胡莉婷 ，潘學標 *，王雪姣 ,2，胡琦

（1.中國農業(yè)大學資源與環(huán)境學院，北京100193；2.新疆維吾爾自治區(qū)氣象局農業(yè)氣象臺，烏魯木齊830002）

棉花產(chǎn)量的增減關系著國計民生，影響著我國紡織工業(yè)的原料供給、棉花貿易的發(fā)展及棉花產(chǎn)業(yè)國際競爭力的加強，因而開展棉花產(chǎn)量的動態(tài)預測具有十分重要的意義。1990年以來氣象部門就已經(jīng)開始利用棉花播種前及生長季內的氣象條件來預測棉花產(chǎn)量，并取得了顯著的服務效益[1-2]。目前，對棉花產(chǎn)量的動態(tài)預測方法的研究很多，但大多采用統(tǒng)計學方法[1-4]，而且時效性較長，因此從棉花生長發(fā)育機理角度開展產(chǎn)量動態(tài)預測顯得越來越迫切。自20世紀60年代以來，國內外已經(jīng)開發(fā)了很多關于棉花生長發(fā)育的模型，如國外開發(fā)的GOSSYM模型[5]和模擬棉花形態(tài)特征的L-Cotton模型[6]等，國內開發(fā)的有COTGROW[7]、COSIM[8]等。由于模型需要輸入明確的播種期或出苗期才能運行，且以往模型多用于地塊水平的、有確定播種時間的田間試驗產(chǎn)量模擬，將作物模型用于區(qū)域產(chǎn)量預報的還不多見。然而區(qū)域作物生產(chǎn)并非同步起止，播種也需要在一段時間內分期完成，按單一播種期模擬區(qū)域作物產(chǎn)量與生產(chǎn)實際不符，誤差較大。因而本文擬以新疆阿克蘇市的棉花區(qū)域產(chǎn)量預測為例，探索1種以適宜播種區(qū)間內各播種期的種植面積比率分布為權重依據(jù)，結合該地近期氣候資料，運用COSIM棉花模型進行棉花產(chǎn)量動態(tài)預測的方法，并與基于多年平均播種期的方法[9]進行比較分析。

1 材料與方法

1.1 研究區(qū)域及數(shù)據(jù)

本研究選取新疆維吾爾自治區(qū)阿克蘇市棉花種植區(qū)域作為案例。該市地理坐標為N 39°30′～41°27′，E 79°39′～82°01′，海拔 1 105 m，全市總面積1356 km2，其中耕地面積5.2萬hm2。阿克蘇市光熱資源豐富，干旱少雨，土壤類型為黃淤土，土壤質地為砂壤土。

氣象資料來自阿克蘇氣象站點1991―2014年的地面氣象觀測資料，由國家氣象信息中心提供。1991―2013年棉花物候觀測資料由新疆氣象局阿克蘇市農業(yè)氣象站和國家氣象信息中心提供。1991―2014年棉花的單產(chǎn)數(shù)據(jù)來自《新疆統(tǒng)計年鑒》。模型中所需的棉花管理參數(shù)和品種信息來自當?shù)厣a(chǎn)部門。土壤資料來自《中國土種志》[10]。

1.2 棉花生長發(fā)育模型

COSIM棉花模型由潘學標等開發(fā)[8]，主要包含輸入數(shù)據(jù)設置、管理與天氣文件讀取、發(fā)育期模擬、光合生產(chǎn)、水分平衡模擬、干物質分配、葉面積動態(tài)與產(chǎn)量形成等模塊。該模型反映棉花生長發(fā)育、產(chǎn)量形成與環(huán)境條件及管理措施的關系，根據(jù)指定區(qū)域或地點相應的天氣數(shù)據(jù)、土壤數(shù)據(jù)、管理數(shù)據(jù)和作物數(shù)據(jù)，可以模擬棉花各發(fā)育期出現(xiàn)的日期、葉面積系數(shù)、單位面積各器官干物質質量、最終的單位面積籽棉產(chǎn)量、皮棉產(chǎn)量和霜前皮棉產(chǎn)量，并根據(jù)模擬結果寫出逐日文件和最終文件供系統(tǒng)調用[8]。目前，COSIM模型已較好地應用于棉花生產(chǎn)氣候風險評估[11]、棉花延遲型冷害的預測和診斷[12-13]，以及未來氣候變化對棉花生產(chǎn)的影響研究[14]等方面，取得了較好的效果。

1.3 氣象資料處理

本研究利用COSIM模型進行產(chǎn)量預測時，需要輸入模擬時段的氣象信息，但是進行產(chǎn)量模擬預報時，未來的棉花生長季內的氣象信息尚未獲取，天氣預報尚不足以支撐數(shù)據(jù)需求，需要采用替代型數(shù)據(jù)[15]。

新疆的棉花生長季節(jié)通常在4～10月。托麗娜等[11]通過模型模擬的方法研究得出棉花生育期內≥12℃有效積溫與皮棉產(chǎn)量關系密切。目前，根據(jù)已有氣象資料的相似性，運用相似年型進行產(chǎn)量預測的研究已有很多[1-2]。由于棉花生長和其他作物一樣，具有延續(xù)性和一定的恢復能力；但當遭遇重大災害時（如嚴重低溫），又具有損害不可逆性等特點，所以當預報年播種前至發(fā)布預報時的氣象條件與歷史上某年同一時段的氣象條件相似時，最終氣象條件對產(chǎn)量的影響不一定相似[1]。因而本研究擬采用如下方法解決后期氣象信息暫缺的問題：即預報日之前如有實際氣象數(shù)據(jù)，采用當年的真實氣象數(shù)據(jù)作為模型輸入，而預報日之后預報時段的氣象信息，分別利用預報年前近10 a或近5 a的逐年相應日期的實際逐日氣象數(shù)據(jù)替代，然后逐年分別驅動COSIM模型進行棉花產(chǎn)量的模擬，即可分別得到對應于預報年的10個或5個模擬產(chǎn)量，最后再分別求這10個或5個模擬產(chǎn)量的平均值，即作為預報年的模擬產(chǎn)量[9]。

1.4 基于適宜播種區(qū)間的產(chǎn)量預報方法

不同播期的棉鈴生物量存在差異并影響棉鈴品質[16]。棉花播種期不僅與氣溫穩(wěn)定達到或超過12℃的起始日期、終霜日以及播種—出苗期間熱量指數(shù)等有關[17]，而且在實際生產(chǎn)中，棉花播種期受人為因素影響較大，即在同一年不同地方不同農戶播種棉花的時間會不同。因此在同一年份、同一氣候條件下由于人為因素，棉花的播種時間會存在差異，從而降低基于模型的區(qū)域產(chǎn)量預報的準確性。在實際生產(chǎn)中區(qū)域內會存在棉花大面積集中播種的時間（即適宜播種期區(qū)間），且在適宜播種期區(qū)間內不同播種日期的播種面積比例分布不同。

本研究中假設不同播種日期下播種面積的比例與近些年來該播種日期的頻率存在一定的正相關關系；假設圍繞最適播種期，不同播種日期的播種面積比例按正態(tài)分布。通過在適宜播種區(qū)間內設置多個播種期，運用COSIM模型分別對棉花生長發(fā)育和產(chǎn)量進行模擬，之后以各播種期的播種面積比例為權重依據(jù)，將不同播種日期下的模擬產(chǎn)量分別乘以相應的權重系數(shù)，得到預報年的總產(chǎn)量模擬值。

本文假設區(qū)域棉花的適宜播種期區(qū)間為[xi,xk]，假設其中最適播種日期為x3，以此為中軸在適宜播種期內選取一組棉花播種期時間序列（x1，x2，x3，x4，x5）， 這 5 個播種期驅動 COSIM 模型進行生長發(fā)育和產(chǎn)量形成模擬，進而得到不同播種日期下的模擬產(chǎn)量分別為 y1，y2，y3，y4，y5； 根據(jù)各播種期所代表的時間區(qū)域內的播種面積比例，并分別賦予權重值 a、b、c、d、e，各權重值在 0～1 之間，總和為1。通過下式可得到模擬年的區(qū)域平均產(chǎn)量Y：

1.5 統(tǒng)計方法

通過物候期及皮棉產(chǎn)量的模擬值與實測值間的均方根誤差RMSE （Root mean square error）和擬合誤差率E來檢驗模型的有效性。用預報準確率P[18]來表示產(chǎn)量預報方法的預報精度。

式中，Qi為實測值，Si為模擬值，n為樣本數(shù)量。

2 結果與分析

2.1 模型參數(shù)的調試與驗證

本研究利用2002―2003年以及2008年和2010年阿克蘇市的數(shù)據(jù)資料對COSIM模型進行區(qū)域化參數(shù)調試，然后分別利用2001年、2004―2005年、2006―2007年和2009年的試驗資料對模擬結果進行有效性檢驗，確定該區(qū)域的棉花模型的參數(shù)值。由表1可知，阿克蘇市棉花出苗期、現(xiàn)蕾期、開花期和吐絮期的實測值與模擬值的RMSE 分別為 1.7 d、2.9 d、3.2 d 和 6.3 d，均小于 7 d，且擬合誤差率均小于3%；皮棉產(chǎn)量實測值與模擬值的RMSE為192.9 kg·hm－2，擬合誤差率均小于16%。由圖1可知，2001―2010年，每年棉花各生育期日序的模擬值均在實測值±10%的誤差范圍內（圖1中虛線內；本文中所有日序起始日為1月1日，即1月1日的日序為第1天）。認為COSIM模型對阿克蘇市棉花生產(chǎn)的模擬和實際情況吻合度較好，該模型在阿克蘇市適用性較好。

表1阿克蘇市棉花生育期、皮棉產(chǎn)量觀測值與模擬值的比較（2001―2010）Table 1 Comparison between the observed and simulated values of cotton grow th period and yield in Akesu(2001－2010)

2.2 基于模型的產(chǎn)量預報所需氣象信息及其處理

由圖2可知，在2011―2014年間的任一年，阿克蘇市棉花生育期內該年之前近5 a有效積溫的平均值比該年之前近10 a的平均值更接近于該年的有效積溫值。所以本研究中采用預報年之前近5 a的氣象資料依次替代預報日之后的未知氣象數(shù)據(jù)，來模擬棉花生長發(fā)育和產(chǎn)量形成過程，然后以近5 a模擬產(chǎn)量的平均值作為預報年的模擬產(chǎn)量。在理論上，可以在作物生長季中的任何一天進行基于模型的動態(tài)產(chǎn)量預測，但為減少工作量和結合作物預報業(yè)務中的時效性需要，本研究中在預報年內選擇預報時間為4月1日、5月1日、6月1日、7月1日、8月 1日、9月 1日、10月1日和11月1日的棉花產(chǎn)量動態(tài)預報結果進行分析，即分別在棉花生長季內的不同月份的第一天進行模擬，之前的氣象數(shù)據(jù)采用模擬當年的實測值，當日起的氣象數(shù)據(jù)利用預報年之前最近數(shù)年 （本研究為5 a）的歷史數(shù)據(jù)按年分別進行氣象資料的替代，然后驅動模型。

圖1阿克蘇地區(qū)棉花各生育期日序模擬值與實測值(2001―2010)Fig.1 Observed and simulated values of cotton grow th stages in Akesu(2001－2010)

表2阿克蘇市棉花產(chǎn)量預報結果（2011―2014年）Table 2 The dynamic predicted results of cotton yield in Akesu(2011－2014 year)

2.3 基于多年平均播種日期的產(chǎn)量預報方法

本研究方法選用阿克蘇市1991―2010年的平均播種日期4月14日（第104日）作為預報年的播種日期。由表2可知，除2014年的4月1日、5月1日、6月1日和8月1日的預報時間外，阿克蘇市2011―2014年4～11月的棉花模擬產(chǎn)量的預報準確率均在90%以上，且大多數(shù)預報準確度在95%以上，因此該方法能夠較為準確地預報阿克蘇市棉花產(chǎn)量。

圖2阿克蘇市棉花生育期內≥12℃有效積溫（2011―2014年）Fig.2 The effective accumulated temperature≥12℃during the cotton grow th period in Akesu(2011－2014 year)

2.4 基于適宜播種期區(qū)間的產(chǎn)量預報方法

2.4.1 適宜播種區(qū)間的確定。由物候資料得出，在1991―2010年間阿克蘇市棉花的播種日期平均值為 4月14日（日序為 104），在近 20 a中實際播種期最早為4月6日，最晚為4月22日。由圖3可以大致確定近20年中阿克蘇市棉花大面積播種的播種期區(qū)間為 [93,117]（用日序表示），其中區(qū)間[103,107]棉花播種面積最大。因而我們假設4月15日（日序為105）為阿克蘇市棉花最適播種時間，并以此為中心設置5個播種期，分別為4月5日（第95日）、4月10日（第100日）、4月15日（第105日）、4月20日（第110日）和4月25日（第115日）。

權重系數(shù)根據(jù)棉花在各播種日期區(qū)間下的播種面積的比例確定，由圖3可以假設權重系數(shù)分為以下4個方案：

（1）權重系數(shù)方案 1∶0.1，0.2，0.4，0.2，0.1；

（2）權重系數(shù)方案 2∶0.05，0.2，0.5，0.2，0.05；

（3）權重系數(shù)方案 3∶0.05，0.25，0.4，0.25，0.05；

（4）權重系數(shù)方案 4∶0.15，0.25，0.4，0.18，0.02。

圖3阿克蘇市農業(yè)氣象試驗站棉花播種期日序（1991―2010）Fig.3 Cotton sowing time in a grometeorological experiment station in Akesu(1991－2010)

2.4.2 權重系數(shù)的確定。2011―2014年每年的產(chǎn)量動態(tài)預報結果隨預報時間的變化趨勢大體一致（表 3），即隨預報時間（4―11月）的推移，預報準確率呈緩慢上升趨勢；且不論選擇哪組權重系數(shù)方案，運用基于適宜播種期區(qū)間多個播期的產(chǎn)量預報方法進行棉花產(chǎn)量預報時，除2014年棉花產(chǎn)量預報準確率平均值為89.5%左右外，其他預報年的產(chǎn)量預報準確率的平均值均在93%以上，準確率較高；在4組權重系數(shù)方案中，權重系數(shù)方案4條件下的預報準確率較高，且不同預報時間之間的預報準確率均方差較小，即權重系數(shù)方案4條件下的該產(chǎn)量預報方法較為穩(wěn)定。因此，通過基于播種區(qū)間[93,117]內的多個播期（95、100、105、110、115）并結合權重系數(shù)方案 4（0.15、0.25、0.4、0.18、0.02）的方法進行棉花產(chǎn)量預報的方法在阿克蘇市具有較好的可行性和適應性。

2.5 不同產(chǎn)量動態(tài)預報方法的比較分析

由圖4（1）可以得出，整體上來看，2種產(chǎn)量預報方法的預報準確率隨預報時間的推移都呈升高趨勢，但基于適宜播種期區(qū)間的產(chǎn)量預報方法的預報準確率隨預報時間推移的升高趨勢更明顯。2種產(chǎn)量預報方法的預報準確率都較高且較為接近，4年平均預報準確率均在90%以上。2種預報方法的多年標準誤差差異不顯著。除了預報時間5月1日和8月1日外，基于適宜播種期區(qū)間的產(chǎn)量預報方法的4年平均預報準確率比基于多年平均播種日期的產(chǎn)量預報方法高出0.1～2.4百分點，但差異不顯著。在棉花生育期內的不同時間下進行產(chǎn)量動態(tài)預測時，推薦采用基于適宜播種期區(qū)間的產(chǎn)量預測方法。

由圖4（2）可以得出，對阿克蘇市2011年、2012年和2014年的棉花產(chǎn)量進行預報時，2種產(chǎn)量預報方法的預報準確率相近；但在預報年2013年時，基于適宜播種期區(qū)間的產(chǎn)量預報方法的預報準確率高于基于多年平均播種日期的預報方法，且高2百分點左右。產(chǎn)生該現(xiàn)象可能是

與預報年份的實際播種日期有關，即由于2011年和2012年阿克蘇市棉花實際播種期日序分別為103和100，這兩年的實際播種日期與多年平均播種日期（日序為104）較為接近；而2013年實際播種期日序為93，與該預報方法中所選取的多年平均播種日期（日序為104）差距較大，故在預報年份2013年時，基于多年平均播種日期的產(chǎn)量預報方法的預報準確率明顯低于基于適宜播種期區(qū)間的產(chǎn)量預報方法。因此，對阿克蘇市棉花產(chǎn)量進行動態(tài)預報時，尤其是在預報年內棉花實際播種期未知的情況下，基于適宜播種期區(qū)間的預報方法的預報準確率更高。

表3阿克蘇市棉花產(chǎn)量動態(tài)預報結果（2011―2014）Table 3 The dynamic prediction results of cotton yield in Akesu(2011－2014)

圖4阿克蘇市棉花兩種產(chǎn)量預報方法的預報準確率（2011―2014）Fig.4 Cotton yield prediction accuracy of two methods in Akesu(2011－2014)

3 討論

本文主要基于棉花生長發(fā)育模型進行產(chǎn)量的動態(tài)預測結果。但由于作物模型是1個系統(tǒng)工程，受到各種因素的影響，各自模型仍存在許多局限性和不足。如作物模型中部分參數(shù)的確定方法，大多數(shù)來自于文獻資料和實際試驗結果，這需要進行大量的田間實驗獲得；模型是作物生長發(fā)育過程的簡化，與自然條件下的作物生長情況不可能完全一致，而且由于模型是在假設田間均一的生產(chǎn)情況下運行的，但在實際生產(chǎn)中，如田間的土壤狀況、水的灌溉量等往往是不均勻的，因而致使模型模擬結果會出現(xiàn)偏差[19-20]。

本文在適宜播種期區(qū)間的選取方面也存在不足。由于在實際生產(chǎn)中，不同地區(qū)棉花播種時間不同，所以本文選取棉花大面積播種的播種期區(qū)間作為適宜播種區(qū)間。雖然適宜播種區(qū)間和多個播期是根據(jù)該地區(qū)棉花多年播種期綜合分析選取的，但是具有很大的人為因素，易造成誤差。此外，該方法目前僅在阿克蘇市進行研究分析，因此，需進一步對該方法加以研究和檢驗，使之日益完善。

目前，進行棉花產(chǎn)量預報的方法大多為統(tǒng)計學方法，此類方法成本高、效率低，而基于棉花模型的產(chǎn)量預報方法與計算機結合可以滿足產(chǎn)量預報自動化需求，能為現(xiàn)代農業(yè)信息化、機械智能化及精準農業(yè)的發(fā)展提供有力工具[21-22]?；谧魑锬Ｐ偷漠a(chǎn)量預報方法的發(fā)展有利于建立1個較為全面的描述作物生長發(fā)育和產(chǎn)量形成的業(yè)務系統(tǒng)，能較好地促進作物產(chǎn)量預報業(yè)務化和高時效性的發(fā)展。

4 結論

COSIM模型可以較好地模擬阿克蘇市的棉花生長發(fā)育過程及產(chǎn)量水平?；诙嗄昶骄シN期和適宜播種期區(qū)間的2種產(chǎn)量預報方法的預報準確率基本上都在90%以上，均具有較高的預報精度。不同預報方法的預報準確率與起報時間以及播種期有關，在棉花生育期內按照月份對棉花產(chǎn)量進行動態(tài)預測時（尤其對于預報時間為棉花生育期后期時），或預報年份實際播種期未知時，基于適宜播種期區(qū)間的預測方法的模擬產(chǎn)量更接近于實際產(chǎn)量，預報準確率更高、適用性稍好，但兩者差異不顯著。整體來看，在阿克蘇市進行區(qū)域產(chǎn)量動態(tài)預報時，基于適宜播種區(qū)間的預報方法優(yōu)于基于多年平均播種日期的預報方法。

[1]王建林,宋迎波.棉花產(chǎn)量動態(tài)預測方法研究[J].中國棉花,2002,29(9):5-7.Wang Jianlin,Song Yingbo.Research on the method of dynamic prediction of cotton yield[J].China Cotton,2002,29(9):5-7.

[2]錢栓,王建林.棉花產(chǎn)量豐歉氣象指標和評價模型[J].氣象科技,2001(3):30-35.Qian Shuan,Wang Jianlin.Meteorological index and evaluation model of cotton production[J].Meteorological Science and Technology,2001(3):30-35.

[3]柳芳,薛慶禹,黎貞發(fā).天津棉花氣候適宜度變化特征及其產(chǎn)量動態(tài)預報[J].中國農業(yè)氣象,2014,35(1):48-54.Liu Fang,Xue Qingyu,Li Zhenfa.Climatic suitability variation and yield dynamic prediction model of cotton in Tianjin[J].Chinese Journal of Agrometeorology,2014,35(1):48-54.

[4]莊麗,王進,白麗,等.基于高光譜的中國干旱區(qū)棉花遙感估產(chǎn)[J].農業(yè)工程學報,2011,27(6):176-181 Zhuang Li,Wang Jin,Bai Li,et al.Cotton yield estimation based on hyperspectral remote sensing in arid region of China[J].Transactions of the CSAE,2011,27(6):176-181.

[5]Baker D N,Lambert J R,M cKinion J M.GOSSYM:A simulator of cotton crop grow th and yield[J].South Carolina Agricultural Experiment Station Technical Bulletin,1983(1089):134

[6]Room P M,Hanant J S,Prusinkiewicz P.Virtual plants:new perspectives for ecologists,pathologists and agricultural scientists[J].Trends in Plant Science,1996,1(1):33-38.

[7]潘學標,韓湘玲,石元春.COTGROW：棉花生長發(fā)育模擬模型[J].棉花學報,1996,8(4):180-188.Pan Xuebiao,Han Xiangling,Shi Yuanchun.COTGROW:Cotton grow th and development simulation model[J].Cotton Science,1996,8(4):180-188.

[8]潘學標,李玉娥.新疆棉花生產(chǎn)區(qū)域評估系統(tǒng)研究[J].中國農業(yè)科學,2003,36(1):37-43.Pan Xuebiao,Li Yue.Study on cotton production regional assessment system of Xinjiang[J].Scientia Agricultura Sinica,2003,36(1):37-43.

[9]王雪姣.氣候變化對新疆棉花物候、產(chǎn)量和品質的影響與適應措施[D].北京:中國農業(yè)大學,2015.Wang Xuejiao.Impacts and adaptation of climate change on cotton phenology, yield and fiber qualityin Xinjiang[[D].Beijing:China Agricultural University,2015.

[10]全國土壤普查辦公室.中國土種志（1-6卷）[M].北京:農業(yè)出版社,1994.National Soil Survey Office.Chinese soil species(volume 1-6)[M].Beijing:Agricultural Press,1994.

[11]托麗娜,潘學標,廖要明,等.新疆棉花生產(chǎn)氣候風險評估的模型方法初探[J].棉花學報,2005,17(2):122-124.Tuo Lina,Pan Xuebiao,Liao Yaoming,et al.Assessment of climate risk for cotton production in Xinjiang by cotton production regional assessment system[J].Cotton Science,2005,17(2):122-124.

[12]陳超,潘學標,李慧陽,等.基于COSIM模型的新疆棉花延遲型冷害指標分析[J].棉花學報,2009,21(3):201-205.Chen Chao,Pan Xuebiao,Li Huiyang,et al.Analysis of cotton delayed cool injury indices in Xinjiang based on COSIM[J].Cotton Science,2009,21(3):201-205.

[13]王雪姣,潘學標,陳超,等.基于COSIM模型的棉花延遲型冷害預測研究[J].棉花學報,2012,24(1):52-61.Wang Xuejiao,Pan Xuebiao,Chen Chao,et al.Forecasting cotton chilling damage based on COSIM[J].Cotton Science,2012,24(1):52-61.

[14]陳超,潘學標,張立禎,等.氣候變化對石羊河流域棉花生產(chǎn)和耗水的影響[J].農業(yè)工程學報,2011,27(1):57-65.Chen Chao,Pan Xuebiao,Zhang Lizhen,et al.Impact of climate change on cotton production and water consumption in Shiyang River Basin[J].Transactions of the CSAE,2011,27(1):57-65.

[15]秦鵬程,劉敏,萬素琴,等.不完整氣象資料下基于作物模型的產(chǎn)量預報方法[J].應用氣象學報,2016,27(4):407-416.Qin Pengcheng,Liu M in,Wan Suqin,et al.Methods for yield forecast based on crop model with incomplete weather observations[J].Journal of Applied Meteorological Science,2016,27(4):407-416.

[16]趙新華,束紅梅,王友華,等.播期對棉鈴生物量和氮累積與分配的影響及其與棉鈴品質的關系[J].作物學報,2010,36(10):1707-1714.Zhao Xinhua,Shu Hongmei,Wang Youhua,et al.Effect of sowing date on accumulation and distribution of biomass and nitrogen in cotton bolls[J].Crop Science,2010,36(10):1707-1714.

[17]毛煒嶧,曹占洲,鄒陳,等.新疆棉花播種期氣候服務指標分析及應用[J].沙漠與綠洲氣象,2010,4(6):1-5.Mao Weiyi,Cao Zhanzhou,Zou Chen,et al.Analysis and application about the climate service index of cotton's seedtime in Xinjiang[J].Desert and Oasis Meteorology,2010,4(6):1-5.

[18]帥細強,陸魁東,黃晚華.不同方法在湖南省早稻產(chǎn)量動態(tài)預報中的比較[J].應用氣象學報,2015,26(1):103-111.Shuai Xiqiang,Lu Kuidong,Huang Wanhua.A comparative study on dynamic forecasting of early rice yield by using different methods in Hunan Province[J].Journal of Applied Meteorological Science,2015,26(1):103-111.

[19]薛琳,鄭國清,戴廷波.作物生長模擬模型研究進展[J].河南農業(yè)科學,2011,40(3):19-24.Xuelin,Zheng Guoqing,Dai Tingbo.A review on the research of crop simulation model[J].Journal of Henan Agricultural Sciences,2011,40(3):19-24.

[20]曹宏鑫,趙鎖勞,葛道闊,等.作物模型發(fā)展探討[J].中國農業(yè)科學,2011,44(17):3520-3528.Cao Hongxin,Zhao Suolao,Ge Daokuo,et al.Discussion on development of crop models[J].Scientia Agricultura Sinica,2011,44(17):3520-3528.

[21]黃健熙,李昕璐,劉帝佑,等.順序同化三種時空分辨率LAI的冬小麥估產(chǎn)對比研究[J].農業(yè)機械學報,2015,46(1):240-248.Huang Jianxi,Li Xinlu,Liu Diyou,et al.Comparison of winter wheat yield estimation bysequential assimilation of three different spatio-temporalresolution remotely sensed LAI datasets[J].Transactions of the Chinese Society for Agricultural Machinery,2015,46(1):240-248.

[22]何亞娟,汪慶發(fā),裴志遠,等.冬小麥產(chǎn)量分階段預測模型[J].農業(yè)機械學報,2012,43(1):89-93,133.He Yajuan,Wang Qingfa,Pei Zhiyuan,et al.W inter wheat yield forecast multi-stage model[J].Transactions of the Chinese Society for Agricultural Machinery,2012,43(1):89-93,133.