基于混沌粒子群算法对APSIM-Wheat模型中春小麦产量形成参数的率定分析

摘要

为解决APSIM模型中旱地春小麦产量形成参数本地化率定过程中遇到的耗时长、精度低及效率不高等问题，利用混沌粒子群算法（chaos particle swarm optimization,CPSO），基于甘肃省定西市1971—2023年的气象数据以及1971—2013、2022—2023年甘肃省定西市统计年鉴中的产量数据和2014—2021年定西市安定区麻子川村的大田测定数据，对影响春小麦产量形成的6个关键参数进行率定。结果表明，与传统试错法率定参数结果相比，利用CPSO率定参数后，6个参数的数值均发生明显变化，模型对产量的模拟值与实际值更加接近，均方根误差（RMSE）从39.21kg·hm^-2下降至24.64kg·hm^-2，归一化均方根误差（NRMSE）从2.32%下降至1.65%，且模型有效指数（ME）从0.965升至0.991，说明参数经CPSO率定后APSIM模型对春小麦产量拟合度提高，对西北地区的适应性增强。

关键词

旱地春小麦 / APSIM模型 / 产量形成 / 混沌粒子群算法 / 参数优化