物聯網與作物模型在智慧棉花系統中的應用與展望

萬璐，杜明偉，王雪姣，王森，王林，梁皓，張立禎*，李召虎

（1.中國農業大學，北京100193；2.新疆農業氣象臺，烏魯木齊830002；3.新疆生產建設兵團農業技術推廣總站，烏魯木齊830002；4.北京布谷奇點科技有限公司，北京100094）

隨著物聯網、 人工智能等新技術的飛快發展，人類社會進入大數據時代。 通過物聯網、3S 技術（遙感技術、 地理信息系統和全球定位系統的統稱）、大數據分析、建模、云計算等信息技術的組合來實現智能傳感、生產的信息管控與科學決策[1]，農業由最初的傳統人力畜力農耕1.0 原始階段進階到利用數據精準化分析、智能化控制、集約化生產、高效化管控4.0 高級階段[2]。 2020 年中央一號文件《中共中央 國務院關于抓好“三農”領域重點工作確保如期實現全面小康的意見》中明確指出要“依托現有資源建設農業農村大數據中心， 加快物聯網、大數據、區塊鏈、人工智能、第五代移動通信網絡、智慧氣象等現代信息技術在農業領域的應用”[3]。打造智能化、信息化、精準化農業生產環境，可提高農業生產效益與資源利用率， 優化農田管理過程，發展高度集約、精準、智能、協同、生態的現代農業模式已成為當今社會綜合發展的重要基礎[4]。 我國農業生產覆蓋面積廣而分散， 涉及領域和內容繁多，機械化和信息化起步較晚，相關數據采集與管理、決策難度大，尤其在不同集約化生產條件下，實施難度更大，由此造成資源利用率低、生產環境惡化、農民收益低等不良局面。因此，利用先進信息技術引導農民進行科學合理的田間生產管理十分迫切[5]。

1 物聯網及其在農業中的應用

物聯網 （The internet of things，IoT） 是指利用傳感器、視覺采集終端、射頻識別技術、全球定位系統等裝置與技術，實時采集和傳輸進行監控、連接、交互的對象或過程的一套完整的運營系統。物聯網組件采集的信息包括聲、光、熱、電、力學、化學、生物、位置等各類數據，通過互聯網、電信網等信息承載體，讓能被獨立尋址的普通物理對象構成相互連通的網絡，從而實現人、物之間的連接，可對監測對象實施智能識別、實時跟蹤、精準定位、全程監控，是產生數據與信息的重要來源[6-8]。

物聯網的發展為多領域帶來了創新與應用，其中農業屬于物聯網中“傳統”的重要領域之一，農業對物聯網技術應用的需求急迫，具有難度大、集成度高等特征。 農業物聯網是一個復雜的綜合系統，涉及電子、通信、計算機、農學、氣象、統計等學科和領域[9-10]。 由于涉及學科廣、開發實施條件要求較高，我國農業物聯網的發展仍處于起步階段，在環境氣象監測、節水灌溉、診斷管理、產品安全溯源等方面進行了有益的嘗試[11]。 農業生產上通過氣象站、莖流儀、土壤水分監測儀、土壤溫度監測儀、植被指數監測儀、紅外及霜凍監測儀、樹形儀、葉片溫度監測儀、葉片濕度監測儀等多種傳感器，全方位、不間斷地對田間情況進行高質量的監測，實時采集大田環境中的各類監測數據，利用網絡信息渠道傳輸并融合、處理后實現全程數據化、可視化[12]，傳感器和成像模塊的連續監測可精確地反映棉花的基本農藝狀態特征[13]。 基于整體網絡平臺確定管理措施，通過智能分析使農業的生產、加工、經營、管理和流通等各個環節實現最優管控[14-15]。

2 作物模型Cotton XL 在農業中的應用

近年來作物模型的開發建設得到廣泛的關注，隨著作物生理生態過程機制的深入研究發展與計算機技術的應用， 作物模型逐漸進入實用化階段。作物模型是以作物為研究對象，依據農業系統科學原理的生理過程和物理過程的數學表達[16]，定量、動態描述作物的生長、發育、產量形成以及對環境反應的計算機模擬程序， 有助于加強對作物生理、行為及反應的理解，為農民提供合理的管理與決策建議[17]。

棉花功能結構模型Cotton XL 是以SUCROS-Cotton[18]為基礎在GroIMP 平臺上構建的三維可視化模型，主要包括3 個模塊。 第一部分為輸入模塊，輸入品種、土壤、氣候、農藝措施等信息；第二部分為運行模塊， 進行形態生理的動態模擬過程；第三部分為輸出模塊，進行結果分析與可視化輸出。 該模型通過XL 語言接口輸入相應的數據，運用學科研究理論、經驗公式等建立程序進行處理分析， 模擬預測在特定配置參數下的生長發育狀況；結合智能化的分析推理與獨立的知識庫，通過構建農業輔助決策系統，以圖、文、動畫等可視化輸出結果對廣大棉農進行農事指導，合理選種、播種、育苗、灌溉、施肥、施藥、診斷病蟲害等，高效分配資源[19-20]。

Cotton XL 能夠根據研究問題的需要從器官、植株、田塊尺度上實現輸出結果可視化。 由于不同棉區在自然環境、土壤及棉花品種特性、栽培管理技術等方面存在差異，需通過田間試驗采集棉花生育期、干物質、拓撲結構、葉面積、產量、纖維品質等信息數據， 對Cotton XL 模型進行參數調整和驗證，達到一定精度時，模型可用于作物棉花發育過程的定量預測、監測、預警與決策支持，從而促進實現棉花生產優質、高產、高效、生態的目標[21-23]。

Cotton XL 模型可以較好地模擬棉花地上部分器官的形態特征[24]。 已有研究用于探究條帶間作棉花的最適密度是否和單作相同：同等土壤、氣象、品種等條件下，毛麗麗[25]在Cotton XL 模型中設定配置后，進行棉花單作與4 行小麥2 行棉花間作2 種種植模式下棉花的生長發育模擬，結果表明條帶種植麥棉間作下棉花的最適密度要小于單作等行距種植。 纖維品質方面，王雪姣[26]利用Cotton XL 模型模擬比對三大主產棉區棉花的纖維長度、斷裂比強度和馬克隆值，結果顯示三大主產棉區的棉花纖維品質均隨著打邊心時間的推遲顯著降低，且纖維長度較短、斷裂比強度較小、馬克隆值較低的劣化棉鈴數量增多。 王森等[27]結合新疆當地的氣候特征研究了不同時期和不同程度的低溫冷害對棉花纖維品質的影響。 干物質分配研究上，顧生浩[28]發現處于同一年齡圈層不同坐果點位的棉鈴具有不同的吐絮概率，間接表明碳水化合物的供需狀態明顯不同，并提出“本地碳池假說”，在此基礎上從器官、植株、田間尺度上進一步完善了模型。

3 基于物聯網與Cotton XL 模型的智慧棉花系統

為了提高棉花生產管理的信息化、 自動化、智能化水平，在設施環境監控硬件設計與開發的物聯網基礎上，融合生理功能與形態結構相耦合的棉花生長模型Cotton XL，研制了智慧棉花IoT 系統。該系統從器官-植株-大田- 區域多方面闡明棉花精準控制的株型與產量品質形成的機理，利用氣象站設備、數據采集儀、傳感器等儀器設備實時采集天氣、土壤、棉花長勢等信息，通過無線網絡上傳監測信息至數據庫，遠程監測田間光照、溫度、水分等環境數據和田間圖像信息，結合模型模擬分析，實現遠程調控輔助管理、 判別預測、 智能處理等功能（http://zhny.wsxnny.com/home）。

3.1 系統運行流程

該系統運行流程如圖1 所示，物聯網設備組件安置于田間選定地點與棉株上，采集到的大田數據通過data bus 自動上傳至中繼站或云端數據庫，用戶可通過計算機訪問云平臺，查看相應指標的實時情況。 針對不同的田間環境，結合往年的農業氣象數據與株型調整方案、栽培管理的優化方案等農藝措施來調整棉花模型的參數。 系統接收到信息后，平臺自動調用模型數據庫中相應的公式并調整參數進行模擬和運算，最終以圖表、評估報告等形式輸出模擬結果和決策建議。

圖1 智慧棉花IoT 系統應用流程

3.2 系統的構成

3.2.1數據庫搭建。 數據庫包含服務器存儲模型運行的基本參數、輸入參數及模型輸出數據。模型運行的基礎數據庫包含地區氣候、土壤、品種、栽培管理措施等基礎數據庫， 作為模型系統默認參數輸入。氣象數據庫包含積溫、平均溫度、降水量、風速、 日照時間、 無霜期及其他生產管理所需參數；土壤數據庫中有土壤類型，質地，氮、磷、鉀、有機質含量，pH，肥料利用率等；品種數據庫中包含不同品種等育種信息、適應地區、生育期、抗病性、產量水平等；栽培管理措施包含播期、種植密度、打頂、脫葉等。模型輸出項包括棉株不同生育期的株高、長勢、葉面積、蕾鈴數量及分配、產量構成、纖維品質等。

3.2.2系統結構。 該系統數字化運行結構見圖2。利用軟件工程思想，實現物聯網組件、數據庫、棉花功能結構模型Cotton XL、Web 端的耦合， 采用瀏覽器/ 服務器（Browser/Server，B/S）三層結構模式，即前端人機交互表現層、后臺處理邏輯層、儲存分析數據層。 在模型默認基本參數的基礎上，用戶在系統中輸入數據后，系統發送指令啟動GroIMP 平臺運行模型，匯集成符合用戶需求的模型輸入參數以調用模型， 輸出結果經處理后展示于前端頁面。后臺分析層以Cotton XL 模型為核心，根據數據儲存層提供的數據信息，進行相關動態模擬，以日為運行單位輸出棉花生長發育的各項指標。

圖2 智慧棉花IoT 系統結構

3.2.3模型模擬決策。 棉花功能結構模型Cotton XL 從區域、大田、植株、器官等多方面闡明棉花精準化控下的株型與產量品質形成機理，明確化控與水肥管理的相互作用，揭示各因素對棉花產量及環境的影響，可響應環境因子、品種特性和栽培管理措施的互作效應對棉花生長發育和產量形成過程的影響，模擬輸出發育期、干物質、葉面積、產量和纖維品質等結果，實現判斷、決策等功能，從而優化作物栽培措施，提升資源配置效率[29-30]。

3.2.4物聯網平臺。物聯網系統組件包括感知層智能網關、支撐層云計算平臺、應用層現代農業物聯網監控系統三大模塊， 智能網關與系列傳感器、攝像頭等可控設備組成集成數據獲取途徑，通過多功能LoRaWAN 節點物聯網數據采集、處理、傳輸。系統后臺基于Java 平臺的springboot 框架，通過系統相關資源和功能邏輯的抽象化，開發了基于RESTful 規范的Web 服務，可實時存取監測數據、遠程控制設備、GIS 定位、分析數據等。 在系統數據和功能的服務接口上， 開發了基于Web 瀏覽器以及Android 客戶端的操作界面， 實現了農業物聯網監控系統的人機交互功能（圖3）。

法律認同是現代國家走向法律趨同的最佳方式，也是改變發展中國家一味依賴發達國家法律規則的現狀，增強自身法律制度世界影響力和競爭力的契機。就我國而言，雖然經濟總量位居世界前列，但非傳統經濟大國，法律的世界影響力比較有限，所以，以法律認同的方式提升我國法律的國際地位，具有更為重要的積極意義。

圖3 智慧棉花綜合管理平臺網絡客戶端

3.3 系統主要功能

該系統有效集成了物聯網設備、棉花功能結構模型Cotton XL、 數據庫和終端Web 服務。 運用Java 語言實現棉花模型的內部程序、 參數調用，以及數據庫之間的數據傳遞，包括將前端用戶輸入的品種、氣象、田地、管理信息等插入數據庫，以及按照需求處理模型模擬數據，傳輸至頁面進行展示[26]。系統有以下主要功能：

（1）信息查詢。系統提供多年數據查詢，包括氣象、品質、生育期、長勢、產量和品質等的數據記錄，用戶可查詢具體地區和對應日期的數據，了解地區氣候資源的時空分布，橫向縱向對比不同地區的生產條件和氣候條件。 在圖層上提供基本操作，支持用戶查看圖層相關的更詳細的信息數據以及圖表展示，支持底圖放大、縮小、平移等基本操作。

（2）平臺管理。用戶可在Web 平臺上進行農田管理、設備管理和系統管理，具體包括片區管理、農田管理、歷史種植管理、設備基本信息管理、設備模型管理、探頭管理以及探頭數據對接功能、地圖圖層矢量編輯與管理、決策與預警信息管理、人員信息管理、農事詳情管理與統計等全面多樣化操作設置，可根據需要進行個性化管理調整。

（3）棉花長勢、產量、品質模擬預測。 結合提供的棉花品種信息、栽培管理方案，模型動態模擬棉花生長發育的全過程，預測長勢、產量構成與纖維品質。在比對分析當年氣候環境條件下的植株拓撲結構動態模擬曲線時，若發現模擬結果與最優曲線差距較大，則通過系統分析、推薦合適的動態調控管理措施以降低差異程度。

（4）栽培管理決策。 可根據需求提供并模擬單項或多項措施優化栽培管理措施方案（圖4），包括播期、種植密度、化控、打頂時間、灌溉周期與灌溉量等變量因素。 系統根據方案設計調用棉花模型，綜合對比、評價各個方案等預期株型、產量、品質標準，同時結合當地生產條件與氣候條件、土壤條件等提出優化方案以供參考。

圖4 模擬肥水化調管理對株高及株型的影響

（5）氣候變化及極端環境下的管理。 針對氣候變化帶來的高溫干旱等影響，根據近幾十年的氣候變化規律開發未來氣候模式，利用作物模型根據已有棉花品種和生產管理水平模擬未來氣候變化對物候期、需水量、產量的影響。 在氣候變化的過程中，采用選擇生育期較長的品種、調節播種時間、調整水肥投入等合理方案，趨利避害以達到高產優質的效果。

4 應用案例

2018 年在新疆生產建設兵團第一師十二團（阿拉爾市）進行田間對比試驗，試驗地毗鄰塔里木河，地下水位高，鹽堿化嚴重，土壤質地分布嚴重不均勻，包含砂壤土和黏壤土。 供試品種為新陸中37號，整體種植規模66.7 hm2，對照區46.7 hm2，應用區20.0 hm2。 對照區按照當地常規種植方式進行管理，應用區進行智慧棉花IoT 系統改造與設備部署（圖5），使用澳大利亞ICT 公司相關配套物聯網組件進行監控、采集數據，精準管理棉田。生育期間系統提供試驗地氣象、土壤、植株數據監測與展示，發布播種期預報、生育期預報與分析、水肥配比方案、打頂預報、化學控制方案。 試驗地氣象資料由新疆氣象信息中心提供， 模型模擬所需的棉花品種信息、管理措施由田間試驗獲得。 利用實測值和模擬值的均方根誤差和擬合度對模型模擬的準確性進行評價。

統計2018 年籽棉產量， 當年應用區籽棉產量為7 200 kg·hm－2， 比對照區產量6 300 kg·hm－2提高14%，灌水量節省32%，耗電量僅為對照區的51%（表1）。纖維品質檢測結果顯示，該系統應用區的棉花纖維質量明顯上升，達到纖維長度≥30 mm、斷裂比強度≥30 cN·tex－1（雙30）標準。 通過智慧棉花IoT 系統可全面掌握棉田環境狀況和棉花發育狀況，根據產量、質量需求調整管理方案，最終獲得高于傳統經驗管理棉田的產量， 水肥投入更加合理。

圖5 幾種典型智慧棉花物聯網監測傳感器

表1 2018 年田間投入量對比

綜合3 年智慧棉花IoT 系統投入產出計算分析， 物聯網設備一次性投入成本2 250 元·hm－2，服務年費150 元·hm－2，3 年累計投入2 700 元·hm－2，年平均投入900 元·hm－2。通過精準的灌溉、施肥管理，氣象、病蟲害預警，產量預報，品質預報和農田智能管理，產量可提高10%，纖維品質提高10%，節水節電20%左右，調整用肥結構，改善用肥效率。 綜合計算節省的人力與資源成本加上生產增收減去單位面積的設備與服務投入， 每公頃可增收4 500～6 000 元， 同時可使資源利用率到最大化。

5 智慧棉花在現代農業中應用的問題與展望

隨著信息和通訊技術的發展及其在各領域的大規模應用，政府、企業和個人對智能信息化服務的需求日趨增長。 目前已在農業信息采集、分析處理等方面進行了物聯網與大數據技術的研究，在精準高效生產與決策管理等方面已開始應用[31]。 農業生產周期長、影響因素繁雜，探究其中的相互關系存在一定的難度。通過物聯網技術可采集多方實時有效信息，基于當地多年的氣象數據、作物與土壤參數、管理措施等信息，利用作物模型進行數據統計、案例對比、模式判別、參數校正、模擬預測和診斷決策等精準分析，為提高氣候資源、養分資源和勞動力資源的配置效率提供科學決策和智能控制，正成為農業現代化的新方向和突破口?，F場智能傳感器及執行設備的選擇自由多樣化， 安裝方便，數據傳輸穩定，設備精準可靠，系統易操作，平臺統一管控，可滿足不同規模與類型的農業設施環境的需求。 可以預料，未來的農業物聯網大數據技術將發揮更大的作用，提供更加智慧的農業服務[32]。

5.1 存在問題

由于我國發展信息農業時間較晚，實施規模較小， 在信息資源的建設上存在嚴重的碎片化分布、縱向信息內容重復和橫向信息缺裂現象。我國涉農網站四萬余個，已建成大型數據庫100 多個，盡管各相關部門、企業、合作社采集的地區、遙感、氣象、植保、測土配方等客觀數據與開發生產管理、電子商務、電子政務、社會化管理等系統管理數據均數以萬計，但數據采集與管理標準不統一，傳輸表達方式不規范，信息在內容、結構上存在差異、分散或重復，形成獨立多樣的小數據庫，與理論不兼容，與國際開放的農業數據庫、知識庫、本體庫難以對接，使數據之間交互共享受阻，大量的智能服務無法操作匹配，很難應用于農業大數據開發。

盡管國內在棉花專業網站、 生產管理專家系統、信息管理系統等系統開發方面積累了一定的研究成果，但這些網站或系統側重于單方面的信息分析，提供的智能專家決策服務有限，缺乏整合生產、管理、市場、經濟、決策支持等多方面的綜合服務系統。 此外，決策的“專業化”也是智慧服務的重要指標之一。 然而棉花生產信息獲取難度大，導致施肥配方的精準度不高，加上決策具有針對性，使智慧棉花難以推廣應用。

5.2 發展策略

政策方面，針對農業信息資源的高效利用制定有償交換協議，建成國內農業數據與服務資源有序高效的交易模式，在信息資源托管運維、跨區域訪問、調用、交換等方面，通過對信息資源進行分類、價值評估、交易規則制定，實現農業信息服務資源共享的可持續發展模式。 針對數據碎片化問題，建立國家統一農業信息化大數據中心，運用云計算等技術集成收錄各地數據信息，解決我國信息資源碎片化、多樣化、獨立分散等問題，對地方上傳匯總的海量數據進行統一遷移、規范儲存，建立支撐多種應用服務的數據接口， 開發信息資源調度系統，實現農業信息化數據獲取、傳輸、加工、利用的一體化處理[33]。

科學技術方面，建立相關學科專業，打造智慧農業綜合領域的專業技術團隊，在已有研究基礎上加深對農業信息化和現代化發展技術創新，開發新型智能傳感的技術，不斷完善智慧棉花系統，形成自主知識產權的核心技術。根據精準施肥、化控、灌溉，針對我國不同生產條件下大田種植、設施大棚等精細化生產的現代農業模式發展需求，建立以物聯網為中心的農業生產互通網絡平臺，改善智慧棉花系統管理模式，提高整體管理水平，從而降低農業生產成本以達到效益最大化。