全 文 ：ＡＰＳＩＭ模型在西南地区的适应性评价
———以重庆冬小麦为例∗
戴　 彤１　 王　 靖１∗∗　 赫　 迪１　 张建平２　 王　 娜１
（ １中国农业大学资源与环境学院， 北京 １００１９３； ２重庆市气象科学研究所， 重庆 ４０１１４７）
摘　 要　 利用重庆市 ４个代表性站点的小麦田间观测数据和同期逐日气象数据对 ＡＰＳＩＭ 模
型在重庆小麦产区的适应性进行研究，确定了 １２ 个小麦品种的作物参数．结果表明： 模拟小
麦的播种至出苗、开花和成熟各阶段天数与实测值具有较好的一致性，其均方根误差值分别
为０～３、１～８和 ０～８ ｄ；模拟的 １２个小麦品种中，模拟与实测地上部分生物量的归一化均方根
误差（ＮＲＭＳＥ）均低于 ３０％，１０个品种模拟与实测产量的 ＮＲＭＳＥ 均低于 ３０％，作物生育期、
地上部分生物量和产量的模拟结果均在可接受范围内波动．说明 ＡＰＳＩＭ模型对不同品种冬小
麦的生育期、地上部分生物量和产量模拟效果较好，该模型在重庆地区具有较好的适应性，为
后续基于模型评估该地区小麦生产提供了基础支撑．
关键词　 重庆； 冬小麦； ＡＰＳＩＭ模型； 调参； 验证
文章编号　 １００１－９３３２（２０１５）０４－１２３７－０７　 中图分类号　 Ｑ９４８．３　 文献标识码　 Ａ
Ａｄａｐｔａｂｉｌｉｔｙ ｏｆ ＡＰＳＩＭ ｍｏｄｅｌ ｉｎ Ｓｏｕｔｈｗｅｓｔｅｒｎ Ｃｈｉｎａ： Ａ ｃａｓｅ ｓｔｕｄｙ ｏｆ ｗｉｎｔｅｒ ｗｈｅａｔ ｉｎ
Ｃｈｏｎｇｑｉｎｇ Ｃｉｔｙ． ＤＡＩ Ｔｏｎｇ１， ＷＡＮＧ Ｊｉｎｇ１， ＨＥ Ｄｉ１， ＺＨＡＮＧ Ｊｉａｎ⁃ｐｉｎｇ２， ＷＡＮＧ Ｎａ１ （ １Ｃｏｌｌｅｇｅ
ｏｆ Ｒｅｓｏｕｒｃｅ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅｓ， Ｃｈｉｎａ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｂｅｉｊｉｎｇ １００１９３， Ｃｈｉｎａ；
２Ｃｈｏｎｇｑｉｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｓｃｉｅｎｃｅｓ， Ｃｈｏｎｇｑｉｎｇ ４０１１４７， Ｃｈｉｎａ） ． ⁃Ｃｈｉｎ． Ｊ． Ａｐｐｌ． Ｅｃｏｌ．，
２０１５， ２６（４）： １２３７－１２４３．
Ａｂｓｔｒａｃｔ： Ｆｉｅｌｄ ｅｘｐｅｒｉｍｅｎｔａｌ ｄａｔａ ｏｆ ｗｉｎｔｅｒ ｗｈｅａｔ ａｎｄ ｐａｒａｌｌｅｌ ｄａｉｌｙ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｄａｔａ ａｔ ｆｏｕｒ ｔｙｐ⁃
ｉｃａｌ ｓｔａｔｉｏｎｓ ｉｎ Ｃｈｏｎｇｑｉｎｇ Ｃｉｔｙ ｗｅｒｅ ｕｓｅｄ ｔｏ ｃａｌｉｂｒａｔｅ ａｎｄ ｖａｌｉｄａｔｅ ＡＰＳＩＭ⁃ｗｈｅａｔ ｍｏｄｅｌ ａｎｄ ｄｅｔｅｒ⁃
ｍｉｎｅ ｔｈｅ ｇｅｎｅｔｉｃ ｐａｒａｍｅｔｅｒｓ ｆｏｒ １２ ｖａｒｉｅｔｉｅｓ ｏｆ ｗｉｎｔｅｒ ｗｈｅａｔ． Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅｒｅ ｗａｓ ａ
ｇｏｏｄ ａｇｒｅｅｍｅｎｔ ｂｅｔｗｅｅｎ ｔｈｅ ｓｉｍｕｌａｔｅｄ ａｎｄ ｏｂｓｅｒｖｅｄ ｇｒｏｗｔｈ ｐｅｒｉｏｄｓ ｆｒｏｍ ｓｏｗｉｎｇ ｔｏ ｅｍｅｒｇｅｎｃｅ， ｆｌｏｗ⁃
ｅｒｉｎｇ ａｎｄ ｍａｔｕｒｉｔｙ ｏｆ ｗｈｅａｔ． Ｒｏｏｔ ｍｅａｎ ｓｑｕａｒｅｄ ｅｒｒｏｒｓ （ＲＭＳＥｓ） ｂｅｔｗｅｅｎ ｓｉｍｕｌａｔｅｄ ａｎｄ ｏｂｓｅｒｖｅｄ
ｅｍｅｒｇｅｎｃｅ， ｆｌｏｗｅｒｉｎｇ ａｎｄ ｍａｔｕｒｉｔｙ ｗｅｒｅ ０－３， １－８， ａｎｄ ０－８ ｄ， ｒｅｓｐｅｃｔｉｖｅｌｙ． Ｎｏｒｍａｌｉｚｅｄ ｒｏｏｔ ｍｅａｎ
ｓｑｕａｒｅｄ ｅｒｒｏｒｓ （ＮＲＭＳＥｓ） ｂｅｔｗｅｅｎ ｓｉｍｕｌａｔｅｄ ａｎｄ ｏｂｓｅｒｖｅｄ ａｂｏｖｅ⁃ｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｆｏｒ １２ ｓｔｕｄｙ ｖａｒｉ⁃
ｅｔｉｅｓ ｗｅｒｅ ｌｅｓｓ ｔｈａｎ ３０％． ＮＲＭＳＥ ｂｅｔｗｅｅｎ ｓｉｍｕｌａｔｅｄ ａｎｄ ｏｂｓｅｒｖｅｄ ｙｉｅｌｄｓ ｆｏｒ １０ ｖａｒｉｅｔｉｅｓ ｏｕｔ ｏｆ １２
ｓｔｕｄｙ ｖａｒｉｅｔｉｅｓ ｗｅｒｅ ｌｅｓｓ ｔｈａｎ ３０％． ＡＰＳＩＭ⁃ｗｈｅａｔ ｍｏｄｅｌ ｐｅｒｆｏｒｍｅｄ ｗｅｌｌ ｉｎ ｓｉｍｕｌａｔｉｎｇ ｐｈｅｎｏｌｏｇｙ，
ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ａｎｄ ｙｉｅｌｄ ｏｆ ｗｉｎｔｅｒ ｗｈｅａｔ ｉｎ Ｃｈｏｎｇｑｉｎｇ Ｃｉｔｙ， ｗｈｉｃｈ ｃｏｕｌｄ ｐｒｏｖｉｄｅ ａ ｆｏｕｎｄａ⁃
ｔｉｏｎａｌ ｓｕｐｐｏｒｔ ｆｏｒ ａｓｓｅｓｓｉｎｇ ｔｈｅ ｉｍｐａｃｔ ｏｆ ｃｌｉｍａｔｅ ｃｈａｎｇｅ ｏｎ ｗｈｅａｔ ｐｒｏｄｕｃｔｉｏｎ ｉｎ ｔｈｅ ｓｔｕｄｙ ａｒｅａ ｂａｓｅｄ
ｏｎ ｔｈｅ ｍｏｄｅｌ．
Ｋｅｙ ｗｏｒｄｓ： Ｃｈｏｎｇｑｉｎｇ Ｃｉｔｙ； ｗｉｎｔｅｒ ｗｈｅａｔ； ＡＰＳＩＭ ｍｏｄｅｌ； ｃａｌｉｂｒａｔｉｏｎ； ｖａｌｉｄａｔｉｏｎ．
∗国家重点基础研究发展计划项目（２０１３ＣＢ４３０２０５）资助．
∗∗通讯作者． Ｅ⁃ｍａｉｌ： ｗａｎｇｊ＠ ｃａｕ．ｅｄｕ．ｃｎ
２０１４⁃０４⁃０４收稿，２０１４⁃１２⁃３０接受．
　 　 气候变暖背景下，近 ４９年来我国西南地区年降
水以 １３ ｍｍ·（１０ ａ） －１的速率显著下降，整个地区
呈东部变干而西部变湿的趋势［１］ ． ２０ 世纪中期以
来，西南地区干旱的发生频率和强度明显增加，特别
是 ２００９年秋至 ２０１０ 年春，西南地区遭遇了持续时
间长、危害程度深的罕见大旱，严重影响了农作物的
生长发育和产量［２－４］，对当地粮食安全造成了威胁．
西南地区属于粮食二熟耕作区，占全国粮食及粮食
生产的比例呈增大趋势，在我国粮食增产中发挥着
重要作用［５］ ．因此，在西南地区开展气候变化对农作
物生产的影响有重要意义．
相比于统计分析方法，作物生长模型可较准确
地表达作物生长与各因子间的关系，在评估气候变
应 用 生 态 学 报　 ２０１５年 ４月　 第 ２６卷　 第 ４期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ａｐｒ． ２０１５， ２６（４）： １２３７－１２４３
化对作物生长发育及产量的影响方面有着明显优
势，已成为现阶段辅助农业生产决策的高效工
具［６－７］ ．ＡＰＳＩＭ模型自引进我国以来，已经在华北平
原［８－１４］、东北地区［１５］以及西北黄土高原地区［１６－１９］
进行了大量的调参验证工作，并证明能够很好地指
导当地冬小麦生产，但在我国西南地区作物生产中
尚少有应用，对其适应性缺乏评价．不同于华北和东
北平原，西南地区冬小麦生长季温度偏高，季节性干
旱频发，冬小麦又以春性和弱冬性品种为主，要在该
地区应用 ＡＰＳＩＭ 模型评估气候变化对小麦生长发
育和产量的影响，必须对模型进行调参验证，获得适
用于该地区不同作物品种的模型参数，对 ＡＰＳＩＭ 模
型在该地区的适应性进行评价．因此，本文以西南地
区的重庆市为研究对象，选择重庆地区 ４ 个代表性
站点，基于多年冬小麦生长发育资料和气象资料，对
ＡＰＳＩＭ模型进行调参和验证，评价 ＡＰＳＩＭ模型在重
庆地区的适应性，为今后分析 ＡＰＳＩＭ 模型在我国西
南地区的适应性以及深入研究气候变暖背景下干旱
对西南地区主要粮食作物的影响奠定基础．
１　 研究地区与研究方法
１􀆰 １　 研究区概况
重庆（２８°１０′—３２°１３′ Ｎ，１０５°１１′—１１０°１１′ Ｅ）
位于西南地区长江上游，四川盆地东部边缘，地处青
藏高原与长江中下游的过渡地带，平均海拔 ４００ ｍ，
山地地形．本文选取合川、丰都、万州和酉阳 ４ 个站
点，分别代表重庆的西部、中部、东北部和东南部地
区（图 １）．
　 　 合川、丰都、万州和酉阳地区的年平均≥０ ℃积
温 ５５００ ～ ６５００ ℃·ｄ，年平均≥１０ ℃积温 ２３００ ～
３３００ ℃ ·ｄ，年日照时数 ６００ ～ １３００ ｈ，年降水量
１０００ ｍｍ以上（表 １），有着优越的农业气候条件．
１􀆰 ２　 资料来源
４个站点 １９８１—２０１０ 年逐日气象资料来自于
中国气象局国家气象信息中心地面气象资料观测数
图 １　 研究站点（合川、丰都、万州、酉阳）分布
Ｆｉｇ．１　 Ｌｏｃａｔｉｏｎ ｏｆ ｓｔａｔｉｏｎｓ （Ｈｅｃｈｕａｎ， Ｆｅｎｇｄｕ， Ｗａｎｚｈｏｕ ａｎｄ
Ｙｏｕａｙｎｇ）．
据集；小麦生长发育和田间管理措施资料来源于重
庆市气象局的农业气象试验站；土壤参数由各农业
气象试验站实际测定．
１􀆰 ３　 ＡＰＳＩＭ模型
ＡＰＳＩＭ模型（ａｇｒｉｃｕｌｔｕｒａｌ ｐｒｏｄｕｃｔｉｏｎ ｓｙｓｔｅｍｓ ｓｉｍ⁃
ｕｌａｔｏｒ）是由澳大利亚农业生产系统研究组（ＡＰＳ⁃
ＲＵ）开发的用于模拟农业生产系统生物物理过程的
机理模型．ＡＰＳＩＭ的特色在于其从农业生产系统的
角度出发，能够考虑轮作、休耕、残茬处理、长期土壤
过程等，目前已广泛用于农作系统管理、气候变化影
响评估、气候预报的价值评估以及气候风险管理等
方面［２０－２１］ ．
ＡＰＳＩＭ模型的主要核心模块包括：作物模块、
土壤模块、管理模块．作物模块主要模拟作物的生
长、发育和产量形成及其与土壤的相互作用．作物模
块设计的思路为所有作物均采用通用的生理过程来
描述其对资源的利用，差别在于不同作物采用不同
的响应函数．作物发育期通过温度和光周期响应函
数来模拟，叶面积生长和衰老表达为温度的函数，作
物水分吸收基于根吸水函数．作物参数存放于独立
表 １　 研究区典型站点基本信息
Ｔａｂｌｅ １　 Ｂａｓｉｃ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｔｙｐｉｃａｌ ｓｔａｔｉｏｎｓ ｉｎ ｔｈｅ ｓｔｕｄｙ ａｒｅａ
站点
Ｓｔａｔｉｏｎ
纬度
Ｌａｔｉｔｕｄｅ
（Ｎ）
经度
Ｌｏｎｇｉｔｕｄｅ
（Ｅ）
海拔
Ａｌｔｉｔｕｄｅ
（ｍ）
年平均温度
Ａｎｎｕａｌ ｍｅａｎ
ｔｅｍｐｅｒａｔｕｒｅ
（℃）
年平均≥０ ℃积温
Ａｎｎｕａｌ ｍｅａｎ ≥０ ℃
ａｃｃｕｍｕｌａｔｅｄ
ｔｅｍｐｅｒａｔｕｒｅ
（℃·ｄ）
年平均≥１０ ℃积温
Ａｎｎｕａｌ ｍｅａｎ ≥１０ ℃
ａｃｃｕｍｕｌａｔｅｄ
ｔｅｍｐｅｒａｔｕｒｅ
（℃·ｄ）
年日照时数
Ａｎｎｕａｌ
ｓｕｎｓｈｉｎｅ
ｈｏｕｒｓ
年降水量
Ａｎｎｕａｌ
ｐｒｅｃｉｐｉｔａｔｉｏｎ
（ｍｍ）
合川 Ｈｅｃｈｕａｎ ２９°５８′ １０６°１７′ ２３０．６ １７．９ ６５２４ ３０６５ ６７１ １１２９
丰都 Ｆｅｎｇｄｕ ２９°５２′ １０７°４２′ ２１８．０ １８．３ ６６８７ ３２０２ １２５７ １０１８
万州 Ｗａｎｚｈｏｕ ３０°４６′ １０８°２４′ １８６．７ １８．４ ６６６７ ３１９８ １１６９ １１８４
酉阳 Ｙｏｕｙａｎｇ ２８°５０′ １０８°４６′ ６６４．０ １５．１ ５４９９ ２３６８ １０４８ １３０２
８３２１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
表 ２　 重庆 ４个站点的冬小麦种植品种及用于模型调参和
验证的资料年份
Ｔａｂｌｅ ２ 　 Ｗｉｎｔｅｒ ｗｈｅａｔ ｖａｒｉｅｔｉｅｓ ａｎｄ ｙｅａｒｓ ｏｆ ｄａｔａ ｆｏｒ
ｍｏｄｅｌ ｃａｌｉｂｒａｔｉｏｎ ａｎｄ ｖａｌｉｄａｔｉｏｎ ｆｒｏｍ ４ ｓｔａｔｉｏｎｓ ｉｎ
Ｃｈｏｎｇｑｉｎｇ Ｃｉｔｙ
站点
Ｓｔａｔｉｏｎ
品种
Ｖａｒｉｅｔｙ
特性
Ｆｅａｔｕｒｅ
调参年份
Ｐｅｒｉｏｄｓ ｆｏｒ
ｃａｌｉｂｒａｔｉｏｎ
验证年份
Ｐｅｒｉｏｄｓ ｆｏｒ
ｖａｌｉｄａｔｉｏｎ
合川 ３０４ 春性 １９９３—１９９４ １９９５—１９９６
Ｈｅｃｈｕａｎ 绵阳 ２６号 Ｍｉａｎｙａｎｇ ２６ 春性 ２０００—２００２ ２００２—２００５
丰都 雅安早 Ｙａａｎｚａｏ 春性 １９８１—１９８４ １９８４—１９８６
Ｆｅｎｇｄｕ 绵阳 １１号 Ｍｉａｎｙａｎｇ １１ 春性 １９８８—１９８９ １９８９—１９９０
绵阳 １５号 Ｍｉａｎｙａｎｇ １５ 春性 １９９９—２０００ ２０００—２００１
万州 蜀万 ７６１ Ｓｈｕｗａｎ ７６１ 半冬性 １９８３—１９８４ １９８４—１９８５
Ｗａｎｚｈｏｕ ８４⁃７１９ 半冬性 １９８８—１９９０ １９９０—１９９１
８４⁃１３３ 春性 １９９２—１９９４ １９９４—１９９５
８１⁃８ 春性 ２００１—２００３ ２００３—２００４
酉阳 大头黄 Ｄａｔｏｕｈｕａｎｇ 春性 １９８８—１９８９ １９８９—１９９０
Ｙｏｕｙａｎｇ 绵阳 ２１号 Ｍｉａｎｙａｎｇ ２１ 春性 １９９０—１９９１ １９９１—１９９２
川麦 ２２号 Ｃｈｕａｎｍａｉ ２２ 春性 １９９９—２００１ ２００２—２００５
的文件中，主要包括两部分，一部分为作物特定的参
数，另一部分为品种特定的参数．这样的结构便于创
建新的作物和品种参数，而不需要改动模型结
构［２０］ ．
土壤模块模拟土壤水分运动、养分运移、土壤侵
蚀等．土壤水分平衡可选择分层土壤水分平衡模型
或 Ｒｉｃｈａｒｄｓ方程模拟．分层土壤水分平衡模型基于
ＣＥＲＥＳ模型［２２］和 ＰＥＲＦＥＣＴ模型［２３］ ．土壤水分特性
由各层土壤的饱和含水量（ｍｍ·ｍｍ－１）、田间持水
量（ｍｍ·ｍｍ－１）和凋萎含水量（ｍｍ·ｍｍ－１）决定．当
某土层含水量小于田间持水量时，非饱和水分可以
在相邻的两个层次中运动．当土层含水量达到田间
持水量后，饱和水分将移向下层．土壤养分运移的模
拟基于 ＣＥＲＥＳ 模型，可以逐日分层次地计算土壤
Ｃ、Ｎ变化，但与 ＣＥＲＥＳ不同的是将土壤有机质库分
为 ３个库：活性 Ｃ、土壤微生物及其产物库和土壤有
机质库．２个库间的 Ｃ流为全 Ｃ，而 Ｎ流由 Ｃ 库中的
Ｃ ／ Ｎ决定［２４］ ．
管理模块包括模块的调用、播种和收获作物、施
肥和灌溉的设定、输入输出结果等．
ＡＰＳＩＭ为日步长模型，输入的气象数据包括逐
日最高气温（℃）、最低气温（℃）、降水量（ｍｍ）和总
辐射（ＭＪ·ｍ－２·ｄ－１），总辐射根据日照时数由埃斯
屈朗方程［２５］估算．模型的主要输出包括作物的关键
生育期（出苗期、开花期、成熟期）、地上部分生物量
和产量等．
尽管 ＡＰＳＩＭ的设计采用通用框架，而且易与其
他研究小组开发的模块链接，但 ＡＰＳＩＭ 模型目前最
适于应用在温带和热带区域的粮食和纤维作物．
１􀆰 ４　 模型调参及评价方法
将合川、丰都、万州、酉阳 ４ 个站点典型冬小麦
品种多年的观测资料分为两组，一组用于调试
ＡＰＳＩＭ模型中作物遗传参数，另一组用于模型的验
证和适应性评价（表 ２）．模型调试的作物参数包括
春化敏感性、光周期敏感性、灌浆⁃成熟的有效积温
（℃·ｄ）、单位茎秆干物质籽粒数和最大比叶面积
参数（ｍｍ２·ｇ－１）（表 ３）．
ＡＰＳＩＭ模型调参和验证时，采用以下统计指
表 ３　 重庆 ４个站点冬小麦代表性品种的遗传参数
Ｔａｂｌｅ ３　 Ｇｅｎｅｔｉｃ ｐａｒａｍｅｔｅｒｓ ｆｏｒ ｄｉｆｆｅｒｅｎｔ ｖａｒｉｅｔｉｅｓ ｏｆ ｗｉｎｔｅｒ ｗｈｅａｔ ａｔ ４ ｓｔａｔｉｏｎｓ ｉｎ Ｃｈｏｎｇｑｉｎｇ Ｃｉｔｙ
地点
Ｓｔａｔｉｏｎ
品种
Ｖａｒｉｅｔｙ
春化敏感性
Ｖｅｒｎａｌｉｚａｔｉｏｎ
ｓｅｎｓｉｔｉｖｉｔｙ
光周期敏感性
Ｐｈｏｔｏｐｅｒｉｏｄ
ｓｅｎｓｉｔｉｖｉｔｙ
灌浆到成熟积温
Ｔｈｅｒｍａｌ ｔｉｍｅ
ｒｅｑｕｉｒｅｄ ｆｒｏｍ
ｇｒａｉｎ⁃ｆｉｌｌｉｎｇ
ｔｏ ｍａｔｕｒｉｔｙ
（℃·ｄ）
单位茎秆
干物质籽粒数
Ｎｕｍｂｅｒｓ ｏｆ
ｇｒａｉｎ ｐｅｒ
ｓｔｅｍ ｇｒａｍ
最大比叶
面积参数
Ｍａｘｉｍｕｍ
ｓｐｅｃｉｆｉｃ
ｌｅａｆ ａｒｅａ
ｆｏｒ ｄｅｌｔａ
ＬＡＩ（ｘ＿ｌａｉ ＝ ０）
最大比叶
面积参数
Ｍａｘｉｍｕｍ
ｓｐｅｃｉｆｉｃ
ｌｅａｆ ａｒｅａ
ｆｏｒ ｄｅｌｔａ
ＬＡＩ（ｘ＿ｌａｉ ＝ ５）
合川 ３０４ ２．８ ３．０ ６３０ ３０．０ ２００００ １９０００
Ｈｅｃｈｕａｎ 绵阳 ２６号 Ｍｉａｎｙａｎｇ ２６ ２．７ ３．０ ５９０ ２８．０ ２７０００ ２２０００
丰都 雅安早 Ｙａａｎｚａｏ ３．０ ３．４ ５５０ ３０．０ ５００００ ４９０００
Ｆｅｎｇｄｕ 绵阳 １１号 Ｍｉａｎｙａｎｇ １１ ２．８ ３．０ ５３０ ３０．０ ３００００ ２５０００
绵阳 １５号 Ｍｉａｎｙａｎｇ １５ ３．２ ３．６ ５９０ ３８．０ ４００００ ３００００
万州 蜀万 ７６１ Ｓｈｕｗａｎ ７６１ ３．１ ３．５ ５３０ ２４．０ ２７０００ ２２０００
Ｗａｎｚｈｏｕ ８４⁃７１９ ３．１ ３．５ ５７０ ２７．０ ４００００ ３００００
８４⁃１３３ ３．３ ３．５ ５００ ２０．０ ３５０００ ２００００
８１⁃８ ３．１ ３．３ ５９０ ２９．０ ３５０００ ３００００
酉阳 大头黄 Ｄａｔｏｕｈｕａｎｇ ３．０ ３．１ ５６０ １８．０ ２７０００ ２２０００
Ｙｏｕｙａｎｇ 绵阳 ２１号 Ｍｉａｎｙａｎｇ ２１ ３．０ ３．３ ５６０ ２０．０ ２７０００ ２２０００
川麦 ２２号 Ｃｈｕａｎｍａｉ ２２ ３．０ ３．１ ６２０ １６．０ ２３０００ ２００００
９３２１４期　 　 　 　 　 　 　 　 　 　 戴　 彤等： ＡＰＳＩＭ模型在西南地区的适应性评价———以重庆冬小麦为例　 　 　 　 　
标：模拟值与实测值之间的均方根误差（ＲＭＳＥ）、归
一化均方根误差（ＮＲＭＳＥ）、决定系数（Ｒ２）和一致
性指标（Ｄ指标） ［８，１５］ ．ＲＭＳＥ 和 ＮＲＭＳＥ 可反映模拟
值与实测值之间的相对误差和绝对误差，值越小表
明模拟效果越好；Ｒ２和 Ｄ 指标可反映模拟值与实测
值之间的一致性，值越接近 １ 表明模拟效果越好．
ＲＭＳＥ、ＮＲＭＳＥ和 Ｄ指数的计算公式如下：
ＲＭＳＥ ＝ １
ｎ∑
ｎ
ｉ ＝ １
（Ｙｉ － Ｘ ｉ） ２ （１）
ＮＲＭＳＥ ＝
１
ｎ∑
ｎ
ｉ ＝ １
（Ｙｉ － Ｘ ｉ） ２
􀭵Ｘ
× １００％ （２）
Ｄ ＝ １ －
∑
ｎ
ｉ ＝ １
（Ｙｉ － Ｘ ｉ） ２
∑
ｎ
ｉ ＝ １
（ ｜ Ｙｉ － 􀭵Ｘ ｜ ＋｜ Ｘ ｉ － 􀭵Ｘ ｜ ） ２
（３）
式中：Ｙｉ和 Ｘ ｉ分别为模拟值和实测值；􀭵Ｘ 为实测数据
平均值；ｎ 为样本数．在模型调参阶段，通过模拟值
与实测值 ＲＭＳＥ 和 ＮＲＭＳＥ 的比较，利用“试错法”
最终确定各代表小麦品种的遗传参数（表 ３）；在模
型验证阶段，通过各站点多品种验证年份模拟值与
实测值线性回归方程的 Ｒ２、Ｄ 指标和 ＮＲＭＳＥ 的比
较，评价该模型在重庆地区的适应性．
２　 结果与分析
２􀆰 １　 模型参数调试
采用试错法对 ４个站点不同冬小麦品种进行参
数调试（表 ３），其中，春化敏感性、光周期敏感性和
灌浆至成熟的有效积温用来调试冬小麦的开花期和
成熟期；单位茎秆干物质籽粒数和最大比叶面积用
来调试冬小麦地上部分生物量和产量．
２􀆰 ２　 模型验证
２􀆰 ２􀆰 １生育期　 作物生育期尤其是开花期与成熟期
作为冬小麦生育进程中重要的物候阶段，是评价模
型模拟效果的关键指标之一．结合表 ４ 和图 ２ 表明：
播种⁃出苗、播种⁃开花、播种⁃成熟期的模拟值与实测
值基本吻合， ＮＲＭＳＥ 的范围依次为 ８％ ～ ２８％、
１％～７％和 ２％ ～ ４％，Ｒ２依次为 ０． ６４ ～ ０． ９１、０． ５８ ～
０􀆰 ９９和 ０．３４～０．９５，Ｄ指数依次为 ０．５３～０．８５、０．７７～
０．９９和 ０．６７～０．９６，模拟值基本落在 １ ∶ １线附近，其
中，出苗期模拟值与实测值的 ＮＲＭＳＥ 偏大以及 Ｄ
指数和Ｒ２偏小与出苗天数的绝对值较小有关．在模
图 ２　 重庆 ４个站点冬小麦生育期模拟值与实测值的比较
Ｆｉｇ．２ 　 Ｃｏｍｐａｒｉｓｏｎ ｂｅｔｗｅｅｎ ｓｉｍｕｌａｔｅｄ ａｎｄ ｍｅａｓｕｒｅｄ ｄｅｖｅｌｏｐｍｅｎｔ ｓｔａｇｅｓ ｆｏｒ ｄｉｆｆｅｒｅｎｔ ｖａｒｉｅｔｉｅｓ ｏｆ ｗｉｎｔｅｒ ｗｈｅａｔ ａｔ ４ ｓｔａｔｉｏｎｓ ｉｎ
Ｃｈｏｎｇｑｉｎｇ Ｃｉｔｙ．
Ａ：合川 Ｈｅｃｈｕａｎ； Ｂ：丰都 Ｆｅｎｇｄｕ； Ｃ：万州 Ｗａｎｚｈｏｕ； Ｄ：酉阳 Ｙｏｕｙａｎｇ． 下同 Ｔｈｅ ｓａｍｅ ｂｅｌｏｗ． ａ）出苗期 Ｅｍｅｒｇｅｎｃｅ ｓｔａｇｅ； ｂ）开花期 Ｆｌｏｗｅｒｉｎｇ
ｓｔａｇｅ； ｃ）成熟期 Ｍａｔｕｒｉｔｙ ｓｔａｇｅ．
０４２１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
表 ４　 ＡＰＳＩＭ模型在重庆 ４个站点的验证结果
Ｔａｂｌｅ ４　 Ｖａｌｉｄａｔｉｏｎ ｒｅｓｕｌｔｓ ｏｆ ＡＰＳＩＭ ｍｏｄｅｌ ａｔ ４ ｓｔａｔｉｏｎｓ ｉｎ Ｃｈｏｎｇｑｉｎｇ Ｃｉｔｙ
站点
Ｓｔａｔｉｏｎ
品种
Ｖａｒｉｅｔｙ
生育期模拟值与实测值的 ＲＭＳＥ
ＲＭＳＥ ｂｅｔｗｅｅｎ ｓｉｍｕｌａｔｅｄ ａｎｄ
ｏｂｓｅｒｖｅｄ ｄｅｖｅｌｏｐｍｅｎｔ ｓｔａｇｅｓ （ｄ）
播种⁃出苗天数
Ｄａｙｓ ｆｒｏｍ ｓｏｗｉｎｇ
ｔｏ ｅｍｅｒｇｅｎｃｅ
播种⁃开花天数
Ｄａｙｓ ｆｒｏｍ ｓｏｗｉｎｇ
ｔｏ ｆｌｏｗｅｒｉｎｇ
播种⁃成熟天数
Ｄａｙｓ ｆｒｏｍ ｓｏｗｉｎｇ
ｔｏ ｍａｔｕｒｉｔｙ
地上部分生物量和产量
模拟值与实测值的 ＮＲＭＳＥ
ＮＲＭＳＥ ｂｅｔｗｅｅｎ ｓｉｍｕｌａｔｅｄ ａｎｄ ｏｂｓｅｒｖｅｄ
ａｂｏｖｅ⁃ｇｒｏｕｎｄ ｂｉｏｍａｓｓ ａｎｄ ｙｉｅｌｄ （％）
地上部分生物量
Ａｂｏｖｅｇｒｏｕｎｄ
ｂｉｏｍａｓｓ
产量
Ｙｉｅｌｄ
合川 ３０４ ２ ２ ０ ３０．０ ３０．３
Ｈｅｃｈｕａｎ 绵阳 ２６号 Ｍｉａｎｙａｎｇ ２６ １ １ ３ １７．１ ２０．３
丰都 雅安早 Ｙａａｎｚａｏ １ ４ ６ １１．８ ２２．２
Ｆｅｎｇｄｕ 绵阳 １１号 Ｍｉａｎｙａｎｇ １１ １ ５ ７ １８．６ １１．２
绵阳 １５号 Ｍｉａｎｙａｎｇ １５ １ ８ ８ ２０．１ ２８．３
万州 蜀万 ７６１ Ｓｈｕｗａｎ ７６１ １ ５ ０ ２３．９ ２３．６
Ｗａｎｚｈｏｕ ８４⁃７１９ ３ ３ ７ １３．２ １８．０
８４⁃１３３ １ ２ １ １３．８ １３．４
８１⁃８ １ ３ ０ ６．８ １６．８
酉阳 大头黄 Ｄａｔｏｕｈｕａｎｇ ０ １ １ ６．４ １０．０
Ｙｏｕｙａｎｇ 川麦 ２２号 Ｃｈｕａｎｍａｉ ２２ １ ２ ４ ２９．０ ５６．２
绵阳 ２１号 Ｍｉａｎｙａｎｇ ２１ １ ２ ４ １．９ １６．９
拟的 １２ 个小麦品种中，模拟与实测出苗天数的
ＲＭＳＥ均在 ３ ｄ以内；模拟与实测开花天数的 ＲＭＳＥ
均在 ８ ｄ以内；所有品种的模拟与实测成熟天数的
ＲＭＳＥ均在 ８ ｄ 以内．表明 ＡＰＳＩＭ 模型对重庆冬小
麦生育期的模拟效果较好．
２􀆰 ２􀆰 ２地上部分生物量及产量 　 由图 ３ 可以看出：
模拟与实测地上部分生物量基本吻合，除万州站外，
模拟值与实测值的 Ｒ２在 ０． ５５ ～ ０． ９９，Ｄ 指数在
０．５６～０．９８，４ 个站点的 ＮＲＭＳＥ 均在 １４％ ～ ２１％，由
此可见模拟值基本落在 １ ∶ １ 线附近．在模拟的 １２
个小麦品种中，模拟与实测地上部分生物量的
ＮＲＭＳＥ均低于 ３０％．验证结果表明，ＡＰＳＩＭ 模型对
重庆冬小麦地上部分生物量的模拟效果较好．
由图４可以看出，模拟与实测产量基本吻合，Ｒ２
图 ３　 重庆 ４个站点冬小麦地上部分生物量模拟值与实测值的比较
Ｆｉｇ．３　 Ｃｏｍｐａｒｉｓｏｎ ｂｅｔｗｅｅｎ ｓｉｍｕｌａｔｅｄ ａｎｄ ｍｅａｓｕｒｅｄ ａｂｏｖｅ⁃ｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｆｏｒ ｄｉｆｆｅｒｅｎｔ ｖａｒｉｅｔｉｅｓ ｏｆ ｗｉｎｔｅｒ ｗｈｅａｔ ａｔ ４ ｓｔａｔｉｏｎｓ ｉｎ
Ｃｈｏｎｇｑｉｎｇ Ｃｉｔｙ．
１４２１４期　 　 　 　 　 　 　 　 　 　 戴　 彤等： ＡＰＳＩＭ模型在西南地区的适应性评价———以重庆冬小麦为例　 　 　 　 　
图 ４　 重庆 ４个站点冬小麦产量模拟值与实测值的比较
Ｆｉｇ．４　 Ｃｏｍｐａｒｉｓｏｎ ｂｅｔｗｅｅｎ ｓｉｍｕｌａｔｅｄ ａｎｄ ｍｅａｓｕｒｅｄ ｙｉｅｌｄｓ ｆｏｒ ｄｉｆｆｅｒｅｎｔ ｖａｒｉｅｔｉｅｓ ｏｆ ｗｉｎｔｅｒ ｗｈｅａｔ ａｔ ４ ｓｔａｔｉｏｎｓ ｉｎ Ｃｈｏｎｇｑｉｎｇ Ｃｉｔｙ．
为 ０．５２～０．９７，Ｄ 指数为 ０．７３ ～ ０．９５，合川、丰都和万
州 ３ 个站点模拟产量与实测产量的 ＮＲＭＳＥ 分别为
２２％、２４％和 １９％，均低于 ３０％．在模拟的 １２ 个小麦
品种中，除川麦 ２２ 和 ３０４，其余品种小麦模拟与实
测产量的 ＮＲＭＳＥ均低于 ３０％．说明除个别站点及品
种外，重庆小麦模拟产量与实测产量具有较好的一
致性，反映 ＡＰＳＩＭ模型基本上能够较准确地模拟重
庆地区冬小麦产量的形成．
３　 讨　 　 论
通常情况下，产量和生物量模拟值与实测值的
ＮＲＭＳＥ低于 ３０％，则表明模拟结果较好，模型在研
究地区具有适应性．本研究结果除个别地区及品种
产量模拟结果较差，大部分站点各品种小麦的模拟
效果均较好，模拟与实测产量的 ＮＲＭＳＥ 基本低于
３０％．王琳等［１３］利用禹城 １９９９—２００１ 年冬小麦⁃夏
玉米田间水肥优化管理试验和 ２００２—２００３ 年水分
池试验数据分析了 ＡＰＳＩＭ 模型在华北平原的适应
性，结果表明冬小麦⁃夏玉米连作生物量模拟结果的
平均 ＮＲＭＳＥ 值为 ２４．６％．刘园［１２］利用栾城和郑州
地区 １９８１—２００５年长期作物资料分析了 ＡＰＳＩＭ 模
型在华北平原的适用性，验证结果表明栾城和郑州
冬小麦生物量模拟值和实测值的 ＮＲＭＳＥ 分别为
１０％和 ３７％，夏玉米产量模拟值与实测值的 ＮＲＭＳＥ
分别为 １３％和 １９％．刘志娟等［１５］通过东北 ６ 个典型
站点分析 ＡＰＳＩＭ模型在东北地区的适应性，结果表
明模拟的生育期与实测值误差小于 ２．３ ｄ，模拟的产
量与实测值间 ＮＲＭＳＥ值低于 ２０％．相比于东北和华
北的分析结果，本研究结果表明 ＡＰＳＩＭ 模型在西南
地区也具有较好的模拟效果．
ＡＰＳＩＭ模型参数众多，而实际观测资料不能满
足所有作物参数的调整与确定；其次，作物生长模型
的假设条件与冬小麦的实际生长环境状况存在一定
差别，如作物生长模型没有考虑作物病虫害以及对
极端天气的影响考虑不足；同时，作物生育期和产量
的实际观测资料也存在一定的不确定性，这些因素
导致模型的模拟值与实测值仍存在一定差别．本研
究结果发现一些品种的模拟效果仍较差（如 ３０４ 和
川麦 ２２号），可能原因除了模型本身的缺陷外，实
测数据的精度也存在一定问题，对于这些小麦品种，
其参数的确定以及模型的适应性评价需要更多精度
更高的田间测定数据来验证．
参考文献
［１］　 Ｑｉ Ｄ⁃Ｍ （齐冬梅）， Ｚｈｏｕ Ｃ⁃Ｙ （周长艳）， Ｌｉ Ｙ⁃Ｑ （李
跃清）， ｅｔ ａｌ． Ｃａｕｓｅ ａｎａｌｙｓｉｓ ｏｆ ｃｌｉｍａｔｅ ｃｈａｎｇｅｓ ｉｎ
Ｓｏｕｔｈｗｅｓｔ Ｃｈｉｎａ． Ｐｌａｔｅａｕ ａｎｄ Ｍｏｕｎｔａｉｎ Ｍｅｔｅｏｒｏｌｏｇｙ Ｒｅ⁃
ｓｅａｒｃｈ （高原山地气象研究）， ２０１２， ３２（１）： ３５－４２
（ｉｎ Ｃｈｉｎｅｓｅ）
［２］　 Ｐａｎｇ Ｊ （庞　 晶）， Ｑｉｎ Ｊ （覃　 军）． Ａｄｖａｎｃｅｓ ｉｎ ｃｈａｒ⁃
２４２１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
ａｃｔｅｒｉｓｔｉｃｓ ａｎｄ ｃａｕｓｅｓ ｏｆ ｄｒｏｕｇｈｔ ｒｅｓｅａｒｃｈ ｉｎ Ｓｏｕｔｈｗｅｓｔ
Ｃｈｉｎａ． Ｊｏｕｒｎａｌ ｏｆ Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉ⁃
ｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ （南京信息工程大学学报）， ２０１３，
５（２）： １２７－１３４ （ｉｎ Ｃｈｉｎｅｓｅ）
［３］　 Ｙｉｎ Ｈ （尹　 晗）， Ｌｉ Ｙ⁃Ｈ （黎耀辉）． Ｓｕｍｍａｒｙ ｏｆ ａｄ⁃
ｖａｎｃｅ ｏｎ ｄｒｏｕｇｈｔ ｓｔｕｄｙ ｉｎ Ｓｏｕｔｈｗｅｓｔ Ｃｈｉｎａ． Ｊｏｕｒｎａｌ ｏｆ
Ａｒｉｄ Ｍｅｔｅｏｒｏｌｏｇｙ （干旱气象）， ２０１３， ３１（１）： １８２－
１９３ （ｉｎ Ｃｈｉｎｅｓｅ）
［４］　 Ｗａｎｇ Ｌ （王　 琳）， Ｃｈｅｎ Ｗ （陈　 文）． Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ
ｏｆ ｍｕｌｔｉ⁃ｔｉｍｅｓｃａｌｅ ｖａｒｉａｂｉｌｉｔｉｅｓ ｏｆ ｔｈｅ ｄｒｏｕｇｈｔ ｏｖｅｒ ｌａｓｔ
１００ ｙｅａｒｓ ｉｎ Ｓｏｕｔｈｗｅｓｔ Ｃｈｉｎａ． Ａｄｖａｎｃｅｓ ｉｎ Ｍｅｔｅｏｒｏｌｏｇｉ⁃
ｃａｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ （气象科学进展）， ２０１２， ２
（４）： ２１－２６ （ｉｎ Ｃｈｉｎｅｓｅ）
［５］　 Ｈｕ Ｚ⁃Ｑ （胡志全）， Ｗｕ Ｙ⁃Ｃ （吴永常）， Ｌｉｕ Ｊ⁃Ｈ （刘
景辉）， ｅｔ ａｌ． Ｓｉｔｕａｔｉｏｎ， ｐｏｔｅｎｔｉａｌ ａｎｄ ｓｔｒａｔｅｇｉｅｓ ｏｆ ｇｒａｉｎ
ｐｒｏｄｕｃｔｉｏｎ ｉｎ ｄｏｕｂｌｅ ｃｒｏｐｐｉｎｇ ｒｅｇｉｏｎ ｏｆ Ｃｈｉｎａ． Ｃｈｉｎｅｓｅ
Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏ⁃Ａｇｒｉｃｕｌｔｕｒｅ （中国生态农业学报），
２００２， １０（３）： １０５－１０７ （ｉｎ Ｃｈｉｎｅｓｅ）
［６］　 Ｓｈｅｎ Ｙ⁃Ｙ （沈禹颖）， Ｎａｎ Ｚ⁃Ｂ （南志标）， Ｂｅｌｌｏｔｔｉ Ｂ，
ｅｔ ａｌ． Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ＡＰＳＩＭ （Ａｇｒｉｃｕｌｔｕｒａｌ Ｐｒｏｄｕｃｔｉｏｎ
Ｓｙｓｔｅｍｓ Ｓｉｍｕｌａｔｏｒ） ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ
ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应用生态学报）， ２００２， １３（８）：
１０２７－１０３２ （ｉｎ Ｃｈｉｎｅｓｅ）
［７］　 Ｌｉｎ Ｚ⁃Ｈ （林忠辉）， Ｍｏ Ｘ⁃Ｇ （莫兴国）， Ｘｉａｎｇ Ｙ⁃Ｑ
（项月琴）． Ｒｅｓｅａｒｃｈ ａｄｖａｎｃｅ ｏｎ ｃｒｏｐ ｇｒｏｗｔｈ ｍｏｄｅｌｓ．
Ａｃｔａ Ａｇｒｏｎｏｍｉｃａ Ｓｉｎｉｃａ （作物学报）， ２００３， ２９（５）：
７５０－７５８ （ｉｎ Ｃｈｉｎｅｓｅ）
［８］　 Ｗａｎｇ Ｊ， Ｗａｎｇ Ｅ， Ｆｅｎｇ Ｌ， ｅｔ ａｌ． Ｐｈｅｎｏｌｏｇｉｃａｌ ｔｒｅｎｄｓ ｏｆ
ｗｉｎｔｅｒ ｗｈｅａｔ ｉｎ ｒｅｓｐｏｎｓｅ ｔｏ ｖａｒｉｅｔａｌ ａｎｄ ｔｅｍｐｅｒａｔｕｒｅ
ｃｈａｎｇｅｓ ｉｎ ｔｈｅ Ｎｏｒｔｈ Ｃｈｉｎａ Ｐｌａｉｎ． Ｆｉｅｌｄ Ｃｒｏｐｓ Ｒｅｓｅａｒｃｈ，
２０１３， １４４： １３５－１４４
［９］　 Ｃｈｅｎ Ｃ （陈　 超）． Ｒｅｓｐｏｎｓｅ ｏｆ Ｃｒｏｐ Ｗａｔｅｒ Ｐｒｏｄｕｃｔｉｖｉｔｙ
ａｎｄ Ｗａｔｅｒ Ｂａｌａｎｃｅ ｔｏ Ｃｌｉｍａｔｅ Ｖａｒｉａｂｉｌｉｔｙ ／ Ｃｈａｎｇｅ ｉｎ ｔｈｅ
Ｎｏｒｔｈ Ｃｈｉｎａ Ｐｌａｉｎ． ＰｈＤ Ｔｈｅｓｉｓ． Ｂｅｉｊｉｎｇ： Ｃｈｉｎｅｓｅ Ａｃａｄ⁃
ｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ， ２００９ （ｉｎ Ｃｈｉｎｅｓｅ）
［１０］　 Ｃｈｅｎ Ｃ， Ｗａｎｇ Ｅ， Ｙｕ Ｑ， ｅｔ ａｌ． Ｑｕａｎｔｉｆｙｉｎｇ ｔｈｅ ｅｆｆｅｃｔｓ
ｏｆ ｃｌｉｍａｔｅ ｔｒｅｎｄｓ ｉｎ ｔｈｅ ｐａｓｔ ４３ ｙｅａｒｓ （１９６１－２００３） ｏｎ
ｃｒｏｐ ｇｒｏｗｔｈ ａｎｄ ｗａｔｅｒ ｄｅｍａｎｄ ｉｎ ｔｈｅ Ｎｏｒｔｈ Ｃｈｉｎａ Ｐｌａｉｎ．
Ｃｌｉｍａｔｉｃ Ｃｈａｎｇｅ， ２０１０， １００： ５５９－５７８
［１１］　 Ｃｈｅｎ Ｃ， Ｂａｅｔｈｇｅｎ ＷＥ， Ｒｏｂｅｒｔｓｏｎ Ａ． Ｃｏｎｔｒｉｂｕｔｉｏｎｓ ｏｆ
ｉｎｄｉｖｉｄｕａｌ ｖａｒｉａｔｉｏｎ ｉｎ ｔｅｍｐｅｒａｔｕｒｅ， ｓｏｌａｒ ｒａｄｉａｔｉｏｎ ａｎｄ
ｐｒｅｃｉｐｉｔａｔｉｏｎ ｔｏ ｃｒｏｐ ｙｉｅｌｄ ｉｎ ｔｈｅ Ｎｏｒｔｈ Ｃｈｉｎａ Ｐｌａｉｎ，
１９６１－２００３． Ｃｌｉｍａｔｉｃ Ｃｈａｎｇｅ， ２０１３， １１６： ７６７－７８８
［１２］ 　 Ｌｉｕ Ｙ （刘　 园）． Ｃｏｎｔｒｉｂｕｔｉｏｎｓ ｏｆ Ｃｌｉｍａｔｉｃ ｆａｃｔｏｒｓ ａｎｄ
Ａｇｒｏｎｏｍｉｃａｌ Ｍａｎａｇｅｍｅｎｔｓ ｏｎ Ｃｒｏｐ Ｐｒｏｄｕｃｔｉｏｎ ｏｆ Ｗｉｎｔｅｒ
Ｗｈｅａｔ ａｎｄ Ｓｕｍｍｅｒ Ｍａｉｚｅ ｉｎ ｔｈｅ Ｎｏｒｔｈ Ｃｈｉｎａ Ｐｌａｉｎ． ＰｈＤ
Ｔｈｅｓｉｓ． Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ， ２０１０
（ｉｎ Ｃｈｉｎｅｓｅ）
［１３］　 Ｗａｎｇ Ｌ （王　 琳）， Ｚｈｅｎｇ Ｙ⁃Ｆ （郑有飞）， Ｙｕ Ｑ （于
强）， ｅｔ ａｌ． Ａｐｐｌｉｃａｂｉｌｉｔｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｐｒｏｄｕｃｔｉｏｎ Ｓｙｓ⁃
ｔｅｍｓ Ｓｉｍｕｌａｔｏｒ （ ＡＰＳＩＭ） ｉｎ ｓｉｍｕｌａｔｉｎｇ ｔｈｅ ｐｒｏｄｕｃｔｉｏｎ
ａｎｄ ｗａｔｅｒ ｕｓｅ ｏｆ ｗｈｅａｔ⁃ｍａｉｚｅ ｃｏｎｔｉｎｕｏｕｓ ｃｒｏｐｐｉｎｇ ｓｙｓｔｅｍ
ｉｎ Ｎｏｒｔｈ Ｃｈｉｎａ Ｐｌａｉｎ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ
（应用生态学报）， ２００７， １８（１１）： ２４８０ － ２４８６ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［１４］　 Ｌｉ Ｙ （李　 艳）， Ｘｕｅ Ｃ⁃Ｙ （薛昌颖）， Ｙａｎｇ Ｘ⁃Ｇ （杨
晓光）， ｅｔ ａｌ． Ｒｅｄｕｃｔｉｏｎ ｏｆ ｙｉｅｌｄ ｒｉｓｋ ｏｆ ｗｉｎｔｅｒ ｗｈｅａｔ ｂｙ
ａｐｐｒｏｐｒｉａｔｅ ｉｒｒｉｇａｔｉｏｎ ｂａｓｅｄ ｏｎ ＡＰＳＩＭ ｍｏｄｅｌ． Ｔｒａｎｓａｃ⁃
ｔｉｏｎｓ ｏｆ ｔｈｅ Ｃｈｉｎｅｓｅ Ｓｏｃｉｅｔｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｅｎｇｉｎｅｅｒｉｎｇ
（农业工程学报）， ２００９， ２５（１０）： ３５－ ４４ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［１５］　 Ｌｉｕ Ｚ⁃Ｊ （刘志娟）， Ｙａｎｇ Ｘ⁃Ｇ （杨晓光）， Ｗａｎｇ Ｊ （王
静）， ｅｔ ａｌ． Ａｄａｐｔａｂｉｌｉｔｙ ｏｆ ＡＰＳＩＭ Ｍａｉｚｅ ｍｏｄｅｌ ｉｎ
Ｎｏｒｔｈｅａｓｔ ｏｆ Ｃｈｉｎａ． Ａｃｔａ Ａｇｒｏｎｏｍｉｃａ Ｓｉｎｉｃａ （作物学
报）， ２０１３， ３８（４）： ７４０－７４６ （ｉｎ Ｃｈｉｎｅｓｅ）
［１６］　 Ｌｉ Ｇ （李　 广）， Ｈｕａｎｇ Ｇ⁃Ｂ （黄高宝）， Ｂｅｌｌｏｔｔｉ Ｗ， ｅｔ
ａｌ． Ａｄａｐｔａｔｉｏｎ ｒｅｓｅａｒｃｈ ｏｆ ＡＰＳＩＭ ｍｏｄｅｌ ｕｎｄｅｒ ｄｉｆｆｅｒｅｎｔ
ｔｉｌｌａｇｅ ｓｙｓｔｅｍｓ ｉｎ ｔｈｅ ｌｏｅｓｓ ｈｉｌｌ⁃ｇｕｌｌｉｅｄ ｒｅｇｉｏｎ． Ａｃｔａ Ｅｃｏ⁃
ｌｏｇｉｃａ Ｓｉｎｉｃａ （生态学报）， ２００９， ２９（５）： ２６５５－２６６３
（ｉｎ Ｃｈｉｎｅｓｅ）
［１７］　 Ｌｉ Ｇ （李　 广）， Ｈｕａｎｇ Ｇ⁃Ｂ （黄高宝）． Ｄｅｔｅｒｍｉｎａｔｉｏｎ
ｏｆ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｎ ｙｉｅｌｄ ｏｆ ｗｈｅａｔ
ａｎｄ ｐｅａ ｉｎ ｄｒｙｌａｎｄ ｕｓｉｎｇ ＡＰＳＩＭ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ
Ｅｃｏ⁃Ａｇｒｉｃｕｌｔｕｒｅ （中国生态农业学报）， ２０１０， １８（２）：
３４２－３４７ （ｉｎ Ｃｈｉｎｅｓｅ）
［１８］　 Ｌｉ Ｇ （李　 广）， Ｈｕａｎｇ Ｇ⁃Ｂ （黄高宝）， Ｗａｎｇ Ｑ （王
琦）， ｅｔ ａｌ． Ａｎａｌｙｓｉｓ ｏｆ ｃｏｏｐｅｒａｔｉｏｎ ｅｆｆｅｃｔ ｏｆ ｗａｔｅｒ ａｎｄ
ｆｅｒｔｉｌｉｚｅｒ ｏｎ ｗｈｅａｔ ａｎｄ ｐｅａ ｉｎ ｄｒｙｌａｎｄ ｂａｓｅｄ ｏｎ ＡＰＳＩＭ
ｍｏｄｅｌ． Ａｃｔａ Ｐｒａｔａｃｕｌｔｕｒａｅ Ｓｉｎｉｃａ （草业学报）， ２０１１，
２０（５）： １５１－１５９ （ｉｎ Ｃｈｉｎｅｓｅ）
［１９］　 Ｌｉ Ｇ （李　 广）， Ｌｉ Ｙ （李 　 玥）， Ｈｕａｎｇ Ｇ⁃Ｂ （黄高
宝）， ｅｔ ａｌ． Ｒｅｓｐｏｎｓｅ ｏｆ ｄｒｙｌａｎｄ ｓｐｒｉｎｇ ｗｈｅａｔ ｙｉｅｌｄ ｔｏ ｅｌ⁃
ｅｖａｔｅｄ ＣＯ２ ｃｏｎｃｅｎｔｒａｔｉｏｎ ａｎｄ ｔｅｍｐｅｒａｔｕｒｅ ｂｙ ＡＰＳＩＭ
ｍｏｄｅｌ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏ⁃Ａｇｒｉｃｕｌｔｕｒｅ （中国农业生
态学报）， ２０１２， ２０（８）： １０８８－１０９５ （ｉｎ Ｃｈｉｎｅｓｅ）
［２０］　 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
［２１］　 Ｗａｎｇ Ｅ， Ｒｏｂｅｒｔｓｏｎ ＭＪ， Ｈａｍｍｅｒ ＧＬ， ｅｔ ａｌ． Ｄｅｖｅｌｏｐ⁃
ｍｅｎｔ ｏｆ ａ ｇｅｎｅｒｉｃ ｃｒｏｐ ｍｏｄｅｌ ｔｅｍｐｌａｔｅ ｉｎ ｔｈｅ ｃｒｏｐｐｉｎｇ
ｓｙｓｔｅｍ ｍｏｄｅｌ ＡＰＳＩＭ． Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ａｇｒｏｎｏｍｙ，
２００２， １８： １２１－１４０
［２２］　 Ｊｏｎｅｓ ＣＡ， Ｋｉｎｉｒｙ ＪＲ． ＣＥＲＥＳ⁃Ｍａｉｚｅ： Ａ Ｓｉｍｕｌａｔｉｏｎ
Ｍｏｄｅｌ ｏｆ Ｍａｉｚｅ Ｇｒｏｗｔｈ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ． Ｍａｔｔｈｅｗ Ｍｉｎ⁃
ｓｏｎ， ＭＤ： Ｔｅｘａｓ Ａ＆Ｍ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ， １９８６
［２３］　 Ｌｉｔｔｌｅｂｏｙ Ｍ， Ｓｉｌｂｕｒｎ ＤＭ， Ｆｒｅｅｂａｉｒｎ ＤＭ， ｅｔ ａｌ． Ｉｍｐａｃｔ
ｏｆ ｓｏｉｌ ｅｒｏｓｉｏｎ ｏｎ ｐｒｏｄｕｃｔｉｏｎ ｉｎ ｃｒｏｐｐｉｎｇ ｓｙｓｔｅｍｓ．Ⅰ． Ｄｅ⁃
ｖｅｌｏｐｍｅｎｔ ａｎｄ ｖａｌｉｄａｔｉｏｎ ｏｆ ａ ｓｉｍｕｌａｔｉｏｎ ｍｏｄｅｌ． Ａｕｓｔｒａｌ⁃
ｉａｎ Ｊｏｕｒｎａｌ ｏｆ Ｓｏｉｌ Ｒｅｓｅａｒｃｈ， １９９２， ３０： ７５７－７７４
［２４］　 Ｚｈｏｕ Ｓ⁃Ｐ （周少平）． Ｓｉｍｕｌａｔｅｄ Ｃｒｏｐ Ｙｉｅｌｄ ａｎｄ Ｓｏｉｌ
Ｗａｔｅｒ ｗｉｔｈｉｎ ａ Ｍａｉｚｅ⁃ｗｉｎｔｅｒ Ｗｈｅａｔ⁃ｓｏｙｂｅａｎ Ｒｏｔａｔｉｏｎ ｉｎ
ｔｈｅ Ｌｏｅｓｓ Ｐｌａｔｅａｕ ｂｙ ＡＰＳＩＭ． Ｍａｓｔｅｒ Ｔｈｅｓｉｓ． Ｌａｎｚｈｏｕ：
Ｌａｎｚｈｏｕ Ｕｎｉｖｅｒｓｉｔｙ， ２００８ （ｉｎ Ｃｈｉｎｅｓｅ）
［２５］　 Ｚｈａｎｇ Ｙ （张　 祎）． Ｔｈｅ Ｉｍｐａｃｔｓ ｏｆ Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ ｏｎ
Ｗｉｎｔｅｒ Ｗｈｅａｔ （Ｔｒｉｔｉｃｕｍ ａｅｓｔｉｖｕｍ Ｌ．） Ｐｒｏｄｕｃｔｉｏｎ ａｎｄ Ｉｔｓ
Ａｄａｐｔａｔｉｏｎ Ｓｔｒａｔｅｇｉｅｓ ｉｎ ｔｈｅ Ｈｕａｎｇ⁃Ｈｕａｉ⁃Ｈａｉ Ｐｌａｉｎ． ＰｈＤ
Ｔｈｅｓｉｓ． Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ， ２０１２
（ｉｎ Ｃｈｉｎｅｓｅ）
作者简介　 戴　 彤，女，１９９１ 年生，硕士研究生．主要从事气
候变化对西南地区农作物产量影响的研究． Ｅ⁃ｍａｉｌ： ｄａｉ⁃
ｔｏｎｇｔｉｇｅｒ＠ ｇｍａｉｌ．ｃｏｍ
责任编辑　 杨　 弘
３４２１４期　 　 　 　 　 　 　 　 　 　 戴　 彤等： ＡＰＳＩＭ模型在西南地区的适应性评价———以重庆冬小麦为例