评估LINTUL-2模型在加纳不同气象数据集下模拟玉米水分限制产量的性能

本研究针对撒哈拉以南非洲地区气象数据稀缺的挑战，通过对比GMet实测数据与ERA5-Land、NASA POWER两种网格数据集，系统评估了LINTUL-2模型模拟玉米水分限制产量的性能。研究发现，GMet数据因贴近实测表现最优（RMSE=0.82-1.44 t ha-1），而网格数据虽能捕捉产量变异性但普遍高估（Bias达2.85 t ha-1）。研究揭示了降雨分布与土壤持水量对模拟精度的关键影响，为数据匮乏地区的作物模型应用提供了重要方法论参考。

　　

在撒哈拉以南非洲，玉米作为主要粮食作物面临着巨大的产量缺口——农民实际产量（1.2-1.8 t ha^-1）远低于水分限制条件下的理论潜力（4-6 t ha^-1）。这种差距很大程度上源于气候数据匮乏导致的精准农业管理困难。传统气象站网络覆盖不足，而卫星和再分析数据又存在不确定性，使得作物生长模型的应用效果大打折扣。来自国际肥料发展中心（IFDC，美国阿拉巴马州）的Benjamin Donkor团队在《Nutrient Cycling in Agroecosystems》发表的研究，首次系统评估了LINTUL-2模型在加纳不同气象数据源下的表现，为破解这一困境提供了科学方案。

研究团队采用三组气象数据（GMet实测数据、ERA5-Land和NASA POWER网格数据），结合2020-2021年田间试验与60个历史观测点数据，通过校准模型参数（如光能利用率LUE=2.26 gDM MJ^-1）、验证关键指标（RMSE、Bias、RPIQ），系统分析了模型在水分限制条件下的模拟性能。特别关注了土壤水分动态（WCFC田间持水量、WCWP萎蔫点）与叶面积指数（LAI）的相互作用机制。

模型校准

通过2020年8个试验点的校准，发现GMet数据表现最佳（RPIQ=1.53），其模拟产量（4.4-6.7 t ha^-1）最接近实测值（3.4-6 t ha^-1）。而ERA5-Land和NASA POWER因高估光合有效辐射（PAR>867.5 MJ m^-2 d^-1）导致系统性偏差（Bias分别达0.97和1.2 t ha^-1）。

模型验证

2021年10个试验点的验证显示，ERA5-Land在捕捉空间变异性上优势显著（CV=20.8%），但三组数据均未达到理想精度（RPIQ<1.89）。值得注意的是，GMet因依赖ERA5-Land填补缺失数据，反而出现低估现象（Bias=-0.91 t ha^-1）。

历史数据评估

对60个历史观测点的模拟揭示：尽管Tolon等地年降雨量>400 mm，但因土壤持水量<0.05 m³ m^-3和LAI<1 m² m^-2导致严重低估。ERA5-Land虽能反映这种极端情况，但整体仍高估2.51 t ha^-1。

研究最终指出，在数据稀缺地区，ERA5-Land可作为GMet的可行替代方案，但其精度受限于模型对"纯水分限制"的理想化假设——实际田间常伴随养分胁迫（如加纳土壤年流失35 kg N ha^-1）。这一发现不仅解释了模型高估现象，更指明了未来改进方向：需整合LINTUL-3的养分模块，并确保田间管理条件与模型假设更好匹配。该成果为热带雨养农业的精准预测建立了重要方法论框架，对缩小非洲玉米产量缺口具有实践指导意义。