DOI: 10.12357/cjea.20220384
张萌, 高艳梅, 张永清. 不同播种密度和灌溉管理下冬小麦APSIM NG模型的敏感性研究与模型校准验证[J]. 中国生态农
业学报 (中英文), 2023, 31(1): 102?112
ZHANG M, GAO Y M, ZHANG Y Q. Sensitivity analysis and calibration of the APSIM next-generation model under different irrig-
ation and sowing density in wheat[J]. Chinese Journal of Eco-Agriculture, 2023, 31(1): 102?112
不同播种密度和灌溉管理下冬小麦APSIM NG模型
的敏感性研究与模型校准验证
张 萌, 高艳梅, 张永清
(山西师范大学生命科学学院 太原 030000)
摘 要: 以中国农业大学吴桥试验站2015—2018年度不同灌溉管理和播种密度下冬小麦为研究对象, 应用全局敏
感性分析方法扩展傅里叶幅度检验法(EFAST)分析新一代的APSIM模型(APSIM Next-generation)中的品种参数
对冬小麦生长的敏感性, 并实现模型参数的本地化调试与验证, 为该模型未来开展各项研究提供基础支持。结果表
明, 影响冬小麦开花期和成熟期最敏感的参数是叶热间距、最小叶片数量、光周期敏感度; 影响产量最敏感的参数
是开花期单位茎秆干重可孕花数、单籽粒库容潜力和叶热间距。根据敏感性分析的结果, 对以上参数进行优先校
准后, 提高了APSIM NG模型对小麦生育时期和产量模拟的准确性, 校准后的模型可以解释生育时期超过98%的
变异, 产量实测值和模拟值的均方根误差(RMSE)为508 kg?hm?2。
关键词: APSIM NG; 全局敏感性; 冬小麦; 物候学; 产量
中图分类号: S31开放科学码(资源服务)标识码(OSID):
Sensitivity analysis and calibration of the APSIM next-generation model under
different irrigation and sowing density in wheat
ZHANG Meng, GAO Yanmei, ZHANG Yongqing
(College of Life Science, Shanxi Normal University, Taiyuan 030000, China)
Abstract: The Agricultural Production Systems Simulator (APSIM) is currently one of the most widely-used crop and farming sys-
tem models globally. With increasing challenges and demand for agricultural modeling, the APSIM Initiative is building the next gen-
eration of APSIM to improve its prediction accuracy and increase its applicability to a wider range of farming systems. The APSIM
next-generation (APSIM NG) model implemented new phenology- and morphology-simulating mechanisms, introduced additional
parameters, and allowed modelers to add custom parameters. These parameters cannot be directly measured and must be calibrated
when the APSIM NG model is applied to a new environment and cultivar. Determining the relative importance of the parameters to
the specific outputs can streamline the calibration of crop models for new cultivars, and a sensitivity analysis can quantify the influ-
ence of model input parameters on model outputs. In this study, we used the Extended Fourier Amplitude Sensitivity Test to perform
山西省基础研究计划资助项目(20210302124237)、山西省高等学校科技创新项目(2021L276)和山西师范大学现代文理学院基础研究基金项
目(2020JCYJ29)资助
通信作者: 张永清, 主要研究方向为植物生理生态。E-mail: yqzhang208@126.com
张萌, 主要研究方向为作物生理生态与作物模型。E-mail: sprout205@163.com
收稿日期: 2022-04-06 接受日期: 2022-09-22
This study was supported by the Fundamental Research Program of Shanxi Province (20210302124237), the Scientific and Technological Innovation
Programs of Higher Education Institutions in Shanxi (2021L276), the Basic Research Project of College of Modern Arts and Science, Shanxi Normal
University (2020JCYJ29).
Corresponding author, E-mail: yqzhang208@126.com
Received Apr. 6, 2022; accepted Sep. 22, 2022
中国生态农业学报 (中英文) ?2023年1月 ?第?31?卷 ?第?1?期
Chinese?Journal?of?Eco-Agriculture,?Jan.?2023,?31(1):?102?112
http://www.ecoagri.ac.cn
a sensitivity analysis on the wheat module of the APSIM NG for the first time. We also calculated the main and total effect sensitivity
indices of three outputs — yield, flowering day, and maturity day — to crop parameters under different irrigation and plant density
treatments. We found that days to anthesis and physiological maturity were mostly sensitive to the parameters that determine the
length of the reproductive stages (phyllochron, number of leaves the plant will produce when fully vernalized early and grown in long
photoperiod, and photoperiod sensitivity), and yield was most sensitive to the cultivar parameters that determine the yield component
(GrainsPerGramOfStem, MaximumPotentialGrainSize) and phyllochron. Irrigation and sowing density treatments affected the main
effect and total effect sensitivity index of parameters to yield; however, it did not affect the order of parameters. Next, we calibrated
the model against data from 2015 to 2018 from the Wuqiao Experimental Station of the China Agricultural University in Hebei
Province. The data comprise four irrigation and plant density treatments. The calibrated APSIM NG model captured the Zadoks
decimal growth scale and yield with acceptable accuracy. Across the treatments, the APSIM NG explained more than 98% of the vari-
ation in the growth scale. The root-mean-square error (RMSE) of the yield was 508 kg?hm?2, compared with the experimental data.
This study provides guidelines for APSIM NG model calibration in the North China Plain, as well as guidance to simplify the APSIM
NG model and improve its precision, especially when many parameters are used. For robust phenology and yield prediction with AP-
SIM NG, more research on the environment, genotype, and management factors is suggested.
Keywords: APSIM NG; Global sensitivity analysis; Winter wheat; Phenology; Yield
作物生长过程模型综合考虑了作物系统、土壤
系统、气候系统和田间管理系统等与作物生长密切
相关的系统, 用数学公式描述生理生态过程、物理
和化学过程, 从而实现对作物生长全过程的精细化
模拟。自1969年de Wit等[1]提出第一个农业计算机
模型后, 国内外学者已开发百余种作物生长模型, 其
中最为成熟的主要有Crop Environment Resource Syn-
thesis (CERES)[2]、WOrld FOod Studies (WOFOST)[3]、
Agricultural Production Systems sIMulator (APSIM)[4]
等。目前作物生长模拟模型已成为作物生产中研究
作物基因、环境、管理措施间互作的有力工具之一,
作物生长模型的机理性和预测性也得到了不断改进
和提高, 并已成功应用于农业生产及资源环境的管
理中, 在政府决策中所起的作用也逐渐被人们所认
识[5-8]。
随着模型的更新与发展, 模型需要以可信和透
明的方式模拟作物关键的生理过程。模型中涉及作
物参数的数量也越来越多, 其中品种参数的确定一
直以来都是模型验证和应用的难题之一。敏感性分
析(sensitivity analysis, SA)是通过逐一改变输入参数
的方法解释输出变量受这些参数变动影响, 测算其
对输出变量的影响程度和敏感性程度, 进而确定哪
些参数对模型输出结果有较大影响。在模型校准过
程中, 筛选出模拟过程中的关键参数, 把敏感性小的
参数设为固定值, 可以有效地简化模型, 提高模型校
准精度[9]。崔金涛等[10]对CERES-Wheat模型中的土
壤参数进行敏感性分析, 结果表明影响冬小麦(Trit-
icum aestivum)地上生物量和产量较为敏感的土壤参
数为田间持水率、径流曲线数、土壤酸碱度及土壤
总氮含量, 而其他参数的影响较小, 可将需要测定的
参数降低至4个, 降低了参数获取难度。秦格霞等[11]
通过分析不同草地类型覆盖区WOFOST模型敏感
参数, 并对敏感参数进行优化和验证, 减少了人为主
观因素的影响, 极大地缩短了调参时间。米荣娟等[12]
对APSIM-Wheat模型中产量形成参数进行敏感性分
析, 得到了影响小麦产量形成的６个敏感参数, 可在
实际应用中优先校准, 简化模拟过程。综上可见, 通
过敏感性分析可以筛选出对模拟结果敏感的关键控
制参数, 从而减少田间实测参数数量、降低模型输
入参数获取难度。这对模型参数校准及后续模型本
地化、区域化应用至关重要。但前人的研究主要集
中在关于不同作物模型下的参数对模拟的敏感性,
进而为模型进行本地化校准, 而对于新一代的AP-
SIM NG模型的相关研究较少。
APSIM NG模型中改良了物候发育和作物形态
等模拟的机制, 并且不再有模型全局参数和品种参
数的区别, 模型中所有的参数都可以作为品种参数。
因此APSIM NG在拥有新的功能和特性的同时[13],
也面临着参数过多、难以获取等问题。
为此, 本研究依据前人研究结果, 以APSIM NG
模型为研究对象, 采用 EFAST全局敏感性分析法,
探讨APSIM NG-Wheat 模型中品种参数的敏感性差
异, 筛选出对模拟结果敏感的关键控制参数。根据
河北吴桥中国农业大学吴桥试验站2015 ?2018年
度不同灌溉管理和播种密度下冬小麦田间实测数据,
对模型关键参数进行本地化调试与验证。实现作物
模型对光合生产、器官建成和产量形成过程进行模
拟, 可以帮助我们定量化分析作物生长过程, 分析群
体 和 各 器 官 的 作 用, 为 使 用 新 一 代 的APSIM NG
作物模型开展各项研究提供基础支持。
第 1 期 张 萌等 : 不同播种密度和灌溉管理下冬小 麦 APSIM NG模型的敏感性研究与模型校准验证 103
http://www.ecoagri.ac.cn
1 材料与方法
1.1 试验地概况
试验于2015 ?2018年在河北省吴桥县中国农业
大学吴桥试验站(37°69′N, 116°62′E, 海拔18 m)进
行 。 试 验 站 为 夏 季 季 风 气 候, 年 降 水 量562 mm
(图1), 其中70%的降水发生在7 ?9月[14]。该试验
站 所 在 地 区 主 要 种 植 方 式 为 冬 小 麦-夏 玉 米(Zea
mays)一年两熟制[15]。试验地土壤为轻质壤土, 0~20
cm土 壤 有 机 质12.5 g?kg?1, 全 氮1.0 g?kg?1, 碱 解 氮
64.9 mg?kg?1, 速效磷31.6 mg?kg?1, 速效钾48.1 mg?kg?1。
土壤初始水分养分与理化性状如表1所示。
10 11 12 1 2 3 4 5 6
40
30
20
10
0
?10
?20
140
120
100
降雨
Rainfall (mm)
月份 Month
80
60
40
20
0
10 11 12 1 2 3 4 5 6 10 11 12 1 2 3 4 5 6
降雨 Rainfall
最低气温 Min temperature
平均气温 Ave. temperature
最高气温 Max temperature
2015—2016 2016—2017 2017—2018
温度
Temperature (
℃
)
图 1 2015 ?2018年冬小麦生长季逐月温度与降水情况
Fig. 1 Changes of average monthly temperature and rainfall during the wheat growing season in 2015?2018
表 1 试验地土壤理化性质
Table 1 Soil physical and chemical properties of the tested site
深度
Depth
(cm)
硝态氮
NO3?-N
(kg?hm?2)
土壤水分
Soil water content
(cm3?cm?3)
土壤容重
Bulk density
(g?cm?3)
萎蔫系数
Wilting coefficient
(cm3?cm?3)
田间持水量
Field capacity
(cm3?cm?3)
饱和含水率
Saturated water content
(cm3?cm?3)
作物耗水量
Crop water consumption
(d?1)
0~20 36.48 0.33 1.51 0.10 0.33 0.43 0.060
20~40 17.04 0.30 1.53 0.12 0.32 0.42 0.060
40~60 12.14 0.32 1.61 0.12 0.32 0.39 0.060
60~80 0.89 0.33 1.58 0.13 0.34 0.41 0.055
80~100 11.67 0.33 1.56 0.13 0.34 0.41 0.048
100~120 13.19 0.34 1.57 0.13 0.34 0.41 0.040
120~140 14.63 0.35 1.49 0.14 0.35 0.44 0.032
140~160 10.36 0.36 1.51 0.14 0.36 0.43 0.024
160~180 6.95 0.35 1.51 0.14 0.35 0.43 0.014
180~200 17.94 0.35 1.51 0.14 0.35 0.43 0.003
1.2 试验设计
供试小麦为现代有芒冬小麦品种‘农大399’。采
用裂区试验设计, 以灌溉管理为主区, 以播种密度为
副区(表2), 小区面积为30 m2 (3 m×10 m), 重复3次,
行距为15 cm。于2015年10月11日播种, 播量分别
为228株?m?2 (SD1)、376株?m?2 (SD2)、490 株?m?2
(SD3) 和 604 株?m?2 (SD4)。2016年10月12日播种,
播 量 分 别 为180 株?m?2 (SD1)、390 株?m?2 (SD2)、
585 株?m?2 (SD3) 和750 株?m?2 (SD4)。2017年10月
21日播种, 播量分别为420 株?m?2 (SD1)、570 株?m?2
(SD2)、645株?m?2 (SD3)和795株?m?2 (SD4)。
播种前采用畦灌浇足底墒水, 2015 ?2016年度
设W0 (生育期无灌溉)、W1 (拔节期灌溉75 mm)、
W2 (拔节期和开花期分别灌溉75 mm) 3种灌溉管
理, 2016 ?2017年和2017 ?2018年度增加W3 (起身
期、拔节期和开花期分别灌溉75 mm)灌溉管理。
小麦生育期间各处理肥料均全部底施, 施肥量为尿
素(含纯N 46%) 225 kg?hm?2, 磷酸二铵(含纯N 18%,
含P2O5 46%) 300 kg?hm?2, 硫 酸 钾(含K2O 60%) 225
kg?hm?2。
1.3 测定指标与方法
1.3.1 生育期及其描述
根 据Zadoks等[16]谷 物 生 长 发 育 标 准 判 断, 以
50%植株达到该生育时期特征为标准记录各生育时
期 。 麦 苗 有2片 展 开 叶, 一 叶 一 心 时 为 出 苗 期
(GS12); 麦苗第1分蘖露出叶鞘2 cm左右时为越冬
期(GS23); 麦苗由匍匐状开始挺立, 茎部第1节间开
始伸长但尚未伸出地面时为起身期(GS30); 茎部第
104 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
1节间露出地面1.5~2 cm时为拔节期(GS31); 茎蘖
旗叶叶片全部抽出叶鞘, 旗叶叶鞘包着的幼穗明显
膨大为孕穗期(GS45); 麦穗中上部小花的内外颖张
开, 花药散粉时为开花期(GS65); 当小麦籽粒胚乳呈
蜡状, 开始变硬为成熟期(GS92)。根据播种期、开
花期和成熟期的日期分别计算播种到开花、播种到
成熟以及开花到成熟生育阶段的天数。
1.3.2 生物量与产量
于冬小麦越冬期、起身期、拔节期、孕穗期、
开花期和成熟期进行生物量的测量, 选取内部长势
均匀的50 cm双行小麦地上部植株带回室内, 将茎鞘、
叶片和穗(籽粒和颖壳)等器官分开, 置于烘箱105 ℃
杀青30 min, 80 ℃烘至恒重, 称重。成熟期从每小区
选取1 m2样方, 人工收割, 脱粒并计算产量(含水量
13%), 调查单位面积穗数、穗粒数和千粒重(13%水
分含量)。
1.3.3 开花期单位茎秆干重可孕花数
开花期单位茎秆干重可孕花数(Gn)由以下公式
计算:
Gn = NS NGW
DS
(1)
式中: NS表示单位面积穗数(m?2), NG表示穗粒数,
WDS表示开花期单位面积茎秆干重(g?m?2)。
1.3.4 生育期积温
生育期日积温的计算参照APSIM NG模型中的
计算方法[17], 将试验站内小型气象站观测的气温转化
为冠层温度:
Tc =
{ 2+0:805T T < 0
T T ?0 (2)
Tc
式中: Tc表示冠层温度(℃), T表示气温(℃)。根据
最高冠层温度(Tcmax)和最低冠层温度(Tcmin), 可以计
算冠层日平均温度 (℃):
Tc = Tcmax+Tcmin2 (3)
生育期日积温TT (℃)由以下公式计算:
TT=
8>>
>>><
>>>>
>:
Tc 0 < Tc ?26
26
11
(
37 Tc
)
26 < Tc ?37
0 Tc ?0或Tc > 37
(4)
1.3.5 主茎叶龄与叶热间距
于出苗期、越冬期、起身期、拔节期、孕穗期,
每个小区选取长势一致的10个主茎, 测定主茎叶龄
(Haun stage)。叶热间距P根据以下公式计算:
P= ?HS?TT (5)
式中: ΔTT表示各生育阶段间的积温, ΔHS表示主茎
叶龄的改变量。
1.3.6 APSIM Next-generation模型
APSIM模 型 是 由 澳 大 利 亚 的 联 邦 科 工 组 织
(CSIRO)以 及 昆 士 兰 州 政 府 的 农 业 生 产 系 统 组
(APSRU)开发建立的农业生产系统模拟模型。AP-
SIM与其他模型不同的是它以土壤系统为核心, 把
作物、气候和农业管理措施视为引起土壤属性变化
的因素。作物、环境和管理措施作为模型中的模块
表 2 2015—2018年不同处理的冬小麦灌水制度和播种密度
Table 2 Experiment designs of different sowing densities and irrigation treatments of winter wheat from 2015 to 2018
灌溉处理
Irrigation treatment
密度处理
Density treatment
播种密度 Sowing density (plant?m?2)
2015—2016 2016—2017 2017—2018
春不灌水
No irrigation after sowing (W0)
SD1 228 180 420
SD2 376 390 570
SD3 490 585 645
SD4 604 750 795
拔节期 75 mm
Irrigated 75 mm at jointing stage (W1)
SD1 228 180 420
SD2 376 390 570
SD3 490 585 645
SD4 604 750 795
拔节期 75 mm+开花期 75 mm
Irrigated 75 mm at jointing stage and anthesis stage, respectively (W2)
SD1 228 180 420
SD2 376 390 570
SD3 490 585 645
SD4 604 750 795
起身期 75 mm+拔节期 75 mm+开花期 75 mm
Irrigated 75 mm at erecting stage, jointing stage and anthesis stage, respectively (W3)
SD1 — 180 420
SD2 — 390 570
SD3 — 585 645
SD4 — 750 795
第 1 期 张 萌等 : 不同播种密度和灌溉管理下冬小 麦 APSIM NG模型的敏感性研究与模型校准验证 105
http://www.ecoagri.ac.cn
可以置换, 这种“即插即用”的方式可以方便研究者建
立适合自己需要的模型, 同时有利于将众多零散的
研究成果整合到模型之中。新一代APSIM NG模型
代码执行速度提高, 并且支持跨平台开发(Windows,
LINUX, OSX), 研究人员可以在不同时空水平上模拟
更加复杂的农业系统[18]。APSIM NG继承了APSIM
Classic (APSIM v7.10)中的通用模型框架(Plant Mod-
elling Framework), 为模型模拟提供了一个常用函数
和算法库, 研究人员无需编码就能建立适合自己需
要的作物或土壤模型[19]。
APSIM-NG中使用新的算法模拟温度、春化作
用和光周期对生育期的影响。不同小麦品种对春化
作用和光周期的敏感程度不同, 这些品种差异可能
会导致最终主茎叶数的不同, 进而影响旗叶展开的
时间和开花的时间。APSIM NG通过对主茎叶龄和
出叶速率(叶热间隔)模拟温度对小麦发育的影响,
可以连续地模拟叶片的生长、花原基的启动和花期
的开始。APSIM NG模型将灌浆过程分成了两个阶
段: 从开花期至灌浆开始的初始阶段(InitialPhase)和
灌浆期的线性阶段(LinearPhase), 这两个阶段的灌浆
速率均受籽粒数、持续时间和干物质向籽粒中的最
大转运量的影响。
本 研 究 采 用 的 是APSIM NG (2022.4.7023.0)版
本。其中小麦模型包括以下部分:
1)模 拟 小 麦 生 育 进 程 的 物 候 学 模 型(Wheat.
Phenology)。
2)模拟小麦植株形态的结构模型(Wheat.Struc-
ture)。
3)模 拟 小 麦 各 器 官 功 能 的 模 型 , 包 括 籽 粒
(Wheat.Grain)、根系(Wheat.Root)、叶片(Wheat.Leaf)、
茎秆(Wheat.Stem)和穗(Wheat.Spike)。
4)模拟干物质和氮在不同器官中积累转运的分
配模型(Wheat.Arbitrator)。
根据试验中记录的管理措施建立模型, 其中年
际间相同的管理措施(如施肥、成熟收获、土壤重
置), 使用Management toolbox相应的功能完成; 对于
年际间不同的管理措施(播种、灌溉)使用Standard
models下的Operations模块完成。
1.3.7 敏感性分析方法
扩展傅里叶幅度检验(EFAST)法是一种基于方
差分解的全局敏感性分析方法[20], 结合了FAST[21]和
Sobol法[22]的优点改进而来, 其原理是选取合适的搜
索曲线在多维参数空间中运行, 将一组非线性相关
的整数频率分配给模型的所有输入参数, 并针对模
SFi
STi
型参数中选取的参数引入一个具有共同独立参数的
函数, 使模型作为独立参数的周期函数, 将多维积分
降为一维积分。通过把周期函数进行傅里叶变换,
提取各频率傅里叶级数的频谱曲线, 就可以得出某
一参数变化对输出变量的影响, 表现为某一参数变
化引起模型结果变化的方差占模型总方差的比率。
输入因子xi的一阶敏感性指数( )和全局敏感性指
数( )的公式如下:
SFi = Vxi
[E
x i (yjxi)
]
V(y) =
V(y) Exi [Vx i (yjxi)]
V(y) (6)
STi = Ex i
[V
xi (yjx i)
]
V(y) =1
Vx i [Exi (yjx i)]
V(y) (7)
式中: E表示期望值, V表示方差, y表示模型输出的
目标函数值, xi表示第i个输入因子, x~i表示除第i个
以外的所有输入因子。
全局敏感性指数与局部敏感性指数进行比较可
以得出参数的交互作用的影响大小, 当参数间没有
耦合作用时, 此时参数的全局敏感性指数就等于该
参数的局部敏感性指数。
本研究敏感性分析过程为:
1)确定APSIM NG-Wheat模型品种参数范围, 参
数范围见表3。
2)使用SimLab软件在参数范围内进行随机取
样, 生成多维参数。本研究共产生1947组参数, 模型
共运行44×1947=85 668次。
3)使用R 4.1.1中的Apsimx包输入模型并运行
APSIM NG模型。
4)整理模型运算的结果, 按不同年份、试验处
理进行分类, 通过SimLab 进行分析并得到最终的敏
感性分析结果。
1.3.8 模型的参数优化及验证
本文采用简单的贝叶斯优化方法进行模型参数
优化, 即根据参数分布范围, 均匀分布产生全部的参
数组合, 对所有可能值进行模拟计算, 观测值和模拟
值的误差为目标函数, 获取符合条件的模型参数。
模 型 的 观 测 值 和 模 拟 值 的 误 差 利 用 均 方 根 误 差
(RMSE)表示, 检测模型对实测数据的拟合度利用决
定系数(R2)表示, 计算方法如下:
RMSE=
√
1
n
n∑
i=1
(Si Oi)2 (8)
R2 =
[∑n
i=1
(O
i Oavg
)(S
i Savg
)]2
∑n
i=1
(O
i Oavg
)2∑n
i=1
(S
i Savg
)2 (9)
106 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
式中: Oi和Si分别为实测值和模拟值; Oavg和Savg分
别 为 实 测 数 据 平 均 值 和 模 拟 数 据 平 均 值; n为 样
本数。
决定系数(R2)可以反映模拟值与实测值之间的
一致性, 越接近1说明模拟结果越好, RMSE可以反
映模拟值与实测值之间的绝对误差, 值越小说明模
拟效果越好。
1.4 数据处理与分析
本研究采用SPSS 17.0 软件进行数据的统计分
析和检验, 采用R 4.1.1和Simlab v2.2进行敏感性分
析, 采用Origin 2021 和Excel 2019 进行数据的整理、
分析及作图。
2 结果与分析
2.1 敏感性分析结果
APSIM NG模型物候学指标的参数敏感性分析
结果如图2a和图2b所示, 不同年份间的敏感参数表
现一致。其中, 叶热间距(Phyllochron)的敏感性最
强, 对播种 ?开花期、播种 ?成熟期天数的敏感性
指数均在0.7以上; 其次为最小叶片数量(Minimum-
LeafNumber)、光周期敏感度(PpSensitivity)和早花
阶 段 的 积 温(EarlyFloweringTT)。 这 是 由 于APSIM
NG模型采用了新的物候学算法, 叶热间距、最小叶
片数量和光周期敏感度会影响主茎的出叶速度和最
终的叶片数目(表3), 进而影响花前各个阶段所需的
积温。而本研究中春化敏感度(VrnSensitivity)对生
育期的影响很小, 这是由于春化对主茎的去叶效应,
完 成 春 化 后 的 主 茎 叶 片 数 目 没 有 差 异 。2015年 、
2016年、2017年满足春化阶段0~7 ℃温度需求的
天数分别为58 d、64 d和63 d, 试验站所在区域的气
候可满足冬小麦的春化要求。
由品种参数对小麦产量的敏感性指数(图2c)的
分析结果可知, 品种参数中平均一阶敏感性指数大
于0.1的参数有开花期单位茎秆干重可孕花数(Gr-
ainsPerGramOfStem)和 单 籽 粒 库 容 潜 力(Maximum-
PotentialGrainSize)。对产量全局敏感性指数最大的
前3个参数分别为开花期单位茎秆干重可孕花数、
单籽粒库容潜力和叶热间距(Phyllochron), 分别可以解
释产量方差变异的45%、41%和11%, 其中叶热间
距对产量的影响主要通过与其他参数的交互作用实现。
由图3a可以看出, 品种参数在不同处理下对小
麦产量的一阶敏感性指数存在差异。春不灌水和春
灌 一 水 处 理 下GrainsPerGramOfStem和Maximum-
PotentialGrainSize对产量的一阶敏感性指数均高于
春灌两水和三水。而随着播种密度的增加, Grain-
sPerGramOfStem和MaximumPotentialGrainSize对 产
量 的 一 阶 敏 感 性 指 数 呈 先 升 高 后 降 低 的 趋 势, 在
SD3处理下对小麦产量的一阶敏感性指数最高。
GrainsPerGramOfStem和MaximumPotentialGrain-
Size对小麦产量的全局敏感性指数的变化规律与一
阶敏感性指数一致(图3b)。全局敏感性分析综合考
虑参数间的交互作用对模型输出的影响, 有更多的
表 3 APSIM NG模型作物品种参数范围
Table 3 Definition and intervals of cultivar parameters used in APSIM NG model
参数
Parameter
参数含义
Description
单位
Unit
下限值
Lower limit
上限值
Upper limit
MinimumLeafNumber
调节叶片数量 , 完全春化和长日照条件下的主茎叶片数
Number of leaves the plant will produce when fully vernalised early and
grown in long photoperiod
leaves 5 10
VrnSensitivity
调节春化敏感度 , 未春化时主茎增加的叶数
The difference between inherent earlyness leaf number and the number of leaves produced
when the plant is unvernalised and grown in long photoperiod
leaves 0 8
PpSensitivity 调节光周期敏感度 , 日照时数由 8 h 增加至 16 h时主茎减少的叶数The reduction in leaf number going from 8 to 16 h photoperiod leaves 0 8
Phyllochron 叶热间距Leaf appearance rate ℃ ?d 50 200
EarlyFloweringTT 抽穗期至开花期积温Thermal time from heading stage to flowering stage ℃ ?d 0 200
GrainDevelopmentTT 开花期至灌浆期积温Thermal time from flowering stage to start grain fill stage ℃ ?d 50 200
GrainFillingTT 灌浆期积温Thermal time from start grain fill stage to end grain fill stage ℃ ?d 450 650
MaturingTT 灌浆期至成初期积温Thermal time from end grain fill stage to maturity stage ℃ ?d 15 45
GrainsPerGramOfStem 开花期单位茎秆干重可孕花数The number of fertile flowers per unit stem dry weight at flowering stage g 10 40
MaximumPotentialGrainSize 最大单籽粒库容潜力Maximum potential grain size g 0.02 0.08
InitialGrainProportion 籽粒灌浆初始比例Grain filling initial ratio 0.02 0.08
第 1 期 张 萌等 : 不同播种密度和灌溉管理下冬小 麦 APSIM NG模型的敏感性研究与模型校准验证 107
http://www.ecoagri.ac.cn
敏感性参数。Phyllochron在低密度处理(SD1)下产
量的全局敏感性指数最高, 且随着灌溉次数的增加,
对产量的全局敏感性指数呈增加的趋势。
2.2 模型调参结果
基于简单的贝叶斯优化方法进行模型参数优化,
在优化的过程中, 假设每个参数都是在边界范围内
均匀分布的(表3), 此参数的范围设定参考了AP-
SIM NG中已有品种的范围[17]。为确保优化的准确
性和效率, 首先对影响生育期的参数进行优化, 再对
产量形成的参数进行优化, 最终的品种参数如表4
所示。具体的参数优化过程如下:
1) APSIM NG模型中影响花前生育期的参数共
有5个, 分别为MinimumLeafNumber、VrnSensitivity、
PpSensitivity、 EarlyFloweringTT和 Phyllochron。 根
据APSIM NG模 型 敏 感 性 分 析 的 结 果, 其 中Vrn-
Sensitivity对开花期的影响很小, 无法通过调参进行
优化, 因此采用田间试验的观测值5。同时为避免多
参同效的现象, 即不同的发育期参数组合可得到相
似的结果, 对于MinimumLeafNumber和EarlyFlower-
ingTT也采用田间试验的观测值7和100 ℃?d。而对
开花期敏感的参数Phyllochron和PpSensitivity作为
变量, 根据实测的开花期进行优化, 最终调参的结果
为78 ℃?d和4.3。
2)由于影响花后生育期长度的参数对成熟期的
参 数 敏 感 性 较 低 , GrainDevelopmentTT、 GrainFil-
lingTT和MaturingTT采用了系统的默认值, 分别为
120 ℃?d、550 ℃?d和30 ℃?d
3)对产量形成的参数进行优化, 对产量不敏感
的参数InitialGrainProportion采用系统默认值, 而对
产量敏感的参数GrainsPerGramOfStem和Maximum-
PotentialGrainSize作为变量, 根据实测的产量进行优
化, 最终调参的结果为34 grains?g?1和0.055 g。
1.0
a
b
c
0.8
0.6
0.4
敏感性指数
Sensitivity index
作物品种参数 Crop cultivar parameter
0.2
0
1.0
0.8
0.6
0.4
0.2
0
1.0
0.8
0.6
0.4
0.2
0
MinimumLeafNumberV
rnSensitivityPpSensitivityPhyllochronEarlyFloweringTT
GrainDevelopmentTTGrainFillingTT
MaturingTT
GrainsPerGramOfStemMaximumPotentialGrainSize
一阶敏感性指数 Main effects
全局敏感性指数 Total effects
图 2 各作物品种参数对冬小麦播种—开花(a)和播种—成熟(b)天数和产量(c)的敏感性指数
Fig. 2 Sensitivity indexes of parameters to durations from sowing to flowering (a) and from sowing to maturity (b) and yield (c) of
winter wheat
图a和图b的结果为不同年份间的平均值, 图c的结果为2016—2017年度不同处理下的平均值(n=16)。各作物品种参数的解释说明见表3。
The results in the figure a and b are the average values under different years. The results in the figure c are the average values under different treatments in
2016?2017 (n=16). The detail explanation of each cultivar parameter is shown in the table 3.
108 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
SD1
MinimumLeafNumber
VrnSensitivity
PpSensitivity
Phyllochron
EarlyFloweringTT
GrainDevelopmentTT
GrainFillingTT
MaturingTT
GrainsPerGramOfStem
MaximumPotentialGrainSize
InitialGrainProportion
MinimumLeafNumber
VrnSensitivity
PpSensitivity
Phyllochron
EarlyFloweringTT
GrainDevelopmentTT
GrainFillingTT
MaturingTT
GrainsPerGramOfStem
MaximumPotentialGrainSize
InitialGrainProportion
SD2
W0
a
b
W1 W2 W3
W0 W1 W2 W3
SD3SD4SD1SD2SD3SD4SD1SD2SD3SD4SD1SD2SD3SD4
SD1SD2SD3SD4SD1SD2SD3SD4SD1SD2SD3SD4SD1SD2SD3SD4
图 3 不同灌溉管理和播种密度处理下的小麦产量一阶敏感性指数(a)和全局敏感性指数(b)
Fig. 3 Main effect (a) and total effect (b) sensitivity indexes of cultivar parameters to yield of winter wheat under different irriga-
tion and sowing density treatments
各处理解释见表2, 各作物品种参数的解释说明见表3。黑色扇形的面积表示敏感性指数值的大小。The detail information of each treatment is
shown in the table 2. The detail explanation of each cultivar parameter is shown in the table 3. The area of the black sector represents the value of the sensitivity
index.
表 4 小麦品种‘农大399’的APSIM NG模型作物品种参数
Table 4 Cultivar parameters used in APSIM NG model of wheat cultivar ‘Nongda399’
参数 Parameter 单位 Unit 值 Value 参数来源 Source
MinimumLeafNumber leaves 7 观测 Observed
VrnSensitivity leaves 5 观测 Observed
PpSensitivity leaves 4.3 调参 Calibrated
Phyllochron ℃ ?d 78 调参 Calibrated
EarlyFloweringTT ℃ ?d 100 观测 Observed
GrainDevelopmentTT ℃ ?d 120 默认 Default
GrainFillingTT ℃ ?d 550 默认 Default
MaturingTT ℃ ?d 30 默认 Default
GrainsPerGramOfStem grains?g?1 34 调参 Calibrated
MaximumPotentialGrainSize g 0.055 调参 Calibrated
InitialGrainProportion 0.05 默认 Default
各作物品种参数的解释说明见表3。The detail explanation of each cultivar parameter is shown in the table 3.
第 1 期 张 萌等 : 不同播种密度和灌溉管理下冬小 麦 APSIM NG模型的敏感性研究与模型校准验证 109
http://www.ecoagri.ac.cn
2.3 模型验证结果
利 用 优 化 后 的 模 型 参 数 进 行 验 证, 结 果 表 明
2015?2018 年田间试验生育时期的指数观测值与
APSIM NG模型模拟值相比较, 总体的一致性较好
(图4)。APSIM NG 可以解释超过98%的生育时期
的 变 异, RMSE=3.35 (图5a)。 通 过 不 同 播 种 密 度 、
不同灌溉下小麦产量的观测值与APSIM NG模拟值
比较表明, APSIM NG能有效地预测产量。模型可以
解 释 超 过76% 的 产 量 变 异(RMSE=508.12 kg?hm?2)
(图5b)。
90
80
70
60
50
40
30
20
10
10 11 12 1 2 3 4 5 6 10 11 12 1 2 3 4 5 6 10 11 12 1 2 3 4 5 6
模拟值 Simulated
观测值 Observed
生育时期
Growth scale
月份 Month
2015—2016 2016—2017 2017—2018成熟期 Maturity stage
开花期 Flowering stage
孕穗期 Booting stage
拔节期 Jointing stage
出苗期 Seedling stage
图 4 2015 ?2018年小麦生育时期模拟值与实测值的比较
Fig. 4 Comparison of simulated and observed growth scale of winter wheat from 2015 to 2018
100
80
60
40
20
0 20 40 60
生育时期观测值 Observed growth scale
生育时期模拟值
Predicted growth scale
80 100
a
y=0.96x+2.65
R2=0.98
RMSE=3.35
n=18
1∶1 b
10 000
9000
8000
7000
6000
4000
5000
4000 5000 6000 7000
产量观测值 Observed yield (kg?hm?2 )
产量模拟值
Predicted
yield (kg?hm
?2
)
8000 10 0009000
y=0.64x+2463.35
R2=0.76
RMSE=508.12
n=44
1?1
图 5 小麦生育时期(a)与产量(b)的APSIM NG模型模拟结果校准与验证
Fig. 5 Calibration and validation results of APSIM NG simulation of Zadoks growth scale and yield of wheat
3 讨论与结论
EFAST全局敏感性分析方法能够有效地筛选出
模型中对模拟产量变化较为敏感的参数, 是动态模
型参数本地化和区域化的有效方法[23]。何亮等[24]运
用EFAST法对中国4个不同气候区APSIM-Wheat
模型的参数进行了全局敏感性分析, 研究发现对开
花期最敏感的参数是与积温、光周期和春化相关的
参数: 始花期积温(tt_floral_initiation)、出苗到拔节
积温(tt_end_of_juvenile)、春化指数(vern_sens)和光
周期指数(photop_sens)。本研究分析了河北省吴桥
地区不同灌溉管理与播种密度下APSIM NG-Wheat
模型的品种参数对开花期的全局敏感性, 其中对开
花期最敏感的参数是叶热间距(Phyllochron)、最小
叶 片 数 量(MinimumLeafNumber)、 光 周 期 敏 感 度
(PpSensitivity)。这是由于APSIM Classic模型中, 对
作物物候的影响主要是基于积温和光周期以及春化
来设计的, 而APSIM NG模型改进了原有的物候学
模型, 生育期的模拟虽然还是由积温驱动的, 但是出
苗至孕穗之间的生育阶段的目标积温不再是定值,
而是由叶片数目与叶热间距决定。APSIM Classic
和APSIM NG模型中都有影响春化和光周期的参数,
但其在模型中功能是不同的, 前者通过改变完成春
化和光周期的积温而影响作物的生育进程[25], 而后者
是通过改变春化阶段和光周期的叶片数目而影响生
育进程[17]。
APISM NG模型中对孕穗期至成熟期的生育阶
段的模拟基本与APSIM Classic一致, 但是新模型中
加入了早花阶段的积温(EarlyFloweringTT)这一参
110 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
数, 用来模拟孕穗至抽穗这一生育阶段, 当Early-
FloweringTT为模型的默认值0 ℃?d时, 模型不模拟
小麦的孕穗至抽穗阶段, 而是直接模拟孕穗至开花
阶段。在大田试验中, 由于抽穗期和开花期间隔的
时间较短, 研究者可能只记录二者中的一个时期,
APSIM NG中加入EarlyFloweringTT可以更准确地
模拟小麦的物候期, 同时也使研究者可以灵活地选
择生育期指标[26]。
Zhao等[27]研究澳大利亚不同施肥和气候土壤条
件下APSIM品种参数对产量的敏感性, 结果表明对
产量最敏感的参数是开花期单位茎秆干重可孕小花
数(grains_per_gram_stem)、 单 籽 粒 库 容 潜 力(max_
grain_size)和 籽 粒 潜 在 灌 浆 速 率 (potential_grain_
filling_rate)。本研究中对产量全局敏感性指数最大
的前3个参数分别为开花期单位茎秆干重可孕小花
数(GrainsPerGramOfStem)、单籽粒库容潜力(Max-
imumPotentialGrainSize)和 叶 热 间 距 (Phyllochron)。
APSIM Classic中采用开花期至灌浆开始的籽粒潜在
灌浆速率(potential_grain_growth_rate)和灌浆期的籽
粒潜在灌浆速率(potential_grain_filling_rate)作为品
种参数以模拟灌浆过程。APSIM NG模型对灌浆的
模拟也进行了改良, 模型将灌浆过程同样分成了两
个 阶 段: 初 始 阶 段(InitialPhase)和 线 性 阶 段(Lin-
earPhase), 而各个阶段中灌浆速率又由粒数、向籽粒
中待运转的干物质和灌浆持续时间决定。其中开花
期单位茎秆干重可孕小花数影响粒数, 阶段的积温
影响灌浆持续时间, 单籽粒库容潜力和籽粒灌浆初
始比例影响初始阶段向籽粒中待运转的干物质, 剩
下的干物质在线性阶段继续向籽粒中灌浆。
管理措施、气候和土壤都会影响敏感性参数的
重要性[12,27-28]。本研究发现不同灌溉管理和播种密度
处理下同一品种参数对小麦产量敏感性指数存在差
异, 说明模型有利于同一参数模拟不同管理措施下
的产量潜力。
综合本研究敏感性分析的结果和实测数据获取
的难易度, 最终选择需要根据实测数据进行拟合的
4个参数, 分别为PpSensitivity、Phyllochron、Grain-
sPerGramOfStem和 MaximumPotentialGrainSize。 对
模型参数优化后, APSIM NG模型对小麦生育时期模
拟有较高的准确性, 模型可以解释超过98%的生育
时 期 的 变 异 。 与 作 者 在 同 站 点 使 用APSIM Clas-
sic对小麦产量的模拟结果相比[29], 产量的RMSE由
737 kg?hm?2 降低至508 kg?hm?2。然而, APSIM NG在
模拟的过程中仍存在一些不足, 模型无法模拟 Zadoks
生育时期中的分蘖时期, 因为在这一阶段根据叶片
数目和分蘖数目可能对小麦的生育时期有不同的划
分方式, 如四叶展开(GS14)和主茎2蘖(GS22)属于
同一生育阶段, 而模型只能模拟前者。此外, 模型对
高产高密度条件下产量存在一定的低估, 这可能与
APSIM NG模型本地化的程度不高, 需要对模型的其
他参数进行田间观测和调参。
参考文献 References
DE WIT C T, BROUWER R. The simulation of photosynthetic
systems[C]//Proceedings of the IBP/PP technical meeting,
Netherlands, Wageningen: PUDOC, 1969: 47
[1]
TIMSINA J, HUMPHREYS E. Performance of CERES-Rice
and CERES-Wheat models in rice-wheat systems: a review[J].
Agricultural Systems, 2006, 90(1/2/3): 5?31
[2]
VAN DIEPEN C V, WOLF J V, VAN KEULEN H, et al.
WOFOST: a simulation model of crop production[J]. Soil Use
and Management, 1989, 5(1): 16?24
[3]
HOLZWORTH D P, SNOW V, JANSSEN S, et al. Agricultural
production systems modelling and software: current status and
future prospects[J]. Environmental Modelling & Software,
2015, 72: 276?286
[4]
WANG E, BROWN H E, REBETZKE G J, et al. Improving
process-based crop models to better capture genotype×
environment×management interactions[J]. Journal of
experimental botany, 2019, 70(9): 2389?2401
[5]
ZHAO Z G, QIN X, WANG E L, et al. Modelling to increase
the eco-efficiency of a wheat-maize double cropping system[J].
Agriculture, Ecosystems & Environment, 2015, 210: 36?46
[6]
ZHAO Z G, REBETZKE G J, ZHENG B Y, et al. Modelling
impact of early vigour on wheat yield in dryland regions[J].
Journal of Experimental Botany, 2019, 70(9): 2535?2548
[7]
WANG E, MARTRE P, ZHAO Z, et al. The uncertainty of crop
yield projections is reduced by improved temperature response
functions[J]. Nature Plants, 2017, 3: 17102
[8]
VAN WERKHOVEN K, WAGENER T, REED P, et al.
Sensitivity-guided reduction of parametric dimensionality for
multi-objective calibration of watershed models[J]. Advances in
Water Resources, 2009, 32(8): 1154?1169
[9]
崔 金 涛, 丁 继 辉, YESILEKIN Nebi, 等. 基 于EFAST的
CERES-wheat模型土壤参数敏感性分析[J]. 农业机械学报,
2020, 51(12): 276?283
CUI J T, DING J H, YESILEKIN N, et al. Sensitivity analysis
of soil input parameters of CERES-wheat model based on
EFAST method[J]. Transactions of the Chinese Society for
Agricultural Machinery, 2020, 51(12): 276?283
[10]
秦格霞, 吴静, 李纯斌, 等. 不同草地类型WOFOST模型参
数敏感性分析[J]. 草业学报, 2022, 31(5): 13?25
QIN G X, WU J, LI C B, et al. Sensitivity analysis of WOFOST
model crop parameters in different grassland types[J]. Acta
Prataculturae Sinica, 2022, 31(5): 13?25
[11]
米荣娟, 聂志刚. 基于EFAST法的APSIM小麦产量形成参数
敏感性分析[J]. 甘肃农业大学学报, 2021, 56(4): 23?30
[12]
第 1 期 张 萌等 : 不同播种密度和灌溉管理下冬小 麦 APSIM NG模型的敏感性研究与模型校准验证 111
http://www.ecoagri.ac.cn
MI R J, NIE Z G. Global sensitivity analysis of APSIM wheat
yield formation based on EFAST method[J]. Journal of Gansu
Agricultural University, 2021, 56(4): 23?30
HOLZWORTH D P, HUTH N I, DEVOIL P G, et al. APSIM —
Evolution towards a new generation of agricultural systems
simulation[J]. Environmental Modelling & Software, 2014, 62:
327?350
[13]
ZHAO Z G, WANG E L, XUE L H, et al. Accuracy of root
modelling and its impact on simulated wheat yield and carbon
cycling in soil[J]. Field Crops Research, 2014, 165: 99?110
[14]
ZHAO Z G, QIN X, WANG Z M, et al. Performance of
different cropping systems across precipitation gradient in North
China Plain[J]. Agricultural and Forest Meteorology, 2018, 259:
162?172
[15]
ZADOKS J C, CHANG T T, KONZAK C F. A decimal code
for the growth stages of cereals[J]. Weed Research, 1974, 14(6):
415?421
[16]
BROWN H E, HUTH N I, HOLZWORTH D P. The APSIM
Wheat Model (version 2022.6. 7051.0)[EB/OL]. [2022-6-1].
https://builds.apsim.info/api/nextgen/docs/Wheat.pdf
[17]
HOLZWORTH D, HUTH N I, FAINGES J, et al. APSIM Next
Generation: overcoming challenges in modernising a farming
systems model[J]. Environmental Modelling & Software, 2018,
103: 43?51
[18]
BROWN H E, HUTH N I, HOLZWORTH D P, et al. Plant
Modelling Framework: software for building and running crop
models on the APSIM platform[J]. Environmental Modelling &
Software, 2014, 62: 385?398
[19]
SALTELLI A, TARANTOLA S, CHAN K P S. A quantitative
model-independent method for global sensitivity analysis of
model output[J]. Technometrics, 1999, 41(1): 39?56
[20]
CUKIER R I, FORTUIN C M, SHULER K E, et al. Study of the
sensitivity of coupled reaction systems to uncertainties in rate
coefficients. I Theory[J]. The Journal of Chemical Physics,
1973, 59(8): 3873?3878
[21]
SOBOL I M. Sensitivity analysis for non linear mathematical[22]
model[J]. Modelling and Computational Experiment, 1993(1):
407?414
姜志伟, 陈仲新, 周清波, 等. CERES-wheat作物模型参数
全局敏感性分析[J]. 农业工程学报, 2011, 27(1): 236?242
JIANG Z W, CHEN Z X, ZHOU Q B, et al. Global sensitivity
analysis of CERES-Wheat model parameters[J]. Transactions of
the Chinese Society of Agricultural Engineering, 2011, 27(1):
236?242
[23]
何亮, 赵刚, 靳宁, 等. 不同气候区和不同产量水平下
APSIM-Wheat模型的参数全局敏感性分析[J]. 农业工程学
报, 2015, 31(14): 148?157
HE L, ZHAO G, JIN N, et al. Global sensitivity analysis of
APSIM-Wheat parameters in different climate zones and yield
levels[J]. Transactions of the Chinese Society of Agricultural
Engineering, 2015, 31(14): 148?157
[24]
ZHENG B, CHENU K, DOHERTY A, et al. The APSIM-Wheat
Module (7.5R3008) [EB/OL]. [2022-6-1]. https://www.apsim.
info/wp-content/uploads/2019/09/WheatDocumentation.pdf
[25]
SADEGHI-TEHRAN P, SABERMANESH K, VIRLET N, et al.
Automated method to determine two critical growth stages of
wheat: heading and flowering[J]. Frontiers in Plant Science,
2017, 8: 252
[26]
ZHAO G, BRYAN B A, SONG X D. Sensitivity and
uncertainty analysis of the APSIM-wheat model: interactions
between cultivar, environmental, and management parameters[J].
Ecological Modelling, 2014, 279: 1?11
[27]
邓晓垒, 董莉霞, 李广, 等. 西北春麦区Apsim-Wheat模型
参 数 全 局 敏 感 性 分 析 [J]. 麦 类 作 物 学 报 , 2022, 42(6):
746?754
DENG X L, DONG L X, LI G, et al. Global sensitivity analysis
of apsim-wheat model parameters in northwest spring wheat
region[J]. Journal of Triticeae Crops, 2022, 42(6): 746?754
[28]
ZHANG M, GAO Y M, ZHANG Y H, et al. The contribution of
spike photosynthesis to wheat yield needs to be considered in
process-based crop models[J]. Field Crops Research, 2020, 257:
107931
[29]
112 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
|
|
