江苏省冬小麦模型模拟优化：方法、应用与前景

江苏省冬小麦模型模拟优化：方法、应用与前景一、引言1.1研究背景与意义江苏省地处中国东部沿海，长江与淮河下游，地理坐标为30°45′~35°20′N、116°18′~121°57′E，气候类型兼具亚热带季风气候与温带季风气候，平均气温14.9℃，全年平均降水量980mm，优越的自然条件使其成为我国重要的农业大省。小麦作为江苏省仅次于水稻的第二大粮食作物，常年栽种面积达到220万hm²左右，在全省粮食生产中占据着举足轻重的地位。2000-2021年江苏省小麦总产平均达1051万t，单产最高达5703kg/hm²，其生产状况直接关系到区域粮食安全与农业经济的稳定发展。然而，当前江苏省小麦单产与部分外省地区仍存在差距，如安徽省最高单产已达7700kg/hm²，山东省更是刷新全国小麦单产记录，达12850kg/hm²，这表明江苏省小麦产业仍具备较大的发展潜力与提升空间。同时，随着全球气候变化的加剧，气候变得愈发极端，对江苏省的农业生产产生了重要影响。江苏地区受气候变化影响显著，近20年来，年降水量和洪涝年增加，梅汛期降水量尤为突出，日照时数呈下降趋势，近地面温度在近40年内持续升高，暖冬现象频繁出现。这些气候的变化给冬小麦的生长发育和产量形成带来了诸多不确定性，使得传统的小麦生产管理方式面临严峻挑战。在这样的背景下，模型模拟技术为江苏省冬小麦生产管理提供了新的思路与方法。作物生长模拟模型能够以系统分析原理和计算机模拟技术，定量描述作物生长、发育、产量形成过程及其对环境的反应。通过构建和应用冬小麦生长模型，可以深入了解冬小麦在不同环境条件下的生长规律，预测其生长发育进程和产量表现。一方面，利用模型模拟能够优化冬小麦的生产管理措施，如精准确定播种期、合理调控灌溉量和施肥量等，从而提高资源利用效率，挖掘产量潜力，实现小麦的高产、稳产与优质生产，促进江苏省小麦产业的高质量发展。另一方面，面对气候变化的挑战，模型模拟可以预估未来气候情景下冬小麦的生长状况，为制定适应性农业生产策略提供科学依据，增强农业生产的抗风险能力，保障区域粮食安全。因此，开展江苏省冬小麦模型模拟优化研究及应用具有重要的现实意义和迫切性。1.2国内外研究现状1.2.1冬小麦模型模拟发展历程冬小麦模型模拟的发展是一个逐步演进的过程，其历史可以追溯到20世纪60年代。最初，作物模型的构建相对简单，主要侧重于描述作物生长发育的基本过程，如阶段发育、形态发生等。这些早期模型大多基于经验公式，对环境因素的考虑较为有限，模拟精度也相对较低，但它们为后续模型的发展奠定了基础。随着系统科学和计算机技术的飞速发展，作物生长模拟模型研究进入了快速发展阶段。从20世纪70年代到80年代，模型逐渐向机理性和综合性方向发展。研究人员开始深入探讨作物生理生态过程与环境因素之间的相互关系，将光合作用、呼吸作用、干物质积累与分配等生理过程纳入模型体系，使模型能够更准确地描述作物生长发育的内在机制。例如，荷兰的ELCROS模型，它能够模拟作物的发育进程、叶面积指数、干物质积累等，在当时得到了广泛的应用和研究，为作物模型的发展提供了重要的参考。20世纪90年代以后，随着对作物生长过程认识的不断深化以及数据获取和处理能力的提升，冬小麦模型模拟取得了更为显著的进展。一方面，模型的功能不断完善，涵盖了更多的生态过程和环境因子，如土壤水分、养分循环、病虫害发生等，以提高模型的综合性和适应性。另一方面，多学科交叉融合的趋势日益明显，遥感、地理信息系统（GIS）等技术被引入到作物模型研究中，为模型提供了更丰富、更准确的数据支持，实现了从田间尺度到区域尺度的拓展，增强了模型在实际生产中的应用价值。其中，美国的DSSAT（DecisionSupportSystemforAgrotechnologyTransfer）模型，该模型集成了多个作物生长子模型，能够模拟不同环境条件下多种作物的生长发育过程，通过与GIS、遥感等技术结合，在区域农业生产管理和决策支持方面发挥了重要作用。进入21世纪，随着全球气候变化和农业可持续发展的需求日益迫切，冬小麦模型模拟面临着新的挑战和机遇。模型不仅要准确预测冬小麦的生长发育和产量，还要能够评估气候变化、农业管理措施等因素对冬小麦生产的影响，为制定应对策略提供科学依据。同时，随着大数据、人工智能等新兴技术的兴起，作物模型与这些技术的融合成为研究热点，有望进一步提高模型的模拟精度和预测能力，实现智能化的农业生产管理。1.2.2江苏省冬小麦模型模拟研究进展在江苏省，冬小麦模型模拟研究也取得了一系列重要成果。由于江苏省独特的地理位置和气候条件，冬小麦生长受到多种因素的综合影响，因此相关研究紧密结合当地实际情况，在多个方面展开了深入探索。在模型应用方面，AquaCrop模型在江苏地区的冬小麦研究中得到了广泛应用。该模型以作物水分生产函数为基础，能够较好地模拟不同水分条件下冬小麦的生长发育过程。研究人员利用江苏省的气候、土壤、产量等相关资料，运用AquaCrop模型模拟不同播期对冬小麦生长发育的影响，发现适期播种可充分利用光、热、水等资源，显著影响冬小麦的产量和品质。同时，通过对模型参数的本地化校准和验证，提高了模型在江苏地区的模拟精度和适用性，为当地冬小麦生产的合理规划和管理提供了科学依据。此外，针对气候变化对江苏省冬小麦生长与产量的影响，研究人员运用多种气候模拟软件和冬小麦生长模型开展了大量研究。通过模拟分析不同温室气体排放情景下江苏省未来的气候变化情况，包括温度、降水、日照等气象要素的变化，并将这些数据输入冬小麦生长模型，模拟得到气候变化下冬小麦的生长过程。研究结果表明，气候变化对江苏省冬小麦的生长发育和产量产生了显著影响，如温度升高导致冬小麦生育期缩短，降水分布的改变影响了土壤水分状况和冬小麦的需水规律，进而影响产量。基于这些研究结果，提出了一系列适应气候变化的农业生产措施和建议，如调整播期、优化灌溉制度、选育抗逆品种等，以保障江苏省冬小麦的安全生产。在模型与信息技术融合方面，江苏省的研究也取得了一定进展。通过将地理信息系统（GIS）技术与冬小麦模型相结合，实现了对冬小麦种植区域的空间分析和可视化表达，能够直观地展示冬小麦生长状况和产量分布的空间差异，为区域农业资源的合理配置和精准管理提供了有力支持。同时，利用遥感技术获取的冬小麦生长信息，如叶面积指数、植被覆盖度等，对模型进行实时验证和修正，进一步提高了模型的模拟精度和时效性。1.3研究目标与内容1.3.1研究目标本研究旨在通过对江苏省冬小麦模型模拟的优化研究，深入剖析冬小麦生长发育与环境因子之间的相互关系，构建适用于江苏省的高精度冬小麦生长模型，并将其广泛应用于实际生产中，为冬小麦的精准种植和科学管理提供强有力的技术支撑和决策依据，具体目标如下：优化冬小麦生长模型：综合考虑江苏省独特的气候、土壤条件以及冬小麦品种特性，对现有冬小麦生长模型进行参数校准和结构优化，提高模型对江苏省冬小麦生长发育过程的模拟精度，包括生育期进程、叶面积指数、干物质积累与分配、产量形成等关键指标的模拟准确性，使模型能够更真实地反映江苏省冬小麦在不同环境条件下的生长规律。明确环境因子对冬小麦生长的影响机制：利用优化后的模型，系统分析温度、降水、光照、土壤养分等环境因子对江苏省冬小麦生长发育和产量形成的影响机制，量化各环境因子的作用效应，明确不同生长阶段冬小麦对环境因子的需求和响应阈值，为制定科学合理的冬小麦生产管理措施提供理论依据。制定基于模型模拟的冬小麦精准管理方案：结合模型模拟结果和江苏省冬小麦生产实际情况，制定针对不同生态区域和生产条件的冬小麦精准管理方案，包括适宜的播种期、播种量、灌溉量、施肥量等关键管理措施的优化配置，以提高资源利用效率，降低生产成本，实现冬小麦的高产、稳产和优质生产。建立冬小麦生产决策支持系统：将优化后的模型与地理信息系统（GIS）、遥感（RS）等信息技术相结合，建立江苏省冬小麦生产决策支持系统，实现对冬小麦生长状况的实时监测、动态预测和可视化表达，为农业决策者、种植户提供便捷、直观的决策支持服务，推动江苏省冬小麦生产管理的智能化和信息化发展。1.3.2研究内容为实现上述研究目标，本研究将围绕以下几个方面展开：数据收集与整理：广泛收集江苏省不同地区多年的冬小麦田间试验数据，包括品种特性、生育期观测数据、产量数据、土壤理化性质数据等；同时，收集对应地区的气象数据，如温度、降水、日照时数、太阳辐射等。此外，整理分析江苏省历年的冬小麦种植面积、产量统计数据以及农业生产管理措施等相关资料，为后续的模型校准、验证和分析提供丰富的数据基础。冬小麦生长模型的校准与验证：选择适合江苏省冬小麦生长模拟的模型，如AquaCrop模型、DSSAT模型等，利用收集到的田间试验数据和气象数据，采用敏感性分析、参数优化算法等方法对模型参数进行校准，确定最适合江苏省冬小麦生长的模型参数值。然后，运用独立的试验数据对校准后的模型进行验证，通过对比模拟值与实测值，评估模型的模拟精度和可靠性，对模型进行进一步的调整和优化，确保模型能够准确地模拟江苏省冬小麦的生长发育过程。环境因子对冬小麦生长影响的模拟分析：基于优化后的模型，设置不同的环境因子情景，如不同温度、降水、光照强度和土壤养分水平等，模拟分析环境因子对江苏省冬小麦生长发育和产量形成的影响。通过分析模拟结果，明确各环境因子在不同生长阶段对冬小麦的作用规律，确定影响冬小麦生长和产量的关键环境因子及其阈值，为制定应对气候变化和优化生产管理措施提供科学依据。冬小麦精准管理方案的制定：根据环境因子对冬小麦生长影响的模拟分析结果，结合江苏省不同生态区域的特点和生产实际需求，制定冬小麦精准管理方案。针对不同地区和年份的气候条件变化，提出合理的播种期调整建议，确定适宜的播种量，以保证冬小麦群体结构合理；根据土壤水分和养分状况，制定科学的灌溉和施肥方案，实现水资源和肥料的高效利用；同时，考虑病虫害发生的影响，提出相应的防治策略，以保障冬小麦的安全生产。冬小麦生产决策支持系统的开发与应用：将优化后的冬小麦生长模型与GIS、RS技术相结合，开发江苏省冬小麦生产决策支持系统。利用RS技术获取冬小麦的种植面积、生长状况等实时信息，通过GIS技术对冬小麦种植区域进行空间分析和可视化表达，将模型模拟结果与实时监测信息进行融合，实现对冬小麦生长状况的动态预测和评估。通过该系统，为农业部门、种植户提供冬小麦生产管理决策建议，如不同生长阶段的农事操作指导、灾害预警信息发布等，促进江苏省冬小麦生产管理的科学化和智能化。二、江苏省冬小麦生长特征与环境条件分析2.1江苏省冬小麦生长特性2.1.1生育期特点江苏省冬小麦的生育期通常在230-270天左右，受品种特性、播种时间以及气候条件等因素的综合影响，各生育期的时间分布存在一定差异。一般而言，冬小麦于每年9月下旬至11月上旬播种，在适宜的土壤温度（稳定在10-15°C）和湿度条件下，播种后7-15天进入出苗期，此时全田50%子粒的第一片真叶露出胚芽鞘并长出地面2厘米。随着气温逐渐降低，当日平均气温降到2℃左右，小麦植株基本停止生长，进入越冬期，时间大约在11月底12月初。越冬期间，小麦生长缓慢，主要是为了抵御寒冷，保存能量，等待来年春季气温回升。次年春天，2月下旬至3月上旬，随着气温的回升，50%植株年后新长出的叶片（多为冬春交接叶）伸出叶鞘1-2cm，且大田由暗绿变为青绿色时，标志着冬小麦进入返青期，小麦开始恢复生长。返青后约2-4周，麦苗由原来匍匐生长开始向上生长，年后第一叶伸长，叶鞘显著伸长，其第一伸长叶的叶耳与年前最后一片叶的叶耳距达1.5cm，基部第一节间微微伸长，此时进入起身期（生物学拔节），时间大概在3月中旬。接着，当小麦的主茎第一节间离地面1.5-2cm，用手指捏小麦基部易碎发响时，便进入了拔节期（农艺拔节），时间为4月中上旬，这一时期是小麦生长的关键时期，对水分、养分的需求较大。拔节后2-3周，大约在4月下旬，植株旗叶（最后一片叶）完全伸出（叶耳可见），冬小麦进入孕穗期，此时小麦开始形成穗，为开花做准备。随后，穗子顶端或一侧（不是指芒），由旗叶鞘伸出穗长度的一半时，进入抽穗期，时间在4月下旬-5月上旬。当全田有50%植株第一朵花开放时，冬小麦进入开花期，开花顺序为中下→上部→下部，时间在5月上、中旬。开花后，子粒外形已基本完成，长度达最大值的四分之三，厚度增长甚微，此时进入灌浆期，时间在5月中旬开始，这一阶段对最终产量至关重要，充足的光照、适宜的温度和合理的水分供应有利于籽粒灌浆，增加粒重。最后，在6月上旬左右，冬小麦进入成熟期，其中蜡熟末期子粒干重达最大值，是适宜的收获期，此时籽粒大小、颜色接近正常，内部呈蜡状，子粒含水22%，茎生叶基本变干；完熟期籽粒已具备品种正常大小和颜色，内部变硬，含水率降至20%以下，干物质积累停止。2.1.2产量构成要素江苏省冬小麦的产量主要由穗数、粒数和粒重三个关键要素构成，它们之间相互关联、相互制约，共同决定了冬小麦的最终产量。单位面积的穗数是产量构成的基础，其形成与冬小麦的分蘖能力密切相关。在分蘖期，适宜的温度、充足的光照和合理的土壤肥力有利于分蘖的发生和生长。一般来说，冬前分蘖的成穗率较高，是构成穗数的重要部分。播种期、播种量以及种植密度对穗数也有显著影响。适期播种能够使小麦在冬前积累足够的养分，形成壮苗，促进分蘖，增加穗数；播种量过大或种植密度过高，会导致植株间竞争养分、水分和光照，使分蘖减少，穗数降低。每穗粒数主要取决于小麦的幼穗分化过程。在起身期至开花期，小麦的茎秆伸长与幼穗分化同步进行，这一时期是决定穗粒数的关键阶段。充足的光照、适宜的温度和合理的水分供应能够促进幼穗分化，增加小花数量，减少小花退化，从而提高每穗粒数。此外，营养状况也对穗粒数有重要影响，尤其是在孕穗期，充足的氮、磷、钾等养分供应能够满足小麦生长发育的需求，有利于穗粒数的增加。粒重主要在灌浆期形成，受多种因素的影响。灌浆期间，适宜的温度、充足的光照和良好的水分条件是保证粒重的关键。温度过高或过低都会影响光合作用和物质运输，导致粒重下降；光照不足会使光合产物积累减少，影响籽粒灌浆；水分过多或过少会导致根系生长不良，影响养分吸收和运输，进而影响粒重。此外，病虫害的发生也会对粒重产生负面影响，如小麦锈病、白粉病等病害会破坏叶片的光合功能，蚜虫、吸浆虫等害虫会吸食小麦汁液，导致粒重降低。2.2江苏省冬小麦生长环境条件2.2.1气候条件江苏省地处亚热带向暖温带的过渡地带，气候条件复杂多样，对冬小麦的生长发育产生着深远的影响。在温度方面，江苏省冬小麦生长季（9月下旬至次年6月上旬）的平均气温呈现出明显的地域差异，苏南地区相对较高，苏北地区相对较低。在冬小麦的苗期，适宜的温度范围为15-20°C，此时温度适宜，有利于小麦种子的萌发和幼苗的生长，能够促进根系的发育和分蘖的形成。然而，在越冬期，若遭遇极端低温天气，如连续多日平均气温低于-5°C，且最低气温达到-10°C以下，会对冬小麦造成冻害，导致麦苗叶片发黄、干枯，甚至整株死亡，严重影响小麦的产量。据相关研究表明，在苏北地区，由于冬季气温相对较低，冻害发生的频率相对较高，对冬小麦的产量损失可达10%-20%。降水是影响江苏省冬小麦生长的另一个重要气候因素。全省年降水量约为900-1200毫米，但降水分布不均，且年际变化较大。在冬小麦的生育期内，不同阶段对水分的需求不同。播种期，土壤相对湿度保持在70%-80%为宜，此时充足的水分能够保证种子顺利发芽，促进幼苗的出土和生长。在拔节期至灌浆期，冬小麦对水分的需求更为旺盛，适宜的降水量能够满足小麦生长发育的需要，促进茎秆伸长、穗粒分化和籽粒灌浆，提高产量。然而，降水过多或过少都会对冬小麦产生不利影响。在苏南地区，由于降水相对较多，若在生育期内遭遇连续的强降雨天气，导致土壤积水，会使小麦根系缺氧，影响根系的正常功能，导致植株生长受阻，甚至引发病害，如根腐病、纹枯病等，降低小麦的产量和品质。而在苏北部分地区，降水相对较少，在干旱年份，若不能及时灌溉，会导致土壤水分不足，影响小麦的生长发育，导致叶片发黄、枯萎，穗粒数减少，千粒重降低，严重时甚至会造成绝收。日照时数对冬小麦的光合作用和物质积累起着关键作用。江苏省冬小麦生长季的日照时数约为1200-1500小时，充足的日照能够为冬小麦的光合作用提供足够的能量，促进光合产物的合成和积累，有利于冬小麦的生长发育和产量形成。在孕穗期至灌浆期，充足的日照能够提高小麦的光合效率，增加光合产物向籽粒的运输和积累，提高粒重。然而，若在生长季内出现长时间的阴雨天气，日照时数不足，会影响冬小麦的光合作用，导致光合产物积累减少，使小麦植株生长细弱，穗粒数减少，千粒重降低，从而影响产量。例如，在一些年份，由于春季连续的阴雨天气，导致日照时数减少，部分地区的冬小麦产量明显下降。此外，江苏省冬小麦生长还受到其他气象灾害的影响，如干热风、暴雨、冰雹等。干热风通常发生在灌浆期，当温度高于30°C，相对湿度低于30%，风速大于3米/秒时，会使小麦植株水分迅速散失，导致灌浆受阻，粒重下降，严重影响产量。暴雨和冰雹则可能对小麦植株造成机械损伤，破坏叶片、茎秆和穗部，影响小麦的生长发育和产量。2.2.2土壤条件江苏省地域广阔，不同地区的土壤类型丰富多样，主要包括黄棕壤、棕壤、潮土、砂姜黑土、水稻土等，这些土壤在质地、肥力、酸碱度等方面存在差异，对冬小麦的生长有着不同程度的影响。在苏北地区，土壤类型以潮土和砂姜黑土为主。潮土是在近代河流沉积物上经长期耕作熟化而成的土壤，质地适中，通气透水性良好，保水保肥能力较强，有利于冬小麦根系的生长和对养分的吸收。其土壤养分含量较为丰富，有机质含量一般在1.0%-1.5%之间，全氮含量约为0.08%-0.12%，速效磷含量为10-20毫克/千克，速效钾含量为100-150毫克/千克，能够为冬小麦的生长提供充足的养分。然而，潮土的土壤酸碱度呈中性至微碱性，pH值一般在7.5-8.5之间，在某些情况下，过高的pH值可能会影响一些微量元素的有效性，如铁、锌、锰等，导致冬小麦出现微量元素缺乏症状，影响其正常生长发育。砂姜黑土是一种具有黑土层和砂姜层的暗色土壤，其质地黏重，保水性强，但通气性较差，在雨季容易出现积水现象，影响冬小麦根系的呼吸和生长。砂姜黑土的土壤肥力较低，有机质含量通常在1.0%以下，全氮含量约为0.06%-0.08%，速效磷含量为5-10毫克/千克，速效钾含量为80-120毫克/千克。为了提高砂姜黑土上冬小麦的产量，需要采取一系列改良措施，如深耕、增施有机肥、合理轮作等，以改善土壤结构，提高土壤肥力。苏中地区的土壤主要为水稻土，是在长期种植水稻条件下，经水耕熟化培育而成的土壤。水稻土具有良好的保水保肥性能，其有机质含量较高，一般在1.5%-2.5%之间，全氮含量为0.10%-0.15%，速效磷含量为15-30毫克/千克，速效钾含量为120-200毫克/千克，能够为冬小麦提供较为充足的养分。然而，水稻土的质地偏黏重，透气性相对较差，在种植冬小麦时，需要注意排水和深耕，以改善土壤通气性，促进冬小麦根系的生长。此外，由于水稻土长期处于淹水状态，土壤中还原性物质较多，在种植冬小麦前，需要进行晒垡等措施，以降低土壤的还原性，提高土壤的氧化还原电位，为冬小麦的生长创造良好的土壤环境。苏南地区的土壤以黄棕壤为主，黄棕壤是在亚热带湿润气候条件下，由酸性母质经弱富铝化和生物富集作用形成的土壤。其质地多为壤质黏土至黏土，通气透水性一般，保水保肥能力中等。黄棕壤的土壤肥力状况较好，有机质含量在1.5%-2.0%之间，全氮含量约为0.10%-0.13%，速效磷含量为10-20毫克/千克，速效钾含量为100-150毫克/千克。但黄棕壤的土壤酸碱度呈酸性至微酸性，pH值一般在5.5-6.5之间，在种植冬小麦时，需要注意土壤酸碱度的调节，对于酸性较强的土壤，可适量施用石灰等碱性物质，以提高土壤pH值，保证冬小麦的正常生长。三、冬小麦模型模拟方法与原理3.1常见冬小麦模型概述3.1.1WOFOST模型WOFOST（WorldFoodStudies）模型由荷兰Wageningen农业大学和世界粮食研究中心（CWFS）共同开发，是一款用于模拟特定土壤和气候条件下一年生作物生长的动态解释性模型。该模型结构采用模块化设计，主要包含作物生长模块、土壤水分平衡模块以及养分平衡模块等，各模块相互关联，协同工作以全面模拟作物的生长发育过程。在作物生长模块中，WOFOST模型详细模拟了作物的同化作用、呼吸作用、蒸腾作用和干物质分配等生理生态过程。其中，同化速率通过公式A_m=\varepsilonI_{aL}计算，A_m代表最大总同化速率，\varepsilon为单叶原始光能利用率，I_{aL}为叶层L吸收的辐射。作物的生育期进程由无量纲的状态变量——发育阶段（DVS）来表示，其计算公式为DVS=\sum_{i=1}^{n}\frac{1}{T_{base,i}}\Deltat，T_{base,i}为第i阶段的基础温度，\Deltat为时间步长。作物各器官的生长不仅由其本身特性决定，而且各生育期发展的速率受到温度和光周期的显著影响。土壤水分平衡模块在WOFOST模型中至关重要，它包含潜在生产条件下、水分限制生产条件下和养分限制生产条件下的水分模拟。土壤水分的有效性首先取决于土壤物理特性，其次受水分平衡的影响。该模块通过对降水、灌溉、蒸散、径流和土壤水分入渗等过程的模拟，精确计算土壤水分含量的动态变化，从而为作物生长提供准确的水分环境信息。养分平衡模块则主要模拟作物对氮、磷、钾等养分的吸收、利用和损失过程，考虑了土壤养分的供应能力、施肥情况以及养分在土壤中的转化和迁移等因素，以反映养分对作物生长发育的影响。在冬小麦模拟中，WOFOST模型的应用原理是基于对冬小麦生长过程的深入理解，结合气象数据（如温度、降水、太阳辐射等）、土壤数据（如土壤质地、土壤水分含量、土壤养分含量等）以及作物数据（如品种特性、播种期、种植密度等），通过模型内部的一系列算法和公式，对冬小麦的生长发育进程、叶面积指数、干物质积累与分配以及产量形成等进行动态模拟。例如，通过输入江苏省不同地区的气象和土壤数据，以及当地冬小麦品种的相关参数，WOFOST模型可以预测不同种植条件下冬小麦的生长状况和产量，为农业生产决策提供科学依据。朱波等人利用2015-2017年区域气象站点的气象数据、土壤数据、作物数据等，对WOFOST模型进行参数调整和本地化，模拟冬小麦的LAI、生物量和产量，结果表明该模型能较好地模拟研究区域冬小麦的生长发育状况。3.1.2AquaCrop模型AquaCrop模型是由联合国粮农组织（FAO）水土司于2009年推出的作物-水分生产力模型，其最大的特点在于能够精准地评估水分对作物生长过程的影响，并且在模拟精度、输入参数的简单性和模拟结果稳定性之间实现了良好的平衡，仅使用可以用简单方法确定的少量显式参数和大多数直观的输入变量，以确保其广泛的适用性。AquaCrop模型的核心是基于作物水分生产函数来模拟作物生长，主要包括气象模块、土壤模块、作物模块和管理措施模块。气象模块负责收集和处理温度、降水、太阳辐射、风速、相对湿度等气象数据，这些数据是驱动模型运行的重要环境因素。土壤模块主要描述土壤的物理特性，如土壤质地、容重、孔隙度等，以及土壤水分的动态变化过程，包括土壤水分的入渗、蒸发、蒸腾和排水等，通过计算土壤水分含量来反映土壤水分对作物生长的影响。作物模块是AquaCrop模型的关键部分，它详细模拟作物的生长发育过程，包括出苗、分蘖、拔节、抽穗、开花、灌浆和成熟等生育期。模型通过考虑作物的物候发育、叶面积指数的变化、干物质积累与分配以及产量形成等过程，来反映作物在不同水分条件下的生长状况。其中，叶面积指数（LAI）的变化是影响作物光合作用和蒸腾作用的重要因素，AquaCrop模型通过特定的算法来模拟LAI随时间的动态变化，进而影响作物的干物质积累和产量形成。在管理措施模块中，AquaCrop模型可以输入灌溉计划、施肥计划、杂草管理等信息，以模拟不同管理措施对作物生长的影响。通过对这些管理措施的调整和优化，可以实现水资源的高效利用和作物产量的最大化。对于冬小麦水分利用和产量模拟，AquaCrop模型的原理是通过量化冬小麦生长过程中的水分收支平衡，分析不同水分条件下冬小麦的生长响应。例如，模型根据输入的气象数据和土壤水分状况，计算冬小麦的潜在蒸散量和实际蒸散量，进而确定土壤水分对冬小麦生长的限制程度。当土壤水分充足时，冬小麦能够充分利用水分进行生长，叶面积指数增加，光合作用增强，干物质积累增多，从而获得较高的产量；而当土壤水分不足时，冬小麦的生长会受到抑制，叶面积指数增长缓慢，光合作用减弱，干物质积累减少，导致产量下降。通过模拟不同灌溉方案下冬小麦的水分利用效率和产量，AquaCrop模型可以为冬小麦的灌溉管理提供科学指导，帮助农民合理安排灌溉时间和灌溉量，提高水资源利用效率，实现冬小麦的高产稳产。相关研究运用AquaCrop模型以及江苏省的气候、土壤、产量等相关资料，模拟不同播期对冬小麦生长发育的影响，发现适期播种可充分利用光、热、水等资源，对冬小麦的产量提升有重要作用。3.1.3其他相关模型除了WOFOST模型和AquaCrop模型外，还有一些在冬小麦模拟中应用的模型，它们各自具有独特的特点和优势。DSSAT（DecisionSupportSystemforAgrotechnologyTransfer）模型是一个综合性的作物生长模拟系统，由美国农业部（USDA）开发。该模型集成了多个作物生长子模型，能够模拟不同环境条件下多种作物的生长发育过程，包括冬小麦。DSSAT模型涵盖了作物生理生态、土壤水分、养分循环、气象等多个方面，通过对这些因素的综合考虑和模拟，能够较为准确地预测冬小麦的生长状况和产量。其特点是具有丰富的作物品种参数库和广泛的应用案例，能够适应不同地区和不同种植条件下的冬小麦模拟需求。在应用过程中，DSSAT模型可以与地理信息系统（GIS）、遥感（RS）等技术相结合，实现对冬小麦种植区域的空间分析和动态监测，为区域农业生产管理提供决策支持。例如，研究人员利用DSSAT模型结合当地的气象、土壤和作物数据，模拟不同施肥水平和灌溉制度对冬小麦产量的影响，为优化冬小麦生产管理提供科学依据。APSIM（AgriculturalProductionSystemsSimulator）模型是澳大利亚开发的一款农业生产系统模拟模型，它能够模拟农田生态系统中作物生长、土壤水分、养分循环、病虫害发生等多个过程之间的相互作用。在冬小麦模拟方面，APSIM模型考虑了冬小麦生长发育的各个阶段以及环境因素对其的影响，通过对土壤-植物-大气系统的综合模拟，预测冬小麦的产量和品质。该模型的特点是具有较强的机理性和灵活性，可以根据不同的研究目的和需求进行模型参数的调整和模型结构的优化。例如，在研究气候变化对冬小麦的影响时，APSIM模型可以通过输入不同的气候情景数据，模拟冬小麦在未来气候变化条件下的生长状况和产量变化，为制定应对气候变化的农业策略提供参考。3.2模型参数确定与敏感性分析3.2.1参数确定方法确定冬小麦生长模型的参数是实现准确模拟的关键环节，本研究主要通过试验数据和文献资料相结合的方式来确定模型参数。在试验数据方面，利用江苏省不同地区多年的冬小麦田间试验数据。这些试验严格控制了播种期、播种量、灌溉量、施肥量等栽培管理措施，并对冬小麦的整个生育期进行了详细的观测记录。例如，在播种期方面，设置了多个不同的播期处理，以获取不同播期下冬小麦的生长响应数据；在施肥量上，设置了高、中、低等不同的施肥梯度，记录冬小麦在不同养分供应条件下的生长情况。通过这些试验，获得了冬小麦品种特性、生育期进程、叶面积指数、干物质积累与分配、产量等关键数据。对于一些难以直接通过试验测定的参数，如作物的遗传参数、某些生理过程的系数等，则参考相关的文献资料。通过广泛查阅国内外关于冬小麦生长模拟的研究文献，收集与江苏省冬小麦品种相近、生态环境相似地区的研究成果，筛选出适用于本研究的参数值。同时，结合江苏省的气候、土壤条件以及冬小麦的生长特性，对文献中的参数进行适当的调整和修正，使其更符合当地的实际情况。此外，采用参数优化算法对模型参数进行进一步的校准和优化。例如，利用最小二乘法，通过不断调整参数值，使模型模拟结果与实测数据之间的误差平方和达到最小，从而确定最佳的参数组合。在实际操作中，将试验数据划分为校准数据集和验证数据集，在校准阶段，利用校准数据集对模型参数进行优化；在校准完成后，使用验证数据集对优化后的模型进行验证，以确保模型的准确性和可靠性。3.2.2敏感性分析方法敏感性分析是筛选关键参数的重要手段，本研究采用了OAT（One-at-a-Time）敏感性分析方法。OAT方法的基本原理是在保持其他参数不变的情况下，每次只改变一个参数的值，然后观察模型输出结果的变化情况，通过计算输出结果的变化率来评估该参数对模型输出的敏感性。具体操作步骤如下：首先，确定需要进行敏感性分析的参数列表，这些参数涵盖了作物生长、发育、产量形成等多个方面，如WOFOST模型中的出苗到开花积温（TSUM1）、开花到成熟积温（TSUM2）、比叶面积（SLATB）、最大CO₂同化速率（AMAXTB）等参数。然后，针对每个参数，在其合理的取值范围内选取若干个不同的水平值，例如，将某个参数的取值范围划分为最小值、最小值加上10%取值范围、中位数、最大值减去10%取值范围和最大值五个水平。对于每个参数水平，运行模型并记录相应的输出结果，如冬小麦的产量、叶面积指数、干物质积累量等。计算每个参数变化引起的模型输出变化率，通常采用相对变化率的计算公式：R=\frac{Y_{i}-Y_{0}}{Y_{0}}\times100\%，其中R为相对变化率，Y_{i}为参数取值为i时的模型输出值，Y_{0}为参数初始值时的模型输出值。根据计算得到的相对变化率大小，对参数的敏感性进行排序。相对变化率较大的参数，表明其对模型输出的影响较为显著，被视为关键参数；而相对变化率较小的参数，则对模型输出的影响较小，在模型校准和应用过程中可以适当简化处理。通过OAT敏感性分析方法，能够明确不同参数对冬小麦生长模型输出结果的影响程度，筛选出对模型模拟结果最为关键的参数，为后续的模型校准和优化提供重要依据。例如，在对WOFOST模型进行敏感性分析时，发现出苗到开花积温（TSUM1）和最大CO₂同化速率（AMAXTB）等参数对冬小麦产量的模拟结果具有较高的敏感性，在模型校准时需要对这些参数进行重点优化，以提高模型的模拟精度。四、江苏省冬小麦模型模拟优化研究4.1数据收集与整理4.1.1气象数据本研究中，气象数据的收集主要来源于中国气象数据网以及江苏省内各个气象站点。中国气象数据网提供了全国范围内长时间序列的气象数据，具有权威性和完整性。通过该网站，获取了江苏省多个气象站点多年的逐日气象数据，涵盖了1990年至2020年这30年的时间跨度。这些数据包括平均气温、最高气温、最低气温、降水量、日照时数、太阳辐射、风速、相对湿度等关键气象要素。江苏省内的气象站点分布广泛，能够较为全面地反映省内不同地区的气象条件。在数据收集过程中，对各个气象站点的数据进行了详细的记录和整理，确保数据的准确性和完整性。同时，为了保证数据的一致性和可比性，对不同来源的数据进行了统一的格式转换和质量控制。对于缺失的数据，采用了线性插值、均值填充等方法进行填补，以确保数据的连续性。对于异常数据，通过与相邻站点数据对比、历史数据对比等方式进行了甄别和修正，以提高数据的可靠性。在整理气象数据时，首先按照年份和月份对数据进行了分类，将每个月的气象数据汇总成一个文件，便于后续的分析和处理。然后，根据冬小麦的生长周期，提取了每年9月至次年6月期间的气象数据，这一时期是冬小麦从播种到收获的关键生长阶段，对冬小麦的生长发育和产量形成具有重要影响。在提取数据的过程中，对每个气象要素进行了详细的记录和统计，包括数据的最大值、最小值、平均值等，以便全面了解气象要素的变化特征。此外，还对气象数据进行了空间分析，利用地理信息系统（GIS）技术，将各个气象站点的数据进行了空间插值，生成了江苏省气象要素的空间分布图。通过这些分布图，可以直观地了解江苏省不同地区气象要素的空间分布差异，为后续的模型模拟和分析提供了重要的空间信息。4.1.2土壤数据土壤数据的获取主要通过江苏省土壤普查资料以及实地采样分析两种途径。江苏省土壤普查资料包含了丰富的土壤信息，涵盖了全省不同地区的土壤类型、土壤质地、土壤养分含量、土壤酸碱度等多个方面的数据。这些资料是在过去的土壤普查工作中，通过大量的野外调查和实验室分析获得的，具有较高的可靠性和代表性。通过对土壤普查资料的整理和分析，获取了不同土壤类型在江苏省的分布范围、面积以及主要的土壤理化性质数据。实地采样分析则是为了获取更具时效性和针对性的土壤数据，以补充和验证土壤普查资料的不足。在江苏省不同生态区域，按照一定的空间网格进行了土壤采样，每个网格的面积为10km×10km，共设置了100个采样点。在每个采样点，采集了0-20cm和20-40cm两层土壤样品，以分析土壤的不同层次特性。土壤样品采集后，立即送往实验室进行分析测定。测定的项目包括土壤容重、有机质含量、全氮、全磷、全钾、碱解氮、速效磷、速效钾、土壤酸碱度（pH值）等。在分析土壤数据时，首先对不同来源的数据进行了整合和统一。将土壤普查资料中的数据与实地采样分析的数据进行对比和验证，对于存在差异的数据，进一步分析原因，进行修正和完善。然后，利用统计学方法对土壤数据进行了描述性统计分析，计算了各项土壤指标的平均值、标准差、最小值、最大值等统计参数，以了解土壤性质的总体特征和变异性。同时，还对不同土壤类型之间的土壤性质差异进行了显著性检验，以明确不同土壤类型在土壤肥力等方面的差异。此外，为了更好地展示土壤数据的空间分布特征，同样借助GIS技术，将土壤数据进行了空间可视化处理。通过绘制土壤类型分布图、土壤养分含量分布图、土壤酸碱度分布图等专题地图，直观地呈现了江苏省土壤性质的空间分布规律，为后续的冬小麦生长模型模拟提供了重要的土壤信息基础。4.1.3冬小麦生长与产量数据江苏省冬小麦生长过程及产量数据的收集主要通过以下几种方式。一是收集江苏省农业科学院、各地市农业科学研究所等科研机构多年来开展的冬小麦田间试验数据。这些试验设计科学合理，涵盖了不同品种、不同栽培管理措施下的冬小麦生长情况。在试验过程中，对冬小麦的整个生育期进行了详细的观测记录，包括播种期、出苗期、分蘖期、拔节期、抽穗期、开花期、灌浆期、成熟期等各个生育时期的日期，以及叶面积指数、株高、干物质积累量、分蘖数等生长指标的动态变化数据。同时，还记录了每个试验小区的产量数据，包括单位面积产量、穗数、粒数、千粒重等产量构成要素的数据。二是通过与江苏省农业农村部门合作，获取了全省历年的冬小麦种植面积、产量统计数据。这些数据来源于各地的农业统计报表，经过层层汇总和审核，具有较高的可靠性和代表性。通过对这些数据的整理和分析，可以了解江苏省冬小麦产量的年际变化趋势、不同地区的产量差异以及种植面积的变化情况等。三是开展实地调查，选择江苏省不同地区具有代表性的农户麦田，对冬小麦的生长和产量情况进行实地观测和记录。在实地调查过程中，详细询问农户的种植品种、播种时间、施肥量、灌溉情况、病虫害防治措施等栽培管理信息，并对冬小麦的生长状况进行现场观测，包括叶色、生长势、病虫害发生情况等。在收获期，对农户麦田进行测产，获取实际的产量数据。在整理冬小麦生长与产量数据时，首先对不同来源的数据进行了分类和汇总，建立了详细的数据档案。然后，对数据进行了质量控制，剔除了明显异常的数据，如产量过高或过低的数据点、生长指标不符合实际情况的数据等。对于缺失的数据，采用了合理的方法进行填补，如利用相邻地块的数据进行插值、根据历史数据和经验进行估算等。最后，将冬小麦生长数据与气象数据、土壤数据进行关联分析，建立了数据之间的对应关系，以便后续的模型模拟和分析能够综合考虑多种因素的影响。4.2模型本地化与优化4.2.1参数调整与优化结合江苏省的实际情况，对WOFOST模型进行参数调整与优化。在作物发育参数方面，根据江苏省不同地区冬小麦的生长特性和多年的观测数据，对出苗到开花积温（TSUM1）和开花到成熟积温（TSUM2）进行了重新校准。例如，在苏南地区，由于气候相对温暖，冬小麦生长周期相对较短，将TSUM1适当降低；而在苏北地区，气候相对寒冷，生长周期较长，相应提高TSUM1的值。通过这种方式，使模型能够更准确地反映不同地区冬小麦的生育期进程。在作物生长参数方面，针对比叶面积（SLATB）和最大CO₂同化速率（AMAXTB）等参数进行了优化。考虑到江苏省不同土壤类型和肥力条件对冬小麦生长的影响，对于土壤肥力较高的地区，适当提高AMAXTB的值，以反映作物在充足养分供应下较强的光合作用能力；而在土壤肥力较低的地区，则适当降低该参数值。同时，根据不同冬小麦品种的特性，调整SLATB参数，以准确模拟不同品种叶片的生长和光合作用过程。此外，在土壤水分平衡模块中，根据江苏省的降水特点和土壤质地，对土壤水分入渗、蒸发和排水等参数进行了调整。在降水较多的地区，增加土壤排水参数的值，以避免土壤积水对冬小麦生长造成不利影响；在干旱地区，适当调整土壤水分蒸发参数，以更准确地模拟土壤水分的动态变化。通过这些参数的调整与优化，使WOFOST模型能够更好地适应江苏省的实际情况，提高对冬小麦生长发育和产量形成的模拟准确性。4.2.2模型验证与评估利用收集到的江苏省不同地区的实测数据对优化后的WOFOST模型进行验证与评估。选择了具有代表性的5个地区，每个地区设置3个试验点，共15个试验点的数据用于模型验证。在每个试验点，详细记录了冬小麦的生育期进程、叶面积指数、干物质积累量、产量等数据，并与模型模拟结果进行对比分析。通过对比模拟值与实测值，采用多种评估指标来衡量模型的模拟精度。其中，决定系数（R²）用于评估模型模拟值与实测值之间的线性相关性，R²越接近1，表示模拟值与实测值的相关性越好。均方根误差（RMSE）用于衡量模拟值与实测值之间的平均误差程度，RMSE值越小，说明模型的模拟精度越高。相对均方根误差（NRMSE）则是将RMSE标准化，消除了数据量纲的影响，更便于不同变量之间模拟精度的比较。验证结果表明，优化后的WOFOST模型在模拟江苏省冬小麦的生育期进程方面表现良好，各生育期的模拟值与实测值之间的R²均在0.85以上，RMSE和NRMSE较小，说明模型能够较为准确地预测冬小麦的生育期。在叶面积指数模拟方面，R²达到0.8178，RMSE为0.58，NRMSE为27.9%，模拟值与实测值具有较好的一致性。对于干物质积累量的模拟，叶、茎、穗和地上部总生物量的R²在0.7832-0.9531之间，RMSE在315.55-986.15kg・hm⁻²之间，NRMSE在10.1%-29.8%之间，表明模型能够较好地模拟冬小麦不同器官的干物质积累过程。在产量模拟方面，R²为0.5852，RMSE为799.96kg・hm⁻²，NRMSE为15.9%，虽然模拟精度相对叶面积指数和干物质积累量稍低，但仍在可接受范围内，能够为冬小麦产量预测提供一定的参考。总体而言，优化后的WOFOST模型在江苏省冬小麦生长模拟中具有较高的模拟精度和可靠性，能够满足实际应用的需求。4.3不同模型模拟效果比较4.3.1模拟结果对比分析利用相同的气象数据、土壤数据以及冬小麦生长与产量数据，对WOFOST模型和AquaCrop模型在江苏省冬小麦生长发育和产量模拟方面的结果进行对比分析。在生育期模拟方面，WOFOST模型通过对出苗到开花积温（TSUM1）和开花到成熟积温（TSUM2）等参数的调整，能够较为准确地模拟江苏省冬小麦的生育期进程。以某试验点的数据为例，WOFOST模型模拟的出苗期与实测值相差2天，拔节期相差3天，抽穗期相差2天，成熟期相差3天，整体模拟误差在可接受范围内。而AquaCrop模型在生育期模拟上，主要基于作物的物候发育规律和温度、光照等环境因素，对冬小麦的生育期进行预测。在相同试验点，AquaCrop模型模拟的出苗期与实测值相差3天，拔节期相差4天，抽穗期相差3天，成熟期相差4天，相对WOFOST模型，其模拟误差稍大一些。在叶面积指数（LAI）模拟方面，WOFOST模型模拟的LAI与实测值的决定系数（R²）达到0.8178，均方根误差（RMSE）为0.58，相对均方根误差（NRMSE）为27.9%，表明模型能够较好地模拟叶面积指数的动态变化，模拟值与实测值具有较好的一致性。AquaCrop模型模拟的LAI与实测值的R²为0.7825，RMSE为0.65，NRMSE为30.2%，虽然也能在一定程度上反映叶面积指数的变化趋势，但模拟精度相对WOFOST模型略低。对于干物质积累量的模拟，WOFOST模型模拟的叶、茎、穗和地上部总生物量的R²在0.7832-0.9531之间，RMSE在315.55-986.15kg・hm⁻²之间，NRMSE在10.1%-29.8%之间，能够较好地模拟不同器官的干物质积累过程。AquaCrop模型模拟的干物质积累量与实测值的R²在0.75-0.92之间，RMSE在350-1050kg・hm⁻²之间，NRMSE在12%-32%之间，模拟精度相对WOFOST模型稍逊一筹。在产量模拟方面，WOFOST模型模拟的产量与实测值的R²为0.5852，RMSE为799.96kg・hm⁻²，NRMSE为15.9%，能够为冬小麦产量预测提供一定的参考。AquaCrop模型模拟的产量与实测值的R²为0.5513，RMSE为850.25kg・hm⁻²，NRMSE为17.2%，模拟结果的准确性相对WOFOST模型略低。4.3.2模型优缺点评价WOFOST模型在模拟江苏省冬小麦时具有诸多优势。该模型结构设计科学合理，采用模块化设计，作物生长模块、土壤水分平衡模块以及养分平衡模块等相互关联，能够全面、系统地模拟冬小麦的生长发育过程。在参数调整方面，通过对关键参数的本地化校准，如根据江苏省不同地区冬小麦的生长特性和气候条件，对出苗到开花积温（TSUM1）、开花到成熟积温（TSUM2）等参数进行针对性调整，显著提高了模型的模拟精度，使其能够较好地适应江苏省复杂的生态环境。此外，WOFOST模型在模拟干物质积累与分配方面表现出色，能够较为准确地反映冬小麦不同器官的干物质积累过程，为研究冬小麦的生长机制提供了有力支持。然而，WOFOST模型也存在一些不足之处。模型对输入数据的要求较高，需要详细的气象数据、土壤数据以及作物数据等，数据获取和整理的工作量较大，且数据的准确性和完整性对模型模拟结果的影响较大。此外，在模拟复杂的环境条件时，如极端气候事件（暴雨、干旱、高温等）对冬小麦生长的影响，模型的适应性相对较弱，可能导致模拟结果的偏差。AquaCrop模型的优点在于其专注于水分对作物生长的影响，能够精准地评估水分条件对冬小麦生长发育和产量形成的作用，为冬小麦的灌溉管理提供了科学依据。模型输入参数相对简单，易于获取和确定，降低了模型应用的难度，提高了模型的可操作性。在模拟不同水分条件下冬小麦的生长状况时，AquaCrop模型能够较为准确地反映水分胁迫对冬小麦生长的影响，如在干旱条件下，模型能够模拟出冬小麦叶面积指数下降、干物质积累减少等生长变化。但是，AquaCrop模型也存在一定的局限性。由于模型重点关注水分因素，对其他环境因素（如光照、温度等）以及土壤养分等因素的综合考虑相对不足，在模拟复杂的生态环境时，可能无法全面准确地反映冬小麦的生长发育过程。此外，在模拟冬小麦的某些生长指标（如生育期进程、干物质积累量等）时，其模拟精度相对WOFOST模型较低，可能会影响对冬小麦生长状况的准确评估。五、江苏省冬小麦模型模拟的应用案例分析5.1基于模型的产量预测应用5.1.1历史产量模拟与验证利用优化后的WOFOST模型对江苏省2000-2020年的冬小麦历史产量进行模拟。将该时期内江苏省不同地区的气象数据（包括平均气温、最高气温、最低气温、降水量、日照时数、太阳辐射等）、土壤数据（土壤类型、质地、养分含量等）以及冬小麦生长数据（品种特性、播种期、种植密度等）作为模型输入。以苏南地区为例，该地区气候相对温暖湿润，土壤多为黄棕壤，在输入数据时，根据当地的实际情况，对模型参数进行了进一步的微调，以确保模型能够更准确地反映当地冬小麦的生长环境。模拟完成后，将模型模拟得到的产量数据与江苏省实际统计的冬小麦产量数据进行对比分析。通过计算决定系数（R²）、均方根误差（RMSE）和相对均方根误差（NRMSE）等指标来评估模型的模拟精度。结果显示，在2000-2020年期间，WOFOST模型模拟的江苏省冬小麦产量与实际产量的R²达到0.65，表明模拟值与实际值之间具有一定的相关性；RMSE为850kg・hm⁻²，NRMSE为17.0%，虽然存在一定的误差，但仍在可接受的范围内，说明模型能够较好地模拟江苏省冬小麦的历史产量变化趋势。为了更直观地展示模拟效果，以2010年为例，在地图上绘制出江苏省不同地区冬小麦实际产量与模拟产量的分布情况。可以清晰地看到，在苏北地区，模拟产量与实际产量的空间分布趋势基本一致，大部分地区的模拟产量与实际产量的误差在10%以内；在苏中地区，虽然部分地区的模拟产量与实际产量存在一定偏差，但整体趋势相符；在苏南地区，模型对产量的模拟也较为准确，能够反映出当地冬小麦产量的空间差异。通过对多个年份的模拟验证，进一步证实了优化后的WOFOST模型在江苏省冬小麦历史产量模拟方面具有较高的可靠性和准确性。5.1.2未来产量预测与情景分析设定不同的气候变化和种植管理情景，利用优化后的WOFOST模型预测未来江苏省冬小麦的产量。在气候变化情景方面，参考政府间气候变化专门委员会（IPCC）的相关报告，设定了高排放情景（RCP8.5）和中排放情景（RCP4.5）。在RCP8.5情景下，假设未来温室气体排放量持续增加，全球气温显著上升；在RCP4.5情景下，假设全球采取积极的减排措施，温室气体排放得到一定控制，气温上升幅度相对较小。在种植管理情景方面，设置了常规管理、优化灌溉和优化施肥三种情景。常规管理情景下，按照江苏省当前的一般种植管理方式进行模拟，包括常规的灌溉量、施肥量和施肥时间等；优化灌溉情景下，根据冬小麦不同生育期的需水规律，合理调整灌溉量和灌溉时间，以提高水资源利用效率；优化施肥情景下，根据土壤养分含量和冬小麦的养分需求，精准确定施肥量和施肥时期，以实现养分的高效利用。针对每个情景，利用气候模拟软件（如HadCM3等）生成未来2040-2060年江苏省的气象数据，包括温度、降水、日照时数等要素的变化情况。将这些气象数据以及不同的土壤数据、冬小麦品种参数等输入WOFOST模型进行模拟预测。结果表明，在RCP8.5情景下，由于气温升高、降水分布改变等因素的影响，江苏省冬小麦产量整体呈下降趋势，与当前产量相比，平均减产幅度约为15%-20%。在苏北地区，由于干旱加剧，产量下降更为明显，减产幅度可达20%-25%；在苏南地区，虽然降水相对较多，但高温天气可能导致小麦生育期缩短，产量也会有所下降，减产幅度约为10%-15%。在RCP4.5情景下，冬小麦产量下降幅度相对较小，平均减产幅度约为5%-10%。在种植管理情景方面，优化灌溉和优化施肥情景下的冬小麦产量均高于常规管理情景。优化灌溉情景下，通过合理灌溉，有效地缓解了水分胁迫对冬小麦生长的影响，产量可比常规管理情景提高8%-12%；优化施肥情景下，精准施肥提高了养分利用效率，促进了冬小麦的生长发育，产量可比常规管理情景提高10%-15%。通过对不同情景下未来产量的预测和分析，为江苏省制定应对气候变化的农业生产策略和优化种植管理措施提供了科学依据。五、江苏省冬小麦模型模拟的应用案例分析5.2基于模型的种植管理决策支持应用5.2.1播期优化决策利用优化后的WOFOST模型，系统分析不同播期对江苏省冬小麦生长和产量的影响。在苏北地区，设置了10月1日、10月10日、10月20日、10月30日和11月10日五个不同的播期处理进行模拟。模拟结果显示，10月10日播种的冬小麦在生育期进程方面表现较为理想，能够充分利用当地的光热资源，在越冬前积累足够的养分，形成壮苗，为后期的生长发育奠定良好的基础。而10月1日播种的冬小麦，由于播种过早，冬前生长过旺，消耗过多养分，在越冬期容易遭受冻害，导致分蘖数减少，成穗率降低，最终产量受到影响；11月10日播种的冬小麦，由于播种过晚，气温逐渐降低，出苗时间延长，冬前生长量不足，分蘖少，群体结构不合理，产量也相对较低。在苏中地区，通过模型模拟发现，10月15日左右播种的冬小麦产量最高。此时播种，冬小麦能够在适宜的温度条件下出苗和生长，在拔节期、抽穗期等关键生育期能够充分利用光照和水分条件，促进穗粒分化和干物质积累，从而获得较高的产量。相比之下，过早或过晚播种都会导致产量下降。例如，10月5日播种的冬小麦，在生长后期可能会遇到高温天气，影响灌浆，导致粒重降低；10月25日播种的冬小麦，由于生育期推迟，在后期可能会受到降水过多或病虫害的影响，产量也会受到一定程度的制约。在苏南地区，模拟结果表明，10月20日前后播种的冬小麦生长和产量表现最佳。苏南地区气候相对温暖湿润，播种过早可能会导致冬小麦生长过快，病虫害发生风险增加；播种过晚则会使冬小麦生育期缩短，影响产量。10月20日播种的冬小麦，能够在适宜的气候条件下生长发育，有效利用当地的资源，实现产量最大化。综合不同地区的模拟结果，结合江苏省的气候特点和冬小麦生长规律，给出适宜播期建议：苏北地区适宜播期为10月8日-10月15日；苏中地区适宜播期为10月13日-10月20日；苏南地区适宜播期为10月18日-10月25日。通过合理调整播期，能够充分利用光、热、水等资源，优化冬小麦的生长环境，提高产量和品质，为江苏省冬小麦的科学种植提供有力的决策支持。5.2.2施肥灌溉决策运用优化后的WOFOST模型，模拟不同施肥量和灌溉时间对江苏冬小麦生长和产量的影响，从而为施肥灌溉提供科学的决策依据。在施肥量方面，以苏北地区的砂姜黑土为例，设置了低、中、高三个施肥水平进行模拟。低施肥水平下，氮、磷、钾的施用量分别为120kg/hm²、60kg/hm²、90kg/hm²；中施肥水平下，施用量分别为180kg/hm²、90kg/hm²、135kg/hm²；高施肥水平下，施用量分别为240kg/hm²、120kg/hm²、180kg/hm²。模拟结果显示，中施肥水平下的冬小麦产量最高，在该施肥量下，冬小麦在各个生育期的生长状况良好，叶面积指数适宜，干物质积累充足，能够有效促进穗粒分化和籽粒灌浆，提高穗数、粒数和粒重，从而实现高产。低施肥水平下，由于养分供应不足，冬小麦生长缓慢，分蘖数减少，穗粒数和粒重降低，导致产量较低；高施肥水平下，虽然前期生长较快，但后期可能会出现贪青晚熟的现象，病虫害发生风险增加，同时肥料的利用率降低，造成资源浪费，产量提升效果不明显。在灌溉时间方面，根据冬小麦不同生育期的需水规律，设置了不同的灌溉方案进行模拟。在苏北地区，考虑到春季降水相对较少，设置了在拔节期、孕穗期和灌浆期分别进行灌溉的方案。模拟结果表明，在拔节期和孕穗期进行灌溉，能够显著提高冬小麦的产量。拔节期是冬小麦生长的关键时期，此时灌溉能够满足小麦对水分的需求，促进茎秆伸长和穗分化；孕穗期灌溉则有助于提高小花的结实率，增加穗粒数。而在灌浆期，虽然冬小麦对水分也有一定需求，但过多的灌溉可能会导致根系缺氧，影响籽粒灌浆，因此需要根据土壤墒情和天气情况合理控制灌溉量。在苏中地区的水稻土上