作物模拟模型

基于番茄生长发育模拟模型的研究[摘要]自20世纪60年代开始农业模拟模型研究以来，经历40多年的迅速发展，该领域的研究成果已是非常之多。

本文对近年来国内外就番茄生长发育模拟模型的研究进行概况，为番茄模拟研究提供参考。

[关键词]番茄模拟模型概况中图分类号：tv149 文献标识码：a 文章编号：1009-914x（2013）04-0300-01番茄在我国各地普遍栽培，但生产上主要还是凭经验管理。

目前国外已经发展和建立了温室内环境控制模型和许多作物的生长模型，特别是在番茄作物上。

这些模型总结了人类对作物行为的了解和作物对其生长环境的要求，并且已经广泛应用于温室生产方面。

目前绝大多数温室缺乏系统的环境监测和环境调控设备，难以开展作物生长发育模拟模型的研究，因此温室内作物配套栽培技术往往缺乏量化科学管理指标[1]。

北方日光温室不同于大型现代化温室，设施的调控能力还很差，因此只能借鉴国外已有的技术和模型，研究与我国北方日光温室气候相适应的番茄生长模拟模型。

根据统计资料显示，在作物模型的研究中有关园艺作物模型的研究仅占5 %左右，但随着对作物生长发育机理和模拟技术研究的不断深入以及现代设施园艺的发展，园艺作物的模拟研究得到逐步重视并取得重要进展，促进了整个作物模型研究的理论与技术发展，且丰富了作物模型研究的内涵。

对于园艺作物模型，荷兰依旧保持着研究领域的领先地位，比较有代表性的成果是与以色列等国合作开发的hortistm （horticultural simulator，园艺模拟器），以及与以色列、美国等共同研制开发的温室番茄生长发育模拟模型tomgro等[3]。

hortisim本质上是一个综合的通用模拟模型系统，通过一系列的研究和技术集成，以建立通用模拟工具为导向，实现对番茄、黄瓜、甜椒等多种园艺作物生产发育过程的模拟。

目前该系统己在荷兰和以色列等国家进行了大量的实验验证，但其瓶颈是没有实现交互性友好、操作管理方便的用户界面，这在很大程度上制约了模型与模拟系统的实用化发展。

第1章DSSAT模型简介1.1D SSAT模型简介近40多年来，世界上许多国家都积极研发作物模型，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。

迄今为止已经有至少100种不同的模拟模型。

DSSAT（Decision Support System for Agrotechnology Transfer）农业技术转移决策支持系统，是目前使用最广泛的模型系统之一。

DSSAT是在IBSNAT（Inter—national Benchmark Sites Network for Agrotechnology Transfer)农业技术转移国际基准网的赞助和指导下进行，由美国国际开发署授权夏威夷大学开发研制的综合计算机系统，目的是将各种作物模型汇总，将模型输入和输出变量格式标准化,以便模型的普及及应用，从而加速农业技术推广，为发展中国家合理有效地利用自然资源提供决策和对策.DSSAT不是通用模型，它针对不同作物开发了不同模型。

DSSAT目前由主要26种不同的作物模拟模型组成，主要包括CERES(Crop Environment REsource Synthesis)系列模型、CROPGRO 豆类作物模型、SUBSTORpotato马铃薯模型、CROPSIMcassava木薯模型、OILCROP向日葵模型以及最新加入的CANEGRO甘蔗模型。

由于包括了多种作物模型，DSSAT 可为用户提供多种选择方案。

DSSAT模型是由作物模拟模型支持的决策支持系统，除了数据支持以外，还提供了计算、解题的方法,并为决策者提供决策的结果。

DSSAT模型能帮助决策者和粮食贸易商通过作物模拟技术和系统分析方法估价作物的产量,为制定粮食进出口贸易提供依据，同时为农民在不同气候年景下提供不同的栽培管理措施(如作物的合理施肥、灌水)提供科学的决策。

DSSAT软件首次发布时间为1989年的V2.1，1994年发布DSSAT V3.0,1998年发布DSSAT V3。

WOFOST作物模型机理及使用介绍杨妍辰;王建林;宋迎波【摘要】The WOFOST (WOrld FOod STudies) model is developed by Wageningen Agricultural University and the Center for World Food Studies. It is a dynamic explanation model that simulates the annual crop growth with the speciifc soil and climatic conditions. The model emphasizes the application of land quantitative evaluation, regional yield forecast, risk analysis, the annual yield changes and quantization of the effects of climate change. The simulation of model is based on the crop physiological and ecological process, including assimilation, respiration, transpiration and dry matter distribution. WOFOST model consists of three levels of the crop growth simulation, the potential growth conditions, water-limited and nutrient-limited conditions. This paper introduces the development and application of WOFOST model, its theoretical basis and operation and so on, to facilitate more people to quickly understand, grasp and use the model, and further promote the development of crop models in our country and raise the application level of service.%WOFOST（WOrld FOod STudies）模型是荷兰Wageningen农业大学和世界粮食研究中心（CWFS）共同开发研制，模拟特定土壤和气候条件下一年生作物生长的动态解释性模型。

作物产量预测的遥感方法一、植被指数植被指数是遥感技术中常用的一种参数，通过对植被的反射光谱进行测量和分析，可以得到植被的生长状况和健康状况。

常用的植被指数包括NDVI（Normalized Difference Vegetation Index）、EVI（Enhanced Vegetation Index）等。

这些指数可以通过遥感数据获取，并结合地面观测数据进行验证和分析，来预测作物产量。

二、作物生长模型作物生长模型是基于植被指数和气象数据等参数建立的数学模型，可以用来模拟和预测作物的生长和产量。

遥感数据可以提供作物的生长状态和植被覆盖情况，结合气象数据可以计算出作物的生长速率和生长期等关键参数，从而建立作物生长模型，进行产量预测。

这种方法可以通过在不同地区的实地验证来提高预测的准确性。

三、土壤水分监测土壤水分是影响作物生长和产量的关键因素，而遥感技术可以通过获取地表温度和植被指数等数据来监测土壤水分的情况。

结合地面观测和气象数据，可以建立土壤水分模型，来预测作物的产量。

这种方法可以帮助农民合理安排灌溉和排水，提高土壤水分利用率，从而提高作物产量。

四、作物健康监测作物的健康状况直接影响着产量的大小和质量，而遥感技术可以通过获取植被光谱和热红外数据来监测作物的健康状况。

通过分析这些数据，可以及时发现作物的病虫害和营养不良等问题，并及时采取措施进行治理，以保证作物的正常生长和提高产量。

五、遥感图像分类遥感图像分类是一种常用的方法，通过对遥感图像进行地物分类，可以得到不同地物的分布和覆盖情况，进而推断出对应的作物种植情况和产量情况。

这种方法可以结合实地调查和采样，通过对不同地物的影响和作物生长状态的分析，可以实现对作物产量的预测。

六、遥感数据与统计分析遥感数据可以提供大范围和多时相的作物生长监测，而统计分析可以通过对这些数据进行分析和建模，来实现对作物产量的预测。

这种方法可以结合机器学习和人工智能等技术，通过对遥感数据的挖掘和分析，可以建立复杂的预测模型，从而提高预测的准确性和精度。

荷兰瓦赫宁根大学研发的土壤-水-大气-植物模型（简称SWAP 模型）应用于土壤-植物-大气连续系统（Soil -Plant -Atmosphere Continuum ，简称SPAC 系统）中水分运动、溶质运移、热量传输及作物生长过程的模拟研究。

SWAP 模型所描述的SPAC 系统中各运移过程见图1。

SWAP 模型可以将蒸发和蒸腾分开计算。

模型上边界为作物冠层顶部，下边界可以是非饱和带或饱和带的顶部，分别考虑大气环境因素和田间地下水动态变化对非饱和带土层的影响。

在上下边界之间，SWAP 假定水流运动主要是在垂直方向上，将土层分为不同的单元，并在每个单元上耦合求解水分及溶质运动方程和热量传输方程。

在水平方向上，模型焦点主要是田块尺度，一块田地通常可以用一个小气候、一个植物类型、一个土壤类型和一个排水条件描述。

因此在这一范围内大多数运移过程可以用一个确定的方式描述（Kroes 等，2017）。

本研究使用SWAP 4.0.1版本，本章主要介绍SWAP 模型与本文有关模拟计算所涉及的内容。

图1 SWAP 模型模拟范围和运移过程（http://www.swap.alterra.nl/）一、土壤水分运动模块在本研究中，土壤水分运动忽略与大孔隙的交换速率及侧向排水，采用包括根系吸水的 Richards 方程描述非饱和带土壤的水流运动（Kroes 等，2017）：()()h S z h h K z t a -⎥⎦⎤⎢⎣⎡⎪⎪⎭⎫ ⎝⎛+∂∂∂∂=∂∂1θ式中，θ为体积含水量（cm 3 cm -3）；t 为时间（d ）；h 为土壤水压力水头（cm ）；z 为垂直坐标（cm ），向上为正；K (h )为非饱和土壤水力传导度（cm d -1）；S a (h )为植物根系吸水率（cm 3 cm -3 d -1）。

土壤水分特征曲线用Mualem -van Genuchten （MVG ）模型（Van Genuchten ，1980；Mualem ，1976）来描述：()()m n res sat res h-+-+=αθθθθ1n m 11-= 2111⎥⎥⎦⎤⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛--=m m e e sat S S K K λ ressat res e S θθθθ--= 式中，θres 为残余含水量（cm 3 cm -3）；θsat 为饱和含水量（cm 3 cm -3）；α、n 、λ为形状参数；K sat 为土壤饱和水力传导度（cm d -1）；S e 为相对饱和度。

V ol.29,N o.5pp.750～758　Sept.,2003作　物　学　报ACT A AG RONOMICA SI NICA第29卷第5期2003年9月　750～758页作物生长模型研究综述林忠辉　莫兴国　项月琴(中国科学院地理科学与资源研究所,北京　100101)摘　要　作物生长模型的构建有利于既有科研成果的综合集成,也是作物种植管理决策现代化的基础,还是辅助决策的有力工具。

本文以荷兰Wageningen ,美国DSS AT ,澳大利亚APSI M 和中国CCS ODS 等作物生长模型研究流派为例,回顾了作物生长模型的发展历程,论述了作物生长模型的主要功用,并指出了在模型研究和开发应用中存在的问题。

Ξ关键词　作物生长模型;功能;局限性中图分类号:Q141 文献标识码:AR esearch Advances on Crop G row th ModelsLIN Zhong 2Hui M O X ing 2G uo XIANG Y ue 2Qin(Institute o f G eographic Sciences and Natural Resources Research ,Chinese Academy o f Sciences ,Beijing 100101,China )Abstract Crop grow th m odels have been used greatly and efficiently in many fields such as agro 2ecosystem research ,crop management ,and decision 2making.Our understanding on the interactions between crop and environment ,integration across disciplines ,and organization of data w ould be im proved through the utilization of this kind of m odels.The crop grow th m odels were helpful to make management decisions ,such as cultural practices ,fertilizers ,irrigation and pesticide ,as well as soil erosion ,agricultural chem icals leach ,climate change im pacts and regional yield prediction.The development purposes and lim itations of the current prevailing crop grow th m odels were reviewed ,the prospect of the m odels in these areas was also discussed.K ey w ords Crop grow th m odel ;P otential application ;Lim itation 20世纪60年代起,随着对作物生理生态机理认识的不断加深和计算机技术的迅猛发展,作物生长模型的研究得到了飞速发展,目前已经迈向了实用化阶段。

第37卷第3期农业工程学报V ol.37 No.3 132 2021年2月Transactions of the Chinese Society of Agricultural Engineering Feb. 2021基于DSSAT作物模型的中美大豆主产区单产模拟与验证徐春萌1，田芷源2※，陈 威3,4，刘佳佳3,4，白 洁1（1. 北京佳格天地科技有限公司，北京100190；2. 中国科学院南京土壤研究所，南京210008；3. 中国农业科学院农业信息研究所，北京100081；4. 农业农村部农业信息服务技术重点实验室，北京100081）摘要：开展基于作物模型的大面积作物产量估测研究，可以为及时掌握全球重点地区农作物的生产情况提供数据支撑。

该研究以大豆为监测作物，选取中国吉林省和美国爱荷华州作为研究区域，基于DSSAT作物估产模型中的SOYGRO大豆模型，利用分辨率为0.5°×0.5°的生育期气象要素以及500 m×500 m绿色叶绿素植被指数，进行遥感数据融合作物模型估测大豆单位产量的模拟与验证研究。

结果显示，2008－2017年，美国爱荷华州大豆单位产量模拟值的平均误差为16.8%，均方根误差为762.8 kg/hm2，平均偏差为107.2 kg/hm2；中国吉林省大豆单位产量估测的平均误差为36.3%，均方根误差为1 088.4 kg/hm2，平均偏差为−237.9 kg/hm2。

在县域尺度下，大豆单位产量模拟值与调查值的拟合度较好，尤其在产量较低的年份，其中美国爱荷华州的产量相关系数最高可达0.78，中国吉林省的相关系数偏小，为0.59，表明对美国爱荷华州大豆单位产量的估测精度优于中国吉林省。

研究所建立的大豆单位产量估测技术路线，可以为中美两国主产区作物单位产量的大面积有效估测提供参考。

关键词：遥感；作物；模型；大豆；产量；绿色叶绿素植被指数doi：10.11975/j.issn.1002-6819.2021.03.016中图分类号：S127, TP79 文献标志码：A 文章编号：1002-6819(2021)-03-0132-08徐春萌，田芷源，陈威，等. 基于DSSAT作物模型的中美大豆主产区单产模拟与验证[J]. 农业工程学报，2021，37(3)：132-139. doi：10.11975/j.issn.1002-6819.2021.03.016 Xu Chunmeng, Tian Zhiyuan, Chen Wei, et al. Simulations and validations of the soybean yields per unit area using DSSAT crop model in the major soybean producing areas of China and America[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(3): 132-139. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.03.016 0 引 言鉴于中国与国外的粮食贸易规模不断加大，对世界主要农作物产量估测的需求日益突出，对估产方法高精度与时效性的要求越来越高[1]，开展客观、及时、大面积的农作物产量预测研究，可以减少对人工统计数据的依赖性，对政府决策具有重要意义。

水稻农田生态系统模型模拟研究1. 引言水稻是世界上最重要的粮食作物之一，对全球粮食安全至关重要。

为了实现高产、高效、可持续的农业生产，研究水稻农田生态系统模型模拟成为一种有效的方法。

本文旨在探讨水稻农田生态系统模型模拟研究的相关内容，以期为农业生产提供科学依据。

2. 水稻农田生态系统模型概述2.1 模型的定义和作用水稻农田生态系统模型是一种定量描述和预测水稻生长、产量和生态环境相互作用关系的工具。

通过模拟不同因素对水稻生态系统的影响，可以为农业决策和农田管理提供科学依据。

2.2 模型的构建方法水稻农田生态系统模型构建主要包括确定模型结构、建立数学方程和校准模型参数等步骤。

模型结构可以分为物理模型、统计模型和过程模型等不同类型，根据研究目的和数据可获得性选择适合的模型结构。

3. 水稻生长模拟研究3.1 环境因子对水稻生长的影响光照、温度、水分和土壤肥力等环境因子对水稻生长具有重要影响。

通过模拟不同环境条件下水稻生长的变化，可以了解和预测生长过程中对环境因子的响应。

3.2 生长时期的模拟与预测水稻生长过程中不同生育时期的长度和特点对产量和质量有重要影响。

通过模拟和预测生育阶段的持续时间和生长速度，可以优化农田管理措施，提高水稻产量和品质。

4. 水稻产量模拟研究4.1 生物因子对水稻产量的影响水稻产量受种植密度、品种、施肥量和病虫害等生物因素的影响。

通过模拟不同生物因子对产量的影响，可以确定最佳的农田管理策略，提高水稻产量。

4.2 水稻产量的时空模拟水稻产量的时空分布对农业生产和市场供需的影响至关重要。

通过模拟和预测水稻产量在不同地区和季节的变化，可以为粮食供需平衡和市场预测提供参考。

5. 生态环境模拟研究5.1 水稻农田生态系统的物质循环水稻农田生态系统中的物质循环对环境质量和生物多样性具有重要影响。

通过模拟不同种植模式和农田管理措施对物质循环的影响，可以优化农业生态系统，促进可持续农业发展。

5.2 生态系统服务功能的模拟和评估水稻农田生态系统提供土壤保持、水资源调控和生物多样性维护等生态系统服务功能。

第1章DSSAT模型简介1.1DSSAT模型简介近40多年来，世界上许多国家都积极研发作物模型，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。

迄今为止已经有至少100种不同的模拟模型。

DSSAT（Decision Support System for Agrotechnology Transfer）农业技术转移决策支持系统，是目前使用最广泛的模型系统之一。

DSSAT是在IBSNAT（Inter-national BenchmarkSites Network for Agrotechnology Transfer)农业技术转移国际基准网的赞助和指导下进行，由美国国际开发署授权夏威夷大学开发研制的综合计算机系统，目的是将各种作物模型汇总，将模型输入和输出变量格式标准化，以便模型的普及及应用，从而加速农业技术推广，为发展中国家合理有效地利用自然资源提供决策和对策。

DSSAT不是通用模型，它针对不同作物开发了不同模型。

DSSAT目前由主要26种不同的作物模拟模型组成，主要包括CERES（Crop Environment REsource Synthesis）系列模型、CROPGRO豆类作物模型、SUBSTORpotato马铃薯模型、CROPSIMcassava木薯模型、OILCROP向日葵模型以及最新加入的CANEGRO 甘蔗模型。

由于包括了多种作物模型，DSSAT 可为用户提供多种选择方案。

DSSAT模型是由作物模拟模型支持的决策支持系统，除了数据支持以外，还提供了计算、解题的方法，并为决策者提供决策的结果。

DSSAT模型能帮助决策者和粮食贸易商通过作物模拟技术和系统分析方法估价作物的产量，为制定粮食进出口贸易提供依据，同时为农民在不同气候年景下提供不同的栽培管理措施（如作物的合理施肥、灌水）提供科学的决策。

DSSAT软件首次发布时间为1989年的V2.1，1994年发布DSSAT V3.0，1998年发布DSSAT V3.5，2003年发布DSSAT V4.0，2012年发布DSSAT4.5。

摘要：本文概要介绍了ORYZA2000模型模拟水稻生长发育及产量形成、水分变化及N素变化动态及其影响的原理与过程，以及模型运行需要的设置文件与输入参数数据值。

并介绍了该模型在中国的验证与应用情况。

水稻生长模型ORYZA2000是ORYZA系列模型的最新版本。

是国际上具有代表性的水稻模型之一。

ORYZA2000可以用于模拟潜在生产、水分限制生产及氮素限制生产条件下的水稻生长发育与产量形成和水分平衡过程。

它由多个模块构成，包括地上部作物生长模块，蒸腾蒸发模块，氮素动态模块，土壤水分平衡模块等。

ORYZA2000能够模拟移栽水稻也能模拟直播水稻的生长发育。

最近，研究者通过在ORYZA2000模型中引入模拟旱作土壤水分平衡模型以及水分胁迫模块等，拓展ORYZA2000以适应于旱作水稻生长发育的模拟。

ORYZA系列水稻模型最初是开发应用于热带地区的水稻生长模型。

近年来，ORYZA2000模型已引入到中国应用。

2004年，首次在北京举办了“水稻生长模型ORYZA2000培训班”。

在澳大利亚国际农业研究中心（ACIAR）项目及国际农业研究“挑战项目：水和食物”（CPWF）研究中，在中国的长江流域水稻生产区、黄河流域水稻生产区及北京地区对ORYZA2000模型进行了参数调试和初步的验证。

利用ORYZA 2000模型进行了大田水平的不同灌溉方式、土壤渗透性与不同地下水位深对水稻产量、水分平衡、灌水量、水分生产率及优化灌溉决策等背景分析研究。

ORYZA2000模型[1]是ORYZA系列模型的最新版本。

ORYZA系列水稻模型是由国际水稻研究所（IRRI）与荷兰瓦赫宁根大学（WUCR）联合研制的模拟热带地区水稻的作物生长模拟模型。

从20世纪90年代早期至今，ORYZA系列模型已有多个版本，包括最初的潜在生产水平下的ORYZA1（Kropff M.J等，1995），水分限制条件下的ORYZA-W（Wopereis M.C.S.，1996），以及氮素限制水平下的ORYZA-N（Drenth H.等,1994）和ORYZA1N（Aggarwal P.K.,1997）。