A COMPARISON OF THE PERFORMANCE OF THE CSM-CERES-

MAIZE AND EPIC MODELS USING MAIZE VARIETY TRIAL DATA

1. Khái niệm
- CSM là Các mô hình mô phỏng cho các loại Cây trồng, tích hợp các kiến
thức khoa học hiện đại từ nhiều ngành khác nhau, bao gồm sinh lý cây trồng,
nhân giống cây trồng, nông học, khí tượng học, vật lý đất, hóa học đất, độ
phì của đất, bệnh học thực vật, côn trùng học, kinh tế học và nhiều ngành
khác (Hoogenboom, 2000).
2. Dữ liệu
- Dữ liệu được thu thập từ năm 2003 đến 2010 (Coy et al., 2003, 2004, 2005,
2006, 2007, 2008, 2009, 2010) được thực hiện tại 6 trạm thí nghiệm nông
nghiệp tại Blairsville (34.84o N, 83.93o W), Calhoun (34.34o N, 85.12o W),
Griffin (33,26o N, 84,28 o W), Midville (32,88o N, 82,22o W),
Plains(32,05oN, 84,37o W) và Tifton (31,49o N, 83,53o W)
- Dữ liệu bề mặt và dữ liệu sử dụng đất tại 6 trạm thí nghiệm của Bộ Nông
Nghiệp Hoa Kỳ (USDA)
- Bức xạ mặt trời hàng ngày, nhiệt độ không khí tối đa và tối thiểu, và lượng
mưa cho từng địa điểm được lấy từ Mạng lưới quan trắc môi trường tự động
Georgia (GAEMN, www. georgiaweather.net)
3. Hiệu chuẩn và đánh giá
a. CSM-CERES-Maize
- Hiệu chuẩn và đánh giá mô hình được dựa trên việc so sánh giữa kịch bản
mô phỏng và dữ liệu quan trắc thực tế.
- Trong bài tác gỉa sử dụng hệ số giống để điều chỉnh là chính, các hệ số này
bao gồm: nhiệt từ khi gieo cho đến khi kết thúc giai đoạn cây trưởng thành
(P1), mức độ phát triển bị trì hoãn trong mỗi giờ tăng photoperiod trên mức
phát quang dài nhất trong quá trình phát triển dài nhất tốc độ tối đa (P2),
nhiệt từ quá trình ủ đến khi trưởng thành bằng cách thứ sinh lý (P5), số hạt
nhân tối đa có trên mỗi cây (G2), tốc độ lấp đầy hạt nhân trong trạng thái lấp
đầy hạt tuyến tính và trong điều kiện tối ưu (G3), và khoảng cách trong nhiệt
thời gian (ngày độ) giữa các lần xuất hiện đầu lá liên tiếp (PHINT)
- Ngoài ra, tác giả còn sử dụng Hệ số màu mỡ của đất (SLPF) cũng được điều
chỉnh vì đây là thông số đầu vào ảnh hưởng đến tốc độ tăng trưởng của tổng
sinh khối mô phỏng bằng cách điều chỉnh quang hợp tán hàng ngày và được
quy cho sự khác biệt về độ phì nhiêu của đất và sâu bệnh trên đất, như tuyến
trùng (Guerra et al., 2008; Mavromatis và cộng sự, 2001).
 - Các tiến hành hiệu chuẩn và đánh giá: tác giả sử dụng GENCALC để hiệu
chỉnh các tham số và điều chỉnh thủ công và nó chọn giá trị tốt nhất cho từng
hệ số bằng cách đánh giá sai số toàn phương trung bình (RMSE) giữa các
biến được mô phỏng và thực tế (Hunt et al., 1993). Ví dụ đối với hệ số SLPF
để hiệu chỉnh được hệ số này sao cho mô hình là tốt nhất thì nó sẽ nằm trong
khoảng giá trị từ 0,7 đến 0,94, cụ thể:
 Điều chỉnh thủ công ch từng vị trí dựa trên bộ hệ số giống ban đầu, các
giá trị nằm trong khoảng từ 0,7 đến 0,94
 Hiệu chỉnh các hệ số giống
 Sử dụng các hệ số giống được hiệu chuẩn để đánh giá bằng cách sử dụng
một bộ dữ liệu độc lập từ dữ liệu thực nghiệm giống
b. EPIC
Hệ số EPIC cách hiệu chuẩn và đánh giá tương tự như CSM-CERES-Maize, nó là
một hệ số đặc thù cho cây trồng, trong hệ số này ta cần điều chỉnh các tham số:
- Đơn vị nhiệt tiềm năng (PHU) cho ngô được định nghĩa là tổng số đơn vị
nhiệt từ khi trồng đến khi trưởng thành sinh lý, dao động từ 1600-2000
- Tỷ lệ năng lượng sinh khối (WA) dao động từ 40-55
- Chỉ số thu hoạch tối đa (HI) dao động từ 0,1-0,6
- Tỷ lệ mùa sinh trưởng khi diện tích lá giảm (DLAI) nằm trong khoảng 0,5
đến 0,95
- Chỉ số diện tích lá tiềm năng tối đa (DMLA) và
- Thông số độ nhạy hạn hán (WSYF) nằm tỏng khoảng từ 0,01-0,4
c. Tiêu chí thống kê
Tác giả sử dụng 3 tiêu chí để đánh giá: R2: hệ số tương quan, d (index of
agreement) và RMSE (sai số toàn phương trung bình)
d. So sánh CSM-CERES-Maize và EPIC
Cả 2 phương pháp này đều dùng với mục mục tiêu là xác định sự khác biệt trong
dự đoán năng suất ngô cho các môi trường, vị trí khác nhau, nhưng sử dụng cùng
một bộ dữ liệu quản lý cây trồng thử nghiệm giống. Tuy nhiên điểm khác nhau
giữa 2 mô hình là việc hiểu chuẩn các thông số với các đặc trưng khác nhau.
4. Kết quả
 Hình 1: Kết quả sau khi hiệu chuẩn
a. So sánh giữa dữ liệu mô phỏng và dữ liệu thực tế