当今全球气候变化背景下,强降水、温度升高、荒漠化等环境问题严重威胁全球粮食和能源安全。作物生长模型作为模拟作物粮食产量和提供决策的重要工具,被广泛应用到全球气候变化研究中,用以探索全球气候变化对农业的影响并制定农业生产可持续发展的策略。作物生长模型起初是基于田间尺度开发和应用的,其对气候条件、土壤等自然要素均假设为均质的。而当作物生长模型在全球变化研究中应用时,空间尺度为区域甚至全球尺度,作物生长模型中输入的关键参数会因尺度的变化而呈现空间的异质性,均质的假设不再成立。因此大范围、高精度的作物生长模型参数的空间分布信息是作物生长模型应用到大尺度的前提,这些空间分布信息往往是通过空间推测手段获取。目前大部分的作物生长模型参数（如生长季积温、播种日期等）空间推测方法主要是基于温度阈值和回归分析的推测方法等,这些方法在使用时有着共同的假设,即所得关系稳定并且全局适用或者设定的温度阈值在全区适用。然而在实际地理环境中,尤其是在地形复杂的地区,该假设并不完全成立。为了克服现有方法对所得推测关系或者设定的阈值全局适用的要求,本文根据“地理学第三定律”,建立了基于地理环境相似性的作物生长模型参数推测方法。基于环境相似性推测方法的基本思想可以简单概括为“地理环境越相似,地理变量值越相似”。其推测步骤主要分为三步,第一步刻画与推测目标变量（如作物生长模型参数）相关的环境特征并度量环境相似性;第二步根据样点间的环境相似度和样点间目标变量相似度计算样点可信度并筛选可信度高的样点用于推测;最后根据样点与待推测点的环境相似度筛选出可用于推测的样点,进而推测待推测点的目标变量值,并计算推测不确定性。本文以中国玉米种植区为研究区,利用基于环境相似性推测方法对作物生长模型参数中的物候参数生长季积温和管理参数播种日期进行空间推测。研究结果表明:在生长季积温参数空间推测中,通过独立样点验证精度对比发现,基于环境相似性推测得到的春玉米和夏玉米的生长季积温的均方根误差（RMSE）分别为105.8℃ days和104.3℃ days,回归分析推测方法得到的推测RMSE分别为182.7℃ days和111.8℃ days;所以基于环境相似性空间推测方法的推测精度要高于回归分析方法。在空间上,基于环境相似性空间推测方法更能体现参数的空间异质性。在全球变化影响下,该方法还可以在时间上进行推测,可以为农民选择作物品种提供参考。对于播种日期的空间推测,与生长季积温推测对比结果相似。通过独立样点验证精度对比发现,基于环境相似性推测得到的春玉米播种日期均方根误差（RMSE）为9.8天,温度阈值方法得到的RMSE为15.9天,多元回归分析推测方法得到的RMSE为12.6天;夏玉米播种日期推测三种推测方法得到的RMSE分别为7.3天、31.5天和11.0天。由此可见,不管是春玉米还是夏玉米,基于环境相似性空间推测方法优于温度阈值方法和多元回归分析方法。最后为了更深入理解本文所提的基于环境相似性的作物生长模型参数推测方法,本文对该方法的推测尺度和阈值设置进行讨论分析。对于推测尺度的研究发现在目标变量差异较大的地区全区推测的精度要优于分区推测;推测过程中阈值设置越高,推测精度越高,但是对应的可推测点数会减少,所以在推测过程中,需要根据不同的需求以及对误差的可接受程度来选择合适的参数值。因此基于环境相似性推测方法不仅能够有效地、高精度地推测多尺度作物生长模型参数;而且能充分体现参数的空间异质性,为大尺度作物生长模型提供合理的参数支持,从而更好地评价候变化情境下作物物候期变化以及产量变化等;同时也为地区和国家制定气候变化下适应农业政策提供科学依据和理论基础。