基于EFAST的不同生產(chǎn)水平下WOFOST模型參數(shù)敏感性分析

興 安 卓志清 趙云澤 李 勇 黃元仿,2

(1.中國農(nóng)業(yè)大學(xué)土地科學(xué)與技術(shù)學(xué)院, 北京 100193; 2.自然資源部農(nóng)用地質(zhì)量與監(jiān)控重點實驗室, 北京 100035)

0 引言

目前，作物模型在生產(chǎn)潛力評價、氣候變化影響評估、作物生長監(jiān)測、作物產(chǎn)量預(yù)報、農(nóng)業(yè)風(fēng)險評估、農(nóng)業(yè)管理決策等諸多領(lǐng)域的應(yīng)用越來越廣泛[1-6]，其中模型參數(shù)校正和優(yōu)化仍然是模型本地化應(yīng)用的關(guān)鍵過程，而敏感性分析是進行參數(shù)校正和優(yōu)化的重要前提[7-9]。敏感性分析能夠?qū)⒉淮_定性結(jié)果分配至不同的模型參數(shù)，量化模型參數(shù)對輸出結(jié)果的影響，識別并篩選出模型中的關(guān)鍵參數(shù)，從而降低參數(shù)優(yōu)化過程中的工作量和輸出結(jié)果的不確定性[10]。敏感性分析通常分為局部敏感性分析方法和全局敏感性分析方法[11]，其中，全局敏感性分析方法有EFAST方法[12-13]、Morris方法[14]、Sobol’方法[15]等，均在作物模型敏感性分析中得到了廣泛的應(yīng)用[16-20]。

作物模型中參數(shù)的重要性不僅與模型結(jié)構(gòu)有關(guān)，還受到其他參數(shù)和輸入數(shù)據(jù)的影響。特別是在區(qū)域尺度上，氣候、土壤以及管理條件的復(fù)雜性導(dǎo)致區(qū)域尺度上參數(shù)敏感性分析結(jié)果存在一定的不確定性[21-22]。因此，許多研究針對不同區(qū)域年份的氣候、土壤、管理條件的差異和作物參數(shù)取值范圍進行了參數(shù)敏感性的影響分析[22-24]。如文獻[25]選取不同氣候類型下的4個冬小麥代表性站點，對APSIM-Wheat模型品種參數(shù)、土壤參數(shù)在不同氣候類型及不同產(chǎn)量水平下的敏感性差異進行分析，結(jié)果表明，不同氣候區(qū)間產(chǎn)量和生育期蒸散對參數(shù)的敏感性分析結(jié)果存在差異，不同產(chǎn)量水平間差異不大；文獻[26]采用Morris和Sobol’方法，分別計算了歐洲5個國家的主要水稻種植區(qū)及代表不同大陸性氣候條件的3個年份下的WARM模型參數(shù)敏感性，結(jié)果表明，模型對作物參數(shù)的敏感性在不同氣候條件下并不總是一致的；文獻[27]采用Morris和EFAST方法對歐洲不同氣候條件(包括未來氣候變化)下WOFOST模型不同作物參數(shù)的敏感性進行了分析，結(jié)果表明，敏感性分析受氣候條件，尤其是極端氣候條件的影響，從而表現(xiàn)出不同的結(jié)果，但整體上最敏感參數(shù)趨于一致。以上研究均強調(diào)了在區(qū)域尺度和長時間序列上進行參數(shù)敏感性分析的必要性，從結(jié)果上看，在較大時空尺度上敏感性分析結(jié)果因氣候類型的多樣性及復(fù)雜性而存在較大差異，而在較小尺度相同氣候類型下，不同氣候條件對參數(shù)敏感性的影響還有待進一步探討。此外，WOFOST模型作為應(yīng)用最廣泛的機理作物模型之一，其參數(shù)敏感性分析也是目前的研究熱點。然而，大部分研究在進行參數(shù)敏感性分析[24,27-29]和參數(shù)校驗[3-4,30-32]時未考慮蒸散速率修正因子(CFET)和土壤水分消耗作物群數(shù)量(DEPNR)等作物水分利用相關(guān)品種參數(shù)，而這些參數(shù)能夠表征作物對水分脅迫的響應(yīng)，這會影響模型模擬精度，尤其是水分限制生產(chǎn)水平下的作物生長模擬。同時WOFOST模型對所有作物生長的描述相同，在同一種植制度、不同作物間的參數(shù)敏感性差異分析有助于進一步理解模型運作過程。

本文選取溫帶季風(fēng)氣候類型的黃淮海平原旱作區(qū)不同積溫區(qū)內(nèi)的3個站點，基于農(nóng)業(yè)氣象試驗站點數(shù)據(jù)以及實地采樣數(shù)據(jù)，采用EFAST方法分析WOFOST模型冬小麥和夏玉米產(chǎn)量在不同生產(chǎn)水平、不同氣候條件下的參數(shù)敏感性及其排序一致性，并探討敏感性差異形成的原因，為后續(xù)區(qū)域尺度模型參數(shù)標(biāo)定和驗證提供基礎(chǔ)。

1 材料與方法

1.1 研究區(qū)概況

黃淮海平原旱作區(qū)[33-34]是我國重要旱作作物種植區(qū)及商品糧基地，其大部分屬溫帶季風(fēng)氣候，年均溫度14～16℃，年均降雨量500～1 200 mm，土壤類型主要為潮土、褐土和砂漿黑土，主要種植糧食作物為冬小麥和夏玉米，冬小麥播種時間一般為10月，次年5月下旬或6月上、中旬成熟，夏玉米常年播種在6月，9月上、中旬成熟。

本研究基于黃淮海旱作區(qū)2000—2015年日平均溫度大于等于10℃的年均積溫數(shù)據(jù)，以200℃為間隔劃分不同積溫區(qū)[35]，在積溫為4 600～4 800℃、4 800～5 000℃、5 200℃以上的積溫區(qū)中選取黃驊、商丘和駐馬店3個農(nóng)業(yè)氣象試驗站點作為研究地區(qū)(圖1)，其基本信息和氣候特征見表1。

圖1 黃淮海平原旱作區(qū)分布圖

表1 3個代表站點的氣候基本特征

1.2 WOFOST模型

WOFOST模型由荷蘭瓦赫寧根大學(xué)和世界糧食研究中心(CWFS)共同開發(fā)研制，以逐日氣象數(shù)據(jù)為驅(qū)動，通過土壤、管理和作物參數(shù)限制與調(diào)整作物生長過程的動態(tài)解釋性模型，可以模擬潛在、水分限制和養(yǎng)分限制3種水平下的作物生長。WOFOST模型中物候期用無量綱的狀態(tài)變量——生長階段(Development stage, DVS)來描述，DVS為0表示出苗期、1表示開花期、2表示成熟期[36]。

模型運行所需的氣象數(shù)據(jù)(逐日最高氣溫、最低氣溫、降雨量)、管理數(shù)據(jù)(播種日期、出苗期、成熟期)從中國氣象數(shù)據(jù)網(wǎng)(http:∥data.cma.cn/site/index.html)獲取，逐日輻射、早晨水汽壓、地上2 m處平均風(fēng)速采用FAO提出的Angstrom公式將從中國氣象數(shù)據(jù)網(wǎng)獲取的日照時數(shù)、平均相對濕度以及平均風(fēng)速進行轉(zhuǎn)換獲取。土壤數(shù)據(jù)(土壤含水率、田間持水量、萎蔫系數(shù)、水分特征曲線、飽和導(dǎo)水率)由旱作區(qū)取樣數(shù)據(jù)和農(nóng)業(yè)氣象站數(shù)據(jù)獲取，土樣取于2017年5—6月，采用重鉻酸鉀外加熱法、環(huán)刀法測定土壤有機質(zhì)含量和容重，采用激光粒度儀測定土壤顆粒組成，并采用Soil Water Characteristics軟件[37]計算轉(zhuǎn)換為所需土壤參數(shù)。

1.3 研究方法

1.3.1參數(shù)選取及取值范圍

根據(jù)冬小麥和夏玉米不同生長發(fā)育特點以及前人關(guān)于WOFOST模型作物參數(shù)敏感性分析結(jié)果[24,27,29]，選取初始、綠葉、同化、同化物轉(zhuǎn)化、呼吸作用、干物質(zhì)分配、死亡、根系以及水分利用相關(guān)參數(shù)進行敏感性分析，2種作物參數(shù)各50個，其中生育期積溫參數(shù)未考慮，運行模型時各生育期參數(shù)根據(jù)農(nóng)業(yè)氣象站點數(shù)據(jù)中的實際生育期計算獲取。模型作物參數(shù)缺省值基礎(chǔ)上浮動±10%并考慮模型參數(shù)默認范圍作為參數(shù)的取值范圍，敏感性分析中將所有參數(shù)的分布假定為均勻分布，詳見表 2。表2中TDWI為初始總干物質(zhì)質(zhì)量；LAIEM為出苗時葉面積指數(shù)；RGRLAI為葉面積指數(shù)最大增長率；SLATB為不同生育期的比葉面積；SPAN為35℃時葉片生命周期；TBASE為葉齡的低溫閾值；KDIFTB為不同生育期散射光消光系數(shù)；EFFTB為日平均氣溫為0℃或40℃時單葉同化CO2的光能利用效率；AMAXTB為單葉最大CO2同化速率；TMPFTB為最大同化速率在不同均溫條件下的校正因子；TMNFTB為總同化速率低溫校正因子；CVL為葉同化物轉(zhuǎn)化效率；CVO為儲存器官同化物轉(zhuǎn)化效率；CVR為根同化物轉(zhuǎn)化效率；CVS為莖同化物轉(zhuǎn)化效率；Q10為溫度變化10℃時呼吸作用變化率；RML為葉維持呼吸速率；RMO為儲存器官的維持呼吸速率；RMR為根的維持呼吸速率；RMS為莖的維持呼吸速率；RFSETB為不同生育期衰老校正因子；FRTB為不同生育期莖干物質(zhì)的分配系數(shù)；FLTB為不同生育期葉干物質(zhì)的分配系數(shù)；FOTB為不同生育期儲存器官干物質(zhì)的分配系數(shù)；RDRRTB為不同生育期根相對死亡速率；RDRSTB為不同生育期莖相對死亡速率；CFET為蒸散速率修正因子；DEPNR為土壤水分消耗作物群數(shù)量；RDI為初始根深；RRI為根深最大日增加量；RDMCR為最大根深。

表2 WOFOST模型冬小麥-夏玉米參數(shù)取值范圍

1.3.2敏感性分析方法

EFAST法是SALTELLI等[13]在傅里葉幅度敏感性檢驗法(Fourier amplitude sensitivity test, FAST)的基礎(chǔ)上，結(jié)合Sobol’法的優(yōu)點所提出的一種基于方差分解的全局敏感性分析方法，具有穩(wěn)定、計算快速等特點。EFAST法原理是選取合適的搜索曲線在多維參數(shù)空間中運行，將一組非線性相關(guān)的整數(shù)頻率分配給模型的所有輸入?yún)?shù)，并對模型中選取的參數(shù)引入一個具有共同獨立參數(shù)的函數(shù)，使模型作為獨立參數(shù)的周期函數(shù)，將多維積分降為一維積分。通過把目標(biāo)函數(shù)轉(zhuǎn)換成傅里葉級數(shù)，得到各頻率的傅里葉頻譜曲線，由頻譜曲線可計算由參數(shù)xi引起的模型輸出方差和總方差，其比值即為該參數(shù)的敏感度，具體算法詳見文獻[13,38-39]，其簡單算法公式為

(1)

(2)

(3)

STi=Si+Sij+…+Sij…k

(4)

式中V——模型總方差

Vi——xi輸入變化單獨引起的模型方差

Vij——xi通過xj作用貢獻的耦合方差

Vij…k——xi通過與xj、…、xk相互作用貢獻的耦合方差

Si——xi的一階敏感性指數(shù)

Sij——xi的二階敏感性指數(shù)

Sij…k——xi的多階敏感性指數(shù)

STi——xi的總敏感性指數(shù)

1.3.3敏感性分析方案

基于農(nóng)業(yè)氣象試驗站點多年降雨量數(shù)據(jù)，選取2000年(豐水)、2007年(平水)、2013年(枯水)為研究年份，采用EFAST方法，分別對黃驊、商丘、駐馬店等站點冬小麥和夏玉米不同生產(chǎn)水平下的產(chǎn)量進行參數(shù)敏感性分析，旨在分析不同氣候條件下和不同生產(chǎn)水平下參數(shù)敏感性的差異。模型產(chǎn)量的輸出結(jié)果為總儲存器官干物質(zhì)量(Total dry weight of living storage organs，TWSO)，不同氣候條件由不同站點(不同積溫區(qū))和不同年份(不同降水年型)下的氣候條件來表征，即本研究中共考慮9個不同氣候條件下的參數(shù)敏感性，不同生產(chǎn)水平考慮潛在和水分限制生產(chǎn)水平。全局敏感性分析試驗借助軟件Simlab2.2的EFAST模塊實現(xiàn)。EFAST方法認為采樣個數(shù)大于等于65倍的參數(shù)個數(shù)為有效，本研究采樣數(shù)取73，總采樣數(shù)為3 650，能夠滿足EFAST方法基本要求。模型3年3站點2種作物共需運行3 650×3×3×2=65 700次，本研究全部的模型運算通過編寫Python程序?qū)崿F(xiàn)。

通過對不同氣候條件下各參數(shù)敏感性指數(shù)進行平均，計算出各參數(shù)總敏感指數(shù)，采用參數(shù)敏感性指數(shù)大于或等于0.10作為界定主要敏感參數(shù)的標(biāo)準(zhǔn)[40]。

1.3.4一致性檢驗方法

不同生產(chǎn)水平、氣候條件的敏感性排序的一致性由TDCC(Top-down concordance coefficient)系數(shù)來衡量[41]。

假設(shè)有排序矩陣Rij，其中有m個因子，n個觀測值。rnm為變量m在所有n個觀測值的排序序號。在本研究中，m為不同生產(chǎn)水平或不同氣候條件，n為待分析的參數(shù)個數(shù)。

(5)

計算排序矩陣Rij的savage得分

(6)

并代入TDCC系數(shù)計算公式

(7)

式中CTDCC——TDCC系數(shù)

CTDCC的顯著性P值由統(tǒng)計值T計算，計算式為

T=m(n-1)CTDCC

(8)

T為自由度n-1的χ2分布。一般認為，CTDCC越接近1，且P值小于0.05，表明各變量排序具有顯著的一致性。

2 結(jié)果分析

2.1 冬小麥-夏玉米參數(shù)敏感性

2.1.1冬小麥參數(shù)敏感性

WOFOST模型冬小麥產(chǎn)量在2種不同生產(chǎn)水平下的參數(shù)敏感性分析結(jié)果如圖2所示。潛在生產(chǎn)水平下產(chǎn)量主要敏感參數(shù)有TBASE、CVO、TMNFTB3、AMAXTB1.50、FLTB0.25、FOTB1.00等，其中TBASE和CVO的全局敏感性指數(shù)最高，為0.21和0.17。水分限制生產(chǎn)水平下對產(chǎn)量敏感的冬小麥參數(shù)有CFET、CVO、TBASE、KDIFTB0.00、TMNFTB3、SLATB0.00、DEPNR等，其中CFET為最敏感的參數(shù)，其全局敏感性指數(shù)為0.56。由此可發(fā)現(xiàn)，2種生產(chǎn)水平下的主要敏感參數(shù)有所區(qū)別，潛在生產(chǎn)水平下，冬小麥的生長發(fā)育主要受溫度和太陽輻射影響，因此溫度相關(guān)的參數(shù)如葉齡低溫閾值與總同化速率低溫校正因子有較高的敏感性；而水分限制生產(chǎn)水平下，冬小麥所需水分僅由降水提供，當(dāng)降水不足導(dǎo)致水分虧缺會影響冬小麥的正常生長發(fā)育，因此產(chǎn)量對蒸散速率修正因子等作物水分利用相關(guān)參數(shù)高度敏感。

圖2 冬小麥參數(shù)敏感性分析結(jié)果

2.1.2夏玉米參數(shù)敏感性

圖3 夏玉米參數(shù)敏感性分析結(jié)果

夏玉米產(chǎn)量在不同生產(chǎn)水平下的參數(shù)敏感性分析結(jié)果如圖3所示。潛在生產(chǎn)水平下，夏玉米產(chǎn)量主要敏感參數(shù)有TMNFTB10、EFFTB40、FLTB0.33、SPAN、CVL、SLATB0.00、AMAXTB1.75以及FLTB0.00等，其中最敏感的參數(shù)為TMNFTB10和EFFTB40，其全局敏感性指數(shù)分別為0.88和0.54。水分限制生產(chǎn)水平下，夏玉米作物參數(shù)敏感性分析結(jié)果與潛在生產(chǎn)水平差異不大，除了上述潛在生產(chǎn)水平主要敏感參數(shù)以外，RDI和SLATB0.78也表現(xiàn)較高的敏感性，其中TMNFTB10依然是最敏感的參數(shù)，其全局敏感性指數(shù)為0.69。該結(jié)果表明，在潛在和水分限制生產(chǎn)水平下，受溫度影響的同化速率相關(guān)參數(shù)是影響夏玉米產(chǎn)量的主要敏感參數(shù)，而水分則沒有對夏玉米生長發(fā)育起到太大的限制作用。

2.2 冬小麥-夏玉米參數(shù)敏感性排序一致性

2.2.1不同生產(chǎn)水平

采用TDCC系數(shù)量化冬小麥和夏玉米產(chǎn)量在不同生產(chǎn)水平作物參數(shù)敏感性的排序一致性，結(jié)果表明冬小麥和夏玉米不同生產(chǎn)水平TDCC系數(shù)分別為0.82和0.98，P均小于0.01。可見冬小麥和夏玉米在不同生產(chǎn)水平下參數(shù)敏感性排序均有較高的顯著一致性，但相較于夏玉米，冬小麥不同生產(chǎn)水平TDCC系數(shù)較低，其不同生產(chǎn)水平間敏感性差異較夏玉米大，這與上述冬小麥和夏玉米參數(shù)敏感性分析結(jié)果相一致。

2.2.2不同氣候條件

不同氣候條件冬小麥作物參數(shù)敏感排序一致性檢驗結(jié)果如表3所示，潛在生產(chǎn)水平下由不同站點和年份組成的不同氣候條件的總排序一致性較好，TDCC系數(shù)為0.92，不同站點和不同年份上也均表現(xiàn)出較高的一致性，TDCC系數(shù)最低達0.91，最高達0.97，P均小于0.01，說明不同氣候條件下潛在生產(chǎn)水平參數(shù)敏感性排序具有顯著的一致性，不同氣候條件對參數(shù)敏感性的影響較低。而水分限制生產(chǎn)水平下不同氣候條件排序一致性較差，TDCC系數(shù)僅為0.61，同時在不同站點和不同年份參數(shù)敏感排序一致性檢驗結(jié)果中可發(fā)現(xiàn)，2000、2007、2013年各年份不同站點間TDCC系數(shù)分別為0.84、0.94和0.77，黃驊、商丘、駐馬店各站點不同年份間TDCC系數(shù)為0.60、0.70和0.78，表明各站點在不同年份間的一致性較差，而同一年份在不同站點間的一致性較好，可見不同氣候條件對水分限制生產(chǎn)水平下的參數(shù)敏感性有較大的影響，且不同降水年型氣候條件差異造成的敏感性差異較大。

表3 不同氣候條件下冬小麥參數(shù)敏感性的排序一致性

不同氣候條件夏玉米參數(shù)敏感性的排序一致性檢驗結(jié)果如表 4所示，潛在生產(chǎn)水平下夏玉米參數(shù)敏感性TDCC系數(shù)為0.98，在不同年份和不同站點間TDCC系數(shù)均在0.97以上，P均小于0.01，表明潛在生產(chǎn)水平下夏玉米參數(shù)敏感性排序在不同氣候條件下具有顯著的一致性。而在水分限制生產(chǎn)水平下，其TDCC系數(shù)為0.86，與潛在生產(chǎn)水平相比，不同氣候條件下夏玉米水分限制生產(chǎn)水平參數(shù)敏感性排序一致性相對較差。不同年份和不同站點的一致性檢驗表明商丘和駐馬店站點在3個不同年份和2013年3個不同站點TDCC系數(shù)較低，參數(shù)敏感性排序一致性較差，可見不同氣候條件對水分限制生產(chǎn)水平下的參數(shù)敏感性有影響，其中不同降水年型間氣候條件差異是造成總體一致性較差的主要原因。

表4 不同氣候條件下夏玉米參數(shù)敏感性的排序一致性

2.3 不同氣候條件下水分限制生產(chǎn)水平參數(shù)敏感性差異

對于冬小麥產(chǎn)量而言，2000、2013年所有站點產(chǎn)量對CFET、DEPNR等水分利用相關(guān)參數(shù)高度敏感，而2007年所有站點產(chǎn)量對CFET、DEPER等參數(shù)不敏感，相反TBASE等受溫度影響的同化速率相關(guān)參數(shù)是其主要敏感參數(shù)。夏玉米相較于冬小麥，在不同氣候條件下的參數(shù)敏感性差異不大，在2013年商丘和駐馬店站點夏玉米主要敏感參數(shù)為SPAN、CFET、DEPNR、RDI等葉片和水分利用相關(guān)參數(shù)，而其余站點、年份主要敏感的參數(shù)均為TMNFTB10、EFFTB40等(圖4，圖中站點年份編號中，HH表示黃驊，SQ表示商丘，ZMD表示駐馬店，后面數(shù)字表示年份)?？傮w而言，水分限制生產(chǎn)水平下不同氣候條件對參數(shù)敏感性的影響有以下2種表現(xiàn)形式：降水不足、水分脅迫程度較大時(枯水年)，作物產(chǎn)量對CFET、DEPER、RDI等水分利用和根系相關(guān)參數(shù)敏感；降水較充足、水分脅迫程度較低時(豐水年和平水年)，作物產(chǎn)量表現(xiàn)出對TBASE、TMNFTB10及EFFTB40等受溫度影響的同化速率和光能利用效率相關(guān)參數(shù)敏感，這與潛在和水分限制生產(chǎn)水平下的參數(shù)敏感性分析結(jié)果相似。此外，2000年雖為豐水年，但因1999年(枯水年)降雨量僅為517.3 mm，冬小麥生育期前期水分脅迫程度較大，因此也會對CFET和DEPER等參數(shù)有較大的敏感性。

3 討論

3.1 參數(shù)全局敏感性

上述研究表明冬小麥潛在和水分限制生產(chǎn)水平下產(chǎn)量主要敏感參數(shù)有所區(qū)別。潛在生產(chǎn)水平下主要對TBASE、TMNFTB3、CVO等參數(shù)敏感，其中前2個參數(shù)表征冬小麥低溫條件下進入越冬期同化速率減慢或停止的過程，CVO表示的是同化物轉(zhuǎn)化為儲存器官干物質(zhì)的效率，這些過程均對作物生長有著重要的影響，文獻[27,30,42]等研究中也表明了這些參數(shù)的敏感性和重要性。冬小麥在水分限制生產(chǎn)水平下主要敏感參數(shù)為CFET、CVO、TBASE、TMNFTB3等，其中敏感性指數(shù)最高的CFET參數(shù)表征作物面對水分脅迫時的響應(yīng)[43]。目前大部分研究在進行敏感性分析時對參數(shù)CFET的考慮較少，但該參數(shù)在本研究中表現(xiàn)出對水分限制生產(chǎn)水平下產(chǎn)量有較大的影響，該參數(shù)準(zhǔn)確校驗可能對黃淮海旱作區(qū)作物產(chǎn)量模擬有重要意義。

夏玉米潛在和水分限制生產(chǎn)水平下的產(chǎn)量主要敏感參數(shù)相一致，主要為TMNFTB10、EFFTB40、SPAN，當(dāng)水分充足或水分脅迫較小時，作物產(chǎn)量形成主要由光溫影響，因此在低溫或高溫下產(chǎn)量對光能利用效率和最大同化速率有較高的敏感性。但文獻[24,27-28]關(guān)于夏玉米參數(shù)敏感性的研究表明，除EFFTB40、SPAN 等參數(shù)外，夏玉米產(chǎn)量還對CVO、TBASE、FOTB1.10、FLTB0.88、SLATB0.00和SLATB0.5等參數(shù)有著較高的敏感性，其中部分參數(shù)在本研究中并沒有表現(xiàn)出很強的敏感性，可能的原因是參數(shù)的取值范圍、區(qū)域尺度、模擬的氣象條件、環(huán)境或田間管理措施等因素不同[44]，這也說明了在特定操作環(huán)境下運用模型之前進行敏感性分析的重要性[27]。

3.2 參數(shù)敏感性一致性檢驗

冬小麥和夏玉米不同生產(chǎn)水平參數(shù)敏感性分析結(jié)果表明冬小麥不同生產(chǎn)水平主要敏感參數(shù)有所差別，而夏玉米則差異不大，冬小麥不同生產(chǎn)水平一致性相對于夏玉米較差。這主要是由2種作物生育期內(nèi)降雨量的不同所導(dǎo)致，冬小麥生長期主要為10月至次年6月，在黃淮海旱作地區(qū)正是降水較少時期，水分缺乏情況下會提高作物水分利用相關(guān)參數(shù)的敏感性，而夏玉米生育期為6月至10月，這期間雨水較充足，基本能夠滿足作物生長發(fā)育需求，夏玉米生長發(fā)育主要受光溫條件限制，因此其不同生產(chǎn)水平的參數(shù)敏感排序一致性較高，主要敏感參數(shù)間差異不大。

冬小麥和夏玉米參數(shù)敏感在不同氣候條件下的排序一致性檢驗結(jié)果表明：在不同氣候條件下WOFOST模型潛在生產(chǎn)水平下的產(chǎn)量對作物參數(shù)的敏感性有較高的一致性和穩(wěn)定性，而在水分限制生產(chǎn)水平下一致性較差。這可能是由于在黃淮海平原旱作區(qū)處于同一氣候類型區(qū)，光溫條件差異并不大，模型對外界光溫條件的響應(yīng)較為一致，因此會導(dǎo)致不同氣候條件下潛在生產(chǎn)水平敏感性參數(shù)有較高的一致性。相反，研究區(qū)內(nèi)無論年際間或是不同地區(qū)降水差異均較大，從而增加了不同氣候條件下水分限制生產(chǎn)水平參數(shù)敏感性差異。本研究的TDCC系數(shù)相對低于文獻[17]的研究結(jié)果，其主要原因可能在于本研究計算一致性時考慮了全部的參數(shù)，而文獻[17]選取前9個敏感參數(shù)進行一致性檢驗；而不同氣候條件參數(shù)敏感性TDCC系數(shù)高于文獻[25]的研究結(jié)果，這主要是由于文獻[25]的研究主要是針對大區(qū)域尺度，選取的4個站點分屬不同的氣候類型，氣候條件相差較大，因此各氣候區(qū)間敏感參數(shù)TDCC系數(shù)較低。同時，本研究中不同生產(chǎn)水平間參數(shù)敏感性TDCC系數(shù)高于前人的研究結(jié)果，其原因可能是由于本研究只考慮了潛在和水分限制生產(chǎn)水平，如果考慮養(yǎng)分限制甚至是實際產(chǎn)量，其影響因素更加復(fù)雜，相應(yīng)的敏感性分析結(jié)果可能差異更大。由此可進一步明確作物模型是通過作物參數(shù)來表達作物對不同外界條件的不同響應(yīng)，不同外界條件會導(dǎo)致不同的參數(shù)敏感性，考慮的外界條件越復(fù)雜，參數(shù)敏感性的差異會越大。因此，在特定環(huán)境下運用模型時進行敏感性分析是不可缺少的過程，同時，多種生產(chǎn)水平及更為復(fù)雜的影響因素下的模型敏感性分析可能是進一步了解模型并提高區(qū)域上應(yīng)用的有效措施之一。

4 結(jié)論

(1)WOFOST模型冬小麥2種生產(chǎn)水平的TDCC系數(shù)為0.82，主要敏感參數(shù)間有所差別，潛在生產(chǎn)水平下的主要敏感參數(shù)有葉齡的低溫閾值(TBASE)、儲存器官同化物轉(zhuǎn)化效率(CVO)、總同化速率在低溫3℃時的校正因子(TMNFTB3)等，而冬小麥水分限制生產(chǎn)水平下蒸散速率修正因子(CFET)和土壤水分消耗作物群數(shù)量(DEPNR)等水分利用相關(guān)參數(shù)以及儲存器官同化物轉(zhuǎn)化效率(CVO)等參數(shù)表現(xiàn)出較大的敏感性。

(2)WOFOST模型夏玉米2種生產(chǎn)水平TDCC系數(shù)為0.98，主要敏感參數(shù)間差異不大，主要為總同化速率低溫10℃時的校正因子(TMNFTB10)、每日溫度為40℃時單葉片同化CO2的初始光能利用效率(EFFTB40)、35℃時葉片生命周期(SPAN)等。

(3)相同氣候類型下不同氣候條件對不同生產(chǎn)水平下的參數(shù)敏感性的影響不同。潛在生產(chǎn)水平下冬小麥和夏玉米不同氣候條件TDCC系數(shù)分別為0.92和0.98，不同氣候條件對潛在生產(chǎn)水平下影響較小，而水分限制生產(chǎn)水平下2種作物不同氣候條件TDCC系數(shù)分別為0.61和0.86，不同氣候條件對水分限制生產(chǎn)水平影響較大，其中冬小麥水分限制生產(chǎn)水平下由不同氣候條件引起的參數(shù)敏感性差異相對較大，這均與氣候條件在不同時空上的差異有關(guān)。

(4)作物模型是通過作物參數(shù)來表達作物對不同外界條件的響應(yīng)，不同外界條件會導(dǎo)致不同的參數(shù)敏感性，外界條件越復(fù)雜，參數(shù)敏感性差異越大。因此，在特定環(huán)境下運用模型時進行敏感性分析是不可缺少的過程。