应用生态学报杂志论文投稿须知？

应用生态学报杂志近十年出版发文量：

应用生态学报杂志投稿须知

 投稿方式  登录本刊网站(http://www.cjae.net)点击“作者投稿”进行网上投稿。在学研究生投稿前需经导师严格把关，并附导师确认函（模板在下载中心下载）。

收费  稿件不论录用与否，均需在稿件状态为“外审”时交纳论文审理费210元(银行转帐)。稿件录用后需根据版面数量交纳版面费，特别优秀的稿件和特约稿件可少收或免收版面费。汇款开户行：沈阳市工商银行沈河支行大南分理处，单位：中国科学院沈阳应用生态研究所，帐号：3301007309264002975，行号：102221000735。转帐时务必在附言一栏注明稿件编号，本刊收到汇款后即发送电子发票以供报销。

稿件处理  编辑部收到稿件后，即发出回函，告知作者稿件编号，作者可凭用户名和密码登陆网站稿件处理系统或微信查询稿件状态。稿件审理结果于2~3个月内通知作者。论文需修改时，作者须在收到退修通知1个月内将修改稿和修改说明返回。稿件接受后，一般可在4~5个月内刊出。稿件已被接受的作者需签署版权转让协议，并上传网站稿件处理系统。稿件一经刊用，酌付稿酬，并赠送2本当期样刊。

文责  为避免学术不端情况的发生及由此导致的严重后果，请提前对稿件自行查重，尤其注意自己不同文章间的重复情况，必要时请务必引用。来稿文责自负，勿一稿两投。作者来稿发表后，文章著作权归作者所有，其编辑版权（包括纸型出版权、复制、发行、翻译权以及光盘、网络等电子媒介的出版权等）属本刊所有。作者如不同意，应在投稿时声明，否则视为同意。为传播作者的学术思想和成果，本刊发表的文章均被认为已获得作者无稿酬提供情报检索期刊摘录转载的许可。

进入期刊首页

1.作物生长模型发展及应用中的问题探讨

作者：郭建平

作者单位：中国气象科学研究院

关键词：作物生长模型; 模型发展;模型应用;问题探讨

　　摘　 要　 智慧农业是未来农业发展的方向，作物生长模型作为作物生产精确管理与智能决策的数字化工具， 是智慧农业的核心技术之一，被称为智慧农业大脑。 本文首先介绍了近几十年来作物生长模型的发展历程， 包括萌芽阶段、起步阶段、快速研发阶段、深度发展阶段、完善和应用阶段，重点介绍了在世界上被广泛应用 的几个典型模型（Ｗａｇｅｎｉｎｇｅｎ 系列模型、ＤＳＳＡＴ 模型、ＡＰＳＩＭ 模型、ＳＴＩＣＳ 模型等）的特色和局限性。 当前的 作物生长模型在应用中仍存在许多不足，主要表现为： 作物生长模型的泛化能力弱、迁移性差，限制了模型 在区域上的应用能力；作物生长发育对环境要素响应的机理过程认识不足，定量表达模型还需不断完善；极 端气候事件、病虫害等不利因素影响的定量描述欠缺，影响模型的模拟精度；模型的复杂性和应用的便利性 存在矛盾，难以平衡；作物生长模型的应用与当前新技术的结合不够；作物生长模型中遗传参数的可解释性 不足影响模型预测能力等。 

　　作物的精确化、智慧化生产可有效保障国家粮 食安全、提升生产效率、降低环境影响，是解决未来 农业生产“谁来种地？”及“如何种地？”等难题的主 要路径之一。 作物生长模型用来动态反映作物生长 发育进程及与气候、土壤、生产管理等的关系，可有 效克服传统农业生产管理的时空局限性，为作物生 产精确管理与智能决策提供数字化工具，是智慧农 业的核心内容之一，也被称为智慧农业大脑。 作物 生长模型是根据作物生理学和生态学原理，在作物 科学研究中引入系统科学和计算机模拟技术，通过 农业科学试验得到试验数据，在此基础上进行理论 概括和数据抽象，建立农作物物候、光合生产、器官 建成和产量形成等生理过程的动态数学模型。 作物 生长模型的特点是机理解释性强、考虑影响作物生 长的因素全、应用面广、模拟过程易于控制，可以为智慧农业的优化决策提供数据支撑。 因此，作物生 长模型从概念提出以来得到了农学、农业生态学、农 业气象学等相关领域专家学者的高度重视，发展迅 速。 但由于作物本身的生理特性及对环境条件响应 的复杂性和不确定性，作物生长模型的模拟精度仍 不能很好地满足实际生产的需要，要构建一个完善 的作物生长模型并广泛应用于农业生产仍然有大量 的问题需要深入研究。

　　１　 作物生长模型的发展概述

　　虽然作物生长模型可以模拟作物生长、发育、产 量形成等关键过程，是研究农作物生长发育与环境 关系及辅助决策的有力工具，但构建一个作物生长 模型是一项十分复杂的系统工程，集成了植物生理 学、生态学、农学、气象学、土壤学、植物营养学、水环 境科学等众多学科的知识和研究成果［１－９］ ，是作物 生产和管理现代化、智慧化发展的基础。 关于作物 生长模型的发展，不同的学者划分为不同的阶段，大 部分学者认为，从 ２０ 世纪 ５０ 年代开始可以划分为 ４ 个阶段。 但这些划分方法通常忽略了前期关于作 物生长与环境条件相互关系的研究基础，而这些研 究基础正是作物生长模拟发展的萌芽状态，且在当 前大多数作物生长模型中得到了应用。 因此，作物 生长模型的研究可归纳为 ５ 个发展阶段［１０］ 。

　　１. １　 第一阶段———萌芽阶段（２０ 世纪 ５０ 年代前）

　　农业生产的发展与天气、气候的关系密不可分。 我国的农耕文明历史源远流长，战国时期《 逸周 书·时训解》中的二十四节气、七十二候，就是最早 结合天文、气象、物候知识指导农业生产的历法，实 际上就是作物生长发育与环境，特别是气候环境关 系的定性描述，也可以理解为是基于经验总结出的 有关作物生长模型的雏形［１０］ 。 １７３５ 年，法国科学 家 Ｒｅａｕｍｕｒ 研究发现，作物的生长发育不仅与环境 温度的高低有关，而且还要有足够的热量积累才能 完成各器官的生长发育，而汲取的热量是一个常数， 从而提出了“积温法”来定量描述作物有机体生长 发育与温度之间的关系。 直至今天，“积温法”虽经 不断改进，但仍是大多数作物生长模型计算生长进 度的核心技术之一，因此，“积温法” 可以理解为作 物生长模型的最原始形态。 除此之外，“积温法”还 在区域农业气候资源评价中得到广泛应用［１１－１２］ 。

　　１. ２　 第 二 阶 段———起 步 阶 段 （ ２０ 世 纪 ５０—６０ 年代）

　　随着研究的深入，农作物生长发育理论不断得 到完善，与此同时，随着系统科学理论与计算机模拟 技术的发展，作物生长模型的概念被提出并被广泛 接受，此后的研究逐步由经验转向机理，由理论转向 实用［１３］ 。 其中，日本学者 Ｍoｎｓｉ 等［１４］提出的植被冠 层截获理论为作物生长模型研究奠定了动力学基 础。 此后，荷兰瓦赫宁根大学的 ｄｅ Ｗｉｔ ［１５］ 进一步指 出，作物冠层的光合作用速率取决于叶片对光的反 射、透射和叶片功能及倾角，从而构建了植被冠层光 截获的几何模型与生理模型，并利用 ＦＯＲＴＲＡＮ 编 程语言实现计算机模拟，是国际上最早利用计算机 实现作物群体生产过程模拟的模型。 １９６９ 年，ｄｅ Ｗｉｔ 等［１６］对作物光合作用模型进一步完善，并首次 模拟作物的呼吸作用，考虑了作物生长发育过程中 的碳素平衡，由此建立了较为完善的作物生长模型 ＥＬＣＲＯＳ（ ｅｌｅｍｅｎｔａｒｙ ｃｒoｐ ｇｒoｗｔｈ ｓｉｍｕｌａｔoｒ），提出了 作物生长动力学说。 随着数据资源和计算机技术的 不断提高，环境多要素之间的相互作用逐渐得到重 视，模型的目的性及应用性得到增强，作物生长模型 的模拟能力不断提高，不仅可以模拟叶、茎、根等器 官的生长，还可以模拟作物干物质生产及其分配以 及呼吸损耗等，如 Ｃｕｒｒｙ ［１７－１８］ 研发的玉米模型、Ｈｅｓ⁃ ｋｅｔｈ 等［１９］研发的棉花产量形成模型 ＳＩＭＣＯＴ 等。

　　１. ３　 第三阶段———快速研发阶段（２０ 世纪 ７０—８０ 年代）

　　该阶段作物生长模型在广度和深度上得到迅速 发展，逐步从单一作物向多种作物，不同生长发育阶 段向整个生长期的生理发育过程的方向发展，研究 趋于多样化、系统化和机理化。 ２０ 世纪 ７０ 年代， ｄｅ Ｖｒｉｅｓ等［２０］ 在 ＥＬＣＲＯＳ 模型基础上，综合考虑了 作物的光合作用和蒸腾作用，研发了综合仿真模型 ＢＡＣＲＯＳ（ ｂａｓｉｃ ｃｒoｐ ｇｒoｗｔｈ ｓｉｍｕｌａｔoｒ）。 ２０ 世纪 ８０ 年代初期，美国密西根州立大学学者综合考虑到气 象条件、土壤理化性状、作物品种、施肥、灌溉等因 子，研制了不仅可以模拟作物生长发育过程，还可以 模拟土壤养分平衡（包括硝化和反硝化作用、淋溶、 吸收）和土壤水分平衡（土壤蒸散、径流）等物理化 学过程，适用于小麦、玉米、高粱、水稻等多种作物的 ＣＥＲＥＳ（ ｃｒoｐ⁃ｅｎｖｉｒoｎｍｅｎｔ ｒｅｓoｕｒｃｅ ｓｙｎｔｈｅｓｉｓ ｓｙｓｔｅｍ） 系列模型，该模型已成为目前世界上应用最广泛的 作物生长模型之一［２１－２４］ 。

　　该时期研发的作物生长模型的机理过程有显著 差异，大多数生长模型是由光合作用驱动，即作物生 物量的形成是通过作物的光合作用产生。 同时研发 了由水分因子驱动的作物生长模型，即通过建立作物产量与耗水量的函数关系，可模拟不同水分补给 条件下作物可达到的产量，如联合国粮农组织研发 的 ＡｑｕａＣｒoｐ 模型。 还有根据 ＣＯ２同化率建立的作 物生长模型，主要依据作物吸收的辐射和单叶的光 合作用⁃光响应曲线，根据 ＣＯ２同化率计算出作物干 物质的积累量，如在我国得到广泛应用的 ＷＯＦＯＳＴ 模型［２５－２９］ 。

　　２０ 世纪 ８０ 年代初期，在借鉴国际建模经验的 基础上，我国的作物生长模型研发也取得了显著进 展。 建模重点关注将作物生长、栽培管理与专家系 统有机结合，形成作物栽培优化决策系统并应用于 生产服务。 如江苏省农业科学研究院研制的适 用于苜蓿生产的 ＡＬＦＡＭＯＤ 模型，以及适用于水 稻生产管 理 的 水 稻 栽 培 计 算 机 优 化 决 策 系 统 ＲＣＳＯＤＳ ［３０－３１］等。

　　１. ４　 第四阶段———深度发展阶段（２０ 世纪 ８０ 年代 中期—９０ 年代）

　　２０ 世纪 ８０ 年代中期以后，研究重点不是发展 新的作物生长模型，而是向机理化深度发展，重点是 改进模型本身算法以适应多种情景的模拟，提高模 型的计算效率和可操作性，并注重多模型集成与多 元化应用。 ９０ 年代初期，ＷＯＦＯＳＴ 发展了具有清晰 的版本控制和文档、源代码库完全开放的仿真模型， 使用者仅需调整模型的外部参数值，即可使用一个 代码库实现多种作物的模拟［２５］ 。 与此同时，我国作 物生长模型的发展也十分迅速，代表性的模型有冯 利平等［３２］ 的小麦生育期模型，戚昌瀚等［３３－３４］ 研制 的水稻生长日历模型 ＲＩＣＡＭ，潘学标等［３５－３７］研制的 棉花生长发育模型 ＣＯＴＧＲＯＷ，曹卫星等［３，３８－３９］ 建 立的基于过程的小麦生长和籽粒品质模型。 虽然作 物生长模型构建了“土壤⁃作物⁃大气”系统的内在关 系，但仍然没有很好地解决作物栽培理论与现实农 业生产各环节之间的定量关系。 所以，从应用的角 度出发，作物生长模型开始与专家系统等知识功能 相结合，解决生长模型在推理决策上的不足，有效促 进了模型的推广和应用，如品种选择、产量目标与栽 培模式设计、 播期播量及密度确定等功能的实 现［４０－４４］ 。

　　１. ５　 第五阶段———完善和应用阶段（２０ 世纪 ９０ 年 代后）

　　该阶段，作物生长模型成功应用于作物育种、生 产措施（施肥、灌溉等）、产量差分析以及气候变化 等对农业生产的影响评估。 如小麦栽培优化决策系 统 ＷＣＳＯＤＳ ［４５］ 、小麦生长模型 ＷｈｅａｔＧｒoｗ ［３，４６－５１］ 、水 稻生长模型 ＲｉｃｅＧｒoｗ ［５２－５３］ 、玉米生长模型 ＣＥＲＥＳ⁃ Ｍａｉｚｅ ［５４］ 。 首先，通过模拟作物生长对 ＣＯ２ 、温度、降 水等环境要素变化的响应机制，开展气候变化的影 响评估［５５－５６］ ；其次，通过模拟产量与实际产量的比 较，分析水分、氮素、病虫害等环境因素对产量的影 响，开展产量差形成机制研究［５７］ ；再次，与 ＧＩＳ 空间 模型、经济模型等相结合，在区域尺度上分析气候变 化下粮食生产的未来趋势及提高途径，为保障粮食 安全与农业可持续发展提供技术支撑［２９］ 。 为了更 好地将作物生长模型应用到区域尺度上，ＷＯＦＯＳＴ 模型整合了不同位置作物模拟的所有组件，通过输 入网格化的环境要素数据计算输出网格化的模型结 果，最后通过地图或图表等实现模拟结果在区域上 的可视化展示［２５］ 。 与此类似，澳大利亚基于站点的 农业生产仿真器 ＡＰＳＩＭ 作物生长模型结合网格化 的 ＡＰｓｉｍＲｅｇｉoｎｓ 天气模型，实现了区域气候要素变 化、土壤理化性质和管理决策对作物产量的影响评 估［５８－５９］ 。 此外，还有研究干旱对农作物生产影响的 实时网格化作物生长模型 ＣｒoｐＲＴ，基于 ＧＩＳ 的环境 政策综合气候模型 ＧＥＰＩＣ，用于评估全球环境变化 的全球农业生态区模型 ＧＡＥＺ⁃ＩＭＡＧＥ，以及农业技 术并行决策支持系统 ｐＤＳＳＡＴ 等［６０－６６］ 。

　　２　 典型的作物生长模型

　　自 １９６５ 年 Ｄｅ Ｗｉｔ 提出光能截获与群体光合作 用模型以来，随着田间试验观测数据的丰富、计算机 技术的发展、农业应用的推广，作物生长模型在作物 产量估计和作物生长监测等方面变得更加精细，在 农业信息化研究和管理方面的重要性变得越来越突 出［６７］ 。 作物 生 长 模 型 已 经 涵 盖 了 作 物 遗 传 特 性［６８］ 、物候［６９］ 、蒸腾作用、呼吸作用、ＣＯ２ 同化［７０］ 、 土壤水分［７１］ 、养分、病虫害［７２］ 、农田管理等条件对 作物生长发育的影响［７３］ ，使得应用作物生长模型进 行产量估计的能力大幅提升。 当前世界范围内广泛 运用的模型主要有以世界粮食研究 ＷＯＦＯＳＴ（ｗoｒｌｄ ｆooｄ ｓｔｕｄｉｅｓ）为代表的著名的荷兰 Ｗａｇｅｎｉｎｇｅｎ 系列 模型［７４］ ，美国的农业技术推广决策支持系统 ＤＳＳＡＴ （ｄｅｃｉｓｉoｎ ｓｕｐｐoｒｔ ｓｙｓｔｅｍ ｆoｒ ａｇｒoｔｅｃｈｎoｌoｇｙ ｔｒａｎｓｆｅｒ） 模型［６６］ 、澳 大 利 亚 的 农 业 生 产 系 统 模 拟 ＡＰＳＩＭ （ａｇｒｉｃｕｌｔｕｒａｌ ｐｒoｄｕｃｔｉoｎ ｓｙｓｔｅｍｓ ｓｉｍｕｌａｔoｒ） 模型［７５］ 、 法国的标准作物多学科模拟器 ＳＴＩＣＳ （ ｓｉｍｕｌａｔｅｕｒ ｍｕｌｔｉｄｉｓｃｉｐｌｉｎａｉｒｅ ｐoｕｒｌｅｓ ｃｕｌｔｕｒｅｓ ｓｔａｎｄａｒｄ， oｒ ｍｕｌｔｉ⁃ ｄｉｓｃｉｐｌｉｎａｒｙ ｓｉｍｕｌａｔoｒ ｆoｒ ｓｔａｎｄａｒｄ ｃｒoｐｓ） 模型［７６］ 、中 国的作物栽培模拟优化决策系统 ＣＣＳＯＤＳ（ｃｒoｐ ｃｕｌ⁃ｔｉｖａｔｉoｎ ｓｉｍｕｌａｔｉoｎ， oｐｔｉｍｉｚａｔｉoｎ ｄｅｃｉｓｉoｎ ｍａｋｉｎｇ ｓｙｓ⁃ ｔｅｍ）模型等［７７］ 。

　　２. １　 Ｗａｇｅｎｉｎｇｅｎ 系列模型

　　Ｗａｇｅｎｉｎｇｅｎ 系列模型是一系列农作物生长模 型，始于 １９６５ 年，由 Ｄｅ Ｗｉｔ 等众多科学家共同开 发，其中 ＳＵＣＲＯＳ （ ｓｉｍｐｌｅ ａｎｄ ｕｎｉｖｅｒｓａｌ ｃｒoｐ ｇｒoｗｔｈ ｓｉｍｕｌａｔoｒ） ［７８］是影响最为深远和重要的模型，已广泛 用于作物潜在产量的模拟和气候变化影响评估， ＳＵＣＲＯＳ 模型的研发标志着农业科学领域对作物生 长模拟的重要突破。 该模型的基础是通过结合农 学、作物生理生态学和气象学等相关学科的知识，构 建了一个通用的作物生长模拟框架。 ＳＵＣＲＯＳ 模型 为后续一系列模型的发展奠定了基础，这些模型在 精确性和适用性上不断得到改进和扩展，为农作物 生长和产量预测提供了有力的工具。 主要有模拟一 年生大田作物产量形成的 ＷＯＦＯＳＴ（ｗoｒｌｄ ｆooｄ ｓｔｕ⁃ ｄｉｅｓ）模型［７９］ ，模拟作物光能截获和利用的 ＬＩＮＴＵＬ （ｌｉｇｈｔ ｉｎｔｅｒｃｅｐｔｉoｎ ａｎｄ ｕｔｉｌｉｚａｔｉoｎ ｓｉｍｕｌａｔoｒ） 模型［８０］ 、 模拟作物在饱和／ 非饱和带的水分、 溶质运移的 ＳＷＡＰ（ｓoｉｌ ｗａｔｅｒ ａｔｍoｓｐｈｅｒｅ ｐｌａｎｔ） 模型［８１］ 、专用于 水稻模拟的 ＯＲＹＺＡ２０００ 模型［８２］等。 Ｗａｇｅｎｉｎｇｅｎ 系 列模型以其在作物生长模拟中的精确性和对环境因 素的细致考虑著称。 模型通常包含详细的生理过程 描述，尤其是光合和呼吸作用等，模型侧重描述生理 过程的通用性，即同一个模型，换套参数即可模拟不 同的作物。 但对一些作物的特色生理过程，如水稻 移栽、大豆固氮等考虑不足，此外，对土壤水分、养分 等方面的表达相对较弱。

　　２. ２　 ＤＳＳＡＴ 模型

　　ＤＳＳＡＴ 模型最初由美国国际开发署（ＵＳＡＩＤ） 资助，并由夏威夷大学（Ｕｎｉｖｅｒｓｉｔｙ oｆ Ｈａｗａｉｉ）和波多 黎各大学（Ｕｎｉｖｅｒｓｉｔｙ oｆ Ｐｕｅｒｔo Ｒｉｃo）联合主持开发， 作为 ＩＢＳＮＡＴ（Ｉｎｔｅｒ⁃ｎａｔｉoｎａｌ Ｂｅｎｃｈｍａｒｋ ｓｉｔｅｓ Ｎｅｔｗoｒｋ ｆoｒ Ａｇｒoｔｅｃｈｎoｌoｇｙ Ｔｒａｎｓｆｅｒ）项目的一部分，该项目旨 在通过建立国际基准站网络，促进农艺技术的传递 和推广。 ＤＳＳＡＴ 模型是基于一系列天气、土壤、遗 传、作物管理和观测试验数据的实用程序和应用程 序的支持下发展起来的，主要用于处理和分析各种 与农作物相关的数据。 为了确保模型的可比性和一 致性，对各个模型进行了标准化处理。 随着时间的 推移，ＤＳＳＡＴ 逐渐发展成为一套综合的计算机系 统，其中包括了多个作物生长模型的示例数据 集［６６］ ，通过土壤、植物、大气动力学函数模拟作物生 长、发育和产量。 目前，ＤＳＳＡＴ 支持超过 ４２ 种作物 的动态生长模拟模型，涵盖了作物基因建模到农场 精确管理、气候和气候变化影响的区域评估、经济和 环境可持续性以及粮食和营养安全，并在世界范围 内得到了广泛的应用［８３］ 。 ＤＳＳＡＴ 的特色是一个集 成多种作物生长模型的系统，支持广泛的作物类型， 并且能够进行长期的气候变化影响评估。 它具有友 好的用户界面和丰富的文档支持，易于学习和使用。 但不足之处是 ＤＳＳＡＴ 虽然支持多种作物，但对于一 些特色经济作物的支持可能不足；同时，模型的运行 需要大量的历史气象数据和土壤信息作为支撑；模 型的校准和验证过程相对繁琐，要求使用者具备一 定的专业知识。

　　２. ３　 ＡＰＳＩＭ 模型

　　ＡＰＳＩＭ 是 １９９１ 年由澳大利亚农业生产系统研 究组（ＡＰＳＲＵ）和澳大利亚联邦科学工业组织（Ａｕｓ⁃ ｔｒａｌｉａｎ Ｃoｍｍoｎｗｅａｌｔｈ Ｏｒｇａｎｉｚａｔｉoｎ ｆoｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｉｎｄｕｓｔｒｙ，ＡＣＯＳＩ）及昆士兰政府等单位开发的模块 化建模框架，该框架的设计重点是围绕植物、土壤和 管理模块展开。 植物模块考虑了不同作物的生长和 发育过程，包括种子发芽、叶片生长、花期和果实发 育等；土壤模块考虑了土壤的物理、化学和生物特 性，如水分运动、养分循环和微生物活动；管理模块 涵盖了种植、灌溉、施肥和病虫害管理等农业管理实 践［７５］ 。 ＡＰＳＩＭ 由生物物理、管理、输入输出、模拟引 擎等工具模块组成，除了能解决长期资源管理问题， 还可以模拟预测与气候、作物基因型、土壤和管理等 因素相关的作物产量。 ＡＰＳＩＭ 的特色是以模拟农 业系统的动态变化见长，尤其擅长处理复杂的轮作 制度和水资源管理问题。 该模型强调生态系统服务 功能的模拟，适用于研究农业生产与环境的相互作 用。 不足之处是模型的高度定制化特性可能导致不 同版本之间存在差异；相对于其他模型，ＡＰＳＩＭ 的 学习曲线较为陡峭，要求用户具备一定的编程技能。

　　２. ４　 ＳＴＩＣＳ 模型

　　ＳＴＩＣＳ 模型于 １９９６ 年由法国国家农业研究所 研发， 是 一 种 土 壤⁃作 物⁃大 气 系 统 的 通 用 模 型， ＳＴＩＣＳ 模型综合考虑了土壤、作物生长和大气环境 之间的相互作用，综合了多学科的知识和方法，不仅 综合考虑了土壤物理化学性质和生物性质的变化， 作物的生长过程，氮、磷和水分的吸收与利用，还考 虑了大气环境因素，如温度、光照和降水等。 该模型 提供了一个灵活的框架，可根据具体的研究需求和 农业实践进行参数化和配置，能够模拟不同作物类 型在不同土壤类型和气候条件下的生长、发育和产量表现。 该模型主要适用于一年生、多年生草本和 木本植物［７６］ 。 ＳＴＩＣＳ 模型的优势是专注于作物生 长与土壤质量之间的关系，特别适合用于研究施肥 管理和土壤改良措施的效果。 它提供了灵活的模块 化结构，允许根据具体需求定制模拟试验。 但该模 型主要集中在法语国家使用，英文资料相对较少，限 制了其国际推广。 而且，正因为其灵活性高，这也意 味着配置和校准模型需要更多时间和专业知识。

　　２. ５　 中国作物生长模型的研发

　　中国关于作物生长模型的研究起步较晚，早期 著名的模型有 １９９２ 年由江苏省农业科学院高亮 之［８４］研发的水稻栽培计算机模拟优化决策系统 ＲＣＳＯＤ，该系统将水稻生长模型与水稻栽培的优化 模型结合，实现了对水稻栽培、生长的决策功能。 在 此基础上，其相继开发并集成了小麦、玉米、油菜、大 蒜等作物的栽培模拟优化决策系统 ＣＣＳＯＤＳ，该系 统对我国作物生长模型研发产生较大影响；随后，朱 艳等［８５］构建了小麦和水稻生长模型 ＣｒoｐＧｒoｗ；潘学 标等［８６］以太阳辐射、气温为驱动变量，建立了棉花 生长发育与形态发生及产量形成的动态模拟模型 ＣＧＳＭ，并在此基础上，进一步借鉴国外同类模型的 经验，通过长期田间试验研究，研发了融合棉花生长 发育与产量形成及常规栽培管理为一体的动态模拟 模型 ＣＯＴＧＲＯＷ ［３５］ ；马玉平等［８７］在总结国外模型建 立的基础上，通过模式机理过程改进或重构以及应 用方式革新，建立了中国农业气象模式 ＣＡＭＭ；冯利 平等［８８］通过构建小麦发育期模拟模型、光合生产模 拟模型、产量形成模拟模型、土壤水分平衡和氮素平 衡动态模型等，研究建立了我国华北冬小麦生产影 响评估模型 ＷＨＴＭＯＤ。 这些研究为我国作物生长 模型的发展和应用起到了积极的推动作用。 中国本 土模型大都是借鉴国外的先进经验，结合中国农业 生产的特点研发，因此，模型在中国的实用性较强且 易于被掌握和进行二次开发。 但由于开发时间短， 对作物生长过程，特别是作物机理过程的描述仍不 完善。 目前，各模型的应用大都局限于开发者本身， 模型的推广应用十分有限。

　　３　 作物生长模型的应用

　　作物生长模型综合气象、土壤、田间管理和作物 参数等数据，运用数学模型定量描述作物光合、呼 吸、蒸腾等作用以及干物质生成与分配等机理过 程［８９］ ，美国农业部（Ｕｎｉｔｅｄ Ｓｔａｔｅｓ Ｄｅｐａｒｔｍｅｎｔ oｆ Ａｇｒｉ⁃ ｃｕｌｔｕｒｅ，ＵＳＤＡ）认为作物生长模型是模拟作物生长 和发育的计算机程序。 作物生长模型发展至今，其 侧重点和应用随着社会需求改变而改变［９０］ ，在决策 支持［９１］ 和风险评估［９２］ 方面做出了巨大贡献，促进 了农业的可持续发展。

　　在 １９６０ 年代，ｄｅ Ｗｉｔ 在作物生长模型方面的开 创性工作对农业科学的发展具有里程碑式的意义， ＥＣＧＳ（Ｅｌｅｍｅｎｔａｒｙ Ｃｒoｐ Ｇｒoｗｔｈ Ｓｉｍｕｌａｔoｒ） 模型通过 描述作物冠层的光合速率可直接估算作物产量［１５］ 。 随后， 为 更 好 地 改 进 对 蒸 腾 作 用 的 模 拟， Ｇoｕｄ⁃ ｒｉａａｎ ［９３］在作物生长模型中引入了微气象学的内容。 １９８２ 年，由美国农业部赞助的 ＩＢＳＮＡＴ 针对热带和 亚热带环境开发模型项目，主要目标是了解各系统 及其组分的功能［６６］ 。 目前使用的 ＤＳＳＡＴ（Ｄｅｃｉｓｉoｎ Ｓｕｐｐoｒｔ Ｓｙｓｔｅｍｓ ｆoｒ Ａｇｒoｔｅｃｈｎoｌoｇｙ Ｔｒａｎｓｆｅｒ） 系统就 是由 ＩＢＳＮＡＴ 开发，该系统通过输入、存储和处理天 气、土壤和作物数据来运行作物生长模型并分析模 型的输出［６６］ ，ＤＳＳＡＴ 帮助决策者大大减少了田间试 验的时间和成本。 Ｈｕｍｅ 等［９４］ 进一步提出了动态 模拟模型，该类模型中作物的状态随时间变化且 是模型参 数 的 函 数。 随 后 出 现 了 水 稻 模 型， 如 ＲＩＣＡＭ ［９５］等。 另外，还针对棉花等作物开发了用于 模拟病虫害对作物影响的模型［９６］ 。

　　随着计算机技术的发展和对作物生理过程认识 的不断深入，作物生长模型逐渐走向模块化和通用 化，这使得作物生长模型向专家系统应用发展，不仅 有效地利用现有知识对农艺技术和种植系统进行推 广，还可缩短育种周期，提高育种效率，并进一步融 合农业生产中涉及的多门学科［９７］ 。 现在几乎每个 国家都已将作物生长模型用于管理决策。 Ｌｉｕ 等［９８］ 将 ＡｑｕａＣｒoｐ 模型与遗传算法结合用于制定中国东 北地区 玉 米 的 灌 溉 制 度。 Ｓｈｅｎ 等［９９］ 将 ＣＥＲＥＳ⁃ Ｍａｉｚｅ 模型用于中国陕西关中平原为夏玉米制定合 理的播种日期和灌水施肥计划。 Ｋｉｐｋｕｌｅｉ 等［１００］ 使 用 ＣＥＲＥＳ⁃Ｍａｉｚｅ 模型评估了肯尼亚 Ｔｒａｎｓ⁃Ｎｚoｉａ 县 玉米产量对农业管理策略的响应，并给出获得高产 的措施。 Ｋｈａｎ 等［１０１］ 将 ＣＥＲＥＳ⁃Ｗｈｅａｔ 模型应用于 巴基斯坦 Ｐｅｓｈａｗａｒ 地区并给出灌溉条件下适合小 麦的最佳施氮量。 Ｋo 等［１０２］ 将 ＥＰＩＣ 模型作为决策 支持工具，用于管理美国德克萨斯州的灌溉区棉花 和玉米。

　　随着 ＧＩＳ 的发展，作物生长模型在空间尺度的 模拟逐渐展开。 作物生长模型的空间应用面临最大 的问题是空间代表性参数难以获取。 解决该问题的 一种办法是改进点尺度作物生长模型，例如 ＬＩＮＴＵＬ模型不再模拟复杂的光合作用过程，而是采用冠层 辐射截获量和光能利用效率来计算光合产物的积 累［８０］ 。 另一种办法是保持原有点尺度模型不变， 结合ＧＩＳ 技术实现作物生长模型的升尺度应用。 例如，佛罗里达大学开发了 ＣＲＡＦＴ（ＣＣＡＦＳ ｒｅｇｉoｎａｌ ａｇｒｉｃｕｌｔｕｒａｌ ｆoｒｅｃａｓｔｉｎｇ ｔooｌｂoｘ ） 软 件［１０３］ ， 实 现 了 ＤＳＳＡＴ系统、ＡＰＳＩＭ 模型和 ＳＡＲＲＡ⁃Ｈ 模型输入和 输出的空间异质性划分，以提高这些模型在区域尺 度上的有效性。 Ｋｉｍ 等［１０４］实现了将 ＤＳＳＡＴ 系统转 变为可用的基于网络的决策支持工具，以在 ＧＩＳ 技 术辅助下进行近实时模拟。 蒙继华等［１０５］ 系统总结 了当前典型模型的应用场景，包括不同模型的应用、 模块设置、时空尺度及可模拟作物类型等。

　　４　 问题探讨与未来展望

　　虽然作物生长模型经过几十年的发展取得了显 著的进展，且在众多领域得到了广泛应用，但由于农 作物生产过程与环境要素之间关系的复杂性和不确 定性，模型的理论基础和实际应用还需要深入发展 和创新。 主要存在的问题：一是作物生长模型的参 数多，且大量的参数难以直接获取，估算难度大，且 存在精度和优化不足等问题；二是作物生长发育受 气候变化影响显著，模型结构和输入的不确定性较 大，导致模型模拟精度低，对产量预测存在较大偏 差。 未来，需要在以下几方面进行深入研究。

　　１） 提高模型的泛化能力。 作物生长模型的泛 化能力弱，迁移性差，限制了模型在区域上的应用能 力。 众所周知，作物生长模型的建立都是基于站点 尺度进行的，从应用来看，基本也都是在站点尺度 上，仅适用于当前作物品种和种植制度下，很难在区 域尺度上进行推广应用。 因此，如果要在其他地方 应用，必须首先对模型的参数进行重新率定［１０６］ 。 目前，虽有模型在区域尺度上的应用个例，但大部分 是利用其他手段，或首先获取区域上不同地区（站 点）的相关参数，然后通过模型的循环计算得到区 域模拟结果。 因此，要提高模型的区域应用能力，必 须首先解决模型的泛化问题，研发模型快速获取参 数的技术方法。

　　２） 提高作物生长发育对环境要素响应的机理 过程认识，完善定量表达模型。 准确模拟作物的生 理和生长过程是初期研制机理性模型的主要目的， 旨在从系统角度研究、探索复杂的作物生态系统，即 作物生长模型本身应该表达的是作物生长发育对环 境要素响应的机理过程。 但事实上，当前几乎所有 作物生长模型都没有完全解决这一关键核心问题。 一方面，作物的遗传特性十分复杂，不仅不同的作物 差异显著，同一作物的不同品种也有显著差异，而正 是这种差异导致了作物生长的机理过程难以用一个 数学模型定量表达出来；其次，影响作物生长的环境 要素众多，不同要素对作物的影响规律差异显著，且 不同要素之间还存在相互影响，因此，很难用数学模 型来准确定量表述作物生长发育与环境要素的响应 关系。 目前，作物生长发育与环境要素的响应关系 大都是在有限试验的基础上获得的，尚不能真正反 映这种响应的内在机理过程，要么使模型十分复杂， 要么使模型的模拟能力下降，准确性降低。 因此，如 果要进一步完善这种响应过程，提高模型的内在机 理性，还需要做大量的基础工作。

　　３） 提高作物生长模型对极端气候事件和病虫 害等的模拟能力。 极端气候事件、病虫害等不利因 素对作物影响的定量描述欠缺，是影响模型模拟精 度的重要因素。 虽然有关农作物生长过程中的主要 气象灾害（如干旱、高温、霜冻等） 对作物的影响机 理已经进行了相关研究，但作物生长模型中包含相 应机理模块的仍极少，主要还是以统计模块为主，仅 少数模型包含高温或干旱影响作物生殖生长的模块 （如设置温度胁迫阈值、热胁迫对授粉影响、霜冻胁 迫影响幼苗密度、叶片衰老和果实数量等） ［１０５］ 。 而 大雨、冰雹、风暴和洪水等对作物的影响基本没有开 展模拟，更没有病虫害影响模块。 随着气候变化的 不断加剧，极端气候事件，如干旱、高温、霜冻、极端 降水以及农业病虫害等的发生频率和强度不断增 加，但目前还不能在机理上解释极端气候事件或病 虫害对农业生产的影响，还难以用数学模型定量完 整地表达这种影响并嵌入作物生长模型中。 因此， 为提高作物生长模型对极端气候事件和病虫害的模 拟能力，还需要加强气象灾害对作物影响的试验研 究，针对不同模型不同作物改进并完善相应的经验 模型或统计模型。

　　４） 平衡模型的复杂性和应用的便利性。 建立 作物生长模型的出发点就是要在理解作物生长发育 对环境响应的机理过程中，利用数学模型来表达并 实现计算机软件化，而作物对环境的响应本身十分 复杂，因此，为了客观、准确地描述这种响应过程，提 高模型模拟的可靠性和模拟精度，必然使模型的数 学计算十分繁杂，不仅是计算过程复杂，所需要解决 的参数更是十分多样，不仅有反映作物本身的生物 学参数，同时还要输入大量的环境参数，如气象、土壤、农业管理信息等。 但在实际应用中这些参数往 往难以正确、及时获取，严重影响了模型的业务应 用，需要一个结构简单、过程清晰、数据获取容易的 实用模型。 因此，如何通过试验研究，进一步明确作 物生长对环境的响应机理，改进和完善现有的计算 方法，在模型复杂度和精度的取舍中找到平衡点是 未来需要加强的工作。 在解决该问题的基础上，才 能更好地发挥作物生长模型在实际应用中的作用， 真正为智慧农业生产管理和决策服务提供技术 支撑。

　　５） 加强作物生长模型的应用与当前新技术的 结合。 作物生长模型的功能仅可模拟作物的生长发 育过程以及生物量和产量等基本信息，尚不具备农 业生产管理和决策服务功能，但作物生长模型研发 的目的却是为农业生产的可持续和智慧农业发展提 供决策支持，因此，为更好地发挥作物生长模型的应 用价值，必须与当前的新技术结合，才能更好地服务 于农业生产实际，发挥作物生长模型的潜在价值。 ①专家系统。 专家系统是利用人类已有的成熟知识 进行推理，从而解决某一特定领域内复杂或未知问 题的软件系统，专家系统中的知识表达体系是通过 系统建模的方法来建立的，即知识模型是专家系统 的核心模型。 因此，作物生长模型与专家系统的结 合，不仅可以发挥作物生长模型的预测功能，而且可 以发挥专家系统的决策功能，从而达到生产管理的 知识化、规范化和定量化。 ②ＧＩＳ、ＲＳ、ＧＰＳ（３Ｓ） 技 术。 ３Ｓ 技术的发展为自然科学技术的应用起到了 显著的促进作用，３Ｓ 技术不仅具有自动、实时采集 数据的功能，而且能实时处理和更新数据，并对数据 进行分析，为各种应用提供科学的决策咨询。 因此， 作物生长模型与 ３Ｓ 技术的结合可以为智慧农业的 管理提供决策依据［１０７－１０８］ 。 ③可视化技术。 随着现 代计算机模拟技术的发展，运用计算机图形图像处 理技术可以十分简便地将复杂的科学现象和自然景 观图形化。 因此，在作物生长模型基础上，进一步构 建基于过程的作物形态结构模型，继而与计算机可 视化技术相结合，就可以构建一个集作物生长和产 量预测、可直观显示植物生长动态、群体景观等的计 算机可视化系统［１０７］ 。 ④数字孪生技术。 数字孪生 技术是一种采用数字化方式来创建物理实体的虚拟 技术。 该技术利用作物生长模型、历史和实时数据、 人工智能等技术，通过虚拟与现实的交互反馈、数据 融合、决策迭代等手段，模拟农作物在现实环境中的 行为，通过对真实农场和虚拟农场的对比分析，为农 业研究与生产决策提供实时、高效、智能服务。 ⑤机 器学习技术。 近年来，机器学习技术发展迅猛，在不 同领域均得到了广泛应用。 该技术主要是采用人工 智能手段，通过对历史经验的不断学习来改善和完 善模型算法，从而提高模型的性能。 因此，作物生长 模型与机器学习技术的结合，可以改进作物生长模 型算法，提高作物参数的获取能力，以减小模型模拟 结果的不确定性，提高模拟精度。

　　６） 加强作物基因效应研究，改善作物生长模型 中遗传参数的可解释性。 目前作物生长模型中的作 物遗传参数大部分通过田间试验和计算机模拟获 取，参数的生理可解释性仍显不足。 随着基因测序 技术的不断发展和完善，作物的基因信息可以准确 地获取，从而使构建作物的基因效应与品种遗传参 数之间的量化关系成为可能，进而能有效解决作物 品种遗传参数解释性不足的难题［１０９］ 。 因此，未来 应加强作物功能基因生理生态效应和遗传规律的研 究，通过研究功能基因对作物表型性状的调控效应， 探索作物功能基因与环境要素的互作效应与量化方 法，阐明不同基因型品种对栽培管理措施的响应机 制，发展作物品种遗传参数估算新方法，进一步提升 作物生长模型的预测能力。

　　５　 结　 　 语

　　作物生长模型从概念的提出到投入应用，虽然 已经历了几十年的发展，但在农业生态系统研究领 域仍然是一个年轻的方向。 农业生态系统是一个十 分复杂的人工生态系统，除了作物与环境的响应关 系复杂外，还受到人为不确定性因素的多重影响。 因此，要正确、客观、定量描述作物生长发育与环境 要素的关系仍然十分困难，还需要投入大量的人力、 物力进行深入研究。 作物生长模型的深度应用除了 要进一步提高模型自身的模拟精度外，还必须加强 与当前高新技术的融合，不断减小模型的不确定性， 且从站点尺度拓展到区域尺度，提升作物生长模型 在农业可持续发展和智慧农业决策管理中的应用和 服务能力。 尽管目前的作物生长模型还存在不足， 但必将成为未来智慧农业的有效和核心工具之一， 为保障我国农业生产的可持续发展提供决策支持。