基于作物模型和GIS的縣域水稻產(chǎn)量動態(tài)預(yù)測技術(shù)研究.pdf

1、作物模型在幫助人們理解作物和氣象、土壤及栽培技術(shù)的相互關(guān)系方面有很大作用，并成為農(nóng)業(yè)生產(chǎn)定量評價的重要手段之一。采取一定的技術(shù)措施，將田塊尺度上研制的作物模型應(yīng)用于區(qū)域尺度上作物長勢和產(chǎn)量的模擬預(yù)測，是當(dāng)前作物模型應(yīng)用的重要趨勢之一，其意義一方面在于可以為農(nóng)業(yè)管理部門提供大面積作物生產(chǎn)狀況和發(fā)展趨勢等的信息，另一方面能夠為政府決策部門進行農(nóng)業(yè)生產(chǎn)的宏觀調(diào)控等提供必要的依據(jù)。本研究在學(xué)習(xí)前人關(guān)于作物模型的構(gòu)建和區(qū)域應(yīng)用研究的基礎(chǔ)上，進一步

2、探索作物模型在區(qū)域作物產(chǎn)量預(yù)測上的應(yīng)用，建立了基于作物模型和GIS的縣域水稻產(chǎn)量動態(tài)預(yù)測技術(shù)，為同類研究提供參考。具體結(jié)果如下：
　　 (1)水稻模型RCSODS的改進研究
　　 首先，引入感溫性參數(shù)P與Q的關(guān)系以及P與基本生長期系數(shù)K之間的關(guān)系，對RCSODS的發(fā)育期模型參數(shù)進行了簡化。簡化后的發(fā)育期模型有六個參數(shù)，分別是水稻在四個發(fā)育階段（播種-出苗、出苗-穗分化、穗分化至抽穗、抽穗-成熟）的基本生長期系數(shù)K以及出苗

3、到穗分化階段的感光系數(shù)G和臨界日長D'。
　　 其次，從以下四個方面對RCSODS的光合生產(chǎn)模型進行了改進：一是利用葉面光強進行群體光合生產(chǎn)模擬，修正了原有的日光合量算法，二是引入溫度對光合反應(yīng)曲線參數(shù)的影響訂正，對原有的溫度影響日同化量算法進行改進，三是將逐時法計算日同化量引入模型，四是將光合生產(chǎn)參數(shù)簡化為4個：最大光合速率、最大比葉重、弱光光合效率參數(shù)和消光系數(shù)。
　　 最后，利用蘇州昆山和連云港贛榆國家一級農(nóng)業(yè)氣象

4、觀測站的實驗數(shù)據(jù)對改進后的模型進行了檢驗。結(jié)果表明，發(fā)育期和產(chǎn)量模擬的RMSE分別為2.9d和1134kg/ha，NRMSE分別為1.3％和13.2％，說明改進后的RCSODS能夠很好地模擬水稻發(fā)育期，較好地模擬水稻產(chǎn)量。
　　 (2)作物模型縣域應(yīng)用的尺度化技術(shù)研究
　　 采用距離平方反比法分析了插值站點數(shù)對插值效果的影響，結(jié)果表明：隨著插值站點數(shù)的增加，插值誤差呈現(xiàn)先減小再增加的變化趨勢；適宜插值站點數(shù)隨空間有較大變

5、化，即不存在適用于整個區(qū)域的最佳插值站點數(shù)；但存在插值精度相對較高的公共最遠(yuǎn)點權(quán)重，在區(qū)域插值時，把估值點周圍最遠(yuǎn)點的權(quán)重控制在這個值附近才是可靠的。
　　 利用空間歸并技術(shù)進行了作物模型的品種、土壤和栽培措施等輸入資料的升尺度分析。并以蘇州和連云港各縣（區(qū)）2000-2005年水稻產(chǎn)量模擬為例，進行了該技術(shù)的效果檢驗?？偟膩碚f，預(yù)測效果較好：蘇州地區(qū)模擬值的RMSE和NRMSE分別為742kg/ha和8.7％，連云港地區(qū)模擬值

6、的RMSE和NRMSE分別為975kg/ha和12.4％，說明該技術(shù)能夠較好地實現(xiàn)縣域水稻產(chǎn)量預(yù)測。
　　 (3)基于RCSODS和GIS的江蘇縣域水稻產(chǎn)量動態(tài)預(yù)測
　　 利用改進后的RCSODS，結(jié)合已構(gòu)建的GIS數(shù)據(jù)庫資料和利用空間歸并技術(shù)得到的水稻模型縣域估產(chǎn)方案，進行了江蘇縣域水稻產(chǎn)量動態(tài)預(yù)測，并與統(tǒng)計產(chǎn)量進行了比較。結(jié)果表明，除個別縣外，模擬誤差一般在10％以內(nèi)，總體預(yù)測效果較好，說明該技術(shù)能較好地實現(xiàn)縣域水稻