FACE水稻生育期模拟

利用农田开放式空气CO2浓度增高（FACE）技术平台,设置大气CO2浓度比对照高200μmol mol^-1的FACE处理和不同的施N量水平,以水稻钟模型为基础,构建了FACE水稻生育期模拟模型。通过不同年度试验数据的检验,表明模型对CK及FACE条件下水稻不同生育期天数的预测性能好。不同生育期预测误差的根均方差（RMSE）最大为2．64d,最小只有0．15d,且相关系数均达到了极显著水平。说明FACE水稻生育期模型具有较高的预测性和适用性。     

基于MODIS的中国草地NPP综合估算模型

草地生态系统是陆地生态系统分布最广的生态系统类型之一,其碳储量的估算在全球变化中的作用越来越受到重视。为了快速、便捷地实现中国草地净初级生产力(NPP)的估算,在获取野外调查资料与同期遥感影像数据的基础上,利用归一化植被指数(NDVI)以及气候数据,构建了草地NPP综合估算模型。模型包括叶面积指数(LAI)和光合累积量(PA)两个子模型,其中LAI子模型利用了遥感数据NDVI,PA子模型利用了温度、降水和辐射等气候数据。通过建模以外独立的实测数据的验证,模拟值与实测值之间有很好的相关性,R2为0.8519,相关性达到极显著水平。RMSE和RRMSE均较小,表明模型的模拟结果比较可靠。同时模拟值与实测值之间的平均相对误差仅为1.97%,模拟结果的准确度较高,因此利用上述模型估算中国草地NPP是可行的。以上结果为中国草地NPP估算提供了新的方法。     

FACE水稻干物质积累与分配模型

借助中国唯一的FACE技术平台,通过设置不同的N肥处理,研究了FACE条件下水稻干物质积累及分配动态的模拟模型.模型以生理发育时间为驱动因子,以CO₂浓度函数为主要影响因子,同时引入N素影响因子调节干物质的积累与各器官分配指数.模拟结果表明,随着大气CO₂浓度的增加,水稻地上部总干物重显著增加,叶干重分配指数下降,穗干重分配指数基本不变,茎干重分配指数前期增加,后期持平.通过不同年份试验数据对模型的验证,预测根均方差（RMSE）较小,且相关系数均达到了极显著水平.表明模型拟合程度高,具有较好的适应性和预测性.     

FACE水稻茎蘖动态模型

借助农田开放式空气CO₂浓度增高（FACE）技术平台,以武香粳14为供试水稻品种,设置不同施N量处理,研究大气CO₂浓度为570 μmol·mol^-1（比对照高200 μmol·mol^-1）的FACE处理对水稻茎蘖动态的影响,并建立了相应的模拟模型：T_t=A₁(1+e^a1-b1t₎-A₂(1+e^a2-b2t)+C×[B₁(1+e^a3-b3t)-B₂(1+e^a4-b4t)]+D.模型以时间为驱动因子,描述了水稻茎蘖数随移栽天数的动态变化过程,对常规及CO₂浓度增加条件下水稻茎蘖的变化均有很好的拟合性.通过不同年份试验数据对模型的检验,预测根均方差（RMSE）最大为44.27个·m^-2,最小为13.96个·m^-2,且相关系数均达到了极显著水平.表明模型的预测程度较高,具有很好的适用性.