作物生长模型能够模拟作物生长发育和产量形成过程,及其对环境的响应,从而为农作物产量预测提供了一种有效的方法。本研究利用陕西杨凌(2014和2015)、合阳(2009和2011)、长武(2010和2011)的田间试验数据以及各站点的多年历史气象数据,尝试建立基于玉米生长模拟模型CERES-Maize和历史气象数据的玉米产量预测方法,并对方法的可靠性和精度进行分析。研究将全生育期内玉米生长模拟所需的气象数据分为已知气象数据和未知气象数据2个部分,其中已知气象数据来自当地的气象站,而未知气象数据分别用试验地的多年历史同期气象数据代替,对应生成多个完整的气象数据序列,再利用这些气象数据序列运行CERES-Maize模型预测目标年份的玉米产量。随着玉米生育期的推进,逐日在气象数据序列中融入目标年实际测得的气象数据,从播种至收获逐日动态模拟玉米产量。此外,为减少预测过程的运算次数并降低预测的不确定性,该研究对比分析了历史年份和目标年份的逐日气象数据(包括最高温度Tmax、最低温度Tmin、降雨rainfall、太阳辐射SRAD),然后使用一般K-NN(K nearest neighbor)算法和改进的K-NN算法从历史气象年份中筛选目标年的气象相似年份,即相似年型,再使用相似年份的气象数据替代玉米生育期内未知的气象数据生成气象数据序列并进行玉米产量预测。此外,根据该产量预测方法在生育期内动态预测产量的分布趋势进行灌溉决策,对逐日模拟的多个产量的中位数进行线性拟合,拟合直线的斜率连续下降若干天作为灌溉触发条件实施灌溉。研究发现:(1)玉米抽雄后(大约距收获前45~60 d),每日预测的多个产量的分布开始收敛并逐渐趋于实测值,不确定性迅速下降,变异系数(CV)和平均绝对相对误差(MARE)小于15%,即根据该方法可以在玉米生育期内进行较高精度的产量预测;(2)利用普通K-NN算法对比逐日气象数据筛选相似年份并使用其气象数据进行产量预测时,预测精度并未如预期得到显著提高,总体精度较差;利用改进的K-NN算法对比7d内气象数据的均值来筛选相似年份,并利用其气象数据进行玉米产量预测时精度得到显著提高,同时模型运算次数减少、预测所需时间缩短。(3)基于逐日预测产量的分布趋势建立灌溉决策方法,该方法能够根据人为设定的灌溉紧迫程度准确捕捉生育期内模拟产量整体连续下降阶段,触发灌溉事件,并根据设定的单次灌水量自动修改CERES-maize模型试验文件,自动进行灌溉。(4)由于大多数气象站点有实测历史气象数据的年份相对较少,结合生育期实时数据仅能生成有限数量的未来气象情境,不能完全概括未来可能的气象情境,因此,在下一步的研究中可以结合气象发生器生成符合目标站点气象特征的争夺气象序列来丰富样本容量。