WOFOST模型的发展及应用

作物生长模拟模型已经成为一门新兴的科学,可以为农业资源的管理利用、农业最大收益的获取提供科学的依据。WOFOST(W orld Food Stud ies)模型是荷兰瓦根宁农业大学和世界粮食研究中心共同开发研制的,是模拟特定的土壤和气候条件下一年生作物生长的动态的、解释性模型。WOFOST模型已经在欧洲、非洲以及亚洲的一些地区得到了运用和验证,可用于水稻、玉米、小麦等多种一年生作物的模拟。WOFOST模型可用来分析作物产量风险,不同年份产量的变化,土壤类型及气候变化对产量变化的影响;确定播种策略以及农业机械使用的关键时期;该模型还可用于估计某种作物最大潜在产量,提高灌溉和施肥的增产效益,对生长在不利条件以及地区的作物产量进行预测等。该模型对可持续农业的发展具有积极的指导作用。     

针对华北小麦越冬的WOFOST模型改进

华北冬小麦生育期间存在较长的越冬休眠期，利用作物模型准确模拟冬小麦越冬过程有利于改善模型的模拟效果。本文针对华北地区气候特征和冬小麦品种生态类型，从冬小麦越冬、返青的气象指标出发对WOFOST模型进行了参数调整，从而实现了该模型对越冬物候期的模拟。根据返青后实际观测资料对返青期生物量的重新初始化，使WOFOST模型可以模拟出华北冬小麦的越冬损耗现象，并使模拟整个生育期地上生物量的平均拟合优度和关键发育期生物量的相对误差有所降低，为WOFOST模型适应华北冬小麦生长发育的模拟及区域应用奠定了基础。     

基于MCMC方法的WOFOST模型参数标定与不确定性分析

为探究作物生长模型参数的自动标定技术及其不确定性分析方法,该研究以郑州农业气象试验站为试验点,利用融入了snooker更新(snooker update)的DE-MC(differential evolution Markov chain,差分进化马尔科夫链)方法实现对WOFOST(world food studies)作物生长模型的参数标定和不确定性定量评价。snooker更新增加了DE-MC算法中候选样本的多样性,从而实现利用更少的并行链对多维参数空间进行有效采样,较适合于WOFOST模型参数众多的特性。结果表明:相比于模型默认值,采用MCMC(Markov chain Monte Carlo,马尔科夫链-蒙特卡洛)标定后的参数,叶面积指数(leaf area index,LAI)模拟精度可提高51.40%~53.07%,产量模拟精度提高8.25%~8.88%。标定参数中,SPAN、SLATB070、SLATB040、AMAXTB130和SLATB00的后验分布可近似为高斯分布,其中SPAN的不确定性最低。带入后验参数集合进行模型,LAI在三叶期至返青期之间以及拔节期至抽穗期之间模拟的不确定性较大;产量模拟的不确定性随时间不断增大,至乳熟期前后达到稳定。该方法能够实现对多参数复杂作物生长模型的参数标定和不确定性分析,对作物模型参数估计及提高模拟精度具有重要作用。     

基于遥感信息与作物模型集合卡尔曼滤波同化的区域冬小麦产量预测

区域作物产量预测是国家粮食安全评估的重要内容。遥感虽能获取大面积地表信息,却难以反映作物生长发育的内在过程。作物生长模型已经在单点尺度能成功模拟作物的生长发育过程,但是区域尺度作物关键参数的获取仍很困难。遥感信息与作物模型结合的数据同化已经成为区域产量预测的最有效途径。该文选择河北省衡水地区冬小麦为研究对象,在WOFOST模型标定与区域化的基础上,利用WOFOST模型描述冬小麦生育期内叶面积指数(LAI)变化规律。针对MODIS数据的混合像元造成反演的LAI产品偏低的系统误差,利用实测LAI样本点融合MODIS-LAI趋势信息修正MODIS-LAI数据产品。采用集合卡尔曼(EnKF)算法同化冬小麦返青到抽穗期的MODIS-LAI与WOFOST模拟的LAI以获得时间序列最优的LAI,并以此重新驱动WOFOST模型估算区域冬小麦产量。结果表明,EnKF同化后的冬小麦产量比未同化的产量预测精度有显著提高,与县平均统计产量相比,在潜在模式下,决定系数由0.13提高到0.38,均方根误差由2480下降到880kg/hm2。研究表明,遥感信息与作物模型的EnKF同化是1种有效的作物产量预测方法,并在区域尺度应用上具有广阔的应用潜力。该研究可为区域尺度的作物估产提供参考。     

作物长势监测系统(CGMS)在黑龙江省的应用

利用黑龙江省实测气象资料以及玉米、大豆、水稻和春小麦的实测资料对作物生长监测预报模式(CGMS)中四大主要作物的重要参数进行修正和参数分区处理,并利用不同模型对各县(市)2003年的作物产量进行了监测预报,检验分析结果证明预报效果较好,准确度较高,CGMS在黑龙江省粮食监测和预报中具有理论研究和实际应用价值。     

SCE标定结合EnKF同化遥感和WOFOST模型模拟冬小麦时序LAI

WOFOST(world food studies)模型可用于模拟冬小麦全生育期内的时序叶面积指数(leaf area index, LAI),各器官生物量以及最终产量,对冬小麦的长势监测与产量预估有着重要意义。但将WOFOST模型用于中国具体区域的冬小麦生长模拟时,存在着参数定标困难、模拟结果不够准确等严重问题。目前对该模型的定标大多依靠研究者的经验进行,虽已总结出了一套从标定到模拟应用的研究方法,但在区域模拟时仍然存在很多问题。为此,该文以较易获取的LAI为参考指标,结合潜在生长水平模式下的WOFOST模型在衡水地区的应用,提出了一种"区域优化标定,像元同化修正"的研究方法:首先在区域尺度上对WOFOST模型进行优化标定,利用扩展傅里叶幅度灵敏度检验法(extend fourier amplitude sensitivity test, EFAST)分析模型各个参数的敏感性,在此基础上选择了可以迅速找到全局最优解的SCE(shuffled complex evolution)算法对总敏感度最高的5个参数进行优化,并将优化前后的时序LAI曲线进行对比;其次运用第一步确定的模型最优参数,在对区域内每个像元进行模拟时,结合Sentinel-2卫星数据反演所得的各个像元LAI,利用集合卡尔曼滤波(ensemble kalman filter, EnKF)在像元尺度上对LAI进行同化修正,并结合采样点的2次实测LAI数据对同化所得结果进行验证。试验发现,优化标定后的WOFOST模型模拟所得LAI曲线更接近所给的LAI真值,在此基础上结合数据同化模拟得出的衡水地区每个像元LAI的R2达到0.87,RMSE仅为0.62。因此,与原来只能通过经验进行定标的方法相比,该方法有效地解决了WOFOST模型在具体应用中亟待解决的复杂标定问题,并且结合同化修正有效地提高了模型在各个像元的模拟精度,R2由0.70～0.83提升至了0.87,RMSE由0.89～1.36降低至了0.62。同时该文也提供了从模型标定到具体模拟整个过程中各个环节的思路与方法,有利于促进WOFOST模型在区域尺度上的应用。     

应用WOFOST模型模拟低温与干旱对玉米产量的综合影响

在玉米苗期和抽雄期利用人工气候箱对不同水分条件下的玉米植株分别进行低温处理，通过控制试验分析了低温、干旱以及二者合并对玉米生产的影响，在此基础上应用WOFOST作物模型模拟分析了低温、干旱以及二者合并对东北地区玉米产量的影响。试验与模拟结果均表明，低温、干旱以及低温和干旱并发都会使玉米的产量下降，而且低温和干旱并发的影响都要比单一灾害发生条件下大，减产幅度在34．5％左右。同时也很好地验证了WOFOST作物模型应用于低温和干旱对玉米产量影响的适应性。     

基于全局敏感性分析和贝叶斯方法的WOFOST作物模型参数优化

作物模型参数的敏感性分析、标定和验证可以提高模型的效率和精准度,进而为模型应用做好准备工作。该研究结合参数全局敏感性分析方法以及贝叶斯后验估计理论的马尔科夫蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法,以华北栾城站三年的冬小麦观测数据(叶面积和地上生物量)为参照,对WOFOST模型的55个品种参数进行了敏感性分析、筛选和优化。发现:1)对叶面积影响较大的参数为:生育期为0、0.5、0.6和0.75时的比叶面积、生育期为1.5时的最大光合速率、叶面积指数最大增长率;对地上干物质影响较大的参数为:生育期为1.5时的最大光合速率、生育期为0时的比叶面积、35℃时叶面积的生命周期、生育期为0时的散射消光系数、生育期为1.8时的最大光合速率、储存器官的同化物转换效率。2)潜在和雨养产量水平下,最大叶面积和地上生物量对参数的敏感性差异不大。3)马尔科夫蒙特卡洛方法(MCMC)可以对WOFOST模型品种参数较好地优化;设计的3种校正-验证方案中,第1种方案(用1998-1999年作为校正年份,1999-2000年,2000-2001年作为验证年份)模拟效果最好。4)优化后的参数,模型对潜在产量水平模拟较好,一致性指数均大于0.9,相对均方根误差小于20%;而对有水分胁迫的雨养情况下比潜在产量水平的模拟结果差,表明模型对水分胁迫的模拟不足。该研究为WOFOST模型区域应用和模型调整优化提供科学理论依据。     

基于WOFOST模型的中国主产区冬小麦生长过程动态模拟

大区域尺度WOFOST(world food studies)模型的动态模拟是作物模型区域应用的重要基础。该文以中国冬小麦主产区为研究对象,利用中国冬小麦主产区内174个农业气象站多年观测数据以及气象站点观测数据,重点优化WOFOST模型中与品种相关的积温参数,即出苗至开花有效积温与开花至成熟有效积温。在冬小麦主产区分区的基础上,以2012—2015年气象数据驱动WOFOST模型,在站点尺度进行冬小麦的物候期、叶面积指数(leaf area index,LAI)和单产动态模拟和精度分析。结果表明:WOFOST模型模拟出苗至开花天数的决定系数R2为0.89~0.94,均方根误差RMSE为7.87~11.52 d,模型模拟开花至成熟天数的R2为0.63~0.77,RMSE为2.99~4.65 d;模型模拟LAI的R2为0.70~0.83,RMSE为0.89~1.46 m2/m2;灌溉区WOFOST模拟的单产精度R2为0.45~0.59,RMSE为734~1 421 kg/hm2;雨养区WOFOST模拟的单产精度R2为0.48~0.61,RMSE为1 046~1 329 kg/hm2。结果表明,WOFOST模型在全国尺度取得了较高模拟精度,为区域尺度作物模型的农业应用提供了坚实的过程模型基础。     

土壤湿度驱动WOFOST模型及其适应性

WOFOST作物生长模型是以日降水量表征降水输入参数,通过推算土壤相对湿度实现作物生长模拟。由于日降水量随机性较大,很难通过控制日降水量实现不同土壤干旱等级情景设置,限制了WOFOST作物生长模型在不同水分胁迫下对作物生长的模拟,也影响了模拟试验的精度。本文提出以土壤相对湿度直接驱动WOFOST作物生长模型,并以Compaq Visual Fortran 6.5为开发平台,采用Fortran语言对WOFOST作物生长模型的源代码进行修改,将驱动模块中的日降水量文件替换为土壤相对湿度驱动文件。以2013年山东省夏津农业气象试验站玉米出苗-拔节期和抽雄-成熟期水分胁迫和整个生育期自然降水处理（对照）的试验数据为例,对修改后的WOFOST作物生长模型进行了模拟试验。结果显示,采用修订后的模型输出的实测鲜叶干重、鲜茎干重、营养器官干重、地上物质总重和叶面积指数等生物量指标均较原模型输出结果,不仅精度明显提高,而且,由于土壤湿度变化较平稳,较容易地实现了不同水分胁迫情景设置,进而实现不同土壤干旱等级条件下玉米生长的模拟,为分析不同程度干旱对玉米生长的影响及确定其生长发育指标提供了便利条件。     

基于WOFOST模型分析不同气候情景对辽宁典型雨养春玉米产量的影响

气温、降水和辐射是农作物生长发育必需的基本气候要素，其大小、波动及空间分布决定局部地区的种植结构和农产品产量增减，具有喜温喜水特性的玉米其生长发育对气候变化的响应更为敏感。本研究基于辽宁省新民和朝阳地区近40a气象数据分析各气候要素变化特征，根据局地气候暖干化趋势耦合气温、降水、辐射三要素构建不同气候情景，利用田间实测数据对WOFOST模型进行校准和适用性检验，并将该模型用于模拟不同气候情景下辽宁典型雨养春玉米产量变化。结果表明：（1）验证后的WOFOST模型能较好地模拟两站点春玉米产量，其模拟值与实测值的相对均方根误差分别为8.78%和5.96%，一致性系数分别为0.82和0.96。（2）新民和朝阳两地在设定的气候要素变化范围内春玉米产量与气温呈负相关，与降水呈正相关。在气温增加，降水减少，辐射增强的不同梯度气候情景下，新民（气温+1.2℃，降水量−25%，辐射+4%）和朝阳（气温+1.4℃，降水量−25%，辐射+3%）减产幅度分别达92.5%和85.9%，接近雨养春玉米绝产的警戒气候情景。（3）新民春玉米产量受降水影响显著，朝阳则对气温变化响应敏感，而两地产量对给定比例的辐射变化均未表现出明显波动。     

未来气候变化对重庆地区冬小麦产量的影响

分析重庆地区40 a来气候变化对冬小麦产量的影响,用WOFOST作物模型与BCC-T63气候模式相结合,定量化地估算未来50 a(2001-2050年)重庆地区冬小麦产量变化趋势。结果表明:在目前的品种和生产条件下,未来气候变化后重庆地区冬小麦的产量变化波动不是很大,减产幅度在2.0%~5.0%,平均减产3.0%。     

Potential performances of remotely sensed LAI assimilation in WOFOST model based on an OSS Experiment

An Observing System Simulation Experiment (OSSE) has been defined to assess the potentialities of assimilating winter wheat leaf area index (LAI) estimations derived from remote sensing into the crop growth model WOFOST. Two assimilation strategies are considered: one based on Ensemble Kalman Filter (EnKF) and the second on recalibration/re-initialisation of uncertain model parameters and initial state conditions. The main objective of the OSS Experiment is to estimate the requisites for the remotely sensed LAI, in terms of accuracy and sampling frequency, to reach target of either 25 or 50% reduction of errors on the final estimation of grain yields.Our results demonstrate that EnKF is not suitable for assimilating LAI in WOFOST as the average error on final grain yields estimation globally increases. These poor results can be explained by the possible differences of phenological development existing between assimilated and modelled LAI values (difference called “phenological shift” in our study) which is not corrected by the EnKF-based assimilation strategy.On the contrary, a recalibration-based assimilation approach globally improves the estimation of final grain yields in a significant way. On average, such improvement can reach up to approximately 65% when observations are available all along the growing season. Improvements on the order of 20% can be already be attained early in the season, which is of great interest in a crop yield forecasting perspective. If the first objective (25%) of error reduction on final grain yields can be reached in a quite high number of assimilated LAI observations availabilities and uncertainty levels, the field of possibilities is significantly restricted for the second objective (50%) and implies to have LAI observations available all along the growing season, at least on a weekly basis and with an uncertainty level equal or ideally lower than 10%. These requirements are not currently met from neither a technological nor an operational point of view but the results presented here can provide guidelines for future missions dedicated to crop growth monitoring.     

WOFOST: a simulation model of crop production

Abstract. The WOFOST simulation model is a tool for analysing the growth and production of field crops under a wide range of weather and soil conditions. Such an analysis is important first to assess to what extent crop production is limited by the factors of light, moisture and macro-nutrients, and second to estimate what improvements are possible. The theoretical concept of a production situation, as modelled by WOFOST, is explained, as is the hierarchy of potential production and water-limited and nutrient-limited production situations in the analysis. The organization of the computer files in the model, the structure of the FORTRAN source program and the available standard sets of data are described briefly.