肥料成分計算

很早以前肥料是先灰化再進行成分分析，因此對於那一些不揮發的元素，通常會使用氧化物的型態進行表示，例如磷就使用P2O5 、鉀則使用K2O

肥料1，肥料品目為硝酸鈣 (Calcium nitrate)

銨態氮            1.26 %

硝酸態氮      13.5 %

總氮               14.7 %

CaO                 15.6 %

硝酸態氮(NO₃^- - N) 濃度為13.5 %，代表100 g 肥料有 13.5 * (14+16*3)/(14) = 59.8 的NO₃^- 

CaO 的濃度為 15.6 %，代表100 g 肥料有 15.6 * 40/(40+16) = 11.1 g 的鈣

DNDC 跑批次模擬

DNDC模式提供批次化模擬的功能，在批次化模擬上會方便許多，操作方法如下。
選擇Tools → Run batch ，之後跳出對話視窗詢問是否想觀看模擬過程的變化，這邊選擇是或否都所謂，我們習慣選是，可以快速觀察模式的反應

接著就會跳出需要我們選擇批次檔的對話框，這邊建議勾選"Record daily results"

文字檔的內容如下，第1列是模擬檔案的數量，第2列以下是每個dnd檔的路徑，選取之後DNDC模式就會直接進行模擬，結果檔位於 Results → Record → Batch

3
D:\DNDC\Peanuts\Peanuts_N0_2023S.dnd
D:\DNDC\Peanuts\Peanuts_N40_2023S.dnd
D:\DNDC\Peanuts\Peanuts_N80_2023S.dnd

我發現，DNDC需要的文字編碼是UTF-8，第一次使用筆記本編輯文字檔後，DNDC程式無法辨識路徑位址，改用Notepad++選擇UTF-8進行編輯後，程式就可以順利讀取

STICS 使用筆記

工作區 (workspace)

STICS模式模擬大部分所需要的資料都會在工作區當中，但是植物參數則是在plant的資料夾當中。STICS的資料使用xml編輯，只需要用notepad就可以打開閱讀。

建立新工作區

打開JavaStics.exe，選擇File → New workspace 建立新的工作區，就可以看到玉米的範例maize。

總共包含了11個檔案

氣象日資料檔的附檔名為年份 (.1996)氣象站的資料為_sta.xml，初始狀態檔為_ini.xml、田間管理為_tec.xml、如果有實測資料則可建立.obs檔、所有的土壤資料都在sols.xml、模擬的資料再usms.xml、輸出資料的設定檔在var.mod當中

模擬檔案都在usms.xml當中、土壤資料都在sol.xml當中，每個working space只會有一個usms.xml 和sol.xml。

建立氣象檔

STICS模式內部有建立氣象資料的工具，可以讀取CSV檔之後直接生成模式所需要的氣象檔。

選擇 Model input → Local parameter → Climate → Formatting a climate file，即可打開氣象資料產生的工具檔

經過測試，可輸入的檔案為CSV氣象資料，但是STICS只能選擇分號或者空白分隔，無法讀取逗號分隔的檔案，目前選擇的方法是先產出CSV檔，再進入將逗號取代為分號，或許可以使用python 或Ｒ語言直接匯出符合使用的csv檔。

輸入的檔案為逐日氣象資料，我們可以將所有年度的氣象檔放在同一個CSV底下，STICS模式會自動產出每一個年度一個檔案，因此建議可以在STICS模式的資料夾當中另外產出一個專門存放氣象CSV的資料夾，再透過小工具產出程式可以讀取的氣象檔。

我們在這裡使用的範例如下

再依序的將每一行對應的內容填入視窗中，氣象資料的第一列是表頭，因此我們就設定number of headlines 為1。

依序填完後就可以按generate，程式就會自己產出氣象檔

批次化模擬

JavaSticsCmd.exe --run iceberg

JavaSticsCmd.exe --run iceberg L1-M572_17J L2-M780_17J 

模式參數調整

模式誤差來源

作物模式的誤差主要來源包含模式架構、輸入資料與模式參數。(1) 模式架構：模式的本質是真實世界的簡化，若要減少誤差，則需用實驗建立分析相對應機制的數學方程式，增加模式的的解釋變數(explanatory variables)；(2) 輸入資料：來自於輸入資料採樣或量測的誤差，可以從提升取樣的代表性或量測準確性來減少這一個誤差；(3) 參數誤差：包含使用錯誤的量測資料進行校正所造成的誤差，以及校正的過程所造成的誤差，僅能從現有的資料進行校正，這個校正的過程是能夠提升模式準確度的最後一個方法。

調參(calibration，又稱率定) 在作物模式當中扮演著決定的角色，但是調參的過程並未有統一的方法，2018年在歐洲農業期刊所發表的「改進作物模式調參的過程 - 目前的狀態與未來的方向為何？(Towards improved calibration of crop models – Where are we now and where should we go?)」。由德國、澳洲與法國的研究人員共同發表，他們發送網路問卷給模式研究人員，包括AgMIP (Agricultural Model Intercomparison and Improvement Project)、MACSUR (Modeling European Agriculture with Climate Change for Food Security)、ISMC (International Soil Modeling Consortium)，以及重要的作物模式APSIM、DSSAT、STICS、DAISY的人員，以了解作物模式研究人員進行調參的方式與習慣。總共收到318份問卷，但大部分的問卷僅有少部分題目回答，難以作為有效問卷，作者群定義4個核心題目，如果這4個核心題目皆有回答時就視為有效問卷，經過整理後共取得211份有效問卷進行分析。上述的4個核心問題為Q16 針對多少個參數進行校正、Q20 調參的過程過使用幾個階段、Q23 調參的策略、Q34 調參過程最主要的困難點。

率定的參數數量

66%參加者調參的數量在10個參數以內，40%調參數量在5個參數以內，中位數是6。大多數的參與者依據模式開發者的建議，調整模式的遺傳或品種參數，但是有45%的參與者，依據自己的經驗進行調整，可能依據敏感性分析的結果或自己的專家知識，分的參與者使用多階段的調參，

這個報告中也顯示大部分的學者都使用多階段的調參，僅有24%選擇單1階段調參，選擇2階段或3階段調參的分別佔19%和32%。大部分的情形(66%)，第1階段的調參與物候期相關，第2階段之後選擇其他參數進行調整。在調整的方法上，39%參加者選擇最小均方根誤差、21%選擇ad hoc measure of goodness、13%選用GLUE。

參考文獻

Seidel, S.J., T. Palosuo, P. Thorburn, and D. Wallach. 2018. Towards improved calibration of crop models – Where are we now and where should we go? European Journal of Agronomy 94: 25–35. 

Towards improved calibration of crop models – Where are we now and where should we go?

MAIZSIM

　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　

工作表名稱	說明	備註
1. Description	ID這個欄位串起各個不同模擬項次的資料，其中包含有土壤、氣象、玉米品種、施肥 、玉米條件初始值、有機質、時間、品種變數以及氣象等環境變數。
2. Biology	土壤中有機物質成分的組成描述。
3. Climate	氣象檔案的檔頭，其參數是氣象站所量測到的氣象資料。
4. Fertilization	依照ID填入施肥日期以及施肥量。
5. GridRation	土壤資訊(種植深度)。
6. GridX	土壤分層深度。
7. Init	初始條件，包含種植地點、種植密度、種植以及採收時間以及是否有自動 灌溉模式等資訊。
8. Irrig	紀錄灌溉時間。
9. Soil	依照土壤調查報告，填入個土壤系分層特性。
10. Solute	採預設值。
11. Time	起始種植以及採收時間，其記錄氣象資料為每天或是每時。
12. Variety	不同作物的特性設定。
13. Weather	紀錄天候資料為每日或是每小時。

 

欄位名稱	說明	填寫範例
ID	為每個模擬項次命名，串接起相對應的土壤、氣候、位置、有機質等檔案	Wufeng_99_BoMi_CK
SoilFile	土壤資訊，為同一地區，檔案可以共用	Wufen.soi
Weather File name	氣候資訊，同一栽種期間共用檔案	Wufeng99.wea
Hybrid	此為作物品種資訊	BoMi
Variety File	作物設定變數	BoMi.var
Climate File	栽種地區氣候資訊	Wufeng99climate.dat
Location	栽種地區位置資訊	WuFeng
Nitrogen File		Wufeng99.nit
Solute		NitrogenDeafualt

1.      Soil – initial type
“m” means initialize hNew as matric potential, e.g, -200, -100, etc

“w” means initialize hNew as water content , e.g., 0.32, 0.22 etc

I added this because sometimes initial water content was known but not matric potential

STICS - Evaluation

 STICS 程式也可以和R語言結合，用來進行模擬結果的分析，在官方網站就可下載套件，下載後開啟R語言，指定本機端位置就可以進行安裝，我把套件下載於G槽底下STICS的檔案夾，安裝方式如下

DSSAT - 實驗檔

DSSAT的實驗記錄檔在相對應的資料夾當中，分為兩種檔案，結尾為A(例如FLSC8101.MZA)和結尾為T(例如FLSC8101.MZT)，結尾為A的檔案收穫時期的資料，結尾為T為時序資料 以下為 FLSC8101.MZA 的範例

*EXP. DATA (A): FLSC8101MZ N X IRRIG., S.C. (CERES MAIZE BK)                           

! File last edited on day 08/29/2003 at 9:33:41 AM
!
! Grain yield (HWAM) expressed as dry weight
@TRNO   HWAM  HWUM  H#AM  H#UM  LAIX  CWAM  BWAH  ADAT  MDAT  GN%M  CNAM  SNAM  GNAM
     1  9760 0.276 2968.  418.   4.2 23800 10954   156   210  1.62 248.0  90.0 158.0
     2   -99   -99   -99   -99   -99   -99   -99   -99   -99   -99   -99   -99   -99

以下為 FLSC8101.MZT 的範例

*EXP. DATA (A): FLSC8101MZ N X IRRIG., S.C. (CERES MAIZE BK)  

! File created by WDB on 10/17/03 using data from FLSC8101.MZA
!

@TRNO   DATE  GWAD  GWGD  G#AD  LAID  CWAD  GN%D  CNAD  SNAD  GNAD
     1 81157  -99   -99   -99   4.2   -99   -99   -99   -99   -99
     1 81205  9760  276. 2968.  -99  23800  1.62 248.0  90.0 158.0
     2 81205  -99   -99   -99   -99   -99   -99   -99   -99   -99

GWAD Grain wt kg/ha Grain weight (kg [dm]/ha) 

GWGD Grain wt mg Unit grain weight (mg [dm]/grain) 

G#AD Grain no #/m2 Grain number (no/m2) 

LAID LAI Leaf area index 

CWAD Tops wt kg/ha Tops weight (kg [dm]/ha)