烈日高悬，玉米田里绿浪翻涌，几道身影点缀其间。在吉林省公主岭市范家屯镇乾程农民合作联社的农田中，中国气象科学研究院农业气象模式研发团队（以下简称“模式团队”）总负责人王培娟及团队成员正忙着对玉米关键期生长展开监测。

田间布设感知设备作为“耳目”，云端构建智能分析系统作为“大脑”，地下通过根系与土壤监测实现“健康诊断”，这正是模式团队的技术愿景。为此，模式团队致力于对中国农业气象模式（以下简称“CAMM模式”）的研发与应用。他们足迹遍布吉林、河南、江苏等农业大省，在广袤的土地上不断探索创新模式，以气象科技助力“中国饭碗”端牢。

建模构想

王培娟首先要应对的，是我国农业生产的复杂性。“即便是在同村，不同农户之间的灌溉条件、作物种类也存在差异，放到乡、县、省等更大尺度，差异更明显。”此外，我国人多地少的基本国情要求农业必须最大限度挖掘土地产出潜力。对于东北这样以“一年一熟”为主的重要粮仓而言，这种压力意味着从春播到秋收的每一个环节都须精准无误。

彼时，由于我国农业生产面临的特殊难题和特有种植方式，国外的农业气象服务模式在我国常常“水土不服”，难以直接落地应用。更何况农业生产不仅受自然条件影响，还与气候变化、气象灾害紧密相关。如何准确描述预测这些影响，成为萦绕在王培娟心头的难题。

在此背景下，王培娟与几位同行者一起，扎进田间地头，开启漫长艰辛的数据积累之旅。他们不辞辛劳，顶烈日、冒风雨，在田间地头仔细记录作物生长的每个细节，从土壤湿度、温度，到干旱、冷害强度，从作物发芽、开花到结果，不放过任何可能影响农业生产的因素。

随着研究深入，王培娟发现，田间观测获取的数据虽真实可靠，但往往零散且缺乏系统性，难以全面深入地揭示农业生产与气象条件间的复杂关系。王培娟敏锐意识到，必须拥有适合我国国情的农业气象模式，而“观测是基础，建模则是提升水平的关键”，系统建模是理解和描述复杂农业生产系统的必由之路。

图为CAMM 模式运转平台

十年躬身

“要做完全自主创新的中国农业气象模式！”瞄准这一目标，模式团队应运而生。在团队总负责人王培娟和技术总负责人马玉平的带领下，团队成员们一方面继续扎根田间，不断积累更新数据，为模型修正和验证提供可靠数据；另一方面，积极投身于模型研发工作，从三大主粮作物入手，深刻剖析气象等环境条件影响作物生长及产量品质形成过程的机理。这一躬身，便是近十年的坚守与付出。

CAMM模式的研发并非一帆风顺。从最初设想到逐步完善，他们不仅要解决模式核心机理中的缺陷，在查漏补缺中不断优化，还要应对重大气象灾害、病虫害对作物生长的冲击，以及地方种植特色和小众作物特殊生长机制等复杂问题。

“我国农业具有高度复杂性，想要详细描述各个地块的不同作物，不仅需要改进模式机理，当地的观测数据和卫星遥感数据产品也需要同化到模式中。”马玉平表示。为提升模式的准确性和可靠性，模式团队不断开展田间试验，收集第一手数据，对模式进行验证和修正，并与吉林、安徽、江苏等多地合作，共同完成田间观测设备的升级转换。没有捷径可循，马玉平回忆道，“当时大家早出晚归，深入麦田、钻进玉米地，测量数据、收集灾情……无论天气多么恶劣，都会在第一时间出现在试验场地。”

经过多年集体攻坚，CAMM模式逐渐成熟。从最初仅能应用于冬小麦产量会商的 CAMM1.0版本，到如今应用于国家及多省冬小麦、春玉米、夏玉米、一季稻、早晚稻、马铃薯等多类型作物模拟的 CAMM3.0版本，团队在致灾机理、模式研发、监测预报预警、气候韧性评估等多方面取得显著进展。

图为团队成员在吉林省开展水稻光合速率观测

落地生根

“唯有模式落地，成果才能生根。”王培娟常说。为扩展更广泛的应用前景，模式团队积极推动该模式在地方气象业务中的落地应用。

2021年河南特大暴雨期间，团队基于 CAMM模式预估黄淮海八省（市）玉米受灾地区平均减产3.77%，其中河南受灾地区减产9.7%—43.8%，但是全国玉米增产1.16%—1.21%，为国家及当地省级政府部门决策提供了定量化的决策依据；团队还结合气候预测数据，评估了2022年初汤加火山喷发的降温效应对我国农业生产的影响。此外，CAMM模式已连续7年参与我国粮食作物产量会商，成为国家及省级作物产量预报数字化服务的重要技术手段之一，推动了农业气象业务服务的创新发展。

“创新之道，唯在得人” ，团队资深专家霍治国感慨道： “回顾这些年，从早期借鉴国外模式到如今实现自主创新，每一步都凝聚了几代农业气象工作者的智慧与付出。”中国气象科学研究院生态与农业气象研究所自20世纪80年代末便启动了农业气象模式研究工作，当时仅根据国外模式改进作物模型，并未推广应用。“但正是凭着前辈持之以恒的探索和经验、数据的积累，我们才得以取得今天的成果，实现从跟跑、并跑到部分领域领跑的跨越。”

模式团队也注重下一代人才的多领域培养，在结合专业特色基础上，构建了全方位、多层次的人才培养体系。一方面，鼓励团队成员深入农业气象相关的各细分领域进行深耕细作；另一方面，重视跨类别知识融合。“农业气象研究涉及面广，个人力量有限。团队让我从‘孤军奋战’变成‘协同作战’，特别是能将我的前期研究无缝接入团队已有的模型成果，形成了“1＋1＞2”的效应，这让我的研究工作事半功倍，目标也更明确。”模式团队青年成员杨建莹和王旗回忆时共同感慨。

图为模式团队合影