APSIM-Sugar模型在云南半濕潤半干旱蔗區(qū)的適應性研究

毛 鈞，Inman-Bamber N G，陸 鑫，Jackson P A，王 靖，劉家勇，范源洪*

(1.云南省農(nóng)業(yè)科學院甘蔗研究所，云南 開遠 661699；2.云南省甘蔗遺傳改良重點實驗室，云南 開遠 661699；3.詹姆斯庫克大學科技與工程學院，昆士蘭 湯斯維爾 4810；4.聯(lián)邦科學與工業(yè)研究組織熱帶農(nóng)業(yè)科學與創(chuàng)新研究中心，昆士蘭 湯斯維爾 4810；5.中國農(nóng)業(yè)大學資源與環(huán)境學院，北京 100193)

Uncertainty

【研究意義】中國甘蔗主產(chǎn)區(qū)集中在廣西、云南和廣東，云南是第二大糖料基地，常年甘蔗種植面積約33萬hm2，蔗糖產(chǎn)量占全國的20 %[1]。云南蔗區(qū)存在嚴重的冬春季節(jié)性干旱，水資源短缺及分布不均的問題嚴重制約了云南甘蔗產(chǎn)業(yè)的發(fā)展[2]。選育和推廣抗旱甘蔗品種，發(fā)展節(jié)水灌溉，提高水分利用效率是確保云南蔗糖產(chǎn)業(yè)可持續(xù)發(fā)展的重要措施。為實現(xiàn)有限水資源的高效利用，有必要對旱區(qū)甘蔗農(nóng)業(yè)生產(chǎn)系統(tǒng)進行綜合研究。【前人研究進展】與傳統(tǒng)的數(shù)理統(tǒng)計模型相比，作物生長模型可以模擬品種特征、氣候土壤、水分養(yǎng)分狀況對作物生長發(fā)育及產(chǎn)量形成的影響，已成為氣候影響作物產(chǎn)量評估和農(nóng)業(yè)生產(chǎn)決策輔助的高效工具[3-4]。農(nóng)業(yè)生產(chǎn)系統(tǒng)模擬模型(Agricultural Production System siMulator，APSIM)是由澳大利亞農(nóng)業(yè)生產(chǎn)系統(tǒng)研究協(xié)作組(APSRU)開發(fā)的一系列作物模型系統(tǒng)的總稱。該模型自引進中國以來，已經(jīng)在華北平原[5-9]、東北地區(qū)[10]，西北黃土高原地區(qū)[11]和西南地區(qū)[12-13]進行了大量的調參驗證工作，并被證明能夠很好地指導當?shù)厮?、小麥、玉米等糧食作物的生產(chǎn)，但在甘蔗等非糧經(jīng)濟作物生產(chǎn)中缺乏適應性評價研究?！颈狙芯壳腥朦c】在國外APSIM-Sugar模型已被證明是評估不同農(nóng)田生態(tài)系統(tǒng)產(chǎn)能的有效工具，但目前其品種庫中沒有中國主栽品種遺傳參數(shù)，特別是在云南缺乏必要的模型適應性評價。與北方平原地區(qū)不同，以云南低緯高原為代表的西南蔗區(qū)海拔較高、地理氣候差異較大，季節(jié)性干旱頻發(fā)，甘蔗等作物種植以旱坡地為主，而且甘蔗生產(chǎn)需水量和甘蔗品種對干旱的耐受性差異較大，要在該地區(qū)應用必須對模型進行必要的參數(shù)校驗，即對模型進行本地化調參和驗證[14]?！緮M解決的關鍵問題】云南主產(chǎn)蔗區(qū)多為半濕潤半干旱蔗區(qū)，在該區(qū)域開展模型調參驗證與適應性評價研究，以獲取本地化的甘蔗主栽品種模型參數(shù)，提高產(chǎn)量糖分模擬精度，有利于今后利用作物模型深入研究甘蔗品種的生態(tài)適應性以及分析云南區(qū)域性氣候土壤差異對甘蔗生產(chǎn)的影響。

1 材料與方法

1.1 試驗設計

田間試驗于2012-2017年在云南省農(nóng)業(yè)科學院甘蔗研究所下設的開遠和元江2個甘蔗試驗站進行，分別設計不同品種和水分處理的大田試驗。試驗均為裂區(qū)設計，設灌溉(WW)和水分脅迫(WS)2個處理。除開遠站第2輪新植播種后有自然降水外，其他處理種植前和收獲后需要進行初次灌溉以保證出苗，此后WS處理僅靠雨養(yǎng)，WW處理在雨季來臨前每隔2～3個月適時進行灌溉避免水分脅迫，每次灌水量約為90 mm。大區(qū)間由緩沖區(qū)分隔，大區(qū)內品種小區(qū)隨機分布并設3個重復；小區(qū)規(guī)模為4 行× 10 m，行長4 m，行距1 m；同時設1～5行保護行以減小邊際效應。種莖播種前經(jīng)過2 h的溫水(50±1)℃脫毒處理，防止宿根矮化病(RSD)影響產(chǎn)量。試驗按統(tǒng)一栽培措施進行管理，經(jīng)過11～15個月的生長期后收獲測產(chǎn)。

開遠(23.72oN，103.27oE)和元江(23.67oN，101.87oE)年均≥0 ℃·d的積溫在5500～6500 ℃·d，年均≥10 ℃的積溫在2300～3300 ℃·d，年日照時數(shù)大于1000 h，年降水量400～800 mm，分屬南亞熱帶和北熱帶半濕潤半干旱季風性氣候，蔗田土壤為輕粘性赤紅壤或砂質燥紅壤。試驗1(S1)參試品種為22個，試驗2(S2)參試品種為18個，2輪試驗均含有對照品種ROC22(中國主栽品種)和Q208(澳大利亞主栽品種)。甘蔗大田試驗播期等相關信息詳見表1。

表1 研究站點大田試驗信息

表2 模型調參驗證方案

1.2 模型調參驗證方案與誤差評價方法

開遠和元江站點模型調參驗證大田試驗的觀測數(shù)據(jù)包括生育期、綠葉數(shù)、葉面積、蔗莖產(chǎn)量(TCH)和蔗莖糖分(CCS)等(表2)。模型品種參數(shù)優(yōu)化采用試錯法進行，以田間觀測值和模型模擬值的誤差為目標函數(shù)，基于模型標準品種默認參數(shù)值在合理范圍內進行逐一試錯調整，最小化模擬誤差。蔗莖產(chǎn)量和糖分模擬采用APSIM-Sugar 7.8，數(shù)據(jù)統(tǒng)計分析和作圖采用SAS 8.2和JMP 10統(tǒng)計軟件。

模型模擬誤差通過觀測值和模擬值的均方根誤差(RMSE)和相對均方根誤差(NRMSE)進行評價，回歸模型斜率Slop和擬合優(yōu)度R2作為參考指標。RMSE和NRMSE計算方法如公式(1)和公式(2)

(1)

(2)

其中，Oi和Si為調查性狀觀測值和模擬值，為觀測平均值，n為樣本數(shù)量。模型對甘蔗蔗莖產(chǎn)量和糖分的綜合模擬誤差利用NRMSEsim進行評價，該值≤15 %認為模型模擬效果好。具體計算方法如公式(3)

(3)

其中，NRMSEtch和NRMSEccs分別是蔗莖產(chǎn)量(TCH)和蔗莖糖分(CCS)的相對誤差。

1.3 模型初始化設置

氣象數(shù)據(jù)：采集開遠、元江氣象站2012年1月至2017年3月每日氣象資料，缺失數(shù)據(jù)從當?shù)貧庀缶趾蛧覛庀罂茖W數(shù)據(jù)共享服務網(wǎng)絡數(shù)據(jù)庫(CCD)查詢補充。運行模型必須的氣象指標包括日輻射量、日最高溫、日最低溫和日降雨量，輻射數(shù)據(jù)由日照時數(shù)換算。

土壤數(shù)據(jù)：云南蔗區(qū)土壤以紅壤為主，參考《中國土種志》中云南紅壤類土壤信息和土壤樣品實測結果在模型土壤模塊設置相應的初始土壤水分和養(yǎng)分參數(shù)(表3)。蔗田土壤采樣深度不足100 cm，模型中根系吸水土層深度設定為200 cm(100～200 cm參數(shù)與60～90 cm相同)，土壤相關的作物經(jīng)驗系數(shù)每日根系潛在吸水因子 KL設定為0.1～0.04，根系延伸因子XF設定為1.0。

表3 研究站點土壤數(shù)據(jù)

表4 甘蔗模型標準品種Q117基礎參數(shù)初始值

注：* 輻射利用效率取值新植蔗為1.8，宿根蔗為1.65, ** 蒸騰效率系數(shù)取值來自參考文獻[18]。

Notes: * rue value of 1.8 was for plant and 1.65 for ratoon; ** transp_eff_cf value of 0.0087 was from reference[18].

表5 標準品種Q117模擬誤差統(tǒng)計

管理措施：管理措施如種植收獲時間、灌溉施肥時間和數(shù)量等，根據(jù)田間管理記錄在管理模塊中進行設置(表1)。

品種參數(shù)：以模型標準品種Q117基礎參數(shù)為基準(表4)，根據(jù)大田實測數(shù)據(jù)和模擬結果對模型品種數(shù)據(jù)庫中未收錄的新品種ROC22和Q208進行參數(shù)優(yōu)化調整，保證產(chǎn)量和糖分的模擬誤差在可接受的范圍之內(NRMSEsim≤15 %)。

2 結果與分析

2.1 標準品種Q117調參驗證

首先按照表2中CS1方案對標準品種Q117的S1、S2數(shù)據(jù)集進行調試，此方案中以所有參試品種田間實測產(chǎn)量和糖分的均值作為觀測值(Obs)與模型標準品種模擬值(Sim)進行比較(圖1和表5)。

Obs_TCH：蔗莖產(chǎn)量實測值(t/hm2)；Sim_TCH：蔗莖產(chǎn)量模擬值(t/hm2)；Obs_CCS：蔗莖糖分實測值(%)；Sim_CCS：蔗莖糖分模擬值(%)；WS：脅迫處理；WW：灌溉處理；KY：開遠站點；YJ：元江站點； P1：新值宿根；R1：一年宿根； R2：二年宿根Obs_TCH：Observed TCH(t/hm2)；Sim_TCH：Simulated TCH(t/hm2)；Obs_CCS：Observed CCS(%)；Sim_CCS：Simulated CCS(%)；WS：Water stress treatment；WW：Well watered treatment；KY：Kaiyyuan station；YJ：Yuanjiang station；P1：New planting；R1：First ratoon； R2：Second ratoon圖1 標準品種Q117產(chǎn)量糖分模擬結果Fig.1 The simulated results of TCH and CCS for Q117 in APSIM-Sugar

Obs_TCH：蔗莖產(chǎn)量實測值(t/hm2)；Sim_TCH：蔗莖產(chǎn)量模擬值(t/hm2)；Obs_CCS：蔗莖糖分實測值(%)；Sim_CCS：蔗莖糖分模擬值(%)；不同品種：ROC22和Q208；不同站點：開遠(KY)和元江(YJ)；不同處理：脅迫處理(WS)和灌溉處理(WW)Obs_TCH：Observed TCH(t/hm2)；Sim_TCH：Simulated TCH(t/hm2)；Obs_CCS：Observed CCS(%)；Sim_CCS：Simulated CCS(%)；Different Varieties: ROC22 and Q208; Different treatment: Water stress(WS) and Well watered(WW) Different station: Kaiyyuan(KY) and Yuanjiang(YJ)圖2 新品種Q208和ROC22產(chǎn)量糖分模擬結果Fig.2 The simulated results of TCH and CCS for Q208 and ROC22 in APSIM-Sugar

試驗1中，平均實測產(chǎn)量(Obs_TCH)和糖分(Obs_CCS)在水分脅迫(WS)處理下為54.8 t/hm2和13.7 %，在灌溉(WW)處理下為92.2 t/hm2和14.3 %；對應模擬產(chǎn)量(Sim_TCH)和糖分(Sim_CCS)分別為脅迫下50.5 t/hm2和15.4 %，灌溉下90.7 t/hm2和16 %。試驗2中，平均實測產(chǎn)量為60.4 t/hm2(WS)和88.6 t/hm2(WW)，對應模擬產(chǎn)量為51.7和83.1 t/hm2；實測糖分為13.8 %(WS)和14.5 %(WW)；對應的模擬值為13.4 %和14.6 %。分析結果表明，產(chǎn)量模擬誤差較大(10～15 t/hm2)，變化趨勢較明顯；糖分模擬誤差較小(0.7～1.2 %)，但變化趨勢不明顯，可能與糖分缺測數(shù)據(jù)較多有關?？傮w上新植蔗模擬結果優(yōu)于宿根蔗，開遠站模擬結果優(yōu)于元江站，灌溉處理產(chǎn)量模擬結果優(yōu)于水分脅迫處理。

CS1方案2套獨立試驗的平均產(chǎn)量和糖分模擬絕對誤差RMSE和相對誤差NRMSE均小于15 %，其中S2的NRMSEsim僅為10.25 %，模擬效果優(yōu)于S1，表明采用S2數(shù)據(jù)集和標準品種Q117參數(shù)校正后的模型能夠較準確的模擬云南代表站點甘蔗品種平均產(chǎn)量和糖分差異以及整體變化趨勢，基于上述結果，確定將S2數(shù)據(jù)集用于甘蔗新品種調參，S1數(shù)據(jù)集用于驗證。

2.2 新品種Q208和ROC22調參驗證

CS2和CS3方案整體模擬效果上與CS1類似，模型輸出的TCH和CCS模擬值均能對不同品種(ROC22和Q208)，不同站點(KY和YJ)和不同水分處理(WS和WW)下的蔗莖實測產(chǎn)量和糖分差異做出較好的響應(圖2)。

CS2與CS1相比，TCH和CCS的模擬誤差變大，特別是S2的1新2宿試驗中，Q208的RMSEtch達16 t/hm2，NRMSEtch超過25 %；RMSEccs達1.55 %，NRMSEccs超過10 %，NRMSEsim超過17 %。CS3在CS2基礎上剔除了試驗取樣誤差較大的第2年宿根試驗數(shù)據(jù)，產(chǎn)量和糖分的模擬誤差均得到較好的控制，不同品種的TCH模擬相對誤差均低于12 %，CCS模擬相對誤差均低于10 %，整體模擬誤差均控制10 %以內(表6)。

2.3 云南蔗區(qū)甘蔗品種參數(shù)優(yōu)化后的評估結果

采用CS3方案以標準品種Q117為基準對8個(組)關鍵參數(shù)進行調試，最終獲得Q208和ROC22新品種參數(shù)優(yōu)化值(表7)。

采用參數(shù)校準后的模型和產(chǎn)量糖分實測數(shù)據(jù)完整的數(shù)據(jù)集進行蔗糖產(chǎn)量(TSH=TCH×CCS)的綜合評估，結果顯示2套獨立試驗中不同品種的蔗糖產(chǎn)量實測值與模型模擬值顯著相關，絕對誤差小于2 t/hm2，斜率在0.8～1.26，R2大于0.8(圖3)。

3 討 論

黃智剛等應用APSIM-Sugar模型在廣西進行了甘蔗產(chǎn)量、葉面積、葉片含氮量模擬和水氮管理研究[15-17]，但這些研究未進行甘蔗品種參數(shù)優(yōu)化，而是用澳大利亞Q型品種Q141模型參數(shù)替代我國主栽品種ROC22進行研究。本研究首次在云南蔗區(qū)對APSIM-Sugar模型進行了適應性評價，并對新品種ROC22和Q208進行了參數(shù)優(yōu)化。品種調參和驗證結果表明，經(jīng)過校驗的APSIM-Sugar模型能較好的模擬云南蔗區(qū)甘蔗的生長發(fā)育和產(chǎn)量形成過程。甘蔗產(chǎn)量和糖分受基因型、環(huán)境和管理互作的綜合影響，而品種參數(shù)和輸入數(shù)據(jù)的不確定性成為模型模擬結果不確定性的重要原因，主要表現(xiàn)在：品種遺傳變異的不確定性，如光能利用率、水分利用率和宿根性差異等；氣候因子的不確定性，如溫度、輻射、降水數(shù)據(jù)缺失和估算方法的精度問題等；栽培管理的不確定性，如灌溉數(shù)據(jù)的準確性，病蟲害影響等。本研究采取一系列措施來降低不確定性影響，如通過多年多點品比試驗數(shù)據(jù)集優(yōu)化品種遺傳參數(shù)，采用輻射估算優(yōu)化模型，溫水脫毒消除病害影響等。

表6 新品種ROC22/Q208調參驗證模擬誤差統(tǒng)計

表7 模型品種遺傳參數(shù)優(yōu)化值

A為驗證數(shù)據(jù)集S1，B為調參數(shù)據(jù)集S2A was S1 data set for validation, B was S2 data set for calibration圖3 新品種參數(shù)校驗后的模型蔗糖產(chǎn)量模擬結果Fig.3 The simulated results of TSH for new varieties in APSIM-Sugar after verification

Inman-Bamber等[18-20]的研究表明，蒸騰效率系數(shù)transp_eff_cf和輻射利用效率rue是APSIM-Sugar模型中反映作物水分和光能利用效率物種差異的基礎模型參數(shù)，對甘蔗產(chǎn)量和糖分模擬結果影響巨大。除非模擬結果存在明顯的整體偏差，否則不建議對其進行大幅調整。APSIM-Sugar早期版本均采用transp_eff_cf= 0.0080，rue=1.8/1.65的參數(shù)組合，模擬產(chǎn)量整體偏低。本研究采用APSIM-Sugar 7.8中transp_eff_cf=0.0087，rue=1.8/1.65的參數(shù)組合模擬結果較好。生育期參數(shù)中出苗到拔節(jié)的積溫(tt_emerg_to_begcane)對產(chǎn)量和糖分模擬影響較大，反映了品種熟性。本研究參試品種偏早熟，參考云南蔗區(qū)調查數(shù)據(jù)和生產(chǎn)經(jīng)驗，將該參數(shù)從1900 ℃·d調整為1500和1600 ℃·d。潛在最大綠葉數(shù)(green_leaf_no)和最大葉面積(leaf_size)反映了冠層的截光能力，還與品種耐旱性相關。如Q208葉片細長，面積較小，單株綠葉數(shù)較多，耐旱性較好。蔗莖糖分分配系數(shù)(cane_fraction_stalk)對產(chǎn)量模擬結果影響較大，反映了收獲指數(shù)的大小。蔗莖糖分分配系數(shù)(sucrose_fraction_stalk)和糖分積累最小生物量(min_sstem_sucrose)對糖分模擬結果影響較大，反映了甘蔗品種的糖分差異。最近的研究發(fā)現(xiàn)甘蔗在水分脅迫下其生物量分配發(fā)生改變，光合產(chǎn)物的積累由地上部分向地下部分轉移，通過改變根冠比以適應水分脅迫[21]。另外，甘蔗的葉片葉綠素相對含量(SPAD)和葉綠素熒光動力學參數(shù)(Fv/Fm和Fv/Fo)能較準確的反映干旱脅迫的影響效應，可作為甘蔗品種耐旱評價指標應用于早期選擇育種實踐及種質資源篩選[21-22]。這些甘蔗生理學基礎研究進展為今后改進APSIM-Sugar模型在干旱脅迫下的模擬精度提供了重要的參考資料。

4 結 論

綜合模型適應性評價結果，認為經(jīng)過校驗的APSIM-Sugar模型能較好模擬云南半濕潤半干旱蔗區(qū)甘蔗的生長發(fā)育過程，并響應環(huán)境變化造成的產(chǎn)量和糖分差異，但是在多年宿根和極端環(huán)境條件下的模擬精度仍有待提高。模型品種參數(shù)和輸入數(shù)據(jù)的不確定性是造成模型模擬結果不確定性的重要原因。