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。     

基于有效积温的冬小麦返青后植株三维形态模拟

【目的】基于有效积温,利用三维建模技术,实现小麦生长模型与形态模型的有机结合,真实表达环境因素对小麦生长发育和形态结构的影响,最终实现小麦生长过程的三维可视化,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重要参考。【方法】以天津地区主要推广小麦品种衡观35、济麦22和衡4399为材料,于2015—2016年冬小麦生长季内开展不同小麦品种和施氮水平的田间试验,采集各品种冬小麦在不同施氮水平下的叶长和最大叶宽等形态数据,通过分析各品种冬小麦返青后形态数据和有效积温的定量关系,用Logistic方程构建了冬小麦返青后叶片叶长、最大叶宽模拟模型,并对该模型进行检验;基于该模拟模型,计算各品种冬小麦返青后每个生长日的形态数据,借助OpenGL和NURBS曲面造型技术,构建冬小麦几何形态模型,最终实现冬小麦生长模型与形态模型的结合,实现了冬小麦返青后生长过程可视化。【结果】在不同品种、不同施氮水平下,小麦叶长回归方程R2值在0.772—0.983之间,F值在10.153—340.191之间,且Sig小于显著水平0.05,最大叶宽回归方程R~2值在0.853—0.999之间,F值在17.371—4 359.236之间,且Sig小于显著水平0.05,表明上述模型拟合度和显著性均较好。经数据检验,叶长模型绝对误差在0—3.88 cm之间,根均方差(RMSE)值在0.24—1.95 cm之间,最大叶宽模型绝对误差在0—0.28 cm之间,RMSE值在0.02—0.15 cm之间,表明所建模拟模型精度较高,该模型对不同品种冬小麦返青后的叶片生长具有较好的预测性;基于所建模拟模型计算冬小麦返青后逐日形态数据,可构造不同品种、不同施氮水平下的冬小麦植株形态,可逼真模拟冬小麦返青后植株动态生长过程。【结论】基于有效积温构建的冬小麦返青后叶长和最大叶宽模拟模型,可较好预测冬小麦返青后叶片生长状态,可实现小麦生长模型和形态模型的有机结合,实现不同品种冬小麦在不同施氮水平下的叶片生长可视化。     

基于可视化的超级玉米生长模拟系统

 【目的】更直观地展示超级玉米的整个生长过程,量化其生长发育参数。【方法】将系统分析和数学建模技术应用于超级玉米生长发育,解析和提炼超级玉米生长发育过程与形态建成之间的基础性关系和定量化算法;以形态建成参数为基础,结合OpenGL构建超级玉米虚拟模型,在VC++6.0平台上进行系统的设计开发。【结果】实现了以GDD为驱动因子的超级玉米生长发育参数的量化输出与可视化表达; 通过形态建成模型与生长发育模型的数据交流,实现了预测功能与可视化表达的有机耦合与集成。【结论】运行结果表明系统具有较好的应用性,从而为超级玉米的研究提供了技术支持。     

小麦籽粒蛋白质组分含量的动态模拟研究

 【目的】建立小麦籽粒蛋白质组分含量的动态模拟模型,以期为预测小麦籽粒品质状况提供关键技术支持。【方法】通过定量分析不同品种和水氮处理下小麦籽粒蛋白质组分含量的变化过程,构建了小麦籽粒蛋白质组分含量随花后生长度日（GDD）的动态模拟模型。模型采用幂函数方程描述了清蛋白含量随花后GDD的动态变化,对数函数方程描述了醇溶蛋白和谷蛋白含量的变化过程;并以籽粒氮素和水分因子描述了不同水氮状况对小麦籽粒蛋白质组分含量变化的定量影响。同时利用独立的观测资料对所构建的模型进行了检验。【结果】模型对不同温度下灌浆期籽粒清蛋白、球蛋白、醇溶蛋白、谷蛋白含量预测的均方根差分别为0.44%、0.58%、0.53%和0.59%;对成熟期籽粒蛋白质组分含量预测的均方根差分别为0.41%、0.56%、0.75%和0.56%。【结论】模型对不同生长条件下小麦籽粒蛋白质组分含量的变化动态具有较好的预测性,从而为模拟小麦籽粒品质和完善小麦生长模拟系统奠定了基础。     

基于Agent的温室作物生长过程模拟系统

针对目前温室作物生长模型重用性和共享性差的问题,建立了基于Agent的温室作物生长模拟系统,分析了模型集成的模型Agent、管理Agent、通信传输系统和模型目录服务器的结构和功能,建立了基于XML的温室作物生长模拟Agent、目录服务器和Agent间通信表示方法,采用程序-逻辑混合(PLM)方法实现模型表示。以JADE平台为基础,开发了温室作物生长模拟系统软件。以黄瓜生长模型进行了系统测试,结果表明本系统所建立的温室黄瓜生长模型能实现温室黄瓜生长的模拟。     

基于生长模型的小麦变量施肥决策系统构建与应用

在集成专家系统与作物生长模型的基础上,以小麦生长过程中的叶面积指数为变量,构建了基于生长模型的小麦变量施肥决策系统.采用组件对象模型实现了与专家系统的有效衔接,并与其中的数据库、小麦生长模型库等形成一套完整的体系,可以对不同地区不同小麦品种进行施肥指导,包括播前氮、磷、钾总量和播后氮肥的精确追施量.河南省郑州市和鹤壁市两地的小麦试验验证结果表明,该系统可以兼顾天气、土壤及作物长势等因素,为今后精确农业的推广打下了良好的基础.     

白粉病对小麦光合特性的影响及病害严重度的定量模拟

【目的】明确白粉病胁迫对小麦光合特性的影响规律,构建白粉病胁迫下小麦光合生产的模拟模型。【方法】以小麦为试验材料,分别于拔节期和孕穗期进行不同接种程度的小麦白粉病试验,明确白粉病对小麦光合特性的影响规律;在此基础上构建小麦白粉病严重度预测模型,量化白粉病对小麦的生理影响;基于单叶净光合速率(P_n)和叶面积指数(LAI),实现小麦白粉病严重度预测模型与作物生长模型(WheatGrow)的耦合。【结果】白粉病胁迫下,小麦单叶P_n和LAI均呈现下降趋势,与对照(CK)相比分别平均下降18.81%和23.41%,且与初始接种程度相比,发病时期对小麦P_n和LAI的影响更为严重;小麦白粉病田间病情发展具有明显的平缓期、指数爆发期和稳定期,总的来说各处理下小麦白粉病流行的时间动态变化特征符合Logistic函数,基于白粉病胁迫对小麦影响的拟合结果,构建小麦白粉病病害胁迫因子,用以反映白粉病对小麦生理指标影响的胁迫效应;基于WheatGrow模型的光合生产子模型,结合小麦白粉病病害胁迫因子,提出模拟白粉病对小麦叶片P_n     

区域冬小麦籽粒蛋白含量遥感预测研究

【目的】籽粒蛋白含量是衡量小麦品质优劣的重要标准,快速准确预测小麦GPC有利于其品质评价和分级管理。【方法】文章分别以卫星光谱参数、农学氮素参数以及气象因子为影响因素,并运用多元线性回归模型、极限学习机算法、地理加权回归模型3种方法实现对冬小麦GPC的预测,最终构建及评价基于不同自变量和不同方法的GPC预测模型。【结果】(1)小麦开花期氮素参数,小麦冠层光谱参数与小麦籽粒蛋白品质的关系显著相关,影响小麦籽粒蛋白品质的关键性气象因子包括5月26—30日降雨和、5月中旬至6月上旬日照和、3月上旬至6月上旬积温和;(2)以卫星光谱参数、农学氮素参数和气象因子为自变量,分别采用多元线性回归、极限学习机和地理加权回归3种方法构建小麦GPC的预测模型;其中,基于多元线性回归模型构建的GPC模型决定系数R~2为0.598,验证集标准均方根误差nRMSE和平均绝对误差MAE分别为10.36%、1.091,验证结果较稳定;基于ELM构建的GPC模型R~2为0.483,验证nRMSE和MAE分别为10.895、1.111;基于GWR的GPC模型建模精度及验证精度相对最优,其建模R~2为0.616,验证nRMSE及MAE分别为8.58%、0.956,为最优选择。【结论】综合分析模型的精度评价指标可知,考虑空间数据不稳定性构建的地理加权回归模型的预测精度最好,能更加准确地预测冬小麦籽粒蛋白含量,为精确反演冬小麦GPC区域间和年际间的预测提供可靠依据,具有广泛的应用前景。     

冬小麦叶色动态的量化研究

 【目的】模拟小麦叶色变化的动态过程,为实现小麦生长的可视化表达奠定基础。【方法】以不同施氮水平下不同类型小麦品种的两个生长季田间试验为基础,通过连续测量不同处理条件下小麦主茎和分蘖不同叶位叶片的SPAD值,综合分析小麦叶片SPAD值随生育进程的变化规律及其与RGB值的关系,进而构建基于SPAD的冬小麦叶色变化动态的模拟模型。【结果】模型采用分段函数描述叶片SPAD值随生育进程的动态变化过程：第1阶段为基于二次曲线的叶色增强过程;第2阶段为相对稳定的功能期叶色维持过程;第3阶段为基于二次曲线的叶色减弱过程;并基于叶片氮含量表达了氮素供应水平对叶片SPAD值变化规律的影响,同时用线性方程描述了叶片SPAD值与RGB值之间的定量关系。利用独立的小麦田间试验资料对所建模型进行了测试和检验,显示不同时刻主茎和分蘖叶片SPAD预测值的平均RMSE分别为11.60%和9.03%。【结论】本模型具有较强的动态预测性和可靠性,为进一步建立虚拟小麦生长系统奠定了基础。     

基于形态特征参数的稻穗几何建模及可视化研究

 【目的】建立基于形态特征参数的稻穗几何模型,实现稻穗的可视化。【方法】通过对稻穗形态建成过程中关键特征的观测分析,利用三维几何建模技术,构建基于形态特征参数的稻穗几何模型,包括穗曲线、穗轴、次枝梗和小穗几何模型;用Bezier曲线来拟合穗曲线,将二维空间的穗曲线映射到三维空间,构建穗轴几何模型;用一段穗轴及圆柱体模拟一次枝梗和二次枝梗;并分别用椭球体及圆柱体模拟小穗的谷粒及小枝梗,最后基于稻穗的拓扑结构,构建稻穗几何模型。模型参数主要有穗长、穗倾角、一次枝梗长、一次枝梗数目、二次枝梗长、二次枝梗数目、谷粒大小等。【结果】在稻穗几何模型基础上,基于OpenGL图形平台,实现了稻穗生长过程的三维可视化, 较好地描述了稻穗形态建成过程。【结论】稻穗的可视化为建立可视化水稻生长系统奠定了基础,同时对其它作物的可视化表达也有很好的借鉴意义。     

不同算法红边位置监测小麦冠层氮素营养指标的比较

【目的】红边位置常被用于监测作物叶片氮素营养状况。本文旨在通过不同算法提取红边位置,分析并比较不同算法提取的红边位置对氮素营养监测模型的准确性和可靠性差异,确定监测小麦叶片氮素营养的最佳红边位置算法及定量模型。【方法】基于不同施氮水平、播种密度、品种类型和生育时期的小麦田间试验,系统分析不同算法的红边位置(一阶微分、倒高斯法、多项式拟合法、四点内插法、拉格朗日法、线性外推法)与冠层叶片氮素营养指标的定量关系,比较不同算法红边位置对氮素营养监测的准确性和可靠性。【结果】线性外推法为计算小麦红边位置的最佳算法,并建立了基于线性外推法的小麦冠层叶片氮素营养定量监测模型。【结论】研究结果为小麦冠层叶片氮素营养指标的可靠监测提供了有效途径。     

基于Pro/E的土壤结构与小麦幼苗期根系关系模拟与分析

【目的】探讨一种不仅可以对作物根系进行3D重构的技术手段,而且实现对根系及土壤结构各指标以及二者相互关系的计算方法,从而为根土系统的研究提供一种通用且兼备造型和计算分析功能的技术路径。【方法】运用Pro/E软件的造型功能对实测小麦根系的空间坐标数据进行3D重构,计算表征小麦根系与土壤结构关系的指标,进而使用这些指标分析比较旋耕和免耕两种耕作处理下的根土关系动态变化。【结果】在各监测期内免耕处理的小麦根系总长大于旋耕处理,不过在播后的28d之内免耕处理的根系水平夹角显著高于旋耕处理,这一关系又在播后42—70d消失。免耕的根系主轴扩展土体体积总大于旋耕,而且二者的包络土体体积和单位根系长度有效土体体积也具有同样的特征。在小麦生长的前56d内包络土体体积和单位根系长度的有效土体体积呈现增长的趋势,而在56—70d这两个参数值急剧下降。【结论】Pro/E开发平台能够提供丰富的3D根土系统造型及计算分析功能。根系水平夹角、根系主轴扩展土体体积、根系包络土体体积、单位根系长度有效土体体积是表征根土关系的描述指标。运用这些指标可以对耕作引起的土壤结构状态,以及耕后土壤结构与小麦根系关系的动力学演变过程进行跟踪和定量。     

基于数据融合的农作物生产风险评估新方法

【目的】解决农作物生产风险传统评估方法中存在的问题,更准确客观地评估农作物生产风险。【方法】利用TRIZ创新理论“九屏幕法”对传统评估方法缺陷进行分析,提出综合利用作物单产和作物灾情信息的农作物生产风险评估新方法,并以东北三省玉米、小麦、花生、稻谷和大豆5种主要作物的生产风险评估为例,对该方法的效果进行了实证检验。【结果】基于单产数据作物风险评估的传统方法低估了作物真实风险水平,低估程度受地理位置、作物种植生产区域布局及作物品种的影响。基于数据融合的生产风险评估方法既可以准确评估出作物生产风险水平、又可以对具体灾害引致的作物生产风险进行评估。【结论】基于数据融合的生产风险评估新方法切实可行,且较传统方法具有明显的优势。     

基于系统工程原理的作物化感潜力评价及其应用初探

 【目的】探索作物化感潜力评价方法，分析作物整体化感潜势，理论评价黄土高原旱作小麦的综合化感潜势。【方法】建立作物化感潜力的系统工程评价模型，提出作物植株整体评价的定量描述方法，对黄土高原半干旱区4种普通小麦品种化感潜力进行理论上的整体评价和总体化感潜力比较。【结果】对黄土高原半干旱区4种普通小麦品种的化感潜力综合评价理论上得出其化感潜力总体处于较低水平，其中化感潜力综合表现为小偃22号>宁冬1号>丰产3号>碧玛1号。【结论】系统工程评价模型的建立对于辅助快速有效地评价作物品种和单植株的化感潜力和培育具有抗草和高产优质及相关优良农艺特征作物新品种具有重要的科学指导意义。     

基于高光谱成像估测冬小麦不同生育时期水分状况

【目的】研究实时、快速估测冬小麦不同生育时期水分状况并构建模型,为冬小麦水分精准管理提供科学依据。【方法】以新疆典型滴灌冬小麦为研究对象,应用高光谱成像技术获取冬小麦冠层光谱信息,并对原始光谱反射率进行平滑和数据变换,利用一元线性回归(Simple linear regression,SLR)、主成分回归(Principal components regression,PCR)和偏最小二乘回归(Partial least squares regression,PLSR)3种建模方法,对冬小麦冠层原始光谱及变换光谱分别构建植株水分含量估测模型。【结果】冬小麦冠层原始光谱反射率与植株水分含量相关性不高,对原始光谱反射率进行数据变换可以显著增强与水分含量的相关性和相关波段数,其中倒数一阶微分变换与冬小麦植株水分含量的相关系数最大,为-0.893 0,但不同变换最优相关系数所对应的波段位置并不固定。PLSR方法的模型精度最高,对数变换的PLSR模型估测精度最高,模型$R_{p}^{2}$、RMSE_p、RPD值分别为0.880 8、3.251 2%、2.934 3;冬小麦不同生育时期估测模型精度存在差异,拔节期、抽穗期估测模型精度较低,灌浆中期最高,其估测模型$R_{p}^{2}$、RMSE_p、RPD值分别为0.904 8、1.381 1%、3.454 7。【结论】利用高光谱成像技术对估测冬小麦植株水分含量是可行的,在灌浆中期的估测效果最佳。     

基于新型植被指数的冬小麦LAI高光谱反演

【目的】本研究旨在分析冠层叶片水分含量对作物冠层光谱的影响,构建新型光谱指数来提高作物叶面积指数高光谱反演的精度。【方法】在冬小麦水肥交叉试验的支持下,分析不同筋性品种、施氮量、灌溉量处理下的冬小麦叶面积指数冠层光谱响应特征,并分析标准化差分红边指数(NDRE)、水分敏感指数(WI)与叶面积指数的相关性,据此构建一个新型的植被指数——红边抗水植被指数(red-edge resistance water vegetable index,RRWVI)。选取常用的植被指数作为参照,分析RRWVI对于冬小麦多个关键生育期叶面积指数的诊断能力,随机选取约2/3的实测样本建立基于各种植被指数的叶面积指数高光谱响应模型,未参与建模的样本用于评价模型精度。【结果】研究结果表明,随着生育期的推进,冬小麦的叶面积指数呈先增加后降低的变化趋势,不同的水肥处理对冬小麦叶面积指数具有较大影响。开花期之后冬小麦LAI显著下降,强筋小麦(藁优2018)在整个生育期叶面积指数均高于中筋小麦(济麦22);不同氮水平下冬小麦冠层光谱反射率在近红外波段(720—1 350 nm)随着施氮量的增加而增大,与氮肥梯度完全一致,其中2倍氮肥处理的近红外反射率达到最高;不同生育期下冬小麦冠层光谱反射率变化波形大体一致;各个关键生育期的NDRE和WI均存在较高的相关性,而NDRE与LAI的相关性明显优于WI,新构建的植被指数RRWVI与LAI的相关性均优于NDRE、WI;虽然8个常用的植被指数均与LAI存在显著相关,但RRWVI与LAI相关性达到最大,其拟合曲线的决定系数R2为0.86。【结论】通过分析各种指数所构建的冬小麦叶面积指数高光谱反演模型,新构建的RRWVI取得了比NDRE、NDVI等常用植被指数更为可靠的反演效果,说明本研究新构建的红边抗水植被指数可有效提高冬小麦叶面积指数的精度。     

春小麦滴灌节水高产高效栽培技术研究

[目的]新疆兵团农八师148团地处天山北麓、准噶尔盆地南缘,北靠古尔班通古特大沙漠,属典型的大陆性气候,是荒漠绿洲灌溉农业,以棉花、小麦、玉米等作物种植为主.土地资源丰富,作物生长期间光温资源充裕,但干旱少雨,农业生产靠灌溉,水源不足,制约着生产发展.针对上述问题研究春小麦滴灌节水高产高效的栽培技术.[方法]利用现有棉花滴灌设施滴灌春小麦.[结果]2008年起,打破传统的地面灌水方法,创新小麦栽培滴灌模式.两年累计种植春小麦2 183.33 hm~2.[结论]通过春小麦地面灌和滴灌种植对比,论述有关春小麦滴灌节水高产高效栽培技术措施,总体效益显著.     

基于高光谱的冬小麦叶面积指数估算方法

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm,蓝光450 nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数（R2）为0.675-0.757,其中NDVI反演模型的R2最高为0.757。【结论】经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演。