全 文 ：中国生态农业学报 2014年 12月 第 22卷 第 12期
Chinese Journal of Eco-Agriculture, Dec. 2014, 22(12): 1385−1396


* 农业部行业公益项目(201003019, 200903060)、科技部科技支持计划项目(2012BAD13B02)、国家自然基金项目(31260123, 31260124,
31070413)、内蒙古农业大学教育部创新团队项目(IRT1259)资助
** 通讯作者: 韩国栋, 主要研究方向为草地生态及草地资源管理。E-mail: hanguodong@imau.edu.cn
李治国, 主要研究方向为草地生态及草地资源管理。E-mail: nmndlzg@163.com
收稿日期: 2014−06−22 接受日期: 2014−10−15
DOI: 10.13930/j.cnki.cjea.140744
家庭牧场模型模拟研究进展*
李治国1 韩国栋1** 赵萌莉1 袁 清2 乔 江2 王 静1
(1. 内蒙古农业大学生态环境学院 呼和浩特 010019; 2. 中国农业科学院草原研究所 呼和浩特 010010)
摘 要 家庭牧场是草地资源利用的基本单元, 其在生态恢复、多样性保护、农牧民经济收入提高等方面具
有重要意义。家庭牧场中包含着环境、资源、经济、社会、管理等多层面的内容, 是一个复杂系统，其研究
正在朝着定量化、精细化、模式化、市场化的方向发展。模拟模型对于家庭牧场尺度上的复杂系统进行生产、
经营、管理和研究是一个重要工具, 其目的在于将限制牧场经营和发展的因素最小化, 实现牧场效益的最优
化。近年来, 国内外出现了大量与家庭牧场相关的模型、软件, 不仅用于模拟牧草生长、动物生长、温室气体
排放等内容, 同时还用于模拟相应的管理措施, 其模拟结果用来研究家庭牧场复杂生态经济系统运行, 指导
该尺度上的生产经营决策。本文通过对国内外 24个相关模拟模型的整理总结, 从家庭牧场管理、牧草生长和
温室气体排放等方面进行比较分析，提出了家庭牧场模拟模型发展的主要特点为：1)模拟模型在畜牧业发达
国家发展迅速; 2)农场模型的发展更为全面, 尤其是奶牛和肉牛饲养农场模型更为系统; 3)饲草平衡、能量平
衡、效益最大化是模拟的主要目标; 4)模型参数数量大且部分数据的获取较难; 5)普适性和广域性模型缺乏。
结合我国家庭牧场生产方式状况的区别, 提出了 ACIAR、GrassGro 和 SEPATOU适用于以天然放牧为主的家
庭牧场, 而 IFSM等模型较适合于集约化管理的牧场。综合考虑我国草地和家畜利用方式的现状，提出了我国
家庭牧场模拟模型的建立和应用需着眼于已有研究和实践成果，跨学科、跨地域协作，最终实现我国家庭牧
场模拟模型的快速发展。
关键词 家庭牧场 模型 放牧管理 植被生长 温室气体
中图分类号: S812 文献标识码: A 文章编号: 1671-3990(2014)12-1385-12
Review of household ranch models
LI Zhiguo1, HAN Guodong1, ZHAO Mengli1, YUAN Qing2, QIAO Jiang2, WANG Jing1
(1. College of Ecology and Environmental Sciences, Inner Mongolia Agricultural University, Hohhot 010019, China;
2. Institute of Grassland Research, Chinese Academy of Agricultural Sciences, Hohhot 010010, China)
Abstract Household ranch is a basic management unit and complicated production system critical for restoration of grassland
ecosystem, conservation of biodiversity and improvement in incomes of farmers and herdsmen. While environment, natural resources,
economy, society and management have been included in household ranch, the direction of future studies now includes the
quantification, precision, stereotype and marketization of household ranch. Modeling has been important in the production,
management and research in household ranch and in minimizing the factors restricting the management and development of
household ranch and optimizing ranch benefits. Several various models and softwares have been developed in the past 20 years in
relation to household ranch developement, and used in the simulation of grass growth, animal production, greenhouse gas emission
and system management as well as in operating household ranch system and making management and policy decisions. The main
characteristics of household ranch were summarized in this paper based on review of 24 models and comparison of four factors —
household ranch production, management, herb growth and greenhouse gas emission. 1) There was a rapid development of models in
the area of animal husbandry. 2) Farm models were more comprehensive than household ranch models, especially for dairy and beef
farms. 3) The balances in forage, energy and benefit maximization were the basis of the simulations. 4) The model required a range
1386 中国生态农业学报 2014 第 22卷


of parameters, most of which were difficult to obtain. 5) There was lack of universal model with a wide scope of application. Based
on production condition of household ranches in China, ACIAR, GrassGro and SEPATOU models were fit for household ranches in
natural grassland areas and IFSM model was good for intensive farm or enterprise systems. Depending on the current state of
grassland and livestock production systems in China, it was necessary to base proven results of research and practice, and
interdisciplinary and trans-regional co-operations for household ranch model building and application in China.
Keywords Household ranch; Model; Grazing management; Vegetation growth; Greenhouse gas
(Received Jun. 22, 2014; accepted Oct. 15, 2014)
家庭牧场是一个具体农(牧)场资源的利用单元,
其在生态恢复、多样性保护、农牧民经济收入提高等
方面的重要性在国内外逐渐被凸显出来。家庭牧场中
包含着环境、资源、经济、社会、管理等多层面的内
容, 是一个复杂系统。长期以来, 对于家庭牧场的试
验研究主要集中在牧草生长及草地生产、草地生态系
统功能、家畜性能、动物疾病、动物福利、经济效益
等方面的独立研究, 但这些方面还远远不能够从系
统的角度来说明家庭牧场草地生态经济系统。鉴于该
系统的复杂性, 国内外专家开始着手从模拟研究的
角度来解释并预测这一复杂系统的发生、发展。
模型具有灵活、系统、全面等诸多优点, 是对
特定问题的认识和假设, 可以简化实际问题, 但不
是统计分析[1]。家庭牧场的相关模拟模型包括了复
杂系统中所要求解或描述问题的基本特征, 这也是
我们所要确定的假设对象。随着科学技术发展和社
会需求加大, 与牧场相关的模型受到世界各地畜牧
业发达国家的普遍重视, 但在我国发展相对较慢。
在我国, 家庭牧场应理解为以一定规模草地为基础,
以恢复草地生态系统、提高家畜生产力和保持经济
收入的稳定增长为基本原则, 能够采用精细化系统
管理方式抵抗外来风险(自然灾害和市场风险)的自
主生产经营的适应性经营管理单元。家庭牧场的研
究正在朝着定量化、精细化、模式化、市场化的方
向发展。每一个家庭牧场模拟模型涉及的内容和侧
重点不尽相同, 因此每个模型的模拟结果可能会在
很多角度中体现出来。本文整理了国内外较为常见
的、与家庭牧场生产经营及生态保护方面有关的部
分模型, 从不同角度介绍分析现有主要模型的应用
状况, 为我国家庭牧场相关模拟模型的发展和应用
提供借鉴。
1 牧场经营管理模拟模型
从 19世纪初至今, 家庭牧场已经发展成为草地
利用的基本单元, 无论是对于草地、家畜的生产管
理, 还是从生态、经济方面的持续性管理, 均是在这
一范畴之内进行的。牧场的经营管理目标就是对复
杂系统中各个子系统进行管理, 获得系统最优结果,
这一结果主要体现在经济效益和生态效益方面。在
牧场尺度上常见的模拟模型见表 1。
表 1 部分牧场经营管理相关模拟模型
Table 1 Some relevant models for ranch production and management
模型名称
Name
用途及目的
Purpose
国别
Country
文献
Reference
ACIAR
模拟牧场尺度草地−家畜生产经营过程, 优化管理策略
Simulating the process of production and management of grassland-animal system to built
optimal management strategies on farm scale
澳大利亚、中国
Australia, China
[2]
IFSM
(DAFOSYM)
模拟多年牧场生产性能, 环境影响和牧场收益
Simulating production performance, environment and profit on farm scale
美国
U.S.A
[3−4]
DairyWIN 奶牛畜群管理, 对畜群的行为活动进行综合监测评估
Monitoring and evaluating dairy management
新西兰、澳大利亚
New Zealand, Australia
[5]
DairyWise 牛场的科学研究、技术咨询和教学、环境和经济评估
Research, technical training and consulting, environment and econmic evaluation in beef farm
澳大利亚
Australia
[6]
GrassGro 预测不同质量的牧场对牲畜生产的影响
Predicting effect of ranch level on animal production
澳大利亚
Australia
[7]
Kansas Grazer
评估牧草生产和牛的月饲料需求, 寻求最佳的放牧管理方式
Assessment of forage production and monthly supplement demand of animal to look for the
optimal mode of grazing management
美国
U.S.A
[8]
P½turIN 模拟和评估管理牧草生长和动物采食
Simulating and evaluating herbage growth and animal intake
法国
France
[9]
RSPM 制定饲草料和家畜存储清单, 进行生物经济优化分析
Builting the list of herbage and animal storage, analyzing optimization of biological economy
美国
U.S.A
[10]
SEPATOU 模拟牧场主的决策行为与生物机制系统的相互关系
Simulating relationship between decision behavior and biomechanism
法国
France
[11]
SIMSDAIRY 估算奶牛场生物多样性, 产品质量, 土壤质量和动物福利
Estimating the biodiversity, production quality, soil quality and animal welfare in dairy farm
英国
England
[12]
TGM 确定牧场的放牧强度, 制定放牧计划 Confirming the grazing intensity and grazing plan 美国 U.S.A [13]
第 12期 李治国等: 家庭牧场模型模拟研究进展 1387


1.1 ACIAR系列模型
ACIAR 系列模型又称家庭牧场家畜−草地优化管
理模型 , 是澳大利亚国际农业研究中心 (Australian
Centre for International Agricultural Research, ACIAR)
会同内蒙古农业大学、甘肃农业大学、中国农业科
学院草原研究所等单位共同开发的, 用于中国北方
草原家庭牧场的生产经营、管理及生态环境保护方
面的系列模型, 后经中方对该模型进行进一步改进,
实现了该模型参数的本土化及界面化。
该系列模型共包含 4个模型, 即草畜平衡模型、
牧场优化生产模型、精准管理模型和可持续发展模
型。其所需要的主要参数来源于大量的数据调研、
长期试验及历史资料。所采用的计算公式以经验公
式为依据。模型考虑的因素包括气候、牧场、牲畜、
财务和人力等。根据年际气候变化、家畜因子、草
场因子、生产因子和经济因子, 分析放牧系统不同
组分间的相互作用, 通过一系列机理模型模拟运行,
从而获得整个放牧系统的经营和管理结果[2,14−15]。
模型Ⅰ是 OMMLP 软件的基础模型, 习惯上称
作“草畜平衡”模型。通过对具体一个家庭牧场基本
条件的设置, 可以模拟该牧场的基本运营情况, 计
算出牧场所消耗的资源、产出、利润、温室气体排
放等。以报表和曲线的形式描述该牧场的经营现状,
以便科学地评估该牧场经营水平。使用该模型来评
估具体一个家庭牧场, 需要事先对这个牧场有较详
细的了解。要求使用者设置 5类共 787个基本参数,
分别是牲畜参数、草地参数、补饲参数、经济和气
象参数以及其他参数。
模型Ⅱ是 OMMLP 软件最复杂的模型, 习惯上
称作“牧场优化生产”模型。该模型以具体一个家庭
牧场为基础, 通过试验设计, 设置不同的载畜率水
平, 以及不同水平下牲畜的相关参数, 并设置限制
因子, 诸如饲草或饲料限量、饲料地选种的饲料作
物种类等, 来模拟该牧场的运营, 计算出牧场在不
同试验水平以及不同情况下所消耗的资源和产出 ,
本着利润最大化原则, 优选出净利润最大的试验水
平, 并给出各项支出、各种畜产品收入、净利润等
结果。以报表和曲线的形式汇总模拟试验结果。使
用模型Ⅱ基于一个家庭牧场展开试验设计, 同样需
要事先对这个牧场的基本情况有较详细的了解。要
求操作员设置 6类上千个参数, 分别是牲畜参数、草
地参数、饲料地及补饲参数、支出费用、劳动力参数
以及条件设置。在条件设置时, 可选放牧系统或圈养
系统或放牧和圈养混合, 也可选轮牧或不轮牧。模型
Ⅱ的试验设计比较复杂 , 设计的科学性很重要 , 参
数设置的正确合理与否直接影响运算结果。
模型Ⅲ是由甘肃农业大学首先基于文献、试验测
定和典型农户调查等数据, 根据家畜的数量、性别、
体况评分、体重、牙齿状况, 以及乳房状况(母畜)等
在 Microsoft Excel中建立的家畜精细化管理模型。根
据模型对家畜个体生产水平进行评估, 其中羔羊的
断奶成活率是度量的重要指标, 淘汰亏损家畜个体,
将淘汰家畜剩余的饲料投入到保留家畜中, 从而进一
步提高保留家畜的个体生产水平, 实现降低草原载畜
量的同时维持或提高农牧民收入[16]。目前该模型已经
进行了相关试验的验证, 结果良好, 并将在该模型基
本框架和原理的基础上进一步完善, 实现界面化。
模型Ⅳ是一个动态生物经济模型, 以恢复草地
和增加中国北方低生产力草地家畜盈利为目的。模
型所需基本信息来源于家畜生产系统的结构和与之
相关信息的实地调查, 包括草地与饲养家畜之间的
供需关系。该模型的附加功能是模拟风蚀、土壤肥
力损失, 估测草地长期生产力和效益回报。该模型
已经在北方当前牧场状况下进行了放牧压力管理方
面的模拟[17], 模型正在应用中。
ACIAR 系列模型是我国本土模型, 针对性和实
用性较强, 但也存在着参数多、定量化难的问题, 并
且各个模型之间是相对独立存在的, 模型之间的数
据和结果没有关联性。
1.2 IFSM
DAFOSYM(Dairy Forage System Model)模型开
发始于 20世纪 80年代初, 后经过重大修改, 并添加
了肉牛模块, 形成了 IFSM(Integrated Farm System
Model)模型。DAFOSYM是模拟奶牛牧场生产性能、
环境影响和经济效益的模型。可模拟紫花苜蓿、玉
米、小杂粮、大豆等作物的生长、收获、处理和贮
藏等环节[3]。根据购买和生产的饲草料确定奶牛牧
户的生产水平; 在作物地中施用家畜粪便, 减少土
壤肥力损失; 饲喂花费和粪便处理的花费同牛奶、
家畜和出售饲料的收入进行比较, 确定净收益。该
模型包括作物生长、收获、存储、饲喂、粪便处理、
耕作和效益分析等模块, 所需的输入信息还包括牧
场基本信息, 机械和气候数据等。作物生长和收获
模块是基于当地历史逐日气候数据和土壤水分参数
模拟干物质的积累和质量(营养成分)的变化[3−4,18]。
IFSM模型还添加了环境影响模拟模块, 包括氨
挥发、硝态氮淋失、磷流失和温室气体排放。其可
以模拟多年气候条件下的作物生产、饲料使用和粪
便营养物质返回状况 [4]。 IFSM 模型适用于所有
Windows 操作系统, 其输入参数包括农场参数(如作
物种植面积、土壤类型、设备利用、不同年龄家畜
的数量、收获、耕作、粪便处理、产品价格等)、机
1388 中国生态农业学报 2014 第 22卷


械参数(包括每种机械的使用情况, 如机械规格、成
本、运行参数和维修)和气候参数(特定地点的多年日
数据 , 如太阳辐射、最高最低温度、总降水量等)。
输出结果包括汇总表、报告表、可选项表和参数表
4 部分。汇总表提供了平均生产性能、环境影响、
收入及支出状况, 报告表给出了汇总表中的各个输
出结果的详细数据, 可选项表是用于检查整个模拟
过程中各个组分的运行情况, 参数表列出了模拟运
行时指定的输入参数。IFSM模型是比较少见的系统
化很强的模型, 其适用于集约化和精细化管理的牧
场或生产企业。
1.3 DairyWIN
DairyWIN 模型的前身是 DairyMAN, 是在牧场
尺度上由兽医和奶牛生产顾问为奶牛场主提供服务
的管理软件包。其是由新西兰Massey大学 EpiCentre
开发的[18]。DairyWIN通过对畜群的日常行为活动进
行监测, 由兽医和奶牛生产顾问联合研发和设计报
告, 协助牧场主进行逐日畜群管理。主要输入参数
包括产犊、交配、产奶量、土壤测定和施肥措施等
指标。其是一款简单易行的实用性在线软件, 目前
已在澳大利亚拥有用户使用[5]。
1.4 DairyWise
DairyWise是一个在牧场尺度上的经验模型, 其
将奶牛农场中的主要子系统集成在一个 whole-farm 模
型系统中[6], 主要模拟各子系统中温室气体(GHG) CH4、
N2O和 CO2的排放。它将 FeedSupply模型和 Grass
Growth模型进行组合计算。其中, GrassGrowth模型
用于模拟预测土壤类型、氮肥使用和其他管理措施
下的牧草日生长和质量; FeedSupply子模型将牧场
中饲草料能量和蛋白同家畜需求进行结合, 获得整
个农场的全年饲喂计划。通过输入家畜饲喂管理、
土地利用管理、能量利用等内容 , 获得牛奶产量、
CH4和 N2O排放量等输出结果[19]。该模型被广泛应
用于奶牛场的科学研究、技术咨询和教学、环境和
经济评估等方面[20]。
1.5 GrassGro
GrassGro 模型是澳大利亚科学与工业研究组织
(CSIRO)植物工业部的 GRAZPLAN 小组开发的, 用
于协助农场主和草地资源管理者进行决策管理的决
策支持模型。GrassGro 帮助农场主分析多变气候下
放牧系统效益和持续性的机遇和风险。该模型以横
贯澳大利亚地区数十年的田间试验为基础, 使使用
者注重生物物理过程和商品产出的决策管理, 应用
于多个国家的不同草地类型, 实现了牧场放牧系统
的计算机程序化。GrassGro 模型是 GRAZPLAN 系
统中的植物基础和放牧模块 , 是 GRAZPLAN 系统
的核心模型, 按照水−土壤−大气−草地−家畜系统相
互作用机理, 以逐日气象数据为驱动变量模拟土壤
环境−草地−家畜的自然和经济动态, 评估自然和管
理因素对牧场生产和利润的影响。结合草地饲养的
动物品种、生产能力、产品质量和价格, 确定补充
饲草的提供量, 制定饲草饲料生产计划, 以达到最
佳经济效益的畜群管理。GrassGro 模型不仅仅在
GRAZPLAN 系统中使用, 也是 DairyWise 的重要模
块, 该模型所需要的基本参数较多, 需要使用者拥
有较高的技术水平[7,18,21]。
1.6 Kansas Grazer
Kansas Grazer模型由美国Kansas州立大学农业
经济系开发, 基于 Windows 界面的牧草−肉牛生产系
统评估程序, 主要服务于 Kansas州的肉牛生产企业。
该程序可以评估和比较牧草生产和牛单位的月饲料
需求(animal unit months, AUM), AUM指一个家畜一
个月所消耗的饲料。该程序也可以估计单位家畜的生
产力和其所需要饲草料[8,18,22]。该模型具有较强的针
对性和地域性, 不便于在其他地区推广应用。
1.7 P½turIN
P½turIN 软件是一个基于牧场尺度的放牧管理
软件。在使用该软件之前, 首先需要定义整个牧场,
包括小区、家畜和可利用饲草料等内容。用户一方
面可以在整个放牧季节记录所有发生的事件, 另一
方面也可以模拟牧草使用状况。用户根据“生长”和
“采食”状况, 调整如施肥、刈割、放牧、补饲等不同
管理措施。本软件共包括 2 个模块: 牧草生长模块
和动物采食模块。牧草生长模块根据用户当前环境
状况, 按照标准生长曲线计算当前日生物量, 标准
曲线根据每一小区的气候条件、肥力条件和生物量
等指标分别确定; 动物采食模块根据家畜采食能力
和草地特征计算牧草的采食质量, 根据模拟用户来
决定放牧利用的小区和放牧时间。该软件利用牧场
尺度的数据, 使牧场主可根据放牧季节实际进度有
规律地更新数据, 实时模拟并作出决策[9,18]。该模型
提出的标准曲线是值得在牧场模型建模时借鉴和参
考的方法。
1.8 SEPATOU
SEPATOU 是法国开发的一个奶牛场放牧管理软
件, 是一个牧场尺度的生物机制模型。可以逐日模拟
牧场主的决策行为与生物机制系统的相互关系, 模
拟所受到的气候因子和管理活动的影响。其中气候变
量包括日平均气温、日均太阳辐射和逐日降雨量, 管
理活动包括施肥、放牧、收获和饲喂计划。系统包括
牧草生产(规模和潜在产量)、奶牛采食和牛奶生产(产
奶潜力和产犊时期)3部分内容。牧草生产模块根据每
第 12期 李治国等: 家庭牧场模型模拟研究进展 1389


一块草地的生长和衰老过程计算草地枯落物的数量
和质量; 通过采食和消化来估计奶牛可利用代谢能,
并计算其产奶量; 饲料摄入取决于奶牛的生理时期
(哺乳)和草地限制(牧草供应量和消化率)[11,18]。
1.9 SIMSDAIRY
SIMSDAIRY 模型是在牧场尺度上 , 以集成现
有的氮转换和损失、磷损失以及农场经济方面的模
型来模拟粪便施用产生 NH3, 预测 CH4排放和家畜
营养需求; 同时也考虑牧场效益以及生物多样性、
牛奶质量、土壤质量和动物福利方面的特性。该模
型用于奶牛场环境和社会经济的可持续性评估的研
究。由于 NO3淋溶减少了 N2O 和 CH4排放的影响,
因此其在英国用于减少反刍家畜排放温室气体的长
期使用的评估[12,20]。该模型需要地点、气候、土壤、
植被和家畜的特征、采食组成、粪便使用、青贮质
量、肥料分布、目标产奶量等指标输入, 从而得到
环境损失(N2O、CH4、CO2、NH3、NOx、NO3、P)、
经济可持续性、管理等方面的结果, 以文本格式和
图的形式输出结果, 以便于直观分析[19]。
1.10 TGM
TGM(The Grazing Manager)是在放牧系统和牧
场或饲料配发的基础上, 在整个牧场中监控饲料供
应和需求的模型。TGM辅助决策系统在干旱和持续
利用草地的情况下进行预先制定决策方面具有优
势。需要具备对草地利用率进行实地评估的经验 ,
系统运行后, 饲草和采食数量评估被分别用于支持
饲料供应信息。每个牧场的放牧强度为可选项, 牧
场主可根据需要来制定相应的放牧计划[13,23−24]。
1.11 RSPM
RSPM(Resource Systems Planning Model)是一
个综合系统模型, 于 1986年由美国 Texas A&M大学
草地科学系组织开发。该系统被美国农业部(USDA)
采用, 在土壤保持服务项目中用于草地、放牧地、
人工草地、作物地等的官方规划工具。该模型用于
制定不同水平上的决策, 主要服务于个人和土地所
有者。系统的子系统允许用户制定饲草料和家畜存
储清单, 进行生物经济优化分析, 确定土地管理技
术方面进行长期投资的经济可行性[10]。
2 放牧管理模拟模型
放牧系统是特定空间内牧草和家畜量变过程的动
态反映, 并通过放牧管理改善和维持牧草的生长和牧
草的有效利用, 使供给家畜的食物营养达到最大消耗
均匀度, 并从放牧系统的动态分析中确定放牧管理
技术[25−26]。表 2中列出的模拟模型本质上也是基于此
原理进行放牧系统管理, 进而制定合理的放牧计划。
表 2 部分以放牧管理为研究目标的模拟模型
Table 2 Some relevant models for grazing management
模型名称
Name
用途及目的
Purpose
国别
Country
文献
Reference
ACIAR
模拟牧场尺度草地−家畜生产经营过程, 优化管理策略
Simulating the process of production and management of grassland-animal system to built
optimal management strategies on farm scale
澳大利亚、中国
Australia, China
[2]
DairyWIN 奶牛畜群管理, 对畜群的行为活动进行综合监测评估
Monitoring and evaluating dairy management
新西兰、澳大利亚
New Zealand,
Australia
[5]
GRASIM
模拟包括牧场系统所有因素的高强度轮牧管理, 预测地上生物量、草本营养质量和牧场
土壤营养淋溶
Simulating the factors of high-intensity rotational grazing management, predicting biomass,
grass nutrition and soil leaching
美国
U.S.A
[27]
GrassGro 预测不同质量的牧场对牲畜生产的影响
Predicting effect of ranch level on animal production
澳大利亚
Australia
[7]
Kansas
Grazer
评估牧草生产和牛的月饲料需求, 寻求最佳的放牧管理方式
Assessment of forage production and monthly supplement demand of animal to look for the
optimal mode of grazing management
美国
U.S.A
[8]
Landassess
DSS
模拟放牧系统的关键变化过程, 评估复杂资源管理系统变化的主要驱动因子和限制因素
Simulating the key processes of grazing system, assessing the major driving factors and
limiting factors of resource management system
澳大利亚
Australia
[27]
P½turIN 模拟和评估管理牧草生长和动物采食
Simulating and evaluating management of herbage growth and animal intake
法国
France
[9]
SEPATOU 模拟牧场主的决策行为与生物机制系统的相互关系
Simulating relationship between decision behavior and biomechanism
法国
France
[11]
SGS
分析草地系统的行为, 了解草地管理和利用有效性
Analyzing grassland system, understanding the efficiency of grassland management and
utilization
澳大利亚
Australia
[28−30]
SIMSDAIR
Y
估算奶牛场生物多样性, 产品质量, 土壤质量和动物福利
Estimating the biodiversity, production quality, soil quality and animal welfare in dairy farm
英国
England
[11]
TGM 确定牧场的放牧强度, 制定放牧计划
Confirming the grazing intensity and grazing plan
美国
U.S.A
[13]
SPUR 主要设计和分析影响牧场可持续性的管理方案
Designing and analyzing the management plan of sustainability in ranch
美国
U.S.A
[31]
1390 中国生态农业学报 2014 第 22卷


2.1 GRASIM
GRASIM 综合放牧模型模拟高强度轮牧管理下
牧场系统的所有因素, 可预测地上生物量、牧草营
养质量和牧场土壤营养淋溶, 以日为步长运行, 输
入变量包括每日最高最低温度、土壤氮转化系数、
土壤水和土壤氮的初始水平[26]。GRASIM可预测牧
草日生长率、生物量累积、蛋白质和纤维素含量、
水分和营养水平等。该模型可以用来更好地了解草
地系统和更有效地利用草地经济环境进行决策管
理。该模型通常估计选择性逐日管理策略下的草地
经济环境, 也被用来估计载畜率对逐年补饲和收获
及需要储备饲草料数量的影响[21]。
2.2 Landassess DSS
Landassess DSS 是由澳大利亚联邦科工组织的
热带农业研究所研制的一个可持续放牧管理决策支
持系统(Decision Support Systems, DSS)。其通过整合
系统方法来解决放牧系统的问题, 帮助用户验证草
地管理单元当前的健康状态, 评估采用的草地放牧
管理措施的风险。Landassess DSS 当前结构框架包
括相关数据库系统、地理信息系统、模型、专家系
统、用户界面、帮助系统等内容。其中模型是核心
部分, 常用的模型有 6大类: 基律模型(如植被变化、
土壤侵蚀、家畜偏好的状态转移模型)、简单过程模
型(如水平衡模型)、简单的数值模型(如家畜采食利
用率)、空间模型(如水分利用模式和距离)、回归模
型(家畜和草地生产力)。开发该系统需要大量的基本
工具加以支持, 主要有地理信息系统和数据库、操
作系统、专家咨询系统、空间可视化系统和其他软
件包。该模型给出了复杂资源管理系统变化的主要
驱动因子和限制因素, 同时对资源可持续性和经济
生产可能平衡在与管理相关的决策制定尺度上给出
评估[27]。
2.3 SGS
SGS(Sustainable Grazing Systems)草地可持续放
牧系统模型首先于 1996 年在澳大利亚南部高降雨
地区开发应用 , 其是一个生物物理机制模拟模型 ,
以日为时间步长, 将水分动态、牧草累积及利用、
营养动态、动物采食和代谢组合在一起。其提供了
一个紧密的系统来分析草地系统的行为, 主要包括
牧场中各组分间的复杂动态关系。该系统模型包含:
草地植物对外界气候条件响应的生理学模型, 水分
平衡模型[包括蒸发、径流(地表径流和地下径流)、
下渗], 放牧状态下的草地利用模型, 以代谢能为基
础的动物生长模型, 有机质和无机质动态模型等。
模型在结构和过程流描述是分层次的, 并紧密关联
着可持续放牧系统国家试验(SGSNE)数据库, 其允许
输入和输出气候及试验数据来对比模型输出结果。该
模型是了解草地管理和利用有效性的关键, 也是环
境通过水分和营养动态影响管理的关键[28−30]。
2.4 SPUR
SPUR(Simulation of Production and Utilization
of Rangelands)模型是一个常用的草地生态系统模型,
其用于草地水文−植被−动物交互作用的模拟[31−32]。
该模型以降水、最高及最低气温、太阳辐射和风速
的逐日数据为基础, 这些变量的数据来源于现有气
象资料或随机数据。其他非生物变量包括逐日土壤
温度、土壤水分、CO2 和土壤容重等数据需要模拟
获得。模型由气候、水文、植物、动物和经济模块
组成。主要用于牧场可持续性管理决策的制定, 如
灌溉、施肥、播种和放牧系统等[31], 确定和分析影
响草地可持续性的管理模式, 预测气候变化对草地
的影响[18,31−32]。
除了表 2 列举的放牧管理模型以外, 还有一些
适用于放牧的采食模型[33−34]和基本的决策支持工具
或放牧家畜或放牧管理的模拟器[35−39]。在我国, 关
于放牧管理方面的模型研究也较多[40−45], 但由于牧
民的能力有限, 在实际管理应用中比较困难。尽管
放牧管理方面的模型大多比较复杂, 在使用过程中
需要大量的数据进行校准, 然而在牧场系统研究和
大量的实际工作中是十分有用的工具。
3 牧草生长模拟模型
牧草的生长模拟模型是在作物模拟模型的基础
上发展而来的。通常情况下, 牧草的生长、发育和
产量形成过程及其对环境的反应与作物类似, 也可
以进行定量和动态描述。当前, 世界关于各种植物(包
括大田作物、园艺作物、树木与森林)生长模型已愈
百个[46], 但是关于牧草方面的却并不是很多(表 3)。
3.1 Artturi
Artturi web service 是一款在线网络服务系统,
用于提供育肥场中牧草生产、储存、收获、加工等
方面的服务。该系统是由 MTT Agrifood Research
Finland和 Valio公司联合开发的。包括 3大模块: 收
获时间、饲喂分析和资料库。其中, 收获时间是通
过一个计算器计算初生和再生草的适宜收获时间 ;
饲喂分析包括取样分析、样品分析的描述和价格、
青贮饲料的组分和质量(统计分析结果), 该模块最
终提供一个分析报告, 包括青贮饲料发酵的质量、
化学组成、饲用价值和干物质摄入指数等指标, 基
于这些指标, 用户可以选择相应质量和数量的浓缩
饲料来满足其需要; 资料库提供了多种形式的关于
青贮生产和利用方面的信息 , 这些信息有博士论
文、研究论文以及 Powerpoint演示文本等[18,47]。
第 12期 李治国等: 家庭牧场模型模拟研究进展 1391


表 3 部分牧草生长相关模拟模型
Table 3 Some relevant models for herbage growth
模型名称
Name
用途及目的
Purpose
国别
Country
文献
Reference
Artturi 确定牧草收获期, 分析饲料营养
Confirming grass harvest time and analyzing feed nutrition
芬兰 Finland [47]
CENTURY 用来模拟土壤交互作用, 碳的同化和累积过程
Simulating soil interaction, processes of carbon assimilation and accumulation
美国
U.S.A
[48]
DayCent
模拟土地利用和管理策略对氮排放、淋溶、产量和土壤碳的影响
Simulating effects of land utilization and management on nitrogen emission, leaching, grass
biomass and soil carbon
美国
U.S.A
[49−52]
GPFARM 描述牧草功能群和动物的生长过程
Describing grass function group and animal growth processes
美国
U.S.A
[53]
GRASP 预测模拟每天的牧草生长
Simulating and predicting forage daily growth
澳大利亚
Australia
[54]
GrassGro 预测不同质量的牧场对牲畜生产的影响
Predicting effect of ranch level on animal production
澳大利亚
Australia
[7]
Graze more 预测放牧小区牧草生长、动物采食、牧草损耗和牧群产奶量
Predicting grass growth and loss, animal intake, and milk production in grazing plot
北爱尔兰
North Ireland
[55]
P½turIN 模拟和评估管理牧草生长和动物采食
Simulating and evaluating management of herbage growth and animal intake
法国
France
[9]
PHYGROW 模拟某一位置的牧草生产 Simulating forage production in specific location 美国 U.S.A [56]

3.2 CENTURY
CENTURY 生态系统模型是一个模拟不同植被−
土壤系统的碳、氮、磷、硫动态的过程模型。CENTURY
模型 [48,57]能够用于评估草地生态系统中土壤有机
质和提高草地健康状况而进行缓解措施的有效性。
模拟过程中需要气候、土壤特征和草地空间分布等
数据。土地利用管理数据用于模拟当前土地管理模
拟情形下实际措施, 模拟过程中需要验证关键性的
输入、输出变量(如土壤碳水平、家畜生产力、植
被生产力、气态氮释放等)。确定特殊缓解措施需
要提供充分的操作细节来进行验证。气候数据是指
当地或地区逐月的平均最高、最低气温, 逐月降水
值; 生物学信息包括植被分布特征、季节动态和营
养循环的描述; 植被信息需要描述生态系统组分的
功能属性, 如每一特性占总生物量的百分比, 生长
和死亡的季节模式, 建群植被的生理生化属性, 如
植被干物质、碳氮含量、光和作用; 人类活动指影
响土壤碳和温室气体排放的各种活动力 , 包括放
牧、火烧、家畜存栏, 作物种植、收获技术、耕作
方式等。
CENTURY 模型通常被用来模拟草地、森林、
农田植被土壤动态。模型以月为时间步长, 主要输
入变量包括: 1)月均最高, 最低气温; 2)逐月降水量;
3)植被木质素含量; 4)植被碳氮含量; 5)土壤 pH和结
构; 6)大气和土壤氮输入; 7)初始土壤碳、氮水平。
该模型包括 3个子模型: 1)生物物理子模型, 用于计
算水文学和温度驱动力; 2)植被生产子模型, 用于计
算地上和地下植被生长过程; 3)土壤有机质子模型,
用于计算土壤碳、氮和腐殖质[19]。
该模型以生态系统能流和物流为基础, 借鉴历
史资料和研究结果, 利用输入未来不同模拟情景下
的气候因子变量, 实现对未来生态系统的预测。
3.3 DAYCENT
DAYCENT 模型是以日为时间步长的 CENTURY
模型版本。其模拟碳、氮、磷、硫和痕量气体在大
气、土壤、植被之间的转换, 同时结合考虑管理手
段, 如火烧、放牧、收获、施肥、灌溉等。DAYCENT
是一个基于管理模拟下影响土壤水分、pH、硝酸盐
和氨基盐含量的过程模型[49−52]。该模型的输入参数
与 CENTURY 模型类似, 主要为日最高、最低气温,
日降水量, 土壤质地, 土地数据(植被类型、收割、
种植、施肥时间等)。输出结果包括日含氮气体排放
量、非自养性呼吸 CO2排放量、土壤有机碳和氮、
净初级生产力、水分和硝酸盐淋溶等。用于模拟土
地利用方式对氮气排放、硝酸盐淋溶、作物产量和
土壤碳的影响。该模型已经在北美地区农(牧)场尺度
上广泛用于估算 N2O的排放[19]。
3.4 GRASP
GRASP 是一个机理模型, 以日为时间步长, 用
于模拟草地生产和预测土壤水分、草地生长和家畜
采食。该模型已被用来模拟澳大利亚北部多年生草
本的气候−土壤−植被−管理动态。GRASP 使用气候
数据、土壤数据、植物数据等模拟水分平衡(径流、
下渗、蒸发、蒸腾、排水)、草地生长(生长、死亡、
分解)和家畜采食(采食选择、利用、体增重)。其中
气候数据包括逐日降雨量、温度、太阳辐射、蒸发、
气压差等, 土壤数据包括土壤深度、含水量、田间
持水量、萎蔫点, 植被数据包括描述植物生长、盖
度、营养和温度等[54,58]。该模型参数的专业性需求
较高, 且不易获得。
1392 中国生态农业学报 2014 第 22卷


3.5 PHYGROW
PHYGROW是以日为时间步长的模拟草本和灌
木生长以及饲草消耗的水文过程模型。该模型自
1990 年建立以来, 功能不断增强, 可以模拟植被被
放牧家畜采食时多种植被竞争的生长动态, 多物种
多时间段被多种动物采食状态下的生长。模型包括
气象数据库、植被数据库和放牧数据库, 数据格式
支持多种类型和网络连接。PHYGROW模型的运行
需要 4 方面的数据, 即土壤、气候、放牧动物和植
被。通常情况下, 放牧数据是由实地调查获得的, 其
余数据均可关联相关政府机构获得[56,58]。
3.6 GPFARM-Range
GPFARM-Range(Great Plains Framework for
Agricultural Resource Management)是一款由美国科
罗拉多州立大学用 Java语言编写开发的模型用于描
述 5 个牧草功能群和动物的生长过程。模型需要的
信息包括: 地理位置、家畜类型、气候变量、管理
措施, 另外还需要输入一系列家畜−土壤−植被的参
数用于运行模型。具体参数值来源于具体试验数据
和相关文献的参考值。另外, 输入变量包括环境变
量(温度、辐射、降雨、初始土壤和植被条件)和管理
变量(如载畜率), 及两者之间交互作用和影响预测
系统行为的过程和参数。GPFARM-Range 模型主要
用于模拟牧草生长时期家畜践踏对土壤的影响, 放
牧或其他干扰对植被组成的影响, 不同功能群与全
球气候变化敏感性的关系等[53,58]。
4 温室气体排放模拟模型
在农场或牧场尺度上使用的关于温室气体排放
的模型工具较多[6], 涉及家畜、草地、森林、农田、
生态系统各个层次, 主要用于环境评估和持续性评
估方面, 其中很多模型(表 4)已经在国内外广泛使用。
表 4 部分温室气体排放模拟模型
Table 4 Some relevant models for greenhouse gases (GHGs) emission
模型名称
Name
用途及目的
Purpose
国别
Country
文献
Reference
ACIAR
模拟牧场尺度草地−家畜生产经营过程, 优化管理策略
Simulating process of production and management of grassland-animal system to
built optimal management strategies on farm scale
澳大利亚、中国
Australia, China
[2]
CENTURY 用来模拟土壤交互作用, 碳的同化和累积过程
Simulating soil interaction, processes of carbon assimilation and accumulation
美国
U.S.A
[48]
IFSM(DAFOSYM) 模拟多年牧场生产性能, 环境影响和牧场收益
Simulating production performance, environment and profit on farm scale
美国
U.S.A
[3]
DairyGEM
预测奶牛生产系统温室气体排放, 减少厌氧消化状态下的温室气体排放
Predicting GHGs emission of dairy production system to reduce GHGs emission
under anaerobic digestion
美国
U.S.A
[19]
DairyWise
牛场的科学研究、技术咨询和教学、环境和经济评估
Research, technical training and consulting of dairy farm, evaluation of environment
and economics of beef farm
荷兰
Holland
[6]
DayCent
模拟土地利用和管理策略对氮排放、淋溶、产量和土壤碳的影响
Simulating effects of land utilization and management on nitrogen emission and
leaching, biomass and soil carbon
美国
U.S.A
[49−52]
FarmGHG
该模型农场中 CH4和 N2O直接和间接排放定量化的设计
Quantification design of direct and indirect emission of mathane and carbon dioxide
in farm
丹麦
Denmark
[19]
SIMSDAIRY 估算奶牛场生物多样性、产品质量、土壤质量和动物福利
Estimating biodiversity, production quality, soil quality and animal welfare in dairy farm
英国
England
[12]

4.1 DairyGEM
DairyGEM 是由美国农业部(USDA)和美国农业
研究委员会(ARC, Agricultural Research Council)
研发的用于替代 DairyGHG 的一个新的软件工具 ,
包括温室气体排放的 DairyGHG 模块以及预测粪
便中氨气和硫化氢排放的过程模型。通过饲喂和
粪便处理的模拟预测温室气体排放 , 最终获得日
排放值。输入参数主要包括牧场参数和气候数据。
其中 , 牧场参数主要描述牧场饲喂和草地的可利
用设施、饲草料营养成分、家畜数量、年龄 , 产奶
量、粪便处理方式等 ; 气候数据为当地多年逐日气
候数据。输出结果是全牧场中逐日和全年的 CO2、
N2O 和 CH4 排放量和牛奶产量。DairyGEM被 ARC
认为是奶牛生产系统温室气体排放的预测和减排的
简单工具[19]。
4.2 FarmGHG
FarmGHG是丹麦农业科学院(Danish Institute of
Agricultural Sciences)于 2004 年研发的牧场尺度上
的经验模型。该模型利用国际上认可的生命循环评
估(Life Cycle Assessments, LCA)和奶牛农场的研究
报告, 同时结合整个生产供应链中的能量使用及其
他排放构建而成。主要输入参数包括牧场数据(姓
名、类型、土壤和气候)、家畜数据(种类、数量、饲
喂需求、体重、肉用或乳用、出售数量等)、圈舍信
息、粪便存储信息、作物地信息(面积、种植种类、
产量、施肥、灌溉等)、饲喂计划等; 输出结果主要
第 12期 李治国等: 家庭牧场模型模拟研究进展 1393


是温室气体的排放量。该模型已经应用于欧洲 15个
奶牛模拟农场, 用来进一步验证传统农场和有机农
场之间的区域差异，同时也被用来确定温室气体减
排项目的有效性，甚至用来进一步分析大尺度的环
境问题, 如 NO3和 NH3的富营养化[19−20]。
由表 5 可知, 大多数模拟模型均能够获得主要
温室气体的结果, 尤其是 SIMSDAIRY 模型获得的
温室气体种类最多, 而 ACIAR模型仅仅利用国际上
使用的温室气体计算方法(如 IPCC 的方法 1 和方法
2, AGO)来粗略计算甲烷排放量。各个模型模拟对象
及侧重面略有不同, CENTURY和DAYCENT模型不
涉及家畜和家畜粪便, 仅仅针对不同土地类型进行
估算, 而 FarmGHG 则侧重于家畜和粪便管理过程
中的温室气体排放模拟。
表 5 温室气体排放模型的模拟对象及输出结果
Table 5 Simulation objects and output greenhouse gases (GHGs) of models relative to greenhouse emission
输出结果 Output 模拟对象 Simulation object
模型名称
Name CO2 N2O CH4
其他
Other
草地
Grassland
农田
Cropland
森林
Forest
家畜
Livestock
粪便
Excrement
ACIAR √ √
CENTURY √ √ √ √ √ √
DairyGEM √ √ √ √ √ √ √
DairyWise √ √ √ √ √
DayCent √ √ √ √ √ √
FarmGHG √ √ √ √ √
IFSM(DAFOSYM) √ √ √ √ √ √
SIMSDAIRY √ √ √ √ √

5 总结与展望
家庭牧场研究和应用的相关模拟模型已成为草
地生态学研究的重要组分。国内外关于草地和牧场
方面模型早期是以研究机制、机理为基础的。随着
计算机技术的发展 , 分析不同尺度复杂生态系统 ,
模拟其动态过程变得可行, 因此出现了除生态模型
以外的生态经济方面的模型。同时关于生态监测和
全球气候变化的模拟模型也在迅速发展, 而且模型
系统需要的参数和运算也更为复杂。
放牧是最经济的草地利用方式, 但牧场的经营
管理是多元且多变的, 受到内部因素(如资源条件、
利用状况等)和外部因素(如市场、气候等)的双重影
响 , 利用模型就是要排除或减缓限制因素的干扰 ,
获得最优结果的目标。ACIAR、GrassGro、SEPATOU、
P1/2turIN、GRASIM 等模型是以放牧利用草地为基
础的牧场经营管理模型, 主要针对放牧状态下家畜
对于草地植被、土壤和环境的影响, 同时考虑生产
经营成本因素, 这些均较适合于我国家庭牧场草地
利用现状。尤其是 ACIAR 是基于中国国情设计的,
能够较好地模拟典型牧场中的能量平衡、效益平衡
问题; GrassGro和 SEPATOU侧重于气候和管理因素
对生产系统的影响; P1/2turIN 对于精细化放牧利用
草地的牧场而言是较好的借鉴; GRASIM 模型可为
用户在有效利用草地及经济管理决策方面提供帮助;
Landassess DSS 是一个牧场决策支持系统, 其在较
大尺度上资源持续利用以及管理决策上给出较好的
评估 ; SGS 模型主要针对于澳大利亚高降雨地区 ,
从环境因素影响放牧系统出发, 使用户了解草地利
用及管理的有效性, 但是适用范围十分有限。
IFSM、DairyWIN、DairyWise、Kansas Grazer、
TGM等模型针对养殖场或企业设计, 重点考虑人工草
地或作物地的利用, 从饲料平衡和经济平衡的角度
模拟, 进行畜群管理和经济优化管理, 这对精细化、
集约化的畜牧企业是较好的选择。IFSM、SEPATOU、
GRASIM、DAYCENT、GRASP、PHYGROW、DairyGEM、
SPUR 等模型的部分参数需要逐日参数, 在牧场尺
度上应用略显困难。此外 DairyGEM、DairyWise、
GRASIM 等模型中温室气体排放的比重较高, Artturi、
CENTURY、DAYCENT、PHYGROW、GPFARM-
Range 等模型注重牧草生长过程同生态系统和利用
方式的关系, 这些对于我国大多数管理较为粗放的
家庭牧场而言, 在近期并不适用, 但是不乏为较好
的牧场研究工具。
综合前文的国内外模型, 不难看出: 1)当前家庭
牧场模拟模型的研究在欧美、澳大利亚、新西兰等
畜牧业发达的国家发展迅速, 而在发展中国家仅仅
是将其借鉴而来, 通过参数修订后使用; 2)国外农场
系统有时包含牧场系统, 这是有别于国内的牧场概
念, 模型的适用对象大多数是以奶牛或肉牛生产为
主的牧场 , 对于羊生产牧场相对较少 (如 ACIAR,
GrassGro 等); 3)牧场尺度的模型主要通过平衡草畜
1394 中国生态农业学报 2014 第 22卷


关系、能量供需关系、营养流等实现资源利用的最
优化以及经济效益的最大化; 4)所需要的参数均以
牧场所需的气象数据和土壤作为基础, 绝大多数的
模型均参数较多, 有些参数需要基于大量研究或实
际调研, 对于用户应用存在一定的限制; 5)与牧草生
长有关的模拟模型绝大多数以日为时间步长; 6)尽
管生态学家、畜牧学家与数学家一直寻求有关某一
问题的基本、普适性模型, 事实上这种愿望仅在种
群增长模型与捕食模型中得到体现, 大部分生态过
程模型都是特殊的或特定模型[59], 每一个模型的适
用范围都相对有限, 在新地区牧场的使用需要进行
参数校正。
近年来, 我国在作物模型研究已做了大量工作,
但在草地模型方面工作还很薄弱, 在利用遥感技术
进行草畜平衡和草地生产力监测方面建立了一些相
关模型[60−66], 在病虫害预测预报与诊断方面有一些
专家系统[67−68], 在放牧管理方面有一些利用如层次
分析法、模糊优化设计、灰色关联度等方法建立的
概念模型, 而在家庭牧场系统集成方面的模型鲜见
报道。中澳合作的 ACAIR项目系列模型利用本土研
究结果, 结合当地历史及调研资料, 在我国北方草
原牧区广泛使用, 是我国在牧场尺度上进行建模和
生产应用的尝试。
我国传统的以家庭牧场为生产利用单元的畜牧
业生产经营管理是相对粗放的, 在家庭牧场模型研
究方面与国外的差距也很大。我国草地类型多样 ,
草地群落结构复杂, 牲畜品种也繁多, 草地利用方
式多样, 需要针对各种类型特点进行研究和建模。
需要收集和整合现有资源(如不同地域的研究数据
和监测数据), 归纳总结现有研究结果和新的技术模
式 , 结合我国国情 , 借鉴相关研究基础和经验 , 跨
学科、跨领域协作, 综合考虑生态经济因素, 实现共
赢局面。
参考文献
[1] Jorgensen S E, Bendoricchio G. 生态模型基础[M]. 何文珊,
译. 北京: 高等教育出版社, 2008: 1–16
Jorgensen S E, Bendoricchio G. Fundamental of Ecological
Modelling[M]. He W S, Translation. Beijing: Higher
Education Press, 2008: 1–16
[2] Takahashi T, Jones R, Kemp D, et al. Steady-state modelling
for better understanding of current livestock production sys-
tems and for exploring optimal short-term strategies[M]//
Kemp D R, Michalk D R. Development of Sustainable Live-
stock Systems on Grasslands in North-Western China, ACIAR
Proceedings No. 134. Canberra: Australian Centre for Inter-
national Agricultural Research, 2011: 26–35
[3] Rotz C A. The dairy forage system model (DAFOSYM). De-
veloping and applying next generation tolls for farm and wa-
ter shed nutrient management to protect water quality
[EB/OL]. Animal Science Department, Cornell University,
Ithaca, NY, 042, 2001: 2203. [2006-04-01]. http://pswmru.
arsup.psu.edu/ software/dafosym.htm
[4] Rotz C A, Corson M S, Chianese D S, et al. The integrated
farm system model reference manual (version 4. 1)[R].
Pasture Systems and Watershed Management Research Unit,
Agricultural Research Service, United States Department of
Agriculture. 2014
[5] The Dairy WIN home page[EB/OL]. [2006-04-01]. http://
www.dairywin.co.nz
[6] Schils R L M, de Haan M H A, Hemmer J G A, et al.
DairyWise, a whole-farm dairy model[J]. Journal of Dairy
Science, 2007, 90(11): 5334–5346
[7] Moore A D, Donnelly J R, Freer M. GAZPLAN: Decision
support systems for Australian grazing enterprises. Ⅲ. Pas-
ture growth and soil moisture submodels, and the GrassGro
DSS[J]. Agricultural Systems, 1997, 55(4): 535–582
[8] Fritz J. KansasGrazer (ver 1.5) forage system program
[EB/OL]. [2006-04-01]. http://www.oznet.ksu.edu/forage/ksgrazer.
htm
[9] Delaby L, Peyraud J L, Faverdin P. Pâtuŕ IN: A user-friendly
software tool to assist dairy cow grazing management[C]
//Mara F P O. Proceedings of the 20th International Grassland
Congress. Wageningen: Wageningen Academic Publishers,
2005: 905
[10] Stuth J W, Conner J R, Hamilton W T, et al. RSPM: A resource
systems planning model for integrated resource management[J].
Journal of Biogeography, 1990, 17(4/5): 531–540
[11] Cros M J, Duru M, Garcia F, et al. Simulating rotational
grazing management[J]. Environment International, 2001,
27(2/3): 139–145
[12] Del Prado A, Scholefield D. Use of SIMSDAIRY modeling
framework system to specify sustainable UK dairy
farms[C]//Andrews M, Turley D, Cummings S, et al. Aspects
80: Delivering Sustainability within Profitable Farming Sys-
tems — Is it Possible?. The Association of Applied Biologists,
2006: 73–80
[13] Kothmann M M, Hinnant R T. The grazing manager and
grazing management stock adjustment templates[R]. TAES
Computer Software Documentation Series. TAES, College
Station, TX, 1994: MP−1760
[14] 李娜. 内蒙古荒漠草原家庭牧场优化经营管理模型研究[D].
呼和浩特: 内蒙古农业大学, 2009: 7–10
Li N. Study on optimal management model of household farm
in desert steppe of Inner Mongolia[D]. Hohhot: Inner
Mongolia Agricultural University, 2009: 7–10
[15] 郑阳, 徐柱, Takahashi T, 等. 内蒙古典型草原优化放牧管
理模拟研究——以内蒙古太仆寺旗为例 [J]. 生态学报 ,
2010, 30(14): 3933–3940
Zheng Y, Xu Z, Takahashi T, et al. Research on grazing
management optimal model of typical steppe: A case study in
Taipusi Banner, Inner Mongolia[J]. Acta Ecologica Sinica,
2010, 30(14): 3933–3940
[16] 杨博, 吴建平, 杨联, 等. 牧区绵羊精准管理技术体系建立
与草畜平衡研究[J]. 草地学报, 2012, 20(3): 589–596
Yang B, Wu J P, Yang L, et al. Establishing precision manage-
ment techniques for sheep and feed balanee research in pastorai
areas[J]. Acta Agrestia Sinica, 2012, 20(3): 589–596
[17] Jones R, Kemp D, Takahashi T, et al. Dynamic modelling of
sustainable livestock production systems[M]//Kemp D R,
第 12期 李治国等: 家庭牧场模型模拟研究进展 1395


Michalk D L. Development of Sustainable Livestock Systems
on Grasslands in Northwestern China, ACIAR Proceedings
No. 134. Canberra: Australian Centre for International Agri-
cultural Research, 2011: 36–45
[18] 段庆伟, 李刚, 陈宝瑞, 等. 牧场尺度放牧管理决策支持系
统研究进展 [J]. 北京师范大学学报 : 自然科学版 , 2009,
45(2): 205–211
Duan Q W, Li G, Chen B R, et al. Decision support systems
for grazing on the scale of a ranch: Recent developments[J].
Journal of Beijing Normal University: Natural Science, 2009,
45(2): 205–211
[19] Denef K, Paustian K, Archibeque S, et al. Report of
greenhouse gas accounting tools for agriculture and forestry
sectors[R]. Colorado: Interim report to USDA under Contract
No. GS23F8182H, 2012: 100–119
[20] Schils R L M, Olesen J E, del Prado A, et al. A review of farm
level modelling approaches for mitigating greenhouse gas
emissions from ruminant livestock systems[J]. Livestock
Science, 2007, 112(3): 240–251
[21] 蒙旭辉. GrassGro模型参数校正及其在草甸草原的应用[D].
兰州: 兰州大学, 2009: 7–10
Meng X H. The parameter modification of the GrassGro
model and the application of the GrassGro model in the
meadow steppe[D]. Lanzhou: Lanzhou University, 2009: 7–10
[22] Moyer J L, Fritz J O. Allocating grazing resources with
KansasGrazer and making management decisions in a stoker
operation[C]//Mara F P O. Proceedings of the 20th
International Grassland Congress. Wageningen: Wageningen
Academic Publishers, 205: 909
[23] Kothmann M M, Hinnant R T, Casco J F. Vegetation respon-
ses under rotational grazing[R]. Progress Report. Texas
Agricultural Experiment Station: Journal, 1986: 13–15
[24] Teague R, Borchardt R, Ansley J, et al. Sustainable
management strategies for mesquite rangeland: The Waggoner
kite project[J]. Rangelands, 1997, 19(5): 4–8
[25] 安玉锋 , 李峻成 , 王钦 , 等 . 高山草原放牧系统控制的
研究 [J]. 草业学报, 2002, 11(3): 66–71
An Y F, Li J C, Wang Q, et al. Studies on system of grazing
control in the alpine pasture[J]. Acta Prataculturae Sinica,
2002, 11(3): 66–71
[26] Zhai T, Mohtar R H, Gillespie A R, et al. Modeling forage
growth in a Midwest USA silvopastoral system[J]. Agrofo-
restry Systems, 2006, 67(3): 243–257
[27] Bellamy J A, Lowes D, Ash A J, et al. A decision support ap-
proach to sustainable grazing management for spatially het-
erogeneous rangeland paddocks[J]. The Rangeland Journal,
1996, 18(2): 370–391
[28] Mason W K, Lamb K, Russell B. The sustainable grazing
systems program: New solutions for livestock producers[J].
Australian Journal of Experimental Agriculture, 2003, 43(8):
663–672
[29] Johnson I R, Lodge G M, White R E. The sustainable grazing
systems pasture model: Description, philosophy and
application to the SGS National Experiment[J]. Australian
Journal of Experimental Agriculture, 2003, 43(8): 711–728
[30] Mason W, Andrew M. Sustainable grazing systems (SGS) —
Developing a national experiment[C]//Michalk D L, Pratley J E.
Proceeding of the 9th Australian Agronomy Conference.
Melbourne: The Australian Agronomy Society, WaggaWagga,
1998: 314–317
[31] Wight J R, Skiles J W. SPUR: Simulation of production and
utilization of rangelands: Documentation and user guide[R].
Washington D C: US Department of Agriculture, Agricultural
Research Service, 1987: ARS-63, 372
[32] Hanson J D, Baker B B, Bourdon R M. Comparison of the
effects of different climate change scenarios on rangeland
livestock production[J]. Agricultural Systems, 1993, 41(4):
487–502
[33] Sibbald A R, Maxwell T J, Eadie J. A conceptual approach to
the modelling of herbage intake by hill sheep[J]. Agricultural
Systems, 1979, 4(2): 119–134
[34] Johnson I R, Parsons A J. A theoretical analysis of grass
growth under grazing[J]. Journal of Theoretical Biology, 1985,
112(2): 345–367
[35] Herrero M, Fawcett R H, Silveira V, et al. Modelling the
growth and utilisation of kikuyu grass (Pennisetum
clandestinum) under grazing. 1. Model definition and
parameterisation[J]. Agricultural Systems, 2000, 65(2): 73–97
[36] Smallegange I M, Brunsting A M H. Food supply and demand,
a simulation model of the functional response of grazing
ruminants[J]. Ecological Modelling, 2002, 149(1/2): 179–192
[37] Cros M J, Duru M, Garcia F, et al. A biophysical dairy farm
model to evaluate rotational grazing management strategies[J].
Agronomie, 2003, 23(2): 105–122
[38] Baumont R, Cohen-Salmon D, Prache S, et al. A mechanistic
model of intake and grazing behaviour in sheep integrating
sward architecture and animal decisions[J]. Animal Feed
Science and Technology, 2004, 112(1/4): 5–28
[39] Heard J W, Cohen D C, Doyle P T, et al. Diet Check — A
tactical decision support tool for feeding decisions with graz-
ing dairy cows[J]. Animal Feed Science and Technology, 2004,
112(1/4): 177–194
[40] 李博 , 史培军 , 林小泉 . 我国温带草地草畜平衡动态监测
系统的研究[J]. 草地学报, 1995, 3(2): 95–102
Li B, Shi P J, Lin X Q. A research on the dynamic monitoring
system for forage-livestock balance in the temperate grassland
of China[J]. Acta Agrestia Sinica, 1995, 3(2): 95–102
[41] 杨正礼, 杨改河. 中国高寒草地生产潜力与载畜量研究[J].
资源科学, 2000, 22(4): 72–77
Yang Z L, Yang G H. Potential productivity and livestock
carting capacity of high-frigid grassland in China[J]. Resources
Science, 2000, 22(4): 72–77
[42] 龙瑞军 , 董世魁 , 胡自治 . 西部草地退化的原因分析与生
态恢复措施探讨[J]. 草原与草坪, 2005(6): 3–7
Long R J, Dong S K, Hu Z Z. Grassland degradation and
ecological restoration in Western China[J]. Grassland and
Turf, 2005(6): 3–7
[43] 雷桂林, 侯扶江. 肃南山地放牧系统四季供需动态模型[J].
草业学报, 2006, 15(1): 102–106
Lei G L, Hou F J. Seasonal dynamic model of herbage supply
and livestock requirement in the alpine grazing ecosystem of
Sunan County[J]. Acta Prataculturae Sinica, 2006, 15(1):
102–106
[44] 钱栓, 毛留喜, 侯英雨, 等. 青藏高原载畜能力及草畜平衡
状况研究[J]. 自然资源学报, 2007, 22(3): 389–397
Qian S, Mao L X, Hou Y Y, et al. Livestock carrying capacity and
balance between carrying capacity of grassland with added forage
and actual livestock in the Qinghai-Tibet Plateau[J]. Journal of
Natural Resources, 2007, 22(3): 389–397
[45] 李刚, 王道龙, 辛晓平, 等. 锡林浩特市草地载畜量及草畜
平衡分析[J]. 草业科学, 2009, 26(1): 87–93
Li G, Wang D L, Xin X P, et al. Analyses on grassland carry-
1396 中国生态农业学报 2014 第 22卷


ing capacity and livestock-feeds balance in Xilinhot[J]. Acta
Prataculturae Sinica, 2009, 26(1): 87–93
[46] 亢艳莉 , 袁海燕 , 韩颖娟 . 玉米模型与管理系统的研究及
应用[J]. 宁夏农林科技, 2006(4): 50–51
Kang Y L, Yuan H Y, Han Y J. Study and application of maize
model and management system[J]. Ningxia Journal of Agriculture
and Forestry Science and Technology, 2006(4): 50–51
[47] Rinne M, Nousiainen J, Mattila I, et al. Digestibility estimates
based on a grass growth model are distributed via internet to
finnish farmers[C]//Sao Pedro. Proceedings of the 19th
International Grassland Congress. Brazil: Brazilian Society of
Animal Husbandry, 2001: 1072
[48] Parton W J, McKeown B, Kirchner V, et al. Century Users’
Manual[R]. Colorado: Natural Resource Ecology Laboratory,
Colorado State University, Fort Collins, CO. 1992
[49] Del Grosso S J, Parton W J, Mosier A R, et al. Simulated
interaction of carbon dynamics and nitrogen trace gas fluxes
using the DAYCENT model[M]//Schaffer M J, Ma L W,
Hansen S. Modeling Carbon and Nitrogen Dynamics for Soil
Management. Florida: CRC Press, 2001
[50] Del Grosso S J, Parton W J, Mosier A R, et al. Chapter 16 —
Simulated effects of land use, soil texture, and precipitation
on N gas emissions using DAYCENT[M]//Follett R F,
Hatfield J L. Nitrogen in the Environment: Sources, Problems,
and Management. The Netherlands: Elsevier Science
Publishers, 2001: 413–431
[51] Del Grosso S, Ojima D, Parton W, et al. Simulated effects of
dryland cropping intensification on soil organic matter and
greenhouse gas exchanges using the DAYCENT ecosystem
model[J]. Environmental Pollution, 2002, 116(1): S75–S83
[52] Del Grosso S J, Mosier A R, Parton W J, et al. DAYCENT
model analysis of past and contemporary soil N2O and net
greenhouse gas flux for major crops in the USA[J]. Soil &
Tillage Research, 2005, 83(1): 9–24
[53] Adiku S G K, Ahuja L R, Dunn G H, et al. Parameterization
of the GPFARM-Range Model for simulating rangeland
productivity[M]//Ahuja L R, Ma L. Methods of Introducing
System Models into Agricultural Research. Advances in
Agricultural Systems Modeling Series 2, 2011: 209–228
[54] Littleboy M, McKeon G M. Subroutine GRASP: Grass
production model. Documentation of the Marcoola version of
subroutine GRASP. Appendix 2 of “evaluating the risks of
pasture and land degradation in native pasture in Queens-
land”[R]. Queensland, Australia: Final Project Report for the
Rural Industries Research and Development Corporation
DAQ124A, Brisbane, 1997: 5–10
[55] Barrett P D, Laidlaw A S, Mayne C S. Development of a
European herbage growth model (The EU Grazemore
Project)[C]// Luzern. Land use systems in grassland dominated
regions. Proceedings of the 20th General Meeting of the European
Grassland Federation. Switzerland, 2004: 653–655
[56] Center for Natural Resources Information Technology. The
PHYGROW forage modeling system[EB/OL]. [2005-01-06].
http://cnrit.tamu.edu/pagesmith/18
[57] Parton W J, Schimel D S, Cole C V, et al. Analysis of factors
controlling soil organic mater levels in Great Plains Grassland[J].
Soil Science Society of America Journal, 1987, 51(5):
1173–1179
[58] Sikhalazo D. A model for adaptive livestock management on
semi-arid rangelands in Texaz[D]. TEXAS: Texas A&M
University, 2005: 14–24
[59] 王德利 , 巴雷 , 王亚秋 . 理论生态学研究进展与展望[C]//
生态学与全面 ·协调 ·可持续发展——中国生态学学会第七
届全国会员代表大会论文摘要荟萃 . 北京: 中国气象出版
社, 2004: 199–200
Wang D L, Ba L, Wang Y Q. Progress and prospects of theo-
retical ecology[C]//Ecology and Comprehensive, Coordinative
and Sustainable Development — Paper Abstracts of 7th
Conference of Ecological Society of China. Beijing: China
Meteorological Press, 2004: 199–200
[60] 陶伟国 , 徐斌 , 杨秀春 . 草原产草量遥感估算方法发展趋
势及影响因素[J]. 草业学报, 2007, 16(2): 1–8
Tao W G, Xu B, Yang X C. Advances and factors affecting the
estimation of grass production using remote sensing[J]. Acta
Prataculturae Sinica, 2007, 16(2): 1–8
[61] 黄敬峰 , 王秀珍 , 胡新博 . 新疆北部不同类型天然草地产
草量遥感监测模型[J]. 中国草地, 1999(1): 7–11
Huang J F, Wang X Z, Hu X B. Studies on grass yield
monitoring models for different natural grassland types using
remote sensing data in northern Xinjiang[J]. Grassland of
China, 1999(1): 7–11
[62] 刘占宇, 黄敬峰, 吴新宏, 等. 草地生物量的高光谱遥感估
算模型[J]. 农业工程学报, 2006, 22(2): 111–115
Liu Z Y, Huang J F, Wu X H, et al. Hyperspectral remote
sensing estimation models for the grassland biomass[J].
Transactions of the Chinese Society of Agricultural
Engineering, 2006, 22(2): 111–115
[63] 刘爱军 , 韩建国 . 天然草原生育期遥感估测方法研究 : 以
锡林郭勒盟草原为例[J]. 草业科学, 2007, 24(7): 1–5
Liu A J, Han J G. Remote sensing for monitoring the key
phonological stages of rangeland — A case study in
Xilingol[J]. Prataculturae Science, 2007, 24(7): 1–5
[64] 任继周. 草地农业生态系统通论[M]. 合肥: 安徽教育出版
社, 2004: 385
Ren J Z. The General Theory of Grassland Agroeco-
systems[M]. Hefei: Anhui Education Press, 2004: 385
[65] 李霞 . 北疆地区草地地上生物量遥感监测研究[D]. 兰州 :
兰州大学, 2008
Li X. Remotely sensed monitoring of grassland aboveground
biomass in northern Xinjiang[D]. Lanzhou: Lanzhou University,
2008
[66] 孙娟. 基于 GIS 的牧草适应性及其在退耕还草决策支持系
统中的应用研究[D]. 兰州: 甘肃农业大学, 2004
Sun J. GIS-based forage adaptability in decision support sys-
tem of returning cropland back to grassland[D]. Lanzhou:
Gansu Agricultural University, 2004.
[67] 刘宝康. 甘肃省紫花苜蓿病害诊断专家系统的设计与开发[D].
兰州: 兰州大学, 2007
Liu B K. The design and development of alfalfa disease
diagnosis expert system in Gansu Province[D]. Lanzhou:
Lanzhou University, 2007
[68] 柳小妮 . 甘肃省草地蝗虫预测预报专家系统的研究与开
发[D]. 兰州: 甘肃农业大学, 2004
Liu X N. Expert systems for predicting occurrence of grass-
hoppers in Gansu Province[D]. Lanzhou: Gansu Agricultural
University, 2004