主流作物模型的发展与趋势
作物模型可从多角度进行分类，包括起源国（荷兰、美国、澳大利亚）、发展阶段（探索阶段、实际应用阶段和综合应用阶段）以及具体模块侧重点（如土壤侵蚀、水盐平衡或生产管理模型）。然而，随着模型版本的不断迭代，开发已不再局限于单一国家，核心关注点也已超越孤立模块，因此传统分类方法的相关性有所减弱。据此，研究人员根据驱动机制和系统规模，将当前广泛使用的模型分为三类：（1）基于光合作用—生理学的机理模型；（2）基于水分—土壤过程与环境效应模型；（3）集成农业系统与管理模型。
本综述的整体方法流程为：将八种主流作物模型的模型级比较与基于CiteSpace的相关文献计量分析相结合，进而整合两条证据链，以识别作物模型的关键局限性和未来发展方向。由于作物建模体系庞大且快速演变，研究人员采用了代表性抽样策略。基于Web of Science数据库，检索2013年至2024年间发表的学术论文，选取发表论文超过150篇的高影响力模型作为核心分析对象。
2.1 基于光合作用—生理学的机理模型
基于光合作用—生理学的机理模型优先从能量转换和质量守恒角度揭示作物生长与发育的内在机制。其核心特征是以光合作用为初级驱动力，将作物视为与周围环境进行物质和能量交换的系统，通过模拟从光能截获到产量形成的完整生态生理过程来预测生长。具体而言，模拟机制通常涵盖三个连续阶段：首先，由光照和温度决定潜在产量的形成，模型将截获的太阳辐射与温度条件相结合计算总同化物，并扣除维持呼吸和生长呼吸的能耗以获取理想条件下的净生物量；其次，进行环境因子胁迫修正，模型引入土壤含水量、养分供应和大气条件等限制因素，利用相关胁迫系数对光合速率或干物质积累进行下调，以模拟实际条件下的生长动态；最后，进行干物质分配与产量形成，调整后的干物质根据不同发育阶段对应的特定分配系数分配到根、茎、叶和贮藏器官，最终确定总生物量和最终产量。这类模型主要包括WOFOST和ORYZA系列模型。
2.1.1 WOFOST模型
WOFOST模型是由荷兰CWFS和瓦赫宁根大学基于SUCROS模型联合开发的产量预测模型。该模型侧重于作物生理生态过程的机理性描述，模拟不同环境条件下作物的生长、发育和产量形成。由于该模型源自SUCROS，仅通过调整作物参数即可应用于多种作物的生长模拟和产量预测。WOFOST模型的模块组成包括作物生长、气候、土壤和养分模块，模型内部还嵌入了GIS模块，能以地图形式呈现模拟结果，实现模拟结果的可视化。目前相关研究主要应用于产量预测、气候变化对农业生产影响评估、重金属胁迫、作物模型与遥感数据同化等方面。WOFOST模型已在玉米、小麦、水稻、马铃薯、大豆、枸杞、辣椒和向日葵等多种作物类型中得到验证，这些研究均证实了WOFOST模型的可靠性。
目前，WOFOST模型已更新至8.1版本。经过多代更新，该模型已能模拟养分亏缺、低温胁迫以及作物对CO2浓度变化的同化响应。当前WOFOST模型的技术迭代呈现三个重要发展趋势：（1）数据—模型协同，即从单一遥感数据同化向光学—雷达—地面传感多源异构数据融合演进；（2）过程模拟机理化，即从经验性产量预测向水/氮/碳耦合循环的机理性模拟深化；（3）系统架构智能化，即从离线模拟工具向具有实时同化能力的决策支持系统转变。在这些趋势下，研究人员已取得一系列代表性成果，例如将无人机测得的叶面积指数（LAI）同化到WOFOST模型中以改进玉米产量估算方法；通过Morris敏感性分析方法识别关键参数，并利用DREAM算法校准SWAP-WOFOST模型的作物生长参数以及盐分和干旱胁迫参数，同时分析参数不确定性，使模型能够准确预测干旱地区盐分胁迫和西北欧气候条件下干旱胁迫对藜麦产量的影响；将氮动力学模块整合到WOFOST作物模型框架中，衍生出WOFOST-N模型，实现了对库尔勒香梨树生长过程、氮运移机制、动态氮利用效率和氮胁迫响应的综合模拟与定量分析；将SCOPE辐射传输模型耦合至WOFOST作物生长模型，验证了耦合模型在模拟叶面积指数、叶片干物质含量和产量方面的精度，同时该耦合模型具备提升遥感数据在作物生长监测和产量预测中应用效率的潜力。这些研究进一步拓展了WOFOST模型的应用范围。
2.1.2 ORYZA模型
ORYZA2000模型通过整合ORYZA系列模型（包括用于潜在生产水平的ORYZA1、水分限制条件下的ORYZA-W、氮素限制条件下的ORYZA-N以及ORYZA1N）的优势模块，进行系统优化，最终形成综合模拟框架。该阶段模型基于理想化农业系统的假设，聚焦于模拟水稻在潜在生产、水分限制和氮素限制三种非生物胁迫情景下的生长过程，可定量分析不同环境因子对水稻发育阶段的调控机制。尽管ORYZA2000模型在模拟单季稻生物量积累和产量形成的生理过程方面具有较高可信度，但存在显著局限性。该模型针对灌溉湿地生态系统定制，在雨养旱地区域，土壤温湿度波动及养分转化的不稳定性限制了其在非灌溉情景下的应用。此外，早期版本缺乏模拟土壤碳氮动态的模块，依赖预设的氮矿化速率进行简化计算，无法再现氮素淋溶、挥发和反硝化等真实过程。
为解决上述问题，最新改进的ORYZA（V3）模型不仅能模拟水分胁迫、氮素胁迫及水氮复合胁迫下水稻的生长发育，还能模拟CO2浓度变化对水稻生长的影响。模型模块改进包括在ORYZA2000现有作物生长、蒸散、氮素运移和土壤水分模块基础上，新增土壤养分动态、根系生长和土壤温度模块。该模型当前的应用领域包括生物量和产量预测、水/氮管理、气候影响评估及种植策略制定。
2.2 基于水分—土壤过程与环境效应模型
第二类基于土壤—水分过程与环境效应的作物模型包括由WOFOST模型发展而来的SWAP模型和联合国粮农组织（FAO）开发的AquaCrop模型。这两类模型因均能较精细地模拟作物与土壤的相互作用而被归为一组，且都强调土壤—植物—大气连续体（SPAC）中水分运移机制对作物生产力的关键作用。在模拟机制方面，以AquaCrop模型为例，模型首先利用生长度日（GDD）驱动冠层覆盖度（CC）的动态扩展，建立作物辐射截获和蒸腾的物理基础。与第一类基于光合响应确定潜在产量的模型不同，这类模型以水分生产力（WP）或蒸腾效率为核心，通过建立水分与生物量之间的线性耦合关系来计算潜在生长。为精确捕捉环境效应，模型整合经典土壤水动力学过程（如多层水量平衡），通过纳入根系吸水与侧向排水来模拟非饱和土壤中的水分流动，从而量化水分亏缺对冠层扩展抑制、气孔关闭和衰老加速的多层反馈调控。养分限制通常以简化校正系数处理。此外，模型基于胁迫发生的特定物候阶段动态调整收获指数（HI），将累积生物量转化为产量，从而实现对作物生产力与农田水文环境效应的双重评估。
2.2.1 SWAP模型
SWAP模型基于WOFOST模型开发，综合考虑土壤、水分、大气和植物之间的相互作用。通过模拟土壤水分和热量的运移过程以及作物生长、蒸散、冠层截留和地表径流，旨在预测作物发育过程和产量。在模型构成方面，SWAP主要由土壤水分运移、溶质运移、作物生长和农田排水等子模块组成。土壤水分运移模块利用Richard方程，纳入根系吸水和侧向排水以模拟非饱和土壤中的水分流动，溶质运移主要采用对流弥散方程进行模拟。作物生长模块包含简单模型、复杂模型（即WOFOST模型）和特定牧草模型三种，其计算过程和原理与WOFOST一致。排水模块将饱和—非饱和土壤剖面简化为均质，将排水管置于不透水层之上，利用带有效深度的Hooghoudt公式表示排水。
由于SWAP模型能够动态模拟土壤水分运移、植物根系吸水、作物蒸散以及SPAC连续体中的物质和能量交换，因此该模型已广泛应用于产量和生物量预测、灌溉制度优化、咸水灌溉评估及水盐运移能力评价等领域。适用作物类型包括但不限于玉米、小麦、水稻和向日葵等常规作物。此外，许多研究发现SWAP模型在干旱农业系统的水盐协同调控方面也具有显著优势。例如，在干旱地区实施微咸水灌溉时，该模型能够精确预测土壤盐分和含水量，从而有助于实现节水灌溉实践。除上述有意义的研究外，以下研究方向也引起了研究人员的关注：（1）利用SWAP模型模拟农田水循环过程，并将其应用于改进和优化灌溉制度；（2）构建SWAP-IES根系吸收模型，实现对生育期内0-100cm耕层土壤含水量的动态模拟，细化了作物产量形成过程的模拟方法；（3）利用卫星数据优化SWAP模型以模拟实际蒸散量和作物系数；（4）利用SWAP模型探索不同气候情景下灌溉制度对湿润地区玉米生长和环境效应的影响，阐明精准灌溉的优势和价值。
2.2.2 AquaCrop模型
大多数作物模型需要大量田间实测数据，且相当多的变量需要输入模型，这对于缺乏作物模型使用经验的农民极为困难，从而限制了这些作物模型的广泛应用。为解决此问题，FAO开发了简单的作物水分生产模型，即AquaCrop模型。AquaCrop模型最重要的优势是所需输入数据相对简洁（仅需33个输入参数），同时具有更强的适用性。作为水驱动模型，AquaCrop不仅能系统评估气象因素对作物生产力的综合影响，还能模拟大多数草本作物在水分限制条件下的产量响应。该模型的原理是基于土壤有效水分利用效率与作物产量之间的定量关系分析作物的水分响应机制，通过多参数调控实现不同地区和气候情景下蒸散发的动态模拟，并量化生物量积累和产量形成的响应过程。所建立的产量—水分耦合模型不仅阐明了农田水分管理的生理生态机制，还为气候变化背景下作物生产系统的适应性调控提供了科学基础和决策支持工具。
AquaCrop模型（最新版本7.1）主要由四个结构模块组成，即作物生长模块、土壤水分平衡模块、大气模块和管理模块。模型输入包括气候参数、作物数据、管理数据和土壤数据，主要输出包括产量、生长状况、土壤含水量、管理相关参数和水分利用效率。目前，AquaCrop模型已应用于多种作物类型，包括小麦、玉米、高粱、棉花、豆类、向日葵、马铃薯和草本植物等。该模型已有文献总结表明，近年多个国家对其进行了广泛研究和应用。AquaCrop模型的研究主要集中于不同灌溉策略和环境条件对作物生产力的影响，并结合冠层动态、土壤参数和产量等指标进行系统分析。总体而言，AquaCrop模型的应用主要涵盖以下方面：（1）灌溉策略优化，包括通过模拟灌溉量和播种日期为提高灌溉效率、减少水资源浪费和选择最优播期提供支持；（2）作物生产与管理，包括预测不同水分条件下作物的潜在产量，帮助农民评估特定土壤和气候条件下各种作物的产量表现，指导农民选择最合适的作物类型；（3）气候变化影响分析，包括评估气候变化对作物需水量和最终产量的影响，帮助农民和决策者制定适应性管理方案。
2.3 集成农业系统与管理模型
第三类作物模型包括DSSAT模型、评估土壤侵蚀与农业生产力关系的侵蚀生产力影响计算器（EPIC）模型、农业生产系统模拟器（APSIM）和标准多学科作物模拟器（STICS）模型。上述作物模型最显著的特点是研究焦点从单一作物与环境之间的反馈效应转向农业生态系统。这些模型为平台化模型，通常包含多个作物模块，更加重视作物轮作、长期土壤碳氮循环和田间管理决策，属于前两类模型的混合体。以DSSAT模型为例，在第一类作物模型中，这些模型被认为主要基于光合作用并结合其他生理过程来模拟作物生长。然而，由于光合作用主要受辐射和CO2限制，这些模型可进一步细分为CO2驱动模型和辐射驱动模型。CO2驱动模型关注光合作用中的CO2同化效率，而辐射驱动模型强调光能的作用。显然，DSSAT属于后者。
2.3.1 DSSAT模型
早期DSSAT模型整合了多个作物生长模块，如常用的CERES和CROPGRO模块。这些基础模块能够模拟特定气候和土壤条件下的作物生长过程，从而实现作物管理和农业生产实践。在后续研究中，DSSAT模型的功能不断扩展，新增了土壤水动态、养分管理及其对作物生长影响的模块。DSSAT为用户提供了更直观的界面，使农业研究人员和从业者能够更方便地使用。该模型采用模块化框架，各模块围绕中央用户界面呈放射状分布，由两个主要部分组成：作物系统模型（上半部分），集成了数据库和应用分析模块；以及支持软件（下半部分），提供辅助管理和分析工具。两个部分通过中央用户界面协调，实现数据管理、模拟和决策支持的一体化。其应用场景包括：（1）作物生长模拟；（2）气候影响评估；（3）农业管理决策；（4）政策制定与可持续农业。结构模块包括气象模块、土壤模块、土壤—作物—大气模块、作物模块和管理模块。子模型包括CERES、CROPGRO、CROPSIM、CANEGRO、SUBSTOR和CROPGRO。作物参数校准方法包括试错法、单纯形法、广义似然不确定性估计（GLUE）、贝叶斯方法、PEST算法、差分进化（DE）、鲸鱼优化算法（WOA）、模拟退火（SA）、遗传算法（GA）和粒子群优化方法（PSO）。
随着气候变化和可持续发展重要性日益提升，DSSAT模型再次经历了重大更新和优化。研究人员将最新农业科研成果整合到DSSAT模型中，增强了其对气候变化、水分和氮素胁迫及作物适应性的预测能力，从而提升模型性能。例如，在DSSAT模型中嵌入非线性水分胁迫响应函数可提高模型在水分胁迫条件下的模拟精度；将DSSAT-CROPGRO-番茄与SCOPE-RTMo结合，并在合成数据同化过程中应用全局敏感性分析（SA）和SA增强粒子滤波（PF）可改善模型参数收敛性；利用DSSAT模型分析未来气候对作物产量的影响，可调整氮肥施用方式并同时改进农业系统以应对气候变化对作物生长和产量的影响。此外，许多研究人员已将智能优化算法和统计优化算法与DSSAT模型深度耦合，以增强模型参数本地化的精度和效率，从而提升DSSAT模型在不同地区的适用性。DSSAT模型还在作物管理、农业政策制定和气候变化影响评估等多个领域得到广泛应用。
2.3.2 APSIM模型
APSIM模型由农业生产系统研究组（APSRU）开发，整合了作物生理过程、土壤水分和肥料运移以及气候变化模拟模块。APSIM模型采纳了若干早期作物生长模型的成果，包括CERES-Maize和PERFEC。为灵活适应不同农业生态系统的需求，APSIM模型最初被设计为农业系统模型而非作物模型，因此APSIM模型的核心概念是土壤而非作物，这与其他作物模型不同。APSIM采用高度模块化架构，包含80多个开发模块，每个模块作为独立的“黑箱”运行，不直接交互，而依赖中央引擎进行消息传递，从而实现生物物理、管理和输入输出模块的灵活耦合，以适应不同场景。此外，APSIM-Explorer和APSFront等用户界面提供了支持。
目前，APSIM模型已广泛应用于高粱、大豆、水稻、棉花和花生等多种作物。此外，APSIM模型还可应用于作物产量模拟、气候变化影响评估、农业工作流管理策略优化、土壤水分/氮素管理策略优化、动态变化量化和环境相互作用等方面。APSIM模型持续迭代，目前在农业管理系统领域保持了技术先进性，已成为研究气候变化影响、评估农业管理实践和促进全球可持续农业实践的有力工具。
2.3.3 EPIC模型
EPIC模型是水土资源管理和作物生产力评价模型，主要用于评估土壤侵蚀、土地利用和管理措施对作物产量和土地生产力的影响。最新版本已更新至EPIC V.1102，涵盖气候模块、水文模块、土壤模块、养分模块、作物生长、管理模块和碳循环模块。目前，EPIC模型已应用于大豆、水稻、马铃薯、小麦、玉米和牧草等多种作物类型。
EPIC模型在多个领域提供了有价值的策略性解决方案。例如，有学者将HYDRUS模型与EPIC模块耦合，评估地下排水条件下咸水灌溉对土壤盐分和粮食产量的影响；还有研究利用EPIC模型模拟了1980至2010年水蚀对全球玉米和小麦产量的影响，阐明了产量损失、高脆弱性区域以及该建模框架的应用价值；另有研究利用EPIC模型调查了2008至2016年美国中西部12个州草地转为玉米和大豆田的生态影响，成功量化了土壤侵蚀、氮素损失和土壤有机碳损失。此外，基于长期土壤有机碳定位观测数据集验证了EPIC-IIASA空间网格模型系统在模拟不同农业管理情景下土壤碳库动态变化方面的可行性。为解决EPIC模型在区域尺度应用中的局限性和扩展脚本存在的问题，研究团队开发了一个综合Python包（名为GeoEPIC），可自动化实现整个EPIC模型流程的空间化。此外，为解决现有农业生态系统模型依赖辐射利用效率（RUE）方法的问题，研究团队将基于辐射传输和光合作用过程的RP作物生长模块整合到EPIC模型中，开发了开源增强型EPIC-RP模型，其性能超出预期，为下一代农业生态系统建模提供了新方案。
2.3.4 STICS模型
STICS模型用于模拟作物生长以及土壤水分和氮素的变化。与其他作物模型相比，STICS模型关注作物与土壤之间的关系。在作物方面，模型考虑了冠层几何形状对辐射截获的影响；在土壤方面，则考虑了地表覆盖对水分和氮素动态等过程的影响。因此，STICS模型能够模拟各种农业实践（如间作、覆盖）对作物生长的影响。STICS模型的主要模块包括物候、作物生长、作物管理、小气候、根系生长、水分平衡和氮素平衡。特别值得注意的是，STICS模型能够模拟包括间作、轮作和单作在内的各种种植系统。目前，STICS模型已广泛应用于小麦、玉米、大豆、高粱、马铃薯、甜菜、豌豆、甘蔗和向日葵等多种作物类型。
此处聚焦STICS模型在覆盖条件和不同种植系统中的应用。例如，研究人员利用STICS模型研究覆盖作物类型、播种和终止日期以及残留物管理对氮素平衡和后续经济作物的影响，并得出结论：在混合种植系统中纳入豆科作物可显著缓解作物生长后期氮素胁迫。类似地，针对华北平原冬小麦—春玉米轮作中氮肥过量施用问题，研究人员利用STICS模型发现玉米季氮矿化更强，而小麦季氮需求更高，并确定了小麦—玉米轮作农田的最适施氮量。此外，研究人员还关注传统耕作和两种免耕系统中N2O排放、土壤湿度和热量的动态变化，发现STICS模型在三种耕作制度下均表现出色。
2.4 开发平台与资源获取链接
上述作物模型在应用领域存在一定差异。本文献构建了综合八种主流作物模型多维度关系的知识图谱。图谱以四列组织，分别代表核心驱动机制、主流作物模型、应用场景和技术集成方向。从左至右，每个模型与其主要驱动因子（CO2、土壤水分、土壤盐分、辐射或人为因素）相关联，并映射至其主要应用场景，包括产量预测、气候变化影响评估、物候预测、灌溉与水分管理、养分与施肥管理以及土壤侵蚀和温室气体排放。在右侧指示了四个交叉技术集成方向：机器学习/深度学习耦合、多模型集成、数字孪生和遥感数据同化，其中APSIM和WOFOST分别被突出为后两者的代表模型。节点颜色进一步区分单作物专用模型（灰色，如ORYZA）与通用多作物模型（紫色），提供了额外的比较维度。该图谱与模型优劣势详细比较表互补。各模型在应用、特性、模块设置及优劣势方面的比较及开发平台和支撑资源的总结均有细化，其中已发布的源代码存储于官方网站或GitHub开源社区，用户可通过这些渠道实现本地适配和功能优化。
