基于EPIC模型的區(qū)域水稻作物參數(shù)敏感性分析.pdf

1、全球環(huán)境變化逐漸成為人們關注的熱點和焦點問題，其中最為突出的是全球變暖趨勢日益加劇。隨著全球變暖問題的凸顯，全球旱災的發(fā)生頻率和影響范圍也在不斷擴大。旱災是世界上影響范圍最廣，造成農(nóng)業(yè)損失最大的自然災害之一，它嚴重影響著全球糧食生產(chǎn)和糧食安全。水稻作為一種易受干旱影響的作物，其生產(chǎn)面臨巨大挑戰(zhàn)。
　　在水稻生產(chǎn)研究中，作物模型是一種常用的手段。但幾乎所有的模型都很難具有普適性，在不同區(qū)域應用時都需要對模型的參數(shù)進行校準。對于參數(shù)繁

2、雜的模型而言，對其中所有參數(shù)進行調整工作量巨大，難以實現(xiàn)。參數(shù)敏感性分析即是從眾多參數(shù)中識別和選擇關鍵的控制參數(shù)，篩選出引起模型結果不確定性的主要因素的一種有效手段。
　　本文以EPIC作物模型為基礎，對一定區(qū)域內(nèi)水稻作物參數(shù)進行敏感性分析。并以我國南方水稻主產(chǎn)區(qū)為例對敏感性分析結果的空間差異性進行分析。具體步驟包括，從EPIC模型眾多水稻作物參數(shù)中篩選出對模擬產(chǎn)量可能有一定影響的參數(shù)，并進一步確定這些參數(shù)的取值范圍和分布形式，進

3、而進行敏感性分析。本文選取了8個代表性地點進行敏感性分析，分析結果顯示受不同地區(qū)環(huán)境影響作物參數(shù)的敏感性差異較大。為探究敏感性分析結果的空間差異性，本文以我國南方水稻主產(chǎn)區(qū)為例，對研究區(qū)內(nèi)水稻種植點的作物參數(shù)進行敏感性分析，同時利用相關性分析進一步探究環(huán)境要素與敏感參數(shù)之間的關系。
　　通過研究得到以下主要結論:
　　(1)敏感性分析可以有效地篩選出對模型輸出結果影響較大的參數(shù)，用戶通過確定和調整這些參數(shù)完成模型校準。因此，

4、敏感性分析在模型校準、模型簡化等方面有較大的應用潛力。同時，EFAST作為一種簡單、高效、準確的全局敏感性分析方法，可以在較少的樣本量下完成全局敏感性計算。相較于一階敏感性分析而言，全局敏感性全面考慮參數(shù)對模型結果的影響，以及參數(shù)之間相互作用對模型結果的影響。
　　(2)本文通過對比8個不同地點的敏感性分析，結果發(fā)現(xiàn)其具有明顯的空間差異性。以我國南方水稻區(qū)為例，總體敏感性較高的參數(shù)為WA、HI、TBS和TOP等4個參數(shù)。同時不同地