摘要：作物模型参数的敏感性分析、标定和验证可以提高模型的效率和精准度,进而为模型应用做好准备工作。该研究结合参数全局敏感性分析方法以及贝叶斯后验估计理论的马尔科夫蒙特卡洛（Markov Chain Monte Carlo,MCMC）方法,以华北栾城站三年的冬小麦观测数据（叶面积和地上生物量）为参照,对WOFOST模型的55个品种参数进行了敏感性分析、筛选和优化。发现：1）对叶面积影响较大的参数为：生育期为0、0.5、0.6和0.75时的比叶面积、生育期为1.5时的最大光合速率、叶面积指数最大增长率;对地上干物质影响较大的参数为：生育期为1.5时的最大光合速率、生育期为0时的比叶面积、35℃时叶面积的生命周期、生育期为0时的散射消光系数、生育期为1.8时的最大光合速率、储存器官的同化物转换效率。2）潜在和雨养产量水平下,最大叶面积和地上生物量对参数的敏感性差异不大。3）马尔科夫蒙特卡洛方法（MCMC）可以对WOFOST模型品种参数较好地优化;设计的3种校正-验证方案中,第1种方案（用1998-1999年作为校正年份,1999-2000年,2000-2001年作为验证年份）模拟效果最好。4）优化后的参数,模型对潜在产量水平模拟较好,一致性指数均大于0.9,相对均方根误差小于20%;而对有水分胁迫的雨养情况下比潜在产量水平的模拟结果差,表明模型对水分胁迫的模拟不足。该研究为WOFOST模型区域应用和模型调整优化提供科学理论依据。

关键词：模型 作物 优化 wofost 全局敏感性分析 

单位：国家气象中心 北京100081 德国波恩大学作物科学研究组 波恩D-53115 中国气象科学研究院 北京100081 中国科学院地理科学与资源研究所陆地水循环与地表过程重点实验室 北京100101 澳大利亚悉尼科技大学生命科学学院 悉尼2007