数字牧场研究进展浅析*

沈贝贝，侯路路，丁 蕾，范蓓蕾，毛平平，徐大伟，闫瑞瑞，辛晓平，陈金强※

（1.中国农业科学院农业资源与农业区划研究所/呼伦贝尔草原生态系统国家野外科学观测研究站，北京100081；2.浙江大学环境与资源学院杭州310058；3.中国农业科学院农业信息研究所，北京100081；4.南京农业大学/国家信息农业工程技术中心，江苏南京210095）

0 引言

草原作为中国面积最大的绿色生态屏障，不仅是牧民赖以生存的基本生产资料，而且是我国少数民族的主要聚居区［1］。中国牧区占国土面积的45.1%，多处于干旱、半干旱地区，水资源短缺，水土资源不匹配，草畜平衡矛盾突出，草原生态环境十分脆弱［2］。传统的放牧方式存在管理粗放、生态和经济效益低等问题，伴随着信息时代的到来，智能技术与畜牧业的深度融合，为传统畜牧业的快速发展提供了条件。数字化在1998年美国总统戈尔提出“数字地球”后越来越受到普遍重视，人们对数字化也有了更深入的理解和需求，相继提出数字城市、数字农业、数字林业、数字草业等。将信息技术的最新进展运用到草原生态监测和牧场管理是牧场现代化的必经之路。数字牧场是数字地球的理论和知识在牧场管理上的拓展和深化，是数字农业和数字草业在牧场应用场景下的集成，运用数字化信息技术，对牧场进行数字化表达、设计、控制和管理，将数据分析、模型分析、计算机模拟与智能判断结合应用，实现在牧场数据采集、数据分析、过程优化、智能控制和信息追溯等方面的数字化管理，具有在畜牧信息管理基础上分析动物行为、生产数据、监测预警、质量安全管理等功能［3］。

生态学研究越来越重视“top—down”的研究方法，在放牧生态系统中，不仅要在大尺度上进行植被、土壤等生态监测，具体到家畜的体况监测、行为监测也显得尤为重要，牧场中的家畜行为监控是畜牧业集约化、智能化管理的一个基本条件，家畜的行为也是反应草原状况的重要指标之一。数字牧场主要涉及牧场背景信息数字化获取、草原动态监测、家畜信息数字化监测、系统过程分析和决策应用等方面内容，常用的数字化技术包括：遥感技术、物联网技术［4］、涡度相关技术、RFID技术和无线传感网络技术［5］等。

虽然我国在数字牧场研究中取得了相关进展，但研究水平仍处于积累阶段，尚有很多关键科学技术问题需要解决。基于此，文章对相关研究和应用的最新进展进行梳理，为数字牧场研究发展提供参考。

1 草原信息获取与监测评估

数字草业是数字牧场的前提，草原生态系统要素监测是数字草业的核心内容之一，快速准确地采集草原基础背景信息是开展精准畜牧业的先决条件，信息采集技术是草原信息化管理不可缺少的重要环节。随着地理信息技术和遥感技术的不断发展应用，草原生态系统动态监测技术从传统地面监测快速转换为数字化监测［6］。

1.1 草原环境要素获取

水热条件、土壤、大气等监测是草原环境要素监测的重要组成部分，遥感科学以地物与电磁波相互作用表现出的反射、吸收和发射特点为物理基础，分为光学遥感、热红外遥感和微波遥感。通过遥感技术可以获取大面积长时间的草原水文、土壤背景、地表温度、地形等信息。航天、航空和地面协同的多时空分辨率全球对地观测系统广泛应用于水文、生态和环境研究中，提高了在获取参量类型和数据反演中的精度［7］。利用遥感技术提取生态—水文过程中降水、蒸发、土壤水分等多种监测指标使定量表达区域水文过程及时空变化规律成为可能；热红外遥感是获取区域、全球尺度上地表和大气热状态的一种重要手段；微波遥感可测量不同地貌和植被覆盖的土壤湿度条件。

使用无线传感网络获取草场的水热状况正在普及，涡度相关技术（Eddy Covariance technique，EC）始于1895年，是目前直接测定地表—大气间CO2和水热通量的标准方法，其通过三维风速、气体浓度和水分脉动的观测来获取信息，已成为国际通量观测网络的主要技术手段［8］，全球已有500多个站点应用涡度相关技术测定地表—大气间碳水通量。随着无线传感技术的飞速发展，无线传感网络获取环境因子的方法正在被广泛使用［9］，于贵瑞等［8］采用涡度相关法首次直接而准确地观测了生态系统蒸散发，表明将涡度相关法与区域水文观测相结合，可连续获取高时间分辨率的地表水汽通量信息；倪攀等［10］利用开路涡度相关系统和常规气象梯度观测系统于2007年9月1—26日对科尔沁半干旱风沙草原的蒸散量和微气象条件进行了观测，根据观测数据分析探讨了潜热通量与气象因子之间的关系，研究了半干旱风沙草原区潜热通量的特征；赵亮等［11］基于2003年1月至2004年7月数据运用涡度相关法技术研究青藏高原金露梅灌丛草甸和藏嵩草沼泽化草甸的地表通量，对比了青藏高原两种草甸地表通量季节变化特征。

1.2 草原生产能力监测

植被净初级生产力（Net Primary Production，NPP）是一个定量描述生物圈生产能力特征的指标，而且是可以在全球尺度上进行模拟的基础生态系统变量，反映了植物群落在自然条件下的生产能力［12］。生物学法通过测定生态系统生物量获取植被生产力。相比而言，生物量反映了某一时间生态系统所包含的有机物总体，而植被生产力则表示一段时期内有机质的变化。由于生态系统在结构和功能等方面的差异，测定方法在不同生态系统内存在较大差异［13］。对于草原生态系统，由于植被多为多年生的草本，故地下生物量为多年累积值，其地下生物量一段时间的累积值转换成含碳量，才是该时间段的地下生产力。在实际测量草原NPP时，常常间隔一段时间分别测量生物量数据，然后以两次测量的生物量差值中的含碳量作为生产力的累积量。受放牧影响，放牧场家畜采食后的地上生物量不能作为地上生产力，在测量时常使用套笼以避免家畜采食，套笼内外植被生物量差值中的含碳量作为地上生产力的累积量。对于打草场，生长季末期的地上生物量转换成碳含量后，可作为该年草原的地上生产力。

应用遥感技术的光能利用率模型为草原NPP监测提供了新的途径，CASA（The Carnegie Ames Stanford Approach）最早将光能效率模型概念应用到全球尺度上开展植被生产力研究［14-15］，也是唯一直接模拟NPP的光能利用率模型。我国学者应用CASA模型在草原净初级第一性生产力动态变化方面开展了很多研究，如朴世龙等［16］利用CASA模型估算了1982—1999年（除1994年）我国植被年净第一性生产力及其时空变化；龙慧灵等［17］采用朱文泉等改进的基于光能利用率的NPP遥感估算模型［18］对内蒙古草原区1982—2006年的NPP进行估算，并分别以年、季节和月为时间单位分析NPP与气候的关系。以上研究均使用分辨率较低的MODIS影像，适合大范围的草原生产力监测，在牧场尺度上，可采用MODIS与分辨率较高的影像数据（如Landsat TM、Landsat OLI、Sentinel-2A等）进行数据融合［19］。

1.3 草原生态健康评价

草原生态健康监测包括草原长势、草原覆盖度、草原退化等。草原长势监测方法有逐年比较法、距平比较法和极值比较法，常使用归一化植被指数（NDVI）作为草原长势的指示变量［20］。草原覆盖度监测方法中目前较为流行的是像元二分法，该算法将每个像元的NDVI值由绿色植被与裸土贡献的两部分信息，通过计算植被部分所占的比值表示植被的覆盖度［21-24］。赵艳华等［24］应用该方法以MOD13Q1产品为数据源对2000—2010年阴山北麓草原生态功能区植被覆盖开展时空变化分析，并发现降水是影响阴山北麓草原生态功能区植被覆盖度变化的主要自然因素。

传统的草原退化监测是以覆盖度、生物量、生产力［25］的下降为特征，利用遥感影像通过人工解译、分类或遥感参数反演评估退化状况［26］。然而，在草原退化过程中，杂类草侵入，往往导致覆盖度和产量的增加，因而在进行退化等级划分时，还应考虑杂类草的影响。刘朋涛等［27］提出基于植物群落类型（生态系统结构）和生物量（生态系统功能）的退化草原评价指标。李京忠［28］依据狼毒盛花期光谱与其他绿色植被的显著区别，确定了利用MODIS-EVI时序数据提取狼毒的最优方法。高光谱遥感借助丰富的光谱维信息，能够有效识别群落中杂类草种类，并反演出占群落的面积比例、高度和盖度等群落特征指标，具有突出的优势［26］。李双等［29］基于HJ-HSI高光谱影像、地面实测光谱及样方数据开展了三江源区不同退化程度高寒草甸分类研究，结果表明SAM法优于最大似然法。安如等［30］利用Hyperion影像和地面高光谱数据，通过多端元混合像元分解技术，提取了可食牧草、毒杂草及裸土组分信息，对三江源典型区草原退化程度进行了分类。

1.4 草原利用状况评估

开放型牧场或散养牧场目前仍然是我国的主要放牧方式。天然草场牲畜超载率居高不下，加上气候等因素，造成我国草原退化、沙化和水土流失严重。根据草场生产力控制载畜量，达到草畜平衡是维持草原生态环境持续发展的重要保障［31］。综合利用草原植被生产力和地上现存生物量数据，根据不同地区的草品质、产草量计算适合当地草场的适宜承载量，获取研究区内草原利用强度数据，用于反映草原植被整体利用状况，评估草原利用状况。评估结果可指导牧民合理放牧，制定适宜的放牧强度，为合理利用天然草原、因地制宜地制定草原保护政策提供支撑。

国内外学者针对草畜平衡矛盾开展了大量研究，包括合理载畜量测定、草畜平衡监测、草畜平衡管理等方法和模型的设计，阿娜尔等［32］研究了不同放牧强度对植物生物量和绵羊增重的影响，并推荐了绵羊增重的最佳放牧强度。王萨仁娜等［33］通过GPS项圈获取不同放牧强度下绵羊的信息，基于3S技术研究绵羊牧食行为的时空分布特征，分析绵羊牧食行为与草原环境间的关系。牛文远等［34］在3S技术支撑下，结合实地调查和卫星影像数据，调查分析了乌拉盖草原利用状况，量化了草原“三化”的动态变化状况，研究结果对当地草原管理具有指导意义。

2 草食家畜信息识别与获取

获取精准实时的家畜数据在发展现代畜牧业、保障畜产品有效供给和草原生态系统平衡中发挥着至关重要的作用。目前通过物联网技术、无人机技术、为家畜佩戴智能项圈等可以实现家畜的实时监控。

2.1 家畜种类精准识别与计数

生物识别技术（Biometric Identification Technology）是指利用人体生物特征进行身份认证的一种技术。射频识别（Radio Frequency Identification，RFID）技术是一种非接触式的标识识别技术，由应答器、阅读器以及应用系统组成，通过内置唯一的电子编码，在阅读器及应用系统辅助下可实现对家畜个体进行识别、认证、防伪、追溯［5］。RFID技术通常与通信技术、二维码技术等信息技术集成，针对畜牧生产不同目标应用于畜牧生产的不同环节。管理部门精确掌握家畜数量及其空间分布有助于科学指导畜牧业生产工作，通过逐级上报获取家畜数量周期长，而且数量准确性有待评估。传统地面调查的方法效率低，成本高，难以满足需求。近年来，无人机、载荷、通信技术发展迅速，随着无人机成本和准入门槛下降，无人机开始应用于家畜调查等领域。

王玲等［35］将RFID技术、Zigbee无线通信技术和ARM嵌入式技术相结合开发了羊场养殖信息管理手持终端，开发的羊电子耳标对羊实行个体监控，实现养殖信息实时采集、录入、存储和查询，为优良羊选育提供了技术支持。胡必玲等［36］针对散养动物统计和识别困难的问题，将RFID技术与当前发展迅速的无人机技术相结合，利用RFID、无人机和移动互联网技术开发放养牲畜定位系统，通过无人机自动巡航中自动读取和分析RFID信号，实现牲畜定位和计数功能。中科院空天信息研究院生态系统遥感研究团队在三江源地区通过卫星遥感影像，采用草原生物量估算模型，绘制了三江源草原地上生物量的空间分布图，并结合无人机遥感成像和机器学习技术，快速统计出了藏羚羊的个数。邵全琴等［37］利用固定翼无人机进行航拍，通过人机交互解译，提取了牦牛、藏羊、马等家畜信息，估算了玛多县大型野生食草动物种群数量，分析了其对草畜平衡的影响。王东亮等［38］利用无人机视频流，构建了家畜深度学习识别模型，实现了家畜的在线识别与计数，可为家畜监控提供技术支撑。

2.2 家畜体征状况信息化采集

家畜体征状况包含生理特征和形态特征，监测主要集中在体表温度、呼吸频率、心率、声音、体重和体尺等，生理参数是家畜对环境适应能力的参考标准。物联网技术通过智能传感器、无线传输、远程通信等技术，对动物个体的生理参数实现实时和持续的自动化信息监测和采集［39］。体重测量经历了从体重箱测法、电子称重设备、图像无创估计、计算机辅助数字图像分析、无人机影像分析的发展过程。通过图像采集传感器获取家畜个体图片及视频并进行分析，获取家畜体重、大小等生理数据，是当前家畜信息采集的重要研究方向［40］。体温和呼吸频率等数据是判断家畜健康状况的重要指标，传统的通过听诊器听取心跳声呼吸频率和利用人工水银体温计获取温度信息等方法存在动物应激大、时间长、工作量大、容易出现交叉感染等问题。目前，体温、心率的测定主要是基于无线物联网、红外测温、机器视觉技术检测、视频成像和心电传感等技术［41］。声音是反映动物行为和动物健康的重要指标，现有的声源识别和定位技术主要通过麦克风、拾音器等收录设备将动物叫声、饮水声和咳嗽声等声音信息实时录制，将收集录制的信息建立声音分析数据库，辨识动物异常发声，预警早期疾病［42］。

目前国内外采用计算机视觉技术进行动物体尺体重测量，在不影响动物的情况下通过拍摄和计算，评估动物体尺、估算体重，测量结果准确度较高［43］。尹令等［44］基于无线传感器网络实现了奶牛体温、呼吸频率和运动加速度的识别，并通过对监测数据的分析，找出奶牛慢走、爬跨、静止等行为的特征。Jahns［45］针对已知的牛饥饿和发情叫声信号提取出先验特征矩阵及其参考模式，利用模式匹配方法识别牛只日常叫声中所包含的饥饿及发情信息。

2.3 家畜行为监控与轨迹制图

家畜行为监测集中在采食、卧息、游走、站立、饮水、排泄、发情等。监测方法涉及跟踪记录法、机器学习算法构建、项圈记录法等。周雅婷等［46］提出基于神经网络算法的肉牛采食行为监测方法，通过利用集陀螺加速度计和蓝牙模块为一体的传感器采集行为姿态数据，并将数据通过蓝牙组网模式无线传输到PC上位机，可以实时显示肉牛行为姿态的曲线波动，采用BP神经网络算法对肉牛采食行为进行分类识别。姜美曦等［47］利用无线传感器获取肉牛加速度，采用卡尔曼算法对肉牛行为进行识别，表明肉牛采食行为检测系统能够快速采集和传输肉牛采食信息，系统工作稳定。丹麦科学家设计了放置在羊只脖颈上的Zigbee行为监测设备，通过监测羊只脖颈动作分析羊只的各种行为。王冉等［48］利用无线传感器网络开发了实时监控畜牧环境的监控系统。屈东东等［49］基于无线传感器网络开发了一套体积小、性能稳定、可远程实时监测的奶牛养殖实时监测系统，可实现多目标群养奶牛的智能化识别和跟踪管理。

随着GPS的不断发展，对肉牛采食行为路线的监测已经得到较好研究，将GPS设置一定的时间间隔采集坐标点，随后根据定位点绘制轨迹图。Schlecht等［50］使用高精度差分GPS设备获取了牛的放牧轨迹数据，结合放牧行为观测数据，构建了放牧行为线性判别函数，最终通过放牧轨迹数据求解函数中的判别因子，进而对牛的进食、行走和休息行为进行了识别。总之，随着科技不断进步，各种硬件设备逐渐完善，对于肉牛行为的监测也越来越成熟，但是，试验期间出现电子项圈损坏、卫星信号不良、通讯网络未覆盖等问题不可避免，会导致轨迹数据缺失，该现象也将作为技术难点在今后开展深入研究。

3 草畜生产过程定量调控

牧场是草畜的综合体，探究草原和家畜之间的关系，找到草原生产力和家畜利用部分的平衡点是牧场管理的重点。正确合理地组织放牧，定量调控草畜生产过程是保障畜牧业不断发展的根本措施，促进草原生态和畜牧业生产的协调发展，有效实现草畜一体化科学发展。

3.1 草畜生产过程模型

模型是信息化技术的理论依托，是决策支持系统研究的核心技术，是数字牧场不可缺少的组成部分。运用物联网、云计算、互联网等技术，结合实地监测，综合利用获取的水、土、气、草、畜等生态系统相关数据，通过建立相关模型可以达到科学指导决策的目的。目前，世界各国研制出一些成功的草原与畜牧模型，建立了众多“以畜定草”和“以草定畜”模型，开发了大量牧场放牧管理软件，如GrassGro、ACIAR、GRASIM、SPUR等［51-52］，这些过程模型涉及牧草生长、牲畜养殖、放牧管理等各个方面，使得草原—家畜系统的定量管理成为可能。

GrassGro模型是澳大利亚CSIRO植物产业部开发的草原与畜牧模型，依据牧场品种、气象数据、土壤条件估算草场牧草的产量，结合草原饲养的家畜、生产能力等，确定饲草的供应，使草畜生产达到最佳经济效益［53］。模型涉及植物、土壤、家畜、饲料及气象等多类参数。该模型最大优势在于草原生态过程、草原—家畜相互作用，模拟结果可提供定量、科学决策，可直接应用于我国云贵川山区栽培草原—家畜系统，北方部分草原区需参数本地化后使用。家庭牧场草原—家畜优化管理模型（Australian Centre for International Agricultural Research，ACIAR）是一个专门针对于中国北方草原家庭牧场生产经营设计开发的软件系统模型，主要分为草畜平衡模型，优化生产模型，可持续发展模型，精准管理模型4个模型。

3.2 牧场决策支持技术

畜牧养殖业面临经济和环境的双重压力，决策支持系统为评估生产管理效益，保证生产可持续发展提供了有效的工具。利用人工智能等技术构建动物监控系统，可以提升管理效率和智能化水平。决策支持系统在农业和放牧管理方面有很大进展，世界各国开发了大量牧场放牧管理的软件。

科学和精准饲喂是提高动物福利的重要方面。自动饲喂系统通过将家畜个体资料进行信息化管理，将个体产能信息与历史数据进行对比分析，结合家畜生产性能制定合理的饲料管理和生产计划，可有效提高生产能效。在放牧饲养方面，众多学者进行了家畜科学饲喂的研究，任劲飞等［54］研究分析了家畜采食经验，提出了通过调节牧草高度、密度、颜色等调控家畜采食行为的探索性方案；樊金富等［55］研究了不同牧草生长时期对草原放牧奶牛牧草采食量和营养摄取情况的影响，为放牧情况下奶牛的补饲和科学放牧管理提供了科学指导。

在育种管理方面，数字化技术的发展促进了家畜发情监测向自动化方向发展。通过电子传感器检测家畜个体的体温、活动量、呼吸参数、内分泌、采食量等参数，研究家畜个体的发情体征，自动判断其发情时间，为提高良种家畜的繁殖能力提供了有效措施［56-57］。田富洋等［58］根据奶牛发情期活动量上升、静卧时间变短和体温升高等生理学特性，采用振动传感器、姿态传感器和温度传感器实时检测奶牛的活动量、静卧时间和体温等参数，建立了以奶牛行走步数、静卧时间、行走时间、温度为输入，以奶牛行为特征为输出的LVQ神经网络发情行为辨识模型与预测模型，模型检测奶牛发情的准确率达100%，发情预测率高达70%。

在疫病管理方面，随着信息监测技术发展，随时随地掌握家畜信息提高了家畜的健康管理能力［59］。物联网软硬件技术推动了生物识别、传感器、数字化医疗设备与现代疫病诊断技术的发展。陕西某物联公司通过埋植芯片和其他智能采集装置自主研发的家畜智能植入式电子身份健康检测仪能够收集家畜的生理状况指标数据，基于计算机系统分析获取的数据，实现了家畜健康状况和疫病监测，监测结果能够对家畜疾病早发现早治疗，防止疫病大规模爆发。

在质量安全监管方面，畜牧产品质量管理追溯系统集成了云计算、物联网等技术，构建了云畜牧工程，对家畜生产过程关键环节信息开展监督管理，为养殖户提供远程监控，实现家畜的疾病预警、食品安全的监管和畜牧生产指导［60］。

4 结论与展望

遥感技术具有多维、多平台、多时相、多波段的数据获取能力［61］，能够获取覆盖同一地表区域的多时相数据，且不同分辨率的影像能够满足多尺度的监测需求，为草原动态监测提供了科学有效的途径。“天—空—地”一体化技术将卫星遥感、无人机航空遥感和人工地面调查相结合，实现了优势互补。通过遥感解译结合地面调查更能提高信息获取的准确性，采用卫星遥感和无人机航空遥感相结合的方式，能快速有效地获取牧场的背景信息，投入少，获取的结果也比较准确。模型是决策支持系统的核心技术，是数字牧场不可缺少的组成部分，特别是在我国畜牧业整体科技水平不高，生产模式粗放的情况下，研制相关数字牧场软件，优化牧场利用模式，已经成为畜牧业发展的重要方向［62-64］。目前已开发的涉及草原生产过程模型从宏观的草业经济到微观分子水平的光合作用，研究范围从全球到区域、从生物群体到个体生长等不同层次。随着信息技术在畜牧行业的渗透，畜牧生产发生了根本改变，近年来相继开发了畜牧场管理、育种分析、专家和决策支持等系统，并在畜牧科研和生产中得到推广使用，提高了畜牧生产效率和畜牧养殖的信息分析和处理水平，将畜牧业生产向规模化、集约化、精细化方向推动，加强了畜牧养殖的监督控制，提高了动物疫情疫病防治能力，夯实了生产质量安全保障能力，为畜牧生产保驾护航。

随着物联网、云计算、大数据、人工智能等技术的发展和在畜牧行业的逐步落地应用，畜牧生产逐渐向数字化、智能化、智慧化方向发展，是未来的发展趋势。要不断提高牧场管理的现代化水平，推动草原资源的综合管理与规划，促进草场数字化的快速发展，实现传统畜牧业全产业链的数字化转型升级。在今后发展过程中要善于借鉴畜牧业发达国家的经营模式和经验，结合我国实情，研究具有我国特色的畜牧业生产方式；在畜牧管理中实行一畜一码，完善高清智能监控系统建设，实现畜牧精细化数字管理；加快发展牧场信息化管理技术，不断开发具有自主知识产权的软硬件产品，不断完善更新新型电子围栏系统和监测预报系统等，建立实用性和科学性强的牧场管理信息系统，对草原和家畜进行有效管理。