数字农作技术研究的若干进展与发展方向
时间:2009-11-06 来源： 作者:
中国农业科学
0 引言
数字农业是用数字化信息技术，对农业所涉及的对象和全过程进行数字化表达、设计、控制和管理，是数字地球的理论与知识在农业上的拓展和深化。由于农作生产系统是整个农业产业中最基础和本质的部分，因此数字农作技术是数字化农业需要研究和发展的基础性和向导性工作，也是数字农业技术研究与应用的突出标志，是当今信息农业和现代农业的发展方向和研究前沿。
数字农作即通过综合运用数字化技术，研究农作物生产系统中信息获取、处理、管理和利用的关键技术及应用系统，从而对农作系统过程的信息流实现全面的数字化表达和整合。该技术使得农作生产系统从定性理解到定量分析、概念模式到数字模型、专家经验到优化决策，实现定时、定量、定位的数字化和精确化农作信息管理与决策支持。
针对数字农业的发展趋势和应用前景，近20年来，美国、加拿大、荷兰、英国、法国等发达国家十分重视建立基于农作系统模型和GIS技术的数字化农业生产实验系统，并在示范应用中获得了突出的社会、经济和生态效益。与此同时，中国在继续发展和完善农业管理信息系统和农业生产专家系统的同时，在作物生长模型、虚拟植物生长、农情信息监测、精确农作技术等方面也进行了开拓性的研究工作，并取得了良好的成效。
数字农作技术是一项综合性的研究工作，既有关键技术的应用基础研究，又有软件系统的研制开发；既有单项技术和子系统研究，又有综合性系统的平台式集成与耦合。目前国外的研究一般基于作物系统模拟模型，国内的研究大多基于专家知识库或知识系统，而这些系统包含了许多具有较强地域性和时间性的经验参数，因而限制了系统的研究性和广适性。此外，这些研究工作较多的是单项技术和子系统研究，而缺少将系统预测、管理决策和3S技术相结合的具有较强机理性和综合性的大型应用系统。近年来，围绕数字农作的关键技术及应用系统，江苏省信息农业高技术研究重点实验室组织开展了较为深入和系统的研究工作，重点在作物生长模拟模型、作物管理知识模型、作物生长无损监测、农作空间信息管理、数字农作决策系统等五个领域取得了显著的研究进展。本文重点介绍江苏省信息农业高技术研究重点实验室在数字农作技术研究方面取得的最新进展，并对数字农作的发展趋势进行展望。
1 数字农作研究进展
1．1作物生长模拟模型
1．1．1 作物生长模拟系统 以作物生理生态过程为主线，实验研究与模拟研究相结合，运用系统分析方法和动态模拟技术，构建了小麦、水稻、棉花、油菜等主要农作物的阶段发育与生育期子模型、光合生产与物质积累子模型、器官问物质分配与器官生长子模型、产量与品质形成子模型、土壤一作物系统水分(包括干旱和渍水)平衡子模型、氮磷钾养分动态子模型等，并进一步通过子模型的集成和综合，建立了小麦、水稻、棉花、油菜等主要作物生长系统的整体模拟模型。模型在处理和描述“土壤．作物一大气”系统的动态过程及量化关系方面具有较强的机理性和解释性以及综合性和预测性，从而为研究不同品种、不同地域、不同年份、不同生长条件下作物生长动态及管理调控技术提供了有效的定量化工具，同时模拟模型也可以通过与知识模型及3S技术的结合来实现对作物生产的产量预测和优化管理等。图1显示了稻麦模拟模型的结构。
1．1．2 作物形态建成模拟模型 基于作物生长过程及器官建成规律，结合大量的田间试验观测资料，分析研究了小麦和水稻主要器官的形态变化过程，初步建立了小麦和水稻的形态结构建成模拟模型，包括对叶片(叶长、叶宽、幅宽、叶面积、叶色、茎叶夹角、叶片倾角、叶片衰亡动态等)、茎(茎长、茎粗)、叶鞘(叶鞘长度和颜色)、穗子(穗长、穗宽、穗厚、穗的颜色、芒的形态)等形态变化过程的动态模拟，为在作物生长模型的基础上，进一步构建可视化和数字化作物生长系统奠定了基础。图2为小麦个体生长的可视化。
1．2作物管理知识模型
1．2．1 作物栽培管理知识模型 通过分析和提炼作物栽培理论与技术方面的大量文献资料，结合田间试验，综合研究解析了小麦、水稻、棉花、油菜等主要作物生育指标与栽培技术指标的地域性和季节性变化规律及定量化关系，找出了作物生长发育和产量品质形成指标及栽培管理技术规范与生态环境因子及生产条件之问的定量化函数关系，创立了广适性和数字化的作物栽培管理知识模型。该模型可以为不同条件和不同生产系统设计出适宜的播前栽培管理方案和产中生育指标动态，其中播前栽培管理方案包括产量与品质目标、适宜品种、播期、基本苗与播种量、肥料运筹方案(包括氮、磷、钾总施用量、有机氮与无机氮的比例、基肥与追肥的比例等)、水分管理方案等，适宜的产中生育指标动态包括生育进程、生长指标动态(叶龄、绿色面积指数、干物质的积累、群体茎蘖数等)、植株养分指标动态(氮、磷、钾含量和积累量动态)、源库指标等，从而克服了传统栽培模式和专家系统较强的地域性和经验性等缺点。图3为小麦栽培管理知识模型的结构图。
1．2．2种植制度知识模型运用系统分析、动态建模及优化规划技术，通过解析作物生育和产量形成与气候和土壤生态指标的关系，基于风险评估与分析模型，初步构建了作物种植制度与优化布局的知识模型。模型具有通用性和动态性等特点，具体包括6个方面的子模型：作物气候生态适宜性评价模型、土壤适应性评价模型、作物组合的生态适应性评价模型、复种潜力的计算模型、作物耕地质量的经济计量模型以及基于供求关系和风险评估的作物种植面积规划模型。
1．3作物生长无损监测
以水稻和小麦的大量田问试验为依托，将地面遥感技术和作物生理生化分析技术相结合，对不同处理条件下水稻和小麦全生育期的叶绿素(SPAD值)和冠层光谱、农学参数(叶面积指数、生物量、茎蘖数等)、体内氮素状况(叶片含氮量、植株含氮量、叶片氮积累量、植株氮积累量等)、水分状况(植株含水率、冠层叶片含水率、叶片水势等)、籽粒产量的成分和品质指标(蛋白质含量等)进行了系统深入的测定分析，并对冠层反射光谱特征与植株生长特征、体内氮素营养状况、水分状况和籽粒品质指标之问的关系进行了较详尽的定量化研究，建立了基于冠层反射光谱与植被指数的水稻、小麦等作物长势、植株水氮及籽粒品质指标的实时监测模型。
例如，水稻全生育期叶面积指数预测方程为：LAI=0．1681x(R8ldR560)1·4533(尺2=0．95)；水稻全生育期叶片氮积累量预测方程为：LNA=0．859XR810/ R560-1．1596(R2=0．84)；水稻全生育期叶片含水率预测方程为：叶片含水率(％)=一45．579XRlsoo／R810 81．702(R2=0．88)。小麦全生育期鲜重的预测方程为：鲜重(kg．m-2)=9．56e -2·6969xR l650／R 1100(R2=0．80)；小麦籽粒蛋白质含量的预测方法为：(1)籽粒蛋白质含量(％)=1．7117xRl65dR510(开花期) 4．0729（R2=0．70），(2)籽粒蛋白质含量(％)=1．0692xLNA-0．9025(R2=0．88)，其中，LNA(开花期叶片氮积累量)=0．4152x(R1650／R610)2·1971(R2=0．88)。图4显示了比值指数(R810/R560)与水稻叶片氮积累量的关系。
1．4农作空间信息管理
农作空间信息管理系统包括作物生产数据库管理系统及基于GIS组件的空间信息系统。其中作物生产数据库管理系统主要包括地区编码库、气象库、土壤库、品种库、农情库、灾情库、灌溉库、植保库、施肥库、化控库、作物营养库等；系统采用SQL Server大型数据库作为数据库服务器，在中间层采用中间件技术，前端采用ASP．net作为开发工具，开发具备通用性接口的网络化数据库应用系统；系统具备多种查询入口，包括模糊查询和复合条件查询，同时具备数据的添加、删除、修改等数据维护功能，可用于区域化网络化农情信息管理。
基于GIS组件的单机版空间信息系统采用Delphi作为开发工具，网络版的空间信息系统基于SuperMap IS的WebGIS技术，结合SQL Server 2000数据库，采用ASP语言作为系统开发语言，以作物生产空间数据库为基础，具备空间信息查询、分析、统计、维护、输出、图示等功能，同时可以在宏观到微观的不同尺度上进行作物生态区划、作物种植制度设计、农作生产力评价、精确农作管理等农业生产空间辅助决策。
1．5数字农作决策系统
1．5．1 基于模拟模型的作物管理决策支持系统 将模拟模型与优化决策技术相结合，建立了基于模拟模型的稻麦等作物的生产管理决策支持系统，初步实现了文件管理、数据管理、模拟预测、方案评估、实时调控、时空分析、系统维护等功能；系统中的模型组件采用VC ．net开发，界面采用C#．net和VB进行编程实现。
1．5．2基于知识模型的作物管理决策支持系统 首先，针对作物生产过程中某些难以量化的指标，如播前种子处理方法、补苗措施、冻害防治措施、倒伏预防措施、收获技术、种子储藏方法等，以及各主要生育期病虫草害防治和肥水管理方法等，建立了小麦、水稻、油菜等作物的栽培技术知识库管理系统；在此基础上，依托作物管理知识模型，建立了基于知识模型的作物管理决策支持系统。系统中的知识模型组件采用VC ．net开发，界面采用C#．net和Delphi编程实现。
1．5．3精确农作决策支持系统 以示范区的大田试验为基础，采用差分式DGPS，建立试验区空问数据库，并进行非破坏性的农情信息采集和土壤取样及相关测试分析，构建具有时空变异特征的属性数据库；进一步运用3s与模型耦合技术，进行农田信息的空间差异分析和技术方案生成，构建了基于3s和模型的精确农作决策支持系统。系统具有数据采集(包括属性数据和空间数据)、信息查询(包括农田基本信息、土壤养分信息和苗情监测信息)、差异分析(包括空间差异分析、时间差异分析和产量诊断)和决策支持(施肥处方和密度处方)等功能。
1．5．4数字农作决策支持系统以GIS系统为空间信息管理平台，以气候、土壤、作物品种、生产条件、苗情特征等农情信息为基础，以作物布局系统为作物配置的定量依据，以作物模拟模型为作物生长系统的预测器，以作物栽培知识模型为管理决策的智能支撑，以Windows NT／2000为运行平台，采用先进的三层(数据层、应用层、表现层)结构体系，遵循面向对象的设计原则，运用COM／DCOM技术开发，实现分布式系统配置，初步构建了数字化和智能化作物生产管理决策支持系统。其中的地理信息系统平台采用北京超图公司的SuperMap IS。图5为数字农作决策支持系统的整体集成框架。
2数字农作发展方向
由上述数字农作技术可以看出，数字农业是以数字化技术为工具，以数字化农业为目标的信息化农业。可以认为，数字农业是数字地球技术与现代农业技术结合的农业信息技术系统，旨在实现农业生产全过程的信息化和数字化。因此，数字农业是农业信息化的核心，也是农业信息化的最高表现形式。数字农业发展的技术思想是要依托数字化技术，将农业系统中所涉及到的生物要素、环境要素、技术要素、社会经济要素等从客观世界中抽象出来，用数字的形式来描述它们的状态和运动规律。当前的重点是对农业生产所涉及的对象和过程进行数字化表达、设计、控制和管理。由于数字农业的关键技术是数字化农业模型，因此模型的构建和运用是数字农业发展的基础性工作。一一方面，需要进一步建立和完善主要农作物生长系统的过程模拟模型，实现生物生长的动态模拟和预测；另一方面，需要建立农业产业系统的管理知识模型，实现农业生产管理设计和决策的智能化、科学化和数字化。
以种植业而言，今后的研究重点将是提高数字农作关键技术与应用系统的机理性、数字化、可靠性和通用性水平，并研制出具有较强综合性和科学性的大型数字农业技术平台及软硬件产品。有关农作系统模型的构建表现为由局部到整体，由经验性到机理性，由智能化到数字化，由功能化到可视化的发展态势，重点是提高农作系统模拟模型的完整性和解释性，改善农作管理决策的广适性和准确性。农业遥感技术表现为由遥感估产到品质监测，由生长特征到生理参数，由空中遥感到空地结合的趋势，重点是提高农情信息无损获取的有效性、精确度及诊断调控的数字化和指导性。GIS技术表现为由单一功能到复合功能，由单机版到网络版，由应用系统到组件开发的趋势，重点是改善GIS的组件化开发水平和高效集成能力。管理决策系统的研制则需要综合过程模型的动态预测功能，管理模型的优化决策功能，遥感技术的实时监测功能，GIS的空间信息管理功能，进一步结合农作生态区划与生产力分析技术以及数据仓库和网络通讯技术等，建立综合性、定量化和智能化的数字农作技术平台和应用系统。
可以预计，数字农作的未来发展将需要综合运用信息管理、自动监测、动态模拟、虚拟现实、知识工程、精确控制、网络通讯等现代信息技术，以农业生产要素与生产过程的信息化与数字化为主要研究目标，发展农业资源的信息化管理、农作状态的自动化监测、农作过程的数字化模拟、农作系统的可视化设计、农作知识的模型化表达、农作管理的精确化控制等关键技术，进一步构建综合性数字农作技术平台与应用系统，并研制出相关支撑设备和仪器，实现农业系统监测、预测、设计、管理、控制的数字化、精确化、可视化、网络化，从而提升农业生产系统的综合管理水平和核心生产力，实现以农作系统的数字化和自动化带动农业产业的信息化和现代化。
中国农业科学2006,39(2)
曹卫星，朱艳，田永超，姚霞，刘小军
(南京农业大学江苏省信息农业高技术研究重点实验室，农业部作物生长调控重点开放实验室，南京210095)
