AquaCrop作物模型应用研究进展
王连喜1,2, 吴建生1,2, 李琪1,2, 顾嘉熠1,2, 薛红喜3
1. 江苏省农业气象重点实验室,江苏 南京 210044
2. 南京信息工程大学应用气象学院,江苏 南京 210044
3. 中国气象局国家气象中心,北京 100081

作者简介:王连喜(1959-),男,河南郑州人,教授,主要从事农业气象与生态气象研究.E-mail:wlx4533@sina.com

摘要

随着人口增长和经济社会快速发展,人类活动已成为陆地水循环变化的重要驱动因子,人类用水活动对陆地水循环的影响越来越受到人们的关注。回顾近年来人类用水活动对大尺度陆地水循环影响方面的研究进展;阐述灌溉、生活和工业用水、水库调节以及地下水利用等典型人类用水活动影响大尺度陆地水循环的过程与机制,并在此基础上探讨了陆面水文模型中人类用水活动参数化方案及其存在的问题。目前,陆面水文模型对人类用水活动的考虑依然不足,使得应用模型模拟陆地水循环和评估变化环境下水资源安全面临挑战。展望未来,深入认识人类用水活动与水系统的影响与反馈,开发考虑人—水系统协同演化的水系统综合评估模型,预估水安全形势的演变趋势,将成为陆地水循环和水资源研究的长期重要任务。

关键词: 人类用水活动; 陆面水文模型; 参数化方案; 陆地水循环
中图分类号:P933 文献标志码:A 文章编号:1001-8166(2015)10-1100-07
A Review on the Research and Application of AquaCrop Model
Wang Lianxi1,2, Wu Jiansheng1,2, Li Qi1,2, Gu Jiayi1,2, Xue Hongxi3
1.Jiangsu Key Laboratory of Agricultural Meteorology, Nanjing 210044, China
2. College of Applied Meteorology, Nanjing University of Information Science & Technology, Nanjing 210044, China
3. National Meteorological Center of China Meteorological Administration, Beijing 100081, China
Abstract

This article described the fundamental principles and the progress of study and application of AquaCrop model, and especially introduced the application of AquaCrop model. The application of AquaCrop in irrigation management, cropping system and the future climate scenario has achieved good results. The problems that should be paid attention to in the application of AquaCrop model were summarized. It was pointedout that most of the researches in China concentrated on single field scale; Many studies focused mostly on the calibration and verification; And the applicability of the model parameters in China remained to be further verified; The performance of Aquacrop model would be affected under severe water stress conditions.This article proposed several suggestions for future development,with a view to AquaCrop model playing a guiding role in the future of agricultural production practices.

Keyword: Crop model; AquaCrop; Model application.

作物生长发育的模拟是基于天气、土壤质地、植物遗传特性和田间管理复杂的交互作用下, 模拟作物对不同水分条件、营养条件等情景的响应[1, 2]。作物模型是对其生理学过程进行定量分析的综合, 已经被证明是可以预测作物产量的有效工具[3, 4], 使用模型可以提高对作物管理的决策水平。

现在, 越来越多的作物模型被应用于特定的情景及不同地域尺度的模拟中, 使用不同的输入变量来模拟作物生长[5~7]。然而模型的应用是有限的, 这可能是由于生长机理的复杂性和输入参数的不确定性, 使得研究者使用这些模型时产生一些困难[8]。因此, 在研究与生产当中, 十分需要一个简单的模型, 只需要相对较少的参数, 可以用来模拟作物产量, 指导生产并提高作物管理决策水平。本文所介绍的AquaCrop模型[9, 10]是一款由联合国粮农组织(FAO)开发的新型作物模型, 可以模拟大部分草本植物在水分响应下可得到的产量。

1 模型简介及基本原理
1.1 模型简介

自AquaCrop模型开发以来, 模型已经被广泛的用于农业水分管理的研究, AquaCrop模型是一个水分驱动模型, 可以模拟作物生物量以及收获时的产量等[11]。而准确预测作物对水分的响应, 是作物模型模拟最困难的应用之一[4], 相对于光能驱动模型、CO2驱动模型, AquaCrop模型特别地设计可以预测水分胁迫条件下以及雨养条件下的作物生产力, 可以很好的模拟不同灌溉条件和不同灌溉方式下作物的产量, 能在作物灌溉管理模拟上, 更好的提供决策支持。

AquaCrop模型参数包括保守参数和非保守参数。保守参数是在理想条件即没有胁迫情景下确定的, 不会随着地理位置、田间管理、作物品种和种植时间的改变而改变, 而作物在胁迫情景下, 非保守参数通过对胁迫反应的方程式来调整[4, 10]。这些参数假定适用于一个广阔的情景范围和所选作物的不同品种[12]。而非保守参数不是广泛适用的, 要根据当地气候、田间管理、土壤条件等来确定, 需要研究者通过实际状况来调整[10, 13]

AquaCrop模型基于作物物候、冠层覆盖、根深、生物量和收获指数这5个主要部分之间的复杂作用来模拟对水分胁迫的响应[9]。模型模拟作物对水分的响应主要通过以下3种方式[9]:①限制冠层伸展, ②加速冠层衰老, ③使气孔关闭。值得注意的是, 这3个响应都是发生在冠层水平上, 所以冠层在AquaCrop模型中至关重要。这5个主要部分对水分的响应形成了AquaCrop模型作物模块的背景框架[4]

1.2模型基本原理

模型由Doorenbos等[14]等式演化而来, 可以模拟和预测作物产量对水分的响应。 (1-Y/Yx)=Ky(1-ET/ETx) (1)

式中:Y为实际产量Yx 为潜在产量, Ky是产量对水分响应的比例系数, ET代表实际蒸散, ETx代表潜在蒸散。

AquaCrop模型改进了该等式, 将ET分开成土壤蒸发(E)和作物蒸腾(Tr)2个部分, 这样可以避免非生产用水和生产用水的混淆, 将作物最终产量(Y)分离为生物量(B)和收获指数(HI)2个部分, 作物生物量基于作物每天累积的蒸腾以及作物水分生产力来预测。

AquaCrop模型直接将作物产量和耗水量相联系, 通过标准化水分生产力参数(WP)从实际作物蒸腾来估计生物量, 这是AquaCrop模拟模型的核心[14]。由上述演变构成了AquaCrop模型的核心方程:

B=WP× Tr (2)

式中:WP为生物量水分生产效率, 其在一定土壤和气候条件下趋向于看成一个保守参数。不同气候条件下水分生产力参数(Water Productivity, WP)的标准化进一步使它成为模型中的保守参数[15]。这使得AquaCrop模型比其他模型更具适应性和稳定性。在AquaCrop模型中, 作物蒸腾(Tr)通过水分生产力参数(WP)转化成生物量(B), 而产量(Y)由生物量(B)以及收获指数(HI)的关系式来确定:

Y=B× HI (3)

植物冠层直接与作物蒸腾(Tr)相关联, 通过公式(2)又直接与生物量(B)相关联, 最后通过公式(3)与产量(Y)直接联系, 这也说明了植物冠层在AquaCrop模型中的重要性。

和其他模型一样, AquaCrop模型也包括土壤、大气、作物模块[4]。大气和土壤模块和其他模型相似, 根据实际情况输入气象参数和土壤参数, 不同于其他作物模型的是, AquaCrop模型使用冠层覆盖度(Canopy Cover Degrees, CC)而不是叶面积指数(Leaf Area Index, LAI), 意味着将全部地上部生长简单描述为一个单一的生长函数, 有利于遥感数据的直接使用, 这是AquaCrop模型不同于其他作物模型的一大特点[10]

在模型的有效性验证中, 除了验证作物产量、生物量之外, 对冠层覆盖度(CC)的验证是至关重要的, 对冠层覆盖度的验证通过对叶面积的观测, 再通过计算转化得来, 检验模型的模拟结果可以通过均方根误差(RMSE), 符合度指数一致性指数(d)等进行评价。

2 AquaCrop模型应用研究
2.1 模型的适应性研究

自AquaCrop模型开发以来, 已经在世界范围内展开应用, 并成功应用于美国[16]、叙利亚[17]、印度[18]、南非[19]、欧洲地中海地区[20]等区域。目前已经模拟了许多作物, 其中粮食作物有:玉米、小麦、大麦、藜麦等, 蔬菜作物有:甜菜、西红柿, 块茎作物有:马铃薯、芋头, 油料作物有:向日葵、油菜等。以上的实际验证和应用证明了AquaCrop模型使用的广泛性。

我国学者评价了AquaCrop模型在我国黄土高原[21]、松嫩平原[22]、华北平原[23]、晋中盆地[24]、关中平原[25]等地区的适用性, 涉及冬小麦、春小麦、玉米、葡萄等作物, 取得了较好的模拟结果, 说明AquaCrop模型在中国部分地区有较好的适用性。

2.2 模型在作物灌溉管理的应用研究

作物模型可以模拟环境和管理对作物生长的综合影响, 可以为作物水分管理提供重要的信息[26]。AquaCrop模型可以根据不同灌溉制度下的作物耗水量来模拟作物的可能产量, 为作物灌溉管理提供决策支持。

Wellens等[27]使用AquaCrop模型对非洲布基纳法索地区的卷心菜进行了模拟, 模拟结果显示, 和实测值相比, 均方根误差n-RMSE为1.39%, 一致性指数(d)达到0.99, 模拟结果良好, 可以用该模型为该地区的小尺度灌溉提供决策依据。

M.Pé rez-Ortolá 等[28]运用校准验证后的AquaCrop模型, 通过设置不同的气候情况和灌溉制度, 评估英国萨福克郡不均匀灌溉条件对洋葱产量的影响, 最终得出:在气候干旱年份, 不均匀灌溉条件下的洋葱产量最低, 强调了在干旱年份均匀灌溉的重要性。

一些研究表明, 提高作物水分生产力可以是产量稳定, 亏缺灌溉被认为将是一个有效的管理策略[29~31]。为了有效使用这个策略, 可以使用模型来模拟作物对水分亏缺和其他环境因素的响应。

Wang等[21]在水分亏缺和充足的情况下, 评估了不同灌溉水平下AquaCrop模型对中国黄土高原冬小麦的模拟性能, 并研究了不同灌溉情景对冬小麦产量的影响。结果显示模型准确模拟了根区的土壤水分容量和冬小麦的生物量和产量, 并且给出了不同程度干旱年度下最小的灌溉量建议。

2.3 模型在作物种植制度的应用研究

研究普遍认为, 作物产量和水分利用效率的提高可以通过适当的农艺管理包括选择深根品种, 选择适当的种植日期和植物密度, 以及最优比例的肥料和土壤肥力的管理[32, 33]等来实现。有效的利用作物模型可以补充实验研究的不足, 同时可以节省大量的人力物力和财力[17, 34, 35]

Garcia-Vila等[36]利用 AquaCrop 模型与经济学模型相结合的方式, 在综合考虑水价、农产品价格及农业政策的基础上, 对棉花、玉米、西红柿及向日葵进行了模拟研究, 认为在水分缺乏的情况下, 对于同一地区的多种作物, 应考虑将低耗水的作物与高耗水且经济价值较高的作物配套种植。

Nyakudyaa[37]旨在提高在半干旱的津巴布韦旱作小农耕作下的玉米产量及其水分利用效率, AquaCrop模型被应用于评估作物有效根深, 种植密度和种植日期对玉米产量的影响, 模型测试期间, AquaCrop模型很好的模拟了冠层生长, 所模拟的生物量积累与测量值显示出很好的一致性。

2.4 模型在全球气候变化中的应用研究

气候变化已经成为当今世界普遍关注的全球性问题, 气候变化导致了作物产量的不确定性增加, 作物模拟模型在气候变化影响评估中起到了重要作用[38, 39]。将作物模型与各种大气环流模式(General Circulation Models, GCMs)产生的未来气候变化情景相结合, 是研究气候变化对作物生产影响的普遍使用方法。国外一些学者也将AquaCrop模型用于气候变化对作物的影响研究。

Lorite等[40]独立出开发AquaData和AquaGIS 2款应用软件, 提高了对AquaCrop模型输入参数和输出结果的管理, 并且和四种气候模式PROMES, REMO, HadRM3H, RACMO相嵌套, 模拟气候变化情景下西班牙南部小麦的响应, 最终模拟结果得出产量将显著减少, 大约减幅19.6%, 而年际变化会增加43.5%。同时, 结果也显示了在不同气候模型下模拟的产量差异显著。

Soddu等[41]分析了意大利气候变化趋势, 用AquaCrop模型模拟小麦的产量, 模型模拟结果较好, 特别是在干旱胁迫条件下, 模型也表现出了很好的模拟性能。使用未来气候情景ECH-REM驱动AquaCrop模型, 预测小麦在未来气候变化情景下对降雨量的多变和最高气温的升高的响应, 在2组气候情景下, 模拟产量都呈上升的趋势。

Voloudakisa等[42]在基于IPCC A1B排放情景下的8个气候模型的输出结果驱动AquaCrop模型, 结果表明, 希腊主要棉花种植区域棉花的产量大都呈上升的趋势, 尤其在希腊西部和北部最为明显。将2006年的灌溉和施肥管理方式作为AquaCrop模型的灌溉和施肥文件, 使用AquaCrop模型与C4I和DMI-HIRHAM这2个气候模型相结合, 模拟显示气候变化对籽棉产量在希腊西部地区(Agrinio、Arta、Pyrgos)和希腊中部地区(Yliki)的积极影响, 负面影响或其他方面的巨大波动则发生在希腊北部和中部。

这些研究表明, AquaCrop作物模型可以用来预测未来气候变化对作物生产的影响, 为不同气候条件下的种植决策提供良好的支持。

2.5 与其他作物模型的对比研究

目前的作物生长模型按驱动方式不同大致可分为3类:一种是光能驱动模型, 如美国的CERES[43, 44]系列模型; 二是CO2驱动模型, 如荷兰的WOFOST[45]模型; 三是水分驱动模型, AquaCrop模型是这类模型的典型代表。一些学者在模型的优越性方面通过对比研究, 比较了AquaCrop模型和其他作物模型的模拟性能。

Saab等[46]研究了AquaCrop和CropSyst模型在不同水分和养分条件下地中海地区大麦的生长, 两者模拟效果都良好, 但是AquaCrop模型对最终生物量和产量的均方根误差(RMSE)均要低于CropSyst模型, 在不同水分胁迫和N胁迫条件下, 模拟结果显示AquaCrop模型要优于CropSyst模型。

Garcí a-Ló pez等[47]在数据缺失的条件下使用 AquaCrop、Stewart function和经验模型SOM评估半干旱条件下向日葵的产量, 结果表明经验模型只用天气数据和土壤数据就可以作出准确的产量估计, 比复杂的作物模型更加高效, 但是其不能考虑天气过程动态效应对产量的影响。

Todorovic[8]等对比了AquaCrop, CropSyst和WOFOST 3种作物模型在意大利南部地区向日葵在不同水分状况下的模拟性能。模拟显示, 3种模型在严重水分胁迫条件下, 产量的模拟值均小于实测值, 而在轻微水分胁迫和适度水分胁迫下, AquaCrop和CropSyst模型模拟效果更好, 而相对于WOFOST模型, AquaCrop模型只需要更少的参数, 更容易参数的获取和验证。

3 AquaCrop模型及应用中应注意的问题

(1)作物模拟模型与确定性模型的复杂性不同, 作物模型使用一系列物理方程和参数来考虑天气事件、土壤质地等对作物生长发育及产量的影响。和传统作物模型一样, AquaCrop模型对作物的生长发育进行模拟, 不能模拟作物的品质等, 也没有考虑到病虫害以及经济人文因素对作物的影响。并且, 相对于WOFOST 模型, AquaCrop缺少更复杂的作物生理子模块, 不能很好地描述和解释水分胁迫对地上部生物量积累及光合产物运输分配到籽粒的影响。

AquaCrop模型在国内的研究集中于单点尺度, 在大尺度范围的研究与应用还未见报道, 且国内的研究多集中于模型的校正与验证, 在灌溉管理方面也有一些应用与研究, 但在其他方面的应用仅刚刚起步, 模型在我国的适用性还有待进一步验证。AquaCrop模型研究中的许多假设条件都是基于田间均一的生产情形, 肥料假定是最理想的, 没有养分限制, 没有模拟病虫害、杂草、种间竞争的影响, 这明显与实际种植情况不符, 这也是模型模拟偏差的重要原因之一。

(2)作物模型的局限之一是需要大量的参数(作物、土壤参数), 相对于其他作物模型, AquaCrop模型只需要相对较少的参数(33个), 作物特性描述可以通过在原地测试和校准来确定, 土壤参数需要特殊的本地研究, 但是当研究区域过大, 土壤异质的情况下, 模型的参数校准验证的困难会加大。

AquaCrop模型输入的作物遗传参数包括保守参数以及根据环境和品种而定的非保守参数, 对保守参数的普适性还需要大量的实验论证, 其他参数实际测量的准确性也会影响模型的精度, 模型的一些参数是基于国外大量的本地化试验验证和应用检验的, 经过不断优化调整, 越来越接近当地实际情况。而在国内的研究或应用, 大多是借鉴国外参数或调试修改参数, 由于试验验证数据缺乏, 影响了该模型参数的选择与确定, 模型的准确性较国外而言相对要低。

(3)水分驱动模型比光能驱动模型的一个主要优势在于其可以使气候条件中的水分利用率参数标准化 (蒸发需求和大气CO2浓度)[15], AquaCrop 模型通过一个水分生产力参数WP假定了生物量生长速率和蒸发之间的线性关系, 这种方法避免了将作物生长周期细分成不同生育期, 一般将WP参数运用到整个生长周期, 减少了输入参数的数量, 因此, AquaCrop 模型在不同位置、不同时空上有一个更大的适用性。

AquaCrop模型是以生物量和收获指数来估计产量的, 生物量由作物水分蒸发量所推算求得, 假设了作物的生物水分利用效率(WUEb)为定值, 但是其合理性还需要更多的理论支撑和广泛实验来证明。

(4)Katerji等[48]在地中海地区使用AquaCrop模型模拟番茄和玉米在无水分胁迫处理下和中等水分胁迫处理下的生物量积累。模型模拟结果显示产量都被高估, 但仍在可接受范围。在极端水分胁迫条件下, 番茄产量的模拟误差很大, 超过了30%, 并且模型也不能对玉米产量进行很好的模拟。在每日实际蒸散模拟中, AquaCrop模型可以模拟无水分胁迫条件下番茄的每日实际蒸散, 但是在所有玉米和在有胁迫条件下的番茄处理中, 土壤水分蒸发蒸腾的模拟效果较差。从该研究中可以得出, 物种、植物水分胁迫的程度都会影响AquaCrop模型的模拟性能。

Heng等[49]学者的实验也证明了在严重水分胁迫条件下, AquaCrop的模拟性能会降低, 需要对模型计算水分胁迫的函数进行校正。因为模型性能会随着不同植物水分胁迫的程度加大而降低, 在模型验证时, 应该根据不同的水分胁迫进行。在严重水分亏缺条件下, 对一些物种需要额外的验证测试。

(5)从所举出的应用实例看, AquaCrop模型大多是在正常温度条件下的模拟, 有很好的适应性, 但是在非正常气候条件, 模型的模拟能力偏弱, 张铁楠[50]、李晶[51]在2010年哈尔滨春麦区的研究中, 由于哈尔滨2010年4月初持续低温, 4月12日降暴雪, 导致春小麦播期推迟, 而在6月中旬, 天气高温少雨, 使得春小麦生育期缩短, 模拟结果表明, 在温度过高或过低条件下, AquaCrop模型模拟结果不理想。

4 AquaCrop模型的应用展望

AquaCrop模型在应用中除了尚需注意上述的一些问题外, 针对模型本身存在的一些不足也应进一步加大研发力度, 并在更大范围、更大的空间尺度来验证其在中国的适用性, 以不断拓展该模型的应用及精度。总之, 由FAO开发的作物模拟模型AquaCrop可以适用于广泛的用途。然而, 在更大区域尺度使用或需要大量的模拟运行时(例如长期分析), 该模型还存在一定的困难, 解决地表不同参数的时空变异, 可以显著提高作物模型的应用, 在未来发展中, GIS和RS的集成应用将是一个重要的工具来提高AquaCrop在实际的应中。

有学者开发出了AquaData和AquaGIS[40]类的其他软件来促进这样的应用。AquaData可以自动运行AquaCrop所需的输入文件, 这些基本的文件存储在数据库中, 数据库包括每个地点的气候、土壤、灌溉、作物的名称和位置, AquaData内嵌了一个特殊的模块, 将数据储存在其内存中, 而不是每次重新访问数据库, 这样可以更快的更准确的取得数据库的资料。这个过程可以加速计算步骤, 访问信息更快, 使得数据可以进行批处理。AquaGIS可以对模拟结果进行解释分析和空间的可视化。这些实用程序使得输入和输出文件更加高效, 节省大量数据输入和输出处理的时间, 从而为AquaCrop模型在区域尺度上的时空分析提供了一个新的思路。随着GIS模块对模拟结果的空间分析可视化, 必将进一步促进模型研究与应用的发展。

The authors have declared that no competing interests exist.

参考文献
[1] Sinclair T R, Seligman N. Criteria for publishing papers on crop modelling[J]. Field Crops Research, 2000, 68(3): 165-172. [本文引用:1]
[2] Janssen S, Ittersum M. Assessing farm innovations and responses to policies: A review of bio-economic farm models[J]. Agricultural Systems, 2007, 94(3): 622-636. [本文引用:1]
[3] Azam-Ali N, Sesay A, Karikari S, et al. Assessing the potential of an underutilized crop: A case study using bambara groundnut[J]. Experimental Agriculture, 2001, 37(4): 433-472. [本文引用:1]
[4] Steduto P, Hsiao T, Raes D, et al. AquaCrop-the FAO model to simulate yield response to water: I. Concepts and underlying principles[J]. Agronomy Journal, 2009, 101: 426-437. [本文引用:5]
[5] Singels A, Annand ale J G, Jager J M D, et al. Modeling crop growth and water relations in South Africa: Past achievements and lessons for the future[J]. South African Journal of Plant Soil, 2010, 27(1): 49-65. [本文引用:1]
[6] Porter J R, Hammer G L, Kropff M J, et al. Future contributions of crop modelling-from heuristics and supporting decision making to understand ing genetic regulation and aiding crop improvement[J]. European Journal of Agronomy, 2002, 18(1): 15-31. [本文引用:1]
[7] Li T, Feng Y S, Li X M. Predicting crop growth under different cropping and fertilizing management practices[J]. Agricultural & Forest Meteorology, 2009, 149(6/7): 985-998. [本文引用:1]
[8] Mladen T, Rossella A, Ljubomir Z, et al. Assessment of AquaCrop, CropSyst, and WOFOST models in the simulation of sunflower growth under different water regimes[J]. Agronomy Journal, 2009, 101(3): 509-521. [本文引用:2]
[9] Mabhaudhi T, Modi A T, Beletse Y G. Parameterization and testing of AquaCrop for a South African bambara groundnut land race[J]. Agronomy Journal, 2014, 106(1): 243-251. [本文引用:3]
[10] Raes D, Steduto P, Hsiao T C, et al. AquaCrop-The FAO crop model to simulate yield response to water: II. Main algorithms and software description[J]. Agronomy Journal, 2009, 101(3): 438-447. [本文引用:4]
[11] Hsiao T C, Lee H, Steduto P, et al. AquaCrop-the FAO crop model to simulate yield response to water: III. Parameterization and testing for maize[J]. Agronomy Journal, 2009, 101(3): 448-459. [本文引用:1]
[12] Steduto P, Hsiao T C, Fereres E, et al. Crop Yield Response to Water. FAO Irrigation and Drainage Paper, No. 66[M]. Rome: FAO, 2012. [本文引用:1]
[13] Raes D, Steduto P, Hsiao T C, et al. AquaCrop-the FAO Crop Model to Simulate Yield Response to Water: Reference Manual[M]. Rome: FAO, 2011. [本文引用:1]
[14] Doorenbos J, Kassam A H. Yield response to water[M]∥Irrigation and Drainage Paper No. 33. Rome: FAO, 1979. [本文引用:2]
[15] Steduto P, Hsiao T C, Fereres E. On the conservative behavior of biomass water productivity[J]. Irrigation Science, 2007, 25(3): 189-207. [本文引用:2]
[16] Bilga N K. Parameterization and Application of the AquaCrop model for Simulating Bioenergy Crops in Oklahoma[D]. Stillwater: Oklahoma State University, 2012. [本文引用:1]
[17] Farahani H J, Izzi G, Oweis T Y. Parameterization and evaluation of the AquaCrop Model for full and deficit irrigated cotton[J]. Agronomy Journal, 2009, 101(3): 469-476. [本文引用:2]
[18] Abedinpour M, Sarangi A, Rajput T B S, et al. Performance evaluation of AquaCrop model for maize crop in a semi-arid environment[J]. Agricultural Water Management, 2012, 110(3): 55-66. [本文引用:1]
[19] Mabhaudhi T, Modi A T, Beletse Y G. Parameterisation and evaluation of the FAO-AquaCrop model for a South African taro (Colocasia esculenta L. Schott) land race[J]. Agricultural & Forest Meteorology, 2014, 192/193(4): 132-139. [本文引用:1]
[20] Katerji N, Campi P, Mastrorilli M. Productivity, evapotranspiration, and water use efficiency of corn and tomato crops simulated by AquaCrop under contrasting water stress conditions in the Mediterranean region[J]. Agricultural Water Management, 2013, 130(4): 14-26. [本文引用:1]
[21] Wang X, Wang Q, Fan J, et al. Evaluation of the AquaCrop model for simulating the impact of water deficits and different irrigation regimes on the biomass and yield of winter wheat grown on China’s Loess Plateau[J]. Agricultural Water Management, 2013, 129: 95-104. [本文引用:2]
[22] Li Hui, Liu Yu, Cai Jiabing, et al. The applicability and application of AquaCrop model[J]. Journal of Irrigation and Drainage, 2011, 30(3): 28-33.
[李会, 刘钰, 蔡甲冰, . AquaCrop模型的适用性及应用初探[J]. 灌溉排水学报, 2011, 30(3): 28-33. ] [本文引用:1]
[23] Han Jian. AquaCrop Model Application of Maize Planting in Jinzhong Basin[D]. Taiyuan: Shanxi University, 2012.
[韩健. AquaCrop模型在晋中盆地玉米栽培研究中的应用[D]. 太原: 山西大学, 2012. ] [本文引用:1]
[24] Fu Chi, Li Shuangshuang, Li Jing, et al. Calibration and validation of AquaCrop model in spring wheat region of Songnen Plain[J]. Journal of Irrigation and Drainage, 2012, 31(5): 99-102.
[付驰, 李双双, 李晶, . AquaCrop作物模型在松嫩平原春麦区的校正和验证[J]. 灌溉排水学报, 2012, 31(5): 99-102. ] [本文引用:1]
[25] Hao Zhipeng. Applicability Evaluation of AquaCrop Model in the Guanzhong & Weibei Area[D]. Yangling: Northwest A&F University, 2013.
[郝志鹏. AquaCrop模型在关中及渭北地区的适用性评价[D]. 杨凌: 西北农林科技大学, 2013. ] [本文引用:1]
[26] Nyakudya I W, Stroosnijder L. Effect of rooting depth, plant density and planting date on maize (Zea mays L. ) yield and water use efficiency in semi-arid Zimbabwe: Modelling with AquaCrop[J]. Agricultural Water Management, 2014, 146: 280-296. [本文引用:1]
[27] Wellens J, Raes D, Traore F, et al. Performance assessment of the FAO AquaCrop model for irrigated cabbage on farmer plots in a semi-arid environment[J]. Agricultural Water Management, 2013, 127(3): 40-47. [本文引用:1]
[28] Pérez-Ortolá M, Daccache A, Hess T M, et al. Simulating impacts of irrigation heterogeneity on onion (Allium cepa L. ) yield in a humid climate[J]. Irrigation Science, 2015, 33(1): 1-14. [本文引用:1]
[29] Paredes P, Melo-Abreu J P D, Alves I, et al. Assessing the performance of the FAO AquaCrop model to estimate maize yields and water use under full and deficit irrigation with focus on model parameterization[J]. Agricultural Water Management, 2014, 144(2): 81-97. [本文引用:1]
[30] Fereres E, Soriano A. Deficit irrigation for reducing agricultural water use: Integrated approaches to sustain and improve plant production under drought stress special issue[J]. Journal of Botany, 2007, 58(2): 147-159. [本文引用:1]
[31] Farré I, González J M F. Deficit irrigation in maize for reducing agricultural water use in a Mediterranean environment[J]. Agricultural Water Management, 2009, 96(3): 383-394. [本文引用:1]
[32] Rockstrfim J, Karlberg L, Wani S P, et al. Managing water in rainfed agriculture—The need for a paradigm shift[J]. Agricultural Water Management an International Journal, 2010, 97(4): 543-550. [本文引用:1]
[33] Tittonell P, Giller K E. When yield gaps are poverty traps: The paradigm of ecological intensification in African smallholder agriculture[J]. Field Crops Research, 2013, 143(1): 76-90. [本文引用:1]
[34] Matthews R B, Rivington M, Muhammed S, et al. Adapting crops and cropping systems to future climates to ensure food security: The role of crop modelling[J]. Global Food Security, 2013, 2: 24-28. [本文引用:1]
[35] Soltani A, Hoogenboom G. Assessing crop management options with crop simulation models based on generated weather data[J]. Field Crops Research, 2007, 103(3): 198-207. [本文引用:1]
[36] Garcia-Vila M, Fereres E. Combining the simulation crop model AquaCrop with an economic model for the optimization of irrigation management at farm level[J]. Agronomy Journal, 2012, 36: 21-31. [本文引用:1]
[37] Nyakudya I W, Stroosnijder L. Effect of rooting depth, plant density and planting date on maize (Zea mays L. ) yield and water use efficiency in semi-arid Zimbabwe: Modelling with AquaCrop[J]. Agricultural Water Management, 2014, 146: 280-296. [本文引用:1]
[38] Moriondo M, Giannakopoulos C, Bindi M. Climate change impact assessment: The role of climate extremes in crop yield simulation[J]. Climatic Change, 2011, 104(3/4): 679-701. [本文引用:1]
[39] Ittersum M K V, Cassman K G, Grassini P, et al. Yield gap analysis with local to global relevance—A review[J]. Field Crops Research, 2013, 143(1): 4-17. [本文引用:1]
[40] Lorite I J, García-Vila M, Santos C, et al. AquaData and AquaGIS: Two computer utilities for temporal and spatial simulations of water-limited yield with AquaCrop[J]. Computers & Electronics in Agriculture, 2013, 96(6): 227-237. [本文引用:2]
[41] Soddu A, Deidda R, Marrocu M, et al. Climate variability and durum wheat adaptation using the AquaCrop Model in Southern Sardinia[J]. Procedia Environmental Sciences, 2013, 19: 830-835. [本文引用:1]
[42] Voloudakis D, Karamanos A, Economou G, et al. Prediction of climate change impacts on cotton yields in Greece under eight climatic models using the AquaCrop crop simulation model and discriminate function analysis[J]. Agricultural Water Management, 2015, 147: 116-128. [本文引用:1]
[43] Quiring S M, Legates D R. Application of CERES-Maize for within-season prediction of rainfed corn yields in Delaware, USA[J]. Agricultural & Forest Meteorology, 2008, 148: 964-975. [本文引用:1]
[44] Dettori M, Cesaraccio C, Motroni A, et al. Using CERES-Wheat to simulate durum wheat production and phenology in Southern Sardinia, Italy[J]. Field Crops Research, 2011, 120(1): 179-188. [本文引用:1]
[45] Diepen C A, Wolf J, Keulen H, et al. WOFOST: A simulation model of crop production[J]. Journal of Soil Use and Management, 1989, 5(1): 16-24. [本文引用:1]
[46] Saab M T A, Todorovic T, Albrizio R. Comparing AquaCrop and CropSyst models in simulating barley growth and yield under different water and nitrogen regimes. Does calibration year influence the performance of crop growth models?[J]. Agricultural Water Management, 2015, 147: 21-33. [本文引用:1]
[47] García-López J, Lorite I J, García-Ruiz R, et al. Evaluation of three simulation approaches for assessing yield of rainfed sunflower in a Mediterranean environment for climate change impact modelling[J]. Climatic Change, 2014, 124: 147-162. [本文引用:1]
[48] Katerji N. Productivity, evapotranspiration, and water use efficiency of corn and tomato crops simulated by AquaCrop under contrasting water stress conditions in the Mediterranean region[J]. Agricultural Water Management, 2013, 130(4): 14-26. [本文引用:1]
[49] Heng L K, Hsiao T C, Evett S R, et al. Testing of FAO AquaCrop model for rainfed and irrigated maize[J]. Agronomy Journal, 2009, 101(3): 488-498. [本文引用:1]
[50] Zhang Tienan, Fu Chi, Li Jing, et al. The adaptability test analysis of AquaCrop and WOFOST model based on the cold spring wheat[J]. Journal of Irrigation and Drainage, 2013, 154(3): 121-126.
[张铁楠, 付驰, 李晶, . 基于寒地春小麦AquaCrop与WOFOST模型适应性验证分析[J]. 作物杂志, 2013, 154(3): 121-126. ] [本文引用:1]
[51] Li Jing, Fu Chi, Li Shuangshuang, et al. The simulation for northeast spring wheat productivity based on the AquaCrop model and modeling verification[J]. Journal of Irrigation and Drainage, 2014, 33: 69-72.
[李晶, 付驰, 李双双, . 东北春小麦区AquaCrop模型模拟验证及春小麦生产力初步估测[J]. 灌溉排水学报, 2014, 33: 69-72. ] [本文引用:1]