全 文 ：陆面模式中根系参数的改进及其对模拟结果的影响∗
才奎冶１　 刘晶淼２，３∗∗　 张正秋３　 梁　 宏４　 何晓东１
（ １营口市气象台， 辽宁营口 １１５００１； ２中国气象局沈阳大气环境研究所， 沈阳 １１００１６； ３中国气象科学研究院， 北京 １０００８１；
４中国气象局气象探测中心， 北京 １０００８１）
摘　 要　 为改进陆面模式中根系的参数化，本文在陆面模式 ＳＳｉＢ２ 玉米农田参数本地化的基
础上，将 ＣＥＲＥＳ⁃Ｍａｉｚｅ的根系子模型嵌套到 ＳＳｉＢ２ 模式中，研究 ２ 种改进的根系参数化方案
对陆气通量模拟结果的影响．结果表明： 当根系模型只为 ＳＳｉＢ２模式提供根系深度参数（方案
１）时，陆气通量的模拟精度有所提高：整个生育期内，感热通量、潜热通量等的模拟值与观测
值的相关系数增大，线性拟合的均方根误差减小；播种后 １２１ 天⁃成熟，ＣＯ２通量的模拟精度也
有所提高．当根系模型为 ＳＳｉＢ２模式同时提供根系深度和根长密度两种参数（方案 ２）时，上述
通量的模拟精度较原 ＳＳｉＢ２模式同样得以提高．与方案 １ 相比，方案 ２ 考虑因素更为复杂、全
面，但陆气通量的模拟效果却反而有所下降．改进的根系参数化方案较原 ＳＳｉＢ２模式的根系参
数化方案更接近实际，这使陆气通量的模拟精度提高；方案 ２ 过分夸大了表层土壤的相对根
量，使其模拟效果逊色于方案 １．
关键词　 陆面模式； 根系参数； 陆气通量
文章编号　 １００１－９３３２（２０１５）１０－３１１１－０８　 中图分类号　 Ｐ４６１　 文献标识码　 Ａ
Ｉｍｐｒｏｖｅｍｅｎｔ ｏｆ ｒｏｏｔ ｐａｒａｍｅｔｅｒｓ ｉｎ ｌａｎｄ ｓｕｒｆａｃｅ ｍｏｄｅｌ （ＬＳＭ ）ａｎｄ ｉｔｓ ｅｆｆｅｃｔ ｏｎ ｔｈｅ ｓｉｍｕｌａｔｅｄ
ｒｅｓｕｌｔｓ． ＣＡＩ Ｋｕｉ⁃ｙｅ１， ＬＩＵ Ｊｉｎｇ⁃ｍｉａｏ２，３， ＺＨＡＮＧ Ｚｈｅｎｇ⁃ｑｉｕ３， ＬＩＡＮＧ Ｈｏｎｇ４， ＨＥ Ｘｉａｏ⁃ｄｏｎｇ１ （１
Ｙｉｎｇｋｏｕ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｏｂｓｅｒｖａｔｏｒｙ， Ｙｉｎｇｋｏｕ １１５００１， Ｌｉａｏｎｉｎｇ， Ｃｈｉｎａ； ２Ｉｎｓｔｉｔｕｔｅ ｏｆ Ａｔｍｏｓｐｈｅｒｉｃ Ｅｎ⁃
ｖｉｒｏｎｍｅｎｔ， Ｃｈｉｎａ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ， Ｓｈｅｎｙａｎｇ １１００１６， Ｃｈｉｎａ； ３Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｍｅ⁃
ｔｅｏｒｏｌｏｇｉｃａｌ Ｓｃｉｅｎｃｅｓ， Ｂｅｉｊｉｎｇ １０００８１， Ｃｈｉｎａ； ４Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｏｂｓｅｒｖａｔｉｏｎ Ｃｅｎｔｅｒ， Ｃｈｉｎａ Ｍｅｔｅｏｒｏｌｏｇｉ⁃
ｃａｌ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ， Ｂｅｉｊｉｎｇ １０００８１， Ｃｈｉｎａ） ． ⁃Ｃｈｉｎ． Ｊ． Ａｐｐｌ． Ｅｃｏｌ．， ２０１５， ２６（１０）： ３１１１－３１１８．
Ａｂｓｔｒａｃｔ： Ｉｎ ｏｒｄｅｒ ｔｏ ｉｍｐｒｏｖｅ ｒｏｏｔ ｐａｒａｍｅｔｅｒｉｚａｔｉｏｎ ｉｎ ｌａｎｄ ｓｕｒｆａｃｅ ｍｏｄｅｌ， ｔｈｅ ｓｕｂ⁃ｍｏｄｅｌ ｆｏｒ ｒｏｏｔ ｉｎ
ＣＥＲＥＳ⁃Ｍａｉｚｅ ｗａｓ ｃｏｕｐｌｅｄ ｉｎ ｔｈｅ ＳＳｉＢ２ ａｆｔｅｒ ｃａｌｉｂｒａｔｉｎｇ ｏｆ ｍａｉｚｅ ｐａｒａｍｅｔｅｒｓ ｉｎ ＳＳｉＢ２． Ｔｈｅ ｅｆｆｅｃｔｓ
ｏｆ ｔｗｏ ｉｍｐｒｏｖｅｄ ｒｏｏｔ ｐａｒａｍｅｔｅｒｉｚａｔｉｏｎ ｓｃｈｅｍｅｓ ｏｎ ｓｉｍｕｌａｔｅｄ ｒｅｓｕｌｔｓ ｏｆ ｌａｎｄ ｓｕｒｆａｃｅ ｆｌｕｘ ｗｅｒｅ ａｎａ⁃
ｌｙｚｅｄ． Ｒｅｓｕｌｔｓ ｉｎｄｉｃａｔｅｄ ｔｈａｔ ｓｉｍｕｌａｔｉｏｎ ａｃｃｕｒａｃｙ ｏｆ ｌａｎｄ ｓｕｒｆａｃｅ ｆｌｕｘ ｗａｓ ｅｎｈａｎｃｅｄ ｗｈｅｎ ｔｈｅ ｒｏｏｔ
ｍｏｄｕｌｅ ｐｒｏｖｉｄｅｄ ｒｏｏｔ ｄｅｐｔｈ ｏｎｌｙ ｗｉｔｈ ｔｈｅ ＳＳｉＢ２ ｍｏｄｅｌ （ ｓｃｈｅｍｅ Ⅰ）． Ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｂｅ⁃
ｔｗｅｅｎ ｏｂｓｅｒｖｅｄ ａｎｄ ｓｉｍｕｌａｔｅｄ ｖａｌｕｅｓ ｏｆ ｌａｔｅｎｔ ｆｌｕｘ ａｎｄ ｓｅｎｓｉｂｌｅ ｆｌｕｘ ｉｎｃｒｅａｓｅｄ ｄｕｒｉｎｇ ｔｈｅ ｗｈｏｌｅ
ｇｒｏｗｉｎｇ ｓｅａｓｏｎ， ａｎｄ ＲＭＳＥ ｏｆ ｌｉｎｅａｒ ｆｉｔｔｉｎｇ ｄｅｃｒｅａｓｅｄ． Ｓｉｍｕｌａｔｉｏｎ ａｃｃｕｒａｃｙ ｏｆ ＣＯ２ ｆｌｕｘ ｗａｓ ａｌｓｏ ｅｎ⁃
ｈａｎｃｅｄ ｆｒｏｍ １２１ ｄａｙｓ ａｆｔｅｒ ｓｏｗｉｎｇ ｔｏ ｍａｔｕｒｅ ｐｅｒｉｏｄ． Ｏｎ ｔｈｅ ｏｔｈｅｒ ｈａｎｄ， ｓｉｍｕｌａｔｉｏｎ ａｃｃｕｒａｃｙ ｏｆ ｔｈｅ
ｆｌｕｘ ｗａｓ ｅｎｈａｎｃｅｄ ｗｈｅｎ ｔｈｅ ｒｏｏｔ ｍｏｄｕｌｅ ｐｒｏｖｉｄｅｄ ｒｏｏｔ ｄｅｐｔｈ ａｎｄ ｒｏｏｔ ｌｅｎｇｔｈ ｄｅｎｓｉｔｙ ｓｉｍｕｌｔａｎｅｏｕｓｌｙ
ｆｏｒ ｔｈｅ ＳＳｉＢ２ ｍｏｄｅｌ （ｓｃｈｅｍｅ Ⅱ）． Ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｓｃｈｅｍｅ Ⅰ， ｔｈｅ ｓｃｈｅｍｅ Ⅱ ｗａｓ ｍｏｒｅ ｃｏｍｐｒｅ⁃
ｈｅｎｓｉｖｅ， ｗｈｉｌｅ ｉｔｓ ｓｉｍｕｌａｔｉｏｎ ａｃｃｕｒａｃｙ ｏｆ ｌａｎｄ ｓｕｒｆａｃｅ ｆｌｕｘ ｄｅｃｒｅａｓｅｄ． Ｔｈｅ ｉｍｐｒｏｖｅｄ ｒｏｏｔ ｐａｒａｍｅｔｅｒ⁃
ｉｚａｔｉｏｎ ｉｎ ｔｈｅ ＳＳｉＢ２ ｍｏｄｅｌ ｗａｓ ｂｅｔｔｅｒ ｔｈａｎ ｔｈｅ ｏｒｉｇｉｎａｌ ｏｎｅ， ｗｈｉｃｈ ｍａｄｅ ｓｉｍｕｌａｔｅｄ ａｃｃｕｒａｃｙ ｏｆ ｌａｎｄ⁃
ａｔｍｏｓｐｈｅｒｉｃ ｆｌｕｘ ｉｍｐｒｏｖｅｄ． Ｔｈｅ ｓｃｈｅｍｅ Ⅱ ｏｖｅｒｅｓｔｉｍａｔｅｄ ｒｏｏｔ ｒｅｌａｔｉｖｅ ｇｒｏｗｔｈ ｉｎ ｔｈｅ ｓｕｒｆａｃｅ ｌａｙｅｒ
ｓｏｉｌ， ｓｏ ｉｔｓ ｓｉｍｕｌａｔｅｄ ａｃｃｕｒａｃｙ ｗａｓ ｌｏｗｅｒ ｔｈａｎ ｔｈａｔ ｏｆ ｔｈｅ ｓｃｈｅｍｅ Ⅰ．
Ｋｅｙ ｗｏｒｄｓ： ｌａｎｄ ｓｕｒｆａｃｅ ｍｏｄｅｌ； ｒｏｏｔ ｐａｒａｍｅｔｅｒｓ； ｌａｎｄ ｓｕｒｆａｃｅ ｆｌｕｘ．
∗公益性行业科研专项（ＧＹＨＹ２０１１０６０２６）和国家自然科学基金项
目（３１０７１３２２）资助．
∗∗通讯作者． Ｅ⁃ｍａｉｌ： ｊｉｎｇｍｉａｏｌ＠ ｃａｍｓ．ｃｍａ．ｇｏｖ．ｃｎ
２０１４⁃１２⁃０８收稿，２０１５⁃０６⁃０９接受．
　 　 陆面过程模式中，植被参数（叶面积指数、绿叶 占有率等）决定陆地和大气各种物理过程的计算，
对水、热、碳循环过程具有重要影响［１－５］ ．其中，根系
参数发挥着十分重要的作用［６－９］ ．根系深度和根长密
度是根系的重要参数，能够反映根系的生长分布状
应 用 生 态 学 报　 ２０１５年 １０月　 第 ２６卷　 第 １０期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ｏｃｔ． ２０１５， ２６（１０）： ３１１１－３１１８
况［１０］ ．在目前的大多数陆面模式中，根系参数参与
气孔阻抗或最大蒸腾率的计算、参与各土壤层中由
蒸腾引起的水分损失量的计算．以陆面过程模式
ＣＬＭ４．０［１１］为例，其中的根系深度和负指数分布参
数决定了根系的分布状况，不同植被类型具有不同
的负指数分布参数，因此不同植被类型根系的分布
状况不同［１２］；根系的分布状况又通过影响最大蒸腾
率的计算从而影响实际蒸腾率的计算，各土壤层由
蒸腾引起的水分损失量也与根系的分布状况有关．
目前几乎所有陆面过程模式中对根系过程的描
述极为简单，缺少根系动态描述这一重要环节，致使
陆面过程在机理上存在一定的固有缺陷． ＳｉＢ 模
式［１３］、ＳＳｉＢ模式［１４］缺少对根系分布状况、根系动态
生长以及环境条件对根系生长分布影响的描述．
ＢＡＴＳ模式［１５］、ＣＬＭ４．０ 模式［１１］缺少对根系动态生
长以及环境条件对根系生长分布影响的描述．值得
注意的是，ＣＬＭ４．０ 模式的动态植被模块 ＤＧＶＭ［１６］
虽然能够模拟根系干质量的变化，但是没有将这种
变化反映到根系生长分布中去，所以根系的分布状
况还是相对不变的．
相比于树木等木本植物，作物的地上生物量和
蒸发蒸腾率更易于观测，大多选择作物为对象研究
其根系生长分布；作物生长模型的根系子模型既考
虑了根系的动态生长，又考虑了土壤湿度条件等环
境因素对根系生长分布的影响［１７］ ．目前具有代表性
的作物模型有 ＣＥＲＥＳ［１８］、 ＥＰＩＣ［１９］、 ＷＯＦＯＳＴ［２０］、
ＡＰＳＩＭ［２１］和 ＡｑｕａＣｒｏｐ［２２］ ．以作物生长模型 ＣＥＲＥＳ⁃
Ｍａｉｚｅ （ Ｃｒｏｐ⁃Ｅｎｖｉｒｏｎｍｅｎｔ Ｒｅｓｏｕｒｃｅ Ｓｙｎｔｈｅｓｉｓ Ｍａｉｚｅ
Ｍｏｄｅｌ） ［１８］的根系子模型为例，它考虑了每天根系总
长度的增加，以经典根系分布理论［２３］为依据定义了
根系分布权重因子 ｗｒ，并引入了 ｄｅ Ｖｒｉｅｓ Ｐｅｎｎｉｎｇ
等［２４］提出的土壤水分胁迫因子 ζｗ，用 ｗｒ 与 ζｗ的乘
积反映每天各土壤层中根系长度的相对增加．因此，
用作物生长模型的根系子模型替换陆面过程模式中
的根系描述方法，可以一定程度上弥补其不足．
本文借助作物生长模型 ＣＥＲＥＳ⁃Ｍａｉｚｅ 的根系
动态子模型，将其与陆面过程模式 ＳＳｉＢ２ 进行嵌套
应用，研究根系动态描述对陆面过程模式的改进效
应，以期为改善陆面过程模式、以及提高感热、潜热
等通量的模拟精度提供一定的研究基础．
１　 研究地区与研究方法
１􀆰 １　 研究站点概况和相关研究资料
本文所采用的通量观测资料来源于沈阳大气环
境研究所锦州玉米农田生态系统野外观测站
（４１°４９′ Ｎ，１２１°１２′ Ｅ，海拔 １７ ｍ）．该观测站位于东
北玉米带，以玉米为主要作物，玉米生长季为 ５—９
月．观测站土壤为典型棕壤．对叶面积指数等作物要
素进行常规观测．除了用气象梯度观测系统（０．５、１、
１􀆰 ５、２、４、８、１０、１６ ｍ）对气象要素观测外，观测站还
安装有开路式涡度相关通量观测系统（３ ｍ），以对
感热、潜热等通量进行观测．
陆面过程模型运行需要多种数据支持，主要包
括模型基本参数、模型驱动（输入）变量、以及用于
模型验证的通量观测资料等．陆面过程模式的驱动
变量主要包括：参考高度上的气温、水汽压、风速，向
下短波及长波辐射，降水等微气象观测资料．观测资
料的时间步长为 ３０ ｍｉｎ，由 ２００８、２０１１ 年锦州玉米
农田生态系统野外观测站所提供．陆面过程模式模
拟验证所需资料包括：春玉米生态资料，感热、潜热、
辐射和 ＣＯ２等通量资料，土壤温度、２ ｍ 高气温等微
气象资料，以及由“土钻法”得到的土壤湿度资料，
通量资料和微气象资料的时间步长均为 ３０ ｍｉｎ，以
上资料均由 ２００８、２０１１年锦州玉米农田生态系统野
外观测站所提供．
１􀆰 ２　 研究方法
１􀆰 ２􀆰 １田间试验情况及观测因素介绍　 土壤湿度控
制试验于 ２００８年 ４—９月在玉米农田生态系统野外
观测站进行．试验在自然条件下进行，采用“土钻
法” ［２５］每 ５ ｄ对土壤下 ５ ～ １４０ ｃｍ 的土壤湿度逐层
观测，每层土壤为 ５ ｃｍ 或 １０ ｃｍ，重复次数为 ３ 次，
取平均值．
根系观测取样实验应用于根系模型的模拟验
证［２６］，采用根钻法［２７］对 ０～１４０ ｃｍ土层厚度内的根
进行取样，重复次数为 ３ 次，根钻内径为５．５ ｃｍ．根
钻法取根步骤如下：
１）利用根钻取土，表层取 ２０ ｃｍ深度的土样，然
后每隔 １０ ｃｍ取一层土，取得的土样完整放到密封
袋中，标记好处理号和深度，取到 １４０ ｃｍ 深度为止．
２）将取得的土样放入水盆中清洗，并用过滤网
过滤，将不能通过过滤网的根系放入信封中，并进行
标记．
３）将信封中的根系拿出，用游标卡尺测量其长
度、直径并记录．
４）将测量完的根系连同信封放入烘箱烘干后
称量并记录．
１􀆰 ２􀆰 ２ ＳＳｉＢ２模式介绍 　 本文采用单点 ＳＳｉＢ２ 模式
进行模拟研究．该模式是在 ＳＳｉＢ 模式［１４］的基础上，
２１１３ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
加入了植被光合作用的计算，而 ＳＳｉＢ 模式又是基于
ＳｉＢ模式［１３］进行了简化处理．
１􀆰 ２􀆰 ３ ＳＳｉＢ２模式的参数本地化 　 ＳＳｉＢ２ 模式的 １３
种植被类型中没有专门的玉米农田．由于包括美国、
英国等在内的相关研究在进行陆面过程模式模拟
时，玉米农田都是采用禾本科植物，所以本文也采用
禾本科植物⁃草地．
ＳＳｉＢ２模式中，植物模块所需参数经常采用静
态值．然而对于春玉米农田生态系统而言，玉米生长
过程中部分主要参数，如叶面积指数、粗糙度等会发
生较大变化，采用静态值显然极不合理．因此，我们
首先对作物生长模型 ＣＥＲＥＳ⁃Ｍａｉｚｅ 进行参数化，然
后运行 ＣＥＲＥＳ⁃Ｍａｉｚｅ作物生长模型，在此基础上利
用其模拟出的叶面积指数等变量值作为 ＳＳｉＢ２ 模式
的动态参数，利用其模拟出株高等参量，对 ＳＳｉＢ２ 模
式的粗糙度等参数进行计算．
１􀆰 ２􀆰 ４根系模型及其与 ＳＳｉＢ２ 模式的嵌套 　 ＳＳｉＢ２
模式的根系参数化方案比较简单，模式中只有根系
深度一个根系参数，除了冬小麦的根系深度是以天
为单位而动态变化的以外，对于其他 １２ 种植被类
型，根系深度都是固定的常量．另外，ＳＳｉＢ２ 模式不考
虑根系在水平方向上的生长，所有土壤层的根长之
和即为根深，因此可以将根系看作是“垂直方向上
均匀分布”．
然而，根系的实际生长情况却是复杂而变化的：
根系深度是变化的，根系垂直方向上的分布是非均
匀而且是变化的．那么，由固定根系深度所得的一系
列物理量的计算会产生一定偏差．这种偏差可能是
微小的，但是影响却可能很显著，因为根系是土壤⁃
植被⁃大气连续体中十分重要的一个组成部分，它的
变化会引起一系列变化，土壤湿度会影响植被蒸腾，
蒸腾会对区域内的降水产生影响，而降水又会反过
来影响植被生长，进而影响根系生长，根系通过吸收
土壤水分对土壤湿度有反馈作用．
为了一定程度上弥补 ＳＳｉＢ２模式中根系参数化
方案的缺陷，必须用较符合实际情况的根系参数化
方案对 ＳＳｉＢ２ 模式进行改进．因此，在 ＳＳｉＢ２ 模式玉
米农田参数本地化的基础上，我们将 ＣＥＲＥＳ⁃Ｍａｉｚｅ
的根系子模型加入到 ＳＳｉＢ２ 模式中，以改进 ＳＳｉＢ２
模式的根系参数化方案．
１） ＣＥＲＥＳ⁃Ｍａｉｚｅ 的根系子模型介绍． ＣＥＲＥＳ⁃
Ｍａｉｚｅ的根系子模型为 ＤＳＳＡＴ３．５版本［２８］，时间步长
为 １ ｄ．ＣＥＲＥＳ⁃Ｍａｉｚｅ作物模型在中国主要玉米种植
区域具有适用性［２９］，其根系子模型适用于锦州玉米
表 １　 根系子模型与 ＳＳｉＢ２模式嵌套的两种根系处理方案
Ｔａｂｌｅ １　 Ｔｗｏ ｄｉｆｆｅｒｅｎｔ ｓｃｈｅｍｅｓ ｆｏｒ ｒｏｏｔ ｍｏｄｕｌｅ ｏｆ ＣＥＲＥＳ⁃
Ｍａｉｚｅ ｃｏｕｐｌｅｄ ｉｎ ｔｈｅ ＳＳｉＢ２ ｍｏｄｅｌ
方案
Ｓｃｈｅｍｅ
表示方法
Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ
意义
Ｍｅａｎｉｎｇ
方案一 Ｓｃｈｅｍｅ １
方案二 Ｓｃｈｅｍｅ ２
ｃａｓｅ Ｂ
ｃａｓｅ Ｃ
根系模型只为 ＳＳｉＢ２ 模式提
供根系深度参数
根系模型为 ＳＳｉＢ２ 模式同时
提供根系深度和根长密度两
种参数
为了便于对照，将原来未嵌套根系子模型的 ＳＳｉＢ２ 模式设为 ｃａｓｅ Ａ
Ｉｎ ｏｒｄｅｒ ｔｏ ｃｏｍｐａｒｉｓｏｎ， ｔａｋｉｎｇ ｔｈｅ ｏｒｉｇｉｎａｌ ＳＳｉＢ２ ｍｏｄｅｌ ｔｈａｔ ｔｈｅ ｒｏｏｔ ｍｏｄ⁃
ｕｌｅ ｈａｄ ｎｏｔ ｂｅｅｎ ｔｅｓｔｅｄ ｔｏ ａｓ ｃａｓｅ Ａ．
农田［２６］ ．
２）根系模型与 ＳＳｉＢ２ 模式的嵌套．在根系子模
型与 ＳＳｉＢ２模式嵌套过程中，我们选择以下两种方
案进行（表 １）．方案一仅将根系模型输出的根深输
入到 ＳＳｉＢ２模式中，ＳＳｉＢ２模式将输出的土壤湿度输
入到根系模型中，形成耦合反馈．而方案二是将根系
模型输出的根长密度输入到 ＳＳｉＢ２中，ＳＳｉＢ２模式同
样将输出的土壤湿度输入到根系模型中，形成耦合
反馈．
１􀆰 ２􀆰 ５模拟结果评估　 通过对模拟值与观测值进行
统计分析，实现对模拟结果的评价．统计分析的内容
包括模拟值与观测值之间的相关系数（ ｒ）：
ｒ ＝
∑
ｎ
ｉ ＝ １
（Ｓｉ － Ｓａｖｅ）（Ｑｉ － Ｑａｖｅ）
∑
ｎ
ｉ ＝ １
（Ｓｉ － Ｓａｖｅ） ２ ∑
ｎ
ｉ ＝ １
（Ｑｉ － Ｑａｖｅ） ２
（５）
式中：Ｏｉ和 Ｓｉ分别代表观测值和模拟值；Ｏａｖｅ和 Ｓａｖｅ
分别代表观测平均值和模拟平均值．在此基础上，对
模拟值与观测值的相关性进行显著性检验．
运用最小二乘法原理对模拟值与实测值进行一
元线性拟合，根据线性拟合的决定系数（Ｒ２）和均方
根误差（ＲＭＳＥ）的大小，判断模拟结果的优劣．
２　 结果与分析
２􀆰 １　 ＳＳｉＢ２模式的参数本地化
运用参数化后的 ＳＳｉＢ２模式对相关输出变量进
行模拟验证：分别将 ２００８年感热、潜热等通量、土壤
湿度、土壤温度和冠层空气温度的模拟值与实测值
对比，根据上述各变量整个生育期内模拟值与实测
值的相关系数 Ｒ和线性拟合的均方根误差（ＲＭＳＥ）
的大小（表 ２），分析参数化后的 ＳＳｉＢ２ 模式在锦州
玉米农田的适用性．
表 ２显示，整个生育期内，模拟值与实测值的相
关系数、线性拟合的均方根误差均在可接受范围内，
３１１３１０期　 　 　 　 　 　 　 　 　 　 　 　 才奎冶等： 陆面模式中根系参数的改进及其对模拟结果的影响　 　 　 　 　 　
表 ２　 ２００８年 ＳＳｉＢ２模式各变量模拟值日平均值与观测值日平均值的相关系数
Ｔａｂｌｅ ２　 Ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｂｅｔｗｅｅｎ ｏｂｓｅｒｖｅｄ ａｎｄ ｓｉｍｕｌａｔｅｄ ｄａｉｌｙ ａｖｅｒａｇｅ ｖａｌｕｅｓ ｏｆ ｖａｒｉｏｕｓ ｖａｒｉａｂｌｅｓ ｂｙ ＳＳｉＢ２ ｍｏｄｅｌ ｉｎ
２００８
变量
Ｖａｒｉａｂｌｅ
单位
Ｕｎｉｔ
线性拟合的 Ｒ２
Ｄｅｔｅｒｍｉｎａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ
（Ｒ２） ｏｆ ｌｉｎｅａｒ ｆｉｔｔｉｎｇ
线性拟合的 ＲＭＳＥ
Ｒｏｏｔ ｍｅａｎ ｓｑｕａｒｅ
ｅｒｒｏｒ （ＲＭＳＥ） ｏｆ
ｌｉｎｅａｒ ｆｉｔｔｉｎｇ
相关系数
Ｃｏｒｒｅｌａｔｉｏｎ
ｃｏｅｆｆｉｃｉｅｎｔ
向上短波辐射通量 Ｕｐｗａｒｄ ｓｈｏｒｔｗａｖｅ ｒａｄｉａｔｉｏｎ ｆｌｕｘ Ｗ·ｍ－２ ０．６２６８ ７．９５５ ０．７９１７
向上长波辐射通量 Ｕｐｗａｒｄ ｌｏｎｇ⁃ｗａｖｅ ｒａｄｉａｔｉｏｎ ｆｌｕｘ Ｗ·ｍ－２ ０．９０３８ ５．６４８ ０．９５０７
净辐射通量 Ｎｅｔ ｒａｄｉａｔｉｏｎ ｆｌｕｘ Ｗ·ｍ－２ ０．９５８０ ９．０８１ ０．９７８８
潜热通量 Ｌａｔｅｎｔ ｈｅａｔ ｆｌｕｘ Ｗ·ｍ－２ ０．３６３０ ２８．５３０ ０．６０２５
感热通量 Ｓｅｎｓｉｂｌｅ ｈｅａｔ ｆｌｕｘ Ｗ·ｍ－２ ０．６６８０ １９．１６０ ０．８１７３
ＣＯ２通量 ＣＯ２ ｆｌｕｘ １０－６ ｍｏｌ·ｍ－２·ｓ－１ ０．７４４０ １．０１７ ０．８７９８
表层土壤湿度 Ｓｏｉｌ ｍｏｉｓｔｕｒｅ ｉｎ ｔｈｅ ｓｕｒｆａｃｅ ｌａｙｅｒ ｍ３·ｍ－３ ０．６６９４ ０．００８ ０．８１８２
表层土壤湿度 Ｓｏｉｌ ｍｏｉｓｔｕｒｅ ｉｎ ｒｏｏｔ ｌａｙｅｒ ｍ３·ｍ－３ ０．７２５８ ０．０１４ ０．８５１９
深层土壤湿度 Ｓｏｉｌ ｍｏｉｓｔｕｒｅ ｉｎ ｄｅｅｐ ｌａｙｅｒ ｍ３·ｍ－３ ０．４１７１ ０．０１１ ０．６４５８
冠层空气温度 Ａｉｒ ｔｅｍｐｅｒａｔｕｒｅ ｉｎｓｉｄｅ ｔｈｅ ｃａｎｏｐｙ ℃ ０．８９８０ １．０３３ ０．９４７６
土壤表面温度 Ｓｏｉｌ ｔｅｍｐｅｒａｔｕｒｅ ｉｎ ｔｈｅ ｓｕｒｆａｃｅ ｌａｙｅｒ ℃ ０．８８１４ １．３６１ ０．９３８８
土壤深层温度 Ｓｏｉｌ ｔｅｍｐｅｒａｔｕｒｅ ｉｎ ｄｅｅｐ ｓｏｉｌ ℃ ０．８５２０ １．１９１ ０．９２３０
模拟值与实测值基本吻合，说明 ＳＳｉＢ２ 模式经过参
数化后，基本可用于锦州玉米农田．
２􀆰 ２　 改进的根系描述方法对 ＳＳｉＢ２ 模式模拟能力
的影响
ｃａｓｅ Ｂ方案不考虑根的侧向生长；而 ｃａｓｅ Ｃ 方
案考虑了根的侧向生长，则其根分布在垂直方向上
是变化的．可用各土壤层的根长与总根长的比（Ｐ ｉ）
来反映根量的相对大小．值得注意的是，ｃａｓｅ Ｃ 方案
由冠层蒸腾所损失的土壤水分，一部分由表层土壤
提供，而 ｃａｓｅ Ｂ方案则只由根系层和深层土壤提供．
由图 １可以看出，ｃａｓｅ Ｃ 表层土壤的 Ｐ ｉ除了在
播种后 ３６～６８ ｄ时段内小于 ｃａｓｅ Ｂ 外，其余时段均
大于 ｃａｓｅ Ｂ．
２􀆰 ２􀆰 １改进的根系描述方法对土壤湿度模拟结果的
影响　 根系描述方法的改进影响土壤湿度的模拟结
果．从 ２００８年土壤湿度模拟结果（图 ２）可以看出，
ｃａｓｅ Ｂ、ｃａｓｅ Ｃ使得播种后 ８１～９２ ｄ、播种后 ９７～１０８
ｄ（表层、根系层土壤湿度模拟值出现极大值以后），
表层、根系层土壤湿度模拟值均大于 ｃａｓｅ Ａ；播种后
９７～１０８ ｄ，ｃａｓｅ Ｂ、ｃａｓｅ Ｃ 的深层土壤湿度模拟值均
小于 ｃａｓｅ Ａ；生育期后期，根系层、深层土壤湿度模
拟值均小于 ｃａｓｅ Ａ．但是，苗期（播种⁃播种后 ５８ ｄ）
ｃａｓｅ Ｂ与 ｃａｓｅ Ａ的模拟结果接近；另外，播种后 ５９～
８０ ｄ，该时段为夏季（６ 月 ２４ 日—７月 １５ 日），雨水
充足，ｃａｓｅ Ａ和 ｃａｓｅ Ｂ、ｃａｓｅ Ｃ的土壤湿度模拟值均
逐渐达到最大，此阶段 ｃａｓｅ Ａ和 ｃａｓｅ Ｂ、ｃａｓｅ Ｃ的土
壤湿度模拟值均较大且差异较小．
２􀆰 ２􀆰 ２改进的根系描述方法对陆气通量模拟结果的
影响　 从表 ３ 可以看出，ｃａｓｅ Ｂ 提高了整个生育期
内向上长波辐射、净辐射、潜热通量和感热通量的模
图 １　 表层（ａ）、根系层（ｂ）和深层（ｃ）的根长与总根长的比
Ｆｉｇ．１　 Ｒｏｏｔ ｌｅｎｇｔｈ ｐｅｒｃｅｎｔａｇｅ ｆｏｒ ｓｕｒｆａｃｅ ｌａｙｅｒ （ａ）， ｒｏｏｔ ｌａｙｅｒ
（ｂ） ａｎｄ ｄｅｅｐ ｌａｙｅｒ （ｃ） ｔｏ ｔｏｔａｌ ｌｅｎｇｔｈ．
Ⅰ： ｃａｓｅ Ａ； Ⅱ： ｃａｓｅ Ｂ； Ⅲ： ｃａｓｅ Ｃ． 下同 Ｔｈｅ ｓａｍｅ ｂｅｌｏｗ．
４１１３ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
图 ２　 表层（ａ）、根系层（ｂ）和深层（ｃ）土壤湿度模拟结果的
日平均值
Ｆｉｇ．２　 Ｓｉｍｕｌａｔｅｄ ｄａｉｌｙ ａｖｅｒａｇｅ ｓｏｉｌ ｍｏｉｓｔｕｒｅ ｉｎ ｔｈｅ ｓｕｒｆａｃｅ ｌａｙｅｒ
（ａ）， ｒｏｏｔ ｌａｙｅｒ （ｂ） ａｎｄ ｄｅｅｐ ｌａｙｅｒ （ｃ）．
拟精度．在整个生育期，ｃａｓｅ Ｂ 对应的向上长波辐
射、净辐射、潜热通量和感热通量模拟值与观测值的
Ｒ都大于 ｃａｓｅ Ａ，线性拟合的 ＲＭＳＥ 都小于 ｃａｓｅ Ａ；
但是，ｃａｓｅ Ｂ对应的 ＣＯ２通量模拟值与观测值的 Ｒ
小于 ｃａｓｅ Ａ、ＲＭＳＥ大于 ｃａｓｅ Ａ．
对于整个生育期而言，ｃａｓｅ Ｃ的净辐射、潜热通
量、感热通量模拟值与观测值的 Ｒ、线性拟合的
ＲＭＳＥ大小均介于 ｃａｓｅ Ａ和 ｃａｓｅ Ｂ之间．因此，变化
的根系深度和根长密度使得整个生育期内净辐射、
潜热通量、感热通量的模拟精度同样有所提高．在整
个生育期，与 ｃａｓｅ Ａ和 ｃａｓｅ Ｂ相比，ｃａｓｅ Ｃ的 ＣＯ２通
量模拟值与观测值线性拟合的 ＲＭＳＥ 最小，为
１􀆰 ００５，而 Ｒ则介于 ｃａｓｅ Ａ和 ｃａｓｅ Ｂ之间．
　 　 １）改进的根系描述方法对向上长波辐射模拟
结果的影响．如图 ３ 所示，对于向上长波辐射，播种⁃
播种后 ８７天，ｃａｓｅ Ａ、ｃａｓｅ Ｂ和 ｃａｓｅ Ｃ模拟值之间的
差异不大；播种后 ８７天⁃成熟，ｃａｓｅ Ｂ 的模拟值最接
近观测值，ｃａｓｅ Ｃ 次之．结合表 ３ 可以看出，整个生
育期内，ｃａｓｅ Ｂ的 Ｒ２最大、ＲＭＳＥ 最小；这主要是因
为在播种后 ８７ 天⁃成熟阶段，ｃａｓｅ Ｂ 的模拟精度最
高，进而使得整个生育期内模拟精度最高．
２）改进的根系描述方法对净辐射模拟结果的
影响．净辐射等于向下总辐射减去向上长波辐射和
向上短波辐射，而根系描述方法的改进对向上短波
表 ３　 ２００８年 ｃａｓｅ Ａ、ｃａｓｅ Ｂ和 ｃａｓｅ Ｃ各通量模拟值日平均值与观测值日平均值的相关系数
Ｔａｂｌｅ ３　 Ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｂｅｔｗｅｅｎ ｏｂｓｅｒｖｅｄ ａｎｄ ｓｉｍｕｌａｔｅｄ ｄａｉｌｙ ａｖｅｒａｇｅ ｖａｌｕｅｓ ｏｆ ｖａｒｉｏｕｓ ｆｌｕｘｅｓ ｂｙ ＳＳｉＢ２ ｍｏｄｅｌ ｉｎ
ｃａｓｅ Ａ， ｃａｓｅ Ｂ ａｎｄ ｃａｓｅ Ｃ ｉｎ ２００８
方案
Ｓｃｈｅｍｅ
变量
Ｖａｒｉａｂｌｅｓ
单位
Ｕｎｉｔｓ
线性拟合的 Ｒ２
Ｄｅｔｅｒｍｉｎａｔｉｏｎ
ｃｏｅｆｆｉｃｉｅｎｔ
（Ｒ２） ｏｆ
ｌｉｎｅａｒ ｆｉｔｔｉｎｇ
线性拟合的 ＲＭＳＥ
Ｒｏｏｔ ｍｅａｎ
ｓｑｕａｒｅ ｅｒｒｏｒ
（ＲＭＳＥ） ｏｆ
ｌｉｎｅａｒ ｆｉｔｔｉｎｇ
相关系数
Ｃｏｒｒｅｌａｔｉｏｎ
ｃｏｅｆｆｉｃｉｅｎｔ
Ａ 向上长波辐射 Ｕｐｗａｒｄ ｓｈｏｒｔｗａｖｅ ｒａｄｉａｔｉｏｎ Ｗ·ｍ－２ ０．９０３８ ５．６４８ ０．９５０７
净辐射 Ｎｅｔ ｒａｄｉａｔｉｏｎ Ｗ·ｍ－２ ０．９５８０ ９．０８１ ０．９７８８
潜热 Ｌａｔｅｎｔ ｈｅａｔ Ｗ·ｍ－２ ０．３６３０ ２８．５３０ ０．６０２５
感热 Ｓｅｎｓｉｂｌｅ ｈｅａｔ Ｗ·ｍ－２ ０．６６８０ １９．１６０ ０．８１７３
ＣＯ２ 通量 ＣＯ２ ｆｌｕｘ １０－６ ｍｏｌ·ｍ－２·ｓ－１ ０．７４４０ １．０１７ ０．８７９８
Ｂ 向上长波辐射 Ｕｐｗａｒｄ ｓｈｏｒｔｗａｖｅ ｒａｄｉａｔｉｏｎ Ｗ·ｍ－２ ０．９０６５ ４．５４９ ０．９５２１
净辐射 Ｎｅｔ ｒａｄｉａｔｉｏｎ Ｗ·ｍ－２ ０．９６２２ ８．６５６ ０．９８０９
潜热 Ｌａｔｅｎｔ ｈｅａｔ Ｗ·ｍ－２ ０．３８３５ ２８．１５０ ０．６１９３
感热 Ｓｅｎｓｉｂｌｅ ｈｅａｔ Ｗ·ｍ－２ ０．７１８１ １７．３２０ ０．８４７４
ＣＯ２ 通量 ＣＯ２ ｆｌｕｘ １０－６ ｍｏｌ·ｍ－２·ｓ－１ ０．７２３６ １．０５６ ０．８５０６
Ｃ 向上长波辐射 Ｕｐｗａｒｄ ｓｈｏｒｔｗａｖｅ ｒａｄｉａｔｉｏｎ Ｗ·ｍ－２ ０．９０１０ ４．６９０ ０．９４９０
净辐射 Ｎｅｔ ｒａｄｉａｔｉｏｎ Ｗ·ｍ－２ ０．９５９２ ８．９８４ ０．９７９０
潜热 Ｌａｔｅｎｔ ｈｅａｔ Ｗ·ｍ－２ ０．３７００ ２８．１７０ ０．６０８０
感热 Ｓｅｎｓｉｂｌｅ ｈｅａｔ Ｗ·ｍ－２ ０．６８１７ １８．５４０ ０．８２６０
ＣＯ２ 通量 ＣＯ２ ｆｌｕｘ １０－６ ｍｏｌ·ｍ－２·ｓ－１ ０．７４２２ １．００５ ０．８６２０
５１１３１０期　 　 　 　 　 　 　 　 　 　 　 　 才奎冶等： 陆面模式中根系参数的改进及其对模拟结果的影响　 　 　 　 　 　
辐射的模拟无影响，所以对净辐射模拟结果的改进
与向上长波辐射是一致的．整个生育期内，ｃａｓｅ Ｂ 的
Ｒ２最大、ＲＭＳＥ最小；而 ｃａｓｅ Ｃ介于 ｃａｓｅ Ａ和 ｃａｓｅ Ｂ
图 ３　 ２００８年向上长波辐射、净辐射、潜热通量、感热通量模
拟值与观测值的日平均值变化
Ｆｉｇ．３ 　 Ｖａｒｉａｔｉｏｎ ｏｆ ｓｉｍｕｌａｔｅｄ ａｎｄ ｏｂｓｅｒｖｅｄ ｄａｉｌｙ ａｖｅｒａｇｅ ｕｐ⁃
ｗａｒｄ ｌｏｎｇｗａｖｅ ｒａｄｉａｔｉｏｎ， ｎｅｔ ｒａｄｉａｔｉｏｎ， ｌａｔｅｎｔ ｈｅａｔ ｆｌｕｘ， ｓｅｎｓｉｂｌｅ
ｈｅａｔ ｆｌｕｘ ｉｎ ２００８．
Ⅳ： 观测值 Ｏｂｓｅｒｖｅｄ ｖａｌｕｅ． 下同 Ｔｈｅ ｓａｍｅ ｂｅｌｏｗ．
之间（表 ３）．根据图 ３，播种后 ８７ 天⁃成熟阶段，ｃａｓｅ
Ｂ净辐射的模拟值最接近观测值，进而使得整个生
育期内模拟精度最高；ｃａｓｅ Ｃ次之．
　 　 ３）改进的根系描述方法对潜热通量模拟结果
的影响．ｃａｓｅ Ｂ、ｃａｓｅ Ｃ 均使得整个生育期潜热通量
的模拟精度较 ｃａｓｅ Ａ有所提高：Ｒ２增大、ＲＭＳＥ减小
（表 ３）．根据图 ３，ｃａｓｅ Ａ、ｃａｓｅ Ｂ 和 ｃａｓｅ Ｃ 之间的差
异在播种后 ４５ ～ ５５ ｄ、播种后 １１０ 天⁃成熟两个阶段
较明显；播种后 １１０ 天⁃成熟的大部分时间、尤其是
１３６天⁃成熟阶段，ｃａｓｅ Ｂ、ｃａｓｅ Ｃ 的模拟值更接近观
测值，并且 ｃａｓｅ Ｂ 的模拟值最接近观测值．另外，在
潜热通量的峰值时段（播种后 ７０ ～ １１０ ｄ，图中未显
示出），模拟值之间差异很小，根系描述方法的改进
对模拟结果影响不明显．
　 　 ４）改进的根系描述方法对感热通量模拟结果
的影响．ｃａｓｅ Ｂ、ｃａｓｅ Ｃ 均使得整个生育期感热通量
的模拟精度较 ｃａｓｅ Ａ有所提高：Ｒ２增大、ＲＭＳＥ减小
（表 ３）．根据图 ３，在播种后 １１０ 天⁃成熟阶段内的大
部分时间，ｃａｓｅ Ａ、ｃａｓｅ Ｂ和 ｃａｓｅ Ｃ 模拟值大于观测
值，且 ｃａｓｅ Ｂ和 ｃａｓｅ Ｃ 的感热通量的模拟值更接近
观测值、ｃａｓｅ Ｂ的模拟值最接近观测值．
　 　 ５）改进的根系描述方法对 ＣＯ２通量模拟结果的
影响．根据表 ３，对于整个生育期而言，ｃａｓｅ Ｂ 的 ＣＯ２
通量的模拟精度低与 ｃａｓｅ Ａ．但是根据图 ４，播种后
１２１天⁃成熟，ｃａｓｅ Ｂ的 ＣＯ２通量模拟值小于 ｃａｓｅ Ａ，
且绝大多数时间更接近观测值（此阶段 Ｒ 比 ｃａｓｅ Ａ
大 ０．０１３，ＲＭＳＥ 比 ｃａｓｅ Ａ 小 ０． ２６，未显示在表 ３
中），ｃａｓｅ Ｂ 该时段 ＣＯ２通量的模拟精度较 ｃａｓｅ Ａ
高．
与 ｃａｓｅ Ａ 相比，ｃａｓｅ Ｃ 的 ＣＯ２通量模拟值在播
种后１２１天⁃成熟的绝大多数时间内更接近观测值
图 ４　 ２００８年 ＣＯ２通量模拟值与观测值的日平均值变化
Ｆｉｇ．４　 Ｖａｒｉａｔｉｏｎ ｏｆ ｓｉｍｕｌａｔｅｄ ａｎｄ ｏｂｓｅｒｖｅｄ ｄａｉｌｙ ａｖｅｒａｇｅ ＣＯ２
ｆｌｕｘ ｉｎ ２００８．
６１１３ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
图 ５　 ２０１１年潜热通量和感热通量模拟值与观测值的日平
均值变化
Ｆｉｇ．５　 Ｖａｒｉａｔｉｏｎ ｏｆ ｓｉｍｕｌａｔｅｄ ａｎｄ ｏｂｓｅｒｖｅｄ ｄａｉｌｙ ｌａｔｅｎｔ ｈｅａｔ ｆｌｕｘ
ａｎｄ ｓｅｎｓｉｂｌｅ ｈｅａｔ ｆｌｕｘ ｉｎ ２０１１．
（Ｒ比 ｃａｓｅ Ａ大 ０．００６，ＲＭＳＥ 比 ｃａｓｅ Ａ 小 ０．１０３，未
显示在表 ３中），ｃａｓｅ Ｃ该时段 ＣＯ２通量的模拟精度
同样较 ｃａｓｅ Ａ高．
播种⁃播种后 １０９ 天的大部分时间，ｃａｓｅ Ａ、ｃａｓｅ
Ｂ和 ｃａｓｅ Ｃ 的模拟结果相差很小．另外，在播种后
６０～１００ ｄ，ｃａｓｅ Ａ、ｃａｓｅ Ｂ、ｃａｓｅ Ｃ的模拟值与观测值
均相差较多，这主要与该阶段内叶面积指数、绿叶百
分数、植被覆盖率等参数值的设置有关，因为这些参
数的值是采用 ＣＥＲＥＳ⁃Ｍａｉｚｅ 根系子模型输出的动
态值，它们与实际值之间的差异共同决定了陆气通
量的模拟值与观测值之间的差异．
２００８年资料的模拟结果表明，更加详尽的根系
考虑（同时考虑变化的根系深度和根长密度）并不
能在只考虑变化根深的基础上，进一步提高对整个
生育期内潜热、感热等通量的模拟能力，以及对生育
期后期（播种后 １２１ 天⁃成熟）ＣＯ２通量的模拟能力．
经分析，这是因为其过分夸大了表层土壤的相对
根量．
２􀆰 ２􀆰 ３模式改进可靠性验证　 运用 ２０１１ 年的资料，
进一步说明模型改进的可靠性．由于资料有限，本文
仅对七叶后 １８ ｄ 内的潜热通量和感热通量进行模
拟验证．统计结果显示，ｃａｓｅ Ｂ模拟效果最好，ｃａｓｅ Ｂ
潜热通量模拟值日平均值和观测值日平均值的 Ｒ２
为 ０． ７５５２， ＲＭＳＥ 为 １３． ８５５， ｃａｓｅ Ａ 对应的 Ｒ２为
０􀆰 ７５１８， ＲＭＳＥ 为 １３． ９０８， ｃａｓｅ Ｃ 对应的 Ｒ２ 为
０􀆰 ７４９５，ＲＭＳＥ为 １３．９０９；ｃａｓｅ Ｂ 感热通量模拟值日
平均值和观测值日平均值的 Ｒ２为 ０．９４０７，ＲＭＳＥ 为
２２． １３８， ｃａｓｅ Ａ 对应的 Ｒ２ 为 ０． ９３８８， ＲＭＳＥ 为
２２􀆰 ２９９，ｃａｓｅ Ｃ对应的 Ｒ２为 ０．９３６７，ＲＭＳＥ为 ２２．６５４．
从图 ５可以看出，七叶后 １６～１８ ｄ，ｃａｓｅ Ｂ 潜热通量
和感热通量的模拟结果最接近观测值．
上述模拟结果显示，ｃａｓｅ Ｃ 虽然更加详尽地考
虑了根的分布状况，但其过分夸大了土壤表层的相
对根量，导致其模拟精度反而有所下降．
３　 结　 　 论
陆面过程模式中的根系描述过程存在一定缺
陷，本文在陆面过程模式 ＳＳｉＢ２ 锦州玉米农田参数
本地化的基础上，将 ＣＥＲＥＳ⁃Ｍａｉｚｅ 的根系子模型与
ＳＳｉＢ２模式嵌套，以期改善 ＳＳｉＢ２ 模式，提高陆气通
量的模拟精度．
将根系模型与参数化后的 ＳＳｉＢ２ 嵌套，探讨两
种不同的根系处理方案对 ＳＳｉＢ２ 感热、潜热等通量
模拟结果的影响．结果表明：当根系模型只为 ＳＳｉＢ２
模式提供变化的根系深度（方案 １）时，全生育期内
的感热、潜热通量、向上长波辐射、净辐射通量的模
拟精度均有提高；然而对整个生育期而言，ＣＯ２通量
模拟精度基本没有任何提高，仅在生育期后期（播
种后 １２１ 天⁃成熟），ＣＯ２通量的模拟精度有所提高．
当根系模型为 ＳＳｉＢ２模式同时提供根系深度和根长
密度两种参数（方案 ２）时，全生育期内的净辐射通
量和感热、潜热通量的模拟精度也同样得到提高；在
生育期后期（播种后 １２１ 天⁃成熟），ＣＯ２通量的模拟
精度也有所提高．方案 ２ 过分夸大了表层土壤的相
对根量，使其模拟结果逊色于方案 １．
在本文同时考虑变化的根系深度和根长密度对
各变量模拟结果影响的基础上，可探讨 ｗｒ 的改
进［３０］（改变 δ 或 Ｚｍａｘ的大小，或引入土壤水分影响
因子的数学表达式）是否能够进一步提高陆气通量
的模拟精度．
参考文献
［１］　 Ｔｓｖｅｔｓｉｎｓｋａｙａ ＥＡ， Ｍｅａｒｎｓ ＬＯ， Ｅａｓｔｅｒｌｉｎｇ ＷＥ． Ｉｎｖｅｓｔｉ⁃
ｇａｔｉｎｇ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｓｅａｓｏｎａｌ ｐｌａｎｔ ｇｒｏｗｔｈ ａｎｄ ｄｅｖｅｌｏｐ⁃
ｍｅｎｔ ｉｎ ｔｈｒｅｅ⁃ｄｉｍｅｎｓｉｏｎａｌ ａｔｍｏｓｐｈｅｒｉｃ ｓｉｍｕｌａｔｉｏｎｓ． Ｐａｒｔ
Ｉ： Ｓｉｍｕｌａｔｉｏｎ ｏｆ ｓｕｒｆａｃｅ ｆｌｕｘｅｓ ｏｖｅｒ ｔｈｅ ｇｒｏｗｉｎｇ ｓｅａｓｏｎ．
Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｍａｔｅ， ２００１， １４： ６９２－７０９
［２］　 Ｃａｉ Ｆ （蔡　 福）， Ｚｈｏｕ Ｇ⁃Ｓ （周广胜）， Ｌｉ Ｒ⁃Ｐ （李荣
７１１３１０期　 　 　 　 　 　 　 　 　 　 　 　 才奎冶等： 陆面模式中根系参数的改进及其对模拟结果的影响　 　 　 　 　 　
平）， ｅｔ ａｌ． Ｓｅｎｓｉｔｉｖｉｔｙ ｏｆ ｌａｎｄ ｓｕｒｆａｃｅ ｍｏｄｅｌ ｔｏ ｄｙｎａｍｉｃ
ｌａｎｄ ｓｕｒｆａｃｅ ｐａｒａｍｅｔｅｒｓ． Ａｄｖａｎｃｅ ｉｎ Ｅａｒｔｈ Ｓｃｉｅｎｃｅ （地球
科学进展）， ２０１１， ２６（３）： ３００－３１０ （ｉｎ Ｃｈｉｎｅｓｅ）
［３］　 Ｃａｉ Ｆ （蔡　 福）， Ｍｉｎｇ Ｈ⁃Ｑ （明惠青）， Ｌｉ Ｒ⁃Ｐ （李荣
平）， ｅｔ ａｌ． Ｅｆｆｅｃｔｓ ｏｆ ｄｙｎａｍｉｃ ａｅｒｏｄｙｎａｍｉｃ ｐａｒａｍｅｔｅｒｓ
ｏｎ ｓｉｍｕｌａｔｉｎｇ ｔｈｅ ｌａｎｄ⁃ａｔｍｏｓｐｈｅｒｅ ｆｌｕｘ ｅｘｃｈａｎｇｅ ｉｎ
ｍａｉｚｅ ｆｉｅｌｄ： Ａ ｃａｓｅ ｓｔｕｄｙ ｏｆ ＢＡＴＳｌｅ ｍｏｄｅｌ． Ｃｈｉｎｅｓｅ
Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应用生态学报）， ２０１３， ２４
（８）： ２２６５－２２７３（ｉｎ Ｃｈｉｎｅｓｅ）
［４］ 　 Ｃｈｅｎ Ｆ， Ｘｉｅ ＺＨ． Ｅｆｆｅｃｔｓ ｏｆ ｃｒｏｐ ｇｒｏｗｔｈ ａｎｄ ｄｅｖｅｌｏｐ⁃
ｍｅｎｔ ｏｎ ｌａｎｄ ｓｕｒｆａｃｅ ｆｌｕｘｅｓ． Ａｄｖａｎｃｅｓ ｉｎ Ａｔｍｏｓｐｈｅｒｉｃ Ｓｃｉ⁃
ｅｎｃｅｓ， ２０１１， ２８： ９２７－９４４
［５］　 Ｌｏｋｕｐｉｔｉｙａ Ｅ， Ｄｅｎｎｉｎｇ ＡＳ， Ｐａｕｓｔｉａｎ Ｋ， ｅｔ ａｌ． Ｉｎｃｏｒｐｏ⁃
ｒａｔｉｏｎ ｏｆ ｃｒｏｐ ｐｈｅｎｏｌｏｇｙ ｉｎ ｓｉｍｐｌｅ ｂｉｏｓｐｈｅｒｅ ｍｏｄｅｌ
（ＳｉＢｃｒｏｐ） ｔｏ ｉｍｐｒｏｖｅ ｌａｎｄ⁃ａｔｍｏｓｐｈｅｒｅ ｃａｒｂｏｎ ｅｘｃｈａｎｇｅｓ
ｆｒｏｍ ｃｒｏｐｌａｎｄｓ． Ｂｉｏｇｅｏｓｃｉｅｎｃｅｓ， ２００９， ６： ９６９－９８６
［６］　 Ｓｋａｇｇｓ ＴＨ， Ｓｈｏｕｓｅ ＰＪ． Ｒｏｏｔｓ ａｎｄ ｒｏｏｔ ｆｕｎｃｔｉｏｎ： Ｉｎｔｒｏ⁃
ｄｕｃｔｉｏｎ． Ｖａｄｏｓｅ Ｚｏｎｅ Ｊｏｕｒｎａｌ， ２００８， ７： １００８－１００９
［７］　 Ｚｈｏｕ Ｊ （周　 剑）， Ｌｉ Ｘ （李　 新）， Ｗａｎｇ Ｇ⁃Ｘ （王根
绪）， ｅｔ ａｌ． Ｃｏｕｐｌｅｄ ｌａｎｄ ｓｕｒｆａｃｅ ｐｒｏｃｅｓｓ ｐａｔｔｅｒｎ ＳＩＢ２
ｗｉｔｈ ｔｈｅ ｕｎｓａｔｕｒａｔｅｄ ｓｅｅｐａｇｅ ｍｏｄｅｌ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ．
Ａｄｖａｎｃｅ ｉｎ Ｅａｒｔｈ Ｓｃｉｅｎｃｅ （地球科学进展）， ２００８， ２３
（６）： ５７０－５７９ （ｉｎ Ｃｈｉｎｅｓｅ）
［８］　 Ｆｅｎｇ Ｑ （冯 　 起）， Ｓｉ Ｊ⁃Ｈ （司建华）， Ｌｉ Ｊ⁃Ｌ （李建
林）， ｅｔ ａｌ． Ｆｅａｔｕｒｅ ｏｆ ｒｏｏｔ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ Ｐｏｐｕｌｕｓ ｅｕｐｈ⁃
ｒａｔｉｃａ ａｎｄ ｉｔｓ ｗａｔｅｒ ｕｐｔａｋｅ ｍｏｄｅｌ ｉｎ ｅｘｔｒｅｍｅ ａｒｉｄ ｒｅｇｉｏｎ．
Ａｄｖａｎｃｅ ｉｎ Ｅａｒｔｈ Ｓｃｉｅｎｃｅ （地球科学进展）， ２００８， ２３
（７）： ７６５－７７２ （ｉｎ Ｃｈｉｎｅｓｅ）
［９］　 Ｑｉ Ｌ⁃Ｂ （齐丽彬）， Ｆａｎ Ｊ （樊　 军）， Ｓｈａｏ Ｍ⁃Ａ （邵明
安）， ｅｔ ａｌ． Ｓｉｍｕｌａｔｉｏｎ ａｎｄ ｖｅｒｉｆｉｃａｔｉｏｎ ｏｆ ｓｏｉｌ ｍｏｉｓｔｕｒｅ ｏｆ
ｒｏｏｔ ｄｉｓｔｒｉｂｕｔｉｏｎ ｆｕｎｃｔｉｏｎｓ ｆｏｒ ａｌｆａｌｆａ． Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ
Ｃｈｉｎｅｓｅ Ｓｏｃｉｅｔｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｅｎｇｉｎｅｅｒｉｎｇ （农业工程
学报）， ２００９， ２５（４）： ２４－２９ （ｉｎ Ｃｈｉｎｅｓｅ）
［１０］　 Ａｒｏｒａ ＶＫ， Ｂｏｅｒ ＧＪ． Ａ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｏｆ ｖａｒｉａｂｌｅ ｒｏｏｔ
ｄｉｓｔｒｉｂｕｔｉｏｎ ｉｎ ｄｙｎａｍｉｃ ｖｅｇｅｔａｔｉｏｎ ｍｏｄｅｌｓ． Ｅａｒｔｈ Ｉｎｔｅｒａｃ⁃
ｔｉｏｎｓ， ２００３， ７： １－１９
［１１］　 Ｏｌｅｓｏｎ ＫＷ， Ｌａｗｒｅｎｃｅ ＤＭ， Ｂｏｎａｎ ＧＢ， ｅｔ ａｌ． Ｔｅｃｈｎｉｃａｌ
Ｄｅｓｃｒｉｐｔｉｏｎ ｏｆ Ｖｅｒｓｉｏｎ ４．０ ｏｆ ｔｈｅ Ｃｏｍｍｕｎｉｔｙ Ｌａｎｄ Ｍｏｄｅｌ
（ＣＬＭ）． Ｃｏｌｏｒａｄｏ： ＮＣＡＲ Ｔｅｃｈｎｉｃａｌ Ｎｏｔｅ ＮＣＡＲ ／ ＴＮ⁃
４７８＋ＳＴＲ， ２０１０
［１２］　 Ｚｅｎｇ ＸＢ． Ｇｌｏｂａｌ ｖｅｇｅｔａｔｉｏｎ ｒｏｏｔ ｄｉｓｔｒｉｂｕｔｉｏｎ ｆｏｒ ｌａｎｄ
ｍｏｄｅｌｉｎｇ． Ｊｏｕｒｎａｌ ｏｆ Ｈｙｄｒｏｍｅｔｅｏｒ， ２００１， ２： ５２５－５３０
［１３］　 Ｓｅｌｌｅｒｓ ＰＪ， Ｍｉｎｔｚ Ｙ， Ｓｕｄ ＹＣ， ｅｔ ａｌ． Ａ ｓｉｍｐｌｅ ｂｉｏｓｐｈｅｒｅ
ｍｏｄｅｌ （ＳｉＢ） ｆｏｒ ｕｓｅ ｗｉｔｈｉｎ ｇｅｎｅｒａｌ ｃｉｒｃｕｌａｔｉｏｎ ｍｏｄｅｌｓ．
Ｊｏｕｒｎａｌ ｏｆ Ａｔｍｏｓｐｈｅｒｉｃ Ｓｃｉｅｎｃｅｓ， １９８６， ４３： ５０５－５３１
［１４］　 Ｘｕｅ ＹＫ， Ｓｅｌｌｅｒｓ ＰＪ， Ｋｉｎｔｅｒ ＪＬ， ｅｔ ａｌ． Ａ ｓｉｍｐｌｉｆｉｅｄ ｂｉｏ⁃
ｓｐｈｅｒｅ ｍｏｄｅｌ ｆｏｒ ｇｌｏｂａｌ ｃｌｉｍａｔｅ ｓｔｕｄｉｅｓ． Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉ⁃
ｍａｔｅ， １９９１， ４： ３４５－３６４
［１５］　 Ｄｉｃｋｉｎｓｏｎ ＲＥ， Ｈｅｎｄｅｒｓｏｎ⁃Ｓｅｌｌｅｒｓ Ａ， Ｋｅｎｎｅｄｙ ＰＪ， ｅｔ
ａｌ． Ｂｉｏｓｐｈｅｒｅ⁃Ａｔｍｏｓｐｈｅｒｅ Ｔｒａｎｓｆｅｒ Ｓｃｈｅｍｅ （ＢＡＴＳ） ｆｏｒ
ｔｈｅ ＮＣＡＲ Ｃｏｍｍｕｎｉｔｙ Ｃｌｉｍａｔｅ Ｍｏｄｅｌ． Ｃｏｌｏｒａｄｏ： ＮＣＡＲ
Ｔｅｃｈｎｉｃａｌ Ｎｏｔｅ ＮＣＡＲ ／ ＴＮ⁃２７５＋ＳＴＲ， １９８６
［１６］　 Ｌｅｖｉｓ Ｓ， Ｂｏｎａｎ ＧＢ， Ｖｅｒｔｅｎｓｔｅｉｎ Ｍ， ｅｔ ａｌ． Ｔｈｅ Ｃｏｍｍｕ⁃
ｎｉｔｙ Ｌａｎｄ Ｍｏｄｅｌ’ｓ Ｄｙｎａｍｉｃ Ｇｌｏｂａｌ Ｖｅｇｅｔａｔｉｏｎ Ｍｏｄｅｌ
（ ＣＬＭ⁃ＤＧＶＭ ）： Ｔｅｃｈｎｉｃａｌ Ｄｅｓｃｒｉｐｔｉｏｎ ａｎｄ Ｕｓｅｒ ’ ｓ
Ｇｕｉｄｅ． ＮＣＡＲ Ｔｅｃｈｎｉｃａｌ Ｎｏｔｅ ＮＣＡＲ ／ ＴＮ⁃４５９ ＋ ＳＴＲ．
Ｂｏｕｌｄｅｒ， ＣＯ： Ｎａｔｉｏｎａｌ Ｃｅｎｔｅｒ ｆｏｒ Ａｔｍｏｓｐｈｅｒｉｃ Ｒｅ⁃
ｓｅａｒｃｈ， ２００４
［１７］　 Ｗａｎｇ ＥＬ， Ｓｍｉｔｈ ＣＪ． Ｍｏｄｅｌｌｉｎｇ ｔｈｅ ｇｒｏｗｔｈ ａｎｄ ｗａｔｅｒ ｕｐ⁃
ｔａｋｅ ｆｕｎｃｔｉｏｎ ｏｆ ｐｌａｎｔ ｒｏｏｔ ｓｙｓｔｅｍｓ： Ａ ｒｅｖｉｅｗ． Ａｕｓｔｒａｌｉａｎ
Ｊｏｕｒｎａｌ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｒｅｓｅａｒｃｈ， ２００４， ５５： ５０１－５２３
［１８］　 Ｊｏｎｅｓ ＣＡ， Ｋｉｎｉｒｙ ＪＲ． ＣＥＲＥＳ⁃Ｍａｉｚｅ， Ａ Ｓｉｍｕｌａｔｉｏｎ
Ｍｏｄｅｌ ｏｆ Ｍａｉｚｅ Ｇｒｏｗｔｈ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ． Ｔｅｘａｓ： Ｔｅｘａｓ
Ａ＆Ｍ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ， １９８６
［１９］　 Ｗｉｌｌｉａｍｓ ＪＲ， Ｊｏｎｅｓ ＣＡ， Ｋｉｎｉｒｙ ＪＲ． Ｔｈｅ ＥＰＩＣ ｃｒｏｐ
ｇｒｏｗｔｈ ｍｏｄｅｌ． Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ Ａｍｅｒｉｃａｎ Ｓｏｃｉｅｔｙ ｏｆ
Ａｇｒｉｃｕｌｔｕｒａｌ Ｅｎｇｉｎｅｅｒｓ， １９８９， ３２： ４９７－５１１
［２０］　 ｖａｎ Ｄｉｅｐｅｎ ＣＡ， Ｗｏｌｆ Ｊ， ｖａｎ Ｋｅｕｌｅｎ Ｈ， ｅｔ ａｌ． ＷＯ⁃
ＦＯＳＴ： Ａ ｓｉｍｕｌａｔｉｏｎ ｍｏｄｅｌ ｏｆ ｃｒｏｐ ｐｒｏｄｕｃｔｉｏｎ． Ｓｏｉｌ Ｕｓｅ
ａｎｄ Ｍａｎａｇｅｍｅｎｔ， １９８９， ５： １６－２４
［２１］　 Ｋｅａｔｉｎｇ ＢＡ， Ｃａｒｂｅｒｒｙ ＰＳ， Ｈａｍｍｅｒ ＧＬ， ｅｔ ａｌ． Ａｎ ｏｖｅｒ⁃
ｖｉｅｗ ｏｆ ＡＰＳＩＭ， ａ ｍｏｄｅｌ ｄｅｓｉｇｎｅｄ ｆｏｒ ｆａｒｍｉｎｇ ｓｙｓｔｅｍｓ
ｓｉｍｕｌａｔｉｏｎ． Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ａｇｒｏｎｏｍｙ， ２００３， １８：
２６７－２８８
［２２］ 　 Ｐａｓｑｕａｌｅ Ｓ， Ｔｈｅｏｄｏｒｅ ＣＨ， Ｄｉｒｋ Ｒ， ｅｔ ａｌ． ＡｑｕａＣｒｏｐ：
Ｔｈｅ ＦＡＯ ｃｒｏｐ ｍｏｄｅｌ ｔｏ ｓｉｍｕｌａｔｅ ｙｉｅｌｄ ｒｅｓｐｏｎｓｅ ｔｏ ｗａｔｅｒ：
Ｉ． Ｃｏｎｃｅｐｔｓ ａｎｄ ｕｎｄｅｒｌｙｉｎｇ ｐｒｉｎｃｉｐｌｅｓ． Ａｇｒｏｎｏｍｙ Ｊｏｕｒ⁃
ｎａｌ， ２００９， １０１： ４２６－４３７
［２３］　 Ｇｅｒｗｉｔｚ Ａ， Ｐａｇｅ ＥＲ． Ａｎ ｅｍｐｉｒｉｃａｌ ｍａｔｈｅｍａｔｉｃａｌ ｍｏｄｅｌ
ｔｏ ｄｅｓｃｒｉｂｅ ｐｌａｎｔ ｒｏｏｔ ｓｙｓｔｅｍｓ． Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏ⁃
ｇｙ， １９７４， １１： ７７３－７８１
［２４］　 ｄｅ Ｖｒｉｅｓ Ｐｅｎｎｉｎｇ ＦＷＴ， Ｊａｎｓｅｎ ＤＭ， ｔｅｎ Ｂｅｒｇｅ ＨＦＭ， ｅｔ
ａｌ． Ｓｉｍｕｌａｔｉｏｎ ｏｆ Ｅｃｏｐｈｙｓｉｏｌｏｇｉｃａｌ Ｐｒｏｃｅｓｓｅｓ ｏｆ Ｇｒｏｗｔｈ ｉｎ
Ｓｅｖｅｒａｌ Ａｎｎｕａｌ Ｃｒｏｐｓ． Ｗａｇｅｎｉｎｇｅｎ， Ｔｈｅ Ｎｅｔｈｅｒｌａｎｄｓ：
Ｐｕｄｏｃ １９８９
［２５］　 Ｃｈｉｎａ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ （国家气象局）．
Ａｇｒｉｃｕｌｔｕｒａｌ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｏｂｓｅｒｖａｔｉｏｎ Ｓｐｅｃｉｆｉｃａｔｉｏｎ
（Ｓｏｉｌ Ｍｏｉｓｔｕｒｅ Ｖｏｌｕｍｅ）． Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ
Ｐｒｅｓｓ， １９９３ （ｉｎ Ｃｈｉｎｅｓｅ）
［２６］　 Ｃａｉ Ｋ⁃Ｙ （才奎冶）， Ｌｉｕ Ｊ⁃Ｍ （刘晶淼）， Ｚｈａｎｇ Ｚ⁃Ｑ
（张正秋）， ｅｔ ａｌ． Ｎｕｍｅｒｉｃａｌ ｓｔｕｄｙ ｏｎ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｓｏｉｌ
ｍｏｉｓｔｕｒｅ ｏｎ ｃｒｏｐ ｒｏｏｔ ｇｒｏｗｔｈ． Ｒｅｓｏｕｒｃｅｓ Ｓｃｉｅｎｃｅ （资源科
学）， ２０１４， ３６（１０）： ２２０３－２２１４ （ｉｎ Ｃｈｉｎｅｓｅ）
［２７］　 Ｌｉｕ Ｊ⁃Ｍ （刘晶淼）， Ａｎ Ｓ⁃Ｑ （安顺清）， Ｌｉａｏ Ｒ⁃Ｗ （廖
荣伟）， ｅｔ ａｌ． Ｔｅｍｐｏｒａｌ ｖａｒｉａｔｉｏｎ ａｎｄ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ
ｏｆ ｔｈｅ ｒｏｏｔ ｓｙｓｔｅｍ ｏｆ ｃｏｒｎ ｉｎ ａ ｓｏｉｌ ｐｒｏｆｉｌｅ． Ｃｈｉｎｅｓｅ Ｊｏｕｒ⁃
ｎａｌ ｏｆ Ｅｃｏ⁃Ａｇｒｉｃｕｌｔｕｒｅ （中国生态农业学报）， ２００９，
１７（３）： ５１７－５２１ （ｉｎ Ｃｈｉｎｅｓｅ）
［２８］　 Ｊｏｎｅｓ ＪＷ， Ｈｏｏｇｅｎｂｏｏｍ Ｇ， Ｐｏｒｔｅｒ ＣＨ， ｅｔ ａｌ． Ｔｈｅ ＤＳ⁃
ＳＡＴ ｃｒｏｐｐｉｎｇ ｓｙｓｔｅｍ ｍｏｄｅｌ． Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ａｇｒｏｎ⁃
ｏｍｙ， ２００３， １８： ２３５－２６５
［２９］　 Ｈｕ Ｙ⁃Ｎ （胡亚南）， Ｃｈａｉ Ｓ⁃Ｚ （柴绍忠）， Ｘｕ Ｙ⁃Ｌ （许
吟隆）， ｅｔ ａｌ． Ｖａｌｉｄａｔｉｏｎ ｏｆ ＣＥＲＥＳ⁃ｍａｉｚｅ ｍｏｄｅｌ ｉｎ ｍａｉｎ
ｍａｉｚｅ ｐｌａｎｔｉｎｇ ｒｅｇｉｏｎｓ ｉｎ Ｃｈｉｎａ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ
Ａｇｒｏｍｅｔｅｏｒｏｌｏｇｙ （中国农业气象）， ２００８， ２９ （ ４）：
３８３－３８６ （ｉｎ Ｃｈｉｎｅｓｅ）
［３０］　 Ｚｈｕａｎｇ Ｊ， Ｙｕ ＧＲ， Ｎａｋａｙａｍａ Ｋ． Ｓｃａｌｉｎｇ ｏｆ ｒｏｏｔ ｌｅｎｇｔｈ
ｄｅｎｓｉｔｙ ｏｆ ｍａｉｚｅ ｉｎ ｔｈｅ ｆｉｅｌｄ ｐｒｏｆｉｌｅ． Ｐｌａｎｔ ａｎｄ Ｓｏｉｌ，
２００１， ２３５： １３５－１４２
作者简介　 才奎冶，男，１９８８年生，硕士研究生． 主要从事天
气预报及陆面过程模式研究． Ｅ⁃ｍａｉｌ： １９８８０９０１ｃｋｙ＠１６３．ｃｏｍ
责任编辑　 杨　 弘
８１１３ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷