萬 盛，宋新山，秦天玲，于志磊，何 萌

(1.東華大學(xué)環(huán)境科學(xué)與工程學(xué)院，上海 201620；2.中國水利水電科學(xué)研究院水資源所，北京 100038)

農(nóng)田生態(tài)系統(tǒng)是陸地生態(tài)系統(tǒng)碳循環(huán)過程中最活躍的碳庫[1]，研究農(nóng)田生態(tài)系統(tǒng)中碳的凈排放量對(duì)研究全球的碳排放有及其重要的意義。陸地生態(tài)系統(tǒng)碳循環(huán)模型是研究陸地生態(tài)系統(tǒng)碳循環(huán)的有效手段之一[2，3]。通過模型可以模擬長時(shí)間和大空間尺度上的生態(tài)系統(tǒng)碳循環(huán)過程，進(jìn)而探尋土壤水和碳循環(huán)的響應(yīng)關(guān)系[4,5]。

20世紀(jì)中期，陸地生態(tài)系統(tǒng)碳循環(huán)模型開始出現(xiàn)[6-9]，農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型在陸地生態(tài)系統(tǒng)碳循環(huán)模型的基礎(chǔ)上逐漸發(fā)展起來。根據(jù)陸地生態(tài)系統(tǒng)碳循環(huán)模型的模擬特點(diǎn)，可以將其分為3個(gè)階段：全球碳平衡模型階段(20世紀(jì)六七十年代)、陸氣耦合碳循環(huán)模型階段(20世紀(jì)80年代)和動(dòng)態(tài)生物化學(xué)碳循環(huán)模型階段(20世紀(jì)90年代至今)。

全球碳平衡模型多為靜態(tài)模型，利用實(shí)測數(shù)據(jù)，通過簡單相乘模擬全球碳平衡，主要有MIAMI[10]、PSIAC[11,12]、BATS[13]和LSX[14]等；陸氣耦合碳循環(huán)模型是簡單動(dòng)態(tài)模型，通過植被-氣候關(guān)系模擬氣候?qū)μ计胶獾膭?dòng)態(tài)影響，主要有CASA[15]、BIOME[16]、DOLY[17]、SIB2[18]和EPIC[19]等模型；動(dòng)態(tài)生物化學(xué)碳循環(huán)模型是復(fù)雜的動(dòng)態(tài)模型，考慮了土地利用和土地覆蓋變化等對(duì)碳循環(huán)的影響，主要有CENTURY[20]、TEM、DNDC[21.22]和CLASS[23]等。農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型隨著陸地碳循環(huán)模型的3個(gè)發(fā)展階段逐漸發(fā)展，通過基礎(chǔ)研發(fā)到模型開發(fā)，并在當(dāng)下綜合應(yīng)用于對(duì)農(nóng)田生態(tài)系統(tǒng)碳循環(huán)的研究。

本文基于農(nóng)田生態(tài)系統(tǒng)的最新研究進(jìn)展，論述了不同農(nóng)田生態(tài)系統(tǒng)土壤水-碳循環(huán)模型的特征和應(yīng)用，并展望了農(nóng)田生態(tài)系統(tǒng)土壤水-碳循環(huán)模型的研究發(fā)展方向。

1 農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型發(fā)展歷程

農(nóng)田生態(tài)系統(tǒng)是陸地生態(tài)系統(tǒng)的重要組成部分[7]，它既是重要的碳源，也是重要的碳匯[8]，其碳循環(huán)過程較為復(fù)雜。農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型能夠?qū)夂?、土壤等環(huán)境因素和農(nóng)業(yè)管理、土地利用等人類活動(dòng)聯(lián)系起來，詳細(xì)描述碳循環(huán)動(dòng)態(tài)變換過程及其對(duì)生態(tài)系統(tǒng)的反饋?zhàn)饔谩?/p>

農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型根據(jù)模型特點(diǎn)可以分為3個(gè)階段：基礎(chǔ)研發(fā)階段、開發(fā)階段和綜合應(yīng)用階段(見表1)。

表1 農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型發(fā)展歷程Tab.1 Development of the carbon cycle model in farmland ecosystem

2 農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型分類

農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型根據(jù)它們的目的和預(yù)期的應(yīng)用不同，可以有不同的分類，一般情況下將其按空間尺度分類。但由于近些年來對(duì)農(nóng)田生態(tài)系統(tǒng)中的土壤水與碳循環(huán)的耦合研究較多，為方便今后相關(guān)研究的進(jìn)行，通過查閱的大量相關(guān)資料，可以將農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型按是否考慮土壤水含量參數(shù)進(jìn)行分類，且根據(jù)農(nóng)田生態(tài)系統(tǒng)中土壤水的來源和模型中土壤水含量參數(shù)的類型進(jìn)行進(jìn)一步劃分。

2.1 農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型基于模型空間尺度分類

農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型根據(jù)其空間尺度可以分為4類：斑塊尺度、灌區(qū)尺度、流域尺度和全球尺度。

斑塊尺度上的農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型主要是研究某一植株或某一斑塊在周圍環(huán)境中的碳循環(huán)。此類模型的代表有RZWQM模型[32]。這類模型的機(jī)理性較強(qiáng)，以日或時(shí)為時(shí)間步長。但由于農(nóng)田生態(tài)系統(tǒng)中的環(huán)境參數(shù)存在較大的時(shí)空差異，使得局部尺度上的農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型中的參數(shù)確定較為復(fù)雜[33]。這類模型尺度較小，能有效地反映斑塊內(nèi)土壤水含量與碳循環(huán)的響應(yīng)關(guān)系，但對(duì)斑塊內(nèi)土壤水與斑塊周圍環(huán)境中碳循環(huán)過程和水分的交換描述稍顯欠缺。

灌區(qū)尺度上的農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型主要是用于研究一個(gè)灌區(qū)內(nèi)作物參量的估算和作物的優(yōu)化管理措施中。此類模型主要有GSWAP[34]、EPIC、CERES、WOFOST和SUCROS等模型。此類模型的機(jī)理性強(qiáng)，精度高，應(yīng)用范圍較廣。但此類模型一般屬于半經(jīng)驗(yàn)性模型，對(duì)于生態(tài)系統(tǒng)中土壤水分對(duì)碳循環(huán)影響機(jī)理的表達(dá)較為模糊[35]。

流域尺度上的農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型生態(tài)系統(tǒng)中集合了大范圍的生物物理、化學(xué)和生態(tài)過程，一般可用來研究較大時(shí)間尺度上生態(tài)系統(tǒng)的碳循環(huán)過程。驅(qū)動(dòng)因子中的土壤水含量數(shù)據(jù)取流域內(nèi)的平均值，模擬較大時(shí)空尺度上的碳含量變化時(shí)較為精確，主要用于分析環(huán)境因素對(duì)生態(tài)系統(tǒng)的影響和其反饋情況，但難以單獨(dú)分析流域內(nèi)不同子區(qū)間的土壤水和碳循環(huán)的響應(yīng)關(guān)系。此類模型主要有SHAW[36]和APSIM[37]等模型。

全球尺度上的農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型一般用于研究全球環(huán)境變化對(duì)生態(tài)系統(tǒng)的影響。研究尺度大，其代表性模型主要有ISBA[38]和BEPS[39]等模型。此類模型在研究大尺度上變化環(huán)境對(duì)生態(tài)系統(tǒng)造成的影響方面效果較好，但無法考慮到地面柵格單元內(nèi)的植被、地形和氣候等的變化，且由于土壤水含量數(shù)據(jù)難以準(zhǔn)確得到，使得模型較難詳細(xì)分析土壤水分含量變化與生態(tài)系統(tǒng)中碳循環(huán)的響應(yīng)關(guān)系[40]。

2.2 農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型基于土壤水含量參數(shù)分類

農(nóng)田生態(tài)系統(tǒng)中，土壤水分是重要的水分來源，土壤水含量變化會(huì)改變系統(tǒng)中土壤環(huán)境和作物的生長狀況，從而影響土壤的碳儲(chǔ)存和碳排放以及作物的碳排放和碳吸收過程，改變農(nóng)田生態(tài)系統(tǒng)的碳循環(huán)過程。農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型根據(jù)其是否考慮土壤水可以將其分為兩類：不考慮土壤水的農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型；考慮土壤水的碳循環(huán)模型。

2.2.1 基于是否考慮土壤水含量分類

(1)不考慮土壤水的農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型。一部分模型是完全不考慮土壤含水量變化情況，由灌溉量、降雨量、氣溫等來接模擬得到碳循環(huán)的相關(guān)參數(shù)和過程，如作物分布和生長等，主要是用于研究氣候變化和田間管理與農(nóng)田生態(tài)系統(tǒng)中碳的凈排放響應(yīng)關(guān)系。其代表模型有DOLY模型等。此類模型由于對(duì)氣候因子考慮較多，一般可用于描述大尺度上的植被與氣候間的關(guān)系，但由于缺乏相應(yīng)的機(jī)理，使得其難以考慮到土壤水含量引起的相關(guān)變化。

(2)考慮土壤水的農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型。另一部分農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型考慮土壤水分含量變化對(duì)碳循環(huán)的影響，這類碳循環(huán)模型中以土壤水含量做驅(qū)動(dòng)因子，主要用于研究土壤水含量與碳循環(huán)的響應(yīng)關(guān)系，包括CENTURY、DNDC、CLASS、DSSAT、CLM-DGVM[6,41,42]和IBIS[43]等模型。集中于模擬農(nóng)田生態(tài)系統(tǒng)中碳循環(huán)、水循環(huán)和植被變化過程，能很好地描述生態(tài)系統(tǒng)中土壤水和碳循環(huán)的響應(yīng)關(guān)系。在農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型中，土壤水參數(shù)可以分為輸入變量和中間變量。

2.2.2 基于土壤水含量參數(shù)類型分類

在考慮土壤水含量變化過程的農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型中，土壤水參數(shù)可以作為模型的輸入?yún)?shù)和中間參數(shù)。

(1)以土壤水含量作為模型輸入?yún)?shù)。農(nóng)田碳循環(huán)模型根據(jù)其機(jī)理不同，其輸入的參數(shù)也不同，一部分模型是基于土壤水含量的變化情況來模擬分析農(nóng)田生態(tài)系統(tǒng)中的碳循環(huán)和碳排放過程，主要用于研究土壤水分變化對(duì)農(nóng)田生態(tài)系統(tǒng)中碳循環(huán)和碳排放的響應(yīng)關(guān)系。其代表性模型有：DNDC[44]、GSWAP、DSSAT和EPIC等模型。此類模型以土壤含水量為輸入?yún)?shù)，根據(jù)初始土壤含水量其其他相關(guān)參數(shù)來模擬得到所需的參數(shù)和過程，如土壤中的水量通量和水力變化等物理過程，硝化和反硝化等化學(xué)過程以及作物的生長過程等。

(2)以土壤水含量作為模型中間變量。一部分農(nóng)田碳循環(huán)模型模擬不直接基于土壤水分含量變化情況，而是根據(jù)其他氣候條件、田間管理和初始土壤含水量來模擬得到土壤中的含水量變化情況，在根據(jù)模擬得到的土壤含水量繼續(xù)模擬系統(tǒng)中的碳循環(huán)過程，主要用于研究生態(tài)系統(tǒng)中氣候條件、土壤環(huán)境和人為管理共同作用下農(nóng)田生態(tài)系統(tǒng)中碳循環(huán)和碳排放的過程。其代表模型有LPJ[45,46]、SWAT[47]、BEPS和BIOME等模型。此類模型的一般輸入?yún)?shù)更多，過程更為復(fù)雜，但考慮的環(huán)境因素更多，更加全面，應(yīng)用范圍也更為廣泛。

在以土壤水作農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型的中間變量時(shí)需要考慮土壤水的主要來源，可以將其分為以降水為主，以灌溉為主和兩者共同影響3類。

2.2.3 基于土壤水來源分類

在農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型中，土壤水的主要來源可以分為降水，灌溉和地下水。其中地下水主要影響農(nóng)田生態(tài)系統(tǒng)中的深層土壤水含量，對(duì)農(nóng)田生態(tài)系統(tǒng)的碳循環(huán)過程影響較小，在模型模擬中主要考慮降水和灌溉。

(1)以降水為主要土壤水來源。這類模型以自然環(huán)境中的降雨作為農(nóng)田生態(tài)系統(tǒng)中的土壤水來源輸入，主要用于研究氣候變化對(duì)農(nóng)田生態(tài)系統(tǒng)中碳循環(huán)的影響，對(duì)人類活動(dòng)影響的考慮稍顯不足，其代表性模型有LPJ、DNDC、MIAMI、BIOME和BEPS等模型。

(2)以灌溉為主要土壤水來源。這類模型以人為灌溉作為農(nóng)田生態(tài)系統(tǒng)中主要的土壤水來源輸入，主要用于研究人為管理對(duì)碳循環(huán)的影響效應(yīng)，在模擬自然環(huán)境變化對(duì)對(duì)碳循環(huán)過程的影響稍顯不足，其代表性模型有RZWQM和CERES等模型。

(3)考慮降水和灌溉對(duì)土壤水的共同影響。這類模型既考慮人為灌溉，又考慮自然降水對(duì)土壤水含量的影響，可用于研究自然環(huán)境和人為管理?xiàng)l件下農(nóng)田生態(tài)系統(tǒng)的碳循環(huán)過程，其機(jī)理性強(qiáng)，適用范圍廣，在模擬農(nóng)田生態(tài)系統(tǒng)中土壤水和碳的響應(yīng)關(guān)系是更加準(zhǔn)確，其代表性模型有GSWAP、EPIC和DSSAT等模型。

3 結(jié) 論

隨著對(duì)農(nóng)田生態(tài)系統(tǒng)結(jié)構(gòu)、功能和其中碳循環(huán)過程認(rèn)識(shí)的不斷深入，以及遙感技術(shù)的突飛猛進(jìn)，農(nóng)田生態(tài)系統(tǒng)的碳循環(huán)模型不斷地得到發(fā)展和完善。但這些碳循環(huán)模型仍然存在著一些問題，具體有以下幾個(gè)方面。

(1)模型的準(zhǔn)確度不夠。由于當(dāng)前科學(xué)認(rèn)識(shí)的而不足，使得農(nóng)田生態(tài)系統(tǒng)碳循環(huán)過程中，仍然有許多過程的機(jī)理不太明確，不能完全準(zhǔn)確的模擬描述系統(tǒng)中的碳循環(huán)過程，會(huì)造成模型在模擬過程中出現(xiàn)一些不能明了的誤差。

(2)模型需要的參數(shù)復(fù)雜。農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型的機(jī)理越強(qiáng)，所需參數(shù)就越多，為準(zhǔn)確的模擬農(nóng)田生態(tài)系統(tǒng)的碳循環(huán)過程就需要大量不同類型的數(shù)據(jù)進(jìn)行支撐，模型參數(shù)在獲取過程中精度的不同對(duì)模型模擬的準(zhǔn)確會(huì)產(chǎn)生不同的影響。

(3)不同模型的同一模擬過程沒有統(tǒng)一的標(biāo)準(zhǔn)。由于不同碳循環(huán)模型考慮的生態(tài)過程和環(huán)境因子不同，對(duì)同一生態(tài)過程的描述也不一樣，從而使得不同模型對(duì)同一過程模擬的最終結(jié)果存在差異。

(4)模型考慮的環(huán)境因子不全面。由于農(nóng)田生態(tài)系統(tǒng)中的發(fā)生生態(tài)過程和環(huán)境因子較復(fù)雜，難以完全考慮，會(huì)對(duì)其中的某些生態(tài)過程和環(huán)境因子進(jìn)行適當(dāng)合理的假設(shè)，但這樣會(huì)導(dǎo)致模型不可避免的出現(xiàn)系統(tǒng)誤差。

為解決上述問題，在以下4個(gè)方面需要進(jìn)行深入研究。

(1)隨著科學(xué)技術(shù)的發(fā)展，加強(qiáng)對(duì)農(nóng)田生態(tài)系統(tǒng)中生態(tài)過程和物質(zhì)循環(huán)的認(rèn)識(shí)，認(rèn)清農(nóng)田生態(tài)系統(tǒng)中碳循環(huán)過程的準(zhǔn)確機(jī)理，深入了解農(nóng)田生態(tài)系統(tǒng)中碳訓(xùn)話過程，便于建立更加準(zhǔn)確精細(xì)的農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型，從機(jī)理上完善農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型。

(2)發(fā)展先進(jìn)的監(jiān)測技術(shù)，完善農(nóng)田生態(tài)系統(tǒng)中碳循環(huán)過程的監(jiān)測，并將其與農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型相結(jié)合。利用GIS、GPS和RS等現(xiàn)代技術(shù)對(duì)農(nóng)田生態(tài)系統(tǒng)進(jìn)行監(jiān)測和分析，準(zhǔn)確地描述農(nóng)田生態(tài)系統(tǒng)各類特征，使得模型輸入的參數(shù)更加詳細(xì)精確，減少由參數(shù)缺失和不詳引起的誤差。

(3)對(duì)不同農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型中的同一生態(tài)過程建立統(tǒng)一的標(biāo)準(zhǔn)，使不同模型在描述同一生態(tài)過程時(shí)應(yīng)用的原理和參數(shù)相同，便于不同模型之間的耦合，增加模型的研究范圍和其在實(shí)際應(yīng)用中的作用。

(4)在研究方法上，可以將農(nóng)田生態(tài)系統(tǒng)中的不同模型通過耦合的方式有機(jī)地結(jié)合在一起，建立一個(gè)以整個(gè)生態(tài)系統(tǒng)為研究對(duì)象農(nóng)田生態(tài)系統(tǒng)。在農(nóng)田生態(tài)系統(tǒng)中，物質(zhì)交換和能量流動(dòng)的聯(lián)系非常密切，不可分割。因此，農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型應(yīng)該把農(nóng)田生態(tài)系統(tǒng)當(dāng)成一個(gè)功能整體來進(jìn)行研究，綜合建立動(dòng)態(tài)的物質(zhì)和能量循環(huán)生態(tài)模型。

□

[1] 劉 昱，陳敏鵬，陳吉寧.農(nóng)田生態(tài)系統(tǒng)碳循環(huán)模型研究進(jìn)展和展望[J].農(nóng)業(yè)工程學(xué)報(bào)，2015,31(3)：1-10.

[2] 周文婷，黃毅斌，王義祥，等.農(nóng)業(yè)生態(tài)系統(tǒng)碳循環(huán)[J].草業(yè)科學(xué)，2013,30(11)：1 725-1 731.

[3] 陳新芳，居為民，陳鏡明，等.陸地生態(tài)系統(tǒng)碳水循環(huán)的相互作用及其模擬[J].生態(tài)學(xué)雜志，2009,28(8)：1 630-1 639.

[4] 毛留喜，孫艷玲，延曉冬.陸地生態(tài)系統(tǒng)碳循環(huán)模型研究概述[J].應(yīng)用生態(tài)學(xué)報(bào)，2006,17(11)：2 189-2 195.

[5] 姚桃峰, 王潤元, 王 燕.中國小麥生長模擬模型研究概述[J].干旱氣象, 2009,27(1)：66-72.

[6] 王 平,沈潤平.基于CLM模型的植被覆蓋變化對(duì)黃土高原氣溫和降水的影響研究[J].科學(xué)技術(shù)與工程,2013,13(20):5 754-5 759.

[7] 張海清，劉琪璟，陸佩玲，等.陸地生態(tài)系統(tǒng)碳循環(huán)模型概述[J].中國科技信息，2005,13：18-19.

[8] 楊靖民，楊靖一，姜 旭，等.作物模型研究進(jìn)展[J].吉林農(nóng)業(yè)大學(xué)學(xué)報(bào)，2012,34(5)：553-561.

[9] 王文佳，馮 浩.國外主要作物模型研究進(jìn)展與存在問題[J].節(jié)水灌溉,2012,(8):63-68.

[10] 南 梅.基于Miami模型分析青海省果洛州天然草地植被凈初級(jí)生產(chǎn)力[J].畜牧與飼料科學(xué)，2012,33(1)：13-15.

[11] Garg V, Jothiprakash V. Sediment yield assessment of a large basin using PSIAC approach in GIS environment [J]. Water Resources Management, 2012,26(3):799-840.

[12] Daneshvar Mohammad, Reza Mansouri, Bagherzadeh Ali. Evaluation of sediment yield in PSIAC and MPSIAC models by using GIS at Toroq Warewshed, Northeast of Iran [J]. Frontiers of Earth Science, 2012,6(1):83-94.

[13] Popa Lisseanu Ana G, Kramer Schadt Stephanie, Quetglas Juan. Seasonal Variation in Stable Carbon and Nitrogen isotope values of Bats Reflect Environmental Baselines [J]. PLOS ONE, 2015,10(2):1-19.

[14] Thompson SL, Pollard D. A global climate model (GENESIS) with a land-surface-transfer scheme (LSX),2, CO2sensitivity[J]. Journal of Climate, 1995,8(5):1 104-1 121.

[15] 秦 瑞，周瑞伍，彭明春.CASA模型在金沙江流域(云南部分)NPP研究中的應(yīng)用[J].山地學(xué)報(bào)，2014,32(6)：698-705.

[16] Nunes Leonia, Gower Stith T, Peckham Scott D. Estimation of productivity in pine and oak forests in northern Portugal using Biome-BGC [J]. Forestry, 2015, 88(2):200-212.

[17] 盧鶴立，劉桂芳.陸地生態(tài)系統(tǒng)生產(chǎn)力模型研究進(jìn)展[J].寶雞文理學(xué)院學(xué)報(bào)(自然科學(xué)版)，2010，3(6)：79-84.

[18] 褚英敏，袁再健，劉 暢，等.SiB2模型在黃灌區(qū)的應(yīng)用探討[J].水土保持研究，2011,18(2)：159-163.

[19] 范 蘭，呂昌河，陳 朝，等.EPIC模型及其應(yīng)用[J].地理科學(xué)進(jìn)展，2012,31(5)：584-592.

[20] 方東明，周廣勝，蔣延玲，等.基于CENTURE模型模擬火燒對(duì)大興安嶺興安落葉松林碳動(dòng)態(tài)的影響[J].應(yīng)用生態(tài)學(xué)報(bào)，2012,23(9)：2 411-2 421.

[21] Meihua Deng, Sonoko D，Bellingrath Kimura, et al. Evaluation of N environmental risks on Andosolsfroman intensive dairy farming watershed using DNDC[J]. Science of the Total Environment, 2014,512:659-671.

[22] Zheng Zhao, Hanlin Zhang, Changsheng Li, et al. Quantifying nitrogen loading from a paddy field in Shanghai, China with modified DNDC model[J]. Agriculture, Ecosystems and Environment, 2014,197(10): 212-221.

[23] Morais A, Fortin V, Anctil F. Modelling of seasonal evapotranspiration from an agricultural field using the canadian land surface scheme (CLASS) with a pedotransfer rule and multicriteria optimization[J]. Atmosphere-ocean, 2015,53(2):161-175.

[24] Dokoohaki Harrize, Gheysari Manhdi, Mousavi Sayed Farhad. Coupling and testing a new soil water module in DSSAT CERES-Maize model for maize production under semi-arid condition [J]. Agricultural Water Management, 2016，163(10):90-99.

[25] 金之慶，葛道闊，石春林，等.東北平原適應(yīng)全球氣候變化的若干糧食生產(chǎn)對(duì)策的模擬研究[J].作物學(xué)報(bào)，2002，28(1)：24-31.

[26] Lopez Cruz Irineo L, Rojano-Aguilar Abraham, Salazar-Moreno Raquel. Global sensitivity of crop growth SUCROS Model applied to husk tomato[J]. Revista Fitotecnia Mexicana, 2014，37(3):279-288.

[27] Mishra Sudhir Kumar, Shekh A M, Pandey V. Sensitivity analysis of four wheat cultivars to varying photoperiod and temperature at different phenological stages using WOFOST model [J]. Journal of Agrometeorology, 2015,17(1):74-79.

[28] Maldonado Ibarra Isaac. Determination of genetic coefficients of three spring wheat varieties under a Mediterranean environment applying the DSSAT model [J]. Chilean Journal of Agricultural Research, 2015，75(4):412-424.

[29] Zha Y, Xueping W, Xinhua H, et al. Basic soil productivity ofspring maize in black soil under long-term fertilization based on DSSAT model [J].Journal of Integrative Agriculture, 2014,13(3):577-587.

[30] Lu X H, Bai H, Liu H Y. Validate the DSSAT model on winter wheat under conservation tillage treatments in the West Henan, China [J]. Agricultural Research in the Arid Areas, 2014,28(3):64-70.

[31] Subash N, Shamim M, Singh V K. Applicability of APSIM to capture the effectiveness of irrigation management decisions in rice-based cropping sequence in the Upper-Gangetic Plains of India [J]. Paddy and Water Environment，2015,13(4):325-335.

[32] 丁晉利，武繼承，楊永輝，等.耕作方式轉(zhuǎn)變對(duì)土壤蓄水保墑?dòng)绊懙腞ZWQM模型模擬[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，(4):136-145.

[33] 王 風(fēng)，張克強(qiáng)，黃治平，等.RZWQM模型介紹及其應(yīng)用進(jìn)展[J]. 農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究,2008,24(4):501-504.

[34] 徐 旭，黃冠華，屈忠義，等. 區(qū)域尺度農(nóng)田水鹽動(dòng)態(tài)模擬模型GSWAP[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2011，27(7)：58-63.

[35] 羅 霄，李忠武，葉芳毅，等.水稻生長模型CERES-RICE的研究進(jìn)展和展望[J].中國農(nóng)業(yè)科技導(dǎo)報(bào)，2009,11(5)：54-59.

[36] 李瑞平，史海濱，赤江剛夫，等.基于SHAW模型的內(nèi)蒙古河套灌區(qū)秋澆節(jié)水灌溉制度[J].農(nóng)業(yè)工程學(xué)報(bào)，2010,26(2)：31-36.

[37] Sotirios V Archontoulis, Fernando E Miguez, Kenneth J Noore. A methodologe and an optimization tool to calibrate phenology of short-day species included in the APSIM PLANT model: application to soybean[J]. Environmental Modelling & Software, 2014,62(13):465-477.

[38] Joetzjer E, Delire C, Douville H, et al. Improving the ISBA(CC) land surface model simulation of water and carbon fluxes and stocks over the amazon forest[J]. Geoscientific Model Development,2015,8(6):1 709-1 727.

[39] Wu Rongjun, Ge Qin, Zhan Xiwu, et al. Drought monitoring based on simulated surface evapotranspiration by BEPS model [J]. Journal of Natural Disasters, 2014,23(1):7-16.

[40] 馮險(xiǎn)峰，孫慶齡，林 斌.區(qū)域及全球尺度的NPP過程模型和NPP對(duì)全球變化的響應(yīng)[J].生態(tài)環(huán)境學(xué)報(bào)，2014,23(3)：496-503.

[41] Shao Pu, Zhen Xiaodong. Spatiotemporal relationship of leaf area index simulated by CLM3.0-DGVM and climatic factors [J]. Acta Ecologica Sinica, 2011,31(16):4 725-4 731.

[42] CheMingliang， Chen Baozhang， Wang Ying，et al. Review of dynamic global vegetation model (DGVM) [J]. Chinese Journal of Applied Ecology, 2014, 25(1):263-271.

[43] Xiaolei Cao, Zuhao Zhou, Xiangdong Chen, et al. Improving leaf area index simulation of IBIS model and its effect onwater carbon and energy----a case study in Changbai Mountain broad leaved forest of China [J]. Ecological Modelling, 2015,303(8):97-104.

[44] Li R H, Li X B, Li G Q, et al. Simulation of soil nitrogen storage of the typical steppe with the DNDC model: a case study in Inner Mongolia, China [J]. Ecological Indicatiors, 2014,41(10):155-164.

[45] Florian Sallaba, DorteLehsten, Jonathan Seaquist, et al. A rapid NPP meta-model for current and future climate and CO2scenarios in Europe [J]. Ecological Modelling, 2015,302(13):29-41.

[46] 王旭峰，馬明國.基于LPJ模型的制種玉米碳水通量模擬研究[J].地球科學(xué)研究進(jìn)展，2009，24(7)：734-740.

[47] Vigiak Olga, Malago Anna, Bouraoui Faycal, et al. Adapting SWAT hillslope erosion model to predict sediment concentrations and yields in large Basins [J]. Science of the Total Environment, 2015,538(20):855-875.