可拓理論在技術演化與預測中的應用潛力

關鍵詞： 可拓理論； 技術演化； 技術預測； 知識表達； 可拓集

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．１０．００８

〔中圖分類號〕Ｇ３０１ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２４） １０－００８６－１７

技術演化與預測是在復雜環境下揭示創新過程、發現潛在發展機遇的重要工具， 旨在發現和描述某技術領域內子技術、技術主題等隨時間推移變化的過程， 有利于追溯技術起源、繪制技術發展軌跡、探索知識流動過程［１］ 。當前， 我國科技發展環境面臨深刻復雜變化。國際逆全球化趨勢顯著， 中美科技冷戰呈現出長期且復雜的特點［２］ 。我國加快實現高水平科技自立自強步伐， 科技發展從“跟跑” 走向“并跑”， 甚至是“領跑” 階段， 部分科技領域進入創新“無人區”。無論管理部門還是科研人員，對技術演化趨勢的前瞻預測需求都越來越迫切。快速變化的科技環境與創新需求需要更加智能的創新理論方法支撐［３］ 。

可拓理論是蔡文研究員牽頭的中國學術團隊自主提出的原創性橫斷學科。它以形式化模型表達事物和關系拓展的可能性， 開拓創新的規律和方法，為從新的角度認識和分析現實世界、解決現實世界中的矛盾問題提供方法論， 同時也為計算機實現矛盾問題的智能分析提供邏輯思路和推理方法［４］ 。若將技術演化視為技術矛盾不斷解決的過程， 可拓理論恰恰是瞄準矛盾問題本質和轉化變換機理，尋求解決問題的途徑。它的引入可強化技術演化與預測分析方法的科學性， 提高信度和效度， 也為更深入地理解技術演化機制、尋找潛在發展機會提供可能。本文擬進行結構性綜述和案例分析，在系統梳理技術演化與預測主流方法、可拓理論在知識管理與技術創新典型應用的基礎上，總結當前方法存在的不足。以面向農業遙感領域作物估產問題為例， 進行可拓分析和定性驗證，探討將可拓理論引入技術演化與預測的可行性和潛力。

從表達形式來看， 基元與三元組有很高的相似性?？赏乩碚摰奶貏e之處是以基元為邏輯單元， 根據可拓邏輯構造可拓集， 建立解決矛盾問題的形式化工具——可拓模型， 形成可拓信息—知識—策略的形式化體系［５］ 。將矛盾問題轉化為不矛盾問題的關鍵在于發現事物拓展的可能性。為了實現智能生成策略解決矛盾問題的目標， 可拓理論從“處理矛盾問題” 角度出發研究物、事、關系， 探索其可拓展性， 繼而產生基元拓展分析原理、可拓變換理論等?？赏丶碚撌菍鹘y數學的康托集、模糊數學的模糊集的補充擴展。從動態轉化的角度對對象分類識別， 利用可拓變換、關聯函數形式化、定量化揭示矛盾問題轉化過程和結果， 有利于探索矛盾問題的本質和轉化變換機理［６－７］ ?？赏剡壿嬕曰目赏赝评?、傳導推理、共軛推理為核心， 是處理矛盾問題的推理工具。基于基本可拓變換、傳導變換、共軛變換的推理規則也成為計算機尋求矛盾問題解決策略的基礎［８］ 。

２技術演化和預測與可拓理論的關系

技術演化不僅關注某一種技術隨著時間和環境的變化不斷進步， 實現性能、效率的逐步提升與優化， 還關注技術系統內不同技術要素之間的相互影響與作用［９］ 。在科技競爭日趨激烈的當下， 各技術要素在相互影響的過程中交叉融合， 創新的復雜性和系統性進一步增強［１０］ 。從技術關聯和動態傳導的視角觀察技術演化過程， 勢必要回答在不同的發展階段技術要素的質與量如何變化， 它們之間的相互作用、依賴關系如何， 哪些發揮著主導作用，又是哪些起催化或限制作用。

從理論基礎看， 可拓理論以解決矛盾問題為目標， 而技術發展的動力正是不斷解決技術矛盾和沖突， 技術演化的過程可以看成技術主題、技術領域中的矛盾不斷解決的過程， 二者的目標宗旨是高度一致的。

從表達方式看， 基元除可以描述技術的對象／動作外， 還具備展現技術特征和量值等語義細節的能力， 不局限于描述知識載體的外部特征， 或僅表達技術主題框架。其形式化表達可以將技術矛盾、技術問題、研究對象、實驗手段等要素以及它們之間的關系統一到一個表達框架下， 提高知識表達的系統性和深度， 為開展智能的技術演化分析提供簡潔、規范、統一的知識表示方法。尤其是對于復雜語義網絡， 節點和節點之間的聯系可能是線狀、樹狀、網狀， 甚至是遞歸的結構， 用基元表達技術框架和要素有利于簡化網絡結構， 使語義解釋更加清晰。但將可拓理論應用于領域技術演化與預測， 需要特別關注知識表達的細粒度。

從分析過程看， 可拓創新方法可通過嚴謹的數學推導， 挖掘特定階段和條件下的技術潛在發展方向， 從而減弱主觀因素的過分干預， 這種邏輯推導也是基元概念區別于信息三元組表達的關鍵和優勢。深入特征、量值分析以及技術要素的關聯關系、傳導變化也為捕捉演化的關鍵驅動要素、限制條件提供可能。因此， 基于基元和可拓創新的技術演化分析與預測， 既研究技術主題的量值變化， 也關注在此基礎上技術主題的特征變化和技術主題本身的變化， 即描述技術主題從量變到質變的過程； 既研究技術演化過程中技術主題的直接變化， 也研究技術主題之間間接的傳導變化； 既可以分析被歷史“選中” 的技術演化路徑， 也可以挖掘技術發展的潛在方向， 從而揭示技術演化的過程， 闡釋技術發展機制。

３可拓理論用于技術演化與預測的潛力

當前主流的技術演化與預測定量分析方法有科學計量法、ＴＲＩＺ 法、文本挖掘和網絡分析法幾大類。科學計量法通過數學和統計學方法描述科技活動的外部特征， 評價和預測科學活動現狀與發展趨勢［１１－１２］ ， 但分析過程對專家知識和主觀判斷依賴性高。ＴＲＩＺ 理論認為解決技術矛盾和沖突是推動技術演化的動力， 形成了由核心矛盾問題、演化、資源與解決方案組成的理論分析框架［１３］ ， 更側重于考慮技術難題和內容創新， 難以呈現技術演化動力和相互作用［１４］ 。文本挖掘以識別和提取隱含在海量、非結構化文本中的模式為目標， 為分析提供更加豐富的“素材”， 如利用ＬＤＡ模型［１５－１８］ 、以ＳＡＯ 為代表的語義分析［１９－２０］ 、主題聚類［２１－２３］ 等挖掘隱含的創新主題， 提高信息處理效率。網絡分析是一種有效的技術演化分析和可視化手段。隨著網絡結構復雜性越來越高， 在更高維度上分析網絡、社區現象和發展過程［２４－２５］，探討知識網絡的層次結構［２６］ 、模塊化增長、多因素互動［２７］，揭示技術演化鏈路極具挑戰［２８－３０］ ， 基于路徑長度［３１］ 、網絡密度、聚類系數［３２］ 等度量指標的動靜態網絡拓撲結構和演化特征描述［３３－３４］也受到關注。

技術演化與預測正朝著融合更豐富的數據［３５］ ，抽取更契合分析目標粒度的信息， 表達更復雜的關聯關系， 更智能地尋找技術演化鏈路和新興潛在機會等方向發展。但多數方法難以滿足準確描述某一技術如何從不具備某種性質向具備某種性質、最終解決矛盾問題， 即技術系統內從量變到質變的過程；難以展現影響技術發展的核心環節、限制因素以及技術要素間的關聯與互動關系； 多指標綜合評價時，被評價對象受不同科學、技術、經濟、社會環境條件影響存在可變性。筆者認為， 可拓理論具有應用于技術演化與預測分析的潛力， 在顯性知識表達、隱性知識發現與重構、演化過程中的矛盾問題和求解、指標評價等關鍵環節， 具有提高分析過程的科學性、信度和效度的能力。

３.１顯性知識表達

表達已有知識要素結構和技術體系是開展技術演化與預測分析的第一步， 已發展出領域本體［３６－３７］ 、知識圖譜［３８］ 、技術地圖等多種方式。比較而言， 基元可以統一、規范、簡潔地表達技術概念和知識要素之間的關系［３９－４０］ 。例如， 楊國為等［４１］ 提出“可拓本體” 的概念， 引入與傳統技術概念有可拓關系的要素， 系統分析“可拓本體” 改善領域本體表達的能力， 認為其在描述矛盾參數、概念集與其元素之間的關系方面具有明顯的優勢， 可以擴展本體理論應用范圍、提高表達質量。同時， ｛對象／動作／ 關系， 特征， 量值｝三元組表達模式也提高了從表達粒度到分析粒度的自由度。李興森等［４２］對比可拓學基元理論（物元—事元—關系元）與物理—事理—人理系統方法論的異同和交叉互補性，指出基元形式化表達質變、量變規律， 既能從知識系統的整體著眼研究解決矛盾問題的策略， 也為從元素、論域、準則變化等局部細節入手尋找處理矛盾問題的具體途徑提供可能。沈斌等［４３］ 、江志偉等［４４］ 定義可拓知識空間的概念， 構建可拓知識空間語義網， 為進行可拓知識網格上的語義推理分析打下基礎。吳勇杰等［４５］ 基于專利數據構建專利可拓網絡的基元模型， 采用數據挖掘技術進行知識抽取， 構造集成技術—功效—結構的專利可拓網絡，并利用可拓規則輔助基元推理擴展， 將專利可拓網絡作為輔助設計人員創新的服務工具。

研究人員圍繞不同學科領域、不同層級創新主體進行基于基元的技術體系與知識結構表達實踐。例如， 馬琨［４６］ 探索基于可拓理論的農業領域知識表達實踐， 包括戰略、知識母體、知識協同、知識技術、知識發酵、可拓反饋以及創新的內外部環境７個方面； 梁小蕾［４７］ 利用類復合元、物元、關系元描述復雜抽象的客戶價值知識領域本體結構。這些研究為在不同領域方向挖掘深層知識、提高問題求解能力和靈活性、提升知識管理智能化水平做準備。

３.２隱性知識發現與重構

相對于顯性知識而言， 隱性知識是隱含的、未編碼的， 具有高度個性化、不易復制模仿、不易傳遞給他人等特點［４８］ ， 包括尚未被形式化的知識， 以及不能被形式化的知識。有研究認為， 形式化方法的創新與現有技術手段的發展是影響隱性知識表達的重要因素之一［４９］ ?？赏乩碚撉∏殡[性知識的形式化表達創新提供新視角、新路徑。

基于本體的可拓知識鏈為通過數據挖掘獲取知識提供行為框架［５０］ 。王靜等［５１］ 利用物元發散規則從語義Ｗｅｂ 中挖掘與目標問題關聯的隱性知識，彌補傳統描述邏輯不適合表達隱性、帶有矛盾前提的知識的不足。丁怡［５２］提出基于物元的隱性知識顯化個性化推薦算法， 借助關聯函數擴展可計算的知識特征范圍， 有效提高知識相似度計算精度。杜姣［５３］ 在知識生態視角下挖掘創新團隊層面的隱性知識， 使用物元模型表達認知隱性知識、社交隱性知識、技巧隱性知識、創新隱性知識， 并基于案例推理思想構建隱性知識表達與重構過程模型， 提高創新團隊隱性知識的重復利用率。王維維［５４］探討制造企業隱性知識的可拓性， 并從隱性知識擁有者的非壟斷性、隱性知識的可描述性、公司文化體制的可支持性、個人的可接受程度促進企業內部的隱性知識傳播和挖掘。胡健等［５５］利用物元模型表達淺隱性知識， 設計構造知識供需匹配框架。上述研究為科研機構、企業發現和重用隱性知識提供思路，也為開展不同創新主體、不同深度的隱性知識重構奠定基礎。

３.３演化過程中技術矛盾問題求解

解決對立、不相容的技術問題是推動技術演化的源動力， 第一步是發現核心問題。溫樹勇等［５６］利用本體知識和決策樹算法建立知識拓展分析樹， 實現快速找出矛盾核心問題。與此同時， 可拓理論對不相容問題［５７］ 、對立問題［５８］ 以及矛盾傳導問題［５９］求解的研究為智能策略生成提供方法論。場物元的提出， 以及在原知識結構下建立不相關的物元之間的相關關系， 解除／ 強化／ 弱化相關物元之間關系的方法［６０］ ， 進一步完善從量變到質變的傳導過程推理工具， 極大地豐富了領域知識中的固有關聯。

基元還可以用于展現動態變換和傳導效應， 描繪技術演化過程中矛盾問題的變換， 為呈現知識流動、與矛盾問題相關的技術要素的聯動變化提供便利。葛標標等［６１］ 基于可拓變換、傳導效應的形式化表達描述ＴＲＩＺ 中７ 種重要的物理效應， 展現物理效應產生的機理以及輸入、輸出量的轉換關系，為發現新的科學效應提供新思路。

目前， 可拓理論已應用于指導微觀層面的技術改進。如劉曉敏等［６２］ 構建融合可拓學與多層次知識建模， 借助于產品模型和生物模型的映射關系和相似性搜索仿生原型， 啟發仿生產品開發過程。王體春等［６３］ 建立基于可拓本體相關網的復雜產品方案設計可拓推理模型， 提升復雜方案設計的推理求解能力。鄞漢藩等［６４］利用可拓學基元理論拆解分析專利文本中的每一項權利要求， 建立每個技術特征的基元模型， 并進一步利用可拓創新四步法對技術特征基元模型進行拓展與變換， 最后得出優秀創意方案。

可拓理論同樣適配于宏觀技術預見［６５］ 。閆凌州［６６］ 探討可拓理論與宏觀技術預測工作的可結合性， 從需求調研、技術評估和決策咨詢３ 個階段切入， 將可拓思維引入宏觀技術預見過程， 在可拓理論指導下重構技術預見理論。劉釗［６７］ 認為， 可拓學與技術預見具有高匹配度， 具體來看， 可拓學可為解決未來技術判定和技術本身不確定性之間的矛盾、技術預見中過早運用專家頭腦風暴實現技術收斂、因歷史唯物主義產生的矛盾、物質或人力資源造成的矛盾提供補充解決方案， 并進一步提出融合可拓學的技術預見體系模型。

３.４指標評價評估

在技術演化和預測分析中， 定量指標評價評估是開展技術主題與重要節點識別、路徑分析與優選、技術成熟階段判定、預測模型設計等的重要技術手段?？赏貎灦仍u價方法是定性和定量評價的結合，利用物元可拓性定性計算， 利用可拓集合論關聯函數定量計算， 實現評價方式轉變［６８］ ， 應對在多指標綜合評價過程中被評價對象隨機、模糊以及不同條件下可變性挑戰。

目前， 網絡輿情演化分析、專利價值評價、技術協同與創新評價、學術社區交互評價等方向已出現應用可拓理論的案例。郭韌等［６９］ 運用基元理論建立網絡輿情測度體系和測度指標， 將多個影響因素綜合“封裝” 成一個整體， 實現定量分析和定性分析相結合的網絡輿情的演化趨勢預測， 明確了輿情演化中量變和質變的界限。沈銘［７０］ 采用國家知識產權局《專利價值分析指標體系》， 從法律價值、技術價值和經濟價值３ 個角度， 建立多層次—可拓專利價值分析評價方法。佟林杰［７１］ 在技術協同創新關鍵風險指標體系的基礎上， 構建企業技術協同創新風險測評的可拓物元模型， 提高風險度量精確度和時效性。萬君等［７２］ 從創新基礎、創新投入、創新產出和創新設施與資源４ 個方面， 構建物元可拓評價模型， 評估金磚五國創新能力等級。王美月等［７３］ 考慮社會化交互質量指標的潛在關聯，利用動態可拓評價方法關聯函數， 建立學術虛擬社區社會化交互質量評價指標， 評價“小木蟲” 學術社區的交互水平和敏感性。董會忠等［７４］ 運用可拓理論建立區域競爭水平與科技創新關聯度分析的“投入—產出—保障—潛力” 測度體系， 對我國中東西部的競爭力實施縱向測度及趨勢研判。

４基于可拓理論的技術演化和預測分析方法構建

在系統梳理總結前人研究的基礎上， 將可拓理論嵌入技術演化和預測分析過程?？傮w思路如下：

１） 選定目標領域構建檢索式， 在ＷＯＳ等論文數據庫中檢索并構建論文數據集，做主謂賓提取、同義詞歸并、清洗等預處理， 獲得規則ＳＡＯ結構以及領域術語。

２） 確定時間窗口， 在每個時間切片下進行基于Ｐ＆Ｓ模式的ＬＤＡ主題提取，以技術基元概念結構為指引進行技術基元實例化。

３） 利用技術基元描述每個時間切片下的“在位” 技術， 建立從Ｔ到Ｔ時刻的技術演進“通路”， 完成基于基元的技術演進表達。

４） 以專家知識和基于ＳＡＯ結構相似度為基礎，進行技術基元發散分析、相關分析、蘊含分析、可擴分析， 為“在位”技術提供創意集， 即構建“潛在”技術集／ 可拓集。相似度計算公式如式（１） 所示：

５） 通過在后序時間切片（相鄰或不相鄰切片均可）中尋找是否出現前序時間切片“在位” 技術發散分析、相關分析、蘊含分析、可擴分析獲得的基元， 驗證將可拓理論應用于技術演進的可行性。通過對最后一個時間切片“在位” 技術的可拓分析， 發現技術發展潛在方向。

方法流程如圖１ 所示。其中， 灰色節點為應用可拓理論的處理環節。

５實證研究： 面向農業遙感領域作物估產問題的可拓分析與潛在發展方向

農業遙感是利用航天、航空、地面等遙感觀測平臺以及計算機、地理學、農學等多學科理論技術方法， 揭示農業用地、生態環境和生產過程的數量屬性與時空特征變化［７５］ 。實時準確高效評估作物產量和變化情況是農業遙感的重要議題之一， 對糧食安全與宏觀調控、農業生產計劃等具有重要意義［７６－７７］ 。早期， 抽樣調查是實現這一目標的主要方式， 通過人工實地測量樣方內某種農作物的種植面積和單位產量， 使用數理統計方法估算推斷。隨著遙感技術發展與數據資源的豐富， 在設計好的地面樣本上用無人機和手持移動終端采集農作物種植信息， 測量大范圍農作物播種面積， 監測農作物長勢， 已在我國農產量調查中得到應用， 大幅提升工作效率、數據質量［７８］ 。在此， 以利用農業遙感領域估產問題為例， 驗證可拓分析在技術演化與預測過程中的應用潛力。

５.１數據來源

利用Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 核心合集數據庫檢索并下載農業遙感領域科技論文數據。檢索式為（ＷＣ ＝（“ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ”） ｏｒ ＴＳ ＝ （“ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ” ｏｒ“ｅａｒｔｈ ｏｂｓｅｒｖａｔ?”）） ａｎｄ ＰＹ＝（１９９１－２０２０） ａｎｄ ＴＳ＝（ａｇｒｉｃｕｌｔｕｒ? ｏｒ ｃｕｌｔｉｖａｔ? ｏｒ ｃｒｏｐ? ｏｒ ｃｒｏｐｌａｎｄ? ｏｒ ｆａｒｍ?ｌａｎｄ? ｏｒ ｉｒｒｉｇａｔｅ? ｏｒ ｈａｒｖｅｓｔ? ｏｒ ｓｏｗｉｎｇ ｏｒ ｓｅｅｄｉｎｇ ｏｒｗｅｅｄｉｎｇ ｏｒ ｗｈｅａｔ ｏｒ ｃｏｒｎ ｏｒ ｍａｉｚｅ ｏｒ ｓｏｙｂｅａｎ ｏｒ ｒｉｃｅ ｏｒｃｏｔｔｏｎ ｏｒ ｓｕｇａｒｃａｎｅ ｏｒ ｃｏｆｆｅｅ ｏｒ ｐｏｔａｔｏ? ｏｒ ｓｕｎｆｌｏｗｅｒ），檢索時間為２０２３ 年３ 月。去除題錄信息不完整的記錄， 以１７ ９８８篇論文構建分析數據集。

５.２ＳＡＯ結構與Ｐ＆Ｓ模式的對應

將１９９１—２０２０ 年平均劃分為６ 個時間段， 利用標題和摘要信息， 使用楊超等［７９］ 提出的整合ＳＡＯ 和ＬＤＡ 模型的主題分析方法， 進行主題識別。該方法將“Ｂａｇ ｏｆ Ｐ＆Ｓ” 假設引入ＬＤＡ 模型， 以更全面地考慮包含的特定語義信息， 即“問題” 及對應“解決方案”。采用ＳＡＯ 粒度分析的主要原因，一是ＳＡＯ 結構包含更豐富的語義信息， 有利于主題識別與解釋。二是ＳＡＯ 結構和Ｐ＆Ｓ 模式可更有效地對應基元表達模型。

具體流程如下： ①識別初始主題與術語，并進行擴展；②根據語法樹和主題術語進行６ 個時間階段ＳＡＯ 結構抽取； ③使用清洗后的作者關鍵詞識別ＳＡＯ 核心組件（也就是用來做Ｓｕｂｊｅｃｔ 和Ｏｂｊｅｃｔ的候選詞）， 用于降低自然語言處理方法獲取的主題詞數量； ④由于科技論文表述中， 省略主語和賓語是比較常見的， 所以也抽取了ＳＡ 和ＡＯ 結構；⑤將ＴＯＰ ２０％的ＳＡＯ 結構生成共現圖譜，如圖２和圖３所示； ⑥對每個時間段內的ＳＡＯ 結構進行一定程度的清洗與篩選。需要特別說明的是： 在處理過程中， 考慮ＳＡＯ 抽取結果與主題的相關性，即ＳＡＯ 結構要反映有助于解釋研究領域主題的內容， 因此刪除部分頻率相對較高， 但無實際主題意義的表達。

５.３基于Ｐ＆Ｓ 模式的ＬＤＡ主題抽取

基于農業遙感領域專家知識構建包含重要名詞（ｗｈｅａｔ、ｒｉｃｅ、ｅｓｔｉｍａｔｉｏｎ、ｙｉｅｌｄ、Ｌａｎｄｓａｔ、ｐｈｏｔｏｓｙｎ?ｔｈｅｓｉｓ、ｓｔｒｅｓｓ、ＳＡＲ、ｓｏｉｌ ｍｏｉｓｔｕｒｅ 等）、關鍵動詞（ｄｅｔｅｃｔ、ｏｐｔｉｍｉｚｅ、ｄｉａｇｎｏｓｅ、ｃｌａｓｓｉｆｙ、ｉｄｅｎｔｉｆｙ、ａｄ?ｄｒｅｓｓ、ａｃｈｉｅｖｅ 等）的解析框架， 進一步進行人工清洗遴選ＳＡＯ結構， 總結表達Ｐ＆Ｓ 模式的ＳＡＯ結構。表１展現典型的Ｐ＆Ｓ模式和ＳＡＯ結構的對應關系。

基于映射關系， 在６ 個時間段內對出現頻率Ｔｏｐ １５０ ＳＡＯ 和ＡＯ結構中判讀獲?。校Γ?模式， 獲得不同時間窗口下與估產主題相關的Ｐ＆Ｓ 模式。因主題數直接影響ＬＤＡ 分類結果， 實驗中對６ 個時間段進行６～２５類測試。結合專家意見進行主題數優選和分類后處理， 確保類間區分度和主題可解釋性。最終， ６ 個時間段的主題共識別出４６個主題，各時間段分別為５個、８個、７個、８個、８個和１０個。其中， １９９１—１９９５、１９９６—２０００、２０１１—２０１５、２０１６—２０２０ ４個時期自動識別出與估產以及農業生產力、糧食安全等相關主題。表２ 展現包含上述４個時間段的ＬＤＡ 主題提取結果， 列出估產主題下的Ｐ＆Ｓ 模式以及其他主題。從主題層面可以觀察到， 不同階段研究問題與側重點、技術手段、數據資源等的變化。部分研究主題是農業遙感領域持續關注的， 例如估產問題、土地覆蓋／ 利用及變化（耕地、作物）問題； 還有一些研究主題不斷演變發展，最典型的是分析模擬技術發展， 從指標改進到模型模擬， 由統計模型到機理模型， 單一主題的制圖到全球尺度變化影響等。其中， 涉及表現技術特征的ＳＡＯ結構出現、消失以及在不同的主題下遷移。

５.４基于基元的估產技術演進表達

利用基元概念中的事元以及Ｐ＆Ｓ模式描述農作物產量估算這一主題。分別建立１９９１—１９９５、１９９６—２０００、２０１１—２０１５、２０１６—２０２０這４個時間段的基元／ 基元集， 將其命名為ＱＳ、ＱＳ、ＱＳ、ＱＳ。

通過對ＱＳ、ＱＳ、ＱＳ、ＱＳ的演變過程分析， 可以發現以下幾個主要的趨勢： ①從估產問題涉及的分析對象來看， ＱＳ階段直接瞄準作物的生物量、產量， 后逐漸深入到對ＬＡＩ 等生物物理參數， 光合有效輻射、光合作用等農作物生命過程反演。同時還逐步探索擴展上述參數的影響因素， 如光合有效輻射與氣溶膠， 光合作用與熒光數據， 產量預測與圖像配準等。②從數據對象來看，從ＱＳ階段的Ｌａｎｄｓａｔ數據， 逐步發展為利用合成孔徑雷達數據、無人機數據、熒光數據等多源數據， 建立產量或者核心參數反演模型。多源多尺度數據融合應用趨勢明顯。隨著數據產品日益豐富，對數據選擇、適用性考量， 數據與參數的相關性驗證、不確定性分析等質量要求日益提高。③從產量推斷方法來看， 從直接利用遙感數據和地面實測數據建立產量與反射率之間的經驗模型， 逐步發展使用更加精細的作物機理模型， 對光合作用、水分吸收、蒸散發等作物生理過程的高精度模擬得到廣泛應用。④更加關注宏觀復雜過程和國家戰略目標。從早期主題就產量論產量， 逐步發展為與宏觀農業政策、精準農業發展、國家糧食安全相關的探討。

５.５基于基元的估產技術可拓分析

基元的拓展分析原理主要包括發散、相關、蘊含、可擴縮４ 種分析原理。針對在不同時間切片下已經出現的農業遙感技術基元， 結合農業遙感領域專業知識， 進行發散分析、相關分析、蘊含分析和可擴縮分析。以ＱＳ基元集為例進行可拓， 獲得２０１１—２０１５ 年的估產技術潛在發展方向， 然后利用２０１６—２０２０年的Ｐ＆Ｓ模式進行檢驗。

１）發散分析

發散分析的要點是從一個基元出發， 拓展出多個同對象／ 同特征／ 同量值的基元， 形成基元集。例如， ＱＳ／ｑ顯示遙感數據的空間分辨率限制作物蒸散過程的模擬。由遙感數據基礎知識可知， 除空間分辨率外， 遙感數據還具有時間分辨率、光譜分辨率、輻射分辨率特征； 由作物生長過程基礎知識可知， 除蒸散外， 與產量高度相關的生理過程還有光合作用等。那么， ＱＳ／ｑ基元可發散出一組由探討４種遙感數據分辨率對農作物蒸散、光合作用等影響的發散集， 即：

２） 相關分析

相關分析方法是把系統中的基元及其相關關系作為整體進行分析， 它是基元間產生傳導作用的原因。例如，水分是影響作物產量的重要生產要素。作物吸收土壤中的水分， 在周圍環境因子共同作用下，土壤水平衡破壞， 土壤水分發生變化； 水分進入作物體后， 影響冠層生長、葉片氣孔運動、蒸散作用乃至產量， 是作物對土壤水變化作出的響應?？梢?， 土壤含水量、冠層含水量、葉片含水量、蒸散作用之間存在相關性。ＱＳ／ｑ顯示利用實地測量的方法獲得葉片含水量， 可為模型模擬土壤含水量、冠層含水量、蒸散過程提供真實驗證數據。那么， 可建立ＱＳ／ｑ基元的相關基元集， 即：

３） 蘊含分析

蘊含分析是利用對象間的蘊含性研究對象間的傳遞關系。當某個基元不易實現時， 可以尋找或制造其下位基元及下下位基元， 只要實現其中一個，即可實現最終目標解決問題。根據農業遙感專業知識， 可將提高估產精度的解決方案蘊含系表達如圖４所示。

從基元角度分析，以ＱＳ／ｑ為例，它展現農作物光合作用中的熒光現象可用于推斷初級生產力。熒光現象又可以根據激發光源和探測方式的不同，分為主動和被動兩種觀測技術。其中， 日光誘導葉綠素熒光（Ｓｏｌａｒ－ｉｎｄｕｃｅｄ Ｃｈｌｏｒｏｐｈｙｌｌ Ｆｌｕｏｒｅｓｃｅｎｃｅ，ＳＩＦ）是在太陽光誘導下， 利用超高光譜遙感傳感器觀測上行光譜在熒光波段范圍內的光信號［８０］，是被動觀測的一種方式。通常， 傳感器可搭載在衛星、航空平臺、無人機平臺上， 以便獲取高時間分辨率和高空間分辨率遙感數據； 新數據在進入業務流程使用之前， 必須進行地面實測一致性驗證和不確定性分析。更進一步地， 獲得準確的數據， 需要在傳感器波段設計時充分考慮葉綠素熒光誘導曲線特點，即光合作用在６５０ｎｍ～８００ｎｍ 波段發射的光譜信號，在紅光６９０ｎｍ 和近紅外７４０ｎｍ 處存在兩個波峰。基于以上知識， ＱＳ／ｑ的蘊含系以及與“提高估產精度” 這一目標的關系可以進一步細化表示為：

４） 可擴分析

研究對象可分解、可擴縮、兩個以上對象可組合的性質即為可擴性。根據可組合性， 一個事物可以與其他事物結合起來生成新的事物， 從而提供解決矛盾問題的可能性；根據可分解性， 一個事物也可以分解為若干新的事物， 它們具有原事物不具有的某些特征，從而為解決矛盾問題提供可能性。ＱＳ／ｑ表達了云限制遙感光學數據的使用，以其為例進行可擴分析。云的厚度各不相同， 根據其不同性質以及對下墊面信息的遮擋程度，遙感光學數據去云處理可分為面向薄云和厚云的信息恢復與重建， 即利用可分解理念探討去云問題。對于薄云來說， 其覆蓋區域仍在一定程度上留存地表地物信息，若將其視為薄云與地物信息混合， 可利用目標影像的成像模型、輻射傳輸模型、空間和光譜信息濾波、深度學習算法等校正被影響區域； 厚云完全阻隔地物信息， 難以獲得有價值信息， 需要結合輔助影像進行遷移學習， 實現厚云覆蓋區域重建［８１］ 。那么，可對ＱＳ ／ ｑ進行可分解分析和相關分析如下：

擴展集展現的潛在問題和技術解決手段如下：

１） 豐富對作物生長過程關鍵過程的模擬與核心參數反演（ｑ ～ｑ）。光合作用是作物生產中最核心的過程， 日光誘導葉綠素熒光可直接量化光合作用過程， 在２０１６—２０２０ 年時間窗口形成熱點主題。當前用于ＳＩＦ 反演的數據多是建立在亞納米級分辨率的波段與熒光的發射波段重疊的基礎之上， 并非為ＳＩＦ 探測設計的專用傳感器。目前， 歐洲航天局已就這一問題規劃解決方案， 設計ＦＬＯＲＩＳ 傳感器，計劃于２０２４年４月３０日發射。未來ＳＩＦ遙感觀測平臺增加、傳感器的多樣化、地面觀測網絡的發展，用于監測陸地生態系統的ＳＩＦ時空數據越來越豐富，必然會出現一批新傳感器、新數據適應性驗證與應用實踐成果， 利用塔基、無人機、航空平臺、衛星進行跨平臺的天空地一體化協同觀測植被光合作用。基于新數據的反演技術開發、影響因素分析與驗證也將成為熱點。

２）多源數據融合提高估產模型準確性（ｑ～ｑ）。綜合利用多源數據的趨勢在農業遙感中變得越來越重要。從已出現的融合趨勢來看， 可分為：多光譜與高光譜數據融合， 光學數據與雷達數據融合， 高時空分辨率數據融合， 遙感數據與實測數據融合等。在融合過程中， 圖像配準、時態性、特征互補性、算法、尺度、安全性等都是影響數據融合的要素。越來越多的農業遙感數據被共享和開放，該趨勢的判斷綜合歐美對數據開放獲取的發展動態，如ＦＡＯ 和國際遙感應用中心的ＧＥＯＧＬＡＭ、ＮＡＳＡＥａｒｔｈｄａｔａ、ＵＳＤＡ ＣｒｏｐＳｃａｐｅ 等。

３）遙感與精準農業結合進行農田精準管理， 提高作物產量和質量（ｑ ～ｑ）。例如， 利用無人機平臺精準施肥、灌溉、病蟲害監測， 制定施肥、灌溉、除蟲日程安排， 并進行高度自動化實施， 估產精度可以提升到田塊尺度。

４）全球糧食安全問題（ｑ～ｑ）。根據全球農業資源分布、種植格局、自然災害、戰爭、土地退化、氣候變化、環境污染、農業政策等社會、經濟、環境等多方面要素， 分析某一種或幾種農作物對全球、國家、地區糧食安全的影響， 并對關鍵地區、國家、作物品種進行早期風險預警。

６展望

技術演化與預測的知識要素結構、形式化表達和評價都向著多樣化、具體化和定量化發展， 分析流程更加智能化、自動化； 細化知識要素結構、擴大技術演化與機會分析的搜索空間、智能化自動化評估優選是幾個重要的技術課題。本文從定性分析的角度， 驗證可拓理論在技術演化與預測分析中的可行性與潛力， 未來可結合可拓理論和領域技術演化與機會預測方法框架， 充分利用可拓理論中的關聯函數， 進一步拓展機會分析的搜索空間， 開展實證案例的定量分析與評估。同時， 也應豐富信息分析資源的多樣性， 從科技產出（論文、專利、專著）拓展到戰略規劃、科研項目資助等信息， 以期更敏捷地感知演化動向。