作物模拟与数字作物

第1章作物模拟发展概述 作物模拟研究自20世纪60年代由荷兰的 de Wit（1965）和美国的 Duncan等（1967）开创以来，随着系统科学和计算机技术的快速发展及作物学、土壤学、大气科学等知识的不断积累，发展十分迅速，经历了从定性的概念模型到定量的模拟模型、从单一的生理生态过程模型到完整的作物生长与产量形成的综合性模拟模型的发展过程，并逐步协调了模型的机理性与预测性之间的矛盾，使作物生长模拟从萌芽逐步走向成熟。进入90年代以来，作物生长模型开始与其他农业信息技术，如“3S”技术［地理信息系统（GIS）、遥感（RS）、全球定位系统（GPS）的统称和集成］、决策支持技术及网络技术等相耦合，在现代农业研究与应用领域中发挥日益重要的作用，呈现出广阔的发展和应用前景。本章主要介绍作物模拟的基本概念、发展历程、内涵特征及功能作用，为了解作物模拟技术原理及应用前景奠定基础。 1.1作物模拟的产生与发展 作物模拟是一门新兴的交叉学科，融合了作物生理生态研究的重大进展。它是以系统分析方法和计算机模拟技术来定量描述作物生长、发育和产量形成的过程及其对环境和管理技术的响应，是作物生理生态知识的高度综合与有效集成，有助于理解、预测和调控作物生长发育及其与环境和管理技术之间的关系（朱艳等，2020；Penning de Vries et al.，1989），是数字农业与智慧农业的核心内容之一。 1.1.1作物模拟的定义 农业生产系统是一个复杂而独*的多因子动态系统，受基因型、环境和管理技术等多种因素的影响，具有显著的时空变异性和区域性，从而使得农业生产管理专家难以综合考虑多因子互作来预测农业生产趋势并量化生产管理措施。作物模拟（模型）又称为作物生长模拟（模型）或作物系统模拟（模型），是利用系统分析方法和计算机模拟技术，综合作物生理学、生态学、气象学、土壤学和农学等学科的昀新研究成果，对作物生长发育过程及其与环境和管理技术之间的动态关系进行定量描述和预测。因此，作物生长模拟能够克服传统农业生产研究中较强的地域性和时空局限性，为不同条件下的农业生产预测提供有力的定量化工具。在作物生长模拟中，作物生理生态知识是模型建立的关键，系统分析方法是模拟研究的基础，而计算机软件技术则是模型实现不可缺少的辅助工具。作物生长模拟研究的核心是对整个作物生长和生产系统进行知识综合，并对作物生理生态过程进行量化表达（Bouman and van Laar，2006）。 作物生长模拟模型（Crop Growth Simulation Model）是把作物生长过程的各种生理生态机制概括为数学表达式，把其中非结构性问题表达为知识性逻辑关系，通过程序设计形成综合的计算机仿真系统（曹卫星，2008）。作物生长模型具有较强的机理性、系统性和通用性。作物生长模型的成功开发和应用实现了作物生长发育规律由定性描述向定量分析的转化，为作物生产决策支持系统的开发与应用奠定了定量化基础，特别是为数字农业和智慧农业发展提供了关键核心技术。 1.1.2作物模拟模型的类型 作物模拟模型按不同的功能特征及建模的目的和方法大致可以分为经验模型与机理模型、描述模型与解释模型、统计模型与过程模型、应用模型与研究模型等。其中，前一类模型相对简单一些，经验性的成分多一些，注重模型的预测性和应用性；后一类模型则要复杂一些，机理性的成分多一些，强调模型的解释性和研究性。 1.经验（empirical）模型与机理（mechanistic）模型 经验模型建立在数据统计分析的基础上，较少涉及过程性和机理性，偏重模型的预测性和应用性；机理模型对内在过程与机理有较好的阐释，强调模型的解释性和研究性。 2.描述（descriptive）模型与解释（explanatory）模型 描述模型以简单的方式描述一个系统的行为，而对引起行为的机理，模型较少或不予反映，描述模型可以通过测定的试验数据推导出来，其建立过程相对比较简单；解释模型侧重对引起系统行为的机理和过程的定量描述，这些描述即为科学理论和假设的清晰表达，模型是通过综合整个系统的机理和过程描述建立的。例如，解释性的作物生长模型包括光合作用、呼吸作用、同化物积累与分配、形态发生与器官建成、产量与品质形成等过程，作物生长则是这些基本过程的综合结果。建立解释模型，需要对整个系统进行分析，并分别对其整个过程和机理进行定量化表达。 3.统计（statistical）模型与过程（process）模型 统计模型是一种昀常使用的模型，主要通过对数据进行多重回归和拟合来预测系统的表现，其解释性较差，并且局限于试验资料所在地特定的大气环境、土壤条件和品种类型，难以推广到不同的环境条件和品种类型；过程模型用于定量描述生物与非生物的一些基本过程，具有较好的机理性和解释性，适用于不同的环境条件和生产系统。 4.应用（application）模型与研究（research）模型 应用模型主要倾向于应用推广，因而具有便于使用、较为粗放和方向比较单一的特点；研究模型主要用于科研，对其机理性要求较高，因而具有操作复杂、参数较多、灵敏度高等特点。 总体上看，所有作物模拟模型从更微观的层次上都可认为是经验性模型，而从更宏观的层次上又都可看作是机理性模型。因此，任何一个模拟模型都体现了经验性和机理性的相对平衡与协调。 1.1.3作物模拟的发展历程 作物模拟的发展经历了从定性的概念模型到定量的模拟模型，从数量植物生理学中的生理生态过程模拟慢慢发展成为综合的作物生长模拟模型。20世纪60年代以来，随着系统科学和计算机技术的发展及作物学知识的积累，作物模拟研究得到了快速发展，进而促使作物生产系统的综合分析和科学决策也成为现实。作物模型发展的动力主要来源于计算机科学与技术的发展、作物学的知识积累、管理决策的定量要求、农业推广中的技术转移及作物生产系统固有的独*性和变异性。 国际上有关作物模拟研究的发展，大体上可以概括为以下4个主要阶段。 1.过程建模期 20世纪60～80年代，生理生态过程的数量分析与模拟研究的诞生与发展，为作物生长模型的研究奠定了基础。荷兰的 de Wit（1965）及美国的 Duncan等（1967）相继发表了冠层光能截获与群体光合作用的模拟模型，从系统论的角度，以作物生理学和作物生态学为主要学科基础，研究了作物生长发育与光合产量形成的过程及与生态环境因子之间的定量关系，把作物生长过程的各种生态与生理机制概括为简单的数学表达式，成为作物生理生态过程模拟的经典之作。此后的一二十年间，作物模拟研究迅速发展，进一步趋向于系统性、机理性，实现了从不同生育过程的模拟到完整的生长周期的模拟，作物模型在深度与广度上都得到了较好的发展。这一时期，关于作物生长与产量模型的研究以荷兰和美国昀为突出，特别是80年代提出的 CERES（Jones et al.，1986）、GOSSYM（Baker et al.，1983）、SUCROS（Penning de Vries and van Laar，1982）、MACROS（Penning de Vries et al.，1989）等作物模型，都能完整地描述和预测作物生长及产量形成的全过程。在此期间，我国的科学家也开始了作物模拟模型方面的研究工作，并在植物生理生态过程的模拟方面取得了可喜的成绩，初步提出了水稻等作物产量形成模型（黄策和王天铎，1986）。 2.系统模拟期 20世纪80～90年代，在过程模型的基础上，运用整体性系统方法，围绕作物生产系统，构建了作物生长与生产力预测模型，发展了作物-土壤-大气系统的模拟模型。这一时期，作物模拟进一步向机理性和应用性方向拓展。一方面，作物模拟工作者对系统进行不断的分解和细化，如澳大利亚的 Evans和 Vogelmann（2003）及 Buckley和 Earquhar（2004）建立的电子传递速度与光强、大气 CO2浓度、气孔 CO2分压、水汽压等的关系模型，将作物光合作用的模拟深入到了生物化学领域。美国的 Norman和 Arkebauer（1991）提出的 Cupid模型，详细地模拟了每张叶片每分钟的光合、呼吸、蒸腾等过程，在模拟的精度上大大超过了70～80年代的模型。另一方面，模拟研究强调系统的通用性与可靠性，因此对系统的机理性与通用性之间的矛盾表现出一定的困惑和失望。虽然在美国、荷兰、英国、澳大利亚等国家已研制出多种作物的模拟模型及特定作物的不同模拟模型，并开始应用于生产实践，但多数生长模型经过不断扩展和细化，过分偏重理论或假说对生长发育和产量形成等生理过程的解释而缺少必要的验证和广泛的测试。 3.模型应用期 20世纪90年代至21世纪前10年，人们对模型的应用价值和局限性有了比较客观的认识，模型被视为一种启发式的工具，成为整个农业科学领域普遍接受与采用的方法。在此期间，模拟工作者对模型系统进行持续的改进完善和示范应用，在指导作物管理、育种、施肥、灌溉等方面获得了成功的实践。例如， Hearn（1994）研制出棉花决策支持系统 OZCOT，为澳大利亚地区的棉花生产提供风险分析、水分管理和虫害控制等方面的决策咨询。该时期，我国也涌现出若干各具特点、自主研发的作物生长模型及决策系统（Tang et al.，2011；Cao et al.，2002；殷新佑和戚昌瀚，1994），并在模型示范应用方面做了大量的开发研究。另外，20世纪90年代以来，许多研究利用作物模型探索全球气候变化的影响及农业生产可持续发展的策略等（Asseng et al.，1998）。这一时期作物模型还开始与其他信息技术如遥感（RS）、地理信息系统（GIS）、网络技术等相结合，在信息农业和现代农业发展中表现出更好的应用价值（Daly et al.，1994）。 4.算法拓展期 2011年至今，着重提升模型的预测性和可靠性。虽然过去的50年间，作物生长模拟有了长足的发展，但是由于影响作物生长发育的主要因子存在显著的时空变异，因此需要拓展和深化作物生长模型与 GIS、RS技术的耦合机制与方法，以更好地实现区域粮食生产力的准确预测。同时，随着全球变暖，极端气候事件 （如高温、低温、干旱、寡照等）的发生强度和频率不断增强，探讨极端气候条件对作物生长发育与产量品质形成影响的生理机制，提高模型在极端气候环境下的模拟精度，也是目前作物模拟关注的重点之一（Liu et al.，2017）。此外，现代基因测序技术的飞速发展使得作物基因信息的高通量快速获取变成现实，进而为量化作物生长模型中品种遗传参数与基因效应之间的关系奠定了良好基础（Wang et al.，2019；Yin et al.，2018）。因此，利用基因效应定量模拟作物生长模型中的品种遗传参数，探索主要性状基因效应与环境效应之间的互作机制与定量方法，进一步明确不同基因型品种对生态环境及管理措施的响应模式，有效提升作物生长模型对作物表型的预测潜能等，也是目前作物模拟研究的热点。 1.1.4作物模拟不同学派的发展特点 国际上的作物模拟研究基本上可以概括为4个学派，分别以荷兰、美国、澳大利亚和中国为突出代表，尤其是荷兰和美国的作物模拟研究早期在国际上奠定了良好的学术地位，并获得了较高的评价和较大范围的应用。近年来，随着作物模拟研究工作的不断发展和完善，不同学派及国家间的作物模拟研究逐步表现为相互渗透、借鉴与融合。 荷兰作物模拟研究的特点是强调作物生长过程的机理性。20世纪60年代，以 de Wit为首的荷兰学者提出了作物生长动力学学说，并研制出**个完整的作物生长模型 ELCROS，极大地推动了世界作物模拟研究的发展（de Wit et al.，1970）。 ELCROS模型可以根据作物的基本物理、