1、預(yù)測(cè)作物生產(chǎn)力、分析未來(lái)氣候變化對(duì)農(nóng)業(yè)生產(chǎn)的影響是評(píng)價(jià)糧食安全的重要內(nèi)容之一。作物生長(zhǎng)模型可為預(yù)測(cè)糧食產(chǎn)量和評(píng)估環(huán)境變化影響等提供有力的定量化工具。本研究即以冬小麥為研究對(duì)象，在現(xiàn)有小麥生長(zhǎng)模型的基礎(chǔ)上，研究了區(qū)域小麥模型品種參數(shù)估算方法，通過(guò)耦合GIS技術(shù)，建立了可用于區(qū)域尺度小麥生育期及生產(chǎn)力預(yù)測(cè)與評(píng)價(jià)方法，進(jìn)一步提出了一種區(qū)域氣候模型數(shù)據(jù)修訂方法，為作物模型與區(qū)域氣候模型的結(jié)合提供了重要的技術(shù)手段，并通過(guò)作物模型與區(qū)域氣候模型有效

2、結(jié)合，對(duì)未來(lái)氣候情景下我國(guó)主要冬麥區(qū)區(qū)域小麥生產(chǎn)力及水分利用進(jìn)行了預(yù)測(cè)。
　　品種參數(shù)估算是小麥生長(zhǎng)模型區(qū)域化應(yīng)用中的關(guān)鍵技術(shù)之一。本研究以小麥生長(zhǎng)模型WheatGrow為基礎(chǔ)，采用馬爾可夫鏈蒙特卡洛(Markovchainmontecarlo，MCMC)方法，構(gòu)建了適用于小麥生長(zhǎng)模型區(qū)域化應(yīng)用的品種參數(shù)估算方法，并研制了區(qū)域小麥品種參數(shù)估算系統(tǒng);進(jìn)一步基于徐州、淮安、石家莊、鄭州、濰坊5個(gè)生態(tài)點(diǎn)1980-2005年小麥生長(zhǎng)季的逐

3、日氣象資料和實(shí)測(cè)小麥生育期信息，利用該系統(tǒng)對(duì)5個(gè)生態(tài)點(diǎn)的小麥品種參數(shù)進(jìn)行估算，獲得了各品種參數(shù)后驗(yàn)概率分布的95％置信區(qū)間及區(qū)間內(nèi)各參數(shù)的平均值和標(biāo)準(zhǔn)差;進(jìn)一步根據(jù)各品種參數(shù)之間的相關(guān)關(guān)系，在95％置信區(qū)間內(nèi)隨機(jī)選出了1000套模型參數(shù)，對(duì)該估算方法的精確度進(jìn)行了檢驗(yàn)。結(jié)果表明，各生育期的模擬值與實(shí)測(cè)值之間表現(xiàn)出較高的吻合度(R2＞0.58，RMSE＜4.4天)。表明基于MCMC的區(qū)域小麥品種參數(shù)估算方法用于生長(zhǎng)模型品種參數(shù)的估算具有較

4、高的可靠性，為模型的區(qū)域化應(yīng)用奠定了基礎(chǔ)，也為作物生長(zhǎng)模型的參數(shù)估算提供了有效途徑。
　　區(qū)域小麥生育期的準(zhǔn)確預(yù)測(cè)會(huì)直接影響到小麥生長(zhǎng)模型的區(qū)域化應(yīng)用的精度和可靠性。為建立一種較優(yōu)的區(qū)域小麥生育期的預(yù)測(cè)方法，本研究首先采用薄盤(pán)樣條法(ThinPlateSpline，TPS)對(duì)中國(guó)主要麥作區(qū)各站點(diǎn)逐日氣象數(shù)據(jù)進(jìn)行空間插值，得到研究區(qū)域氣象要素表面數(shù)據(jù);其次利用TPS方法對(duì)各站點(diǎn)歷史多年小麥播種期進(jìn)行空間插值，并將插值后的結(jié)果進(jìn)行多年

5、平均得到研究區(qū)域播種期表面數(shù)據(jù);進(jìn)一步將MCMC方法與WheatGrow和CERES-Wheat2個(gè)生長(zhǎng)模型相結(jié)合，利用代表性站點(diǎn)歷史多年小麥生育期實(shí)測(cè)數(shù)據(jù)，估算出各站點(diǎn)的品種參數(shù)，并將其作為各省份的代表性生態(tài)型品種參數(shù);最后將生成的氣象要素和播種期表面數(shù)據(jù)以及生態(tài)型品種參數(shù)等輸入到2個(gè)模型系統(tǒng)中，并以柵格為單元模擬研究區(qū)域的小麥生育期，進(jìn)一步結(jié)合不同站點(diǎn)的歷史生育期觀測(cè)資料，來(lái)檢驗(yàn)和評(píng)價(jià)模型區(qū)域應(yīng)用方法的有效性，量化區(qū)域生育期模擬結(jié)果

6、的不確定性。結(jié)果表明，2個(gè)模型在區(qū)域尺度上的生育期預(yù)測(cè)效果均比較好，區(qū)域尺度上拔節(jié)期、抽穗期、成熟期預(yù)測(cè)值和觀測(cè)值之間的R2分別高于0.85、0.85和0.82，RMSE分別低于9.6、7.8和6.5天，RMSD分別低于5.1、4.4和4.8天。另外，WheatGrow模型對(duì)抽穗期和成熟期區(qū)域預(yù)測(cè)的準(zhǔn)確度略高于CERES-Wheat,但由品種參數(shù)導(dǎo)致的區(qū)域模擬結(jié)果的不確定性也相對(duì)較高。
　　利用生長(zhǎng)模型和GIS模擬冬小麥主產(chǎn)區(qū)生產(chǎn)

7、潛力，以揭示影響區(qū)域冬小麥生產(chǎn)的限制因子，可為制定提高區(qū)域小麥生產(chǎn)潛力策略提供有力的依據(jù)。本研究利用GIS將氣象、土壤、品種、栽培管理措施插值疊加生成柵格分辨率為0.1°×0.1°區(qū)域均質(zhì)柵格，利用WheatGrow和CERES-Wheat2個(gè)小麥生長(zhǎng)模型分別模擬各柵格的光溫生產(chǎn)潛力和氣候生產(chǎn)潛力。結(jié)果表明，2個(gè)模型的模擬結(jié)果在空間分布上基本一致，模型預(yù)測(cè)的光溫生產(chǎn)潛力從南到北呈逐漸增加趨勢(shì)，從西向東呈逐漸增加趨勢(shì);氣候生產(chǎn)潛力則從南向

8、北呈降低的趨勢(shì)，從西向東呈增加的趨勢(shì)。光溫、氣候生產(chǎn)潛力產(chǎn)量差由南向北逐漸增加，其中光溫生產(chǎn)潛力與累積日照時(shí)數(shù)空間分布基本一致，氣候生產(chǎn)潛力與累積降雨/累積潛在蒸散(P/PET)空間分布基本一致，2個(gè)模型的光溫、氣候生產(chǎn)潛力產(chǎn)量差與降雨/潛在蒸散呈負(fù)相關(guān)關(guān)系，相關(guān)系數(shù)分別為-0.59和-0.80。在假設(shè)自動(dòng)灌溉的情景下，2個(gè)模型模擬冬小麥主產(chǎn)區(qū)的最低灌溉量的空間分布與產(chǎn)量差的空間分布較為一致，相關(guān)系數(shù)分別為0.57和0.77。基于模擬模

9、型與GIS相結(jié)合的生產(chǎn)潛力研究方法，可對(duì)我國(guó)冬小麥主產(chǎn)區(qū)光溫、氣候生產(chǎn)潛力及限制因子進(jìn)行模擬預(yù)測(cè)與分析，也可為我國(guó)冬小麥生產(chǎn)策略的制定和農(nóng)業(yè)水資源的再分配提供了科學(xué)依據(jù)。
　　建立一種區(qū)域氣候模型數(shù)據(jù)的修訂方法，可為作物模型與氣候模型相結(jié)合及未來(lái)氣候情景模擬提供技術(shù)支持。選取徐州、淮安、鄭州、濰坊、石家莊5個(gè)小麥生態(tài)點(diǎn)，利用各地點(diǎn)1960～1993年的歷史氣象數(shù)據(jù)，對(duì)區(qū)域氣候模型RegCM3所生成的1994-2010年降雨量、降雨

10、頻率、太陽(yáng)輻射、最高氣溫、最低氣溫等逐日氣象要素進(jìn)行修訂;進(jìn)一步分別將修訂前后的RegCM3逐日氣象數(shù)據(jù)、實(shí)際觀測(cè)的逐日氣象數(shù)據(jù)輸入WheatGrow模型進(jìn)行小麥產(chǎn)量的模擬，通過(guò)比較模擬產(chǎn)量和實(shí)測(cè)產(chǎn)量之間的誤差，來(lái)對(duì)區(qū)域氣候模型數(shù)據(jù)修訂方法進(jìn)行檢驗(yàn)和評(píng)價(jià)。結(jié)果表明，與修訂前的RegCM3數(shù)據(jù)相比，修訂后5個(gè)生態(tài)點(diǎn)1994-2010年的逐月降雨量、溫度、太陽(yáng)輻射等氣象要素參數(shù)以及逐日降雨量、溫度、太陽(yáng)輻射等數(shù)據(jù)的概率分布，與實(shí)際觀測(cè)數(shù)據(jù)更

11、加吻合，尤其是RegCM3生成數(shù)據(jù)中的極端高溫和高頻率降水得到了較好的修正。另外，基于修訂后RegCM3逐日氣象數(shù)據(jù)在5個(gè)生態(tài)點(diǎn)的WheatGrow模擬產(chǎn)量與實(shí)測(cè)產(chǎn)量之間的決定系數(shù)達(dá)0.72，標(biāo)準(zhǔn)根均方差為10.5％，均優(yōu)于利用原始RegCM3數(shù)據(jù)的模擬結(jié)果。表明修訂后的RegCM3逐日氣象數(shù)據(jù)，可以作為作物模型的可靠輸入數(shù)據(jù)，用于預(yù)測(cè)和評(píng)價(jià)未來(lái)氣候條件下的區(qū)域小麥生產(chǎn)力。
　　將高分辨率全球氣候模型CSIRO-Mk3.5與小麥生

12、長(zhǎng)模型WheatGrow相結(jié)合，通過(guò)對(duì)氣象數(shù)據(jù)的降尺度、播期數(shù)據(jù)的柵格化、品種參數(shù)的區(qū)域化估算、土壤數(shù)據(jù)的矢量化轉(zhuǎn)換等處理，利用GIS將中國(guó)主要麥作區(qū)的氣象、土壤、品種、管理措施疊加生成柵格分辨率為0.1°×0.1°區(qū)域均質(zhì)柵格，對(duì)各柵格的小麥生產(chǎn)力進(jìn)行了模擬預(yù)測(cè)。情景模擬結(jié)果顯示，2030s、2050s、2070s年代的小麥開(kāi)花期與2000s年代相比，各省的小麥開(kāi)花期逐漸提前，灌漿期變化不顯著。雨養(yǎng)條件下，秦嶺、淮河以北（北方地區(qū)）的

13、小麥減產(chǎn)，秦嶺、淮河以南（南方地區(qū)）小麥則增產(chǎn)。在充分灌溉條件下，小麥主產(chǎn)區(qū)的大部分區(qū)域產(chǎn)量呈增加趨勢(shì)，其中在山西、河北、陜西、山東4個(gè)北方省份的小麥產(chǎn)量增加更為明顯。小麥生育期內(nèi)累積蒸散量(ET)空間分布規(guī)律與小麥產(chǎn)量分布特征基本一致。小麥灌溉水分利用效率在山東西部、河南北部、山西和陜西北部以及四川南部地區(qū)有所降低，而在其他大部分地區(qū)表現(xiàn)增高。氣候模型與生長(zhǎng)模型相結(jié)合可有效分析由氣候變化引起的區(qū)域小麥生產(chǎn)力空間變異，為我國(guó)冬小麥主產(chǎn)區(qū)