ceres-wheat作物模型參數(shù)全局敏感性分析

《ceres-wheat作物模型參數(shù)全局敏感性分析》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。

1、第27卷第1期農(nóng)業(yè)工程學報Vol.27No.12362011年1月TransactionsoftheCSAEJan.2011CERES-Wheat作物模型參數(shù)全局敏感性分析1,21,2※1,21,2姜志偉，陳仲新，周清波，任建強（1.農(nóng)業(yè)部資源遙感與數(shù)字農(nóng)業(yè)重點開放實驗室，北京100081；2.中國農(nóng)業(yè)科學院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京100081）摘要：作物生長模型廣泛應用于區(qū)域作物估產(chǎn)研究與應用之中，如何選擇最佳作物模型優(yōu)化參數(shù)是獲得較好模擬預測結果的關鍵之一。研究選擇河南洛陽為試驗區(qū)，應用擴展傅里葉振幅靈敏度檢驗（EFAST）法對CERES-Wheat模型

2、作物參數(shù)及田間管理參數(shù)進行了全局敏感性分析。結果表明，完成一片葉生長所需積溫、最適溫度條件下通過春化階段所需天數(shù)、光周期參數(shù)、最佳條件下標準籽粒質量參數(shù)、開花期單位株冠質量的籽粒數(shù)參數(shù)等指標具有較高敏感性，系為模型參數(shù)“本地化”的關鍵參數(shù)。播種日期、播種密度、施肥日期、播種深度、灌溉日期是模型區(qū)域化應用的最佳優(yōu)化變量。研究表明，EFAST敏感性分析是模型參數(shù)“本地化”和選擇最佳“區(qū)域化”優(yōu)化變量的有效方法。關鍵詞：作物，敏感性分析，模型doi：10.3969/j.issn.1002-6819.2011.01.038+中圖分類號：S165.27文獻標志碼：A文章編號

3、：1002-6819(2011)-01-0236-07姜志偉，陳仲新，周清波，等.CERES-Wheat作物模型參數(shù)全局敏感性分析[J].農(nóng)業(yè)工程學報，2011，27(1)：236－242.JiangZhiwei,ChenZhongxin,ZhouQingbo,etal.GlobalsensitivityanalysisofCERES-Wheatmodelparameters[J].TransactionsoftheCSAE,2011,27(1):236－242.(inChinesewithEnglishabstract)CERES-Maize、CERES-Mil

4、let、CERES-Rice、CERES-Sorghum0引言子模塊模擬小麥、大麥、玉米、谷子、水稻、高粱等禾作物生長模型能夠較好地描述土壤-作物-大氣系統(tǒng)谷類作物生長發(fā)育過程，以及對氣候、土壤、管理等因相互作用機理和評價農(nóng)業(yè)生產(chǎn)管理措施對農(nóng)田生態(tài)環(huán)境子的響應。的影響，被廣泛應用于作物生長機理研究和農(nóng)業(yè)生產(chǎn)管近年來，基于作物生長模型的遙感信息同化成為中理中[1-3]。經(jīng)過多年的發(fā)展和完善，作物模型主要形成了[4-9]外的研究熱點。它將作物模型的時間連續(xù)性、機理性三大較為成熟的系列，即荷蘭瓦赫寧根（wageningen）、與遙感信息的空間連續(xù)性表達有機結合在一起，為

5、區(qū)域美國DSSAT（decisionsupportsystemforagrotechnology作物長勢監(jiān)測和估產(chǎn)提供了新思路。作物模型與遙感信transfer）及中國作物計算機模擬優(yōu)化決策系統(tǒng)（crop息耦合首先需要考慮模型“本地化”和“區(qū)域化”問題，computersimulation,optimization,decisionmakingsystem,其中，最關鍵的一個環(huán)節(jié)就是模型參數(shù)的校正和優(yōu)化。CCSODS）作物模型系列。其中，DSSAT模型系列是美模型參數(shù)的敏感性分析正是解決該問題的有效方法[10]。國IBSNAT(internationalbench

6、marksitesnetworkfor敏感性分析研究的是如何將模型結果的不確定性分配到agrotechnologytransfer)于1983年資助開發(fā)的定量評價不同的模型輸入?yún)?shù)中，從而篩選出引起模型結果不確“氣候-土壤-作物-管理”系統(tǒng)的動力學模型，自上世紀80定性的主要影響因素，識別和選擇關鍵控制參數(shù)[11]。年代中期開始在世界范圍內(nèi)進行廣泛驗證，在作物估產(chǎn)、敏感性分析方法可分為局部敏感性分析（Local氣候變化影響評價、農(nóng)田水肥管理等多個領域得到廣泛sensitivityanalysis）和全局敏感性分析（Globalsensitivity應用。DSSAT

7、模型系列中最為成熟的子模型之一為著名analysis）[12-13]。局部敏感性分析缺乏模型參數(shù)之間的相的CERES模型（cropenvironmentresourcesynthesis）?；プ饔脤δM結果的綜合影響的考慮，分析結果具有一CERES模型是針對不同禾谷類作物生長發(fā)育特點而分別定的片面性。因此，作物模型敏感性分析越來越傾向于開發(fā)設計的，可分別應用CERES-Wheat、CERES-Barley、采用全局敏感性分析方法，同時檢測多個模型參數(shù)變化對模擬結果的全局影響。其中基于方差的定量全局敏感[14-15][16-17]收稿日期：2010-07-23修訂日

8、期：201