论文总字数：19871字

目 录

摘要 1

Abstract 2

1引言 3

2实验材料与方法 4

2.1实验设计 4

2.2数据的观测与方法 4

2.3数据处理 5

2.4模型的验证方法与指标 5

3 WOFOST模型的调参与验证 6

3.1WOFOST模型的敏感性分析 6

3.2WOFOST模型发育参数的校准与验证 7

3.3WOFOST模型生长参数的校准与验证 9

4 基于 WOFOST模型对春小麦合理播期和播种密度的分析 11

4.1对合理播期的分析 11

4.2对合理播种密度的分析 12

5 基于WOFOST模型研究增温对春小麦产量的影响 14

6结论 15

参考文献 16

致谢 19

基于WOFOST模型的春小麦产量模拟研究

张涛

（，China ）

Abstract: In order to study the adaptability of spring wheat in the Yangtze and Huaihe regions, the spring wheat Jichun 24 was taken as the research object. During the period from 2016 to 2017, two sowing dates of 6 sowing dates were sown at the Agricultural Meteorological Station of Nanjing University of Information Science and Technology, and the development of spring wheat was observed. Period, dry matter accumulation and yield data, and using the WOFOST model to simulate the growth and yield of spring wheat. The results showed that the root mean square error of the WOFOST model for the growth period of Jichun 24 was 1.7d, R2 was greater than 0.90, and the root mean square error of the total dry matter and yield simulation was 1308kg/ha and 1688kg/ha respectively. At 3075kg/ha, the simulation performance of the model averaged 0.87. It can be seen that the WOFOST model after the local adjustment parameter has a better fit to the growth process of spring wheat. Using the WOFOST model to simulate the planting of Jichun 24 by stages, the results showed that reasonable sowing time of spring wheat in Nanjing area was one year in the middle and late January, and the reasonable spring wheat sowing density was about 240kg/ha. Using the WOFOST model to simulate the yield of Jichun 24 under warming conditions, the results showed that the slight increase in temperature in emergence-maturity and emergence-flowering can increase the yield by up to 9%, while increasing the temperature in the flowering-mature stage will lead to yield loss. The highest reduction rate is 26%.

Key words: WOFOST; Spring wheat; Yield; Sowing date;

1引言

我国是人口众多的农业大国，粮食生产是我国快速发展的根本保证^[1]。上世纪特别是近年来全球气候的持续变暖，农耕期的延长，使得作物原有的生育节奏和产量等发生了较大的变化^[2-3]。因此在当前全球气候背景下，通过农业实验来分析和研究作物特性是一种比较合理提高粮食产量的途径^[4-5]。然而传统的农业实验因为其本身的因素而耗时耗力，且结果很难获得^[6-7]。作物模型的出现有力的解决了这个问题，目前世界上运用较广的作物模型有WOFOST模型、SUCROS模型、Arid Crop模型等，WOFOST作物生长模拟模型由荷兰瓦赫宁农业大学和世界粮食研究中心共同开发研制^[8]，其主要是根据特定的气象要素条件、土壤条件以及作物的各种参数对一年生的作物进行生长模拟，模型通过计算同化作用，呼吸作用等来模拟出在作物生育期内各个部分干物质、产量、水平衡等^[9-10]。

WOFOST模型从研发至今在我国发展迅速，2000-2001年邬定荣和欧阳竹等人在中科院地理科学与资源研究所的禹城综合试验站进行了小麦的水分处理实验，该研究结果表明，WOFOST模型可以用于描述和预测农作物的光合作用过程，并且对潜在生长的模拟结果较好，可以应用于模拟我国华北平原地区的主要作物生长发育过程及水分利用过程。但是WOFOST模型在某些细节上没有充分的考虑和处理，其模型比较适合模拟较大种植面积的作物^[11]。2002年，王光火，谢文霞等人依据浙江省主要农作物生长过程和实际产量的情况对WOFOST模型的一部分参数进行了本地化的修改与校正，并对该地区某些一年生的作物进行了产量评估，同时联系该地区投入和产出分析，为当地农村的资源综合管理提供了可以参考的依据^[12]。 2011年，杜春英等人运用WOFOST模型对黑龙江省水稻的产量动态预报进行探索研究。通过对1997--2006年的历史预报检验和2007--2008年预报的试验的研究，试验结果表明，模型的准确性较好，可以实现水稻产量的动态预报，可以进行业务化的应用^[13]。 WOFOST模型经过多30年的发展改进，在我国很多省份地区进行了模拟验证试验^[14-15]，2001年以来利用WOFOST模型对寒地大豆、马铃薯、玉米、甜菜、水稻、小麦等作物生长进行模拟分析^[16]。

剩余内容已隐藏，请支付后下载全文，论文总字数：19871字