基于循环迭代算法的cerel-rce模型参数调试

基于循环迭代算法的cerel-rce模型参数调试

作物生长模型在植物生长管理、气候变化影响评价、农业气候变化评价、气候风险分析等方面发挥着重要作用。作物生长模型一般会设置一些遗传参数用于描述作物品种的生长发育特性,这些参数部分可以根据栽培资料进行确定,如物质分配规律、比叶面积等,部分则不能直接从栽培资料获取,如品种的感温、感光性、群体光合速率等。对于不能直接确定的参数一般需通过参数调试的方法进行确定。目前常用的参数调试方法为试错法,即根据试验资料,进行参数的反复取值,比较模拟误差,直至模拟误差达到一定要求。显然,这种方法只能得到比较准确的参数,但不能保证获取的参数一定是最适参数。为获取模型参数的最优解,一些学者利用循环迭代法进行了模型参数的确定,但研究中对参数适宜取值步长、分阶段调试影响、参数多解性等问题未作分析。本研究以CERES-Rice的发育期模型为基础,结合田间试验资料,分析模型参数适宜取值步长、分阶段调试和全程调试对模拟结果的影响,旨在为作物生长模型的相关研究提供参考。1材料和方法1.1水稻agdd、agdd、pa、agdd、pu的生长情况CERES-Rice模型是以Ritchie为首的美国科学家根据水稻的温光特性和群体光能利用等生理生态过程研制的大型水稻生长模拟模型。其用累积生长度日(AGDD)来描述水稻发育进程,其发育期分为9个阶段,共引入4个遗传参数:基本营养生长期所需AGDD(P1)、光敏感期的光诱导速率(P2R)和最适日长(P2O)及籽粒灌浆期所需GDD(P5)。累积生长度日表示作物完成某一发育阶段所需的有效积温,光诱导速率表示光敏感期发育速度对长日长的响应速率,最适日长为发育速率最大时所对应的日长上限。1.2不同参数组合下发育模拟仿真对发育期模型中每个参数设定相应的取值范围及步长,再进行各参数组合下的发育期模拟,比较模拟值与实际值的误差,以均方根差(RMSE)为依据,选择误差最小所对应参数为最适参数。1.3变量值的描述1pc硬件环境下试验设计虽然减小步长、增加循环次数可提高参数调试的精度,但循环次数过多会影响计算时间。作者在Intel双核CPU9400、内存2MB的PC机上测试,4次重复的试验资料,100组参数组合模拟时间约需1s,当循环次数达100万次时,计算时间长达10000s,约3h。若循环次数更多时,计算时间则会更长。就参数调试效率而言,循环次数不宜过多,因此适宜的参数步长取值在参数调试中非常重要。2累积生长粒度理论上,参数取值范围可任意给定,但盲目给定参数取值范围会增加不必要的计算量。因此有必要对参数可能的取值范围进行初步估计。对CERES-rice模型而言,如果从出苗至抽穗各试验处理的累积生长度日平均值为AGDDeh,考虑到穗分化至抽穗至少需要450个GDD,则P1的取值区间应该为[0,AGDDeh-450]。同样,抽穗至成熟期累积生长度日的适宜取值范围就在各试验处理的最小值和最大值之间。对于临界日长理论上从0～24h均有可能,但一般在10～15h之间变化,光诱导速率一般为0～0.2。1.4供试材料与方法试验于2008年在江苏沿江地区农业科学研究所试验田进行。试验期间的气温及水稻生长期日长如图1。供试土壤为壤土,前茬为水稻。供试材料为适于江苏沿江稻区大面积种植的早熟晚粳类型品种“宁粳1号”和“南粳44”。设置旱育稀植(A)、塑盘育秧抛栽(B)、直播种植(C)和湿润秧常规移栽(D)4种种植方式,每处理重复3次,各处理小区面积20m2(4m×5m)。各种植方式的播栽期、肥水管理等均按高产要求实施。记载各处理的主要生育期,结果见表1。2结果与分析2.1累积生长粒度利用CERES-Rice模型,以0.25和1.00个GDD为步长,设置抽穗至成熟期不同的累积生长度日需要量,得到成熟期的模拟误差(图2)。由图2可知,以0.25与1.00为步长,两者误差不大,随着累积生长度日的增加,RMSE呈现先减少再增加的趋势,即存在适宜累积生长度日使得RMSE最小,但在适宜值附近,RMSE随累积生长度日并不是单调变化。对宁粳1号,当累积生长度日取值为624～627时,模拟误差最小,对南粳44,当累积生长度日取值667～668时,模拟误差最小。因此,当累积生长度日的步长取值为4和2时,宁粳1号和南粳44能得到最小的模拟误差。一般而言,由于日生长度日一般在5个GDD以上,用一套试验资料来确定发育期累积生长度日时,用5为步长即可实现无模拟误差,但当资料数增多时,其适宜步长要适当缩小,但过小的步长只会增加计算量,不能进一步缩小模拟误差。因此累积生长度日的适宜步长为1左右。以1为基本营养生长期累积生长度日参数P1的步长,P2R、P2O的步长分别设为0.01、0.20,以抽穗期模拟值与观测值的均方误差RMSEh为指标,分别得到122组(宁粳1号)和8组(南粳44)参数可使模拟误差最小。根据试验发现,在同样的GDD下,仍有多组参数可使RMSEh最小。表2为调试得到的部分参数及相应模拟误差。由调试结果可知,P2R、P2O的步长分别设为0.01、0.20即可。2.2阶段间模拟误差的比较作物发育期观测记录中,由于基本营养结束期无明确的形态指标,一般没有相关记录资料;而穗分化时间的观测资料也较少,通常比较容易获得作物发育期中出苗、抽穗、成熟期的资料。因此在参数确定时可将出苗至抽穗、抽穗至成熟2个阶段分开调试,这样可节约大量的调试时间。分阶段调试时,分别以抽穗期和成熟期的模拟误差(RMSEh及RMSEm)为依据进行参数选择,而全程调试时以抽穗期和成熟期的综合误差(RMSEhm)为依据进行参数选择。以1为累积生长度日参数(P1、P5)的步长,0.01、0.20为P2R、P2O的步长,则分阶段调试与全程调试的模拟误差最小的3组参数组合如表3所示。理论上,分阶段调试时,能保证各阶段内的模拟误差最小;而全程调试时,能实现抽穗期和成熟期的总体模拟误差最小。由表3可知,分阶段调试时,虽然能保证出苗至抽穗、抽穗至成熟2个阶段的模拟误差最小,但总体模拟误差却不一定最小。虽然全程调试与分阶段调试得到的出苗至抽穗期的参数一致,但抽穗至成熟期的参数(P5)全程调试与分阶段调试得到的参数误差较大。误差的成因在于全程调试时P5的计算由模拟抽穗期得到,而分阶段调试的P5由实际的抽穗期和成熟期模拟得到。由于分阶段调试时得到的参数P5更能体现抽穗至成熟期所需的累积生长度日。作者认为,分阶段调试得到的参数更能体现作物品种的发育特征。2.3模拟误差最小的参数组合表2结果表明,参数P2R、P2O分别为0.01和0.20即可进行参数的调试确定,同时还说明对同一组栽培试验资料可能存在多组参数使得模拟误差达到最小。对南粳44而言,模拟误差最小时,参数取值变异不大,而对宁粳1号,模拟误差最小时,参数取值存在较大差异,其中参数P1的差异达到40个GDD,即基本营养生长期相差3～4d。这说明模拟误差最小的参数组合并不一定是唯一的。其原因一方面可能与模型设计有关,另一方面与栽培试验的资料有关。3模型参数的确定参数确定困难是制约作物模型应用的重要因素之一。因此,开展模型参数自动获取方法的研究对作物模型的推广应用具有重要意义。本研究以CERES-Rice的发育期模型为基础,探讨了基于循环迭代算法的水稻发育期参数调试方法。本方法同样适用于其他作物模型。但由于不同模型参数数量的差异,参数调试时间存在较大区别。出苗至抽穗期ORYZA2000模型有5个独立参数,Riceclock模型有3个参数,RICEGROW模型有4个参数,因此,ORYZA2000模型的调试时间最长,而CERES-Rice模型与Riceclock模型的参数调试时间最短。作者认为参数较多时,用本方法确定参数时,可先将参数的取值步长取大些,得到参数取值的大致区间,再进行参数的细致确定。有关参数的多解性问题,一方面与资料有关,另一方面与模型设计相关。由于作物品种的适应性,品种一般只适应于特定区域。在一个固定的区域范围内,即使播种期变化,日长变化相对较小,也不利于感光性参数的确定,这是导致参数多解的一个原因。此外,模型设计时,参数太多亦可能导致参数的多解性。如利用ORYZA2000模型调试不感光或弱感光品种时,只要基本营养期、光敏感期和穗分化期3个发育阶段的累积生长度日之和恒定,其模拟得到的抽穗期就一致。因此,确定模型参数一方面要用大范围的作物生长发育资料,另一方面简化相关的模型亦是必要的。循环迭代算法虽然可以获取最适解,但其计算时间较长。因此,一些学者