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OA

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39.21 kg·hm^(-2)下降至24.64 kg·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。