現(xiàn)代作物生產(chǎn)技術(shù)

1、淺談未來(lái)作物生產(chǎn)管理模式摘要 近20多年來(lái)，農(nóng)業(yè)信息技術(shù)的快速發(fā)展使作物栽培學(xué)進(jìn)入到定量化和精 確化的研究與應(yīng)用階段。我國(guó)在作物管理專(zhuān)家系統(tǒng)、作物生長(zhǎng)遙感監(jiān)測(cè)、作物產(chǎn) 量預(yù)測(cè)模型等方面做了大量的研究工作，且取得了很多重要經(jīng)驗(yàn)和成果。本文就 從作物生產(chǎn)管理系統(tǒng)及主要技術(shù)做簡(jiǎn)單總結(jié)，以期對(duì)未來(lái)作物生產(chǎn)管理研究提供 一定的參考依據(jù)。關(guān)鍵詞作物生產(chǎn)管理；精細(xì)農(nóng)業(yè)；農(nóng)業(yè)是國(guó)民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)，保障世界的食物安全和農(nóng)業(yè)的可持續(xù)發(fā)展，是全 球性的永恒主題。過(guò)去50年,世界農(nóng)業(yè)發(fā)生了重大的變化。農(nóng)業(yè)生產(chǎn)通過(guò)生物和 農(nóng)藝技術(shù)的進(jìn)步和支持農(nóng)學(xué)技術(shù)轉(zhuǎn)化為大規(guī)模生產(chǎn)力的現(xiàn)代農(nóng)業(yè)工程技術(shù)的廣 泛投入,農(nóng)業(yè)系統(tǒng)經(jīng)營(yíng)管理技術(shù)

2、的不斷改善，使得世界食品產(chǎn)量的增長(zhǎng)，超過(guò)了人 口的增長(zhǎng)速度。走向新世紀(jì)，我國(guó)面對(duì)的“人多地少，資源短缺，環(huán)境惡化，人增地減” 的趨勢(shì)不可逆轉(zhuǎn)。為了保障21世紀(jì)我國(guó)16億人口的食物安全，關(guān)鍵在于推動(dòng)農(nóng) 業(yè)科學(xué)技術(shù)的進(jìn)步。基于3S（全球衛(wèi)星定位系統(tǒng)GPS、地理信息系統(tǒng)GIS、作物 管理決策支持系統(tǒng)DSS）的作物生產(chǎn)管理技術(shù)的興起為現(xiàn)代農(nóng)業(yè)提供了全新的技 術(shù)支持和全方位的信息服務(wù)，使作物生產(chǎn)管理走上了數(shù)字化、精確化科學(xué)化的軌 道1-5。作物生產(chǎn)管理系統(tǒng)是指用計(jì)算機(jī)將作物模擬模型、作物管理專(zhuān)家系統(tǒng)、作物 管理優(yōu)化決策模型和其他輔助模型有機(jī)結(jié)合,充分利用人類(lèi)專(zhuān)家有關(guān)作物生產(chǎn)的 已有知識(shí)，依賴(lài)作物生產(chǎn)中作

3、物自身生長(zhǎng)的反饋信息,對(duì)作物生產(chǎn)日常管理及具體 問(wèn)題進(jìn)行實(shí)時(shí)實(shí)地的在線(xiàn)式管理決策,這是一種高度綜合的計(jì)算機(jī)程序系統(tǒng)6。該 系統(tǒng)的開(kāi)發(fā)和研制需多學(xué)科科技工作者協(xié)作才能完成。如作物模擬模型研制需綜 合氣象學(xué)、植物生理學(xué)、土壤學(xué)、農(nóng)學(xué)知識(shí)和計(jì)算機(jī)編程技術(shù);作物管理專(zhuān)家系 統(tǒng)研制則需作物管理專(zhuān)家和人工智能工程師密切合作。該系統(tǒng)開(kāi)發(fā)一方面需要在 人工控制條件下進(jìn)行精確試驗(yàn)研究,在不同生態(tài)環(huán)境條件下進(jìn)行大量大田試驗(yàn)，以 檢驗(yàn)系統(tǒng)的有效性;另一方面需要進(jìn)行大量計(jì)算機(jī)編程和調(diào)試工作，其難度不言 而喻7。1作物模擬模型系統(tǒng)作物模擬模型是利用計(jì)算機(jī)程序模擬作物在自然環(huán)境條件下利用光能資源 把水和CO2合成有機(jī)物的

4、過(guò)程（包括光合作用、呼吸作用、作恤生長(zhǎng)、干物質(zhì)積 累與分配等生理生化過(guò)程）、作物組織及器官的建成與死亡過(guò)程和作物產(chǎn)品形成 過(guò)程等，同時(shí)還包括作物需要的礦質(zhì)元素在土壤中的分配、移動(dòng)和被作物吸收的 過(guò)程8。這些過(guò)程既決定于作物本身特性，同時(shí)也受到外界環(huán)境條件制約,包括太 陽(yáng)輻射、溫度、水分、CO2等氣候因子和土壤質(zhì)地、肥力等土壤因子，還包括人 類(lèi)活動(dòng)等人文經(jīng)濟(jì)、環(huán)境條件,其中對(duì)作物生產(chǎn)作用最大的是氣候因子。2作物管理專(zhuān)家系統(tǒng)作物管理專(zhuān)家系統(tǒng)是將作物管理專(zhuān)家的知識(shí)和經(jīng)驗(yàn)規(guī)則化、具體化后用計(jì)算 機(jī)程序表達(dá)出來(lái)，形成特定的知識(shí)庫(kù)，通過(guò)具有推理功能的智能計(jì)算機(jī)程序操作管 理，對(duì)具體作物生產(chǎn)領(lǐng)域的間題提出解

5、決方案,輔助作物生產(chǎn)者實(shí)現(xiàn)對(duì)作物生產(chǎn)各 個(gè)環(huán)節(jié)的管理9。3作物管理優(yōu)化決策模型作物管理優(yōu)化決策即綜合運(yùn)用各種優(yōu)化理論,根據(jù)某地自然資源和社會(huì)經(jīng)濟(jì) 資源等具體配置，在充分考慮作物產(chǎn)量和品質(zhì)前提下,對(duì)作物生產(chǎn)過(guò)程的管理措施 提出經(jīng)濟(jì)、生態(tài)和社會(huì)的優(yōu)化決策，使作物生產(chǎn)活動(dòng)最優(yōu)化。作物管理優(yōu)化決策 模型在作物生產(chǎn)中起著輔助決策功能，幫助專(zhuān)家或?qū)I(yè)人員處理實(shí)際問(wèn)題,以達(dá)到 最優(yōu)的作物產(chǎn)品及最佳的經(jīng)濟(jì)和生態(tài)效益，并向用戶(hù)推薦優(yōu)化決策方案10。一個(gè)完整的作物生產(chǎn)管理決策支持系統(tǒng)包括:作物系統(tǒng)模擬模型組成的模型 庫(kù);支持模型運(yùn)算和數(shù)據(jù)處理的方法庫(kù);儲(chǔ)存支持作物生產(chǎn)管理決策和模型運(yùn)算必 需的數(shù)據(jù)庫(kù);反映不同地區(qū)

6、自然生態(tài)條件等作物栽培管理經(jīng)驗(yàn)知識(shí)和具有知識(shí)推 理機(jī)制的專(zhuān)家知識(shí)庫(kù);各子系統(tǒng)的管理、維護(hù)，為作物生產(chǎn)管理者參與制定決策、 提供知識(shí)咨詢(xún)的良好人機(jī)接口等。由于作物生產(chǎn)系統(tǒng)的復(fù)雜性，許多影響因素與 作物生長(zhǎng)過(guò)程的關(guān)系尚難于完全用解析方法進(jìn)行過(guò)程的定量描述。圖1作物生產(chǎn)管理決策支持系統(tǒng)示意圖4作物栽培方案實(shí)施過(guò)程中的技術(shù)支持4.1作物栽培方案的定量設(shè)計(jì)運(yùn)用系統(tǒng)分析原理來(lái)綜合解析作物生育指標(biāo)與栽培技術(shù)指標(biāo)的地域性和季 節(jié)性變化規(guī)律，找出作物生長(zhǎng)和生產(chǎn)力指標(biāo)及管理技術(shù)規(guī)范與生態(tài)環(huán)境因子及生 產(chǎn)條件之間的定量化函數(shù)關(guān)系，可構(gòu)建廣適性和數(shù)字化的作物栽培管理知識(shí)模型 11-17，從而定量設(shè)計(jì)不同環(huán)境和生產(chǎn)條件

7、下的播前栽培管理方案和產(chǎn)中生長(zhǎng)調(diào) 控指標(biāo)（圖2）。該模型主要算法原理是基于平均產(chǎn)量和增產(chǎn)系數(shù)設(shè)計(jì)產(chǎn)量目標(biāo)， 基于基因型與環(huán)境的適合度選擇適宜品種，基于安全出苗/壯苗、安全拔節(jié)/抽穗 確定播栽時(shí)間，基于產(chǎn)量結(jié)構(gòu)和單株成穗率估算種植密度，基于供需平衡原理設(shè) 計(jì)肥水運(yùn)籌方案，基于播種方案預(yù)測(cè)生育進(jìn)程與生長(zhǎng)指標(biāo)，進(jìn)而把經(jīng)驗(yàn)性栽培知 識(shí)上升到數(shù)字化管理模型，有助于克服傳統(tǒng)栽培模式和專(zhuān)家系統(tǒng)較強(qiáng)的地域性和 經(jīng)驗(yàn)性等弱點(diǎn)。如作物產(chǎn)量（籽粒和生物產(chǎn)量）與吸氮量和施氮量之間具有顯著的相關(guān)關(guān)系(圖3),可借鑒養(yǎng)分平衡原理，以產(chǎn)量和品質(zhì)為目標(biāo)，根據(jù)作物一 生的氮素吸收需求、土壤基礎(chǔ)供氮量及氮素當(dāng)季利用率等，構(gòu)建實(shí)現(xiàn)

8、預(yù)期栽培目 標(biāo)所需要的總施氮量模型，從而對(duì)不同品種和環(huán)境下的作物氮肥總量進(jìn)行精確設(shè) 計(jì)。圖2禾谷類(lèi)作物管理知識(shí)模型的總體結(jié)構(gòu)圖yierlcL (t-hm*1 2 24I hS 供u N iLnsgcn supply fitoin m新 I (kyhm h圖3作物產(chǎn)量與氮素吸收、土壤供氮、施氮水平之間的基本關(guān)系圖4.1作物生長(zhǎng)指標(biāo)的光譜診斷作物生長(zhǎng)指標(biāo)的光譜監(jiān)測(cè)與診斷是基于作物不同生長(zhǎng)參數(shù)對(duì)不同光譜波段 的特征性吸收、反射或透射規(guī)律，利用傳感器快速無(wú)損地獲取作物的特征光譜信 息，進(jìn)而解析判斷作物生長(zhǎng)指標(biāo)狀態(tài)，以定量反演并快速診斷作物生長(zhǎng)參數(shù)5 通過(guò)實(shí)施不同條件下作物田間小區(qū)與大區(qū)試驗(yàn)研究，采用傳

9、感器獲取作物冠層及 葉片的光譜信息；然后探索作物反射光譜特征與生長(zhǎng)指標(biāo)間的機(jī)理性關(guān)系，確定 對(duì)各生長(zhǎng)指標(biāo)敏感的核心波段及光譜參數(shù)，并建立作物生長(zhǎng)指標(biāo)的定量反演模 型。進(jìn)一步基于光譜監(jiān)測(cè)的實(shí)時(shí)生長(zhǎng)指標(biāo)與優(yōu)化設(shè)計(jì)的適宜指標(biāo)之間的吻合度， 建立作物生長(zhǎng)診斷與肥水調(diào)控模型，實(shí)現(xiàn)作物生長(zhǎng)的實(shí)時(shí)監(jiān)測(cè)、智能診斷和動(dòng)態(tài) 調(diào)控。4.2作物生產(chǎn)力形成的模擬預(yù)測(cè)作物生長(zhǎng)過(guò)程模型是預(yù)測(cè)作物生長(zhǎng)和生產(chǎn)力形成的有效工具，它基于作物 生長(zhǎng)發(fā)育規(guī)律，對(duì)遺傳潛力、環(huán)境效應(yīng)和技術(shù)措施之間的因果關(guān)系進(jìn)行定量綜 合，進(jìn)而動(dòng)態(tài)模擬作物生長(zhǎng)發(fā)育及產(chǎn)量品質(zhì)形成過(guò)程6利用過(guò)程模擬方法，對(duì)作 物生長(zhǎng)發(fā)育及生產(chǎn)力形成過(guò)程與環(huán)境、技術(shù)、品種之間的

10、動(dòng)態(tài)關(guān)系進(jìn)行定量表達(dá)， 構(gòu)建作物生長(zhǎng)發(fā)育與生產(chǎn)力形成的模擬模型，實(shí)現(xiàn)不同條件下作物生長(zhǎng)動(dòng)態(tài)與生 產(chǎn)力形成的數(shù)字化預(yù)測(cè)。首先，以作物生理生態(tài)過(guò)程為主線(xiàn)，通過(guò)系統(tǒng)解析氣象-土壤-技術(shù)與作物生 長(zhǎng)過(guò)程的機(jī)理關(guān)系，以生理發(fā)育時(shí)間（PDT）為作物發(fā)育進(jìn)程尺度，構(gòu)建作物階 段發(fā)育與生育期子模型、光合生產(chǎn)與物質(zhì)積累子模型、植株內(nèi)物質(zhì)分配與器官生 長(zhǎng)子模型、產(chǎn)量與品質(zhì)形成子模型、土壤作物系統(tǒng)水分平衡（包括干旱和漬水） 子模型、氮磷鉀養(yǎng)分動(dòng)態(tài)子模型等，進(jìn)一步集成建立作物生長(zhǎng)系統(tǒng)的綜合模擬模 型。模型系統(tǒng)在氣象因子、土壤條件、品種特性、管理措施的驅(qū)動(dòng)下，能動(dòng)態(tài)模 擬不同條件下作物生長(zhǎng)發(fā)育過(guò)程及產(chǎn)量和品質(zhì)形成，具有

11、較強(qiáng)的解釋性和預(yù)測(cè) 性，從而為研究不同環(huán)境和生產(chǎn)條件下作物品種表現(xiàn)及技術(shù)策略評(píng)估等提供了有 效的定量化工具18-31。農(nóng)作中應(yīng)用RS與GIS結(jié)合進(jìn)行農(nóng)田空間信息分析時(shí)，可按如下步驟:采集 RS數(shù)據(jù)和處理成數(shù)據(jù)圖像（由RS服務(wù)商提供），仔細(xì)檢查圖像和分析統(tǒng)計(jì)數(shù)據(jù); 完成Rs數(shù)據(jù)的地面核實(shí);將RS和地面核實(shí)數(shù)據(jù)送人GIS系統(tǒng);鑒別被測(cè)變量 與作物條件的相互影響關(guān)系;根據(jù)所獲信息對(duì)農(nóng)田提出處方對(duì)策等目前,由于衛(wèi) 星遙感數(shù)據(jù)尚達(dá)不到滿(mǎn)足“精細(xì)農(nóng)作”需求的空間分辨率，因而還未用于按小區(qū) 進(jìn)行作物生產(chǎn)的精細(xì)管理。在作物生長(zhǎng)期間，要采集并處理必要的農(nóng)田土壤和苗情信息，土壤信息主要 包括(l)相對(duì)穩(wěn)定、時(shí)空變

12、異性小的土壤信息如地形坡度，土壤類(lèi)型、結(jié)構(gòu),P、K和 有機(jī)質(zhì)(SOM)含量,pH值及耕作層深度等。(2)時(shí)空變異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長(zhǎng)勢(shì)、苗情和病蟲(chóng)草害空間分布信 息等32。5作物精確栽培的前景展望作物栽培學(xué)正由葉齡模式、群體指標(biāo)等模式化規(guī)范化栽培步入精確化科學(xué)化 栽培時(shí)代。以栽培科學(xué)與信息科學(xué)的交叉為主要特征的作物精確栽培技術(shù)，對(duì)于 作物栽培的定量化和工程化等具有重要的推動(dòng)作用。當(dāng)前，隨著遙感監(jiān)測(cè)技術(shù)、 系統(tǒng)模擬技術(shù)、決策支持技術(shù)等在作物栽培學(xué)中的拓展應(yīng)用，作物栽培管理不斷 向著信息化和數(shù)字化的方向邁進(jìn)。今后，需進(jìn)一步改進(jìn)和完善不同生產(chǎn)條件下作 物

13、栽培方案的精確設(shè)計(jì)、作物生長(zhǎng)狀況的精確診斷、作物生產(chǎn)力的精確預(yù)測(cè)等核 心關(guān)鍵技術(shù)，不斷提高管理方案設(shè)計(jì)、生長(zhǎng)指標(biāo)監(jiān)測(cè)、產(chǎn)量品質(zhì)預(yù)測(cè)的適用性和 準(zhǔn)確性，從而實(shí)現(xiàn)對(duì)作物生長(zhǎng)與生產(chǎn)系統(tǒng)的全程化智慧管理33-36。參考文獻(xiàn)Mckinion J M, Bake D N. Application of the GOSSYM/COMAX system to cotton cropmanagementJ. Agricultural Systems, 1989, 31(1):55-65.Engel T. AEGIS/WIN: A computer program for the application of c

14、rop simulation modelsacross geographic areasJ. Agronomy Journal, 1997,89(6): 919-928.趙春江，諸德輝，李鴻祥等，小麥栽培管理計(jì)算機(jī)專(zhuān)家系統(tǒng)的研究與應(yīng)用J.中國(guó)農(nóng)業(yè)科學(xué)，1997, 30(5):42-49.熊范綸，喬克智，胡海瀛.農(nóng)業(yè)專(zhuān)家系統(tǒng)及開(kāi)發(fā)工具M(jìn).北京：清華大學(xué)出版社,1999.曹衛(wèi)星.數(shù)字農(nóng)作技術(shù)M.北京：科學(xué)出版社,2008.董占山,韓湘玲.黃淮海地區(qū)棉花生產(chǎn)管理系統(tǒng)J.自然資源學(xué)報(bào),1996,11(2):164169.韓湘玲等編作物生態(tài)學(xué)M.北京;氣象出版社,1991,189197.8汪定淮，劉尚義

15、,沈烈等，作物養(yǎng)分平衡與高產(chǎn)栽培一兼論作物栽培科學(xué)現(xiàn)代化M.北京:北 京大學(xué)出版社,1991.董占山，作物生產(chǎn)系統(tǒng)及其管理系統(tǒng)J,生態(tài)農(nóng)業(yè)研究,1998,6(1):64-68Yan 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.Cao J, Jing Q, Zhu Y, Liu X J, Zhuang S, Chen Q

16、C, Cao W X. A knowledge-based model for nitrogen management in rice and wheat. Plant Production Science, 2009, 12(1): 100-108.朱艷，曹衛(wèi)星，姜東，戴廷波.冬小麥適宜播期和播種量設(shè)計(jì)的動(dòng)態(tài)知識(shí)模型研究J. 中國(guó)農(nóng)業(yè)科學(xué),2003, 36(2): 147-154.張懷志，朱艷，曹衛(wèi)星，周治國(guó)，張立楨.棉花氮肥和水分運(yùn)籌的動(dòng)態(tài)知識(shí)模型J. 應(yīng)用生態(tài)學(xué)報(bào),2004, 15(5): 777-781.Zhu Y, Cao W X, Tian Y C, Yao X. A dynami

17、c knowledge model for designing suitable scheme of rapeseed sowing and transplantingJ. Chinese Journal of Applied Ecology, 2007, 18(2): 322-326. (in Chinese)Cao J, Liu X J, Tang L, Cao W X, Zhu Y. Model designing for suitable nitrogen index dynamics of rice and wheatJ. Chinese Journal ofApplied Ecol

18、ogy, 2010, 21(2): 359-364. (in Chinese)Liu X J, Cao J, Li Y D, Zhang Y P, Cao W X, Zhu Y A knowledge model for precision water management in riceJ. Scientia Agricultura Sinica, 2010, 43(8): 1571-1576. (in Chinese)曹衛(wèi)星，羅衛(wèi)紅.作物系統(tǒng)模擬及智能管理M.北京：華文出版社,2001.Cao W X, Moss D N. Modeling phasic development in wh

19、eat: an integration of physiological componentsJ. Journal of Agricultural Science, 1997, 129: 163-172.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 conceptJ, Plant Production Science, 2002, 5(3): 248-256.Meng Y L, Cao W X, Zh

20、ou Z G, Liu X W. A process-based model for simulating phasic development and phenology in riceJ. Agricultural Sciences in China, 2003, 2(11): 1277-1284.孟亞利，曹衛(wèi)星，柳新偉等，水稻地上部干物質(zhì)分配動(dòng)態(tài)模擬的初步研究J.作物學(xué)報(bào), 2004, 30(4): 376-381.潘潔，朱艷，曹衛(wèi)星.基于頂端發(fā)育的小麥產(chǎn)量結(jié)構(gòu)形成模型J，作物學(xué)報(bào)，2005,莊恒揚(yáng)，曹衛(wèi)星.作物生產(chǎn)系統(tǒng)氮磷養(yǎng)分平衡的定量模擬J.農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究, 2003, 19

21、(1): 71-74.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 modelingJ. Pedosphere, 2004, 14(4): 509-518.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 factorsJ. Plant Production Science, 2006, 9(3): 323-333.Pan J, Zhu Y, Jiang D, Dai T B, Li Y X, Cao W X. Modeling plant nitrogen uptake and grain nitrogen accumul