作物潜在蒸散量（mm）。

AquaCrop模型中模拟作物产量核心公式是在式（6）的基础上演变而来的。考虑到环境条件对生物量（B）和作物收获指数（HI）影响机制存在本质区别，为了避免混淆水分斜坡对生物量和收获指数的影响，模型将作物产量分为B和HI表示。AquaCrop模型建模的核心公式：

式中：HI为作物收获指数（%）；Tr为作物蒸腾量（mm）；WP为生物量水分生产效率（kg/（m2⋅mm））。

1.3.4 AquaCrop模型参数确定

AquaCrop模型参数确定以AquaCrop模型给定的缺省值和FAO 组织提供的油菜作物参数为基础，运用2010—2012年2年不同水分处理和对照处理的实测数据进行模型率定，使模型模拟的生物量和产量变化过程与实测值间的误差最小，得到适合当地“浙平四号”甘蓝型油菜的最优品种和水分胁迫参数（表2），2012—2013年的数据用于模型检验。模型所需的参数确定主要可分为2 情况，第一是通过查找文献直接确定，包括油菜生长的三基点温度和油菜的收获指数。表2 中其余的参数需通过试验数据率定获得，如油菜作为C3 作物，FAO 推荐的标准化水分利用效率取值范围为13～18g/m2，率定获取较为合理的标准化水分利用效率值为15.2g/m2。

表2 模型部分参数Table2 Partly parameters of the model

由AquaCrop模型得到油菜水分特征变化量、产量和生物量等模拟结果与实测值进行比较，使用绝对误差、相对误差和均方根误差（RMSE）等指标进行误差统计分析，并用模型性能指数（CE）和残差聚类集系数（CRM）对模拟结果进行检验。

2 结果与分析

2.1 油菜生物量和产量的模拟

基于2012—2013年的试验数据分别对油菜生物量和产量进行了模拟（图2），模拟值和实测值误差在可接受的范围内，能非常好的反应出最终油菜的生物量和产量，总体上模拟值较实测值略偏大。其中油菜生物量实测值和模拟值的平均绝对误差328.1kg/hm2，平均相对误差 6.3%，均方根误差373.7kg/hm2，模型性能指数0.89，残差聚类集系数为-0.035。除K4 水分控制条件下生物量模拟值和实测值间的相对误差较大外，其余处理和对照组的模拟值和实测值误差较小，拟合效果较好（表3）；而基于控水和对照试验资料的油菜产量模拟值与实测值之间的平均绝对误差为101.9kg/hm2，平均相对误差6.8%，均方根误差124.6kg/hm2，模型的性能指数0.91，残差聚类集系数为-0.044。同生物量模拟结果除K4水分控制条件下产量模拟值和实测值间的相对误差较大外，其余处理和对照组的模拟值和实测值误差较小，拟合效果较好（表4）。AquaCrop模型可以较好地预测当地油菜花期阴雨寡照条件下油菜生物量和产量。

图2 生物量和产量模拟值与实测值关系Fig.2 Relationship between simulated and measured biomass and yield

表3 生物量模拟值和实测值Table3 Simulated and measured values of biomass

表4 产量模拟值和实测值Table4 Simulated and measured values of yield

2.2 模型适用性验证

为验证模型的模拟效果以及模型在安徽沿江江南地区模拟油菜产量的适用性，以宣城、池州、东至和歙县4个沿江江南地区主要的农业气象观测站历年观测的油菜产量数据为基础，分别对代表站油菜历年产量进行模拟验证，考虑到生产力水平及油菜品种等因素，选取油菜品种类型和熟性与“浙平四号”（甘蓝型，中熟）相近的油菜产量观测样本，由于沿江江南地区4个主要农业气象观测站点没有详细的叶面积等生长观测资料，但考虑到该地区种植品种、种植密度等种植模式较为一致，因此，在模拟中模型参数均是采用表2 中的模型参数。

宣城农业气象试验站是安徽省为数不多的观测资料详细、数据资料连续性较好的油菜观测试验站，选取2010—2017年代表性较好的4a 数据（考虑油菜品种熟性等因素）进行模拟验证（表5），油菜产量实测值和模拟值的平均绝对误差为151.9kg/hm2，相对误差为5.2%～8.1%，平均相对误差6.4%，模拟的总体效果较好。同时选取池州、东至和歙县3个油菜观测站共8个试验样本，对模型模拟效果进行检验，模拟结果显示油菜产量实测值和模拟值的平均绝对误差为181.8kg/hm2，相对误差为6.8%～11.2%，平均相对误差9.1%。虽然个别样本的模拟相对误差超过10%，且存在较大的偏差，但从模型本身的统计量指标来看，总体上模型在模拟该地区油菜产量的适用性方面有很大的参考价值。

表5 油菜产量模拟值和实测值Table5 Simulated and measured rape values of rape final yield

3 讨论

已有的模型研究主要涉及油菜渍害生理、渍害预报、发育期区域预报以及油菜气候适宜度评价模型等方面，而有关渍害胁迫下油菜生长及产量的模拟研究鲜有报道[33]，国内外在AquaCrop模型模拟油菜产量方面还未见相关的研究报道。首次将AquaCrop 作物水分生长模型应用在安徽沿江江南地区油菜生长模拟中，在安徽沿江江南地区模拟油菜适用性中虽然个别油菜样本的模拟相对误差超过10%，模拟结果与国家农业气象业务中油菜产量预报评分的误差标准（＜5%）有一定的差距，但目前国内还没有一个在业务上较适用的预报油菜产量模型，预报产量时往往需要结合统计模型、专家打分等多种手段进行预测，同时作物模型作为农业模型的重要内容，相比较传统的统计模型，一般通过试验、建模、调参等进行模型的模拟应用，具有较强的机理性和解释性，参数通常都具有物理意义，但参数较多，应用难度增大，一般允许其存在一定的误差，本研究在使用AquaCrop模型模拟油菜产量中存在的误差与一些较有影响的油菜生长模型如DAISY、EPIC、LINTUL 以及APSIM 等相差不大[34-35]，相比此类模型，AquaCrop模型简单的输入参数使模型的使用更加方便，在本地化适用性方面具有更大的优势；另外模型在国内模拟冬小麦[19-20]、夏玉米[21-22]、胡麻[23]和大葱[24]等多种作物以及模拟其在干旱[25]、低温[26]和覆膜[27]等不同生长环境和管理措施下生物量和产量时的误差较为接近，模拟的精度一致性较好。AquaCrop模型对油菜产量和生物量模拟误差在常用作物模型模拟误差要求的合理范围内，因此在安徽省农业气象业务中引入AquaCrop模型对油菜的产量进行模拟具有很好的应用价值。

另外AquaCrop模型在安徽省沿江江南油菜产量模拟适用性上还存在着几方面的局限性：①虽然FAO在世界各地通过大量的试验获取了玉米、冬小麦和大豆等十几种农作物的模型指标参数供各地研究者参考，但未提供可推荐的油菜模型指标参数，对模型参数的率定带来了一定的困难；②将AquaCrop模型推广到整个沿江江南地区油菜产量的模拟过程中，默认全区土壤参数、品种因素等均一致，虽然宣城农试站在沿江江南地区具有较好的代表性，但存在的差异不容忽视，这也是模型在全区验证时油菜产量的误差增大的主要原因。后期会继续深入开展试验、包括针对不同油菜品种等，获取更多的试验数据，供模型本地化参数率定，获取更加精确的模型参数，提升模型在安徽省油菜主产区的适用性。

4 结论

1）基于2012—2013年的试验数据，模型模拟结果显示油菜生物量和产量实测值和模拟值平均绝对误差分别为328.1kg/hm2和101.9kg/hm2，平均相对误差6.3%和6.8%，模型性能指数0.89 和0.91，处理和对照组的模拟值和实测值误差普遍在6%以下，模型能较好模拟当地油菜花期阴雨寡照条件下油菜生物量和产量。

2）宣城油菜观测站多年油菜产量模拟相对误差为5.2%～8.1%，模拟效果较好；池州、东至和歙县等其他3个沿江江南油菜观测站产量模拟相对误差为6.8%～11.2%，虽然个别样本的模拟相对误差超过10%，存在一定程度的偏差，但总体上AquaCrop模型在模拟安徽省沿江江南地区油菜产量方面具有一定的参考价值。