全 文 ：作物学报 ACTA AGRONOMICA SINICA 2012, 38(4): 740−746 http://www.chinacrops.org/zwxb/
ISSN 0496-3490; CODEN TSHPA9 E-mail: xbzw@chinajournal.net.cn

本研究由国家重点基础研究发展计划(973计划)项目(2009CB118608)和引进国际先进农业科学技术计划(948计划)重点项目(2011-G9)
资助。
* 通讯作者(Corresponding author): 杨晓光, E-mail: yangxg@cau.edu.cn
第一作者联系方式: E-mail: liuzhijuan1215@163.com
Received(收稿日期): 2011-07-29; Accepted(接受日期): 2011-12-19; Published online(网络出版日期): 2012-02-13.
URL: http://www.cnki.net/kcms/detail/11.1809.S.20120213.1104.004.html
DOI: 10.3724/SP.J.1006.2012.00740
APSIM 玉米模型在东北地区的适应性
刘志娟 1 杨晓光 1,* 王 静 1 吕 硕 1 李克南 1 荀 欣 1 王恩利 2
1中国农业大学资源与环境学院, 北京 100193; 2澳大利亚联邦科工组织土地与水研究所, 澳大利亚堪培拉 GPO Box 1666
摘 要: 利用东北地区 6 个典型农业气象试验站的玉米田间试验数据和同期逐日气象数据对 APSIM 模型(农业生产
系统模型)在东北玉米产区的适应性进行了初步研究。先依据各站第一组玉米试验数据对模型相关参数进行调试、确
定, 再利用另一组试验数据检验模型模拟玉米生育期、叶面积指数、地上部总生物量和产量的可靠性。结果表明,
APSIM 模型模拟的播种至出苗、开花和成熟各阶段天数与实测天数有较好的一致性, 其误差分别为 0~2.0、0.7~2.0
和 0.7~2.3 d; 哈尔滨地区模拟的叶面积指数和地上部总生物量相对均方根差分别为 33%和 11%, 模拟效果较好; 黑
龙江哈尔滨、海伦、泰来, 吉林桦甸、通化和辽宁本溪的模拟产量与实际产量的 NRMSE 分别为 18%、13%、4%、
4%、5%和 2%。说明 APSIM 模型对东北地区玉米生育期、叶面积指数动态变化过程、地上部总生物量动态变化过
程和最终产量具有较好的模拟结果, 验证后的 APSIM模型在东北地区具有较好的适应性。以上结果为今后在东北地
区深入开展玉米生产潜力以及解析产量形成的限制因素等研究提供了技术平台与支撑。
关键词: 东北; 玉米; APSIM; 参数调试; 适应性
Adaptability of APSIM Maize Model in Northeast China
LIU Zhi-Juan1, YANG Xiao-Guang1,*, WANG Jing1, LÜ Shuo1, LI Ke-Nan1, XUN Xin1, and WANG En-Li2
1 College of Resources and Environmental Sciences, China Agricultural University, Beijing 100193, China; 2 Commonwealth Scientific and Industrial
Research Organisation Land and Water, GPO Box 1666, Black Mountain, Canberra, ACT 2601, Australia
Abstract: The APSIM (Agricultural Production Systems Simulator) model was introduced to simulate maize growth, development
and yields in Northeast China using the field experimental data and climate data collected from six typical agricultural meteorological
stations in the studied area. APSIM was calibrated using the first part of data to determine the varietal parameters, then simulated the
growing periods, leaf area index (LAI), total above-ground biomass and yields using the second part of data at each site. The results
showed that there was a good agreement between the simulated and measured values in growing periods. The difference of growing
periods from sowing to emergence, from sowing to flowering and from sowing to maturity between simulated and measured data was
0–2.0, 0.7–2.0, and 0.7–2.3 d, respectively. The Normalized Root Mean Square Error (NRMSE) values for measured and simulated
LAI and total above-ground biomass in Harbin station were 33% and 11%, respectively. NRMSE values for measured and simulated
yield in Harbin, Hailun, Tailai, Huadian, Tonghua, and Benxi station were 18%, 13%, 4%, 4%, 5%, and 2%, respectively. These re-
sults indicated that APSIM model has good ability to simulate the growing periods, dynamic process of LAI, dynamic process of
above-ground biomass and yield of maize in Northeast China. This research supports the model application in Northeast China, such
as simulating maize potential yield, or prescribing yield limiting factors.
Keywords: the Northeast China; Maize; APSIM; Calibration; Adaptability
东北地区是中国玉米、水稻、大豆、甜菜等作物的
主要产区之一, 在中国农业生产和粮食安全保障体系中
占有重要地位[1-2]。目前东北地区玉米播种面积为 6×106
hm2, 约占东北三省粮食总播种面积的一半, 其产量占全
国玉米总产的 30%, 因此东北地区玉米产量的丰欠直接
影响全国玉米总产[3]。
APSIM模型(Agricultural Production System Simulator)
是澳大利亚 APSRU 机构(Agricultural Production System
Research Unit)研制的一种具有模块化结构的作物生产模
拟系统[4-5], 在模拟气候变化影响农作物生长发育、产量
第 4期 刘志娟等: APSIM玉米模型在东北地区的适应性 741


及农田水分平衡等方面具有较好效果[6-11], 目前已在世界
不少国家和地区得到广泛验证 [12-14], 并在世界各地农业
生产中发挥了积极作用[15-17]。我国自引入 APSIM模型以
来, 已进行了一些验证工作, 主要集中在华北平原地区,
认为该模型对指导当地冬小麦生产基本可行[18-21]。但迄
今为止, APSIM 模型在我国东北地区玉米生产中还未得
到应用。为此, 本文以东北三省 6个站点的多年玉米试验
资料和同期气象资料为基础, 调试并确定了 APSIM 模型
中的相关参数, 对各地玉米生长发育及产量形成进行了
模拟, 最后分析了 APSIM模型在东北玉米产区的适应性,
以期为今后深入研究东北地区玉米生产潜力及产量限制
因素奠定基础。
1 材料与方法
1.1 研究区域概况
东北三省地势平坦、土壤肥沃, 作物生长季气候温和
湿润 , 辐射资源优越 , 唯热量条件略显不足。近 50 年
(1961—2007)来, 东北三省年平均气温呈增加趋势, 平均
每 10年增加 0.38℃。玉米生长季内, 近 50年的积温平均
值为 1 667~3 773℃ d, 平均每 10年增加 65℃ d; 日照时
数平均值为 800~1 543 h, 总体呈减少趋势 ; 降水量为
288~888 mm, 总体呈减少趋势[22]; 无霜期 140~170 d, 干
燥度 0.75~1.50。本区盛产大豆、玉米、小麦和水稻, 是
国内重要的粮食主产区和最大的商品粮生产基地。近 30
年来 , 因科技进步和政府投入加大 , 东北地区粮食单产
呈持续增长态势。
选择东北地区 6个典型农业气象试验站种植 6年的玉
米品种试验数据(表 1)进行模型参数的调整和验证, 其中
哈尔滨、海伦和泰来分别代表黑龙江省的平原地区、高纬
地区和西部干旱地区; 通化和桦甸代表吉林省高海拔山
区; 本溪代表辽宁省东南部湿润地区。
1.2 模型主要输入参数
主要应用 APSIM 模型的以下模块, 即玉米模块、管
理模块、地表有机质模块、施肥模块、土壤模块和灌溉模
块。因模型庞大、结构复杂, 因此需要输入大量数据, 包
括气象数据、土壤数据和作物数据。模型中需要调试的作
物品种参数包括各生育阶段所需积温、光周期斜率(光周
期响应曲线的斜率)、灌浆速率和最大籽粒数。
1.2.1 作物数据 包括当地玉米品种、播种日期、播
种密度、播种深度、行距、施肥和灌溉措施、生育期(出
苗期、开花期和成熟期)、叶面积指数、地上部生物量和
产量。

表 1 东北地区 6 个农业气象试验站的玉米供试品种及用于调整参数和验证模型的资料年份
Table 1 Maize varieties and years of data for model calibration and validation from six agrometeorological stations in Northeast China
试验站
Station
纬度
Latitude (°)
经度
Longitude (°)
品种
Variety
调整参数的资料年份
Year for calibration data
验证模型的资料年份
Year for validation data
黑龙江哈尔滨 Harbin, Heilongjiang 45.45 126.46 四单 19 Sidan 19 1997–1999 2000–2002
黑龙江泰来 Tailai, Heilongjiang 46.24 123.25 白单 9 Baidan 9 1991–1993 1994–1996
黑龙江海伦 Hailun, Heilongjiang 47.26 126.58 海玉 6 Haiyu 6 2000–2002 2003–2005
吉林通化 Tonghua, Jilin 41.40 125.45 吉单 101 Jidan 101 1988–1990 1991–1993
吉林桦甸 Huadian, Jilin 42.59 126.45 吉单 120 Jidan 120 1996, 1998–1999 2002–2004
辽宁本溪 Benxi, Liaoning 41.18 124.17 丹玉 13 Danyu 13 1991–1993 1994–1996

1.2.2 气象数据 运行 APSIM模型所需要的气象数据
包括逐日最高气温、最低气温、降水量, 均取自中国气象
局科学数据共享服务网。采用 Penman-Monteith 公式[23]
计算模型所需的地表总辐射。
1.2.3 土壤数据 APSIM 模型中涉及到的土壤参数包
括分层土壤容重、饱和含水量、田间持水量、凋萎系数等,
均来源于各农业气象试验站的实测数据。
1.3 参数调试方法
将各试验站的玉米试验数据分为两组, 一组用于调
整 APSIM模型中所需的基本作物参数。另一组用于验证
和评价 APSIM模型(表 1)。采用“试错法”对选定站点代表
性品种的参数加以调试, 目的是使模拟值与实测值之差
尽可能小。调整的作物参数包括出苗到营养生长期结束的
积温、开花到成熟期的积温、光周期斜率、最大籽粒数和
灌浆速率(表 2)。
1.4 模型评价方法
通过模型模拟结果与实测结果的图形比较以及各项
评价指标来评价 APSIM模型在东北地区的适用性。采用
以下统计量作为检验 APSIM 模型的指标: 模拟值与实测
值之间的决定系数(R2)、均方根差(RMSE)、相对均方根差
(NRMSE)[24]、Willmott [25]提出的一致性指标(D指标)、平
均绝对误差(MAE)。其中, R2和 D指标可反映模拟值与实
测值之间的一致性, 其值愈接近 1说明模拟效果愈好; 相
对于 R2, D 指标对系统模拟误差的响应更敏感; RMSE、
NRMSE 值反映了模拟值与实测值之间的绝对误差和相对
误差, 其值愈小, 表明误差值愈小。

( )2
1
n
i i
i
O S
RMSE
N
=
−
=
∑
(1)
742 作 物 学 报 第 38卷

100%RMSENRMSE
O
= × (2)
( )
( )
2
21
i i
i i
S O
D
S O O O
−= −
− + −
∑
∑
(3)
i i
S O
MAE
n
−= ∑ (4)
式中, Si为模拟值, Oi为实测值, O为实测平均值, n为样本
数。
2 结果与分析
2.1 模型参数调试
采用“试错法”对选定站点代表性品种的参数加以调
试 , 目的是使模拟值与实测值之差尽可能小 , 最终确定
了各站点代表性品种的参数(表 2)。
2.2 模型验证
2.2.1 生育期 利用各试验站的第 2 组田间试验数据
与玉米生长、发育和产量的模拟值比较, 并通过评价指标
分析, 完成 APSIM模型在东北地区的适用性评价。
图 1 为各农业气象试验站模拟与实测生育期天数的
相关关系。表 3给出了不同玉米品种完成 3个发育阶段(播
种—出苗、播种—开花和播种—成熟)所需要天数、叶面
积指数、地上部总生物量和产量的模拟值与实测值之比
较。结合图 1和表 3表明: 3个上述生育阶段模拟天数与
实测天数基本吻合 , 决定系数(R2)依次为 0.75~1.00、
0.75~1.00 和 0.75~0.99, D 值的范围依次为 0.75~1.00、
0.92~0.99 和 0.89~1.00, 由此可见模拟数据和实测数据基
本落在 1∶1线附近。分析 6个站点 18年 3个发育阶段平
均模拟天数依次为 15.7、83.1 和 140.9 d, 实测天数依次
为 15.9、83.3 和 141.9 d。3 个发育阶段实测和模拟天数
的 R2分别为 0.90、0.87 和 0.90, NRMSE分别为 9%、2%
和 1%, D值分别为 0.96、0.97和 0.98 (图 2), 说明从全区
角度来看, 模拟和实测的 3个玉米生育阶段天数有很好的
一致性。可知模型能比较准确地模拟东北地区典型站点的

表 2 研究区域 6 个试验站玉米代表品种的 APSIM-Maize 参数
Table 2 Parameters of APSIM-Maize for different varieties at the six stations in the studied area
地点
Location
品种
Variety
积温(出苗到营养生长期结束)
Thermal time required from
emergence to end of juvenile
(℃ d)
积温(开花到成熟期)
Thermal time re-
quired from flowering
to maturity (℃ d)
光周期斜率
Photoperiod
slope
(℃ h−1)
最大籽粒数
Maximum
grain num-
bers per head
灌浆速率
Grain-filling
rate
(mg grain−1 d−1)
哈尔滨 Harbin 四单 19 Sidan 19 90 790 22.0 600 9.0
泰来 Tailai 白单 9号 Baidan 9 140 700 23.0 650 10.0
海伦 Hailun 海玉 6号 Haiyu 6 50 720 23.0 550 9.5
通化 Tonghua 吉单 101 Jidan 101 100 700 23.0 650 9.5
桦甸 Huadian 吉单 120 Jidan 120 75 680 23.0 650 9.0
本溪 Benxi 丹玉 13 Danyu 13 110 730 23.0 600 9.5

图 1 东北玉米生育期天数实测值和模拟值验证结果
Fig. 1 Validation results between simulated and measured phonology in Northeast China
第 4期 刘志娟等: APSIM玉米模型在东北地区的适应性 743


表 3 APSIM 模型在东北玉米产区 6 个试验站的检验结果
Table 3 Validation of APSIM model for maize at six meteorological stations in Northeast China
验证评价指标 Validation 台站
Station
项目
Item R2 RMSE NRMSE (%) D MAE
播种至出苗天数 Days from sowing to emergence (d) 0.82 1.3 8 0.97 1.00
播种至开花天数 Days from sowing to flowering (d) 0.96 0.8 1 0.92 0.67
播种至成熟天数 Days from sowing to maturity (d) 0.75 0.8 1 0.91 0.67
叶面积指数 LAI (m2 m−2) 0.89 0.4 33 0.94 0.30
生物量 Biomass (kg hm−2) 0.99 555.4 11 0.99 333.9
哈尔滨
Harbin
产量 Yield (kg hm−2) 0.99 1487.6 18 0.77 1484.5


播种至出苗天数 Days from sowing to emergence (d) 0.99 1.4 8 0.99 1.33
播种至开花天数 Days from sowing to flowering (d) 0.75 2.2 3 0.98 2.00
播种至成熟天数 Days from sowing to maturity (d) 0.99 1.6 1 1.00 1.33
海伦
Hailun
产量 Yield (kg hm−2) 0.67 851.4 13 0.90 716.7


播种至出苗天数 Days from sowing to emergence (d) 0.75 1.4 14 0.75 1.33
播种至开花天数 Days from sowing to flowering (d) 0.92 1.9 2 0.93 1.67
播种至成熟天数 Days from sowing to maturity (d) 0.75 1.8 1 0.92 1.33
泰来
Tailai
产量 Yield (kg hm−2) 0.98 444.8 4 0.94 418.5


播种至出苗天数 Days from sowing to emergence (d) 0.78 2.2 11 0.79 2.00
播种至开花天数 Days from sowing to flowering (d) 1.00 1.0 1 0.99 1.00
播种至成熟天数 Days from sowing to maturity (d) 0.75 0.8 1 0.99 0.67
桦甸
Huadian
产量 Yield (kg hm−2) 0.99 317.9 4 0.97 317.3


播种至出苗天数 Days from sowing to emergence (d) 1.00 1.3 8 0.93 1.00
播种至开花天数 Days from sowing to flowering (d) 0.95 1.6 2 0.96 1.33
播种至成熟天数 Days from sowing to maturity (d) 0.90 1.9 1 0.93 1.67
通化
Tonghua
产量 Yield (kg hm−2) 0.90 456.5 5 0.99 343.8


播种至出苗天数 Days from sowing to emergence (d) 1.00 0.0 0 1.00 0.00
播种至开花天数 Days from sowing to flowering (d) 0.97 1.3 2 0.96 1.00
播种至成熟天数 Days from sowing to maturity (d) 0.92 2.6 2 0.89 2.33
本溪
Benxi
产量 Yield (kg hm−2) 0.74 142.2 2 0.98 131.1
RMSE: root mean squared error; NRMSE: normalized root mean square error.

图 2 东北玉米生育期、产量实测值和模拟值结果的比对
Fig. 2 Validation results between simulated and measured growing periods and yield of maize in Northeast China
744 作 物 学 报 第 38卷

玉米生长发育进程。
2.2.2 叶面积指数和地上部生物量 利用哈尔滨试验
站 2000—2001年四单 19 的叶面积指数和 2000—2002年
地上部总生物量的数据验证模型的结果如图 3所示, 结合
表 3可以看出, 模拟和实测的叶面积指数和地上部总生物
量相对均方根差分别为 33%和 11%, 效果较好, R2值分别
达 0.89和 0.99, D值分别达 0.94和 0.99, 说明验证效果较
好, APSIM 模型基本上能反映叶面积指数和地上部总生
物量在全生育期内的动态变化。
2.2.3 产量 图 4 为 6 个农业气象试验站玉米品种的

图 3 哈尔滨试验站玉米叶面积指数和地上部总生物量实测值和模拟值验证结果
Fig. 3 Validation results between simulated and measured LAI and above-ground biomass in Harbin station

图 4 东北玉米产量实测值和模拟值验证结果
Fig. 4 Validation results between simulated and measured yields of maize in Northeast China
第 4期 刘志娟等: APSIM玉米模型在东北地区的适应性 745


模拟与实测产量的相关关系, 模拟产量和实测产量的 R2
值范围为 0.67~0.99, D 值范围为 0.77~0.99。哈尔滨、海
伦、泰来、桦甸、通化和本溪 6个站点的模拟产量与实际
产量的 NRMSE值分别为 18%、13%、4%、4%、5%和 2%
(表 3)。同时对比分析 6个站点 18年的模拟产量和实测产
量可知, 全区平均模拟产量和实测产量分别为 8 384 和
7 882 kg hm−2。R2值和 D值分别为 0.81和 0.94, 模拟产
量和实测产量的相对均方根差为 10% (图 2), 表明全区玉
米实测产量与模拟产量有很好的一致性。可知模型能比较
准确地模拟东北地区典型站点的玉米产量的形成。
3 讨论
APSIM模型自 1991年问世以来, 已在澳大利亚、意
大利、荷兰、新西兰等国家得到广泛验证。该模型对华北
地区小麦-玉米连作系统的生物量和土壤水分具有较好的
模拟效果, 但对叶面积指数则误差稍大[19]。目前 APSIM
模型在东北玉米产区的应用还未见报道。本文结果表明,
该模型能够较准确地模拟东北地区玉米生育期、地上部总
生物量和叶面积指数的动态变化以及产量形成等, 但同
时还存在一定的不稳定性。
由于资料的限制, 本文未能就 APSIM 模型在模拟土
壤水分和养分对玉米生长发育和产量的影响方面进行验
证, 还有待今后进一步研究。此前, 陈超等[18]证明, 该模
型可以解释我国华北平原小麦-玉米连作条件下土壤水分
含量 84%的变化。Asseng等[4]使用 APSIM模型模拟了荷
兰小麦生产中土壤含氮量的变化, 模拟值与实测值决定
系数达到 0.82, 说明 APSIM 模型在模拟土壤水分和含氮
量动态变化方面有较好的效果。
经验证的 APSIM模型可为今后研究东北地区气候变
化、种植制度演变、品种更新对玉米生长发育和产量的影
响奠定基础 , 亦可用来研究东北地区玉米产量潜力 , 从
而进一步挖掘限制该地区玉米产量潜力的气候、土壤、品
种因子 , 并提出科学适应或补偿的方法 , 以保障当地玉
米生产的高产高效和粮食安全。

致谢: 感谢荀欣、徐超、刘博、李辉、董朝阳、奉玉端、
孙爽、庞程、隋月、刘欢、王田田等同学为本文数据整理
付出的辛勤工作。
References
[1] Yang X, Lin E D, Ma S M, Ju H, Guo L P, Xiong W, Li Y, Xu Y
L. Adaptation of agriculture to warming in Northeast China. Clim
Change, 2007, 84: 45−58
[2] Cheng Y-Q(程叶青), Zhang P-Y(张平宇). Regional patterns
changes of Chinese grain production and response of commodity
grain base in Northeast China. Sci Geogr Sin (地理科学), 2005,
25(5): 513−520 (in Chinese with English abstract)
[3] Ma S-Q(马树庆), Wang Q(王琪), Wang C-Y(王春乙), Huo
Z-G(霍治国). The risk division on climate and economic loss of
maize chilling damage in Northeast China. Geogr Res (地理研
究), 2008, 27(5): 1169−1177 (in Chinese with English abstract)
[4] Asseng S, Keulen H V, Stol W. Performance and application of
the APSIM wheat model in the Netherlands. Eur J Agron, 2000,
12: 37−54
[5] Probert M E, Keating B A, Thompson J P, Parton W J. Modelling
water, nitrogen, and crop yield for a long-term fallow
management experiment. Aust J Exp Agric, 1995, 35: 941−950
[6] Asseng S, Fillery I R P, Dunin F X, Keating B A, Meinke H. Po-
tential deep drainage under wheat crops in a Mediterranean cli-
mate: I. Temporal and spatial variability. Aust J Agric Res, 2001,
52: 45−56
[7] Asseng S, Anderson G C, Dunin F X, Fillery I R P, Dolling P J,
Keating B A. Use of the APSIM wheat model to predict yield,
drainage, and NO3-leaching for a deep sand. Aust J Agric Res,
1997, 49: 363−378
[8] Wu D R, Yu Q, Lu C H, Hengsdijk H. Quantifying production
potentials of winter wheat in the North China Plain. Eur J Agron,
2006, 24: 226−235
[9] Wang E L, Cresswell H, Paydar Z, Gallant J. Opportunities for
manipulating catchment water balance by changing vegetation
type on a topographic sequence: a simulation study. Hydrol
Process, 2008, 22: 736−749
[10] Wang E L, Xu J X, Smith C J. Value of historical climate know-
ledge, SOI based seasonal climate forecasting and stored soil
moisture at sowing in crop nitrogen management in south eastern
Australia. Agric Forest Meteor, 2008, 148: 1743−1753
[11] Wang E L, Yu Q, Wu D R, Xia J. Climate, agricultural production
and hydrological balance in the North China Plain. Int J Climatol,
2008, doi:10.1002/joc.1677
[12] Keating B A, Carberry P S, Hammer G L, Probert M E, Robert-
son M J, Holzworth D, Huth N I, Hargreaves J N G, Meinke H,
Hochman Z, McLean G, Verburg K, Snow V, Dimes J P, Silburn
M, Wang E, Brown S, Bristow K L, Asseng S, Chapman S,
McCown R L, Freebairn D M, Smith C J. An overview of
APSIM, a model designed for farming systems simulation. Eur J
Agron, 2003, 18: 267−288
[13] Asseng S, Keating B A, Fillery I R P, Gregory P J, Bowden J W,
Turner N C, Palta J A, Abrecht D G. Performance of the
APSIM-wheat model in Western Australia. Field Crops Res,
1998, 57: 163−179
[14] Robertson M J, Carberry P S, Huth N I, Turpin J E, Probert M E,
Poulton P L, Bell M, Wright G C, Yeates S J, Brinsmead R B.
Simulation of growth and development of diverse legume species
746 作 物 学 报 第 38卷

in APSIM. Aust J Agric Res, 2002, 53: 429−446
[15] Bassu S, Asseng S, Motzo R, Giunta F. Optimising sowing date
of durum wheat in a variable Mediterranean environment. Field
Crops Res, 2009, 111: 109−118
[16] Assenga S, Jamieson P D, Kimball B, Pinter P, Sayre K, Bowden
J W, Howden S M. Simulated wheat growth affected by rising
temperature, increased water deficit and elevated atmospheric
CO2. Field Crops Res, 2004, 85: 85−102
[17] Peake A S, Robertson M J, Bidstrup R J. Optimising maize plant
population and irrigation strategies on the Darling Downs using
the APSIM crop simulation model. Aust J Exp Agric, 2008, 48:
313−325
[18] Chen C, Wang E, Yu Q. Modelling the effects of climate variabil-
ity and water management on crop water productivity and water
balance in the North China Plain. Agric Water Manage, 2010, 97:
1175−1184
[19] Wang L(王琳), Zheng Y-F(郑有飞), Yu Q(于强), Wang E-L(王
恩利). Applicability of agricultural production systems simulator
(APSIM) in simulating the production and water use of
wheat-maize continuous cropping system in North China Plain.
Chin J Appl Ecol (应用生态学报), 2007, 18(11): 2480−2486 (in
Chinese with English abstract)
[20] Li Y(李艳), Xue C-Y(薛昌颖), Liu Y(刘园), Yang X-G(杨晓光).
Adoptability of APSIM model simulating growth of winter wheat
in Beijing and Yucheng. Meteorology (气象), 2008, 34(special
issue): 271−279 (in Chinese)
[21] Sun N(孙宁), Feng L-P(冯利平). Assessing the climatic risk to
crop yield of winter wheat using crop growth models. Trans
CSAE (农业工程学报), 2005, 21(2): 106−110 (in Chinese with
English abstract)
[22] Liu Z-J(刘志娟), Yang X-G(杨晓光), Wang W-F(王文峰), Li
K-N(李克南), Zhang X-Y(张晓煜). Characteristic of agricultural
climate resource in the context of global climate change in three
provinces of Northeast China. Chin J Appl Ecol (应用生态学报),
2009, 20(9): 2199−2206 (in Chinese with English abstract)
[23] Allen R G, Pereira L S, Raes D, Smith M. Crop Evapotranspira-
tion-Guidelines for Computing Crop Water Requirements-FAO
Irrigation and Drainage. Rome: Food and Agriculture Organiza-
tion of the United Nations, 1998. p 56
[24] Wallach D, Goffinet B. Mean squared error of prediction in mo-
dels for studying ecological and agronomic systems. Biometrics,
1987, 43: 561−573
[25] Willmott C J. Some comments on the evaluation of model per-
formance. Bull Am Meteor Soc, 1982, 63: 1309−1313