基于EFAST方法的CERES-Maize模型在不同灌溉和施肥制度下作物和土壤参数的全局敏感性分析

《Agricultural Water Management》：Global sensitivity analysis of crop and soil parameters of CERES-Maize model under different irrigation and fertilization regimes based on the EFAST method

　　

敏感性分析是识别作物模型中关键参数并提高校准效率的关键方法。研究人员采用扩展傅里叶幅度敏感性检验（EFAST）方法，评估了DSSAT-CERES-Maize模型中10个作物参数（品种（cultivar）和生态型（ecotype））及22个土壤参数在不同灌溉和氮肥制度下的敏感性。输出变量包括状态变量：开花日期（anthesis date，ADAP）、成熟日期（maturity date，MDAP）、产量（yield）、籽粒蛋白质含量（grain protein content，GPC）、最大叶面积指数（maximum leaf area index，LAIX）和最大地上生物量（maximum aboveground biomass，CWADX）；以及时间序列变量：叶面积指数（LAI）、地上生物量（above ground biomass，CWAD）和氮素积累量（nitrogen accumulation，CNAD）。结果表明，品种参数P1、P2、PHINT和P5始终主导开花和成熟阶段的模拟，且其敏感性在不同水分和氮素处理下保持稳定。对于LAIX和CWADX，在不同灌溉制度下，P1、PHINT和SRGF（土壤根系生长因子）是最具影响力的参数。在不同氮肥制度下，RUE（辐射利用效率）是最敏感的生态型参数，而SDUL（土壤排水上限）和SLLL（土壤凋萎点）表现出高敏感性。时间序列变量展现出明显的阶段特异性敏感性模式。在不同灌溉制度下，PHINT是拔节前LAI、CWAD和CNAD最敏感的参数；P1对CNAD的影响在拔节后接近峰值，而SRGF在抽雄前对CNAD高度敏感。与水分处理相比，氮素处理下PHINT对时间序列变量的敏感期显著缩短，而RUE在整个生育期对LAI和CWAD保持敏感。对于CNAD，在水分和氮素胁迫下，品种、生态型和土壤参数的TSI（总敏感性指数）在苗期最高。这些发现为优化模型参数化和模拟作物响应提供了理论基础，尤其适用于不同水氮制度下的精准农业应用。

**论文解读文章**

**研究背景**
玉米（*Zea mays* L.）是全球重要的粮食作物，为人类和牲畜提供热量和蛋白质，其产量和品质（特别是籽粒蛋白质含量，grain protein content，GPC）受基因型、气候、土壤和田间管理等多因素综合影响。作物模型（如DSSAT-CERES-Maize）通过数学表达模拟植物-土壤-大气相互作用，为农学、生态和环境决策提供关键支持，但其模拟精度常受参数不确定性制约。敏感性分析是识别关键参数、提高校准效率的核心方法。全局敏感性分析方法（如扩展傅里叶幅度敏感性检验，EFAST）已被广泛应用于评估不同环境和管理条件下输入参数的影响。然而，现有研究大多聚焦于最终输出变量（如产量和总生物量），对籽粒品质、叶面积指数（maximum leaf area index，LAIX）和最大地上生物量（maximum aboveground biomass，CWADX）等状态变量以及时间序列变量（如LAI、地上生物量CWAD和冠层氮素积累CNAD）的敏感性分析不足。此外，不同灌溉和氮肥制度下参数敏感性的动态变化及交互效应尚缺乏系统研究。因此，研究人员开展了此项研究，旨在填补水氮胁迫条件下关键参数影响状态变量、时间序列变量和品质输出的认知空白，为模型参数优化和精准农业管理提供理论依据。

**研究方法概述**
研究人员基于2024年在宁夏同心县（36°50′N，106°00′E）开展的田间试验，采用DSSAT-CERES-Maize模型模拟玉米（品种“东农-258”）生长。试验设置5个灌溉处理（土壤基质势触发阈值分别为-10、-15、-20、-25、-30 kPa）和5个氮素水平（0、150、225、300、375 kg N ha^-1）。主要技术方法包括：（1）通过EFAST全局敏感性分析，量化10个品种/生态型参数和22个土壤参数（包括不同深度的SLLL、SDUL、SSAT、SBDM等）的一阶敏感性指数（FOSI）和总敏感性指数（TSI）；（2）利用SimLab软件（version 2.2.1）进行蒙特卡洛采样（均匀分布）和模型模拟；（3）分析6个状态变量（ADAP、MDAP、产量、GPC、LAIX、CWADX）及3个时间序列变量（LAI、CWAD、CNAD）的敏感性。

**研究结果**
**3.1 不同水氮制度下状态变量的敏感性分析**
通过EFAST计算状态变量的FOSI和TSI。对于开花日期（ADAP），品种参数P1在所有灌溉和氮素处理下敏感性最高，P2和PHINT次之；对于成熟日期（MDAP），P5始终是敏感参数。品种参数主导物候模拟，生态型和土壤参数影响可忽略。水分胁迫下，LAIX的敏感性主要由P1和PHINT控制，土壤参数SRGF（土壤根系生长因子）影响显著；氮素处理下，RUE（辐射利用效率）成为生态型关键参数。对于CWADX，P1、PHINT和P5高敏感，SRGF在灌溉处理下交互效应强。产量方面，P5、G2、G3主导，土壤参数SLLL60、SDUL30、SSAT100、SNO₃和SRGF贡献高；GPC的FOSI和TSI高值出现在P5、G2、G3、DSGFT、RUE及SLPF、SLLL60等土壤参数。

**3.2 不同水氮制度下时间序列变量的敏感性分析**
研究分析了LAI、CWAD和CNAD从播种到成熟的每日FOSI和TSI。水分胁迫下，LAI在营养生长期对PHINT最敏感，随后SRGF作用上升；P1和P5在灌浆后期敏感。氮素处理下，LAI对品种、生态型和土壤参数的敏感性更高，PHINT在苗期占优，RUE敏感性随施氮量增加。CWAD方面，水分胁迫下品种参数主导，PHINT在营养期突出，G3在生殖期短暂上升；氮素处理下，RUE和土壤参数（SDUL30、SLLL30等）保持均匀敏感性。CNAD对参数交互效应更敏感，TSI更能解释其变化；苗期所有参数TSI接近1.0，PHINT在营养生长期主导，RUE在氮素处理下高敏感。

**3.3 不同灌溉与施肥制度的比较分析**
两种制度下，P1和P5始终主导物候输出，PHINT对LAI、CWAD和CNAD高度敏感。主要差异在于：水分胁迫下，品种和土壤参数（如SRGF、SLLL60）主导，交互效应强；氮素处理下，品种、生态型和土壤参数敏感性更均匀分布于时间序列输出，一阶效应（FOSI）比例增加，且敏感性峰值出现更早。

**总结讨论**
研究揭示了DSSAT-CERES-Maize模型参数敏感性的动态性、条件依赖性和交互性。物候状态变量主要由品种参数控制，校准时应优先关注；而LAI、生物量、产量和GPC受品种、生态型和土壤参数及其交互效应共同影响，需联合校准多参数。时间序列敏感性分析表明，苗期参数不确定性对模拟影响最大，阶段特定校准可有效降低误差。与水分胁迫相比，氮素胁迫下参数交互增强，表明作物对养分胁迫的响应呈现更强多参数耦合特征，模型优化需考虑交互作用。未来研究应扩展到不同生态区、品种、土壤和管理实践，以验证结论的稳健性。

**研究结论**
研究分析了DSSAT-CERES-Maize模型在不同灌溉和氮肥制度下状态变量和时间序列变量的敏感性，同时考虑了以GPC表示的玉米产量和品质。结果表明，物候状态变量主要由关键品种参数主导，模型校准时应优先校准这些参数。相比之下，叶面积指数、生物量积累、产量和GPC受品种、生态型和土壤参数及其交互效应强烈影响，因此准确模拟这些变量需联合校准多个参数而非使用单一参数集。此外，参数敏感性在不同生育阶段差异显著；作物早期生长对参数不确定性特别敏感，表明阶段特定校准是减少模拟误差和提高稳定性的有效策略。与水分胁迫相比，氮素限制下参数交互增强，表明作物对养分胁迫的响应呈现更强多参数耦合特征，因此在模型参数优化中应考虑交互效应。这些发现揭示了玉米模型参数敏感性在不同模拟变量下的动态性、条件依赖性和交互性。因此，全局敏感性分析不仅能识别关键参数，还为物候、生长、产量和品质变量的差异化校准提供了理论基础。识别不同水氮制度下的敏感参数可提高模型对产量预测和品质评估的模拟精度和可靠性。未来研究应在不同生态区、作物品种、土壤条件和田间管理实践下进一步验证这些结论，以增强其稳健性和普遍适用性。