东北黑土区是我国玉米和大豆生产基地,为了实现利用AquaCrop模型优化管理和预测产量,本文基于作物小区田间试验和大田观测数据,采用OAT(one factor at a time)法分析了该模型参数的敏感性,率定了敏感性高的参数,并对率定后的模型进行了...
详细信息
东北黑土区是我国玉米和大豆生产基地,为了实现利用AquaCrop模型优化管理和预测产量,本文基于作物小区田间试验和大田观测数据,采用OAT(one factor at a time)法分析了该模型参数的敏感性,率定了敏感性高的参数,并对率定后的模型进行了验证。结果表明:玉米和大豆产量均对影响经济产量的收获指数十分敏感,二者虽然对冠层和根系生长参数都敏感,但有所差异:玉米对冠层衰减系数(canopy decline coefficient,CDC)更为敏感,而大豆则对限制冠层伸展的水分胁迫系数曲线的形状因子(shape factor for water stress coefficient for canopy expansion,Pexshp)更为敏感;玉米因根系深对最大有效根深(maximum effective rooting depth,Zx)更敏感,大豆因根系浅对根区根系伸展曲线的形状因子(shape factor describing root zone expansion,Rexshp)更敏感。由于玉米需水量大,对冠层形成和枯萎前的作物系数(crop coefficient before canopy formation and senescence,KcTr,x)和归一化水分生产力(normalized water productivity,WP*)很敏感,大豆则是一般敏感。率定后模型模拟玉米产量与实测产量的回归系数由0.34提升至0.89,模拟大豆产量与实测产量的回归系数由0.80提升至0.88。进一步用大田实测产量的验证结果表明:预测的玉米与大豆产量与实测产量间回归方程的决定系数(coefficient of determination,R2)分别为0.775和0.779,均方根误差(root mean square error,RMSE)分别为1.076 t hm^–2和0.299 t hm^–2,标准均方根误差(normalized root mean square error,NRMSE)分别为0.097和0.178,模拟效率(model efficiency,ME)分别为0.747和0.730,率定后的AquaCrop模型能较精准地模拟东北黑土区玉米和大豆产量,可用于产量预测或优化管理。
土壤有机碳对区域碳平衡起着关键性的作用,量化其空间格局及动态变化是准确评估生态系统碳汇潜力的基础。然而,不同土壤有机碳估算方法和不同样本得出的结果存在非常大的差异和不确定性,尤其是地形复杂、对气候变化敏感的青藏高原地区。为定量评估不同方法估算的土壤有机碳密度空间分布格局在青藏高原地区的差异,论文以青海省为研究区,收集整理了青海省806个土壤有机碳密度采样点数据,基于气候、植被、地形和土壤等多种解释变量,采用逐步回归、反距离权重插值、普通克里格插值和随机森林模型4种不同的方法,对青海省表层(0~30 cm)土壤有机碳密度空间分布及其影响因素进行了探究。结果表明,归一化植被指数、光合有效辐射、总氮、年均温、海拔、年降水量和净初级生产力是土壤有机碳密度估算的重要变量;尽管4种方法所估算的青海省土壤有机碳密度的均值较为接近,处于5.14~5.62 kg C·m^(-2)之间,但其变化范围存在较大差异,分别为0.17~23.25、0.34~46.61、0.56~35.08和0.62~24.85 kg C·m^(-2);4种方法模拟结果的均方根误差分别为3.93、3.37、3.48和3.19 kg C·m^(-2),平均标准差分别为0.12、0.51、0.61和0.27 kg C·m^(-2),其中随机森林模型的结果较为稳定且精度较高,也更能准确反映青海省土壤有机碳的空间分布格局。比较发现,现有的土壤有机碳产品(SoilGrids250m 2.0和HWSD v1.2)在反映青海省土壤有机碳的分布方面还存在较大差异,相对而言,SoilGrids250m 2.0产品的土壤有机碳和随机森林模拟结果比较接近。
暂无评论