基于全局敏感性分析和贝叶斯方法的WOFOST作物模型参数优化

摘要：

作物模型参数的敏感性分析、标定和验证可以提高模型的效率和精准度,进而为模型应用做好准备工作.该研究结合参数全局敏感性分析方法以及贝叶斯后验估计理论的马尔科夫蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法,以华北栾城站三年的冬小麦观测数据(叶面积和地上生物量)为参照,对WOFOST模型的55个品种参数进行了敏感性分析、筛选和优化.发现:1)对叶面积影响较大的参数为:生育期为0、0.5、0.6和0.75时的比叶面积、生育期为1.5时的最大光合速率、叶面积指数最大增长率;对地上千物质影响较大的参数为:生育期为1.5时的最大光合速率、生育期为0时的比叶面积、35℃时叶面积的生命周期、生育期为0时的散射消光系数、生育期为1.8时的最大光合速率、储存器官的同化物转换效率.2)潜在和雨养产量水平下,最大叶面积和地上生物量对参数的敏感性差异不大.3)马尔科夫蒙特卡洛方法(MCMC)可以对WOFOST模型品种参数较好地优化;设计的3种校正-验证方案中,第1种方案(用1998-1999年作为校正年份,1999-2000年,2000-2001年作为验证年份)模拟效果最好.4)优化后的参数,模型对潜在产量水平模拟较好,一致性指数均大于0.9,相对均方根误差小于20％;而对有水分胁迫的雨养情况下比潜在产量水平的模拟结果差,表明模型对水分胁迫的模拟不足.该研究为WOFOST模型区域应用和模型调整优化提供科学理论依据.

关键词：模型、作物、优化、WOFOST、全局敏感性分析、MCMC、模型参数优化

所属期刊栏目：32

分类号：S512.1(禾谷类作物)

资助基金：公益性行业气象科研专项GYHY201306052,GYHY201506001

在线出版日期：2016-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：169-179