水稻生長監測預測技術分析

何朝暉

摘要：生長監測預測技術在水稻種植管理中的有效應用，對提高作物產量，減少病蟲害損害，推動精準農業、智慧農業建設與發展具有非常重要的意義。近年來，水稻生長監測預測技術研究取得了很多成就，包括生長模型監測預測技術、遙感監測預測技術以及二者結合下形成的監測預測技術，提出數字圖像處理技術完善、同化模型構建與應用、多元統計分析等將是水稻生長監測預測技術未來發展趨勢。與此同時，從水稻長勢、營養、病蟲害等方面就監測預測技術應用進行簡要分析。此外，從技術結合應用角度構建水稻生長監測預測系統，并通過實例驗證系統應用效果。希望此文可為相關研究、應用及技術推廣人員提供參考。

關鍵詞：水稻；生長監測；預測；高光譜遙感技術

水稻渾身是重要的糧食作物、經濟作物。例如，稻芽具有健脾開胃和中消食等功效；稻谷與稻糠蘊含豐富營養，食之果腹，可滿足人體多數營養需求；稻草可飼養牲畜，編制成各種生活與工藝產品。我國是水稻生產大國，相關調查數據顯示，稻谷產量約占糧食總產量的45%；2015—2023年水稻種植面積基本穩定在糧食作物種植面積的25%左右；2023年早稻播種面積超過473.27萬hm2，單位面積產量超過

399 kg/667 m2，總產量超過288億kg。促進水稻產量與品質提升，對糧食安全、人民生活改善、農業經濟增長等具有重要意義。水稻生長監測預測技術是利用各種科學技術，如衛星遙感技術、數據挖掘與分析技術、數據模型技術、流式細胞分析技術、圖像處理技術等，對水稻生長狀態進行監測、分析、評價、預測等，從而為水稻精準管理提供指導，以促進水稻產量提高，品質增強。了解與掌握水稻生長監測預測技術并將其有效應用至水稻種植管理中，可有效提高水稻種植管理水平，促進水稻產業精準化、數字化、現代化、智慧化發展。

1 監測預測技術研究現狀與發展趨勢

1.1 水稻生長模型監測預測技術

水稻生長模型監測預測技術主要是指根據水稻生長規律、遺傳特征、種植土壤條件、氣候因子、田間管理技術等之間存在的關系，綜合運用各種分析、模擬、決策等方法，構建能夠動態模擬水稻生長發育全過程的模型[1]。作物生長模型最早起源于20世紀

60年代，較為典型的有ELCROS模型、BACROS模型、SUCROS模型、WOFOST模型、MACROS模型、CERES模型、DSSAT模型、GOSSSYM模型、CROPGPO模型、RICEMOD模型、RiceGrow模型等[2]。其中，ELCROS、BACROS、SUCROS、WOFOST、MACROS等模型，主要由荷蘭開創，側重于作物機理描述，將作物生長過程視為一個系統，主要考察土壤、氣候、營養、水分等因素對作物生長的影響，并以此作為作物生長監測預測主要指標。以MACROS模型為例，借助系統分析技術、建模技術、模擬技術等，構建一系列水分限制條件下的作物生長模擬模塊，最終得到適用于多種作物的生長模型。該模型生態區域劃分、輪作管理、氣候影響預測、肥料調控優化、水分管理、病蟲害防治等方面具有較強指導作用。CERES、DSSAT、GOSSSYM、CROPGPO等模型，主要由美國開創，綜合性較強，不僅注重作物機理模式，也側重于作物與土壤、氣候、技術等因果關系描述，可實現對作物生長與管理整個過程的模擬。RICEMOD、RiceGrow等模型，由國內學者研制，實現了對水稻干物質分配模擬、水稻形態發育模擬、水稻水分平衡模擬、水稻產量形成模擬等，應用價值較高。

1.2 水稻生長遙感監測預測技術

水稻生長遙感監測預測技術主要是指利用遙感及其相關技術獲取不同時間與空間尺度下水稻的生長信息，從而為水稻生長模型構建提供可靠、準確、真實數據，便于相關人員監測水稻長勢、預測水稻產量、防控水稻病蟲害等。作物生長遙感監測預測技術最早起源于20世紀70年代的美國，隨著LACIE計劃、AGRISTARS計劃、MARS計劃等成功開展，得到全球多個國家的重視。隨著作物生長遙感監測預測技術研究不斷深入，國內外建立了眾多作物長勢遙感監測系統。以水稻長勢遙感監測系統為例，以衛星遙感影像資料為數據來源，利用數據壓縮技術、線性變換技術、噪聲去除技術、光譜微分技術等處理數據，提高數據準確性的同時，實現對水稻種植區域的準確識別與確定。根據水稻光譜特征，確定監測預測指標，一般以植被指數（歸一化、差值、比值、轉換、加權差值、寬動態、水質、土壤調節等）與水稻生長指標（株距、株高、葉齡、葉面積指數、葉綠素含量等）為主[3]。經反演建模，獲取水稻長勢監測預測結果。

1.3 基于遙感與模型結合的技術

作物生長模型監測預測技術應用受區域限制較大，要想進行大規模試驗，需要引入時空尺度數據。作物生長遙感監測預測技術多是對作物瞬間物理狀態進行考察，而作物生長發育是一個長期過程，要想準確監測預測其長勢、產量，需對作物多時相物理狀態進行分析。因此，單依靠作物生長遙感難以獲得準確監測預測結果。鑒于作物生長模型與作物生長遙感監測預測技術單獨應用存在的不足，國內外學者提出將二者相結合，希望通過優勢互補，提高作物生長監測預測系統的機理性、空間性、過程性、綜合性、應用性等。目前，作物生長模型監測預測技術與作物生長遙感監測預測技術的耦合形式主要有兩種，一種是“強迫”形式，即以遙感數據為基礎，構建反演模型，獲取作物生長監測預測數據；一種是“同化”形式，即以作物生長模型為基礎，通過調整模型模擬初始條件、作物遺傳參數等，縮小模型模擬值與遙感數據之間的差異，提高模擬精準度，從而實現作物生長有效監測預測。兩種形式各具優缺點，需要相關人員根據實際情況、試驗條件合理選用。目前，水稻生長監測預測過程中，較為常見的方案為：（1）在系統分析技術、虛擬仿真技術、多維建模技術等聯合應用構建不同條件下水稻生長發育子模型，如光合作用模型、水分平衡模型、養分動態模型、物質分配與積累模型、水稻各發育階段形態模型等；（2）將模型與地理信息系統技術、遙感技術等相結合，實現對區域范圍內水稻生長能力的有效預測；（3）通過結構化程序設計，開發水稻生長模擬系統與管理決策平臺，以滿足相關人員對數據采集、數據分析、數據管理、生長模擬、方案設計、氣候評估、安全預警、生長模擬、產量預測、參數調整等功能的需求。

1.4 監測預測技術未來發展趨勢

作物生長監測預測技術經過多年發展已經取得卓越成效，并在水稻領域得到推廣使用。但從國內外水稻生長監測預測技術研究現狀與應用情況來看，仍具有較大進步空間。例如，高光譜遙感水稻生理生化參數與反演模型之間的關聯性較差，在一定程度上限制了反演結果準確性提升。因此，在未來發展過程中，需要探尋行之有效的技術，提高遙感與模型之間的耦合程度，保證監測預測結果精準、可靠。又如，關于水稻光譜特征的研究較為單一，導致結果局限性較強。因此，在未來發展過程中，需要加強水稻光譜特征研究，實現多因子交互下的系統性、多樣性、綜合性分析。

隨著農業現代化種植水平的不斷提升，越來越多傳感設備應用到農業機械上，這在一定程度上拓寬了作物生長信息采集路徑，為作物生長數據獲取提供了便利。鑒于此，在發展水稻生長監測預測技術時，可借助各種傳感器，實現多類型遙感技術結合應用，降低對衛生遙感技術的依賴性。與此同時，農業規模化經營已經成為新時期農業發展主流，加強大尺度水稻生長監測預測技術研發勢在必行。多數研究表明，將遙感技術、數碼相機技術、地理信息系統、圖像校正技術等聯合應用，可在一定程度上實現對大規模作物生長的多時相監測。因此，水稻生長監測預測技術未來將趨向多技術聯合應用發展，相關系統功能將不斷增多。

2 監測預測技術應用范圍與具體表現

2.1 水稻長勢監測預測

水稻長勢監測預測是水稻生長監測預測工作中的重要內容之一，其目的在于通過評估水稻長勢指標，如水稻苗情、葉面積指數、生物量、葉綠素含量等，了解水稻生產狀況及其變化情況，預測水稻產量變化趨勢，分析影響水稻長勢主要因素，為精細管理提供可靠指導。以葉面積指數為例，相關研究發現雙季水稻長勢特征與其葉面積指數高度相關，并利用線式遠程監測系統獲取雙季水稻實景圖像，運用數據傳輸技術、顏色分割技術等對圖像進行處理，獲得雙季水稻不同生長發育階段的覆蓋度，確定雙季水稻長勢規律；利用便攜式葉面積儀獲取雙季水稻不同生長發育階段葉面積指數；通過覆蓋度反演，驗證了葉面積指數模擬結果與葉面積指數實測結果高度相關，說明可應用遙感圖像反演方法監測葉面積指數，評價雙季水稻長勢[4]。

2.2 水稻營養監測預測

水稻生長發育離不開各種營養元素支持。監測預測水稻營養狀況，可為水稻肥料調節與管控提供指導，避免營養元素短缺或過量影響水稻品質與產量。目前，水稻營養監測預測過程中，主要考察的營養元素有氮、磷、鉀等。以氮素營養監測為例，相關研究表明水稻冠層、葉片等位置的近紅外線區域反射光譜、可見光區域反射光譜均可有效反映氮素營養狀況，并以雙季稻葉片為例，利用CGMD、ASDFH2等技術獲取植被指數、冠層光譜反射率等信息，搭建雙季稻葉片氮含量與氮積累量監測模型，結果顯示雙季稻葉片氮含量監測模型R?達到0.8581～0.9318，相關系數在0.9041～0.9854，雙季稻葉片氮積累量監測模型R?達到0.8684～0.9577，相關系數在0.9191～0.9851，說明模型準確性較高，可滿足雙季稻不同生育階段氮素營養監測需求[5]。

2.3 水稻病蟲害監測預測

病蟲害是降低水稻產量，影響水稻品質的主要原因。相關數據統計，2022年全國水稻病蟲害發生面積超過0.8億hm2；2023年全國水稻病蟲害發生面積超過0.73億hm2；2023年早稻種植過程中，稻飛虱、稻縱卷葉螟、稻瘟病、水稻紋枯病等發生面積均達到百萬畝。加強水稻病蟲害監測預測對糧食安全保障與農藥污染控制具有非常重要的現實意義。例如，病蟲害發生后，水稻葉片內部細胞結構發生改變，同時可出現葉片顏色改變、葉片數量減少、葉片面積減少等表現。這在一定程度上使水稻光譜特征發生改變，根據這種改變可利用遙感監測技術進行病蟲害監測，以及時發現與處理水稻病蟲害。又如，將遙感監測數據與水稻生境參數相結合構建水稻病蟲害預測模型，可實現對水稻病蟲害的早期防控，減少區域病蟲害發生率。例如，根據水稻白葉枯病流行條件，結合地方水稻種植區域土壤水文條件、氣候特征等，建立水稻白葉枯病預測模型，可實現對該地區水稻白葉枯病發生時間、發展趨勢的有效預測，從而為白葉枯病預防與治療工作提供指導。

3 基于技術結合應用的系統設計與實例驗證

水稻生長監測預測系統設計以RiceGrow模型為計算核心，集地理信息系統制圖技術、在線遙感技術、圖像處理技術為一體，具備文件管理（包括預覽、打開、退出等）、水稻長勢監測（涉及葉面積指數、生物量、氮素含量、碳氮比值、色素含量、蛋白質含量等指標）、水稻育苗預測（包括參數反演、生產指標動態模擬、水稻品質模擬預測、水稻生育期反演、水稻產量模擬預測、水稻病蟲害模擬預測等）、水稻水肥管理（水分動態模擬、肥料運籌管理等）、水稻專題圖制作等功能。為保證系統設計有效實現，將Windows與.NET相結合，以滿足系統開發操作需求，并運用程序化設計、交互式編輯等思想，促進各類技術同化。以某地區早稻為例，運用該系統中的水稻長勢監測功能，獲取葉面積指數反演結果，并與實測結果進行對比。結果顯示：施氮量的反演結果與實測結果基本一致，誤差未超過2%；播種量的反演結果與實測結果存在一定偏差，主要原因在于：模擬模型分析所用氣象數據為歷史數據，實際中該地區降雨量明顯高于以往同期，而氣候作為影響水稻生長發育關鍵因素，其差異將嚴重影響模擬結果。從整體實證結果來看，該系統應用結果較為準確、可靠。

4 結語

水稻生長監測預測技術能夠實時追蹤水稻生長狀態，對水稻各種生理生化信息進行動態、準確、全面、及時呈現，為水稻精耕細作提供指導，以便獲取理想的產量與品質。目前，水稻生長監測預測技術已經成為現代農業、精準農業、智慧農業建設與發展的關鍵技術。由上述分析可知，模型與遙感是水稻生長監測預測技術的核心所在。當前多數監測預測系統以此為基礎，在驅動策略、同化策略等有效應用下，進行技術耦合，實現優勢互補。隨著科學技術不斷創新，水稻生長監測預測技術將日益完善，形成高效率、多功能的監測預測系統，實現水稻長勢、營養、水分、病蟲害的一體化、動態化診斷與管理。

參考文獻

[1] 黃仨仨，金明煥，劉禹恒，等.基于便攜式作物生長監測儀的水稻生長指標光譜監測研究[J].浙江農業科學，2022，63（9）：1952-1958+1963.

[2] 范位龍，董志茹，金家銘，等.基于圖像處理的水稻秧苗生長狀態監測[J].數字通信世界，2021（9）：112-113+116.

[3] 付曉晨，劉義.基于農業遙感技術的墾區水稻長勢動態監測研究[J].現代化農業，2021（1）：61-62.

[4] 楊愛萍，張坤，白曉東，等.雙季水稻葉面積指數在線式圖像反演方法[J].江蘇農業科學，2019，47（23）：320-323.

[5] 李艷大，葉春，曹中盛，等.基于作物生長監測診斷儀的雙季稻葉片氮含量和氮積累量監測[J].應用生態學報，2020，31（9）：3040-3050.