全 文 :不同空间尺度下的 ALMANAC模型验证 3
谢 云1 3 3 James Kiniry2 刘宝元1
(1 北京师范大学资源与环境科学系 ,环境演变与自然灾害教育部重点实验室 ,北京 100875 ;
2 美国农业部草原、水土研究实验室 ,得州 76502)
【摘要】 ALMANAC 模型最早作为 EPIC 模型的一部分 ,用于模拟土壤侵蚀导致的土地生产力的下降. 它
将试验数据的统计过程和作物生长的机理过程结合起来 ,是一种典型的基于过程模拟的应用型作物生长
模型. 如能在不同的空间尺度上验证模型的适用性 ,无疑会大大扩展模型的应用范围. 从这一目的出发 ,利
用美国得克萨斯州 19 个试验田和 9 个县的玉米和高粱产量资料及其相关的作物、土壤、田间管理等数据 ,
模拟了 1998 年田间尺度 ,1989~1998 年县级尺度的平均作物产量. 模拟结果表明 ,ALMANAC 模型能够
很好地模拟两种不同空间尺度的作物产量 ,其相对误差在田间尺度上分别为 8. 9 % (高粱) 和 9. 4 % (玉
米) ,在县级尺度上分别达到 2. 6 %(玉米)和 - 0. 6 %(高粱) . 该模型在进行产量预测、掌握作物生长动态 ,
指导农业生产管理和土地利用等方面具有很好的应用前景.
关键词 ALMANAC 模型 田间尺度 高粱 玉米
文章编号 1001 - 9332 (2003) 08 - 1291 - 05 中图分类号 Q141 文献标识码 A
Validation of the ALMANAC model with different spatial scale. XIE Yun1 ,James Kiniry2 , L IU Baoyuan1
(1 Depart ment of Resource and Envi ronmental Sciences , Key L aboratory of Envi ronmental Change and N atural
Disaster , Minist ry of Education of China , Beijing Norm al U niversity , Beijing 100875 , China ;2 USDA / A gri2
cultural Research Service/ Grassland , Soil and W ater Research L aboratory , TX76502 , USA ) . 2Chin. J . A ppl .
Ecol . ,2003 ,14 (8) :1291~1295.
The ALMANAC model was validated in a drought2stressed year and in a period from 1989 to 1998 at different
sites of Texas to evaluate its ability in simulating maize and sorghum yields at different spatial scales and to ex2
tend its application range. There were 11 sites for maize and 8 sites for sorghum in plot2size simulations , and 9
counties for maize and sorghum in county level simulations. The model showed similar accuracy in simulating
both plot2size and county level mean grain yields. It could also simulate single2year yields under water2limited cli2
matic conditions for several sites and mean county yields of maize and sorghum , and had small CV values of mean
yields for a long2term prediction. The mean error was 8. 9 % for sorghum and 9. 4 % for maize in field scale sim2
ulations , and was only 2. 6 % for maize and20. 6 % for sorghum in county level mean yield simulations. Crop
models often require extensive input data sets to realistically simulate crop growth. The development of such in2
put data sets is difficult for some model users. The soil , weather , and crop parameter data sets developed in this
study could be used as the guidelines for model applications in similar climatic regions and on similar soils.
Key words ALMANAC model , Scale , Sorghum , Maize.3 国家重点基础研究发展规划项目 ( G2000018605) 、国家教育部留
学回国人员科研启动基金和中国科学院禹城农业综合生态实验站资
助项目.3 3 通讯联系人.
2001 - 05 - 31 收稿 ,2001 - 11 - 26 接受.
1 引 言
作物生长模型可定义为定量预测一定环境条件
下的作物生长、发育和产量形成过程[9 ] . 根据不同
的特性 ,可以对作物生长模型进行不同的分类. 这些
特性包括采用的数据源、模拟方法、模型的设计目的
和应用价值等. 从模型建立方法的角度 ,可以将模型
分为两类 :统计或经验模型 ,机制或物理模型. 为了
对作物生长进行模拟 ,弄清模型建立的目的非常重
要[4 ] .在预测或评价气候影响作物产量时 ,经验模
型虽然简单 ,但往往比较有效 ;而为研究作物产量的
形成过程 ,以及环境因子在其中如何作用时 ,用机制
模型则更为有效. 因此从这个角度而言 ,作物模型可
分为实用型和研究型模型. 实用型模型侧重于解决
实际问题 ,研究型模型则侧重于对作物生长过程的
理解. ALMANAC (agricultural land management al2
ternatives with numerical assessment criteria model)
模型[6 ]是一个实用型模型 ,最早是作为 EPIC 模型
(erosion/ productivity impact calculator ; environmen2
tal policy integrated climate) 的一个组成部分[14 ,15 ] ,
用于模拟因土壤侵蚀造成的土地生产力下降. AL2
MANAC 模型虽然具有实用性 ,但并非是纯粹的经
验模型. 它综合经验分析与植物生理过程于一体 ,建
立了作物生长过程与环境因子间的关系. 因此 ,该模
应 用 生 态 学 报 2003 年 8 月 第 14 卷 第 8 期
CHIN ESE JOURNAL OF APPL IED ECOLO GY ,Aug. 2003 ,14 (8)∶1291~1295
型实质是一个基于过程的实用型模型.
值得注意的是 ,作物生长模型是农业决策的重
要技术工具 ,但并非万能 ,其应用具有相应的前提或
条件[1 ] . 为正确地应用模型 ,必须对模型在不同条
件下的适用性进行验证 [16 ] . Kiniry 等[5 ,7 ] 验证了
ALMANAC模型在美国不同地区对作物产量的预
报 ,结果很好. 如果 ALMANAC 模型可以进一步预
报水分条件受到一定限制 ,以及不同空间尺度上的
作物产量 ,无疑会大大推广模型在不同环境条件和
区域的应用.
1998 年美国得克萨斯州经历了一个比较干旱
的年份 ,尤其在作物生长季期间 ,降水量明显偏少.
1998 年 3~7 月降水量只是该时段多年平均降水量
的 30 %. 为了进行作物品种的大田推广 , Rogers[13 ]
收集了该地区旱地和灌溉地玉米和高粱的田间产
量 ,从而可用来进行 ALMANAC 模型在干旱年份下
田间尺度的作物产量模拟验证. 为进一步验证县级
作物产量模拟结果 ,从美国农业统计局 NASS ( na2
tional agricultural statistical service)收集了玉米和高
粱的产量资料. 本文的研究目的是利用上述资料 ,检
验 ALMANAC 模型在田间尺度和县级尺度上对作
物产量的模拟.
2 研究方法
211 模型简介
ALMANAC 模型可以模拟作物生长过程和土壤水分平
衡过程 ,具体包括 :作物叶片对光的截获 ,生物量累积 ,生物
量在作物不同器官中的分配 ,作物对水分的利用 ,对养分的
吸收 ,以及环境因子对作物生长过程的限制 ,如水分胁迫 ,温
度胁迫和养分胁迫等. 最终产量的获得是基于经济系数 HI
(或称收获指数 ,harvest index) . 经济系数是指作物成熟时 ,
收获的经济产量占整个地上生物量的比例. ALMANAC 模
型的另一个显著特点是通过调用不同的作物参数变量 ,模拟
多达 20 多种作物生长 ,甚至是草和树木的生物量形成. 此
外 ,还可以模拟作物与草、或不同草种之间的竞争过程. 模型
中还考虑了主要的农业管理措施 ,如排水、灌溉、施肥、不同
的耕作方式等. 模型还包括一个天气发生器子程序. 它是基
于概率分布的模拟器 ,可依据历史记录资料生成多年序列以
日为步长的气象数据. 该发生器不是预测天气或气候状况 ,
而是根据历史上气象要素的分布特点 ,给出不同的辐射、温
度或降水的分布模式. 作物生长过程实际上是一个协调作物
自身生物特性与其环境因子之间关系的复杂过程 ,模拟不可
避免地需要大量输入参数或输入变量 ,包括土壤、气象、作物
和管理措施等数据库.
为了使用户能够比较容易地建立运行模型所需要的各
种数据库 ,ALMANAC 模型提供了一种 U TIL 编辑器 (uni2
versal text integrating language) . 这是一个界面十分友好的数
据库编辑程序 ,可直接为用户提供建立输入变量数据库的提
示操作 ,如变量名、定义、类型、取值范围、单位等. 因此即使
是初学者 ,也可容易地建立模型需要的各种数据库.
本研究使用的是 ALMANAC 模型的最新版本 [7 ] . 该版
本主要在两个方面进行了改进 :一是将原来视为常数的消光
系数进行了改进 ,认为在行播作物生长过程中 ,消光系数并
非不变 ,而是与株距有关的函数 [3 ] . 二是应用了新的辐射利
用率. 以前的辐射利用率是基于试验得出的 ,只与作物品种
有关. Stockle 等[13 ]研究发现 ,辐射利用率与空气饱和差有
关 ,并建立了二者之间的函数关系.
212 数据库的建立
田间资料来源于美国得克萨斯州中部和东南部 19 个地
区[10 ] .该地区是得州重要的玉米和高粱产地 ,但在开花期和
灌浆期容易遭受干旱影响. 19 个田间资料包括 11 个玉米
地 ,8 个高粱地 ,其中 3 个玉米地块是灌溉地 ,所有的高粱地
都是旱地. 这些地块的资料包括作物品种、产量、播种和收获
日期、种植密度、灌溉日期与数量等. 玉米品种分别是
Garst8285 和 Garst8325 ,而高粱品种分别是 Garst5616 和
Garst5319. 模拟需要的气象资料如日最高、最低气温、日降
水量从离地块最近的气象台站获得 ,日太阳辐射则是从最近
的辐射台站获得的 20 年月平均日值. 土壤资料首先是根据
土壤普查资料确定地块所在位置的土壤类型 ,然后调用土壤
普查资料数据库中的相关土壤参数资料 ,最后到每个地块采
集土壤样本 ,确定地块土层厚度. 共采集了 47 个土芯 (表
1) . 作物生长模拟过程中需要潜在热量单位 PHU (potential
heat unit)模拟作物不同的生育期. 它实际上是从播种时的某
一界限温度到成熟所需要的积温. 根据当地热量条件 ,玉米
的 PHU 值设为 1 600 ℃(界限温度为 8 ℃) ,高粱的 PHU 值
设为 1 500 ℃(界限温度为 8 ℃) . 为计算经济产量 ,玉米和
高粱的经济系数分别设为 0. 54 [8 ]和 0. 45[10 ] . 根据 Sobriano
等[12 ] 、Costa 等[2 ]的研究结果 ,在干旱的胁迫作用下 ,玉米的
经济系数可下降到 0. 30 ,高粱相对稳定 ,经济系数下降到
0. 44.玉米的种植密度是 5 株·m - 2 ,高粱是 19 株·m - 2 . 3 个
灌溉地的灌溉日期和数量由生产者提供 (表 1) .
为了模拟县级尺度作物产量 ,选择了美国得州 9 个县
1989~1998 年 10 年玉米和高粱产量资料. 得州共分为 10
个大区 ,这 9 个县位于其中的 5 个大区. 5 个大区的高粱总
产占全州 80 % ,玉米总产占全州 92 %. 资料抄自美国农业统
计局 NASS. 此外 ,在选择的每个县中 ,收集玉米或高粱的农
田试验资料 ,根据这些资料确定模型运行所需要的作物和农
田管理参数 ,如播种和收获日期、种植密度、灌溉数量等 (表
2) . 气象资料摘自国家气候数据中心 ( national climatic data
center ,1999) . 考虑到土壤空间变异性大的特点 ,利用县级土
壤普查资料对土壤参数进行修正 :以县内分布面积最广的土
壤类型作为选择的土类 ,然后调用相应土壤数据库中的资料
2921 应 用 生 态 学 报 14 卷
表 1 1998 年美国得州中部和东南部 17 个地块玉米和高粱田间资料
Table 1 Plant and harvest date , weather , soil and irrigation data for maize and sorghum plots in central and southeastern Texas in 1998
项目
Item
县名
County
镇名
Town
播种日期
Planting
date
收获日期
Harvest
date
气象台站
Weather
station
土壤类型
Soil
type
土层深度
Soil
depth (m)
灌溉日期和数量
Irrigation date
and amount (mm)
玉米 Medina Lacoste 5. 05 7. 27 San Antonio Victoria 粘土1) 3. 03 4. 29 ,6. 17 , 50. 8 mm·次 - 1
Maize Wharton Wharton 3. 21 7. 27 Wharton Norwood 壤土2) 3. 05 5. 14 , 6. 14 , 30. 8 mm·次 - 1
Victoria Inez 3. 06 7. 21 Edna Dacosta 砂质粘壤土3) 2. 03 5 月 , 6 月 , 150 mm·次 - 1
Falls Otto 4. 02 8. 03 Riesel Branyon 粘土 1. 95 旱地4)
Bell Temple 4. 02 8. 03 Temple Houston 黑粘土 1. 89 旱地
Lavaca Moulton 3. 06 7. 24 Flatonia Branyon 粘土 1. 82 旱地
Guadalupe Seguin 3. 06 7. 24 Seguin Branyon 粘土 2. 23 旱地
Jackson Ganado 2. 13 6. 30 Edna Laewest 粘土 2. 13 旱地
De Witt Yorktown 3. 06 7. 30 Yorktown Monteola 粘土 2. 20 旱地
Williamson utto 3. 11 7. 24 Taylor Branyon 粘土 1. 95 旱地
Wharton El Campo 3. 09 7. 12 Danevang Lake charles 粘土 1. 83 旱地
高粱 Williamson Hutto 3. 25 7. 15 Taylor Branyon 粘土 1. 95 旱地
Sorg2
hum Refugio Austwell 3. 26 7. 13 Aransas Victoria 粘土 2. 27 旱地
Jackson Edna 3. 26 6. 30 Edna Dacosta 砂质粘壤土 2. 20 旱地
Nueces Bishop 3. 22 6. 30 Kingsville Orelia 砂壤土 2. 81 旱地
Nueces Agua Dulce 3. 30 6. 29 Alice Victoria 粘土 2. 00 旱地
San Patricio Sinton 3. 22 6. 29 Sinton Victoria 粘土 2. 50 旱地
San Patricio West Sinton 3. 07 6. 29 Sinton Orelia 砂质粘壤土 2. 45 旱地
Wharton El Campo 3. 25 7. 07 Danevang Lake charles 粘土 1. 95 旱地
1) Clay ;2) Silt loam ,3) Sand clay loam ,4) Dry land.
表 2 得州 1989~1998 年县级产量模拟区作物和田间管理参数
Table 2 Crop and management parameters of data sets for county yields
simulated in Texas for 1989 to 1998
大区
District
县名
County
播种
日期
收获
日期
种植密度
(株·m - 2)
行距
Row
spacing(m)
灌溉量
Irrigation
amount (mm)
玉米 Maize
高平原区1)
北部2) Moore 4. 22 10. 1 7. 2 0. 76 自动设置
南部3) Lubbock 4. 20 9. 24 7. 5 1. 02 89 mm·次 - 1 , 4次
中北部区4) Dallas 3. 18 8. 16 5. 0 0. 76 旱地
Bell 3. 2 7. 30 5. 2 0. 97 旱地
中南部区5)
北部 Medina 3. 10 8. 5 5. 9 0. 91 38 mm·次 - 1 , 4次
沿海6) Nueces 2. 17 7. 10 5. 0 0. 97 旱地
北部沿海区7) Wharton 3. 17 8. 1 5. 5 1. 02 旱地
低谷区8) Hidalgo 2. 17 7. 7 6. 3 0. 76 51 mm·次 - 1 , 2次
高粱 Sorghum
高平原区1)
北部2) Moore 5. 23 10. 14 26 0. 76 自动设置
南部3) Lubbock 6. 23 10. 30 14 1. 02 89 mm·次 - 1 , 3次
中北部区4) Dallas 3. 26 8. 15 14 0. 76 旱地
Bell 3. 8 7. 25 20 0. 97 旱地
中南部区4)
北部 Medina 3. 12 7. 25 25 0. 91 38 mm·次 - 1 , 4次
沿海6) San Patricio 3. 5 7. 8 21 0. 97 旱地
北部沿海区7) Wharton 3. 18 7. 20 19 1. 02 旱地
低谷区 Hidalgo 2. 18 7. 1 22 0. 76 51 mm·次 - 1 , 4次
1) High plain area ,2) North ,3) South ,4) Middle north area ,5) Middle south area ,6) Coastal ,7) North coastal area ,
8)Low valley area.下同 The same below.
作为土壤参数 (表 3) .
通过利用上述两种空间尺度数据库 ,运行 AL2
MANAC 模型 ,将回答以下两个问题 :一是模型能否
很好地模拟有一定水分限制情况下的作物产量 ? 二
是模型能否很好地模拟田间和县级两种不同空间尺
度下的作物产量. 根据模拟结果与实测结果的回归
分析 ,回答上述两个问题.
3 结果与分析
在田间尺度上 ,ALMANAC 模型很好地模拟了
表 3 得州 1989~1998 年县级产量模拟选定的土壤参数
Table 3 Soils selected and their parameters of data sets for county yields
simulated in Texas for 1989 to 1998
区域
District
县名
County
土壤类型
Soil type
百分比a)
Percent
( %)
土层厚度
Soil thickness
(m)
PAWb)
(cm)
径流曲线数c)
Curve number
高平原区1)
北部2) Moore Sherm壤质粘壤土 47 2. 03 30 89
南部3) Lubbock Olton粘壤土 22 2. 03 30 85
中北部区4) Dallas Houston黑粘土 18 2. 03 23 89
Bell Houston黑粘土 12 2. 03 23 89
中南部区5)
北部2) Medina Knippa粘土 7 1. 52 22 85
沿海6) Nueces Victoria粘土 63 2. 49 32 84
San Patricio Victoria粘土 21 2. 49 32 84
北部沿海区7) Wharton Lake charles粘土 23 2. 03 27 89
低谷区8) Hidalgo Hidalgo粘壤土 15 2. 03 24 78
a)该土壤类型分布面积占全县土地面积的百分比 The percentage of soil extent to the total county land area ;
b) PAW ,植物有效水分 (田间持水量与凋萎湿度之差) Plant2available water (the difference between the field
capacity and wilting ;c) ♀根据土壤水文组确定的径流曲线数 Runoff curve number are based on soil h ydrologic
groups.
水分胁迫作用下的玉米和高粱产量. 平均而言 ,高粱模拟的
相对误差为 8. 9 % ,玉米为 9. 4 %(表 4) . 各地之间的模拟结
果有一定差异 ,例如 , Temple 玉米产量较低 ,只有 1. 84 t·
hm - 2 ,而 Yorktown 产量较高 ,为 4. 64 t·hm - 2 ,与实测结果
一致. Temple 实测玉米田间产量为 1. 83 t·hm - 2 , Yorktown
为 4. 10 t·hm - 2 . 对玉米和高粱的模拟结果与实测值进行回
归分析表明 (图 1、2) ,回归直线在 P = 0. 01 置信水平上是显
著的 ,而且在 y 轴的截距趋于 0 ,回归直线的斜率趋于 1. 这
些都表明 ,模拟结果与实测结果十分接近 ,差异不显著. 其中
玉米模拟结果与实测值回归关系的决定系数高于高粱.
无论是玉米还是高粱 ,模拟结果都有一定的差异. 玉米
Garst8325 品种模拟的相对误差为 5. 9 % , Garst8225 模拟的
相对误差为 14. 8 % ;高粱 Garst5616 品种模拟的相对误差是
5. 5 % , Garst5319 品种模拟的相对误差是 13. 8 %. 这与不同
品种的产量对土壤特性的反应不同有关 ,尤其是土壤水分状
况对作物产量的影响. 玉米 Garst8225
39218 期 谢 云等 :不同空间尺度下的 ALMANAC 模型验证
表 4 田间尺度上玉米与高粱模拟结果的相对误差3
Table 4 Simulated error of maize and sorghurn yields for plot2size scale
( %)
县名
County
玉米 Maize
Garst 8325 Garst 8225
县名
County
高粱 Sorghum
Garst 5616 Garst 5319
Lacoste 6. 6 - 4. 3 Hutto - 0. 4
Wharton 2. 0 19. 4 El Campo 0. 7
Inez 2. 0 11. 7 Edna - 7. 6
Otto 2. 6 Austwell 0. 9 - 4. 5
Temple 5. 7 4. 1 Sinton 22. 5 5. 1
Moulton - 3. 5 9. 2 West Sinton - 2. 7 - 9. 6
Seguin - 22. 5 5. 0 Agua Dulce 8. 4 33. 6
Ganado 1. 2 38. 4 Bishop - 2. 4 - 17. 8
Yorktown 2. 7 4. 6
Hutto - 10. 9 17. 7
El Campo - 13. 93 相对误差 ( %) = (模拟产量 - 实测产量) / 实测产量 Simulated error ( %) = |
(Simulated yield - measured yield) / measured yield| .
图 1 ALMANAC 模拟的田间玉米量
Fig. 1 Maize simulated with ALMANAC at 11 fields in Texas.
图 2 ALMANAC 模拟的田间高粱量
Fig. 2 Sorghum simulated with ALMANAC at 8 fields in Texas.
品种和高粱 Garst5319 品种对土壤水分状况反应更
为敏感. 在土层较厚的粘土地区 , Seguin、Ganado、
Yorktown、Sinton 和 Agua Dulce 模拟结果相对误差
较大. 深厚土层虽然可以贮存更多水分 ,但由于粘粒
成分高、土壤易板结 ,限制根系发展 ,减少渗透量 ,从
而减少植物可吸收的水分的有效性 ,降低作物产
量[1 ] .
在县级尺度上 ,ALMANAC 模型很好地模拟了
10 年平均的玉米和高粱产量 ,以及产量年际之间的
变化. 玉米产量模拟的相对误差为 2. 6 % ,高粱为
- 0. 6 %. 模拟结果与实测值的回归分析同样表明 ,
回归直线在 P = 0. 01 置信水平上显著 ,且模拟结果
与实测结果十分接近 ,差异不显著. 其中玉米模拟产
量略偏高 ,高粱略偏低. 虽然平均产量的模拟结果与
实测值很接近 ,但偏差系数差异较大. 玉米各县模拟
产量的偏差系数平均为 54 % ,其中灌溉为主的县为
40 % ,旱地为主的县为 67 %. 它们都高于对应的实
测产量偏差系数 ,27 % ,18 %和 35 %. 但变化趋势一
致 :旱地高于灌溉地 ,表明前者的年际波动更大. 高
粱县级产量模拟的偏差系数则与实测产量的偏差系
数十分接近. 各县模拟产量的平均偏差系数为
21 % ,其中灌溉为主的县为 11 % ,旱地为主的县为
30 % ,对应实测产量的偏差系数分别为 17 % ,12 %
和 22 %(表 5) .
从模拟结果不难看出 ,模型对于平均产量的模
拟结果很好 ,并模拟出产量年际变化趋势 ,但偏差系
数较大. 尤其是玉米 ,偏差系数可达实测偏差系数的
2 倍 ,高粱模拟的偏差系数则与实测值接近. 模型对
玉米的模拟不如对高粱的模拟稳定. 本地区玉米和
高粱主要是旱地种植 ,降雨量是限制产量的主要因
子. 由于降雨量年际波动较大 ,模型也相应模拟出较
高的年际间产量波动. 尤其是玉米对水分的反应远
较高粱敏感 ,因而玉米的模拟结果具有更大的偏差.
这表明 ,模型中水分平衡子模型产量对水分胁迫的
反映敏感 ,尤其是对玉米更是如此. 应调整作物产量
与水分供给之间的关系 ,降低模型对于水分反应的
过分敏感 ,使模型保持一定的稳定性.
从总体看 ,模型在田间尺度和县级尺度上对产
量的模拟都得到了令人满意的结果 ,这一结果来源
于模型的建模思想. 首先 ,ALMANAC 是一个基于
作物生长过程的模型 ,而非纯经验性模型 ,因此模型
中的理论具有普适性. 其次在建模过程中 ,根据作物
生长原理 ,考虑到实用性 ,模型所需要输入的参数和
变量以可观测、且在较大空间尺度上相对均一的变
量为主 ,而非特有的局地性变量. 用户可根据自己的
需要 ,根据参数和变量空间变化特性赋值 ,如考虑代
表性作物品种、主要土壤类型、播种期和收获期的空
间变化等. 这种根据输入参数或变量空间属性赋值 ,
实现不同尺度模拟的特性 ,对于模型的推广应用具
有极为重要的意义.
4921 应 用 生 态 学 报 14 卷
表 5 县级尺度上玉米和高粱实测产量与模拟结果的偏差系数3
Table 5 Measured and simulated maize and sorghum grain yields and coeff icients of variation ( CV) for nine counties ( 10 yr at each county)
区域
Districts
县名
County
玉米 Maize
实测 Measured
平均产量
Mean yield
(Mg·hm - 2)
偏差系数
Variation
coefficient ( %)
模拟 Simulated
平均产量
Mean yield
(Mg·hm - 2)
偏差系数
Variation
coefficient ( %)
高粱 Sorghum
实测 Measured
平均产量
Mean yield
(Mg·hm - 2)
偏差系数
Variation
coefficient ( %)
模拟 Simulated
平均产量
Mean yield
(Mg·hm - 2)
偏差系数
Variation
coefficient ( %)
高平原区1)
北部2) Moore 9. 2 14 9. 8 9 5. 1 10 4. 4 9
南部3) Lubbock 6. 4 19 6. 3 39 3. 3 15 3. 3 14
中北部区4) Dallas 3. 7 35 3. 7 55 2. 4 24 2. 7 31
Bell 3. 4 39 3. 4 81 3. 0 24 2. 9 43
中南部区5)
北部2) Medina 4. 5 12 5. 1 49 4. 5 15 0. 2 14
沿海6) Nueces/ San Patricio 3. 1 43 3. 4 63
3. 1 24 3. 1 36
北部沿海区7) Wharton 4. 6 22 4. 5 69 4. 1 17 4. 2 11
低谷区8) Hidalgo 4. 1 30 3. 8 65 4. 1 9 4. 2 73 CV =标准差/ 平均值 CV = Standard deviation/ average.
4 讨 论
ALMANAC 模型可以很好地模拟田间的县级
尺度上的作物产量. 在田间尺度上 ,由于资料的确定
性 ,模拟结果优于县级尺度 ,而且能够模拟水分限制
条件下不同田块的产量. 玉米模拟产量的相对误差
为 9. 4 % ,高粱为 8. 9 %. 在县级尺度上 ,模型对作物
的多年平均产量模拟结果也很好 ,玉米平均产量模
拟的相对误差为 2. 6 % ,高粱为 - 0. 6 %. 这一结果
显示出 ,模型作为产量预测技术工具很有潜力 ,并可
进行风险评估.
由于模型的建立基于作物生长过程 ,所需要的
输入参数和变量可测 ,且在较大空间尺度上均一 ,因
此用户可根据需要 ,根据参数或变量的空间尺度变
化特征赋值 ,便可将模型应用于不同的空间尺度. 在
所有的输入变量中 ,除天气变量外 ,土壤数据非常重
要. 因为土壤特性的空间变异最大 ,而且直接影响到
作物生长所需要的水分状况 ,因此如能利用确定地
点的土壤特性资料 ,无疑会大大提高模型的精度 ,否
则应根据土壤普查资料 ,以分布面积最大的土壤类
型作为确定土壤参数的基础. 作物参数和有关农业
措施参数可根据当地农业特性决定.
在田间尺度模拟中 ,两个作物品种的模拟产量
不同 ,尤其是玉米的差异较大 ,反映出对水分利用状
况的差异. 在县级产量模拟中 ,虽然能很好地模拟产
量的平均状况和年际波动趋势 ,但具有比较大的偏
差系数 ,尤其是对玉米产量模拟比对高粱产量模拟
更为敏感. 玉米模拟的偏差系数是实测产量偏差系
数的 2 倍 ,高粱模拟产量偏差系数只比实测值高
4 % ,表明模型在模拟县级长期玉米产量变化时不够
稳定. 这与模型的水分平衡子模型中作物产量 ,尤其
是玉米产量对水分反应太敏感有关. 因此在应用模
型时 ,如能根据本地试验结果对作物产量与水分关
系进行调整 ,可以提高模拟精度.
参考文献
1 Connolly RD. 1998. Modeling effects of soil structure on the water
balance of soil2crop systems :A review. Soil Tillage Res ,48 :1~19
2 Costa JO , Ferreira L GR ,DeSouza F. 1988. Produnáo do milho
submetido a diferents níveis de estresse hídrico . Pesq A gropec B ras
B rasília ,23 :1255~1261
3 Flénet F , Kiniry J R ,Board J E , et al . 1996. Row spacing effects on
light extinction coefficients of corn , sorghum , soybean , and sun2
flower. A gron J ,88 (1) : 185~190
4 Hudson N. 1995. Soil Conservation (3 rd) . Iowa , USA : Iowa State
University Press. 126~130
5 Kiniry J R , Bockholt AJ . 1998. Maize and sorghum simulation in
diverse Texas environments. A gron J ,90 (5) :682~687
6 Kiniry J R , Williams J R , Gassman PW , et al . 1992b. A general ,
process2oriented model for two competing plant species. Trans
A SA E ,35 :801~810
7 Kiniry JR , Williams JR ,Vanderlip RL , et al . 1997. Evaluation of two
maize models for nine U. S. locations. Agron J ,89 (3) :421~426
8 Kiniry J R , Xie Y , Gerik TJ . 2002. Linearity in maize seed number
responses for diverse maize hybrids. Crop Sci ,22 :265~272
9 Montieth JL . 1996. The quest for balance in modeling. A gron J ,88
(5) :695~697
10 Prihar SS , Stewart BA. 1990. Using upper2bound slope through the ori2
gin to estimate genetic harvest index. Agron J ,82 :1160~1165
11 Rogers S. 1999. Garst 1998 Yield Results. Garst SeedCo. Slater , IA
12 Sobriano A , Ginzo HD. 1975. Yield responses of two maize culti2
vars following short periods of water stress at tasseling. A gric Me2
teorol ,15 :273~284
13 Stockle CO , Kiniry JR. 1990. Variability in crop radiation use efficiency
associated with vapor pressure deficit . Field Crops Res ,21 :171~181
14 Williama JR. 1990. The erosion2productivity impact calculator ( EPIC)
model : A case history. Phil Trans R Sec Lond B ,329 :421~428
15 Williams J R , Jones CA , Kiniry J R , et al . 1989. The EPIC crop
growth model. Trans A SA E ,32 :497~511
16 Yang J2P (杨京平) , Wang Z2Q (王兆骞) . 1999. Crop growth
simulation model and its application. Chin J A ppl Ecol (应用生态
学报) , 10 (4) : 501~505 (in Chinese)
作者简介 谢 云 ,女 ,1964 年生 ,博士 ,副教授 ,主要从事
气候及其影响评价、作物生长模型等研究 ,发表论文 30 余
篇. E2mail :xieyun @bnu. edu. cn
59218 期 谢 云等 :不同空间尺度下的 ALMANAC 模型验证