摘要 近 20 多年来，农业信息技术的快速发展使作物栽培学进入到定量化和精确化的研究与应用阶段。我国在作物管理专家系统、作物生长遥感监测、作物产量预测模型等方面做了大量的研究工作，且取得了很多重要经验和成果。本文就从作物生产管理系统及主要技术做简单总结，以期对未来作物生产管理研究提供一定的参考依据。
关键词 作物生产管理；精细农业;
农业是国民经济的基础产业,保障世界的食物安全和农业的可持续发展,是全球性的永恒主题。过去50年,世界农业发生了重大的变化。农业生产通过生物和农艺技术的进步和支持农学技术转化为大规模生产力的现代农业工程技术的广泛投入,农业系统经营管理技术的不断改善,使得世界食品产量的增长,超过了人口的增长速度。走向新世纪,我国面对的“人多地少,资源短缺,环境恶化,人增地减”的趋势不可逆转。为了保障21世纪我国16亿人口的食物安全,关键在于推动农业科学技术的进步。基于3S(全球卫星定位系统GPS、地理信息系统GIS、作物管理决策支持系统DSS)的作物生产管理技术的兴起为现代农业提供了全新的技术支持和全方位的信息服务，使作物生产管理走上了数字化、精确化科学化的轨道[1-5]。
作物生产管理系统是指用计算机将作物模拟模型、作物管理专家系统、作物管理优化决策模型和其他辅助模型有机结合,充分利用人类专家有关作物生产的已有知识,依赖作物生产中作物自身生长的反馈信息,对作物生产日常管理及具体问题进行实时实地的在线式管理决策,这是一种高度综合的计算机程序系统[6]。该系统的开发和研制需多学科科技工作者协作才能完成。如作物模拟模型研制需综合气象学、植物生理学、土壤学、农学知识和计算机编程技术;作物管理专家系统研制则需作物管理专家和人工智能工程师密切合作。该系统开发一方面需要在人工控制条件下进行精确试验研究,在不同生态环境条件下进行大量大田试验,以检验系统的有效性;另一方面需要进行大量计算机编程和调试工作，其难度不言而喻[7]。
1 作物模拟模型系统
作物模拟模型是利用计算机程序模拟作物在自然环境条件下利用光能资源把水和CO2合成有机物的过程(包括光合作用、呼吸作用、作恤生长、干物质积累与分配等生理生化过程)、作物组织及器官的建成与死亡过程和作物产品形成过程等,同时还包括作物需要的矿质元素在土壤中的分配、移动和被作物吸收的过程[8]。这些过程既决定于作物本身特性,同时也受到外界环境条件制约,包括太阳辐射、温度、水分、CO2等气候因子和土壤质地、肥力等土壤因子,还包括人类活动等人文经济、环境条件,其中对作物生产作用最大的是气候因子。
2 作物管理专家系统
作物管理专家系统是将作物管理专家的知识和经验规则化、具体化后用计算机程序表达出来,形成特定的知识库,通过具有推理功能的智能计算机程序操作管理,对具体作物生产领域的间题提出解决方案,辅助作物生产者实现对作物生产各个环节的管理[9]。
3 作物管理优化决策模型
作物管理优化决策即综合运用各种优化理论,根据某地自然资源和社会经济资源等具体配置,在充分考虑作物产量和品质前提下,对作物生产过程的管理措施提出经济、生态和社会的优化决策,使作物生产活动最优化。作物管理优化决策模型在作物生产中起着辅助决策功能,帮助专家或专业人员处理实际问题,以达到最优的作物产品及最佳的经济和生态效益,并向用户推荐优化决策方案[10]。
一个完整的作物生产管理决策支持系统包括:作物系统模拟模型组成的模型库;支持模型运算和数据处理的方法库;储存支持作物生产管理决策和模型运算必需的数据库;反映不同地区自然生态条件等作物栽培管理经验知识和具有知识推理机制的专家知识库;各子系统的管理、维护,为作物生产管理者参与制定决策、提供知识咨询的良好人机接口等。由于作物生产系统的复杂性,许多影响因素与作物生长过程的关系尚难于完全用解析方法进行过程的定量描述。
图1 作物生产管理决策支持系统示意图
4 作物栽培方案实施过程中的技术支持
4.1作物栽培方案的定量设计
运用系统分析原理来综合解析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，找出作物生长和生产力指标及管理技术规范与生态环境因子及生产条件之间的定量化函数关系，可构建广适性和数字化的作物栽培管理知识模型 [11-17] ，从而定量设计不同环境和生产条件下的播前栽培管理方案和产中生长指标（图 2）。该模型主要算法原理是基于平均产量和增产系数设计产量目标，基于基因型与环境的适合度选择适宜品种，基于安全出苗/壮苗、安全拔节/抽穗确定播栽时间，基于产量结构和单株成穗率估算种植密度，基于供需平衡原理设计肥水运筹方案，基于播种方案预测生育进程与生长指标，进而把经验性栽培知识上升到数字化管理模型，有助于克服传统栽培模式和专家系统较强的地域性和经验性等弱点。如作物产量（籽粒和生物产量）与吸氮量和施氮量之间具有显著的相关关系（图 3），可借鉴养分平衡原理，以产量和品质为目标， 根据作物一生的氮素吸收需求、土壤基础供氮量及氮素当季利用率等，构建实现预期栽培目标所需要的总施氮量模型，从而对不同品种和环境下的作物氮肥总量进行精确设计。
图2 禾谷类作物管理知识模型的总体结构图
图3 作物产量与氮素吸收、土壤供氮、施氮水平之间的基本关系图
4.1作物生长指标的光谱诊断
作物生长指标的光谱监测与诊断是基于作物不同生长参数对不同光谱波段的特征性吸收、反射或透射规律，利用传感器快速无损地获取作物的特征光谱信息，进而解析判断作物生长指标状态，以定量反演并快速诊断作物生长参数[5]通过实施不同条件下作物田间小区与大区试验研究，采用传感器获取作物冠层及叶片的光谱信息；然后探索作物反射光谱特征与生长指标间的机理性关系，确定对各生长指标敏感的核心波段及光谱参数，并建立作物生长指标的定量反演模型。进一步基于光谱监测的实时生长指标与优化设计的适宜指标之间的吻合度，建立作物生长诊断与肥水模型，实现作物生长的实时监测、智能诊断和动态。
4.2 作物生产力形成的模拟预测
作物生长过程模型是预测作物生长和生产力形成的有效工具， 它基于作物生长发育规律， 对遗传潜力、环境效应和技术措施之间的因果关系进行定量综合，进而动态模拟作物生长发育及产量品质形成过程[6]利用过程模拟方法，对作物生长发育及生产力形成过程与环境、技术、品种之间的动态关系进行定量表达，构建作物生长发育与生产力形成的模拟模型，实现不同条件下作物生长动态与生产力形成的数字化预测。
首先，以作物生理生态过程为主线，通过系统解析气象-土壤-技术与作物生长过程的机理关系，以生理发育时间（PDT）为作物发育进程尺度，构建作物阶段发育与生育期子模型、光合生产与物质积累子模型、植株内物质分配与器官生长子模型、产量与品质形成子模型、土壤-作物系统水分平衡（包括干旱和渍水）子模型、氮磷钾养分动态子模型等，进一步集成建立作物生长系统的综合模拟模型。模型系统在气象因子、土壤条件、品种特性、管理措施的驱动下，能动态模拟不同条件下作物生长发育过程及产量和品质形成，具有较强的解释性和预测性，从而为研究不同环境和生产条件下作物品种表现及技术策略评估等提供了有效的定量化工具[18-31]。
农作中应用RS与GIS结合进行农田空间信息分析时,可按如下步骤:①采集RS数据和处理成数据图像(由RS服务商提供),仔细检查图像和分析统计数据;②完成Rs数据的地面核实;③将RS和地面核实数据送人GIS系统;④鉴别被测变量与作物条件的相互影响关系;⑤根据所获信息对农田提出处方对策等目前,由于卫星遥感数据尚达不到满足“精细农作”需求的空间分辨率,因而还未用于按小区进行作物生产的精细管理。
在作物生长期间，要采集并处理必要的农田土壤和苗情信息，土壤信息主要包括(l)相对稳定、时空变异性小的土壤信息如地形坡度,土壤类型、结构,P、K和有机质(SOM)含量,pH值及耕作层深度等。(2)时空变异性大的田土壤信息如N含量和土壤含水率.作物苗情信息主要包括作物长势、苗情和病虫草害空间分布信息等[32]。
5 作物精确栽培的前景展望
作物栽培学正由叶龄模式、群体指标等模式化规范化栽培步入精确化科学化栽培时代。以栽培科学与信息科学的交叉为主要特征的作物精确栽培技术，对于作物栽培的定量化和工程化等具有重要的推动作用。当前，随着遥感监测技术、系统模拟技术、决策支持技术等在作物栽培学中的拓展应用，作物栽培管理不断向着信息化和数字化的方向迈进。今后，需进一步改进和完善不同生产条件下作物栽培方案的精确设计、作物生长状况的精确诊断、作物生产力的精确预测等核心关键技术，不断提高管理方案设计、生长指标监测、产量品质预测的适用性和准确性，从而实现对作物生长与生产系统的全程化智慧管理[33-36]。
参考文献
[1] Mckinion J M, Bake D N. Application of the GOSSYM/COMAX system to cotton crop management[J]. Agricultural Systems, 19, 31(1):55-65.
[2] Engel T. AEGIS/WIN: A computer program for the application of crop simulation models across geographic areas[J]. Agronomy Journal, 1997,(6): 919-928.
[3] 赵春江, 诸德辉, 李鸿祥等，小麦栽培管理计算机专家系统的研究与应用[J]. 中国农业科学, 1997, 30(5):42-49.
[4] 熊范纶, 乔克智, 胡海瀛. 农业专家系统及开发工具[M]. 北京: 清华大学出版社, 1999.
[5] 曹卫星. 数字农作技术[M]. 北京: 科学出版社, 2008.
[6]董占山,韩湘玲.黄淮海地区棉花生产管理系统[J].自然资源学报,1996,11(2):1~169.
[7] 韩湘玲等编.作物生态学[M].北京;气象出版社,1991,1~197.
[8] 汪定淮,刘尚义,沈烈等,作物养分平衡与高产栽培—兼论作物栽培科学现代化[M].北京:北京大学出版社,1991.
[9] 董占山, 作物生产系统及其管理系统[J],, 生态农业研究,1998,6(1):-68
[10] Yan D C, Zhu Y, Wang S H, Cao W X. A quantitative knowledge-based model for designing suitable growth dynamics in rice. Plant Production Science, 2006, 9(2): 93-105.
[11] Cao J, Jing Q, Zhu Y, Liu X J, Zhuang S, Chen Q C, Cao W X. A knowledge-based model for nitrogen management in rice and wheat. Plant Production Science, 2009, 12(1): 100-108.
[12] 朱 艳, 曹卫星, 姜 东, 戴廷波. 冬小麦适宜播期和播种量设计的动态知识模型研究[J]. 中国农业科学, 2003, 36(2): 147-154.
[13] 张怀志, 朱 艳, 曹卫星, 周治国, 张立桢. 棉花氮肥和水分运筹的动态知识模型[J]. 应用生态学报, 2004, 15(5): 777-781.
[14] Zhu Y, Cao W X, Tian Y C, Yao X. A dynamic knowledge model for designing suitable scheme of rapeseed sowing and transplanting[J]. Chinese Journal of Applied Ecology, 2007, 18(2): 322-326. (in Chinese)
[15] Cao J, Liu X J, Tang L, Cao W X, Zhu Y. Model designing for suitable nitrogen index dynamics of rice and wheat[J]. Chinese Journal ofApplied Ecology, 2010, 21(2): 359-3. (in Chinese)
[16] Liu X J, Cao J, Li Y D, Zhang Y P, Cao W X, Zhu Y. A knowledge model for precision water management in rice[J]. Scientia Agricultura Sinica, 2010, 43(8): 1571-1576. (in Chinese)
[17] 曹卫星, 罗卫红. 作物系统模拟及智能管理[M]. 北京: 华文出版社,2001.
[18] Cao W X, Moss D N. Modeling phasic development in wheat: an integration of physiological components[J]. Journal of Agricultural Science, 1997, 129: 163-172.
[19] Cao W X, Liu T M, Luo W H, Wang S H, Pan J, Guo W S. Simulating organ growth in wheat based on the organ-weight fraction concept[J], Plant Production Science, 2002, 5(3): 248-256.
[20] Meng Y L, Cao W X, Zhou Z G, Liu X W. A process-based model for simulating phasic development and phenology in rice[J]. Agricultural Sciences in China, 2003, 2(11): 1277-1284.
[21] 孟亚利, 曹卫星, 柳新伟等,水稻地上部干物质分配动态模拟的初步研究[J]. 作物学报, 2004, 30(4): 376-381.
[22] 潘 洁, 朱 艳, 曹卫星. 基于顶端发育的小麦产量结构形成模型[J],作物学报, 2005, 31(3): 316-322.
[23] 庄恒扬, 曹卫星. 作物生产系统氮磷养分平衡的定量模拟[J]. 农业系统科学与综合研究, 2003, 19(1): 71-74.
[24] Hu J C, Cao W X, Zhang J B, Jiang D, Feng J. Quantifying responses of winter wheat physiological processes to soil water stress for use in growth simulation modeling[J]. Pedosphere, 2004, 14(4): 509-518.
[25] Pan J, Zhu Y, Cao W X, Dai T B, Jiang D. Predicting the protein content of grain in winter wheat with meteorological and genotypic factors[J]. Plant Production Science, 2006, 9(3): 323-333.
[26] Pan J, Zhu Y, Jiang D, Dai T B, Li Y X, Cao W X. Modeling plant nitrogen uptake and grain nitrogen accumulation in wheat[J]. Field Crops Research, 2006, 97 (2-3): 322-336.
[27] Pan J, Zhu Y, Cao W X. Modeling plant carbon flow and grain starch accumulation in wheat[J]. Field Crops Research, 2007, 101(3): 276-284.
[28] 陈兵林, 曹卫星, 周治国等. 棉花单铃干物质积累分配的分期动态模拟及检验[J]. 中国农业科学, 2006, 39(3): 487-493.
[29] 李卫国, 朱 艳, 荆 奇等,水稻籽粒蛋白质积累的模拟模型研究[J]. 中国农业科学, 2006, 39(3): 544-551.
[30] 汤 亮, 朱 艳, 孙小芳等,油菜光合作用与干物质积累的动态模拟模型[J]. 作物学报, 2007, 33(2): 1-195.
[31] 邹 薇, 刘铁梅, 潘永龙等, 基于生理生态过程的大麦顶端发育和物候期模拟模型[J], 2009,29(2):816-822
[32] 汪愚华，第6讲“精细农作”的主要支持技术[J]，农业机械，1999,7
[33] 田永超, 杨 杰, 姚霞等，利用红边面积形状参数估测水稻叶层氮浓度[J]. 植物生态学报, 2009, 33(4): 791-801.
[34] 田永超, 杨 杰, 姚 霞等，高光谱植被指数与水稻叶面积指数的定量关系[J]. 应用生态学报, 2009, 20(7): 1685-1690.
[35] 陈青春, 田永超, 姚 霞等，基于冠层反射光谱的水稻追氮效应研究[J]. 中国农业科学, 2010, 43(20): 4149-4157.
[36] 朱洪芬, 田永超, 姚 霞等,基于遥感的作物生长监测与系统研究[J]. 麦类作物学报, 2008, 28(4): 674-679.下载本文
