PDF(1816 KB)
Research on Tea Yield Prediction Based on AquaCrop Model
MADeli, JUYingqin, CHENCheng
Chin Agric Sci Bull ›› 2026, Vol. 42 ›› Issue (9) : 97-106.
PDF(1816 KB)
Abbreviation (ISO4): Chin Agric Sci Bull
Editor in chief: Yulong YIN
PDF(1816 KB)
Research on Tea Yield Prediction Based on AquaCrop Model
As an important economic crop in Yingshan County, tea is a pillar industry for local rural revitalization. This study aims to determine the localization parameters of the AquaCrop crop model and improve its ability to predict tea yield. Using the tea yields in Yingshan County from 2013 to 2022, as well as meteorological data such as temperature, precipitation, and sunshine, the required tea tree growth parameters for the AquaCrop crop model were obtained through parameter sensitivity analysis. The AquaCrop model parameters were locally calibrated and optimized, and a tea leaf production forecasting model for Yingshan County was established. Based on two future scenario models, SSP2-4.5 and SSP5-8.5, the tea yield was predicted. The results showed that: (1) using OTA method for sensitivity analysis of non-conservative parameters, the relative sensitivity ranking of each parameter was obtained, with maturity time>standardized water productivity>tea tree base temperature>sensitivity of crop coefficient>initial canopy coverage>maximum canopy coverage time, and the sensitivity of other parameters was relatively weak. (2) The localized parameters of the AquaCrop crop model for tea in Yingshan County were optimized, and the root mean square error, conformity, and residual clustering set of the optimized parameter combinations were 0.15, 0.68, and 0.01 respectively. (3) The simulated forecast of tea production in Yingshan County from 2013 to 2022 was basically consistent with the actual production trend. Since 2013, the tea production in Yingshan County had shown an upward trend, reaching 0.03 t/hm2. The AquaCrop model predicts an upward trend of 0.02 t/hm2, which was basically consistent with the actual production trend. (4) Based on two future scenario models, SSP2-4.5 and SSP5-8.5, the simulated tea yields increased by 13.7% and 38.9% compared to the 2013-2022 average yields due to a significant reduction in tea winter freeze and spring frost and an increase in effective cumulative temperature. In summary, the AquaCrop crop model, after parameter localization, performs well in simulating tea yield in Yingshan County and can serve as a tool for predicting tea yield based on meteorological conditions during the growth period.
AquaCrop model / OTA / crop model / sensitivity analysis / parameter calibration / tea production forecast / future climate scenario models
| [1] |
张小瑞, 闵庆文, 谭凯炎. 潮州凤凰单丛生长气候适宜性分析与品质气候评价[J]. 中国农学通报, 2024, 40(4):111-117.
为探究潮州凤凰单丛茶种植的气候优势，以凤凰单丛为研究对象，以潮州与饶平站1991—2020年气候观测资料为基础，利用2019—2021年区域内不同高度自动气象观测站气温、湿度、降水等要素观测值和南方丘陵山区气象要素随高度变化规律，推算气象要素气候平均值随海拔高度的变化，应用柯西分布模式阐释气候要素对茶树的影响，采用模糊数学方法计算不同海拔高度茶树生长的气候适宜度，利用气候品质评价方法评估不同高度茶园与不同采摘季节的茶叶气候品质。研究结果表明，总体而言，凤凰单丛茶种植区域的综合适宜度都比较高，该地区普遍适宜种植茶树，尤以300~900 m高度层最为适宜；凤凰单丛茶不同采摘季的气候品质排序为春1茶、春2茶、秋茶、夏茶；同时，中高山茶叶品质好于低山与平地茶叶。该研究较好揭示了凤凰单丛栽培的气候优势和茶叶品质的气候背景，可为这一重要农业文化遗产的保护和可持续利用提供科学依据。
|
| [2] |
骆耀平. 茶树栽培学[M]. 北京: 中国农业出版社, 2015.
|
| [3] |
金志凤, 黄敬峰, 李波, 等. 基于GIS及气候-土壤-地形因子的浙江省茶树栽培适宜性评价[J]. 农业工程学报, 2011, 27(3):231-236.
|
| [4] |
李时睿, 王治海, 杨再强, 等. 江南茶区茶叶生产现状和气候资源特征分析[J]. 干旱气象, 2014, 32(6):1007-1014.
开展气候资源分析对茶叶生产具有重要的指导意义本文采用历史资料收集和实地调查等方式，对江南茶区的茶树品种茶园面积茶叶产量等现状，以及气候资源主要农业气象灾害特征进行了调查和分析，并提出了茶叶生产中存在的问题和灾害应对措施。结果表明：江南茶区茶树主要品种有乌牛早、龙井43、福鼎大白茶、迎霜、鸠坑、黄山种、翠峰、安吉白茶等;江南茶区中，湖北省的茶园面积和茶叶产量位居第一，但单位面积经济效益江苏第一，其次是浙江，尔后依次是湖南、江西、安徽、湖北。全区年平均气温15～20 ℃，10 ℃活动积温4500～6500 ℃•d，年降水量1000～1600 mm，年平均相对湿度达70%～80%左右，年日照时数1500～1900 h热量较优，空气湿润，光照充足，是绿茶生产的气候适宜区域同时，江南茶区也是茶叶主要农业气象灾害高发区，应加强茶树资源监测和农业气象灾害风险评估等方面的研究，在充分利用3S技术基础上提高茶叶生产应对气候变化的能力，大力推进茶叶精细化气象服务。
|
| [5] |
刘春涛, 李华, 宋超, 等. 青岛崂山茶叶产量年景预报方法[J]. 中国农学通报, 2018, 34(13):131-136.
通过气象因素对青岛市崂山地区茶叶产量年景的影响研究，确定了崂山地区茶叶产量出现歉年的主要农业气象灾害指标。基于崂山区1994—2016年茶叶产量资料与对应的气象资料，利用SPSS22.0统计分析系统，进行独立样本T检验、交叉表分析、x2检验等[，首先筛选出对茶叶产量年景影响显著的气象因子，再通过二元logistic回归分析，建立了崂山茶叶产量年景的农业气象预测模型。运用建立的模型对1994-2013年历史茶叶产量资料预报检验，“非歉年”的正确率为92.6%，“歉年”的正确率为83.3%；对2014-2016年预报，2014--2015年非歉年预报正确率为100%，2016年“歉年”的预报正确率为96.7%。研究结果表明：冬季日最低气温连续2天出现低于-10℃以下的低温天气，是崂山地区茶叶减产出现“歉年”的原因。因为冬季强寒潮天气会造气温急剧下降，当日最低气温连续2天低于-10℃以下时，崂山地区大田茶园土壤处于结冰状态，土壤水分移动和上升受到阻碍，此时茶树体内细胞结冰而遭受生理性冻害而死亡造成茶叶减产，研究结果对开展崂山地区茶叶气象服务与防灾减灾提供了理论依据。
|
| [6] |
蔡仕博, 江晓东, 李时睿, 等. 气候变化背景下宁波市茶叶早春霜冻灾害风险评估[J]. 气象科学, 2023, 43(2):254-261.
|
| [7] |
朱兰娟, 金志凤, 张玉静, 等. 西湖龙井茶开采期影响因子及预报模型[J]. 中国农业气象, 2019, 40(3):159-169.
|
| [8] |
马于茗, 陈捷, 金志凤, 等. 基于AquaCrop模型的茶叶产量和开采期预报[J]. 中国生态农业学报(中英文), 2021, 29(8):1339-1349.
|
| [9] |
鞠英芹, 陈诚, 程定芳, 等. 英山茗茶生长发育及产量要素的气象影响分析[J]. 中国农学通报, 2023, 39(28):83-91.
利用2013—2021年英山国家气象站的气象数据，以英山茶叶为研究对象，选取长冲茶厂为观测区域，重点分析英山茗茶不同轮次茶生育期及产量因素指标变化特征，运用相关分析及显著性检验探讨不同生育期气象要素与产量的相关性。结果表明，不同轮次茶的生育期持续时间为首轮茶>三轮茶>二轮茶。芽密度、平均百芽重和理论鲜叶产量均是三轮茶>二轮茶>首轮茶，实际鲜叶产量则是二轮茶>三轮茶>首轮茶。英山不同轮次茶关键生育期的平均气温和相对湿度均为三轮茶>二轮茶>首轮茶，降水量为三轮茶>首轮茶>二轮茶，日照时数为二轮茶>首轮茶>三轮茶，雾日日数达到50%，满足茶树生长的适生条件。首轮茶的降水量、相对湿度、气温、日照时数随年际变化均呈下降趋势；二轮茶的降水量、相对湿度、日照时数随年际变化均呈下降趋势，而平均气温呈上升趋势；三轮茶的降水量和气温随年际变化均呈上升趋势，而相对湿度和日照时数均呈下降趋势。通过相关分析发现，气温是影响茶叶生长发育产量和品质的首要气象因子，其次是降水量和相对湿度，而日照则起相反作用。
|
| [10] |
任义方, 王春乙, 张旭晖, 等. 气候变化背景下江苏春茶生长气候适宜性评价[J]. 中国农业气象, 2024, 45(10):1160-1173.
|
| [11] |
魏瑞江, 郑昌陵, 王鑫, 等. WOFOST作物生长模型在国内应用研究进展[J]. 气象科学, 2023, 43(3):402-411.
|
| [12] |
郝远远, 徐旭, 任东阳, 等. 河套灌区土壤水盐和作物生长的HYDRUS-EPIC模型分布模拟[J]. 农业工程学报, 2015, 31(11):110-116.
|
| [13] |
伍露, 程陈, 杨霏云, 等. 基于APSIM模型模拟内蒙古春小麦不同土壤缺水条件下水氮优化管理模式[J]. 中国农业气象, 2024, 45(5):461-471.
|
| [14] |
任聪哲, 范文波, 乔长录, 等. 基于AquaCrop模型的塔额盆地夏玉米节水潜力分析[J]. 干旱地区农业研究, 2024, 42(2):140-209.
|
| [15] |
张方亮, 刘文英, 田俊, 等. 基于DSSAT模型气候变化对江西双季稻生长期和产量的影响[J]. 作物学报, 2024, 50(10):2614-2624.
江西是中国双季稻的主要种植地区。气候变化严重影响了双季稻生产。基于江西省1981—2022年逐日气象资料和双季稻作物资料, 对DSSAT模型进行调参验证; 利用验证后的DSSAT模型, 分析江西省双季稻生长期和产量空间分布和时间变化趋势; 采用t检验方法, 明确气候变化对江西早稻和晚稻的影响差异。结果表明: (1) 江西早稻(晚稻)播种期至开花期天数、播种期至成熟期天数和产量模拟值与观测值的归一化均方根误差分别为1.87% (1.86%)、2.05% (2.36%)和6.05% (7.30%), D指标分别为0.97 (0.98)、0.96 (0.96)和0.95 (0.94); (2) 固定播期和品种条件下, 1981— 2022年江西早稻和晚稻生长期均呈显著缩短趋势, 平均每10年分别减少2.22 d和1.61 d; 研究期间江西早稻和晚稻潜在产量均呈显著下降趋势, 平均每10年分别减少181.30 kg hm<sup>-2</sup>和276.16 kg hm<sup>-2</sup>; (3) t检验表明, 江西早稻生长期气候倾向率极显著地小于晚稻, 而江西早稻潜在产量气候倾向率极显著地大于晚稻。DSSAT模型可较好的模拟江西双季稻生长发育和产量。气候变化对江西早稻生长期和晚稻潜在产量影响更加明显。本研究为江西双季稻作物模型研究、产量预报和气候变化评估提供了科学依据。
|
| [16] |
王连喜, 吴建生, 李琪, 等. AquaCrop作物模型应用研究进展[J]. 地球科学进展, 2015, 30(10):100-1106.
|
| [17] |
杜文勇, 何雄奎,
|
| [18] |
孙仕军, 张琳琳, 陈志君, 等. AquaCrop作物模型应用研究进展[J]. 中国农业科学, 2017, 50(17):3286-3299.
AquaCrop是FAO于2009年研发的一款新型作物模型，它以输入参数少、界面简单等优点被广泛应用于生产实践中。论文基于AquaCrop模型原理和特点，深入探讨了AquaCrop模型国内外应用研究进展。当前，AquaCrop模型在灌溉策略、气候变化下的情景模拟以及与其他模型联合应用等方面取得了显著进展。但是，该模型在应用过程中还存在若干缺陷。一是模型在保守参数缺少验证的情况下，会使得模拟精度不稳定；二是由于土壤空间变异性的客观存在，模型在由点位向面上扩展时应用效果不佳；三是当前对雨养区作物生长模拟研究还很少，且其非保守参数难以准确确定；四是目前该模型生理、养分和水养互作模块尚不够完善，未考虑作物病虫害和品种遗传差异，当作物生长遭受水分、盐分或温度等严重胁迫时会导致模拟精度下降。今后在模型应用时，可利用多年数据对保守参数进行校正，将区域同一站点多年数据和多站点相关数据相结合调试模型非保守参数；其次，应加强雨养地区模拟研究，从而扩大模型应用范围。开发者应进一步完善AquaCrop模型子模块，为提高模拟精度和拓宽应用范围提供支撑。
|
| [19] |
杨宁, 孙占祥, 张立桢, 等. 基于改进AquaCrop模型的覆膜栽培玉米水分利用过程模拟与验证[J]. 农业工程学报, 2015, 31(z1):122-132.
|
| [20] |
周英霞, 王全九, 张继红, 等. 基于AquaCrop模型的气候变化对陕西省冬小麦产量影响模拟分析[J]. 水土保持研究, 2018, 25(6):357-364.
|
| [21] |
崔颖, 蔺宏宏, 谢云, 等. AquaCrop模型在东北黑土区作物产量预测中的应用研究[J]. 作物学报, 2021, 47(1):159-168.
东北黑土区是我国玉米和大豆生产基地, 为了实现利用AquaCrop模型优化管理和预测产量, 本文基于作物小区田间试验和大田观测数据, 采用OAT (one factor at a time)法分析了该模型参数的敏感性, 率定了敏感性高的参数, 并对率定后的模型进行了验证。结果表明: 玉米和大豆产量均对影响经济产量的收获指数十分敏感, 二者虽然对冠层和根系生长参数都敏感, 但有所差异: 玉米对冠层衰减系数(canopy decline coefficient, CDC)更为敏感, 而大豆则对限制冠层伸展的水分胁迫系数曲线的形状因子(shape factor for water stress coefficient for canopy expansion, Pexshp)更为敏感; 玉米因根系深对最大有效根深(maximum effective rooting depth, Z<sub>x</sub>)更敏感, 大豆因根系浅对根区根系伸展曲线的形状因子(shape factor describing root zone expansion, Rexshp)更敏感。由于玉米需水量大, 对冠层形成和枯萎前的作物系数(crop coefficient before canopy formation and senescence, Kc<sub>Tr,x</sub>)和归一化水分生产力(normalized water productivity, WP<sup>*</sup>)很敏感, 大豆则是一般敏感。率定后模型模拟玉米产量与实测产量的回归系数由0.34提升至0.89, 模拟大豆产量与实测产量的回归系数由0.80提升至0.88。进一步用大田实测产量的验证结果表明: 预测的玉米与大豆产量与实测产量间回归方程的决定系数(coefficient of determination, R<sup>2</sup>)分别为0.775和0.779, 均方根误差(root mean square error, RMSE)分别为1.076 t hm<sup>-2</sup>和0.299 t hm<sup>-2</sup>, 标准均方根误差(normalized root mean square error, NRMSE)分别为0.097和0.178, 模拟效率(model efficiency, ME)分别为0.747和0.730, 率定后的AquaCrop模型能较精准地模拟东北黑土区玉米和大豆产量, 可用于产量预测或优化管理。
|
| [22] |
马超, 吴天傲, 章伟忠, 等. 基于AquaCrop模型的水稻多目标灌溉制度优化研究[J]. 灌溉排水学报, 2024, 43(1):9-16.
|
| [23] |
周彤, 刘涛, 武威, 等. 几种常见作物模型的研究进展及其参数优化[J]. 上海农业学报, 2017, 33(4):152-159.
|
| [24] |
. Many modelling groups that contribute to CMIP6 (Coupled\nModel Intercomparison Project Phase 6) have found a larger equilibrium\nclimate sensitivity (ECS) with their latest model versions compared with the\nvalues obtained with the earlier versions used in CMIP5. This is also the case for\nthe EC-Earth model. Therefore, in this study, we investigate what developments since\nthe CMIP5 era could have caused the increase in the ECS in this model. Apart\nfrom increases in the horizontal and vertical resolution, the EC-Earth model has also substantially changed the representation of aerosols; in\nparticular, it has introduced a more sophisticated description of aerosol\nindirect effects. After testing the model with some of the recent updates\nswitched off, we find that the ECS increase can be attributed to the more\nadvanced treatment of aerosols, with the largest contribution coming from\nthe effect of aerosols on cloud microphysics (cloud lifetime or second\nindirect effect). The increase in climate sensitivity is unrelated to model\ntuning, as all experiments were performed with the same tuning\nparameters and only the representation of the aerosol effects was\nchanged. These results cannot be generalised to other models, as their CMIP5\nand CMIP6 versions may differ with respect to aspects other than the aerosol–cloud\ninteraction, but the results highlight the strong sensitivity of ECS to the\ndetails of the aerosol forcing.
|
| [25] |
王培娟, 唐俊贤, 金志凤, 等. 中国茶树春霜冻害研究进展[J]. 应用气象学报, 2021, 32(2):129-145.
|
| [26] |
孙扬越, 申双和. 作物生长模型的应用研究进展[J]. 中国农业气象, 2019, 40(7):444-459.
|
| [27] |
李颖, 赵国强, 陈怀亮, 等. 基于冬小麦农业气候分区的WOFOST模型参数标定[J]. 应用气象学报, 2021, 32(1):38-51.
|
| [28] |
蔡子怡, 游庆龙, 吴芳营, 等. 全球碳中和背景下中国气候与极端气候变化[J]. 科技导报, 2024, 42(19):73-82.
利用第6次国际耦合模式比较计划（CMIP6）26个模式的3种共享社会经济路径（SSP）结果，选取了SSP1-2.6情景下全球大气CO<sub>2</sub>浓度达峰时间以确定全球碳中和时间，预估了未来全球碳中和时期相比于历史参考时期（1995—2014年）的中国气候与极端气候的响应变化，并与未实现碳中和的情景结果进行比较。结果表明，SSP1-2.6情景下全球达到碳中和时间为2062年左右（与中国的碳中和实现目标时间接近），相较于历史参考时期，SSP1-2.6碳中和时期中国区域平均升温（1.61±0.46）℃，降水增加（9.15±5.46）%，最大升温和增湿区域位于中国西北，增暖和增湿幅度分别达到（1.84±0.50）℃和（10.05±8.61）%；中国平均白天最高气温和夜间最低气温分别增加（1.78±0.76）℃和（1.83±0.69）℃，白天极端高温在青藏高原存在最大增幅（17.05±5.16）%，夜间极端低温在中国南方下降最为明显（-6.08±0.73）%；极端降水事件整体呈增加趋势，极端强降水在青藏高原最大增幅超过20%，最大连续干旱日数在中国北方减少而在南方增加。相比于未碳中和情景SSP2-4.5和SSP5-8.5，碳中和目标的实现可减缓未来中国的气候变化，极大防控中国大部分区域极端暖事件和极端湿事件的加剧，以及未来中国南方连续干旱日数的增加。因此，为缓解未来中国区域气候变化的加剧，需要合理控制CO<sub>2</sub>排放以实现“双碳”目标。
|
| [29] |
黄晓远, 李谢辉. 基于CMIP6的西南暴雨洪涝灾害风险未来预估[J]. 应用气象学报, 2022, 32(2):231-243.
|
| [30] |
韩俊杰, 石红艳, 初征, 等. 未来气候情景下高寒区水稻延迟型冷害演变特征研究[J]. 灾害学, 2025, 40(1):16-21,101.
|
| [31] |
董文彪, 冯文哲, 屈萌钰, 等. 未来气候变化对黄淮海冬小麦-夏玉米轮作系统生产力影响[J]. 农业机械学报, 2024, 55(11):429-445.
|
| [32] |
杨丽莎, 林钏, 张文齐, 等. 气候变化情景下云南省茶适生区空间模拟研究[J]. 广西师范大学学报(自然科学版), 2025, 43(1):110-120.
|
| [33] |
唐俊贤, 王培娟, 俄有浩, 等. 中国大陆茶树种植气候适宜性区划[J]. 应用气象学报, 2021, 32(4):397-407.
|
| [34] |
邓荔, 朱欢欢, 江志红. 不同情景达到碳中和下中国区域气候变化的预估[J]. 大气科学学报, 2022, 45(3):364-375.
|
感谢湖北丹江口人工影响天气野外科学观测研究站提供数据支撑。
/
| 〈 |
|
〉 |
