[发明专利]一种评估跨区域缩小冬小麦产量差与提高氮肥效率的方法

权利要求书

1.一种评估跨区域缩小冬小麦产量差与提高氮肥效率的方法，其特征在于具体操作步骤按照如下方式进行：

S1、太阳辐射的计算

作物模型中输入的气象数据包括太阳辐射的数值，而气象站获得的气象数据中只有日照时数，因而模型输入的日总辐射需要采用彭曼-蒙特斯方法由气象观测资料中的日照时数计算得出，计算公式如下：

Ra＝37.586×d×(Ws×sinφ×sinδ+cosφ×cosδ×sinWs)............(2)

Ws＝arccos(-tanφ×tanδ)...................................(5)

式中：Rs是地表近短波辐射，即MJ·m^-2·d^-1；Ra是晴天太阳辐射量，即MJ·m^-2·d^-1；d是日地相对距离；δ是赤纬，即Rad；φ是气象站的纬度，即Rad；n是日照时数，即h；N是最大时长即h；Ws是日落时角，即Rad；J是日序；

S2、冬小麦潜在产量和可获得产量的计算

冬小麦的潜在产量是作物模型在无养分、水分和病虫害在内的胁迫条件下所模拟的产量，选择各站点连续N年潜在产量的平均值代表目前冬小麦潜在产量，其中N为大于1的整数；在分析农艺措施对冬小麦产量差和效率差的影响时，不同水平条件下的可获得产量是指改变相应的作物管理措施后模拟得到的冬小麦产量；

S3、不同农艺措施的增产潜力和贡献率

根据设置的模拟方案，分别模拟每种措施条件下冬小麦可获得产量和当地常规条件下产量Yck，利用模拟的产量计算包括土壤改良、调整播期、合理密植、增施氮肥各项农艺措施在内的作物产量差，即不同措施可获得的增产潜力；

PAYs＝Ys-Yck......................................(7)

PAYd＝Yd-Yck......................................(8)

PAYm＝Ym-Yck......................................(9)

PAYn＝Yn-Yck.....................................(10)

不同措施下作物产量差相对潜在产量YP的百分比，表示不同农艺措施对缩小产量差的贡献率CR，即contribution rate，即

S4、不同农艺措施下的氮肥利用效率

氮肥利用效率受土壤养分、气象条件和农艺措施影响，对冬小麦产量及构成要素的形成具有显著调控作用；选用国际上常用的偏生产力PFP，即partialfactor productivity来评价氮肥利用效率，PFP是指施用某一特定肥料下作物产量与施肥量的比值，即

PFP_N＝Y/N..................................................(15)

式中，PFP_N为不同措施下氮肥偏生产力，单位为kg·kg^-1，Y为不同施氮水平的作物产量，单位为kg·hm^-2，N为不同措施下的氮肥施用量，单位为kg·hm^-2；由于各项产量均在施用氮肥条件下改变相应的农艺措施获得，故Y代表模拟方案中不同水平条件下的可获得产量，用土壤改良、调整播期、合理密植、增施氮肥条件下的PFP与对照组的PFP之差即氮肥效率差PFPD，即differences of partial factor productivity来反映不同农艺措施对氮肥利用效率的影响程度，以评价提高N肥利用效率的途径；

S5、模型评价指标

模型中的品种参数是在输入气象数据、建立土壤及实验文件之后，采用试错法进行调试，因而需要对其进行验证，本研究在评估作物模型时，主要采用归一化均方根误差来检验观测值与模拟值的吻合程度，并用D值，即一致性指数度量模型的模拟效果，计算公式如下：

式中，S_i为模拟值，M_i为观测值，为观测值的平均值，n为样本量；一般认为，NRMSE的值越小，则模拟误差越小；当NRMSE＜10％时，表明模拟精度极好；10％＜NRMSE＜20％时，模拟精度较好；20％＜NRMSE＜30％时，模拟精度一般；而NRMSE＞30％时，表明模拟精度较差，D值越接近于1，表明模拟值与实测值的一致性越好；

S6、ArcGIS软件空间差值分析

在站点的尺度上，采用作物模型模拟的冬小麦潜在产量和可获得产量，为了确定冬小麦各级产量在研究区域尺度上的分布规律，利用ArcGis软件进行空间插值；首先，根据研究区域选取分布均匀且具有代表性的多个站点模拟值，采用反距离加权插值方法进行空间插值，生成空间栅格数据，从而可以确定冬小麦各级产量在区域上的空间分布特征；

S7、作物模型的标定和品种遗传参数确定

模型标定：模型需要的数据资料主要包括气象站逐日天气数据、土壤数据、田间管理数据、冬小麦产量性状试验资料以及品种遗传参数；气象数据通过作物模型中的WeatherMan软件录入，运行模型所需最少的气象要素数据集包括：气象站点的经纬度和海拔、逐日最高温度、最低温度、降水量、太阳辐射量；其中，模型所必需的逐日太阳辐射数据由观测的日照时数参考埃斯屈朗经验公式后计算得出；

冬小麦品种参数确定：品种参数用于定量描述作物的基因遗传特性，用来区分不同作物和不同品种之间的基因遗传特性、生长发育性状和产量性状；模型对于冬小麦品种参数的描述主要分为两种类型，一类控制冬小麦的生育期，另一类控制冬小麦产量的参数，模型所需要冬小麦品种遗传参数及物理意义，见表1；当使用模型对某区域作物进行模拟时，首先需要对模型在该区域的适用性进行评价，即对品种参数的校准和验证过程；

表1 CERES-Wheat模型中品种遗传参数的描述

S8、作物模型品种参数调试和有效性验证

模型本地化品种参数

将模型应用于特定地区之前，必须对特定的地区不同的冬小麦品种进行参数的校准和验证，从而实现模型的本地化应用，根据研究区农业气象站点已有的田间观测资料，选择研究区七个冬小麦品种进行模型参数调试，为了准确的得出冬小麦品种参数以及提高作物模型验证的可信度，从多年冬小麦试验观测资料中选取至少连续种植两年的品种类型进行遗传参数的调试，对模型进行校准即确定遗传参数时，首先使用GLUE参数调试模块在设置8000次的抽样容量基础上，筛选出模拟效果较好的组合，再对该参数组合使用“试错法”，根据模型校准的系统化顺序微调，以保证模拟值的相对误差较小；

模拟效果分析：对品种的遗传参数进行验证，检验各品种的遗传参数在研究区的准确性，对模型模拟效果评价的关键指标有开花期、成熟期和产量，开花期和成熟期的模拟值与实测值之间的吻合程度较高，各点均匀分布在1:1趋势线两侧；产量的模拟值与实测值的拟合程度略低，总体上的模拟效果较好；

通过对各站点模拟结果进行统计检验，以验证模型参数的适用性；开花期和成熟期的模拟值与实测值间具有极显著相关关系，相关系数R均大于0.9，归一化均方根误差NRMSE均在5％以内，模拟与实测值的一致性指数，即D值均大于0.7；模拟籽粒产量与实测值间也具有极显著相关关系，R大于0.7，NRMSE在10％以内，D值基本接近于1，总体上，模拟值与实测值间一致，说明各站品种参数调试合适，适用于冬小麦生长模拟。