基于作物生长模型的作物旱灾致灾强度指数计算方法

摘要

本发明公开了一种基于作物生长模型的作物旱灾致灾强度指数的计算方法。本发明通过农作物生长模型模拟作物生长过程，建立作物不同生长阶段水分胁迫与作物产量损失的关系，确定作物不同生长阶段水分胁迫对产量损失的贡献率，进而构建基于作物水分胁迫的作物旱灾致灾强度指数模型，对作物旱灾强度进行定量评估。该方法可较直观地反映出作物生长期内不同阶段的水分胁迫导致的不同强度干旱影响的作物产量损失规律，对于指导农业抗旱和旱灾风险管理具有重要意义。

说明书

技术领域

本发明属于农业旱灾风险评估技术领域，涉及一种作物旱灾强度指数的计算 方法，具体涉及一种根据作物不同生育期水分胁迫对作物产量的影响确定旱灾强 度指数的计算方法。

背景技术

农业是对气候变化反应最敏感的部门之一，任何程度的气候变化都会给农业 生产及其相关过程带来潜在的或显著的影响。随着全球地表年平均温度的升高， 以及极端天气\气候事件频率和强度的增加，由气候变化带来的诸如水资源短缺、 病虫害爆发以及土壤退化等都对农业环境状况造成了很大的影响。而随着气候变 暖导致的潜在蒸散发的增加和土壤湿度的降低，农业灌溉的需求量将会增加，这 又将加剧水资源需求的矛盾。因此，理解旱灾风险及其内在的影响机制可以提高 区域农业旱灾应对能力并及时采取对策以适应气候变化对农业旱灾的影响。

干旱通常被定义为一种降水明显低于标准记录水平的自然现象，并且会导致 水文学上的不平衡，对土地资源生产系统造成不利的影响。干旱可分为四种类型： 气象干旱、水文干旱、农业干旱和社会经济干旱。其中，农业干旱指一段时间内 土壤湿度下降，不考虑地表水补给下的作物减产。农业干旱具体表现为降水量的 不足、实际与潜在蒸散量的差异、土壤水的不足、地下水或水库水位的下降等方 面。

近年来，许多干旱指数被提出，并且被广泛的应用于对干旱强度、持续时间、 严重性或者影响范围的描述。其中包括了主要使用气象站点数据描述气象干旱的 标准化降水指数(SPI)，综合干旱指数(CI)等；综合了气象数据与土壤湿度数据如 帕默尔干旱指数(PDSI)，帕默尔水文干旱指数(PHDI)以及多变量综合干旱指数 (ADI)等；描述水文干旱的地表水供给指数(SWSI)，标准化水文指数(SHI)等；描 述农业干旱的作物水分指数(CMI)，土壤湿度指数(SMDI)，农业干旱参照指数 (ARID)等；随着地球观测卫星的发展，以遥感数据为基础的干旱指数也逐渐被应 用，如NDVI和VCI等植被指数。对农业干旱来说，如PDSI、CMI等利用气象 数据以及土壤湿度数据的干旱指数主要考虑了土壤湿度和实际蒸散发，没有考虑 土壤湿度对作物受旱本身的影响；NDVI、VCI等主要利用遥感观测数据根据植 被的光谱特性对植被进行监测，没有考虑气温、降水等其他因素对植被生长的影 响。综上所述，现有的干旱指数并不能直接刻画作物的受旱情况以及作物受旱与 作物产量损失的直接关系，作物生长过程中的水分胁迫是作物受旱的最核心的因 子。

EPIC作物生长模型(Environmental Policy Integrated Climate Model)可以较 好地模拟作物在不同气象条件及灌溉水平下的产量，从而应用到作物旱灾致灾强 度及因旱损失风险评估中。EPIC模型早期被称为侵蚀-土地生产力影响评估模型 (the Erosion Productivi-ty Impact Calculator Model)，是美国农业部为评价美国水 土资源现状，分析土壤侵蚀和生产力关系而开发的综合模型，包括气象、水文、 土壤侵蚀、作物生长等模块。作物生长模型(crop growth model)是EPIC模型 的重要子模型之一，考虑了作物生长过程中的气象条件、作物类型、田间管理等 众多因素。模型输入的气象因子包括降雨、气温、风速、相对湿度、太阳辐射等。 通过对比逐日累计热量单元和潜在热量单元，进行作物产量计算，即当累计热量 单元达到作物成熟所需时，模型输出结果即为模拟的作物产量。

发明内容

为了解决现有技术的不足，本发明提供了一种基于作物生长模型的作物旱灾 致灾强度指数的计算方法。本发明通过农作物生长模型模拟作物生长过程，建立 作物不同生长阶段水分胁迫与作物产量损失的关系，确定作物不同生长阶段水分 胁迫对产量损失的贡献率，进而构建基于作物水分胁迫的作物旱灾致灾强度指数 模型，对作物旱灾强度进行定量评估。该方法可较直观地反映出作物生长期内不 同阶段的水分胁迫导致的不同强度干旱影响的作物产量损失规律。

本发明提供的基于作物生长模型的作物旱灾致灾强度指数的评估方法具体 步骤如下：

(1)运用EPIC作物生长模型确定评价作物的作物参数；

(2)根据步骤(1)中确定的作物品种参数以及站点气象数据，确定作物产 量的水分关键期。运用EPIC作物生长模型模拟作物生长过程，以全生育期水分 充足处理的模拟结果为对照，分别减少各个生育期i的灌溉量，根据下列公式计 算减产率y_i：

$y_i=\frac{Y_i}{Y_s}$

其中，Y_s是全生育期水分充足情况下的作物产量，Y_i是不同生育期在水分亏 缺条件下的产量损失

根据不同生育期水分亏缺条件下得到的减产率，计算不同生育期水分胁迫对 产量损失的贡献率α：

${\alpha }_i=\frac{y_i}{\underset{i=1}{\overset{m}{\Sigma }}{y}_i}$

其中，m是作物生育期的数量。

(3)根据步骤(1)中确定的作物品种参数以及空间插值后的气象数据，利 用空间EPIC模型得到作物水分胁迫的日输出，结合步骤(2)中确定的作物产量 水分关键期，根据下列公式计算作物旱灾致灾强度指数：

${\mathrm{DHI}}_{\mathrm{yj}}=\frac{\underset{k=1}{\overset{n}{\Sigma }}{\alpha }_i(1-{\mathrm{WS}}_k)}{\max >}$

其中，DHI_yj为作物旱灾致灾强度指数，DHI_yj为第y年j个像元的作物旱 灾致灾强度指数，WS_k为第k天作物受水分胁迫影响的当天的胁迫值，α_i为不 同生育期水分胁迫对产量损失的贡献率并且第k天属于第i个生育期，n为生长 季内受水分胁迫影响的天数，max DHI为所模拟的所有像元所有年份内 的最大值。

作物旱灾致灾强度指数取值范围在0-1之间：0代表致灾强度的最小值，即 没有干旱的影响；1代表致灾强度的最大值，即最重的干旱影响；

在运用作物生长模型模拟作物生长过程的研究中，不同类型作物的遗传参数 有很大不同，同一种作物不同品种的遗传参数也有一定的差异。而遗传参数的确 定，最理想的是在严格的人工控制下进行田间实验，但这样需要较长的时间，而 且也不利于大范围多品种的情况实验。因此，本发明以观测和统计数据为基础， 采用优化算法对不同品种的遗传参数进行调试，进而确定作物品种参数。

在本发明具体的实施方案中，上述步骤(1)的具体操作步骤如下：将样点 作物的田间管理相关数据以及气象数据输入EPIC模型，将输出的作物产量和实 测作物产量进行拟合,通过反复运行模型，调试主要作物参数值，确定该品种作 物的作物参数；

在本发明具体的实施方案中，上述步骤(2)的具体操作步骤如下：参考研 究区域农业气象年型的划分资料，选择气候年型正常的年份为背景数据，设缺水 时自动灌溉为对照，各生育期均进行缺水处理，设定统一缺水量，约为1次正常 灌溉的用水量，模拟作物生长不同阶段缺水对作物和产量形成的影响，确定影响 作物产量的水分关键期。

本发明的优点和有益效果：

本发明的旱灾致灾强度指数综合考虑了作物水分胁迫以及作物不同生育阶 段水分胁迫对产量的影响，确定了作物因旱对产量的影响。利用时间序列的气象 站点数据，得到了作物旱灾强度指数的时空分布情况。

附图说明

图1显示为本发明实施的流程图；

图2显示为样例站点春玉米产量的实测值与模拟值；

图3显示为春玉米产量的实测值与模拟值的验证；

图4显示为样例站点春玉米不同生育期缺水处理下的减产率；

图5显示为研究区2010年春玉米旱灾致灾强度分布图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下 实施例用于说明本发明，但不用来限制本发明的范围。

实施例 建立基于作物生长模型的作物旱灾致灾强度指数计算方法

研究对象：中国北方农牧交错带中部春玉米旱灾致灾强度指数

1、确定研究区春玉米的作物参数

根据研究区1990年到1995年春玉米产量的农业统计数据来进行参数调整。 根据模型需要，将试验站点对应年份的日气象数据、土壤数据和田间管理数据(犁 地、播种、灌溉、施肥、农药、收获等)，输入EPIC作物生长模型中，进行1990-1995 年6个生长季的作物生长模拟，将输出的作物产量和实测作物产量之间进行拟合 (主要比较年际间产量变化趋势是否一致，产量值是否可以更为接近)(图2)。 通过反复运行模型，调试主要作物参数值，最终确定该品种的作物参数。

2、模型验证

确定作物参数后利用EPIC模型对春玉米产量进行验证(图3)，选择1990 到1995年研究区内多个样点对模拟的产量与实测作物产量进行比较，相关系数 R²为0.89，说明确定的作物参数在研究区有较好的适用性。

3、确定影响作物产量的水分关键期

参考农业气象年型划分方法，选择正常气候年型2002年为背景数据，以研 究区大同站为例，设缺水时自动灌溉为对照(全生育期水分充足)，各生育期均进 行缺水处理，设定统一缺水量60mm，约为1次正常灌溉的用水量，模拟不同阶 段缺水对春玉米生长和产量形成的影响，确定影响玉米产量的水分关键期(表1)。

表1不同生育阶段缺水处理

以全生育期水分充足处理的模拟结果为对照，各个生育期i的减产率y_i被分 别计算：

$y_i=\frac{Y_i}{Y_s}$

其中，Y_s是全生育期水分充足情况下的春玉米产量，Y_i是不同生育期在水分亏缺 条件下的产量损失。根据上述公式，计算得到各阶段缺水的减产率(图4)。

由各阶段减产率可知，在春玉米全生育期中，抽穗前期缺水对产量影响最大， 减产超过50％；其次是抽穗后期缺水将减产接近40％。从玉米的需水规律来看， 玉米拔节以后，随着植株的迅速增长，需水量逐渐增多。玉米抽雄穗前后是需水 量最多而且最为敏感的时期。灌浆至蜡熟阶段是籽粒产量形成的重要时期，同样 需要大量的水分。蜡熟以后需水量对产量的影响较小。在营养生长阶段拔节后期 缺水对产量影响最大，减产约34％。玉米拔节后，茎叶生长迅速，干物质开始大 量积累，叶面蒸腾量也逐渐增大，要求充足的水分和养分供应。

不同生育期水分胁迫对产量损失的贡献率α是由不同生育期缺水处理下得 到的减产率占总减产率的百分比计算得到：

${\alpha }_i=\frac{y_i}{\underset{i=1}{\overset{m}{\Sigma }}{y}_i}$

其中，m是春玉米生育期的数量。不同生育期水分胁迫对产量损失的贡献率如表 2所示：

表2不同生育期水分胁迫对产量损失的贡献率

4、模型中输入研究区1966-2011年的气象数据，按照下列公式带入相关数据 计算旱灾强度指数。

${\mathrm{DHI}}_{\mathrm{yj}}=\frac{\underset{k=1}{\overset{n}{\Sigma }}{\alpha }_i(1-{\mathrm{WS}}_k)}{\max >}$

其中，DHI_yj为旱灾强度指数，DHI_yj为第y年j个像元的旱灾强度指数，WS_k为第k天受水分胁迫影响的当天的胁迫值，α_i为不同生育期水分胁迫对产量损 失的贡献率并且第k天属于第i个生育期，n为生长季内受水分胁迫影响的天数， max DHI为所模拟的所有像元所有年份内的最大值。

通过模拟计算，最终得到研究区1966-2011年各年度玉米旱灾致灾强度指数， 并制作致灾强度指数空间分布图(图5)。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的 普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和 变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应 由权利要求限定。