关于WOFOST发表时间:2022-06-07 11:58 表征作物生长的过程必须以合理的方式进行排序,以模拟作物生长。本文介绍在WOFOST中实现的过程。此外,本章还介绍了WOFOST的开发、应用和功能。第四章讨论了气象资料的计算和转换,如:潜在蒸发量的计算、日长和太阳高度的计算。第五章讨论了作物生长过程的模拟:日同化、维持呼吸、生长呼吸、同化物分配、衰老和死亡。第六章讨论了用于计算土壤含水量的土壤水分平衡计算。 WOFOST的发展 WOFOST起源于世界粮食研究中心(CWFS)与瓦赫宁根农业大学(Wageningen Agricultural University)合作进行的一项关于世界粮食生产潜力的跨学科研究,理论生产生态学系(WAU-TPE)和荷兰瓦赫宁根DLO农业生物学研究中心(现为国际植物研究中心)。1988年CWFS停止工作后,DLO Winand Starting中心(现为Altera)与PRI和WAU-TPE合作进行了模型开发。 WOFOST是C.T.de Wit学院在瓦赫宁根开发的作物生长模型家族的一员。相关的模型是连续的SUCROS模型(简单和通用的作物模拟器)(Spitters等人,1989;van Laar等人,1992)、干旱作物(van Keulen,1975;van Keulen等人,1981)、春小麦(van Keulen & Seligman,1987;Stol等人,1993)、MACROS (Penning de Vries等人,1989)和ORYZA1(Kropff等人,1993)。Wolf等人记录了第一个WOFOST模型(1986)。 所有这些模型都遵循潜在产量和有限产量之间的层次区别,并具有相似的作物生长子模型,以光截获和CO2同化为生长驱动过程,以作物物候发育为生长控制过程。然而,描述土壤水分平衡和作物养分吸收的子模型在方法和详细程度上可能有很大差异。 WOFOST的发展是由它在一些研究中的应用所推动的。尽管大多数研究并不打算开发这样的模型,但仍在努力维护已开发软件的一部分,作为后续模型版本的选项。WOFOST最初用于评估热带国家各种一年生作物的产量潜力(van Keulen & Wolf,1986;van Diepen et al.,1988;van Keulen & van Diepen,1990)。起初,它试图通过使用平均输入值来保持尽可能低的输入要求。然而,很明显,必须考虑到决定作物生长的环境条件在空间和时间上的可变性。使用长期月平均气象数据、平均播种期和平均土壤数据作为模型输入可能会导致对一个地区农业生态潜力的错误印象。这意味着必须使用原始数据而不是平均数据作为模型输入,并且如果需要,只能在模拟之后进行平均。换句话说:先计算后平均(De Wit & van Keulen,1987;Nonhebel,1994)。 WOFOST的应用 在过去的十年中,连续的WOFOST版本及其衍生软件已经被应用于许多研究中。WOFOST已被用作分析产量风险和年际产量变异性、土壤类型或一系列农业水文条件下的产量变异性、品种间差异、生长决定因素的相对重要性和播种策略的工具,气候变化的影响和农业机械使用的关键时期。该模型还被用于预测目的,用于定量土地评估,例如以最高产量水平的形式对作物产量潜力进行区域评估,估计灌溉或化肥使用的最大效益,通过模拟监测农业季节来检测不利的生长条件,以及区域收益率预测。一些WOFOST的工作人员将生长模型扩展到了森林和草地,并用更详细的子模型代替了土壤水分模块。 不幸的是,WOFOST的应用还没有一个完整的概述,因为从来没有一个正式的网络或专业的 群来交换经验和(验证的)数据集。这严重阻碍了给模型开发人员的反馈。在这里,我们提到了影响其开发的主要应用程序研究,以及其他WOFOST应用程序和扩展的一些示例。 在WOFOST基础上进行的第一项区域研究(3.1版)主要涉及三个非洲国家的肥料援助可能增加的粮食产量,这项研究是CWFS应粮农组织的要求进行的。研究表明,布基纳法索、加纳和肯尼亚的粮食作物产量可以在不需要额外灌溉的情况下,随着肥料用量的增加而大幅度提高(CWFS,1985年)。 在利用遥感和模拟监测农业生态资源(MARS)项目的框架内,WOFOST(4.1版)被提议作为赞比亚粮食安全预警系统的一个产量估算工具。该系统将由一个地理信息系统(GIS)和一个作物模型组成,并由气象卫星提供数据(Berkhout等人,1988年)。为此,已经对玉米的WOFOST模型进行了校准和测试(惠更斯,1990年;Wolf等人,1989年)。WOFOST 4.1也被用于评估灌溉和水资源保护战略,以支持秘鲁安第斯山脉小流域的农村发展(Van der Zel,1989)。 Rötter(1993)在WOFOST 4.4的基础上对肯尼亚玉米进行了详细的校准和验证研究。他利用试验田的数据发现,该模型预测粮食产量的准确率为15%(均方根误差),从现有数据的质量来看,这是令人满意的。然后应用WOFOST重新评估不同种植日期和施肥处理的田间试验,并评估特定地点的产量风险,然后使用GIS技术对区域进行插值。 AGRISK项目将WOFOST应用于布基纳法索的风险研究,以分析农民应对干旱风险的策略,包括土壤类型、作物和品种、播种日期、径流和作物田位置(Mellaart,1989年)。Bakker(1992)研究了降雨保险的范围,作为ICRISAT在印度半干旱热带地区村级研究的一部分。 在ISRIC和UNEP的NASREC项目中,支持建立国家土壤参考收集和教育、推广和研究数据库,其中有11个国家参与,WOFOST已被采纳为参考作物模型。为了便于使用该模型进行详细的土地/土壤性质研究,ISRIC为WOFOST开发了一个用户友好的shell(4.3版),提供了到NASREC数据库应用程序的链接(Pulles等人,1991年)。 WOFOST(5.3版)用于估算欧洲共同体主要大田作物的区域生产潜力,作为土壤和气候条件的函数(De Koning和van Diepen,1992;van Lanen等人,1992)。为此,开发了一系列温带作物(小麦、玉米、油菜、马铃薯、甜菜)的数据集以及一个单独的牧草模型版本。在这项研究中,模型与地理信息系统相连,以便于生成模型输入数据,并汇总各地区的模型输出。产生的数据用于确定欧共体种植制度的投入产出系数(De Koning等人,1994年)。这些系数被用于GOAL(土地利用总体优化配置),这是荷兰政府政策科学委员会(1992年)开发的一个交互式多目标线性规划模型,旨在探索欧盟农村土地利用的可行方案。这项研究的结论之一是,在欧洲,至少有30%的农业用地可以在不危及粮食安全或不损害其他主要政治目标的情况下停止生产。 在其他研究中,WOFOST被用于评估气候变化对作物生长的影响(van Diepen et al.,1987;Wolf and van Diepen,1991;Wolf,1993)。该模型特别适合于量化二氧化碳、温度、降雨和太阳辐射变化对作物发育、作物生长和作物水分利用的综合影响,因为所有相关过程都是单独模拟的,同时适当考虑了它们之间的相互作用。 WOFOST第6版是根据欧盟委员会联合研究中心(JRC)在意大利伊斯普拉发布的合同研究“产量预测模型”在农业项目(也称为MARS项目(遥感监测农业))行动3的框架下开发的。目标是生成作物生长指标,以评估整个欧盟当前农业季节的质量,并与历史季节的质量进行比较。这些指标随后用于每个地区和每个国家的定量产量预测。为此,WOFOST已被纳入作物生长监测(Hooijer和van der Wal,1994年;van Diepen,1992年)。WOFOST 6.0的独立版本是为了学习、演示、测试和验证的目的而保留的,也是将其应用于其他研究的起点。 除了主流的WOFOST版本外,在WOFOST4.1的基础上还详细介绍了几个版本。一个典型的例子是将WOFOST与 SWARE 土壤水分和蒸腾速率模型联系起来形成的SWACROP2模型(Huygen,1992)。Groot(1987)模拟了作物和土壤中的氮素动态。Poels和Bijker(1993)通过修改WOFOST 4.1建立了热带雨林生长和水分利用的模型TROPFOR。De Ruijter等人(1993)将WOFOST重塑为模拟郁金香生长的模型。 功能 作物生长通常由经验模型来描述,该模型由回归方程(如逻辑函数)组成。有时,环境变量,如辐射和降雨,被纳入回归。这些模型可以产生准确的产量预测,特别是当回归参数是在大量实验数据的基础上估计的时候。然而,这些预测仅限于回归所基于的环境。此外,这些经验/描述性模型对观察到的收益率变化的原因知之甚少。 wofost6.0 是一个机理模型,它解释了作物生长的基础上的基本过程,如光合作用,呼吸和这些过程是如何受到环境条件的影响。机理模型的预测能力并不总是达到它的预期。应该认识到,每个参数估计和公式都有其自身的不精确性,这些误差会在最终产量的预测中累积。 天气 WOFOST使用的气象参数有:最高温度、最低温度、全球辐射、风速、蒸气压、蒸散量和降雨量。气象数据通常是每天测量的。这就是为什么模拟的时间步长Dt(或delt)设置为一天的原因。采用Penman法计算蒸散量。关于全球辐射,应该提到的是,在JRC版本中,引入了计算该变量的额外选项。在一般版本和JRC版本中,在没有实际数据的情况下,使用Ångström公式估计全球辐射。Ångström公式使用日照时数作为输入。如果该参数不可用,则在JRC版本中,使用Supit(1994)提出的方程或Hargreaves公式(1985)估计全球辐射。Supit开发的方法以云量、最大值和最小值作为输入,其估计精度接近于Ångström估计的精度。哈格里夫斯公式只使用最高和最低温度,估计的精度低于奥恩斯特伦公式或Supit提出的方法。 Ångström公式的经验系数必须由用户在通用版本中提供。在JRC版本中,这些系数是使用van der Goot(1997)开发的插值方法从具有已知值的气象站(Supit,1994;Supit & van Kappel,1997)估算的。 两个版本都使用实际降雨数据作为输入。但是,在一般版本中,也可以使用生成的降雨。 作物生长 作物的生长取决于日净同化,而日净同化又取决于截获的光。截获的光由入射的辐射水平和作物的叶面积决定。根据吸收的辐射和单叶的光合特性,可以计算出潜在总光合速率。由于水分或氧气胁迫导致的蒸腾减少导致同化物的产生减少。同化物被分配到各种植物器官上。 水平衡 作物生长模拟模型还必须跟踪土壤含水量,以确定作物何时以及在多大程度上受到水分胁迫。WOFOST使用了一个水平衡,它将在给定的时间段内,根区的来水与流出的水进行比较,并将两者之间的差异量化为土壤贮水量的变化。WOFOST 区分了三种不同的情况。第一种情况发生在土壤水分达到田间持水量且作物生长达到其潜在水平时。在第二种情况下,考虑了蒸发(传输)和渗透对土壤水分有效性的影响。土壤水分的减少减少了产量。在最后一种情况下,不仅考虑了蒸发(传输)和渗流,还考虑了地下水的影响。JRC版本中不包括最后一个选项。关于这个问题的详细资料见第6章。 养分(氮、磷、钾)对产量的影响及产量统计按年度计算。计算营养需要量的程序是基于Janssen等人(1990)的工作。例行程序由四个连续的步骤组成。首先利用0~20cm土层的化学性质与玉米吸收养分的最大量之间的关系,计算出氮、磷、钾的潜在供给量。假设产量不受养分和生长因子的限制。在第二步中,每种营养素的实际吸收量是作为该营养素潜在供应量的函数来计算的,同时考虑到其他两种营养素的潜在供应量。第三步是根据氮、磷和钾的实际摄取量分别建立三个产量范围。在第四步中,将这些产量范围成对组合,并对成对营养素的产量进行平均,以获得最终产量估计值。在一般的WOFOST版本中,包括了统计数据和养分限制产量。在JRC版本中,这些特性被省略了。 |