作物精准生产理论与技术

作物精准生产理论与技术廖树华Sergzzl@

内容:

一、精准农业技术概要（PrecisionAgriculture）二、作物精准生产模型与设计理论1、作物系统过程的模型技术(ModelTechnology)2、智能化农业专家系统（ExpertSystem）3、作物知识模型(CropManagementKnowledgeModel)4、作物生产设计模型(DesignModelforCropProduction)三、田间信息实时采集技术（TechnologyforFieldInformationAcquisitiononReal-Time）

“十一五”国家863重大项目“精准农业技术与装备”“精准农业技术与装备”项目分为以下几大部分（整个项目投入为0.56亿）：车载农田土壤信息快速获取关键技术与产品研发（350）；多平台作物生长信息快速获取关键技术与产品研发（350）；精准农业生产设计与管理决策模型技术研究（600）；农田作业机械智能导航控制技术与产品研发（350）；精准农业智能变量作业装备研究开发（1350）；精准农业技术集成平台研究与开发（600）；精准作业系统构建与应用示范（2000）。一、精准农业技术

农学家在进行作物栽培模拟模型，作物管理与植保专家系统应用研究与实践中进一步揭示的农田内以米为单位的小区作物产量和生长环境条件的明显时空差异性，从而提出对作物栽培管理实施定位、按需变量投入，或称“处方农作”而发展起来的；

农业机械装备的机电一体化、智能化监控技术，农田信息智能化采集与处理技术研究的发展

海湾战争后GPS、RS、GIS技术的民用化，使得它在许多国民经济领域的应用研究获得迅速发展，也推动了“精细农作”技术体系的广泛实践。

迄今，国外关于PrecisionAgriculture的研究，基本上仍是集中于利用全球卫星定位系统（GPS）、地理信息系统（GIS）、作物管理决策支持系统（DSS）基础上的作物生产管理技术，即基于知识和信息技术为基础的现代农田“精耕细作”技术方面。因此，将PrecisionFarming译作“精细农作”，对引导当前的应用研究更能表达其明确的涵义。

“精细农作”是基于现代电子信息技术、作物栽培管理辅助决策支持技术和农业工程装备技术等集成组装起来的作物生产精细经营技术。其主要目标是更好地利用耕地资源潜力，科学利用投入，提高产量，降低生产成本，减少农业活动带来的环境后果，实现作物生产系统的可持续发展。

千百年来的作物生产实践，都是以地区或田块为基础，在区域或田块的尺度上，把耕地看作是具有作物均匀生长条件的对象进行管理，如利用统一的耕作、播种等农艺措施，满足于获得区域、农场或田块的平均产量的认识水平，很少顾及对农田整体或局部空间的盲目投入及过量施肥施药造成的环境后果。传统的农业技术推广模式，也是在区域尺度上进行实际上，即使在同一农田内，地表上、下影响作物生长条件和产量的明显时空分布差异性，包括农田内作物病、虫、草害总是先以斑块形式在小区发生，再逐步按时空变化蔓延的特性，早已为人们所认识。我国农民几千年来在小块土地上经过劳动密集的投入和积累的丰富生产管理经验而形成的“传统精耕细作”技术，也可以在小块农田内达到很好的经济产量，只是没有现代科学方法的定量研究和现代工程手段的支持来形成大规模的生产力。

田区内产量上述明显的时空分布差异性，显示了农田资源利用存在的巨大潜力。同样地，农田内的土壤类型、肥力、墒情、苗情和病虫草害的分布，实际上也是很不均匀的。现代农学技术与电子信息技术的发展，为定量获取这些影响作物生长因素及最终收成的空间差异性信息，实施基于知识和现代科技的分布式调控，达到田区内资源潜力的均衡利用和获取尽可能高的经济产量成为可能。其实施过程可描述为：

1)带定位系统和产量传感器的联合收获机每秒自动采集田间定位及小区平均产量数据；2)通过计算机处理，生成作物产量分布图；3)根据田间地形、地貌、土壤肥力、墒情等参数的空间数据分布图，利用建立作物管理辅助决策支持系统，并在决策者的参与下生成作物管理处方图；4)根据处方图采用不同方法与手段或相应的处方农业机械按小区实施目标投入和精细农作管理。

(一)全球卫星定位系统(GPS-GlobalPositioningSystem)全球卫星定位系统为实践农田作物生产的定位自动化精细管理提供了基本的条件。

GPS的基本原理是易于理解的。该系统由包括24颗地球卫星组成的空间部分，由地面控制站和一组地面监测站组成的地面监控部分以及和用户接收机3个主要部分组成。目前已建成投入运行的全球卫星定位系统有美国国防部建设的GPS系统和俄罗斯建设的GLONASS（GlobalNavigationSatelliteSystem）系统,两者原理相同，但利用了不同的时间标准和大地坐标系，均可提供全球卫星定位信息的免费服务。对于用户来说，只需要根据不同用途的要求，如同使用移动电话一样，购置用户接收机,享用不同方式的服务。用户具有必要的使用知识即可。

GPS卫星GPS卫星是一组能发射精确的卫星轨道参数和时钟信号，在2万余km高空环绕地球运转的轨道卫星系统。这些信号穿越太空、电离层和大气层到达地面,被接收机接收，经过数字信号处理进行定位计算。空间卫星的布局，可以保证在地球表面任何地方、昼夜任何时间和任何气象条件下，接收机均可至少获得其中4颗以上卫星发出的定位定时信号。理论上只要用户能接收到4颗卫星信号，即可解算出用户所在的3维位置信息。

当GPS卫星信号通过电离层和大气层传输时，会受到干扰和时间延迟，产生定位误差。美国提供的民用GPS接收机定位误差可达100米，实用的精确测量定位系统,还需要在地面设置校正定位误差的差分信号服务，使用差分定位系统（DGPS）。

GPS产品

为“精细农作”或其它农业应用选购GPS产品，需要有明确的应用目标和必要的知识支持，需注意主机与附件的合理配置，避免由于盲目性带来的损失;目前国外已有许多著名GPS公司进入中国市场。有的著名厂商，如美国Trimble公司和Ashtech公司已可专门提供支持“精细农作”的农用GPS产品，如Trimble的Ag132GPS接收机

(二)地理信息系统与遥感技术

地理信息系统(GIS-GeographicalInformationSystem)及支持地理空间数据采集、更新及遥远监测农田空间信息的遥感技术（RS-RemoteSensing）

国外用于精细农作的带GPS的谷物联合收获机，可按每亩区分为约40-60个小区自动定位采集、计算单产数据，每一单产数据与对应的农田地理座标位置同步记录下来，进一步通过计算机处理生成小区产量分布图。为了分析产量空间差异性的原因，需要相应地对田间土壤、病虫、作物苗情等空间分布信息进行定位采集，经地理统计与空间信息处理技术，生成各种数据信息的空间分布图。并使这些基于同一农田不同类型的空间分布信息对应起来进行分析，提出按小区实施定位管理的处方决策方案。这些过程都可以通过地理信息系统协助来完成。

地理信息系统（GIS）是一个用于输入、存储、检索、分析、处理和表达地理空间数据的计算机软件平台。当然，GIS软件需要装载在适当性能的计算机上，并为计算机配置必要的扫描仪、数字化仪、读卡机等输入设备和用于输出和显示结果的计算机显示器、彩色打印机或绘图仪等。GIS是以带有地理坐标特征的地理空间数据库为基础的系统。GIS中的数据可以被访问、变换、交互式处理。GIS从外部看，它表现为计算机软硬件系统，而其内涵确是由计算机程序和地理数据组织而成的地理空间信息模型。在“精细农作”技术体系中，GIS主要用于建立农田土地管理，土壤数据、自然条件、作物苗情、病虫草害发生、作物产量等的空间信息数据库和进行空间信息的地理统计处理、图形转换与表达等，为分析差异性和实施调控提供处方决策方案。

GIS表达地理空间信息采用栅格型和矢量型两种不同数据格式，原始采集的数据常用栅格式采集和存储，速度快；通过数据处理后形成的矢量型数据图形利于直观显示；由扫描仪或数字化仪输入的电子地图则直接转变为矢量图形显示。

采用GIS建立空间图形的步骤通常是：①.用扫描仪、数字化仪输入基础地理信息建立农田电子地图或用DGPS帮助绘制农田地理图形；②.通过键盘输入定点采样数据或由产量监视器下载产量数据；③.在GIS支持下对数据进行平滑、统计或内插处理，生成不同层面的矢量型空间数据地理分布图形；④.选择颜色和图例以明晰表达各种空间信息分布图形；⑤.在作物生产决策支持系统和决策者的参与下生成不同类型的处方图形用于指导处方农作；⑥.在绘图仪、打印机上打印图形或存入相应介质中。目前，已有一批成熟先进的GIS软件在市场销售，国外软件大多也具有汉化功能，用户需要根据自己的应用要求选择合适的软件和配置相应的计算机硬件系统，并进行必要的应用软件开发以适应自己的应用要求。

遥感技术（RemoteSensingRS）是未来精细农作技术体系中支持大面积快速获得田间数据的重要工具。它可以提供大量的田间时空变化信息。近30多年来，RS技术在大面积农业资源监测、作物产量预测、农情预报等方面作出了重要贡献。遥感是用飞行器或人造卫星上装载的传感器来收集地球表面地物的空间分布信息。它具有广域、快速、可重复对同一地区获取时间序列信息的特点。RS是测量地物对太阳辐射能的反射光谱信息或地物自身的辐射电磁波波谱信息。每一地物反射和辐射的电磁波波长及能量都与其本身的固有特性及状态参数密切相关。装载于RS平台上的照象机或扫描式光电传感器获取的地物数字图象，含有丰富的反映地物性质与状态的不同电磁波谱能量，从中可提取辐射不同波长的地物信息，进行统计分析和地物模式识别。RS虽不直接测量土壤水份、植物冠层营养水平、籽粒与生物质产量等信息，但可通过多光谱测量推断出结果。

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象（由RS服务商提供）；仔细检查图象和分析统计数据；②.完成RS数据的地面核实；③.将RS和地面核实数据送入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。

基于遥感产业界对“精细农作”的商业兴趣，一系列的地球观测卫星将在近几年内发射，到2005年，将有超过40个这类卫星提供服务。大部分这类卫星采集的全色图象，空间分辩率将达1～3米，多光谱图象分辩率预计可达3～15米，扫视区6～30km。由于采用卫星遥感比航空摄影的成本将低一半以上，卫星遥感技术可预期在近3～5年内，在“精细农作”技术体系中扮演重要的角色。

展望现代“精细农作”（PrecisionFarming―PF）的实践，在一些主要发达国家也不过只有六、七年的历史。迄今其技术体系仍然不十分完善，尚处于其发展的幼年时期。

一个值得重视的趋势，是农业生产资料销售商和农业推广服务部门对提供精细农作技术服务日益增长的兴趣，如化肥和农药供应商同时为农户提供土壤空间信息采集、测土配方和机械化定位施肥、农田作物病虫害诊断和选用农药、实施机械化精细定位施药的综合服务；农机服务商为规模较小的农场提供收获、计量和产量分布信息采集服务；农业咨询商为农户提供基于信息的农田资源利用与农作物诊断，提供处方决策咨询服务等。

二、作物精准生产模型与设计理论1、作物系统过程的模型技术系统动力学是由美国MIT的福雷斯特(J.W.Forester)于1950年提出，并应用于工业管理中。由于系统动力学在工业领域的成果应用，吸引生物学家和农学家将其应用到生命科学领域。系统可分开环系统(OpenSystem)和反馈系统(FeedbackSystem)。开环系统是指系统的输入决定系统的输出，而系统的输出对系统输入无任何影响。反馈系统就是系统的输出对系统输入有影响的系统，反馈系统又可分为负反馈系统和正反馈系统。反馈系统受它本身过去行为的影响，有一个闭合的回路结构，其闭合的回路使系统过去的控制作用的结果返回调节系统将来的控制作用。在一个反馈回路中一定包含两个变量,状态变量和速率变量:状态变量是描述系统某种属性的量，一般它是一个累积量如作物的干物重、群体数量等，这个量表达了一个积分过程；速率变量是指状态变量的变化速度，在系统中描述的是物质、能量的实际流动如人口的出生和死亡等。（一）主要模型系统介绍1、CERES

CERES是根据系统工程原理、动力学方法和计算机技术而构建的作物一土壤一大气系统模拟模型。它从物质、能量平衡的角度、以生理学为基础，逐日、动态地模拟作物的生长发育过程。

CERES一Rice为例，由4个子程序组成；即土壤水分平衡程序（WATBAL）、氮素平衡子程序（NTRANS）、物候发育子程序（PHENOL）和生长子程序（GROSUB）。

太阳辐射施肥播种品种田间管理措施子程序土壤氮素平衡计算子程序基本生理过程计算子程序模块衰老干物质分配水分吸收与蒸腾阶段发育和器官发育叶面积增长营养吸收土壤水分平衡计算子程序吸收蒸发下渗径流逐日气象资料读入子程序降水最高，最低温度再分布吸收淋溶硝化反硝化矿化耕作灌水光合作用呼吸作用CERES-Rice需要输入的因子有：品种、行株距、播种期、播种深度、灌溉日期和数量、施氮日期和数量、肥料类型、遗传系数、逐日气象数据、纬度、土壤剖面特性和初始条件等。输出有：生育期、地上部各器官和根系的生长，土壤水分利用和分配（包括日蒸发、迳流、渗漏、作物水分吸收等过程）土壤氮和植株氮的输送、转化和分配（包括矿化、硝化与反硝化、氮的挥发、植株吸氮、植株含氮量等），产量，产量构成成分，地上部生物量，阶段发育变化日期，品种的遗传特性和天气条件对作物发育的影响，氮和水分胁迫指标等

2.GOSSYM-COMAX

1976年以后，Baker等人将模拟土壤过程和根系生长的模拟模型RHI－ZOS（Rhizosphere）与SIMCOTI结合，于1983年开发出GOSSYM（GossypiumSimulationModel）。Baker等又经过数年努力，于80年代中期开发了棉花管理专家系统COMAX（CottonManagementExpertSystem），同时建立了GOSSYM-COMAX软件系统。

气候子模型(CLYMAT)日期换算子模型(DATES)土壤温度子模型(TMPSOL)形态发生子模型(PLTMAP)脱落子模型(ABCISE)土壤子模型(SOIL)施肥子模型(FRTLIZ)重力水移动子模型(GRAFLO)蒸腾子模型(ET)毛管水移动子模型(CAPFLO)吸引子模型(UPTAKE)毛管水移动子模型(CAPFLO)硝化子模型(NITRIF)化学药剂子模型(CHEM)光合呼吸子模型(PNET)生长子模型(GROWTH)根系生长子模型(RUTGRO)根延伸子模型(RIMPED)氮素分配子模型(NITRO)代谢物平衡子模型(MATBAL)GOSSYM模型本质上是一个表达植物根际土壤中水分和氮素与植株体内碳和氮的物质平衡的模型，包括了水分平衡、氮素平衡、碳平衡、光合产物的形成与分配、植株的形态建成等子模型。

气候子模型(CLYMAT)将全部气象资料读入，并调用日期换算子模型(DATES)计算模拟所要用到的儒略日数，调用土壤温度子模型(TMPSOL)计算各层土壤的温度。

形态发生子模型(PLTMAP)模拟棉株的形态发生和各器官的成熟与衰老，包括蕾铃的生理脱落和各种胁迫因素的计算。脱落子模型(ABCISE)估计蕾铃和叶片由于胁迫和衰老的脱落速率。

土壤子模型(SOIL)计算向植株提供的氮素、土壤水势和根系存贮氮和糖的能力。根区土壤在横向分成20个等份，在纵向上分成40个等份，形成一个20x40的矩阵，即800个小室，每个小室大约为5x5厘米。模型逐日计算各室的水分、硝态氮和铵态氮以及根的生物量，用来计算根的生长量和水分吸收量。其中的二级子模型，施肥子模型(FRTLIZ)用来分配铵态氮、硝态氮和尿素于土壤剖面中，重力水移动子模型(GRAFLO)用来完成在重力作用下的雨水和灌溉水在土壤剖面中的移动过程，蒸腾子模型(ET)估计土壤表面的蒸发速率和作物的蒸腾速率，吸引子模型(UPTAKE)计算根区水分、氮素的吸收，毛管水移动子模型(CAPFLO)估计毛管水的流动状况，硝化子模型(NITRIF)计算土壤中微生物作用下的铵态氮向硝态氮的转变情况。化学药剂子模型(CHEM)估计化学物质对植物生理过程的作用，目前这些化学物质包括植物生长调节剂PIX和PREP、脱叶剂DEF、DROPP、GRAMOXONE、FOLEX和HARVADE。

光合呼吸子模型(PNET)逐日计算植株的总光合产物、呼吸消耗和净光合产物。生长子模型(GROWTH)计算植株各器官潜在的和实际的生长速率。其中二级子模型根系生长子模型(RUTGRO)计算各土室中根的生长和分布，根延伸子模型(RIMPED)计算增加土壤容重对根延伸能力的影响，氮素分配子模型(NITRO)计算植株中氮素的分配，代谢物平衡子模型(MATBAL)保持模型中碳、氮等的物质平衡的轨迹。GOSSYM-COMAX的特点是：运行COMAX所需的数据是由执行GOSSYM所提供的，即GOSSYM给COMAX提供信息。在GOSSYM-COMAX系统中，GOSSYM根据输入的气象数据、出苗期、施肥等有关信息，可以在计算机模拟棉花生长发育、光合作用、呼吸作用、蒸腾作用、根系生长、形态构造、物质生产和分配等的日变化以及季节性变化动态。COMAX则根据模拟结果，作出是否要进行灌溉、施肥和施用除草剂等管理措施的决策，并提供给GOSSYM已作出决策的信息，继续执行模拟，模型最后可以给出由于灌溉、施肥所增加的产量。由于COMAX能获得比专家系统的经验更为全面、更富有机理性的信息，故它比专家推理的建议要客观、准确得多。

GOSSYM输入输出运行GOSSYM时，必须提供每天的气候资料，包括日辐射、最高最低气温、降雨量，同时，还需输入灌溉水量、出苗日期、群体密度、行株距、施氮量、纬度和土壤数据等。

模型运行后的输出结果是株高、营养枝和果枝数、蕾铃数、结果和果实脱落、植株含氮量、干物质生产量、土壤水势、植株图、产量等。

3.CCSODS作物计算机模拟优化决策系统,江苏省农科院

(CropComputerSimulation，Optimization，DecisionMakingSystem)CCSDOS的基本结构大致可以分为3个部分:（1）数据库①气象数据库：包括纬度、温度、日照时数、日长、太阳辐射等。②土壤数据库：包括土壤名称、土壤质地、土壤养分含量、PH值等。③品种参数数据库：包括品种类型、生育期模型参数、叶龄模型参数、光合效率参数等。（2）模型①模拟模型：a．作物发育期模拟模型；b．作物叶龄模拟模型；c．作物器官形成模拟模型；d．作物光合生产模拟模型；e．作物叶面积与茎蘖动态模拟模型；f．作物产量形成模拟模型；g．作物N、P、K营养平衡模拟模型；h．作物水分平衡模拟模型。②优化模型：a．最佳播种期模型；b．最佳基本苗模型；c．最佳叶面积动态模型；d．最佳茎蘖数动态模型；e．最佳光合生产模型；f．最佳产量形成模型；g．最佳施肥量模型；h．最佳肥水管理动态模型；i．最佳病虫防治模型。（3）各种子系统：a．常年决策子系统；b．增产关键子系统；C．计算机试验子系统；d．当年决策子系统；e．地区决策系统；f．病虫防治子系统；g．作物模型子系统；n．气候变化对作物影响子系统；i．作物品种参数子系统

（二）作物模拟模型发展趋势及应用前景

作物模拟技术将主要在解释性、可视性、应用性、综合性4个方面进一步取得突破。其一，现有作物模拟模型中还存在许多经验性的部分，如生育期、同化物分配、许多与土壤有关的过程等，在今后的发展过程中，这些经验性部分会逐步得到改善，机理性进一步加强，使模型可以模拟作物在不同的生态环境条件下的生长发育和产量形成。

其二，三维可视化模拟模型已经提到了议事日程上，澳大利亚和美国已经在这方面作出了初步的尝试。Room等(1996)已经建立了一个初级的3-D虚拟棉花模型，感可以到CTPM的Web站点(Http://.au/)卸载一些模拟产生的图片。（二）作物模拟模型发展趋势及应用前景其三，研制作物模拟模型的目的是在生产实践中应用，改善模拟模型的应用性将是其今后发展中的一个重要议题。模拟模型进一步与专家系统、Internet网络技术、3S技术结合。

其四，模拟模型包括的内容越来越广泛，涉及的学科越来越多，逐步向综合方向发展。一个模型不但可以模拟作物的生长发育，也可以模拟害虫的群体动态和危害程度，还会包括经济效益宏观模型，如气候变化对中国南方水稻生产的潜在影响、土地生产潜力的评价等。

CERES-Wheat模型应用实例

－－统计模型与模拟在管理决策中的耦合CERES-Wheat的模型参数分为三大类：作物品种、土壤、气候。气候数据（逐日数据）：太阳辐射（MJ/m2）、最高气温（℃）、最低气温（℃）、降水量（mm）。作物遗传参数：CERES-Wheat模型中的遗传参数包括春化作用系数（P1V）、光周期（P1D）、灌浆期系数（P5）、籽粒数/株重（G1）、籽粒的灌浆率（G2）、籽粒数修正系数（G3）、叶热间距（PHINT）。③土壤资料土壤资料包括土壤类型和土壤刨面的性状。其中土壤刨面的性状包括土壤的反照率，土壤不产生径流的曲线的数目，深度（cm）、土层厚度（cm）、土壤水的下限（%）、土壤水的上限（%）、土壤有机C的含量（%）、砂土的含量（%）、粘土的含量（%）、微生物因素等。冬小麦的产量的形成是一个逐步实现的过程，从基本苗、冬前的茎数、拔节期的茎数到整个生育期小麦的生物量和产量结构的各个要素性状都能影响小麦的经济产量。干物重是经济产量的基础，不同生育阶段干物质的积累形成小麦产量的构成因素，因而不同生育阶段所积累的干物质质量显著影响产量形成。１）[冬前茎数]=F[基本苗、冬前干物质量]２）[拔节前茎数]=F[基本苗、冬前茎、冬前干物质量、冬前至拔节干物质积累量]

３）[亩穗数]=F[冬前茎、拔节茎数、拔节期干物质量、拔节至开花干物质增加量]４）[穗粒数]=F[亩穗数、挑期到灌浆增加干物量、挑期时干物量]５）[产量]=F[基本苗、穗粒数、亩穗数、灌浆后增加干物量、灌浆时干物量]产量形成动态模型的优化分析根据求解各生育阶段生理指标目标值，把目标值带入CERES-Wheat模型进行模拟，调试最优管理措施，使其各个生理时期的生理指标达到目标值，验证最后产量。04008001200160011835526986103120137154171188205222239模拟值目标值基本苗冬前茎开花期拔节期3、智能化农业专家系统

（一）专家系统的基本原理

作物生产问题是极端复杂的,在研究和生产活动中存在着大量随机的、模糊的不确定因素。至今,用描述性和经验性知识指导田间生产活动仍然是一种主要的途径。正是由于这一原因推动了专家系统在作物生产中的应用。专家系统是利用知识和推理过程来解决需要人类专家才能解决的问题的智能计算机程序。它广泛收集与一个特定系统有关的知识,并找出知识间的关系,即规则,然后再找出规则间的关系,即规则的规则,依此类推,直到穷尽所有已知的知识和规则,把它们统统放入知识库。这样的一个知识库相当于系统广义模型。系统运行时,各状态形成激励知识库的知识点,系统搜索相关的规则,根据规则指出控制结果。

专家系统(ES)具有以下特点：(1)可存储一个或多个专家的知识或经验,能以接近专家的水平在特定领域内工作；(2)能高效,准确,迅速地工作,不会像人类专家那样产生疲倦和不稳定性.；(3)使人类专家的领域知识突破了时间和空间的限制,ES程序可永久保存,并复制任意多的副本,以在不同地区和部门使用.；(4)可通过符号处理进行的中形式的推理,也可以对不确定数据进行推理；(5)具有透明性,能以可理解的方式解释推理过程；(6)具有自学习能力,可总结规律,不断扩充和完善系统自身；(7)能提高生产率,产生巨大的社会效益,经济效益。

基本结构:1.知识库

前件--后件

或IF条件1AND条件2……AND条件NTHEN动作或结沦

为了表达专家知识的复杂概念，知识库中的规则往往分级存储，整个知识库形成一个树形结构，其中的规则也可嵌套。

如：RULE1:IF动物是哺乳动物

AND动物是食肉动物

AND动物是黄褐色

AND动物身上有黑条纹

THEN该动物是老虎

RULE2:IF动物有奶

THEN该动物是哺乳动物

RULE3:IF动物吃肉

THEN该动物是食肉动物

2．动态存储器（动态数据库）3．推理机制推理机制主要有两个任务，一是推理，即从知识库中已有的知识中推导所需的结论和知识；二是控制搜索过程，机确定知识库中规则的扫描顺序，决定在每个控制信息下要触发的规则，这又称为知识的选择。推理方法有多种。以产生式系统为基础的专家系统采用的最基本的推理策是反响推理（向后连接）从四个阶段的循环（产生式系统的循环周期）来控制规则的扫描，这四个阶段是：

（1）

匹配（合一）；（2）

冲突消解(选择)；（3）

激活规则；（4）

动作。4．解释机制

解释功能是专家系统区别于其他软件系统的重要特征之一。通过解释，可提高用户对专家系统的信赖程度有助于专家系统的推广使用，也便于在使用中间发现专家系统的错误和漏洞，有助于测试、更新、维护专家系统。解释机制实现解释功能，在推理过程中回答用户关于系统正在做什么，如何得到结论为什么要作出某个决策，发出某个询问等显示推理路径解释推理过程。通过解释，可增强用户对系统的信任感，并起到教学的作用

5.知识获取机制知识获取是建立知识库的重要基础，是专家系统开发中最关键也最艰难的一步，被称为专家系统开发的“瓶颈”。

知识获取过程消耗人力

、财力最多;约占专家系统开发总工作量的四分之一左右。当前，知识获取有二种主要形式:1)人工获取

。由知识工程师与领域专家会谈或查阅大量文献资料

收集、分析、归纳

、整理领域知识

。2）用机器学习技术，从训练实例自动提取知识

。6．人机接口

（二）小麦生产管理专家系统介绍

数据库

气象数据库(640万个)纬度,海拔,日照百分率,日平均温度,最高、最低温度,空气相对湿度,风速,降雨,作物生育期,各作物播种前土壤有效贮水量。土壤数据库(150万个)土壤类型,土壤质地,土壤养分(有机质、全氮、碱解氮、速效磷、速效钾、pH值)。社会经济条件数据库农机,水利,劳力,物质投入水平。

知识库(KBS)品种的选择品种的生态适应性、综合农艺性状、生长发育特点、抗逆性、品质。密度的确定品种特性、不同播种时期和土壤肥力与密度的关系。播期的确定积温对小麦冬前生育进程、叶龄、分蘖的影响以及品种的冬春性与适宜播期施肥与作物营养目标产量,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。水分管理小麦不同生育阶段田间耗水量,不同土壤深度与地下供水,水分的蒸发蒸腾,降雨量和不同时期不同苗情的土壤临界含水量、含水率与灌溉的关系。……模型库(MBS)小麦阶段发育模型(根据品种的特性、积温、叶龄等因素预测发育阶段,为动态决策服务,遗传参数由试验确定);营养器官根、茎、叶发生及发展模型(根据器官发育的规律与外界条件的关系建立定量模型,提供决策的形态诊断指标);光截获模型、光合作用模型、呼吸作用模型(根据植物生理学基础建立相关模型,主要用于生产目标的制定,避免盲目性);灌水模型(根据作物的需水规律、环境条件、蒸发蒸散等因素,建立不同生育时期的灌水模型,制定科学的灌水方案);干物质积累、分配动态模型(用于预测经济系数);劣势器官转优模型(重点考虑分蘖成穗);生殖器官穗粒数、千粒重建成模型(用于预测产量);器官衰老模型(主要考虑叶片的功能期长短)。

（三）展望

人工智能，模糊理论，人工神经网络技术已为解决农业系统中大批非结构性的决策问题与专家系统开发提供了新的方法；多媒体技术与网络信息技术的应用。与作物模型技术的结合、与3S技术的结合；电脑农业专家系统仍是信息技术应用于指导农业生产和把农业科技成果直接送到农民手中的一种好形式和途径。

4.作物管理知识模型一、播前方案（一）产量目标及结构产量目标设计是实现作物定量化栽培管理的前提和基础。生产上现有的产量目标设计主要有以地定产、以前三年平均产量定产、或将光温生产潜力修订后作为产量目标等三种方法。其中，在前三年平均产量的基础上增加10%~15%作为产量目标是生产上应用最广泛的方法之一。增产系数并非一个定值:受决策点光温生产潜力（PPTP）;前三年作物平均产量（MGYlty）;养分供应水平（NSL）;水分供应水平（WSL）生产技术水平（PTL，包括优良品种的选用、栽培措施的实施和病虫草害的防治）等多种因素的综合影响，表现出较强的变动性和系统性。因此可以根据决策点前三年作物平均产量(MGYlty)和增产系数(YI)来确定产量目标(GYT).GYT=MGYlty×(1+YI)1)PPTP=PPP×CFTDSR=DSR0×(0.25+0.45×DSH/DL)RC=1395×(1.0+0.033×cos(2×

×JD/365))DL=7.639×acos（SSIN/CCOS）SSIN=–sin(0.01745×LAT)×sin(SDEC)CCOS=cos(0.01745×LAT)×cos(SDEC)SDEC=0.4093×sin(0.0172×(JD–82.2))喜凉作物的温度订δ为光饱和限制率ω为呼吸消耗率θ为叶片的光透射率Φ为量子转化效率；X为籽粒含水量；ι为植株矿物质含量H为每形成1kg干物质所需的热量；HI为收获指数；DSR为到达地面单位面积逐日太阳总辐射DSR0为大气上界的逐日太阳辐射总量DSH为日照时数DL为日长RC为太阳常数SSIN和CCOS为中间变量LAT为决策点纬度；SDEC为太阳偏斜角JD为儒历日期PPP为光合生产潜力

ε为总辐射中的光合有效辐射比例α为经冠层反射的光合有效辐射比例β为群体冠层吸收的光合有效辐射比例γ为作物非光合器官吸收的光合有效辐射比例Tday为决策点白天的气温；OTgd为作物生长发育的最适温度；a为参数喜温作物的温度订正2)WSL=PWSL+（1–PWSL）×WMLEEQ=DSR(4.88–4.37SRRcc)(Tday+29)×10-3

水分供应水平（WSL）:一般由自然供水水平（PWSL）和水分灌排水平（WML）AP为实际降水量(mm)OPym为产量达到最大时的最适降水量(mm)PET为潜在蒸散(mm)采用Priestly-Taylor方程来计算RBG为裸地对太阳辐射的反射率，其值随土壤砂性的增强而上升，一般在0.08~0.24之间变化SRRcc为作物冠层对太阳辐射的反射率LAI为叶面积指数EEQ为平衡蒸发量(mm)DSR同上水分灌排水平（WML）、土壤肥力水平（SFERL）、施肥管理水平（FML）、优良品种选用水平（VSL）、栽培技术水平（CML）和病虫草害防治水平（PCL）均分为超高、高、中等、低和差5个水平，分别依次取值为1、0.8、0.6、0.4和0.2。3)NSL=CFSF×SFERL+CFFM×FML4)PTL=VSL×（CML+PCL）/2土壤肥力水平（SFERL，0~1）施肥管理水平（FML，0~1）CFSF为土壤肥力水平对产量的贡献率CFFM为施肥管理水平对产量的贡献率，取值依作物类型而异:小麦产量大约有67%来自土壤肥力水稻产量大约有67%来自土壤肥力棉花一生所需养分的70%来自于土壤油菜产量大约有84%来自土壤肥力生产技术水平（PTL）包括优良品种选用水平（VSL）、栽培技术水平（CML）和病虫草害防治水平（PCL）品质目标及指标以蛋白质含量为例。

籽粒蛋白质含量除受品种的遗传特性制约外，还受到外界气候条件的显著影响。气候生态因子对籽粒蛋白质的影响不但存在互作，而且作用大小不同。因此本模型在综合分析各个气候生态因子效应的同时，使用权重系数来进一步订正各气候生态因子对籽粒蛋白质的作用

APC为实际预测的籽粒蛋白含量（%）；PC0为潜在籽粒蛋白质含量（%）；ri为气候因子对蛋白质含量影响的权重系数；n为气候因子数；f（xi）为各气候因子对籽粒蛋白质含量影响的因子函数，0＜f（xi）≤1；Ri2为f（xi）的决定系数。（三）品种选择首先根据决策点常年气候条件决定决策点是否适宜种植某种作物。喜温作物（如水稻、棉花）来说，可以根据决策点的年≥10℃积温、最热月平均气温、生育期降水量来决定是否适宜种植。对喜凉作物（如小麦、油菜）来说，可以根据决策点的年≥0℃积温、最热月平均气温和最冷月平均气温来决定是否适宜种植。在确定能种植某种作物的基础上，再根据作物的一些特定要求，确定作物品种类型。喜凉作物（如小麦、油菜）可以通过一月份和七月份的平均温度MT1和MT7以及越冬完成后每天的温度DTaw等来计算决策点所能种的作物品种类型。喜温作物（如水稻、棉花）可以通过年≥10℃的积温AATA10、无霜期(d)NFP、种植方式等来决定该地能种的作物品种类型。然后，模型通过量化决策点所能提供的生理春化时间、温度高低、日照长短、最长生育期（用有效积温表示）、土壤肥力、土壤含盐量、用户对品种的需求和可选品种的特性（包括生理春化时间、抗冻性（耐热性）、光周期、生育期长短、产量、品质指标、耐肥性、抗盐性、抗病性、抗倒伏性、抗旱性、抗涝性和抗干热风能力），计算出品种各特征值的置性度，并以品种总置性度为依据，为用户推荐适宜的品种。（四）播期确定对春（夏）播作物，以作物播种后能安全出苗、安全移栽为播期确定的依据。通常以当地气温或地温能满足作物发芽的要求，作为最早播种期。对秋播作物，最佳播期的确定以播种至越冬始期具有形成壮苗所需的积温为原则。1)春（夏）播作物：GDD=

（DTT）

Tmax为日最高气温Tmin为日最低气温OTs为作物播种期生长要求的适宜温度ESD为最早的播期IJD为Tmean稳定升到能满足作物安全播种温度的开始儒历日ATst为安全移栽所需的积温ATse为播种到出苗所需的积温PHYLL为叶热间距，即连续两张叶片出现之间的热时间间隔，其大小随作物类型和品种而异MSLAtp为移栽时主茎的叶龄当GDD=ATst时的日期即为所求的育苗移栽作物的适播期

2)秋播作物：以气温稳定<3℃的始日为越冬始期向前倒推，当GDD=ATbw时的日期即为所求的冬前形成壮苗的适播期。ATbw=ATse+ATewATew=OMSLNbw×PHYLL

播种到出苗所需的积温（ATse）和出苗到越冬所需的积温（ATew）OMSLNbw为适宜的冬前主茎叶片数（五）基本苗和播种量1、基本苗禾谷类作物OPD=FSN/SPESN

SPESN=SPTSTN×TAOR×PTPv

TAOR=TAv×II

单位面积群体成穗数（FSN）与单株可靠成穗数（SPESN）单株理论茎蘖数（SPTSTN）茎蘖实际发生率（TAOR）品种的有效分蘖成穗率（PTPv）II为除品种分蘖力以外的其它影响因子对茎蘖实际发生率的综合影响IF(i)（土壤肥水丰缺因子、温度因子、基本苗因子和播种深度因子）RW(i)各相应的相对权重分枝类作物群体适宜茎枝数（OPSBN）与单株有效分枝数（SPEBN）

2、播种量播种量（SR）千粒重（TGW）或子指（SI，g）种子纯净度（SP，%）发芽率（GR，%）出苗率（SER，%）IF(i)（种子质量因子、温度因子、水分因子、土壤含盐量因子、土壤pH因子、容重因子、播种深度因子、整地质量因子和播种质量因子）各因子的相对权重（RW(i)）（六）肥料运筹TNR=(NUR

BNUS)/FNUE

作物一生的养分吸收需求（NUR）作物养分基础吸收量（BNUS）肥料养分当季利用率（FNUE，%）所需的氮、磷、钾总施用量（TNR）在确定养分总施用量的基础上，根据高产优质栽培管理要求计算养分施用的基追比。（七）水分管理OIA=（（SWClg

SWCeg）×ID×0.1+PETEPdgp）×10ID为灌溉管理深度（cm）PET为生育期内的作物田间潜在蒸散量（mm）EPdgp为生育期内的有效降水量（mm）SWCeg为生育初期作物根布层土壤含水量（%）SWClg为生育末期作物根布层土壤含水量（%）

二、动态调控指标（一）适宜生育进程根据各决策点的作物品种特性、常年气温条件以及各生育期最适气温，可以计算出各决策点适宜的作物主要生育期范围。（二）生长指标动态1、茎糵动态PD为基本苗c和d为待定系数OPSTNyt(GDD)为基于产量目标的某GDD时刻的适宜群体茎蘖数OPSTNmax为特定产量目标下的群体最高茎蘖数2、叶面积指数动态以基于PDT(生育期预测器

)的动态GDD为主线，根据各主要物候期的叶面积指数与最大叶面积指数的比值，利用线性内插法可以计算出高产条件下的适宜叶面积指数动态。最大叶面积指数可根据Monsi公式计算得到。3、干物质积累动态ODMA(GDD)为某GDD时刻的干物质积累量（kg∙hm-2）DMAmax为干物质的最大积累量INSTDMI为干物质的瞬时增长率CVidm是由增值开始时的干物质来决定的常数。

（三）养分指标动态三、实时动态调控以知识模型设计的作物适宜生育指标为标准“专家曲线”，当输入的实时苗情状况明显偏离标准的“专家曲线”时，系统分析原因，推荐一个适宜的调控措施（如施肥、灌溉、调节剂等）及调控时期，从而使得作物按照修订的“专家曲线”进行生长。最后系统输出调控的技术措施。AGNA（GDD）为某GDD时刻的养分积累量（kg∙hm-2）AGNAmax为植株地上部养分的最大积累量（kg∙hm-2）CVin为由增值开始时的养分来决定的常数INI为养分的瞬时增长率5．基于三层模型结构作物系统设计最适播期模型与产量潜力计算结合起来考虑1)年i播期d的积温（>10度）:

GDDdi=

（DTT）2)各个播期d的适播性

Cd=pdi(GDDdi/GDD)/Yearspdi--产量潜力,用ＦＡＯ-ＡＥＺ法计算3)最适播期maxCd

气象数据品种决策点种植制度生育期积温GDDid产量潜力Pid{GDDid},{Pid}进行统计求适播性值cd最适播期Maxcd播期范围输出播期统计信息2.3.1品种、播期决策系统流程生态区主推品种产量趋势抗病性抗逆性用途熟性产量--密度及群体设计模型设计模型模型建立田间试验B)基于生长曲线的群体设计模型Logistic:h=a/(1+be-ct)

统计分析技术评价A)基于阶段干物质积累过程的群体设计模型Richard:h=a/(1+eb-ct)1/d

产量-密度群体设计流程决策点基本信息播期统计信息土壤条件评价种植制度评价产量目标模型参数校正模型优化求解气候条件评价模型基本信息产量、密度、群体指标不满意产量-群体结构模型的建立A)群体指标的选择

从包括密度、成穗率及拔节、大口、乳熟、成熟等各时期的叶、茎、穗、轴等的生物量共30多项指标中选取与产量关系密切的指标4~8项：

先玉335的指标有：密度(株/ha)、拔节期地上部总重、吐丝期地上部总重、灌浆期地上部总重、乳熟期地上部总重、完熟期地上部总重、完熟期叶重、成穗率(％)；

B)模型的构建

利用选取与产量关系密切的指标建立有关方程

先玉335为：u1-拔节期地上部总重;u2-吐丝期地上部总重;

u3-灌浆期地上部总重;u4-乳熟期地上部总重;u5-完熟期地上部总重;u5L-完熟期叶重x1-密度(株/ha);x2-成穗率(％)

拔节期1135吐丝期2051灌浆期11637乳熟期23054完熟期23077完熟叶重3842密度(株/ha)70936成穗率(％)98.90以15000kg/ha产量作为目标，“MicrosoftExcel”的“规划求解”,优化后各个生育时期的群体指标值为：郑单958:Y=-0.32212-14.727b+0.0063017c2+0.0260064ab-0.0024339abc相关系数为R=0.863标准误差为sd=0.01848中农大4号:Y==-0.0906441+0.7074745a2-0.0000008451b2+0.0009498c2

相关系数为R=0.993标准误差为sd=0.0044基于logistic模型各参数与产量之间相关分析，（其中Y为单株产量，a,b,c为logistic方程的模型参数。）2作物养分需求设计模型养分积累时空效应理论:某阶段作物养分效应等叶与非叶、前期与本阶段积累养分效应之和,各部分养分效应又与本阶段温度变化特征及群体相关.Yi=(FLi-1i+△FLi

i+FS

i-1i+△FS.ii)×EDi

+

iYi

为某一生育阶段干物质积累量的日平均值FLi-1i为前期的叶片积累养分的效应△FLii为该生育阶段的叶片积累养分的效应FS

i-1i为前期的非叶积累养分的效应△FSii为该生育阶段的非叶积累养分的效应EDi为养分的群体影响效应

i为随机误差。FLi-1i=X

Li-1(ELi-1i×ETi-1i)其中：XLi-1为前期叶片养分积累量，E

i-1i为前期叶片养分的固定效应，ETi-1i为前期积累养分的温度效应。△FLi=△XLi(ELii×ETii)其中：△XLi为该生育阶段叶片的养分积累量，ELii为该生育阶段叶片的积累养分固定效应，ETii为该生育阶段的温度效应。FSi-1i=X

Si-1(ESi-1i×ETi-1i)其中：X

Si-1为前期非叶养分积累量，ESi-1i为前期非叶的固定效应。△FSi=△XSi(ESii×ETii)其中：△XSi为该生育阶段玉米单株茎秆的养分积累量，ESii为该生育阶段茎秆的固定效应。参数氮磷钾EL125.86-5.8916.69ES120.50.303.00EL221.338.911.17ES221.465.730.46ET121-(TA2/26.70)-2×8.19×(GD2/13)41-(TA2/24.03)-2×4.89(GD2/8.84)41-(TA2/26.03)-2×17.33×(GD2/15.33)-6ET221-|(TAW2–26.7)/