摘要:水稻生育期模型为复杂的非线性模型,其参数的合理标定是模型应用的重要环节。本文采用两种不同温度响应函数的花前生育期模型(MBETA和MBILN),利用基于GML(Gauss-Marquardt-Levenberg)算法的模型独立参数优化程序PEST(model-independent parameter estimation)对模型参数进行优化,并在优化中引入参数先验信息和参数初始值扰动方法,以提高参数优化结果的可靠性。结果显示,参数先验信息有效降低了待优化参数的不确定性。最优参数值的95%置信区间较初始值域显著缩小。在优化得到的参数相关系数矩阵中也未显现出高度相关的参数。从目标函数值(Φ)序列看,MBETA和MBILN的Φ值最终收敛至相当接近的最小值,分别为11.71和11.82。但该最小值下两个模型的温度、光周期效应等参数值存在一定差异。这种差异平衡了不同温度响应方程与模型其它方程对水稻生育期模拟误差的贡献。在最优参数值组合下,两个模型验证结果表现一致。其中,抽穗开花期模拟值与实测值的相关性均通过了0.01水平的显著性检验。模拟误差主要来自幼穗分化期,与缺少对水稻光周期敏感始期的观测有关。本文优化方法降低了待优化参数收敛于局部小值的几率,对稳定参数优化和提高优化结果的可靠性具有重要作用。
关键词:模型 beta方程 参数反演 先验信息 光周期
单位:南京信息工程大学气象灾害预报预警与评估协同创新中心/江苏省农业气象重点实验室 南京210044 CSIRO Marine and Atmospheric Research PMB # 1 Aspendale Victoria 3195 Australia 南京信息工程大学应用气象学院 南京210044 黑龙江省气象科学研究所 哈尔滨150030
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社