河南省不同生态区CERES-Maize模型参数确定及精度验证

李树岩，余卫东

(中国气象局·河南省农业气象保障与应用技术重点实验室/河南省气象科学研究所， 河南 郑州 450003)

河南省不同生态区CERES-Maize模型参数确定及精度验证

李树岩，余卫东

(中国气象局·河南省农业气象保障与应用技术重点实验室/河南省气象科学研究所， 河南 郑州 450003)

本研究将河南夏玉米主产区划分为4个生态区，利用全省18个站近十余年农气观测资料对CERES-Maize模型进行参数调试和验证，其中2003—2005年为模型调参年份，2006—2010年为模型验证年份。根据各生态区的多站点调参验证的平均状态，获得4套模型区域品种参数。由各生态区夏玉米品种遗传参数可知，I区全生育期所需积温最多，其次是Ⅲ区和Ⅳ区；单穗潜在最大籽粒数Ⅰ区最高，Ⅲ区次之，Ⅳ区最低；灌浆速率参数Ⅲ区略小，其他地区较相近。各生态区生物量和产量的模拟和验证结果表明，归一化均方根误差NRMSE均小于20%，模型对各生态区生物量和产量模拟能力较强。但各生态区模拟效果有一定差异，其中生物量调试结果中观测值与模拟值均值较接近，验证结果中实测值较模拟值普遍偏大，尤其是Ⅰ区和Ⅱ区。在产量验证中，Ⅰ区和Ⅱ区模拟值略低于观测值，而Ⅲ区和Ⅳ区模拟值略高于观测值。Ⅰ-Ⅲ区生物量和产量的观测值和模拟值相关系数r均通过显著检验，模型对于这些地区生物量及产量增减的变化趋势模拟较好。对生物量和叶面积指数的动态模拟及验证结果表明，地上部总生物量动态增长的拟合效果较好。叶面积指数观测值略滞后于模拟值，但总体趋势吻合度较好。

CERES-Maize；作物模型；调参验证；夏玉米

随着遗传育种工作的发展，作物品种更替加快，一方面某一特定品种长序列的定位观测数据较难获得，另一方面使用年代较早的品种观测数据调试验证模型参数，对当前玉米生产的指导意义不大。因此，选择最近年代的观测数据，不拘泥于某一具体品种对模型进行较大范围的调试验证，获取区域代表性的模型参数可为模型的大范围应用奠定基础。在气候变化背景下，作物品种变化与气候条件的变化越来越紧密，作物模型的区域适用性也需要进一步验证[26]。

夏玉米是河南最主要的秋粮作物，至2013年全省播种面积320.3万hm2，总产1 796.5万t[27]，在保障全国粮食安全中发挥了重要作用。应用作物模型开展河南省夏玉米生产管理决策等研究是未来的发展重要方向之一。进行模型参数的本地化调试与验证，提高参数率定的准确率，是利用作物模型开展各项研究的基础。因此，本研究首先根据河南省气候、地形、土壤等特征将全省划分为4个不同生态区，利用近10余年的农气观测资料分别进行模型参数的调试验证，以不同生态区的多点平均状态作为“区域品种”参数，消除单点数据的空间波动性。从生育期长度、地上部生物量、叶面积指数动态变化和产量等方面，对模型的适用性进行分区评估，为CERES-Maize模型在河南的进一步应用提供研究基础。

1 材料与方法

1.1 CERES-Maize模型

CERES-Maize是DSSAT4.5中的玉米模型，该模型以日为步长，可模拟作物品种特性、耕作措施、土壤水分及养分状况对作物生长发育和产量形成过程的影响[8]。CERES模型包括土壤水分平衡、发育时段、作物生长等，用积温模拟发育时段，根据叶片数、叶面积增长、光的截获及其利用、干物质在各个器官中的分配等模拟作物生长，被广泛应用于不同环境条件下的作物估产、作物品种培育、农业优化管理措施的决策、气候变化对农业的影响方面的评价。模型通过6个品种特性参数来控制发育期进程及产量形成的模拟，包括：P1幼苗期生长特性参数，P2光周期敏感系数，P5灌浆期特征参数，G2单株潜在的最大穗粒数，G3潜在灌浆速率参数，PHINT指出叶间隔特性参数。

1.2 资料收集与处理

1.2.1 气象数据 CERES-Maize模型运行所需最小气象资料集包括：逐日太阳辐射，最高、最低气温和降水量四个要素。由于太阳辐射量没有观测数据，利用埃斯屈朗(Angstrom)[28]方程将日照时数转换为太阳辐射量。选取河南省夏玉米主产区2003—2010年18个农业气象观测站气象资料进行模型参数调试和验证。

夏玉米品种多且更新较快，相同的品种在不同气候条件下表现也不一致。因此，本文根据河南省地形、气候等特点和夏玉米生产品种布局将全省划分为5个区(图1)，各生态区的代表站点如表1所示，其中Ⅴ区以水稻种植为主不作为研究区域。已有研究表明，利用足水足肥处理数据估计模型参数，用其他处理的数据来进行模型验证，能获得较高的模拟精度[29]，经统计2003—2005年为降水丰沛年型，因此大多数站点均利用2003—2005年的农气观测资料进行模型参数调试，利用2006—2010年的资料进行模型验证。第Ⅲ区的驻马店和西平两个站点由于2003年降水过多造成大面积洪涝灾害，导致夏玉米严重减产，但CERES-Maize模型没有考虑洪涝灾害对作物生长发育的影响，因此相应站点选择2004—2006年为调参年份，2007—2010年为验证年份。

注：I-IV区为夏玉米主产区，V区以水稻为主，不作为研究区域

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.

图1 河南省分区示意图

Fig.1 Agro-climatic zoning map of Henan Province

表1 各生态区调参代表站

1.2.2 作物数据 作物数据选取河南省夏玉米主产区2003—2010年18个农业气象观测站农气观测资料，主要包括发育期，理论产量及产量结构要素(百粒重、穗粒重)等。郑州农试站在常规农气观测内容的基础上又增加了生物量、叶面积生长动态观测，在出苗、七叶、拔节、抽雄、乳熟、成熟六个发育期取样测定。

为使模型模拟的产量接近大田水平，需要对理论产量进行换算，即实际产量=理论产量*0.85，0.85为换算系数[30]。同理，计算地上部总生物量也需要对茎秆重进行换算。即，地上部总生物量=(茎秆重+理论产量)*0.85。

1.2.3 土壤数据 土壤数据来源于《河南土壤地理》和《河南土种志》，经统计，潮土、褐土、黄褐土、砂浆黑土和水稻土5种土壤类型土壤占全省耕地面积的94.9%[31]，由于河南水稻土上少有夏玉米种植，最终选择潮土、褐土、黄褐土、砂浆黑土作为河南省夏玉米主产区典型地段土壤类型。参考各土壤类型的主要理化参数[32]建立相应的土壤类型文件。

1.2.4 田间管理措施 田间管理措施主要包括播种密度、深度、播种日期、灌溉时间及灌溉量、施肥时间及施肥量等，参考农业气象观测数据的田间工作记载。

1.3 品种遗传参数的调试验证方法

各生态区选择连续3 a的农业气象观测资料及平行气象和土壤剖面资料，采用“试错法”对各品种的遗传参数进行调试。首先通过调整P1和P2参数确定开花期，在此基础上调整P5参数确定成熟期。PHINT为出叶间隔特性参数，对生育期的长度也有影响。调整G2和G3值确定最大穗粒数和潜在灌浆速率，使穗粒数和成熟期粒重与观测值相吻合。利用初步确定的参数运行作物模型，然后对参数进行适度微调，使模型模拟的发育期、生物量、产量及产量结构要素等最大限度的接近于实测值，均方根误差(RMSE)达到最小为最佳参数标准。

1.4 模型调参验证评价指标

对模型模拟的生物量和产量进行验证，选择模拟值与观测值的均方根误差(RMSE)、归一化均方根误差(NRMSE)和相关系数(r)作为模型的验证指标。

(1)

(2)

(3)

2 结果分析

2.1 各生态区夏玉米品种遗传参数的调试结果

模型调试验证后的品种遗传参数如表1所示，调整P1和P2主要影响开花期长度，Ⅱ区完成开花期所需的积温较其他地区偏多，P2为光周期敏感系数，各个区域品种间差异不大。P5主要控制开花至成熟期的长度，Ⅰ区和Ⅲ区开花-成熟所需积温较接近，大于Ⅱ区和Ⅳ区。综合可知I区品种偏晚熟，全生育所需积温最多，自播种至成熟需要1 030℃·d(P1+P5)，其次是Ⅲ区全生育期所需积温为990℃·d(P1+P5)，Ⅱ区和Ⅳ区偏早熟。根据实测数据也可知Ⅰ区和Ⅱ区从播种到成熟期分别为107 d和106 d，生育期持续日数基本一致，但Ⅱ区热量条件差，表明品种熟性差别较大。PHINT表征出叶间隔所光热条件，Ⅱ区稍大为50 ℃·d，其它地区为48 ℃·d。

穗粒数和粒重构成夏玉米产量的两个主要要素。单穗潜在最大籽粒数G2参数是Ⅰ区最高，其次是Ⅲ区，Ⅳ区最低。灌浆特性参数G3主要影响灌浆速率，决定最终粒重，各区域中Ⅲ区略小，其他三个地区较相近。综合两个参数取值分析，Ⅰ区的产量水平最高。

2.2 发育期调试和验证

发育期模拟验证结果见文献[33]。开花期和成熟期模型模拟值均较好地匹配了实测值，二者基本在1∶1线和±5%的误差线附近，且偏离度较小。开花期各区域模型调试与验证结果的RMSE均为2～4 d，成熟期模型参数调试结果各区域RMSE均小于4 d，模型验证结果RMSE在3～7 d内变化。主要发育期参数调试和验证结果的NRMSE均在10%以内，表明模拟精度较高。

表2 各生态区夏玉米品种遗传参数

2.3 地上部总生物量调试和验证

图2显示模型调参和验证结果中地上部总生物量的模拟值和观测值比较，调参结果图显示，大部分数据分布在1∶1线附近，在±20%误差线之内，且偏离度较小，表明模型模拟地上部生物量效果较好。验证结果图显示，第Ⅰ～Ⅲ区大部分点虽然较接近1∶1线，但位于下方点较多，表明模型验证结果模拟值较实测值略偏低。由表2模型调试结果可知，实测值和模拟值的平均值Xobs和Xsim差距不大，Ⅰ区的NRMSE为7.7%模拟效果最好，其地区也都在10%～20%之间，表明模型模拟结果较好。相关系数r的分析表明，除Ⅳ区外，模拟值与实测值的相关系数分别通过0.01和0.05水平的显著检验。在参数验证结果的统计表中，Xobs和Xsim也较为接近，但模拟值较实测值略偏低。模型验证结果RMSE为1 354～2 392 kg·hm-2，高于调试结果的945～1 493 kg·hm-2，验证结果精度稍差一些，但模型验证结果的NRMSE也都在10%～20%之间，是可以接受的。Ⅰ～Ⅲ区模拟值与实测值的相关系数r均达到0.01的显著水平，表明验证结果中模拟生物量与实测生物量变化的一致性较好。以上分析表明虽然验证年份模型对生物量的模拟精度略偏低，但整体上对夏玉米生物量的模拟效果较好。

表3 夏玉米地上部总生物量参数调试和验证评价指标

注：**和*表示相关系数通过0.01和0.05的显著水平，下同。

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

图2 各区域模型参数调试(A)与验证(B)结果中夏玉米生物量模拟值和实测值比较

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

2.4 产量调试和验证

通过夏玉米产量由模拟值和实测值图形比较(图3)，可以直观反映模型对于产量的模拟效果，大部分数据点分布在1∶1线附近，在±20%误差线之内，且离散度较小。夏玉米产量参数调试结果各区域模拟值和实测值的平均Xobs与Xsim较为接近。除Ⅰ区RMSE为1 099 kg·hm-2外，其他区域RMSE均小于1 000 kg·hm-2，各区的NRMSE也均小于20%，由相关系数r的分析可知，Ⅰ区和Ⅱ区相关系数r通过0.01显著性检验，Ⅲ区和Ⅳ区均达到0.05的显著性水平，表明模型参数调试结果较好。夏玉米产量参数验证结果中，各区域RMSE均小于1 000 kg·hm-2，归一化均方根误差NRMSE也均小于20%，除Ⅳ区外，其他生态区相关系数r均通过显著性检验，表明模型验证结果较好。总体上模型对夏玉米产量的模拟精度较高。由Xobs与Xsim也可知，Ⅰ区的产量水平最高，其次是Ⅲ区，Ⅱ区和Ⅳ区的产量最低。

图3 各区域模型参数调试(A)与验证(B)结果中夏玉米产量模拟值和观测值比较

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

表4 夏玉米产量参数调试和验证评价指标

2.5 地上部生物量与叶面积指数动态模拟

图4为郑州农试站2004年和2007年各器官生物量增长动态模拟，2004年为模型调试年份，2007年为模型验证年份。2004年开花期和成熟期日序分别为209 d和255 d，2007年开花期和成熟期日序分别为204 d和245 d。模型模拟叶片干物质积累前期增加迅速，在开花期达到最大值，开花期之前模拟值均高于实测值，但开花之后模型模拟值的叶片衰减速度较快，叶片干重低于实测值。由模型对茎秆的模拟结果可知，开花前茎秆的模拟值快速增加高于实测值，开花期过后茎秆干重模拟值稳定在一个水平，一直到成熟均不再变化，但实测值在达到峰值后略有降低。在穗的模拟中，果穗干重呈线性增长，与实测值总体趋势一致，但到后期穗重模拟值增长到一定水平后保持稳定，没有达到实测值的最高值。模型对地上部总干重的模拟总体较好，前期实测值略滞后于模拟值，成熟时实测值又高于模拟值。总体上两个年份模型均较好的模拟了玉米生物量动态生长的变化趋势。

图4 郑州站生物量增长动态模拟调试(2004年)与验证(2007年)结果

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

图5为郑州农试站2004年(调参年份)和2007年(验证年份)叶面积指数增长的动态模拟结果。模型模拟的叶面积指数明显偏低于实测值，但是模拟值与实测值的变化趋势拟合较好。考虑是由于模型自身叶面积指数计算方法引起的，已有研究结果也存在同样问题(Ben Nouna 2000)，因此可以通过系统误差调整，来模拟判定叶面积增长动态的趋势变化。从两个年份的拟合情况可知，实测叶面积指数的增长总体略滞后于模拟值，但观测值与模拟值的总体变化趋势的吻合度是可接受的。

3 结论与讨论

考虑地形、土壤和气候资源特点将河南夏玉米主产区划分为4个生态区，各生态区选择近十余年农气观测站资料对CERES-Maize模型进行参数调试和验证，获得代表各区域夏玉米品种特性的4套模型参数。由各生态区模型多点模拟和验证的结果表明，生物量和产量的归一化均方根误差NRMSE均小于20%模型模拟结果较好，通过对生物量和叶面积指数的动态模拟及验证，表明观测值与模拟值的增长趋势也有较好的吻合度。

图5 郑州站叶面积指数增长动态模拟调试(2004年)与验证(2007年)结果

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

总体上CERES-Maize模型可用来在河南各生态区进行夏玉米生长模拟，但不同生态区模拟结果也存在差异，分析其误差来源，生物量验证结果中生物量模拟值普遍偏低，尤其是Ⅰ区和Ⅱ区，平均偏差12.7%，是造成生物量模拟误差的主要来源。在产量的调试结果中各区域模拟值较观测值略偏高，验证结果中，Ⅰ区和Ⅱ区观测值略高于模拟值，而Ⅲ和Ⅳ区则是略低于模拟值。由Ⅲ、Ⅳ区生物量和产量的模拟结果可知，无论是调参还是验证，生物量为观测值高于模拟值，而产量是模拟值高于观测值，这可能与模型干物质在各个器官的分配系数有关。由相关系数r的变化也可知，Ⅰ区和Ⅱ区生物量和产量的观测值和模拟值均为极显著相关(P<0.01)，模型对于这两个地区生物量及产量增减的变化趋势模拟较好。Ⅳ区仅产量调试结果中观测值和模拟值呈显著相关，生物量调试验证结果和产量验证结果的r均未达到显著水平。

模型的模拟过程与实际情况也不完全相符，如对叶面积的动态模拟中，由于后期没有叶面积指数的实测值，叶面积指数最终的衰减程度没有做比较。但一般在大田试验人工测量当玉米达收获时，植株死亡叶片基本变黄，叶面积指数为零。而模拟值后期的叶面积指数稳定在一定水平，没有达到零值。

夏玉米品种繁多，如仅以单一某一个品种特性作为调参依据，参数调试后的结果难以在大范围推广，将河南全省夏玉米主产区划分为4个生态区，用多点数据进行各生态区模型参数的综合调试验证，分别建立代表各生态区平均状态的“区域品种”模型参数。较以往以单点调参结果在大范围区域进行应用研究，在参数精度上有了一定提高，增强了模型应用的准确度和可信度，有助于今后种植制度调整、农业生产管理决策等研究的开展。但对于能与遥感资料相结合的参数精度要求还有差距，需要进一步提升参数的空间分辨率。

[1] 谢 云，James R K.国外作物生长模型发展综述[J].作物学报，2002,28(2):190-195.

[2] 潘学标．作物模型原理[M].北京：气象出版社，2003:22-23.

[3] 孙 宁，冯利平．利用冬小麦作物生长模型对产量气候风险的评估[J].农业工程学报，2005,21(2):106-110．

[4] 徐寿军，林美荫，徐志伟．作物生育期模拟研究进展[J].内蒙古民族大学学报(自然科学版),2009,24(2):167-171.

[5] 刘布春，王石立，马玉平．国外作物模型区域应用研究进展[J].气象科技，2002，30(4):194-203.

[6] 林忠辉，莫兴国，项月琴.作物生长模型研究综述[J].作物学报，2003,29(5):750-758.

[7] 王亚莉，贺立源.作物生长模拟模型研究和应用综述[J].华中农业大学学报，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，廖树华，等.基于CERES-Maize模型的华北平原玉米生产潜力的估算与分析[J].农业工程学报，2008,24(4):30-37.

[13] 张艳红.基于CERES玉米模型的黄淮海夏玉米水肥管理技术研究[D].北京:中国农业大学，2004.

[14] 尹志芳．CERES-Wheat, Maize模型的实验研究[D]．北京：中国科学院地理科学与资源研究所，2005．

[15] 熊 伟，林而达.CERES-Maize区域应用效果分析[J].中国农业气象，2009,30(1):3-7．[16] 李树岩，刘荣花，成 林.基于CERES-Maize的黄淮平原夏玉米阶段缺水模拟分析[J].玉米科学，2013,21(5):151-156.

[17] 崔巧娟，许吟隆．利用田间试验资料检验CERES-Maize模型在中国区域的模拟能力[J]．中国农业气象，2005，26(增刊):37-41.

[18] 刘玉兰，陈晓光，肖云清.CERES-Maize模型中遗传参数确定方法的研究[J].玉米科学，2007,15(6):127-129.

[19] 胡亚南，柴绍忠，许吟隆，等.CERES-Maize模型在中国主要玉米种植区域的适用性[J].中国农业气象，2008,29(4):383-386．

[20] 张艳红，廖树华，马永良.基于CERES-MAIZE模型的夏玉米生产水肥优化管理技术方法与应用研究[J].玉米科学，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] 罗 毅，郭 伟．作物模型研究与应用中存在的问题[J].农业工程学报，2008,24(5):307-312．

[26] 邓振镛，王 强，张 强，等．中国北方气候暖干化对粮食作物的影响及应对措施[J]．生态学报，2010,30(22):6278-6288.

[27] 河南省统计局，国家统计局河南调查总队.河南统计年鉴[M].北京：中国统计出版社，2014．

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

[29] 姚 宁，周元刚，宋利兵，等.不同水分胁迫条件下DSSAT-CERES-Wheat模型的调参与验证[J].农业工程学报，2015,31(12):138-140．

[30] 玉米测产方法[EB].百度文库，[2015-12-25].http://wenku.baidu.com/view/fb6d41dcce2f0066f5332276.html?re=view.

[31] 魏克循.河南土壤地理[M].郑州：河南科学技术出版社，1995:734.

[32] 河南省土壤肥料工作站，河南省土壤普查办公室.河南土种志[M].北京：中国农业出版社，1995:58,99-100,290-300.

[33] 李树岩，王 靖，余卫东，等.气候变化对河南省夏玉米主栽品种发育期的影响模拟[J].中国农业气象，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基金项目：中国气象局气候变化专项(CCSF201408)

李树岩(1979—)，女，硕士，高级工程师，主要从事农业气象灾害、作物模型应用等研究。 E-mail:lsy_126com@126.com。

S314

A