作物模型中单叶最大光合作用速率的温度响应修订

作物的光合作用对温度变化敏感, 其温度依存性随品种、生长环境的变化而改变。基于光效率模型的作物生长模型, 在应用中很少对光合作用的温度影响参数值进行订正, 且在全生育期使用相同的参数值, 难免会增加干物质模拟的误差。为此, 本文以ORYZA2000模型为例, 提出了一种修订光合作用温度影响参数值的方法。为确定方法的有效性, 结合2012年和2013年水稻品种两优培九的温度梯度控制实验, 首先利用抽穗开花期光合作用观测曲线提取了不同温度水平的光合作用参数值, 然后结合Arrhenius方程和Peaked方程建立了温度敏感性参数的温度影响方程。将这些方程代入机理性光合作用模型, 模拟了单叶最大光合作用速率与温度的曲线关系。最后, 以归一化后的曲线关系修订作物模型参数值, 并利用两年地上部分生物量(WAGT)观测值对其验证。结果显示, 两优培九单叶最大总光合作用速率随温度的变化关系不同于ORYZA2000的默认设置, 修订后的最适温度为38~40°C, 高于默认值。在10~20°C的低温段, 修订后的温度影响系数低于默认值。从WAGT模拟值的相对误差看, 修订后较修订前平均降低约3.3%。本研究为改进干物质模拟精度和分析不同品种光合作用的温度依存性提供了重要参考。     

光温要素对水稻群体茎蘖增长动态影响的分析及模拟

为研究水稻茎蘖增长阶段光温要素对茎蘖动态的影响,并验证现有茎蘖动态模拟模型中的光温影响方程,以籼型两系杂交稻陵两优268和两优培九为试验品种,进行了为期2年每年7个播期的大田试验。首先,采用Richards方程对茎蘖观测数据进行拟合,获取茎蘖增长动态的特征参数。然后,分析特征参数与茎蘖增长期内平均光温要素和气候要素的关系,并在此基础上,以光温组合因子为自变量,分别构建2个品种茎蘖增长速率和分蘖率的光温组合影响方程,将获取的方程替换水稻群体茎蘖动态模拟模型中的光温影响方程。最后,验证和比较替换前后模型的模拟结果及与实测茎蘖动态的误差。结果显示,受光温要素的共同作用,平均茎蘖增长速率和最大茎蘖密度均与光温要素显著正相关,表明光温要素不仅影响茎蘖增长速率,也影响实际最大群体茎蘖密度,这在构建的光温组合影响方程中得到了较好的反映。较现有模型,替换后模型在茎蘖增长动态上的模拟误差总体减小,模拟的茎蘖增长速率和最大茎蘖密度与实际吻合较好,但在部分验证数据上仍存在较大误差。然而,本文提出的验证和改进光温影响方程的方法,对了解光温影响机制和完善群体茎蘖动态模拟模型具有一定的参考价值。     

基于Richards扩展方程提取水稻灌浆结实光温特性参数

以籼型两系杂交稻陵两优268和两优培九为材料,进行了为期两年(2012-2013)的大田分期播种试验,每年分7期播种,旨在研究水稻灌浆期光温要素对籽粒灌浆结实的影响,并提取与此有关的光温特性参数。因此,以Richards方程拟合观测数据得到的平均灌浆速率为纽带,通过引入光温订正方程,建立Richards扩展方程。结合全局优化算法SCE-UA (Shuffled Complex Evolution Algorithm),优化方程参数,估算2个品种灌浆结实的光温特征参数和响应曲线。结果显示,光照主要通过影响籽粒最终重量而间接作用于平均灌浆速率,温度则通过影响灌浆进程的快慢作用于平均灌浆速率。陵两优268灌浆结实期的光照阈值(R₀)、最低(T_min)、最高(T_max)和最适温度(T_op)分别为18.94 MJ m^-2 d^-1、6.81℃、30.28℃和33.29℃; 两优培九上述参数分别为21.71 MJ m^-2 d^-1、6.10℃、24.16℃和33.74℃。形成的光照和温度响应曲线,能够较好地反映两品种平均灌浆速率对光温条件的响应差异,其中陵两优268平均灌浆速率表现为“温度敏感型”,而两优培九表现为“光照敏感型”。本文运用数学模型方法定量分析和比较了光温要素对有效灌浆期内平均灌浆速率的影响,其方法和结论为建立相应的农业气象指标,评估气候资源对水稻产量的影响提供了重要参考依据。     

基于非线性参数优化的水稻花前生育期参数估计

水稻生育期模型为复杂的非线性模型,其参数的合理标定是模型应用的重要环节。本文采用两种不同温度响应函数的花前生育期模型（MBETA和MBILN）,利用基于GML（Gauss-Marquardt-Levenberg）算法的模型独立参数优化程序PEST（model-independent parameter estimation）对模型参数进行优化,并在优化中引入参数先验信息和参数初始值扰动方法,以提高参数优化结果的可靠性。结果显示,参数先验信息有效降低了待优化参数的不确定性。最优参数值的95%置信区间较初始值域显著缩小。在优化得到的参数相关系数矩阵中也未显现出高度相关的参数。从目标函数值（?）序列看,MBETA和MBILN的?值最终收敛至相当接近的最小值,分别为11.71和11.82。但该最小值下两个模型的温度、光周期效应等参数值存在一定差异。这种差异平衡了不同温度响应方程与模型其它方程对水稻生育期模拟误差的贡献。在最优参数值组合下,两个模型验证结果表现一致。其中,抽穗开花期模拟值与实测值的相关性均通过了0.01水平的显著性检验。模拟误差主要来自幼穗分化期,与缺少对水稻光周期敏感始期的观测有关。本文优化方法降低了待优化参数收敛于局部小值的几率,对稳定参数优化和提高优化结果的可靠性具有重要作用。