物联网与作物模型在智慧棉花系统中的应用与展望

万璐，杜明伟，王雪姣，王森，王林，梁皓，张立祯*，李召虎

（1.中国农业大学，北京100193；2.新疆农业气象台，乌鲁木齐830002；3.新疆生产建设兵团农业技术推广总站，乌鲁木齐830002；4.北京布谷奇点科技有限公司，北京100094）

随着物联网、 人工智能等新技术的飞快发展，人类社会进入大数据时代。 通过物联网、3S 技术（遥感技术、 地理信息系统和全球定位系统的统称）、大数据分析、建模、云计算等信息技术的组合来实现智能传感、生产的信息管控与科学决策[1]，农业由最初的传统人力畜力农耕1.0 原始阶段进阶到利用数据精准化分析、智能化控制、集约化生产、高效化管控4.0 高级阶段[2]。 2020 年中央一号文件《中共中央 国务院关于抓好“三农”领域重点工作确保如期实现全面小康的意见》中明确指出要“依托现有资源建设农业农村大数据中心， 加快物联网、大数据、区块链、人工智能、第五代移动通信网络、智慧气象等现代信息技术在农业领域的应用”[3]。打造智能化、信息化、精准化农业生产环境，可提高农业生产效益与资源利用率， 优化农田管理过程，发展高度集约、精准、智能、协同、生态的现代农业模式已成为当今社会综合发展的重要基础[4]。 我国农业生产覆盖面积广而分散， 涉及领域和内容繁多，机械化和信息化起步较晚，相关数据采集与管理、决策难度大，尤其在不同集约化生产条件下，实施难度更大，由此造成资源利用率低、生产环境恶化、农民收益低等不良局面。因此，利用先进信息技术引导农民进行科学合理的田间生产管理十分迫切[5]。

1 物联网及其在农业中的应用

物联网 （The internet of things，IoT） 是指利用传感器、视觉采集终端、射频识别技术、全球定位系统等装置与技术，实时采集和传输进行监控、连接、交互的对象或过程的一套完整的运营系统。物联网组件采集的信息包括声、光、热、电、力学、化学、生物、位置等各类数据，通过互联网、电信网等信息承载体，让能被独立寻址的普通物理对象构成相互连通的网络，从而实现人、物之间的连接，可对监测对象实施智能识别、实时跟踪、精准定位、全程监控，是产生数据与信息的重要来源[6-8]。

物联网的发展为多领域带来了创新与应用，其中农业属于物联网中“传统”的重要领域之一，农业对物联网技术应用的需求急迫，具有难度大、集成度高等特征。 农业物联网是一个复杂的综合系统，涉及电子、通信、计算机、农学、气象、统计等学科和领域[9-10]。 由于涉及学科广、开发实施条件要求较高，我国农业物联网的发展仍处于起步阶段，在环境气象监测、节水灌溉、诊断管理、产品安全溯源等方面进行了有益的尝试[11]。 农业生产上通过气象站、茎流仪、土壤水分监测仪、土壤温度监测仪、植被指数监测仪、红外及霜冻监测仪、树形仪、叶片温度监测仪、叶片湿度监测仪等多种传感器，全方位、不间断地对田间情况进行高质量的监测，实时采集大田环境中的各类监测数据，利用网络信息渠道传输并融合、处理后实现全程数据化、可视化[12]，传感器和成像模块的连续监测可精确地反映棉花的基本农艺状态特征[13]。 基于整体网络平台确定管理措施，通过智能分析使农业的生产、加工、经营、管理和流通等各个环节实现最优管控[14-15]。

2 作物模型Cotton XL 在农业中的应用

近年来作物模型的开发建设得到广泛的关注，随着作物生理生态过程机制的深入研究发展与计算机技术的应用， 作物模型逐渐进入实用化阶段。作物模型是以作物为研究对象，依据农业系统科学原理的生理过程和物理过程的数学表达[16]，定量、动态描述作物的生长、发育、产量形成以及对环境反应的计算机模拟程序， 有助于加强对作物生理、行为及反应的理解，为农民提供合理的管理与决策建议[17]。

棉花功能结构模型Cotton XL 是以SUCROS-Cotton[18]为基础在GroIMP 平台上构建的三维可视化模型，主要包括3 个模块。 第一部分为输入模块，输入品种、土壤、气候、农艺措施等信息；第二部分为运行模块， 进行形态生理的动态模拟过程；第三部分为输出模块，进行结果分析与可视化输出。 该模型通过XL 语言接口输入相应的数据，运用学科研究理论、经验公式等建立程序进行处理分析， 模拟预测在特定配置参数下的生长发育状况；结合智能化的分析推理与独立的知识库，通过构建农业辅助决策系统，以图、文、动画等可视化输出结果对广大棉农进行农事指导，合理选种、播种、育苗、灌溉、施肥、施药、诊断病虫害等，高效分配资源[19-20]。

Cotton XL 能够根据研究问题的需要从器官、植株、田块尺度上实现输出结果可视化。 由于不同棉区在自然环境、土壤及棉花品种特性、栽培管理技术等方面存在差异，需通过田间试验采集棉花生育期、干物质、拓扑结构、叶面积、产量、纤维品质等信息数据， 对Cotton XL 模型进行参数调整和验证，达到一定精度时，模型可用于作物棉花发育过程的定量预测、监测、预警与决策支持，从而促进实现棉花生产优质、高产、高效、生态的目标[21-23]。

Cotton XL 模型可以较好地模拟棉花地上部分器官的形态特征[24]。 已有研究用于探究条带间作棉花的最适密度是否和单作相同：同等土壤、气象、品种等条件下，毛丽丽[25]在Cotton XL 模型中设定配置后，进行棉花单作与4 行小麦2 行棉花间作2 种种植模式下棉花的生长发育模拟，结果表明条带种植麦棉间作下棉花的最适密度要小于单作等行距种植。 纤维品质方面，王雪姣[26]利用Cotton XL 模型模拟比对三大主产棉区棉花的纤维长度、断裂比强度和马克隆值，结果显示三大主产棉区的棉花纤维品质均随着打边心时间的推迟显著降低，且纤维长度较短、断裂比强度较小、马克隆值较低的劣化棉铃数量增多。 王森等[27]结合新疆当地的气候特征研究了不同时期和不同程度的低温冷害对棉花纤维品质的影响。 干物质分配研究上，顾生浩[28]发现处于同一年龄圈层不同坐果点位的棉铃具有不同的吐絮概率，间接表明碳水化合物的供需状态明显不同，并提出“本地碳池假说”，在此基础上从器官、植株、田间尺度上进一步完善了模型。

3 基于物联网与Cotton XL 模型的智慧棉花系统

为了提高棉花生产管理的信息化、 自动化、智能化水平，在设施环境监控硬件设计与开发的物联网基础上，融合生理功能与形态结构相耦合的棉花生长模型Cotton XL，研制了智慧棉花IoT 系统。该系统从器官-植株-大田- 区域多方面阐明棉花精准控制的株型与产量品质形成的机理，利用气象站设备、数据采集仪、传感器等仪器设备实时采集天气、土壤、棉花长势等信息，通过无线网络上传监测信息至数据库，远程监测田间光照、温度、水分等环境数据和田间图像信息，结合模型模拟分析，实现远程调控辅助管理、 判别预测、 智能处理等功能（http://zhny.wsxnny.com/home）。

3.1 系统运行流程

该系统运行流程如图1 所示，物联网设备组件安置于田间选定地点与棉株上，采集到的大田数据通过data bus 自动上传至中继站或云端数据库，用户可通过计算机访问云平台，查看相应指标的实时情况。 针对不同的田间环境，结合往年的农业气象数据与株型调整方案、栽培管理的优化方案等农艺措施来调整棉花模型的参数。 系统接收到信息后，平台自动调用模型数据库中相应的公式并调整参数进行模拟和运算，最终以图表、评估报告等形式输出模拟结果和决策建议。

图1 智慧棉花IoT 系统应用流程

3.2 系统的构成

3.2.1数据库搭建。 数据库包含服务器存储模型运行的基本参数、输入参数及模型输出数据。模型运行的基础数据库包含地区气候、土壤、品种、栽培管理措施等基础数据库， 作为模型系统默认参数输入。气象数据库包含积温、平均温度、降水量、风速、 日照时间、 无霜期及其他生产管理所需参数；土壤数据库中有土壤类型，质地，氮、磷、钾、有机质含量，pH，肥料利用率等；品种数据库中包含不同品种等育种信息、适应地区、生育期、抗病性、产量水平等；栽培管理措施包含播期、种植密度、打顶、脱叶等。模型输出项包括棉株不同生育期的株高、长势、叶面积、蕾铃数量及分配、产量构成、纤维品质等。

3.2.2系统结构。 该系统数字化运行结构见图2。利用软件工程思想，实现物联网组件、数据库、棉花功能结构模型Cotton XL、Web 端的耦合， 采用浏览器/ 服务器（Browser/Server，B/S）三层结构模式，即前端人机交互表现层、后台处理逻辑层、储存分析数据层。 在模型默认基本参数的基础上，用户在系统中输入数据后，系统发送指令启动GroIMP 平台运行模型，汇集成符合用户需求的模型输入参数以调用模型， 输出结果经处理后展示于前端页面。后台分析层以Cotton XL 模型为核心，根据数据储存层提供的数据信息，进行相关动态模拟，以日为运行单位输出棉花生长发育的各项指标。

图2 智慧棉花IoT 系统结构

3.2.3模型模拟决策。 棉花功能结构模型Cotton XL 从区域、大田、植株、器官等多方面阐明棉花精准化控下的株型与产量品质形成机理，明确化控与水肥管理的相互作用，揭示各因素对棉花产量及环境的影响，可响应环境因子、品种特性和栽培管理措施的互作效应对棉花生长发育和产量形成过程的影响，模拟输出发育期、干物质、叶面积、产量和纤维品质等结果，实现判断、决策等功能，从而优化作物栽培措施，提升资源配置效率[29-30]。

3.2.4物联网平台。物联网系统组件包括感知层智能网关、支撑层云计算平台、应用层现代农业物联网监控系统三大模块， 智能网关与系列传感器、摄像头等可控设备组成集成数据获取途径，通过多功能LoRaWAN 节点物联网数据采集、处理、传输。系统后台基于Java 平台的springboot 框架，通过系统相关资源和功能逻辑的抽象化，开发了基于RESTful 规范的Web 服务，可实时存取监测数据、远程控制设备、GIS 定位、分析数据等。 在系统数据和功能的服务接口上， 开发了基于Web 浏览器以及Android 客户端的操作界面， 实现了农业物联网监控系统的人机交互功能（图3）。

法律认同是现代国家走向法律趋同的最佳方式，也是改变发展中国家一味依赖发达国家法律规则的现状，增强自身法律制度世界影响力和竞争力的契机。就我国而言，虽然经济总量位居世界前列，但非传统经济大国，法律的世界影响力比较有限，所以，以法律认同的方式提升我国法律的国际地位，具有更为重要的积极意义。

图3 智慧棉花综合管理平台网络客户端

3.3 系统主要功能

该系统有效集成了物联网设备、棉花功能结构模型Cotton XL、 数据库和终端Web 服务。 运用Java 语言实现棉花模型的内部程序、 参数调用，以及数据库之间的数据传递，包括将前端用户输入的品种、气象、田地、管理信息等插入数据库，以及按照需求处理模型模拟数据，传输至页面进行展示[26]。系统有以下主要功能：

（1）信息查询。系统提供多年数据查询，包括气象、品质、生育期、长势、产量和品质等的数据记录，用户可查询具体地区和对应日期的数据，了解地区气候资源的时空分布，横向纵向对比不同地区的生产条件和气候条件。 在图层上提供基本操作，支持用户查看图层相关的更详细的信息数据以及图表展示，支持底图放大、缩小、平移等基本操作。

（2）平台管理。用户可在Web 平台上进行农田管理、设备管理和系统管理，具体包括片区管理、农田管理、历史种植管理、设备基本信息管理、设备模型管理、探头管理以及探头数据对接功能、地图图层矢量编辑与管理、决策与预警信息管理、人员信息管理、农事详情管理与统计等全面多样化操作设置，可根据需要进行个性化管理调整。

（3）棉花长势、产量、品质模拟预测。 结合提供的棉花品种信息、栽培管理方案，模型动态模拟棉花生长发育的全过程，预测长势、产量构成与纤维品质。在比对分析当年气候环境条件下的植株拓扑结构动态模拟曲线时，若发现模拟结果与最优曲线差距较大，则通过系统分析、推荐合适的动态调控管理措施以降低差异程度。

（4）栽培管理决策。 可根据需求提供并模拟单项或多项措施优化栽培管理措施方案（图4），包括播期、种植密度、化控、打顶时间、灌溉周期与灌溉量等变量因素。 系统根据方案设计调用棉花模型，综合对比、评价各个方案等预期株型、产量、品质标准，同时结合当地生产条件与气候条件、土壤条件等提出优化方案以供参考。

图4 模拟肥水化调管理对株高及株型的影响

（5）气候变化及极端环境下的管理。 针对气候变化带来的高温干旱等影响，根据近几十年的气候变化规律开发未来气候模式，利用作物模型根据已有棉花品种和生产管理水平模拟未来气候变化对物候期、需水量、产量的影响。 在气候变化的过程中，采用选择生育期较长的品种、调节播种时间、调整水肥投入等合理方案，趋利避害以达到高产优质的效果。

4 应用案例

2018 年在新疆生产建设兵团第一师十二团（阿拉尔市）进行田间对比试验，试验地毗邻塔里木河，地下水位高，盐碱化严重，土壤质地分布严重不均匀，包含砂壤土和黏壤土。 供试品种为新陆中37号，整体种植规模66.7 hm2，对照区46.7 hm2，应用区20.0 hm2。 对照区按照当地常规种植方式进行管理，应用区进行智慧棉花IoT 系统改造与设备部署（图5），使用澳大利亚ICT 公司相关配套物联网组件进行监控、采集数据，精准管理棉田。生育期间系统提供试验地气象、土壤、植株数据监测与展示，发布播种期预报、生育期预报与分析、水肥配比方案、打顶预报、化学控制方案。 试验地气象资料由新疆气象信息中心提供， 模型模拟所需的棉花品种信息、管理措施由田间试验获得。 利用实测值和模拟值的均方根误差和拟合度对模型模拟的准确性进行评价。

统计2018 年籽棉产量， 当年应用区籽棉产量为7 200 kg·hm－2， 比对照区产量6 300 kg·hm－2提高14%，灌水量节省32%，耗电量仅为对照区的51%（表1）。纤维品质检测结果显示，该系统应用区的棉花纤维质量明显上升，达到纤维长度≥30 mm、断裂比强度≥30 cN·tex－1（双30）标准。 通过智慧棉花IoT 系统可全面掌握棉田环境状况和棉花发育状况，根据产量、质量需求调整管理方案，最终获得高于传统经验管理棉田的产量， 水肥投入更加合理。

图5 几种典型智慧棉花物联网监测传感器

表1 2018 年田间投入量对比

综合3 年智慧棉花IoT 系统投入产出计算分析， 物联网设备一次性投入成本2 250 元·hm－2，服务年费150 元·hm－2，3 年累计投入2 700 元·hm－2，年平均投入900 元·hm－2。通过精准的灌溉、施肥管理，气象、病虫害预警，产量预报，品质预报和农田智能管理，产量可提高10%，纤维品质提高10%，节水节电20%左右，调整用肥结构，改善用肥效率。 综合计算节省的人力与资源成本加上生产增收减去单位面积的设备与服务投入， 每公顷可增收4 500～6 000 元， 同时可使资源利用率到最大化。

5 智慧棉花在现代农业中应用的问题与展望

随着信息和通讯技术的发展及其在各领域的大规模应用，政府、企业和个人对智能信息化服务的需求日趋增长。 目前已在农业信息采集、分析处理等方面进行了物联网与大数据技术的研究，在精准高效生产与决策管理等方面已开始应用[31]。 农业生产周期长、影响因素繁杂，探究其中的相互关系存在一定的难度。通过物联网技术可采集多方实时有效信息，基于当地多年的气象数据、作物与土壤参数、管理措施等信息，利用作物模型进行数据统计、案例对比、模式判别、参数校正、模拟预测和诊断决策等精准分析，为提高气候资源、养分资源和劳动力资源的配置效率提供科学决策和智能控制，正成为农业现代化的新方向和突破口。现场智能传感器及执行设备的选择自由多样化， 安装方便，数据传输稳定，设备精准可靠，系统易操作，平台统一管控，可满足不同规模与类型的农业设施环境的需求。 可以预料，未来的农业物联网大数据技术将发挥更大的作用，提供更加智慧的农业服务[32]。

5.1 存在问题

由于我国发展信息农业时间较晚，实施规模较小， 在信息资源的建设上存在严重的碎片化分布、纵向信息内容重复和横向信息缺裂现象。我国涉农网站四万余个，已建成大型数据库100 多个，尽管各相关部门、企业、合作社采集的地区、遥感、气象、植保、测土配方等客观数据与开发生产管理、电子商务、电子政务、社会化管理等系统管理数据均数以万计，但数据采集与管理标准不统一，传输表达方式不规范，信息在内容、结构上存在差异、分散或重复，形成独立多样的小数据库，与理论不兼容，与国际开放的农业数据库、知识库、本体库难以对接，使数据之间交互共享受阻，大量的智能服务无法操作匹配，很难应用于农业大数据开发。

尽管国内在棉花专业网站、 生产管理专家系统、信息管理系统等系统开发方面积累了一定的研究成果，但这些网站或系统侧重于单方面的信息分析，提供的智能专家决策服务有限，缺乏整合生产、管理、市场、经济、决策支持等多方面的综合服务系统。 此外，决策的“专业化”也是智慧服务的重要指标之一。 然而棉花生产信息获取难度大，导致施肥配方的精准度不高，加上决策具有针对性，使智慧棉花难以推广应用。

5.2 发展策略

政策方面，针对农业信息资源的高效利用制定有偿交换协议，建成国内农业数据与服务资源有序高效的交易模式，在信息资源托管运维、跨区域访问、调用、交换等方面，通过对信息资源进行分类、价值评估、交易规则制定，实现农业信息服务资源共享的可持续发展模式。 针对数据碎片化问题，建立国家统一农业信息化大数据中心，运用云计算等技术集成收录各地数据信息，解决我国信息资源碎片化、多样化、独立分散等问题，对地方上传汇总的海量数据进行统一迁移、规范储存，建立支撑多种应用服务的数据接口， 开发信息资源调度系统，实现农业信息化数据获取、传输、加工、利用的一体化处理[33]。

科学技术方面，建立相关学科专业，打造智慧农业综合领域的专业技术团队，在已有研究基础上加深对农业信息化和现代化发展技术创新，开发新型智能传感的技术，不断完善智慧棉花系统，形成自主知识产权的核心技术。根据精准施肥、化控、灌溉，针对我国不同生产条件下大田种植、设施大棚等精细化生产的现代农业模式发展需求，建立以物联网为中心的农业生产互通网络平台，改善智慧棉花系统管理模式，提高整体管理水平，从而降低农业生产成本以达到效益最大化。