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

摘要

本发明属于农作物产量发展研究领域，具体涉及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，具体步骤如下：先利用农业气象站点的田间观测资料，使用GLUE模块与试错法相结合的方法确定冬小麦的品种遗传参数；再根据研究区内土壤条件分布，运用模型模拟不同播期改变、种植密度、施用氮肥量技术对冬小麦缩小产量差的贡献，评价各技术对氮肥利用效率的提升效果；最后运用模型进行不同气候区多站点的模拟，分析不同管理措施下冬小麦增产潜力在研究区域上的空间分布差异，明确不同管理措施在该区域上的适用性，解析各技术途径下氮肥利用效率在空间上的变化规律。本发明能够利用作物模型和观测数据，总体方案应用环境友好，市场前景广阔。

说明书

技术领域：

本发明属于农作物产量发展研究领域，具体涉及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，能够有效缩减产量差，提高区域作物产量是农业科研技术推广重要方法。

背景技术：

缩小冬小麦产量差的技术一直是作物领域研究的热点，是衡量粮食增产潜力有效途径，为了满足未来冬小麦的需求，必须在有限的种植面积上大幅度提高冬小麦单产，充分挖掘冬小麦生产潜力，提高冬小麦产量的同时还需要提高养分资源的高效利用，尤其是氮肥利用率，以便减少对环境的影响。但在现有的农业技术措施下，冬小麦的生产潜力并没有得到充分的挖掘，冬小麦实际产量与潜在产量之间的差距仍然较大，产量具有较大的提升空间。目前大部分研究主要针对不同气候因子和农艺措施对产量的影响，但是有关不同农艺措施互作技术对缩小冬小麦产量差的贡献和氮肥利用效率的影响研究较少，特别是对于跨区域冬小麦缩小产量差评价技术好没有报道。因此，有限的自然资源条件下，缩小冬小麦产量差，实现高产高效氮肥利用的技术途径有待研究。因此本发明寻求设计提供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，该方法能够通过农艺技术途径缩减产量差，提高区域作物产量，是一种农业科研技术推广重要方法。

发明内容：

本发明的目的在于克服现有技术存在的上述缺陷，寻求设计提供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，该方法采用作物模型模拟和统计诊断分析方法相结合，模拟不同播期、种植密度、不同氮肥施用量对冬小麦产量及其构成因素存在的影响。

为了实现上述目的，评估跨区域缩小冬小麦产量差与提高氮肥效率的方法通过如下技术方案实现：

S1、作物模型的有效性验证

利用农业气象站点的田间观测资料，使用GLUE模块与试错法相结合的方法确定冬小麦的品种遗传参数，对冬小麦开花期、成熟期和产量进行品种参数的校准与验证，以评价作物模型在研究区域内的适用性；

S2、不同管理措施对产量差和效率差

根据研究区内土壤条件分布，选取代表性站点并结合1990-2015 年的气象数据，运用模型模拟不同播期改变、种植密度、施用氮肥量技术对冬小麦缩小产量差的贡献，评价各技术对氮肥利用效率的提升效果，为冬小麦的高产高效生产提供技术优先序；

S3、各管理措施对冬小麦区域增产增效的影响

运用模型进行不同气候区多站点的模拟，分析不同管理措施下冬小麦增产潜力在研究区域上的空间分布差异，明确不同管理措施在该区域上的适用性，解析各技术途径下氮肥利用效率在空间上的变化规律。

本发明与现有技术相比，取得的有益效果如下：

1、提出了利用作物模型与统计分析相结合的方法，该方法通过模型模拟冬小麦区域上潜在产量和不同农艺措施下的可获得产量，定量区域的产量差，解析冬小麦缩差和增效的技术途径。

2、跨不同气候区的冬小麦缩差评价技术的选择和施用，可以有效缩小区域冬小麦的产量差，提高种植冬小麦的产量，同时通过不同技术下氮肥效率的评价，可以和气候区冬小麦的种植业提供高产高效的种植技术途径，提高农业的经济效益和环境效益。

3、本发明利用作物模型和观测数据，模拟土壤养分、播期、种植密度、氮肥等不同水平因素对冬小麦可获得产量的影响，定量评估不同措施方法对缩小冬小麦产量差的贡献，以及提高氮肥利用效率的措施，为实现冬小麦高产高效的技术途径提供科学依据。总体方案应用环境友好，市场前景广阔。

附图说明：

图1为本发明涉及的工艺流程示意图。

图2(A)为冬小麦开花期模拟值与观测值的对比示意图。

图2(B)为冬小麦成熟期模拟值与观测值的对比示意图。

图2(C)为冬小麦开产量模拟值与观测值的对比示意图。

具体实施方式：

下面通过实施例并结合附图对本发明作进一步说明。

实施例1：

本实施例涉及的一种评估跨区域缩小冬小麦产量差与提高氮肥效率的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(Jone，1992； Blacketal.，2010)，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(MJ·m

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各项农艺措施(土壤改良、调整播期、合理密植、增施氮肥)下作物产量差，即不同措施可获得的增产潜力(PAY，Potential ascension of yield)；

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，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等影响，对冬小麦产量及构成要素的形成具有显著调控作用；本实施例选用国际上常用的偏生产力(PFP，partial factorproductivity)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

式中，PFP

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NRMSE(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(一致性指数)度量模型的模拟效果，计算公式如下：

式中，S

S6、ArcGIS软件空间差值分析

本实施例在站点的尺度上，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、冬小麦产量性状等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

进一步的，为了更好地使模型模拟的土壤类型代表当地种植冬小麦的土壤类型，按照统计耕地面积的方法确定模型输入的土壤类型，即通过统计各站点各土壤类型的耕地面积后，选择最大面积的土壤类型为种植冬小麦的土壤；模型所需的土壤数据主要包括土壤剖面各层的物理参数、土壤类型、土壤养分等，由模型中的土壤数据管理平台 (SBuild)进行输入管理；模型所需的田间管理数据包括作物品种、播种密度、播种深度、播种日期、施肥量、灌溉量和灌溉方式等。根据不同的模拟需求设置水肥管理措施，在田间数据管理平台(XBuild) 输入数据和保存；

进一步的，品种遗传参数的修正方法：为了确保能获得准确的冬小麦品种参数，本实施例采用DSSAT软件中的GLUE(Generalized Likelihood Uncertainty Analysis Tool)参数调试模块结合“试错法”的方式对模型中的冬小麦品种参数进行校正，具体的调参步骤为：首先打开遗传参数文件，选择与供试品种类型相近且其值已知的品种参数，作为供试品种参数的初始值；然后使用GLUE参数调试模块，在设置较大的抽样容量(8000次)基础上，筛选出模拟效果较好的组合；最后再对该参数组合使用“试错法”，即微调某个品种参数值，对比分析冬小麦实测值与模拟值的差异，不断的调整各个品种参数直到冬小麦生育期和产量的实测值与模拟值之间误差最小为止；

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(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1CERES-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较大的抽样容量(8000次)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、成熟期和产量等，其模拟值与实测值对比结果见图2(A)、图2(B) 图2(C)，从图中可以看出，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(P＜0.01)，归一化均方根误差NRMSE均在5％以内，其中阜阳误差略大，商丘的误差相对较小，模拟与实测值的一致性指数(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(P＜0.01)，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。