精细农业管理决策支持系统-精确农业-05课件

精确农业概论

PrecisionAgricultureconspectus

第五章精细农业管理决策支持系统冯美臣作物生产管理决策的生成专家系统ES决策支持系统DSS第五章精细农业管理决策支持系统农业的老概念与新观点老概念新观点客观条件“投入—产出’’黑盒模型生产生态学系统科学的教育；生长机制的模拟和探索研究生产方程(模型公式)面向目标的途径生产技术中科技因素的提高差异性被视为不利条件差异性被视为财富利用地理信息系统仔细协调所测出的地块特殊可能性

1作物生产管理决策支持系统的生成第一个老概念是“投入—产出”黑盒模型，即通过很多小块田的多次重复试验，采限制统计上的偏差以便获得投入与产出之间的较好对应关系。这种过时的不问生物机理的做法势必代之以生产生态学的新观点。生物过程的知识就是要把物理、生物和化学等学科通过系统科学的途径贯穿融为一体。所以，这一新概念综合了实验、模拟以及对机理的分析与理解。而不仅仅是黑盒数学模型所要求的，投入产出间统计(回归)的简单关系。另一个老概念是“生产方程(模式公式)”它强调了某些单项投入和产出的关系，而实际农业经常涉及各种投入的综合，如氮、磷和水等。这种生产方程的老概念可能让位于“面向目标的途径”，即在某具体情况下对各种变动的外部投入加以综合优选以便在当前可行条件下达到增产。在这个过程中农户要自行确定恰当的目标并且要搞清楚怎样的投入搭配才是实现达标的优化措施。RudyRabbinge指出：过去我们提倡农民要具有“绿色手指”—掌握新的生产技巧，而今天我们有能力为农民提供科学的“绿色头脑”。为达此目的就要总结出整套的采集田间数据的程序与方法，以便及时精确地反映田间状况的因时因地变化的情形。这种空间差异性无疑是很重要的，我们要掌握它的空间模式及其演变，这正是地理信息系统(GIS)的用武之地。虽然作物的数学模型对于决策的制定是很重要的，但是人们已经察觉到，数学模型并非在所有场合下都能适用。因此，不得不深入考虑各种模型的适用性。通常解释型模型并不能用于田块农作的决策。回归模型可用于预测，而概括的、简化的(Summary)模型则可用于直接指导田间作业的决策生成。有关此模型的作物和土壤的基本信息是重要的，它促进了精确农业中基于科学的有益活动。找到了田间各局部状况的主要成因，就要通过模型反求其量化了的纠正措施。到目前为止能真正指导实践的模型尚不多见。这就需要不断地修正和完善数学模型，同时要寻求建立经验一知识模型，使人工智能专家系统(ES)技术与数学模拟模型(SM)相结合起到互补作用，再经过决策支持系统(DSS)的优选初步提出纠正措施。上述初步决定的纠正措施，要通过数学—知识模型进行仿真预测，以改进和验证该措施的正确性和可行性。通过经济、环境模型预测该管理措施的经济性、经济效益、社会效益和生态效果。最终以处方图或指令卡的形式将决策传送给智能农机去执行。2专家系统ES专家系统（ExpertSystem，简记ES）也称基于知识的系统，是目前在人工智能的应用方面最成熟的一个领域。专家系统产生于60年代中期。最初，人工智能领域的科学家试图通过发现解决各类问题的一般方法来模仿复杂的思维过程，最后发现开发通用的问题求解程序非常困难。一个单一的程序能够处理的问题种类越多，那么对每一个别问题所能做的就越少。于是，这些科学家希望能在比较特别的问题上采用的通用方法或技术，这促使他们开始研究知识的表达和搜索等技术。经过多年的科学研究，理论和技术日臻成熟，专家系统的应用得到了飞速发展。至今，世界各国已在农业、医疗诊断、化学工程、语音识别、图像处理、金融决策、信号解释、地质勘探、石油、军事等领域研制出大量的实用专家系统，其中不少系统在性能上已达到甚至超过了同领域人类专家的水平，已经产生或正在产生巨大的经济效益和社会影响。专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，它能应用人工智能技术和计算机技术，根据专家的知识和解决问题的方法进行推理判断，模拟人类专家在相应领域的决策过程，并在很短的时间内对问题得出高水平的解答。简言之：“一个在某领域具有专家水平的解题能力的程序系统”。专家系统含义1.解释专家系统

(expertsystemforinterpretation)任务通过对已知信息和数据的分析与解释，确定它们的涵义。特点数据量很大，常不准确、有错误、不完全能从不完全的信息中得出解释，并能对数据做出某些假设推理过程可能很复杂和很长例子

语音理解、图象分析、系统监视、化学结构分析和信号解释等2.预测专家系统

(expertsystemforprediction)任务通过对过去和现在已知状况的分析，推断未来可能发生的情况特点系统处理的数据随时间变化，且可能是不准确和不完全系统需要有适应时间变化的动态模型例子有气象预报、军事预测等3.诊断专家系统

(expertsystemfordiagnosis)任务根据观察到的情况(数据)来推断出某个对象机能失常(即故障)的原因特点能够了解被诊断对象或客体各组成部分的特性以及它们之间的联系能够区分一种现象及其所掩盖的另一种现象能够向用户提出测量的数据，并从不确切信息中得出尽可能正确的诊断例子有医疗诊断等4.设计专家系统

(expertsystemfordesign)任务根据设计要求，求出满足设计问题约束的目标配置。特点从多种约束中得到符合要求的设计系统需要检索较大的可能解空间能试验性地构造出可能设计，易于修改能够使用已有设计来解释当前新的设计例子VAX计算机结构设计专家系统等5.规划专家系统

(expertsystemforplanning)任务寻找出某个能够达到给定目标的动作序列或步骤特点所要规划的目标可能是动态的或静态的，需要对未来动作做出预测所涉及的问题可能很复杂例子军事指挥调度系统、ROPES机器人规划专家系统、汽车和火车运行调度专家系统等。6.监视专家系统

(expertsystemformonitoring)任务对系统、对象或过程的行为进行不断观察，并把观察到的行为与其应当具有的行为进行比较，以发现异常情况，发出警报特点系统应具有快速反应能力系统发出的警报要有很高的准确性系统能够动态地处理其输入信息例子粘虫测报专家系统8.调试专家系统

(expertsystemfordebugging)

任务对失灵的对象给出处理意见和方法特点同时具有规划、设计、预报和诊断等专家系统的功能例子在这方面的实例还比较少见9.教学专家系统

(expertsystemforinstruction)特点同时具有诊断和调试等功能具有良好的人机界面例子MACSYMA符号积分与定理证明系统，计算机程序设计语言和物理智能计算机辅助教学系统以及聋哑人语言训练专家系统等1．能根据学生的特点、弱点和基础知识，以最适当的教案和教学方法对学生进行教学和辅导的专家系统是：A．解释专家系统B．调试专家系统C．监视专家系统D．教学专家系统2．用于寻找出某个能够达到给定目标的动作序列或步骤的专家系统是：A．设计专家系统B．诊断专家系统C．预测专家系统D．规划专家系统3．能对发生故障的对象（系统或设备）进行处理，使其恢复正常工作的专家系统是：A．修理专家系统B．诊断专家系统C．调试专家系统D．规划专家系统4．能通过对过去和现在已知状况的分析，推断未来可能发生的情况的专家系统是：A．修理专家系统B．预测专家系统C．调试专家系统D．规划专家系统√√√√提问：专家系统的基本特征具有专家水平的专门知识专家系统建造的一个最重要的目标是达到一个专家在解决某些任务时所体现出的高水平的性能。专家系统能够成功地解决领域内的各种问题，在解题质量、速度和动用启发式规则的能力方面具有本领域人类专家的水平，其根本原因是系统中存储有专家水平的知识。具有符号处理的能力专家系统用符号准确地表示领域有关的信息和知识，并对其进行各种处理和推理。人工智能的权威人士认为：迄今为止，人工智能和计算机科学的最基本贡献是物理符号系统的概念，即能够拥有并处理符号，而且在物理空间中可能实现各类系统的概念。具有一般问题的求解能力各种专家系统应具备一种公共的智能行为，能够做一般的逻辑推理、目标搜索和常识处理等工作。而且专家系统往往采用试探性方式进行处理，为了使问题求解更加符合实际情况，往往采用不精确推理。因而，专家系统能够解决问题领域内的各种专门问题。具有一定的复杂度和难度专家系统所拥有的知识是很专门的领域知识，涉及的面一般很窄，但必须具有相当的复杂度和难度。如果某领域不够复杂的话，不需要专家来解决，没有什么专家知识可言，就不能真正成为专家系统的用武之地。具有解释功能专家系统运用知识库中被求解过程使用过的知识和各种中间结果，回答用户关于求解结果提问的“为什么？”，“为什么要如此做？”，“如此做有什么好处？”，“它是如何做的？”等问题，并且能够给出求解过程的推理路径显示。这种机制提供了系统的一种透明界面，加强了用户对专家系统的接受性。具有获取知识的能力人类专家能够通过学习不断丰富自身的知识，高性能的专家系统也应该具备这种不断获取知识的能力。或者它提供一种手段是知识工程师和领域专家能够不断地给系统“传授”知识，是知识库越来越丰富，越来越完善；或者系统自身具有自学习能力，从系统的运行过程中不断总结经验，抽取新知识，更换旧知识，自动地使知识库中的知识不断丰富和更新。知识与推理结构相互独立专家系统一般把推理机构与知识分开，使其独立，使系统具有良好的可扩充性和维护性。综上所述，一个专家系统应具备以下三个显著特征：启发性透明性灵活性知识库存放领域专家提供的专门知识。专家系统的问题求解是运用专家提供的专门知识来模拟专家的思维方式进行的，这样知识库中拥有知识的数量和质量就成为一个专家系统性能和问题求解能力的关键因素。因此，知识库的建立是建造专家系统的中心任务。专家系统的组成推理机构具有各种推理或搜索等功能，它往往又可分成主控程序及完成各种任务或推理等功能的一个程序库。用户界面专家系统与用户间的基于声、文、图、像的接口。一般包括输入和输出两大部分。它一方面把由传感器或键盘获得的外部信息或命令通过语言、文字或图像表达进行识别和理解，表示成内部形式输入系统。另一方面它又把专家系统产生的结果由内部形式转换成人类能接受的方式，传递给用户。中间数据库(有时称为“黑板”)

这是专家系统在推理过程中用以存放中间结果或论据的工作存储器。在工作开始时，首先把专家系统从外界(用户)获得的关于欲解决的问题的事实和初始状态、初始数据等写入“黑板”。然后，专家系统对黑板和知识库的内容进行各种可能和必要的搜索、匹配和推理等动作，不断以新的中间结果修改、替代或补充黑板的内容。其间，还可询问用户，以获得必要的补充知识，参与后续的推理。专家系统就是如此循环往复地不断改变着黑板的内容，直至最终获得问题的解答。可见，黑板的内容动态地控制着专家系统的工作过程，所以，黑板也可叫做“动态知识库”。知识获取器(或学习模块)

它的功能是总结系统运行的经验自动地不断修正和补充知识库的内容(所谓学习)，或者能根据专家或书本提供的知识(以自然语言或某种形式语言表示的)，经过理解编辑成所需的内部形式，作为新知识加入知识库。解释器它是解答用户对专家系统的结论询问的一个程序模块。专家系统应能针对性地以一种用户容易理解的形式进行解释，回答为什么有此结论，推理的逻辑思路是怎样的等等。解释模块不但是一个对系统的行为进行解释的工具，而且也是一个发现系统谬误对之进行调试的工具。解释功能的一种很简单的实现方法就是，把每步推理所用的规则(或证据等)按推理先后顺序连成一条链存放起来，一旦需要时，就把这个推理链一步一步地显示给用户看。目前很多专家系统的解释器都是如此。1．小麦估产知识库(1)知识的概念化与对问题的识别①系统目标与界限分析我国的小麦种植以冬麦为主，主要产麦区分布在地势平坦的黄淮海平原，占全国小麦种植面积的1／3以上。从典型性和战略上的重要意义考虑，选择黄淮海平原冬小麦作为小麦估产专家系统目标问题的切入点。农业专家系统实例—小麦估产专家系统②对问题的层次剖析估产专家系统是一个预测类型的专家系统。它是根据已知的发展来推导将来的趋向。它强调事物过程顺序的变化和时间顺序的排列。从目标结构分析，在单位面积上，小麦的产量由三大要素支撑：穗数、穗粒数、干粒重。小麦各生长发育阶段的状况对最终产量的影响反映在它们分别对这三要素形成过程中所起的作用。其中，小麦从播种—冬前分蘖以决定穗数为主，自返青—拔节的生长以决定穗粒数为主，而抽穗—籽粒成熟的发育以决定干粒重为主。这三个时期农学家称之为争穗期、壮秆大穗期和增粒重期。③对知识的提炼、概念化模型的形成根据专家的分析，影响小麦成穗的最主要阶段是冬前分蘖期。在这一时期出现的分蘖成穗率达60％。分蘖出现得早，成穗的可能性就大。对分蘖影响较大的环境条件是：播期、播量、温度、土壤养分、墒情。对穗粒数起决定作用的是拔节期，尤其拔节期出现的霜冻将严重影响小麦的发育，在这一阶段，除温度外，水、肥也是主要影响因素。在籽粒形成过程中抽穗、扬花、灌浆是三个重要阶段。抽穗期对孕穗影响最大的条件是水、养分和温度的月较差。其中对温度的理想要求是气温平稳上升，光照阶段长，月较差上，农民称之为“春长”。在扬花期最重要的外界条件是光照，遮光对粒重的影响很大。灌浆期是小麦籽粒干物质积累阶段。这一时期，水、肥、大气温度是极为重要的条件，干热风将导致大气湿度过低造成籽粒干瘪，是主要灾害之一。产量水平（高、中、低）穗数拔节期温度穗粒数播种期播种日期出苗茎数分蘖千粒重春季温度月较差孕穗期土壤含水量扬花期光照氮肥施用量灌浆期大气湿度小麦估产概念模式(2)知识的形式化与知识库的组成小麦估产结论的导出要根据它一生中对产量发生明显影响的发育阶段中的若干自身指标(如出苗数、分蘖个数等)和环境指标(温度、土壤含水量等)与理论值进行对比，从而对未来的年景做出好、中、差的判断。它的知识大部分是数值型的逻辑判断，其知识结构整体是一个树状体，同时中间结论和最终结论具有模糊子集的性质。因此，非确定性知识的表示方法以计算逻辑公式和模糊逻辑公式为主。在小麦估产知识库中，就知识的自身特性而言，基本上可以分为事实类和规则类。第一类是事实类知识，它所表达的是对静态事实或事物间关系的陈述。它的主要表示形式是数值、符号和逻辑表达式，在库中每一条知识对应着唯一的标识，用以实现对知识的搜索。属于这一类的知识有：小麦生长监测记录，气象观测数据，农业投入等等。这一类知识按照性质的不同又分为现实事实与理论事实。例如：现实事实：1994年商丘县。小麦拔节期最低温度BLC＝-2.3℃。孕穗期土壤含水量YSW＝16.3％。施氮肥总量：NZ＝70kg／hm2……全部现实事实型知识来源于实际观测记录、统计资料或科学分析与计算的结论。理论事实：分盛期(11月)适宜温度13℃＜GC＜18℃。灌浆期适宜温度60％＜GH＜80％。全年总需水量GW＞16.67m3／hm2……这些理论事实型知识来源于书本、科学实验结果和专家的经验。第二类知识是规则类知识。规则的普遍形式是“IF—THEN—ELSE”条件语句。现以小麦播种日期、播种量对冬前分蘖状况的影响为例，说明规则与事实之间的关联以及规则之间的相互关系。根据小麦栽培学原理，冬前分蘖个数的多少是影响亩成穗数的主要因素，由于理想的分蘖需要足够的积温，播种日期偏晚或过晚将导致冬至前积温不足而影响分蘖的数量和质量。如果已经造成播期晚的现实，通常的补救措施是加大播种量，以增加出苗密度来弥补单茎分蘖的不足。规则1：如果播种日期晚于理论日期20天，BZQ＝3为播种过晚；晚lO天，BZQ＝2为播期偏晚；BZQ＝l为适时播种。规则2：如果播种适时并且每亩总茎数≧13300，则成穗状况为“好”；播期适时每亩总茎数＜13300，则成穗状况为“中”。规则3：在播期偏晚情况下，依次对播种和出苗总数进行扫描考察，并根据与理论值的比较得出对成穗状况“好”、或“中”、或“差”的判断结论。规则4：在播期过晚条件下，依次对事实知识中的播量、总茎数进行搜索扫描，并将其与理论值进行对比分析从而得出结论。2．小麦估产推理机小麦估产问题的推理控制采用树状结构是因为，小麦生长过程规则知识的序列是以树形结构为主。推理过程的控制主要依靠对规则的顺序搜索。常用的规则搜索技术有两种方式，深度优先方式和宽度优先方式。小麦估产的推理采用了正向深度优先搜索来实现过程控制。

如果用小写字母g，m，b，分别表示原因的好、中、差三种状态；而用大写字母G，M，B表示结果的好、中、差三种状态，则这27种规则的谓词逻辑式是：rulel：g，g，g→Grule10，g，b，g→Mrule19：b，g，g→Mrule2：g，m，g→Grule12：g，b，m→Mrule20：b，m，m→Mrule3：g，m，m→Grule12：m，g，b→Mrule21：g，b，b→Brule4：m，g，g→Grule13：m，m，m→Mrule22：m，b，b→Brule5：m，g，m→Grule14：m，m，b→Mrule23：b，g，b→Brule6：m，m，g→Grule15：m，b，g→Mrule24：b，m，b→Brule7：g，g，m→Grule16：m，b，m→Mrule25：b，b，g→Brule8：g，g，b→Mrule17：b，g，g→Mrule26：b，b，m→Brule9：g，m，b→Mrule18：b，g，m→Mrule27：b，b，b→B这个专家系统并不直接估计小麦单产的绝对值，而是根据专家系统中所包括的影响因素，利用专家知识的推理，得出该预测年小麦单产的高、中、低三个单产水平的可能性，然后与三个单产模型的预测结果相结合，得出小麦单产的预测值。3决策支持系统DSS及其应用什么是决策支持系统决策支持系统（DSS）是能对计划、管理、调度、作战指挥和方案寻优等应用问题进行辅助决策的计算机程序系统。决策支持系统的任务在于对各种具体决策问题的辅助决策。BemarlC.Reimann等人认为，“决策支持系统不同于管理信息系统（MIS），它允许管理者以求助方式选择和控制信息，做出更好和更有见识的决策，决策支持系统的一个最重要的特征是它有一种交互的特别分析能力，它使管理者能够尽量完全和精确地对他们的问题进行仿真和模型化，允许管理者试验不同的假设与方案的影响。也就是说，在现实世界中试验各种方案之前，就能够在较安全的计算机中作预先试验”。这个定义把决策支持系统与建模仿真等概念建立了很密切的联系。Keen和Scott一Morton认为决策支持系统“着眼于管理者的决策行为和需要，同时开拓他们的能力”。“决策支持系统要用计算机①在半结构化的任务的决策过程中辅助管理者；②支持而不是代替管理者作判断；③改善决策的效益而不是效率”。ChristerCarison则更具体地把决策支持系统定义为供非计算机专业人员作用的一个“交互式软硬件系统”，它能在下面几个方面帮助和支持决策者：（1）从计算机的数据库中提取有用信息；（2）根据数据进行判断；（3）按各种不同的和变化的时间层次来形成决策问题和计划任务；（4）解决问题和执行计划任务；（5）制订和加强计划及行动步骤。一般决策过程（或决策问题的求解过程）由五个阶段组成：1．

问题识别识别决策问题的含义，使其概念化，从而形成一个非常明确的问题，包括明确问题的含义、限制条件和判定满意的解时所用的评判标准C等。2．

建立模型包括建立形成候选解S的模型和评价候选解优劣的模型，即建立评价泛函E1(s)，E2(s)，…，En(s)，可以采用单指标评价（简单问题）或多指标评价（复杂问题）。决策过程3．

执行模型用各种候选解代入评价模型执行以获得评判指标，即计算评价泛函E1(s)，E2(s)，…，En(s)。4．

评判决策根据上阶段获得的评判指标进行综合评判与分析，审查所得的解是否已经满足要求。若已满足，就输出它作为问题的解；若尚不满足要求，则转下一步去修改模型。上述评判的过程，可认为是从评判指标E1(s)，E2(s)，…，En(s)求“评判函数”J（E1,E2…,En）“值”，检查所得的“值”是否满足评判标准C。这里我们把评判函数和值两个词都用双引号括了起来，表示应该广义地理解，不要简单地仅仅理解为实函数与实数值。5．

修改模型对于形成答案的模型和评价答案的模型，若对它们不满意都可进行修改。这里的关键在于如何根据评判的结果，提出该修改什么以及如何修改。这一步一般是需要决策者人工参与的，或甚至完全由决策者自己来完成。一旦修改完成之后就再转到第3步去执行经修改后的模型，以开始下一轮的评判与选择。仔细分析人脑的决策过程可以发现，在做决策时人们经常要使用很多已经装在脑中的各种数据、解题方法、计算方法或建模方法，以及过去已经建立的种种模型等，还要用到各经验与知识，用以识别问题，形成候选方案，并根据问题要求建立评判模型，乃至不断指导评判、分析与修正直至找到满意的解答为止。决策机制该系统是北京市农林科学院作物研究所主持研究成功的。1．数据库（1）气象数据的分析与整理以京郊地区10个气象站为对象，收集整理了自1915年来有关的气象资料数据达640万个。这些气象资料包括纬度（度／分），海拔（m），日照百分率（%），日平均温度（C），最高、最低温度（C），空气相对湿度（％），风速（m/s），降雨（mm），降水量（mm），实际水汽压（hPa），入射短波辐射（cal/cm2·日），将以上数据输入计算机，建立了气象数据库。小麦生产管理决策支持系统（2）土壤资料数据库的建立搜集、整理北京近、远郊13个区县，200多个乡镇的土壤资料，主要包括有地貌、土壤质地、土壤养分数据达150万个。土壤养分以1990年土壤普查数据为主，借鉴l980年土壤普查的部分资料，确定出200多个乡镇的土壤有机质、全氮、碱解氮、速效磷、速效钾及部分微量元素的含量。将土壤养分划分为“高、较高、中等、较低、低”五个等级，对应作物的需要分别为“丰富、较丰富、基本满足、缺乏、非常缺乏”。土壤按质地分为三大类：潮土、褐土、砂姜潮土，对每一大类又分为沙一轻壤，轻壤，轻--中壤四类，共为12类土壤质地，对全市200多个乡镇都按照这12类确定出土壤质地。（3）作物品种数据库建立小麦高产品种主要性状目标数据库、权重系数库、品种数据库、良种推荐数据库和评价结果数据库。作物高产品种主要性状目标数据库存放不同地区、类型、产量水平的高产品种主要性状目标值（库中存有北京地区高肥水平中间类型，多穗品种，中高肥水平多穗型品种三套标准）；高产品种主要性状权重系数库存放着对应于上述各套性状目标值的权重系数；高产品种数据库主要存放1989-1997年参与北京地区高肥品种区域试验产量位次前4名的品种，还存有一些早熟、矮秆的特色品种和历史上的35个主栽品种；高产良种推荐数据库存放达到用户要求的高产良种主要特性，栽培要点及品种图；评价结果数据库存放入选品种综合评分，产量潜力、抗病、抗倒、适应、早熟、品种特性的评估结果及综合评价，可从中优选所需品种。（4）农业生产数据库的建立建立了各区县基本农业生产条件。农机、化肥、灌溉、劳力等，管理水平，各主要粮食作物的产量水平，投入产出水平等数据库。（5）试验资料及高产地块档案数据库的建立系统分析总结了栽培学、生物学、生理学、形态学等有关学科的20多项联合试验资料；不同地区、不同条件的多年、多点的栽培措施和高产技术200多项次的联合试验资料；连续多年和系统观察、解剖分析所得到的小麦从种到收每一个器官的逐日生长发育过程和各器官之间的相互关系数据资料；2000多块不同类型麦田的技术档案资料；1986年以来连续11年的京郊100多个定位系统观测点不同条件、不同情况下的生育特点及其苗情、水分和养分变化动态数据，累计超过500万个。2．知识库（1）品种选择知识库主要考虑品种的生态适应性（气候、土壤、肥水条件适应性情况，成穗率、结实率、成熟期和对温度的要求）。选择综合农艺性状（穗容量，产量结构，灌浆特点，成熟早晚）；品种的生长发育特点（分孽特点、株型结构，抗倒伏能力，需肥水特性）；品种的抗病虫性（玉米的抗大小斑病、病毒病、青枯病，小麦抗白粉病、条锈病、抗蚜虫，相对杂草有较强的生长势）；抗逆性强（耐温、耐旱、耐涝、耐盐碱）；优质（营养含量）。（2）确定密度知识库小麦不同播种时期和土壤肥力以及品种生长发育特性与密度的关系。玉米不同品种类型（平展、半紧凑型、紧凑型）与密度的关系。（3）确定播期知识库播期与积温的关系及其对冬前生育进程和叶龄、分蘖的影响，品种的冬春性与适宜播期。（4）施肥与作物营养知识库目标产量、土壤肥力、肥料利用率、群体大小、长势、长相，作物不同生育时期的营养状况与施肥量、施肥期、元素配比的关系。（5）水分管理知识库作物不同生育阶段田间耗水量、不同土壤深度与地下供水、水分的蒸发蒸散、降雨量和不同时期土壤的临界含水量、含水率与灌溉的关系。（6）生长发育知识库植株生长速度、生育进程与积温的关系，不同条件下叶片长势长相与各部分器官发育和分蘖消长的关系、不同时期群体数量与个体发育、分蘖成穗和穗部性状的关系。（7）化学控制知识库作物群体发展、植株形态与化控物质施用剂量与方法的关系。（8）小麦一玉米配置模式库使全年生产高产、稳产的小麦一玉米最佳配置模式知识库（小麦早熟种一玉米中熟种、小麦中熟种一玉米中早熟种、小麦晚熟种一玉米早熟种，早播小麦一中熟玉米、适期播种小麦一中早熟玉米、晚播小麦一中熟玉米）。（9）病虫草害与防治知识库不同病害、虫害、草害的识别、防治的对策和药剂使用。3．模型库主要内容：作物生长全过程各生育阶段及生育期划分：各部分器官生长发育及其相互关系；群体结构动态，个体植株长相，产量构成因素、环境变化对苗情影响的预测等。建立的小麦、玉米生长发育模型主要有：作物阶段发育模型；营养器官发生（根、茎、叶）发展模型；光截获模型：光合作用模型；呼吸作用模型；水分利用吸收模型；干物质积累、分配动态模型；劣势器官转优模型；营养器官（根、茎、叶、穗）和生殖器官（小花、籽粒）建成模型；器官衰老模型；环境胁迫（氮、水、光）作物产量结构和产量预测模型；作物营养指数模型；氮、磷、钾施肥模型等。4．专家系统与模型系统的连接通过以下方式实现：作为专家系统推理开始的起点；作为推理的中间节点或者作为推理过程的结果。调用和使用模型库由系统中元知识（Meta一Knowledgeorientedsystem）来进行管理，专家系统与模型间的通讯由存储有关参数和信息的文件来实现。专家系统中的模型运行结果，预测下一个生育阶段作物生长发育的状态和走向，在此基础上由专家系统根据预测结果制定调控措施方案。5．知识获取专家系统的核心是知识，知识是决定专家系统性能的主要因素，知识获取是建造专家系统的重要环节，在智能应用系统的开发过程中，知识获取占了总工作量的1／2左右。在使用中通过不断地扩充和完善知识使知识库不断丰富。知识获取贯穿着系统开发和维护整个过程。（1）知识源的确定以小麦、玉米生长发育、器官建成、分蘖消长、小花分化、籽粒灌浆、物质积累、产量形成，自然环境因素的制约，不同条件、不同环