有关作物生产的四个层次水平的概念可以启发我们应该怎样建立比较复杂的模拟模型。所谓第一生产水平，就是不考虑其他因素受限制的作物温光潜力的计算；第二生产水平，是在温光基础上增加水分因素的限制；第三水平，是指在前两种水平上再增加氮素受限；最后，第四个生产水平是指在1至3的水平上增加磷素受限[42]。因此，建模者可以在第一水平上先建立基本的作物模型，然后再逐渐发展到较高的水平。当然，建立一个较复杂的模型并没有统一的模式可循。一个模型复杂的程度往往取决于建模者研究问题的性质和目标，以及所采用的逼近方法。建立一个复杂模型，一般应从较简单的情况入手，然后再逐步深入。
建模的技巧和方法，还在于装配各种子模型。装配模型是应该有其生物学根据的，如群体光合生产模型一般都涉及到群体内的光分布、叶面积扩展、光合时间的计算、单叶光合速率、呼吸消耗等。装配的规则应与框图上画出的各种假设相一致。下面介绍一、二个比较成功的作物模型的例子。例如，美国北卡罗来纳州立大学研制的SICM(大豆综合管理)模型，由作物、土壤与水分、经济和虫害四个子模型组成。在作物子模型中，分配给不同器官的干重比例取决于作物的发育阶段，因此发育期模型是整个作物模型的核心。作物(大豆)一生被划分为11个发育阶段，其中6个阶段对温光起反应，其余的只对温度起反应。SICM还假设在高温条件下作物的发育速度较适温条件下减慢；作物的蒸腾速率是根长、土壤水分和蒸散力的函数，而后者则受天气条件影响。在土壤和水分子模型中，土壤一根系系统的供水能力取决于单位根长吸收水分的能力以及根长密度。当出现水分亏缺时，土壤一根系系统的供水能力小于需水量，但根伸长加快，这时茎叶生长和光合作用都受到抑制。在虫害子模型中，昆虫分为卵、幼虫和成虫3类，幼虫又可按其体格大小被分为小、中、大3种。年龄结构在不同生育期保持固定比例，变化的是虫群密度。温度对虫群生长和繁殖的效应是通过计算生理日来实现的，高温将有利于提高昆虫越冬的存活力，造成雌虫产卵数激增，繁衍代数增加，地理活动范围北移等。模型除考虑昆虫的自然死亡率之外，还考虑了天敌(捕获者、寄生虫)、农药和食物供应(叶面积)等因素对昆虫死亡率的影响。
美国德克萨斯州农工大学农业试验站研制的EPIC模型[48]，是另一个能说明建模技巧的例子。该模型用作物生产力来表示土壤生产力，因此作物模块仍是EPIC的关键部分。在作物模块中，作物生长受群体截获的太阳辐射量、生育期长短、生物量的分配、水分利用和营养循环等生理生态过程的影响，并受到水分、氮、磷、温度和CO2等条件的制约，根生长则受土壤温度和张力等影响。EPIC包括了24种作物，它既可以模拟一年生作物、又可以模拟多年生作物的生长发育。对于前者，作物生育期的长短受一定积温量的控制；对于后者，假定根系在冬季依然存活，仅当温度高于一定下限温度时才开始生长。土壤侵蚀是通过土壤特性和限制根生长的某些逆境条件(干旱、洪涝等)间接地影响作物生长的。考虑到土壤侵蚀是个相当缓慢的过程，该模型被设计成可以生成当地多至数百年的天气资料。
值得注意的是，在许多作物模型的总模型中，各子模型是彼此独立、各司其职的，但又是通过总模型相互联系在一起。例如，发育期子模型和生长子模型通常都是被分离开的。这不仅是因为发育与生长是两种不同的概念(尽管它们之间有密切的联系)，而且它们对环境因子及其变化会作出不同的反应。比方说，高温短日对水稻发育一般来说是有利的，但对水稻光合作用和光合积累来说就未必有利；再如，CO2浓度及其变化对水稻的光合作用是重要的，但没有证据显示它对水稻发育有任何直接影响。鉴于上述原因，将发育子模型与光合生产子模型分离是必要的。但是，光合生产及光合积累又是随着生育期而变化的，影响光合生产和光合积累的其他组份，如株型、叶面积、群体内的光分布、源库关系等都是随生育期变化的。因此，许多光合作用子模型在不同的生育阶段，都会取不同的形式，或形式相同，取不同的参数。那么在模拟过程中，靠什么来控制光合作用子模型在不同的生育阶段调用不同的模型或模型参数呢?只有生育期模型才能起着这样的作用。因此，生育期模型又称为“时标”(Timescale)。
在构建作物气象模型时，对模型作农业气象和生物学的假设是重要的。这些假设虽然只能是客观现实的简化，但也是建模的依据之一。建模者在作出假设之前应使自己通晓所研究问题的性质和有关生物学和农业气象的理论。例如， 日本科学家最早提出的水稻“三性”，即基本营养生长性、感温性和感光性理论，能够很好地解释水稻发育与遗传特性及温光环境之间的关系；而“三基点”温度，即上限、最适和下限温度在影响水稻发育方面起着完全不同的作用也为人们早所认识，并被大量实(试)验证实。因此，在建立水稻发育期模拟模型时，建模者应使自己所作的假设与水稻“三性”和温度“三基点”理论相符。美国著名的CERES-Rice模型[44]对水稻感温性的描述采用的是逐日热·时(daily ther— mal time，简称DDTi)法，它假设当日均温在8～32℃时，水稻发育速率与日均温成线性关系，一旦超出了这个温度范围，就是一种曲线关系了；该模型对水稻感光性的处理则引入了最适光周期的概念，据此计算水稻感光阶段在不同光周期条件下所需要的热·时 (P2R)数。在高亮之等[19]、[54]研制的水稻“钟模型”中，所做的假设是“生理日数恒定原理”，即对于特定的水稻品种来说，完成某个生育阶段所需要的生理日数是一个常数。他们对温光因子的描述，采用的是指数方程的析因形式，只要温度低于下限温度或高于上限温度，水稻发育就停止了；一旦日长不能满足水稻发育对短日的要求，发育速度就放慢。对基本营养生长性、感温性和感光性则通过以e为底的指数系数K(基本营养性系数)和指数方程系数户(增温促进系数)、Q(高温抑制系数)和G(感光性系数)来描述的，这样就充分考虑了在下限温度至最适温度之间低温对发育的促进作用，高温对水稻发育的压抑作用，以及短日照对发育进程的加速作用。通过对这些参数值进行交换，即可定量描述不同水稻品种的“三性”。正因为上述假设均较为合理，CERES-Rice模型和水稻“钟模型”才可能有较好的解释能力和模拟精度。
模型研制者在建立不同作物的模拟模型时，除应考虑各种作物的共性之外，还应把握不同作物的各自特点。例如，将水稻的“三性”搬到棉花作物上就显得有些牵强附会，因为棉花一般来说属于无限生长型，它不像水稻那样有严格的成熟期，通常在终霜之前只要温光条件合适仍能现蕾、吐絮。再如，冬小麦是一种长日照作物：影响其发育进程的除了类似水稻的“三性”之外，还有春化作用。小麦的春化作用是指在幼穗分化前需经历一定的低温锻炼期，若低温条件得不到满足，小麦发育就会受到延缓，甚至不能由营养生长期进入生殖生长期。因此，春化作用也是建立冬小麦发育模型不可忽视的一个重要生理过程。在CERES- Wheat模型中，对春化作用的处理是基于这样的假设：当气温为0～18℃时，春化作用才能进行，而最适温度为0～7℃；当温度介于7℃和18℃之间时，春化进程将随温度增高而逐渐放缓。于是，该模型引入了“逐日相对春化效应因子(RVEi)”。然后，RVEi被逐日累加，并用来确定春化日数和计算“春化作用订正因子(VF)”。模型还假设，尽管不同品种对春化作用的敏感程度不一，但50d时间对所有品种来说完成春化作用是足够了。由于上述假设比较符合小麦的实际生长发育情况，因此所建的模型就显得比较合理。将上述CERES-Wheat模型对冬小麦春化作用的处理与水稻“钟模型”原理结合起来，在模拟中国冬小麦发育进程方面取得了较理想的效果[46]。诸如此类的例子不胜枚举，涉及到农业气象学和与之相关学科的方方面面，此不赘述。
应强调的是：对模型作假设并不等于作无根据的猜想。广义地说，任何模型都应建立在数据、知识和合理假设三者相结合的基础上[36]。至于假设的成分占多大比重，往往取决于建模者的研究目标，而目标又依赖于他所处理的问题的性质：是基础研究、应用研究，还是开发研究?一般来说，建立一种旨在增进对知识理解、带有基础研究性质的模拟模型，是允许、甚至希望有较大的假设成分的；但如果所建的模拟模型属于应用基础性质，就不仅要求假设的成分要小，而且应建立在数据和知识相对可靠的基础上；如果建模者的目标是建立一种具有开发性质的模拟模型(例如管理模型)，则现有的知识对于问题的解决通常是足够的了。
关于模型简化，一般可采用参数排序的敏感度分析方法加以实现。例如，为了比较不同参数对模型性能的影响，可以对各参数的变异系数进行排序。变异系数较小的参数，一般对模型拟合特定数据集所起的作用较大；反之，所起的作用就较小。因此，变异系数较大的参数所属的那个部分就有可能从模型中被剔除，从而达到简化模型的目的。不过应注意的是：使用不同的数据集可能会有不同的排序结果，因此应尽量选用高质量的数据集进行参数排序。另一方面，有些参数即使所起的作用较小，但其保留在模型中是有充分的生物学原因的，对这种参数的取舍就务必要谨慎。（作者 谢辉 来源 中国农业气象学）
新闻来源：http://www.caas.net.cn/nykjxx/njbk/49746.shtml
留言