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。
充分认识青藏高原地区耕地资源质量的空间格局与时间变化特征,是探索区域性耕地资源保护与可持续利用路径的重要基础,对维护青藏高原地区的粮食安全和社会稳定具有重要意义。设计空间抽样方案,利用较少的样点尽可能全面地表征区域耕地质量的总体特征,对于开展耕地资源质量长期观测与机理研究具有重要意义。该研究以青海省互助土族自治县为研究区开展基于耕地质量指标数据驱动的空间抽样实证研究,从信息熵、Kullback–Leibler散度、相似度距离、样本对总体耕地质量空间异质性的表征能力、样本空间分布均匀性等视角,对比分析随机抽样法(random sampling method,RSM),空间覆盖随机抽样法(spatial coverage sampling and random sampling,SPCOSA),条件拉丁超立方体法(conditioned latin hypercube sampling,CLHS),加入平面坐标的条件拉丁超立方体法(CLHS with x and y coordinates as covariates,XY_CLHS),空间覆盖随机抽样与条件拉丁超立方体抽样的混合抽样法(spatial coverage sampling and random sampling–conditioned latin hypercube sampling,SPCOSA_CLHS)5种空间抽样方法在青藏高原县级区域耕地质量指标调查观测点位布局应用中的优劣特征与适用性,并探索了研究区适宜的观测点位数量。结果表明:SPCOSA_CLHS可以以较低空间约束的方式将SPCOSA指示的空间异质性特征集成到CLHS模型中,在表达总体的耕地质量指标属性特征和空间异质性特征方面更具优势;当抽样数量缩减到40~50时,抽样结果对总体耕地质量指标属性信息量的表征能力与抽样数量为100~200时近似;且SPCOSA_CLHS方法在表达耕地质量指标空间异质性、设计样点分布的空间均匀性、模拟总体耕地质量特征的准确性方面具有明显优势。该研究可以为青藏高原地区耕地资源质量调查监测工作提供方法支持,对理解该地区耕地资源质量变化过程、探索耕地可持续利用路径具有重要作用。
暂无评论