河南省不同生態區CERES-Maize模型參數確定及精度驗證

李樹巖，余衛東

(中國氣象局·河南省農業氣象保障與應用技術重點實驗室/河南省氣象科學研究所， 河南 鄭州 450003)

河南省不同生態區CERES-Maize模型參數確定及精度驗證

李樹巖，余衛東

(中國氣象局·河南省農業氣象保障與應用技術重點實驗室/河南省氣象科學研究所， 河南 鄭州 450003)

本研究將河南夏玉米主產區劃分為4個生態區，利用全省18個站近十余年農氣觀測資料對CERES-Maize模型進行參數調試和驗證，其中2003—2005年為模型調參年份，2006—2010年為模型驗證年份。根據各生態區的多站點調參驗證的平均狀態，獲得4套模型區域品種參數。由各生態區夏玉米品種遺傳參數可知，I區全生育期所需積溫最多，其次是Ⅲ區和Ⅳ區；單穗潛在最大籽粒數Ⅰ區最高，Ⅲ區次之，Ⅳ區最低；灌漿速率參數Ⅲ區略小，其他地區較相近。各生態區生物量和產量的模擬和驗證結果表明，歸一化均方根誤差NRMSE均小于20%，模型對各生態區生物量和產量模擬能力較強。但各生態區模擬效果有一定差異，其中生物量調試結果中觀測值與模擬值均值較接近，驗證結果中實測值較模擬值普遍偏大，尤其是Ⅰ區和Ⅱ區。在產量驗證中，Ⅰ區和Ⅱ區模擬值略低于觀測值，而Ⅲ區和Ⅳ區模擬值略高于觀測值。Ⅰ-Ⅲ區生物量和產量的觀測值和模擬值相關系數r均通過顯著檢驗，模型對于這些地區生物量及產量增減的變化趨勢模擬較好。對生物量和葉面積指數的動態模擬及驗證結果表明，地上部總生物量動態增長的擬合效果較好。葉面積指數觀測值略滯后于模擬值，但總體趨勢吻合度較好。

CERES-Maize；作物模型；調參驗證；夏玉米

隨著遺傳育種工作的發展，作物品種更替加快，一方面某一特定品種長序列的定位觀測數據較難獲得，另一方面使用年代較早的品種觀測數據調試驗證模型參數，對當前玉米生產的指導意義不大。因此，選擇最近年代的觀測數據，不拘泥于某一具體品種對模型進行較大范圍的調試驗證，獲取區域代表性的模型參數可為模型的大范圍應用奠定基礎。在氣候變化背景下，作物品種變化與氣候條件的變化越來越緊密，作物模型的區域適用性也需要進一步驗證[26]。

夏玉米是河南最主要的秋糧作物，至2013年全省播種面積320.3萬hm2，總產1 796.5萬t[27]，在保障全國糧食安全中發揮了重要作用。應用作物模型開展河南省夏玉米生產管理決策等研究是未來的發展重要方向之一。進行模型參數的本地化調試與驗證，提高參數率定的準確率，是利用作物模型開展各項研究的基礎。因此，本研究首先根據河南省氣候、地形、土壤等特征將全省劃分為4個不同生態區，利用近10余年的農氣觀測資料分別進行模型參數的調試驗證，以不同生態區的多點平均狀態作為“區域品種”參數，消除單點數據的空間波動性。從生育期長度、地上部生物量、葉面積指數動態變化和產量等方面，對模型的適用性進行分區評估，為CERES-Maize模型在河南的進一步應用提供研究基礎。

1 材料與方法

1.1 CERES-Maize模型

CERES-Maize是DSSAT4.5中的玉米模型，該模型以日為步長，可模擬作物品種特性、耕作措施、土壤水分及養分狀況對作物生長發育和產量形成過程的影響[8]。CERES模型包括土壤水分平衡、發育時段、作物生長等，用積溫模擬發育時段，根據葉片數、葉面積增長、光的截獲及其利用、干物質在各個器官中的分配等模擬作物生長，被廣泛應用于不同環境條件下的作物估產、作物品種培育、農業優化管理措施的決策、氣候變化對農業的影響方面的評價。模型通過6個品種特性參數來控制發育期進程及產量形成的模擬，包括：P1幼苗期生長特性參數，P2光周期敏感系數，P5灌漿期特征參數，G2單株潛在的最大穗粒數，G3潛在灌漿速率參數，PHINT指出葉間隔特性參數。

1.2 資料收集與處理

1.2.1 氣象數據 CERES-Maize模型運行所需最小氣象資料集包括：逐日太陽輻射，最高、最低氣溫和降水量四個要素。由于太陽輻射量沒有觀測數據，利用埃斯屈朗(Angstrom)[28]方程將日照時數轉換為太陽輻射量。選取河南省夏玉米主產區2003—2010年18個農業氣象觀測站氣象資料進行模型參數調試和驗證。

夏玉米品種多且更新較快，相同的品種在不同氣候條件下表現也不一致。因此，本文根據河南省地形、氣候等特點和夏玉米生產品種布局將全省劃分為5個區(圖1)，各生態區的代表站點如表1所示，其中Ⅴ區以水稻種植為主不作為研究區域。已有研究表明，利用足水足肥處理數據估計模型參數，用其他處理的數據來進行模型驗證，能獲得較高的模擬精度[29]，經統計2003—2005年為降水豐沛年型，因此大多數站點均利用2003—2005年的農氣觀測資料進行模型參數調試，利用2006—2010年的資料進行模型驗證。第Ⅲ區的駐馬店和西平兩個站點由于2003年降水過多造成大面積洪澇災害，導致夏玉米嚴重減產，但CERES-Maize模型沒有考慮洪澇災害對作物生長發育的影響，因此相應站點選擇2004—2006年為調參年份，2007—2010年為驗證年份。

注：I-IV區為夏玉米主產區，V區以水稻為主，不作為研究區域

Note: I-IV are the main summer maize production areas and V is not in the scope of study areas because it is mainly used for rice production.

圖1 河南省分區示意圖

Fig.1 Agro-climatic zoning map of Henan Province

表1 各生態區調參代表站

1.2.2 作物數據 作物數據選取河南省夏玉米主產區2003—2010年18個農業氣象觀測站農氣觀測資料，主要包括發育期，理論產量及產量結構要素(百粒重、穗粒重)等。鄭州農試站在常規農氣觀測內容的基礎上又增加了生物量、葉面積生長動態觀測，在出苗、七葉、拔節、抽雄、乳熟、成熟六個發育期取樣測定。

為使模型模擬的產量接近大田水平，需要對理論產量進行換算，即實際產量=理論產量*0.85，0.85為換算系數[30]。同理，計算地上部總生物量也需要對莖稈重進行換算。即，地上部總生物量=(莖稈重+理論產量)*0.85。

1.2.3 土壤數據 土壤數據來源于《河南土壤地理》和《河南土種志》，經統計，潮土、褐土、黃褐土、砂漿黑土和水稻土5種土壤類型土壤占全省耕地面積的94.9%[31]，由于河南水稻土上少有夏玉米種植，最終選擇潮土、褐土、黃褐土、砂漿黑土作為河南省夏玉米主產區典型地段土壤類型。參考各土壤類型的主要理化參數[32]建立相應的土壤類型文件。

1.2.4 田間管理措施 田間管理措施主要包括播種密度、深度、播種日期、灌溉時間及灌溉量、施肥時間及施肥量等，參考農業氣象觀測數據的田間工作記載。

1.3 品種遺傳參數的調試驗證方法

各生態區選擇連續3 a的農業氣象觀測資料及平行氣象和土壤剖面資料，采用“試錯法”對各品種的遺傳參數進行調試。首先通過調整P1和P2參數確定開花期，在此基礎上調整P5參數確定成熟期。PHINT為出葉間隔特性參數，對生育期的長度也有影響。調整G2和G3值確定最大穗粒數和潛在灌漿速率，使穗粒數和成熟期粒重與觀測值相吻合。利用初步確定的參數運行作物模型，然后對參數進行適度微調，使模型模擬的發育期、生物量、產量及產量結構要素等最大限度的接近于實測值，均方根誤差(RMSE)達到最小為最佳參數標準。

1.4 模型調參驗證評價指標

對模型模擬的生物量和產量進行驗證，選擇模擬值與觀測值的均方根誤差(RMSE)、歸一化均方根誤差(NRMSE)和相關系數(r)作為模型的驗證指標。

(1)

(2)

(3)

2 結果分析

2.1 各生態區夏玉米品種遺傳參數的調試結果

模型調試驗證后的品種遺傳參數如表1所示，調整P1和P2主要影響開花期長度，Ⅱ區完成開花期所需的積溫較其他地區偏多，P2為光周期敏感系數，各個區域品種間差異不大。P5主要控制開花至成熟期的長度，Ⅰ區和Ⅲ區開花-成熟所需積溫較接近，大于Ⅱ區和Ⅳ區。綜合可知I區品種偏晚熟，全生育所需積溫最多，自播種至成熟需要1 030℃·d(P1+P5)，其次是Ⅲ區全生育期所需積溫為990℃·d(P1+P5)，Ⅱ區和Ⅳ區偏早熟。根據實測數據也可知Ⅰ區和Ⅱ區從播種到成熟期分別為107 d和106 d，生育期持續日數基本一致，但Ⅱ區熱量條件差，表明品種熟性差別較大。PHINT表征出葉間隔所光熱條件，Ⅱ區稍大為50 ℃·d，其它地區為48 ℃·d。

穗粒數和粒重構成夏玉米產量的兩個主要要素。單穗潛在最大籽粒數G2參數是Ⅰ區最高，其次是Ⅲ區，Ⅳ區最低。灌漿特性參數G3主要影響灌漿速率，決定最終粒重，各區域中Ⅲ區略小，其他三個地區較相近。綜合兩個參數取值分析，Ⅰ區的產量水平最高。

2.2 發育期調試和驗證

發育期模擬驗證結果見文獻[33]。開花期和成熟期模型模擬值均較好地匹配了實測值，二者基本在1∶1線和±5%的誤差線附近，且偏離度較小。開花期各區域模型調試與驗證結果的RMSE均為2～4 d，成熟期模型參數調試結果各區域RMSE均小于4 d，模型驗證結果RMSE在3～7 d內變化。主要發育期參數調試和驗證結果的NRMSE均在10%以內，表明模擬精度較高。

表2 各生態區夏玉米品種遺傳參數

2.3 地上部總生物量調試和驗證

圖2顯示模型調參和驗證結果中地上部總生物量的模擬值和觀測值比較，調參結果圖顯示，大部分數據分布在1∶1線附近，在±20%誤差線之內，且偏離度較小，表明模型模擬地上部生物量效果較好。驗證結果圖顯示，第Ⅰ～Ⅲ區大部分點雖然較接近1∶1線，但位于下方點較多，表明模型驗證結果模擬值較實測值略偏低。由表2模型調試結果可知，實測值和模擬值的平均值Xobs和Xsim差距不大，Ⅰ區的NRMSE為7.7%模擬效果最好，其地區也都在10%～20%之間，表明模型模擬結果較好。相關系數r的分析表明，除Ⅳ區外，模擬值與實測值的相關系數分別通過0.01和0.05水平的顯著檢驗。在參數驗證結果的統計表中，Xobs和Xsim也較為接近，但模擬值較實測值略偏低。模型驗證結果RMSE為1 354～2 392 kg·hm-2，高于調試結果的945～1 493 kg·hm-2，驗證結果精度稍差一些，但模型驗證結果的NRMSE也都在10%～20%之間，是可以接受的。Ⅰ～Ⅲ區模擬值與實測值的相關系數r均達到0.01的顯著水平，表明驗證結果中模擬生物量與實測生物量變化的一致性較好。以上分析表明雖然驗證年份模型對生物量的模擬精度略偏低，但整體上對夏玉米生物量的模擬效果較好。

表3 夏玉米地上部總生物量參數調試和驗證評價指標

注：**和*表示相關系數通過0.01和0.05的顯著水平，下同。

Note: ** and * indicate significance atP<0.01 andP<0.05, respectively, the same below.

圖2 各區域模型參數調試(A)與驗證(B)結果中夏玉米生物量模擬值和實測值比較

Fig.2 Comparison between simulated and observed biomass of summer maize for calibration (A) and validation (B) in different zones

2.4 產量調試和驗證

通過夏玉米產量由模擬值和實測值圖形比較(圖3)，可以直觀反映模型對于產量的模擬效果，大部分數據點分布在1∶1線附近，在±20%誤差線之內，且離散度較小。夏玉米產量參數調試結果各區域模擬值和實測值的平均Xobs與Xsim較為接近。除Ⅰ區RMSE為1 099 kg·hm-2外，其他區域RMSE均小于1 000 kg·hm-2，各區的NRMSE也均小于20%，由相關系數r的分析可知，Ⅰ區和Ⅱ區相關系數r通過0.01顯著性檢驗，Ⅲ區和Ⅳ區均達到0.05的顯著性水平，表明模型參數調試結果較好。夏玉米產量參數驗證結果中，各區域RMSE均小于1 000 kg·hm-2，歸一化均方根誤差NRMSE也均小于20%，除Ⅳ區外，其他生態區相關系數r均通過顯著性檢驗，表明模型驗證結果較好。總體上模型對夏玉米產量的模擬精度較高。由Xobs與Xsim也可知，Ⅰ區的產量水平最高，其次是Ⅲ區，Ⅱ區和Ⅳ區的產量最低。

圖3 各區域模型參數調試(A)與驗證(B)結果中夏玉米產量模擬值和觀測值比較

Fig.3 Comparison between simulated and observed yield of summer maize for calibration (A) and validation (B) in different zones

表4 夏玉米產量參數調試和驗證評價指標

2.5 地上部生物量與葉面積指數動態模擬

圖4為鄭州農試站2004年和2007年各器官生物量增長動態模擬，2004年為模型調試年份，2007年為模型驗證年份。2004年開花期和成熟期日序分別為209 d和255 d，2007年開花期和成熟期日序分別為204 d和245 d。模型模擬葉片干物質積累前期增加迅速，在開花期達到最大值，開花期之前模擬值均高于實測值，但開花之后模型模擬值的葉片衰減速度較快，葉片干重低于實測值。由模型對莖稈的模擬結果可知，開花前莖稈的模擬值快速增加高于實測值，開花期過后莖稈干重模擬值穩定在一個水平，一直到成熟均不再變化，但實測值在達到峰值后略有降低。在穗的模擬中，果穗干重呈線性增長，與實測值總體趨勢一致，但到后期穗重模擬值增長到一定水平后保持穩定，沒有達到實測值的最高值。模型對地上部總干重的模擬總體較好，前期實測值略滯后于模擬值，成熟時實測值又高于模擬值。總體上兩個年份模型均較好的模擬了玉米生物量動態生長的變化趨勢。

圖4 鄭州站生物量增長動態模擬調試(2004年)與驗證(2007年)結果

Fig.4 Dynamic simulation of biomass of summer maize for calibration (2004a) and validation (2007a) in Zhengzhou

圖5為鄭州農試站2004年(調參年份)和2007年(驗證年份)葉面積指數增長的動態模擬結果。模型模擬的葉面積指數明顯偏低于實測值，但是模擬值與實測值的變化趨勢擬合較好。考慮是由于模型自身葉面積指數計算方法引起的，已有研究結果也存在同樣問題(Ben Nouna 2000)，因此可以通過系統誤差調整，來模擬判定葉面積增長動態的趨勢變化。從兩個年份的擬合情況可知，實測葉面積指數的增長總體略滯后于模擬值，但觀測值與模擬值的總體變化趨勢的吻合度是可接受的。

3 結論與討論

考慮地形、土壤和氣候資源特點將河南夏玉米主產區劃分為4個生態區，各生態區選擇近十余年農氣觀測站資料對CERES-Maize模型進行參數調試和驗證，獲得代表各區域夏玉米品種特性的4套模型參數。由各生態區模型多點模擬和驗證的結果表明，生物量和產量的歸一化均方根誤差NRMSE均小于20%模型模擬結果較好，通過對生物量和葉面積指數的動態模擬及驗證，表明觀測值與模擬值的增長趨勢也有較好的吻合度。

圖5 鄭州站葉面積指數增長動態模擬調試(2004年)與驗證(2007年)結果

Fig.5 Dynamic simulation of leaf area index of summer maize for calibration (2004a) and validation (2007a) in Zhengzhou

總體上CERES-Maize模型可用來在河南各生態區進行夏玉米生長模擬，但不同生態區模擬結果也存在差異，分析其誤差來源，生物量驗證結果中生物量模擬值普遍偏低，尤其是Ⅰ區和Ⅱ區，平均偏差12.7%，是造成生物量模擬誤差的主要來源。在產量的調試結果中各區域模擬值較觀測值略偏高，驗證結果中，Ⅰ區和Ⅱ區觀測值略高于模擬值，而Ⅲ和Ⅳ區則是略低于模擬值。由Ⅲ、Ⅳ區生物量和產量的模擬結果可知，無論是調參還是驗證，生物量為觀測值高于模擬值，而產量是模擬值高于觀測值，這可能與模型干物質在各個器官的分配系數有關。由相關系數r的變化也可知，Ⅰ區和Ⅱ區生物量和產量的觀測值和模擬值均為極顯著相關(P<0.01)，模型對于這兩個地區生物量及產量增減的變化趨勢模擬較好。Ⅳ區僅產量調試結果中觀測值和模擬值呈顯著相關，生物量調試驗證結果和產量驗證結果的r均未達到顯著水平。

模型的模擬過程與實際情況也不完全相符，如對葉面積的動態模擬中，由于后期沒有葉面積指數的實測值，葉面積指數最終的衰減程度沒有做比較。但一般在大田試驗人工測量當玉米達收獲時，植株死亡葉片基本變黃，葉面積指數為零。而模擬值后期的葉面積指數穩定在一定水平，沒有達到零值。

夏玉米品種繁多，如僅以單一某一個品種特性作為調參依據，參數調試后的結果難以在大范圍推廣，將河南全省夏玉米主產區劃分為4個生態區，用多點數據進行各生態區模型參數的綜合調試驗證，分別建立代表各生態區平均狀態的“區域品種”模型參數。較以往以單點調參結果在大范圍區域進行應用研究，在參數精度上有了一定提高，增強了模型應用的準確度和可信度，有助于今后種植制度調整、農業生產管理決策等研究的開展。但對于能與遙感資料相結合的參數精度要求還有差距，需要進一步提升參數的空間分辨率。

[1] 謝 云，James R K.國外作物生長模型發展綜述[J].作物學報，2002,28(2):190-195.

[2] 潘學標．作物模型原理[M].北京：氣象出版社，2003:22-23.

[3] 孫 寧，馮利平．利用冬小麥作物生長模型對產量氣候風險的評估[J].農業工程學報，2005,21(2):106-110．

[4] 徐壽軍，林美蔭，徐志偉．作物生育期模擬研究進展[J].內蒙古民族大學學報(自然科學版),2009,24(2):167-171.

[5] 劉布春，王石立，馬玉平．國外作物模型區域應用研究進展[J].氣象科技，2002，30(4):194-203.

[6] 林忠輝，莫興國，項月琴.作物生長模型研究綜述[J].作物學報，2003,29(5):750-758.

[7] 王亞莉，賀立源.作物生長模擬模型研究和應用綜述[J].華中農業大學學報，2005,24(5):529-535.

[8] Jones J W, Hoogenboom G, Porter C H, et al. The DSSAT cropping system model[J]. European Journal Agronomy, 2003，(18):235-265.

[9] Francisco X L, Kenneth J B, Benigno R N, et al. Testing CERES-Maize versions to estimate maize production in a cool environment[J]. European Journal Agronomy, 2005，(23):89-102.

[10] Monte R O, Jane R F, Daniel R E. Use of CERES-Maize to study effect of spatial precipitation variability on yield[J]. Agricultural Systems, 2002，(73):205-225.

[11] Samuhel P,ika B. Parameterization of crop simulation model “Ceres-Maize” in Nitra-Dolnáá Malanta[J]. Journal of Environmental Engineering and Landscape Management, 2007，(15):25-30.

[12] 戴明宏，陶洪斌，廖樹華，等.基于CERES-Maize模型的華北平原玉米生產潛力的估算與分析[J].農業工程學報，2008,24(4):30-37.

[13] 張艷紅.基于CERES玉米模型的黃淮海夏玉米水肥管理技術研究[D].北京:中國農業大學，2004.

[14] 尹志芳．CERES-Wheat, Maize模型的實驗研究[D]．北京：中國科學院地理科學與資源研究所，2005．

[15] 熊 偉，林而達.CERES-Maize區域應用效果分析[J].中國農業氣象，2009,30(1):3-7．[16] 李樹巖，劉榮花，成 林.基于CERES-Maize的黃淮平原夏玉米階段缺水模擬分析[J].玉米科學，2013,21(5):151-156.

[17] 崔巧娟，許吟隆．利用田間試驗資料檢驗CERES-Maize模型在中國區域的模擬能力[J]．中國農業氣象，2005，26(增刊):37-41.

[18] 劉玉蘭，陳曉光，肖云清.CERES-Maize模型中遺傳參數確定方法的研究[J].玉米科學，2007,15(6):127-129.

[19] 胡亞南，柴紹忠，許吟隆，等.CERES-Maize模型在中國主要玉米種植區域的適用性[J].中國農業氣象，2008,29(4):383-386．

[20] 張艷紅，廖樹華，馬永良.基于CERES-MAIZE模型的夏玉米生產水肥優化管理技術方法與應用研究[J].玉米科學，2006,14(增刊)：81-89.

[22] Dente L, Satalino G, Mattia F, et al. Assimilation of leaf area index derived from ASAR and MERIS data into CERES Wheat model to map wheat yield[J]. Remote Sensing of Environment, 2008,112(4):1395-1407.

[23] Ma Yuping, Wang Shili, Li Zhang, et al. Monitoring winter wheat growth in north china by combining a crop model and remote sensing data[J]. International Journal of Applied Earth Observation and Geoinformation, 2008,10(4):426-437.

[24] Hongliang Fang, Shunlin Liang, Hoogenboom G, et al. Integration of MODIS LAI and vegetation index products with the CSM-CERES-Maize model for corn yield estimation[J]. International Journal of Remote Sensing, 2011,32(4):1039-1065.

[25] 羅 毅，郭 偉．作物模型研究與應用中存在的問題[J].農業工程學報，2008,24(5):307-312．

[26] 鄧振鏞，王 強，張 強，等．中國北方氣候暖干化對糧食作物的影響及應對措施[J]．生態學報，2010,30(22):6278-6288.

[27] 河南省統計局，國家統計局河南調查總隊.河南統計年鑒[M].北京：中國統計出版社，2014．

[28] Angstr?m A. Solar and terrestrial radiation[J]. Quarterly Journal of Royal Meteorological Society, 1924,50:121-125．

[29] 姚 寧，周元剛，宋利兵，等.不同水分脅迫條件下DSSAT-CERES-Wheat模型的調參與驗證[J].農業工程學報，2015,31(12):138-140．

[30] 玉米測產方法[EB].百度文庫，[2015-12-25].http://wenku.baidu.com/view/fb6d41dcce2f0066f5332276.html?re=view.

[31] 魏克循.河南土壤地理[M].鄭州：河南科學技術出版社，1995:734.

[32] 河南省土壤肥料工作站，河南省土壤普查辦公室.河南土種志[M].北京：中國農業出版社，1995:58,99-100,290-300.

[33] 李樹巖，王 靖，余衛東，等.氣候變化對河南省夏玉米主栽品種發育期的影響模擬[J].中國農業氣象，2015,36(4):479-488．

Applicability analysis of CERES-Maize model in different agro-ecological zone of Henan

LI Shu-yan, YU Wei-dong

(ChinaMeteorologicalAdministration/KeyLaboratoryofAgrometeorologicalSafeguardandAppliedTechniqueinHenanProvince/HenanInstituteofMeteorologicalSciences,Zhengzhou,He'nan450003,China)

The main production region of summer maize in Henan Province was divided into four agro-ecological zones. The genetic parameters of representative maize varieties in each zone were determined to calibrate and validate CERES-Maize model by using data from 18 agro-meteorological stations in recently ten years. The data from 2003 to 2005 were used for calibration and from 2006 to 2010 for validation. According to the mean values of calibration and validation in different zones, four sets of zonal variety parameters for modeling were gotten. From the genetic parameters of maize in different zones, it was found that the accumulated temperature in zone I was the largest, followed by zone Ⅲ and Ⅳ; the potential maximum number of kernels per ear was the largest in zone I, followed by zone Ⅲ, and it was the lowest in zone Ⅳ; the kernel filling rate was relatively low in zone Ⅲ, and it was similar in other zones. The calibration and validation results of biomass and yield in different zones showed that the normalized root mean square error (NRMSE) was lower than 20%. The ability of CERES-Maize model was strong in simulating biomass and yield in different zones, but there were some spatial differences in simulating effect. The observed value was close to the simulated value in calibration period of biomass, but it was generally greater than the simulated value in validation period, especially for zone I and Ⅱ. In validation period of yield, the simulated value was lower than the observed value in zone I and Ⅱ，but greater in zone Ⅲ and Ⅳ. The correlation coefficients between observed value and simulated value of biomass and yield in zone Ⅰ to Ⅲ wholly passed the significance test, so the simulating effect of biomass and yield was good in these zones. According to the calibration and validation results of biomass and leaf area index, it was found that the simulating effect of above-ground biomass was good. The observed value of leaf area index slightly lagged behind the simulated value, but their overall trend coincided quite well.

CERES-Maize; crop model; calibration and validation; summer maize

1000-7601(2017)02-0001-08

10.7606/j.issn.1000-7601.2017.02.01

2015-12-20基金項目：中國氣象局氣候變化專項(CCSF201408)

李樹巖(1979—)，女，碩士，高級工程師，主要從事農業氣象災害、作物模型應用等研究。 E-mail:lsy_126com@126.com。

S314

A