全 文 ：Vol. 29 , No. 5
pp. 750～758 　Sept. , 2003
作 　物 　学 　报
ACTA AGRONOMICA SINICA
第 29 卷 第 5 期
2003 年 9 月 　750～758 页
作物生长模型研究综述
林忠辉　莫兴国　项月琴
(中国科学院地理科学与资源研究所 ,北京　100101)
摘 　要 　作物生长模型的构建有利于既有科研成果的综合集成 ,也是作物种植管理决策现代化的基础 ,还是辅助决策的
有力工具。本文以荷兰 Wageningen ,美国 DSSAT ,澳大利亚 APSIM和中国 CCSODS等作物生长模型研究流派为例 ,回顾了
作物生长模型的发展历程 ,论述了作物生长模型的主要功用 ,并指出了在模型研究和开发应用中存在的问题。Ξ
关键词 　作物生长模型 ;功能 ;局限性
中图分类号 : Q141 　　　文献标识码 : A
Research Advances on Crop Growth Models
LIN Zhong2Hui 　MO Xing2Guo 　XIANG Yue2Qin
( Institute of Geographic Sciences and Natural Resources Research , Chinese Academy of Sciences , Beijing 100101 , China)
Abstract 　　Crop growth models have been used greatly and efficiently in many fields such as agro2ecosystem research ,
crop management ,and decision2making. Our understanding on the interactions between crop and environment ,integration
across disciplines ,and organization of data would be improved through the utilization of this kind of models. The crop growth
models were helpful to make management decisions ,such as cultural practices ,fertilizers ,irrigation and pesticide ,as well as
soil erosion ,agricultural chemicals leach ,climate change impacts and regional yield prediction. The development purposes
and limitations of the current prevailing crop growth models were reviewed ,the prospect of the models in these areas was also
discussed.
Key words 　　Crop growth model ;Potential application ;Limitation
　　20 世纪 60 年代起 ,随着对作物生理生态机理
认识的不断加深和计算机技术的迅猛发展 ,作物生
长模型的研究得到了飞速发展 ,目前已经迈向了实
用化阶段。基于生理生态机理的、考虑作物生长与
大气、土壤、生物乃至人文等环境因素的相互作用的
作物生长动态模拟模型已成为农业研究最有力的工
具之一。作物生长模型在集成已有科学研究成果、
作物种植管理科学化以及在决策制定中所起的作用
已逐渐为大家所认识 ,其应用的领域也在不断扩大。
然而 ,作物模型的研究和应用还存在许多问题。
例如 ,在研究方面 ,由于对许多生理生态过程的认识
仍然不够透彻 ,一些过程描述仍然是经验性的 ,而影
响到作物模型的普适性。在应用方面 ,作物模型区
域应用的要求日益迫切 ,但是 ,区域地表土壤和作物
参数以及其他环境参数的获取困难是困扰作物模型
区域应用的主要问题。本文以几个重要研究流派为
例回顾了作物模型的发展历程 ,介绍了一些主要作
物生长模型的特点 ,以及作物模型在研究和应用中
存在的问题 ,讨论了作物生长模型的开发应用前景。
1 　作物生长模型的发展历程
作物生长模型研究是随着对作物生理生态过程
机理认识的不断深入和计算机技术的迅猛发展而兴
起的。20 世纪 60 年代 ,由于已经能对植物生理过
程 (如冠层光能截获及光合作用)进行很好的数学描
述 ,作物生长动态模拟模型的研究开始起步[1 ,2 ] 。同
期 ,大型计算机的出现 ,推动了模型研究的迅速发
展。联合国教科文组织 (UNESCO) 的国际生物学计
划 ( IBP ,1964～1974) 的实施 ,也极大地促进了作物
模型研究工作的开展。30 多年来 ,世界上许多国家Ξ基金项目 :中国科学院地理科学与资源研究所知识创新项目 (CX10G2C00205201)和国家自然科学基金项目 (49890330) 。
作者简介 :林忠辉 (1971 - ) ,男 ,助研。Email :linzh @igsnrr. ac. cn
Received(收稿日期) :2002205227 ,Accepted(接受日期) :2002208226.

都进行了作物生长模型研究 ,由于目的不同 ,开发了
多种类型的作物模型。在诸多国家中 ,最有成效的
国家包括荷兰、美国、澳大利亚、英国、苏联和日本
等。下面以几个重要的作物模型流派为例介绍作物
模型的发展历程及其主要特点。
111 　荷兰 Wageningen 模型
在荷兰 ,由 de Wit 开创的作物生长模型研究自
成体系 ,影响极大 ,故有 de Wit 学派之称[3 ] 。因为研
究工作主要是在 Wageningen 进行的 ,所以不妨称为
荷兰 Wageningen 作物模型。
de Wit 学派的作物模型研究开始是从研究角度
出发的 ,并在作物生产系统的 4 种生产水平的假设
上进行的。1982 年 ,de wit 和 Penning de Vries 将作物
生产系统分为 4 种生产水平 :水平一 ,潜在生产 (po2
tential production) ,即假定作物生长处于水肥供应适
宜状态 ,作物的生长速度只取决于天气条件 ,主要是
太阳辐射和温度。水平二 ,水分受限条件下的生产。
作物生长处于肥料适宜状态 ,生长主要受制于整个
生育期或某一生育阶段的水分短缺以及其他天气条
件。水平三 ,氮素受限条件下的生产。作物生长主
要受制于整个生育期或某一阶段氮素短缺 ,在其他
阶段 ,则取决于水分和天气状况。水平四 ,养分限制
条件下的生产。作物生长主要受制于整个生育期或
某一阶段的磷素或其他养分的短缺 ,在其他阶段 ,则
取决于水分和天气状况。而实际生产很难归结到上
面 4 种情形之中 ,Rabbinge (1993) 又重新分为三种情
形 :潜在生长 (potential growth) ,在其他条件均适宜的
条件下 ,主要取决于大气 CO2 浓度、太阳辐射、温度
和作物本身遗传特性 ; 可实现的生长 ( attainable
growth) ,主要取决于水肥受限程度 ;实际生长 (actual
growth) ,在可达到的生长前提下 ,主要受制于杂草、
虫害、病害和污染[4 ] 。
针对这几种生产情形 ,以及随着研究领域的不
断拓展 ,de Wit 学派先后开发出了一系列模型。根
据模型开发的不同阶段 ,Penning de Vries (1980) 将模
型类型分为概念或初级 (Conceptual or Preliminary) 模
型、综合 ( Comprehensive) 模型和概要 ( Summary) 模
型[5 ] 。概念模型反映的是已有的对作物的有限科学
知识 ,因为对各种过程的了解还不完善 ,所以模型结
构较简单。由概念模型发展而来的综合模型则包含
了各种重要的有关生理生态过程的信息 ,集成了作
物生长过程的诸多知识 ,其主要目的是增进我们对
作物本身的了解。由于综合模型的复杂性 ,难以为
一般人所掌握 ,催生出概要模型。概要模型对综合
模型的一些复杂的核心过程进行了简化 ,并忽略了
一些相对次要的过程。面向应用是开发概要模型的
主要动力。表 1 列出了 Wageningen 模型的主要特
点。以下介绍 de Wit 学派在不同研究阶段针对不断
变化的研究问题而推出的一系列模型[3 ] 。
表 1 荷兰 Wageningen 作物模型系列
Table 1 Description of Wageningen crop model series
主要特征
解释性、机理性、通用性强。不同作物可以改换不同的
作物参数和土壤、气候数据库而共用同一模型框架。
模型主要考虑土壤、气候等因素的综合作用 ,后期模型
也允许对品种特性加以考虑。
用途
验证科学假设和率定作物模型 ;模拟气候变化、不同管
理措施对作物生长过程的影响。
适用范围 单点或相同类型区。
主要输出 作物产量和产量组成的时间变化。
主要输入 土壤、气候和管理措施。
11111 　探索阶段 (1965～1980) 　　1965 年 ,de Wit
的经典文章“叶冠层的光合作用”发表[1 ] ,奠定了作
物生长动态模拟模型的基础。该文给出了计算冠层
日光合作用的算法 ,使用相应的农业气象数据和其
他一些参数 ,就可计算全球任何地方和时间的冠层
日光合作用。冠层光合作用的计算以具有生理基础
的单叶光合作用为基础 ,随冠层深度积分而得群体
光合作用速率 ,并考虑了冠层叶角分布对冠层辐射
传输的影响。此后 ,de Wit 学派的系列模型都是以
冠层光合作用为基础 ,应用于不同的作物 ,只需改变
作物参数即可。这是 Wageningen 模型的一个重要特
征。
ELCROS ( ELementary CROp Simulator) 是 de Wit
学派第一个模型[6 ] 。它用于探讨不同条件下的作物
潜在生产水平。模型包含了详细的、具有机理性的
冠层光合作用部分、描述器官生长速率的部分及有
关呼吸作用的最初设想。
BACROS(BAsic CROp growth Simulator) 模型是在
ELCROS的基础上 ,通过对生长和维持呼吸的深入
研究 ,增加了呼吸作用部分以及作物微气象的详尽
描述而形成的[7、8 ] 。BACROS 属于综合模型 ,它模拟
潜在生产条件下的大田作物营养生长阶段的潜在生
长和蒸腾。设计适用于禾谷类等草本作物 ,各种作
物自有其特定的参数。BACROS 模型中碳平衡和蒸
腾作用的描述是机理性的 ,但关于同化物分配和叶
面积生长仍是经验性的。BACROS 的时间步长是
157　5 期 林忠辉等 :作物生长模型研究综述

lhr。在BACROS的基础上导出的 PHOTON(simulation
of daily PHOTOsynthesis and transpiratioN) 模型 ,精细
地考虑了气孔行为 ,用来计算一日内的光合、呼吸和
蒸腾 ,其时间步长以秒为单位。运用这些综合模型
最主要的科学发现是 :发现了 CO2 对气孔开度的影
响 ,以及由此产生的对光合作用和蒸腾的影响[7 ] 。
ELCROS和BACROS都是模拟潜在生产的情形 ,
出于应用目的 ,水分限制情形下的模型研究也得到
开展。1975 年发表的 ARID CROP 以 ELCROS 和
BACROS 为基础而研制的 ,用于模拟地中海地区施
肥草场牧草的生长与水分利用[9 ] 。ARID CROP 通过
根系生长与水分吸收界面将作物模型与水分平衡模
型偶联起来 (该水分平衡模型后来发展成 SAHEL
(Soil in semi2Arid Habitats that Early Leach) 模型[10 ] ) ,
用计算的潜在蒸腾和实际蒸腾之间的关系来修正作
物生长速度。ARID CROP 模拟作物从出苗、营养生
长、生殖生长直到作物衰老死亡的整个生长过程。
但是 ,ARID CCROP 模型中关于衰老、同化物分配和
叶面积动态的描述仍然是经验式。
11112 　面向实际应用阶段 (1980～1990) 　　在这一
阶段 ,当时开展起来的农业生态区划、定量的土地评
价和产量预报等重要研究所需的资料几乎都不能用
传统的方法获得。而已有的综合模型则因为许多过
程描述太细 ,相应地需要大量数据 ,而这些数据经常
难以获取且计算费时 ,所以也不太适合这些研究。
这就促进了面向实际应用的概要模型的开发。
SUCROS(Simple and Universal Crop growth Simula2
tor)是 de Wit 学派的第一个概要模型[11 ] 。最早版本
的 SUCROS模拟潜在生产条件下作物从出苗到成熟
的干物质生产 ,时间步长为一天。与 BACROS 一样 ,
因为其所描述的物理过程和生理过程适用于不同的
环境条件 ,SUCROS 具有通用性并已用于不同种类
的作物 ,如小麦、马铃薯和大豆等[11 ] 。更新版本 SU2
CROS87 包含有春小麦、冬小麦、玉米、马铃薯和甜菜
等的作物参数[12 ] 。1992 年发表了用于春小麦的 SU2
CROS 最新版本 ,分别为用于潜在生产情形的 SU2
CRO1 和用于水分限制生产情形的 SUCROS2[13 ,14 ] 。
SUCROS2 由 SUCROS1 与土壤水平衡模块 SAHEL 联
结而成。此后 ,SUCROS 成为开发特定面向目标模
型的前导模型 ,如用于描述大田作物和杂草间相互
作用的 INTERCOM( INTERplant COMpetition)模型[15 ] ,
应用于 Flevoland 的甜菜Π冬小麦生长监测的 SBΠ
WWFLEVO 模型[16 ] 。SBΠWWFLEVO 模型还应用遥感
数据作为输入参数。
WOFOST(WOrld FOod STudies) 是从 SUCROS 导
出的最早面向应用的模型之一。该模型由世界粮食
研究中心开发 ,旨在探索提高发展中国家农业生产
力的可能性[17 ] 。WOFOST着重强调其在研究定量土
地评价、区域产量预报、风险分析和年际间产量变化
及气候变化影响的量化中的应用[18 ] 。WOFOST的过
程描述是通用的 ,可通过改变作物参数考虑不同作
物。WOFOST初步具有面向用户的特色。它提供一
个简单的 GIS模块 ,可以将模拟结果用地图的形式
表达 ,也提供用户菜单界面 ,使得作物类型选择、生
产水平选择、以及土壤、天气、作物特性输入数据文
件的选取相对简便。WOFOST目前最新版本为 711。
MACROS(Modules of an Annual CRop Simulator)是
为半湿润热带作物而开发的[19 ] ,它是 SARP (Simula2
tion and Systems Analysis for Rice Production)计划的一
部分[20 ] 。SARP 计划的目的之一就是将模拟技术和
系统分析技术在东南亚地区的科学家队伍中进行推
广[21 ] 。MACROS由一系列的潜在和水分限制情形
下的作物生长模拟模块组成 ,它的土壤水分平衡模
块包括有排水和积水两种情况。MACROS 模型也是
通用的 ,并给出了多种作物的参数。与 SUCROS 相
比 ,MACROS保留了更多的综合模型特征 ,其透明性
与模块化结构使人们有可能针对研究的问题选取所
需模块进行组合。SARP 计划的第三阶段 (1992～
1995)研究重点为 ,在 MACROS 的基础上集中研究 6
个方面的应用程序 : (a)农业生态区划与特征化 ; (b)
作物轮作与水分利用优化 ; (c)模型在植物育种中的
应用 ; (d)气候变化对水稻生产影响的评估 ; (e) 氮肥
优化调控 ; (f)虫害治理。在 MACROS 和 SUCROS 的
基础上 ,开发了一系列的针对这些应用目的水稻模
型 ,其通用名称为 ORYZA。ORYZA 完成后 ,1997 年
曾用于与 GCM (大气环流模式) 结合评估气候变化
对亚洲水稻生产的影响。
11113 　实际可操作阶段 (1990～) 　　在应用层面
上讲 ,有些数据只能是由作物模型产生 ,因此 ,80 年
代发展起来的概要模型很快被大量实际运用[3 ] 。典
型的应用领域包括农业生态区划、区域产量预报、区
域评估环境及社会经济变化对农业的影响等。
LINTUL (Light INTerception and UtiLization) 模型
是应对研究的空间尺度扩大时的简化模型[22 ] 。当
研究的空间尺度从单点扩展到区域和全球尺度时 ,
即使是已有的概要模型也还需要进一步简化。这是
257 　　　作 　　物 　　学 　　报 29 卷 　

因为模型所需要的输入数据的可获取性和质量在大
尺度研究时通常受到很大限制。LINTUL 模型是第
一个偏离 de Wit 学派传统 ,而不以光合作用为基础
的作物模型。在 LINTUL 模型中 ,作物生长速率由
冠层辐射截获量和光能利用率 (LUE) 决定。光能利
用率在整个生长季通常定为常数 ,是作物的特征参
数。对于区域性研究而言 ,LINTUL 类模型有其优
势 ,所需输入数据明显减少 ,模型参数化工作也大大
简化。
112 　美国 DSSAT系列模型和 GOSSYM 模型
农业技术推广决策支持系统 DSSAT (Decision
Support System for Agrotechnology Transfer) 是在 IB2
SNAT( International Benchmark Sites Network for Agro2
technology Transfer)计划的资助下开发出来的[23 ] 。由
Uehara 和 Tsuji 领导的 IBSNAT计划 1983 年启动 ,有
多家大学和研究机构参与 ,总部设在夏威夷大学。
IBSNAT计划的主要目标之一就是以系统分析的方
法帮助提高发展中国家的农业生产水平 ,并立意为
小型农户的经济持续性、自然资源的有效利用以及
环境保护作出有益的成果。集成了多个作物模型的
DSSAT是 IBSNAT 的主要研究成果之一。由于 DS2
SAT基本囊括了美国众多的著名作物模型如 CERES
和 CROPGRO 系列模型 ,因此 ,相对于 Wagningen 模
型 ,我们称之为美国 DSSAT系列模型。表 2 列出了
DSSAT系列作物模型的主要特点。
表 2 DSSAT系列作物模型系列
Table 2 Description of DSSAT crop growth model
主要特征
具有鲜明的应用特色。DSSAT 系列模型虽然有一些
通用模块 ,但是每一个作物都有自己的模块。它包括
CERES系列模型、CROPGRO 系列模型和 SUBSTOR po2
tato 模型等 ,目前共能模拟 17 种作物。考虑了作物品
种遗传特性、土壤、气候和管理措施等因素的综合作
用 ,可用于模拟作物管理措施的最终效果。
用途
验证科学假设和作物模型验证 ;模拟季节变换、空间
位置变换和不同管理措施对作物生长过程的影响。
在评估农艺措施如播期、品种遗传特性等对作物产量
的影响方面有独特优势。
适用范围 单点或相同类型区 ,可通过 GIS外插至区域水平。
模型主要输出作物产量和产量组成的时间变化。
模型主要输入土壤、气候和管理措施。
　　主要模拟谷类作物的 CERES 系列模型首先被
纳入 DSSAT ,模拟的作物包括小麦、玉米、水稻、高
粱、大麦、谷子等。其后 ,模型结构与 CERES 类似的
GROPGRO豆类作物模型系列包括大豆模型 SOY2
GRO、花生模型 PNUTGRO 也纳入 DSSAT; CROPGRO
非豆类作物模型系列包括蕃茄、bahia grass 和一种休
耕作物模型也已纳入 DSSAT。此外 ,SUBSTOR2potato
(马铃薯)模型 ,CROPSIM2cassava (木薯) 模型 ,向日葵
模型 OILCROP 也已经囊括。甘蔗模型 CANEGRO 是
最新加入 DSSAT 的作物模型[24 ] 。为了将各种作物
模型纳入一个统一的系统 ,DSSAT 规定了标准的土
壤、气候数据格式和输入输出文件格式 ,以便各种作
物模型都可以共用数据。由于包括了多种作物模
型 ,DSSAT可为用户提供多种选择方案。
DSSAT系列模型模拟了作物营养生长和生殖生
长发育过程 ,包括发芽到开花 ,叶片出现次序、开花
时期、籽粒生理成熟和收获。模型也模拟作物光合
作用、呼吸作用、干物质分配和植株生长以及衰老等
基本生理生态过程。依据不同的作物类型 ,经济产
量如籽粒、果实、块茎或茎秆产量都能得出。模型还
包括一个一维土壤水平衡模型以模拟潜在蒸散、实
际土壤蒸发、植物蒸腾、根系吸水、径流、土壤渗漏、
以及不同土层的土壤水流等[25 ] 。土壤水分平衡模
型对除甘蔗外的所有作物模型都是通用的。多数作
物模型还包括一个一维的土壤氮素平衡模块 ,以模
拟植物残茬和有机质的矿化作用、固定、硝化和反硝
化、氮素运移等过程 ,还包括硝态氮的淋溶、氮素根
系吸收以及豆类作物固氮等过程[26 ] 。目前只有木
薯和甘蔗作物模型不包括土壤和植物氮素平衡模
块。而 CROPGRO 系列模型还包含可以处理病虫害
影响的模块。
DSSAT包含 3 种不同类型的分析程序。有评估
生长季内不同管理措施的分析程序。有分析跨年度
的不同作物轮作效应的分析程序。有链接 GIS 以分
析大田内或农田间的空间变异性的空间分析程
序[27～29 ] 。DSSAT能计算的不仅仅是产量 ,还可以包
括产量构成要素形成过程、投入、资源利用、环境负
荷和潜在污染等。它还可以连接经济分析模块来进
行投入产出的边际效益分析 ,以形成替代管理措施
和决策咨询策略。为了空间应用 ,还开发了 GIS 辅
助的 GIS2DSSAT。
CERES 模型
CERES 模型也可从一篇经典文章讲起 ,它就是
1972 年 Ritchie 发表的关于计算稀疏植被的蒸发模
型的论文[30 ] 。虽然该模型更偏向经验模型 ,但是运
行效果非常好 ,而且只需较少的输入变量。当时 ,一
357　5 期 林忠辉等 :作物生长模型研究综述

个限制该模型使用主要的因素是模型必须输入叶面
积指数 (LAI)的季节性动态变化 ,而一般试验却很少
测定。但是 ,对预报蒸发和作物光能截获而言 ,LAI
的动态变化非常关键。为解决这一问题 ,开发了基
于发育生理学的预报高粱 LAI 的 SORGF 模型[31 ] 。
而 SORGF 模型的局限是必须输入叶片数量和叶片
最大尺寸 ,而这两个要素受遗传和环境因子决定。
随后 ,开发 CERES模型的最初目的之一就是要通过
对遗传因子与气象要素的相互作用的数学描述 ,来
预报叶片数和叶片大小。
与 de Wit 学派不同的是 , CERES 不是通用模
型 ,它针对不同作物开发了不同的模型 ,包括 CER2
ES2wheat [32 ] 、CERES2maize[33 ] 、CERES2Rice[34 ] 、CERES2
barley[35 ] 、CERES2sorghum[36 ] 和 CERES2millet 等。从
这一历程描述就可以看出美国的模型研究工作的一
贯性和明确的目的性。
与 Wageningen 模型类似 ,CERES 模型也是先开
发由大气环境和土壤水分控制下的作物生长模型 ,
然后再将氮素平衡模块链接到主模块中。在 IFDC
的合作下 ,适用于玉米和小麦的氮素动态模块分别
在 1986 年和 1987 年问世。CERES 考虑的生产情形
类似于 Wageningen 的 123 种生产水平 ,该模型对于
诸如台风、冰雹、洪涝等灾害性天气以及病、虫、草等
危害尚未予以考虑。
CROPGRO 模型
CROPGRO(CROP GROwth)模型最初是由大豆模
型 SOYGRO[37 ] 、花生模型 PNUTGRO[38 ]和干菜豆模型
BEANGRO[39 ]合并形成的 ,主要模拟籽实豆类作物的
生长、发育和产量形成过程[40 ] 。目前模型扩展到能
模拟的作物包括大豆、花生、菜豆 ( Phaseolus vulgaris
L. ) 、鹰嘴豆、西红柿等。
CROPGRO 模型开发工作是在 IBSNAT项目的资
助下进行的 ,主要由 Florida 大学和 Georgia 大学完
成。CROPGRO 也是过程模型 ,模型设计结构也允许
用户通过修改作物特征参数文件而模拟其他作物而
不用修改其源代码 ,有点类似 Wageningen 模型。
CROGRO 为了集成到 DSSAT中 ,因此在结构设计上
尽量与 CERES 兼容。在 DSSATv410 中 ,CROGRO 完
全实现了模块化设计。
GOSSYM 模型
GOSSYM ( GOSSYpium Simulation Model) 模型是
1983 年推出的第三代棉花模拟模型[41 ] 。模型模拟
了影响棉花生长发育和产量形成的主要生物学和非
生物学过程 ,进一步完善了对棉花系统动力过程的
模拟。1985 年又研制成管理 GOSSYM 数据 ,解释模
型模拟结果和为之提供友好界面的专家系统 CO2
MAX ,从而诞生了著名的 GOSSYMΠCOMAX棉花专家
管理计算机模拟系统[42 ] 。GOSSYM模型在美国和其
他国家已经得到很好的应用。
GOSSYM模拟模型也是一个动态模型 ,能在生
理过程水平上模拟棉花的生长发育和产量形成。该
模型本质上是一个表达植物根际土壤中水分和氮素
与植株体内碳和氮的物质平衡的模型。GOSSYM 模
型可以模拟棉花对外界条件的反应 ,以及种植密度、
行距、耕作措施、施肥和灌溉等农艺措施对生长的影
响。该模型最大的特点是机理性、通用性、复杂性 ,
其主要功能是模拟棉花各器官的生长发育状况、预
报生理胁迫情况 ,为管理系统提供事实数据。
113 　澳大利亚 APSIM 模型
APSIM (Agricultural Production Systems sIMulator)
是澳大利亚系列作物模型的总称 ,与 DSSAT 类似 ,
它也是把各种不同的作物模型集成到一个公用的平
台[43 ] 。APSIM 模型框架是由 APSRU(Agricultural Pro2
duction Systems Research Unit) 小组 (CSIRO 和昆士兰
州政府联合组建)在过去的 10 多年内开发的。
APSIM 设计特色之一就是把零散的的研究结果
集成到模型之中 ,以便把某一学科或领域的成果能
应用到别的学科或领域去。公用平台的使用使得模
型或模块之间的相互比较更加容易。通过“即插即
用”的方法 ,在系统设计中取得了很好的效果。AP2
SIM可以让用户通过选择一系列的作物、土壤以及
其他子模块来配置一个自己的作物模型。模块之间
的逻辑联系可以非常简单地通过模块“拔插”来规
定。
与其他作物模型不同的是 ,APSIM 模拟系统的
核心突出的是土壤而非植被。天气和管理措施引起
的土壤特征变量的连续变化被作为模拟的中心 ,而
作物、牧草或树木在土壤中的生长、来去只不过是使
土壤属性改变。加上模型的“拔插”功能 ,使得 AP2
SIM能够很好地模拟耕地的连作、轮作、间作以及农
林混作效应。
APSIM 目前能模拟的作物包括小麦、玉米、棉
花、油菜 (Canola) 、紫花苜蓿、豆类作物以及杂草等。
对施肥、灌溉、土壤侵蚀、土壤氮素和磷素平衡、土壤
温度、土壤水分平衡、溶质运移、残茬分解等过程都
有相应的模块。目前应用的领域已经包括种植制
457 　　　作 　　物 　　学 　　报 29 卷 　

度、作物管理、土地利用、作物育种、气候变化和区域
水平衡等。
114 　中国 CCSODS 系列模型
与国外相比 ,我国作物生产模型研究工作从总
体上看 ,起步较晚 ,规模小 ,研究力量较为薄弱。高
亮之等推出的水稻钟模型可以算是国内自己推出的
首个作物模型[44 ] 。目前 ,有影响且得到应用的主要
是 CCSODS系列模型。
CCSODS ( Crop Computer Simulation , Optimization ,
Decision Making System) ,中文名为作物计算机模拟
优化决策系统。该模型将作物模拟技术与作物优化
原理相结合 ,具有较强的机理性、通用性和综合性。
目前包括水稻、小麦、玉米和棉花 4 种中国的主要农
作物 ,其中以水稻模型 RCSODS 最著名。这 4 种作
物模型的技术路线都是采用作物生长发育模拟与作
物栽培的优化原理相结合的方法。与单纯的模拟模
型不同的是 ,它使作物模型同时具有机理性、应用
性、通用性与预测性 ,有更强的功能 ,并且模型在全
国任何地区都可以应用。
这 4 种作物模型主要的共同功能是 :可以在我
国不同地区、不同气候、土壤与其他环境条件下 ,迅
速地制定出该作物任何品种的最佳栽培技术体系 ,
并且可以立即打印出“某某地区某某品种良种良法
计算机模式图”,可以直接发布到农民手中。这种图
的广泛发布 ,将使我国的作物模式化栽培提高到一
个新的水平。该模型可以在任何年份 ,针对当时的
气象条件和苗情变化 ,进行作物生长发育与产量的
预测 ,从而可以及时地制定出栽培对策。CCSDOS
的基本结构大致可以分为 3 个部分 : (1) 数据库 :包
括气象数据库 ,土壤数据库和品种参数数据库 ; (2)
模拟模型 ; (3)优化模型 ; (4)决策系统。
2 　作物生长模型的功用
最初 ,构建作物模型最主要用于科学研究 ,其目
的是 :在作物生理生态机理的基础上 ,通过对作物生
长发育过程的数学解释 ,更好地认识作物本身的特
性。随后 ,由于研究新视野和新问题的强力促进 ,作
物模型得到不断的发展 ,其解释功能也越来越强大。
当模型的外推和预测功能逐渐为大家所认识后 ,基
于应用目的的作物模型就迅速发展起来。从作物模
型的发展过程可以看出 ,作物模型的构建既有利于
已有科学研究成果的综合集成 ,也是作物种植管理
决策现代化的基础 ,还可以作为政策分析制定的工
具[45 ] 。
211 　综合多学科知识的研究工具
农业生产实际上涉及到多学科知识的综合应
用 ,作物模型研究开发的过程其实就是一个多学科
知识不断集成的过程。一个能够囊括土壤学家、植
物保护学家和农业经济学家等多方面的专家共同参
与研究的作物模型 ,才能综合地反映土壤、病虫害等
环境因素对作物生长的影响 ,才能更好地评估生产
管理措施的经济效果。不同领域的专家对各自所属
的模块的不断检验和完善的过程 ,就是人们对作物
生长过程不断加深理解的过程 ,也是作物模型整体
不断发展完善的过程。作物模型各方面的均衡发
展 ,反过来又可极大地促进各个研究领域本身的发
展。最终 ,也使用于研究的模型发展到可用于实际
生产的应用模型成为可能。
通过作物生长模型的研究和应用 ,可以集成和
传播以往从大田和实验室中获得的研究成果 ,许多
相关的试验数据可以得到有效的组织和整理。这些
数据经过有效的组织后 ,对模型在区域尺度上运行
时尤为有价值。将作物模型引入目前相关研究项目
中 ,既可以充分利用已有成果 ,也会给现有研究成果
增色。作物生长模型的应用还使我们可以不必在不
同的地方重复相同的试验 ,从而节省大量的人力物
力消耗。作物生长模型融入越来越多的决策支持系
统 ,也是现有知识得以传播和利用的有效方式。
212 　种植管理科学化的有力工具
作物模型用于播前决策和生产过程中的管理措
施调整的仍然很少[45 ] ,但是运用作物生长模型 ,通
过分析潜在产量和现实产量之间的差距 ,确定生产
中的主要问题所在 ,进而形成优化决策 ,则已经开展
了很多工作。例如 ,一些研究队伍利用多年历史气
候数据 ,用作物生长模型来评估作物产量对不同气
候条件的响应[46 ] ,以及确定在不同土壤类型条件下
最适的作物品种、播期、播种密度、株行距、灌溉和肥
料施用量和施用时期 , 得出优化的生产管理决
策[47 ] 。
作物模型还可以用于估计耕作方式、肥料施用、
水分调控和病虫害控制等措施对产量的影响。也可
以用以估计这些措施对土壤和环境的影响 ,例如肥
料的淋溶和挥发、温室气体的排放、土壤侵蚀等。
213 　辅助决策的有力工具
收获前大面积产量预报对政府机构、生产共同
体和生产者个体都具有极其重要的意义。在这方面
557　5 期 林忠辉等 :作物生长模型研究综述

已经有很多研究 ,大部分用的是已有的历史气象数
据来显示这种技术的可行性。利用长时间序列的历
史气象数据 ,在评估因为气候波动而引起的产量波
动 ,进而指导决策 ,形成多种应对策略方面 ,作物模
型是一个非常优秀的分析工具。这种预警分析工作
如果用传统的田间试验方法来进行 ,一次只能获得
一种应对方案 ,而实际上 ,因为时间和花费的缘故 ,
这种方法通常是不可行的。目前 ,影响较大的工作
有 WOFOST模型用于世界粮食生产的研究 ,欧盟联
合研究中心用作物生长监测系统 (CGMS) 进行欧洲
地区主要作物的产量预报 ,荷兰咨询机构用 WO2
FOST来开展土地利用计划项目方面的工作。作物
模型在实际应用中的主要问题是如何集成和应用尽
可能多的气象站的实时数据 ,并应用一些预报的天
气数据来预报未来季节的作物生长。
在评估全球气候变化的可能影响时 ,作物模型
扮演了重要的角色。出于对粮食生产的关注 ,已经
有许多作物模型应用实例[48 —52 ] 。
随着环境问题越来越为公众所关注 ,肥料和有
毒化学品 (如杀虫剂和除草剂等)的使用对土壤和水
体的污染已经成为研究机构和政府决策部门关注的
热点问题。已经有许多模型涉及这些领域 ,如以模
拟因栽培管理和土壤耕作带来的土壤侵蚀为特色的
EPIC模型[53 ] ,化学物质淋溶模型如 LEACHCHM 模
型[54 ]和 PRIZM 模型[55 ]等。
3 　作物生长模型研究和应用中的主要问题
311 　模型应用中存在的问题
　　作物模型在实际生产应用中主要是以决策支持
系统的形式出现 ,但包容作物模型的决策系统在实
际应用中仍不很成功。这是因为许多决策支持系统
所包含的农业技术知识仍然有限 ,多数系统仍然主
要强调科学问题而不是实际应用 ,造成系统中知识
密集性不足。此外 ,许多模型仍然不允许灵活的、即
时决策输入系统 ,决策仍然是在一次模拟结束后或
开始前就要作出 ,模型决策方式与实际生产决策方
式难以匹配。还有 ,决策支持系统的终端用户究竟
是面向农户还是政府 ,仍然困扰着软件开发者。如
果是单个农户 ,则以每一个农场为单位的数据需求
太大 ,获取难度可想而知 ;如果是政府 ,则需求的用
户数可能又不足 ,涉及的空间尺度又太大 ,指导生产
的意义相对要降低。另外 ,软件开发并非按照现代
软件工程标准进行 ,客户投入兴趣不足 ,也是造成模
型推广应用不足的原因之一。
就科学问题而言 ,造成模型应用不好还有三个
方面原因。一是由于决定作物产量变化的主要因素
仍然是天气条件 ,决策支持系统要达到成功应用还
依赖于预报未来天气的能力。而目前只能进行几天
较准确的天气预报 ,决策支持系统必须依赖于用长
期历史资料进行机率分析或用天气发生器生成天气
数据。而现有的天气发生器的空间尺度较大 ,不足
以精确反映气象要素的空间变异也是一个限制因
素。二是缺乏准确的土壤和作物数据输入 ,由于土
壤和作物参数所具有的空间变异性较大 ,如果没有
足够精确的环境数据来运行和验证模型 ,如果没有
GIS的手段 ,即使是大田尺度 ,模型预报的准确性也
是要大打折扣的。三是模型起源于单点试验 ,常用
于大田尺度 ,而其研制中的许多假设条件都是基于
田间均一的生产情形 (如潜在生产情形和水分限制
生产情形)的 ,而实际上 ,在农田里 ,几种限制因素可
能同时起作用 ,使外界条件超出了模型边界条件的
有效范围。作物模型在生产中应用的出路之一是 ,
在作物生长模型操作过程中 ,可用田间观测、遥感等
其他信息源输入定时对状态变量进行调节。
312 　模型研究中的局限性
作物模型的研究总的趋势是朝向基于过程的动
态机理模型这样一个目标的 ,但是 ,目前已经研制的
模型即使是号称机理模型 ,模型中作物生长或环境
动态的某些过程 (如 LAI 的发展动态、叶片衰老过
程、干物质分配等)仍然是建立在经验关系之上。例
如 ,在早期的作物模型中 ,LAI 的计算是用叶片生物
量通过比叶重得来的 ,这种计算方法通常由于这样
一个正反馈循环而导致LAI对比叶重测定误差的高
度敏感 :叶片重 →叶面积 →冠层光合作用 →叶片生
长→叶片重[19 ] 。此外 ,与实际生产密切相关的病虫
害影响模块和经济人文因素模块的研究不足 ,也是
现有作物模型研究的一个主要不足之处。
生长模型本身大部分是单点 (plotΠfield2specific)
模型 ,还没有完全普适的用于大尺度模拟的作物模
型 ,这既是目前作物模型的不足 ,也是激发作物模型
区域应用研究的动因。
4 　结语
作物生长模型必将成为未来农业研究和资源研
究的有效工具。但是从以往模型研究开发的经验上
看 ,今后的作物生长模型无论是从研究还是开发应
657 　　　作 　　物 　　学 　　报 29 卷 　

用角度都有待注意和加强的地方。
首先 ,模型的研制必须有明确的应用目标和相
应的终端用户。如果是基于研究目的 ,则源代码的
开放、不同研究群体的交流在将来的研究工作中是
非常重要的。面向用户的模型的程序设计必须以商
业软件的开发模式来进行 ,只有面向用户的界面友
好的软件才能被用户所接受。面向用户的开发研究
必须注重培训和反馈机制的建立 ,只有这样才能保
持模型的生命力。
其次 ,还有一些研究模块必须加强研究的力度。
作物模型不能只停留在潜在产量和水分限制条件下
的生产模拟阶段。要构建更好的病虫害模块 ,要能
够从机理上解释有害生物的种群动态。经济因素和
风险分析也要适当加以考虑 ,以便能对所采取的病
虫害控制措施进行有效评估。也只有这样 ,才能使
模型更好地应用于大田生产实践。要加强土壤的生
理生化过程模块研究。土壤盐度变化在有长期灌溉
的地方特别重要 ,但是这样的模块仍然较少。
对于我国这样一个发展中国家而言 ,增强自己
的模型研究开发能力也是一个必须注意和加强的方
面。开发相对简单而应用目标明确 ,市场需要广泛
的作物模型可以成为我们模型研究的催化剂和先
导。加强机理性模型的研究则有助于我们充分利用
既有的十分丰富的研究成果 ,而多学科专家和模型
研制者的共同参与 ,不断的科学交流和培训则是促
动模型研究取得成功的重要保证。
References
[1 ] 　de Wit C T. Photosynthesis of leaf canopies. Agricultural Research Re2
port 663 ,PUDOC ,Wageningen ,The Netherlands. 1965. 1 —57
[2 ] 　Duncan W G,Loomis R S ,Williams W A , et al . A model for simulat2
ing photosynthesis in plant communities. Hilgardia , 1967 ,38 : 181 —
205
[ 3 ] 　Bouman B A M ,van Keulen H ,van Laar H H , et al . The‘school of de
Wit’crop growth simulation models : a pedigree and historical over2
view. Agricultural Systems , 1996 ,52 :171 —198
[4 ] 　Rabbinge R. The ecological background of food production. In : Chad2
wick D ( ed. ) . Crop Protection and Sustainable Agriculture. ( Ciba
Foundation Symposium 177) . John Wiley & Sons , Chichester. 1993 ,
2 —29
[ 5 ] 　Penning de Vries F W T. Simulation models of growth of crops ,particu2
larly under nutrient stress. In : Physiological aspects of crop productivi2
ty. Proceedings of the 15th Colloquium , International Potash Institute ,
Bern ,1980 ,213 —226
[6 ] 　de Wit C T ,Brouwer R , Penning de Vries F W T. The simulation of
photosynthetic systems. In :Setlik I (ed. ) . Prediction and Management
of photosynthetic productivity ,Proceedings of the International Biologi2
cal ProgramΠPlant Production Technical Meeting ,Trebon ,PUDOC ,Wa2
geningen ,The Netherlands ,1970. 47 —70
[ 7 ] 　de Wit C T , et al . Simulation of assimilation ,respiration and transpir2
ation of crops. Simulation Monographs ,PUDOC ,Wageningen ,The Neth2
erlands. 1978
[8 ] 　Penning de Vries F W T ,van Laar H H. Simulation of growth processes
and the model BACROS. In :Penning de Vries F W T and van Laar H
H (eds. ) ,Simulation of plant growth and crop production. Simulation
Monographs ,PUDOC ,Wageningen ,The Netherlands , 1982. 114 —135
[9 ] 　van Keulen H. Simulation of water use and herbage growth in arid re2
gions. Simulation Monographs. PUDOC. Wageningen ,The Netherlands ,
1975. 1 —176
[10 ] 　Stroosnijder L. Simulation of the soil water balance. In : Penning de
Vries F W T & van laar H H (eds. ) ,Simulation of plant growth and
crop production. Simulation Monographs , PUDOC , Wageningen , The
Netherlands , 1982. 175 —193
[11 ] 　van Keulen H ,Penning de Vries F W T , Drees E M. A summary mod2
el for crop growth. In : Penning de Vries F W T , van Laar H H
(eds. ) , Simulation of plant growth and crop production. Simulation
Monographs ,PUDOC ,Wageningen ,The Netherlands , 1982. 87 —98
[12 ] 　Spitters C J T ,van Keulen H , van Kraalingen D W G. A simple and
universal crop growth simulator :SUCROS87. In : Rabbinge R ,Ward S
A , van Laar H H ( Eds. ) , Simulation and systems management in
crop protection. Simulation Monographs , PUDOC , Wageningen , The
Netherlands , 1989
[13 ] 　van Laar H H ,Goudriaan J ,van Keulen H. Simulation of crop growth
for potential and water2limited production situations ( as applied to
sprng wheat ) . Simulation Report CABO2TT , 27 , CABO2DLO , Wa2
geningen ,The Netherlands ,1992. 105
[14 ] 　Goudriaan J ,van Laar H H. Modelling potential crop growth process2
es. Kluwer Academic Publishers ,Dordrecht ,The Netherlands ,1994
[15 ] 　Kropff M J ,van Laar H H. (eds) Modellig crop2weed interactions.
CAB International ,Wallingford ,UK. 1993
[16 ] 　Bouman B A M. SBFLEVO and WWFLEVO ,Growth models to simu2
late crop growth ,optical reflectance and radar backscatter of sugar be2
et and winter wheat ,calibrated for Flevoland. CAB2DLO Report 163 ,
CAB2DLO ,Wageningen ,The Netherlands ,1992
[17 ] 　van Keulen H ,Wolf J . Modeling of agricultural production :weather ,
soil and crops. Simulation Monographs , PUDOC. Wageningen , The
Netherlands , 1986
[18 ] 　Hijmans R J . Guiking2Lens I M ,van Diepen C A. User guide for the
WOFOST 6. 0 crop growth simulation model . Technical document 12 ,
DLO Winand Staing Centre ,Wageningen ,The Netherlands , 1994. 145
[ 19 ] 　Penning de Vries F W T ,Jansen D M ,ten Berge H F M , et al . Simu2
lation of ecophysiological processes of growth in several annual crops.
Simulation Monographs , PUDOC , Wageningen , The Netherlands ,
1989. 271
[20 ] 　Penning de Vries F W T ,van Laar H H , Kropff . MJ (eds. ) . Simula2
tion and systems analysis for rice Production (SARP) . PUDOC ,Wa2
geningen ,The Netherlands. 1991. 369.
[21 ] 　ten Berge H F M. Building capacity for systems research at national
agricultural research centers : SARP’s experience. In : Penning de
Vries F W T ,Teng P ,Metselaar K (eds) . Systems approaches for ag2
riculture development . Kluwer Academic Publishes , Dordrecht , The
757　5 期 林忠辉等 :作物生长模型研究综述

Netherlands ,1993. 513 —538
[22 ] 　Spitters C J T ,Schapendonk A H C M. Evaluation of breeding strate2
gies for drought tolerance in potato by means of crop growth simula2
tion , Plant and Soil , 1990 ,123 :193 —203
[23 ] 　Uehara G,Tsuji G Y. Overview of IBSNAT. In : Tsuji G Y, Hoogen2
boom G,Thornton P K (eds) . Understanding Options for Agricultural
Production. Kluwer Academic Publishers , Dordrecht , The Nether2
lands , 1998. 1 —7
[24 ] 　Hoogenboom G,Wilkens P W , Tsuji G Y (eds) . DSSAT Version 3 ,
Volume 4. University of Hawaii ,Honolulu ,Hawaii , 1999
[ 25 ] 　Ritchie J T. Soil water balance and plant stress. In : Tsuji G Y,
Hoogenboom G,Thornton P K (eds) . Understanding Options for Agri2
cultural Production. Kluwer Academic Publishers , Dordrecht , The
Netherlands , 1998. 41 —54
[26 ] 　Godwin D C ,Singh U. Nitrogen balance and crop response to nitrogen
in upland and lowland cropping systems. In : Tsuji G Y, Hoogenboom
G,Thornton P K (eds) . Understanding Options for Agricultural Pro2
duction. Kluwer Academic Publishers , Dordrecht , The Netherlands ,
1998. 55 —77
[27 ] 　Engel T ,Hoogenboom G,Jones J W , et al . AEGISΠWIN :A computer
program for the application of crop simulation models across geograph2
ic areas. Agronomy Journal , 1997. 89 :919 —928
[28 ] 　Hartkamp A D ,White J W ,Hoogenboom G. Interfacing geographic in2
formation systems with agronomic modeling : a review. Agronomy .
Journal ,1999 , 91 :761 —772
[29 ] 　Thornton P K,Booltink H W G,Stoorvogel J J . A computer program
for Geostatistical and spatial analysis of crop model outputs. Agronomy
Journal ,1997 ,89 :620 —627
[30 ] 　Ritchie J T. Model for predicting evaporation from a row crop with in2
complete cover. Water Resources Research ,1972 ,8 :1204 —1213
[31 ] 　Arkin G G,Vanderlip R L , Ritchie J T. A dynamic grain sorghum
growth model . Trans . ASAE ,1976 , 19 :622 —626 ,630
[ 32 ] 　Ritchie J T ,Otter S. Description and performance of CERES2Wheat :A
user2oriented wheat yield model ,USDA2ARS ,ARS238 ,1985. 159 —
175
[33 ] 　Jones C A , Kiniry J R. CERES2Maize :A Simulation Model of Maize
Growth and Development . Texas A &M University Press ,College Sta2
tion ,TX. 1986
[34 ] 　Ritchie J T ,Alocijia E C , Uehara G. IBSNATΠCERES Rice Model .
Agrotechnology Transfer ,1986. 3 :1 —5
[35 ] 　Otter2Nacke S J ,Ritchie J T ,Godwin D ,Singh U. A User’s Guide to
CERES Barley2V2. 10. International Fertilizer Development Centre ,
Muscle Shoals ,Alabama ,USA , 1991
[36 ] 　Alagarswamy G,Ritchie J T ,Godwin D C ,Singh U. A user’s guide to
CERES Sorghum. Michigan State University , ICRISAT , IFDC and IB2
SNAT Joint Publication , 1988
[37 ] 　Wilkerson G G,Jones J W ,Boote KJ , et al . Modeling soybean growth
for crop management . Trans . ASAE ,1983 ,26 :63 —73
[38 ] 　Boote KJ ,Jones J W ,Hoogenboom G, et al . PNUTGRO V1. 02 ,Pea2
nut Crop Growth Simulation Model , User’s Guide. Fl . Agric. Exp .
Sta ,Journal No. 8420. Univ. of Florida ,Gainesville , 1989
[39 ] 　Hoogenboom G,White J W ,Jones J W , et al . BEANGRO ,a process2
oriented dry bean model with a versatile user interface. Agronomy
Journal ,1994. 86(1) :182 —190
[40 ] 　Hoogenboom G,Jones J W ,Boote KJ . Modeling growth ,development ,
and yield of grain legumes using SOYGRO ,PNUTGRO ,and BEAN2
GRO :A review. Trans ASAE ,1992 ,35 (6) :2043 —2056
[41 ] 　Baker D N ,Lambert J R ,McKinion J M. GOSSYM:A simulator of cot2
ton crop growth and yield. Tech. Bull . 1089. South Carolina Agric Exp
Stn ,Clemson Univ ,Clemson. 1983
[42 ] 　Lemmon H. COMAX:An expert system for cotton crop management .
Science ,1986 , 233 :29 —33
[43 ] 　McCown R L ,Hammer GL ,Hargreaves J N G, et al . APSIM:a novel
software system for model development ,model testing ,and simulation
in agricultural systems research. Agricultural Systems , 1996 , 50 :
255 —271
[ 44 ] 　Gao L Z ,Jin Z Q ,Huang Y, et al . Rice clock model2a computer mod2
el to simulate rice development . Agricultural and Forest Meteorology ,
1992 ,60 :1 —16
[45 ] 　Boote KJ , Jones J W , Pickering N B. Potential uses and limitations
of crop models. Agronomy Journal ,1996 , 88 :704 —716
[46 ] 　Muchow R C ,Sinclair T R ,Bennett J M. Temperature and solar radi2
ation effects on potential maize yield across locations. Agronomy Jour2
nal ,1990 ,82 :338 —343
[47 ] 　Muchow R C ,Hammer GL ,Vanderlip R L. Assessing climatic risk to
sorghum production in water2limited subtropical environments : Ⅱ. Ef2
fects of planting date ,soil water at planting ,and cultivar phenology.
Field Crops Research ,1994 ,36 :235 —246
[48 ] 　Adams R M ,Rosenzweig C ,Peart R M , et al . Global climate change
and US agriculture. Nature , 1990 ,345 :219 —224
[49 ] 　Curry R B ,Peart R M ,Jones J W ,Boote KJ . et al . Simulation as a
tool for analyzing crop response to climate change. Trans ASAE ,1990.
33 :981 —990
[50 ] 　Sinclair T R , Rawlins S L. Inter2seasonal variation in soybean and
maize yield under global environmental change. Agronomy Journal ,
1993 ,85 :406 —409
[51 ] 　Jin Z2Q(金之庆) ,Ge D2K(葛道阔) ,Chen H(陈华) , et al . Eval2
uation of the effect of global climate change on maize production in
China (评价全球气候变化对我国玉米生产的可能影响) . Acta
Agronomica Sinica (作物学报) ,1996 , 22(5) :1 —12
[52 ] 　Jin Z2Q(金之庆) ,Fang J (方娟) ,Ge Daokuo (葛道阔) , et al . Per2
spective of the effect of global climate change on winter wheat produc2
tion in China. Acta Agronomica Sinica (作物学报) ,1994 , 20 (2) :
186 —197
[53 ] 　Williams J R ,Jones C A , Kiniry J R , et al . The EPIC crop growth
model . Trans ASAE ,1989 ,32 :497 —511
[54 ] 　Hutson J L , Wagenet R J .LEACHM:Leaching Estimation And Chem2
istry Model . A process2based model of water and solute movement ,
transformations ,plant uptake and chemical reactions in the unsaturat2
ed zone. Vrsion 2 ,Continuum ,Vol . 2 ,New York State Water Resource
Inst . ,Cornell Univ. ,Ithaca ,NY,14853. 1989
[55 ] 　Carsel R F ,Smith C N ,Mulkey L A , et al . User’s manual for the
pesticide root zone model ( PRZM) release 1. EPA2600Π32842109.
USEPA ,Athens ,GA. 1984
857 　　　作 　　物 　　学 　　报 29 卷