全 文 ：第 11卷 第 4期
2 0 0 3年 1 0月
中 国 生 态 农 业 学 报
Chinese Journal of Eco—Agriculture
VO1．11 No．4
Oct．， 2003
国外作物生长模型区域应用中升尺度问题的研究
刘布春 王石 立 马 玉平
(中国气象科学研究院 北京 100081)
摘 要 系统研究总结 了小 区或田问尺度上开发的作物生长 动力模拟模型应用于更大 区域 尺度和更高级 系统水
平时，易发生环境变量的时空变异 、响应变量的空间归并以及由于空间平均、时间变异和现有模 型未考虑的新特性
及其新过程时所产生的偏差等升尺度问题，归纳并提 出有效控制和减小误差的方法。
关键词 作物模型 升尺度连接 区域 完全 归并
A study on abroad ch~lenges of scaling—up of crop models for regional applica tions．LIU Bu-Chun，W ANG Shi—Li，M A
Yu—Ping(Chinese Academy of Meteorological Sciences，Beijing 100081)，CJEA ，2003，11(4)：89～91
Abstract Several chalenges of scaling-up that arise when applying crop simulation models developed for the plot-scale lev。_
e1 or the field—scale level to broader spatial scales and higher system levels are systematically summarized．These problems
include the variability of environmental variables in space and time，the spatial aggregation of response，spatial average bi—
as，temporal variability bias and bias occurring because of neglecting new properties and processes in the existing mod els．
Some po tentially useful approaches for controlling and minimizing these errors are concluded．
Key words Crop mod el，Chalenge of scaling—up，Regional，Perfect aggregation
气候灾害易 发生地 区、气候边缘 地 区、重要战略地 区或 社会脆弱地 区气候变异对农 业产生 的负面影响非
常显著。短期气 候预测技术 为农场主和决 策者预报可 能气 候前景下 的作物响应及其决 策修改提供 了有效手
段 。作物生长 动力模型在将气 候变异信息转 化为农业决 策者所 需 的评 价 、预测 和对 策方 面发 挥着 日益 重要
作用 ，来 自小 区水平 的作 物生长动力模 拟模型 已得 到广泛 开发 和验证 。本 研究探 讨 了作 物生 长动力 模拟 模
型区域化应用中的主要升尺度问题以及有效控制和减小误差的方法。
l 作物 生长动力模 型区域化应用的升 尺度 问题
鉴于环境变 量(如 天气 、土壤 )和管理变量 的非 均匀性 ，将 小 区水平 的作物生长 动力模拟模型应用 于更大
空间尺度和更高级系统水平时所面临的最大问题是升尺度连接，需解决环境信息的时空变异、响应变量的空
间归并以及由于空间平均、时间变异和现有模型未考虑的新特性及其新过程时所产生的偏差等升尺度问题。
1．1 时空变异与完全归并
作物 生长动力模拟模 型最典 型的输入 变量 天气 、土壤 和管 理 (包 括 品种 特性 )属性 存 在时 空变 化 ，且 植
物 、土壤 和天气 相互作用使 产量空 间(分布 )形式发 生年 际间变化 。 当分析 区域 作物 响应变 量 的原 因时人 们
关注输入变量空间各点的时间变异形式 ，当分析其结果时则主要关注气候变异下所研究的区域总和或平均
值 ，有研究用空间上的“完全归并”法计算该结果。1wasa Y．H 等定义“完全归并”为在给定地区环境变化范
围内某些响应(如作物产量 )的积分，归并结果为空间上的总和或平均值。King A．W．【2 和 Rastetter E．B．[31
等分别采用 地理场平均 和概率场数学 期望归并 ：
一
et x,z)]dxdz (1)
7．／，= E[f(e，)]= l厂(e，)g(e，)de， (2)
式 中，函数f(e，)表示t年实际产量对空间变化的环境变量e，[e，=e，( ，z)]的响应 ，_，表示t年面积为A，
*“十五”国家科技攻关项 目“农林重大病虫害和农业气象灾害的预警及控制技术研究”与社会公益研究项 目“华北干旱和东北低温冷害监
测预警技术研究”部分研究内容
收稿 El期 ：2002—11—31 改回日期 ：2002—12—30
维普资讯 http://www.cqvip.com
中 国 生 态 农 业 学 报 第 ll卷
的二维区域 R 的平均产量 ，g(e )表示变异的多元概率密度函数。研究表明若 f(e )和 e (x，z)的描述完全 ，则
式(1)为真实的空间平均产量，若 f(e )是空间独立过程 ，则概率公式(2)等价于空间公式(1)。由于资料 、计
算量等限制，模拟者不可能完全准确描述所有环境变量及其响应 ，且相邻空间单元存在相互作用 ，加上系统
会出现新特性及其新过程 ，归并结果必然产生空间和时间变异偏差。
1．2 空间归并产生的偏差
空间归并主要产生空间平均偏差 、时间变异偏差、系统新特性及其新过程所产生的偏差等 3类误差。空
间平均偏差常因用 1个或几个代表站模拟环境变量(e )代表研究地区环境变量的平均值( )而产生。James
w．H．和 James w．J．【4 用 CROPGROV3．5模拟 了产量对群体密度的响应。假设某均匀地块的 1／2群体密
度较高，而另 1／2群体密度极低 ，该地“真实”平均产量为高密度和低密度产量的平均值 。而忽略群体的非均
匀性 ，模拟平均密度下产量将 比“真实”平均产量高 13％，表明空间平均偏差的存在。时间变异偏差常因用 1
个或几 个 代 表 点 模 拟 对 空 间 非 均 匀 环 境 的 响 应 ，导 致 高 估 年 际 间 变 异 而 产 生 。James W ．H．和
James W．J．¨ 用 CRESE—Maize V3．5分别模拟了湖城和奥卡拉 20年产量时间序列 ，并设区域(佛罗里达州)
模拟产量为该 2地模拟产量的简单平均 ，研究表明 2地单点模拟产量标准差均远远大于区域模拟产量标准
差 ，有夸 大区域年 际变 异的趋势 。系统新特性及其 新过程产生 的偏差 指研究 中引入 新 内容 (如人类和经 济子
系统)或系统相邻成分间相互作用(作物间竞争)，对各系统新特性及其新过程不能完全描述而产生的另类偏
差 。
2 有效控制或减小误差 的方法
通过合理化输入取样、进行区域模型校正、完善模型和处理不完善资料等方法 ，可有效控制或减小作物
生长 动力模 拟模 型区域 化应用 的误 差 。
合理化输入取样。输入取样指以不同输入样本组(能捕捉足够多的环境非均匀性信息)模拟某种响应，
该方法是完全归并法的数值近似。敏感性分析可确定可能对归并误差有主要贡献的变量以减少资料量和计
算量。输入取样分为地理场取样和概率场取样 ，地理场取样依据区域变量的变异性存在空间依赖，可把某个
地区分为更小 、相对均匀的空间单元 ，并忽略空间单元内的变异。目前普遍采用 GIS工具进行地理场取样，
矢量 格式 的 (；IS具有 进行不 同输 入变量 的多边形叠加 ，从而产 生综合 变量 新多边 形的功 能 ，可处理 土壤 图 、
作物统计区和天气站泰森多边形空间边界不一致问题。栅格格式的 GIS多用于处理产量监测输出结果、遥
感土地利用、气候资料 以及大气数值模式输出的综合结果。模拟 以概率分布表示空间变异的随机取样值 可
完成空间归并。Monte Carlo模拟法能推导和分析模拟响应结果的分布 ，无遗漏取样法可处理种植 日期等离
散分布的管理变量。当涉及几种输入分布或有些分布连续时独立随机取样法则最通用。拉丁超立方取样法
可降低模型模拟运算次数 ，减小独立变量间虚假相关并增加联合分布变量问相关性。
模型校正。模型校正用响应变量的历史资料 ，通过校正模型的输入与输出以描述和减小偏差 常用 1组
数据组校 正 ，而用 另外观测 数据组 进行 验证 。James W ．H．和 James W．J． 运 用历 史观 测产 量 资料与 一单
调函数反推和校正输入变量(群体密度)模拟对该单变量的响应 ，其结果与 田间观测非均匀条件下所得归并
结果一致。Shrikant S．J．和 James W．J． 用修正系数法对产量预报值进行修正 ，使预测结果 的标准差按比
例变化，但年际间变异未得到校正。用最小二乘法线性调整，去掉系统成分而仅保留非系统或随机误差 ，则
可缩小预报方差。Meinke H．和 Hammer G．L． 用 1种线性修正重新生成观测序列平均值和标准差，在标
准化偏差上比较模拟数据和观测数据。虽然预报误差较高 ，但对于风险研究保留年际间变异 比减小预报误
差更重要 。
完善模型。完善模型是把现有模型修改为考虑了随研究空间范围增大而产生的新限制条件或包含 由于
系统出现新成分而产生的新过程模型。有研究认为模型复杂性应随空间尺度的增大而增加。近年已开始 P
动力 、排灌、对病虫害响应及限制根生长的各种土壤要素等模拟研究。另有研究认为简化模型更适于高级系
统层次和更大的空间尺度 ，指出对输入需求较适度的简化模型将减小与输入变量不确定性有关的误差
，减小
产生归并偏差的非线性特性 ，滤掉大空间尺度上的高频信号从而减轻对时间常数较小尺度 (如细胞 )过程详
细模拟的需求 ，实际二者兼顾的混合方法最佳。此外空间相互作用也是区域模型应完善的组成部分
，模 拟这
些过程的方法是将现有作物生长动力模式嵌入到高层次系统模型中。
处理不完善资料。获取质量可靠并有一定空间覆盖度的输入资料是作物生长动力模型区域应用最重要
维普资讯 http://www.cqvip.com
第 4期 刘布春等：国外作物生长模型区域应用中升尺度 问题的研究 9l
的前提条件。一般而言土壤和天气数据的空间依赖性为估计数据(如空间插值)提供 了可能，但空间依赖的
正方差变异值和限定的全距则限制了插值范围。作物生长动力模型区域应用所要求的资料密度迫使人们从
少量测量数 据或较易 获取 的代用 数据来估 算更 多数据 。通常把 土壤 分布 图单元 处理 成均 匀 区域 ，分 别用 单
组土壤参数值描述。但土壤分布图单元属性变化较大 ，使用高分辨率土壤分布图有可能减小与土壤属性差
异有关的归并偏差 ，但高分辨率土壤分布图仅能解释部分重要变异且较难获得。为此人们采用各种估计土
壤 属性空 间变异 的方法 如从数字 高程 图和地形分 析推 断小尺度 土壤 属性空 间变异 信息 ；由装备 全球定 位 系
统和产量传感器的收割机绘制产量图并经校正后 ，估算重要田间尺度土壤参数的空间变异 ；充实土壤数据库
以获取土壤 分布 图单元 内有关参 数变异信息 。观测 、估 算或 预报 的天气数 据是 应用作 物 生长 动力模 型研 究
气候变异和气候预测的关键，通常用邻近站点资料代替距资料测量站较远或重要变量、时段缺测的站点，可
用泰森多边形 自动识别任一地理最近站点并获取各站点面积权重系数。此外遥感资料和随机发生器也可弥
补天气资料的不足。作物管理空间差异与归并偏差关系较大 ，由于很难获取管理变量的区域空间状况 ，通常
采用典型或推荐的管理方式 。并通过校正某项或某几项管理变量获得较佳产量预报结果，如使用 1个或多
个代 表性 品种 、根据 资料校正 品种 和采用几个播 种 日期等 。
3 小 结与 讨 论
气候预测能力的提高为改进田间作物管理到区域 、全球粮食安全预报 、缓解粮食安全问题提供了良好前
景 ，作物 生长动力模 型是农 业季节 气候 预报 的重要组成部分 ，当该模 型应用于大 区域尺度 时需空 间归并 。归
并误差 、模 型的不完善 、数据质量 和覆盖度 限制等均使 空间归 并后作 物对年 际天气 变 异 的响应 预报 复杂化 。
为尽可能减小模型模拟值与实际值间差异 ，可通过分析预报误差的构成，确定影响模拟效果的要素并将其输
入到 1个 回归模式 中 ，以改进 模拟 预报 。
参 考 文 献
1 1wasa Y．，Andreasen V．，Levin S．Aggregation in model ecosystems．I Perfect aggregation．Ecological Modelling，1987
，37：287～ 302
2 King A．W ．Translating models across scales in the landscape．Quantitative M ethods in Landscape Ecology：The Analysis and Interpretation of
Landscape Heterogeneity．New York：Springer-Verlag，1991 479～517
3 Rastetter E．B．，King A．W ．，Cosby B．J．，et a1．Aggregating fine—scale ecological knowledge tO mod el coarser。scale attributes of ecosystems
．
Ecological Applications，1992，2：55～ 70
4 James W H．，James W ．J．Scaling—up crop mod els for climate prediction applications．Climate Prediction and Agriculture．W ashington DC
．
USA：InternationaI START Secretariat．2000．77～1 17
5 Shrikant S．J．，James W ．J．Sc aling—up crop models for regional yield and prod uction estimation ：a case。study of soybean production in the
State of Georgia，USA．Crop Monitoring and Prediction at Regional Scales 2001
． 171——186
6 M einke H．，Hammer G．L．Climatic risk tO peanut production：A simulation study for Northern Australia
． Austr J．ExPerimentai Agric．．
1995．35：777～ 780
维普资讯 http://www.cqvip.com