李彤霄，刘 佳，李 聪，郑亚杰，郭 戈

(1.中国气象局·河南省农业气象保障与应用技术重点开放实验室，郑州 450003；2.河南省气象科学研究所，郑州 450003；3.郑州市气象局，郑州 450000; 4.黄泛区农场气象局，河南 西华 466632)

DSSAT和WOFOST模型作为主流作物模型，在国内外被广泛应用[1-4]。国内在作物模型的适应性及其在产量预报、生产潜力、水肥利用、灾害评估等方面的应用研究已有较多的成果[5-23]。邬定荣[6]、胡雪琼[7]等分别验证了WOFOST模型对华北平原地区冬小麦、云南烤烟的适用性。谢文霞[8]、张素青[9]等利用WOFOST模型对浙江水稻、河南夏玉米进行了模拟、验证。杨勤[10]、杜朝正[11]等基于DSSAT模型模拟了宁夏春小麦、中国水稻的产量变化。王涛[12]、陈学文[13]等分别用WOFOST 模型和DSSAT模型对京津冀地区冬小麦、黑土区玉米的生产潜力进行了模拟研究。邹龙等[14]利用DSSAT模型研究了春玉米水肥效应。王文佳[15]、邵光成[16]、朱津辉[17]等基于DSSAT模型研究了最优灌溉制度。薛昌颖[18]、聂江文[19]、栾庆祖[20]、张建平[21]等利用作物模型对旱稻干旱、水稻高低温灾害、玉米干旱、玉米低温冷害等进行了影响评估。鲁向晖[22]、姜志伟[23]等利用DSSAT模型对冬小麦保护性耕作效应和资源高效种植模式进行了模拟研究。上述研究主要是利用单一模型对单一作物进行适用性研究。由于不同模型的原理和算法的差异，模拟的结果会产生一定的偏差。因此，分析不同模型之间模拟结果的差异,根据模拟效果合理选择作物模型就显得十分必要。

河南省处在亚热带向暖温带的过渡带上,具有四季分明、雨热同期、气候多样、灾害频发的特点，有着丰富的气候资源。利用河南省多变的气候资源，分析不同模型对不同气候资源的适应性，可以更好地了解不同模型的优势。因此，本文利用2000-2017年河南中部黄泛区农场农业气象观测站(简称泛区)大豆观测数据及同期气象数据，分析DSSAT和WOFOST两种模型模拟结果的差异，以期选取最优的模型模拟结果，提升农业气象业务服务模型应用的参考价值。

1 资料与方法

1.1 样点选择

选取河南中部地区泛区为样点，利用泛区2000-2017年大豆观测数据和同期气象数据,分析两种模型在大豆模拟中的差异。

1.2 品种选择

大豆观测品种为中熟品种，以豫豆29号为主。

1.3 资料选择

(1)大豆观测数据

2000-2017年大豆的发育期(播种期、出苗期、开花期、成熟收获期)、地上生物量、叶面积指数及产量等数据，来源于河南省气象探测数据中心。

(2)气象数据

2000-2017年气象数据，包括日照时数、降水量、最高气温、最低气温、风速等，来源于河南省气象探测数据中心。

(3)管理数据

2000-2017年大豆生产过程中的灌溉、施肥等措施的时间及数量，来源于河南省气象探测数据中心。

(4)土壤数据

大豆观测地段的凋萎系数、田间持水量、土壤水分下渗速率、土壤饱和含水量、饱和土壤的水力传导率等参数，来源于中国科学院南京土壤研究所。

1.4 模型的选择和调试

DSSAT模型中的CROPGR-Soybean模型利用大豆观测、气象观测等资料和DSSAT自带的GLUE模块进行调参。WOFOST模型首先使用“试错”法，进一步缩小敏感参数的分布范围。然后采取随机种子多次优化策略，通过多次随机调用SCE-UA算法进行参数优化。

对模型模拟的主要发育期、产量、叶面积指数(LAI)、地上生物量等进行验证，选择模拟值与观测值的均方根误差(RMSE)、归一化均方根误差(NRMSE)、决定系数(R2)和标准差(SD)作为模型模拟效果的评判验证指标。

RMSE和NRMSE反映模拟值与实测值的绝对误差和相对误差。当RMSE接近标准误差时，表明模型模拟精度高。NRMSE<10%时，模型模拟结果很好；NRMSE为10%～20%，模拟结果好；NRMSE为20%～30%，模拟结果尚可，可以接受；NRMSE>30%，模拟结果较差，不能接受。决定系数R2表示模拟值与实测值变化的一致性，越接近于1相关性越好。标准差(SD)反映数据结果的稳定性。

2 两个模型的模拟结果分析

由于样本个数有限，为有效利用数据资源，选取泛区2000-2008年共9年的数据进行调试，选取2009-2014年共6年的数据进行验证，选取2015-2017年共3年的数据进行预测、对比。

2.1 大豆的生育期模拟结果

由于作物模型模拟结果的主要发育期为播种、出苗、开花、成熟，因此选取这4个生育期进行模拟(图1)。利用大豆实测播种期为模拟初始日期，以泛区的逐日气象数据驱动DSSAT和WOFOST模型模拟大豆生长发育过程，并与实际观测数据进行对比分析，以检验模型的适应性。

图1 大豆出苗期(a)、开花期(b)、成熟期(c)验证值模拟结果比较

2.1.1 大豆出苗期模拟结果

从大豆出苗期模拟结果的统计中可以看出(表1)，两个模型模拟生育期与实测生育期间的RMSE值均较小。DSSAT和WOFOST模型的NRMSE分别为0.78%和0.82%，说明模拟结果与实测结果差异较小。两个模型的R2值均在0.95以上，说明两个模型的拟合程度都很好。DSSAT和WOFOST模型的SD分别为0.99 d和1.05 d，表明两个模型模拟结果稳定性差异不大。

表1 大豆生育期、产量调参值模拟结果的统计评价

从两个模型模拟大豆出苗期验证值与实测值的1∶1图可以看出(图1a)，大豆的出苗期主要在儒略历第160-175天，WOFOST模拟效果优于DSSAT的模拟效果。两个模型模拟的散点大部分落在1∶1线周围，表明两个模型模拟效果均较好。

以上数据表明，DSSAT和WOFOST模型对大豆出苗期的模拟效果较好。

2.1.2 大豆开花期模拟结果

大豆的开花期调参值模拟结果见表1。从中可以看出，DSSAT和WOFOST模型的模拟生育期与实测生育期间的RMSE值分别为3.16 d和2.06 d，相对较小。NRMSE分别为1.51%和0.99%，说明模拟结果与实测结果差异较小。R2值反映了两个模型的模拟结果较好。标准差SD在3.11 d和1.80 d，说明稳定性较好。总体来说，WOFOST模拟与实测结果拟合程度好于DSSAT模型的。

图1(b)是两个模型模拟大豆开花期验证值与实测值的1∶1图。从中可以看出，大豆的开花期主要在第201-216天，两个模型的差异不大。模拟的散点大部分落在1∶1线周围,表明模拟效果较好。

以上数据表明，DSSAT和WOFOST模型对大豆开花期的模拟效果较好，WOFOST模型略好于DSSAT模型。

2.1.3 大豆成熟期模拟结果

大豆的成熟期调参值模拟结果见表1。从中可以看出，DSSAT和WOFOST模型模拟生育期与实测生育期间的RMSE值为5.87 d和2.62 d。二者的NRMSE分别为2.10%和0.94%，说明模拟结果与实测结果差异较小。R2值显示WOFOST模拟与实测结果拟合程度较好，DSSAT的略差。二者标准差SD分别为4.16 d 和1.98 d，显示DSSAT模型模拟结果略差于WOFOST模型的。

图1(c)是两个模型模拟大豆成熟期验证值与实测值的1∶1图。从中可以看出，大豆的成熟期主要在第263-285天，两个模型模拟的差异不大，除2001年误差超过20天外，其他年份均在5天左右。模拟的散点大部分落在1∶1线周围，表明模拟效果较好。2001年模拟的成熟期偏晚的原因，主要是当年播种期偏晚，致使收获期偏晚。为不影响小麦适时播种，不等大豆完全成熟就及早收获，并记作成熟，再加上后期气温降低，又延长了成熟期的时间，因而导致模拟结果和实际值差别较大。

以上数据显示，两个模型可以较好地模拟大豆的成熟期。WOFOST模型的模拟效果略好于DSSAT模型的。

2.2 大豆的产量模拟结果

大豆产量调参值模拟结果见表1。从中可以看出，各处理模拟生育期与实测生育期间的RMSE值相差不大。NRMSE值显示，两个模型的模拟结果较好，但WOFOST的大于DSSAT的。R2值显示DSSAT模拟与实测结果拟合程度较好，WOFOST的略差。DSSAT和WOFOST模型模拟结果的标准差SD分别为351.76 kg/hm2和395.66 kg/hm2，相差不大。总的来说，DSSAT的模拟效果好于WOFOST的。

图2是CROPGRO-Soybean模型模拟大豆产量验证值与实测值的1∶1图。从图中可以看出，两个模型模拟的结果差异不大，模拟值普遍偏小。模拟的散点大部分落在1∶1线的下方，模拟效果略差。究其原因，主要是品种变化导致的产量水平的提升。假设产量的提升值相对稳定，则WOFOST的模拟结果好于DSSAT的。

图2 大豆产量验证值模拟结果比较

2.3 大豆的叶面积指数模拟结果

对比两个模型的叶面积指数的模拟曲线发现，两个模型对叶面积指数的模拟有一定的差异。WOFOST模型模拟结果是抛物线形，叶面积指数达到最大值后，就迅速下降；DSSAT模型模拟结果是“几”字形，叶面积指数达到最大值后缓慢下降，在末期再次迅速下降。本文选择利用2000-2008年数据调参，2009-2014年数据验证。由于叶面积指数模拟曲线的结果相似，为了有效展示模拟效果，文中用2000-2008年和2011-2014年数据展示。

调参结果(图3a、图4a)表明，DSSAT模型和WOFOST模型不同年份模拟的叶面积指数动态变化与实测值趋势一致，较能反映叶面积指数动态变化情况，DSSAT模型模拟的叶面积指数的最大值接近于测量值，WOFOST模型的模拟值明显偏大。

验证结果(图3b、图4b)表明，DSSAT模型和WOFOST模型不同年份模拟的叶面积指数动态变化与实测值趋势一致，但模拟效果比调参结果的略差。

图3 DSSAT模型叶面积指数调参(a)和验证(b)图

图4 WOFOST模型叶面积指数调参(a)和验证(b)图

总体来说，DSSAT模型模拟的结果较WOFOST模型模拟的结果好。

2.4 大豆的地上生物量模拟结果

DSSAT模型和WOFOST模型对大豆地上生物量的模拟结果(图略)显示，模拟值与实测值在前中期均呈现良好的趋势一致性，但后期的模拟结果有很大不同。DSSAT模型能够反映地上生物量的情况，而WOFOST模型不能如实地反映后期的生物量变化情况。

2.5 模拟结果分析小结

通过以上分析发现，DSSAT和WOFOST两个模型的生育期、最终产量、叶面积指数、地上生物量的模拟值与实测值一致性较好，模型能较为准确地模拟泛区大豆的生长过程和产量情况，但模拟效果略有不同。DSSAT模型在大豆生长过程的模拟效果略好于WOFOST模型的，WOFOST模型在最终结果的模拟上略好于DSSAT模型的。总体上，DSSAT模型和WOFOST模型均具有较好的模拟精度及较强的适应性，能够用于河南省大豆生产。由于农业系统内在的复杂性和作物模型自身算法偏差，WOFOST模型模拟的趋势过程没有DSSAT模型的精准。

3 两个模型的预测结果分析

利用以上得到的DSSAT模型与WOFOST模型参数对泛区2015、2016、2017年大豆生长状况进行预测，并对比分析两个模型3年最终预测结果与实际生育期及产量的偏差，进而得到两者大豆预测效果的差异。

3.1 大豆生育期和产量

通过两个模型得到的2015、2016和2017年3年大豆的生育期、产量的预测值和实际值对比(表2)发现，两个模型模拟的生育期都是以偏多为主，但DSSAT模型模拟的大豆生育期误差明显大于WOFOST模型的。两个模型模拟的产量误差都以减小为主，但WOFOST模型模拟的产量误差明显小于DSSAT模型的。总体来说，WOFOST模型模拟的生育期延长，客观上增加了产量积累的日数，提升了产量，减小了产量的误差。

表2 2015-2017年模拟结果和实际结果误差对比

3.2 大豆叶面积指数

对比大豆叶面积指数预测值和实际值发现，2015、2016和2017年3年大豆的叶面积指数的预测值(图5、6)，能够较好地反映大豆叶面积指数变化的趋势，但与实际值均有一定的误差。由于模型算法的不同，WOFOST预测的最大值，明显高于DSSAT的，略高于实际值。DSSAT的预测效果较好。

图5 DSSAT模型2015年(a)、2016年(b)、2017年(c)叶面积指数预测及对比图

图6 WOFOST模型2015年(a)、2016年(b)、2017年(c)叶面积指数预测及对比图

3.3 大豆地上物质量

对比大豆地上物质量预测值和实际值(图7、8)发现，2015、2016和2017年3年大豆的地上物质量的预测值，能够较好地反映大豆地上物质量变化的趋势，但与实际值都有一定的误差。由于模型算法的不同，WOFOST预测的最大值，明显高于DSSAT的，略高于实际值。DSSAT的模拟效果较好。

图7 DSSAT模型2015年(a)、2016年(b)、2017年(c)地上物质量预测及对比图

3.4 预测结果分析小结

总的来说，两个模型基本上能够预测大豆的生长情况，但由于品种和管理方法的变化，对大豆产量的预测存在较大的误差。在实际预测过程中，两个模型各有所长，WOFOST模型偏重于生育期预测，DSSAT模型偏重于产量和过程预测。

图8 WOFOST模型2015年(a)、2016年(b)、2017年(c)地上物质量预测及对比图

4 结论与讨论

(1)由于模型机理的不同，不同模型对大豆生长发育过程的模拟结果也不同。DSSAT模型能够较为详细地模拟大豆的生长过程，WOFOST模型的模拟相对较粗，但由于减少了一些其他的影响要素，模拟的效果略好。

(2)两个模型结果各有长处，在有限数据的情况下，DSSAT模型对生物量的模拟效果较好，WOFOST模型在生育期天数和产量方面模拟效果较好。考虑到模型自身的误差，建议在实际应用中，综合两种模型的长处，提取两种模型的共同规律，结合实测值去判定模型的定量化指标，提升预测的准确性。

(3)两种作物模型均不适合模拟长时间序列的大豆生长状况，主要是品种和管理方法的改变，导致两种作物模型对长时间序列的模拟效果逐渐变差，特别是产量的模拟误差最大。DSSAT模型略好于WOFOST模型的。建议如果数据量充足的话，调参数据和模拟数据的日期差异尽可能在10年以内，以减少品种和管理变化带来的模拟误差。