Improving cereal yield forecasts in Europe – The impact of weather extremes

The impact of extreme events (such as prolonged droughts, heat waves, cold shocks and frost) is poorly represented by most of the existing yield forecasting systems. Two new model-based approaches that account for the impact of extreme weather events on crop production are presented as a way to improve yield forecasts, both based on the Crop Growth Monitoring System (CGMS) of the European Commission. A first approach includes simple relations – consistent with the degree of complexity of the most generic crop simulators – to explicitly model the impact of these events on leaf development and yield formation. A second approach is a hybrid system which adds selected agro-climatic indicators (accounting for drought and cold/heat stress) to the previous one. The new proposed methods, together with the CGMS-standard approach and a system exclusively based on selected agro-climatic indicators, were evaluated in a comparative fashion for their forecasting reliability. The four systems were assessed for the main micro- and macro-thermal cereal crops grown in highly productive European countries. The workflow included the statistical post-processing of model outputs aggregated at national level with historical series (1995–2013) of official yields, followed by a cross-validation for forecasting events triggered at flowering, maturity and at an intermediate stage. With the system based on agro-climatic indicators, satisfactory performances were limited to microthermal crops grown in Mediterranean environments (i.e. crop production systems mainly driven by rainfall distribution). Compared to CGMS-standard system, the newly proposed approaches increased the forecasting reliability in 94% of the combinations crop × country × forecasting moment. In particular, the explicit simulation of the impact of extreme events explained a large part of the inter-annual variability (up to +44% for spring barley in Poland), while the addition of agro-climatic indicators to the workflow mostly added accuracy to an already satisfactory forecasting system.     

基于WOFOST模型的辽宁省春玉米干旱灾损风险评估

利用锦州农业气象试验站的作物生长发育和土壤实测数据对WOFOST模型水分胁迫模块进行了调参，适用性验证表明，WOFOST模型适用于辽宁省春玉米生长发育和产量的模拟，辽宁省春玉米受干旱的影响可以利用WOFOST模型较敏感地反映出来。利用调参后的WOFOST模型模拟了全生育期及出苗~拔节、拔节~抽雄、抽雄~乳熟和乳熟~成熟各阶段发生轻、中、重旱情景对辽宁省春玉米产量的影响，并根据模拟结果确定了不同干旱风险等级下辽宁省东、中、西部玉米生产的灾损范围。结果表明：不同生育期发生干旱对产量的影响不同，总体上，抽雄~乳熟期发生干旱的影响最大，其次是拔节~抽雄期，而出苗~拔节期和乳熟~成熟期发生干旱对产量的影响较小，全省春玉米在抽雄~乳熟期发生重旱的减产风险达30%~70%；在相同干旱水平下，不同区域受影响程度也不同，在全生育期及各生育阶段发生轻、中、重旱情景下，干旱导致的减产率总体上表现为由东部向西部地区逐渐加重的趋势，在全生育期重旱情景下，辽宁省东部的春玉米减产率为40%~75%，中部为60%~90%，西部达65%~95%。     

WOFOST模型在河南省夏玉米主产区的校准与验证

为检验WOFOST模型在河南夏玉米主产区的适用性,通过大田试验数据,对WOFOST进行参数校准,并利用独立数据,对夏玉米叶面积指数、生物量、产量的模拟结果进行验证.结果表明,校准后的WOFOST对叶面积指数、生物量和产量的模拟效果较好.在整个生育期内,叶面积指数模拟值与观测值的归一化均方根误差(NRMSE)为20.7％,茎、叶、籽粒各器官干物质量及地上部生物量模拟值与观测值的NRMSE分别为10.6％、18.3％、21.3％、17.7％,夏玉米收获产量模拟值与观测值的NRMSE为6.1％.校准后的WOFOST可较准确地模拟夏玉米生长动态及生物量积累动态,适用于河南夏玉米主产区夏玉米生长模拟和产量预测.     

黑龙江省马铃薯气候生产力特征及区划

利用黑龙江省81个气象站1975-2004年30 a的逐日气象资料及相应插值的网格同期逐日气象资料,采用WOFOST作物生长模型,模拟并分析了马铃薯气候生产力的空间分布特征,同时分析了各地气候生产力影响因素及分布特征;利用气候生产力的距平百分率、变异系数及与气候生产力密切相关的有关生育期的4个气候因子(平均气温、气温日较差、日平均日照时数、降水量),采用动态聚类分析方法,将黑龙江省马铃薯可能种植区初步划分为9类气候栽培区,为充分利用当地气候资源发展马铃薯生产提供参考。     

The Potential Effect of Climate Change and Elevated Air Carbon Dioxide on Agricultural Crop Production in Central and Southeastern Europe

SUMMARY

The vulnerability and adaptation of major agricultural crops to different soils in Austria and Bulgaria under a changing climate and elevated air CO₂ were investigated. Several incremental and transient GCM climate change scenarios were created and applied. Warming will decrease the crop-growing duration of the selected crops in the regions of interest. All GCM scenarios, including the climate change effect only, projected reductions in grain yield of winter wheat and spring barley, caused by a shorter crop-growing period. However, when the direct effect of an increased CO₂ level was assumed, most GCM climate change scenarios projected an increase in wheat and barley yield and especially in soybean yield. An increased level of CO₂ alone had no significant impact on the simulated maize yield reductions under climate change.     

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。     

气候变化对黄淮海地区冬小麦光温生产潜力的影响

[目的]研究气候变化对黄淮海地区冬小麦光温生产潜力的影响,为应对气候变化提供理论依据。[方法]基于黄淮海地区51个气象站点的1971～2006年的逐日气象数据,以WOFOST模拟冬小麦的光温生产潜力,借用ArcGIS软件,研究光温生产潜力的时空变化。[结果]研究时段内,黄淮海冬小麦光温生产潜力整体呈增加趋势,然而不同区域的趋势不一致。不考虑20世纪80年代冷湿气候的影响,河北西北部和南部、河南东南部及环渤海湾地带的光温生产潜力呈上升趋势;冀东、京津和鲁中地区的光温生产潜力呈下降趋势;河南西部和北部的光温生产潜力20世纪80、90年代连续下降,进入21世纪初后大幅上升。[结论]气候变化整体上有利于光温生产潜力的提高。     

基于校正WOFOST模型的枣树生长模拟与水分利用评价

为实现定量化分析温、光和水资源对果树生长的影响，本研究以成龄骏枣树为研究对象，提出了基于校正WOFOST模型的枣树生长和水分运移模拟方法。利用2016和2017年的田间试验观测数据，重点校正WOFOST模型的物候学发育、初始化、绿叶、CO₂同化、干物质分配、呼吸作用和水分利用参数。在田间尺度，完成总地上生物量（TAGP）、叶面积指数（LAI）和土壤水分含量的动态模拟和精度验证；在县域尺度，使用55个果园的最大LAI、单产、实际蒸散量（\mathrm{E}{\mathrm{T}}_a）和水分利用效率（WUE）数据评价模型区域尺度的模拟性能。结果表明，在田间尺度，校正模型模拟不同灌溉梯度TAGP的决定系数R²范围为0.92~0.98，归一化均方根误差NRMSE为8.7%~20.5%；模拟LAI的R²范围为0.79~0.97，NRMSE为8.3%~21.1%；模拟土壤水分含量的决定系数R²范围为0.29~0.75，NRMSE为4.1%~6.1%。在县域尺度，两年模拟最大LAI与实测LAI的R²分别为0.64和0.78，NRMSE分别为13.3%和10.7%；模拟单产的R²分别为0.48和0.60，NRMSE分别是12.1%和11.9%；模拟\mathrm{E}{\mathrm{T}}_a均方根误差分别为36.1 mm（7.9%）和30.8 mm（7.4%）；模型也表现了较高的WUE模拟精度（10%<NRMSE<20%），均方根误差RMSE值分别为0.23和0.28 kg/m³。WOFOST模型在田间和县域尺度都取得了较高的枣树生长和水分运移模拟精度，可为土壤、气象、灌溉管理和枣树生长耦合影响的定量化分析提供新思路。     

WOFOST模型对山东省夏玉米发育期与产量模拟的适用性评价

夏玉米作为山东省最主要的粮食作物,其生长发育与产量变化,对保障地区乃至全国的粮食安全具有举足轻重的作用。不同生育期内气象要素的不同组合对夏玉米发育进程与产量形成等将产生重要影响。WOFOST作物模型机理性较强、定量水平高,且更为高效,能够为客观、定量、动态地评估气象要素对夏玉米生产的影响提供技术支撑。为提高作物模型模拟的准确性,将山东省分为鲁西北、鲁中、鲁西南、鲁东南与半岛5个调参区域,并结合山东省10个夏玉米观测站2012-2014年玉米主栽品种的生长发育数据,开展模型的调参验证与适用性评价。研究结果表明,WOFOST模型对山东省各观测站点所有年份出苗期的模拟误差均不超过4d,决定系数（R ²）在0.43~0.99,归一化均方根误差（nRMSE）为0.3%~1.9%;针对开花期和成熟期,各观测站点绝大多数年份模拟误差均不超过5d,大多数观测站点R ²分别在0.77~0.99与0.51~0.99,各观测站点nRMSE分别在0.4%~2.3%与0.7%~3.2%;绝大多数观测站点产量模拟R ²在0.68~0.99,相对误差为0.8%~16.7%,绝大多数观测站点相对误差小于10%;nRMSE在1.2%~19.5%,均小于30%,大部分观测站点nRMSE小于10%。各评价指标均在可接受的范围内,WOFOST模型能够对山东省夏玉米发育期与产量进行较准确的模拟。     

世界粮食研究模型在黑龙江省作物产量预报中的应用

在现有研究成果的基础上，提出世界粮食研究（WOFOST）模型在黑龙江省四大作物产量预报应用中的参数分区处理方法，运用WOFOST的模拟产量和趋势产量对黑龙江省四大作物产量进行了预测分析。研究表明：该方法效果理想、可行，具有理论研究和实际应用价值，克服了只用一组参数在复杂气候区域进行作物产量模拟的局限性，拓宽了WOFOST模型在复杂气候条件下的应用领域。