全 文 ：　　　　　
第28卷 第2期 作　物　学　报 V ol. 28, N o. 2
2002 年3月　 190～ 195页 A CTA A GRONOM ICA S IN ICA pp. 190～ 195　M ar. , 2002
国外作物生长模型发展综述Ξ
谢　云1　Jam es R K iniry2
(1北京师范大学资源与环境科学系, 教育部环境演变与自然灾害重点实验室, 北京 100875; 2美国农业部农业研究局草地、水土研究实验室,
Temp le, Texas)
摘　要　伴随着系统科学和计算机技术的发展, 作物生长模型研究从60年代开始迅速发展起来, 至今经历了从幼稚走
向成熟, 从经验走向机理, 从理论走向实用的发展历程。目前正在逐渐成为土地资源评价、农作物生产管理决策、以及
农业生产对环境影响评价的一个重要的技术工具。
关键词　作物生长模型; 生理过程; 模拟; 模型应用
中图分类号: Q 141　　　文献标识码: A
A Rev iew on the D evelopmen t of Crop M odel ing and its Appl ica tion
X IE Yun1　Jam es R K in iry2
(1 D epartm ent of R esource and E nv ironm ental S ciences, K ey L aboratory of E nv ironm ental Change and N atural D isaster, M inistry of E d ucation of
China B eij ing N orm al U niversity , B eij ing 100875, China; 2U SDA 2A R S , G rassland , S oil & W ater R esearch L ab, T em p le, T ex as 76502, U SA )
Abstract　W ith the developm en t of system and computer sciences, crop modeling w as born in 1960′s and
developed faster and faster afterw ards, covering a series of stages from infancy to m aturity, from emp irical
descrip tion to p rocess analysis, and from theo retical research to p ractical app lication. Generally, the h isto ry of
crop modeling can be divided in to 3 stages: ( 1 ) W idesp read model developm en t ( 1960′s～ 70′s) ; ( 2 )
app lication of models (1980′s) ; (3) refinem en t of models w ith imp roved vision of their usefulness (1990′s).
N ow sim ulation models are commonly accep ted as assessm en t too ls fo r evaluating land use and m anagem en t,
decision2m ak ing fo r crop p roduction, and assessing environ m en tal impacts of agriculture.
Key words　C rop models; Physio logical p rocess; C rop modeling; M odel app lications
　　作物生长模型是指用数学概念表达作物的生长
过程[ 1 ]。Curry [ 2 ]认为作物模型应尽可能用数学公式
描述动态过程, 以替代用黑箱方法进行的最优估
计。Sinclair 和 Seligm an [ 3 ]回顾作物生长模型的发展
史后提出, 作物模型是借助于计算机手段, 对作物
各种生长过程进行综合的数值模拟。M ontieth [ 4 ]也
给出了类似的定义, 认为作物模型是通过给定一系
列生物系数和相应的环境变量, 用来预测作物的生
长、发育和产量的定量模拟系统。显然, 各种定义
尽管表述不同, 但有一个共同特性便是数学表达。
归纳起来, 作物生长模型可从二个角度定义, 一是
广义的定义, 认为作物模型是借助于数学公式或数
值模拟手段对作物生长、发育和最终的干物质产量
进行模拟和预测, 既包括动态过程的描述, 也包括
经验公式的表达。二是狭义的定义, 认为作物模型
是基于作物生理过程, 对作物的生长、发育和产量
形成过程进行动态模拟的一系列数学公式的综合,
借助于计算机手段实现这种模拟过程, 是作物生长
模型的一个重要特性[ 4 ]。这二个定义实质反映了作
物生长模型研究方法的发展历程: 由环境因子与作
物生长关系的多元统计分析, 到生长机制如光合作
用、呼吸过程等的模拟。目前所称作物生长模型多
是指后者。这种对作物一系列生长、发育和产量形
成进行综合数值模拟的过程, 又称为作物生长模Ξ 基金项目: 国家杰出青年基金资助项目 (49725103) ; 教育部留学回国人员基金; 中科院禹城农业生态试验站资助。
作者简介: 谢云 (1964- ) , 女, 辽宁大连人, 副教授, 博士, 从事气候、土地资源评价和作物生长模型研究与教学。Jam es R. Kiniry,
男, 美国农业部草地水土研究实验室, 研究员, 博士, 从事农学、作物生长模型研究。
Received on (收稿日期) : 2001204205, A ccep ted on (接受日期) : 2001207229

拟。作物生长过程也是有效地利用大气和土壤中各
种物质与能量的过程。
在作物模型研究的早期阶段, 主要采用以试验
数据为基础的统计分析方法, 然而由于作物生长过
程中涉及到许多变量, 各变量间又存在着复杂的相
互作用, 这种只能描述现象的方法很难解决问题,
于是模型的研究转向基础理论研究[ 5 ] , 试图建立比
较详尽的理论模型, 使其具有普适性或一般性。而
对于模型的使用者来说, 越是简洁明了的模型, 越
易于应用, 但它往往是根据特定地区的试验和观测
数据建立起来的, 应用范围又受到很大限制。因此
到目前为止, 仍然很难判断什么样的模型更为成
功。Shaffer 和L arson [ 6 ]认为, 从目前来看, 最成功
的作物模型应是那些用得最多和最广, 并且经检验
效果最好的模型。
美国和荷兰是目前作物生长模型研究比较集中
的二个国家, Sinclair 和 Seligm an [ 3 ]、Boum an 等[ 7 ]
分别总结了各自国家模型研究的发展历史。Sinclair
和 Seligm an 将美国作物生长模型的发展比喻为一
个生命过程: 经历了从婴儿期到成熟期的过程。30
多年前, 计算机科学和系统科学的发展, 促进了作
物模型研究的发展。此后, 随着计算机的迅速普及
和应用, 作物模型的研究步入少年期, 以模型数量
的迅速增多和模型的复杂化为明显标志。在随之而
来的青年期, 人们开始对模型的理论化和可操作性
之间的关系进行探索, 重新审视模型的地位与作
用。今天, 作物模型的研究正经历成年期, 人们在
积累了丰富经验的同时, 认识到模型无论从理论表
述, 还是实际应用上都有其局限性。Boum an 等回
顾了荷兰瓦赫宁根农业大学“deW it 学派”系列作物
生长模型的发展历史, 将其分为三个阶段: (1) 早期
阶段 (60～ 70年代) ; (2)中期阶段 (80年代) ; (3)近
期阶段 (90年代)。本文将根据这一发展历程, 详细
讨论各个阶段作物生长模型的特点。
1　早期阶段 (60～ 70年代) : 模型研制
作物生长理论的完善, 系统科学和计算机技术
的发展, 促进了作物生长模型的研究, 其中叶冠层
光合作用理论是作物生长动力学模型建立的基础。
第一个详尽的植被冠层截光理论由日本学者M onsi
和 Saek i[ 8 ] 研究提出, 此后, de W it[ 9 ] 和 D uncan
等[ 10 ]提出了植被冠层截光的几何模型和生理模型。
冠层太阳辐射截获理论通常被认为是作物生长模型
研究开始的标志。L oom is 和W illiam s[ 11 ]提出了一个
比较简单的估算作物冠层太阳辐射截获量和光合作
用的方法, 开辟了通向以机理过程为基础、定量估
算作物最大生长速率的道路。随着许多新型观测仪
器如生长箱、辐射仪等的问世, 以及数据采集和传
输系统、计算机语言及其软件的普及, 使连续自动
观测、大量数据处理、以及复杂计算等成为可能,
人们开始考虑多变量之间的相互作用。正是在这种
背景下, 涌现了大量相对复杂的模拟植物2土壤系
统的模型。
作物模型的建立始于60年代后期, 主要作为理
解植物生理过程, 解释作物整体功能的一种手段。
在此期间, 美国的模型研制者建立了详细而复杂的
生理过程模型, 采用了许多来自试验的参数。比较
有代表性的工作有: Chen 等[ 12 ]从物理和化学观点
出发, 研制了以小时为模拟步长的作物模型, 将植
物生长表示为光合作用和呼吸作用的函数。其中光
合速率、呼吸速率、光合累积速率和生长速率是光
强和温度的函数, 同时还引进4个不可测的参数,
以使模型与试验结果相吻合。Curry [ 2 ] , Curry 和
Chen [ 13 ]研制了玉米模型。该模型包括一系列过程,
如植物发育, 不同冠层的光合作用, 叶、茎、根的
生长, 呼吸损耗, 干物质积累, 以及净光合产物的
分配等。这些过程目前仍是许多作物模型中的主要
组成部分。Stap leton [ 14 ]则从系统的观点, 模拟了棉
花的生长过程。模拟的时间步长也是小时, 并引进
了一些常数表达某些过程, 如光合产物的能量转
换, 光合产物在生长和维持作用的分配等。此后该
模型仍在不断发展完善 (称为 S IM CO T ) , 并增加了
氮素平衡子程序, 根系生长子程序。Baker 等[ 15 ]根
据试验结果, 分析了棉花生长过程中温度对呼吸和
光合作用的影响, 给出了呼吸作用在总光合产物中
的比例, 以及光合产物转化为不同植物组织的效
率。这些都是进行棉花光合和呼吸作用模拟不可缺
少的参数。D uncan [ 16 ]和他的研究小组以叶片冠层
光合作用理论为基础, 研制了玉米模型 (S IM A IZ)。
他们将叶片冠层分为几个不同的水平层, 然后确定
各水平层的光强, CO 2浓度, 光合速率和干物质增
加。此后又进一步将模型扩展, 增加了一些更为详
细的过程, 如土壤湿度模拟, 籽粒生长模拟等。
Sp lin ter[ 17 ]则根据植物生长过程中叶面积增长的指
数形式, 建立了作物模型。单位面积呼吸速率用指
数函数形式表示, 然后以温度和可获得的碳水化合
1912期　　　　　　　　　　　　　　　　谢　云等: 国外作物生长模型发展综述　　　　　　　　　　　　　　　　　　

物为自变量, 分别估算昼和夜作物生长速率。
以上模型主要描述作物自身生理过程, 没有考
虑外界环境因子的胁迫作用。为了反映土壤水分对
于作物的影响, Ch ilds 等[ 18 ]在建立的以小时为步长
的模型中, 除模拟植物生长外, 还引入了水分平衡
过程, 考虑气孔阻力、潜在和实际蒸散、根系生长
对水分吸收、土壤湿度、渗透和传导上升等过程。
植物生长包括光合作用、呼吸作用 (分为生长呼吸
和维持呼吸)、干物质生产和可获得碳水化合物、
叶面积增长等。该模型不仅考虑了环境因子的影
响, 而且模型涉及的参数比较简单, 因此它已与后
来发展起来的基于过程的作物模型十分接近。
与此同时, 欧洲同行们也在进行类似研究。
1965年 de W it [ 9 ]发表的“叶片冠层光合作用”经典性
论文, 虽然不是真正意义上的作物模型, 却为作物
模型的发展奠定了基础。这一思想从那时起直到现
在, 仍一直贯穿于作物生长模拟过程中。以此为基
础, deW it 等[ 19 ]发表了第一个作物生长动力学模型
EL CRO S (E lem en tary C rop Sim ulato r)。该模型主要
用于不同条件下作物生产潜力研究, 它以系统动力
学理论为基础, 比较详细地描述了作物生长机理过
程, 如冠层光合作用, 作物器官生长, 呼吸作用等,
用模拟连续系统的 CSM P 语言编程 (Con tinuous
System M odeling P rogram )。 70 年 代 后 期, 在
EL CRO S 基础上, 发展形成更为复杂的BA CRO S
(Basic C rop grow th Sim ulato r)模型[ 20 ] , 模拟大田作
物的生长和蒸腾作用。van Keulen [ 21 ]借鉴 EL CRO S
和BA CRO S 模型的概念, 研制了A R ID CRO P 模
型, 模拟地中海半干旱地区施肥自然草场植被生长
和水分利用。该模型成功地与水分平衡模型相耦
合, 从而模拟水分胁迫条件下的植物生长。以后
A R ID CRO P 模型又被成功地嵌入半干旱地区畜牧
生产模型中, 从此标志着作物模型应用时期到来。
2　中期阶段 (80年代) : 模型应用
在这一阶段, 作物模型研究方向由强调作物生
长过程的理论表达, 转向侧重于实际应用。然而已
有模型很难达到该目标, 因为模型过程描述得十分
详尽, 包含了许多难以获得的输入参数和变量。为
了使模型理论上可行、参数和数据输入操作简单、
实际中易于应用, 一些既包含动力学或生理学过
程, 同时也包含以试验为基础的经验式或参数的模
型迅速发展起来, 被称为基于过程 (P rocess2based)
的模型。即融生长机制和经验过程于一体: 以作物
生长和发育机理为建模基础, 采用一些经验方法对
某些复杂的过程、参数或变量进行简化处理, 从而
使模型便于应用。
这类模型中, 最有代表性的如 CER ES (C rop2
Environm en t R esource Syn thesis) 系列作物模型。首
先发表的是CER ES2玉米模型[ 22 ] , 从1980年开始研
制, 到1986年正式出版。此后, CER ES2小麦[ 23 ]、
CER ES- 高粱等模型相继问世。CER ES 系列作物
模型具有相似的模拟过程, 包括土壤水分平衡、发
育时段、作物生长等。用积温模拟发育时段, 根据
叶片数、叶面积增长、光的截获及其利用、干物质
在各个器官中的分配等模拟作物生长。这些模型已
被广泛应用于不同环境条件下的作物估产[ 24～ 27 ],
干旱评价[ 28 ] , 作物品种培育等[ 29 ]。在气候变化对农
业的影响评价中, 用的最多的是CER ES 模型。
除谷类作物外, 其它作物如大豆、棉花、向日
葵等模型也相继发展起来。W ilkerson 等[ 30 ]建立了
大豆模型 (SO YGRO ) 以帮助农场主进行灌溉和病
虫害的管理与防治。它是基于过程的模型, 包括作
物本身生理过程和环境因子的影响, 如光合作用,
呼吸作用, 生育期模拟, 干物质分配, 叶片生长和
凋落等, 并考虑水分胁迫。由于是豆科作物, 与其
它作物模型不同的是, 该模型强调了氮素循环和平
衡过程, 叶片和豆荚的凋落与氮素供给状况有关。
一般来说, 过程模型需要几类输入变量或参
数: 天气变量、土壤变量、作物参数、管理参数等。
众多的变量和参数增加了模型的应用难度, 针对这
一问题, 实施了 IBSNA T ( In ternational Benchm ark
Sites fo r A gro techno logy T ransfer, 1986) 项目[ 31 ] ,
其目的一是将各种作物模型汇总, 二是将模型输入
和输出变量格式标准化, 以便模型的普及应用。
IBSNA T 的主要目的是将农业生产新技术进行改进
和普及, 作物模型作为一个新技术手段进行推广,
便在情理之中。 IBSNA T 首先在不同地区验证了
CER ES2M aize, CER ES2W heat, 和 SO YGRO V
5. 0, 然后进行标准化处理。以后又推广到其它作
物模型如水稻、马铃薯、花生、高粱等。所有这些
模型均需要相同格式的土壤、天气和管理变量输
入, 最终的输出格式也一致, 包括土壤条件、植物
生长状况和产量。上述各种模型的集合及其输入输
出变量标准化格式, 共同组成一个软件系统:
D SSA T ( D ecision Support System fo r
291　　　　　　　　　　　　　　　　　　　　　作　　物 　　学　　报　　　　　　　 　　　　　　　　　　　　28卷

A gro techno logy T ransfer)。D SSA T 包括以下组成
部分: (1) 作物模型; (2) 土壤和天气数据; (3) 田间
试验数据; (4) 应用程序和数据更新; (5) 管理措
施。通过将模型和试验数据链接, 分析观测和模拟
结果, 提出相应的农业措施供农场主参考, 因此,
DA SSA T 极大地促进了作物生长模型的应用。
在此阶段, 荷兰的“de W it 学派”也提出了一系
列新模型。如 SU CRO S (Simp le and U niversal C rop
Grow th Sim ulato r) [ 32 ] , 是一个以日为步长的模型,
基本框架源于过程模型BA CRO S。其最大特点是普
适性, 模型描述的物理和生理过程可应用于比较广
的环境条件, 只需通过调整作物参数, 即可适用于
不同的作物。随后, 以 SU CRO S 为基础, 为了应用
的需要, 发展了WO FO ST (W orld Food Studies) 模
型, 以定量估价土地生产力、预测区域产量、进行
年际产量波动和风险评价、以及气候变化影响评价
等[ 33 ]。Penn ing de V ries 等[ 34 ]研制了M A CRO S 模
块 (M odules of an A nnual C rop Sim ulato r) , 模拟热
带半湿润地区作物生长。它由一系列基本模块组
成, 如模拟作物生产潜力、水分限制条件下的作物
生长、土壤水分平衡等, 同时还包含一个转换模
块, 用户可根据自己的生产状况或所研究的问题,
选择需要的模块, 与作物生长过程和水分平衡模块
组合, 达到自己的目的, 应用十分灵活。
其它国家的模型也在不断发展之中, 如
Stapper 和H arris[ 35 ]基于CER ES 模型原理, 利用叙
利亚试验数据和一些文献资料, 研制了 S IM TA G
(Sim ulation of T riticum A estivum Geno types) 模型,
并在叙利亚和澳大利亚进行了模型的验证。在加拿
大, P lace 和B row n [ 36 ]研制了 S IM CO Y (Sim ulation
of Corn Yield)模型, 主要强调玉米产量对于土壤水
分的反应。包括生育期、根系生长、叶面积、水分
平衡等的模拟。Stew art 和Dw yer[ 37 ]则利用非线性
方法确定的天气与干物质积累和作物产量的相关关
系, 同时结合生理过程, 建立了作物模型。该模型
在用于大面积地区作物估产和灾害评估时效果较
好。
3　最近阶段 (90年代) : 模型优化
进入90年代以后, 随着社会需求的增多, 作物
生长模型向着应用多元化方向发展。比较典型的应
用包括农业生态地带性研究, 区域产量预测, 土地
资源管理, 环境条件和社会经济变化对农业的影响
评价等。因此, 作物生长模型研究开始侧重于现有
模型的完善, 而非进行新模型的研制, 主要包括:
模型普适性、准确性和易操作性等的研究。普适性
是指作物模型能够适用于大范围的环境和极端气候
条件, 不同的社会经济条件, 以及不同的作物等,
同时可与其它学科的模型嵌套, 成为其中重要的组
成部分。如土壤侵蚀预报模型, 流域水土资源管理
模型, 气候影响评价模型等。准确性主要是通过试
验对模型的参数或公式不断进行更新和验证, 同时
利用实际产量资料对模型进行检验。易操作性主要
包括对模型输入变量的简化和格式化, 建立友好的
用户界面等。显然作物模型研究已成为农业科学研
究的一项重要内容。1993年, 美国农学会主办的农
学杂志新开辟了题为“农学模型”的专栏, 标志着这
一新阶段的到来。
K in iry 等[ 38 ]、 K in iry 和 Bockho lt[ 39 ] 分 别 用
CER ES2M aize 和 ALM ANA C (A gricultural L and
M anagem en t A lternatives w ith N um ericalA ssess2
m ent C riteria) 模型模拟了美国得克萨斯州, 以及全
美9个州不同环境条件下的玉米和高粱产量。结果
表明, 这二个模型的普适性比较好。K in iry 等[ 41～ 42 ]
还通过田间试验, 不断对模型中的参数进行更新与
调整, 如 CER ES2M aize 模型中的籽粒公式与截获
的光合有效辐射的关系, 玉米、高粱、大豆和向日
葵等不同种植密度对消光系数的影响, 光合有效辐
射利用率与饱和差的关系等。这些公式的改进, 大
大提高了模型的精度。
在与其它学科模型的嵌套应用中, 一个比较成
功 的例子 是 与 大 气 环 流 模 型 GCM s ( General
C irculation M odels)结合, 进行气候变化对全球作物
生产的影响评价。1989～ 1992年由美国环境保护署
资助, 进行了题为“气候变化对国际农业的影响: 全
球粮食生产、贸易和脆弱地区”的项目研究, 共有
27个国家的科学家参加[ 43 ]。研究目的主要是预测不
同气候变化情景下、考虑CO 2浓度增加对作物的直
接生理作用、以及不同适应对策下, 将会对全球作
物生产产生的影响, 包括主要作物的产量估算、水
分利用变化和管理措施变化等。未来气候变化情景
和适应对策由大气环流模式 GCM s 输出, 然后假设
主要气候因子辐射、温度和降水的概率分布不变,
通过作物模型中的天气发生器, 将输出月值转化为
作物模型所需日值。研究结果很好地显示了不同增
温幅度、是否考虑CO 2生理作用以及不同适应对策
3912期　　　　　　　　　　　　　　　　谢　云等: 国外作物生长模型发展综述　　　　　　　　　　　　　　　　　　

导致的全球产量增加或减少状况及其区域分异规
律。
另一个比较成功的例子是作物模型与土壤侵蚀
预报模型的嵌套。在进行流域土壤流失量预报或评
价由于土地退化造成的土地生产力下降状况时, 需
要定量计算地表作物覆盖情况, 以及作物生产力,
因此作物模型便成为土壤侵蚀预报模型的重要组成
部分。实际上美国80年代末期研制的ALM ANA C
模型[ 44～ 47 ] , 即是源于土壤侵蚀ö生产力影响模型
EP IC (E rosionöP roductivity Impact Calculato r) [ 48, 49 ]。
与荷兰 SU CRO S 模型类似, 该模型只需通过调整
作物参数, 即可模拟不同作物甚至是草、树的生长
过程。EP IC 模型最早用于80年代中期美国水土资
源 保 护 法 RCA ( So il and W ater R esources
Conservation A ct) , 定量计算土壤侵蚀对土地生产
力的影响。此后模型不断改版升级, 应用范围也在
扩大, 不仅进行土地资源管理, 而且可以进行全球
变化影响评价, 为农业生产管理提供决策依据[ 50 ]。
遥感R S (R emote Sensing)和地理信息系统 G IS
(Geograph ical Info rm ation System ) 等新技术手段的
崛起, 无疑为作物生长模型的应用和发展提供了广
阔的前景。早在70～ 80年代, W iegand 等和A rk in
等[ 51 ]就指出, 遥感信息可以被用来改进作物模型的
精度。它的主要优点是可以利用大量数据定量描述
植物群体的实际生长状况, 从而不仅可用来代替作
物模型中一些较难获得的参数或变量, 而且能对生
长模拟过程进行调整或订正。遥感数据与常规试验
或观测数据相比, 具有量大、省时、省力的优势。
M aas[ 51 ]利用植被指数NDV I(N orm alized D ifference
V egetation Index) 估算了有效光合辐射和叶面积指
数, 用于作物模型, 同时提出了用遥感信息对模拟
过程进行重新初始化和参数化的方法, 以提高模型
精度。L al 等[ 52 ]将作物生长模型与 G IS 技术结合,
分析了区域生产力, 并提出优化的生产措施, 如良
种选择、最佳播种日期确定、灌溉计划制定等。他
们的研究表明, 通过与 G IS 技术的结合, 可以扩大
作物模型的应用范围。因为 G IS 技术不仅可以定量
表征区域环境特性, 而且能够揭示生产力的区域分
布特征、以及存在的问题, 从而通过与作物模型的
结合, 评估不同管理情景下的生产力, 为农业管理
或区域规划提供科学依据[ 52 ]。
值得注意的是, 虽然作物模型为农业生产提供
了广阔的应用前景, 但目前仍主要处于研究试验阶
段, 主要对模型进行不同空间尺度和环境条件下的
验证与适用性研究, 模型的应用也处于起步阶段,
其发展前景十分广阔。虽然作物模型是一个具有潜
在应用价值的技术工具, 但它不是万能的。因此,
在应用模型时, 要注意其假设和限制条件。
References
[ 1 ] 　Edw ards D , Ham son M. Guid e to M athem atical M od eling.
Boca Raton, F lorida, U S: CRC P ress, Inc. , 1990. 2
[ 2 ] 　Curry R B. Dynam ic sim ulation of p lant grow th, I.
Developm ent of a model. A SA E T rans, 1971, 14 (5) : 946～
959
[ 3 ]　 Sinclair T R, Seligm an N G. Crop modeling: from infancy to
m aturity. A g ronom y J ournal, 1996, 88: 698～ 704
[ 4 ]　M ontieth J L. The quest for balance in modeling. A g ronom y
J ournal, 1996, 88: 695～ 697
[ 5 ] 　W alker J N , Sp linter W E. Introduction: M athem atical
modeling of p lants. T ransactions of the A SA E , 1971, 14 (5) :
945～ 949
[ 6 ] 　Shaffer M J, L arson W E. N TRM , A soil2crop sim ulation
model for nitrogen, tillage, and crop2residue m anagem ent.
U S: U SDA öARSöConservation Research Report,
1987. 34～ 41
[ 7 ] 　Boum an B A M , van Keulen H , van L aar H H. The school of
de W it′crop grow th sim ulation models: A pedigree and
histo rical overview. A g ricultural S y stem , 1996, 52: 171～ 198
[ 8 ] 　M onsi M , Saeki T. U ber den L ich tfak tor in den
Pflanzengesellschaften und seine Bedeutung fur die
stoffp roduktion. J pn J B ot, 1953, 14: 22～ 52
[ 9 ] 　de W it C T. Photosynthesis of leaf canop ies. W ageningen,
N etherlands: Inst B io l Chem Res F ield Crop s Herb. A g ric R es
R ep , 1965. 663
[ 10 ]　Duncan W G, Loom is R S, W illiam sW A , et al. A model for
sim ulating photosynthesis in p lant comm unities. H ilgard ia,
1967, 38: 181～ 205
[ 11 ] 　Loom is R S, W illiam s S W A. M axim um crop p roductivity:
A n estim ate. C rop S cience, 1963, 3: 67～ 72
[ 12 ] 　Chen L H , Huang G K, Sp linter W E. Develop ing a physical2
chem ical model for a p lant grow th system. A SA E T rans,
1969, 12: 698～ 702
[ 13 ]　Curry R B, Chen L H. Dynam ic sim ulation of p lant grow th,
II. Incorporation of actual daily w eather and partitioning of net
photosynthate. A SA E T rans, 1971, 14: 1170～ 1175
[ 14 ] 　Stap leton H N , R P M eyers. M odeling subsystem s for co tton2
the co tton p lant sim ulation. T ransactions of the A SA E , 1971,
14 (5) : 950～ 953
[ 15 ] 　Baker D N , Hesketh J D , Duncan W G. Sim ulation of grow th
and yield in co tton, 1. Gross photosynthesis, resp iration, and
grow th. C rop S ci, 1972, 12: 431～ 435
[ 16 ] 　Duncan W G, Hesketh J D. N et photosynthetic rates, relative
leaf grow th rates, and leaf num bers of 22 races of m aize grow n
at eigh t temperatures. C rop S ci, 1968, 8: 670～ 674
[ 17 ]　Sp linter W E. M odeling of p lant grow th for yield p rediction.
A g ricultural M eteorology , 1974, 14: 243～ 253
[ 18 ] 　Childs S W , Gilley J R , Sp linter W E. A simp lified model of
491　　　　　　　　　　　　　　　　　　　　　作　　物 　　学　　报　　　　　　　 　　　　　　　　　　　　28卷

corn grow th under moisture stress. T rans A m S oc A g ric E ng ,
1977, 20: 858～ 865
[ 19 ] 　de W it C T. Dynam ic concep ts in bio logy. In: P rediction and
M anagem ent of Photosynthetic P roductivity. P roceedings
International B io logical P rogram öP lant P roduction Technical
M eeting. W ageningen, N etherlands: PUDOC, 1970. 17～ 23
[ 20 ] 　Penning de V ries F W T , van L aar H H. Sim ulation of p lant
grow th and crop p roduction. In: Penning de V ries F W T ,
van L aar H H eds. S im ulation M onog raphs. W ageningen,
N etherlands: PUDOC, 1982. 114～ 136
[ 21 ] 　van Keulen H. Sim ulation of w ater use and herbage grow th in
arid regions. In: Penning de V ries F W T , van L aar H H eds.
S im ulation M onog raphs. W ageningen, N etherlands: PUDOC,
1982. 176
[ 22 ] 　Jones C A , Kiniry J R. CERES2M aize: A sim ulation model of
m aize grow th and developm ent. College Station, U S: Texas
A &M U niv. P ress, 1986
[ 23 ] 　R itch ie J T , O tter S. Descrip tion and perform ance of CERES2
W heat: a user2oriented w heat yield model. W illis W O. ARS
w heat yield p ro ject. U S: U SDA 2ARS, ARS238, 1985. 159
～ 175
[ 24 ] 　Carberry P S, M uchow R C, M cCow n R L. Testing the
CERES2M aize sim ulation model in a sem i2arid trop ical
environm ent. F ield C rops R es, 1989, 20: 297～ 302
[ 25 ] 　Hodges T , Bother D , Sakomoto C, Haug J H. U sing the
CERES2M aize model to estim ate p roduction for the U. S.
Cornbelt. A g ric and Forest M eteorol, 1987, 40: 293～ 303
[ 26 ] 　L arrabee J , Hodges T. NOAA 2A ISC user′s guide for
imp lem enting CERES2m aize model for large area yield
estim ation. A grostars Softw are Docum entation, 1985. 20
[ 27 ] 　W u Y, Sakamoto C M , Bother D M. O n the app lication of the
CERES2M aize model to the North China P lain. A g ric and
Forest M eteorol, 1989, 49÷ 9～ 15
[ 28 ] 　P isani A L Du. The CERES2M aize model as a potential too l
for drought assessm ent in South A frica. W ater S outh A f rica,
1987, 13÷ 159～ 163
[ 29 ] 　L iu W T H , Bother D M , Sakamoto C M. App lication of
CERES2M aize to yield p rediction of a B razilian m aize hybrid.
A g ric and Forest M eteorol, 1989, 45÷ 299～ 304
[ 30 ] 　W ilkerson G G, Jones J W , Boote K J , et al. M odeling
soybean grow th for crop m anagem ent. T rans A SA E , 1983,
26: 63～ 73
[ 31 ]　 IBSNA T. Docum entation for IBSNA T crop model input and
output files, V ersion 1. 1, fo r the Decision Support System for
A gro technology T ransfer (DSSA T V 2. 1). Honolulu, U S:
IBSNA T Tech. Rep. 5. Dep. of A gronom y and Soil Sci,
College of T rop ical A gric and Hum an Resources, U niv of
Haw aii, 1990
[ 32 ] 　van Kenlen H. Crop p roduction under sem i2arid conditions, as
determ ined by nitrogen and moisture availability. In: Penning
de V ries F W T , van L aar H H eds. S im ulation M onog raphs.
W ageningen, N etherlands: PUDOC, 1982. 234～ 251
[ 33 ] 　H ijm ans R J , Guik ing2L ens IM , van D iepen C A. WO FO ST ,
user guide for the WO FO ST6. 0 crop grow th sim ulation
model. W ageningen, N etherlands: Technical docum ent 12,
DLO W inand Staring Centre, 1994. 145
[ 34 ]　 Penning de V ries F W T , Jansen D M , ten Berge H F M et al.
Sim ulation of ecophysio logical p rocesses of grow th in several
annual crop s. S im ulation M onog raphs. W ageningen,
N etherlands: PUDOC, 1989. 271
[ 35 ]　Stapper M , Harris H C. A ssessing the p roductivity of w heat
genotypes in a M editerranean clim ate, using a crop2sim ulation
model. F ield C rops R es, 1989, 20: 129～ 152
[ 36 ] 　P lace R E, B row n D M. M odeling corn yields from soil
moisture estim ates: descrip tion, sensitivity analysis and
validation. A g ricultural and Forest M eteorology , 1987, 41:
31～ 56
[ 37 ] 　Stew art D W , Dw yer IM. A model of sp ring w heat for large
area yield estim ations on the Canadian P rairies. Can J P lant
S ci, 1990, 70: 19～ 32
[ 38 ] 　Kiniry J R , W illiam s J R , V anderlip R L , et al. Evaluation of
two m aize models for nine U. S. locations. A g ron J , 1997,
89: 421～ 426
[ 39 ]　Kiniry J R , Bockholt A J. M aize and sorghum sim ulation in
diverse Texas environm ents. A g ron J , 1998, 90: 682～ 687
[ 40 ]　Kiniry J R , L andivar J A , W itt M , et al. Radiation2use
efficiency response to vapor p ressure deficit fo r m aize and
sorghum. F ield C rops R es, 1998, 56: 265～ 270
[ 41 ] 　Kiniry J R , D P Knievel. Response of m aize seed num ber to
so lar radiation intercep ted soon after anthesis. A g ron J , 1995,
87: 228～ 234
[ 42 ] 　F lente F, Kiniry J R , Board J E, et al. Row spacing effects on
ligh t extinction coefficients of corn, sorghum , soybean, and
sunflow er. A g ron J , 1996, 88: 185～ 190
[ 43 ] 　Cynth ia Rosenzw eig, A na Iglesias. Imp lications of clim ate
change for international agriculture: crop modeling study. U S:
Environm ental P ro tection A gency of U nited States, 1994
[ 44 ]　Kiniry J R , B lanchet R , W illiam s J W , et al. Sunflow er
sim ulation using the EP IC and ALMANAC models. F ield
C rops R es, 1992, 30: 403～ 423
[ 45 ]　Kiniry J R , W illiam s J R , Gassm an P W , et al. A general,
p rocess2oriented model for two competing p lant species. T rans
A SA E , 1992, 35: 801～ 810
[ 46 ]　Kiniry J R , M ajor D J , Izaurralde R C, et al. EP IC model
param eters for cereal, o ilseed, and forage crop s in the northern
Great P lains region. Can J P lant S ci, 1995, 75: 679～ 688
[ 47 ] 　Kiniry J R , Sanderson M A , W illiam s J R , et al. Sim ulating
A lamo Sw itchgrass w ith the ALMANAC model. A g ron J ,
1996, 88: 602～ 606
[ 48 ]　W illiam s J R , Jones C A , Kiniry J R , et al. The EP IC crop
grow th model. T rans A SA E , 1989, 32: 497～ 511
[ 49 ] 　W illiam s J R. The erosion2p roductivity impact calculator
( EP IC ) model: a case h isto ry. P hil T rans R S ec L ond B ,
1990, 329: 421～ 428
[ 50 ]　W illiam a J R , N earing M , N ick A , et al. U sing so il erosion
models for global change studies. J ournal of S oil and W ater
Conservation, 1996, 381～ 385
[ 51 ]　M aas J S. U se of remotely2sensed inform ation in agricultural
crop grow th models. E colog ical M od eling , 1988, 41: 241～ 268
[ 52 ] 　L al H , Hoogenboom G, Calilxte J P, et al. U sing crop
sim ulation models and G IS for regional p roductivity analysis,
T ransactions of the A SA E 1993, 36 (1) : 17～ 184
5912期　　　　　　　　　　　　　　　　谢　云等: 国外作物生长模型发展综述