作物生長(zhǎng)模型的研究進(jìn)展

徐蘇

摘要 作物模型是指通過(guò)數(shù)學(xué)方程把植物生長(zhǎng)過(guò)程在計(jì)算機(jī)上表達(dá)出來(lái)，其可以幫助科學(xué)家概化和聯(lián)系復(fù)雜的作物生長(zhǎng)現(xiàn)象、理解耕作系統(tǒng)的過(guò)程、預(yù)測(cè)產(chǎn)量、預(yù)報(bào)氣候變化對(duì)作物的影響，以及優(yōu)化、利用、管理土地和水資源，是農(nóng)業(yè)研究的強(qiáng)有力工具。但在實(shí)際模擬應(yīng)用中作物模型仍存在一些不足，如作物模型參數(shù)獲取與校準(zhǔn)難、受氣候變化影響嚴(yán)重、模型結(jié)構(gòu)和模型輸入存在較大的不確定性等。該文簡(jiǎn)要地對(duì)作物模型的發(fā)展歷程進(jìn)行了綜述，總結(jié)了作物模型研究方面的不足，并對(duì)作物模型未來(lái)的發(fā)展方向進(jìn)行了展望，為今后的模型研究和應(yīng)用提供參考。

關(guān)鍵詞 作物模型；模型分類(lèi)；單一模型；綜合模型

中圖分類(lèi)號(hào) S126? ?文獻(xiàn)標(biāo)識(shí)碼 A

文章編號(hào) 1007-7731（2023）04-0026-07

作物生長(zhǎng)模擬模型（Crop Growth Simulation Model）簡(jiǎn)稱(chēng)作物模型。最早定義作物模型的是Edwards D，其在Guide to Mathematical Modeling中提到，作物模型是用數(shù)學(xué)公式表達(dá)作物的生長(zhǎng)過(guò)程[1]；Sinclair TR認(rèn)為作物模型是利用計(jì)算機(jī)對(duì)作物動(dòng)態(tài)模擬的一種技術(shù)，使其成為教學(xué)、研究、管理和政府決策應(yīng)用中的重要工具[2]；國(guó)內(nèi)學(xué)者也從不同的角度對(duì)其下了定義，戚昌瀚認(rèn)為作物模型是建立植物生長(zhǎng)發(fā)育與環(huán)境間的動(dòng)態(tài)關(guān)系，并通過(guò)計(jì)算機(jī)模擬對(duì)產(chǎn)量差異進(jìn)行解釋[3]。不同學(xué)者對(duì)作物模型的定義盡管不盡相同，但其實(shí)質(zhì)是一樣的，即如何通過(guò)數(shù)學(xué)方程把植物生長(zhǎng)的過(guò)程表達(dá)出來(lái)。

作物模型能很好地解釋作物生長(zhǎng)發(fā)育的動(dòng)態(tài)過(guò)程，強(qiáng)調(diào)作物生理生態(tài)等功能的表達(dá)，為復(fù)雜的現(xiàn)象建立聯(lián)系。作物模型與環(huán)境科學(xué)、生態(tài)學(xué)、水利學(xué)、科學(xué)、植物科學(xué)等緊密聯(lián)系，并對(duì)氣候變化進(jìn)行預(yù)測(cè)，根據(jù)氣候變化的影響對(duì)作物產(chǎn)量進(jìn)行預(yù)測(cè)，為農(nóng)戶(hù)生產(chǎn)決策提供依據(jù)，為作物生產(chǎn)提供有力保障，促進(jìn)農(nóng)業(yè)高產(chǎn)、優(yōu)質(zhì)、平穩(wěn)的可持續(xù)發(fā)展。作物模型的產(chǎn)生，使科研工作者對(duì)作物的研究不再受時(shí)間、地點(diǎn)的限制。研究作物模型的意義在于解決如何發(fā)現(xiàn)作物表型背后的規(guī)律，如何深入分析不同基因型之間的差別，如何預(yù)測(cè)不同溫光氣等環(huán)境下作物的變化以及如何控制環(huán)境保證節(jié)能的同時(shí)讓作物更好地生長(zhǎng)。

1 作物模型的分類(lèi)

作物模型按照功能劃分，可分為產(chǎn)量模型和形態(tài)模型2類(lèi)。產(chǎn)量模型注重植物的器官生長(zhǎng)、光合作用和物質(zhì)分配；形態(tài)模型更注重植物器官的形成和三維形態(tài)的產(chǎn)生。這2類(lèi)模型的結(jié)合產(chǎn)生了植物功能結(jié)構(gòu)模型，因而植物功能結(jié)構(gòu)模型是基于過(guò)程的生長(zhǎng)模擬和植物形態(tài)模擬的結(jié)合。

按照屬性劃分，可分為靜態(tài)模型和動(dòng)態(tài)模型2類(lèi)。靜態(tài)模型比較關(guān)注某個(gè)時(shí)間的狀態(tài)或結(jié)果，只表示某個(gè)階段的形態(tài)，可用于評(píng)估該階段的光分布及采收時(shí)的生物量、作物形態(tài)，常見(jiàn)于統(tǒng)計(jì)模型；動(dòng)態(tài)模型更關(guān)注作物生長(zhǎng)發(fā)育的過(guò)程和形態(tài)的變化，可模擬各個(gè)階段的發(fā)育和形態(tài)，常見(jiàn)于機(jī)理模型。

按照光合作用劃分，可分為經(jīng)驗(yàn)?zāi)Ｐ秃蜋C(jī)理模型2類(lèi)。經(jīng)驗(yàn)?zāi)Ｐ洼^為簡(jiǎn)單，不能準(zhǔn)確地估算最大凈光合速率以及植物的飽和光強(qiáng)等參數(shù)，也不能準(zhǔn)確模擬脅迫情況下的光合響應(yīng)；機(jī)理模型比較復(fù)雜，能夠準(zhǔn)確模擬各種情況下的響應(yīng)，具有很大的應(yīng)用空間。

2 作物生長(zhǎng)模型的起源與發(fā)展

2.1 作物生長(zhǎng)模型的萌芽階段

1980年之前屬于作物模型研究的萌芽階段，法國(guó)科學(xué)家萊蒙（Reaumur）、英國(guó)科學(xué)家彭曼（Penman）、日本生態(tài)學(xué)家門(mén)司（Monsi），分別提出積溫學(xué)說(shuō)、光合作用對(duì)光通量密度與CO2密度響應(yīng)、群落中光分布公式等數(shù)學(xué)模型，這些通過(guò)數(shù)學(xué)公式表達(dá)植物生理過(guò)程的模型，為后來(lái)作物模型的建立和發(fā)展奠定了基礎(chǔ)[4]。

荷蘭與美國(guó)最先對(duì)作物模型進(jìn)行了研究，發(fā)文量與研究模型的數(shù)量最多。率先研究作物模型的是荷蘭科學(xué)家瓦赫寧根大學(xué)的de Wit CT，其于1965年提出可通過(guò)計(jì)算機(jī)對(duì)作物冠層光合作用進(jìn)行實(shí)際計(jì)算，從相關(guān)氣象數(shù)據(jù)計(jì)算出具有已知特征的冠層日常光合作用的階段[5]。1967年，美國(guó)科學(xué)家佛羅里達(dá)大學(xué)的Duncan根據(jù)每片葉子在特定時(shí)間的光合作用，并且將每個(gè)小時(shí)的光合作用累加，以估計(jì)植物群落的每日光合作用[6]，為植物群落的光合作用行為提供了新的見(jiàn)解，美國(guó)對(duì)作物模型的研究由此開(kāi)始。他們是最早研究作物模型的學(xué)者，同時(shí)這些相對(duì)簡(jiǎn)單的模型為后來(lái)作物模型的實(shí)現(xiàn)和發(fā)展開(kāi)辟了道路，提供了重要的思想，是作物模型的奠基人。

1970年，de Wit CT利用CSMP仿真語(yǔ)言建立了模擬玉米生長(zhǎng)的模型——ELCROS（Elementary Crop Simulator），并加入了光合作用和碳素平衡[7]，是作物模型中的第一個(gè)模型，模型中包含了器官生長(zhǎng)速率和光合作用的部分。Goudrain將微氣象原理引入植物氣體和熱交換的研究過(guò)程中，為植物蒸騰作用的模擬研究奠定了基礎(chǔ)。20世紀(jì)70年代后期，在ELCROS的基礎(chǔ)上研究出了模擬作物生長(zhǎng)和蒸騰作用的BACROS[8]，但是ELCROS和BACROS只能模擬作物潛在生產(chǎn)力的生長(zhǎng)發(fā)育。為了模擬作物實(shí)際生長(zhǎng)狀態(tài)，就需要研制水分[9-12]和營(yíng)養(yǎng)限制[13-15]下的作物生長(zhǎng)模型，1981年Keulen等[16]開(kāi)發(fā)了ARIDCROP，主要對(duì)施肥牧草生長(zhǎng)和水分利用進(jìn)行模擬；1982年Van Keulen[17]在BACROS的基礎(chǔ)上研究出了可以模擬多作物的SUCROS，該模型以日為步長(zhǎng)，且簡(jiǎn)單通用，具有較強(qiáng)的普適性，可以通過(guò)調(diào)整參數(shù)適用不同的作物，為作物模型的深入研究奠定了基礎(chǔ)。

這一時(shí)期所研制的都是機(jī)理模型，主要為了準(zhǔn)確的模擬作物的機(jī)理和生長(zhǎng)過(guò)程。以de Wit CT為首的Wageningen科學(xué)家對(duì)作物模型進(jìn)行了大量的研究，構(gòu)建了Wageningen系列模型，該系列的作物模型具有強(qiáng)調(diào)生物機(jī)理性的特點(diǎn)。

2.2 單一模型應(yīng)用研究階段

20世紀(jì)80年代作物模型的研究步入應(yīng)用階段，這一時(shí)期的作物模型開(kāi)始從理論向應(yīng)用發(fā)展，但當(dāng)時(shí)的模型無(wú)法滿(mǎn)足這一點(diǎn)，因而基于過(guò)程的模型隨之誕生了，將復(fù)雜的過(guò)程和參數(shù)使用經(jīng)驗(yàn)方法簡(jiǎn)單化，使生長(zhǎng)過(guò)程和經(jīng)驗(yàn)相融合，讓模型更便于應(yīng)用。

2.2.1 DSSAT系列作物模型。DSSAT（農(nóng)業(yè)技術(shù)推廣決策支持系統(tǒng)），是美國(guó)政府在IB-SNAT計(jì)劃的資助下[18]，為了保護(hù)小型農(nóng)戶(hù)經(jīng)濟(jì)利益和自然資源，由多所大學(xué)和科研機(jī)構(gòu)集成多個(gè)著名作物模型而開(kāi)發(fā)的作物模型。該系統(tǒng)支持多種作物的生產(chǎn)和管理，用戶(hù)可以使用該系統(tǒng)評(píng)估農(nóng)藝措施，找到影響作物生長(zhǎng)過(guò)程和產(chǎn)量的因素，如施肥量、播種期、種植密度等，為指導(dǎo)田間栽培和大田作物生產(chǎn)提供管理決策[19]。DSSAT 模型主要側(cè)重于實(shí)際的應(yīng)用，其集成了多個(gè)作物模型，但其中的核心模塊同樣也是光合作用模塊[20]。與瓦格寧根系列模型相比，管理參數(shù)比較詳細(xì)，如灌溉的方式分為噴灌、漫灌、滴灌等，肥料的施入涉及施入方式、施入深度、肥料類(lèi)型等。

2.2.2 瓦赫寧根系列作物模型。WOFOST（World Food Studies）是世界糧食研究中心（CWFS）和Wageningen大學(xué)為提高農(nóng)業(yè)生產(chǎn)力在SUCROS的基礎(chǔ)上開(kāi)發(fā)的模型[21]而建立的，后成為瓦赫寧根系列模型。1994年，WOFOST 6.0模型已經(jīng)成熟，被用于模擬全歐洲一年作物的產(chǎn)量，并被合并到CGMS中。該模型主要功能是產(chǎn)量風(fēng)險(xiǎn)分析、農(nóng)業(yè)生產(chǎn)決策管理、產(chǎn)量變化預(yù)測(cè)等方面[22]。WOFOST具有較強(qiáng)的通用性，可以通過(guò)用戶(hù)界面改變參數(shù)，從而適用不同的作物。該模型有一個(gè)簡(jiǎn)單的GIS模塊，模型的模擬結(jié)果可以用圖標(biāo)顯示，但是不能直接導(dǎo)出圖標(biāo)，同時(shí)可以在用戶(hù)界面對(duì)作物種類(lèi)、生產(chǎn)水平、土壤、天氣等特性進(jìn)行選擇，且操作簡(jiǎn)單。瓦赫寧根系列作物模型主要是光能驅(qū)動(dòng)模型[20]，其通過(guò)模擬光截獲來(lái)計(jì)算潛在的 CO2同化量，利用干物質(zhì)分配函數(shù)，計(jì)算各個(gè)器官的干物質(zhì)積累。

2.2.3 中國(guó)作物模型。中國(guó)在作物模型研究領(lǐng)域起步雖晚，但發(fā)展很快，就中國(guó)作物的特點(diǎn)和生長(zhǎng)環(huán)境的不同，研制了適合中國(guó)作物應(yīng)用的作物模型[23-24]。20世紀(jì)80年代初，高亮之在美國(guó)研究完成 ALFAMOD，是中國(guó)研究作物模型的先驅(qū)[25]。高亮之團(tuán)隊(duì)結(jié)合中國(guó)實(shí)際情況，生產(chǎn)研發(fā)了CCSODS系列模型，和其他模型比較，這些模型通用性、適用性、機(jī)理性都更高，其中比較的典型的是RCSODS和WCSODS。

RCSODS問(wèn)世于1992年，該模型不僅能夠描述作物生長(zhǎng)發(fā)育的內(nèi)在機(jī)理，也可以在不同條件和時(shí)間模擬生產(chǎn)。RCSODS模型沒(méi)有使用專(zhuān)家系統(tǒng)，而是將水稻模擬技術(shù)與水稻栽培優(yōu)化原理相結(jié)合，彌補(bǔ)了模型與實(shí)際生產(chǎn)脫節(jié)問(wèn)題，可以實(shí)現(xiàn)不同條件下進(jìn)行作物模擬，不受限制，從而提高了模型的通用性和機(jī)理性[26]。陳家金等[27]利用RCSODS模型對(duì)東南沿海地區(qū)水稻進(jìn)行了模擬研究，生育期誤差在0～5 d，產(chǎn)量的平均誤差在5%以?xún)?nèi)，具有較高的準(zhǔn)確率。金之慶等[28]用改造后的RCSODS對(duì)上海農(nóng)業(yè)園直播稻精確施氮模擬，結(jié)果表明，該模型準(zhǔn)確率較高。

WCSODS結(jié)合模擬模型和優(yōu)化模型，并使當(dāng)?shù)貙?zhuān)家對(duì)不同品種和栽培參數(shù)進(jìn)行調(diào)試，增加了模型的適應(yīng)性。該模型的主要作用是制定決策、小麥模擬試驗(yàn)、評(píng)價(jià)氣候變化對(duì)小麥的影響等。WCSODS具有獨(dú)立的開(kāi)放數(shù)據(jù)庫(kù)，可根據(jù)當(dāng)?shù)夭煌闆r調(diào)整參數(shù)，是一款開(kāi)放性的作物模型[29]。葛道闊等[30]在江蘇6個(gè)試點(diǎn)研究了當(dāng)?shù)匦←湹淖罴言耘喾桨福⒖筛鶕?jù)地區(qū)差異利用WCSODS制定不同的最佳栽培方案。

2.3 綜合模型應(yīng)用研究階段

20世紀(jì)90年代以后，隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，作物模型的研究進(jìn)入快速增長(zhǎng)階段，逐漸由機(jī)理性向綜合性發(fā)展，對(duì)其研究更加多元化，對(duì)新模型的開(kāi)發(fā)減少，更加注重現(xiàn)有模型的普適性、準(zhǔn)確性和易操作性等方面的優(yōu)化，并且將作物模型與其他領(lǐng)域技術(shù)進(jìn)行結(jié)合，從而增加了作物模型的應(yīng)用性、準(zhǔn)確性、廣泛性、綜合性。此時(shí)中國(guó)作物模型已經(jīng)具有了自己的特色，研發(fā)了很多的作物生長(zhǎng)模型及決策系統(tǒng)[31-33]。為了提高農(nóng)業(yè)的綜合發(fā)展，解決各地區(qū)、國(guó)家糧食產(chǎn)量問(wèn)題，更好地實(shí)施可持續(xù)發(fā)展，很多模型開(kāi)始探索全球氣候變化的影響，并與信息技術(shù)相結(jié)合，如遙感系統(tǒng)、地理信息系統(tǒng)、全球定位系統(tǒng)、農(nóng)業(yè)專(zhuān)家系統(tǒng)、決策支持系統(tǒng)等。

美國(guó)的布拉斯加州林肯大學(xué)開(kāi)發(fā)了一個(gè)綜合性較強(qiáng)的作物模型——Hybrid-Maize模型，該模型以CERES-Maize為基礎(chǔ)，結(jié)合INTERCOM和WOFOST等通用作物模型中光合作用和呼吸的機(jī)理而開(kāi)發(fā)的玉米過(guò)程模型，具有溫度驅(qū)動(dòng)的玉米物候發(fā)育，光合作用的垂直冠層整合，器官特異性生長(zhǎng)呼吸和溫度敏感的維持呼吸等特點(diǎn)。Hybrid-Maize模型在模擬最優(yōu)條件下的生長(zhǎng)和產(chǎn)量方面比其他玉米模型更加穩(wěn)定。此外，Hybrid-Maize軟件提供了直觀(guān)的圖形用戶(hù)界面，用于輸入和輸出設(shè)置，并具有菜單功能和輔助功能，幫助用戶(hù)將Hybrid-Maize模型用于作物管理、推廣教育、教學(xué)和研究的工具，并綜合幫助各級(jí)用戶(hù)提供指導(dǎo)和背景信息。同時(shí)，模型內(nèi)部參數(shù)的透明性和設(shè)置的靈活性，以及模型公式的完整文檔化，使得模型易于與之配合進(jìn)行測(cè)試、估值，并針對(duì)局部情況進(jìn)一步細(xì)化[34-35]。

基于作物生長(zhǎng)模型的決策支持系統(tǒng)已應(yīng)用于生產(chǎn)實(shí)踐中[36-38]。20世紀(jì)90年代，DSSAT已經(jīng)發(fā)展到3.0～3.5版本[39-40]，2003年發(fā)布了WINDOW4.0版本[41-42]，目前已經(jīng)推出了DSSAT4.7版本。該版本對(duì)作物模型的結(jié)構(gòu)、模型的接口以及相關(guān)的分析和實(shí)用程序進(jìn)行了修改。DSSAT還提供對(duì)作物模型輸出與實(shí)驗(yàn)數(shù)據(jù)的評(píng)估，從而允許用戶(hù)將模擬結(jié)果與觀(guān)察結(jié)果進(jìn)行比較。這在應(yīng)用任何作物模型之前至關(guān)重要，尤其是當(dāng)現(xiàn)實(shí)世界的決策或建議基于建模結(jié)果時(shí)。作物模型評(píng)估是通過(guò)輸入用戶(hù)的最小數(shù)據(jù)、運(yùn)行模型并將輸出與觀(guān)察到的數(shù)據(jù)進(jìn)行比較來(lái)完成的。通過(guò)模擬作物管理策略的可能結(jié)果，DSSAT為用戶(hù)提供信息以快速評(píng)估新作物、產(chǎn)品和實(shí)踐以供采用。DSSAT軟件包含了32種不同作物的模型、數(shù)據(jù)管理工具和應(yīng)用程序，新增了向日葵、紅花、苜蓿等作物。新的作物模塊包括用于模擬小麥的Wheat模塊以及用于模擬木薯的YUCCA模塊。DSSAT及其作物模擬模型正被廣泛應(yīng)用，從基于基因的建模、農(nóng)場(chǎng)和精確管理到氣候變率和氣候變化影響的區(qū)域評(píng)估。DSSAT已經(jīng)被全世界120多個(gè)國(guó)家的研究人員、教育工作者、顧問(wèn)、推廣代理、種植者以及政策制定和決策者使用了超過(guò)25年，在許多國(guó)家都被廣泛用于增加糧食產(chǎn)量以及用于養(yǎng)分、水分的管理[43]。

作物模型要實(shí)現(xiàn)評(píng)估氣候變化和改善糧食安全有諸多的不確定性和復(fù)雜性，還需要綜合其他領(lǐng)域模型，如與氣候模型耦合，以及與現(xiàn)代信息技術(shù)相結(jié)合等，這些方法已經(jīng)不再局限在植物的生理層面。將作物模型與其他學(xué)科模型嵌套的研究無(wú)疑成為現(xiàn)代農(nóng)業(yè)的必然趨勢(shì)，如作物模型與大氣環(huán)流模型（GCMs）結(jié)合，用于評(píng)價(jià)全球氣候?qū)ψ魑锏挠绊懀籈wert等[44]綜合了氣候變化對(duì)作物影響的不確定性，對(duì)作物生產(chǎn)的可能適應(yīng)性，研究出了綜合評(píng)估模型IAM，IAM結(jié)合了生物模型、經(jīng)濟(jì)模型及物理模型。該綜合評(píng)估模型的研究結(jié)果證明其對(duì)氣候因子的模擬有顯著效果，改進(jìn)了作物模型對(duì)氣候的響應(yīng)能力；美國(guó)EPIC模型，將作物模型與土壤侵蝕預(yù)報(bào)模型進(jìn)行結(jié)合，用數(shù)學(xué)模型模擬受天氣影響和土壤-植物-水相互作用的土壤侵蝕，通過(guò)調(diào)整作物參數(shù)模擬不同作物和牧草等的生長(zhǎng)過(guò)程。該模型是為了評(píng)估土壤侵蝕對(duì)土壤生產(chǎn)的影響而開(kāi)發(fā)的，其核心是土壤侵蝕預(yù)報(bào)[45-47]。EPIC經(jīng)過(guò)不斷地更新，應(yīng)用范圍越來(lái)越廣，逐漸從單點(diǎn)尺度向區(qū)域尺度擴(kuò)展，并且與GIS結(jié)合，對(duì)區(qū)域水土流失和C、N循環(huán)及土地資源管理，為農(nóng)業(yè)生產(chǎn)管理提供理論決策[48]。Lorite等[49]開(kāi)發(fā)了Aqua Data和Aqua GIS，將其作為輸入和輸出工具，該模型把地理信息系統(tǒng)和Aqua Crop模型進(jìn)行了耦合，將工作時(shí)間縮短了99%以上，其工作效率得到了很大的提升，同時(shí)擴(kuò)大了應(yīng)用范圍。此外，將作物模型與遙感技術(shù)結(jié)合，能有效提高作物模型的模擬精度。同時(shí)，作物模型的范圍應(yīng)用更加廣泛，如APSIM模型，不僅可以支持農(nóng)業(yè)生產(chǎn)系統(tǒng)設(shè)計(jì)和農(nóng)場(chǎng)決策管理，還可以為政府決策提供風(fēng)險(xiǎn)評(píng)估等[50]。作物模型適用性有了很大的提高，不再局限于特定地區(qū)和特定作物。Kersebaum等[51]開(kāi)發(fā)了一個(gè)對(duì)數(shù)據(jù)集進(jìn)行分析和分類(lèi)的軟件，以校準(zhǔn)和驗(yàn)證農(nóng)業(yè)生態(tài)系統(tǒng)模型，該軟件可以分類(lèi)和標(biāo)記數(shù)據(jù)是否適合建模，模型和數(shù)據(jù)一致性測(cè)試可提高數(shù)據(jù)的可用性和適用性。

3 作物生長(zhǎng)模型研究發(fā)展中存在的問(wèn)題

作物模型的發(fā)展歷史約有70年，是一個(gè)比較年輕的研究領(lǐng)域，雖然已取得了很大的進(jìn)展，但理論和實(shí)踐還需要深入發(fā)展和創(chuàng)新。大量的模型參數(shù)在估算時(shí)比較復(fù)雜，存在優(yōu)化不足等問(wèn)題，作物模型參數(shù)獲取與校準(zhǔn)難、受氣候變化影響嚴(yán)重、模型結(jié)構(gòu)和模型輸入存在較大的不確定性，導(dǎo)致模型模擬不夠準(zhǔn)確，對(duì)作物風(fēng)險(xiǎn)預(yù)測(cè)和產(chǎn)量估計(jì)存在偏差。

3.1 作物模型參數(shù)獲取與校準(zhǔn)難

數(shù)字作物的關(guān)鍵是模型，而模型的關(guān)鍵是土壤特性、作物參數(shù)等一系列基礎(chǔ)數(shù)據(jù)，但是當(dāng)下作物模型在研究和使用時(shí)，參數(shù)獲取和校準(zhǔn)過(guò)程比較困難，大部分參數(shù)都是模型的默認(rèn)參數(shù)以及前人的研究成果。由于參數(shù)的選取偏離實(shí)際，使模型模擬精度存在偏差，在進(jìn)行農(nóng)業(yè)預(yù)測(cè)、風(fēng)險(xiǎn)評(píng)估、作物生長(zhǎng)發(fā)育和產(chǎn)量預(yù)測(cè)等存在偏差，對(duì)評(píng)估未來(lái)全球氣候變化對(duì)農(nóng)業(yè)的影響不夠精準(zhǔn)。若作物模型能與農(nóng)業(yè)大數(shù)據(jù)、人工智能結(jié)合，則可以使模型自動(dòng)獲取參數(shù)并進(jìn)行校準(zhǔn)[52]，就可以解決作物模型參數(shù)獲取與校準(zhǔn)難的問(wèn)題。同時(shí)，由政府主導(dǎo)構(gòu)建農(nóng)業(yè)信息共享平臺(tái)，打破農(nóng)業(yè)信息數(shù)據(jù)封鎖的局面，為作物模型研究使用提供基礎(chǔ)數(shù)據(jù)，促進(jìn)數(shù)字作物的發(fā)展。

大部分模型參數(shù)獲取都是人工測(cè)量，測(cè)量人員要有較高的專(zhuān)業(yè)知識(shí)水平，不適合大田作物的監(jiān)測(cè)，且費(fèi)時(shí)費(fèi)力，工作量大。若能利用光譜技術(shù)、“3S”技術(shù)、計(jì)算機(jī)視覺(jué)技術(shù)、無(wú)人機(jī)等獲取數(shù)據(jù)和農(nóng)情監(jiān)測(cè)，可優(yōu)化參數(shù)，減少人力，從而提高效率。

3.2 作物模型受氣候變化影響嚴(yán)重

隨著全球氣候多變，糧食安全受到嚴(yán)重影響，糧食穩(wěn)產(chǎn)受到威脅。國(guó)內(nèi)科研工作者深入研究了歷年氣候變化對(duì)不同地區(qū)作物生長(zhǎng)發(fā)育和產(chǎn)量的影響[53-56]，未來(lái)氣候變化對(duì)農(nóng)業(yè)的影響是研究作物模型面臨的一大問(wèn)題。氣象數(shù)據(jù)是驅(qū)動(dòng)作物模型的重要數(shù)據(jù)，目前作物模型的研究中都使用歷史氣象數(shù)據(jù)或者天氣發(fā)生器數(shù)據(jù)，氣象數(shù)據(jù)的不準(zhǔn)確性嚴(yán)重影響到作物模型的產(chǎn)量預(yù)測(cè)和作物模擬效果。同時(shí)，由于當(dāng)下的天氣發(fā)生器空間尺度較大，不能夠精確反映氣象要素的空間變異，因而提高作物模型在氣候變化條件下的模擬精度是未來(lái)作物模型發(fā)展的重點(diǎn)之一。

3.3 模型結(jié)構(gòu)和模型輸入的不確定性

除了氣候變化的不確定性之外，作物模型的不確定性主要體現(xiàn)在[57]模型結(jié)構(gòu)和模型輸入的不確定性。

模型結(jié)構(gòu)的不確定性是由于植物的生長(zhǎng)過(guò)程和機(jī)理非常復(fù)雜，當(dāng)下模型難以利用經(jīng)驗(yàn)性公式和物理描述性公式對(duì)植物的生長(zhǎng)過(guò)程進(jìn)行準(zhǔn)確的表達(dá)，只能實(shí)現(xiàn)近似契合。需要廣大科研工作者對(duì)作物模型進(jìn)行更深入的研究，建立更準(zhǔn)確的揭示植物生長(zhǎng)機(jī)理的模型，減小作物模型的不確定性。

模型輸入的不確定性主要由人為因素造成的，在播種、中耕、灌溉、施肥、噴藥等田間管理時(shí)，對(duì)同一小區(qū)施肥、灌溉不均勻，使作物生長(zhǎng)存在差異。因此在大田實(shí)驗(yàn)時(shí)，對(duì)耕作的各個(gè)環(huán)節(jié)應(yīng)采取精細(xì)的管理措施，保證同一處理小區(qū)的一致性，降低模型的不確定性。同時(shí)在數(shù)據(jù)采集和觀(guān)測(cè)時(shí)，也要按照標(biāo)準(zhǔn)要求和流程進(jìn)行采樣。

4 展望

當(dāng)前，作物生長(zhǎng)模型的研究已日趨成熟，模型改良不斷深入，應(yīng)用領(lǐng)域逐漸擴(kuò)大，各種作物模型應(yīng)運(yùn)而生，被廣泛應(yīng)用到農(nóng)業(yè)管理和農(nóng)業(yè)決策中。

隨著信息技術(shù)的發(fā)展，眾多領(lǐng)域開(kāi)始將信息技術(shù)與本領(lǐng)域結(jié)合，近年來(lái)數(shù)字農(nóng)業(yè)、智慧農(nóng)業(yè)成為了科研工作者們研究的熱點(diǎn)問(wèn)題，各領(lǐng)域逐漸向智能化、數(shù)字化的方向發(fā)展。作物模型具有動(dòng)態(tài)性、通用性與預(yù)測(cè)性等特點(diǎn)，為農(nóng)業(yè)生產(chǎn)提供了很大的便捷，在農(nóng)業(yè)高產(chǎn)、優(yōu)質(zhì)、高效生產(chǎn)中起到了重要作用。未來(lái)作物模型將會(huì)成為農(nóng)業(yè)研究的重要工具，并與當(dāng)下的人工智能、圖像識(shí)別、大數(shù)據(jù)挖掘等新技術(shù)相嵌套，促進(jìn)傳統(tǒng)農(nóng)業(yè)向現(xiàn)代化、數(shù)字化、信息化和精準(zhǔn)化轉(zhuǎn)型。

5 參考文獻(xiàn)

[1] EDWARDS D，HAMSON M.Guide to mathematical modeling [M]. Boca Raton，F(xiàn)lorida，U S：CRC Press，Inc.1990.

[2] SIILCLAIR TR SELIGMAN N G.Crop modeling：from infancy to maturity[J]. Agronomy Journal，1996，88（5）：698-704.

[3] 戚昌瀚，殷新佑.作物生長(zhǎng)模擬的研究進(jìn)展[J].作物雜志，1994（4）：1-2.

[4] 高亮之.農(nóng)業(yè)模型學(xué)基礎(chǔ)[M].香港：天馬圖書(shū)有限公司，2004.

[5] DE WIT C T.Photosynthesis of leaf canopies[J].Agric Res Report，1965，42：663-671.

[6] DUNCAN W，LOOMIS R，Williams W，et al.A model for simulating photosynthesis in plant communities[J].Hilgardia，1967，38（4）：181-205.

[7] DE WIT C T，BROUWER R，DE VRIES F W T P.The simulation of photosynthetic systems[C]//Proceedings of the IBP/PP technical meeting. Tfebon，1969：47-70.

[8] PENNING DE VRIES F W T，VAN LAAR H H.Simulation of Plant Growth and Crop Production Simulation Monographs[M]. Wageningen，PUDOC，1982.

[9] GEBREMICHAEL M，VIVONI E R.Spatial sampling uncertainty in SMEX04 soil moisture fields：A data-based resampling experiment[J]. Remote Sensing of Environment，2008，112（2）：326-336.

[10] 張栩然，宮阿都，李京，等. 水分脅迫條件下玉米生產(chǎn)潛力遙感評(píng)估模型：以重慶市長(zhǎng)壽區(qū)為例[J]. 遙感信息，2015，30（1）：37-42.

[11] GHULAM A，LI Z L，QIN Q，et al.Estimating crop water stress with ETM，NIR and SWIR data[J]. Agricultural and Forest Meteorology，2008，148（11）：1679-1695.

[12] 張黎，王石立，何延波，等.遙感信息應(yīng)用于水分脅迫條件下的華北冬小麥生長(zhǎng)模擬研究[J].作物學(xué)報(bào)，2007，33（3）：401-410.

[13] INOUE Y，SAKAIYA E，ZHU Y，et al. Diagnostic mapping of canopy nitrogen content in rice based on hyperspectral measurements[J]. Remote Sensing of Environment，2012，126（6829）：210-221.

[14] XU X G，ZHAO C J，WANG J H，et al.Using optimal combination method and in situ hyperspectral measurements to estimate leaf nitrogen concentration in barley[J].Precision Agriculture，2014，15（2）：227-240.

[15] CROFT H，CHEN JINGM，ZHANG YONGQIN，et al.Evaluating leaf chlorophyll content prediction from multispectral remote sensing data within a physically-based modelling framework[J]. ISPRS Journal of Photogrammetry and Remote Sensing，2015，102（5）：85-95.

[16] KEULEN H V，SELIGMAN N G，BENJAMIN R W.Simulation of water use and herbage growth in arid regions A reevaluation and further development of the model ‘a(chǎn)rid crop[J].Agricultural Systems，1981，6（3）：159-193.

[17] VAN KEULEN H.Crop production under semiarid conditions，as determined by nitrogen and moisture availability [M].Simulation Monographs，Wageningen，PUDOC，1982：234-251.

[18] UEHARA G，TSUJI G Y.Overview of IBSNAT.In：Tsuji G Y，Hoogenboom G，Thornton P K （eds）.Understanding Options for Agricultural Production.Kluwer Academic Publishers，Dordrecht，The Netherlands，1998.

[19] 王亞莉，賀立源.作物生長(zhǎng)模擬模型研究和應(yīng)用綜述[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)，2005，24（5）：529-535.

[20] VAN ITTERSUM M K，Leffelaar P A，Van Keulen H，et al.On approaches and applications of the Wageningen crop models [J].Eur J Agron，2003，18（3-4）：201-234.

[21] VAN KEULEN H，Wolf J.Modeling of agricultural production：weather，soil and crops.[M]，PUDOC.Wageningen，The Netherlands，1986：24-26.

[22] HIJMANS R J，Guiking lens I M，Van Diepen C A.User guide for the WOFOST 6.0 crop growth simulation model [M]. Wageningen：DLO Winand Staring Centre，1994：13-15.

[23] 高亮之，金之慶，黃耀，張立中.水稻計(jì)算機(jī)模擬模型及其應(yīng)用之一水稻鐘模型——水稻發(fā)育動(dòng)態(tài)的計(jì)算機(jī)模型[J]. 中國(guó)農(nóng)業(yè)氣象，1989（3）：3-10.

[24] 黃策，王天鐸. 水稻群體物質(zhì)生產(chǎn)過(guò)程的計(jì)算機(jī)模擬[J]. 作物學(xué)報(bào)，1986（1）：1-8.

[25] 曹宏鑫，金之慶，石春林，等. 中國(guó)作物模型系列的研究與應(yīng)用[J]. 農(nóng)業(yè)網(wǎng)絡(luò)信息，2006（5）：45-51.

[26] 高亮之，金之慶. RCSODS-水稻栽培計(jì)算機(jī)模擬優(yōu)化決策系統(tǒng)[J]. 農(nóng)業(yè)網(wǎng)絡(luò)信息，1993（3）：14-20.

[27] 陳家金，林晶，徐宗煥，等.基于RCSODS模型的東南沿海雙季稻生長(zhǎng)發(fā)育及產(chǎn)量模擬和驗(yàn)證[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2008（4）：455-459.

[28] 金之慶，石春林，葛道闊，等. 基于RCSODS的直播水稻精確施氮模擬模型[J].作物學(xué)報(bào)，2003，29（3）：353-359.

[29] 高亮之，金之慶，鄭國(guó)清，等.小麥栽培模擬優(yōu)化決策系統(tǒng)（WCSODS）[J].江蘇農(nóng)業(yè)學(xué)報(bào)，2000，16（2）：65-72.

[30] 葛道闊，金之慶，高亮之.WCSODS在江蘇省優(yōu)質(zhì)餅干小麥栽培上的應(yīng)用[J].江蘇農(nóng)業(yè)科學(xué)，2004（4）：21-23.

[31] 高亮之，金之慶，黃耀，等. 作物模擬與栽培優(yōu)化原理的結(jié)合－RCSODS[J]. 作物雜志，1994（3）：4-7.

[32] 殷新佑，戚昌瀚.水稻生長(zhǎng)日歷模擬模型及其應(yīng)用研究[J].作物學(xué)報(bào)，1994（3）：339-346.

[33] 賀東祥，王天鐸.作物生長(zhǎng)模型PGROWTH微氣象模塊的實(shí)驗(yàn)驗(yàn)證[J].作物學(xué)報(bào)，1995（4）：419-423.

[34] YANG H S，DOBERMANN A，LINDQUIST J L，et al.Hybrid-maize—a maize simulation model that combines two crop modeling approaches[J]. Field Crops Research，2004，87（2-3）：131-154.

[35] JONES J W，KEATING B A，PORTER C H. Approaches to modular model development[J].Agricultural Systems，2001，70（2）：421-443.

[36] 諸葉平. 小麥-玉米連作環(huán)境模擬與智能決策系統(tǒng)[Z]. 2001.

[37] 宋有洪，郭焱，李保國(guó)，等.基于器官生物量構(gòu)建植株形態(tài)的玉米虛擬模型[J].生態(tài)學(xué)報(bào)，2003，23（12）：2579-2586.

[38] 曹衛(wèi)星，朱艷，田永超，等.數(shù)字農(nóng)作技術(shù)研究的若干進(jìn)展與發(fā)展方向[J].中國(guó)農(nóng)業(yè)科學(xué)，2006，39（2）：281-288.

[39] TSUJI G Y，UEHARA G ，Balas S.DSSAT v3[M].University of Hawaii，Honolulu，Hawaii，1994.

[40] HOOGENBOOM G，WILKENS P W，TSUJI G Y.Chapter three：laboratory method，DSSAT v3[M].University of Hawaii，Honolulu，Hawaii，1999（4）：257-270.

[41] JONES J W，HOOGENBOOM G，PORTER C H，et al.The DSSAT cropping system model[J].Eur J Agron，2003，18：235-265.

[42] GIJSMAN A J，HOOGENBOOM G，PARTON W J，et al.Modifying DSSAT crop models for low-input agricultural systems using a soil organic matter-residue module from century[J].Agron J，2002，94：462-474.

[43]S ARKAR R.Use of DSSAT to model cropping systems[J].CAB Reviews：perspectives in agriculture，veterinary science，nutrition and natural resources，2009，4（25）：1-12.

[44] EWERT F，ROTTER R P，BINDI M，et al.Crop modelling for integrated assessment of risk to food production from climate change[J].Environmental Modelling & Software，2015，72：287-303.

[45] WILLIAMA J R，NEARING M，NICK A，et al.Using soil erosion models for global change studies [J].J Soil Water Cons，1996，20：381-385.

[46] KINIRY J R，BLANCHET R，WILLIAM S J W，et al.Sunflower simulation using the EPIC and ALMANAC models [J].Field Crops Res，1992，30：403-423.

[47] KINIRY J R，SANDERSON M A，WILLIAMS J R，et al.Simulating alamo switch grass with the ALMANAC model [J]. Agron J，1996，88：602-606.

[48] BRISSON N，RUGET F，GATE P，et al.STICS：a generic model for the simulation of crops and their water and nitrogen balanceⅡ.Model validation for wheat and maize[J].Agronomie，2002，22：69-93.

[49] LORITE I J，GARC?A-VILA M，SANTOS C，et al.AquaData and AquaGIS：two computer utilities for temporal and spatial simulations of water-limited yield with AquaCrop[J].Computers and Electronics in Agriculture，2013，96：227-237.

[50] HOLZWORTH D P，HUTH N I，ZURCHER E J，et al.APSIM：evolution towards a new generation of agricultural systems simulation [J].Environmental Modelling & Software，2014，62：327-350.

[51] KERSEBAUM K C，BOOTE K J，JORGENSON J，et al.Analysis and classification of data sets for calibration and validation of agro-ecosystem models[J].Environmental Model Software，2015，72：402-417.

[52] 曹宏鑫，葛道闊，張文宇，等.農(nóng)業(yè)模型發(fā)展分析及應(yīng)用案例[J].智慧農(nóng)業(yè)，2020，2（1）：147-162.

[53] SUN H，ZHANG X，WANG E，et al.Assessing the contribution of weather and management to the annual yield variation of summer maize using APSIM in the North China Plain [J].Field Crops Research，2016，194：94-102.

[54] XIAO D，TAO F.Contributions of cultivar shift，management practice and climate change to maize yield in North China Plain in 1981-2009[J].International Journal of Biometeorology，2016，60（7）：1111-1122.

[55] YANG Y，YANG Y，HAN S，et al.Prediction of cotton yield and water demand under climate change and future adaptation measures[J].Agricultural Water Management，2014，144：42-53.

[56] 成林，李彤霄，劉榮花.主要生育期氣候變化對(duì)河南省冬小麥生長(zhǎng)及產(chǎn)量的影響[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2017，25（6）：931-940.

[57] 楊偉才，毛曉敏.氣候變化影響下作物模型的不確定性[J].排灌機(jī)械工程學(xué)報(bào)，2018，36（9）：874-879，902.

（責(zé)編：張宏民）