El cambio climático global es una seria amenaza para la seguridad alimentaria y energética. La modelización del crecimiento de cultivos es una herramienta importante para simular la producción de alimentos y ayudar en la toma de decisiones. La fecha de siembra es uno de los parámetros importantes del modelo. La distribución espacial a gran escala con alta precisión para las fechas de siembra es esencial para la aplicación generalizada de los modelos de crecimiento de cultivos. En este estudio, se desarrolló un método de predicción de la fecha de siembra basado en la similitud ambiental de acuerdo con la tercera ley de la geografía. Las observaciones de la fecha de siembra de maíz de primavera de 124 estaciones experimentales meteorológicas agrícolas en China durante los años 1992-2010 se utilizaron como fuente de datos. Las muestras que abarcan desde 1992 hasta 2009 se asignaron como datos de entrenamiento, mientras que las muestras de 2010 constituyeron el conjunto de validación independiente. Los resultados indicaron que el error cuadrático medio para la fecha de siembra de maíz de primavera basado en la similitud ambiental fue de 10 días, lo cual es mejor que el análisis de regresión múltiple ( = 13 días) en 2010. Además, cuando se aplicó en diferentes escalas, la precisión de la predicción a escala nacional fue mejor que la de la predicción a escala regional en áreas con grandes diferencias en las fechas de siembra. En consecuencia, el método basado en la similitud ambiental puede estimar de manera efectiva y precisa los parámetros de la fecha de siembra en múltiples escalas y proporcionar un soporte de parámetros razonable para la modelización del crecimiento de cultivos a gran escala.