蔡 福 米 娜 明惠青 張淑杰 張 慧 趙先麗 張玉書* 張兵兵

1)(中國氣象局沈陽大氣環(huán)境研究所，沈陽 110166) 2)(遼寧省農(nóng)業(yè)氣象災害重點實驗室,沈陽 110166) 3)(遼寧省氣象服務中心，沈陽 110166) 4)(遼寧省錦州市生態(tài)與農(nóng)業(yè)氣象中心，錦州 121001)

引 言

干旱因其持續(xù)時間長、影響范圍廣成為制約世界雨養(yǎng)農(nóng)業(yè)區(qū)糧食生產(chǎn)的主要災害之一[1-3]，其引起的糧食作物減產(chǎn)量占每年各種自然災害損失的一半以上[4-5]。早期識別干旱的發(fā)生，準確評估其可能影響，進而提前采取有效防御措施的研究受到越來越廣泛的關注[6]。玉米作為世界三大糧食作物之一[7]，整個生育期對水分十分敏感，一些脆弱地區(qū)可因干旱減產(chǎn)25%～30%[8]。中國東北是中國最大玉米產(chǎn)區(qū)，也是世界第二大玉米產(chǎn)區(qū)，在糧食生產(chǎn)中占據(jù)重要地位[9]。20世紀90年代后，春旱和春夏連旱發(fā)生頻繁且強度增加，對當?shù)丶Z食生產(chǎn)與經(jīng)濟發(fā)展產(chǎn)生嚴重影響[10-12]，因此準確評估干旱影響對指導玉米生產(chǎn)防災減災、穩(wěn)定產(chǎn)量具有重要現(xiàn)實意義[13]。目前大量學者通過田間控水試驗研究玉米干旱的影響機制[5,14]，但由于作物生長對前期受旱之后復水具有補償作用[15]，受光照和溫度等環(huán)境因子綜合影響，兩個或多個生育期干旱的影響非簡單疊加，而是綜合效應的累積，同時目前田間試驗僅能對單一生育期干旱的影響進行定量評估[16-17]，使多生育期干旱影響難以區(qū)分。作物模型基于生物物理理論，運用計算機技術和數(shù)理方法，對作物光合、呼吸、蒸騰等過程及其與土壤、氣象、施肥、灌溉等條件之間的關系進行定量表達，并通過描述產(chǎn)量與相關因子的內(nèi)在關系[18-19]，實現(xiàn)作物生長模擬，機理性較強，理論上可實現(xiàn)對不同生育期的干旱影響進行定量評估[20-22]。目前已建立的作物模型多達百種，荷蘭的WOFOST模型[23]、美國的DSSAT系列模型[24-25]和澳大利亞的APSIM模型[26]為典型代表。盡管作物模型可實現(xiàn)大量模擬研究，但針對水分限制條件下作物生長模擬及其試驗研究較少，一些研究通過在模型中人為設定干旱狀態(tài)以分析作物生長及產(chǎn)量的響應特征[27-29]，結果與實際情況存在較大差距?，F(xiàn)有主流作物模型針對水分限制條件所采用的響應策略均存在不足，難以有效實現(xiàn)對干旱過程的準確模擬[30]，干旱條件下的模擬精度比正常供水條件下大幅降低[31]，關鍵過程參數(shù)方案亟需完善[32]。蒸騰作用作為植物耗水的主要途徑,通過氣孔開閉和根系吸水的共同作用對環(huán)境變化進行響應,受干旱影響最直接[33]。現(xiàn)有主流作物模型采用作物實際耗水與潛在蒸騰之比反映干旱過程，實際蒸騰計算不準確將引起光合產(chǎn)物模擬誤差增大，進而降低生物量模擬精度。可見，準確模擬蒸騰對提高干旱條件下作物模型模擬性能十分重要，其中改進潛在蒸散計算方案是關鍵。作物系數(shù)是計算蒸騰的重要參數(shù)，大多數(shù)作物模型僅根據(jù)發(fā)育期對其賦予固定值，但實際上該系數(shù)隨作物生長而不斷變化，不但與冠層結構有關，還與輻射、氣溫等環(huán)境因子有關[34]。因此作物系數(shù)的準確確定是提高蒸散過程模擬精度的有效方法之一。在眾多作物模型中，WOFOST模型注重作物生長發(fā)育及產(chǎn)量形成的生理生態(tài)過程機制，對光合、呼吸、葉片生長等進行比較深入的描述[27,35]，在資料同化[21]、生產(chǎn)潛力評估[9]、產(chǎn)量預測[35]、管理策略優(yōu)化影響[36]、未來氣候情景產(chǎn)量評估[37]、作物氣象診斷指標確定[38]以及遙感估產(chǎn)[20]等方面廣泛應用。

本研究針對我國東北春玉米，利用Penman-Monteith方法[39]和張淑杰等[40]建立的葉面積指數(shù)與作物系數(shù)間的關系對WOFOST模型潛在蒸散計算方案和作物系數(shù)進行改進，評估改進蒸散過程對水分限制條件下模型模擬性能的影響，旨在為提高作物模型在不同水分條件下的模擬適應性提供參考。

1 資料與方法

1.1 資 料

1.1.1 試驗資料

本文所用資料來自2012，2014，2015年和2018年在遼寧省錦州市農(nóng)業(yè)氣象試驗站開展的分期播種試驗。試驗在雨養(yǎng)條件下進行，供試品種為丹玉39和丹玉405，二者屬同系列品種，各類遺傳參數(shù)基本一致，種植密度為4.48 株·m-2。試驗分為3個播期，播種日分別為4月20日、4月30日和5月10日(表1)。試驗觀測項目包括發(fā)育期(三葉、七葉、拔節(jié)、抽雄、乳熟、成熟)、葉面積、地上各器官生物量(葉、莖、果實)以及產(chǎn)量[32]。對地上各器官生物量求和可得到地上總生物量，通過換算得到單位面積(公頃)的數(shù)值由地上生物量表示。2012，2015年和2018年試驗資料用于作物模型模擬和檢驗，2014年試驗對玉米果穗不同組成部分進行觀測，用于換算產(chǎn)量占儲藏器官生物量的比例。

表1 不同播期各生育期出現(xiàn)日期及日序Table 1 Occurrence dates and days of year in maize growth periods for different sowing date experiments

為反映土壤水分狀況，每旬逢3，8日采用土鉆法對0～50 cm深度以10 cm間隔觀測土壤相對濕度[13]，各年玉米生育期內(nèi)0～50 cm土壤平均相對濕度如圖1所示，其中2012年土壤相對濕度在大部分生長時段均高于70%，說明該年土壤供水完全滿足玉米生長需求，2015年和2018年從5月23日開始直至生育期結束，土壤相對濕度均小于60%，尤其2015年從6月下旬至8月中旬土壤相對濕度低于50%，最低接近30%，干旱十分嚴重，表明這兩年為典型干旱年。

圖1 玉米生育期內(nèi)土壤濕度Fig.1 Relative soil moisture in maize growth periods

EOS=ETCe-kgbILA，

1）樹立資源為先的戰(zhàn)略，千方百計打造穩(wěn)定的低硫燃油資源供應渠道。低硫燃油資源的穩(wěn)定供應直接關系到船舶在港口的合規(guī)運營，隨著國際海事組織2020低硫政策臨近，船供油公司傳統(tǒng)的高硫燃油資源渠道將發(fā)生根本性變化，多年合作的供應商目錄將出現(xiàn)很大變動。船供油公司不僅需要尋找新的低硫燃油供應商，還需要在信用政策、操作流程、風險管理以及商業(yè)模式等方面進行全面調(diào)整，務必要在1年內(nèi)重新打造并優(yōu)化供應渠道，時間非常緊張，任務非常艱巨。

玉米生育期內(nèi)日照時數(shù)，1.5 m高度的日最高氣溫、日最低氣溫、水汽壓，2 m高度風速和日降水量用于模型驅動，0～100 cm深度每隔10 cm的土壤水文常數(shù)，包括凋萎濕度、田間持水量和飽和含水量作為模型輸入項，相關參數(shù)見文獻[32]。

1.1.3 發(fā)育參數(shù)和生理參數(shù)

模型中的發(fā)育參數(shù)指完成生育階段所需的積溫和光周期影響因子。在正常生長條件下，發(fā)育參數(shù)與作物品種有關且相對穩(wěn)定，包括出苗至開花的有效積溫和開花至成熟的有效積溫，利用玉米生長氣象條件適宜年份和播期的觀測資料平均獲得。初始總干物量，最大CO2同化速率，35℃下葉片生存周期，比葉面積，貯存器官、葉、根、莖的同化物轉換效率及干物質(zhì)分配系數(shù)，出苗時葉面積指數(shù)等影響生物量和產(chǎn)量模擬的敏感參數(shù)，詳見文獻[32]。

1.2 方 法

1.2.1 作物系數(shù)動態(tài)改進

為檢驗模型的改進效果，利用模擬精度改進量，即原模型與改進模型相對誤差的絕對值之差衡量，表達式為

Kc=0.1459×ILA+0.2909。

(1)

1.2.2 參考蒸散量改進

2.基層黨組織層面。把好入黨積極分子“入口”關。嚴格落實入黨積極分子“雙推雙評”工作制度，加強與工會、團委的聯(lián)系和溝通，通過對遞交入黨申請書的人員好中選優(yōu)，合理確定參加“雙推”的人員數(shù)量，盡量保持入黨積極分子數(shù)量平穩(wěn)。在“雙推雙評”工作過程中，嚴格落實各個環(huán)節(jié)要求，增強工作的嚴肅性，使全體黨員和員工群眾充分重視并認真對待“雙推雙評”工作?？梢試L試采取公開“述學述思”等方式，使入黨積極分子各方面表現(xiàn)更加直觀、立體地展現(xiàn)在參加黨內(nèi)黨外民主推薦和民主評議測評的人員面前，避免“雙推雙評”工作變成走過場。

WOFOST模型計算參考作物蒸散采用以下方法：

ET0=(Δ×Rna+γ×Ea)/(Δ+γ)，

(2)

EA=0.26×VPD×(F+BU×U2)，

“還行。就是有點——”哥們兒朝洛蒙想說就是臥室缺只窗子，有點暗。但話還沒有說完，燒烤店老板就把話搶過去?！熬褪怯悬c貴！其實那房子根本不值那么多票子。這里沒法跟城里比。郊區(qū)偏遠，房子又破又爛，冬天也沒能供暖?！彼┫律?，壓低聲音說，“在你來之前，有很多人都看了那房子，但不知是哪個原因，都沒有租成?？旌灪贤?，后來都反悔了嘍……”

(3)

(4)

世界糧農(nóng)組織(FAO)[7]指出，不論在干燥還是濕潤地區(qū)，Penman-Monteith公式計算出的參考作物蒸散與實測值最接近，因此，本研究利用該公式替代原模型式(2)，表達式為

場地僅鉆孔（CK1、CK3～6、CK9～10、ZK1～3、ZK5～8、ZK11～20） 有揭露，揭露層厚0.50～3.81m，平均厚度1.82m；層頂高程-0.70～2.50m，層頂深度 1.30～4.30m。

ETC=Kc×ET0。

(5)

式(9)中，Rn為凈吸收輻射(單位：MJ·m-2·d-1)，G為土壤熱通量密度(單位：MJ·m-2·d-1)，T為2 m高處的平均氣溫(單位：℃)。

中國傳統(tǒng)文化是中國自古流傳至今的精神財富，不僅體現(xiàn)了我國公民的精神面貌，更代表著大多數(shù)公民的思想狀況以及道德水平。近年來，我國高校積極將中國傳統(tǒng)文化融入思想政治教育中，并取得一定成績，但隨著社會的發(fā)展，現(xiàn)有的教育模式難以滿足社會發(fā)展需求?；诖?，首先分析了中國傳統(tǒng)文化對高校思想政治教育的重要性及現(xiàn)狀；其次分析了高校思想政治教育中缺乏中國傳統(tǒng)文化帶來的影響；最后提出高校思想政治教育與中國傳統(tǒng)文化有效融合路徑，以此提升我國高校思想政治教育水平，培養(yǎng)具有高素質(zhì)人才，滿足現(xiàn)代社會發(fā)展人才培養(yǎng)目標。

ETC=EOS+Tm，

(6)

1.1.2 模型驅動資料

Tm=ETC(1-e-kgbILA)。

(7)

（1）納入標準：①臨床資料完整者；②術前經(jīng)核磁共振、CT等檢查確診者；③卡氏評分≥60分者；④腫瘤直徑＞10 cm者。（2）排除標準：①血液系統(tǒng)疾病者；②存在化療藥物過敏史者；④嚴重器質(zhì)性病變者。

卡爾曼濾波器根據(jù)其測量結果對系統(tǒng)隱含狀態(tài)進行估計,該濾波器用于處理狀態(tài)轉換和測量過程中出現(xiàn)的高斯噪聲.將N個機器人群作為一個離散時間系統(tǒng)，得

一是專業(yè)知識和護理技能的培訓。這些知識和技能是護理人員從是護理工作的根本，通過實際案例的分析，讓護理人員掌握有關心血管的相關知識，熟練相關的護理技能，使其具備在具體工作中運用相關的知識和技能進行護理工作，不斷提高工作能力。

(8)

其中，EOS為潛在土壤蒸發(fā)速率(單位：mm·d-1)，Tm為最大蒸騰速率(單位：mm·d-1)，kgb為球面輻射發(fā)射系數(shù)，ILA為葉面積指數(shù)(單位：m2·m-2)。

其中，ET0為參考蒸散速率(單位：mm·d-1)，Rna為凈吸收輻射引起的蒸散速率(單位：mm·d-1)，EA為蒸發(fā)需求(單位：mm·d-1)，Δ為飽和水汽壓曲線斜率(單位：KPa·℃)，γ為干濕球常數(shù)(單位：KPa·℃)，VPD為2 m高處水汽壓差(單位：kPa)，BU為風函數(shù)經(jīng)驗系數(shù)，U2為2 m高處24 h平均風速(單位：m·s-1)，TD為氣溫日較差(單位：℃)。F為經(jīng)驗參數(shù)，植被冠層為1，水面蒸發(fā)為0.5?？紤]不同作物冠層結構的差異，用作物系數(shù)對參考蒸散進行訂正，進而得到潛在蒸散，計算表達式為

VPD)/(Δ+γ×(1+0.34×U2))。

(9)

式(5)中，ETC為潛在蒸散速率(單位：mm·d-1)，Kc為作物系數(shù)，在作物模型中被設定為1，并未區(qū)分作物種類及其所處的生育階段。模型將蒸散拆分成土壤蒸發(fā)和作物蒸騰，表達式如下：

作物系數(shù)動態(tài)化是在WOFOST模型EVTRA模塊中采用式(1)替換作物系數(shù)常數(shù)，稱為CC方案。蒸散計算改進是在PENMAN子程序中用式(9)替換參考蒸散量(ET0)變量，稱為PM方案。同時采用CC方案和PM方案改進，稱為PMCC方案。原模型方案稱為DEF方案。

1.2.3 模擬精度評價

利用作物模型中模擬的逐日葉面積指數(shù)(ILA)，根據(jù)張淑杰等[40]建立的動態(tài)作物系數(shù)(Kc)計算方法(式(1))，可計算得到逐日作物系數(shù)：

(10)

式(10)中，Md和Mi分別為原模型和改進后模型的模擬值，O為實測值。A大于0，表示改進后模型精度提高;A小于0，表示改進后模型精度降低。

2 結果與分析

2.1 地上生物量模擬

由圖2可知，原模型對2012年各播期地上生物量的模擬準確性較高，對2015年和2018年的模擬誤差明顯增大，從拔節(jié)期開始明顯高估，表明原模型對干旱過程模擬能力較差。改進后，2012年地上生物量模擬值幾乎未發(fā)生變化，這與土壤濕度持續(xù)適宜、可充分滿足玉米需水有關，說明模型方案的改進對水分適宜年份的模擬仍能保持較好精度。改進后的模型對2015年的模擬影響存在差異，CC方案模擬的地上生物量比原模型值略有增加，PM方案模擬的地上生物量較原模型大幅減少，相比實測值存在低估，PMCC方案對地上生物量模擬精度的改進明顯，尤其是4月20日和30日播期地上生物量與實測值大體一致，5月10日播期雖然誤差較前兩播期偏大，但與原模型相比模擬精度仍明顯改善，3個播期各生育期平均模擬精度改進量分別為8%，8%和14%。2018年各方案模擬影響效果與2015年類似，CC方案模擬結果變化較小，PM方案模擬的地上生物量減少幅度更大，PMCC方案模擬的地上生物量擬合精度在4月20日和30日播期仍優(yōu)于其他方案，但在5月10日播期的模擬結果比DEF方案和CC方案略低，這反映出模型模擬性能不穩(wěn)定，3個播期各生育期平均模擬精度改進量分別為5%，1%和-4%。值得注意的是，2015年和2018年均為干旱年，且前者土壤濕度略低于后者，但地上生物量較大，詳細分析(圖3)發(fā)現(xiàn)，2018年拔節(jié)至乳熟階段從7月28日—8月6日連續(xù)10 d的日最高和日最低氣溫均高于2015年，尤其是日最低氣溫從7月1日—8月6日明顯偏高，高溫促進作物維持呼吸速率的增大，導致用于呼吸的同化物消耗增大，從而使地上生物量減小，即高溫和干旱的協(xié)同作用可能是導致地上生物量下降的重要原因。

圖2 不同模擬方案地上生物量的模擬值與實測值對比Fig.2 Comparisons of observed and simulated total above ground productions

續(xù)圖2

圖3 玉米關鍵生育期日最高氣溫和日最低氣溫Fig.3 Daily maximum and minimum temperature during the key growth periods of maize

續(xù)圖3

2.2 葉面積指數(shù)模擬

水分限制條件下，WOFOST模型以實際蒸騰與潛在蒸騰之比作為光合產(chǎn)物限制因子反映干旱影響，實現(xiàn)光合產(chǎn)物對脅迫的響應，通過向葉片分配光合產(chǎn)物實現(xiàn)葉片生長，以比葉面積與葉生物量相乘得到葉面積，即實際蒸騰影響葉面積指數(shù)的模擬。圖4是3個播期葉面積指數(shù)模擬值與實測值對比。2012年各播期抽雄以前葉面積指數(shù)模擬值與實測值較一致，其中4月20日和30日播期乳熟期葉面積指數(shù)模擬值比實測值明顯偏大，這是由于兩個播期生育期較長，當土壤水分不是限制因素時，土壤含氮量成為玉米葉片生長的主要限制因素，隨著生育進程的推進，土壤養(yǎng)分不能滿足葉片生長需要，而模型中土壤中氮素無限制，導致模擬與實際出現(xiàn)差異，高估葉片干物重，同時模型中比葉面積設定值與實際值也存在差異，進而導致葉面積指數(shù)模擬結果偏大。從模型改進前后葉面積指數(shù)模擬值對比看，4月20日和30日兩播期葉面積指數(shù)無變化，5月10日播期葉面積指數(shù)出現(xiàn)變化，PM方案在拔節(jié)至乳熟階段偏小，CC方案和PMCC方案比原模型大，這是由于4月20日和30日兩播期土壤水分供應充分，可滿足光合產(chǎn)物積累需求，5月10日播期的整個生育進程縮短且偏后(表1)，經(jīng)歷氣溫偏高，作物對土壤水分需求與前兩播期不同，引起葉面積指數(shù)模擬變化。2015年的模擬與2012年明顯不同，不同播期原模型對拔節(jié)期后葉面積指數(shù)模擬明顯高估，且不同改進方案對葉面積指數(shù)模擬的影響不同，CC方案使抽雄至乳熟階段葉面積指數(shù)模擬值比原模型略偏大，PM方案中葉面積指數(shù)大幅度減小。PMCC方案的葉面積指數(shù)模擬值與實測值一致性較好，3個播期各生育期平均模擬精度改進量分別為6%，21%和3%。以上表明：PM方案通過影響蒸騰速率而改變對葉面積指數(shù)模擬，CC方案在改變?nèi)~面積指數(shù)基礎上對作物系數(shù)進行改進，而PMCC方案是前兩種方案的綜合并非簡單疊加。2018年各方案對葉面積指數(shù)的模擬均偏低。2018年葉面積指數(shù)實測值小于2015年，雖然旱情比2015年略輕，但高溫干旱協(xié)同作用導致生物量明顯下降，葉面積指數(shù)減小。模型中分別考慮高溫和干旱，二者的協(xié)同作用被忽視，這可能是模型模擬性能較低原因。此外，一般干旱情況下模型對葉面積指數(shù)明顯高估(如2015年)，與此相比，高溫干旱的協(xié)同作用抵消高估效應，導致PMCC方案的模擬精度比原模型低。

古琴，原名琴，因縛弦七條，又名“七弦琴”。在中國古代有關古琴的記載中，其只稱“琴”，后因“琴”的概念被廣泛化，人們有感于“琴”的歷史悠久，所以于20世紀初才把“琴”稱為“古琴”。古琴自古以來就受到了文人士大夫的推崇，《禮記》載：“士無故不撤琴瑟”[1]124；漢桓譚《新論·琴道》稱古琴“八音廣博，琴德最優(yōu)。古者圣賢，玩琴以養(yǎng)心”[2]17；魏晉嵇康《琴賦》認為古琴“能盡雅琴，唯至人兮”[2]44；宋朱長文《琴史》有言：“夫琴者，閑邪復性樂道忘憂之器也”[2]106。

圖4 葉面積指數(shù)的模擬與實測值對比Fig.4 Comparisons of observed and simulated leaf area indices

2.3 產(chǎn)量模擬

模型中的存儲器官干物重為玉米果穗總重，包括穗軸和籽粒，而試驗觀測的產(chǎn)量僅為籽粒重，根據(jù)2014年分期播種試驗觀測結果(表2)，籽粒約占果穗干物重的85.6%，因此在產(chǎn)量模擬精度檢驗過程中對存儲器官干物重模擬值乘0.856以獲得產(chǎn)量模擬值。由圖5可見，2012年各播期不同改進方案產(chǎn)量與原模型模擬值幾乎無差異，均略低于實測值。

表2 2014年不同播期玉米果穗各部分干重及籽粒占比Table 2 Dry weights of different components of maize ear and ratios of kernel to ear in 2014

圖5 不同模擬方案產(chǎn)量模擬與實測值對比Fig.5 Comparisons of observed and simulated yields

2015年各播期原模型和CC方案模擬值比實測值大，PM方案模擬值較實測值偏低，PMCC方案與實測值接近，3個播期模擬精度比原模型分別提高66%，63%和66%。2018年4月20日和30日兩播期的原模型和CC方案對產(chǎn)量高估，幅度略小于2015年，PM方案的低估程度比2015年更嚴重，PMCC方案模擬值比實測值略低，兩個播期的模擬精度分別提高32%和5%。5月10日播期產(chǎn)量實測值比前兩播期明顯高，這是因為 8月13日土壤濕度快速增大，干旱得到緩解，與前兩個播期相比，5月10日播期的生長期更長，有利于玉米生育后期的補償性生長，使產(chǎn)量大幅提升。由于模型對前期高溫干旱協(xié)同效應及玉米后期補償效應未能識別，導致該播期PMCC方案與原模型相比模擬誤差增大，模擬精度下降10%。

2.4 土壤濕度模擬

土壤濕度通過影響冠層蒸散量而影響蒸騰作用，它們之間有密切聯(lián)系且因其他環(huán)境條件變化而改變，當土壤濕度充分滿足玉米耗水時，蒸騰作用與之無關，當土壤濕度不能滿足潛在蒸散，實際蒸騰則隨土壤濕度增大而增大，反過來加速土壤濕度減小。考慮到各播期情況相似，以4月30日播期為例。圖6為50 cm土壤深度和根區(qū)深度平均土壤體積含水量實測值和模擬值，根區(qū)深度隨玉米生長不斷增大，模擬值在5月末(日序為151)達到50 cm，6月下旬(日序為175)達到100 cm，考慮到土壤濕度模擬值和實測值對應土壤深度的差異，這里僅為二者變化趨勢而非絕對值對比。2012年大部分生育時段土壤濕度不因模型方案改進發(fā)生變化，在生育后期(乳熟期以后)，隨著玉米植株的衰老，不同方案模擬的土壤濕度因蒸騰變化出現(xiàn)差異，PM方案土壤濕度模擬值最小，CC方案模擬值最大，這與方案的蒸騰速率模擬值有關，即蒸騰速率大對應土壤濕度小，反之亦然。土壤濕度模擬值與實測值在生育前期和中后期有較好一致性，其他時期模擬值比實測值偏大。其原因是生育前期玉米根系較淺，接近50 cm，模擬深度與實測深度較一致，表明模型對該時段土壤濕度的模擬性能較好。玉米生長中后期降水明顯少于7月和8月，土壤濕度整體下降，實測值與模擬值接近。生育中期降水充足，100 cm深度的土壤濕度通常大于50 cm深度。2015年與2012年明顯不同，尤其在玉米生長旺盛階段(拔節(jié)期至乳熟期)，PM方案土壤濕度較原模型小，與改進方案增大蒸散量有關，CC方案的土壤濕度大于原模型，可能與作物系數(shù)減小導致蒸散量降低有關。與實測值相比，生育前期各方案模擬值均偏高，反映出模型模擬能力不足，但中后期模擬值與實測值的變化趨勢基本一致，PM方案和PMCC方案接近實測值。2018年不同方案的土壤濕度模擬值差異最大，CC方案土壤濕度最大，PM方案和PMCC最小，這與蒸騰關系密切，即蒸騰越大土壤濕度越小。與實測值相比，PM方案和PMCC方案的模擬值最接近。對比2015年和2018年土壤濕度模擬值與實測值表明：模型改進對干旱過程土壤濕度模擬改善明顯。

圖6 4月30日播期不同模擬方案土壤濕度模擬值與實測值對比Fig.6 Comparisons of observed and simulated soil moistures for sowing date on 30 Apr

2.5 模型改進對蒸騰速率模擬的影響

為了揭示模型改進對葉面積指數(shù)、地上生物量和產(chǎn)量模擬影響的可能原因，下面對玉米耗水過程模擬影響進行深入分析。由圖7可知，2012年不同方案對蒸騰速率模擬的影響不同，PM方案的蒸騰速率模擬值比原模型大，尤其在生育期前期和后期。圖8是利用CC方案和PMCC方案模擬的葉面積指數(shù)計算的作物系數(shù)動態(tài)變化，可以看到與原模型設定值1存在較大差異。CC方案對蒸騰速率的影響隨作物系數(shù)的動態(tài)變化而改變，在抽雄期前后蒸騰速率模擬值大于原模型，其他時期由于作物系數(shù)比原模型大幅減小，尤其生育期前期和后期，導致蒸騰速率模擬值小于原模型。PMCC方案在不同生育階段表現(xiàn)出不同傾向性，抽雄期前后蒸騰速率模擬值大于原模型，生育早期和末期小于原模型。以上是基于土壤濕度可滿足玉米蒸騰需水的前提下發(fā)生，在土壤水分限制時明顯不同。由2015年模擬結果可知，PM方案的蒸騰速率模擬值在抽雄期前一段時間之前(約為喇叭口期)大于原模型，之后則明顯小于后者，這是由于在玉米正遭遇干旱過程時，蒸散計算方法改進使玉米生育早期蒸騰速率模擬值增大，加速土壤水分消耗，之后由于降水減少使土壤水分補充不足，導致土壤濕度模擬值比原模型小(圖6)，這反過來減少蒸散量，使蒸騰速率模擬值下降，即改進蒸散導致干旱階段的蒸騰速率模擬值減小。在生育前期作物系數(shù)比原模型大幅減小時，CC方案的蒸騰速率明顯小于原模型值，造成一段時間后土壤濕度大于原模型，同時葉面積指數(shù)模擬值也略大于原模型(圖4)，進而抽雄期前后蒸騰速率大于原模型。兩種方案共同作用下，PMCC方案的蒸騰速率模擬值在抽雄期前大于原模型，之后小于后者。2018年PM方案的蒸騰速率模擬值在抽雄吐絲前明顯大于原模型，之后小于后者，CC方案的蒸騰速率由于作物系數(shù)比原模型值1明顯偏小(圖8)，使總蒸散量模擬值減小，進而導致蒸騰速率顯著小于原模型。PMCC方案的蒸騰速率表現(xiàn)為在生育前期和中期持續(xù)大于原模型，且大部分時段大于PM方案的模擬值，其結果并非介于兩方案的模擬值之間，這是由于PMCC方案的葉面積指數(shù)模擬值遠大于PM方案的模擬值(圖4)，根據(jù)式(7)，葉面積指數(shù)越大，蒸騰在蒸散中占比越大，土壤蒸發(fā)越小，導致盡管PMCC方案總蒸散量小于PM方案，但蒸騰速率卻大于PM方案。

圖7 4月30日播期不同模擬方案蒸騰速率模擬值Fig.7 Simulated transpiration rates of different schemes for sowing date on 30 Apr

圖8 CC方案和PMCC方案4月30日播期作物系數(shù)模擬值Fig.8 Simulated crop coefficients based on CC and PMCC schemes for sowing date on 30 Apr

3 結論與討論

由于缺乏對作物干旱響應機制的了解，作物模型對作物耗水生理過程及農(nóng)田水循環(huán)過程常通過簡化和經(jīng)驗賦值的方式建立參數(shù)方案，導致對水分限制條件下作物生長過程的模擬性能偏低[31]。目前，真正引入干旱發(fā)生及影響機制改進作物模型的研究鮮有報道[30]，改善農(nóng)田耗水過程的模擬是提高作物模擬性能的有效途徑，本研究對比CC方案、PM方案和PMCC方案3種方案在改善作物模型對作物干旱過程模擬性能的差異。由于改進干旱條件下模型性能的同時可能對正常供水條件下的模擬能力產(chǎn)生影響，本研究選取降水充沛的2012年和典型干旱的2015年和2018年作為研究對象，評價模型改進的普適性，得到以下結論：

如今是醫(yī)藥衛(wèi)生體制改革的關鍵時期，公立醫(yī)院應該結合自身發(fā)展的現(xiàn)實情況與需要，制定出符合社會發(fā)展與醫(yī)藥衛(wèi)生事業(yè)發(fā)展的戰(zhàn)略決策。而對于公立醫(yī)院來講，戰(zhàn)略決策的制定與改變，必將會對各類資源的配置情況、使用情況、效益情況帶來一定的影響。但是改革是未來的發(fā)展趨勢，是一種客觀必然，財務管理工作整體水平必須要隨著改革的推進與升華得到進一步提高，而總會計師制度，能夠為專業(yè)化的財務管理活動提供全方位的保障，如可以為公立醫(yī)院的財務管理提供組織保障與人員保障等等，進而使得財務管理的功能與價值可以全面發(fā)揮出來。

1) 與原模型相比，PM方案可增大潛在蒸散，CC方案在作物系數(shù)小(大)于1時潛在蒸散減小(增大)。在土壤濕度適宜年份(2012年)，3種方案的葉面積指數(shù)、地上生物量、產(chǎn)量、土壤濕度和蒸騰速率模擬與原模型幾乎無差異，即未對充分供水情況下的模擬產(chǎn)生負面影響。

2) 在干旱年，改進方案對模型模擬性能影響較為明顯，但因年際之間氣象條件的不同，干旱過程模擬效果存在差異。在2015年，與原模型相比，PM方案在玉米喇叭口期前的蒸騰速率增大，土壤濕度減小，該時期后蒸騰速率減小，葉面積指數(shù)、地上生物量和產(chǎn)量大幅降低；CC方案在喇叭口期前蒸騰速率減小，之后土壤濕度和蒸騰速率增大，葉面積指數(shù)、地上生物量和產(chǎn)量模擬誤差增大；PMCC方案模擬的蒸騰速率和土壤濕度介于以上兩方案之間，干旱時段內(nèi)土壤濕度與實測值接近，3個播期各生育期地上生物量模擬精度分別提高8%，8%和14%，葉面積指數(shù)精度提高6%，21%和3%，產(chǎn)量模擬精度分別提高66%，63%和66%。

3) 在典型高溫干旱年(2018年)，改進方案的作用與2015年差異較大。與原模型相比，CC方案蒸騰速率大幅減小，PM方案和PMCC方案蒸騰速率增大，且前者小于后者，各方案土壤濕度呈相反變化趨勢；PMCC方案在4月20和30日兩個播期地上生物量的模擬精度分別提高5%和1%，產(chǎn)量模擬精度提高32%和5%，但未改善5月10日播期地上生物量和產(chǎn)量以及3個播期葉面積指數(shù)的模擬精度。

植物蒸騰與土壤濕度之間相互影響，在一定土壤水分條件下，蒸騰會隨土壤濕度增大而增大，而土壤濕度會隨蒸騰的增大而減小，二者誰占主導地位與植株狀態(tài)、氣象條件和土壤濕度關系密切[39]。本研究中2018年土壤濕度高于2015年，但玉米植株蒸騰小于后者，這與高溫下玉米葉片關閉氣孔的應激響應有關[41]。另外，模型未能充分考慮不同干旱年之間氣象條件的差異和干旱發(fā)生時玉米植株的狀態(tài)是影響其模擬性能的重要原因。就本研究2018年同時發(fā)生高溫干旱的情況而言，模型對干旱的簡單識別方法忽略了高溫對加重干旱影響的作用，導致改進后一些播期地上生物量和產(chǎn)量模擬誤差增大。此外，盡管地上生物量模擬得到改善，土壤濕度更接近實測值，但由于葉片生長狀態(tài)變化引起比葉面積改變，也會導致葉面積指數(shù)模擬精度變化，這是模型改進后葉面積指數(shù)模擬誤差反而增大的可能原因。另外，作物系數(shù)對模型的改進效果未能體現(xiàn)在單一改進方案中，只有當蒸散計算方案改進后葉面積指數(shù)模擬得到改進的情況下才發(fā)揮作用，說明僅有某一個方面趨于真實不能改進模型的整體性能，需綜合考慮多方面因素。

數(shù)據(jù)通過SPSS21.0軟件作統(tǒng)計學處理，計數(shù)資料通過χ2檢驗，計量資料以t檢驗。若P＜0.05，則差異具有統(tǒng)計學意義。

玉米生長是一個復雜的動態(tài)過程，干旱的影響不但與其程度和持續(xù)時間有關，還與玉米所處生育階段聯(lián)系密切[30]。實際生產(chǎn)中，干旱對玉米的影響不僅反映在玉米植株生理過程如蒸騰作用、光合作用的強度變化上[13,42]，也反映在光合產(chǎn)物分配變化引起的生物量和產(chǎn)量變化[43]，還可體現(xiàn)在植株應對脅迫的適應能力和補償生長能力的變化上[15]。同時，玉米生育后期的再分配作用對產(chǎn)量影響非常明顯，干旱對玉米催熟作用導致再分配的干物質(zhì)轉移受到抑制，是造成減產(chǎn)的可能原因之一[44]。然而，現(xiàn)有作物模型對上述過程考慮很少，與準確模擬干旱過程尚有很大差距，如光合產(chǎn)物轉化效率和干物質(zhì)分配系數(shù)僅隨發(fā)育階段給出相應數(shù)值，同一生育期內(nèi)該值固定，不隨環(huán)境條件改變，是造成作物模型對干旱過程模擬不準確的重要原因之一，對這類參數(shù)的改進是提高作物模型模擬性能的重要途徑[32]。本研究僅從提高實際蒸散模擬準確性角度改善模型性能，并未通過引入作物的干旱響應機制提升模型對干旱過程的識別能力。模型在未能充分解決以上不足的情況下，難以準確模擬所有干旱狀況，普適性不強，這是未來模型改進的重點和難點。