大家好，欢迎来到IT知识分享网。

作物生长模型不仅能够进行单点尺度上作物生长发育的动态模拟，而且能够从系统角度评价作物生长状态与环境要素的关系。本文通过梳理当前作物生长模型应用的诸多研究成果，剖析模型在气候变化对农业生产影响研究、作物生长模型区域应用中的关键问题，总结了当前以作物生长模型为核心的农业决策支持系统开发的研究情况，意在促进作物生长模型在生态、农业、区域气候资源和气候变化等研究中更广泛地应用。 结果表明，作物生长模型在国内外的研究与应用广泛而深入，在气候变化背景下，应用作物生长模型进行历史时期气候条件和农业气象灾害对作物生产状况和产量的影响研究已相当广泛且相对成熟。利用全球气候模式（GCM）或区域气候模式（RCM）构建未来气候变化情景，再与作物生长模型耦合已发展成为评估未来 气候变化对农业生产影响的重要手段。通过集成与整合多作物生长模型、多气候模式集合模拟、优化气候模 拟数据订正方法可有效降低气候变化对农业生产影响评估的不确定性。遥感数据同化技术能够将站点模型运用到区域尺度上评价不同环境因子对农业生产的影响，拓宽了作物生长模型的应用尺度范围并有效提高作物产量估算的精度。以作物生长模型为核心的农业决策支持系统的研究与应用越来越多元化，是辅助农业生产 管理和决策的重要工具。然而，由于作物生态系统的复杂性，作物生长模型模拟结果仍存在很大的不确定性，今后对作物生长机理及过程间耦合机制的探索还需加强，以便进一步完善和改进模型，促进作物生长模型更广泛地应用。

作物生长模型是从系统科学的角度，基于作物生理过程机制，将气候、土壤、作物品种和管理措 施等对作物生长的影响因素作为一个整体系统的数值模拟系统。能够以特定时间步长对作物在单点尺 度上生长发育的生物学参数以及作物产量进行动态模拟，定量化研究环境因子以及田间管理措施对作物生长发育的影响。因其具有通用性，不受地区、 时间、品种和栽培技术差异的限制，近年来，作物生长模型在诸多领域如区域化模拟、农业预测与风险分析、气候变化影响评估、宏观农业决策制定、 优化栽培措施等得以应用，成为农业生产定量评价的重要手段之一。

在气候变化背景下，农业是受气候变化影响最直接的脆弱行业。全球气候变化带来的温度升高、大气 CO2浓度增加等现象对作物产量的影响需要在 时间尺度上进行评价，同时，田间试验、统计分析等研究方法在进行多种作物品种的长期试验中不 有可行性，尤其是在模拟气象灾害的影响以及温度、降水、大气 CO2 浓度增加和辐射等环境条件发生变化的情况下，而这正是作物生长模型的优势所 在。因此，利用作物生长模型进行数值模拟和预测研究是目前定量化研究气候变化对农业生产影响的 主要手段。由于目前绝大多数作物生长模型是基于 田间尺度的土壤-作物-大气系统的一维模型，如何将这些单点尺度模型扩展到区域，并在此基础上评价 环境因素对农业生产和农业生态的影响是目前亟待解决的重点问题。本文概述了作物生长模型的发展历程，对 WOFOST、DSSAT-CERES、APSIM、 AquaCrop、ORYZA 等几种常见典型作物生长模型进 行比较，并着重分析了模型应用的现状及针对的问题。具体对以下问题进行了探讨：（1）典型作物生 长模型的基本原理、特点以及模型发展近况；（2） 在气候变化背景下，作物生长模型的应用，耦合作 物生长模型与气候模式亟需解决的问题；（3）作物 生长模型与遥感数据的同化系统的构建及应用；（4） 作物生长模型的农业决策功能。在总结和讨论上述 问题的基础上，提出了更好地发挥作物生长模型应用功效的建议。

1 主要作物生长模型简介

1.1 作物生长模型的发展

1.1.1 模型研制阶段

叶冠层光合作用理论是作物生长动力学模型建立的基础，第一个详尽的植被光层截获光理论由日本学者 Monsi 研究提出。此后，1965 年 de Wit 发表的“叶片冠层光合作用”经典性论文为作物生长模型的发展奠定了基础。荷兰最早开始作物生长模型 的开发研究，de Wit 于 1970 年发表了第一个作物生 长动力学模型 ELCROS（Elementary Crop Simulator）， 该模型比较详细地描述了冠层光合作用、器官生长、 呼吸作用等机理过程。1982 年，在 ELCROS 基础上发展形成了更为复杂的BACROS（Basic Crop Growth Simulator）模型。Keulen 借鉴这两个模型的概念发表了可以模拟水分胁迫条件下植物生长的 ARID CROP 模型。美国作物机理性模型研究起步略晚，但是发展迅速。玉米模型 SIMAIZ、Chen 和 Curry 研制 的玉米模型等刻画了作物自身生理过程，如植物发育，不同冠层的光合作用，叶、茎、根的光合作用， 呼吸损耗，干物质积累，净光合产物的分配等过程， 这些过程在当前许多作物生长模型中均有体现。 Childs 等建立的模型考虑了外界环境因子的胁迫作用，该模型与之后发展起来的作物生长模型已十分接近。

1.1.2 单一模型应用研究阶段

作物生长模型发展的中期阶段（20 世纪 80 年 代），侧重于实际应用，一些集生长机制和经验过程 于一体的基于作物生理过程的模型发展起来。国外 具有代表性的作物生长模型有：美国农业部为便于 模型的普及应用而将 CERES 和 GRO 模型集成的 DSSAT 作物决策支持系统；SARP（Simulation and System Analysis for Rice Production）计划开发的针对 应用的 ORYZA 水稻模型；荷兰的“de Wit 学派”在 SUCROS 模型基础上发展的 WOFOST 模型；以及澳大利亚农业生产系统研究组通过集成不同作物生长 模型建成的作物生产潜力模型—APSIM。中国对作物生长模型的研究起步较晚，最早的研究始于 1982 年，在高亮之和金之庆先生带领和指导下，形成了 将作物生长模型、栽培优化模型与专家知识相结合的作物栽培模拟优化决策系统 CCSODS（Crop Computer Simulation，Optimization，Decision-making System）模型系列，集成了水稻、小麦、玉米、棉花、 大豆和油菜栽培模拟优化决策系统。1996 年，潘学 标等参考荷兰棉花模型开发了 COTGROW 模型。冯 利平等开发的小麦生长发育模拟模型（WheatSM） 吸收了水稻“钟模型”RCSODS 和 CERES-Wheat 模型的思想方法，该模型从小麦发育特性出发，适于大面积模拟应用。

1.1.3 综合模型应用研究阶段

20 世纪 90 年代以后，随着社会需求的增多， 模型的发展方向也趋于多元化，更侧重于对现有模 型的完善，主要针对模型的普适性、准确性和易操性等方面进行优化。此外，还将作物生长模型与 其它学科模型进行嵌套，从而扩展其应用范围。如 将作物生长模型与大气环流模式 GCMs（General Circulation Models）结合，评价气候变化对全球范围作物生产的影响；将作物生长模型与土壤侵蚀预报模型嵌套，建立侵蚀-生产力影响评估模型（Erosion-productivity Impact Calculator，EPIC），应 用于水土资源管理和生产力评价。随着 EPIC 模型不断升级，应用范围从单点扩展至区域尺度，已在全球多个地区得以应用，为农业生产管理提供决策 依据。借助遥感观测参数调整模型参数，可有效提高作物生长模型模拟的精度，此外，将作物生长模型与地理信息系统 GIS 技术结合可以扩大作物生长 模型的应用范围。中国国家气候中心于 2013 年嵌入了WOFOST、ORYZA2000、WheatSM、ChinaAgroy 四个模型，构建了基于作物生长模型的中国作物生 长模型监测系统 CGMS-China （ Crop Growth Simulating and Monitoring System in China），该系统通过同化遥感信息，可应用于作物长势监测与 评估、作物产量预报、农业气象灾害影响评估等农业气象业务。

各类机理模型涉及作物种类繁多，应用也十分 广泛。作物生长模型从机理性模型的研制开始，逐 步发展到综合模型的应用，既体现了模型的发展过程也指明了未来的发展方向，作物生长模型能够在 生态、农业和粮食安全等领域发挥重要作用。为了解决更复杂的问题，包括可持续生产、气候和土壤的变异性以及管理措施的多元化等问题，许多作物 生长模型在过去几十年中不断发展，模型的灵活性 提高，可以支持不同作物、种植系统和生产情况的模拟。DSSAT v4.7 现可支持超过 42 种作物的模拟， 管理模块的管理文件提供不同作物轮作和管理策略。APSIM 模型不仅是农田种植系统模型，还可以模拟一系列牧场和牧草的生长，支持农林复合生态系统以及畜牧系统的模拟。模型的模块化结构允许具有相同功能的组件被连接，DSSAT 中的种植系统模型（Cropping System Model，CSM）包含两种用于模拟土壤有机质积累和分解的模型，用户可以选择 不同的模块进行评估和比较。此外，WOFOST 模型的最初实现是在 FORTRAN 中开发的，而今 WOFOST 研究组在 Python Crop Simulation Environment （PCSE）框架内开发了 PCSE/WOFOST 版本，通过 配置丰富的第三方库，大大加强了模型应用的灵活性。模型的不断改进和优化促进了作物生长模型在 精准农业和智能农业中的新应用，以 APSIM 模型为例，现已广泛应用于各领域，包括支持农场管理决策、农业生产系统设计、评估季节性气候预报的价值及为政府决策进行风险评估等。所有这些模型都更加标准化以降低跨地域、跨作物和跨目的的应用障碍。例如，Kersebaum 等提供了一个数据集定量 分类软件用于作物模型校准和验证的数据集分析和 分类，以提高数据在模型评价、统计分析和数据同 化方面的实用性。Porter 等通过建立跨模型的数据 交换机制 AgMIP 以实现互操作性，该数据交换机制的变量按照国际标准定义，采用灵活高效的结构化 数据模式来储存实验数据，并提供特定的方法填补 缺失或不足的数据，以便不同数据源或数据形式在同一数据集上并行运行。

1.2 几种典型作物生长模型的比较与评价

在作物生长模型的发展过程中，典型的模型有 WOFOST、EPIC、DSSAT-CERES、AquaCrop、APSIM、 RCSODS、ORYZA 和 WheatSM 等。这些模型以作物生长发育过程为主要内容，注重作物生理生态等功能的表达，不仅考虑气温、降水、太阳辐射、 CO2 浓度等气象因子对产量形成的影响，还考虑了光 截获和利用、物候发育、干物质分配等诸多过程及 过程间的复杂相互作用。但是，由于目前对作物生态系统过程机理的认识尚不全面，只能用定量化的方法进行近似的模拟处理，而且作物生长各过程间 耦合机制相当复杂，准确认知和正确表达仍然难以达到，因此，作物生长模型模拟结果的准确性有待进一步提高。

表 1 为目前基于过程表达的几种典型作物生长 模型，分为单作物专用模型和多作物通用模型。通 用模型多适用于禾谷类作物，共同模拟的生长过程 包括冠层的光截获与利用、物候发育、干物质分配、 蒸腾、水分平衡和养分平衡，通过调整水分或某种 营养成分的输入量可以进行水分和养分胁迫条件下作物生长过程的模拟。除此之外，各模型模拟的核 心突出点又有所不同，有些模型含有独特的模拟过 程。如 APSIM 模型的核心是土壤，嵌有土壤侵蚀和 碳素平衡、土壤温度、土壤水分平衡、溶质运移、 残茬分解等过程的相应模块；CERES 系列模型以光 能为主要驱动，集成了天气、土壤等模拟模块； AquaCrop 模型是典型的水分驱动模型，可通过计算 作物水分利用效率评估作物产量对水分的响应； EPIC 模型中包含有侵蚀模块、经济模块等，支持 在土壤风蚀和水蚀以及土地资源管理等研究中的 应用[10]；WOFOST 模型是通过 CO2 同化和光截获过 程驱动作物生长的模型，其最大的特点是普适性， 根据气候和土壤条件即可模拟作物根、茎、叶和穗 生物量以及土壤水分，只需通过调整作物参数，即 可适用于不同的作物。通过增加新模块，WOFOST 还可以模拟营养物限制、极端事件和气候变化的影响[4]。图 1 展示了 WOFOST 模型中各子模块之间的 联系以及模拟过程。

单作物专用模型主要针对水稻和小麦研制的。 ORYZA 是最常用的、适用于不同情景分析的综合水 稻模拟模型，其具有较强的机理性和普适性。ORYZA 不仅可在水分限制、植株氮素限制及水氮联合限制条 件下模拟水稻生长和发育情况，还支持模拟 CO2浓度 变化对水稻生长的影响。RCSODS 是国内第一个较完整的水稻栽培模拟优化决策系统，将作物模拟与栽培 优化原理结合进行栽培决策服务。WheatSM 小麦模型是针对中国地区不同冬小麦品种类型（冬性、半冬性和春性）而研发的适用于中国大面积范围应用的作物 模型，在华北冬小麦区有较高的适用性。

模型评价一直以来都是作物生长模型发展的一个重要方面，是提高模型模拟精确度的关键环节， 也是模型进入应用阶段的基础。理论上讲，模型模 拟效果的好坏反映了系统模型对作物生长的环境、 过程及过程间的相互作用的定量描述是否合理，能 否较准确地刻画系统的行为特征，其评价指标需要 与田间试验数据结合进行，应用较多的统计指标有 均方根误差（RMSE）、均一化均方根误差（nRMSE）、 模型性能指数（EF）、模拟值与测量值之间的一致 性指数（d）等。具体实践过程中，要评价模型在当 地是否适用，要与当地作物品种、自然环境条件、 人为管理方式相结合，并通过多组田间观测数据对模型中的参数进行调试、更新和验证。根据大量的 文献，近年来 CERES-Maize 模型在中国“本地化” 的结果如表 2 所示[11−19]，可以看出，针对不同区 域、不同品种，各品种遗传参数的数值是明显不同 的。这些参数可作为相近品种在具有相似地形、气 候特征区域的初始值，具体使用时需要针对研究区 域的气候特征、土壤特征、管理措施和作物品种进行调试和验证，得到适宜的模型参数。完成对模 型的“本地化”后，方能进行模型的应用。模型的 评价与检验既为模型应用奠定基础，又通过不断提 出新问题促进模型的发展。

2 主要阶段作物生长模型应用及针对的问题

2.1 气候变化对农业影响的模拟过程

2.1.1 作物生长模型与气候模式耦合中的尺度问题

自 1990 年 IPCC 第一次气候变化科学评估报告问世以来，基于作物生长模型研究气候变化对作 物产量形成、生长发育的影响评估以及作物区域气候适应性等课题得到了广泛开展。明确历史气候 变化对农作物的影响以及品种更替以适应气候变化机制，可为未来气候变化情景下实现作物高产稳 产提供理论依据。国内研究人员针对历史时期气候 变化对不同地区农作物生长发育以及产量影响的 研究已相当广泛。而研究未来气候变化情景下作物产量是评价未来气候变化对农业影响的重要内容，由此可了解土壤生产潜力和粮食安全保障 能力。

早在 20 世纪 90 年代，研究人员开始将作物生长模型和大气环流模型（GCMs）结合进行气候变化 对全球作物的生产影响评估，实现气候变化影响的区域尺度模拟。由于气候模式输出与模型输入之间 存在尺度差异，GCMs 输出数据的时空分辨率都较低 （时间分辨率一般为月值），而模型需要输入的气候 数据为逐日数据。因此，在区域研究中，针对这一问题目前的解决方法主要有两种，即对作物模型升尺度（将高空间分辨率信息转换成低分辨率的过程） 或对大气环流模式降尺度（即将低空间分辨信息转 换成高分辨率的过程）处理，从而进行作物生长模型和气候模式的连接。目前，作物生长模型的升尺 度主要从三个方面展开，一是输入取样，一般步骤 是依据区域的空间异质性，分别在不同的地区进行站点模拟，最后对模拟结果进行加权平均。二是模 型参数（或变量）的尺度转换，用实测区域信息对 模拟参数进行校正，以反映地区的平均状态。江敏等[25]对CERES-Rice模型中的4个与产量相关的遗传 参数用 4 种不同尺度（单点、稻区、县级以及超大 尺度）的模拟结果进行比较，研究结果表明，对遗传参数进行稻区尺度的调试方法模拟效果最佳，因此，选择适宜的空间尺度非常重要。三是对模型的 区域化处理进行优化和完善。对 GCMs 输出数据进行降尺度处理的方法通常有三类：动力降尺度法、

统计降尺度以及动力与统计降尺度相结合。统计降 尺度法的原理是利用多年大气环流的观测资料建立 大尺度气候要素和区域气候要素之间的统计关系， 将检验后的关系应用于 GCMs 中预估区域未来的气 候变化情景，进而获取精细化信息。在区域尺度 的气候对农业影响评价研究中，天气发生器是一种 常用的统计降尺度方法，可以基于某一地区的历史 气候资料的统计特征生成未来若干年的天气变量随机日序列。因其具有能产生任意长度的时间序列、 填补缺失值、任意调整气候变率和较高的计算效率 等特点，被广泛用于概率预测和气候对农业影响评 价中。Dumont 等使用 STIC 模型对大量的气象 驱动数据进行比较，结果表明使用天气发生器精度 较高，而使用历史气象数据的计算效率则更高。由于 GCMs 输出与作物生长模型输入存在尺度差异且 降尺度会引起模拟结果的不确定性等不足，区域气候模式是可以模拟得到高分辨率的局地气候变化信 息的动力降尺度方法，且在降低气象数据不确定性 方面有显著进步，因此，国内外将 RCM 和作物生长 模型结合进行作物产量预估的研究逐渐增多。

2.1.2 气象灾害对作物影响研究中的不足

全球气候变化造成极端事件发生的频率和强度 增强，灾害影响的区域增多。在全球气候变化背景 下，气象灾害对作物的影响最终表现在产量上，开展粮食生产风险研究对保障粮食安全很有必要。通 过作物生长模型模拟的方法可定量化研究气象灾害 对作物产量的潜在影响，诸多研究借助作物生长模 型这一辅助工具评估气象灾害对作物的影响。以利 用作物生长模型模拟干旱灾害对作物生产的影响为例，方缘利用 WOFOST 模型通过田间干旱胁迫试验数据调试干物质分配和总生物量调节，从天气文 件中改变降水量使之对应试验的控水阶段，从而对模型进行模拟和调试。结果表明 WOFOST 可以较好 地模拟玉米产量，同时该模型适应干旱年份产量的 模拟。徐建文[34]通过 DSSAT 作物模型制定模型模拟 中不同潜在干旱处理以及充分灌溉的实验设计，研究生育期不同阶段干旱对黄淮海地区冬小麦产量的潜在影响。张建平等通过利用 WOFOST 模型模拟 分析单一发育期干旱和两个发育期干旱同时发生对玉米籽粒形成和产量的影响。

多数研究结论仅仅是针对单点试验得出的结 果，选择一个典型站点代表区域的状况进行区域模 拟，并不能准确地反映各地区的实际干旱减产程 度。模拟在水分胁迫条件下的生长发育和产量情况 而不考虑区域内土壤墒情、灌溉、耕作、社会经济 因素等差异，且干旱的影响效应还与干旱实际发生 的时段和作物品种熟型有关。另一方面，国内研究 缺乏国外作物生长模型所需的部分数据支撑，模型 中的部分参数和作物文件中的参数仅使用模型初 始默认参数或前人的研究成果。在此基础上探究气象灾害对农作物的影响降低了模型模拟精度，虽然 模拟结果存在一定偏差，但可为气候变化背景下农业生产实践提供一定的抗灾依据。此外，还需要在 生产过程中根据作物实际受灾状况进行科学抗灾， 在今后的研究中应尝试建立多重影响因子的计算 模型，以期对气象灾害的模拟研究更接近于作物实际受灾状况。

2.1.3 多模式集合模拟可降低不确定性

作物生长模型和气候模式相连接已成为评估气候变化对农业生产影响最主要的方法，也是未来研 究的发展方向，然而其不确定性一直以来是一个重 要的挑战。多模式集合被认为是降低气候变化影响 评估结果不确定性的有效方法。由于每种气候模 式都有其擅长和不擅长模拟的区域及气候要素，将 不同的气候模式结合进行集合模拟的效果要优于单 个模式模拟结果，如此可稳定有效地提高对未来气候模拟的预估效果。此类研究中，多模式集合是将 不同的集合预报数据驱动模型模拟的结果作为集合成员，使用模拟结果的集合代表其概率分布，最终 将单一数值的模拟输出转换为概率分布，以概率形 式给出作物增产或减产的可能性，因而可有效降低 模拟结果的不确定性。利用加权集合方法是目前应 用较广的集合方法，其依据模式的模拟能力预计 未来情景预估的收敛性给出权重，能克服简单平均 处理的局限性。目前，利用多模式集合模拟进行未 来气候变化预估研究较为丰富，但是将未来气候预 估结果结合作物生长模型模拟未来中国农业生产的 研究相对较少。但也出现一些应用实例，例如，利 用多气候模式在典型浓度路径（RCPs）情景下的气 候预估结果，结合 CERES-Wheat 、 APSIM 和 ORYZA2000 等作物生长模型模拟小麦、玉米、水 稻等作物产量，评估未来气候变化对不同地区粮食 作物的可能影响；李阔等基于 5 个 CMIP5 模式在 RCPs 气候情景下的模拟结果，结合 DSSAT 模型开展未来气候变化影响下中国玉米产量变化趋势研究。

综合来看，近年来，对气候变化影响下的作物 生长模型的研究更加详细，为了更好地了解气候变 化对作物和粮食安全的风险，考虑了模型不确定性 问题，特别是多模式集合模拟、升尺度、模型区域 适应性以及极端事件方面的影响。气象数据是驱动作物生长模型的重要数据，为获得时间和空间连续 的气象数据集，往往通过插值方法得到区域气象数据。然而，由于降水、风速等非连续气象要素空间 分布不均，插值方法的可靠性存在争议。另一方面， 应用气象预报数据进行作物产量预测时，气象预报 数据的不确定性将直接影响作物生长模型模拟效 果。目前的研究，气象数据主要来源于历史气象数据，随机天气发生器或数值预报数据作为作物生长模型的驱动数据。由于大气系统是一个非线性混沌系统，气候预测和长期天气预报的不准确性是必然存在的，依赖于气象数据驱动的作物生长模型亦是 如此。陶苏林等提出了一种以气候要素均值传递函数和方差信息建立的模型订正逐日气候模拟数据 的方法，提高了利用作物生长模型模拟预估的可信 度。因此，选择适合研究区的未来气候情景、合理 的气候模拟数据订正方法，尤其是如何定量评估不确定性均有待进一步研究，还需要通过改善气候模式物理过程和参数化方案完善数值模式来减小预估 误差。

2.2 作物生长模型与遥感技术相结合过程

2.2.1 同化系统的构建

遥感数据同化技术起源于 20 世纪 80 年代，遥感技术是获取大面积地表信息最有效的手段，在大 面积作物长势监测、种植面积监测、作物产量预测 等方面发挥着重要作用。当作物生长模型应用到区域尺度时，卫星遥感具有空间连续和时间动态变化 的优势，能够有效解决作物生长模型中区域参数空间分布不均而获取困难的问题。而作物生长模型能 揭示作物生长发育和产量形成的内在过程机理、个体生长发育状况及其与环境条件的关系，数据同化 技术能使遥感技术与作物生长模型实现优势互补， 进行大范围作物长势监测和产量预报，提高区域作物生长过程模拟能力。图 2 为一个典型作物生长模 型与遥感数据同化系统构建的流程图，在模型本地 化基础上，WOFOST、CERES 等作物生长模型能够 对作物的生长发育过程以及叶面积指数、土壤水分、 生物量以及单产等参数进行较为准确的模拟。基于 此，运用马尔科夫链蒙特卡洛方法（Markov Chain Monte Carlo，MCMC）获得这些参数的后验分布实现对作物模型输出参数的估计以及不确定性的定 量表达[43]。光学和雷达遥感能定量反演出生物学定 量遥感参数数据，如 DVS、LAI、地上生物量 （Aboveground Biomass，AGB）、冠层覆盖度（Canopy Coverage，CC）、蒸腾蒸发（Evapotranspiration，ET）、 土壤水分（Soil Moisture，SM）以及吸收性光合有 效辐射（ Fraction of Absorbed Photosynthetically Active Radiation，FAPAR）等，可以作为作物生长 模型和定量遥感参数结合时的链接参数。因此，引 入定量遥感参数，借助数据同化方法可实现作物模 型的状态参数优化，提高作物生长模型在区域的模拟能力。

由于研究目的的不同，耦合作物生长模型与遥感参数时，链接参数的选择可以是单参数也可以是 多参数结合。最早和最常见引入的单参数是 LAI，它 代表作物截获太阳辐射进行 CO2 同化和干物质积累 的能力，是评估作物潜在产量的重要指标。除 LAI 外， SM、AGB 等状态变量均与作物产量密切相关， 因此，有研究通过同化多个状态变量以提高模拟精度。结果表明，多参数结合优化作物生长模型相对单参数作为链接参数时模拟结果更加准确。数据 同化研究中，将作物生长模型和遥感数据耦合的同化算法是该同化系统的核心，算法的性能直接影响 该系统的运行效率。数据同化方法的原理是利用多 源观测数据通过迭代调整作物生长模型中与生长发育和产量形成密切相关的参数，最小化遥感观测值 与模型模拟值之间的差异，以达到优化作物生长模型、提高模型预测能力的目的。4DVar 和 EnKF 同化 方法分别是当前参数优化方法和顺序同化方法的主 流代表。

2.2.2 同化系统的应用及影响精度的环节

近十几年来，随着遥感技术与作物生长模型快速发展与愈加广泛的应用，利用同化方法结合遥感 数据和作物生长模型以充分发挥二者优势已逐渐成为发展趋势。耦合遥感信息与作物生长模型在区域 作物产量估测、农业灾害预警工作等方面发挥了重要作用，出现诸多应用实例。王丽媛[47]基于中分辨率卫星遥感数据并结合 PCSE/WOFOST 作物生长模 型，依次在单点和区域尺度开展基于集合卡尔曼滤波方法（Ensemble Kalman Filter，EnKF）的同化研究。结果表明，遥感数据与作物生长模型同化能够 有效提高冬小麦估产精度。潘灼坤借助遥感信息 技术与作物生长模型，面向山西关中平原双季作物 低温影响的监测、风险评估研究，形成了基于遥感 与作物生长模型的区域产量估测和灾害评价框架。 此外，通过耦合短临天气预报数据和作物生长模型， 可以实现对未来时段农作物产量的预测。近年来， 国家气象中心通过结合地面观测、卫星遥感监测和 作物生长模型方法，开发了可业务应用的作物生长 模拟与分析应用平台，实现了基于作物模型的作物 长势监测。

面向遥感数据和作物生长模型的同化也存在尺 度不匹配的问题，一方面，作物生长模型输入参数 的空间分辨率格网大小对模型输出结果会有不同的 精度，另一方面，遥感数据本身具有多空间分辨率 的特点，致使遥感参数与作物生长模型模拟的参数 （LAI、AGB、ET 等）之间存在尺度差异。因此，尺 度不匹配问题是遥感数据和作物生长模型数据同化 系统应用到区域尺度的关键问题，国内外学者针对 空间尺度转换已开展了大量研究，面向遥感与作物 生长模型同化目前常用的解决方案是对模型输入参数的升尺度转化，即将来自传感器的物候信息与低 空间分辨率（如 MODIS）的遥感参数结合起来，并通过中等分辨率图像（如 Landsat TM）反演得到相对精确的参数值，调整作物生长模型生成的同化参 数轨迹，从而提高同化精度。

在区域尺度上，由于气候和土壤的变异性、品种的多样性、管理措施的多元化，特别是在变化的 管理手段与环境条件下，难以评估区域作物产量， 虽然遥感技术已广泛用于区域作物估产，但也难以 做到准确预测。目前，随着定量遥感反演算法以及 产品不断完善，反映作物生长状态的关键生物物理 参数，如 LAI、SM、AGB 和 ET 等，其数据来源越来越丰富，精度越来越高，能够不断满足作物生长 模型同化的需求。然而，由于植被结构和生物物理 特性的多样性、冠层和大气辐射传输过程的复杂性， 植被参数和遥感观测间的转换仍存在较大的不确定 性。有研究表明，MODIS-LAI 产品对叶面积指数 低估 33%～50%[52]；MODIS-ET 产品在森林地区与 蒸腾蒸发实测值较为一致。此外，有研究表明， 作物生理参数特征随发育阶段而变化，在作物不同 生育期同化与产量形成相关性高的变量（如 LAI、 SM）可有效提高估产精度，如此有益于提高定量遥感对作物及其生长环境信息的获取，促进二者更好地结合。因此，遥感科学领域技术的发展，对同化系统中遥感反演参数的不确定性评估具有重要影响。由于作物生态系统过程的复杂性，刻画系统行 为的作物生长模型本身的不确定性是不可避免的。 为精确描述大区域尺度的作物生长状态，满足农业 生产的实际需求，未来实现和优化多参数协同、多源数据融合、多作物生长模型耦合及动态预测是作物生长模型与定量遥感参数同化系统的发展方向。

2.3 作物生长模型的拓展应用过程

2.3.1 农业决策与评价工具

作物生长受品种遗传特性、气候、土壤、水肥 管理措施、种植制度以及病虫害防治的影响。优化 栽培措施，实现农业气候资源合理利用、种植效益最大化和环境保护一直是研究和生产部门不断追求 的目标，制定和评价生产管理措施对气候变化背景 下平抑气候不稳定性造成的产量不稳定十分重要。 正确选择播期是优化作物产量的重要管理措施，作物生长模型为解决此类问题提供了有效手段。米娜等对比了作物生长模型法和最佳季节法确定最佳 播期，结果表明模型模拟方法具有较好的适用性。 此外，在选取最优水肥组合、决策黑土区农田基础 地力最佳施肥策略、评价水稻机械化干播种的可能性、灌溉和雨养条件下确定适播期、优化农业变量 施肥等诸多方面，作物生长模型都发挥着重要 的作用。许多地区采用保护性农业（Conservation Agriculture，CA）作为农业系统适应气候变化的一 种方式，CA 是一套基于免耕、作物残茬覆盖和作物 轮作的最佳管理措施[60]，尤其是在降水量少的非洲 地区运用广泛。DSSAT 模拟结果表明，作物残茬覆 盖主要影响表层土壤有机碳含量，其次影响土壤水 分总量。DSSAT 模型可以成为评估 CA 在经济和环 境方面都具有可行性的有效工具。Ngwira 等基于DSSAT 模型评估了非洲南部地区常规耕作和 CA 系统下玉米（Zee mays L.）产量以及玉米-豇豆轮作的 玉米产量，结果表明：DSSAT 模型对免耕和作物残 茬覆盖实践的模拟是成功的，但对作物轮作的模拟效果不佳，因而建议在 DSSAT 中开发轮作模块以预 测作物轮作制度的影响。因气候变化对作物轮作系 统的影响复杂，今后应结合多种研究手段开展气候 变化对轮作系统的机理性、综合性及系统性研究。

2.3.2 农业决策支持系统的开发

作物生长模型除了与气候模式耦合及与遥感技 术结合之外，由于评估气候变化影响、适应气候风 险和改善粮食安全的复杂性需要更多的综合模型和 定量评估方法，促使作物生长模型与其它模型联合， 这些方法超越了作物和种植系统的生物和物理方面。以作物生长模型为核心的农业决策支持系统的 研究与应用目前已取得很大进展，农业决策支持系 统（Decision Support System，DSS）以作物生长模 型或作物模型集群为核心，与社会经济模型、地理 信息系统等结合，采用空间分析、数据挖掘、可视 化等技术开发，具有前后处理、决策功能强大，用 户界面友好的特点，是辅助农业生产直接管理决策的重要工具。

国内外开发的不同应用目的的决策支持系统非 常多，DSSAT 和 APSIM 是应用最广泛的决策支持系 统。Ewert 等研究了将生物物理和经济模型结合起来的综合评估模型 IAM（Integrated Assessment Modelling），IAM 综合了气候变化所带来风险的复杂 性及其对作物生产的可能适应性。研究结果表明， 综合评估模型在模拟气候因子的影响方面取得很大进展，主要表现为作为 IAM 组成部分的作物生长模型对气候变化因素的响应能力提高以及对极端事件 影响有所改进。将决策系统与地理信息系统（GIS）结合，利用 GIS 的空间分析和数据采集优势，可方 便获取作物生长模型参数和显示决策结果，并为决 策提供辅助的空间分析能力支持。为满足时间和空 间尺度研究的需要，Lorite 等[63]将 AquaCrop 模型与 地理信息系统 GIS 结合，开发了 AquaData 和 AquaGIS 作为输入和输出工具。研究结果表明， AquaData 和 AquaGIS 结合比 AquaCrop 模型工作效 率要高，且 GIS 的使用极大地拓展了 AquaCrop 的应 用范围。为使用季节气候预报 SCF 来为农业决策提 供信息，Han 等[64]开发了一个决策支持系统工具， 气候-农业模拟和决策工具（Climate-AgricultureModelling and Decision Tool，CAMDT），旨在促进概率 SCF 转化为作物响应，基于生长季的预期气候条 件，帮助决策者调整作物和水管理实践，最大限度 地提高农业生产效益。国内有北京市农业局信息中 心利用全球定位系统和遥感技术数据获取工具，建 立了农业数据采集、处理、传输、存储、分析及应 用的基于 GIS 的首都农业决策支持系统。南京农 业大学开发了基于作物管理知识模型的农田精确施 肥决策支持系统、基于知识模型的水稻、油菜管 理决策支持系统等。

作者：孙扬越、申双和

来源：中国农业气象