农业系统可持续度的随机模拟方法与实证分析

从系统学角度,对农业可持续发展的持续度的确定问题进行了定量化分析。首先利用功效函数评价和时间序列的随机模拟分析等方法,建立了农业可持续发展系统的持续度理论计算模型与模拟预测模型;在此基础上,对浙江省农业系统可持续性的定量化确定及模拟预测问题进行了实证分析。研究结果表明,文中提出的计算模型能比较好的适应农业系统随机不确定性等基本特征,实证研究结论也为浙江省进一步实施农业可持续发展战略提供有益的决策参考。     

基于干湿期的随机天气发生器

为了按不同的应用需求生成可信的任意长序列逐日天气数据,为作物天气系统研究提供数据支持,该文描述了一个以干湿期随机模型为基础,组合了日降水量、温度和辐射变量随机模型的逐日天气发生器WGDWS(Weather Generator based on Dry and Wet Spells)。它分为两部分:以干湿期为独立随机变量的干湿期模型部分,和依赖第一种模型生成其余天气变量的模型部分;其天气要素的生成主要分2个步骤,即首先根据月经验分布值产生一个干期或湿期长度,然后生成干期或湿期的逐日值。利用代表中国不同地理区域的9个站点1973-2003年的逐日气象资料对天气发生器WGDWS进行了检验,并与基于干湿日开发的DWSS天气发生器进行了比较。结果表明两者性能基本相近,并且WGDWS模拟干湿期的效果更好。因此,WGDWS天气发生器用于生成逐日天气序列是可靠的,同时作为一个JAVA组件,还可以方便地嵌入作物模型系统。     

CLIGEN非降水参数在黄土高原的适应性评估

 天气生成器(CLIGEN)可以产生以日为时间单元的天气数据,从而广泛应用于土壤侵蚀和作物生长模拟模型,其模拟结果的优劣直接影响这些模型的输出结果。利用散布黄土高原的12个标准气象站点长时间序列的气候数据评估CLIGEN模拟非降水参数(温度、太阳辐射、风速)的能力。结果表明:CLIGEN能较好的模拟日最高温度;对日最低温度与露点温度的模拟次之;模型对太阳辐射和风速的模拟较差,特别是对风速的模拟,模拟值要显著的高于实测值。CLIGEN模拟的温度日较差、第1天最高温度与第2天最低温度之差、第2天最高温度与第1天最低温度之差的均值和标准差普遍偏高,但均值的误差较小,而标准差被过高模拟;模型在产生气候数据时,没有保持逐日渐变性和连续性。CLIGEN能够较好的模拟最高温度与最低温度的季节连续性与相关性;而过高的模拟了太阳辐射的季节相关性以及温度与太阳辐射的季节互相关性;同时,模型没有模拟出各气象要素自身及其之间的逐日相关性。     

随机气候生成器在黄土高原的适用性检验

 为进一步检验水蚀预报模型WEPP在黄土高原的适用性,并提供必要的数据准备,根据安塞水土保持综合试验站1986—2003年的日序列的降雨量、最高温度、最低温度和平均风速的实测值及全美范围内选择参照站得到的其他气象因子,对随机气候生成器在黄土高原的适用性进行了检验。结果表明:随机气候生成器能够较好地模拟单个气象因子,并未考虑各个气象因子之间的相互关系;同时,能准确地模拟年降水及其月分布,日最高温度、日最低温度的月分布,而风速模拟值的月均值、标准差普遍高于实测值的月均值、标准差。为此,选择参考站点时应综合考虑各个气象因子。按月计算的降水降水的概率和不降水降水的概率的模拟月均值比实测值偏低。     

CLIGEN天气发生器在长江上游地区的适用性评价

CLIGEN天气发生器是WEPP土壤侵蚀模型的组成模块之一,用于模型预测预报以及天气数据缺测时生成模拟天气数据;但是CLIGEN天气发生器是基于美国的天气条件研发的,在其他地区模拟的精度具有不确定性.以长江上游沱沱河站、马尔康站、丽江站、都江堰站和沙坪坝站5个典型国家气象站40年的日观测数据为基础,分析评价CLIGEN天气发生器在该地区模拟的日和月天气数据的精度.结果表明：CLIGEN天气发生器天气参数的输入对于模拟结果具有较大的影响;模拟结果在长江上游5个不同地貌区气象站的精度基本相当;模拟的日天气数据误差较大,模拟的月天气数据效果好于日天气数据;模拟的各月最高气温和最低气温平均值较实际值偏低,部分参数模拟值的绝对误差和相对误差存在一定的月际差异.     

WXGEN天气发生器在长江上游地区的适用性评价

WXGEN天气发生器是SWAT分布式流域水文模型的组成模块之一,用于模型预测预报以及天气数据缺测时生成模拟天气数据。以长江上游5个典型国家气象站40 a的日观测数据为基础,分析评价了WXGEN天气发生器在该地区模拟的日和月气象参数的精度。结果表明,WXGEN天气发生器在长江上游5个典型气象站模拟精度基本一致;模拟的日天气数据误差较大;模拟的月天气数据效果好于日天气数据,WXGEN天气发生器能较好地拟合月天气数据的分布,更适合于长江上游地区月气象参数的模拟,但WXGEN模拟的月天气数据误差具有较强的季节规律性,月降雨量和气温的模拟值较实际值偏低,而太阳辐射量模拟值却较实际值偏高。     

区域需水量多维随机模拟方法

需水模拟是水资源规划与管理的重要基础。采用Cholesky因子分解与Box-Cox数据变换及Monte-Carlo随机模拟等技术相结合的方法,建立了考虑月需水量相关性的区域需水量长系列多维随机模拟模型,并将模型应用于汉江中下游地区,结果表明,模拟需水序列的均值、方差等统计参数相对误差小,同时能表达各月需水量之间的相关关系。所建立的模型为需水模拟提供了新思路,具有一定的适用性。     

番茄的结构-功能模型 Ⅰ：基于有限态自动机的3D形态构建

根据番茄的形态结构特点及其演变规则,应用有限态自动机的数学理论,研究建立了番茄动态发展的随机结构模型。该模型建立在对番茄结构的宏观抽象和生理年龄(PHYAGE)与生长年龄(GA)这两个最重要的基本概念之上,利用“事件驱动”的状态转移机制模拟了番茄生长过程、分枝过程和死亡过程,其中利用了二项随机分布模拟番茄的动态生长,离散的Markov链用于模拟番茄的分枝模式。番茄的有限态自动机模型完成了对主茎上节间长度、果实个数以及叶子结构的随机模拟。并利用试验统计分析获得的参数结果,模拟出番茄在不同生长阶段的3D结构。该动态的番茄结构模型,为与生理生态模型进行接口建立互影响、互反馈的结构-功能模型打下了基础。     

四川省不同区域地表太阳总辐射模型适用性评价

选用1994−2016年四川省7个辐射站气象数据,在3个辐射区（川西高原I区、川东盆地II区和川西南山地III区）中评价了6种地表太阳总辐射（Rs）估算模型在3种天气类型（晴、多云、阴）下的适用性,并分析基于天气类型的组合模型在不同区域的模拟效果,以探寻最适宜全省不同区域的Rs估算方法。结果表明：（1）各经验模型在四川省整体表现良好（决定系数R2介于0.554～0.934,P <0. 001）,I区（甘孜和红原站）模拟效果最好的为日照时数模型A−P（平均绝对误差MAE为2.210±0.714MJ∙m⁻²∙d⁻¹）,II区（成都、绵阳和泸州站）、III区（峨眉山和攀枝花站）模拟效果最佳的均为混合模型Chen（II区MAE为1.510±0.027MJ∙m⁻²∙d⁻¹,III区为1.930±0.006MJ∙m⁻²∙d⁻¹）;（2）6个模型在四川省3种天气类型下的模拟效果呈晴天>多云>阴天的规律,日照时数模型（A−P和Ba模型）能更好地模拟晴天时的Rs,混合模型（Chen和Ab模型）则在多云和阴天时模拟效果更佳,I区在晴天、多云、阴天3种天气下模拟效果最好的模型分别是A−P（整体评价指标GPI为0.850）、Ab（1.294）、Ba（0.862）,II区分别为A−P（0.381）、Chen（1.358）、Chen（1.742）,III区分别为Chen（0.204）、Chen（0.857）、Chen（0.526）;（3）基于天气类型的组合模型（M新）模拟各区Rs的效果均比未组合前各模型的效果好（3个区GPI分别为0.558、0.582、0.134）。因此,推荐使用基于天气类型的组合模型来估算四川省Rs。     

天气发生器MulGETS和k-NN对区域历史气象场特征重现能力的比较

传统单站点天气发生器未考虑不同站点气象变量间的空间相关性,导致其在区域影响评价中的应用受到限制,而多站点天气发生器可以克服单站点天气发生器的缺点,近年来得到迅速发展。评估和验证多站点天气发生器对区域历史气象场特征的重现能力是开展影响评价的前提和基础。为此,本研究选取MulGETS（参数型）和k-NN（非参数型）发生器为代表模型,利用湘江流域12个气象站点1981−2010年日序列降水量、最高气温、最低气温资料,通过均值、标准差、偏度、极值、空间相关系数、空间连接度和自相关系数等指标的对比,评估了MulGETS和k-NN模型的优缺点及适用性。结果表明：MulGETS和k-NN模型均较好地再现了原气象场的均值、标准差和偏度,k-NN表现稍好于MulGETS。同时k-NN相比MulGETS在保持气象要素空间相关性上具有优势,特别是降水量的空间间歇性。由于算法本身的限制,k-NN无法模拟出超出历史数据范围的极值,而MulGETS具备一定的极值模拟能力。此外,MulGETS和k-NN在重现原始日尺度降水量的自相关性上均存在不足。总体来看,两个模型各具优势和不足,MulGETS更适于极端气象事件模拟,而k-NN可以更好地体现原始气象场的空间差异,实际使用时应根据不同的研究目的选择合适的模型。     

Comparing simulated crop yields with observed and synthetic weather data

Stochastic weather generators have been used in the development of climate scenarios which are input to agricultural simulation models that assess the climate impacts on crop growth and production. The synthetic data generated by a stochastic weather generator only mimic the observed weather data, thus discrepancies between the synthetic and the observed weather data often exist. For example, interannual variability in the synthetic data is often found to be weaker than in the observed data, i.e., the common problem of overdispersion. Here, we evaluate if the climate impact models are sensitive to such discrepancies. A stochastic weather generator (AAFC-WG) was used to generate 300 years long synthetic weather data for five Canadian locations, based on observed weather data for the baseline period of 1961−1990. The Decision Support System for Agrotechnology Transfer (DSSAT) v4.0 was employed to simulate crop growth and yield. Five major crops were simulated by the DSSAT model for three major soil types at each location, with 30-yr observed data and 300-yr synthetic data as weather input, respectively. Statistical tests were performed to investigate whether differences (both in mean and variance) of the simulated crop yields between the simulations with observed and synthetic weather data were statistically significant or not. Results showed that the differences in simulated crop yields were not statistically significant when synthetic weather data were used to substitute the observed data. Standard deviations of crop yield and biomass in simulations with synthetic weather data were, in 5 and 19% of all cases, respectively, found to be smaller by more than 20% to those simulated with observed weather. However, with only one exception, the differences in variances were not statistically significant. We conclude that reliable crop yield estimates can be obtained by combining the AAFC weather generator with the DSSAT crop growth models at the studied sites in Canada.     

LARS-WG天气发生器在黄土高原的适应性研究

 利用黄土高原地区西安、兰州、太原、银川、呼和浩特和延安6个气象站1951—1990年的日序列的降雨量、最高温度、最低温度及日照时间,用LARS-WG天气发生器模拟1991—2000年的日气象资料,并用1991—2000年的实际观测值与之比较,对LARS-WG天气发生器适应性进行了检验。通过线性回归、平方根误差和平均偏差评价表明:通过长序列日气象资料,LARS-WG天气发生器能准确地模拟黄土高原6个站点的日最高温度、日最低温度的月分布和年辐射总量。年降水及其月分布值普遍高于实际降水值。     

WGDWS天气发生器在中国五大气候区的适用性

为了检验基于干湿期的天气发生器(Weather Generator based on Dry and Wet Spells,WGDWS)在中国不同气候区的应用效果,该研究利用中国五大主要气候区16个站点57 a的逐日天气数据,通过对比生成与实测气象要素统计值,及比较WGDWS与随机天气模拟器(Daily Weather...     

The effect of temporal aggregation of weather input data on crop growth models’ results

Weather data are essential inputs for crop growth models, which are primarily developed for field level applications using site-specific daily weather data. Daily weather data are often not available, especially when models are applied to large regions and/or for future projections. It is possible to generate daily weather data from aggregated weather data, such as average monthly weather data, e.g. through a linear interpolation method. But, due to the nonlinearity of many weather-crop relationships, results of simulations using linearly interpolated data will deviate from those with actual (daily) data. The objective of this study was to analyse the sensitivity of different modelling approaches to the temporal resolution of weather input data. We used spring wheat as an example and considered three combinations of summarized and detailed approaches to model leaf area index development and associated radiation interception and biomass productivity, reflecting the typical range of detail in the structure of most models. Models were run with actual weather data and with aggregated weather data from which day-to-day variation had been removed by linear interpolation between monthly averages.Results from different climatic regions in Europe show that simulated biomass differs between model simulations using actual or aggregated temperature and/or radiation data. In addition, we find a relationship between the sensitivity of an approach to interpolation of input data and the degree of detail in that modelling approach: increasing detail results in higher sensitivity. Moreover, the magnitude of the day-to-day variability in weather conditions affects the results: increasing variability results in stronger differences between model results. Our results have implications for the choice of a specific approach to model a certain process depending on the available temporal resolution of input data.     

CLIGEN气候生成器模型在紫色土地区的适应性研究

随机气候生成器CLIGEN模型可以为当前一些综合模型所需要的气象资料提供必要的数据支持,为检验CLIGEN在四川紫色土地区的适用性,以CLIGEN模型为研究平台,根据四川省遂宁水土保持实验站1987～2002年降水和气温的月平均资料及在全美范围内选择参照站点得到的其他气象因子,利用CLIGEN模型分别模拟出遂宁市的月平均降水量、月平均最高温度和月平均最低温度。结果证明用所选的3个参证站点,利用CLIEGN模拟出来的降水、气温在数值上和年内的分布上均与实测值较为符合,选择模型有效系数E和平均绝对百分比误差（MAPE）为评价指标,作为3个站点最优选择的指标,最终选择CENTERVILLE站点为最优参证站,CEN-TERVILLE站点的模拟月平均降雨量、月平均最高温度和月平均最低温度的相对平均绝对值（MAPE）分别为7.15%,7.03%和6.17%,而有效系数分别为0.996 2,0.926 6和0.995 7,从而确定了CLIGEN模型在遂宁紫色土地区的适用性。