VIP专享国外作物生长模型发展综述

由天下分享时间：2025/1/11 2:18:37 加入收藏我要投稿点赞

第28卷第2期　　　　　2002年3月　190～195页

作　物　学　报

ACTAAGRONOMICASINICA

.28,No.2Vol

～195　Mar.,2002pp.190

国外作物生长模型发展综述

谢　云1　JamesRKiniry2

(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;Temple,Texas)

美国农业部农业研究局草地、水土研究实验室,

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:Q141　　　文献标识码:A

AReviewontheDevelopmentofCropModelinganditsApplication

XIEYun　JamesRKiniry

(1DepartmentofResourceandEnvironmentalSciences,KeyLaboratoryofEnvironmentalChangeandNaturalDisaster,MinistryofEducationof

ChinaBeijingNormalUniversity,Beijing100875,China;

USDA2ARS,Grassland,Soil&WaterResearchLab,Temple,Texas76502,USA)

Abstract　Withthedevelopmentofsystemandcomputersciences,cropmodelingwasbornin1960′sand

developedfasterandfasterafterwards,coveringaseriesofstagesfrominfancytomaturity,fromempiricaldescriptiontoprocessanalysis,andfromtheoreticalresearchtopracticalapplication.Generally,thehistoryofcropmodelingcanbedividedinto3stages:(1)Widespreadmodeldevelopment(1960′s～70′s);(2)applicationofmodels(1980′s);(3)refinementofmodelswithimprovedvisionoftheirusefulness(1990′s).Nowsimulationmodelsarecommonlyacceptedasassessmenttoolsforevaluatinglanduseandmanagement,decision2makingforcropproduction,andassessingenvironmentalimpactsofagriculture.Keywords　Cropmodels;Physiologicalprocess;Cropmodeling;Modelapplications

　　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Seligman[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

[4]

各种生长过程进行综合的数值模拟。Montieth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。JamesR.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。

Receivedon(收稿日期):2001204205,Acceptedon(接受日期):2001207229

2期　　　　　　　　　　　　　　　　谢　云等:国外作物生长模型发展综述　　　　　　　　　　　　　　　　　　19　1

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Larson[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Seligman[3]、Bouman等[7]分别总结了各自国家模型研究的发展历史。Sinclair和Seligman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。Bouman等回顾了荷兰瓦赫宁根农业大学“deWit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。

研究开始的标志。Loomis和Williams[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。Stapleton[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SIMCOT),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。Duncan[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(SIMAIZ)。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,CO2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。Splinter

[17]

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Monsi和Saeki[8]研究提出,此后,deWit[9]和Duncan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

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

　　　　　　　　　　　　　　　　　　　　　作　　物　　学　　报　　　　　　　　　　　　　　　　　　　28卷192

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,Childs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deWit[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,deWit等[19]发表了第一个作物生长动力学模型ELCROS(ElementaryCropSimulator)。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CSMP语言编程(ContinuousSystemModelingProgram)。70年代后期,在ELCROS基础上,发展形成更为复杂的BACROS

[20]

(BasicCropgrowthSimulator)模型,模拟大田作

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CERES(Crop2EnvironmentResourceSynthesis)系列作物模型。首先发表的是CERES2玉米模型[22],从1980年开始研制,到1986年正式出版。此后,CERES2小麦[23]、CERES-高粱等模型相继问世。CERES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CERES模型。

除谷类作物外,其它作物如大豆、棉花、向日

[30]

葵等模型也相继发展起来。Wilkerson等建立了大豆模型(SOYGRO)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IBSNAT(InternationalBenchmark

[31]

SitesforAgrotechnologyTransfer,1986)项目,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。IBSNAT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。IBSNAT首先在不同地区验证了CERES2Maize,CERES2Wheat,和SOYGROV5.0,然后进行标准化处理。以后又推广到其它作

物的生长和蒸腾作用。vanKeulen[21]借鉴ELCROS

和BACROS模型的概念,研制了ARIDCROP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ARIDCROP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(Process2based)

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:

(DecisionDSSATSupportSystemfor

2期　　　　　　　　　　　　　　　　谢　云等:国外作物生长模型发展综述　　　　　　　　　　　　　　　　　　19　3

AgrotechnologyTransfer)。DSSAT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,DASSAT极大地促进了作物生长模型的应用。

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。

[38][39]

分别用Kiniry等、Kiniry和Bockholt

CERES2Maize和ALMANAC(AgriculturalLand

在此阶段,荷兰的“deWit学派”也提出了一系

列新模型。如SUCROS(SimpleandUniversalCrop

[32]

GrowthSimulator),是一个以日为步长的模型,基本框架源于过程模型BACROS。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SUCROS为基础,为了应用的需要,发展了WOFOST(WorldFoodStudies)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]。PenningdeVries等[34]研制了MACROS模块(ModulesofanAnnualCropSimulator),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

[35]

Stapper和Harris基于CERES模型原理,利用叙利亚试验数据和一些文献资料,研制了SIMTAG(SimulationofTriticumAestivumGenotypes)模型,并在叙利亚和澳大利亚进行了模型的验证。在加拿大,Place和Brown[36]研制了SIMCOY(SimulationofCornYield)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。Stewart和Dwyer[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。

ManagementAlternativeswithNumericalAssess2mentCriteria)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。Kiniry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CERES2Maize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GCMs(GeneralCirculationModels)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CO2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GCMs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CO2生理作用以及不同适应对策

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

　　　　　　　　　　　　　　　　　　　　　作　　物　　学　　报　　　　　　　　　　　　　　　　　　　28卷194

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ALMANAC模型[44～47],即是源于土壤侵蚀??生产力影响模型

[48,49]

。EPIC(Erosion??ProductivityImpactCalculator)与荷兰SUCROS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。EPIC模型最早用于80年代中期美国水土资源保护法RCA(SoilandWaterResourcesConservationAct),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RS(RemoteSensing)和地理信息系统GIS(GeographicalInformationSystem)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,Wiegand等和Arkin等就指出,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。

[51]

Maas利用植被指数NDVI(NormalizedDifferenceVegetationIndex)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。Lal等[52]将作物生长模型与GIS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GIS技术的结合,可以扩大作物模型的应用范围。因为GIS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

[51]

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]　EdwardsD,HamsonM.GuidetoMathematicalModeling.

.,1990.2BocaRaton,Florida,US:CRCPress,Inc[2]　CurryRB.

959

[3]　SinclairTR,SeligmanNG.Cropmodeling:frominfancyto～704maturity.AgronomyJournal,1996,88:698[4]　MontiethJL.Thequestforbalanceinmodeling.Agronomy

～697Journal,1996,88:695[5]　WalkerJN,SplinterWE.Introduction:Mathematical.TransactionsoftheASAE,1971,14(5):modelingofplants

945～949

[6]　ShafferMJ,LarsonWE.NTRM,Asoil2cropsimulation

modelfornitrogen,tillage,andcrop2residuemanagement.

US:USDA??ARS??Conservation1987.34～41

Research

Report,

.Dynamicsimulationofplantgrowth,I

.ASAETrans,1971,14(5):946～Developmentofamodel

[7]　BoumanBAM,vanKeulenH,vanLaarHH.Theschoolof

deWit′cropgrowthsimulationmodels:Apedigreeand

～198historicaloverview.AgriculturalSystem,1996,52:171[8]　MonsiM,

SaekiT.

Uberund

denLichtfaktor

Bedeutung

infur

dendie

Pflanzengesellschaften

seine

～52stoffproduktion.JpnJBot,1953,14:22

[9]　deWitCT.Photosynthesisofleafcanopies.Wageningen,

Netherlands:InstBiolChemResFieldCropsHerb.AgricRes

Rep,1965.663

[10]　DuncanWG,LoomisRS,WilliamsWA,etal.Amodelfor

.Hilgardia,simulatingphotosynthesisinplantcommunities1967,38:181～205

[11]　LoomisRS,WilliamsSWA.Maximumcropproductivity:

～72Anestimate.CropScience,1963,3:67

[12]　ChenLH,HuangGK,SplinterWE.Developingaphysical2

chemicalmodelforaplantgrowthsystem.ASAETrans,1969,12:698～702

[13]　CurryRB,ChenLH.Dynamicsimulationofplantgrowth,

.IncorporationofactualdailyweatherandpartitioningofnetII

～1175photosynthate.ASAETrans,1971,14:1170

[14]　StapletonHN,RPMeyers.Modelingsubsystemsforcotton2

thecottonplantsimulation.TransactionsoftheASAE,1971,14(5):950～953[15]　BakerDN,HeskethJD,DuncanWG.Simulationofgrowthandyieldincotton,1.Grossphotosynthesis,respiration,and

～435growth.CropSci,1972,12:431

[16]　DuncanWG,HeskethJD.Netphotosyntheticrates,relative

leafgrowthrates,andleafnumbersof22racesofmaizegrown.CropSci,1968,8:670～674ateighttemperatures

[17]　SplinterWE.Modelingofplantgrowthforyieldprediction.

～253AgriculturalMeteorology,1974,14:243

[18]　ChildsSW,GilleyJR,SplinterWE.Asimplifiedmodelof

2期　　　　　　　　　　　　　　　　谢　云等:国外作物生长模型发展综述　　　　　　　　　　　　　　　　　　19　5

.TransAmSocAgricEng,corngrowthundermoisturestress

1977,20:858～865

[19]　deWitCT.Dynamicconceptsinbiology.In:PredictionandManagementofPhotosyntheticProductivity.Proceedings

InternationalBiologicalProgram??PlantProductionTechnical

[34]　PenningdeVriesFWT,JansenDM,tenBergeHFMetal.

Simulationofecophysiologicalprocessesofgrowthinseveral..cropsSimulationMonographs

Netherlands:PUDOC,1989.271annual

Wageningen,

[35]　StapperM,HarrisHC.Assessingtheproductivityofwheat

genotypesinaMediterraneanclimate,usingacrop2simulation

.FieldCropsRes,1989,20:129～152model

[36]　PlaceRE,BrownDM.Modelingcornyieldsfromsoilmoistureestimates:description,sensitivityanalysisandvalidation.AgriculturalandForestMeteorology,1987,41:

31～56

[37]　StewartDW,DwyerIM.Amodelofspringwheatforlarge

.CanJPlantareayieldestimationsontheCanadianPrairies

～32Sci,1990,70:19

[38]　KiniryJR,WilliamsJR,VanderlipRL,etal.Evaluationof

.AgronJ,1997,twomaizemodelsfornineU.S.locations

89:421～426

[39]　KiniryJR,BockholtAJ.Maizeandsorghumsimulationin.AgronJ,1998,90:682～687diverseTexasenvironments

[40]　KiniryJR,LandivarJA,WittM,etal.Radiation2use

efficiencyresponsetovaporpressuredeficitformaizeand

～270sorghum.FieldCropsRes,1998,56:265

[41]　KiniryJR,DPKnievel.Responseofmaizeseednumberto

.AgronJ,1995,solarradiationinterceptedsoonafteranthesis

87:228～234

[42]　FlenteF,KiniryJR,BoardJE,etal.Rowspacingeffectsonlightextinctioncoefficientsofcorn,sorghum,soybean,and

～23Meeting.Wageningen,Netherlands:PUDOC,1970.17

[20]　PenningdeVriesFWT,vanLaarHH.Simulationofplant

growthandcropproduction.In:PenningdeVriesFWT,

.Si.Wageningen,vanLaarHHedsmulationMonographs

～136Netherlands:PUDOC,1982.114

[21]　vanKeulenH.Simulationofwateruseandherbagegrowthin

.In:PenningdeVriesFWT,vanLaarHHeds.aridregions

.Wageningen,Netherlands:PUDOC,SimulationMonographs1982.176

[22]　JonesCA,KiniryJR.CERES2Maize:Asimulationmodelof

maizegrowthanddevelopment.CollegeStation,US:TexasA&MUniv.Press,1986

[23]　RitchieJT,OtterS.DescriptionandperformanceofCERES2

.WillisWO.ARSWheat:auser2orientedwheatyieldmodel

wheatyieldproject.US:USDA2ARS,ARS238,1985.159

～175

[24]　CarberryPS,MuchowRC,McCownRL.Testingthe

CERES2Maizesimulationmodelinasemi2aridtropical

～302environment.FieldCropsRes,1989,20:297

[25]　HodgesT,BotherD,SakomotoC,HaugJH.Usingthe

CERES2MaizemodeltoestimateproductionfortheU.S.

～303Cornbelt.AgricandForestMeteorol,1987,40:293

[26]　LarrabeeJ,HodgesT.NOAA2AISCuser′sguidefor

implementingCERES2maizemodelforlargeareayield

estimation.AgrostarsSoftwareDocumentation,1985.20

[27]　WuY,SakamotoCM,BotherDM.OntheapplicationoftheCERES2MaizemodeltotheNorthChinaPlain.Agricand

～190sunflower.AgronJ,1996,88:185

[43]　CynthiaRosenzweig,AnaIglesias.Implicationsofclimate

changeforinternationalagriculture:cropmodelingstudy.US:

EnvironmentalProtectionAgencyofUnitedStates,1994

[44]　KiniryJR,BlanchetR,WilliamsJW,etal.Sunflower

.simulationusingtheEPICandALMANACmodels

～423CropsRes,1992,30:403

Field

～15ForestMeteorol,1989,49??9

[28]　PisaniALDu.TheCERES2Maizemodelasapotentialtool

fordroughtassessmentinSouthAfrica.WaterSouthAfrica,

1987,13??159～163

[29]　LiuWTH,BotherDM,SakamotoCM.Applicationof

CERES2MaizetoyieldpredictionofaBrazilianmaizehybrid.

～304AgricandForestMeteorol,1989,45??299

[30]　.ModelingWilkersonGG,JonesJW,BooteKJ,etal

soybeangrowthforcropmanagement.TransASAE,1983,

26:63～73

[31]　IBSNAT.DocumentationforIBSNATcropmodelinputandoutputfiles,Version1.1,fortheDecisionSupportSystemforAgrotechnologyTransfer(DSSATV2.1).Honolulu,US:5.Dep.ofAgronomyandSoilSci,

CollegeofTropicalAgricandHumanResources,UnivofHawaii,1990

[32]　vanKenlenH.Cropproductionundersemi2aridconditions,as

determinedbynitrogenandmoistureavailability.In:Penning

.Si.deVriesFWT,vanLaarHHedsmulationMonographs

～251Wageningen,Netherlands:PUDOC,1982.234

[33]　HijmansRJ,Guiking2LensIM,vanDiepenCA.WOFOST,

userguidefortheWOFOST6.0cropgrowthsimulation

.Wageningen,Netherlands:Technicaldocument12,model

DLOWinandStaringCentre,1994.145IBSNATTech.Rep.

[45]　KiniryJR,WilliamsJR,GassmanPW,etal.Ageneral,

.Transprocess2orientedmodelfortwocompetingplantspecies

～810ASAE,1992,35:801

[46]　KiniryJR,MajorDJ,IzaurraldeRC,etal.EPICmodel

parametersforcereal,oilseed,andforagecropsinthenorthern

～688GreatPlainsregion.CanJPlantSci,1995,75:679[47]　KiniryJR,SandersonMA,WilliamsJR,etal.Simulating.AgronJ,AlamoSwitchgrasswiththeALMANACmodel

1996,88:602～606[48]　.TheEPICcropWilliamsJR,JonesCA,KiniryJR,etal

.TransASAE,1989,32:497～511growthmodel[49]　WilliamsJR.Theerosion2productivityimpactcalculator

(EPIC)model:acasehistory.PhilTransRSecLondB,1990,329:421～428[50]　.UsingsoilerosionWilliamaJR,NearingM,NickA,etal

.JournalofSoilandWatermodelsforglobalchangestudies

～385Conservation,1996,381[51]　MaasJS.Useofremotely2sensedinformationinagricultural.EcologicalModeling,1988,41:241～268cropgrowthmodels[52]　LalH,HoogenboomG,CalilxteJP,etal.Usingcrop

simulationmodelsandGISforregionalproductivityanalysis,

～184TransactionsoftheASAE1993,36(1):17