基于CERES-Maize模型的吉林西部玉米干旱脆弱性评价与区划

自然灾害风险(risk)是灾害损失的可能性,主要取决于致灾因子、脆弱性、暴露性以及防灾减灾能力4个因素。脆弱性(vulnerability)衡量承灾体遭受损害的程度,是灾损估算和风险评估的重要环节,是致灾因子与灾情联系的桥梁。在全面收集研究区气象、土壤、土地类型、田间管理数据等资料的基础上,基于自然灾害风险和气候变化领域对脆弱性的定义,在考虑到扰动、敏感性和适应能力的基础上建立干旱脆弱性评价模型。以吉林省西部的玉米干旱灾害作为研究对象,选取2004年、2006年和2007年3个典型干旱年,运用CERES-Maize模型逐日逐网格对玉米的生长过程进行模拟,并且计算出不同生育期干旱脆弱性;对相应年份的玉米因旱减产率与不同生育期脆弱性的相关分析表明,二者存在指数相关性,并且每个生育期都通过了?=0.05的F检验,说明利用上述模型对玉米干旱脆弱性的评价与区划是合理的;从相关系数的大小中可以看出,玉米因旱减产损失与抽雄—乳熟期和拔节—抽雄期脆弱性相关性较大,其次是乳熟—成熟期和出苗—拔节期。将不同生育期玉米干旱脆弱性指数划分为4个等级,借助GIS技术绘制了玉米干旱脆弱性区划图。结果表明:吉林省西部玉米干旱脆弱性较强的区域主要集中在白城、洮南、镇赉等地区,玉米干旱脆弱性较弱的区域主要集中在松原、扶余等地区。运用此模型可以评价和预测玉米不同生育期干旱脆弱性以及因干旱造成的玉米产量损失,本研究结果可以为研究区农业干旱灾害风险评估以及防灾减灾提供一定的依据。     

基于聚类法筛选历史相似气象数据的玉米产量DSSAT-CERES-Maize预测

根据陕西杨凌、合阳、长武3个站点各2 a玉米试验,在对玉米生长模拟模型CERES-Maize进行调试、验证的基础上,探索在生育期内进行动态产量预测的方法并验证.研究将目标生育期内未知气象数据分别用试验地的多年历史同期数据代替,结合生育期实时数据对应生成多个完整的气象数据序列运行模型预测产量.随着生育期的推进,逐日在气象数据序列中融入目标年实测的气象数据,从播种至收获动态模拟玉米产量.此外该研究使用改进前后的K-NN算法从历史气象年份中筛选目标年的气象相似年份进而预测产量.通过对3种方法预测精度及预测效率对比,确定改进的K-NN算法最优.研究表明,玉米生育前期产量预测可靠性和准确率均较差,抽雄后预测精度迅速提高;利用改进的K-NN算法在3个站点全生育期预测产量的平均绝对相对误差的均值分别为9.9%、19.8%、17.9%,抽雄后预测产量的平均绝对相对误差在0.2%~12.6%之间,相比于使用全部历史年份数据进行全生育期产量预测,模拟所需时间从61 min缩短至25 min.对该方法中降雨因子的筛选进一步改进可提高预报精度,未来有望达到业务应用水平.     

Using CERES-Maize model to determine the nitrogen fertilization requirements of early maturing maize in the Sudan Savanna of Nigeria

CERES-Maize model was used to determine nitrogen fertilizer requirements of early maturing maize varieties in the Sudan Savanna. Data were collected from 2013 to 2014 field experiments conducted in Bayero University Kano, (BUK), Kano, Nigeria. The experiments consisted of three nitrogen fertilizer levels (0, 60, and 120 kg N ha^?1) and two early maize varieties (EVDT and 2009 TZEEW). Sensitivity analysis was performed to evaluate the responses of the two maizes to N fertilizers and for economic and strategic responses. The model predicted grain yield and harvest index reasonably well for the two varieties. Increasing N application from 0 to 30 kg N ha^?1 increased grain yield by 105%, when nitrogen (N) rate was increased to 60 kg N ha^?1, grain yield increased by 226%. Yield increases of 364%, 451%, and 461% was observed when N rate increased from 0 to 90, 120, and 150 kg ha^?1, respectively.