为提高干旱环境下甘肃春小麦生产应对旱情的能力,利用APSIM (agricultural production system simulator)平台,模拟1971-2012年甘肃省4大春小麦主产区(河西内陆河灌溉春小麦种植区、陇中黄土高原春小麦种植区、洮岷高寒冬春小麦混种区、陇西黄土高原冬春小麦兼种区)的小麦生长过程,构建基于水分胁迫的小麦干旱致灾强度指数模型,对甘肃省春小麦干旱致灾强度和风险时空分布进行了定量评价和分析。结果表明:甘肃春小麦干旱致灾强度指数总体呈现北高南低的趋势,由于河西春小麦生产具备灌溉条件,陇中、陇西黄土高原春麦种植地区为干旱致灾强度较高且实际影响最大的地区,受干旱影响最小的是洮岷高寒春麦区。在小麦生长不同阶段,各主产区对旱情的敏感程度不同,轻度致灾强度(≥0.20)情况下,洮岷高寒春麦区的开花期和灌浆期、陇西冬春麦兼种区的灌浆期以及陇中干旱春麦区的开花期致灾概率较大,均大于0.6;中度致灾强度(≥0.40)情况下,陇西冬春麦兼种区致灾概率最大出现在开花期,为0.46。
模型参数的快速、准确估算是产量形成模型应用的重要前提。在基于APSIM(agricultural production systems simulator)的旱地小麦产量形成模型参数本土化率定过程中,存在体量大、耗时长、精度低、效率低的缺点,本研究利用智能算法优化模型参数,试图解决上述问题。依据甘肃省定西市安定区李家堡镇麻子川村2002—2005年、凤翔镇安家沟村2015—2016年大田试验数据以及定西市安定区1971—2016年气象和产量资料,运用混合蛙跳算法分组轮换和全局信息交换的智能策略,对基于APSIM的旱地小麦产量形成模型参数进行了优化,并采用相关性分析方法检验。该优化方法利用青蛙智能的群体生物进化学习策略,可实现对小麦产量形成模型参数的估算,较APSIM平台参数本土化率定常用的穷举试错法,参数优化后产量模拟精度显著提高,均方根误差(RMSE)平均值由79.13 kg hm^(–2)降低到35.36 kg hm^(–2),归一化均方根误差(NRMSE)平均值由5.97%降低到2.63%,模型有效性指数(ME)平均值由0.939提高到0.989。该方法全局优化能力强,收敛速度快。
