全 文 ：作物学报 ACTA AGRONOMICA SINICA 2015, 41(1): 123135 http://zwxb.chinacrops.org/
ISSN 0496-3490; CODEN TSHPA9 E-mail: xbzw@chinajournal.net.cn

本研究由国家公益性行业(气象)科研专项(GYHY201006027)和中国气象科学研究院基本科研业务费专项(2009Y005)资助。
* 通讯作者(Corresponding author): 马玉平, E-mail: mayp@cams.cma.gov.cn
第一作者联系方式: E-mail: brilliant_ww@163.com
Received(收稿日期): 2014-04-30; Accepted(接受日期): 2014-09-30; Published online(网络出版日期): 2014-11-11.
URL: http://www.cnki.net/kcms/detail/11.1809.S.20141111.1558.019.html
DOI: 10.3724/SP.J.1006.2015.00123
GECROS模型在黄淮海地区模拟夏玉米生长的适应性评价
吴 玮 1,2,3 马玉平 1,* 俄有浩 1 孙琳丽 1,2 景元书 2
1中国气象科学研究院, 北京 100081; 2南京信息工程大学, 江苏南京 210044; 3无为县气象局, 安徽无为 238300
摘 要: GECROS 是荷兰瓦赫宁根农业大学近些年开发的机理性更强、算法更简要的作物生长模型。本文利用黄淮
海地区夏玉米试验数据进行 GECROS模型的适应性评价, 为模型进一步开展区域应用提供依据。结果表明, GECROS
基本能够反映黄淮海地区夏玉米的发育进程。模型模拟夏玉米抽雄期的绝对偏差在 6.0 d以内, 平均为 2.1 d; 模拟成
熟期的绝对偏差在 8.0 d以内, 平均为 3.4 d。GECROS描述夏玉米干物质积累和叶面积扩展过程的准确度较高。模
拟雌穗总重的归一化均方根误差在 7.8%~33.8%之间 , 平均为 18.6%; 模拟植株地上总重的归一化均方根误差在
11.2%~32.6%之间, 平均为 20.7%; 模拟 LAI的绝对偏差在 0.28~0.55之间, 平均为 0.41, 模拟籽粒产量的绝对偏差在
20.3~229.0 g m–2 之间, 平均为 80.9 g m–2。利用 GECROS 模型相对评价作物生长状况或环境影响基本可行。但
GECROS 模拟夏玉米发育进程仍存在低值偏高、高值偏低的现象; 在土壤水分胁迫较重时, 描述的生物量积累过程
有偏低情况; 描述 LAI扩展的总体效果差于生物量累积的效果。GECROS仍需进一步完善。
关键词: GECROS; 适应性; 夏玉米; 黄淮海地区
Adaptability Evaluation of GECROS Simulateing Summer Maize Growth in
the Yellow-Huaihe-Haihe Rivers
WU Wei1,2,3, MA Yu-Ping1,*, E You-Hao1, SUN Lin-Li1,2, and JING Yuan-Shu2
1 Chinese Academy of Meteorological Sciences, Beijing 100081, China; 2 Nanjing University of Information Science & Technology, Nanjing 210044,
China; 3 Wuwei County Bureau of Meteorology, Wuwei 238300, China
Abstract: The evaluation of crop model is a key process for its application. GECROS model had been developed by Wageningen
in recent years. GECROS uses stronger mechanism and more concise algorithms to summarize the current knowledge of individ-
ual physiological processes and their interactions and feedback mechanisms. To provide a foundation for the future localization
and regional application of GECROS model, in this study, the field observations of summer maize from several agrometeorologi-
cal stations in Yellow-Huaihe-Haihe Rivers were used to conduct the adaptability evaluation of GECROS model. The results
showed that GECROS model could basically reflect the growing process of summer maize in Yellow-Huaihe-Haihe Rivers. The
absolute deviations at the period from emergence to tasseling simulated by GECROS were less than 6.0 d, with an average of 2.1
d. The absolute deviations at the period from tasseling to mature were less than 8.0 d, with an average of 3.4 d. The dry matter
accumulation and leaf area expansion process of summer maize were accurately described by GECROS. The normalized mean
square root errors (%) of total ear weight simulated by GECROS were 7.8%–33.8%, with an average of 18.6%, and these of total
plant weight were 11.2%–32.6%, with an average of 20.7%. The absolute deviations of LAI were 0.28–0.55, with an average of
0.41. The relative evaluation on crop growth and impact of environmental conditions was basically feasible. But the developmen-
tal process of summer maize simulated by GECROS had the phenomenon of low values tengding to higher and high values teng-
ding to lower. When the soil water stress was severe, GECROS gave a lower value for the biomass accumulation process, and the
overall effect of description for the LAI expansion was inferior to that for biomass accumulation. GECROS still needs to be fur-
ther improved.
Keywords: GECROS; Adaptability; Summer maize; The Yellow-Huaihe-Haihe Rivers
124 作 物 学 报 第 41卷

作物生长模型是研究农业生产的一种重要手段,
它不仅反映了现阶段对整个农业生产系统的认知水
平, 还能用于研究和比较不同生态环境下作物生长
的差异, 促进人们对作物生长机理的深化理解和研
究, 反过来又提高模型模拟能力[1-4]。至今, 作物生
长模型虽然被不断完善, 应用性和适应性不断增强,
但由于气象等环境灾害因素对农业生产影响的多方
面和复杂性, 模型的诸多生理生态过程仍需深入研
究并进一步完善[5-6]。其中, 荷兰 deWit 学派作为国
内外众多模型研究派系之一, 先后自主研发了一系
列作物生长模型 , 包括 ELCROS、 BACROS、
SUCROS、MACROS等[7-8]。为了能更好地面向实际
应用, 荷兰瓦赫宁根农业大学与世界粮食研究中心
合作, 在 SUCROS 基础上研制了能模拟特定土壤和
气候条件下的一年生作物生长动态的、解释性的
WOFOST 模型; 又与菲律宾国际水稻研究所(IRRI)
合作, 在 MACROS 和 SUCROS 的基础上研发了水
稻模型 ORYZA, 再不断完善后发展成系统性、应用
性更强的水稻生长模拟模型 ORYZA2000[9]。这两者
在国内外都有较广泛的验证和应用[10-11]。2005年以
来, 为了进一步完善作物生长模型的机制过程和克
服部分模块仍利用的数理统计概括, 荷兰瓦赫宁根
农业大学在之前 deWit 学派众多模型基础上开发了
机理性更强、算法更简要的 GECROS模型[12]。该模
型可用于研究作物与环境的相互作用。GECROS 基
于“钟模型”[13]的改进来描述发育进程, 克服了以往
积温模型的不足; 采用了 Farquhar 光合生理模型,
较以往光合模型的统计形式更具有机理性。
GECROS 较以往模型有较大改动, 其模拟和适应能
力有待多方检验。目前在中国区域的应用验证研究
还很少。
本文利用黄淮海地区农业气象观测站的夏玉米
田间试验数据, 进行 GECROS 模型在潜在和水分胁
迫条件下的发育进程、叶面积以及生长量的模拟检
验, 以评价 GECROS 模型的模拟能力与适应性, 为
进一步开展模型区域应用提供依据。
1 研究模型、数据和方法
1.1 GECROS模型简介
GECROS 是分析作物品种和环境相互作用的作
物生长模型[12]。它对作物发育进程、光合呼吸过程、
叶面积扩展以及土壤水分平衡等主要机理描述如下。
GECROS 综合考虑了温度和日长与作物发育的
非线性关系, 在“钟模型”基础上改进模拟发育期。它
以 Farquhar 模型为基础, 从生理学角度出发构建光
合作用模型。
PP=44×10–6×(1–Γ*/CC) min (VC, VJ) (1)
式中, PP为潜在总光合速率(g m–2 s–1); Γ*为在没有暗
呼吸下的 CO2补偿点(μmol mol–1); CC为进行羧化作
用的 CO2 含量(μmol mol–1)。VC 为 RuP2 羧化速率
(μmol m–2 s–1), VJ为电子传输速率(μmol m–2 s–1)。该
模型从作物叶片生长过程的生理学角度出发, 根据
Yin 等[12]提出的叶面积指数碳氮限制原则, 将其分
为碳限制(LC)和氮限制(LN)两部分。
N n n LV b(1/ ) ln (1 / ) L k k N n (2)
bot LV LV bot bot bot n LV C
C
la LV c,v C
( ) /[ ( )] 1
/ 1
n N N n n n k N L
L
s C f L
        

(3)
式中, kn为氮消亡系数; nb为能进行光合作用的最小
叶氮含量(g m–2); NLV为活叶氮含量(g m–2), ΔLC为 LC
日增量, Sla为比叶面积(m2 g–1); CLV为活叶碳含量(g
m–2); nbot为底层叶片氮含量。叶面积指数 L=min (LC,
LN)。当土壤水分充足时, 作物光合速率决定蒸腾速
率。当作物根系吸收的土壤水分不能满足潜在蒸腾
EP 时, 实际蒸腾 Ea 由根活动层的土壤含水量决定,
实际蒸腾速率则决定实际光合速率[12]。潜在蒸腾 EP
依据彭曼公式[12]计算。
bh t bw t sw,P
a bh t bw t sw,P
( ) ( )
( ) ( )
as r r r r rE
E s r r r r r


        (4)
式中, rt为作物冠层湍流阻力(s m–1); rbh和 rbw分别为
叶片边界热量和水分传递阻力(s m–1); γ为干湿表常
数(kPa ℃–1); s 为饱和水汽压随温度变化斜率(kPa
℃–1); rsw,p和 rsw,a分别为潜在和实际水分条件下的叶
片气孔阻力(s m–1)。
GECROS 模型包含许多体现品种遗传特性及生
态适应性的参数(表 1), 它的输入量主要为逐日日照
时数、最高、最低温度、降水量、平均水汽压和平
均风速, 输出量主要包括作物碳氮元素的吸收量、
蛋白质含量、冠层光合速率、蒸腾速率、叶面积指
数、地上总干重、产量和收获指数等要素。
1.2 模型参数确定与检验方法
1.2.1 模型参数校准方法 对于 GECROS 模型
发育参数, 根据黄淮海夏玉米实际发育期及对应温
度数据推算确定。对于模型生长参数, 首先进行敏
感性分析, 然后再对敏感参数依据性质分类确定其
取值。
第 1期 吴 玮等: GECROS模型在黄淮海地区模拟夏玉米生长的适应性评价 125


表 1 GECROS模型的主要参数及其取值范围
Table 1 The ranges of the main parameters of GECROS model
参数
Parameter
定义
Description
缺省值
Default value
单位
Unit
参数取值范围
Range of parameter
YG,V 营养器官生长率 Growth efficiency for vegetative organs 0.81 g g–1 0–1.0
fc,V 营养器官含碳比例 Carbon fraction in the vegetative organs 0.48 g C g–1 0–1.0
Eg 出苗率 Rate of germination 0.25 g g–1 0–1.0
flip 贮存器官脂类比例 Fraction of fat in the storage organs 0.05 g Fat g–1 0–1.0
flig 贮存器官木质素比例 Fraction of lignin in the storage organs 0.11 g Lignin g–1 0–1.0
foac 贮存器官有机酸比 Fraction of organic acids in the storage organs 0.01 g Organic acid g–1 0–1.0
fmin 贮存器官矿物质比例 Fraction of mineral in the storage organs 0.01 g Mineral g–1 0–1.0
fpro 贮存器官蛋白质比例 Fraction of protein in the storage organs 0.10 g Protein g–1 0–1.0
nSo 贮存器官含氮比例 Standard seed N concentration 0.05 g N g–1 0–1.0
ρ 茎干重密度 Stem dry weight per unit of plant height 570 g m–2 m–1 100–800
w 叶片宽度 Leaf width 0.05 m 0.01–0.15
Hmax 最大株高 Maximum plant height 2.5 m 0.1–4.0
Dmax 最大根深 Maximum rooting depth 145 cm 50–250
Sw 粒重 Seed weight 0.3 g 0.01–1.0
nRmin 根最小含氮比例 Minimum N concentration in the roots 0.005 g N g–1 0–0.1
nSmin 茎最小含氮比例 Minimum N concentration in the stem 0.01 g N g–1 0–0.1
ncri0
初始叶片含氮比例
Initial value of N concentration in living leaves
0.05 g N g–1 0–0.1
nb 叶片最小氮含量 Minimum leaf N content for photosynthesis 0.25 g N m–2 0.1–1.0
Sla 比叶面积 Specific leaf area 0.022 m2 g–1 0.005–0.045
TS 温度响应系数 Curvature for temperature response 1.0 — 0.1–3
υ1 光照敏感起始阶段
Developmental stage for starting of photoperiod-sensitive phase
0.2 — 0–0.5
υ2 光照敏感终止阶段
Developmental stage for end of photoperiod-sensitive phase
0.7 — 0.5–0.8
te 籽粒数量确定阶段
Developmental stage for end of seed-number determining period
1.35 — 1.10–1.45
Nmaxup 氮吸收日最大量 Maximum crop nitrogen uptake 0.5 g N m–2 d–1 0.4–0.8
NPL 种植密度 Plant density 10.0 m–2 1.0–100.0

考虑到不同生长参数对作物生长影响的差异性,
在调试参数之前, 首先进行参数的敏感性分析, 以
确定其影响作物生物量积累和产量形成的重要程度,
从而更有针对性地进行参数本地化。敏感性分析方
法为 , 改变某一参数的数值 (变幅分别取10%、
20%、10%和 20%)而其他参数值保持不变, 运转模
型计算生长量(逐日总重 WSH、穗重 WSO和叶面积
指数 LAI)在全生育期的平均相对变化率, 由此确定
相对敏感度(Sr), 即全生育期内参数每变化 1%时生
长量的变化, 以判断该参数对作物生长发育的影响
程度[14]。
相对敏感度 1r
1
/ 100
n
i
i
S
n
S
q q
  

(5)
[ ( ) ( )]/ ( ) 100%i i i iS Y q q Y q Y q     (6)
式中, Yi为第 i日的模拟生长量, q为不同参数的初始
值, Δq为各个输入参数的变化量, i为日, n为发育总
天数。
依据物理化学特性, GECROS 模型的敏感生长
参数可分为两类。第一类为生物化学参数, 主要与
作物种类或品种有关, 一般具有较明确的生物学意
义和普适性[12], 可以利用作物的生化分析获得参数
取值。如贮存器官各类营养元素比例、25℃时 RuP2
最大羧化速率等。其中个别参数也可利用田间试验
的物理数据进行反推校准。如根茎叶最小含氮比例。
第二类为生物物理参数, 主要与耕作措施、环境条
件及作物品种有关, 需要利用田间试验的物理观测
数据直接计算或校准。主要包括出苗率、叶片宽度、
126 作 物 学 报 第 41卷

最大株高、最大根深、粒重以及比叶面积等。
1.2.2 模拟检验方法 首先绘制作物生长模型模
拟与实测结果的时间变化曲线或 1 1∶ 线, 进行模型
模拟性能的直观检验。然后统计模拟结果的各种误
差进行模拟性能的定量检验。误差分析包括绝对偏
差均值(AD)、均方根误差(RMSE)和归一化均方根误
差(NRMSE)[15-16]。
1AD
n
i i
i
Y X
n




(7)
 2
1RMSE
n
i i
i
Y X
n




(8)
 2
1
/
NRMSE 100
n
i i
i
Y X n
X




(9)
式中, Yi和 Xi分别为模拟值和实测值, X为实测值平
均值, n 为样本数量。另外, 利用异方差 P(t)值检验
模拟与实测值间的差异性。当 P(t)大于 0.05 时, 两
者的差异不显著。
1.3 研究数据
作物数据为黄淮海地区 5 个农业气象观测站夏
玉米生长发育观测结果。一为 1991—2011年河北定
州、1994—2011年山东泰安、1991—2010年河南郑
州和 2011年安徽宿州夏玉米发育期数据。二为
2009—2011年河北固城、2010年河南郑州、2011年
山东泰安和 2011年安徽宿州夏玉米水分控制田间试
验数据。其中, 河北固城试验包含 4个水分控制和 1
个对照处理(CK)。水分控制分别为偏多(K1)、基本
适宜(K2)、轻度干旱(K3)和重度干旱(K4), 土壤湿度
分别是田间持水量的 80%以上、 55%~80%、
40%~55%和 40%以下。K1~K4处理为 8 m2(2 m × 4 m)
池栽, 每池播种 50~60 株玉米; CK 为大田播种, 水
分供应不受限制, 视为潜在水分条件处理。河南郑
州、山东泰安和安徽宿州试验均为潜在水分条件处
理。供试夏玉米为近年来农业部主推黄淮海地区栽
培品种, 河北定州和固城均为广源旺禾 94-9, 河南
郑州、山东泰安和宿州分别为浚单 20、登海 605和
郑单958。河北固城、河南郑州、山东泰安和安徽宿
州种植密度分别为 6.9、6.3、5.5 和 7.5 株 m–2。试
验观测项目包括玉米生育期(播种期、出苗期、三叶
期、七叶期、拔节期、抽雄期、开花期、吐丝期、
乳熟期和成熟期), 主要发育期的植株地上总干重、
穗干重和 LAI。另外, 气象数据包括相应年份和站点
的逐日日照时数(h)、最高温度( )℃ 、最低温度( )℃ 、
降水量(mm)、平均水汽压(kPa)和平均风速(m s–1),
数据来自国家信息气象中心。土壤数据包括田间持
水量、凋萎湿度以及氮磷等养分含量, 由中国科学
院南京土壤研究所提供。
限于试验观测数据较少, 且河北定州、山东泰
安、河南郑州和安徽宿州等 4 个站点试验所用玉米
品种特性差异较小[17-18], 因此本文不再分玉米品种
进行模型校准和检验。利用 2000—2008年河北定州、
山东泰安、河南郑州和 2011年安徽宿州玉米发育期
数据进行 GECROS模型发育参数的校准(Calibration)
及回代检验。利用 2009年河北固城夏玉米田间试验
CK 处理数据进行模型潜在生长参数校准及回代检
验、K1~K4 处理数据进行不同土壤水分条件下生长
参数的校准及回代检验。利用 1991—1999 和
2009—2011年河北定州、1994—1999和 2009—2011
年山东泰安、1991—1999和 2009—2010年河南郑州
夏玉米发育期数据进行发育模拟的独立样本检验
(Validation)。利用河北固城 2010—2011 年 K1、K2
和 CK处理、河南郑州 2010年、山东泰安 2011年、
安徽宿州 2011年的田间试验数据进行水分充足条件
下夏玉米生长量模拟的独立样本检验。利用河北固
城 2010—2011 年 K3 和 K4 处理的田间试验数据进
行水分胁迫条件下夏玉米生长量模拟的独立样本检
验。以模型的检验效果评价其适应能力。
2 结果与分析
2.1 GECROS模型参数校准及回代检验
2.1.1 GECROS模型发育参数校准及回代检验
GECROS的发育参数包括玉米发育下限、上限、
最适温度、温度响应系数(TS)、光照敏感起止阶段、
光照敏感系数(PESN)、基本营养生长日(MTDV)和基
本生殖生长日(MTDR)等。玉米发育的下限、适宜和
上限温度根据前人研究成果确定[19], 分别取 8℃、
30℃和 42℃。温度响应系数反映品种感温性[20]。光
照敏感起始终止阶段, 取模型默认值 0.2和 0.7。光照
敏感系数反映品种的感光性, 与品种的最适光长有
关。当实际光长大于最适光长时, 玉米的光照敏感系
数为 1, 当实际光长小于最适光长时, 玉米的光照敏
感系数与最适光长呈负相关。基本营养生长日和基本
生殖生长日为最适条件下营养生长阶段和生殖生长
阶段所需天数。表 2为利用黄淮海夏玉米数据校准发
育参数后的取值。可以看出, 各参数取值在不同站点
(品种)之间有一定差异。黄淮海北部地区夏玉米品种
第 1期 吴 玮等: GECROS模型在黄淮海地区模拟夏玉米生长的适应性评价 127


表 2 GECROS模型中夏玉米发育参数的校准值
Table 2 Calibrated values of development parameters for summer maize in GECROS model
发育参数
Development parameters
河北定州
Dingzhou, Hebei
河南郑州
Zhengzhou, Henan
山东泰安
Tai’an, Shandong
安徽宿州
Suzhou, Anhui
TS 0.50 0.48 0.51 0.61
PESN 0.20 0.23 0.20 0.25
MTDV (d) 42.6 38.7 43.1 38.1
MTDR (d) 44.5 40.5 48.5 47.5
TS: 温度响应系数; PESN: 光照敏感系数; MTDV: 基本营养生长日; MTDR: 基本生殖生长日。
TS: the curvature for temperature response; PESN: the photoperiod sensitivity of phonological development; MTDV: the minimum
thermal days for vegetative growth phase; MTDR: the minimum thermal days for reproductive phase.

的基本生长日较南部更长, 光敏感系数则更低。
抽雄期和成熟期分别作为夏玉米营养生长阶段
和生殖生长阶段的终止时期, 是评价模型模拟夏玉
米发育期效果的重要指标之一。图 1 表明, 模拟抽
雄期的绝对偏差在 4 d 以内, 绝对偏差均值(AD)为
1.4 d, 模拟值与实测值的线性相关系数为 0.89; 模
拟成熟期的绝对偏差在 5 d 以内, 绝对偏差均值(AD)
为 2.3 d, 线性相关系数为 0.86。
2.1.2 GECROS模型生长参数校准及回代检验
利用河北固城 2009 年潜在条件下夏玉米试验
数据进行 GECROS 模型生长参数的敏感性分析 ,
获得各参数对模型不同状态变量(逐日总重 WSH、
穗重 WSO 和叶面积指数 LAI)的相对敏感度及其平
均值(表 3)。总体来看, 初始叶片含氮比例(ncri0)的敏
感性最高 , 对 3个状态变量的平均相对敏感度达
0.85%。比叶面积(Sla)次之, 为 0.72%。再次为粒重(Sw)

图 1 GECROS模型模拟黄淮海夏玉米发育进程的回代检验
Fig. 1 Back substitution test of GECROS simulating the development process of summer maize in the Yellow-Huaihe-Haihe Rivers

表 3 GECROS模型生长参数的相对敏感度
Table 3 The relative sensitivity of crop growth parameters in GECROS (%)
变幅 Change
+10% +20% 10% 20% 参数
Parameter
WSO WSH LAI WSO WSH LAI WSO WSH LAI WSO WSH LAI
平均
Average
Dmax 0.00 0.01 0.04 0.00 0.01 0.04 0.03 0.02 0.16 0.02 0.01 0.11 0.04
w 0.02 0.05 0.09 0.02 0.05 0.05 0.04 0.07 0.21 0.02 0.06 0.14 0.07
ρ 0.01 0.04 0.03 0.01 0.05 0.03 0.07 0.08 0.25 0.18 0.17 0.38 0.11
Hmax 0.06 0.03 0.71 0.15 0.04 0.70 0.05 0.04 0.62 0.21 0.09 0.57 0.27
Eg 0.05 0.53 0.53 0.04 0.40 0.80 0.49 0.63 0.94 0.29 0.66 0.91 0.52
Sw 0.05 0.53 0.53 0.04 0.40 0.80 0.49 0.63 0.94 0.29 0.66 0.91 0.52
Sla 0.18 0.66 1.83 0.32 0.46 1.73 0.53 0.26 1.21 0.36 0.18 0.94 0.72
ncri0 0.11 0.85 1.37 0.17 1.27 1.79 0.54 0.80 0.98 0.41 0.76 1.20 0.85
Dmax: 最大根深; w: 叶片宽度; ρ: 茎干重密度; Hmax: 最大株高; Eg: 出苗率; Sw: 粒重; Sla: 比叶面积; ncri0: 初始叶片含氮比例。
Dmax: maximum rooting depth; w: leaf width; ρ: stem dry weight per unit of plant height; Hmax: maximum plant height; Eg: rate of ger-
mination; Sw : seed weight; Sla: specific leaf area constant; ncri0: initial value of N concentration in living leaves.
128 作 物 学 报 第 41卷

和出苗率(Eg), 均为 0.52%。但参数对不同状态变量
的影响程度有差异, 如出苗率对 LAI 的影响较大,
平均相对敏感度可达 0.80%, 而对WSO的影响较小,
为 0.22%。参数的正负变化对变量的影响也可能存
在区别。如茎干物质密度(ρ)增大时, 对 LAI 的平均
相对敏感度可达 0.30%, 而当其降低时仅为 0.03%。
根据生长参数物理化学特性及敏感性 , 利用
2009年河北固城田间试验潜在水分条件的夏玉米数
据计算获得最大根深(Dmax)、叶片宽度(w)、茎干物
质密度(ρ)、最大株高(Hmax)、出苗率(Eg)、粒重(Sw)、
比叶面积(Sla)和种植密度(NPL)等参数的初始取值。
再利用“试错法”对初始叶片含氮比例(ncri0)、出苗率
(Eg)和茎干物质密度(ρ)等参数进行适当调整, 最终
确定了各参数的取值(表 4)。利用水分胁迫条件下的
夏玉米生长数据调试确定了作物每日供水量 Wput
(表 4)。可以看出, 校准后的参数取值与缺省值相比
均有一定变化。如黄淮海夏玉米的最大株高更高 ,
可达 2.8 m, 种植密度略偏低, 为 8株 m–2。出苗率
(Eg)的变化最为明显, 黄淮海地区可达 0.7 g g–1。夏
玉米每日供水量约为 3 mm d–1。

表 4 GECROS模型中夏玉米主要生长参数的校准值
Table 4 Calibrated values of growth parameters for summer maize in GECROS
生长参数
Growth parameter
取值范围
Value range
缺省值
Default value
校正值
Correction value
单位
Unit
Dmax 50–250 145 150 cm
w 0.01–0.15 0.05 0.08 m
ρ 100–800 560 570 g m–2 m–1
Hmax 0.1–4.0 2.5 2.8 m
Eg 0–1.0 0.25 0.7 g g–1
Sw 0.01–1.0 0.3 0.31 g
Sla 0.005–0.045 0.023 0.022 m2 g–1
ncri0 0–0.1 0.05 0.055 g g–1
NPL 1.0–100.0 10.0 8.0 m–2
Wput 0–100.0 3.0 mm d–1
Dmax: 最大根深; w: 叶片宽度; ρ: 茎干重密度; Hmax: 最大株高; Eg: 出苗率; Sw: 粒重; Sla: 比叶面积; ncri0: 初始叶片含氮比例;
NPL: 种植密度; Wput: 作物每日供水量。
Dmax: maximum rooting depth; w: leaf width; ρ: stem dry weight per unit of plant height; Hmax: maximum plant height; Eg: rate of ger-
mination; Sw : seed weight; Sla: specific leaf area constant; ncri0: initial value of N concentration in living leaves. NPL: plant density; Wput :
water supply to crop.

由图 2 可以看出, 模拟地上总重、穗重与实测
值非常接近; 模拟 LAI 在玉米生长前期增长迅速,
与实际情况比较一致, 但在中后期由于受碳氮限制
而下降幅度较实际稍大。表 5为模拟结果的误差统
计。结果表明, 模拟夏玉米植株地上总重和雌穗总
重的平均值略低于实测值, 模拟 LAI的平均值略高
于实测值。模拟植株地上总重和雌穗总重的绝对偏
差均值(AD)与均方根误差(RMSE)均小于 80 g m–2,
模拟 LAI 的 AD 与 RMSE 均小于 0.7, 模拟籽粒产
量与实测值相差 132.1 g m–2。所有模拟结果的归一
化均方根误差(NRMSE)均小于 25%。t 检验结果显
示, P(t)值都大于 0.05, 表明模拟值与观测值无显著
差异。
由图 3 可以看出, 雌穗和植株地上总重的总体
模拟效果良好, 线性相关系数均大于 0.97; LAI的模
拟效果稍差, 水分充足和水分胁迫条件的相关系数
分别为 0.89和 0.88。表 6为模拟结果的误差统计。
总体来看, 各种水分条件下模拟生长量及 LAI 与实
测值无显著差异[P(t)>0.05], NRMSE 均小于 26%,
植株地上总重与 LAI 的模拟均值略高于实测值, 雌
穗总重与籽粒产量的模拟均值略低于实测值。另外,
水分充足条件下模拟植株地上总重整体有所偏大。
2.2 GECROS模型适应性评价
2.2.1 GECROS模型模拟夏玉米发育进程的适应性
评价 图 4 表明, 模型模拟抽雄期、成熟期与实
测值的线性相关系数分别为 0.82和 0.67。但模拟抽
雄期存在低值偏高、高值偏低的现象; 模拟成熟期
略偏长。模拟误差统计表明, 模拟的绝对偏差在 6 d
以内, 绝对偏差均值(AD)为 2.1 d; 模拟成熟期的绝
对偏差在 8 d以内, 绝对偏差均值(AD)为 3.4 d。t检
验结果显示, 抽雄期和成熟期的 P(t)均大于 0.05, 模
拟值与观测值无显著差异。
第 1期 吴 玮等: GECROS模型在黄淮海地区模拟夏玉米生长的适应性评价 129



图 2 GECROS模型模拟河北固城 2009年潜在条件下夏玉米生长量和实测值的比较
Fig. 2 Comparison of biomass simulated by GECROS and measured for summer maize under potential condition (CK) at Gucheng
of Hebei in 2009

表 5 GECROS模拟河北固城 2009年潜在条件下夏玉米生长量的误差分析
Table 5 Errors of GECROS simulating summer maize growth under potential condition at Gucheng in 2009
生长量
Biomass
样本
Sample
实测平均
Measured average
模拟平均
Simulated average
AD RMSE NRMSE (%) P(t)
植株总重 Total plant weight (g m–2) 7 912.1 877.4 65.8 78.1 8.5 0.46
雌穗总重 Total ear weight (g m–2) 4 578.6 533.6 55.5 59.3 10.2 0.44
叶面积指数 LAI 7 2.9 3.1 0.62 0.69 23.8 0.39
籽粒产量 Yield (g m–2) 1 776.3 644.2 132.1 132.1 17.0
AD: 模拟值与观测值的绝对偏差; RMSE: 模拟值与观测值的均方根误差; NRMSE: 归一化均方根误差; P(t): t检验, 当 P(t)>0.05
时, 模拟值与观测值之间的差异不显著。
AD: absolute deviation of simulated and measured values; RMSE: root-mean-square error of simulated and measured values; NRMSE:
normalized root-mean-square error of simulated and measured values; P(t): t-test, when P(t)>0.05, simulated and measured values have no
significant difference.

图 3 GECROS模型模拟河北固城 2009年不同土壤水分条件夏玉米生长量和实测值 1 1∶ 图
Fig. 3 The 1:1 diagram of biomass simulated by GECROS and measured for summer maize under different water conditions at
Gucheng of Hebei in 2009
a和 b分别代表水分充足和水分胁迫条件。a: adequate soil moisture; b: soil water stress.

130 作 物 学 报 第 41卷

表 6 GECROS模拟河北固城 2009年不同土壤水分条件下夏玉米生长量的误差分析
Table 6 Errors of GECROS simulating summer maize growth under different water conditions at Gucheng of Hebei in 2009
生长量
Biomass
样本
Sample
实测平均
Measured average
模拟平均
Simulated average
AD RMSE NRMSE (%) P(t)
土壤水分充足 Adequate soil moisture (a)
植株总重 Total plant weight (g m–2) 14 497.2 608.1 112.3 128.8 25.9 0.25
雌穗总重 Total ear weight (g m–2) 8 349.3 333.9 55.5 61.0 17.5 0.46
叶面积指数 LAI 14 1.7 1.8 0.29 0.36 21.4 0.42
籽粒产量 Yield (g m–2) 2 476.0 442.7 33.3 33.8 7.1
土壤水分胁迫 Soil water stress (b)
植株总重 Total plant weight (g m–2) 14 318.1 363.6 50.8 59.8 18.8 0.33
雌穗总重 Total ear weight (g m–2) 7 180.4 174.8 36.0 42.8 23.7 0.48
叶面积指数 LAI 14 1.4 1.5 0.28 0.35 24.6 0.41
籽粒产量 Yield (g m–2) 2 212.8 192.5 20.3 21.0 9.9
AD: 模拟值与观测值的绝对偏差; RMSE: 模拟值与观测值的均方根误差; NRMSE: 归一化均方根误差; P(t): t检验, 当 P(t)>0.05
时, 模拟值与观测值之间的差异不显著。
AD: absolute deviation of simulated and measured values; RMSE: root-mean-square error of simulated and measured values; NRMSE:
normalized root-mean-square error of simulated and measured values; P(t): t-test, when P(t)>0.05, simulated and measured values have no
significant difference.

图 4 GECROS模型模拟黄淮海夏玉米发育进程的独立样本检验
Fig. 4 Validation of GECROS simulating development process of summer maize in the Yellow-Huaihe-Haihe Rivers

2.2.2 GECROS模型模拟土壤水分充足条件下夏玉
米生长的适应性评价 从图 5 可以看出, 植株地
上总重、雌穗总重和 LAI 模拟值与实测值总体较接
近, 线性相关系数分别为 0.98、0.96 和 0.93。由模
拟误差统计结果(表 7)可知, 各生长量的模拟值与实
测值均无显著差异[P(t)>0.05], 模拟效果良好。总体
来看, 植株地上总重和雌穗总重的模拟效果要好于
LAI的效果。其中, 除河南郑州外, 模拟植株地上总
重和雌穗总重的 NRMSE (%)均小于 21%, 而模拟各
站 LAI的 NRMSE (%)均大于 23%, 安徽宿州和河南
郑州两站 LAI的 NRMSE (%)均大于 30%, 模拟籽粒
产量的绝对偏差在 41.6~229.0 g m–2之间。单独看,
河北固城 2010—2011 年和山东泰安 2011 年的模拟
效果较好, 模拟植株地上总重、雌穗总重和 LAI 的
NRMSE (%)均小于 30%; 安徽宿州除模拟 LAI 外,
其余模拟生物量的 NRMSE (%)均小于 30%; 河南郑
州除模拟植株地上总重 , 其余模拟生物量的
NRMSE(%)均大于 30%。
2.2.3 GECROS模型模拟土壤水分胁迫条件下夏玉
米生长的适应性评价 图 6表明, 植株地上总重、
雌穗总重和 LAI 模拟值与实测值总体较接近, 线性
相关系数分别为 0.98、0.93 和 0.94。由模拟误差的
统计分析结果(表 8)可知, 2010年和 2011年各生长量
模拟值与实测值无显著差异[P(t)>0.05], 2011年模拟
检验结果整体好于 2010 年。2011 年各生长量
NRMSE (%)均小于 30%, 而 2010年植株地上总重、
雌穗总重 NRMSE (%)均大于 30%。另外, 土壤水分
充足的模拟效果总体好于水分胁迫条件。其中, 土
第 1期 吴 玮等: GECROS模型在黄淮海地区模拟夏玉米生长的适应性评价 131



图 5 GECROS模型模拟土壤水分充足条件下夏玉米生长量与实测值 1 1∶ 图
Fig. 5 The 1:1 diagram of biomass simulated by GECROS and measured for summer maize under adequate soil moisture condition

表 7 GECROS模拟土壤水分充足条件下夏玉米生长量的误差分析
Table 7 Errors of GECROS simulating summer maize growth under adequate soil moisture condition
生长量
Biomass
样本
Sample
实测平均
Measured average
模拟平均
Simulated average
AD RMSE NRMSE (%) P(t)
河北固城 2010 Gucheng, Hebei, 2010
植株总重 Total plant weight (g m–2) 18 365.8 384.5 48.7 58.3 15.9 0.48
雌穗总重 Total ear weight (g m–2) 6 277.0 290.1 32.9 46.7 16.9 0.43
叶面积指数 LAI 16 1.7 1.7 0.48 0.49 29.7 0.47
籽粒产量 Yield(g m–2) 3 379.4 420.9 41.6 62.8 16.6 0.19
河北固城 2011年 Gucheng, Hebei, 2011
植株总重 Total plant weight (g m–2) 18 522.7 533.5 38.8 58.6 11.2 0.46
雌穗总重 Total ear weight (g m–2) 6 632.6 697.8 65.2 72.6 11.5 0.33
叶面积指数 LAI 15 1.9 1.8 0.31 0.44 23.7 0.43
籽粒产量 Yield (g m–2) 3 517.8 563.6 45.9 47.2 9.1 0.14
河南郑州 2010年 Zhengzhou, Henan, 2010
植株总重 Total plant weight (g m–2) 5 714.8 726.3 143.5 193.8 27.1 0.45
雌穗总重 Total ear weight (g m–2) 4 625.6 461.4 164.2 195.7 31.3 0.36
叶面积指数 LAI 4 2.5 2.6 0.55 0.76 30.9 0.44
籽粒产量 Yield(g m–2) 1 762.5 533.5 229.0 229.0 30.0
山东泰安 2011年 Tai’an, Shandong, 2011
植株总重 Total plant weight (g m–2) 6 649.3 667.7 62.1 86.5 13.3 0.48
雌穗总重 Total ear weight (g m–2) 4 459.6 446.0 34.1 36.0 7.8 0.48
叶面积指数 LAI 6 2.0 2.0 0.40 0.50 25.7 0.45
籽粒产量 Yield(g m–2) 1 732.2 600.4 131.8 131.8 18.0
安徽宿州 2011年 Suzhou, Anhui, 2011
植株总重 Total plant weight (g m–2) 7 643.3 575.1 85.3 129.1 20.1 0.41
雌穗总重 Total ear weight (g m–2) 4 466.4 413.8 62.9 83.1 17.8 0.42
叶面积指数 LAI 6 2.0 1.6 0.45 0.64 33.1 0.36
籽粒产量 Yield (g m–2) 1 610.0 556.8 53.2 53.2 8.7
AD: 模拟值与观测值的绝对偏差; RMSE: 模拟值与观测值的均方根误差; NRMSE: 归一化均方根误差; P(t): t检验, 当 P(t)>0.05
时, 模拟值与观测值之间的差异不显著。
AD: absolute deviation of simulated and measured values; RMSE: root-mean-square error of simulated and measured values; NRMSE:
normalized root-mean-square error of simulated and measured values; P(t): t-test, when P(t)>0.05, simulated and measured values have no
significant difference.

壤水分充足下模拟植株地上总重、雌穗总重和籽粒
产量的 NRMSE (%)均小于 20%, LAI 均小于 30%;
而水分胁迫条件下模拟植株地上总重、雌穗总重和
籽粒产量, 除 2011年雌穗总重NRMSE (%)小于 20%
以外, 其余均大于 20%, 水分胁迫条件下模拟 LAI
的 NRMSE (%)也均大于水分充足条件。
132 作 物 学 报 第 41卷


图 6 GECROS模型模拟土壤水分胁迫条件下夏玉米生长量与实测值的 1 1∶ 图
Fig. 6 The 1:1 diagram of biomass simulated by GECROS and measured for summer maize under soil water stress

表 8 GECROS模拟土壤水分胁迫条件下夏玉米生长量的误差分析
Table 8 Errors of GECROS simulating summer maize growth under soil water stress condition
生长量
Biomass
样本
Sample
实测平均
Measured average
模拟平均
Simulated average
AD RMSE NRMSE (%) P(t)
河北固城 2010年 Gucheng, Hebei, 2010
植株总重 Total plant weight (g m–2) 12 218.4 204.2 49.7 71.2 32.6 0.43
雌穗总重 Total ear weight (g m–2) 4 174.7 128.3 50.7 59.1 33.8 0.42
叶面积指数 LAI 12 1.3 1.3 0.41 0.39 29.1 0.46
籽粒产量 Yield (g m–2) 2 229.3 202.9 60.5 60.6 26.4
河北固城 2011年 Gucheng, Hebei, 2011
植株总重 Total plant weight (g m–2) 12 380.8 325.1 64.2 93.4 24.5 0.42
雌穗总重 Total ear weight (g m–2) 4 443.6 446.2 41.3 48.0 10.9 0.33
叶面积指数 LAI 10 1.4 1.3 0.28 0.41 28.8 0.41
籽粒产量 (Yield g m–2) 2 282.8 344.2 61.4 65.8 23.3
AD: 模拟值与观测值的绝对偏差; RMSE: 模拟值与观测值的均方根误差; NRMSE: 归一化均方根误差; P(t): t检验, 当 P(t)>0.05
时, 模拟值与观测值之间的差异不显著。
AD: absolute deviation of simulated and measured values; RMSE: root-mean-square error of simulated and measured values; NRMSE:
normalized root-mean-square error of simulated and measured values; P(t): t-test, when P(t)>0.05, simulated and measured values have no
significant difference.

3 讨论
发育期是作物的生理年龄, 它与作物的形态变
化相联系, 是作物生长达到质变的标志性阶段, 准
确描述发育进程是作物生长模型的首要任务。基于
WOFOST 修改而成的“东北玉米生长模型” (NEC_
MaGM)在模拟东北春玉米时, 其模拟抽雄期和成熟
期的绝对偏差均值分别为 3.6 d和 5.9 d [3]。本研究
中, GECROS 模拟华北夏玉米抽雄期和成熟期的绝
对偏差均值分别为 2.1 d和 3.4 d。尽管东北春玉米
和华北夏玉米的生育期长度和发育进程有差异, 但
根据模拟误差基本可以认为, GECROS 在玉米发育
进程方面的性能与 NEC_MaGM 相当或略优。尽管
GECROS 模型考虑了温度与作物生长发育的非线性
关系, 是钟模型[13]的改进, 但它描述夏玉米发育进
程的灵敏性仍偏低。本文在模型发育参数校准和独
立样本检验中都发现, GECROS 模拟发育期的变化
范围较实测小, 模型的敏感性偏低。由此导致模拟
结果出现低值偏高而高值偏低的现象, 模拟抽雄期
尤其如此。这一现象在“东北玉米生长模型”(NEC_
MaGM)所采用发育单位法描述玉米发育进程的模
拟中也曾出现[3]。但在华北冬小麦发育模拟中, 即使
最简单的积温模型也未显现[21]。而在 ORYZA2000
水稻模型使用的热量单位法模拟中也较少见[22-23]。
究其原因, 主要可能是玉米品种基因型间的差异及
基因型与环境互作较大。一般情况下, 尽管一个地
区种植的玉米品种类型不但多且更新快, 但它们应
该都是能够适应当地气候环境条件的品种。主栽品
种之间的生育特性差异不会太大[17-18]。本研究分析
黄淮海地区玉米发育期也发现, 各站点玉米全生育
期多年平均差不超过 2 d, 种植起始日均值不超过
3 d。因此, 为了全面体现一地的玉米品种型, 本研
第 1期 吴 玮等: GECROS模型在黄淮海地区模拟夏玉米生长的适应性评价 133


究综合长年代多个品种发育期数据进行作物生长模
型发育参数的校准和检验, 以扩展模型的时空应用
范围。这种情况下, 当利用年份较短且品种不变的
田间试验数据进行模型参数校准和检验时, 作物发
育模型的描述效果较好; 而当数据年份较长时, 玉
米品种基因型与环境互作使得同一品种的生育特性
可能随环境发生较大变化, 或者种植品种发生改变
使基因型间的差异显现出来, 而作物生长模型本身
对发育进程进行了简化描述, 对于多因素协同影响
以及作物品种对逆境(如土壤水分亏缺)的反应力也
未予考虑, 因此模拟发育的灵敏度有所下降。总之,
这一现象还需要更多数据、更多模型以及更多作物
之间的比较才能得出合理结论并改进发育模型。
在玉米生长方面, 首先, 各器官生物量是作物
生长模型所重点描述的状态变量, 其中玉米雌穗干
重直接与产量形成相关。孙琳丽等[24]通过 WOFOST
模型与华北地区玉米观测数据的同化得到了模型最
优参数组合和取值, 然后模拟了玉米生长状况。其
模拟地上总干重和雌穗干重的均方根误差(RMSE)
在 30.3~144.2 g m–2之间, LAI的 RMSE在 0.60~0.95
之间。本文利用 GECROS模型模拟华北夏玉米地上
总干重和雌穗干重的 RMSE在 42.8~195.7 g m–2之间,
LAI的 RMSE在 0.35~0.76之间。初步比较表明两模
型模拟能力的差异并不大。其次, 土壤水分是影响
作物生长最重要的因素之一, 描述土壤水分的胁迫
是作物生长模型的重要内容。GECROS 模型不但将
作物的光合作用与水分在土壤、作物及冠层间传输
的阻力相联系, 而且考虑了土壤水分对作物根系吸
收营养元素的影响[12]。这比以往模型仅用相对蒸腾
校正光合速率的理论基础要更加扎实[25]。但本研究
表明, GECORS 模拟土壤水分充足条件下夏玉米生
长的效果仍要好于水分限制条件的效果。可见水分
限制对玉米叶片生理结构的影响机制仍需进一步探
讨。第三, 叶片是作物进行光合作用生成干物质的
重要器官, 叶面积扩展也成为作物生长模型的重要
组成部分。GECROS模型模拟 LAI是以叶片生长营
养元素积累和损失的方式进行, 在作物生长模型对
LAI 模拟的众多方法中[26], 属生理法[27], 理论基础
较好。但该模型模拟 LAI 的总体效果仍差于生长量
的效果。这一方面是由于 GECROS模型描述叶片营
养元素积累和损失时未考虑不同发育阶段的差异。
如比叶面积等参数总是保持不变, 而这与实际情况
不符。另一方面, 模型中 LAI 的消亡仅由氮素转移
速率决定 , 而未考虑玉米生长后期叶片碳素的限
制、氮素增长微弱以及 LAI 形态性消亡滞后于功能
性消亡等因素的制约[12], 由此导致模拟 LAI 在后期
下降幅度过大。另外, 与发育模拟类似, 本研究中
GECROS 模拟生物量的误差部分可能也归因于玉米
品种基因型间的差异及基因型与环境间较大的互作。
当然, 在作物生长模型适应性评价中, 参数的
校准方法以及观测数据的质量也可能是影响模型准
确率的重要因素。这需要首先对众多作物生长参数
进行敏感性分析, 以便明确对模型变量影响最大的
参数。然后还要根据参数的生物学意义选取尽可能
少的参数开展调试。参数的取值范围也要根据试验
观测或前人研究严格确定。对不同来源的观测数据
需要进行一致性和质量检查。
4 结论
GECROS 基本能够反映黄淮海地区夏玉米的发
育进程。模型模拟夏玉米抽雄期的绝对偏差在 6 d
以内, 平均为 2.1 d; 模拟成熟期的绝对偏差在 8 d以
内, 平均为 3.4 d。GECROS描述夏玉米干物质积累
和叶面积扩展过程的准确度较高。模拟雌穗总重的
归一化均方根误差在 7.8%~31.3%之间 , 平均为
18.6%; 模拟植株地上总重的归一化均方根误差在
11.2%~33.6%之间, 平均为 20.7%; 模拟 LAI的绝对
偏差在 0.28~0.55之间, 平均为 0.41。模拟籽粒产量
的绝对偏差在 20.3~229.0 g m–2之间, 平均为 80.9 g
m–2。利用 GECROS 模型进行作物生长状况或环境
影响条件优劣的相对评价基本可行。但 GECROS模
拟夏玉米发育进程仍存在低值偏高、高值偏低的现
象; 在土壤水分胁迫较重时, 描述的生物量积累过
程有偏低情况; 描述 LAI 扩展的总体效果差于生物
量累积的效果。GECROS仍需进一步完善。
References
[1] 王石立, 马玉平. 作物生长模拟模型在我国农业气象业务中
的应用研究进展及思考. 气象, 2008, 34(6): 3–9
Wang S L, Ma Y P. The progress in application of crop growth
simulation models to agro-meteorological services in China. Me-
teorol Monthly, 2008, 34(6): 3–9 (in Chinese with English ab-
stract)
[2] 马玉平, 王石立, 王馥棠. 作物模拟模型在农业气象业务应用
中的研究初探. 应用气象学报, 2005, 16: 293–302
Ma Y P, Wang S L, Wang F T. A preliminary study on the appli-
cation of crop simulation models in agrometeorological services.
J Appl Meteorol Sci, 2005, 16: 293–302 (in Chinese with English
134 作 物 学 报 第 41卷

abstract)
[3] 马玉平, 王石立, 李维京. 基于作物生长模型的玉米生殖期冷
害致灾因子研究. 作物学报, 2011, 37: 1642–1649
Ma Y P, Wang S L, Li W J. Chilling disaster factors in maize re-
productive stage based on crop growth model. Acta Agron Sin,
2011, 37: 1642–1649 (in Chinese with English abstract)
[4] Jing Q, Bouman B A M, Hengsdijk H, van Keulen H, Cao W. Ex-
ploring options to combine high yields with high nitrogen use
efficiencies in irrigated rice in China. Eur J Agron, 2007, 26:
166–177
[5] 罗毅, 郭伟. 作物模型研究与应用中存在的问题. 农业工程学
报, 2008, 24(5): 307–311
Luo Y, Guo W. Development and problems of crop models. Trans
CSAE, 2008, 24(5): 307–311 (in Chinese with English abstract)
[6] 曹宏鑫, 赵锁劳, 葛道阔, 刘永霞, 刘岩, 孙金英, 岳延滨, 张
智优, 陈煜利. 作物模型发展探讨. 中国农业科学, 2011, 44:
141–150
Cao H X, Zhao S L, Ge D K, Liu Y X, Liu Y, Sun J Y, Yue Y B,
Zhang Z Y, Chen Y L. Discussion on development of crop models.
Sci Agric Sin, 2011, 44: 3520–3528 (in Chinese with English abstract)
[7] 高峰 , 刘爽 , 赵光远 . 作物模拟研究进展 . 热带生物学报 ,
2010, 1(1): 95–98
Gao F, Liu S, Zhao G Y. Progresses of simulation on crop growth
and development. J Trop Organisms, 2010, 1(1): 95–98 (in Chi-
nese with English abstract)
[8] 马波, 田军仓.作物生长模拟模型研究综述. 节水灌溉, 2010,
(2): 1–4
Ma B, Tian J C. A review on crop growth simulation model re-
search. Water-Saving Irrig, 2010, (2): 1–4 (in Chinese with Eng-
lish abstract)
[9] 陈恩波. 作物生长模拟研究综述. 中国农学通报, 2009, 25(22):
114–117
Chen E B. A review on the research of crop growth simulation.
Chin Agric Sci Bull, 2009, 25(22): 114–117 (in Chinese with
English abstract)
[10] 帅细强, 王石立, 马玉平, 李迎春, 谢佰承. 基于 ORYZA2000
模型的湘赣双季稻气候生产潜力. 中国农业气象, 2009, 30:
575–581
Shuai X Q, Wang S L, Ma Y P, Li Y C, Xie B C. Studies on po-
tential climate productivity of double rice in Hunan and Jiangxi
Provinces based on ORYZA 2000 model. Chin J Agrometeorol,
2009, 30: 575–581 (in Chinese with English abstract)
[11] 张雪芬, 余卫东, 王春乙, 白凌霞. WOFOST 模型在冬小麦晚
霜冻害评估中的应用. 自然灾害学报, 2006, 15: 337–341
Zhang X F, Yu W D, Wang C Y, Bai L X. Application of
WOFOST model to assessment of winter wheat’s chilling damage
by late frost. J Nat Disasters, 2006, 15: 337–341 (in Chinese with
English abstract)
[12] Yin X Y, van Larr H H. Crop Systems Dynamics—an Ecophysi-
ological Simulation Model for Genotype-by-Environment Inter-
actions. Wageningen: Pudoc, 2005. pp 1–45
[13] Gao L Z, Jin Z Q, Huang Y, Zhang L Z. Rice clock model—a
computer model to simulate rice development. Agric For Meteo-
rol, 1992, 60: 1–16
[14] 王冬妮, 马玉平, 王石立, 郭春明. 东北玉米生长模型中土壤
水分参数的敏感性分析. 中国农业气象, 2010, 31: 219–224
Wang D N, Ma Y P, Wang S L, Guo C M. Sensitivity analysis on
the soil water parameters in maize growth model in north east
China. Chin J Agrometeorol, 2010, 31: 219–224 (in Chinese with
English abstract)
[15] Kobayashi K, Salam M U. Comparing simulated and measured
values using mean squared deviation and its components. Agron J,
2000, 92: 345–352
[16] Gauch H G Jr, Gene Hwang J T, Fick G W. Model evaluation by
comparison of model-based predictions and measured values.
Agron J, 2003, 95: 1442–1446
[17] 袁刘正, 柳家友. 不同玉米品种农艺性状及产量研究. 中国种
业, 2010, (增刊): 38–40
Yuan L Z, Liu J Y. Agronomic traits and yield of different maize
varieties. China Seed Ind, 2010, (suppl): 38–40 (in Chinese with
English abstract)
[18] 刘志斋. 中国玉米地方品种的多样性研究与种族划分. 西南
大学博士学位论文, 重庆, 2008. pp 21–74
Liu Z Z. Diversity Analysis and Racial Classification of Maize
Landraces in China. PhD Dissertation of Southwest University,
Chongqing, China, 2008. pp 21–74 (in Chinese with English ab-
stract)
[19] 吕贞龙, 徐寿军, 庄恒扬. 作物发育温度非线性效应Beta模型
的特征分析. 生态学报, 2008, 28: 3738–3742
Lü Q L, Xu S J, Zhuang H Y. Characteristics of the Beta function
for nonlinear effects of temperature on crop phonological deve-
lopment. Acta Ecol Sin, 28: 3738–3742 (in Chinese with English
abstract)
[20] 郑国清. 浅论对水稻发育期模型的认识. 中国农业气象, 1995,
20(2): 31–34
Zheng G Q. On the simulation models for rice development. Chin
J Agrometeorol, 1995, 20(2): 31–34 (in Chinese with English ab-
stract)
[21] 马玉平, 王石立, 张黎, 庄立伟. 基于升尺度方法的华北冬小
麦区域生长模型初步研究:Ⅰ. 潜在生产水平. 作物学报, 2005,
31: 697-705
Ma Y P, Wang S L, Zhang L, Zhuang L W. A preliminary study
on a regional growth simulation model of winter wheat in North
China based on scaling-up approach. Acta Agron Sin, 2005, 31:
697–705 (in Chinese with English abstract)
[22] 莫志鸿, 冯利平, 邹海平, 王靖, 黄晚华, 杨晓光. 水稻模型
第 1期 吴 玮等: GECROS模型在黄淮海地区模拟夏玉米生长的适应性评价 135


ORYZA2000在湖南双季稻区的验证与适应性评价. 生态学报,
2011, 31: 4628–4637
Mo Z H, Feng L P, Zou H P, Wang J, Huang W H, Yang X G. Va-
lidation and adaptability evaluation of rice growth model
ORYZA2000 in double cropping rice area of Hunan Province.
Acta Ecol Sin, 2011, 31: 4628–4637 (in Chinese with English ab-
stract)
[23] 杨沈斌, 申双和, 赵小艳, 赵艳霞, 许吟隆, 王主玉, 刘娟, 张
玮玮. 气候变化对长江中下游稻区水稻产量的影响. 作物学
报, 2010, 36: 1519–1528
Yang S B, Shen S H, Zhao X Y, Zhao Y X, Xu Y L, Wang Z Y,
Liu J, Zhang W W. Impacts of climate changes on rice production
in the middle and lower reaches of the Yangtze River. Acta Agron
Sin, 2010, 36: 1519–1528 (in Chinese with English abstract)
[24] 孙林丽, 景元书, 马玉平, 俄有浩, 邹艳东, 邢开俞, 吴玮. 基
于 Downhill-Simplex 算法的观测数据与作物生长模型同化方
法研究. 中国农业气象, 2012, 33: 555–566
Sun L L, Jing Y S, Ma Y P, E Y H, Zou Y D, Xing K Y, Wu W.
Assimilation scheme of observation data and crop growth model
based on Downhill-Simplex glgorithm. Chin J Agrometeorol,
2012, 33: 555–566 (in Chinese with English abstract)
[25] Van Diepen C A, Wolf J, Van Keulen H, Rappoldt C. WOFOST: a
simulation model of crop production. Soil Use Manage, 1989, 5:
16–24
[26] 叶宏宝, 孟亚利, 汤亮, 朱艳, 曹卫星. 水稻叶龄与叶面积指
数动态的模拟研究. 中国水稻科学, 2008, 22: 625–630
Ye H B, Meng Y L, Tang L, Zhu Y, Cao W X. A simulation study
on leaf age and leaf area index in rice. Chin J Rice Sci, 2008, 22:
625–630 (in Chinese with English abstract)
[27] 王希群, 马履一, 贾忠奎, 徐程扬. 叶面积指数的研究和应用
进展. 生态学杂志, 2005, 24: 537–541
Wang X Q, Ma L Y, Jia Z K, Xu C Y. Research and application
advances in leaf area index (LAI). Chin J Ecol, 2005, 24:
537–541 (in Chinese with English abstract)