全 文 ：APSIM 模型的发展与应用 3
沈禹颖1 3 3 　南志标1 　Bill Bellotti2 　Michael Robertson3 　陈　文2 　邵新庆4
(1 兰州大学草地农业科技学院 ,甘肃草原生态研究所 ,兰州 730020 ; 2Adelaide 大学 ,罗斯沃斯 5371 ,3 澳大利亚 CSIRO
持续生态系统部 ,布里斯班 4068 ;4 甘肃省动物营养研究所 ,兰州 730030)
【摘要】　土壤2作物模拟模型已成为向农业生产管理决策提供科学依据的一个有效工具. APSIM (Agricultural
Production System Simulator)模型是澳大利亚科学家开发研制的 ,用于模拟农业系统各生物过程 ,特别是气候
风险下系统各组分生态和经济输出的机理模型. APSIM 已在温带大陆性气候、温带海洋性气候、亚热带干旱
气候和地中海气候带下的粘土、胀缩土 (duplex) 、变性土 (vertisol) 、粉粒砂壤、粉粒壤土和粉粒粘壤土等土壤
上进行了验证和应用 ,可以用于小麦等 20 余种作物的模拟. APSIM 模型在作物结构和轮作序列调整、作物
产量、质量预测和控制及不同种植方式下水土流失调控等方面具有良好的描述能力.
关键词 　APSIM 　黄土高原 　模拟模型
文章编号 　1001 - 9332 (2002) 08 - 1027 - 06 　中图分类号 　S03 　文献标识码 　A
Development of APSIM ( Agricultural Production Systems Simulator) and its application. SHEN Yuying1 ,NAN
Zhibiao1 ,Bill Bellotti 2,Michael Robertson 3,CHEN Wen1 ,SHAO Xinqing4 (1 College of Pastoral A griculture Science
and Technology , L anz hou U niversity ; Gansu Grassland Ecological Research Institute , L anz hou 730020 ;2 A delaide
U niversity , Roseworthy 5371 ;3 CS IRO S ustainable Ecosystems , A ust ralia , B risbane 4068 ;4 Institute of A nim al
N ut rition , Gansu Province , L anz hou 730030) . 2Chin. J . A ppl . Ecol . ,2002 13 (8) :1027～1032.
Soil2crop simulator model is an effective tool for providing decision on agricultural management . APSIM (Agricultur2
al Production Systems Simulator) was developed to simulate the biophysical process in farming system ,and particu2
larly in the economic and ecological features of the systems under climatic risk. The current literatures revealed that
APSIM could be applied in wide zone ,including temperate continental ,temperate maritime ,sub2tropic and arid cli2
mate ,and Mediterranean climates ,with the soil type of clay ,duplex soil ,vertisol ,silt sandy ,silt loam and silt clay
loam. More than 20 crops have been simulated well. APSIM is powerful on describing crop structure ,crop sequence ,
yield prediction ,and quality control as well as erosion estimation under different planting pattern.
Key words 　APSIM , Loess Plateau , Simulator model.3 国家重点基础研究发展规划项目 ( G2000018602) 和澳大利亚国际
农业研究中心资助项目 (L WR2/ 1999/ 094) .3 3 通讯联系人.
2002 - 04 - 07 收稿 ,2002 - 05 - 15 接收.
1 　引 　　言
作物2土壤模拟模型可以跨越时间、季节、土壤类型和气
候带 ,将土壤和作物水分在田间的测度用模型加以扩展描
述[3～5 ] ,因此模拟模型在农业生产、管理中已成为非常有效
的工具. 在旱作农业区 ,农业管理决策措施常常受降水量及
其季节内分布变率的影响 ,适宜的模型可对旱作条件下系统
各组分作出预测预报 ,有助于正确决策 ,保证农业生产的最
大收益.
APSIM 是由隶属澳大利亚联邦科工组织和昆士兰州政
府的农业生产系统组 (APARU) 开发研制 ,可以用于模拟旱
作农业系统中各主要组分的机理模型 [2 ,3 ] . APSIM 生物物理
模块的一个特点是注重土壤过程 ,如土壤 N、土壤水、有机质
以及同土壤 N 和土壤水分运动密切相关的地表留茬问题.
　　有关土壤2作物模型 ,前人已做了大量工作. N TRM、
CEN TUR Y、EPIC 和 PERFECT[28 ]等 90 年代初期开发的优
秀模型 ,特别重视土壤变化过程 ,但对作物层次重视不够. 事
实上作物生产层往往同气候、作物的基因型和实践管理水平
密切相关. APSIM 最早的开发理念欲使模型本身可以准确
模拟农业系统中长期资源管理的影响 ,通过模拟土壤有机质
动态、水土流失、土壤盐渍化、土壤酸化和作物品种选择等 ,
确定农业系统长期发展进程及管理措施的反映. APSIM 早
期曾经强烈地受到 CERES 和 GRO 的影响 ,但是 CERES 和
GRO 缺乏模拟轮作序列、休闲、地面留茬以及同土壤有关的
有机质流失、土壤侵蚀、土壤结构衰退和土壤酸化等的能力.
由于它的灵活性、可操作性 ,APSIM 被认为更应该是一个模
型系统的灵活软件环境 ,而不是针对某一个特定作物系统的
一个模型[4 ,18 ] .
2 　APSIM 模型描述
211 　APSIM 模型的核心
APSIM 模型由 4 部分组成 :模拟农业系统中生物和物理
过程的生物物理模块 ;发展用户定义模拟过程的管理措施和
控制模拟过程的管理模块 ;各种调用模拟过程“进出”数据的
模块和驱动模拟过程和控制传递于不同模拟信息模型的中
应 用 生 态 学 报 　2002 年 8 月 　第 13 卷 　第 8 期 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
CHIN ESE JOURNAL OF APPL IED ECOLO GY ,Aug. 2002 ,13 (8)∶1027～1032
心引擎. 其组成可以用图 1 表示.
图 1 　APSIM 模型的结构图[21 ]
Fig. 1 Diagram of the APSIM simulation framework with separate mod2
ules ,interfaces and simulation engine.
212 　APSIM 构架体系
　　除核心构成以外 , APSIM 由 APSFRON T、APSIM2ex2
plore 等组成了用于模型构建、测试和应用的 APSIM 用户界
面 ,通过 APSGRAPH、APSIM2Qutlook 等多种数据库工具显
示模拟结果的输出 ,做进一步的数据分析 ,提供了不同的模
型发展、测试工具和文件工具 (APSRUDO、APSTOOL) 和为
Web 用户和开发者的支持设施.
213 　APSIM 土壤水分模块
APSIM 的土壤水2模块基于层叠 (cascade) 水分平衡模
型 ,利用了 Jones 和 Kiniry[9 ]开发的 CERES、Littleboy[9 ]开发
的 PERFECT 模型中水分模块. 土壤的水分特征曲线由萎蔫
系数 (LL15) 、作物利用下限 (CLL) 、最大田间持水 (DUL) 和
饱和体积含水量 ( SA T) 来表示[7 ] (图 2) . APSIM 比 CERES
和 PERFECT 改进之处在于 :水分模块对水分动态的模拟为
逐日、连续的 ;可以计算逐日每一土壤层中大于 DUL 的饱和
含水量部分 ,饱和水分移向下层 ;不同的土壤类型采用不同
的土壤扩散系数 ;非饱和水流可以在邻近层次中运动 ,直到
达到特定的水分梯度为止. 不同的土壤类型采用不同的径流
曲线 ,其值从 0～100 不等 ,采用了美国农业部 USL E 模型的
径流曲线. 土壤蒸发 Es = cona t1/ 2 ,参照 CERES模型.
图 2 　APSIM 模型的水分特征———以庆阳西峰苜蓿生长为例
Fig. 2 Water characteristic of soil of the APSIM —An example from
Lucerne plots at Xifeng ,Qingyang Loess plateau.
214 　APSIM 土壤 N 模块
　　土壤 N 模块反映了土壤 C 和 N 动态 ,在 CERES 基础
上 ,APSIM 模型将土壤有机质分为活性 C、土壤微生物及其
产物库 (Biom)和土壤有机质库 ( Hum) . 2 个库间的 C 流计为
全 C ,相应的 N 流由 C 库中的 C/ N 比决定. 模型假定不同库
中的 C/ N 比不随时间变化而保持恒定 ,Biom 中 C/ N 比由初
始文件定量 ,而 Hum 中 C/ N 比则取决于输入的土壤 C/ N
比.
　　Biom 和 Hum 库的分解被计算为第 1 级过程 ,其速率稳
定性取决于该层土壤温度和水分 ,新鲜有机质库的处理同
CERES玉米模型 ,其分解受 C/ N 比的影响 ,速效 N 的矿质
化和进入库蓄 (immobilization) 取决于 N 素分解与微生物合
成、腐殖质形成过程的平衡 ,为供应进入库蓄而形成的不适
宜速效 N 会导致分解速度下降. 硝态 N 和氨态 N 均对进入
库蓄过程有效. 有机质库分解产生 CO2 向空气中释放并将 C
转送到 Biom 和 Hum 库中. Biom 分解为 C 素的内部循环 (见
图 3 　土壤中有机质和 N 素转化示意[21 ]
Fig. 3 Diagram of transformation occurring in each layer.
8201 应 　用 　生 　态 　学 　报 　　　　　　　　　　　　　　　　　　13 卷
图 3) .
215 　APSIM 地表留茬模块
　　APSIM 中各种作物留茬以地表留茬量、留茬盖度和对
土壤 N 的贡献来表述 ,汇入地表留茬库中. 任何新进入的留
茬 ,模型计算其平均重量后加进系统 ,表述为现有地表留茬
总量.
　　地表留茬通过耕作入土部分和盖度间的关系沿用了
PERFECT 模型的计算法 ,APSIM 的改进之处在于注重地表
留茬的分解以及分解对于维持 C、N 平衡的机理.
　　地表留茬量的减少通过下述几种途径实现 :1) 不留茬 :
如焚烧、打捆 ,这一行为不改变留茬的 C/ N 比 ;2) 通过耕作 ,
秸秆还田 :耕作将一部分地表留茬转入一定土壤层次的新鲜
土壤有机质库 ;3)就地分解 :分解途径类似于土壤 N 模块中
有机质库 ,任何进入库蓄部分均从地表开始 ,与此同时 ,有机
C形成、氨态 N 释放也加入到表层土壤中. 地表留茬的分解
速率同地表留茬量密切相关.
表 1 　APSIM 已开发和正在开发的作物模块及开发者 3
Table 1 Current crop modules in APSIM and relevant reference
APSIM 作物模块
APSIM module
原模型
Original model
相关资料作者
Reference
大麦 Hodeum v ulgare
油菜 B rassica nupus Robertson
鹰咀豆 Cicer arietinum Robertson
豇豆 V inga ungiculata APSIM - 豇豆 Adiku 等
棉花 Gossypium hirsutum OZCO T Hern 和 DoRosa
麻 Cannabis sativa Lisson 等
蚕豆 V icia f aba
森林 Forest Huth 等
羽扇豆 L upinus albus
玉米 Zea m ays Carberry 和 Abercht
苜蓿 Medicago sativa Robertson 等
Probert 等
糜子 Pennestium typhoides Van Osterom 等
绿豆 V igna radiata Robertson
莞豆 Phaseolus v ulgaris
草地 Pasture
花生 A rachis hypogaea QNU T Robertson
木豆 Cajanus cajan Robertson
高粱 Sorghum bicolor QSORG APSIM - 高粱 Hammer 和 Muchow
Carberry 和 Abercht
大豆 Glycine m ax Robertson 和 Carberry
向日葵 Helianthus annuus QSUN Chapman 等
小麦 T riticum aestiv um N- WHEAT ,I- WHEAT Keating 等
Meinke 等
柱花草 Stylosanthes hamata
甘蔗 S accharum spp. Keating
杂草 Weed3 Keating BA ,Carberry PS , Hammer GL. 2002. The agricultural production sys2
tems simulator (APSIM) : Its history and current capability. European Journal of
A gronom y (Special Issue in press) .
216 　APSIM 可适用的作物模块及发展
　　APSIM 中物候生长由 3 基点温度控制 ,模拟的生命过程
分为物候、分蘖和叶面积、根生长、作物水分关系、作物 N 素
状况、植物的衰老和死亡. 花后生长完全由 3 基点温度决定.
　　其中 ,ASPIMN- WHEA T 模块是在 Ritchie[23 ]和 Jones 与
Kiniry[9 ]的 CERES模型基础上构建的. 开发者对地上生物量
分室做了改进 ,生物量包含了叶鞘、叶片和茎杆部分 ,并且考
虑了霜冻对叶面积伤害造成的影响 ;将根系生长分为根系在
整个剖面的分布及在每一个层次的分布 [12 ,15 ] .
　　由于 APSIM 模拟轮作序列中前作作物的水、N 终态 ,即
是下一茬作物水分和 N 素的初态 , 为改变这种状况 ,
Meinke[16 ]将现有的模型成功地与作物模块连结起来 ,形成
了 APSIM 春小麦综合模型 I2WHEA T. 同其它模块相比 , I2
WHEA T增加了模型的预测性 ,减少了单一过程的细节. I2
WHEA T 的生物物理过程假定 :产量由收获指数 ( HI) 与积温
线性增加的关系来模拟 ,收获系数受 N 素和水分限制 ,一旦
N 供应和水分受限 , HI 便停止 ,N 亏缺首先影响叶片生长 ,
然后影响光能利用 ,存在于光截留和干物质积累之间的灵敏
反应通过环境因素作用于叶片生长. 因此总体上说 ,APSIM
I- WHEA T 在保留外界环境的影响因子方面相对稳定.
3 　APSIM 模型的应用状况
　　APSIM 模型已应用到不同的气候带 ,如澳大利亚昆士
兰州北部的亚热带干旱带、温带大陆的美国密执安 [5 ,23 ] 、新
西兰的温带海洋气候带、澳大利亚冬季降水为主带和全年均
匀降水带及西澳的地中海气候带 [1 ] 、荷兰的海洋性气候带[4 ]
和菲律宾的热带湿润高海拔区 [17 ] . 这些气候带覆盖了如下
几个不同的土壤类型 :澳大利亚降水变率大的红壤、南澳州
的胀缩土壤、西澳州的砂粘土和粘土、菲律宾的粘红壤以及
欧洲大陆荷兰的粉砂壤土和粉砂粘土等 [3 ] . 涉及的作物或树
种 有 小 麦 ( Triticum aestivum ) [1～4 ,15 ,16 ] 、玉 米 ( Zea
m ays) [17～19 ] 、大麻 ( Cannabis sativa ) [14 ] 、甘蔗 ( S accharum
spp. ) [6 ,8 ,11 ,13 ,17 ] 、桉树 ( Eucalyptus grandis) [27 ]和苜蓿 ( Med2
icago sativa 等[21 ,26 ] .
　　Probert 利用 APSIM 对澳大利亚北休闲系统的土壤水分
和 N 进行模拟时发现 :土地休闲利用时 ,由于缺乏作物覆盖 ,
要求模型对土壤蒸发模拟准确 ,同时 ,对水分在土壤剖面中
的下渗和重新分布以及随后的蒸发也有准确的模拟. 由于模
拟参数合理 ,因此对休闲系统的土壤水分和 N 素进行了准确
的模拟[20 ] .
311 　用于小麦生产和管理决策
　　APSIM 对小麦生产的模拟开发比较早 ,也比较完善 ,As2
seng 和 Dunin[1 ] 对西澳地中海气候下小麦水分利用效率
(WU E)和 N 素利用效率 (NU E)进行了研究. 模拟结果表明 ,
随季节变化 ,小麦的 WU E 和 NU E 受土壤类型、N 素投入、
降雨量 ,尤其是降雨格局的影响. 在降水中等的粘土地带 ,小
麦产量高于降水偏低地带. 由于 N 素淋溶 ,即便降雨量很高 ,
小麦在砂壤地的生产力也很低. 模型反映出降水对小麦生长
几个关键阶段的影响 :开花前降雨不足 ,则小麦生长不良 ,故
提前播种 ,可以获得与降雨量高、有较好土壤水分贮存条件
下同样高的产量 ;同理 ,开花期若早于多年平均开花期 ,则籽
粒产量高 ,而晚于平均开花期 ,则籽粒产量将减少 ,而秸秆产
量较高 ;灌浆期降水若低于平均值 ,籽粒产量将下降. 开花后
的土壤水分有效性也是决定灌浆饱满与否的指标之一. AP2
SIM 可依据小麦生产诸阶段的降水情况来判断产量.
　　Reyenga[23 ]利用 APSIM 的 I- WHEA T 模块分析了全球
变化对小麦生产系统的影响. 在大气 CO2 浓度增加的情况
下 ,他们将模型中辐射利用效率 ( RU E) 、蒸腾蒸散等参数分
别在原来基础上增加了 23 %、37 % ,而将特定叶面积 ( SLA)
92018 期 　　　　　　　　　　　　　　　　沈禹颖等 :APSIM 模型的发展与应用 　　　
和临界 N 浓度 (CNC)减少了 11 %和 12 %. 模拟结果表明 ,在
全球变化情况下 ,澳大利亚昆士兰州东南部小麦产量受降水
变率的驱动 ,存在着年际间变异 ,大气 CO2 倍增显著提高小
麦产量 ,非结构性碳水化合物产量随特定叶面积的降低而增
加 ,小麦籽粒蛋白质含量降低. 根据该结果 ,昆士兰州东南部
在大气 CO2 增加的情况下 ,选择晚熟小麦品种 ,提前播种可
能是最佳对策. 实测结果发现 ,该地区硬质小麦原本较高的
蛋白质含量随大气 CO2 的增加而下降 ,APSIM 模拟提示 ,提
高灌浆期温度或增加 N 肥投入可减缓该现象.
　　在荷兰的粉砂壤、粉粘土壤上 ,应用 APSIM 模型研究了
施 N 水平、施 N 时间对冬小麦种子质量和土壤残余 N 的影
响[3 ] ,经 1200 个实测数据验证 ,N 肥效应的实测值和模拟值
的相关性达 90 %(R2 = 0. 9) ,平均差平方根 ( RMSD) 仅0. 8t·
hm - 2 .模型结果表明 ,2 月施 N 可以增加穗粒产量 ,但对种
子质量的影响较小 ;分蘖和拔节期施 N 显著增产 ,尤其对种
子质量的提高有明显效果 ,对土壤残余 N 无明显影响 ;后期
施 N 可增加小麦籽实蛋白含量. 模型分析表明 ,在荷兰 ,冬小
麦最经济的施 N 模式应该为 2 月间施 N ,施 N 量为 140kg·
hm - 2 .
　　模拟结果还发现 ,在欧洲的海洋性气候下 ,因土壤水分
胁迫明显弱于澳洲大陆 ,模拟结果较干旱条件下更为准确 ,
如在荷兰模拟的小麦种子蛋白质的 RMSD 值仅 1. 6 % ,比西
澳的 3. 2 %低 100 %. 在新西兰温带海洋性气候下运行 AP2
SIM ,也发现对小麦种子蛋白预测的 RMSD 值较低 [4 ] ,可以
说 ,过度干旱影响了模拟结果的真实性 ,干旱区应用 APSIM
需要改进参数. 此外 ,实际产量高时 ,模拟结果更贴近真实
值 ,优于对低产量的模拟. 换言之 ,产量较低时 ,往往模拟值
偏高 ,因此模拟有过于理想化的趋势.
312 　用于豆科牧草及豆科牧草2禾谷类作物系统的模拟
　　Probert [21 ]应用 APSIM 对鹰嘴豆2小麦轮作系统中牧草
的 N 素、水分利用效率和籽粒产量进行了模拟 ,获得了较理
想的拟合结果 (R2 = 0. 74) . 在 1998 年 ,APSIM 模型应用于模
拟苜蓿生长时发现 ,在水分条件适宜的情况下 ,APSIM 对苜
蓿生物量、叶面积指数和地上生物量的 N 素贮存的模拟获得
了满意结果 (模型分别代表了 53 %的生物量变异和 46 %的
叶面积指数的变异) ,而且模型还很好地反映了干旱胁迫下
叶片衰败现象. 但是在水分胁迫时 ,APSIM 对苜蓿生长的拟
合表现不良. 由于多年生牧草具有年内多次开花、多次刈割
利用的特性 ,模型尚未解决花后如何模拟苜蓿产量分室和衰
老过程 ,需要关注水分胁迫下、花后及不同的刈割频率下 ,水
分的作用机制[24 , ,26 ] . 因此 ,澳大利亚 CSIRO 的研究人员专
门对此开展了深入研究 ,Robertson 等[25 ]在以大量文献确定
相关参数的基础上 ,分别对代表暖季型豆类作物 ———绿豆、
花生和冷季适应型豆类作物 ———鹰嘴豆的冠幅发育、生物量
分室、多年生植物代表 ———苜蓿的产量特征以及不同节位的
单叶面积等特征 ,在洪积粘土土壤上开展了田间观测. 在拥
有丰富参数的基础上 ,解决了豆科牧草模块生物量累计和分
室方面存在的缺陷. 结果表明 ,使用通用豆科牧草模块可以
对多种豆科植物进行模拟 ,其突出的贡献为 ,将参数、系数等
设为外设文件 ,用户只需更改初始文件的内容 ,便可以模拟
新的豆科植物 ,简化了在现有作物模块基础上开发新加入豆
科牧草品种模拟的工作. 因此 ,APSIM 表述多年生豆科牧草
生长过程的能力已得到改善 ,为在草田轮作有悠久历史的黄
土高原应用模型管理豆科牧草2小麦系统生产给予了极大的
应用空间.
313 　用于山地玉米2灌丛间作下的水土保持功能的研究
　　在菲律宾的高海拔地区 ,通常采用 1 年生作物沿等高线
在多年生豆科灌丛或各种树木行间间作 ,作物与天然植被或
牧草呈带状种植的灌丛间作方式 ,以减少水土流失. 为确定
灌丛间作的效果 ,尼尔森等 [17 ,18 ]在菲律宾海拔 3000m、平均
降雨量为 2060mm、排水不良的酸性亚热带红土地上 ,应用
APSIM 模型对玉米不同种植方式的水保功能、模型表现和
经济效益作了细致的研究[17～19 ] ,APSIM 模拟表明 ,径流与
地表覆盖有强烈的相关关系 ,雨季径流曲线和地表覆盖之间
的相互关系分别为 :裸地 93. 1 %、灌丛间作 83. 2 %. 玉米 +
灌丛间作可降低水土流失的相关参数 ,根据实测的土壤流
失、径流和盖度型 ,大田种植玉米的侵蚀效率λbare和覆盖物
指数 b 依次为 0. 55 和 0. 27 ,而灌丛间作则相应为 0. 29 和
0. 35. 模型对积累径流预测的准确性受年内土壤水分和径流
曲线参数等影响. 灌丛间作下较低的λbare值 ,说明灌丛能显
著减缓地表水流的冲刷效应 ,较高的 b2 值表明灌丛提高了
土表覆盖物对防止侵蚀的效应. 灌丛间作有增加地表覆盖 ,
减轻水土流失的功能 ,主要是通过降低水流的溶质浓度 ,并
进一步减低了溅蚀而显著降低了夹带卷走表土的作用. 使用
灌丛间作可使径流曲线降低 10 %. APSIM 模拟表明 ,大田连
作种植玉米 25 年后 ,土层将减少 54cm ,土壤侵蚀模数达
190t·hm - 2·年 - 1 ,而灌丛间作的土壤侵蚀模数仅为 1t·hm - 2
·年 - 1 . 说明 APSIM 具有准确模拟亚热带潮湿、高海拔地区
玉米传统耕作与玉米2灌丛间作的产量、水土保持功能的能
力.
314 　用于甘蔗的生产和管理
　　APSIM 模型可以综合分析不同地带、施肥时间、灌溉、
收获时间以及地面留茬等不同管理措施对甘蔗产量和生产
的影响. 这是其它的甘蔗模型如 CAN EGRO 和 QCAN E 等不
具备的综合功能[6 ,8 ,11 ,13 ,17 ] . 甘蔗模块是 APSIM 目前开发比
较完善的作物模块之一 ,它的基本参数来自澳大利亚、夏威
夷、南非、瑞士等不同的国家 ,而不同地区在土壤肥力、气候
带、水分利用和糖分含量方面有很大的差异. 但由于参数确
定合理 ,叶面积、生物量、蔗糖含量、地上生物量和 N 素贮存
等项目的模拟值与实测值间直线相关的决定系数 ( R2 ) 分别
为0. 79、0. 93、0. 83 和 0. 86[13 ] . 由于实测值和模拟值间的拟
合性良好 ,因此甘蔗模块有广泛的适用性. 此外 ,甘蔗为多年
生植物 ,母株和根、蘖、茎组成了不同年龄等级的个体. Lis2
son[13 ]认为 ,一个由完整甘蔗生长周期组成的单个 APSIM 模
型 ,便可以捕获不同生长季节气候通过管理互作产生的变
异 ,这样就无须每年测定所有的株数和根、蘖数 ,而可以减少
0301 应 　用 　生 　态 　学 　报 　　　　　　　　　　　　　　　　　　13 卷
模拟时间. 此外 ,统计比较表明 ,APSIM 对甘蔗的模拟年代
不宜超过 40 年 ,超过 40 年后 ,模型对变异的表现能力将大
大减弱.
315 　用于农业旱情预报管理
　　模拟系统中仅靠气象条件能否说明降水强度和降水分
布与农业系统状态关系仍存在争论 [10 ] . Keating 通过 APSIM
的 I- WHEA T、N- WHEA T 和 高 粱 模 块 SORGHUM 和
CSSA T ,分析了澳大利亚东北部谷物生产区对异常干旱 (ex2
ceptional drought)的反应. 结果表明 ,仅靠气候因子并不能说
明降水强度和降水格局与农业系统的相关性 ,通过对环境的
模拟可以评价农业系统的表现. 灵敏度分析表明 ,不同的模
型和不同种植制度几乎不能确定“异常干旱”的发生. 而 AP2
SIM 模型反映了降水时间、降水强度和降水量以及土壤储水
量对作物系统的影响. 因此 ,综合模型超越了仅用气象条件
来评价过度干旱现象的局限 ,可作为旱作农业区旱情测度和
预报的工具之一.
316 　用于作物种植格局下深层排水的管理调控
　　在澳大利亚 ,土地和地下水盐渍化是一个重要的现实环
境 ,总面积约 1. 9 ×107 hm - 2的多年生植物被清除 ,种植 1 年
生作物后 ,由于浅根系植被对深层土壤利用不够 ,不能利用
生长季以外的降水 ,而裸地的蓄水作用 ,造成上层水分向深
层下渗 ,致使土壤大面积次生盐渍化. 研究人员试图用 AP2
SIM 作为管理工具 ,控制盐渍化的发展 [1 ] . 用 APSIM 模型模
拟不同作物管理措施下的深层排水 ,发现在不同的土壤类型
和不同气候带下 ,受降雨模式的影响 ,深层排水的季节内分
布年际间变率极大. 自沿海向内陆地带分布来看 ,以东经
116. 0o E的深层排水最大 ,由东向西 ,随降雨的减少 ,小麦带
发生深层排水的概率仅为 50 %(在降水很少的重壤砂土和粘
土中发生的概率更低) . 根据 1970～1990 年资料 ,掌握长期
尺度下不同作物格局中土壤深层排水规律 ,可以通过控制作
物布局来控制地下水位动态 ,为有效减轻土壤次生盐渍化的
发生和发展提供决策依据.
4 　结 　　语
　　如前所述 ,APSIM 模型目前在草地部分开发不够 ,动物
生产系统未开发成熟. APSIM 开发人员正试图同 CSIRO 的
植物产业组开发的 GrassGRO/ GrazFEED 模型连手合作 ,以
在草地生产上有所突破 [12 ] .
　　模型中因未考虑病虫害对作物的影响 ,是低产时模拟值
偏高的原因之一. Reyenga 对昆士兰州东南部边缘区小麦产
量进行模拟时 ,发现在雨水较多的年份 ,产量模拟值高于实
际值 ,这是因为对雨水充沛年份的病害引起的损失没有在模
型中加以反映[22 ] ,使结果的可靠性降低. 通过比较干旱气候
和湿润气候下对小麦蛋白质含量模拟的偏差程度 ,发现气候
过于干旱、变率过大时 ,模拟结果不理想.
　　作为一个点面模型 ,APSIM 应用到多点可实现区域内
的模拟. 从上述应用实例可以看出 ,APSIM 在不同的气候带
和多种土壤条件下对农业系统中各组分变化均显示出了强
大、灵活的描述功能. 中国科学院西北水土保持研究所、西北
农林科技大学等单位在黄土高原对小麦农田水分、沟坡地水
分和养分开展了大量研究工作 [29 ,30 ] ,建立了许多优秀的水
分、养分动态模型 ,但是仍需发展和应用适宜的土壤2作物模
型来进行描述草田轮作系统中各生产组分的关系和动态.
　　任何一个模型的应用都必须有准确的实验数据来支持.
欲实现 APSIM 模型的各项功能 ,其参数化过程非常重要. 位
于北半球的我国黄土高原同位于南半球的澳洲大陆相比 ,由
于地理位置和环境基质的不同 ,其气候格局、土壤特征均有
显著的差异. 因此应用 APSIM 进行黄土高原农业生产结构
调整和管理 ,还需确定相关的生物过程参数.
　　APSIM 模型的特点是能够模拟作物产量对不同基因
型、气候和管理条件的反应 ,评价轮作序列中土壤肥力指标
和作物产量 ,在多变的气候条件下 ,反映旱作农业区农业生
产系统各组分的状态和应对. 模型的分析功能 ,对于我国黄
土高原地区 ,确定农业系统结构、草地农业系统中元素和水
分的动态过程 ,遏止水土流失 ,指导农业产品面对激烈的国
际竞争 ,如何在变化的市场中避免风险 ,获得经济、生态双收
益 ,并使农业系统获得可持续发展有重要意义.
参考文献
1 Asseng S , Dunin FX , Fillery IRP , et al . 2001. Potential deep
drainage under wheat crops in a Mediterranean climate I. Temporal
and spatial variability. A ust J A gric Res ,52 (1) : 57～66
2 　Asseng S , Keating BA , et al . 1998. Performance of the APSIM2
wheat model in Western Australia. Field Crops Res ,57 (2) :163～
179
3 　Asseng S , Keulen HV ,Stol W , et al . 2000. Performance and appli2
cation of the APSIM N-wheat model in the Netherlands. Eur J A2
gron ,12 (1) :37～54
4 　Asseng S , Fillery IRP ,Anderson GC , et al . 1998. Use of the AP2
SIM wheat model to predict yield ,drainage ,and NO32leaching for a
deep sand. J A gric Res ,49 (3) :363 ～377
5 　Carberry PS , Adiku SGK , Mccown RL , et al . Application of the
APSIM cropping systems model to intercropping systems. In : Dy2
namics of Roots and Nitrogen in Cropping System of the Semi Arid
Tropics. Japan International Research Center for Agricultural Sci2
ence. 637～644
6 　Cheeroo Nayamuth FC ,Robertson MJ , Wegener M K , et al . 2000.
Using a simulation model to assess potential and attainable sugarcane
yield in Mauritius. Field Crops Res ,66 (3) : 225～243
7 　Dalgliesh N , Foale M. 1998. Soil Matters. Toowoomba : Cranbrook
Press. 72～74
8 Garry J , O’Leary. 2000. A review of three sugarcane simulation
models with respect to their prediction of sucrose yield. Field Crops
Res , 68 (2) : 97～111
9 　Jones CA , Ritchie J T , Kiniry J R. 1986. Subroutine structure. In :
Jones CA , Kiniry J R eds. CERES2Maize —A Simulation Model of
Maize Growth and Development . College Station : Texas A &M U2
niversity Press. 49～111
10 Keating BA ,Meinke H. 1998. Assessing exceptional drought with a
cropping systems simulator : A case study for grain production in
northeast Australia. A gric Sys , 57 (3) :315～332
11 　Keating BA , Robertson MJ , Muchow RC , et al . 1999. Modeling
sugarcane production systems I. Description and validation of the
sugarcane module. Field Crops Res ,61 (3) :253～271
12 Lisson SN ,Robertson MJ , Keating BA , et al . 2000. Modeling sug2
arcane production systems II. Analysis of system performance and
methodology issues. Field Crops Res ,68 (1) :31～48
13 　Lisson SN , Mendham NJ , Carberry PS. 2000. Development of a
hemp ( Cannabis sativa L . ) simulation model 4 model description
and validation. A ust J Ex p A gric ,40 (3) : 425～432
14 　Meinke H ,Hammer GL , Keulen HV , et al . 1997. Improving wheat
simulation capabilities in Australia from a cropping systems perspec2
13018 期 　　　　　　　　　　　　　　　　沈禹颖等 :APSIM 模型的发展与应用 　　　
tive III. The integrated wheat model ( I- WHEAT) . Eur J A gron ,
8 :101～116
15 　Meinke H ,Rabbinge R ,Hammer GL , et al . 1998. Improving wheat
simulation capabilities in Australia from a cropping systems perspec2
tive. The integrated wheat model ( I- WHEAT) II. Testing simula2
tion capabilities of wheat growth. Eur J A gron , 8 :83～99
16 　Muchow RC , Keating BA. 1998. Assessing irrigation requirements
in the Ord Sugar Industry using a simulation modeling approach.
A ust J Ex p A gric ,38 (4) :345～355
17 　Nelson RA ,Dimes J P ,Paningbatan EP ,Silburn DM. 1998. Erosion/
productivity modeling of maize farming in the Philippine uplands
Ⅰ. Parameterising the agricultural production systems simulator. A2
gric Sys ,58 (2) :129～146
18 　Nelson RA ,Dimes J P , Paningbatan EP , et al . 1998. Erosion/ pro2
ductivity modelling of maize farming in the Philippine uplands Ⅱ.
Simulation of alternative farming methods. A gric Sys ,58 (2) :147～
163
19 　Nelson RA ,Cramb RA ,Mamicpic MA. 1998. Erosion/ productivity
modeling of maize farming in the Philippine uplands Ⅲ. Economic
analysis of alternative farming methods. A gric Sys ,58 ( 2) : 164～
183
20 　Probert ME ,Dimes J P , Keating BA , et al . 1998. APSIM’s water
and nitrogen modules and simulation of the dynamics of water and
nitrogen in fallow systems. A gric Sys ,56 (1) :1～28
21 　Probert ME ,Carberry PS ,Mccown RL , et al . 1998. Simulation of
legume2cereal systems using APSIM. A ust J A gric Res ,49 (3) :317
～327
22 　Reyenga PJ ,Howden SM ,Meinke H. 1999. Modeling global change
impacts on wheat cropping in south2east Queensland ,Australia. En2
vi ron Mod Sof tw are ,14 : 297～306
23 Ritchie J T. 1986. Model inputs. In : Jones CA , Kiniry J R eds.
CERES2Maize —A Simulation Model of Maize Growth and Develop2
ment . College Station : Texas A &M University Press. 37～48
24 　Robertson MJ , Carberry PS ,Lucy M. 2000. Evaluation of a new
cropping option using a participatory approach with on2farm moni2
toring and simulation : A case study of spring2sown mungbeans.
A ust J A gric Res , 51 (1) :1～12
25 Robertson MJ , Silim SN , Chauhua YS , et al . 2000. Predicting
growth and development of pigeonpea : Biomass accumulation and
partitioning. Field Crops Res ,70 :89～100
26 　Robertson MJ , Carberry PS , Huth NI , et al . 2002. Simulation of
growth and development of diverse legume species in APSIM. A ust
J A gr Res , 53 : 429～446
27 　Snow VO ,Smith CJ ,Polglase PJ , et al . 1999. Nitrogen dynamics in
a eucalypt plantation irrigated with sewage effluent or bore water.
A ust J Soil Res ,37 (3) :527～544
28 　Steiner JL ,William JR ,Jones OR. 1987. Evaluation of the EPIC simulation
model using dry land wheat2sorghum2fallow crop rotation. Agron J , 79 :
2232232
29 　Zhao J2B(赵聚宝) ,Xu Z2L (徐祝龄) ,Zhong Z2Z (钟兆站) ,et al . 2000.
Field Water Balance in Dry land of Northern China.Beijing :China Agricul2
tural Press. 123～137(in Chinese)
30 　Yang W2Z(杨文治) ,Shao M2A(邵明安) . 2000. Soil Water Research in
Loess Plateau.Beijing :Science Press. 251～287(in Chinese)
作者简介 　沈禹颖 ,女 ,1965 年生 ,在职博士 ,副研究员 ,研究
方向为草地农业生态学 ,发表论文 30 余篇. E2mail : yuying2
shen @163. net
·会讯·
第四届全国化学生态学术研讨会在昆明召开
　　中国生态学会化学生态学专业委员会第四次全体委员会议于 2002 年 6 月 17 - 19 日在云南昆明召开 ,本次会议由云南大
学 ,云南中科生物产业有限公司和中国生态学会化学生态专业委员会共同承办. 中国科学院院士庞雄飞教授、中国昆虫学会
副理事长李丽英教授、香港科技大学钱培元教授、云南大学副校长洪品杰教授、中国科学院西双版纳热带植物园副所长曹敏
研究员、云南大学化学与材料工程学院副院长施南华教授参加了会议并讲了话. 化学生态专业委员会主任杜家纬教授在会上
作了“第三届化学生态专业委员会的工作报告”. 同时 ,本次会议还邀请了《应用生态学报》和《昆虫知识》主编列席了会议.
　　这次会议总结了四年来化学生态专业委员会在中国生态学会的领导下所进行的工作 ,制订了今后的工作计划. 会议还通
过委员间的协商并考虑到专业和地区分布对第四届中国生态学会化学生态专业委员会成员进行了部分调整 ,仍由杜家纬教
授任主任 ,副主任为孟宪佐研究员 (中国科学院动物研究所) 、孔垂华教授 (华南农业大学) 、黄勇平研究员 (中国科学院上海昆
虫研究所) 、原国辉教授 (河南农业大学) . 委员 :赵成华研究员 (中国科学院动物研究所) 、陈宗懋研究员 (中国农科院茶叶研究
所) 、李正名院士 (南开大学) 、戴华国教授 (南京农业大学) 、钱培元教授 (香港科技大学) 、林军教授 (云南大学化学与材料工程
学院) 、娄永根副教授 (浙江大学农学院) 、张真研究员 (中国林科院森保所) 、韩桂彪教授 (山西农业大学) 、张茂新副教授 (华南
农业大学) .
　　会议共收到学术论文 43 篇 ,分为 4 个专题 :昆虫信息素的研究及其应用 ,昆虫与植物间的化学相互作用关系 ,植物生理活
性物质的研究和化感作用及其在农业生产上的应用与研究. 到会代表 40 多人 ,进行了热烈的学术交流 ,介绍了国内外动态和
各自所从事的研究工作进展 ,构通了信息. 大会邀请了庞雄飞院士作题为“植物次生化合物与害虫防治”报告 ,杜家纬教授作
了“我国化学生态学研究的回顾和展望”综述 ,钱培元教授作了“Antifouling mechanisms of the green seaweed Ulva retiulata in
Hong Kong Waters”学术报告. 这次会议虽然时间短促 ,由于受到中国生态学会的重视和支持 ,代表们的共同努力 ,会议开得很
成功 ,取得了预期的结果. 与会代表对云南大学和云南中科生物产业有限公司承办本次会议表示感谢.
　　今后的工作打算 :
1. 经委员协商 ,第五届全国化学生态学术讨论会将由华南农业大学承办 ,时间 :2004 年下半年至 2005 年初.
2. 专委会统一组织委员们参加 2003 年 8 月由亚太地区化学生态学家协会和国际化学生态学会共同组办的第二十届国际化学
生态年会作为重点任务.
3. 组织本次会议的部分优秀论文和综述专栏.
4. 专业委员会将继续认真做好化学生态学科的科学普及工作.
中 国 生 态 学 会
化学生态专业委员会
2002 年 6 月 19 日
2301 应 　用 　生 　态 　学 　报 　　　　　　　　　　　　　　　　　　13 卷