基于SOLANUM模型的甘肅中東部馬鈴薯潛在產(chǎn)量研究

王 瀚 秦軍紅 畢真真 孫 超 李 鑫李亞杰 張俊蓮 白江平,?

(1甘肅省作物遺傳改良與種質(zhì)創(chuàng)新重點(diǎn)實(shí)驗(yàn)室/甘肅省干旱生境作物學(xué)重點(diǎn)實(shí)驗(yàn)室,甘肅蘭州 730070; 2 甘肅農(nóng)業(yè)大學(xué)農(nóng)學(xué)院/甘肅省作物抗逆種質(zhì)創(chuàng)新與利用工程研究中心,甘肅蘭州 730070; 3 中國農(nóng)業(yè)科學(xué)院蔬菜花卉研究所/農(nóng)業(yè)農(nóng)村部薯類作物生物學(xué)與遺傳育種重點(diǎn)實(shí)驗(yàn)室, 北京 100081;4定西市農(nóng)業(yè)科學(xué)研究院,甘肅定西 743000)

馬鈴薯(Solanum tuberosum L.)是世界第四大糧食作物,其人均消費(fèi)量不斷增加[1]。2015年,我國提出馬鈴薯主糧化發(fā)展戰(zhàn)略,以挖掘馬鈴薯生產(chǎn)潛力,開辟保障國家糧食安全新途徑[2]。氣候及病蟲害是影響我國乃至全球馬鈴薯產(chǎn)量的主要因素[3],如何在一定氣候條件下合理的綜合利用基因型遺傳因素與田間管理模式使馬鈴薯達(dá)到高產(chǎn)優(yōu)質(zhì)的目的,是當(dāng)前馬鈴薯生產(chǎn)面臨的主要問題。研究發(fā)現(xiàn)作物模型可以通過創(chuàng)造虛擬基因型來探索產(chǎn)量與基因型和環(huán)境之間的關(guān)系[4-6]。前人利用LINTUL(light interception and utiLization)模型對(duì)馬鈴薯潛在產(chǎn)量進(jìn)行模擬,預(yù)測(cè)2070年全球馬鈴薯潛在產(chǎn)量會(huì)因全球氣候變化減少9%～32%[7-8]。利用作物生長模型研究氣候變化對(duì)作物的影響,以輔助鑒定、評(píng)估作物適應(yīng)環(huán)境的潛在特征,制定相應(yīng)的對(duì)策,用于各種農(nóng)作物的管理[9-10],從而增加作物產(chǎn)量,是作物種植管理決策現(xiàn)代化的基礎(chǔ)。

1993年,Evans[11]定義了作物的潛在產(chǎn)量,并于1999年對(duì)該概念進(jìn)行了補(bǔ)充說明。作物的潛在產(chǎn)量是指作物生長環(huán)境中的營養(yǎng)和水分不受任何限制,病、蟲、雜草、倒伏等不利因素得到有效控制,栽培和生產(chǎn)管理水平均處于最佳條件下可能達(dá)到的最大產(chǎn)量[12]。由此可見,作物的潛在產(chǎn)量理論上僅受基因型特性及生長環(huán)境氣象條件的影響,而實(shí)際產(chǎn)量則受多種因素的影響,二者間存在的差異較大,這種差異被定義為產(chǎn)能差[13]。通過改善作物的產(chǎn)量限制因子來提高作物的產(chǎn)量,縮小產(chǎn)能差,盡可能提高作物的經(jīng)濟(jì)系數(shù),是解決因人口增長導(dǎo)致資源匱乏的措施之一[14]。

SOLANUM 模型是Condori 等[15]通過對(duì)LINTULpotato 模型進(jìn)行優(yōu)化而得到的,可用于模擬不同馬鈴薯品種塊莖干物質(zhì)同化作用。該模型的生長參數(shù)與輻射使用效率和生長環(huán)境的氣候條件有關(guān),可以準(zhǔn)確模擬潛在產(chǎn)量、水分限制、氮素限制和霜凍條件下,馬鈴薯光截獲產(chǎn)生的生物量、塊莖鮮重和冠層覆蓋度的動(dòng)態(tài)生長。此外,其他馬鈴薯生長模型,如APSIM-Potato模型,是通過土壤條件、管理?xiàng)l件、氣候條件等模擬預(yù)測(cè)馬鈴薯產(chǎn)量[16];SUBSTOR-potato 模型是通過計(jì)算葉片光合作用、馬鈴薯根莖葉的生物量形成、植株水分利用率模擬馬鈴薯產(chǎn)量[17]。相比較而言,SOLANUM 模型獲取所需數(shù)據(jù)更為簡單方便,因此被認(rèn)為是具有高預(yù)測(cè)能力的單一型模型[18]。王穎等[19]將SOLANUM模型與FAO 農(nóng)業(yè)生態(tài)區(qū)域法的光溫潛力模型模擬的馬鈴薯潛在產(chǎn)量進(jìn)行比較,發(fā)現(xiàn)采用SOLANUM 模型預(yù)測(cè)云貴高原馬鈴薯潛在產(chǎn)量是可行的。然而,甘肅中東部環(huán)境條件下,SOLANUM 模型在馬鈴薯潛在產(chǎn)量及適用性研究中的應(yīng)用尚鮮見報(bào)道。本試驗(yàn)結(jié)合甘肅省定西市和天水市氣象因子和當(dāng)?shù)伛R鈴薯生長參數(shù),探討SOLANUM 模型模擬甘肅省馬鈴薯產(chǎn)量和冠層覆蓋度的能力及其適用性,并利用驗(yàn)證后的模型分析潛在產(chǎn)量、實(shí)際產(chǎn)量和產(chǎn)能差與氣候因子的關(guān)系,旨在明確影響產(chǎn)能差的主要因素,為馬鈴薯生產(chǎn)決策系統(tǒng)的開發(fā)與應(yīng)用提供理論基礎(chǔ),同時(shí)為農(nóng)業(yè)可持續(xù)發(fā)展和精準(zhǔn)農(nóng)業(yè)提供科學(xué)工具。

1 材料與方法

1.1 試驗(yàn)材料

本試驗(yàn)以生理成熟期差異較大,在甘肅省中東部地區(qū)(定西市和天水市)廣泛種植的3 個(gè)馬鈴薯品種為參試材料(表1)。其中定西試驗(yàn)點(diǎn)種植新大坪品種,天水試驗(yàn)點(diǎn)種植農(nóng)天1 號(hào)和青薯9 號(hào)品種。

表1 供試材料信息Table 1 Information of test material

1.2 試驗(yàn)地概況

試驗(yàn)于2014-2017年在甘肅省天水市農(nóng)業(yè)科學(xué)研究所和定西市農(nóng)業(yè)科學(xué)研究院進(jìn)行。天水市農(nóng)業(yè)科學(xué)研究所位于天水市中梁鎮(zhèn)(34°36′N,105°38′E),海拔1 602 m,年蒸發(fā)量1 271.2 mm,年日照時(shí)數(shù)2 100 h;定西市農(nóng)業(yè)科學(xué)院位于定西市安定區(qū)(35°56′N,104°59′E),海拔1 915 m,年蒸發(fā)量1 540 mm,年日照時(shí)數(shù)2 453 h。試驗(yàn)地土壤養(yǎng)分如表2 所示。

表2 試驗(yàn)地0～30 cm 土層土壤養(yǎng)分含量Table 2 Soil nutrient content in 0～30 cm soil layer of experimental site

1.3 試驗(yàn)設(shè)計(jì)

采用隨機(jī)區(qū)組設(shè)計(jì),3 次重復(fù)。每個(gè)品種每個(gè)重復(fù)6 個(gè)小區(qū),各小區(qū)間距離1.0 m,小區(qū)面積為5.4 m2(3.6 m×1.5 m),每小區(qū)種植4 壟馬鈴薯,壟上覆膜,株距30 cm,行距90 cm,即每壟種植5 株。每次取樣取任意一個(gè)小區(qū)中間6 株。2014-2017年播種時(shí)間均為該年4月28日,收獲時(shí)間為9月10日左右。

播種前,基施復(fù)合肥750 kg·hm-2(N ∶P2O5∶K2O=15 ∶15 ∶15,總養(yǎng)分≥45%,史丹利化肥定西有限公司生產(chǎn))和尿素225 kg·hm-2后進(jìn)行起壟并全覆膜,同時(shí)在壟溝內(nèi)膜上打孔保證水分滲入膜下土壤,全生育期不再灌水和施肥,其他管理同一般大田。

1.4 測(cè)定指標(biāo)與方法

1.4.1 出苗率 播種后20 d 開始統(tǒng)計(jì)小區(qū)出苗株數(shù),每5 d 一次,待不再有幼苗露出地面時(shí)停止統(tǒng)計(jì),按照公式[20]計(jì)算出苗率(emergence rate,ER)：

1.4.2 冠層覆蓋度 采用圖像分析法[19]測(cè)定冠層覆蓋度(canopy cover,CC,%)：利用數(shù)碼相機(jī)(具有藍(lán)牙和無線功能,無變焦和閃光,并調(diào)至最大像素,鏡頭焦距約50 mm)及有刻度的直尺分別于播種后40、55、70、85、100、115 d 對(duì)馬鈴薯冠層進(jìn)行照相記錄,每小區(qū)照3 次(每個(gè)品種照54 次)。拍攝時(shí)相機(jī)鏡頭距馬鈴薯主莖第一花序分枝處高度為80 cm,以保證不同時(shí)期所得照片中都有2 株植株,然后運(yùn)用Siscob 冠層覆蓋度計(jì)算軟件對(duì)照片進(jìn)行計(jì)算分析,得到種植后40、55、70、85、100、115 d 時(shí)的冠層覆蓋度。

1.4.3 產(chǎn)量 分別于播種后40、55、70、85、100、115 d進(jìn)行產(chǎn)量測(cè)定。每次每小區(qū)選取中間兩行,每行取中間3 株進(jìn)行測(cè)定,播種后130 d 對(duì)剩余所有植株進(jìn)行測(cè)產(chǎn),統(tǒng)計(jì)塊莖數(shù)量并稱重,按照公式折算產(chǎn)量(t·hm-2)：

式中,PD(planting density)：種植密度,株·m-2;TFW(tuber fresh weight)：單株塊莖鮮重,kg。

1.4.4 干物質(zhì)含量 分別于播種后40、55、70、85、100、115 d 每小區(qū)取6 株的塊莖稱量鮮重(fresh weight,FW),然后80℃烘干至恒重并稱量干重(dry weight,DW)。按照公式[20]計(jì)算塊莖干物質(zhì)含量(dry matter content of tubers,DMCT)：

將第115 天采集的樣品整株稱量鮮重,80℃烘干至恒重并稱量干重,按照公式計(jì)算植株總干物質(zhì)含量(dry matter content of plant,DMCP)：

1.4.5 收獲指數(shù) 收獲指數(shù)(harvest index,HI)為第115 天測(cè)產(chǎn)的塊莖干物質(zhì)含量(DMCT)與植株總干物質(zhì)含量(DMCP)的比值,公式如下：

1.4.6 氣象數(shù)據(jù) 本試驗(yàn)中所用氣象數(shù)據(jù),如逐日太陽輻射(MJ·m-2)、日最高溫度(℃)、最低溫度(℃)和降雨量(mm)均來自于安裝在試驗(yàn)地的Portlog 便攜式氣象儀(美國RainWise 公司),所有數(shù)據(jù)采集時(shí)間間隔為30 min。

1.4.7 光合輻射利用率 光合有效輻射(photosynthetically active radiation,PAR,mol·m-2·s-1)按照總光合輻射的50%計(jì)算。按照公式[19]計(jì)算光合輻射截獲量( intercepted photosynthetically active radiation,IPAR,mol·m-2·s-1)：

分析IPAR 與馬鈴薯總生物量的線性關(guān)系,斜率即為光合輻射利用率(radiation use efficiency,RUE,g·DM·MJ-1·PAR)。

1.4.8 作物品種遺傳參數(shù)數(shù)據(jù)庫的建立 首先利用生育期內(nèi)每天的太陽輻射量(MJ·m-2)、最高氣溫(maximum temperature,TMAX)、最低氣溫(minimum temperature,TMIN)和降雨量(mm)建立SOLANUM 模型氣象數(shù)據(jù)庫(climate database),將氣象數(shù)據(jù)由該模型的輸入-氣候模塊導(dǎo)入,其中,光照時(shí)間可由模型氣候變量計(jì)算模塊根據(jù)試驗(yàn)地經(jīng)緯度來計(jì)算。然后將田間調(diào)查的觀測(cè)值如最大冠層覆蓋度指數(shù)及相對(duì)應(yīng)播種后天數(shù)、生理成熟所需天數(shù)、收獲指數(shù)、出苗天數(shù)、冠層覆蓋度達(dá)到最大值50%時(shí)的天數(shù)、光周期敏感指數(shù)和光周期臨界指數(shù)等輸入模型的工具-參數(shù)計(jì)算模塊。通過氣候模塊和參數(shù)計(jì)算模塊可計(jì)算出品種遺傳參數(shù),包括冠層覆蓋度增長率達(dá)到最大時(shí)的積溫(thermal time at the maximum canopy cover growth rate,Tm)、冠層覆蓋度達(dá)到最大值時(shí)的積溫(thermal time at maximum canopy cover,Te)、塊莖生長率達(dá)到最大時(shí)的積溫(thermal time at maximum tuber partition rate,Tu)、塊莖開始生長的積溫(thermal time just before the tuber initiation process,b)、最大收獲指數(shù)(maximum harvest index,A)和最大冠層覆蓋指數(shù)(maximum canopy cover index,Wmax),并建立該馬鈴薯品種數(shù)據(jù)庫,即可進(jìn)一步模擬潛在產(chǎn)量和冠層覆蓋度。

1.4.9 品種遺傳參數(shù)的校準(zhǔn) 模型遺傳參數(shù)的校準(zhǔn)過程就是縮小試驗(yàn)實(shí)測(cè)值與SOLANUM 模型對(duì)應(yīng)遺傳參數(shù)下模擬的數(shù)值之間的差異。本研究采用試錯(cuò)法[21]對(duì)SOLANUM 模型進(jìn)行調(diào)參,即使用2014-2015年數(shù)據(jù)進(jìn)行調(diào)參,2016-2017年數(shù)據(jù)進(jìn)行驗(yàn)證,并采用“迭代過程”[22]調(diào)整遺傳參數(shù)以減少實(shí)測(cè)值與模擬值之間的差異,從而計(jì)算出品種對(duì)應(yīng)的參數(shù)(表3)。在參數(shù)校準(zhǔn)的過程中,輸入不同RUE,SOLANUM 模型多次模擬得到的潛在產(chǎn)量并無顯著差異,這與Condori等[15]的研究結(jié)果一致。本試驗(yàn)參照Kooman 等[8]報(bào)道的RUE 取值范圍2.47 ～2.74 g·DM·MJ-1·PAR,取RUE 為2.5 g·DM·MJ-1·PAR 進(jìn)行模擬。

表3 SOLANUM 模型的參數(shù)Table 3 Parameters of the SOLANUM model /(℃·d)

1.4.10 潛在產(chǎn)量和冠層覆蓋度的模擬 確定品種的遺傳參數(shù)后,在輸入模塊導(dǎo)入對(duì)應(yīng)的氣象數(shù)據(jù)和田間數(shù)據(jù),點(diǎn)擊模擬模塊進(jìn)行模擬,模擬結(jié)果由報(bào)告模塊顯示,同時(shí)點(diǎn)擊該模塊下的模型評(píng)估功能,對(duì)模擬值和觀測(cè)值進(jìn)行統(tǒng)計(jì)學(xué)評(píng)估,進(jìn)而對(duì)模型進(jìn)行整體評(píng)價(jià)。

1.5 數(shù)據(jù)分析

利用Microsoft Excel 2013 進(jìn)行數(shù)據(jù)輸入、整理;SigmaPlot v12.5 進(jìn)行實(shí)測(cè)數(shù)據(jù)擬合;Origin 2017 作圖;Solanum v3.05 軟件進(jìn)行潛在產(chǎn)量和冠層覆蓋度的計(jì)算;產(chǎn)能差和氣候因子的變化采用“逐年作差法”[23]計(jì)算,即不同年份對(duì)應(yīng)的氣候因子和產(chǎn)能差相減為其變化值;R 3.5.0 進(jìn)行可視化相關(guān)性分析。

1.6 模型的評(píng)價(jià)標(biāo)準(zhǔn)

SOLANUM 模型的驗(yàn)證主要是根據(jù)馬鈴薯產(chǎn)量、冠層覆蓋度模擬值和實(shí)測(cè)值的動(dòng)態(tài)變化和最終產(chǎn)量來評(píng)價(jià), 均方根誤差( root mean squared error,RMSE)[24-25]用于衡量模擬值與觀測(cè)值之間偏差的指標(biāo),其值越趨近于0,表示模型模擬值與實(shí)測(cè)值離散程度越小,即模擬度越高,RMSE 計(jì)算公式[24]如下：

式中,N：觀察值的個(gè)數(shù);Si和Ri分別表示第i 個(gè)模擬值和觀測(cè)值。

Singh 等[26]對(duì)RMSE 進(jìn)行歸一化,用均方根誤差RMSE 除以實(shí)測(cè)值的平均數(shù)計(jì)算相對(duì)均方根誤差(relative root mean square error,RRMSE),RRMSE 表示RMSE 或者殘差的變化為0。RRMSE 歸一化后能更直觀的反映模擬程度,其最優(yōu)值為0。因此,通常RMSE和RRMSE 值越低,一致性越好[27],RRMSE 計(jì)算公式如下：

Nash 等[28]提出的納什效率系數(shù)(nash-sutcliffe efficiency,NSE)是剩余方差與實(shí)測(cè)值方差之比的標(biāo)準(zhǔn)化統(tǒng)計(jì)方法,也是用于評(píng)估模型模擬性能的工具。Condori 等[15]在SOLANUM 模型中將NSE 命名為模型效應(yīng)系數(shù)(forecasting efficiency,EF),并解釋為參數(shù)化模型在試驗(yàn)農(nóng)業(yè)生態(tài)環(huán)境下對(duì)不同基因型生長模擬的適用性,其值大小在-∞～1 之間,1 為最優(yōu)值,介于0 ～1 之間被認(rèn)為是模擬性能可接受的范圍,當(dāng)EF 小于0時(shí),表示觀測(cè)值比模擬值大,模型不可用,EF 越接近1,模型模擬的性能越好[29],模型在該地區(qū)生態(tài)環(huán)境下的適用性越高。EF 計(jì)算公式如下：

2 結(jié)果與分析

2.1 模型的模擬性能評(píng)價(jià)

由表4 可知,新大坪2014-2015 調(diào)參年份產(chǎn)量模擬模型評(píng)價(jià)的EF 分別為0.076、0.068,RRMSE 分別為71.8%、69.1%,其2016-2017 驗(yàn)證年份模型的EF分別為0.306、0.464,RRMSE 分別為73.4%、65.2%;對(duì)冠層覆蓋度模擬評(píng)價(jià)中,其2014-2015 調(diào)參年份模型的EF 分別為0.737、0.805,RRMSE 分別為22.5%、18.8%,2016-2017 驗(yàn)證年份模型的EF 分別為0.372、0.138,RRMSE 分別為32.9%、35.6%。由圖1 可知,新大坪在播種后40 ～50 d 之間塊莖開始膨大,而SOLANUM 模型模擬結(jié)果顯示塊莖開始膨大是在播種后60 d 左右,且模擬的塊莖膨大速率明顯高于實(shí)測(cè)值。此外,2016年,在播種后110 d 新大坪冠層覆蓋度模擬值為8.80%,而實(shí)測(cè)值為33.55%,130 d 時(shí)實(shí)測(cè)值為9.04%,而模擬值為0,說明在播種后110 ～130 d冠層覆蓋度模擬值與實(shí)測(cè)值之間差異較大,導(dǎo)致2016年冠層覆蓋度的模擬性能變差。2017年,播種后100 d冠層覆蓋度模擬值與實(shí)測(cè)值差距逐漸增大,且在130 d時(shí)差異最大,分別是15.26%和0,表明SOLANUM 模型對(duì)新大坪冠層覆蓋度的模擬在生育后期與實(shí)測(cè)值的差距較大,低估了其生育期時(shí)長。

表4 2014-2017年模型的統(tǒng)計(jì)評(píng)價(jià)Table 4 Statistical evaluation for model simulation from 2014 to 2017

圖1 2014-2017年新大坪產(chǎn)量和冠層覆蓋度動(dòng)態(tài)變化Fig.1 Dynamic changes in yield and canopy cover of Xindaping from 2014 to 2017

由表4 可知,SOLANUM 模型對(duì)農(nóng)天1 號(hào)產(chǎn)量的模擬模型評(píng)價(jià)中,2014-2015 調(diào)參年份模型的EF 分別為0.243、0.457,RRMSE 分別為59.4%、50.0%;2016-2017 驗(yàn)證年份模型的EF 分別為0.087、0.813,RRMSE 分別為76.2%、29.9%。對(duì)冠層覆蓋度的模擬模型評(píng)價(jià)中,2014-2015 調(diào)參年份模型的EF 分別為0.775、0.137,RRMSE 分別為21.4%、37.5%;2016-2017 驗(yàn)證年份模型對(duì)冠層覆蓋度的模擬性能較好,模型的EF 分別為0.864、0.887,RRMSE 為16.7%、16.0%。由圖2 可知,在2016年,SOLANUM 模型模擬的塊莖開始膨大時(shí)間為播種后80 d 左右,這與實(shí)際播種后40 d 開始膨大相比存在明顯差異。2017年收獲時(shí)產(chǎn)量實(shí)測(cè)值為17.930 t·hm-2,與模擬值20.176 t·hm-2接近,表明2017年的產(chǎn)量模擬性能最優(yōu)。

圖2 2014-2017 農(nóng)天1 號(hào)產(chǎn)量及冠層覆蓋度動(dòng)態(tài)變化Fig.2 Dynamic changes in yield and canopy cover of Nongtian No.1 from 2014 to 2017

由表4 可知,青薯9 號(hào)2014-2015 調(diào)參年份產(chǎn)量模擬模型評(píng)價(jià)的產(chǎn)量EF 分別為0.149、0.690,RRMSE分別為72.7%、38.3%;2016-2017 驗(yàn)證年份模型的EF 分別為0.598、0.440,RRMSE 分別為54.4%、61.2%。對(duì)冠層覆蓋度的模擬模型評(píng)價(jià)中,2014-2015調(diào)參年份模型的EF 分別為0.722、0.128,RRMSE 分別為22.4%、54.6%,2016-2017 驗(yàn)證年份模型的EF分別為0.597、0.684,RRMSE 分別為25.1%、23.4%。由圖3 可知,2015年冠層覆蓋度實(shí)測(cè)值在播種后85 d達(dá)到最大值(72.5%),而模擬值在97 d 時(shí)達(dá)到最大值,為72.0%,播種后130 d 生理成熟期時(shí),實(shí)測(cè)值為1.6%,而模擬值為25.4%。由于SOLANUM 模型對(duì)2015年青薯9 號(hào)冠層覆蓋度最大值的模擬時(shí)期推遲,導(dǎo)致其模擬性能最差。

2.2 潛在產(chǎn)量、實(shí)測(cè)值和產(chǎn)能差與氣候環(huán)境的相關(guān)性分析

由圖4 可知,定西和天水的年平均溫度、年平均最高溫度和年平均最低溫度4年內(nèi)變化不明顯,而太陽輻射量和降雨量的波動(dòng)均較大,2017年定西和天水的太陽輻射量均達(dá)到4年來最低值,分別為10.306、7.414 MJ·m-2·d-1。

圖3 2014-2017 青薯9 號(hào)塊莖及冠層覆蓋度動(dòng)態(tài)變化Fig.3 Dynamic changes in yield and canopy cover of Qingshu No.9 from 2014 to 2017

氣候逐漸惡劣嚴(yán)重影響了馬鈴薯的生長,進(jìn)而導(dǎo)致其產(chǎn)能差變化越來越大。由圖5-A 可知,產(chǎn)能差變化(yield gap,ΔYG)與太陽輻射量的變化(ΔR)、降雨量變化(ΔRAIN)均呈顯著正相關(guān),相關(guān)系數(shù)分別為0.8 和0.71,說明太陽輻射量的變化是導(dǎo)致產(chǎn)能差變化的最主要?dú)夂蛞蜃?。即太陽輻射量的變化越?產(chǎn)能差的變化也就越大,即潛在產(chǎn)量和實(shí)際產(chǎn)量的差值在變大。由圖5-B 可知,年降雨量(RAIN)和太陽輻射量(R)與甘肅省馬鈴薯潛在產(chǎn)量(potential yield,PY)、實(shí)際產(chǎn)量(OY)呈顯著正相關(guān),尤其是年降雨量對(duì)甘肅馬鈴薯產(chǎn)量的限制最為明顯,年降雨量與潛在產(chǎn)量的相關(guān)系數(shù)為0.92,與實(shí)際產(chǎn)量的相關(guān)系數(shù)為0.89;其次是太陽輻射量對(duì)產(chǎn)量的影響,與潛在產(chǎn)量相關(guān)系數(shù)為0.78,與實(shí)際產(chǎn)量相關(guān)系數(shù)為0.68。

3 討論

從SOLANUM 模型模擬的潛在產(chǎn)量和冠層覆蓋度的統(tǒng)計(jì)學(xué)意義來看,本研究中模型效應(yīng)系數(shù)EF 均在0～1 之間,表明模型適用于對(duì)甘肅馬鈴薯潛在產(chǎn)量的預(yù)測(cè), 這與Quiroz 等[18]的研究結(jié)論一致, 說明SOLANUM 模型是與其他復(fù)雜模型相比具有更高預(yù)測(cè)度的單一型馬鈴薯預(yù)測(cè)模型。Condori 等[30]利用SOLANUM 模型對(duì)種植于安第斯山脈的4 種馬鈴薯基因型(Alpha,Gendarme,Ajanhuiri,Luki)進(jìn)行模型驗(yàn)證,發(fā)現(xiàn)產(chǎn)量模擬的EF 依次為0.96、0.98、0.95 和0.89,說明4 種基因型在安第斯山脈種植的環(huán)境下,模型的適應(yīng)性好。而本研究中,SOLANUM 模型對(duì)產(chǎn)量和冠層覆蓋度模擬模型評(píng)價(jià)中,同一基因型馬鈴薯在同一生態(tài)環(huán)境下模型的EF 均小于0.805,此外,通過模擬值與實(shí)測(cè)值的動(dòng)態(tài)監(jiān)測(cè)發(fā)現(xiàn),SOLANUM 模型高估了甘肅省中東部馬鈴薯塊莖的生長速率,且低估了馬鈴薯生育期時(shí)長,導(dǎo)致對(duì)冠層覆蓋度的模擬在生育后期與實(shí)測(cè)值有較大的差異,表明SOLANUM 模型對(duì)甘肅省馬鈴薯潛在產(chǎn)量和冠層覆蓋度的模擬還需進(jìn)一步改進(jìn),這可能是由于模型算法是基于南美洲安第斯山脈氣候條件和當(dāng)?shù)仄贩N特性,模型計(jì)算馬鈴薯塊莖的生長速率和生育期長短沒有考慮到試驗(yàn)地的具體情況,導(dǎo)致存在一定的模擬誤差。在今后研究中,將對(duì)模型開源文件中塊莖生長速率和生育期估算方法進(jìn)行改進(jìn),以增強(qiáng)其在甘肅省中東部地區(qū)的適用性。

圖4 2014-2017 定西和天水各氣候因子變化Fig.4 Change of climate factors in Dingxi and Tianshui from 2014 to 2017

SOLANUM 模型在進(jìn)行模擬前,基因型所對(duì)應(yīng)的品種遺傳參數(shù)是確定的,因此在進(jìn)行模擬的過程中,潛在產(chǎn)量的提高僅與該基因型在田間種植的密度、HI、RUE 和最大冠層覆蓋度等指標(biāo)有關(guān)。其中,HI 是作物生產(chǎn)效率的表現(xiàn),也是農(nóng)藝性狀中最重要的變量[31],Tourneux 等[32]認(rèn)為HI 與塊莖的產(chǎn)量顯著相關(guān),且在受到干旱脅迫后HI 會(huì)發(fā)生較大變化,繼而影響產(chǎn)量。目前,全球?qū)︸R鈴薯潛在產(chǎn)量的研究已有大量報(bào)道,所運(yùn)用的模型種類也相對(duì)較多。Ng 等[33]采用SUCROS模型利用冠層覆蓋度、光合作用和干物質(zhì)分配原理來計(jì)算潛在產(chǎn)量;Van 等[34]利用水分和土壤對(duì)產(chǎn)量的影響,更加準(zhǔn)確的來模擬潛在產(chǎn)量;Kooman 等[8]對(duì)LINTUL-POTATO 模型進(jìn)行校準(zhǔn)優(yōu)化后利用LINTULPOTATO-DSS 模型來預(yù)測(cè)潛在產(chǎn)量。Quiroz 等[18]對(duì)種植于秘魯胡寧的馬鈴薯產(chǎn)量分別利用DCPM 模型和SOLANUM 模型進(jìn)行模擬,發(fā)現(xiàn)依賴生理數(shù)據(jù)的復(fù)雜模型DCPM 與依賴遙感數(shù)據(jù)的簡單模型SOLANUM的模擬結(jié)果無顯著差異,突出體現(xiàn)了遙感數(shù)據(jù)的實(shí)用性,且在不需要生理數(shù)據(jù)的背景下,可以得到作物模型所需的關(guān)鍵參數(shù),從而準(zhǔn)確預(yù)測(cè)出馬鈴薯潛在產(chǎn)量。本研究對(duì)產(chǎn)能差的變化與氣候因子變化進(jìn)行相關(guān)性分析,發(fā)現(xiàn)年平均太陽輻射量變化越大,產(chǎn)能差的變化越大,即潛在產(chǎn)量和實(shí)際產(chǎn)量的差值越大,說明影響產(chǎn)能差變化的主要因素是太陽輻射量的變化,這與王穎等[19]的研究結(jié)論一致。此外,本研究還發(fā)現(xiàn)降雨量與潛在產(chǎn)量和實(shí)際產(chǎn)量存在較強(qiáng)的相關(guān)性,說明甘肅地區(qū)種植的馬鈴薯仍受干旱脅迫的影響,降雨量是限制甘肅馬鈴薯提高產(chǎn)量的主要因素之一。因此,甘肅馬鈴薯品種的選育不僅要考慮抗旱性,還需有較高光能利用率的品種。在馬鈴薯主糧化發(fā)展戰(zhàn)略的背景下,馬鈴薯生產(chǎn)不僅要求高產(chǎn),更多地是實(shí)現(xiàn)水肥資源的高效利用,生產(chǎn)綠色安全的馬鈴薯產(chǎn)品。截至目前,SOLANUM 模型對(duì)潛在產(chǎn)量、水分脅迫和霜凍下的定量模擬能夠提供有效依據(jù),但氮素脅迫的版本尚處于研發(fā)階段,且缺少對(duì)馬鈴薯病害數(shù)據(jù)庫的建立,給SOLANUM 模型的研究帶來了一定的局限性。

4 結(jié)論

本研究結(jié)果表明,SOLANUM 模型對(duì)甘肅省馬鈴薯中東部地區(qū)潛在產(chǎn)量的模擬和預(yù)測(cè)具有適用性,為了進(jìn)一步提高SOLANUM 模型在甘肅省中東部地區(qū)的適用性及其模擬預(yù)測(cè)的精準(zhǔn)性,在后期的應(yīng)用過程中還需通過試驗(yàn)研究和算法對(duì)該模型進(jìn)行相應(yīng)改進(jìn),來深入理解并量化馬鈴薯生長發(fā)育,尤其是生長速率和生育期估算的準(zhǔn)確性對(duì)模型性能的影響。此外,降雨量和太陽輻射量是制約甘肅省馬鈴薯產(chǎn)量提高的主要?dú)夂蛞蛩?因此,選育生育期較長、抗旱型和高光效型品種是當(dāng)前甘肅省馬鈴薯品種選育中亟待解決的問題。本研究結(jié)果為進(jìn)一步利用SOLANUM 模型預(yù)測(cè)甘肅省馬鈴薯潛在產(chǎn)量提供了理論依據(jù)。