Merging genomic control networks and soil-plant-atmosphere-continuum models

2011年10月11日 没有评论

Citation: Welch, S.M., Roe, J.L., Das, S., Dong, Z., He, R., Kirkham, M.B. 2005. Merging genomic control networks and soil-plant-atmosphere-continuum models. Agricultural Systems, 86(3):243-274.[PDF]

Merging genomic control networks and soil-plant-atmosphere-continuum models

S.M. Welch, J.L. Roe, S. Das, Z. Dong, R. He, M.B. Kirkham

ABSTRACT

Advances in genomic science make it desirable to include genomic controls in soil-plant-atmosphere-continuum (SPAC) models by methods proposed in this paper. Molecular genetic concepts suggest that a differential equation similar to ones used in neural networks can be used to model single-gene elements of larger systems. Natural modifications to the equation incorporate temperature dependency. Multi-gene components based on this element function as Boolean logic gates, linear arithmetic units, delays, differentiators, integrators, oscillators, coincidence detectors, and bi-stable devices. Related genetic circuitry from real organisms is shown. Genomic integration with SPAC models entails whole-plant modeling with realistic morphology. Plants are networks of parts, iterated in time and space under genetic control, that induce and modulate conservative SPAC mass/energy flows. Network developmental rules can be stated as Lindenmayer grammars whose symbols represent plant parts programmed as software objects. A structure is presented for simulators based on these concepts. The discussion argues that prior object-oriented plant modeling approaches (i) do not reflect how plants actually develop morphologically and (ii) may represent processes in tactically unwise ways at a time when genomics is advancing knowledge of process interactions. Finally, genomics and expanding computing power redefine concepts of model “simplicity” and “complexity” to favor increased realism.

文章摘要

基因组科学的进步使得将基因组控制加到土壤-植物-大气连续体(SPAC)模型成为可能。本文将提供了相应的方法。分子遗传学的概念表明,在神经网络中使用的微分方程可以用来模拟大型复杂系统中的单基因元素。在方程中纳入温度的依赖性是一种自然延伸。基于这种但基因元素的多基因此组件可以用作布尔逻辑开关、线性算术单元、延迟、微分子、积分子、振荡子、巧合探测器、和双态稳定装置。本文同时展示了真实生物体的关联遗传电路。整合了基因组信息的SPAC模型将使模拟真实的全株形态成为可能。植物是有部件组成的网络,在遗传控制下随着时间和空间不断迭代,从而诱发和调节保守的SPAC质量和能量流。Lindenmayer语法可以用来表达网络展开的规则,其中植物部件可用符号来代表,在编程时当作对象。基于这些概念,本文提供了一个可以作为模拟器的构架。随着基因组学进一步促进了我们对生理过程之间的相互交互的理解,我们认为先前的面向对象的植物建模方法有如下不足(1)不反映植物的实际形态发育和(2)表达生理过程的方法不够现实。最后,基因组学和计算能力的不断扩展将重新定义模型的“简单性”和“复杂性”,有利于增加模型的真实性。

Share

Genetic Neural Network Model of Flowering Time Control in Arabidopsis thaliana

2011年10月8日 没有评论

Stephen M. Welch, Judith L. Roe, Zhanshan Dong. Genetic Neural Network Model of Flowering Time Control in Arabidopsis thaliana. Agronomy Journal. 2003, 95(1):71-81 [PDF]

Abstract

Crop simulation models incorporate many physiological processes within sophisticated mathematical frameworks. However, the control mechanisms for these processes tend to be ad hoc, empirical, and indirectly inferred from data and many lack realistic plasticity. Using model organisms like Arabidopsis thaliana, genomic scientists are rapidly disentangling the networks of genes that exert physiological control. As yet, however, these networks are qualitative in nature, depicting promotion and inhibition pathways but not supporting quantitative predictions of overall integrated effects. We believe (i) that neural networks can provide the quantification that current genetic networks lack and (ii) that taxonomic conservation of central genetic mechanisms will make networks developed for model plant also useful in crops. This paper presents evidence supporting the first point based on a neural network with eight nodes corresponding to A. thaliana genes controlling inflorescence timing. The nodes were linked into photoperiod and autonomous pathways abstracted from an existing qualitative genetic network model. Growth chamber data on transition timing were collected at 16 and 24oC for seven A. thaliana strains possessing loss-of-function mutations at the network loci. An eight strain served as a common wild-type control. The neural network model reproduced the time course of the transition at both temperatures for all eight genotypes. Results included tracking a novel, temperature-dependent exchange in transition order exhibited by two mutants whose duplication is not possible by usual crop simulation methods. Furthermore, the ability to imitate the data appeared to have a desirable sensitivity to assumed network structure.

文章摘要

作物模拟模型使用复杂的数学公式表达了许多生理过程。然而,这些生理过程的控制机理都是凭经验从数据间接推出的,缺少真实世界中的弹性。利用模型植物拟南芥,基因组科学家正在迅速揭开控制生理过程的基因网络。到目前为止,这些基因网络都是描述促进和抑制途径的定性网络,不支持整合各种效应的定量预测。我们相信(i)神经网络可以提供目前基因网络缺乏的定量功能和(ii)由于模式植物中的核心遗传机制在植物分类上的保守性,这些基因网络对作物也是有用的。本文用控制拟南芥开花的有八个基因节点的神经网络为第一方面提供了证据。这些基因节点是从现有的定性遗传网络模型中选取用来将连接到光周期路径和自动路径。开花期数据是在16或24摄氏度的生长箱中收集的。试验材料为七个丧失功能的拟南芥基因突变体和野生对照种。神经网络模型重复了所有八个基因型在两个不同温度下的开花时间。本模型还可以模拟有两个突变体表现出来的一种全新的依赖温度变化出现的花期顺序互换,这对普通的作物模型来说是不可能。此外,模仿数据的能力显示了对网络结构的理想的敏感性。

Share

棉花模拟模型与生产管理系统

2011年10月8日 没有评论

见毛树春主编:中国棉花可持续发展研究.北京:中国农业出版社.1998. p.181-199(总 pp.245).

董占山
(中国农科院棉花所,河南安阳,455112)
计算机农业应用是农业高新技术的重要领域之一。棉花模拟模型和生产管理系统是这个领域内的典型代表。棉花模拟模型是利用计算机程序模拟棉花在自然环境条件下利用光能资源把水和二氧化碳结合制造成有机物质的过程(包括光合作用、呼吸作用、生长发育、干物质的积累与分配等生理生化过程)、组织与器官的建成和死亡的过程和产品(籽棉)的形成过程等,同时还包括棉花需要的矿质元素在土壤中的分配、移动和被棉花吸收的过程。棉花生产管理系统是指运用计算机,把棉花模拟模型、棉花管理专家系统、棉花管理优化决策模型和其它辅助模型有机地结合,充分利用人类专家有关棉花生产的已有知识,依赖棉花生产中棉花自身的生长信息反馈,对棉花生产的日常管理和出现的具体问题,进行实时实地的在线式管理决策,是一种高度综合的计算机程序系统。

一、国内外研究应用概况

(一)棉花模拟模型

对棉花生长发育进行模拟模型的研究始于60年代末的美国。Stapleton(1970)首先建立了第一代棉花生长发育模拟模型,Stapleton等(1973)将其发展成为COTTON模型。可帮助棉农选择和管理机械、动力和劳力。Duncan(1971,1972)等建立了SIMCOT模型,用气象资料和土壤特性资料作为输入,模拟“标准”单株生长发育与产量。Hesketh(1972)和Baker(1972)等估测碳水化合物生产和碳水化合物胁迫对蕾铃脱落和形态发生的影响,Jones等(1974)增添了氮素估计过程,从而建成了第二代棉花模拟模型SIMCOT Ⅱ(McKinion,1975),可用于模拟水分充分满足条件下光合作用、呼吸作用和器官建成,也可用于模拟生理胁迫效应,但关于土壤因素对棉株生长发育的影响考虑得较粗。1975年以后,Baker和Lambert等使用人工控制条件下的土壤-植物-大气SPAR(Soil-Plant-Atmospere-Research)系统,进一步研究了温度和水分胁迫以及氮素胁迫影响棉花生长发育和器官建成方面的内容,并建立了棉花根际土壤系统模拟模型RHIZOS,于1983年创立了第三代棉花模拟模型GOSSYM(Gossypium Simulation Model)。该模型是一个以土壤物理、土壤养分和水分等为初始条件,以气象要素太阳辐射、日最高和最低温度为驱动变量,以主要农艺措施为控制变量的系统动力学模型。1984年以来,Baker和McKinion等在原有模型基础上,进一步改进了棉株生长发育和干物质分配部分的内容,完善了棉株形态建成的功能,同时,又陆续研制了几种主要的除草剂、杀虫剂、植物生长调节剂等化学药品对棉花影响的子程序,使GOSSYM日臻完善。10多年来,GOSSYM模型在美国棉花带使用,不断得到验证、修改、完善,使它具有了较好的适应性和应用性。

此外,美国Jones等(1979)建立了COTCROP模型,详细地考虑了棉花各个部位之间的关系及环境因子和害虫对棉花生长发育的影响;Jackson等(1988)年建立了COTTAM模型,可用于模拟棉花的形态发生和产量形成。荷兰Mutsaers(1982)建立了KUTUN模型,对棉花生长发育过程和形态发生进行了模拟。澳大利亚Hearn等(1985)年建立了一个简单的棉花生长发育模拟模型,供SIRATAC系统使用,目前该模型已发展完善为OZCOT模型。

我国棉花计算机模拟模型的研究始于80年代末。1988年吴国伟等从营养供求状况来控制蕾铃脱落,利用以生理时间为变量的Logistic方程来模拟棉花生长发育过程并棉铃虫危害蕾铃对产量的影响。郭向东等(1991)通过修改和重新估测SIRATAC系统增加了棉花生长发育模型的参数,得到了一个适用于我国的简单棉花动态模拟模型。刘文等(1992)以每日的太阳辐射为驱动变量,以温度和水分为影响因子,建立了棉花生长发育、形态发生及产量形成的动态模拟模型。李秉柏等(1991)建立了逐日的棉花发育和叶龄模型。中国农科院棉花研究所潘学标等(1992)建立了一个以太阳辐射为驱动变量的棉花生长发育模拟模型CGSM;董占山等(1992)利用荷兰MACROS中的L1D模型对棉花的潜在产量也进行了研究。国家“八五”计划期间,在多年田间试验研究的基础上,根据中国棉花生产的实际情况,建成了一个适合中国国情的基于棉花生理生态理论的棉花生长发育模拟模型COTGROW。但是,这些模型大多至今仍未在生产上试用,对它们的实用性还有待验证。
棉花模拟模型是建立在棉花生态生理的研究的基础上的,在棉花生态生理领域的研究有了突破性进展之后,模型的机理性才能进一步提高,适应性才能增强。近30年来,随着棉花生态生理研究手段的改善,棉花生长发育过程的各种生理机制逐步被搞清,棉花模拟模型也由原先的经验模型逐步发展完善为现在的具有强大机理性的模型,适用范围得以扩展。

研制一个比较完善的棉花模拟模型是十分复杂的,需要多学科的科学研究人员经过长期的努力才能实现。棉花模拟模型作为棉花生产管理系统的核心组成部分,对棉花生产管理决策系统的适用范围有较大的决定性。

(二)棉花生产管理系统

近10年来,棉花生产管理的计算机自动化决策日益增多,在生产管理上,已经涉及棉花生产的各个方面,如棉花的害虫管理(pest management)、灌溉方案的制订(irrigation scheduling)、农事活动(cultural practice)、经济和资金计划(economic and financial planning)、作物生长状况诊断(diagnosis of crop disorder)、营养管理(nutrient management)等。

在美国比较成熟的棉花生产管理系统有3个,德克萨斯农业及机械大学的COTFLEX,加利福尼亚州立笱У?#060;/FONT>CALEX/Cotton,美国农业部农业研究署(USDA-ARS)的GOSSYM-COMAX。CALEX/Cotton可为加利福尼亚棉花生产提供缩节胺、害虫管理、收获期等的决策; GOSSYM-COMAX是基于棉花生长发育模拟模型GOSSYM的一个农场级棉花生产管理系统,GOSSYM提供关于棉花生长发育等生理学方面的信息,COMAX则制订出关于施肥、灌溉和植物生长调节剂等方面的决策方案。

目前,美国有4个专家系统用于棉花害虫管理,除上面提到的COTFLEX和CALEX/Cotton外,还有CIC-EM(Bowden,1990)和rbWHIMS。CIC-EM是一个基于分类规则的专家系统,主要在密西西比州使用,可以完成13个棉花害虫的管理。rbWHIMS是由USDA-ARS的CSRU(Crop Simulation Research Unit)设计的,包括700多条规则,可以完成9组至少15种害虫的管理,下一步,rbWHIMS将集成到GOSSYM-COMAX中。

70年代,澳大利亚由于棉铃虫危害严重,Hearn等研制了适用于澳大利亚的棉花害虫管理系统SIRATAC,在澳大利亚推广应用,为本国的棉花生产做出了贡献。90年代以来由澳大利亚CSIRO研制的棉花害虫管理系统EntomoLOGIC已经发展的比较完善。另外,法国也研制了棉花害虫控制百科全书式软件工具COTTON DOC(an encyclopaedic software tool for cotton pest control),它已具备了初级多媒体功能。

自80年代始,我国棉花生产管理决策支持系统方面也取得了长足发展。国家“七五”计划期间,由农业部下达了有关农作物生产管理专家系统的研制课题,中国农科院棉花研究所和北京农业大学分别独立完成了一个棉花的生产管理决策系统。国家“八五”至“九五”计划期间,中国农科院棉花所董占山等继续对系统进行完善,现已发展成为一个比较完善的适合我国棉花生产应用的棉花生产管理系统(COTMAN)。

(三)典型系统分析

GOSSYM-COMAX是国际上公认的最优秀的作物生产管理系统之一,而COTMAN是我国第一个组合了GOSSYM模型的棉花生产管理系统。

1 GOSSYM-COMAX的结构与功能

GOSSYM-COMAX系统是由GOSSYM、专家系统、GUI和其它多个分析工具组成的,它可以对棉花的灌溉、施氮和化学生长调节剂的使用及作物收获期提供决策。

(1)棉花模拟模型GOSSYM

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,模型的基本结构见图1。

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。

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20×40的矩阵,即800个小室,每个小室大约为5×5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。

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。


图1 GOSSYM的主框架(引自McKinion等,1989)
GOSSYM模型具有多种用途,可以广泛地应用于科研、教学、生产等各方面。它可以用来研究棉花生长发育及与环境条件之间关系、检验假说、安排试验计划等,也可对棉花生产管理提出有价值的决策等。

(2)专家系统COMAX

COMAX是一个基于规则的棉花生产管理的专家系统,它由知识库、推理机、GOSSYM、气象站和数据文件集(包括品种参数、土壤参数、假定的气象数据和农艺措施等)组成。知识库是由一系列接近英语的事实和规则组成。推理机检验规则与事实,决定做什么,并根据设定的气象和设定的水和氮的使用量来准备一系列数据文件,然后调用GOSSYM,由它读取推理机准备好的数据文件并模拟在指定条件下棉花的生长状态,模拟结果(如作物进入水分胁迫的日期)将作为事实存入知识库,推理机进一步对灌水和施氮做出决策。

COMAX 每天都重新计算预计的灌溉日期和灌水量、施肥日期和施肥量和棉花的可能成熟期,如有必要还可以用模拟的中间结果来解释推荐措施的依据。COMAX进行灌溉和施肥决策的方法如下:

灌溉决策:COMAX每天用假设的气象条件去执行GOSSYM,决定棉株受水分胁迫的日期,然后决定灌水日期和灌水量。COMAX假设的气象条件有正常、干热和冷湿3种类型,它们是依地区有用户来定的。COMAX首先用干热的气象条件执行GOSSYM,决定灌水的最早日期;然后,用正常的气象条件执行GOSSYM,决定需要灌溉的正常日期,运行完毕,COMAX产生一份决策报告。

施肥决策:为推荐施肥量,首先,COMAX制订1份假想的灌溉方案,使棉株在生育期间不受水分胁迫;然后,在冷湿的气象条件下,执行GOSSYM若干次,决定棉花的最小需氮量;之后,继续执行GOSSYM,决定出现氮胁迫的日期,决定一个施氮量,再执行GOSSYM,如果仍发生氮胁迫,增加氮肥用量,执行GOSSYM看出现氮胁迫或二次生长与否,如果氮肥过多,出现二次生长,则应减少施氮量。COMAX重复上述过程,直至找到一个合适的施氮量,刚好解除氮素胁迫,由不产生二次生长,这既是棉花经济施氮量也是安全施氮量。

(3)GOSSYM-COMAX的主要功能

目前,GOSSYM-COMAX可以提供以下四个方面的决策:

灌溉日期和灌溉量的决策:根据水分胁迫程度、灌水对最终产量的影响和灌溉日期距离成熟期的时间进行决策,GOSSYM预报由于缺水而引起的生理胁迫的时间,COMAX则作出减轻或消除生理胁迫的灌溉方案。

施氮时间和用量的决策:根据氮素胁迫、施肥对最终产量的影响和对营养生长的作用来决策,制定出减轻或消除生理胁迫的施氮肥方案。

化学生长调节剂决策:化学生长调节剂能降低株高,促进光合产物向生殖部分分配,缓解营养生长过快带来的负效应。PIX是当前最流行的化学生长调节剂,其使用时间和用量依赖于未来的气象状况。PIX价格较高,只有能带来明显的经济效益时才使用。GOSSYM能模拟PIX的使用效果,从而对PIX的使用日期和用量作出决策。

收获期决策:对准时使用脱叶剂和催絮剂进行决策,以便在不利的气侯到来之前,完成机械摘花。

(4)GOSSYM-COMAX的应用

在棉花育种上的应用:通过当棉铃虫在现蕾的第改变模拟模型的遗传参数,用来模拟不同遗传基础品种的生长发育。可作为棉花育种的辅助工具。

例如,用SIMCOT Ⅱ模拟了光合效率与棉花产量的关系,得出棉花产量和光合效率之间具有明显的正相关,光合效率增加,棉株的现蕾高峰延迟,载铃量增加,反之,光合效率降低,棉株的现蕾高峰明显提前,载铃量相应下降。再如,用GOSSYM模型模拟比叶重及延长叶片寿命对棉花产量的影响,其结果是:如果水和氮素充足,光合效率增加30%,预计皮棉产量增加54%。在选择高光效品种时,要注意选择比叶重,因为比叶重和高光效在遗传上是连锁的,比叶重高,增加的光合产物分配于叶片的也多,结果是产量并不增加。

在土壤流失上的应用:可用来评价不同的土壤管理方法和土壤自然侵蚀对棉花产量的影响。结果是:随土壤侵蚀的加重,棉花产量逐渐降低。

在估计棉花害虫的危害上的应用当棉铃虫在现蕾的第一周开始危害时,随着棉铃虫群体的改变(11115-22230头/公顷),产量损失变幅很大(7%~60%),而且,在高密度棉铃虫群体下,棉花的成熟期延迟近两周; 1周之后开始危害时,产量损失也很大,平均为25%。

在气候变化中的应用:用于模拟CO2浓度、O3浓度对棉花产量的影响:由于土壤、植物、大气以及作物的营养状况的相互作用,二者的产量效应随地点的不同而改变。当氮肥充足时,近25年(1962-1984)来,随着大气CO2的增加(316到345ppm,),会促进10%的棉花产量增加,反之,当棉花在生育期内受N素胁迫时,棉株则不能充分利用增加的CO2浓度。O3对棉花产量的影响则相反,一般来说,它会降低棉花产量。

在棉花管理中的应用:从1990年开始,美国农业部组织了一个GOSSYM-COMAX的推广小组,负责GOSSYM-COMAX在美国棉花带各州的推广应用。1985年,在Mitchener农场试运行,每公顷净增129公斤皮棉,净利润为148美元。1987年,美国棉花带14个州全部开始参与试验和应用,其中在6个州的1254公顷的棉田上使用该系统(表1)。熟练的用户每公顷可获350美元的纯利,新的用户则每公顷可获100美元的纯利,平均每公顷可以取得169美元纯利。

表1 1987年6个州使用GOSSYM-COMAX的经济效益估计表

 

州名 田块数 面积(公顷) 总的增产值(美元)
密西西比 12 835 1891700
路易斯安那 1 28 1400
德克萨斯 1 60 900
加里福尼亚 3 120 29180
佛罗里达 1 4 300
佐治亚 3 207 -7990
总计 1254 211960

经过多年的试验验证、示范推广,证明了GOSSYM-COMAX系统对农业生产的有效性。该系统为应用现代科学技术改造传统农业的一个典范。

2 棉花生产管理系统COTMAN

棉花生产管理系统COTMAN是一种高度综合的计算机程序系统,它把棉花模拟模型、棉花管理专家系统和优化决策模型及其它辅助模型有机地结合,充分利用专家对棉花生产管理的已有知识和经验,依赖棉花生产中棉花自身的生长信息反馈,对棉花生产的日常管理和出现的具体问题,进行实时实地的在线式管理决策。

(1)系统的结构

棉花生产管理系统COTMAN由以下几部分组成:图形用户界面GUI(Graphic User Interface)、棉田管理专家系统CMES(Cotton crop Management Expert System)、棉花模拟模型GOSSYM和数据库组成(图2)。

图2 COTMAN结构示意图(引自董占山等,1996)

(2)系统的组成

图形用户界面GUI��(Graphical User Interface)是用户与COTMAN系统打交道的接口,用户通过它可以把系统需要的信息输入数据库和操纵各种分析决策功能,也可以把数据库中的信息提取出来。

COTMAN的GUI是一个符合MDI标准的WINDOWS窗口,用户通过单击菜单项或工具栏按钮可以打开多种文档子窗口,从而完成数据的追加和编辑、显示模拟结果、进行管理决策等活动,同时,还可以直接浏览系统知识库。

棉田管理专家系统CMES:在棉花播种出苗之后,棉农即开始对棉田进行动态管理,某项管理措施的使用与否及使用时间成为棉田管理的中心议题,在大面积的棉田管理中,需要专家的指导才能取得良好的社会、经济和生态效益。在棉花生产管理中的决策,主要是根据棉花当时的长势和长相,即旺弱,提出近期的管理措施,如施肥、灌水、喷缩节胺等。

采用面向对象程序设计方法中的对象来表示棉田管理的实体单位。将棉田管理中的知识规则化,用程序表达出来,编写到作物管理对象的方法中,在进行决策时,只要通过消息传递,调用决策方法,进行推理,在规则的引导下,经过多次运行GOSSYM模型,分析模拟结果,确定使用农艺措施的时期和用量,向用户推荐管理决策方案。

棉田管理专家系统(CMES, Cotton crop Management Expert System)实际上是对棉花田间管理提供定性和定量决策的专家系统,它目前由氮肥管理、水管理和植物生长调节剂3个子专家系统组成。在CMES中知识以对象表示,知识与处理知识的方法相互依存。

棉花模拟模型GOSSYM:同前所述。通过用1990年(正常年型)三种类型的品种对GOSSYM验证表明:通过适当调整GOSSYM的品种参数,并取得模拟棉田的土壤特征参数,建立起土壤特征文件,基本上可以用GOSSYM模拟黄淮海棉区春棉和短季棉的生长发育和产量形成。因此,可以将GOSSYM模型引进我国,在我国棉花科研和生产上应用,或集成到适合我国国情的棉花生产管理系统中。

数据库:是COTMAN的信息库,用户输入的信息一般均以文件形式存储在磁盘上,这些文件构成了COTMAN数据库的主体,CMES、GOSSYM生成的数据也存储在磁盘上。

在图2中还包括了气候年型辨识模型IDCLIM(IDentifying CLIMate pattern Model)和逐日气象资料生成模型SIMWTH(Simulator of Weather),业已集成到COTMAN中。

(3) 在棉花生产管理中的应用

灌溉日期和灌溉量的决策:根据水分胁迫、灌水对最终产量的效应和距成熟期的时间进行决策。GOSSYM预报由于缺水而引起的水分胁迫的时间,然后,根据棉花各时期的需水量初定灌溉基量,CMES通过多次执行GOSSYM作出减轻或消除水分胁迫的灌溉方案。

施氮时间和用量的决策:据氮素胁迫、施肥对最终产量的效应和对营养生长的作用来决策。GOSSYM预报由于缺氮造成的氮素胁迫时间,然后根据预计要达到的皮棉产量推算出作物的需氮量,再由CMES多次执行GOSSYM制定出减轻或消除氮素胁迫的施氮肥方案。

植物生长调节剂决策:植物生长调节剂能降低株高,促进光合产物向生殖部分分配,缓解营养生长过快带来的负效应。缩节胺是当前我国最流行的植物生长调节剂,其使用时间和用量依赖棉花的生育状况。缩节胺的使用时间一般分蕾期、初花期和花铃期,在正常年型下,蕾期每公顷喷0-15克,初花期每公顷喷施30~60克,花铃期每公顷喷施45~60克 。GOSSYM能模拟缩节安的实际使用效果,然后由CMES对缩节安的使用日期和用量作出决策。

估计皮棉产量:利用GOSSYM模型,可以对模拟棉田的棉花皮棉产量,提前1个月左右进行估产,但还不能对大面积的棉花产量进行预测。

(4)在棉花科学研究中的应用

作物试验设计的模拟:当作物模拟模型通过广泛的验证,证明其有效性后,可以用它作为一种研究的辅助工具,通过给出一定的试验因子水平,在计算机上进行模拟试验,可以快速有效地找出有效可行的试验方案,而不必用传统的回归设计或正交设计,在田间进行大规模的试验。在作物播种之前,利用作物模拟模型可以优选出作物种植密度、株行距配置、播种期等,提出播前决策方案。

研究棉花与外界环境条件的关系:作物模拟模型原本就是模拟作物在不同的外界环境条件下的生长发育和产量形成过程的,所以它是研究作物对外界环境条件反应的有力工具。

棉花品种选育中的应用:在棉花新品种的选育过程中,当一个新的品系育成之后,要将其送往各地进行品种区域试验,一般通过2~3年的试验,表现良好的品系即可在适应的地区进行推广种植,但这个过程需要花费较多的人力和物力。若在新品系育成之后,用作物模拟模型模拟该品系在不同的生态环境条件下的表现,从而决定其适宜种植区域,再组织试验,可以减少试验的盲目性,加速新品种的推广应用。

作物生产潜力的研究:一个地区棉花的气候生产潜力和土地生产潜力是多少,该地区有无进一步开发的前景,可以通过模拟模型来研究。

二、21世纪研究展望

随着计算机科学、自动化工业、航空航天技术的发展,智能机器人的不断涌现,工业过程的部分或全部操作被智能机器人所代替,棉花生产中的某些过程也开始使用机器人,最终的发展结果是越来越多的机器人代替人类在田间进行生产管理。

21世纪,全世界都将跨入信息时代的现代农业,农业生产过程将逐步实现智能机器的自动化操作,人为的干预将降到最低限度,农业生产将步入精确耕作(precise farming)的新时代。为了实现这一目标,作物模拟模型和生产管理系统将扮演重要角色,棉花生产也不例外。

(一)棉花模拟模型

随着现代农业实验技术和计算机技术的迅速发展,作物模拟技术也在不断向纵深发展。近中期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://www.ctpm.uq.edu.au/)卸载一些模拟产生的图片。

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结合,形成基于模型的集成专家系统,可以促成模拟模型直接服务于农业生产GOSSYM/COMAX系统就是一个很好的例证。

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,还会包括经济效益模型。GOSSYM模型涉及了植物生理学、土壤物理学、土壤化学、水动力学、经济学等。目前,GOSSYM不仅可以模拟棉花的生长及产量形成,而且可以模拟棉花纤维品质性状如纤维长度、强度和马克隆值等,也可模拟种子的含油量和种子活力再如德克萨斯州农业及机械大学研制的综合作物生态系统管理模型ICEMM。

(二)棉花生产管理系统

棉花生产管理系统的进一步发展将以计算机软件为基础,以智能机器人为硬件支持,综合棉花生产过程的各种知识、信息于一体,由计算机对棉花生产的全过程的提供综合决策,通过智能机器人田间的操作实现棉花生产过程的全盘自动化的综合软件和硬件的组合系统。棉花生产管理系统的发展趋势是高度智能化、高度综合化、高度自动化、高度网络化。

高度智能化:指棉花生产管理系统中的专家系统会越来越成熟,逻辑推理功能逐步增强,决策的准确率提高,同时增加自学习功能,使系统在实例决策中积累知识。

高度综合化:指棉花生产管理系统不仅仅包括棉花模拟模型、棉花管理专家系统和棉花管理优化决策模型,它将和地理信息系统(GIS)、全球定位系统(GPS)、遥感技术(RS)等一系列的高新技术结合,形成集成的棉花生产管理系统(COTMAN)。

高度自动化:指棉花生产管理系统自身逐步具有控制田间作业机器的能力,实现田间作业的自动化。最终,棉花生产管理系统将充当棉花生产自动化的主角。

目前的专家系统已经具有了自动化功能,如COMAX系统就可以通过电话线,拨通安装在田间的自动气象站,获取气象数据。今后这种自动化会越来越强,比如美国目前正在研制适用于农田的自动定位系统,把这种定位系统安装在田间工作的农具上,通过室内的主机可以控制农具在田间的具体操作,根据田块内不同的区域的实际情况,决定播种量、施肥量、喷药量等,在较小的耕作单位上体现因地治宜、看苗管理等农业生产的基本原则,将不必要的浪费将低到最低,将生产效益极大化,实现优化的高度自动化农业,这就是精确农业(precision agriculture)的基本思路。

高度网络化:随着社会的信息化程度的提高,信息的发生、发展、传递和使用越来越多地依赖于计算机,计算机信息的网络化是其重要标志,世界各国都投入大量的人力物力发展计算机网络系统,以提高信息的交换速度,促进本国经济的发展,起源于美国的INTERNET网已经成为全球信息交换的重要交通工具,目前已经有许多WEB站点提供农业科研和生产信息。农业生产管理的决策也越来越多地依赖于信息量的大小和信息的交换与更新速度,所以农业生产管理专家决策系统也要加入到网络系统中,使其决策更及时和准确。美国从1987年开始筹建GOSSYM/COMAX远程通讯网络系统,以便即时准确地得到棉花生产信息的双向交流。

三、我国棉花模拟模型和生产管理系统的发展对策

(一)存在问题

计算机在棉花科研与生产中的应用研究是研究用高新技术改造我国的传统植棉业,这是一系列技术密集型多学科协同攻关的科学研究活动。从过去十多年的研究情况来年看,其间存在不少问题亟待解决。

1.研究力量分散,低水平重复劳动比较严重

就棉花生长发育模拟型的研究来说,中国科学院、中国农科院和不少省级农科院以及农业院校均在研究,造成了许多重复劳动,这不仅是浪费有限的国家科研经费,更重要的是这些重复劳动产生不了高质量的完善的棉花生长发育模拟模型。再如棉花生产管理决策系统的研究,同是“七五”、“八五”国家下达的科研计划,经费分两摊,北京农业农大学和中国农科院各一摊,最后都拿出了一个大同小异的研究结果,只是都难在棉花生产中实际应用;到了“九五”,统一的计划被取消了,从各种渠道申请到的有关计算机在棉花生产管理上应用研究的课题更是五花八门,使本来就分散薄弱的研究力量更加分散。这些均说明:在我国目前科研经费尚不充足时,研究力量分散,会造成较严重的低水平重复劳动。

2.经费不足,科研条件较差

要研究棉花生长发育模拟模型,需要对棉花本身的生理过程及各个生理过程对环境条件(如气候、土壤等)的反应等进行深入细致的研究,就目前我国现有的科研资助强度和实验条件,尚不能进行如此深入的研究,于是棉花生长发育模拟模型也就只好在低水平上进行。再者要研究一个实用的棉花生产管理系统,必须有良好的作物模型支持,另外必须在各产棉区进行大范围、大尺度的生态验证,要做到这一点,没有足够的研究经费是很难办到的。

3.科研与生产脱节,科研成果转化困难

我国棉花生产发展很快,产棉区棉花的种植方式与种植制度在近年来有较大的改进和发展,而科研计划下达之后,不能随着生产的发展而改变,还按原方案执行,导致科研计划完成后,研究成果过时,不能在生产上发挥应有的作用,出现了棉花科研滞后棉花生产的现象。

(二)对策建议

我国的棉花生产管理水平与美国、澳大利亚等国相比还有较大差距,因此,我们应当引进、消化、吸收国外的先进技术,在充分运用传统植棉技术的同时,加强棉花高新技术的研究,促进计算机在棉花生产管理上的应用,提高我国棉花生产管理水平。

要研制一个比较完善的棉花生产管理系统,且在生产中发挥作用,需要多学科的科学家共同合作,经过长期的努力才能实现。其中,若想研制达到GOSSYM/COMAX水平的棉花生产管理系统,则必须研制一个类似于GOSSYM的棉花模拟模型,但要开发一个这样的模型,需要花费大量的人力、物力、财力,并且要具备一定的科研技术条件。GOSSYM模型的研制花了许多科学家20多年的心血,目前我国要重新研制一个类似模型几乎是不可能的,同时将也大大落后于国际先进水平。那么我们应该采取什么对策才能迎头赶上国际先进水平呢?

1.采取“引进、改造、利用”的方针,缓解经费紧张

模拟模型在国外发展较早,已取得了比较明显的进展,并在生产实践中发挥其作用。由于模拟模型是基于作物内在的发育机理的,所以具有较广泛的适应性和通用性,可以从一地区引至另一地区应用。鉴于此,我们与其白手起家重建立一个模拟模型,不如把别人先进的模型拿过来,进行改造,在各棉花生态区进行验证,直接利用之。这样我们可以做到“多、快、好、省”的目标,促使我国的棉花模拟模型,赶上国际先进水平。目前,我们可以把美国的棉花生长发育模拟模型GOSSYM引入我国,根据我国各棉区的生产技术条件、种植方式和种植制度,进行修改,并在各棉花生态区布置试验,验证此模型,在2-3年内,我们即可以达到一个高水平的棉花模拟模型。

我国经济实力比较薄弱,还不能一下拿出许多资金资助模拟模型的研究,必须寻找解决经费不足的途径。根据模拟模型所具有的特点,我们提出如下对策:立足当前,引进消化国外先进的模拟模型,进行试验,评估模型参数,修改模型,完善和发展适合于我国的棉花模拟模型。

中国农科院棉花所“八五”期间引进GOSSYM模型并进行试验验证就是一个很好的例子,不仅节约了科研经费,同时加快了科研的进度。

2.稳定基础性研究,保证学科发展的后劲;加强应用性研究,为棉花生产服务

对棉花模拟模型等的基础性研究,国家应当予以财力、物力的保证,在不扩大研究规模的前提下,集中人力、物力、财力,重点攻关,分阶段进行研究,作到步步高,克服力量分散、重复劳动的问题,保证本学科发展的强大后劲。

对于棉花生产管理系统,由于农业生产的地域性和发展的不均衡性,造成农业生产管理的方法和内容均有较大的差异,所以农业生产管理系统的通用性较差。要研制一个基于模型的生产管理系统,不象研制模拟模型那样需要特殊的实验设备和较高的技术条件,只要农学家和知识工程师有机地合作,协同攻关,收集有关的信息和知识,即可完成。对这些研究,我们应该努力开拓,加紧研制,尽早应用到棉花科研和生产上,为我国棉花生产再上一个新台阶服务。

3.国家协调,组织多学科攻关,克服低水平重复劳动

对计算机在棉花科研和生产上应用研究的众多领域,不能一视同仁,对那些适合我国国情,能够对棉花生产发展起巨大推动作用的研究领域,国家应该重点资助,组织有关单位和学科的科学家协同攻关,消除研究中出现的人员分散和低水平重复劳动的弊端。

参考文献

董占山,韩湘玲. 黄淮海地区棉花生产管理系统. 自然资源学报. 1996,12(2):161-169
董占山. 作物生产系统及其管理系统. 生态农业研究. 1998,6(1):64-68
Baker, DN, JR Lambert et al. GOSSYM: A simulator of cotton crop growth and yield. S. C. Exp. Stn. Tech. Bull., No.1089. 1983
Lemmon, HE. Comax: an expert system for cotton crop management. Science, 1986, 233:29-33

Share

棉花生产管理系统COTMAN的设计与实现

2011年10月8日 没有评论

面向21世纪的信息技术与农业.中国农业科技出版社. 1998. 91-95

The Implementation of Cotton Management System (COTMAN)*

中国农科院棉花所 董占山

新疆农科院经作所 文如镜 田立文

Cotton Research Institute, CAAS Dong Zhanshan

Cash Crop Research Institute, XAAS Wen Rujing Tian Liwen

在国家“九五”科技攻关计划资助下,中国农科院棉花所和新疆农科院经作所联合进行研究,已经建立了棉花生产管理系统COTMAN原型,现将系统主要功能、设计思想和实现方法分述如下。

系统的主要功能

1.静态决策:在棉花播种之前,根据一个地区的农业资源条件,对如何选用棉花品种、最佳播期、底肥施用量等作出决策。

2.动态决策:在棉花出苗之后,系统可以根据棉花的长势长相,向用户推荐各个时期棉花的生产管理措施,供生产技术人员和生产管理者选择使用。

3.生长发育模拟:将棉田的有关信息正确地输入到计算机中,并将各项生产管理措施输入系统,那么该系统可以调用棉花生长发育模拟模型GOSSYM,模拟各个时期的棉花生长发育状况,为科学研究人员和生产技术人员提供必要的科学数据。

系统的设计与实现

该系统是以作物生产管理系统的理论为指导,综合运用计算机科学技术,将农业科学研究的结果用数学语言和计算机语言表达出来,以棉花模拟模型和棉花生产管理专家系统的形式表现为计算机程序,可以在当前最流行的WINDOWS 95操作系统下,以全中文的界面向广大农业科技人员和棉农提供生产管理决策。

棉花生产是一个受天地人综合影响的人工和自然相复合的复杂巨系统,系统的目标就是在维护生态环境不退化的前提下获得尽可能多的优质棉纤维。为了实现这一目标,棉花生产专家会依据不同地区的自然资源条件、农业生态条件和社会经济条件的配置情况,在作物生态学原理指导下,根据自己的生产实践经验,提出棉花品种的布局、播种、施肥、灌溉等一系列生产管理措施。

在上述决策过程中,一地的自然资源条件、农业生态条件和社会经济条件在短期内是基本不变的,我们将其定为静态知识,以知识库的形式实现。作物生态学原理和专家个人的生产实践经验则是可变的或不确定的,将以推理机的形式实现。

下面分知识库的设计与实现、静态决策推理机的设计与实现、动态决策推理机的设计与实现、棉花模拟模型的设计与实现等几部分进行详细介绍。

知识库的设计与实现

在棉花生产管理系统COTMAN中,为了实现专家的推理决策,将决策地点的自然资源条件、农业生态条件和社会经济条件归类整理,分别存放到不同的知识子库中,以方便管理、更新和检索等。目前暂将知识库分为3个子库:地理知识库、品种知识库、气候知识库。地理知识库用来存放决策地点的地理知识信息,具体内容见表1所示。品种知识库用来存放各优良品种的知识信息,具体内容表2见所示。气候知识库用来存放决策地的各种气候知识信息,具体内容见表3所示。

1 地理知识库结构

名称

代号

类型

植棉地点名

SITENAME

C

纬度

LATITUDE

N

经度

LONGITUDE

N

海拔高度

ELEVATION

N

2 品种知识库结构

名称

代号

类型

品种代号

VARNUM

N

品种名称

VARNAME

C

熟性

MATURITY

N

育成年代

BREEDINGYEAR

N

育成地点

BREEDINGSITE

C

生育期长度

GROWINGPERIOD

N

抗黄枯萎病

RESISTANTWILTING

N

抗棉铃虫

RESISTANTBOLLWORM

N

品种特征特性

FEATURE

M

典型植株图

PICTURE

BLOB

3 气候知识库结构

名称

代号

类型

地点名称

SITENAME

C

逐月平均气候资料文件名

MONTHLYFLNM

C

逐日气象资料文件名

DAILYFLNM

C

特殊气候灾害资料文件名

SPECIALFLNM

C

这些知识库全部采用FOXPRO数据库格式实现,系统专门提供了编辑修改这些知识库的对话窗口。

静态决策推理机的设计与实现

在知识库种存放的都是基本的事实性知识,决策性知识,即推理知识,全部包含到有关的推理类中,形成了特定的推理机。与静态决策相关的知识全部包含在静态决策推理类中。图1显示了静态决策推理机的实现原理。

COTMAN-1.gif (4382 bytes)

1 静态决策推理流程图

动态决策推理机的设计与实现

在棉花出苗以后,田间的一切管理措施均需要根据棉花当时的长势长相来决定,同时还要参考前期使用过的农艺措施,这样作出的决策就具有实用价值,我们称这种决策为动态决策,实现动态决策的程序类为动态决策推理类,它就是动态决策推理机。

动态决策推理机中包含了完成动态决策的一切推理规则和专家的决策知识,在推理过程中可以随时调用事实性知识库中的知识,同时调用棉花模拟模型来预测棉花的理想生长状况,为决策提供科学的理论依据。

2显示了动态决策的实现原理。

COTMAN-2.gif (5499 bytes)

2 动态决策推理流程图

棉花模拟模型的设计与实现

本系统的棉花模拟模型是美国农业部农业研究署作物模拟所Mckinion等人研制的GOSSYM模型。其基本内容如下:

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。各子模型的主要功能简介如下。

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。

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20×40的矩阵,即800个小室,每个小室大约为5×5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PIXPREP、脱叶剂DEFDROPPGRAMOXONEFOLEXHARVADE

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。

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。

GOSSYM模型具有多种用途,可以广泛地应用于科研、教学、生产等各方面。它可以用来研究棉花生长发育及与环境条件之间关系、检验假说、安排试验计划等,也可对棉花生产管理提出有价值的决策等。

本研究课题经过在南疆两年的定点试验,研究了在不同盖膜条件下棉花根际环境的动态变化规律,修改了GOSSYM中相关的部分,使其适合与模拟南疆棉花的生长发育过程。

系统的人机接口

系统的界面设计采用多文档界面(MDI)标准,在中文WINDOWS 95下实现了全中文提示,每一步操作都在状态栏给出简要的提示信息。系统主窗口见图3所示。

3 棉花生产管理系统的主窗口

系统提供了10多个对话窗口,通过这些窗口,用户可以极方便地输入数据,包括田间概况数据、各种天气数据、基础肥力、耕作措施、生长状况、喷施缩节安、喷施杀虫剂、喷施杀菌剂等数据。

系统的静态决策和动态决策部分全部使用决策向导,一步一步指导用户输入数据,选择决策内容,简化了决策的全过程。图4是静态决策向导的第一屏。

4 输入田间概况数据对话窗口

模拟模型的输出结果以图表等多种形式形象地显示给用户,便于用户分析比较输出模型结果,发现问题。图5是模拟模型的输出结果的一部分。

5 模拟模型的输出结果

结语

在我们即将跨入信息社会的时候,使用计算机这一信息社会的普遍工具,为加速新疆农业的信息化进程而增砖添瓦,促进新疆农业早日跨入信息农业的门槛。棉花生产管理系统就是这样一个尝试,是向信息农业的迈出的坚实一步。

虽然我们的系统还很不完善,需要进行大量的改进和提高,但毕竟是实实在在的。希望领导和专家们提出宝贵的意见和建议,以便我们在今后的今年内继续努力,不断改进,建成比较完善的棉花生产管理系统,为新疆棉花生产的发展作出应有的贡献。

Share

作物生产系统及其管理系统

2011年10月8日 没有评论

生态农业研究. 科学出版社. 1998, 6(1):64-68 [PDF]

董占山

(中国农业科学院棉花研究所,河南安阳,455112)

摘要

本文在概述作物生产系统的概念、特点、结构和组成的基础上,提出现代作物生产管理系统的基本概念和理论基础,指出它是计算机科学、农业科学和自动化科学相互交叉的产物,它的理论基础是系统论(作物模拟模型,或称为人工作物)、控制论(作物管理专家系统)和优化决策论(作物管理优化决策模型),其未来的发展方向是高度集成化、高度自动化等,鉴于此我们要综合运用作物模拟技术、知识工程技术、地理信息系统(GIS)、全球定位系统(GPS)、遥感技术(RS)等现代技术,建立集成的作物生产管理系统(CROPMAN)。

关键词:作物,生产管理系统,专家系统,模拟模型

耕地、粮食、人口、环境是当今世人所关注的几大热点。在耕地减少,人口骤增的发展中国家,各种矛盾尤为突出。解决问题的关键在于充分利用并维护有限的自然资源,发展作物生产,提高单位面积的产量,走可持续发展农业的道路。要达到这些目标,必须用系统论的观点,把作物生产过程看做一个系统──作物生产系统,深入研究作物生产过程中各种因素的相互作用规律,探求“两高一优”的作物生产管理措施,为国家的稳定、发展提供最基本的物质保障──人们赖以生存的粮食、油料等农产品。

1 作物生产系统

从人类种植各种谷物开始,就有了作物生产。在千百年的发展过程中,人类一直是靠天吃饭,即气候的好坏决定了作物产量的高低、农业的丰歉。随着科学技术的发展,现代农业逐步取代了靠天吃饭的传统农业,农业(作物)科学也逐步由经验科学变成了精密科学。人们开始用系统论的基本思想来重新认识作物生产,把作物的生产过程看作一种系统过程,它有系统的输入,经过系统内部的功能结构(作物有机体)加工处理,最后以农产品的形式输出到系统外。

1.1 定义和特点

作物生产系统就是以农业生物、气候、土壤、社会经济为物质基础,由人类采用多种生产管理措施来调控,以作物有机体为生产主体,以获取作物机体的某一部分(产品)为目的,同时兼顾经济效益、社会效益和生态效益,有利于农业可持续发展的人工和自然的复合系统。所以说作物生产系统是由作物、环境、技术、经济四大要素所组成的,作物生产的丰歉是这四大要素相互作用的结果。作物生产系统有以下几大特点:

1.1.1 作物生产系统是一个复合系统

作物生产系统首先是一个自然生态系统,在系统内生物与生物、生物与环境、环境与环境以物质循环和能量交换建立起的纯自然的部分,它是一个多层次、多序列、多结构的自然系统,且具有一定的生产能力。但是,作物生产系统又是一个人工系统,它不断地受到人们采取的各种农艺措施的影响,其发展的道路会偏离其自然生长的轨道,沿着人类设计的轨道进行,所以说作物生产系统是一个人工和自然的复合系统。

1.1.2 作物生产系统是一个复杂巨系统

作物生产过程是一个复杂的系统过程。它的复杂性既表现在地域性、季节性和生物性等方面,又表现在人为性、经济性和社会性方面;它既要按照生物自身固有的生命活动规律进行,又要按照人类活动所必须遵循的社会规律进行。作物生产活动是人类通过生态、社会经济、技术管理等诸要素之间的相互作用来实现自然过程和人为过程的统一。系统内部各要素之间的关系是复杂的非线性关系,所以作物生产系统是一个复杂的非线性系统。

1.1.3 作物生产系统是一个开放系统

作物生产系统是一个开放系统,作物自身的生长过程是一个内部结构、特性和机理都还未完全搞清楚的“黑箱”,但它的输入和输出是透明的,是可以定量的。作物品种、气候、土壤以及农艺措施作为输入,通过作物有机体,将这些输入的物质或能量转化为特定的有机物质,如蛋白质、糖、纤维素等,伴随着作物的开花结果,生产出人类需要的那部分产品,形成系统的输出,作物生产过程的一个周期就完成了。在这些过程中,输入系统的物质和能量是可以通过某种手段加以精确地定量的,系统输出的产品也是可以在质和量两方面定量的。

1.2 结构、组成和功能

作物生产系统大体上可以划分为自然生态部分和社会经济两大部分,自然生态部分就是作物生态系统,包括气候、土壤、作物及其产品;而社会经济部分是属于农业经济的范畴,包括人、农艺措施、社会经济资源等。各部分之间的关系如图1所示。

图1 作物生产系统示意图

(图中实线代表物质流,虚线代表信息流)

一个优化的作物生产系统,其各个组成部分之间应该协调平衡、相互促进、转化率高,总体功能越来越好,可以为人类提供越来越丰富的农产品。

现代作物生产,实质上就是用现代科学技术和管理的新思想、新方法、新技术和现代工业提供的一系列新的生产力要素,如农机具、化肥、农药、电力等,改造传统的作物生产活动,使之合理、优化利用资源,不断提高土地生产率,实现作物生产的“高产、稳产、低耗”的目标。

2 作物生产管理系统

由于作物生产系统具有复合性、复杂性和开放性,其管理就更加困难。所以在进行作物生产管理时,首先要了解作物自身依外界环境(天气、土壤等)的生长发育规律(建立作物模拟模型);然后根据这种规律性,人为地对系统的平衡进行调整(建立作物管理专家系统),以期达到作物高产、稳产、优质、高效(高经济效益、高社会效益和高生态效益)的目的(建立作物管理优化决策模型)。将这3部分有机结合,即形成作物生产管理系统的框架。下面分别阐述作物生产管理系统的基本概念和理论基础。

2.1 定义

就目前的观点来讲,作物生产管理系统是指运用计算机,把作物模拟模型、作物管理专家系统、作物管理优化决策模型和其它辅助模型有机地结合,充分利用人类专家有关作物生产的已有知识,依赖作物生产中作物自身的生长信息反馈,对作物生产的日常管理和出现的具体问题,进行实时实地的在线式管理决策,这是一种高度综合的计算机程序系统。

2.2 理论基础

作物生产系统的主体(作物)的生长发育遵循其自然准则,即作物生态学原则,研究它的基本理论是系统论;作物生产系统的主要控制者(人)可以通过对系统施加一定的外力(农艺措施)去影响系统的行为,也就是说人可以在某种程度上控制作物的行为,这就是作物生产管理的基本依据,研究人如何去控制系统行为的基本理论是控制论;但是,人对系统的控制不是盲目的,总是为得到一定的目的而进行的,有时(往往在大多数情况下)目标是多种的而非单一的,要使系统得到这多种的目标,当对系统施加影响时,要综合考虑外力的正负效应,对其进行优化,协调各种目标,这需要优化决策论;所以,作物生产管理系统的基础理论是系统论、控制论和优化理论。在作物生产管理系统的研究中,始终贯穿着系统论的使用,作物模拟模型体现了系统论,作物管理专家系统体现了控制论,作物管理优化决策模型体现了优化决策论。同时这些模型和系统都是计算机程序,因此计算机科学的基本理论也是研究作物生产管理系统所必不可少的。

2.2.1 系统论—作物模拟模型

在作物生产系统内部,系统的主体(作物)对系统的各个组成部分和影响系统的各种要素做出反应,通过用数学语言将这些反应描述出来,并用计算机程序实现作物一生的反应轨迹,也就是用计算机模拟真实世界的中作物的自然生长。

作物模拟模型是利用计算机程序模拟作物在自然环境条件下利用光能资源把水和二氧化碳结合制造成有机物质的过程(包括光合作用、呼吸作用、作物生长、干物质的积累与分配等生理生化过程)、作物组织和器官的建成和死亡的过程和作物产品的形成过程等,同时还包括作物需要的矿质元素在土壤中的分配、移动和被作物吸收的过程。这些过程既决定于作物本身的特性,同时也受到外界环境条件的制约,这些环境条件包括太阳辐射、温度、水分和二氧化碳等气候因子和土壤质地、土壤肥力等土壤因子,还包括人类的活动等人文经济环境条件,其中对作物生产起作用最大的因素是气候因子,只有有了光、热、水、气,作物才能进行光合作用,然后才有物质生产。

研制一个比较完善的作物模拟模型是十分复杂的,需要多学科的科学研究人员经过长期的努力才能实现。作物模拟模型作为作物生产管理系统的核心组成部分,对作物生产管理决策系统的适用范围有较大的决定性。

2.2.2 控制论—作物管理专家系统

对作物生产系统的主体(作物)来说,其生长发育过程是可以控制的,人通过对系统施加不同的外力(农艺措施等)可以控制系统主体(作物)沿不同的道路发展,最后取得不同的结果。从这个角度来说,人对作物生产的控制是切实可行的,是有现实意义的,也是必不可少的。对系统施加什么外力(措施)可以使系统沿什么方向发展,这是作物生产中专家多年积累的经验。这种专家的经验含有的不确定因素很多,很难运用数学方法表达出来,目前处理这种经验的主要手段是知识工程学中的专家系统技术。

把作物管理专家的知识和经验规则化、具体化,用计算机程序表达出来,形成特定的知识库,通过一种具有推理功能的智能计算机程序来操作管理,对作物生产的具体领域的问题提出解决方案,辅助作物生产者实现作物生产的各个环节的管理,这就是作物管理专家系统。

2.2.3 优化决策论—作物管理优化决策模型

从系统优化的角度讲,无论什么决策都存在优化的问题。作物生产作为一个系统,其管理决策也是需要优化的。况且,农业生产的目的是多目标的,不仅仅是取得最高的产量,还要求取得较高的经济、社会和生态效益,这样多目标的优化决策成为必然。

作物管理中的优化决策就是综合运用各种优化理论,根据一地的自然资源和社会经济资源等的具体配置,在充分考虑作物的产量和品质的前提下,对作物生产过程的管理措施提出经济的、生态的、社会的优化决策,使作物生产活动按最优化的道路进行。它在作物生产中起着辅助决策的功能,帮助专家或专业人员处理实际问题,以期达到最优的作物产品和最佳的经济和生态效益,最后向用户推荐优化的决策方案,这就是作物管理优化决策模型。

3 典型应用实例

国家“八五”计划期间,中国农科院棉花所研制了一个黄淮海地区棉花生产管理系统COTMAS,它就是运用上述理论建立的一个作物生产管理系统,它由棉花模拟模型GOSSYM、棉田管理专家系统CMES、图形用户界面GUI和数据库组成,可以对棉花生产管理中的氮肥、水和植物生长调节剂(缩节安)的管理提供辅助决策。系统的主要功能如下:

3.1 灌溉日期和灌溉量的决策

根据水分胁迫、灌水对最终产量的效应和距成熟期的时间进行决策。GOSSYM预报由于缺水而引起的水分胁迫的时间,然后,根据棉花各时期的需水量初定灌溉基量,CMES通过多次执行GOSSYM作出减轻或消除水分胁迫的灌溉方案。

3.2 施氮时间和用量的决策

根据氮素胁迫、施肥对最终产量的效应和对营养生长的作用来决策。GOSSYM预报由于缺氮造成的氮素胁迫时间,然后根据预计要达到的皮棉产量推算出作物的需氮量,再由CMES多次执行GOSSYM制定出减轻或消除氮素胁迫的施氮肥方案。

3.3 植物生长调节剂决策

植物生长调节剂能降低株高,促进光合产物向生殖部分分配,缓解营养生长过快带来的负效应。缩节安是当前我国最流行的植物生长调节剂,其使用时间和用量依赖于棉花的生育状况。缩节安的使用时间一般分蕾期、初花期和花铃期,在正常年型下,蕾期每公顷喷施0~15克,初花期每公顷喷施30~60克,花铃期每公顷喷施45~60克。GOSSYM能模拟缩节安的实际使用效果,然后由CMES对缩节安的使用日期和用量作出决策。

3.4 估计皮棉产量

利用GOSSYM模型,可以对模拟棉田的棉花皮棉产量,提前1个月左右进行估产,但还不能对大面积的棉花产量进行预测。

4 发展趋势

随着计算机科学、自动化工业、航空航天技术的发展,智能机器人的不断涌现,工业过程的部分或全部操作被智能机器人所代替,作物生产中的某些过程也开始使用机器人,最终的发展结果是越来越多的机器人代替人类在田间进行作物管理的实际操作,这是作物生产管理的另一个层次的自动化,它是由硬件来支撑的,依赖于机械工业和电子工业的发展。

作物生产管理系统的进一步发展的概念是:以计算机软件为基础,以智能机器人为硬件支持,综合作物生产过程的各种知识、信息于一体,由计算机对作物生产的全过程的提供全面的综合的决策,通过智能机器人在田间的操作,实现作物生产过程的全盘自动化的综合的软件和硬件的组合系统。

作物生产管理系统的发展趋势是高度智能化、高度综合化、高度自动化。高度智能化是指作物生产管理系统中的专家系统会越来越成熟,逻辑推理功能逐步增强,决策的准确率提高,同时增加自学习功能,使系统在实例决策中积累知识。高度综合化是指作物生产管理系统不仅仅包括作物模拟模型、作物管理专家系统和作物管理优化决策模型,它将和地理信息系统(GIS)、全球定位系统(GPS)、遥感技术(RS)等一系列的高新技术结合,形成集成的作物生产管理系统(CROPMAN)。高度自动化是指CROPMAN自身逐步具有控制田间作业机器的能力,实现田间作业的自动化。最终,CROPMAN将充当作物生产自动化的主角。

5 结语

作物生产管理系统是近年来刚刚兴起的一门新技术、新学科,它是多学科交叉发展的产物,特别是计算机科学与农业科学的交叉在其发展过程中起着举足轻重的作用,在以后的发展中,自动化科学、航空航天技术、遥感技术也将成为其基本的技术和理论支柱。

它的开发和研制需要多学科科技工作者协作才能完成。特别是作物模拟模型的研制,更是需要综合气象学、植物生理学、土壤学、农学的知识和计算机编程技术;作物管理专家系统的研制则需要作物管理专家和人工智能工程师的密切合作。这是一项艰巨复杂的系统工程,一方面,需要在人工控制条件下进行精确的试验研究,和在不同的生态环境条件下进行大量的大田试验,以检验系统的有效性;另一方面,需要进行大量的计算机编程和调试工作。

随着计算机技术的飞速发展,超级微机和多媒体技术使原来许多由微型机难以实现的算法和大型软件系统得以实现,研制大型的、综合的、多作物的生产管理系统也成为可能。今后它将与地理信息系统(GIS)和全球定位卫星系统(GPS)复合,通过智能机器人和高度集成化的计算机软件相结合,实现农业生产的高度自动化,走向信息时代的现代农业。

参考文献

董占山.作物生产管理系统的理论与发展.见:中国科学技术协会第二届青年学术年会论文集(农业科学分册)¾ 农业科学技术研究进展与展望.北京:中国科学技术出版社.1995,p.56~60

董占山,韩湘玲.黄淮海地区棉花生产管理系统.自然资源学报.1996.11(2):164~169

韩湘铃等编.作物生态学.北京:气象出版社,1991.p.189~197

汪定淮,刘尚义,沈烈等.作物养分平衡与高产栽培—兼论作物栽培科学现代化.北京:北京大学出版社.1991

Crop Production System and Its Management System

Dong Zhanshan

(Cotton Research Institute, CAAS, Anyang, Henan, 455112)

ABSTRACT

First, the definition, properties, structure and components of crop production system have been explained in this paper. Then, definition of crop production management system have also raised. It is indicated that essential principles of crop production management system (CROPMAN) consist of crop simulation, crop management expert system and model of optimizing cultural measurements. The developing tendency of CROPMAN is high automation and integration. So we have to establish the integrated crop production management system by using the geographic information system (GIS) and global positioning system (GPS), remote sensing (RS), crop simulation and knowledge engineering.

Key words crop, management system, expert system, simulation model

Share