郭其乐1,2,3，李军玲1,2
（1.中国气象局河南省农业气象保障与应用技术重点开放实验室，郑州 450003；2.河南省气象科学研究所，郑州 450003；3.中国农业科学院研究生院，北京100081）
摘 要：北部生态系统生产力模拟（BEPS，Boreal Ecosystem Productivity Simulator）模型能够模拟不同生态系统碳水循环过程，并通过气孔导度将二者有机地结合，在土壤水分模拟上具有更大的优势。为了使BEPS模型适用于较小空间尺度的雨养冬小麦农田生态系统的土壤水分模拟，根据冬小麦的降水截留过程、冠层的辐射传输过程、根系分布规律和区域土壤水文参数的获取方法对BEPS模型的水平衡模块进行参数方案调整。在此基础上，基于实现BEPS模型与遥感反演的农田土壤水分数据同化的目的，利用经上述调整方案后的BEPS模型，对郑州农业气象试验站2011—2015年冬小麦生长季的农田土壤水分进行动态模拟，并用观测数据进行验证。结果表明，调整后的BEPS模型能够较好地模拟雨养冬小麦农田土壤水分及动态变化，决定系数R2可达0.70以上，平均相对误差MRE总体低于25.0%，但对底层模拟能力较差；在以旬为步长条件下，拔节前模拟效果优于拔节后；土壤水文参数是影响模型模拟土壤水分垂直交换和分布的主要因素，可通过优化进一步提高土壤水分模拟能力。
关键词：BEPS模型；雨养；冬小麦；参数方案；土壤水分
土壤水分是重要的地表物理参量，其迁移、运转过程是土壤-植被-大气循环的关键环节，是研究环境、气象、水文、农业和气候变化科学的关键要素[1]。对于农业生产而言，土壤水分不仅是农作物产量的限制因子，其含水率和形态还会影响到土壤中许多化学、物理和生物过程[2]。土壤水分亏缺是农业干旱发生的主要因素，常作为农业干旱监测和评估的重要指标之一，是农业旱情监测的基础[3-6]。
土壤水分获取经历了人工钻土测定、仪器观测和组网自动化观测、陆面或水文过程动态模拟和卫星遥感反演等阶段[7-12]。目前，还有一种合理的估算方法，即运用数据同化方法将遥感估算值和陆面模型(Land Surface Model，LSM)或土壤-植被-大气传输(Soil-Vegetation-Atmosphere Transfer,SVAT)模型相结合，并运用站点测量值对误差进行校正。该方法适用于大区域土壤水分的动态模拟，尤其适用于植被根层土壤水分和土壤剖面的水分估算[13]。但相关研究多集中在利用过程模型，对大区域尺度、流域以及森林等多种地表植被覆盖类型、结构复杂的综合系统进行的土壤水分模拟[1,14-17]，而针对农田尺度和农业干旱监测相关的农田土壤水分动态模拟及同化并不多见。申双和等[18]基于农田土壤水分平衡方程，对水分渗漏量估算进行了改进，建立了旱地农田土壤水分的动态模型。王仰仁等[19]通过引入土壤水分修正系数和作物全生育期系数表达式，对作物蒸腾和蒸发进行合并处理，并确定农田水分平衡方程的系数，分别在麦田、棉田进行了应用。但上述研究在作物冠层和根层对土壤水分影响上仅做了简化处理。
BEPS（Boreal Ecosystem Productivity Simulation）模型是在 FOREST-BGC（the forest biogeochemical cycles）模型的基础上发展起来的生态过程机理模型[20]。该模型主要用来对陆地生态系统生产力进行模拟，包括对植物的光合、呼吸、碳的分配、水分平衡和能量平衡的模拟。模型在碳、水循环模拟上对植被冠层和根区土体进行了分层设计，将植被冠层分为阴生叶和阳生叶，分别计算光合和蒸散，并进行叶片到冠层的尺度转换。通过以气孔导度为主的生理调节子模型将碳、水循环紧密联系在一起[21]，因而对于雨养农田土壤水分模拟具有更大的优势。为此，根据冬小麦农田生态系统的特点，对BEPS模型的参数化方案进行了调整，并对其进行模拟试验和验证，以探讨模型对农田尺度的土壤水分模拟能力，为参数优化和进一步开展与遥感数据的同化模拟打下基础。
该模型由能量传输子模型、碳循环子模型、水循环子模型和生理调节子模型4部分组成，包括能量平衡、光合作用、自养呼吸、土壤有机质分解、土壤水分平衡等过程[22]。驱动模型的数据主要有植被生长数据和逐日的气象数据以及植被生物物理参数和土壤水文参数等。模拟输出数据有逐日蒸散量、土壤湿度和温度、GPP、NPP等。
BEPS土壤水分模拟模块，是基于土壤水分平衡方程和土壤水分运动规律原理，主要包括降水、融雪、冠层截留、冠层蒸发、土壤蒸发、土层土壤水分变化、地表径流和深层渗漏过程。模型将蒸散分为植被冠层蒸腾、植被冠层下方蒸腾和土壤蒸发，依据作物根系进行土壤分层，计算其水分变化。每层土壤水分计算式[23]为：
式中：θi为第i层的土壤体积含水率（m3/m3）；θSi为i层饱和土壤含水率（m3/m3）；di为第i层土壤厚度（m）；WI为进入到第1土壤层的实际降水量（m/d），包括降雨和融雪水；Tri为作物蒸腾在第i土壤层的分配量（m/d）；Es为第1土壤层的蒸发量（m/d），并假设土壤的蒸发仅发生在该表层；RF是形成的地表径流量（m/d）；Qi-1,i和Qi,i+1为第i层分别与邻近层i-1、i+1的土壤水分交换量（m/d）；Qi（i=n）为最下层产生的水平方向饱和流，通常假设不发生水平饱和流；Dr为底层渗漏量（m/d）。
垂直方向上相邻土层的水分交换量Qi,i+1，由达西公式的隐式求解方案，并用泰勒级数展开后得到[24]，即：
式中：ki为第i层土壤水分传导率（m/d）；φi为第i层土壤水势（m）。ki和φi计算式[25]为：
式中：Ki为第i层饱和土壤水分传导率（m/d）；Ψi为第i层的土壤水分特征曲线经验系数（m）；b是Clapp指数（无量纲）。
总蒸散是由植被冠层蒸腾、冠层降水截留和土壤蒸发以及冠层截留降雪和地面积雪升华共同组成。BEPS模型利用“两片叶”模型，实现了单叶片向冠层尺度的空间转换，即：将植被冠层分为阳生叶和阴生叶，其蒸腾量[26]计算式为：
式中：Trp为冠层的日蒸腾量（m/d）；Trp,sun和Trp,shade分别代表阳生叶和阴生叶的日蒸腾量（m/d），由彭曼公式求得；LAI是叶面积指数（m3/m3）；LAIsun和LAIshade分别是阳生叶和阴生的叶面积指数，参考文献[26]计算：
式中：ϑ为每日平均太阳天顶角；Ω为聚集指数（无量纲）。
利用彭曼公式计算蒸腾时，单叶片气孔导度可由Ball-Berra气孔导度模型计算。该模型有效地将碳、水循环有机耦合，实现土壤水分变化与冠层蒸腾的相互关联，提高了不同土壤水分条件下冠层蒸腾模拟能力。
另外，冠层截留水和土壤蒸发也由彭曼公式计算，气孔导度根据不同土壤水分胁迫情况采用经验值。并且假设土壤蒸发只发生在表层。植被冠层蒸腾对各层土壤水分消耗按植被根系在各土壤层中的比例和土壤水分胁迫因子进行分配[23]，即：
式中：Tri是冠层蒸腾对第i层土壤水分的消耗量（m/d）；ri是根系在第i层的比例；f()θi,t是土壤水分胁迫因子，参考文献[27]计算；B为隐式算法的权重，兹取1。
BEPS主要应用于森林生态系统的碳、水循环及生态生产力模拟。当应用对象由尺度较大、结构复杂的森林生态系统变为结构单一、生态脆弱的麦田生态系统时，应对其参数化方案进行改进，以适用于麦田土壤水分动态模拟[23]。由BEPS模型土壤水分模拟的原理可知，地表植被和土壤状况是影响模拟效果的主要因素。因而，根据冬小麦全生育期的特点，对模型的植被冠层降水截留、冠层辐射方程、根系分布参数化方案进行了改进。另外，为了利用土壤数据集进行区域化模拟，对水文参数方案也进行改进。
植被冠层对降水的截留过程是水循环研究的重要环节，对土壤水分的收支、地表径流的形成以及降水的再利用都有重要影响。目前，国内外对林木的降水冠层截留过程研究相对较多，而针对农作物冠层对降水截留效应的研究，主要是以稀植、高秆、大叶作物玉米作为研究对象，受限于观测方法，对冬小麦的截留过程的模拟研究并不多见。BEPS模型根据不同生态系统，通过设定降水截留系数，来实现这一过程模拟，但并不能真实反映冬小麦的降水截留及其消散过程。刘战东[28]在河南省焦作市建立了冠层截留模型，认为冬小麦冠层对降水的截留量与降雨总量呈显著的幂指数关系，与叶面积指数LAI呈正相关关系。其成果对于本研究具有借鉴意义，建立的降水截留模型如下：
式中：Ic为冠层降水截留量（mm/d）；P为日降水量（mm/d）。
冬小麦冠层所接收的太阳辐射和周边散射是冬小麦光合作用和蒸散的能量来源。可通过观测获取，亦可通过辐射传输模型进行计算。冬小麦冠层与森林冠层相比，都具有垂直分层的特点，但冬小麦分层结构简单且均一。BEPS模型将植被冠层假设为“双层-两片叶”，即树冠层和树冠下层以及阴生叶和阳生叶。那么，根据冬小麦与森林植被冠层的差异，将冬小麦冠层假设为“多层-两片叶”，即：顶层就是受光层，接收到太阳的直射辐射周围介质的散射辐射；下面分若干层，只接收到来自冠层和地表的多次散射和反射辐射。通过各层叠加，得到整个冠层的有效辐射。
冬小麦冠层内部的散射辐射（Sin）在太阳天顶角余弦方向(μ)的辐射传输方程[29]为：
该方程边界条件为：
式中：G0为单位叶片沿直射辐射方向的投影（无量纲）
为叶片的单次散射率（无量纲）；L为叶面积指数深度，即距离冠层顶的垂直高度（m）；S0为垂直入射方向上接收到的直射辐射（μmol/(m2·s)）；μ为散射辐射（Sin）方向的天顶角余弦；μ0为入射直射辐射太阳天顶角的余弦。
冬小麦冠层内部L处的水平面上接收的散射辐射，计算式为：
冠层顶接收的总有效辐射
为直接辐射和散射辐射之和，即：
BEPS模型根系吸水方案为蒸腾权重原理模型，即基于植物根系吸水的因果关系，将蒸腾量在土壤剖面上按一定权重因子进行分配[30]。冬小麦冠层蒸腾在各层土壤水分的消耗，通过冬小麦根系在各层的分布比例决定。刘荣花等[31]在本研究区3个冬小麦生长季进行试验的基础上，建立了冬小麦根系生长模型。利用该模型并结合冬小麦各发育阶段的最大根深，来确定各土壤层的根系分布比例。根系分布模型为：
式中：RLD（Root Length Density）为根长密度（cm/cm3）；Z为土壤深度（cm）。
BEPS模型输入的土壤水文参数众多，如饱和土壤含水率、饱和土壤水力传导率和土壤水分特征曲线经验系数等，在实际应用中较难直接观测获得。而且这些参数之间又存在一定关联性，即与土壤质地相关[32]，不利于进一步的参数优化，将模型应用在区域农田土壤水分模拟时，通常利用土壤数据集中的土壤质地（砂土、黏土和壤土比例）间接转换为土壤水文参数进行应用。土壤质地与土壤水文参数的转换函数[33]，见表1。
表1 土壤水文学参数与土壤质地的函数关系
注 Psand和Pclay分别代表砂土和黏土量。
郑州农业气象试验站是国家一级农业气象试验站，处于我国冬小麦主产区黄淮平原，具有很好的区域代表性，可提供BEPS模型所需要的冬小麦生物生理参数、土壤水文参数以及土壤水分观测等数据。研究采用2011—2015年该站的逐日气象数据和冬小麦关键生育期的生长发育观测数据驱动模型，主要包括平均气温、最高气温、最低气温、降水、风速等气象要素以及冬小麦叶面积指数LAI、株高等。为了保证驱动模型的植被信息及时更新，对生长发育数据在时序上进行了插值；模型验证数据，采用该站冬小麦试验田逢8日0～10、10～20和20～30cm土层的土壤水分人工观测数据；土壤质地数据来源于“黑河计划数据管理中心”（http://westdc.westgis.ac.cn）基于“世界土壤数据库（HWSD）”的中国土壤数据集(v1.1)，可提取土壤的砂土与黏土的比例。
根据土壤水分逢8日的观测频次，同步更新模型的初始数据，逐日模拟至下一观测日的方案，对2011—2015年4个冬小麦生长季0～10、10～20和20～30cm土层的土壤水分进行模拟。利用决定系数（R2）、均方根误差（RMSE）、平均绝对误差（MAE）和平均相对误差（MRE）模拟效果进行评价，结果见表2。
表2 2011—2015年冬小麦生长季BEPS模型土壤水分模拟效果验证结果
注 N表示观测样本数。
模拟的4个冬小麦生长季中，R2的最高值是0.815 2，出现在2014—2015年的0～10cm土层，最低值是0.222 6，出现在2012—2013年的20～30cm土层。2014—2015年的变化趋势模拟效果最好，3个土壤层的R2均最高，在0.73以上；2012—2013年的变化趋势模拟效果最差，3个土壤层的R2均最低，最高值仅为0.572 5，最低值仅为0.222 6；另外2个生长季，3个土壤层的R2都在0.68以上。总体上，随土壤层深度增加，R2降低，变化趋势模拟效果变差。从RMSE、MAE和MRE 3种误差情况看：3种误差最小值均出现在2013—2014年生长季的10～20cm土层，分别为0.031 9、0.023 4和14.65%；最大值出现在2012—2013年生长季的20～30cm土层，分别为0.080 2、0.067 4和32.21%。4个生长季的3种误差综合来看，2013—2014年的3种误差均最小，而2012—2013年的3种误差总体高于其他生长季。故10～20cm土层模拟精度最高，效果最差为20～30cm土层。
图1—图4是2011—2015年4个冬小麦生长季BEPS模型模拟的土壤水分随时间变化动态，其中DOY为日序数。整体来看，3层土壤水分模拟值与观测值的变化趋势均具有较好的一致性，对降水也有很好的敏感性。从变化动态上看，0～10、10～20cm土层土壤含水率的观测值与模拟动态曲线偏离较小，而20～30cm土层的观测值与模拟值偏离较大，与之前分析表现一致即随深度增加，模拟效果和精度下降。
图1 2011—2012年冬小麦生长季土壤水分模拟值与实测值比较
图2 2012—2013年冬小麦生长季土壤水分模拟值与实测值比较
图3 2013—2014年冬小麦生长季土壤水分模拟值与实测值比较
图4 2014—2015年冬小麦生长季土壤水分模拟值与实测值比较
从图1的2012年4月28日（DOY=119，DOY为日序）至5月28日（DOY=149）、图3的2014年3月13日（DOY=72）至4月8日（DOY=98）以及图4的2015年4月12日（DOY=102）至4月28日（DOY=118）3个土壤层的动态模拟过程看，模拟的土壤含水率均达到极低值并持续，表明模拟值达到凋萎湿度，但实测值仍继续下降，说明模拟的凋萎湿度值高于实际值。从模拟精度较高的0～10、10～20cm层的阶段模拟情况看，冬小麦生长初期（分蘖期—拔节期，即DOY=313至次年DOY=69）较后期（拔节期—成熟期，即DOY=70至DOY=149）土壤水分模拟值与观测值一致性和精度更好。
针对冬小麦农田特点及区域化模拟和遥感数据同化的需求，对以陆地森林生态系统为应用对象的BEPS模型进行了冬小麦农田土壤水分模拟的参数化方案调整，较原模型降低了应用的空间尺度，使其满足于雨养冬小麦农田尺度的土壤水分模拟。模型能够较好地模拟雨养条件下冬小麦农田0～10cm和10～20cm土层的土壤水分，对20～30cm土层的模拟效果相对较差，且易低估底层土壤含水率。模型模拟的土壤水分对降水也具有较好的响应能力，但对长期无降水，出现干旱时，模拟能力下降。另外，土壤水分传导率K、Clapp指数、饱和含水率、饱和水势、凋萎湿度等土壤水文参数以及植被生物物理参数是影响模型模拟效果的主要因素。综上，调整后的模型能够满足与遥感反演的表层（0～20cm）土壤水分进行同化的要求。
由于BEPS模型对研究土体边界层的土壤水文参数，仅通过上临界层插值方法对其进行了处理，影响底层的模拟效果。因而，模型初始化时，应适当增加模拟的土壤层深度，并且需要引入更可靠的下边界层参数数据。冬小麦拔节后，进入快速生长阶段，叶面积指数、株高及根系变化大，冠层蒸腾作用对土壤水分的消耗较生长初期更为明显，应增加冬小麦生长发育数据的更新频次，以提高后期模拟能力。在出现旱情，土壤水分持续降低至凋萎湿度时，模拟值高于观测值，说明利用土壤数据集的土壤质地和转换函数来推算的土壤水文参数仍有误差，需要对土壤质地数据进一步优化。同时，研究中采用的土壤质地转换函数和根系分布模型，是经验性的，对改善模型在机理上具有借鉴意义，特别是模型中的相关系数，需要通过试验重新确定或采用全局优化方式进行率定。
参考文献：
[1]王晓学,沈会涛,周玥,等.半干旱地区不同森林类型土壤水分动态模拟[J].生态学报,2015,35(19):6 344-6 354.
[2]高峰,胡继超,贾红.农田土壤水分测定与模拟研究进展[J].江苏农业科学,2008(1):11-15.
[3]杨世琦,高阳华,易佳.干旱遥感监测方法研究进展[J].高原山地气象研究,2010,30(2):75-78.
[4]汪潇,张增祥,赵晓丽,等.遥感监测土壤水分研究综述[J].土壤学报,2007,44(1):157-163.
[5]申慧娟,严昌荣,戴亚平.农田土壤水分预测模型的研究进展及应用[J].生态科学,2003,22(4):366-370.
[6]何玲,汪志农,莫兴国.基于遥感信息预测土壤水分研究[J].水土保持研究,2006,13(2):168-171.
[7]杨涛,宫辉力,李小娟,等.土壤水分遥感监测研究进展[J].生态学报,2010,30(22):6 264-6 277.
[8]薛龙琴,陈海波,师丽魁.河南省自动土壤水分观测网的建设与运行管理[J].气象与环境科学,2011,34(4):84-87.
[9]BINDLISH R,JACKSON T J,GASIEWSKI A J,et al.Soil moisture mapping and AMSR-E validation using the PSR in SMEX02[J].Remote Sensing of Environment,2006,103(2):127-139.
[10]BOWERS SA.Reflection of radiant energy from soils[J].Soil Science,1971,100(2):130-138.
[11]DALAL R C,HENRY R J.Simultaneous determination of moisture,organic carbon,and total nitrogen by near infrared reflectance spectrophotometry[J].Soil Science Society ofAmerica Journal,1986,50(1):120-123.
[12]EDGERTON A T,MANDL R M,POE G A,et al.PASSIVE MICROWAVE MEASUREMENTS OF SNOW,SOILS,AND SNOW-ICE-WATER SYS TEMS[R].AEROJET-GENERAL CORP EL MONTE CALIF SPACE DIV,1968.
[13]梁顺林,李小文,王锦地.定量遥感:理念与算法[M].北京：科学出版社,2013.
[14]朱忠礼,林柳莺,徐同仁.海河流域不同下垫面土壤水分动态模拟研究[J].地球科学进展,2012,27(7):778-787.
[15]JU W M.Spatially Explicit Modeling of Coupled Water and Carbon Cycle in Canada’s Forests and Wetlands and Affected By Disturbance,Climate and Atmospheric Composition[D].Ph Toronto,Canada:University of Toronto,2006.
[16]白天路.基于遥感和地面实测水分数据的小流域土壤水分模拟[D].西安:西北大学,2010.
[17]王玉娟,杨胜天,吕涛,等.区域尺度典型喀斯特地区土壤水分动态模拟[J].自然资源学报,2009,24(4):650-662.
[18]申双和,周英.旱地农田土壤水分动态平衡的模拟[J].南京气象学院学报,1994,17(4):462-469.
[19]王仰仁,李松敏,王文龙,等.基于概念模型的麦田土壤水分动态模拟研究[J].气象,2010(12):102-108.
[20]RUNNING S W,COUGHLAN J C.A general model of forest ecosystem processes for regional applications.I.Hydrologic balance,canopy gas exchange and primary production processes[J].Ecological modelling,1988,42(2):125-154.
[21]JU W,CHEN J M,BLACK T A,et al.Modelling multi-year coupled carbon and water fluxes in a boreal aspen forest[J].Agricultural&Forest Meteorology,2006,140(1):136-151.
[22]王金梁,秦其明,刘明超,等.基于NDVI优化选择的土壤水分数据同化[J].农业工程学报,2011,27(12):161-167.
[23]JU W,CHEN J M,BLACK TA,et al.Spatially simulating changes of soil water content and their effects on carbon sequestration in Canada's forests and wetlands[J].Tellus B,2010,62(3):140-159.
[24]刘昭,周艳莲,居为民,等.基于BEPS生态模型模拟农田土壤水分动态[J].农业工程学报,2011,27(3):67-72.
[25]CHEN J M,CHEN X,JU W,et al.Distributed hydrological model for mapping evapotranspiration using remote sensing inputs[J].Journal of Hydrology,2005,305(1):15-39.
[26]LIU J,CHEN J M,CIHLAR J.Mapping evapotranspiration based on remote sensing:An application to Canada's landmass[J].Water Resources Research,2003,39(7):4.1-4.15.
[27]FOLEY J A,PRENTICE I C,RAMANKUTTY N,et al.An integrated biosphere model of land surface processes,terrestrial carbon balance,and vegetation dynamics[J].Global Biogeochemical Cycles,1996,10(4):603-628.
[28]刘战东.冬小麦降雨利用过程及其模拟[D].北京：中国农业科学院,2012.
[29]洪峰.土壤-植物-大气相互作用原理及模拟研究[M].北京：气象出版社,1997.
[30]蔡福,明惠青,祝新宇,等.陆面模式中植物根系吸水过程参数方案研究进展[J].气象与环境学报,2015(4):97-102.
[31]刘荣花,朱自玺,方文松,等.冬小麦根系分布规律[J].生态学杂志,2008,27(11):2 024-2 027.
[32]张添,黄春林,沈焕锋.土壤水分对土壤参数的敏感性及其参数优化方法研究[J].地球科学进展,2012,27(6):678-685.
[33]COSBY B J,HORNBERGER G M,CLAPP R B,et al.A Statistical Exploration of the Relationships of Soil Moisture Characteristics to the Physical Properties of Soils[J].Water Resources Research,1984,20(6):682-690.
Modelling Soil Moisture Dynamics in Rain-fed Winter Wheat Field Using the BEPS Model
GUO Qile1,2,3,LI Junling1,2
(1.CMA·Henan Key Laboratory ofArgriometeorological Suport andApplied Technique,Zhengzhou 450003,China;2.Henan institute of Meteorological Science,Zhengzhou 450003,China;3.Graduate School of ChineseAcademyAgircultural Sciences,Beijing 100081,China)
Abstract:BEPS(Boreal Ecosystem Productivity Simulator)is a model for simulating water and carbon cycling in boreal ecosystem by couplingthe water and the carbon in the stomatal conductivity.This paper investigated the suitability of BEPS for simulating soil moisture dynamics in small-scale rain-fed winter wheat fields.The BEPS model was parametrized using rainfall interception by crop,radiative transport process in canopy,root distribution and soil hydrological properties.Using the parameterized model,we simulated the dynamic of soil water in a rain-fed winter wheat field at Zhengzhou Agrometeorological Station from 2011to 2015,and the simulated results were compared with measured data.The results showed that the parameterized BEPS was able to simulate soil moisture dynamic in the wheat field,with a R-squared coefficient of 0.70and average relative error less than 25.0%.However,the model was less accurate in simulating change of water in deep soil.Usinga time step of 10days,the model worked better before the jointing stage than after it.Soil hydrological properties were found to be the main factors affecting the movement of soil water in vertical direction,and the model could be further improved to more accurately simulate soil moisture dynamics.
Key words:BEPS;rain-fed;winter wheat field;parameterization schemes;simulation of soil moisture
中图分类号：S127
文献标志码：A
doi：10.13522/j.cnki.ggps.2017.06.001
责任编辑：白芳芳
郭其乐，李军玲．基于BEPS模型的雨养冬小麦农田土壤水分动态模拟[J]．灌溉排水学报，2017，36（6）：1-7．
文章编号：1672-3317（2017）06-0001-07
收稿日期：2016-08-08
基金项目：中国气象局·河南省农业气象保障与应用技术重点开放实验室开放研究基金项目（AMF201404）
作者简介：郭其乐（1979-），男。工程师，硕士研究生，主要从事遥感技术农业应用研究。E-mail:guoqile@163.com