基于知识模型和生长模型的小麦管理决策支持系统

 将系统分析方法和数学建模技术应用于小麦栽培管理知识表达体系,通过解析和提炼小麦生育、管理指标与环境因子、生产水平之间的基础性关系和定量化算法,创建了小麦栽培管理动态知识模型(WheatKnow);进一步结合小麦生长模拟模型(WheatGrow)和小麦管理智能系统,充分利用软构件的语言无关性、可重用性及简便快捷的系统维护机制等特点,在Visual　C++和Visual　Basic平台上构建了综合性、数字化和构件化的基于知识模型与生长模型的小麦管理决策支持系统(MBDSSWM),实现了预测功能和决策功能的有机耦     

小麦栽培管理动态知识模型的构建与检验

 将系统分析方法和数学建模技术应用于小麦管理知识表达体系，通过解析和提炼小麦生育及管理指标与环境因子及生产水平之间的基础性关系和定量化算法，创建了小麦管理动态知识模型WheatKnow；充分利用软构件的技术特点，在Visual C++和Visual Basic平台上研制了数字化和组件化小麦管理动态知识模型系统，实现了播前栽培方案的设计和产中适宜调控指标动态的预测2大功能。其中，播前栽培方案包括产量目标、适宜品种、播期、基本苗及播种量、肥料运筹和水分管理；产中调控指标包括适宜生育期、穗分化进程、生长指标、源库指标和营养指标动态。利用不同生态点、不同品种、不同土壤等资料及大田对比试验对所建知识模型进行实例分析和检验的结果表明，所提出的小麦管理动态知识模型总体上具有较好的广适性和决策性。本研究克服了传统作物栽培模式与专家系统地域性强和广适性弱的不足，从而为实现作物栽培管理的精确化和数字化奠定了基础。     

基于构件化生长模型的作物管理决策支持系统

运用系统分析原理和数学建模技术,通过分析不同作物生长模型的共性及特点,初步创建了基于通用算法框架的作物生长模型。并进一步结合气象生成模型、品种参数生成模型及策略分析评价模型,以C#为编程语言,应用面向对象的程序设计与软构件技术,建立了基于构件化生长模型的作物管理决策支持系统。系统实现了农作模拟预测、决策支持和人机交互技术的有机耦合,具有农作信息管理、动态模拟、方案评估、因苗预测、时空分析及系统维护等功能。系统的建立可为通用性、综合性数字化作物管理决策支持系统的构建奠定基础。     

小麦栽培管理知识模型系统的设计与实现

在总结、归纳和提炼小麦栽培理论与技术的研究成果和知识积累的基础上，运用系统学方法和结构化途径，建立了具有时空适应性的小麦栽培管理动态知识模型系统，用于确定不同环境条件和生产系统下的小麦生育特征及栽培管理技术方案，系统包括：产量水平与产量结构、主要品质指标、品种类型、播种期、基本苗、播种量、适宜生育期；主要生育期的茎蘖数、叶龄、叶面积指数、生物量等动态指标；有效叶面积率、高效叶面积率和粒叶比等源库指标；氮、磷、钾肥料运筹及主要生育期的水分管理等。本系统克服了传统作物栽培模式与专家系统的地域性强和广适性差的不足，从而为实现作物栽培管理的定量化和信息化奠定了基础。     

基于模型的冬小麦-夏玉米两熟数字化种植设计系统构建

构建基于模型的定量化和数字化种植设计系统。以农业系统学理论和模拟模型为基础,运用知识工程和信息技术原理,总结并提炼黄淮海粮食生产区冬小麦-夏玉米一年两熟制种植模式关键技术,形成了冬小麦和夏玉米生长模拟模型、水分与养分动态平衡模型以及生产管理技术设计动态知识模型,构建了冬小麦-夏玉米两熟数字化种植设计系统。该系统采用面向对象的程序设计方法,在.NET平台上运用C#语言进行开发。该系统具有7大功能模块:文件管理模块、参数管理模块、生长模拟模块、实时管理模块、方案设计模块、专家咨询模块和系统帮助模块。该系统界面友好,易于使用,具有较强的机理性,同时兼顾应用性需求,基本实现了作物生产力与效益品质的相互平衡。     

紫苏栽培管理知识模型及决策支持系统研究

将系统分析原理和数学建模技术应用于紫苏栽培管理知识表达体系,通过解析和提炼紫苏生育指标及栽培技术与生态环境和生产技术水平之间的基础性关系和定量化算法,构建了具有时空规律的紫苏栽培管理动态知识模型,并进一步利用软件技术在Visual C++平台上构建了基于知识模型的紫苏管理决策支持系统(KMDSSPM),实现了不同环境条件下的紫苏播前栽培方案设计及产中调控指标预测。其中,播前方案设计包括产量目标与产量结构、密度设计、移栽方案、肥料运筹及水分管理等;调控指标预测包括叶龄动态,叶面积指数动态和干物质积累动态等。紫苏栽培管理知识模型的建立,克服了传统紫苏栽培模式及专家系统地域性强和广适性差的不足,从而为实现紫苏栽培管理决策的定量化和数字化奠定了基础。     

小麦管理智能决策系统的设计与实现

运用知识工程和信息技术原理,将小麦生长模型与专家系统相结合,建立一个基于生长模型的小麦管理智能决策系统（ＩＤＳＷＭ）。系统应用元级控制、模式匹配等策略,采用产生式规则表达专家知识,逆向推量机制进行推理。建立了知识库（ＫＢ）、模型库（ＭＢ）、数据库（ＤＢ）、推理机（ＩＥ）和人机界面。系统以Ｗｉｎｄｏｗｓ为应用平台,综合运用推理、预测、解释等机制帮助用户设计栽培管理方案,解答栽培技术问题,以及动态调控     

种植制度知识模型系统的设计与实现

以优化利用农业自然资源为出发点，着重运用系统分析原理和数学建模技术来研究种植制度设计的知识表达体系，在系统收集和分析种植制度设计方面的献资料以及专家知识和经验的基础上，通过定量解析种植制度指标与生态环境、品种类型、社会经济条件之间的动态关系，创建了种植制度设计知识模型；充分利用软构件的技术特点，在Visual C 平台上设计并实现了数字化和组件化的种植制度知识模型系统，实现了适宜作物选择、作物搭配、作物布局设计和系统维护等功能。本研究克服了传统种植制度专家系统地域性强和广适性弱的不足，为实现种植制度设计的定量化和数字化奠定了基础。     

基于模型的玉米管理决策支持系统研究

通过对已有玉米生产管理理论和技术研究成果的分析和提炼,运用系统分析理论和数学建模方法,充分挖掘玉米生长和管理指标与品种特性、生态因子及生产水平之间的动态关系和定量算法,分别构建了玉米生长模型和玉米管理知识模型.利用组件技术,在Microsoft Visual C＋＋.NET开发平台上建立了综合性和定量化的基于模型的玉米管理决策支持系统,该系统实现了玉米生长模型与管理知识模型的耦合.利用不同生态点和不同年份的气象、土壤和品种资料及大田比较试验对系统进行了检验,结果表明系统可以有效地进行玉米管理的辅助决策及实时诊断调控.     

数字农作技术研究的若干进展与发展方向

 着重介绍数字农作技术研究的若干最新进展与发展方向。数字农作即通过综合运用数字化技术，研究农作物生产系统中信息获取、处理、管理和利用的关键技术及应用系统，从而对农作系统过程的信息流实现全面的数字化表达和整合。近年来，作者围绕数字农作的关键技术及应用系统，开展了较为深入和系统的研究工作，重点在作物生长模拟模型、作物管理知识模型、作物生长无损监测、农作空间信息管理、数字农作决策系统等5个领域取得了显著的研究进展。数字农作的未来发展将需要综合运用信息管理、自动监测、动态模拟、虚拟现实、知识工程、精确控制、网络通讯等现代信息技术，以农作物生产要素与生产过程的信息化与数字化为主要研究目标，发展农业资源的信息化管理、农作状态的自动化监测、农作过程的数字化模拟、农作系统的可视化设计、农作知识的模型化表达、农作管理的精确化控制等关键技术，进一步研制综合性数字农作技术软硬件系统，实现农作系统监测、预测、设计、管理、控制的数字化、精确化、可视化、网络化。农作生长与生产系统的数字化将带动农业产业的信息化和现代化。     

作物生长模型（CropGrow）研究进展

农业信息技术是基于信息技术与农业科学的交叉融合而形成的新兴技术,催生了数字农业和智慧农业的快速发展。作物生长模型作为其核心内容之一,可以动态模拟作物生长发育过程及其与气候因子、土壤特性和管理技术之间的关系,从而有效克服传统农业生产管理研究中较强的时空局限性,为不同条件下的作物生产力预测预警与效应评估等提供量化工具。本文重点介绍笔者团队在作物生长模型的构建与应用方面形成的总体技术方法、最新研究进展及未来发展思考。通过20多年系统深入的探索和实践,本团队以小麦、水稻等作物为主要对象,以“生理机制解析-模型算法构建-生产力动态预测-效应定量评估-模拟平台研发”为主线,综合运用系统分析、动态建模、虚拟现实、情景模拟及决策支持等方法,开展了作物生长模型CropGrow的构建与应用研究。首先,利用系统分析方法与动态建模技术,构建了机理性与预测性兼备的综合性作物生长模型（CropGrow）,包括阶段发育与物候期、器官发生与建成、光合生产与物质积累、同化物分配与产量品质形成、养分动态、水分平衡以及作物三维形态建成与虚拟显示等子模型,可数字化、可视化表征不同条件下作物生长发育与生产力形成过程;然后,结合地理信息系统（GIS）和遥感（RS）技术,构建了基于模型、GIS和RS有效耦合的区域作物生产力预测技术;进一步量化了气候变化、品种更新、土壤改良、措施优化对区域作物生产力形成的影响,拓展了适宜方案生成、理想品种设计、气候效应评估、耕地利用评价以及农业政策制定等应用技术;最后,运用构件化程序设计思想,基于作物生产数据库、作物模型构件库等,集成开发了基于模型的数字化、可视化作物生长模拟系统与决策支持平台,实现了数据管理、参数优化、生长模拟、遥感耦合、区域预测、方案设计、效应评估、安全预警、产品发布等综合功能。未来作物模拟研究将在完善基础数据库的基础上,进一步提升预测能力、量化基因效应、拓展智能决策、耦合多功能模型等,为粮食生产的预测预警、情景效应的量化评估、生产管理的智能决策、作物品种的优化设计等提供数字化支撑,对于保障国家粮食安全和推进数字农业发展具有重要意义。     

小麦作物模型研究进展

作物模型是农业模型的重要内容,主要分为作物生长模型和作物形态结构模型以及作物结构功能模型。本文从小麦生长模型和小麦结构功能模型及可视化两方面,较系统综述了国内外具有代表性的生长模型和小麦地上部与根系的形态模拟及可视化的研究进展。在小麦生长模型方面,对美国的CERES-Wheat模型、荷兰的作物模型、澳大利亚的APSIM-Wheat模型和中国的WCSODS四种小麦生长模型进行了概述,并对小麦生长模型的发展趋势进行了探讨。在小麦结构功能模型方面,根据研究器官的不同对根系、茎杆、叶和麦穗的形态结构模型与可视化的研究进展进行了综述。最后,对小麦作物模型存在的问题及发展前景进行了总结。     

Development of a growth model-based decision support system for crop management

A growth model-based decision support system for crop management (GMDSSCM) was developed, which integrates process-based models of four different crops—wheat, rice, rape and cotton—and realized decision support function, thus facilitating the simulation and application of the crop models for different purposes. The individual models include six sub models for simulating phase development, organ formation, biomass production, yield and quality formation, soil-crop water relations and nutrient (N, P, K) balance. The implemented system can be used for evaluating individual and comprehensive management strategies based on the results of crop growth simulation under various environments and different genotypes. A stand-alone edition (GMDSSCM^A) was established on VC++ and VB platforms by adopting the characteristics of object-oriented and component-based software and with the effective integration and coupling of the growth prediction and decision-making functions. A web-based system (GMDSSCM^W) was then further developed on the.net platform using C# language. These GMDSSCM systems have realized dynamic prediction of crop growth and decision making on cultural management, and thus should be helpful for the construction and application of informational and digital farming system.     

基于VB的小麦精确定量数字化栽培系统的初步研究

小麦数字化栽培体系是"数字农作"的重要组成部分.在充分整合作物栽培学基本知识与相关研究成果的基础上,以软件工程思想为指导,采用面向对象的可视化编程方法,初步研发了包括小麦基本栽培知识数字化、小麦器官建成及产量形成的数字化、小麦高产群体空间结构的数字化以及小麦常见病虫害预防与治理的数字化等内容的小麦数字化栽培应用系统.     

基于WebGIS和知识模型的精确农作决策支持系统

在提炼和优化作物管理知识模型的基础上,以WebGIS为空间信息平台,运用软构件技术及B/S分布式网络结构,构建了网络化精确农作决策支持系统.系统实现了基本地图操作、信息查询、差异分析、决策支持、结果展示以及系统维护功能,其中决策支持功能可基于田区土壤肥力和苗情长势差异进行数字化管理方案生成和因苗动态调控.在水稻试验示范区的系统应用结果表明,根据系统推荐的方案进行水稻田间管理,可使该区整体产量水平提高12.16%,肥料施用量减少23.55%,产量变异度下降79.49%.研究结果为实现网络化、数字化、广适性的精确农作决策支持提供了基本平台.     

基于生长元模型的智能化作物集成建模辅助系统研究

 【目的】探索智能化作物集成建模方法和开发实用辅助建模工具。【方法】在综合分析麦、稻、棉等作物的生长模拟模型算法及模拟系统的基础上,提炼作物通用建模流程、模型结构、模型接口和模型模板,构建作物生长元模型;在模型资源库、组件、描述脚本和引擎等技术的支撑下,设计层次化、组件化和智能化作物集成建模辅助系统（IICMSS）结构及核心部件。【结果】基于.Net平台,使用C#语言和SQL Server数据库开发原型系统;以小麦为对象,重构了生长模型和模拟系统。与基于代码编程的小麦生长模拟系统相比,开发方法有所改进,方便了作物模型及模拟系统的开发、测试、维护和共享。【结论】基于生长元模型的智能化作物集成建模辅助系统实现了作物建模的工作流程化、手段工业化、接口通用化及模型透明化,促进了作物建模过程的自动化;作物模型研究者使用学习、定制、设计、配置、组装、评估和扩展等手段,即可无编程、智能化地构建作物模型。     

小麦生长模拟与三维可视化系统构建技术研究

作物生长过程的三维可视化是虚拟作物研究的关键技术之一,针对小麦形态结构复杂,小麦生长可视化不易实现的问题,以小麦作物为对象,在已有研究成果基础上,结合小麦生长模拟模型和形态结构模型,从系统结构与功能、系统设计与实现、真实感图形渲染技术（颜色渲染、纹理映射、光照处理）等方面入手,构建小麦生长模拟与三维可视化系统,实现了小麦生长模型和形态结构模型的有机结合,最终实现了小麦生长过程的三维可视化。小麦生长模拟与三维可视化系统将为小麦作物生长动态预测、栽培管理调控、作物株型设计等提供形象逼真的可视化工具,为小麦理想株型筛选,高产、高效、抗倒伏设计与优化等提供技术支撑。     

小麦-玉米连作协同模型系统研究

小麦-玉米连作是我国北方地区重要的种植方式,本文提出了小麦玉米管理模型的协同机制,探讨了基于生理生态过程的小麦玉米生长、发育、产量和品质形成协同模型,小麦-玉米周年连作协同模型,基于协同模型的连作决策支持仿真系统实现方法等.     

基于本体的作物系统模拟框架构建研究

 【目的】研究作物系统模拟框架（CSSF）可以为构建作物生长模型及设计可重用的作物系统模拟软件提供基础框架。【方法】将本体技术应用于作物模拟模型领域,以作物生长的基础生理生态过程为主线,基于仿真本体和作物模拟本体,综合分析与提炼稻麦棉油等作物的建模流程、生长模拟模型算法及模型参数中的共性概念及概念之间的相互关系,构建了CSSF。【结果】CSSF包括作物建模外部知识框架（CMOKF）和作物模型内部知识框架（CMIKF）,其中CMOKF提炼了作物系统受时间、空间和自然环境共同驱动的共享特征,CMIKF描述了生育期、生物量积累、干物质分配与产量形成、器官建成、作物-土壤水分动态和养分平衡等作物模型组分与模型算法的共性特征。【结论】CSSF实现了作物建模概念、流程、结构和方法的知识级共享,对设计可重用的作物模型软件体系结构具有指导作用。     

Knowledge model-based decision support system for maize management

Based on the relationship between crops and circumstances, a dynamic knowledge model for maize management with wide applicability was developed using the system method and mathematical modeling technique. With soft component characteristics incorporated, a component and digital knowledge model-based decision support system for maize management was established on the Visual C++ platform. This system realized six major functions: target yield calculation, design of pre-sowing plan, prediction of regular indices, real-time management control, expert knowledge reference and system administration. Cases were studied on the target yield knowledge model with data sets that include different eco-sites, yield levels of the last three years, and fertilizer and water management levels. The results indicated that this system overcomes the shortcomings of traditional expert systems and planting patterns, such as site-specific conditions and narrow applicability, and can be used more under different conditions and environments. This system provides a scientific knowledge system and a broad decision-making tool for maize management. Translated from Transactions of the Chinese Society of Agricultural Engineering, 2006, 22(10): 163–166 [译自: 农业工程学报]