基于APSIM平台的多年生黑麦草生长模拟模型构建与验证

针对冬季牧草产量预测精度不足的问题，巴西研究人员利用APSIM平台开发了首个多年生黑麦草(Lolium multiflorum)专用模型。通过两年田间试验校准器官分配、物候等参数，模型在灌溉/雨养条件下均能精准预测总生物量(CCC 0.71-0.91)和土壤水分动态(RMSE 36.58-62.52 g m?2)，为牧草管理系统优化提供量化工具。

　　

在畜牧业生产系统中，冬季牧草供应不足一直是制约牲畜养殖效率的关键瓶颈。作为重要的冬季牧草品种，多年生黑麦草(Lolium multiflorum Lam.)因其高营养价值和适应性，在巴西、澳大利亚等地区广泛种植。然而，现有的作物生长模型往往将其归类为"杂草"进行模拟，导致产量预测存在显著偏差——早期生长阶段模拟不准确、生物量分配不合理、水分竞争机制缺失等问题突出。这种状况严重制约了牧场管理决策的科学性，特别是在割草青贮(cut-and-carry)等精细化管理系统中的应用。

为突破这一技术瓶颈，来自巴西圣保罗大学的研究团队在《European Journal of Agronomy》发表研究，首次基于APSIM(Agricultural Production Systems sIMulator)平台构建了多年生黑麦草专用生长模型。研究团队在2018-2019年进行了两季田间试验，采用BRS Ponteio品种，设置灌溉与雨养对比处理，系统采集了总生物量、活体生物量、叶/茎分配比例、叶面积指数(LAI)等关键参数。通过校准器官分配系数、物候期参数、衰老速率等核心模块，最终开发出具有作物特异性的APSIM-Annual Ryegrass模型。

关键技术方法包括：1) APSIM平台二次开发，重构器官分配与物候模块；2) 两年田间试验设计(巴西皮拉西卡巴地区)，涵盖灌溉/雨养双处理；3) 采用一致性指数(CCC)、纳什效率系数(NSE)和均方根误差(RMSE)进行模型验证；4) 土壤水分动态监测(0-0.7 m分层)。

Experiments
研究在相同地块连续两年开展标准化试验，通过控制灌溉量建立水分梯度。试验设计确保了环境变量的一致性，为模型参数校准提供了可靠数据基础。

Plant variables
模型对总生物量(CCC 0.71-0.91)和活体生物量的预测达到"良好"至"优秀"水平，其中灌溉条件下的叶/茎分配模拟尤为准确。值得注意的是，比叶面积(SLA)参数的优化显著提升了冠层光合作用的模拟精度。

Discussion
研究突破了传统"杂草模型"的局限：1) 重新定义了温度响应曲线，更准确反映多年生黑麦草对低温的适应性；2) 改进的衰老算法解决了早期文献中生物量高估问题；3) 浅根系特征(0-0.3 m为主)的准确表达使土壤水分模拟NSE达到0.52-0.60。

Conclusion
该模型首次实现了多年生黑麦草生产系统的量化表征，其创新性体现在：1) 专为割草青贮系统优化；2) 水分动态模拟深度达0.7 m；3) 活体/死亡物质区分精度提升30%。尽管在极端干旱条件下的表现仍需完善，但已为牧场精准管理提供了革命性工具。

这项研究的科学价值在于：将作物模型的应用范畴从主粮作物拓展到牧草系统，其参数化方法为其他饲草作物建模提供了范式。实际应用中，模型可优化灌溉制度、预测刈割时间窗口，对提升南半球冬季牧草供应稳定性具有重要战略意义。