基于非线性参数优化的水稻花前生育期参数估计.pdfVIP

中国农业气象(ChineseJournalofAgrometeorology) 2015正 doi：10．3969／j．issn．1000—6362．2015．03．009 孙虎声，杨沈斌 ，王应平，等．基于非线性参数优化的水稻花前生育期参数估计 [J]．中国农业气象 ，2015，36(3)：313—322 基于非线性参数优化的水稻花前生育期参数估计 孙虎声r，杨沈斌 ， ，王应平 ，胡 凝。，江晓东。，王萌萌。，李 帅 ，姜丽霞 (1．南京信息工程大学气象灾害预报预警与评估协同创新中心／江苏省农业气象重点实验室，南京 210044；2．CSIROMarineand AtmosphericResearch，PMB#1，Aspendale，Victoria3195，Australia；3．南京信息工程大学应用气象学院，南京 210044；4．黑龙 江省气象科学研究所 ，哈尔滨 150030) 摘要：水稻生育期模型为复杂的非线性模型，其参数的合理标定是模型应用的重要环节。本文采用两种不同温 度响应函数的花前生育期模型(MBETA和 MBILN)，利用基于GML(Gauss—Marquardt．Levenberg)算法的模型独 立参数优化程序PEST(model—independentparameterestimation)对模型参数进行优化，并在优化中引人参数先验 信息和参数初始值扰动方法，以提高参数优化结果的可靠性。结果显示 ，参数先验信息有效降低了待优化参数 的不确定性。最优参数值的95％置信区间较初始值域显著缩小。在优化得到的参数相关系数矩阵中也未显现 出高度相关的参数。从 目标函数值( )序列看，MBETA和MBILN的 值最终收敛至相当接近的最小值，分别 为 11．71和 11．82。但该最小值下两个模型的温度、光周期效应等参数值存在一定差异。这种差异平衡了不同 温度响应方程与模型其它方程对水稻生育期模拟误差的贡献。在最优参数值组合下，两个模型验证结果表现 一 致。其中，抽穗开花期模拟值与实测值的相关性均通过了0．01水平的显著性检验。模拟误差主要来 自幼穗 分化期，与缺少对水稻光周期敏感始期的观测有关。本文优化方法降低了待优化参数收敛于局部小值的几率， 对稳定参数优化和提高优化结果的可靠性具有重要作用。 关键词：模型；BETA方程；参数反演；先验信息；光周期 ParameterEstimationin Pre-floweringRicePhenologicalM odelsUsingNonlinear ParameterOptimization SUN Hu·sheng’，YANG Shen-bin’，W ANG Ying-ping ，HU Ning ，JIANG Xiao-dong ， WANG Meng-meng，LIShuai，JIANG Li-xia (1．CollaborativeInnovationCenteronForecastandEvaluationofMeteorologicalDisasters，NanjingUniversityofInformationScience＆ Teehnology／JiangsuKeyLaboratoryofAgriculturalMeteorology，Nanjing210044，China；2．CSIROMarineandAtmosphericResearch， PMB#1，Aspendale，Victoria3195，Australia；3．CollegeofAppliedMeteoroloyg，N蛐jingUniversityofInfomrationScience＆ Technoloyg，Nanjing210044，China；4．HeilongjiangProvincialInstituteofMeteorologicalScience，Harbin150030，China) Abstract：Ricephenological modelcontainsanonlineardependencebetweenricephenologicalpredictionandmodel parametersand thusestimat