作物精确栽培技术的构建与实现

时间：2022-04-20 10:36:19 所属分类：农作物 浏览量:

信息技术和生物技术等高新技术在农学领域的渗透与拓展，正使现代作物栽培学发生着深刻的变革。其中，数字农业与精确农业的兴起催生了作物精确栽培理论与技术，为作物生产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、精确化和科学化的轨道[1-

　　信息技术和生物技术等高新技术在农学领域的渗透与拓展，正使现代作物栽培学发生着深刻的变革。其中，数字农业与精确农业的兴起催生了作物精确栽培理论与技术，为作物生产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、精确化和科学化的轨道[1-5]。因此，充分认识和科学把握作物精确栽培的基本内涵、关键技术和发展前景，有助于拓展学科发展的理论基础与技术体系，增强作物栽培学的核心竞争力和可持续发展能力，提升农业生产的管理水平和综合效益。

　　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。尤其是美国、加拿大、荷兰、英国、法国、德国等发达国家，针对精确农业的发展前景，研究建立了基于农作系统模型和空间信息技术的数字化农业生产管理系统[1-2]，通过推广应用获得了突出的社会、经济和生态效益。中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也开展了大量的研究工作，并取得了可喜的进展[3-6]。但总体来看，目前国内外的研究一般基于特定生产区域或作物管理过程中的单项技术和子系统，而缺少针对作物-土壤系统信息获取与处理的综合性研究，有待构建机理性和适用性兼备的综合性作物精确栽培技术体系[5]。

　　作物栽培本身受自然环境的影响较大，表现为严格的地域性、明显的季节性、技术的多变性等特点[7-8]。因此，亟需研究形成基于生物学规律、广泛适用的作物栽培方案精确设计、作物生长指标精确诊断、作物产量品质精确预测技术等，从而精细指导中国不同区域复杂多变生产条件下的作物栽培管理。自 20 世纪 90 年代以来，围绕作物精确栽培的关键技术及应用系统，南京农业大学以小麦、水稻为主要对象，组织开展了较为深入系统的研究工作，重点在作物栽培方案的定量设计、作物生长指标的光谱诊断、作物生产力形成的模拟预测等 3 个领域取得了显著的研究进展和应用成效。本文重点介绍笔者团队在作物精确栽培技术方面取得的最新成果及应用前景。

　　1 作物精确栽培的基本内涵

　　随着现代作物栽培学与新兴学科领域的交叉与融合，作物栽培管理正从传统的模式化和规范化，向着定量化和智能化的方向迈进[3-9]。将系统科学和信息技术应用于作物栽培学，有助于对作物栽培学所涉及的对象和过程进行数字化设计、监测、预测和管理[5]。笔者认为，作物精确栽培主要是研究作物栽培学中栽培方案设计、生长指标诊断、产量品质预测等定量化关键技术及应用平台，从而对作物栽培管理系统中的信息流实现智能化监测、数字化表达、精确化管理(图 1)。其基础广泛涉及到农学、土壤学、生态学以及信息学、系统学、管理学等多个学科领域，支持技术主要包括遥感监测、系统模拟、决策支持、空间信息管理等现代信息感知、传输、处理和利用技术。作物精确栽培技术的研发，旨在实现栽培方案的定量化设计、生长指标的智能化诊断、产量品质的动态化预测，可简要归纳为精确设计、精确诊断、精确预测三大技术环节(图 1)，有助于改善常规作物栽培模式由于受气候、土壤、生产条件等多种因素的综合影响而表现出的时空适应性弱和定量化程度低等特征，促进作物生产管理过程的精确化与科学化，提升作物栽培学发展的技术水平和适用能力。

　　2 作物栽培方案的定量设计

　　随着农业信息技术的快速发展及作物栽培知识的丰富积累，作物生产管理专家系统获得了广泛重视和开发应用[3-4]。理论和实践表明，专家系统具有知识综合和推理决策方面的优势，但亟待实现从经验性知识规则到数字化知识模型的提升。将系统建模技术应用于作物栽培学研究，通过定量表达作物栽培管理知识体系，有助于创建基于模型的作物栽培方案设计技术，实现作物栽培决策的模型化和精确化[9]。

　　2.1 作物栽培方案设计的技术原理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[10-17]，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调控指标(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(图 4)、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。作物栽培管理知识模型的具体算法见参考文献[9]。

　　2.2 作物栽培方案设计技术的开发应用按照组件化程序设计思想，将建立的作物管理知识模型算法映射到主流的计算机软硬件环境中，研制开发出基于知识模型的作物管理决策支持系统[18-20]，并进一步与 GIS 技术相结合，开发出基于模型和 GIS 的精确作物管理决策支持系统[21-23]，包括单机版、网络版和 PDA 版本。图 5 为开发的单机版小麦精确管理决策支持系统的主界面。然后，利用气候、土壤等基础农情信息，由精确管理决策支持系统，为从田块水平到区域尺度(即由点到面)的作物生产设计出适宜的栽培管理方案，包括综合方案(图 6)和单项方案(图 7)。该技术的应用有助于把常规的基于生态分区、生产分类的模式化技术规范转变成动态的基于农情条件、按需投入的精细化管理处方[22-24]。

　　3 作物生长指标的光谱诊断

　　近年来，基于地物光谱特性的多光谱及高光谱遥感技术获得了迅猛发展，正成为支持农作物生长监测与诊断的关键技术。特别是基于高时空分辨率和高光谱分辨率的遥感信息源以其实时、快速、无损、大范围等特性使作物生长信息的实时监测与诊断变为现实，可广泛应用于作物生产的肥水调控、精确管理、生产力估测等[5]。因此，研究建立基于光谱的作物生长监测诊断技术对于提高作物产中因苗管理的技术水平，推进精确栽培技术的开发应用，具有重要的理论与实践意义。

　　3.1 作物生长监测诊断的技术原理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调控模型，实现作物生长的实时监测、智能诊断和动态调控。图 9 为不同施氮水平下小麦冠层光谱反射率特征;图 10 为 350—2 500 nm 范围内，任意两波段组合形成的光谱指数 SAVI(soil adjusted vegetation index)与水稻叶片氮积累量之间的相关关系;图 11 为基于 SAVI 的抽穗前稻-麦叶片氮积累量反演模型。

　　3.2 作物生长监测诊断技术的开发应用利用光谱分析方法，基于地面和空间遥感平台，研究确立作物生长信息的无损获取技术、诊断调控模型及实用装置系统，实现作物生长的实时诊断与精确调控。首先，通过大量试验研究，提取了主要作物生长指标(叶面积指数、生物量、叶片含氮量、叶片氮积累量)的敏感光谱波段和光谱参数，构建了基于反射光谱特征的作物生长指标定量反演模型[25-36];进一步结合作物主要生长参数的适宜指标动态及诊断调控模型[37-38]，研制开发了便携式作物生长监测诊断仪(图 12)以及基于遥感的作物生长监测诊断系统[39-42](图 13)，形成了基于反射光谱的作物生长监测诊断软硬件技术体系。该技术可快速准确监测作物生长指标，实时诊断作物生长状况，精确指导作物中后期肥水调控。

　　4 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]，具有较强的机理性和预测性，有助于作物生长分析、产量品质预测、气候效应评估、技术策略比较等。因此，研究构建基于模型的作物生长发育及产量品质预测技术，可为作物生长分析与管理评价等提供定量化工具和实验平台。

　　4.1 作物生产力预测的技术原理利用过程模拟方法，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[43-56]。例如，水稻从出苗到成熟可划分为基本营养、光敏感、穗形成和籽粒灌浆等四个发育阶段，因而可通过每日热效应、光周期效应及品种的基本早熟性(抽穗前)或基本灌浆期特性(抽穗后)等因子的互作来共同决定水稻每日生理效应的大小，并定义为每日生理发育时间，进而采用累积生理发育时间(PDT)作为定量水稻发育进程的尺度，形成预测水稻阶段发育与物候期的模拟模型，如图 16[45]。

　　4.2 作物生产力预测技术的开发应用基于作物生理生态过程模型，结合气象数据生成模型和品种参数调试模型，应用面向对象的程序设计技术，集成构建了具有较强机理性和预测性的作物生长与生产力模拟系统，可定量预测不同生态条件、品种类型和栽培措施条件下作物生长指标和产量品质形成过程(图 17—18)。进一步结合空间信息技术、情景分析方法、策略评价模型等，即可建成具有较强普适性和操作性的组件化作物生长模拟与管理决策支持系统，能对不同环境、技术、品种条件下作物生育动态与生产力指标进行可靠预测[57-60]，实现不同时空尺度下作物生产力预测评价及决策支持[61-63]，为定量分析不同条件下作物品种改良目标、技术调控途径、环境应对策略等提供平台与工具，如评价未来气候变化对作物生长的综合影响及应对策略。

　　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。

　　References

　　[1] Mckinion J M, Bake D N. Application of the GOSSYM/COMAX system to cotton crop management. Agricultural Systems, 1989, 31(1): 55-65.

　　[2] Engel T. AEGIS/WIN: A computer program for the application of crop simulation models across geographic areas. Agronomy Journal, 1997, 89(6): 919-928.

　　[3] 赵春江, 诸德辉, 李鸿祥, 杨宝祝, 康书江, 郭晓维. 小麦栽培管理计算机专家系统的研究与应用. 中国农业科学, 1997, 30(5): 42-49. Zhao C J, Zhu D H, Li H X, Yang B Z, Kan S J, Guo X W. Study on intelligent expert system of wheat cultivation management and its application. Scientia Agricultura Sinica, 1997, 30(5): 42-49. (in Chinese)

　　《作物精确栽培技术的构建与实现》来源：《中国农业科学》，作者：曹卫星，朱 艳，田永超，姚 霞，汤 亮，刘小军，倪 军

转载请注明来自：http://www.zazhifabiao.com/lunwen/nykx/nzw/50793.html