提升干旱条件下作物产量预测精度：基于累积干旱度日的WOFOST模型改进

《Ecological Modelling》：Enhancing crop yield predictions under drought: Integrating Accumulated Drought Degree Days into the WOFOST model

针对现有WOFOST模型对干旱累积效应表征不足导致产量预测偏差的问题，研究人员通过引入累积干旱度日（ADDD）指标和三阈值法，构建了ADDD衰减因子改进模型。改进后的WOFOST模型显著提升了大豆（R2=0.93）和油菜（R2=0.78）的产量模拟精度，误差降低26%（大豆）和12%（油菜），为气候变化下的农业风险评估提供了高效工具。

　　

随着全球气候变化加剧，干旱已成为威胁粮食安全的首要非生物胁迫因素。传统作物模型如WOFOST（World Food Studies）虽被广泛用于产量预测，但其基于单一土壤水分阈值和蒸腾比率的算法难以捕捉长期轻度干旱的累积效应，常导致产量高估达34.92%（大豆）和26.41%（油菜）。这一缺陷严重制约了农业水资源优化和气候政策制定，亟需开发兼顾生理机制与计算效率的改进模型。

南京信息工程大学农业气象试验站的研究团队通过两年田间试验（2018-2020），以大豆和油菜为模式作物，提出创新性解决方案——将累积干旱度日（Accumulated Drought Degree Days, ADDD）引入WOFOST模型。该研究采用三阈值法量化干旱强度，构建ADDD衰减因子动态调节日产量增量，最终使模型模拟误差降至8.72%（大豆）和13.95%（油菜），相关成果发表于《Ecological Modelling》。

关键技术包括：1）基于土壤含水量阈值（26.1%黏土含量）的ADDD计算；2）改进WOFOST的干旱响应模块；3）多梯度干旱处理实验（2.5m×2.5m小区）；4）标准化ADDD与产量衰减的定量分析。

研究结果
Field experiments
在南京（31°20′N, 118°70′E）进行的控制试验显示，原始WOFOST模型对中度干旱处理的产量预测偏差高达30%，证实其无法反映持续干旱对光合酶活性的非线性抑制。

Relationship between ADDD and yield
ADDD累积曲线揭示：当标准化ADDD>0.65时，大豆产量衰减速率骤增，表明作物存在干旱伤害临界点，这一发现为三阈值法的建立提供依据。

Yield response to cumulative effects of drought stress
改进模型成功量化了干旱累积效应——每增加1单位ADDD，大豆光合速率下降0.23μmol·m^-2
·s^-1
，较原模型提高生理过程表征精度。

Conclusion
研究证实ADDD机制使WOFOST的NRMSE（归一化均方根误差）降低26%，且无需增加复杂参数。该改进既保持模型轻量化，又解决了长期干旱模拟的行业难题，为《巴黎协定》下的农业适应策略制定提供新工具。

讨论
该研究的突破性在于首次将气象学中的度日概念（degree-day）转化为干旱累积指标，通过ADDD衰减因子巧妙平衡过程模型与经验算法的优势。相较于遥感同化或机器学习方案，该方法仅需常规土壤水分数据即可实施，在发展中国家具显著推广价值。未来研究可探索ADDD与作物品种抗旱性的互作机制，进一步拓展模型普适性。