四川單季稻區主栽水稻品種的生長模擬*4

陳 超，龐艷梅，莫志鴻

(1. 中國氣象局成都高原氣象研究所/高原與盆地暴雨旱澇災害四川省重點實驗室，成都 610072；2. 高原大氣與環境四川省重點實驗室，成都 610225；3.北京市氣候中心，北京 100089)

?

四川單季稻區主栽水稻品種的生長模擬*4

陳 超1,2，龐艷梅1，莫志鴻3

(1. 中國氣象局成都高原氣象研究所/高原與盆地暴雨旱澇災害四川省重點實驗室，成都 610072；2. 高原大氣與環境四川省重點實驗室，成都 610225；3.北京市氣候中心，北京 100089)

摘要：利用四川單季稻區7個農業氣象觀測站5個主栽品種的田間觀測數據，結合當地栽培管理措施、土壤條件及逐日氣象資料對ORYZA2000模型進行參數調試，并確定四川單季稻區5個主栽品種的作物參數值；利用4～5a各主栽品種的觀測數據對單季稻生育期、葉面積指數、生物量和產量等指標的模擬結果進行驗證和評價。結果表明，合系39營養生長期發育速率最大，而生殖生長期發育速率最小，Ⅱ優838營養生長期發育速率最小，而D優63和汕優2生殖生長期發育速率最大；模型對5個單季稻主栽品種的生育期模擬效果較好，各品種開花期與成熟期的相對模擬誤差均在1～2d，歸一化均方根誤差（NRMSE）均小于1%；各品種產量的NRMSE在5.26%～10.01%，葉面積指數的NRMSE為10.37%～19.19%，地上部總生物量、莖生物量、綠葉生物量及穗生物量的NRMSE分別為13.17%～18.69%、14.31%～20.41%、18.95%～24.74%和20.85%～25.39%。由此可見，ORYZA2000模型能夠較為準確地模擬四川單季稻區5個主栽品種的發育及產量形成過程，適應能力較強，可以應用于四川單季稻生產。

關鍵詞：作物模型；ORYZA2000；單季稻；主栽品種；四川

陳超,龐艷梅,莫志鴻.四川單季稻區主栽水稻品種的生長模擬[J].中國農業氣象,2016,37(3):307-315

四川是中國13個糧食主產區之一，也是西部唯一的糧食主產區，糧食作物中尤以水稻最為突出，常年種植面積200萬hm2左右，占糧食面積的30%左右，產量占糧食總產的40%以上。作物生長模型是農業研究領域中的重要工具之一，它不但可以檢驗人們對農業生產系統的認知水平，還可幫助理解并比較不同試驗點結果間的差異性[1]，進而形成決策支持系統，研究氣候變化對農業的影響及產量預測[2]。ORYZA是國際水稻所和荷蘭瓦赫寧根大學共同開發的水稻生長模型，2001年推出了ORYZA2000模型，并在實際生產中得到了檢驗和應用。薛昌穎等[3-4]研究指出，ORYZA2000模型能較準確地模擬旱稻的生物量、葉面積動態變化及產量，在模擬穗生物量方面具有較高準確性，并估算了北京旱稻的產量潛力；Feng等[5]校正了北方旱稻和低地水稻品種參數，并開展了節水灌溉模擬研究；帥細強等[6]利用湘贛地區的氣象因素、雙季稻發育期和生物量觀測數據資料，對ORYZA2000 模型進行了調試和驗證；莫志鴻等[7]研究指出，ORYZA2000可較為準確地模擬湖南雙季稻生長發育及其生物量的動態累積過程；浩宇等[8]提出ORYZA2000模型可以較準確地模擬安徽地區不同播期水稻的發育期、發育速率及其生物量的動態積累過程。但是，以往應用ORYZA2000模型研究四川稻區單季稻生長發育的報道很少。此外，不同品種可使水稻經歷不同的光溫水熱條件，從而影響水稻的生長發育及其產量形成，但以往研究大多利用幾年的試驗數據分析模型在當地的適用性，未對當地多年的主栽品種進行模擬研究。因此，利用ORYZA2000模型模擬四川單季稻區主栽水稻品種的生長發育及產量具有重要意義。

本研究擬利用四川7個農業氣象觀測站5個單季稻主栽品種1981-2009年的田間觀測資料，結合當地管理措施水平及土壤資料，在ORYZA2000模型中校正并確定5個單季稻主栽品種的作物參數，進行生育期、產量、葉面積及器官生物量等的模擬和驗證，評價ORYZA2000在四川稻區的模擬能力和適應性，為模型在四川地區的推廣應用提供理論依據。

1 資料與方法

1.1 試驗資料

觀測于1981-2009年在四川單季稻區的7個農業氣象觀測站點（圖1）進行，分別為溫江(30°42′N，103°50′E，539m)、都江堰(30°59′N，103°40′E，707m)、廣漢(30°58′N，104°17′E，474m)、南充(30°48′N，106°05′E，298m)、大竹(30°45′N，107°12′E，398m)、冕寧(28°33′N，102°10′E，1774m)和西昌(27°54′N，102°16′E，1591m)。

選擇5個主栽水稻品種為研究對象，包括汕優63、D優63、Ⅱ優838、汕優2和合系39。1981-2009年單季稻生育期（播種期、出苗期、三葉期、移栽期、分蘗期、拔節期、孕穗期、抽穗期、乳熟期和成熟期）、器官生物量、最終產量以及葉面積指數等資料由四川省氣象探測數據中心提供。

1981-2009年觀測站點逐日氣象數據，包括逐日最高氣溫(℃)、最低氣溫(℃)、水汽壓(kPa)、降水量(mm)、平均風速(m·s-1)、輻射量(J·m-2)和日照時數(h)，均由四川省氣象探測數據中心提供。

土壤理化性狀資料包括各土層土壤質地、機械組成、地下水埋深等。資料來自《中國土種志》中有關四川稻區土壤剖面實測統計數據，并計算了模型中所需的飽和體積含水量與飽和導水率等參數。

7個農業氣象觀測站單季稻觀測參數和稻田土壤狀況及初始水量見表1和表2。

圖1 農業氣象觀測站點分布Fig. 1 Distribution of agricultural meteorological stations in Sichuan province

表1 各站單季稻生長季和資料觀測年份Table 1 Growing season of single cropping rice and observation years at each station

表2 各站稻田土壤狀況和初始水量Table 2 Soil state and initial water content in the rice field of each station

1.2 ORYZA2000水稻模型

利用2013年發布的ORYZA2000模型最新版本V3.0進行水稻生長模擬。ORYZA2000模型是一個生理生態模型，以日作為時間步長，動態定量描述潛在生產水平下水稻生長和產量形成[9]。首先，進行模型參數調試。ORYZA2000模型通過作物參數描述不同品種間的差異，其中絕大部分參數由大量的試驗分析得出，具有較好的普適性，約10%的作物參數需通過具體田間試驗確定，這些參數主要有干物質分配系數、發育速率、葉片相對生長速率、比葉面積、葉片死亡速率、最大粒重以及莖同化物轉移系數等。

1.3 輸入數據和模型參數化

應用模型之前需要經過調參與檢驗，首先檢驗模型運行的輸出結果在邏輯上是否正確；然后是校正模型，利用試驗數據校正模型中的參數；最后進行模型驗證。模型運行需按照格式建立天氣數據文件、作物文件和處理數據文件，并要決定這些文件的參數。

根據5個單季稻代表品種建立模型的運行文件。以品種汕優63（1986-1991年）、D優63（1988-1992年）、Ⅱ優838（1997、1998、2000、2003年）、汕優2 （1981-1983年）和合系39（2001-2004年）的田間觀測數據為校準數據進行調參。需調整的參數包括發育速率、干物質分配系數、比葉面積、葉片相對生長速率、葉片死亡率、莖同化轉移系數和最大粒重等。利用觀測記錄的不同生育期日期通過模型所帶的DRATE.EXE計算發育速率。首先修改作物文件中的發育速率項，其次運行模型自帶的PARAM.EXE文件，并在PARAM.OUT里查看干物質分配系數、比葉面積等參數、葉片相對死亡率，然后修改作物文件中的相關數據，最后運行模型。

1.4 模型的檢驗方法

本研究利用四川各站5個單季稻品種汕優63 （1986-1991年）、D優63（1988-1992年）、Ⅱ優838 （1997、1998、2000、2003年）、汕優2（1981-1983年）和合系39（2001-2004年）的田間觀測數據對ORYZA2000模型進行調試，并獲得參數校正值；利用5個單季稻品種汕優63（1992-1995、2005年）、D優63（1993-1996年）、Ⅱ優838（2004、2005、2008、2009年）、汕優2（1984-1987年）和合系39 （2005-2009年）的觀測數據對模型進行驗證。

采用目前國際上通用的指標體系對模型的適應性進行檢驗和評價，并與圖表形式表達相結合驗證模擬結果。首先，利用圖形直觀判斷實測值與模擬值之間的吻合度，對模型進行定性評價。其次，采用統計指標定量評價模型的模擬效果。本文采用的統計指標包括實測結果與模擬結果的平均值，二者的線性回歸決定系數(R2)，不等方差Student’s-t檢驗值[P(t*)]，均方根誤差(RMSE)以及歸一化均方根誤差(NRMSE)。實測結果與模擬結果均值可總體反映二者的差異大小；R2越大時，實測值與模擬值吻合度即高；P(t*)大于0.05時，實測值與模擬值的差異不顯著。實測結果與模擬結果的吻合程度，一方面由模型的準確度所決定，另一方面也受觀測誤差的影響。

2 結果與分析

2.1 主栽品種的遺傳參數模擬

將1981-2009年各站單季稻生長期逐日氣象資料、各試驗站土壤資料以及不同站點5個單季稻品種汕優63（1986-1991年）、D優63（1988-1992年）、Ⅱ優838（1997、1998、2000、2003年）、汕優2 （1981-1983年）和合系39（2001-2004年）的田間觀測數據，代入ORYZA2000模型進行生長模擬，得到作物生育期和產量的輸出結果，與同期實際觀測結果進行對比，通過調整參數使其與實際觀測值誤差達到最合理范圍，最終確定各主品種的遺傳參數。遺傳參數包括不同品種各發育階段的發育速率、比葉面積、葉片相對生長速率及干物質分配系數等，將水稻生長發育階段劃分為4個時期，即出苗(DVS=0)、穗分化(DVS=0.65)、開花(DVS=1)和成熟(DVS=2)，模型中需校準的作物生育期參數包括營養生長期參數(DVRJ)、光周期敏感參數(DVRI)、穗分化期參數(DVRP)和生殖生長期參數(DVRR)。各水稻品種發育速率參數見表3，由表可見，各發育速率參數中，不同品種間營養生長期參數和生殖生長期參數變化較大，合系39營養生長期發育速率最大，而生殖生長期發育速率最小；Ⅱ優838營養生長期發育速率最小，而D優63和汕優2生殖生長期發育速率最大。各水稻品種比葉面積校正值見表4，Ⅱ優838的比葉面積值在各生育階段較小，而D優63的比葉面積值在各生育階段較大，反映了不同單季稻品種的特性，是模型本地化的重要參數值。

表3 單季稻主栽品種發育速率參數校正值Table 3 Calibrated parameters of development rate of the major rice varieties

表4 單季稻主栽品種不同發育時期比葉面積Table 4 Specific leaf area of the major rice varieties in different stages

2.2 主栽品種的生育期模擬

開花期和成熟期是水稻生長發育過程的兩個重要階段，是評價ORYZA2000模型模擬精度的重要指標之一。圖2為1981-2009年各站點5個不同水稻品種開花期、成熟期模擬值與實測值的比較，結果表明，ORYZA2000模型對四川單季稻5個主栽品種生育期的模擬精度均較高，開花期和成熟期的模擬誤差在1～2d，平均小于1d。表5是利用檢驗數據得到的不同水稻品種開花期、成熟期模擬值與實測值的統計指標，由表可見，5個主栽品種實測生育期與模擬生育期的RMSE值均小于1。t檢驗表明兩者差異均不顯著。R2值反映模擬值與實測值的散布情況，其中最小值為0.986，說明生育期的模擬值與實測結果偏差較小，模擬效果較好。NRMSE在1%以下，說明模擬結果與實測結果差異很小。

圖2 各主栽品種開花期、成熟期模擬值與實測值的比較Fig. 2 Simulated days versus measured days of flowering and maturity of the major varieties

表5 各品種開花期、成熟期模擬值與實測值的統計指標(檢驗數據)Table 5 Statistical indicators of simulated and measured days of flowering(F) and maturity (M) (validation data) of the major varieties

2.3 主栽品種的葉面積指數和生物量模擬

圖3為1981-2009年各站點5個不同水稻品種葉面積指數模擬值與實測值的比較，由圖可見，葉面積指數的模擬值與實測值變化趨勢較一致，模型能夠較好地反映5個主栽單季稻品種葉面積指數的變化動態。表6是利用檢驗數據得到的不同水稻品種葉面積指數模擬值與實測值的統計指標，由表可見，5個主栽品種實測生育期與模擬生育期間的RMSE值均較小；t檢驗表明兩者差異均不顯著；R2值反映模擬值與實測值的散布情況，其中最小值為0.928，說明生育期的模擬與實測結果偏差較小，模擬效果較好；NRMSE在10.37%～19.19%，說明模擬結果與實測結果差異較小。

圖3 各品種葉面積指數模擬值與實測值的比較Fig. 3 Validation on the simulated and measured leaf area index of the major varieties

圖4為1981-2009年各站點5個不同水稻品種地上部總生物量以及各器官生物量的模擬值與實測值的比較，結果表明，生物量的模擬值與實測值的變化趨勢較為一致，說明模型可以較好地反映5個主栽單季稻品種生物量的變化動態。由統計結果可知(表6)，地上部總生物量的實測值與模擬值較接近；t檢驗表明兩者差異均不顯著；R2最小值為0.951，NRMSE在13.17%～18.69%，說明地上部總生物量的模擬與實測結果偏差較小，模擬效果較好。器官生物量實測值與模擬值也較為接近；t檢驗表明兩者差異均不顯著；莖、綠葉和穗生物量實測值與模擬值的R2最小值分別為0.772、0.728和0.850，說明器官生物量的模擬與實測結果偏差較小，模擬效果較好；莖、綠葉和穗生物量的NRMSE分別為14.31%～20.41%、18.95%～24.74%和20.85%～25.39%，說明模擬結果與實測結果差異較小。綜上所述，各生物量的模擬誤差均在合理范圍內，模型對5個主栽品種生物量總體模擬性能均較好。

圖4 各品種器官生物量模擬值與實測值的比較Fig. 4 Validation on the simulated and measured biomass of the major varieties

表6 各品種葉面積指數和生物量模擬值與實測值的統計指標(檢驗數據)Table 6 Statistical indicators of simulated and measured leaf area index and biomass (validation data) of the major varieties

2.4 主栽品種的產量模擬

作物產量是其生長發育狀況的綜合表現，作物最終產量的模擬結果可以反映干物質分配系數、發育速率等作物參數的合理性，也是評價模型模擬精度的重要內容。圖5為1981-2009年各站點5個不同單季稻品種產量模擬值與實測值的比較，由圖可見，ORYZA2000模型對四川單季稻5個主栽品種產量的模擬精度較高。表7是利用檢驗數據得到的不同單季稻品種產量模擬值與實測值的統計指標，由表可見，5個主栽品種產量的實測值與模擬值的RMSE值均較小；t檢驗表明兩者差異均不顯著；R2最小值為0.301，說明模擬與實測結果偏差較小，模擬效果較好；NRMSE在5.26%～10.01%區間，模擬結果與實測結果差異較小。

圖5 各品種產量模擬值與實測值的比較Fig. 5 Validation on the simulated and measured yield of the major varieties

表7 各品種產量模擬值與實測值的統計指標(檢驗數據)Table 7 Statistical indicators of simulated and measured yield (validation data) of the major varieties

3 結論與討論

3.1 結論

（1）ORYZA2000模型可通過校準作物參數，應用于四川水稻生產，較準確地模擬四川5個主栽單季稻品種的生長。模型對5個主栽品種的生育期模擬效果較好，各品種開花期與成熟期的相對模擬誤差均在1～2d，NRMSE均小于1%；各品種產量的NRMSE在5.26%～10.01%，模擬效果較好。

（2）利用模型對5個不同品種發育速率的比較表明，合系39營養生長期發育速率最大，而生殖生長期發育速率最小，Ⅱ優838營養生長期發育速率最小，而D優63和汕優2生殖生長期發育速率最大，這反映了四川5個不同品種水稻的生物學特性，是模型本地化的重要參數值。

（3）模型對葉面積指數及生物量的模擬結果表明，葉面積指數的NRMSE為10.37%～19.19%，地上部總生物量、莖生物量、綠葉生物量及穗生物量的NRMSE分別為13.17%～18.69%、14.31%～20.41%、18.95%～24.74%和20.85%～25.39%。由此可見，ORYZA2000模型具有較好的模擬精度，適應能力較強，可以應用于四川水稻生產。

3.2 討論

已有研究[3-8,10-11]大多利用試驗數據分析ORYZA2000模型在當地的適用性，未對當地多年主栽品種進行模擬。比較而言，本研究利用四川近30a 共7個農氣站的觀測資料模擬了稻區5個主栽品種的單季稻生長過程，驗證了ORYZA2000在四川稻區的適用性，為模型在當地的進一步推廣應用提供了基礎，具有重要的理論意義。

模型在模擬過程中仍存在不足之處。首先，ORYZA2000模型的參數是根據國際水稻研究所在當地的田間試驗結果所獲得[12]，應用于其它地區時必須對部分參數進行調整，需要調整的參數包括發育速率、比葉面積、同化物分配系數、莖轉移系數等[13]，一定程度上限制了模型的推廣。第二，在ORYZA2000水稻模型中，對葉面積指數的增長和衰亡的模擬采用了比葉重法，其值由葉面積的大小和綠葉干物重來決定，是模擬作物生物量變化的敏感參數。由于比葉重法對葉片生長和衰亡、環境要素及管理措施影響等機理的解釋還顯不足，因此，導致實測值與模擬值間還存在一定的誤差。第三，由于研究資料的局限性，本文在模擬土壤水分動態平衡過程中大多采用了模型默認參數值，僅根據土壤普查資料計算了部分參數，這也會對模擬結果造成一定誤差。

參考文獻References

[1]Jing Q,Bouman B A M,Hengsdijk H,et al.Exploring options to combine high yields with high nitrogen use efficiencies in irrigated rice in China[J].European Journal of Agronomy,2007, 26(2):166-177.

[2]秦鵬程,姚鳳梅,曹秀霞,等.利用作物模型研究氣候變化對農業影響的發展過程[J].中國農業氣象,2011,32(2): 240-245.

Qin P C,Yao F M,Cao X X,et al.Development process of modeling impacts of climate change on agricultural productivity based on crop models[J].Chinese Journal of Agrometeorology, 2011,32(2): 240-245.(in Chinese)

[3]薛昌穎,楊曉光,Bouman B A M,等.ORYZA2000模型模擬北京地區旱稻的適應性初探[J].作物學報,2005, 31(12): 1567-1571.

Xue C Y,Yang X G,Bouman B A M,et al.Preliminary approach on adaptability of ORYZA2000 model for aerobic rice in Beijing region[J].Acta Agronomica Sinica,2005,31(12):1567-1571.(in Chinese)

[4]薛昌穎,楊曉光,鄧偉,等.利用ORYZA2000模型分析北京地區旱稻產量潛力及需水特征[J].作物學報,2007,33(4): 625-631.

Xue C Y,Yang X G,Deng W,et al.Yield potential and water requirement of aerobic rice in Beijing analyzed by ORYZA2000 model[J].Acta Agronomica Sinica,2007,33(4): 625-631.(in Chinese)

[5]Feng L P,Bouman B A M,Tuong T P.Exploring options to growrice using less water in northern China using a modelling approach[J]. Agricultural Water Management,2007, 88:1-13.

[6]帥細強,王石立,馬玉平,等.基于ORYZA2000模型的湘贛雙季稻氣候生產潛力[J].中國農業氣象,2009,30(4): 575-581.

Shuai X Q,Wang S L,Ma Y P,et al.Studies on potential climate productivity of double rice in Hunan and Jiangxi Provinces Based on ORYZA 2000 model[J].Chinese Journal of Agrometeorology,2009,30(4):575-581.(in Chinese)

[7]莫志鴻,馮利平,鄒海平,等.水稻模型ORYZA2000在湖南雙季稻區的驗證與適應性評價[J].生態學報,2011,31(16): 4628-4637.

Mo Z H,Feng L P,Zou H P,et al.Validation and adaptability evaluation of rice growth model ORYZA2000 in double cropping rice area of Hunan Province[J].Acta Ecologica Sinica,2011,31(16):4628-4637.(in Chinese)

[8]浩宇,景元書,馬曉群,等.ORYZA2000模型模擬安徽地區不同播期水稻的適應性分析[J].中國農業氣象,2013, 34(4): 425-433.

Hao Y,Jing Y S,Ma X Q,et al.Analysis on the simulation adaptability of ORYZA2000 model for rice with different sowing-date in Anhui Province[J].Chinese Journal of Agrometeorology,2013,34(4):425-433.(in Chinese)

[9]Bouman B A M,Kropff M J,Tuong T P,et al.ORYZA2000: Modeling Lowland Rice[M].Los Baňos:International Rice Research Institute, and Wageningen:Wageningen University and Research Centre,2001．

[10]Li T,Angeles O,Radanielson A,et al.Drought stress impacts of climate change on rainfed rice in South Asia[J].Climatic Change,2015,133:709-720.

[11]Sumathi A,Mohandass S,Ramasamy S.Impact of climate change scenario on rice production in two planting methods:a simulation study[J].International Journal of Environmental Science and Technology,2015, (12):1539-1548.

[12]李亞龍,崔遠來,李遠華,等.基于ORYZA2000模型的旱稻生長模擬及氮肥管理研究[J].農業工程學報,2005,21(12): 141-145.

Li Y L,Cui Y L,Li Y H,et al.Growth simulation of aerobic rice and its nitrogen management on the basis of ORYZA2000[J].Transactions of the CSAE,2005,21(12):141-145. (in Chinese)

[13]張俊,徐紹輝,劉建立,等.應用ORYZA2000模型模擬水稻產量及吸氮量[J].土壤,2007,39(3):428-432．

Zhang J,Xu S H,Liu J l,et al.Simulation of yield and nitrogen uptake of rice using ORYZA 2000 model[J]. Soils,2007, 39(3):428-432.(in Chinese)

Growth Simulation of Major Rice Varieties in Single Cropping Rice Area of Sichuan Province

CHEN Chao1,2, PANG Yan-mei1, MO Zhi-hong3
(1.Institute of Plateau Meteorology, China Meteorological Administration, Chengdu/Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province, Chengdu 610072, China; 2.Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, Chengdu 610225; 3.Beijing Climate Center, Beijing 100089)

Abstract：To provide the reference for regional adaptation and application of ORYZA2000 in Sichuan province, the model was calibrated by the field data of five rice varieties at seven agrometeorological stations, and evaluated by the dataset from above stations with the five rice varieties. The daily meteorological data over the growing period of single cropping rice for the studied sites were used as driving variables in ORYZA2000 model. Management measures and soil data were used as the input of the model. By the comparison between measured and simulated values of development stages, leaf area index (LAI), biomass and yield, the simulation capacity and performance of ORYZA2000 model were evaluated in single cropping rice area. The results showed that nutrition stage growth rate of Hexi-39 was largest, but reproductive stage growth rate of Hexi-39 was smallest. The nutrition stage growth rate of Ⅱyou-838 was smallest, but reproductive stage growth rate of Dyou-63 and Xianyou-2 were largest. ORYZA2000 model could simulate the phenology of five rice varieties with 1-2 days’ difference for flowering and maturity stages. Furthermore, the normalized root mean square errors (NRMSE) of different development stages were less than 1%. While the NRMSE of other rice parameters were 5.26%-10.01% for yield, 10.37%-19.19% for leaf area index, 13.17%-18.69%for aboveground biomass, 14.31%-20.41% for stem biomass, 18.95%-24.74% for green leaves biomass, and 20.85%-25.39% for panicle biomass．These results showed that ORYZA2000 model could satisfactorily simulate the dynamical process of growth and yield of five major rice varieties. In general, we could conclude that ORYZA2000 model was adaptable and could be applied in scenarios analysis study in single cropping rice area of Sichuan province.

Key words:Crop model; ORYZA2000; Single cropping rice; Major rice varieties; Sichuan province

doi:10.3969/j.issn.1000-6362.2016.03.006

* 收稿日期：2015-09-06

基金項目：高原大氣與環境四川省重點實驗室開放課題資助課題(PAEKL-2014-C5)；中國氣象局西南區域重大科研業務項目（2014-08）；中國氣象局氣候變化專項(CCSF201422)；四川省氣象局科學技術研究開發課題(2014-青年-08)

作者簡介：陳超（1982-），博士，主要研究方向為氣候資源與農業減災、生物氣候模型與信息系統研究。E-mail：chenchao16306@sina.com