在农业信息技术迅猛发展的今天，作物模拟模型已被认为是“数字农业”的科学基础与核心技术。作物模拟模型集成了农业多学科领域的知识，并在一定的气候、土壤条件下建立，模型输入参数的本地化和校准是作物模型应用的前提，也是模型模拟结果好坏的关键。而作物生长发育本身是一个非常复杂的生物过程，不同于有规律性的物理化学过程，构建模型时往往由于考虑因子不全或参数难以估计而造成结果偏差。基于此，本文较系统地探讨了气候参数——逐日太阳总辐射——的估计以及土壤剖面粒径参数的转换。利用常规观测的逐日温度数据，分别构建了基于温度的站点、区域和中国大陆的太阳总辐射模型，对于不符合模型要求的土壤粒径数据进行转换，并分析估计的太阳总辐射和转换的土壤粒径参数对作物模拟模型模拟结果的影响，具体包括以下内容和成果：　　1.逐日太阳总辐射作为作物模型必不可少的输入参数，在气象站点的观测和记录都是有限的，本研究对获得的中国大陆83个辐射观测站点2010年前长达50多年的逐日太阳总辐射数据进行分析，利用K-均值聚类，将中国大陆划分为5个太阳总辐射气候区域，其中分区Ⅱ的太阳总辐射资源最丰富，年均每天的太阳总辐射量达17.4MJm-2d-1;其次为分区Ⅰ，年均每天接收的地面太阳总辐射总量达15MJm-2d-1;分区Ⅲ的太阳总辐射资源最为缺乏，年均每天获得的地面太阳总辐射总量还不到9.8MJm-2d1;分区Ⅳ和分区Ⅴ年均每天太阳总辐射量分别为12.4和14.3MJm-2d-1。该太阳总辐射分区能较好地反映我国地面太阳总辐射的气候特征。本研究的太阳总辐射分区是直接利用观测的太阳总辐射数据，不同于以往的以月均每天晴空指数为指标的辐射气候分区和国内通用的建筑热工分区(GB50176-93)，更能直接反映中国大陆太阳总辐射的分布及某个区域内辐射资源的气候状况。　　2.从站点（重庆）、区域（西南地区）、中国大陆三个尺度较系统地研究了基于温度的逐日太阳总辐射估算，提出了仅包含最高温、最低温和相对湿度的逐日太阳总辐射估算模型。　　在站点上，对重庆站点1988～2010年的逐日气象观测数据（最高温、最低温、降雨量、相对湿度、太阳总辐射）进行分析，这些气象变量呈现季节变化的趋势。月均每天的相对湿度最高值出现在10月和12月，月均每天相对湿度达85％以上，最低值出现在8月，月均每天相对湿度为73％;最高温和最低温月均的变化趋势基本一致，都是在7、8月出现高值，1月出现低值;月均每天接收的地面太阳总辐射在该站点的变化范围为2.83到15.21MJm-2d-1，最高值出现在7月，最低值则出现于12月。以最高温、最低温、降雨量、相对湿度为自变量，利用简单线性回归，分别构建了11个包含不同自变量的太阳总辐射估算模型，得到点——重庆的逐日太阳总辐射估算模型。在所用模型中，以全部输入变量构成的模型7拟合程度最好，决定系数（Coefficientofdetermination，r2）达0.79，估算误差也最低，均方根误差（Rootmeansquarederror，RMSE）为3.16MJm-2d-1;相对湿度对重庆站点春、夏、秋、冬的太阳总辐射解释能力要强于降雨，尤其是春季和秋季;在估算重庆站点逐日太阳总辐射时，基于最高温、最低温和相对湿度的模型比基于最高温、最低温和降雨的模型估算能力更强;采用最高温与最低温线性的形式比差值形式的模型拟合度要好，估算精度也更高，r2提高了13.3％，RMSE减少了15％。　　将站点太阳总辐射估算模型推广至区域，研究了西南地区（包括成都、遵义、贵阳、重庆和南充5个站点）的逐日太阳总辐射估算模型。根据最佳的站点估算模型，建立各站点的地理信息与最佳模型系数的多元线性关系，即得到了区域化的太阳总辐射估算模型。验证结果表明，得到的区域化通式能较好地估算区域内各站点的逐日太阳总辐射，与已报道的逐日太阳总辐射估算精度比较，本研究的通式精度较高，平均均方根误差（百分比形式）(Rootmeansquarederrorofpercentage，％RMSE)为36.4％，平均偏差(Meanbiaserror,MBE)为-0.1MJm-2d-1，整群剩余系数（Coefficientofresidualmass，CRM）为-0.01。该模型的优点在于仅需已知站点地理信息和逐日的温度、相对湿度观测值即可估算出西南地区各站点的地面太阳总辐射值。　　区域太阳总辐射的影响因素很多，且地方性特点明显，特定区域太阳总辐射观测站点很少，数据缺乏且不易通过经验公式或统计模拟得出。在区域研究的基础上，对中国大陆太阳总辐射分区也分别提出了各分区的通式。基于温度的逐日太阳总辐射估算通式模型，分区Ⅱ区域化通式误差最低，平均CRM为0.07，平均％RMSE为24.55％;分区Ⅲ的区域化通式误差最高，平均CRM为0.13，平均％RMSE为38.62％。各太阳总辐射分区的通式在中国大陆83个研究站点中的表现，有3个站点（分区Ⅱ的甘孜、刚察、葛尔）10％＜％RMSE＜20％，为优秀(good);有39个站点20％＜％RMSE＜30％，为不错(fair)。进一步比较西南地区5个站点的通式与中国大陆辐射分区的通式，发现二者估算的逐日太阳总辐射值并没有显著性差异，在实际运用时，两种模型都可以选择。该研究将气象站点地理信息与太阳总辐射估算模型结合，可以实现任一站点逐日太阳总辐射的估算;同时建立的模型简单且易于实现，克服了太阳总辐射观测站点稀疏、单个观测数据成本费用高的缺点，为逐日太阳总辐射的区域化或空间化提供了一种易于操作的途径，对服务于区域或国家尺度上的宏观生态学研究具有重要的理论和实践意义。　　3.以四川盆地为研究对象，验证各种常用的参数模型和非参数模型在四川盆地土壤上的表现能力，实现了卡钦斯基制、国际制的土壤粒径分布向美国农业部(Unitedstatesdepartmentofagriculture，USDA)简化的美制标准转换，为作物模拟模型等提供输入参数。　　将卡钦斯基制的七级分类粒径转换为USDA制时，非参数模型中，有5个参数的ExpA模型、ExpD模型和4个参数的Logistic模型的校正决定系数(Adjustedcoefficientofdetermination，Adj.R2)最高，赤池信息量准则(Akaikeinformationcriterion，AIC)值最低;通过比较0.001、0.005、0.01、0.05、0.25、1和3mm处的实测累积分布值与估算值，ExpD、ExpA和Logistic模型描述不同质地土壤累积分布的能力最好;非参数模型和参数模型在粒径分别小于0.002mm、0.02mm的验证过程中，发现参数模型（插值法）得到的RMSE值比非参数模型的要高，插值法在估算粒径小于0.02mm的累积分布时并不比非参数模型有优势，三次样条插值(Cubic)在估算粒径小于0.02mm的累积分布时精度最低，不适合于估算四川盆地土壤粒径小于0.02mm的累积分布。　　将国际制的四级分类粒径转换为USDA制时，采用三次样条插值法的平均绝对误差(Meanabsoluteerror，MAE)、平均RMSE都比线性插值(Linear)和分段三次Hermite插值(Hermite)的值要大，分段三次Hermite插值是这几种方法中最适用于四川盆地国际制分类的土壤粒径向USDA制转换。研究结果表明在实际运用时，需要对已有模型进行验证。　　4.将估算的逐日太阳总辐射、土壤粒径参数输入到CERES-Maize模型中，定量分析了不同估算方法对模拟产量的影响。　　结果表明站点模型(Rs-3)、区域模型(Rs-4)、中国大陆辐射分区的通式模型(Rs-5)等估算的不同逐日太阳总辐射值得到的产量与实测产量之间的差异未达到p＜0.05的显著性水平，即第3章、第4章、第5章基于温度的逐日太阳总辐射模型估算的太阳总辐射对重庆（沙坪坝）站点的玉米模拟产量影响不显著，在应用时，任一估算模型都可以选择，证明本研究提出的基于温度的逐日太阳总辐射估算模型是能运用于作物模拟模型的。　　不同模型转换得到的土壤剖面粒径参数对玉米模拟产量的影响:在丰都站点，不同土壤粒径参数模型模拟的产量之间差异不显著;其中参数模型得到的产量都一样，模型Exp、ExpG的粒径参数模拟的玉米产量一致，且二者估算的粒径参数也一样。在酉阳站点，W模型与L、logistic模型估算的粒径参数模拟得到的玉米产量差异较大，达到了p＜0.05的显著性水平;而模型ExpD、Exp3P、R4质地参数模拟的玉米产量都一样;参数模型(Linear、Cubic、Hermite)估算的粒径参数模拟的玉米产量也都一样。通过单因素方差分析，不同方法估算的土壤粒径参数其差异性对CERES-Maize模拟的玉米产量影响不大，参数模型的估算结果基本一致，非参数模型中除W、L、E模型外，估算的土壤粒径参数基本都能应用于CERES-Maize模型。