分类：论文范文 发表时间：2020-09-03 10:21
摘要: 农业模型、农业人工智能及数据分析等技术贯穿于智慧农业的信息感知、信息传输、信息处理与控制全过程，是智慧农业的核心技术。为进一步明晰农业模型的内涵和作用，促进农业模型进一步研究及应用，推动智慧农业健康、稳定和可持续发展，本研究采用系统分析、比较及关系框图等方法，分析了农业模型的内涵，阐述了农业模型和智慧农业要素与过程的关系，明确了农业模型的作用并附以应用案例，比较了农业模型的国内外重要发展动态与趋势。国内外农业模型研究与应用重要进展比较表明，农业模型研究应用需要考虑农业生物要素的4个水平、农业环境要素的6个尺度、农业技术与农业经济要素的6个层次并采用相应方法进行，农业模型环境要素空间多尺度研究应用有较大发展潜力；农业模型与分子遗传学、感知技术及人工智能技术结合，农业模型研究应用的公私有组织协作，粮食安全挑战将成为农业模型进一步发展的重要推动力，且需更注重将各种农业系统模拟、数据库、和谐性与开放数据及决策支持系统相连接。中国农业模型研究与应用已形成具有中国特色的作物模型系列，也融入农业模型的互比较与改进、智慧农业等世界潮流，需要抢抓机遇，加快发展。农业模型是农业系统要素内及要素间关系的定量化表达，是农业科学定量与综合的重要方法，具有认识论价值，它与感知技术的结合可以在智慧农业数据获取与处理中发挥不可或缺的作用，成为信息农业技术落地应用的重要桥梁和纽带。
关键词: 农业模型；模型分类；生物模型；环境模型；技术模型；经济模型；应用案例；智慧农业
1 引言
世界现代农业经历了农业机械化、化学化、水利化和电气化发展历程。同时，生物工程、新材料、新能源、海洋技术、信息和空间技术等高新技术在农业中得到较广泛应用，出现了持续农业（包括有机农业、生态农业和超石油农业）及信息农业等形态，它们不仅有可能大幅度提高土地的单位面积产量和畜禽的产品率，从而极大地提高农业劳动生产率和降低各项农业成本，而且将引起农业生产布局的重大变革[1]。
2农业模型发展分析
2.1 农业模型内涵
2.1.1 农业模型概念
农业模型，亦称农业系统模型、农业计算机模拟模型等，它是为研究农业问题的定量规律所建立数学模型的总称。具体而言，它是以农业系统要素包括农业生物、农业环境、农业技术、农业经济等为研究对象，根据农业系统学与农业科学原理，对农业系统要素内及要素间关系的定量化表达（图1）。经检验和验证后，它可用于农业系统要素及其因子发生发展过程及结果的定量预测、监测、预警与决策控制。农业模型和农业系统模拟既紧密联系又相互区别，农业模型是农业系统要素内及要素间关系的一种逻辑上的数学表达；而农业系统模拟则包括建立模型和模型操作，是一项技术和过程[5]。
2.1.2 农业模型分类
采用不同分类方法可以将农业模型分为不同类型[5]。依据研究对象不同，农业模型可分为农业生物模型（包括农业植物模型、农业动物模型和农业微生物模型等）、农业环境模型（包括农业气候或气象模型和农业土壤模型等）、农业技术模型（包括农业生物技术模型、农业生态技术模型、农业信息技术模型和农业产后技术模型等）以及农业经济模型（包括农业经济计量模型、农业市场模型和农业管理模型等）等；依据建模方法与本身性质不同，农业模型又可分为经验性、半机理性和机理性模型，其中，经验性模型主要采用统计学方法建立，因其参数估计所用数据未表现土壤、管理、气象及其他条件变化，其结果不能外推，也难以适用于估计未来气候变化的影响[5]；机理性模型即动态系统模拟模型，具有描述系统状态变化过程的功能，可响应气象和管理措施等外部变量[6]；半机理性模型则介于二者之间。如将上述两方面结合，农业模型可分为4大类、12个主要种类及36个亚类（表1）。
2.2 农业模型的作用
从农业模型的概念、类型及要素等方面分析，它的作用主要包括以下5个方面。
2.2.1 是农业科学定量与综合的重要方法
近现代科学技术在高度细分化的同时呈现综合化和整体化、由定性到定量化趋势[8]。由于农业模型既涉及种植、养殖、加工等农业结构因子定量化与综合化，又与生产、科研、教育、行政、流通及服务等农业农村部门因子定量化与综合化紧密相连，因此，它充分体现了以上趋势，成为继农业统计学之后农业科学定量与综合的重要方法。比如，农业生物生长发育处在“环境-生物”系统中，并与所采用技术和当时社会经济条件密切相关，涉及如上所述许多学科大量知识，其中每一学科知识都只涉及农业生物生长发育过程某一侧面，要获得对“环境-生物”系统中农业生物生长发育过程的全面认识，就需要利用农业系统模拟技术将各门学科知识加以集成和综合。
另外，在定量农业系统要素内及要素间关系时，农业生物要素目前包括群体、个体、器官和分子4个水平；农业环境要素包括全球、国家、省域、农业生态区、农场和田块6个尺度[6]；农业技术要素包括国际谈判、工具与全球事务，食物安全、战略规划及贸易政策，土地利用和经济规划及环境管理，经济优化与环境管理，企业经营管理以及农事管理6个水平[6]，农业经济要素包括国际机构、跨国公司，国家机构，省级或区域部门，地区或农民协会，生产者与供应者，以及农户6个层次[6]。定量关系不仅是深化农业系统要素研究的需要，而且是应用农业系统要素研究成果提高其精确化管理和生产水平的桥梁和纽带。
2.2.2 增加了农业系统可观察量、提高了决策调控的速度
农业模型的可观察量包括农业生物、农业环境、农业技术及农业经济等4大类系统间因子，以及农业植物、农业动物、农业微生物、农业气候或气象、农业土壤、农业生物技术、农业生态技术、农业信息技术、农业产后技术、农业经济计量、农业市场、农业管理等12种系统内因子，极大增加了农业系统可观察量。从系统学耗散结构理论分析，将计算机、数学引入农业系统研究，会降低系统熵值，使其向新的有序化方向发展，拓展研究面，获得更多信息支持和学科生长点。
在农业系统模拟中，农业生物系统及其与土壤系统、气象系统等的交互都是动态系统，通过发挥计算机高速运算优势，即可在很短时间内根据所获得信息和已建立模型，迅速将模拟结果与实际情况相比较，再根据比较结果快速修改模型或给出控制系统的方案，与传统、静态方法相比具有不可比拟的优势。
3 农业模型应用案例
3.1 案例一：气候情景对田间尺度土壤水氮动态和作物产量影响的预测
以Jeong等[61]的研究为例，通过将RZWQM与DSSAT耦合，研究了基于GCMS输出的不同基准情景下长时间范围土壤硝态氮运移和淋失以及相应玉米、高粱产量变化
3.2 案例二：基于模型与感知的稻、油生产智慧化及主要灾害预警关键技术与应用
2015年以来，江苏省农业科学院农业模型团队将自主创建的水稻/油菜生长模型及其决策系统R/OCSODS与农业物联网、大数据等技术结合，开展了稻、油生产智慧化及主要灾害预警关键技术应用。其方法是基于模型的R/OCSODS利用环境（气温、光照、土壤水分、养分等）、生长（生物量、LAI、植株水分、养分等）及病虫灾害感知数据进行生产管理决策、灾害精细评估防控预警以及装备化实施（图5）。
4 结论与展望
4.1 结论
本文着重阐述了农业模型的概念及其与智慧农业的联系，提出了农业模型分类，从认识论角度分析了农业模型建立过程，明确了农业模型的作用，通过农业模型的内涵分析证明农业模型是智慧农业的核心技术。
（1）农业模型研究与应用的国内外主要进展表明，农业模型自20世纪50年代创立以来，就包括了农业系统中的农业生物、农业环境、农业技术与农业经济要素内及要素间关系的定量，在农业模型或农业系统模拟等七个不同发展时期均取得了重要进展，以农业生物模型中的大田作物系列研究与应用发展最快、最突出；2010年以来农业模型重要进展呈现五大趋势，其中，农业模型与分子遗传学结合、农业模型与感知及人工智能技术SLM-DT结合、公私有组织协作、粮食安全挑战将成为农业模型进一步发展的重要推动力，同时，更注重将各种农业系统模拟、数据库、和谐性与开放数据及决策支持系统相连接。
（2）农业模型研究与应用案例充分表明，农业模型可通过农业生物模型与农业环境模型耦合，开展农田土壤要素与作物产量对气候变化响应研究，解决无法大规模设置气候变化情景实验问题等；农业模型与感知技术结合可以在智慧农业数据获取与处理中发挥不可或缺的作用，成为智慧农业技术落地应用的重要桥梁和纽带。
4.2 研究展望
（1）农业模型仅有约70年发展历程，属非常年轻的学科方向，在建模理论与实践方面仍需不断创新、完善与发展；农业模型研究应用需要考虑农业生物要素的4个水平、农业环境要素的6个尺度、农业技术与农业经济要素的6个层次并采用相应方法进行，农业模型环境空间多尺度研究应用有较大发展潜力。目前国内外主要农业生物模型都是基于地点尺度，虽然可以通过模型参数提升尺度用于较大尺度研究应用，但缺乏模型参数时空差异协同分析研究应用。
（2）中国的农业模型研究应用经过约四五十年发展，形成了具有中国特色的作物模型系列，融入了农业模型相互比较与改进、智慧农业等世界潮流，但也以农业生物模型中的作物模型系列研究与应用为主，需要加强农业模型环境空间多尺度、与分子生物学及分子遗传学、农业经济模型、感知及人工智能技术、社会研发力量以及粮食安全问题结合等方向研究应用，进一步增强国际竞争力。
（3）四大类农业模型仅在系统模型扩展应用、可持续农业运动兴起及持续关注粮食安全三个时期体现了重要应用进展，研究应用极不平衡，因此要充分发挥农业模型整体作用，需要进一步加强薄弱环节的研究应用。
（4）在研究应用中，农业模型都有参数获取与校准过程，且存在参数获取与校准难等问题，在一定程度上制约了其应用的广度和深度，如果能与农业感知、农业大数据、农业人工智能及农业区块链等技术结合，就可能实现参数获取与校准自动化、智能化，从而解决这一难题，加快其应用进程。
（5）农业物联网、农业云、农业大数据、包括SLM-DT的农业人工智能、农业区块链及5G农业等技术的兴起，使以“数据驱动农业模型+智慧农业”成为可能，需要进一步研建与之相适应的农业模型；另外，在智慧农业中，涉及生物与环境感知的农业模型主要是经验性模型，其适用性和精确度有待进一步提高，以加快智慧农业技术落地。
参考文献
[1] 邓秀新. 现代农业与农业发展[J]. 华中农业大学学报(社会科学版), 2014, (1): 1-4.Deng X. Modern agriculture and agricultural development[J]. Journal of Huazhong Agricultural University (Social Sciences Edition), 2014, (1): 1-4.
[2] 施晟, 卫龙宝, 伍骏骞. 中国现代农业发展的阶段定位及区域聚类分析[J]. 经济学家, 2012, (4): 63-69.Shi S, Wei L, Wu J. Stage orientation and regional cluster analysis of modern agriculture development in China[J]. Economist, 2012, (4): 63-69.
作者曹宏鑫 1*, 葛道阔 1, 张文宇 1, 张伟欣 1, 曹静 1, 梁万杰 1, 宣守丽 1, 刘岩 1, 吴茜 1, 孙传亮 1, 张玲玲 1, 夏吉安 2, 刘永霞 3, 陈昱利 4, 岳延滨 5, 张智优 6, 万倩 1, 潘月 1, 韩旭杰 1, 吴菲 1
推荐阅读：基于模型的智慧农业平台的构建
相关阅读
论文常识
期刊知识
著作出版
教材出书
专利申请
出版社
扫码关注公众号