作物生长模型在农作物生产上的应用

关键词：作物生长模型；精准农业；粮食作物；经济作物

0 引言

随着乡村振兴战略的逐步推进，数字化已成为农村发展动能转变的重要节点，而数字农村把数据技术植入到农村全过程中，以技术价值链融合了农村参与者，可以显著提升农业生态环境及农产品产量、质量。2023年，在中央1号文件《中共中央 国务院关于做好2023年全面推进乡村振兴重点工作的意见》指出，要深入实施数字乡村发展行动，推动数字化应用场景研发推广，加快农业农村大数据应用，推进智慧农业发展[1]。

农业发展至今共经历4个时代，而数字农业则是自2017年发展至今的农业4.0时代产物[2]。数字农业致力于控制作物生产的全过程，智能化调控水、肥、气等作物生长必需的环境因素，将投入的成本降至最低，使收益最大化。当互联网、物联网、大数据、云计算、区块链及机器学习等数字技术与农业耦合时，能够利用数字创新的战略杠杆，撬动更高的农业产品质量与经济效益，进而大幅度提升竞争力[3]。作为一种新型农业模式，数字农业在很大程度上提高了农业生产效率，是“十四五”时期与全面推进乡村振兴重要节点下的农业创新发展路径[4-5]。

数字农业是促进我国由农业大国向农业强国发展的途径，也是农业现代化发展的旗帜[6]。数字农业是解决“三农”问题的宝典，并将为全面推进乡村振兴发展起到积极影响[7]。农业农村部、中央网络安全和信息化委员会办公室印发的《数字农业农村发展规划》提出，建设数字农业集成、数字种植业、数字畜牧业、数字渔业、数字种业和数字农业装备等领域国家创新中心[8]。

目前，关于数字农业影响因素的研究较多。黄卓等[9]研究发现，数字农业发展融资难的问题可以通过数字金融得以解决。钟文晶等[10]认为，现代数字农业技术急需解决过度依赖的弊端，以促进数字农业高质量进步。陈加乙[11]认为，大数据的发展促进了数字化生产力的发展，从而推动数字农业高质量发展。陆刚[12]研究表明，产业互联网平台能够有效促进数字农业发展。赵亮[13]研究表明，农村经济振兴战略也可以促进数字农业发展。舒圣宝等[14]从数字农业的内涵、发展模式、存在的问题、发展路径、评价指标体系和国际经验等方面进行综述，对数字农业现有的研究进行评述与展望。已有研究结果对数字农村发展做出了归纳和总结，指出了数字农村目前存在的问题，也为今后发展提供了切实可行的规划意见。

本研究针对数字农业中重要部分——作物生长模型，通过关键词选定，采用文献检索、可视化等分析方法，将收录于中国知网的文献进行分析，以期了解数字农业发展遇到的问题，促进我国作物生长模型的构建和发展。将更多农作物生长过程量化以减少病虫害或者极端天气等不利因素对整体农业形势的影响，进而促进农业的长效发展。

1 数据来源与研究方法

1.1 数据来源

数据主要来源于中国知网。利用中国知网的高级检索功能，以生长模型为一级关键词，进行模糊检索，并将文献的发表时间设定为2003—2023年（数据收集时间截至2023年7月），学科勾选为林业、农作物、农业基础科学、农艺学和植物保护5大类，检索出的中文文献共有1275篇，其中包含865篇来自学术期刊、387篇学位论文，以及23篇来自会议、成果等。文献来源范围广泛，可作为研究样本。

本研究对粮食作物、经济作物两大类农作物进行分析，通过人工筛选，在数据库中已选出的结果中以粮食作物、经济作物为关键词进行检索，检索出粮食作物相关中文文献共计274篇，经济作物相关中文文献698篇，剩余文献与本研究主题不符，遂不予选作研究样本，将所收集文献进行整理作为本次可视化分析的数据来源。

1.2 研究方法

CiteSpace是一种通过绘制的科学知识图像达到为文献系统实现分时段、动态、多层次的信息可视化研究的软件，也是用研究图谱的形态表现某一学科，或某一学科某个方面在一个特殊阶段内的研究热点、某一特殊时期内的研究趋势等[15]。将研究文献进行筛选、分析和整理，排除无关文献，提炼出与作物生长模型具有相关性的文献，作为CiteSpace的分析素材，运用CiteSpace6.1.6对所选文献进行聚类分析和相关中心度计算。

将作物生长模型作为一个整体进行系统性分析，再按照关键词分别从粮食作物和经济作物两个方面分析作物生长模型的关键词、中心度等，从而通过可视化分析，探究目前作物生长模型的研究重点和发展趋势，为作物生长模型的后续发展提供借鉴意义。

2 数据分析

2.1 作物生长模型总体情况

2.1.1 发文量

对中国知网收录、满足发布时间在2003—2023年的相关文献进行发文量研究，经过CiteSpace数据格式转换，1275篇文献中系统识别的文献共有1245篇，按照年份顺序制成折线图，如图1所示。国家农业政策的颁布一定程度上影响了作物生长模型的研究数量[16-19]。

由图1可知，作物生长模型研究的发文量总体呈波动趋势，各年的发文量大概分布在40～80篇。2003年，相关作物生长模型的发文量最低，仅34篇。但在2015年作物生长模型有90篇相关研究，达到近20年发文量的顶峰。并且，作物生长模型发文量在2003—2008年有小幅波动上升，但由于计算机信息等技术的发展滞后，还处于研究较少的阶段。2008年之后发文量有了大幅变化，作物生长模型开始迅速发展，加之植物生理学等相关学科知识的发展完善及越来越智能的计算机技术予以辅助，作物生长模型在此阶段达到发展顶峰时期。

2.1.2 发文机构分布

根据中国知网检索的结果，对作物生长模型发文机构的分析如表1所示。林业类相关院校与农业类相关院校是研究作物生长模型的主力军。其中，北京林业大学、东北林业大学、中南林业科技大学和南京农业大学等发文量较高，而北京林业大学远远超过了其他院校，出现了断层式的领先。另外，中国林业科学院资源信息研究所、南京信息工程大学等对作物生长模型的研究也较多，表明作物生长模型的研究不仅需要农业和林业技术支持，也需要其他技术的辅助，如信息工程技术、资源环境信息技术、计算机科学技术等。

2.1.3 聚类分析

将2003—2023年的文献导入CiteSpace中进行聚类分析，经过数据格式转换，系统识别的文献共有1245篇，聚类分析结果如图2所示。

由图2可知，10组类群分别是#0 生长模型、#1 遥感、#2 生长规律、#3 产量、#4 哑变量、#5 生物量、#6 小麦、#7 水稻、#8 云南松和#9 主伐年龄。关键词频次也集中在生长模型、生长规律、生物量等方面，提及数量最多的作物为冬小麦、人工林等，如表2所示。在作物生长模型的聚类分析中，频次较高的关键词有生长规律、人工林、生物量和胸径等，概括性的总结了作物生长模型研究过程中的研究对象及用到的参数变量和方法。赵敏等[20]在总结并研究已有基于森林资源清查资料的微生物含量估计分析方法的基础上，根据森林资源清查资料的主要特征，研究了基于森林资源清查资料的微生物含量估计的主要影响因子，指出其未来的研究发展目标。

作物生长模型的第2大类群是遥感技术。遥感作为一种对地信息的探测手段，用于作物产量监测，其本质过程仍然是遥感信息作为输入变量或参数，直接或间接地表达作物生长发育和产量形成过程中的影响因素，单独或与其他非遥感信息相结合，依据一定的原理和方法构建产量模型，进而驱动模型运行的过程[21-22]。尤其是针对冬小麦的作物生长模型，遥感技术发挥了重要作用。李冰等[23]通过对无人机观测系统获取的数据进行分析，获取了冬小麦在不同生长时期的覆盖度变化情况，研究结果有助于分析低空无人机平台在作物生长状态检测等方面的适用性。王鹏新等[24]进行了基于遥感多参数和IPSO-WNN的冬小麦单产估计的研究，选择了冬小麦主要生长期内与水分胁迫和光合等因素有关的主要植被温度指标（vegetationtemperatureconditionindex，VTCI）、叶面积指数（leafareaindex，LAI）和光合有效辐射吸收比率（fractionofabsorbedphotosyntheticallyactiveradiation，FPAR）作为遥感特征参数，改善梯度下降方法易陷入局部最优的缺陷，并构建冬小麦产量估测模型。

研究人员在作物生长模型研究中多次应用的名词是哑变量。哑变量是指用以反映质的属性的一个人工变量，是量化了的自变量，通常取值为0或1。引入哑变量可使线性回归模型变得更复杂，但对问题描述更简明，一个方程能达到两个方程的作用，而且接近现实。陈东升等[25]在进行关于落叶松人工林大中径材优化经营模式的研究中，用区域号作为哑变量，代表样地立地信息，在传统模型中引入此哑变量，进行回归，拟合各区域的林分调查因子预估模型，解决了各区域分量与总体总量相容一致性的问题。

除了哑变量，胸径也是生长模型不可或缺的一项参数。胸径又称干径，指乔木主干离地表面胸高处的直径，断面畸形时，测取最大值和最小值的平均值。不同乔木的胸径有差异，不同的国家对胸径的规定也有差别。我国和大多数国家胸径位置定为地面以上1.3m处。罗恒春等[26]进行了有关滇中地区云南松林分胸径生长模型的研究，经过不断地计算和检验，证明对云南松林分平均胸径生长影响较大的环境因子分别为林龄、地位级指数、风速、郁闭度和相对湿度等。牟春燕[27]采用了3D角规法和摄影测量法在宜兴市国有林场用手持式电子测树枪和MINI型摄影测树仪对毛竹竹高、胸径等数据进行连续两个月的观测，掌握毛竹的生长规律，总结出毛竹生长状态随笋出土时间的变化模型。

2.2 粮食作物生长模型

2.2.1 发文量

由图3可知，针对粮食作物生长模型研究的发文量波动较大，大致在15篇上下波动，2012年达到近20年发文量的峰值，共计26篇，此时，对粮食作物的研究数达到一个极值，其后大幅下降，2014年跌至谷底，经历了4年（2015—2018年）的波动，最终在2020再次突破20篇，此后再次陷入研究低谷。

2.2.2 发文机构分布

由表3可知，南京农业大学、中国农业大学、西北农林科技大学等农业专业院校对粮食作物生长模型的研究较多，此外还有很多气象专业、资源环境专业、信息专业的相关研究所也对此进行了较多的研究，如中国气象科学研究院、重庆市气象科学研究所等。

2.2.3 聚类分析

由图4可知，相关文献的关键词可以分成生长模型、产量、遥感、冬小麦、作物模型、水稻和小麦7个关键词分组。在生长模型这一分组中，出现了相关旱涝灾害、灾后恢复等关键词。张建华[28]为了明确洪涝灾害对水稻生长过程的定量影响，完善现有的水稻生长模型，进行了大量研究，发现淹水对水稻的孕穗期影响最大，在此基础上构建了涝害对水稻物质分配的定量影响和灾后恢复模型。

第2个中心度比较高的关键词是遥感。遥感通过远距离的探测，将粮食作物的生长情况进行实时反馈，能更详尽了解粮食作物的生理特性。朱烔[29]通过模拟不同区域的小麦生长环境得到模拟数据库，再通过模拟训练不同日期组合的随机森林回归模型，最后将哨兵−2高分辨率卫星影像反演的LAI输入模型集中得到区域单产。具有观测范围大、与观测样本无接触特点的遥感技术，不仅能有利于推动精准农业相关产业的发展，还能助力科技兴农政策的推进。

值得关注的关键词还有产量，农作物产量一直是一个关键数值，通过选育优质品种或者改变农作物生长环境达到提高粮食产量的目的，以及降低极端恶劣环境对粮食产量带来的负面影响，是研究人员一直在攻克的难题。孙挺[30]进行了花后高温对水稻生长及产量形成影响的模拟研究，研究结果对准确评估未来气候变化下的作物生产力发挥重要作用。

针对小麦、玉米等具体作物的研究，研究内容包括但不限于粮食作物的施肥情况、叶面积、生产潜力和各时期粮食作物的生长特点等。

2.3 经济作物生长模型

2.3.1 发文量

由图5可知，近20年，经济作物生长模型发展总体呈现上升的趋势，其发文总量大于粮食作物发文量。2012年后的10年间，经济作物生长模型发文量在40～50篇，其中2015年发文量达到顶峰。并且与2012年前10年的发文量相比，后10年的发文量增长1倍。由此可见，对经济作物生长模型的研究随着各项技术的发展正在逐步推进。

2.3.2 发文机构分布

由表4可知，与粮食作物的发文院校不同，对于经济作物的研究大多集中在北京林业大学、东北林业大学、西北农林科技大学和福建农林大学等林业相关类院校，中国林业科学研究院资源信息研究所、国家林业局调查规划设计院等林业研究、林业调查等研究院所对经济作物的研究也有较大的贡献。

2.3.3 聚类分析

对经济作物进行聚类分析的结果如图6所示，共分为生长模型、生长规律、胸径、生物量、哑变量、杉木、天然林、云南松、分配格局、产量差、混合效应、差分方程、产量和竞争因子14个关键词类群。不同于粮食作物的分析结果，对于经济作物生长模型的关键词分析主要集中在树干解析、树高、天然林、杉木和云南松等词条下。

树干分析是从树干的基部到树梢顶端为止，每隔一定距离所取的横切面，根据年轮可以调查直径生长经过，画出通过树干中心而连接起来的纵切面图（树干解析图），以推测直径、树高和材积生长过程的方法。黄松殿等[31]采用树干解析的方法对桂西南地区擎天树人工林的生长规律进行研究，其中，树高、胸径的最优生长模型是理查德模型，材积最优生长模型为考尔夫模型。

对于天然林的生长模型研究重点在于保护和可持续发展。近年来，随着人们对各类自然资源的开发，天然林覆盖面积有所减少，天然林出现了不同程度的退化，影响了森林资源质量，不利于生态文明建设[32]。

3 作物生长模型发展局限性

随着作物生长模型不断在实践中应用，暴露出的问题也越来越多，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[33-39]。复杂多变的天气状况、计算机能力的制约及输入数据等因素都会影响作物生长模型的构建与应用[40]。

3.1 作物生长模型受复杂多变天气的影响

由于模型的建立是实际经验和理论的结合，所以模型的精确度不高，并且各个地区实际的环境因子情况也不一样，所以会出现模拟模型与实际情况不符的情况。作物生长模型的建立一般采用假定环境的方法，假定某地区的土壤、水分、空气等环境因素是同步变化的，但实际田间的土壤各部分所含的湿度、肥料条件等都是不相同的。并且，由于天气瞬息万变，会突发很多限制农作物生长或者造成农作物减产的因素。所以，模型的建立势必存在一定的误差。

其次，多变的天气给作物生长模型带来较大的不确定性。即便是通用循环模型（globalclimatemodel，GCM）也尚无法可靠预测气候变化，如干旱和暴风雨频率的变化等可能会严重影响农作物的产量[40]。

3.2 作物生长模型受计算机能力的限制

作物生长模型受计算机技术发展情况的限制，由于目前人类对计算机能力的了解还不够，要想模型越准确所需要的公式或者参数就会越多，相应的模拟模型也会更加复杂。对于使用者来说，模拟模型会难以操作，因此在保证模型准确的前提下，研究人员要尽可能多地减少参数、简化变量，使操作更简便。

3.3 作物生长模型受输入数据的约束

作物生长模型是一项应用于全国范围乃至全球范围的数学模型，因此如何将作物生长模型的应用范围扩展是摆在研究人员面前一项难题。结合地统计学方法处理空间变异信息是目前比较常用的技术。如结合空间分析技术（geographicinformationsystem，GIS），将空间不均匀的气候、土壤、作物和水文要素划分成均质性单元，然后在每个单元分别运行作物模型，最后再通过GIS的空间分析能力将各单元模拟结果进行合并处理，以便获得整体仿真成果的空间分布[41]。这类技术一定程度上解决了作物生长模型的推广问题，但由于作物生长所需的养分水分并不是一成不变的，是根据作物生长情况、周围环境状况等因素实时变化的，因此，结合地统计学方法只能暂时解决这项难题。

4 结束语

本研究通过在中国知网检索关于作物生长模型的文献研究表明，经济作物的文献明显多于粮食作物，并且对于经济作物的研究范围也远远大于粮食作物，对于经济作物生长模型的研究大多是针对杉木、落叶松、云南松等经济价值比较高的树种，通过利用树干解析等方法，通过研究胸径等，分析总结经济作物的生长过程，提高经济作物的生产效率，规范农民对经济作物的种植。

对于粮食作物的研究虽然不及经济作物范围广，但已经有了很多层面的研究，主要是针对玉米、小麦等常见的粮食作物开展研究，这些研究广泛应用了遥感技术，通过远距离、不接触，实时监测作物的生长情况，预防作物生长状况欠佳、作物遇病虫害等事件对粮食产量的影响。

对作物生长模型目前发展存在的局限性分析表明，针对作物生长模型的不足进行改善和加强，并且不断更新已经构建好的模型，使模型的准确性和普适性得到显著提高。