|
作物模型的发展历程可以分为机理性模型、半机理性模型和统计模型三个阶段。 机理性模型是从作物生理学、生态学、物理学等学科的基础理论出发，对作物生长发育的生理和物理过程进行建模和模拟，可以提供较为准确的作物生长发育和产量预测。但是其建模过程需要大量的实验数据和专业知识，并且需要高度的计算机运算能力，限制了机理性模型在实际生产中的应用。 半机理性模型是在机理性模型的基础上，通过简化和抽象作物生长发育过程，减少了计算机运算量和实验数据的要求，提高了模型的适用性和实用性。 而统计模型则着重于基于历史数据的分析和预测，缺少对作物生长发育的机理解释，但具有适用简便、计算速度快等优点，更加适用于现场实际生产。 因此，在作物模型的应用中，通常是从机理性模型出发，逐渐向着半机理性模型和统计模型的方向演化，以适应实际生产需求和计算能力的限制。
作物生长模型的发展可以追溯到20世纪60年代。起初，模型主要考虑光、温度、水分等生长因子对作物生长的影响，逐步发展出了基于物理模型的作物生长模型（例如WheatSim模型）。但这些模型往往过于复杂，数据需求量大，难以应用于实际生产。 随着计算机技术的发展，基于数据驱动的统计模型（例如CLASSIC模型）开始流行。这种模型通过样本数据拟合出一组参数，再进行预测和模拟。它相对简单、易于操作，但通常需要大量的样本数据，且准确度受到样本质量的影响。 近年来，机器学习技术的应用使得作物生长模型更加精确和智能化。通过基于深度学习的神经网络算法，模型可以从大量的数据中“学习”现象的规律和关系，自动提取特征，并进行预测和优化。同时，也围绕作物生长建立了一整套完整的预测和评估体系。 作物生长模型是一种定量化的方法，用于预测作物在特定环境和管理条件下的生长和发育。该模型基于作物的生物学特性以及环境和管理条件的影响，以模拟作物的生长过程，如光合作用，养分吸收，水分利用等。 通过建立作物生长模型，农业科学家和农民可以更好地理解作物的生长规律和生理特性，预测作物产量和品质，优化栽培技术和管理策略，从而提高农作物生产效率和经济效益。 作物生长模型是将作物、环境、栽培技术作为一个整体，应用系统分析原理和方法，对作物生长发育、光合生产、器官生成和产量形成等生理过程及其对环境和技术的反馈关系进行理论概括和数量分析，继而建立相应数学模型，进行作物生长过程的动态定量模拟。 将作物生长模型的发展分为机理性模型构建、模型点应用和模型面应用主要是为了更好地评估模型在不同应用场景中的有效性和精确性，而这三个阶段则是逐步深入地对于作物生长模型进行开发和应用的过程。 第一阶段机理性模型构建，主要包括对于作物生长过程中的基本机理的研究和理解，并且基于这些机理构建相应的数学模型。这个阶段的目的是为了更好地理解作物生长过程、探究作物与环境之间的关系并通过模型来模拟和预测作物的生长和发展。 第二阶段模型的点应用，主要是通过在一个特定的地点测量一些关键变量来为特定的作物建立模型。这个阶段的目的是为了通过对一些关键变量（如日照、温度、湿度、土地类型、土地细节等等）的采集和分析来促进对于植物生长的理解，然后在此基础上建立基于机理的生长模型。 第三阶段模型面应用，则是将前两个阶段的内容进一步拓展到更广泛的区域。比如我们可以将建立好的模型应用到大范围的作物生长环境中，来探究多种因素对于作物的生长发展的影响，从而更好地促进作物生长的管理和控制。这个阶段的目标是为了获得更加全面的作物生长信息，提高预测和改良作物的能力。详见（表 1）。  1）机理性模型构建 作物机理性模型是一种用于描述和预测农业生产系统中农作物生长和发育过程的数学模型。它基于作物生长发育的机理和生理过程，将作物的生长发育过程分解为一系列基于环境（气候、土壤、水分等）因素的物理和化学过程，建立相应的方程和模型。通过将环境数据输入到这些方程和模型中，作物机理性模型可以模拟和预测作物在不同环境条件下的生长、发育和产量。作物机理性模型在农业生产中的应用可以提高农业生产的效率和可持续性，优化农业管理决策，从而为世界的粮食安全做出贡献。 在20世纪60年代，对作物生理变化机理的深入认识和计算机技术的发展，为作物生长动态模拟模型的研制打下了基础。这些模型探索了植物的生长和发育机理，以及它们对环境变化的响应。这些模型采用数学公式描述植物的生理过程，从而建立了植物生长和发育的动态模型。 最早的作物生长动态模拟模型是在1960年代末期开始研制的，这些模型主要采用微分方程和差分方程的形式来描述作物的生长和发育。这些模型基于植物生长的基本原理，例如光合作用、水分吸收和转运、气体交换、养分摄取和分配、蒸散和呼吸等生理过程，并考虑到环境因素对作物的影响，例如光照、温度、湿度和土壤水分等。 这些模型能够模拟作物在不同环境下的生长和发育过程，并预测产量和质量等重要指标。这为现代农业的生产和管理提供了强有力的工具。随着计算机技术的发展和模型精度的不断提高，如今的作物生长动态模拟模型已经成为了现代农业生产和管理中不可或缺的重要工具。 荷兰最早开始作物生长模型的研制。1965 年， de Wit在《叶冠层的光合作用》文章中提出了作物生长的三个基本原则：光合作用、生长与分配和产量构成，这成为后来作物生长机理性模型的理论基础。他在文章中讨论了叶片的结构和能量转化机制，提出了生物量生产模型，并且指出了光合作用是作物生长的基础。这篇文章对于农业生产和作物生长控制的理解和实践产生了深远的影响，也为作物科学研究提供了关键概念和方法，并于 1970 年发表了第 1 个作物生长过程碳素平衡模拟模型ELCROS（elementary crop simulator）；1982 年，荷兰瓦赫宁根大学研究中心在 ELCROS 的基础上，通过增加呼吸作用及作物微气象呼吸过程，改进了碳素的平衡模拟，形成了相对复杂的综合模型 BACROS（basic crop simulation）。但这 2 个模型只能模拟潜在生产力的作物生长发育。出于对作物实际生长状态的模拟要求，水分和营养限制下的作物生长模型的研制得以开展。1981年，Keulen 等发表了可以模拟施肥牧草生长与水分利用的 ARID CROP 模型。 美国作物机理性模型的研究起步较晚，但很快在玉米生长发育涉及到的光合、呼吸、水循环与吸收、营养循环与吸收等方面的模拟迅速发展。1968 年，Duncan 等以“叶冠层的光合作用”理论为基础，通过建立冠层分层的光强、CO2浓度、光合速率、干物质、籽粒生长模拟以及土壤湿度模拟算法，形成了玉米模型 SIMAIZ（simulation maize）；1969 年，Chen 等将植物光合产物同化过程分解为光合作用和呼吸作用，并于 1971 年与Curry研制了包括形态发育、光合作用及其物质积累和各器官分配等过程的玉米生长模型。同年，Stapleton 等通过引进一些常数，简化光合产物累积过程中光能转换成化学能的算法，并增加氮素平衡和根系生长子模块，形成了SIMCOT（simulation cotton）模型。 2）模型的点应用 初期的机理性模型，主要目的是准确模拟作物的生理和生长过程。上世纪 80 年代，模型逐步趋于模块化和通用化，标志着机理性模型开始向点应用模型转变。 1989 年，荷兰瓦赫宁根大学的科学家在 ELCROS 模型基础上，开发了一年生的作物概要性模型 MACROS（modules for annual crop simulation）；Spitters 等开发了 SUCROS（simple and universal crop simulator）模型，因其普适性得到广泛应用；1990 年，SARP（simulation and systems analysis for rice production)计划在 MACROS 和SUCROS 基础上，开发了一系列针对应用的水稻模型，统称为 ORYZA 模型。1994年，世界粮食研究中心在SUCROS 模型的基础上开发了 WOFOST（world food studies）模型。20 世纪 80 年代初，美国以 DSSAT（decision support system for agro-technology transfer）系统为推动，集成了 29 种不同的作物模拟模型，包括 CERES（crop environment resource synthesis）系列模型（6 种）、LEGUMES 豆类作物模型（7 种）、ROOT CROPS 模型（4 种）、OIL CROP 向日葵模型、VEGETABLES 模型（5种）、FIBER 模型、FORAGES 模型（4 种）、SUGARCANE 模型以及 FRUIT CROPS 模型。Williams 等以一个基本生长函数为主算法建立了EPIC模型，通过调整作物参数，模拟了 20 多种作物和牧草的生长。GOSSYM（gossypium simulation models）模型[44]和GLYCIM（dynamic simulation of soybean crop growth）模型也是模型点应用阶段的重要组成部分。 这个阶段，作物生长模型的应用前景引起了其他国家的重视。1987 年，加拿大的 Place 和 Brown研制了SIMCOY（simulation of corn yield）模型，用以模拟玉米形态发育、根系生长、叶面积指数变化、水分平衡等过程。1995 年，澳大利亚农业生产系统研究组（APSRU）、联邦科工组织及昆士兰政府等单位通过将不同作物生长模型集成到一个公用平台，建成了作物生产潜力模型APSIM（agricultural production system simulation）。中国在作物生长模型的研究上起步较晚。1993 年，高亮之和金之庆提出并建立了“水稻钟模型”RCSODS（rice cultivation simulation optimization decision making system）；1996 年，潘学标等[49]研制了棉花生长发育模拟模型 COTGROW （cotton growth and development simulation model）。 3）模型的面应用 作物模型的发展过程中，从单一点应用扩展到了面上的应用。具体来说，从单一地块的作物模型应用开始，逐渐发展为可覆盖大面积的区域作物的模拟和预测。 在发展过程中，作物模型的空间扩展主要集中在以下几个方面： 考虑土地异质性：作物模型需要针对不同地域的土地异质性进行建模。因为土地质量、土地使用方式和管理方法等因素会对作物生长产生影响，因此需要将这些因素纳入模型中。 融合遥感数据：通过融合遥感数据，可以将作物模型扩展至大范围区域。遥感数据可以提供大范围的土地覆盖数据，包括土地类型、植被生长状态、温度和降水等气象因素，这些数据是作物模型建立的必要元素。 模型集成和组合：面对多种复杂的农业问题和需求，需要不同的作物模型和不同类型的决策支持工具。在这种情况下，需要将多个子模型进行组合和集成，形成一个完整的农业系统模型，以满足不同应用需求。 进行验证和优化：面向区域的作物模型需要反复验证和优化，以保证模型的准确性和可靠性。验证和优化的过程可以通过收集实际的农业数据和运用模型来检验模型的有效性以及说明模型的局限性。 20 世纪 90 年代，作物生长模型的面应用模型的参数获取困难问题凸显，最有效的解决方式有 2 种：①对点应用模型的进一步改进，代表性的是荷兰 LINTUL(light interception and utilization)模型，避开了机理性程度较高的植物光合作用过程模拟，改为应用冠层辐射截获量和光能利用率间接决定作物光合产物积累；②保留原有模型，通过结合 GIS 技术实现模型的面应用需求。如美国在 DSSAT 系统基础上，开发了 GIS 辅助的 GIS-DSSAT，可对参数的空间变异进行分析；日本科学家将 EPIC 模型与 GIS 相结合，建立了 Spatial EPIC 系统，可在国家尺度上评价气候变化对主要禾谷作物产量的影响；中国学者辛红敏基于 APSIM 模型与 GIS 的结合分析了小麦-玉米增产潜力和地域差异性；潘学标等的COTGROW 模型也实现了与 GIS 技术的结合，可对不同田间管理情况下的棉花生长进行模拟。
作物生长模型发展过程中，阶段性的标志模型有WOFOST、ORYZA、EPIC、CERES、APSIM 和 RCSODS等，据其模拟的作物种类，分为单一作物模型和通用模型。 从表 2 可以看出，所有通用模型共同的过程模拟有光截获和利用、光合物质生产和分配、形态发育、蒸腾、水分平衡、养分平衡，由于各模型目的性侧重点不同，不同通用模型也有其独特的模拟过程：WOFOST、EPIC、CERES 模型注重建立胁迫状态模拟；APSIM 模型注重根生长、残茬分解模拟；ORYZA 和 RCSODS 模型有水稻的分蘖模拟。 多数模型可实现水肥限制条件下的模拟，但 APSIM 模型和EPIC 模型，只能实现潜在模拟和水分限制的模拟。 作物生长模型涉及的参数较多，常见的主要涉及因素包括环境因素、土壤因素、作物本身的特性等，例如：
不同的作物模型所涉及到的参数和因素可能会有所不同，根据不同模型需要进行选择。 表 3 为典型作物生长模型的主要输入及输出参数。 由表 3 可知，作物生长模型模拟结果主要表现作物的形态发育、冠层结构特征、光合产物积累及分布特征。 模拟主要输出参数包括状态参数和结果输出参数，其中状态参数有叶面积指数(LAI)、生物量、生育时期、冠层高度、叶龄，各器官比例、水肥限制因子，结果输出参数有潜在产量和限制产量。不同限制条件下，生物量和 LAI 等状态参数及潜在产量是每个模型都可实现的模拟参数，除 CERES 和 APSIM 外，其他模型并未将根系生长作为模型主要模拟过程。涉及的主要输入参数可分为 4 类： 1）气象参数：主要有太阳辐射、温度、 湿度、气压、降水量和风速，多作为驱动参数。对所有典型作物生长模型来说，降水、湿度、风速主要参与蒸散、土壤水分平衡过程模拟。太阳辐射、最高、最低气温和降水是驱动作物生长的主要动力，与光的截获和利用、光合产物生产和分配和形态发育等过程都密切相关，是要求输入的最小数据集。 2）土壤参数：反映土壤理化特性的数据，多作为初始化参数。其中土壤物理参数用于计算土壤的保水性，土壤化学参数用于计算土壤基础肥力，土壤基础肥力是作物连续生长过程的水分和养分限制因子载体，与蒸腾、水分平衡、养分平衡、环境胁迫等过程密切相关； 3）管理参数：为模型提供模拟起始、终止及生长过程肥水供应条件，参与蒸腾、为初始化或者驱动参数，水分平衡、养分平衡、环境胁迫等过程计算； 4）遗传参数：反应作物品种特征，多作为初始化参数，是影响物形态发育过程的主要参数之一。
|
|
|
来自： 昵称37581541 > 《智慧农业》
