作物生长模型研究进展

陈露 王鹏皓 候雪 周保平 李旭

摘要    近年来，随着科学理论和计算机技术的快速发展，作物生长模型研究也迅速发展起来，经历了从幼稚到成熟的阶段、从理论分析到使用分析的历程。本文总结了作物生长模型的发展历程，对作物生长模型进行了评价，指出作物生长模型会受复杂多变天气的影响、受计算机能力的限制、受输入数据的约束，以期为农业生产提供参考。

关键词    作物生长模型;发展历程;评价

中图分类号    S126        文献标识码    A

文章编号   1007-5739（2020）14-0254-02

作物生长模拟模型在农业科学研究方面起着重大作用，在大量实验研究的基础上得出相关数值，借助于数值模拟的方法对作物生长发育的过程进行动态模拟[1]。一些生长模型允许评估关于一个或多个农艺管理决策的一个或多个可用选项。作物模型有助于测试科学假设，突出显示信息缺失的地方，组织数据以及跨学科整合。作物生长模型可以在各种复杂程度上进行开发，所需的复杂程度取决于建模工作的目标。除此之外，农作物生长模型包含了气象学、生态学、土壤学、农学等多个学科的理论研究成果，运用模型软件建立相应的数学模型并量化出作物整个生产系统知识和生态过程。

1    作物生长模型的发展历程

1.1    发展前期

德威特模型学派在20世纪60年代，第一次尝试对植物叶冠层的光合作用进行研究，并对农作物冠层的光合速率进行研究，为农作物生长动态模拟模型打下了坚实基础。从该模型获得的结论用于估计世界某些地区的潜在粮食产量，并为农作物管理和育种提供指征。随后构建了一个ELEME-NTARY CROp生长模拟器（ELCROS），该模型包括静态光合作用模型，并且将作物呼吸作为每天生物量的固定比例，加上与生长速率成比例的量[2]。此外，还增加了根和茎生长之间的功能平衡。在模型中引入微气象学并量化冠层对气体交换的抵抗力，使模型可以改善蒸腾过程的模拟，并发展成为基本的CROp生长模拟器（BACROS）和A RID CROP。對半干旱等相关区域的自然生长植被进行模拟，该模型成功地与水分平衡模型相结合，在水分胁迫条件下模拟植物生长，之后半干旱地区畜牧生产模型中成功运用ARIDCROP模型。Childs等在同时期研究成果的基础上建立了以小时为步长的玉米生长模型，此模型与后来发展起来的作物生长模型相当接近，Feddes研制了关于白菜的CROPR模型，Mass等创建了关于小麦的TAMW模型，Stapper研制了谷物模型CORNF，Teng提出了大麦模型BARSIM等，在大量模型建立的基础上，越来越多的模型完备和成熟起来，为应用型模型的建立打下了坚实基础。

1.2    发展中期

在作物模型研究发展到中期阶段时，对作物模型的研究方向已发生变化，由初期注重生长过程中理论表达过渡为模型的实际应用。在作物生长整个发育及产量形成过程中，包含了生理学、生态学、气象学、农业学等多个学科，因而整个环节产生的数据是冗杂并且相互交叉的，之中包含了许多难以获得的输入参数和复杂变量。尽管作物的生长过程能够描述得十分详细，但是已有的模型很难达到该目标，在能使模型理论上可行、参数和数据输入能够简易操作、以作物生长和发育机理为建模的基础上，采用一些经验方法使某些复杂的过程、参数或变量能进行简化处理，因而一些既包含动力学或生理学过程，同时也包含以试验为基础的经验式或参数的模型迅速发展起来，并且用于实际应用中。

DSSAT是在IBSNAT（农业技术转让国际基准站点网络）赞助和指导下进行，由美国国际开发署授权美国夏威夷大学开发研制的综合计算机系统。IBSNAT试图通过系统分析和模拟来展示理解选项的有效性，从而使全球农户最终受益。IBSNAT的主要产品是农业技术转让决策支持系统（DSSAT），DSSAT被用作研究和教学工具。作为研究工具，其在得出有关作物管理的建议以及调查环境和可持续性问题方面的作用是无与伦比的。DSSAT产品使用户能够将农作物的生物学需求与土地的物理特征相匹配，从而为他们提供改善土地利用规划的管理建议[3-5]。

荷兰的Wit提出的WOFOST模型是基于SUCROS模型上发展起来的，其主要特点是普遍性和适用性，仅需要调整作物的参数数据，就能够适用于不同的作物之间。相较于美国与荷兰，中国对农作物生长模型的探究直到1996年，由潘学标教授基于荷兰棉花模型开发的COTGROW模型问世以来，涌现出一大批优秀学者，例如冯利平以小麦的发育生长特性为研究对象，吸收了ECSODS和CERES-Wheat模型的研究方法，研究开发出小麦生长发育模拟模型。

1.3    发展后期

20世纪90年代以后，应用多元化成为作物生长模型发展的新方向。完善现有的模型，进行大量有针对性的研究，主要对模型的普适性、易操作性和准确性等进行研究。作物模型能够用于不同的作物、大部分环境、恶劣天气条件、不同的社会经济条件等称为普适性;对模型变量进行简便化，建立友好的用户界面等称为易操作性;准确性主要是进行多次试验，对模型的参数或公式不断更新和检验，减小误差，使模型能够更加准确，这些研究也取得了巨大成果[6-8]。

1989—1992年，主持召开的“气候变化对国际农业的影响”会议，其目的是探究在不同气候条件下，作物的生长受二氧化碳浓度影响变化趋势，并且提出在不同对策下，探究此类现象对全球作物会产生哪些影响。1993年，Kiniry和Bockholt在美国得克萨斯州等9个州的不同环境下分别利用CERES2M aize和ALMANAC模型模拟出玉米和高粱生长发育以及产量形成，从当时的模拟结果可以得到这2个模型的普遍性和适用性比较好[9-13]。

评价全球作物生产会随气候变化呈现怎样的趋势，会选择将作物生长模型和大气环流模型GCMs结合在一起的方法，作物生长模型和土壤侵蚀预报模型嵌套，建立侵蚀-生产力影响评估模型。把作物生长模型与其他学科的模型结合起来，可以解决很多问题，进而扩大应用范围。

2000年以后，曹卫星等重点研究作物管理决策信息系统，取得了重大成果。后期把作物生长模型和知识模型相结合，通过大量研究，推出了许多富有特色的作物管理决策系统，同时在许多地区得到了广泛的应用。

2    作物生长模型的评价

2.1    作物生长模型会受复杂多变的天气影响

作物产量的多少主要取决于天气条件，决策支持系统想要成功应用还依赖于预报未来天气的能力。截至目前，即便是通用循环模型（GCM）也尚无法可靠预测气候变化，例如干旱和暴风雨频率的变化，尽管这些可能会严重影响农作物的产量。由于不同的用户在建模领域拥有不同程度的专业知识，因而可能会滥用模型，并且作物模型不是通用模型，它们可能会严重影响农作物产量，GCM在模拟地表气温和降水的全球值方面做得很合理，但在区域范围内却表现不佳。此外，生物和农业模型是系统的反映，对于这些系统，某些组件的行为尚不完全了解，并且模型输出与实际系统之间的差异无法得到充分考虑。因此，用户必须根據自己的目标选择最合适的模型。

2.2    作物生长模型会受计算机能力的限制

由于对自然过程和计算机能力限制的了解不足，因而作物模型无法给出准确的预测，但模型验证方法仍然是基本的。与学科或传统实验情况不同，模型中同时对大量假设进行了检验，由于实地数据具有不确定性，验证可以是结论性的，因而当前模型的验证更加复杂。模型参数和驱动变量是从特定地点的情况中得出的，理想情况下是可测量和可用的，但实际上，植物、土壤和气象数据很少精确，并且可能来自附近的地点。由于固有的土壤异质性以及耕作方式对土壤性质的影响，测得的参数也会有所不同。

2.3    作物生长模型受输入数据的约束

在种植系统中，通常有大量与地上作物生长和发育有关的数据，但与根系生长和土壤特性有关的数据通常不广泛。大多数模拟模型都要求气象数据可靠且完整，采样误差也会导致观测数据的不准确性。最终的作物模型将是在物理上和生理上定义该模型所产生的变量与普遍的现实世界行为之间所有关系的模型。但是，由于生物系统过于复杂，并且尚未完全理解该系统涉及的许多过程，因而无法建立这样的模型。即使可以构建理想的农作物模型，农作物环境的高精度系统参数和输入数据的收集也是一项艰巨的任务。

3    结语

作物生长模型是有效预测气候变化对作物生长和产量可能产生影响的工具，这些模型对于解决农业中的各种实际问题有很大作用，必须提高人力资源能力，在全球范围内开发仿真模型。作为一种研究工具，模型的开发和应用有助于发现知识的空白点，从而进行更有效率和针对性的研究计划。基于合理生理数据的模型能够支持外推到其他种植周期和位置，可以量化时间和空间变异性。大多数模型实际上未经测试或测试欠佳，因而其有效性尚未得到验证[14]。

一些人错误地认为，作物模型能够解决所有农业问题，因而不加选择地应用了作物模型;而且大多数农艺师不完全了解作物生长模型和系统方法研究的概念，因而需要在该领域进行培训。可以使用经过严格校准和评估的模型来进行研究，以便节省时间和金钱。不可否认的是，作物生长模型对农业生产有着促进的作用，只是目前仍在研究实验，模型的应用也处于起步阶段，主要瓶颈是模型需要在不同空间尺度以及复杂多变的环境条件下的验证。作物生长模型是一个具有潜在意义的技术工具，它的发展前景十分广阔，但不是万能的，因而在应用模型时要注意模型存在的假设条件和限制因素，以便为农民、政策制定者作出决策提供准确的信息，同时为满足世界粮食的需求以及发展可持续农业做出重大贡献[15]。

4    参考文献

[1] 侯英雨，何亮，靳宁，等.中国作物生长模拟监测系统构建及应用[J].农业工程学报，2018，34（21）：165-175.

[2] 孙仕军，张琳琳，陈志君，等.AquaCrop作物模型应用研究进展[J].中国农业科学，2017，50（17）：3286-3299.

[3] 陶生才，潘婕，刘珂.DSSAT模型在中国农业与气候变化领域应用进展[J].中国农学通报，2015（9）：200-206.

[4] 邹龙，冯浩.DSSAT-CERES模型在黄土高原丘陵沟壑地区春玉米生产中的适用性评价[J].植物营养与肥料学报，2014，20（6）：1413-1420.

[5] 温江丽，李久生.半干旱地区喷灌玉米CERES-Maize模型率定验证及应用[J].水利学报，2015，46（5）：584-593.

[6] 秦鹏程，姚凤梅，曹秀霞，等.利用作物模型研究气候变化对农业影响的发展过程[J].中国农业气象，2011，32（2）：240-245.

[7] 侯英雨，张蕾，吴门新，等.国家级现代农业气象业务技术进展[J].应用气象学报，2018，29（6）：641-656.

[8] 杨飞，孙九林，张柏，等.基于PROSAIL模型及TM与实测数据的MODISLAI精度评价[J].农业工程学报，2010，26（4）：192-197.

[9] 李卫国.水稻生长模拟与决策支持系统的研究[D].南京：南京农业大学，2005.

[10] 罗毅，郭伟.作物模型研究与应用中存在的问题[J].农业工程学报，2008，24（5）：307-312.

[11] 戚昌翰，殷新佑.作物生长模拟的研究进展[J].作物杂志，1994（4）：1-2.

[12] 王世耆，程延平.作物产量与天气气候[M].北京：科学出版社，1991：16-30.

[13] 曹永华.美国CERES作物模拟模型及其应用[J].世界农业，1991（9）：52-55.

[14] 殷新佑.作物生长模拟研究综述[J].江西农业大学学报，1991（增刊2）：55-58.

[15] 严力蛟，沈秀芬，周熙朝，等.作物模拟模型研究概况与展望[J].农业系统科学与综合研究，1998，14（2）：126-132.