中国作为一个农业历史悠久的大国,农业发展是祖国繁荣昌盛的重要保证。农作物的产量稳定,关系到国内社会稳定的维护、军事上的战略布控以及新能源科学技术的发展。随着科学技术的进步,计算机技术应用也逐渐普及到了农业生长模拟系统中,作物生长过程的模拟研究也成为了当前技术应用的研究热点。PCSE是一种常用的植物生长过程模拟模型,其具有大量的参数配置,涉及到地球生态的众多生物和物理演变过程。PCSE的参数包括四种,分别是气候、土壤、作物和管理参数。其中,作物参数尤为重要,由于内部结构的不确定性,参数提取中的多样性,以及驱动因子的不确定性等诸多因素,使得生长模型在进行逐日生长预测时产生误差累积,这可能会对最终的预测结果造成比较大的误差。所以,如何建立参数调整策略对农作物生长模型预测的误差降低有着很重要的影响。因此,作物参数的调参策略是当前农作物生长模拟与作物模型应用的关键性方向问题。本文对PCSE生长模型中的作物参数做了具体研究。首先确定各作物参数区域性范围,在整个参数取值样本空间内创新性的采用EX-SMOTE方法进行作物参数样本生成,得到5000组在各参数范围内有效样本参数。然后,采用EFAST和GBDT两种方法相互校验的方式进行不同气候下对5000组样本参数进行敏感度分析,通过分析结果选出四个敏感度较高的参数,分别是平均敏感度指数为0.216的SPAN(在35℃时叶面积的生命周期)、平均敏感度指数为0.096的SLATB078(生育期为0.78时的比叶面积)、平均敏感度指数为0.288的TBASE(叶龄的低温阈值)、平均敏感度指数为0.08的CVO(储存器官的同化物转换效率)。其次,结合历史数据与模拟数据的方差、第二步所计算出的平均敏感度值以及四年模拟值与真实值的计算方差值,选择最小值作为初始迭代点进行敏式梯度下降迭代计算,获得PCSE生长模型本地化最优参数组合。最后利用生长模型对长春市区域玉米的生长过程进行模拟实验,采用不同实验的方法来预测模拟预测值。实验结果分别为:不做校准的平均误差值为1609.3 kg/ha;用基准类型值作为初始校准值的平均误差为1353.6 kg/ha;采用不同气候条件下的均方误差最小原则所挑选的样本点作为初始校准点的平均误差降低至857.4 kg/ha。本文实验证明此误差是可以通过该试验流程进行合理的参数本地化校准,从而得到校准后的有效参数组,缩小区域性的农作物产量预测误差。