数字农作技术研究的若干进展与发展方向

着重介绍数字农作技术研究的若干最新进展与发展方向。数字农作即通过综合运用数字化技术,研究农作物生产系统中信息获取、处理、管理和利用的关键技术及应用系统,从而对农作系统过程的信息流实现全面的数字化表达和整合。近年来,作者围绕数字农作的关键技术及应用系统,开展了较为深入和系统的研究工作,重点在作物生长模拟模型、作物管理知识模型、作物生长无损监测、农作空间信息管理、数字农作决策系统等5个领域取得了显著的研究进展。数字农作的未来发展将需要综合运用信息管理、自动监测、动态模拟、虚拟现实、知识工程、精确控制、网络通讯等现代信息技术,以农作物生产要素与生产过程的信息化与数字化为主要研究目标,发展农业资源的信息化管理、农作状态的自动化监测、农作过程的数字化模拟、农作系统的可视化设计、农作知识的模型化表达、农作管理的精确化控制等关键技术,进一步研制综合性数字农作技术软硬件系统,实现农作系统监测、预测、设计、管理、控制的数字化、精确化、可视化、网络化。农作生长与生产系统的数字化将带动农业产业的信息化和现代化。

基于模型和WebGIS数字农作支持系统的设计与实现

基于系统用户需求及现有农作模型特点,研究GIS技术与农作模型集成的机制与方法,提出了"XML技术+自定义地图引擎"的技术思路,设计了合理的系统体系结构。运用软构件技术,基于B/S(Browser/Server)的分布式网络技术,以WebGIS为空间信息管理平台,建立了基于模型和WebGIS的数字农作支持系统(MGDFSS)。该系统实现了基本地图操作、农作空间信息管理、作物生态区划、种植制度设计、栽培方案设计、生长模拟预测、管理策略分析、生长监测与调控、精准农作处方、生产力分析、专家咨询以及系统维护等综合功能。该系统的建立和应用可显著提升农作生产过程的数字化表达与信息化管理,促进数字农作技术的发展。

数字农作技术研究进展与发展方向

介绍了南京农业大学信息农业实验室近年来在数字农作技术方面取得的成就和最新进展,论述了未来数字农作技术的发展方向。

我国数字农作技术推广中存在的问题及对策

数字农作技术是现代农业的发展方向,对我国现代农业建设具有举足轻重的作用。文章阐述了数字农作技术的内涵和意义,基于我国数字农业的现状,分析了数字农作技术推广应用中存在的问题,提出了相应的改进对策。

数字农作智能检测系统及终端设备表现设计

推动互联网、大数据、人工智能和实体经济深度融合,加快推动农业数字化、网络化、智能化。研究基于农作政策,数据化科技发展,从可视化,便捷化,智能型及普惠角度为农用终端检测设备做支撑。产品手机端通过收集和分析农业种植所需的各项指标和数据帮助种植者做出更好的决策,产品本身可监测耕种用地所需的空气,土壤,水的各项指标,同时发现农作物活动过程中的异常和趋势。该设备将太阳能充电,蓝牙手机连接,超标报警功能集成到一个终端检测设备上,其流线型,智能化,系统化,人性化,绿色化赋予了农作物种植全新的辅助方式,该数字农作智能检测设备的设计方案,实现了经济效益和生态效益的统一。

作物生长模型(CropGrow)研究进展

农业信息技术是基于信息技术与农业科学的交叉融合而形成的新兴技术,催生了数字农业和智慧农业的快速发展。作物生长模型作为其核心内容之一,可以动态模拟作物生长发育过程及其与气候因子、土壤特性和管理技术之间的关系,从而有效克服传统农业生产管理研究中较强的时空局限性,为不同条件下的作物生产力预测预警与效应评估等提供量化工具。本文重点介绍笔者团队在作物生长模型的构建与应用方面形成的总体技术方法、最新研究进展及未来发展思考。通过20多年系统深入的探索和实践,本团队以小麦、水稻等作物为主要对象,以"生理机制解析-模型算法构建-生产力动态预测-效应定量评估-模拟平台研发"为主线,综合运用系统分析、动态建模、虚拟现实、情景模拟及决策支持等方法,开展了作物生长模型CropGrow的构建与应用研究。首先,利用系统分析方法与动态建模技术,构建了机理性与预测性兼备的综合性作物生长模型(CropGrow),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、水分平衡以及作物三维形态建成与虚拟显示等子模型,可数字化、可视化表征不同条件下作物生长发育与生产力形成过程;然后,结合地理信息系统(GIS)和遥感(RS)技术,构建了基于模型、GIS和RS有效耦合的区域作物生产力预测技术;进一步量化了气候变化、品种更新、土壤改良、措施优化对区域作物生产力形成的影响,拓展了适宜方案生成、理想品种设计、气候效应评估、耕地利用评价以及农业政策制定等应用技术;最后,运用构件化程序设计思想,基于作物生产数据库、作物模型构件库等,集成开发了基于模型的数字化、可视化作物生长模拟系统与决策支持平台,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。未来作物模拟研究将在完善基础数据库的基础上,进一步提升预测能力、量化基因效应、拓展智能决策、耦合多功能模型等,为粮食生产的预测预警、情景效应的量化评估、生产管理的智能决策、作物品种的优化设计等提供数字化支撑,对于保障国家粮食安全和推进数字农业发展具有重要意义。

油菜栽培管理知识模型及决策支持系统研究

将系统分析原理和数学建模技术应用于油菜管理知识表达体系,通过解析和提炼油菜生育指标及栽培技术与生态环境和生产技术水平之间的基础性关系和定量化算法,构建了具有时空规律的油菜栽培管理动态知识模型;并进一步利用软构件技术在VisualC++平台上构建了基于知识模型的油菜管理决策支持系统(KMDSSRM),实现了不同环境条件下的油菜播前方案设计及产中调控指标预测。其中,播前方案设计包括产量目标与产量结构,品种选择,播种期,基本苗和播种量,移栽方案,肥料运筹及水分管理等;调控指标预测包括叶龄动态,叶面积指数动态,角果皮面积指数动态和干物质积累动态等。油菜栽培管理知识模型的建立,克服了传统油菜栽培模式及专家系统地域性强和广适性差的不足,从而为实现油菜栽培管理决策的定量化和数字化奠定了基础。