首页 > 英文翻译

基于EFAST的CERES-Wheat模型土壤参数敏感性分析

更新时间:2023-07-19 10:17:49 阅读：评论：0

农业机械学报第51卷第12期2020年12月

doi：10.6041/j.issn.1000-1298.2020.12.030

基于EFAST的CERES Wheat模型土壤参数敏感性分析

崔金涛1,2丁继辉3YESILEKIN Nebi4邓升5邵光成3

(1.河海大学水文水资源与水利工程科学国家重点实验室，南京210098；2.河海大学水文水资源学院，南京210098；

3.河海大学农业科学与工程学院，南京210098；

4.佛罗里达大学农业生物工程学院，盖恩斯维尔32608；

5.江西省水利科学研究院农村水利研究所，南昌330029)

摘要：为了定量讨论DSSAT CERES Wheat模型中土壤参数对模拟结果的影响，运用扩展傅里叶幅度检验(EFAST)法，对影响冬小麦生产及生态系统中氮素分布的2类模型参数进行了敏感性研究，重点探讨了模型中土壤参数变化对模型模拟的冬小麦产量、冬小麦氮素分布、土壤氮素分布及土壤氮素转化的影响。

结果表明：对冬小麦产量、地上生物量及收获指数影响最敏感的土壤参数为田间持水率，其次是土壤酸碱度；对冬小麦地上生物量中氮素含量影响最敏感的土壤参数为土壤酸碱度，对冬小麦籽粒中氮素含量影响最敏感的参数为田间持水率，对冬小麦根和叶中氮素含量影响最敏感的土壤参数则为土壤总氮含量；对作物吸收土壤中氮素影响最敏感的参数是径流曲线数，对土壤氮淋失量影响最敏感的参数为排水比率，对土壤中硝态氮、铵态氮含量影响最敏感的参数为土壤总氮含量；对土壤中氮素矿化和硝化影响最敏感的土壤参数为土壤总氮含量，对土壤氮素反硝化影响最敏感的参数为排水比率，对氨挥发量影响最敏感的参数为土壤总氮含量，氨挥发量对排水比率和土壤酸碱度的变化也较敏感。当侧重于模拟冬小麦产量及作物氮素研究时，原需测量的15个土壤参数可简化为4个，而当侧重于土壤氮素转化及分布研究时，可简化为重点测量的9个参数。本研究可降低CERES Wheat模型土壤参数获取难度，方便模型本地化、区域化应用。

关键词：冬小麦；土壤参数；EFAST；DSSAT模型；氮素；敏感性分析

中图分类号：S512.1文献标识码：A文章编号：1000-1298(2020)12-0276_08OSID：

james deanSensitivity Analysis of Soil Input Parameters of CERES Wheat Model

Bad on EFAST Method

CUI Jintao1，2DING Jihui3YESILEKIN Nebi4DENG Sheng5SHAO Guangcheng3

(1.State Key Laboratory of Hydrology Water Resources and Hydraulic Engineering,Hohai University,Nanjing210098,China

2.College of Hydrology and Water Resources,Hohai University,Nanjing210098,China

3.College of Agricultural Science and Engineering，Hohai University，Nanjing210098，China

4.Agricultural and Biological Engineering,University of Florida,Gainesville32608,USA

5.Institute of Rural Water Conrvancy,Jiangxi Academy of Hydro Science,Nanchang330029,China)

Abstract:In order to quantify the impacts of soil input parameters on the nsitivity of CERES Wheat output variables，the extended Fourier amplitude nsitivity test(EFAST)method was ud to study the global nsitivity analysis.The most nsitive parameters for yield，tops biomass and harvest in

dex of winter wheat were soil field capacity(SDUL)，followed by soil pH(SLHB)among the soil parameters.

SDUL was also the most nsitive parameter for nitrogen content in grains，while SLHB was the most nsitive parameter for nitrogen content in tops biomass of winter wheat.Among the soil parameters，the most nsitive parameters for nitrogen content in root and leaf of winter wheat were both total nitrogen in soil(SLNI)，with the first order nsitivity index value of0.67and0.59，respectively.The runoff curve number(SLRO)and SDUL were more nsitive for the plant uptake nitrogen content than other soil parameters.Soil drainage rate(SLDR)was the most nsitive parameter for nitrogen leached during ason，while SLNI was the most nsitive to total soil nitrate nitrogen and ammonium nitrogen content.

SLNI was also the most nsitive parameter for nitrogen mineralization content and nitrification content，

收稿日期：20200219修回日期：20200414

基金项目：国家自然科学基金项目(51879072)、江苏省水利科技项目(2018051)和贵州省水利科技项目(KT201817)

作者简介：崔金涛(1991—)，男，博士后，主要从事节水灌溉理论与作物生长模型研究，E-mail：*****************

通信作者：丁继辉(1984—)，男，实验师，主要从事节水灌溉理论研究,E-mail：*****************

第12期崔金涛等：基于EFAST的CERES Wheat模型土壤参数敏感性分析277

while the nitrogen denitrification content was most affected by SLDR.The ammonia volatilization content was nsitive to SLNI,SLHB and SLDR.Furthermore,all15soil parameters that should have been measured can be simplified to four parameters when the rearch focus on the simulation of winter wheat production and crop nitrogen，and all the soil parameters can be simplified to nine parameters when the rearch focus on the simulation of soil nitrogen transformation and distribution.The rearch result provided a feasible method to decrea the difficulty in obtaining soil data for CERES Wheat model, which can benefit model localization and regional application.

Key words:winter wheat;soil parameters;EFAST；DSSAT model;nitrogen；nsitivity analysis

0引言

随着农业信息技术的兴起，作物模型逐渐成为数字农业和现代农业研究的热点⑴。自提出植被冠层光

能截获作物生长模型［:］后，经过50多年的发展已经涌现了大量的作物模型，其中较为成熟的作物生长模型主要有DSSAT(Decision support system for agrotechnology transfer)［3-4］、APSIM(Agricultural production system simulator)［5-6］,AquaCrop［7］、WOFOST(Worldfood studies)［8］和STICS(Simulateur multidisciplinaire pour Ies cultures standard)等。与传统田间试验相比，作物生长模型借助一系列数学公式，通过对农田生态系统中天气变化、养分循环、作物生长等过程进行模拟，为作物栽培、水肥管理、生态环境调控等方面提供决策，具有省时、省力、易重现的优点。因此，作物生长模型的应用越来越广泛。

农业生态系统运行过程十分复杂，涉及众多的物理过程及生化反应，因此作物模型在拥有众多优点的同时，也面临着参数过多、难以获取的问题［10-11］。以DSSAT模型为例，仅要求输入的土壤参数就有10多个，如果再考虑土壤异质性进行分层，则需要输入的土壤参数数量会成倍增加。虽然土壤参数具有明确物理含义，可以根据田间实测数据确定，但是在实际应用中，由于田间土壤的异质性，一些土壤参数的测量值可能变化范围较大［1:］，同时一些参数的测量极其复杂繁琐，很难对模型所涉及的全部参数进行测量和标定［13］o通常只测量和标定对模型模拟结果影响较大的参数，而固定或简单处理对模型模拟结果影响较小的参数［11，13-15］o 因此，筛选出对模拟结果敏感的关键控制参数，从而减少田间实测参数数量、降低模型输入参数获取难度，对模型参数率定及后续模型本地化、区域化应用至关重要。

敏感性分析可以确定参数对模拟结果的影响，从而筛选出对模拟敏感度较高的参数。全局敏感性分析不仅可以同时检验多个参数变化对模拟结果的影响，还评估了参数对模拟结果的直接和间接影响，因此广泛应用于地学、农学等领域的模型参数敏感性分析。近年来，不少学者已将全局敏感性分析法成功应用到作物生长模型的参数敏感性分析中［10，13，16-:0］o然而，已有研究大多集中于品种参数和田间管理对模拟结果的敏感性分析，研究目的多服务于模型调参率定，而对减少模型土壤参数实测数量及土壤参数简单处理的研究尚不多见。近年来，在促进农业生产的同时，开始注重对肥料的高效利用和对农业面源污染的防治［:1-::］o氮肥作为一种在农业生产中最为常见、施用最多的肥料［:1］，常通过氨挥发、淋溶、径流、硝化反硝化作用等途径损失。土壤状况是影响氮素运移、转化过程及不同形态氮素分布的重要因素之一［:3］，研究氮素在农业生产中的运移、转化过程及土壤对该过程的影响机理，有助于指导人们科学合理施肥［:1］，模型氮素分布敏感性研究可为模型在肥料高效利用及面源污染防治方面的应用提供理论参考。然而，已有研究大多侧重于模拟作物生长及产量方面，鲜见涉及氮素运移、转化过程的研究。

本文以江苏省涟水县水利科学研究站为研究区，根据冬小麦田间实测数据，应用EFAST法分析CERES Wheat模型中的土壤参数对冬小麦生长及氮素分布等模拟的敏感性，旨在降低模型土壤参数输入要求，为模型本地化应用提供技术支撑。

1材料与方法

1.1CERES Wheat模型及参数

CERES Wheat模型是DSSAT CERES模型中的一个子模块，以天为步长动态模拟冬小麦在不同的气象、土壤及灌溉、施肥等田间管理下的生长发育［:4］o模型通过计算作物冠层截获有效光合辐射来驱动，涉及水分吸收、光合过程、干物质分配和植株生长以及衰老等基本生理生态过程，模拟作物物候、叶面积变化、生长发育及生物产量形成，并在模拟过程中考虑生长过程中温度、水分和氮素等胁迫因素影响［:4":5］O模型运行需要输入气象数据、土壤数据、作物参数和田间管理信息4部分［3，:4］o气象数据至少包括模拟期内每日最低和最高气温、每日

278农业机械学报2020年

降雨量和太阳辐射量；土壤数据包括土壤容重、孔隙率、凋萎系数、田间持水率等土壤特性参数，并采用分层形式表达每一层土壤物理、水力、形态结构等特征；作物参数包括生态型、物种型和品种型3种参数，描述作物各器官光合作用、呼吸作用等生理过程，一般在模型率定调参时仅考虑品种型参数，不建议修改生态型和物种型参数［26］；田间管理信息包括种植日期、种植密度、行距、灌溉、施肥类型及施肥量等信息［27］o

本研究所需的试验数据来源于江苏省涟水县水利科学研究站(119.27°E,33.78°N，海拔7.5m)。该地区属于暖温带季风性半湿润气候，多年平均气温14.8益，日照时数2280h，降雨量时间分布不均，多集

中于5—9月，多年平均降雨量为979mm，多年平均蒸发量为1056mm。模型所需的气象数据来源于中国气象数据网(http:/a)淮安站。气象数据主要包括日最高气温、最低气温、降雨量及日照时数等。模型所需的太阳辐射量根据获得的日照时数由埃斯曲郎经验公式估算得到［28］。模型所需的土壤数据主要来源于田间试验的实测数据及模型中相同土壤类型的默认土壤数据。供试区耕地层土壤为砂壤土,0~30cm土壤容重为1.4g/cm3，田间持水率为28.7%(质量含水率)。模型所需输入的土壤参数及取值范围如表1所示，土壤参数的上下限为试验区不同地块实测土壤参数最大值和最小值。

表1选取的DSSAT模型中土壤参数

Tab.1Definition and intervals of soil parameters

in DSSAT model

参数下限值上限值地表反照率(SALB)0.110.15最大蒸发量(SLU1)/mm 5.4 6.6

排水比率(SLDR)0.40.7

径流曲线数(SLRO)6875

土壤凋萎含水率(SLLL)/(cm3-cm-3)0.070.10土壤田间持水率(SDUL)/(cm3・cm-3)0.250.29土壤饱和

含水率(SSAT)/(cm3-cm-3)0.360.45根系影响因子(SRGF)0.47 1.00土壤饱和导水率(SSKS)/(cm・h-1)0.30.9

土壤容重(SBDM)/(g・cm-3) 1.3 1.6

有机碳含量(质量分数)(SLOC)/% 1.2 1.6

黏粒含量(质量分数)(SLCL)/%1525

砂粒含量(质量分数)(SLSI)/%3045

总氮含量(质量分数)(SLNI)/%0.070.14土壤酸碱度(SLHB)67

atprent模型所需的作物参数来源于文献［29］，该文献调参并验证了江苏省涟水县水利科学研究站种植的淮麦11的品种参数值，分别为春化天数(P1V)35.57d，光周期影响因子(P1D)94.81%，灌浆期积温(P5)707.2益，开花期冬小麦单位冠层生物量籽粒数(G1)28.86粒/g，标准籽粒质量(G2)23.52mg，成熟期标准条件下单蘖质量(G3) 1.228g，叶热间隔(PHINT)60.00益。模型所需的田间管理数据来源于试验的观测记录和调查。冬小麦于2006年10月15日播种，行距15cm，播深5cm，播种密度为400粒/m2。田间管理措施如灌溉、施肥、除草、病虫害防治等按当地正常田间管理进行。

本研究主要考虑模型的2类输出，即冬小麦生产指标和氮分布指标。其中生产指标包含地上生物量(CWAM)、产量(HWAM)、收获指数(HIAM)；氮分布指标包括表征植物各器官中氮素含量的4个输出量，即地上生物量中氮素含量(CNAM)、籽粒中氮素含量(GNAM)、根中氮素含量(RNAD)及叶中氮素含量(LNAD)，表征土壤中氮素含量变化的4个输出量，即作物吸收氮素量(NUCM)、土壤淋失氮素量(NLCM)、土壤中硝态氮含量(NITD)及铵态氮含量(NHTD)，表征土壤中氮素转化的4个输出量，即氮矿化量(NMNC)、硝化量(NITC)、反硝化量(NDNC)及氨挥发量(AMLC)。

1.2EFAST方法

扩展傅里叶幅度检验(EFAST)法是一种基于方差分解的全局敏感性分析方法，结合了FAST和Sobol法的优点改进而来。其算法简单介绍如下：设有模型y=f(x,x2，…，x m)，通过傅里叶转换可将其转换为y=f(s)，转换函数为

arcsin(sin(+渍；))

x i=0.5+----------i也门(1)

仔

y=f(s)=移(A p cos(p s)+B p s in(ps))(2)

了不起的盖茨比插曲

p=-肄

1(■仔

其中A p=I f(x)cos(px)d x(3)

1仔J-仔

1(■仔

B p=I f(x)sin(px)d x(4)

仔—仔

式中a i---参数x i的振荡频率,i=1,2,…，m 渍,—

—每个参数X，的随机初相位，取［0,2仔］

s-----标量变量，取［-仔，仔］

p---傅里叶变换参数

上衣的英文

A p、

B p一傅里叶振幅

参数X i变化引起的模型输出方差V.为

V.=移撰p棕.=2移撰p棕.(5)

p沂Z p=1

其中撰p=A2+B；(6) p沂Z={-肄，…，-1,1，…，+肄}

模型总方差为

第12期崔金涛等：基于EFAST 的CERES Wheat 模型土壤参数敏感性分析279

V = 移撰p =2 移撰”

(7)

p 沂Z

p = 1

对标量s 在［-仔，仔］中等间隔取样，傅里叶振幅A p 和B p 近似计算式为

1 N

A p 抑N 移 f (sjcosg)

(8)

1 N

B p 抑比移 f (s )sin(p s k )

(9)

“ { -“2-1：,-1,0,1,】2-1 }

式中N —取样总数

s k ---标量s 的第k 个取样值

模型总方差可分解为

V =移 V , + 移 V j + …+ Vs ”

(10)

1臆i 臆

1臆

; <j 臆m

式中V i —参数x ，自身变化引起的方差

noyesV j —参数X ，通过参数X j 作用贡献的方差V 12…”-----参数x 1通过其余m - 1个参数相

互作用贡献的方差

通过归一化处理后，参数x ，的一阶敏感性指数 S t 可表示其对模型输出总方差的直接贡献，即

V-s ,= v

(11)

总敏感性指数为

V - V S t , = V -'

(⑵

式中V _,---不包括参数X ，的其他所有参数方差之和

1.3模型参数敏感性分析方案

全局敏感性分析试验采用 SimLab ( Version 2.3)进行分析，CERES Wheat 模型运行借助于 RStudio 进行模拟运行，具体方案如下：

(1) 在SimLab 中定义模型输入参数的取值范

围及分布形式。本研究中土壤参数取值范围如表 1

所示，并假设参数在范围内服从均匀分布。

(2) 在参数范围内进行随机取样，生成多维参

数集。EFAST 法认为采样次数大于参数个数65倍

的分析结果才有效，本研究共产生1 455组参数。

(3) 将生成的参数集写入对应的CERES Wheat 模型文件中，运行模型并整理模拟结果。

(4) 将模拟生成的数据整理成SimLab 可识别

的文本格式，通过SimLab 进行分析并得到最终的敏

感性分析结果。

2结果与分析

2.1冬小麦生产指标敏感性分析

由土壤参数对冬小麦生产指标的一阶敏感性

指数和全局敏感性指数分析结果(图1)可知，对

于地上生物量平均全局敏感指数最大的前3个参

数为SDUL 、SLHB 和SLRO，分别可解释地上生物量变化方差的70% ,57%和48% (图1a)。一阶

和全局敏感性分析结果表明，SLHB 对CWAM 的

影响主要通过与其他参数的交互作用实现，而 SDUL 、SLRO 对CWAM 的影响主要是其直接效应

引起的，与其他参数的交互作用对CWAM 的影响

较小。在参数设定范围内，CWAM 随SDUL 、 SLHB 、SLRO 参数值增加呈现增加趋势。除 SDUL 、SLRO 、SLHB 、SLNI 4个参数外，其余参数全

局敏感性指数均小于0. 10，表明对CWAM 的影响

较小，甚至可忽略不计。与CWAM 敏感性结果类

似 , HWAM 和 HIAM 对 SDUL 、SLRO 、SLHB 、SLNI 较为敏感(图1b 、1c)，在参数值获取时需要重点关

注，尤其是在目标土壤存在高异质性时。

光标键8 6

4 2

工[).c i

().1.0三一 h O T

匚Z) •阶蠟感性指数宓全局敏感性指数

EZ) •阶墩感性指数

宓全畅敏感性指数

TKJS

O H ,7

=2s

参数(b)产址

XFHS

IMS

大学专业排行榜ISIS

m s

父

_HS

HU0X

8 6 4 2

o o o.o I KJ"

一

THS

x m

亠-ms

---•T 」

s 8 6 4 0-0

().k □ 一阶敏感性指数

彪全怖敏感性指数

E- d S

Y U N 酬匕決参直

(C )收获指数

图1 土壤参数对冬小麦生产指标的敏感性分析

Fig. 1 Results of global nsitivity analysis of soil parameters for production indexes of winter wheat

2.2冬小麦氮素分布指标敏感性分析

土壤参数对冬小麦中氮素分布指标的敏感性结果(图2)表明,SLHB 是影响地上生物量中氮素含量

最敏感的参数，可解释CNAM 变化方差的75%，且

主要通过与其他参数的交互作用产生影响(图2a)。

在参数设定范围内，CNAM 随SLHB 参数值的增加

而增加。SDUL

则是对籽粒中氮素含量最敏感的参

280农业机械学报2020年

数，可解释GNAM变化万差的70%，且其直接效应

占主导（图2b）。在参数设定范围内，GNAM与

SDUL呈正相关,GNAM随SDUL增加而增加。对地

上生物量和籽粒中氮素含量平均一阶敏感性指数大

于0.10的参数有SDUL、SLRO、SLHB和SLNI，表明

这些参数是影响CNAM和GNAM较为敏感的土壤

参数，与其余土壤参数相比，在野外获取这4个参数

时需充分考虑土壤异质性的影响。对于根中氮素含

量而言，仅有SLNI是引起冬小麦根氮素含量的最关

键土壤参数，且RNAD与SLNI呈正相关关系；其余

参数全局敏感性指数均小于0.10，表明对RNAD变

化影响小于10%（图2c）。对于叶中氮素含量，平

均一阶和全局敏感性指数大于0.10的参数均为

SLNI和SDUL，且其直接效应占主导，而与其他参数

的间接效应对LNAD变化的影响较小（图2d）。在

参数设定范围内，LNAD与SLNI和SDUL均呈正