The main aim of the current study was to present the abilities of widely used crop models to simulate four different field crops (winter wheat, spring barley, silage maize and winter oilseed rape). The 13 models were tested under Central European conditions represented by three locations in the Czech Republic, selected using temperature and precipitation gradients for the target crops in this region. Based on observed crop phenology and yield from 1991 to 2010, performances of individual models and their ensemble were analyzed. Modelling of anthesis and maturity was generally best simulated by the ensemble median (EnsMED) compared to the ensemble mean and individual models. The yield was better simulated by the best models than estimated by an ensemble. Higher accuracy was achieved for spring crops, with the best results for silage maize, while the lowest accuracy was for winter oilseed rape according to the index of agreement (IA). Based on EnsMED, the root mean square errors (RMSEs) for yield was 1365 kg/ha for winter wheat, 1105 kg/ha for spring barley, 1861 kg/ha for silage maize and 969 kg/ha for winter oilseed rape. The AQUACROP and EPIC models performed best in terms of spread around the line of best fit (RMSE, IA). In some cases, the individual models failed. For crop rotation simulations, only models with reasonable accuracy (i.e. without failures) across all included crops within the target environment should be selected. Application crop models ensemble is one way to increase the accuracy of predictions, but lower variability of ensemble outputs was confirmed.

中文翻译：

---

模拟中欧四种大田作物的 13 个作物模拟模型及其组合的性能

本研究的主要目的是展示广泛使用的作物模型模拟四种不同大田作物（冬小麦、春大麦、青贮玉米和冬油菜）的能力。13 个模型在以捷克共和国三个地点为代表的中欧条件下进行了测试，使用该地区目标作物的温度和降水梯度进行选择。基于 1991 年至 2010 年观察到的作物物候和产量，分析了各个模型及其集合的性能。与整体平均数和单个模型相比，整体中位数 (EnsMED) 模拟开花期和成熟度的建模效果最好。最好的模型比整体估计的产量更好地模拟了产量。春季作物的准确性更高，青贮玉米的效果最好，而根据一致性指数（IA），冬季油菜的准确度最低。根据 EnsMED，冬小麦产量的均方根误差 (RMSE) 为 1365 千克/公顷，春大麦为 1105 千克/公顷，青贮玉米为 1861 千克/公顷，冬油菜为 969 千克/公顷。AQUACROP 和 EPIC 模型在最佳拟合线（RMSE，IA）周围的分布方面表现最佳。在某些情况下，个别模型失败了。对于作物轮作模拟，只应选择目标环境内所有包括的作物具有合理准确度（即没有失败）的模型。应用作物模型集成是提高预测准确性的一种方法，但证实了集成输出的较低可变性。冬小麦产量的均方根误差 (RMSE) 为 1365 千克/公顷，春大麦为 1105 千克/公顷，青贮玉米为 1861 千克/公顷，冬油菜为 969 千克/公顷。AQUACROP 和 EPIC 模型在最佳拟合线（RMSE，IA）周围的分布方面表现最佳。在某些情况下，个别模型失败了。对于作物轮作模拟，只应选择目标环境内所有包括的作物具有合理准确度（即没有失败）的模型。应用作物模型集成是提高预测准确性的一种方法，但证实了集成输出的较低可变性。冬小麦产量的均方根误差 (RMSE) 为 1365 千克/公顷，春大麦为 1105 千克/公顷，青贮玉米为 1861 千克/公顷，冬油菜为 969 千克/公顷。AQUACROP 和 EPIC 模型在最佳拟合线（RMSE，IA）周围的分布方面表现最佳。在某些情况下，个别模型失败了。对于作物轮作模拟，只应选择目标环境内所有包括的作物具有合理准确度（即没有失败）的模型。应用作物模型集成是提高预测准确性的一种方法，但证实了集成输出的较低可变性。AQUACROP 和 EPIC 模型在最佳拟合线（RMSE，IA）周围的分布方面表现最佳。在某些情况下，个别模型失败了。对于作物轮作模拟，只应选择目标环境内所有包括的作物具有合理准确度（即没有失败）的模型。应用作物模型集成是提高预测准确性的一种方法，但证实了集成输出的较低可变性。AQUACROP 和 EPIC 模型在最佳拟合线（RMSE，IA）周围的分布方面表现最佳。在某些情况下，个别模型失败了。对于作物轮作模拟，只应选择目标环境内所有包括的作物具有合理准确度（即没有失败）的模型。应用作物模型集成是提高预测准确性的一种方法，但证实了集成输出的较低可变性。