作物生长模型CropGrow

• 作物生长模型概述
• 研究思路
• 研究进展
• 未来发展

作物生长模型概述

农业信息技术在世界农业领域的兴起始于20 世纪70年代末，以作物生长模型（crop growth model）的成功研制和应用为突出代表。

作物生长模型以作物生长发育的内在规律为基础，综合作物遗传潜力、环境效应、调控技术之间的因果关系，能够定量描述和预测作物生长发育过程及其与环境和技术的动态关系。

20 世纪50—60 年代，DE WIT及DUNCAN 等相继发表了植物冠层光能截获与群体光合作用模型，标志着作物生理生态过程模拟的问世。

目前国外较为优秀的作物生长模型有美国的DSSAT、澳大利亚的APSIM、法国的STICS、荷兰的GECROS、菲律宾国际水稻所的ORYZA等。

我国作物模型的研究虽然起步较晚，但发展较快。2010 年以来，国际农业系统模拟专家组织启动了农业模型比较与改进项目协作组（AgMIP），旨在通过比较与改进世界上现有的不同作物生长模型、家畜生长模型和农业经济模型，并耦合未来气候模型与情景模拟方法等，来量化评估站点、区域、国家及全球等不同尺度农业生产与食品安全。

在作物生长模型领域，协作组按照水稻、小麦、玉米等不同作物分别组建了多个国际研究团队，协同开展作物生长模型的比较与改进研究，着力提升模型在不同条件下的模拟与应用能力。

然而，由于试验数据共享不畅、控制试验条件有限、区域模拟技术发展缓慢、模型研究人员匮乏等方面的综合原因，现有作物生长模型在极端气候效应模拟、区域生
产力预测、管理方案设计、环境效应评估等方面还有待进一步改进和完善，迫切需要提出机理性与预测性兼备的综合性作物生长模型及决策支持系统。

研究思路

作物系统模拟就是运用系统分析的原理和方法，对作物生长发育及生产力形成过程与环境、技术、品种之间的动态关系进行定量表达，并构建作物生长模拟算法。

基于系统学理论与方法，综合运用农业气象学、作物生理学、作物生态学、过程建模和软件工程等，以“生理机制解析-模拟算法构建-生产力动态预测-效应定量评估-应用平台研发”为主线，开展系统深入的研究，并集成构建了作物生长模拟与应用技术体系。

研究进展

作物生长模型CropGrow 是以小麦和水稻等作物生长发育及生产力形成规律为基础，以气候条件、土壤特性、品种特征、管理技术等为主要驱动变量，而构建的基于生理生态过程的作物生长与生产力形成模拟模型，包括阶段发育与物候期、器官发生与建成、光合生产与物质积累、同化物分配与产量品质形成、养分动态和水分平衡等子模型。

CropGrow 模型除了对上述作物生产力形成过程进行模拟外，还通过定量分析不同条件下作物器官几何形态与空间伸长规律、器官颜色动态特征、器官拓扑结构及其在植株个体上的空间配置、个体间相互作用及其与群体建成的关系等，构建了作物器官-个体-群体的三维形态建成子模型，并研发了基于模型的作物生长虚拟仿真平台。

作物生长模型是基于特定区域内作物生长环境变量一致的假设条件而构建的，属于单点水平的模拟系统。而实际研究区的环境与管理变量（气候、土壤、品种、技术等）普遍存在空间差异，因此需要结合GIS 技术将作物生产力预测模型从单点模拟拓展到区域应用。研究提出了基于模型与GIS 耦合实现区域生产力预测的2 种策略，即基于空间插值的升尺度策略和基于空间分区的升尺度策略。

遥感信息与作物模型相结合，可实现遥感实时监测功能与模型时序预测功能的互补，提升对区域作物生长和产量品质形成的预测精度，是实现区域化作物生长和生产力精确预测的有效路径。

遥感与模型耦合过程中，常用的耦合参数既有作物生长或生理指标，如叶面积指数、叶片氮含量等，也可以直接耦合遥感参数如光谱反射率、植被指数等。

粮食总产的提高主要依靠扩大种植面积或提高单产，需要明确不同区域的作物层次生产力及产量差，并进一步解析产量制约因子，提出作物生产力提升的技术途径。

随着CropGrow模型各个模块的构建与完善，模型的数字化设计与决策支持功能也得到不断拓展，主要涉及适宜管理方案生成、理想品种选择与设计、气候效应定量评估、耕地利用决策评价与农业规划政策制定等。

在作物生长模型构建的基础上，利用计算机软构件技术封装发育进程、光合同化、物质分配、器官建成、产品形成、养分动态、水分平衡等模块算法，进一步与GIS、RS 等技术耦合，拓展数据管理、参数生成、策略评价等功能，研制开发了作物生长模拟软件系统，并集成开发了作物生长模拟与决策支持平台，实现了数据管理、参数优化、生长模拟、遥感耦合、区域预测、方案设计、效应评估、安全预警、产品发布等综合功能，具有多功能、空间化、数字化、可视化等特点。

未来发展

数字作物的核心在模型，关键在数据。

CropGrow 模型以生理发育时间为尺度，以天为步长预测作物的生长发育进程，可以模拟光温潜在、水分限制和养分限制等不同生产水平下的作物生长发育状况。然而，影响作物生长发育的主要因子存在时空变异，因此需要深化作物生长模型与GIS、RS技术的耦合机制与方法，更好地实现区域粮食生产力的准确预测。

量化作物生长模型中品种遗传参数与基因效应之间的关系。通过构建以“基因效应-遗传参数-表型特征-生产力形成”为主线的一体化模拟模型，可以为作物表型特征高效预测与育种性状的快速选择等奠定数字化技术基础。

将作物生长模型的动态预测功能与人工智能决策的相关算法相结合，构建农业生产智慧管理决策系统，则可提高管理决策的智能化程度。

开发集多种生长模型于一体的作物模拟支持系统，采用多模型模拟结果的中值或均值，以减少单一模型模拟结果的不确定性。

作物生长模型（CropGrow）研究进展