AI作物模型 馬鈴薯AI作物生長模型實(shí)現(xiàn)落地

來源：大京網(wǎng)

農(nóng)業(yè)智能化在今天看來是個(gè)熱詞，近幾年的人工智能熱潮，迅雷不及掩耳滲透應(yīng)用到各個(gè)領(lǐng)域，使得“智能”二字變得家喻戶曉。國家對農(nóng)業(yè)領(lǐng)域的大力扶持，農(nóng)業(yè)人工智能科技慢慢進(jìn)入了大眾視野，作為人工智能不可或缺的組成部分，模型的概念也漸漸被人們所熟知，并被各類科技公司視為敲開“智能大門”的金鑰匙！

在整個(gè)農(nóng)業(yè)范圍內(nèi)，雖然馬鈴薯領(lǐng)域傳統(tǒng)作物模型的研究與應(yīng)用已經(jīng)積攢了數(shù)十年的經(jīng)驗(yàn)，但仍受到了試驗(yàn)標(biāo)準(zhǔn)不統(tǒng)一、區(qū)域適配難、驗(yàn)證的影響要素有限等問題影響，導(dǎo)致傳統(tǒng)作物模型的應(yīng)用落地十分困難。要想實(shí)現(xiàn)馬鈴薯產(chǎn)業(yè)智能化落地，人工智能模型技術(shù)成為最可行的路徑。

一、作物模型的過往

在農(nóng)業(yè)種植領(lǐng)域應(yīng)用的模型被稱為“作物模型”，也叫作物生長模擬模型，通過模擬作物生長過程，最終得到作物的生物量累積量、作物單產(chǎn)以及農(nóng)田生態(tài)系統(tǒng)的水、碳、氮及能量的循環(huán)流動(dòng)量。

農(nóng)業(yè)智能化近幾年才受到廣泛關(guān)注，但對于作物生長模擬模型的應(yīng)用研究早在20世紀(jì)60年代就已經(jīng)開始了。當(dāng)時(shí)荷蘭、美國、澳大利亞等國的科學(xué)家開始著手開發(fā)能夠解釋植物生理過程、解釋植物與環(huán)境相互作用的新模型，這種模型經(jīng)過50多年的發(fā)展，在作物估產(chǎn)、作物育種、田間管理等方面已有較廣泛的應(yīng)用。以作物生長模型為核心的農(nóng)業(yè)決策支持系統(tǒng)的研究與應(yīng)用越來越多元化，并逐漸成為輔助農(nóng)業(yè)生產(chǎn)管理和決策的重要工具。

二、馬鈴薯作物生長模型的遷移

作物生長模型已經(jīng)經(jīng)歷了半個(gè)多世紀(jì)的發(fā)展，但早期的實(shí)踐應(yīng)用主要集中在小麥、玉米、水稻這三大主糧作物上，在第四主糧馬鈴薯領(lǐng)域的研究和應(yīng)用經(jīng)驗(yàn)沉淀相對較少。雖然同為大田作物，但馬鈴薯與小麥、水稻等禾本科作物在光合作用、呼吸作用、蒸騰作用以及其它生理生化特性方面具有不同的特點(diǎn)，所以馬鈴薯相關(guān)模型的建立與禾本科作物具有差別。

近些年來，隨著產(chǎn)業(yè)鏈發(fā)展和貿(mào)易規(guī)模的擴(kuò)大，馬鈴薯產(chǎn)業(yè)受到了越來越多的關(guān)注，作物生長模型在馬鈴薯領(lǐng)域的研究與應(yīng)用呈增長趨勢。自20世紀(jì)80年代以來，在國內(nèi)外科研工作者的推動(dòng)下，馬鈴薯作物生長模型的發(fā)展取得了長足的進(jìn)步。

Sibma最先利用總二氧化碳同化率和日呼吸量來計(jì)算馬鈴薯的總干物產(chǎn)量。Ng和Loomis于1984年開發(fā)了具有詳細(xì)的形態(tài)學(xué)與生理學(xué)內(nèi)容的“POTATO”模擬模型。為了描述作物水分管理的變化對馬鈴薯呼吸作用和產(chǎn)量的影響，F(xiàn)eddes等合作開發(fā)了一個(gè)模擬馬鈴薯綜合生長的“SWACRO”模型，由土壤水分平衡模型（SWATER）和作物生長模型兩個(gè)亞系統(tǒng)組成。在國內(nèi)，張永成、杜守宇、高聚林等利用系統(tǒng)工程學(xué)的原理和方法，建立了馬鈴薯密度、施磷量（P2O5）、施鉀量（K2O）、施氮肥（N）及追施氮量與產(chǎn)量關(guān)系的數(shù)學(xué)模型，等等。

三、傳統(tǒng)馬鈴薯作物模型

目前世界范圍內(nèi)流行的作物模型有APSIM、DSSAT和RZWQM等，下圖展示了核心作物模型及其主要譜系關(guān)系，各模型內(nèi)部包含為數(shù)眾多的子模型。

其中應(yīng)用比較廣泛的馬鈴薯模型主要有DSSAT-SUBSTOR模型、APSIM-POTATO模型、NPOTATO模型、SOLANUM模型、HPOTATC模型。

SUBSTOR – POTATO是國際上常用的模型，與CERES模型一同包含在DSSAT系統(tǒng)中。該系統(tǒng)由美國農(nóng)業(yè)部組織開發(fā)研制，以天為步長模擬作物生長，按照作物生育期詳細(xì)描述作物生長發(fā)育過程；

APSIM-POTATO模型的核心模塊主要包括作物模塊、土壤水模塊、土壤氮模塊、土壤有機(jī)質(zhì)模塊和管理模塊。該模型將馬鈴薯的生育期分為6個(gè)階段，分別為播種到萌芽、萌芽到出苗、出苗到現(xiàn)蕾、現(xiàn)蕾到開花、開花到成熟?；谔栞椛?、溫度、光周期、土壤水和氮肥，以日為步長，模擬馬鈴薯產(chǎn)量對不同基因型、氣候和管理?xiàng)l件的反應(yīng)，評價(jià)輪作序列中土壤肥力指標(biāo)和馬鈴薯產(chǎn)量。

NPOTATO模型通過冠層光截獲以及轉(zhuǎn)化效率來計(jì)算干物質(zhì)產(chǎn)量，以天為步長，模擬氣候變化條件下的馬鈴薯生長，模塊包括植株生長、同化物分配、葉面積增長、土壤水分平衡、土壤氮元素變化、脅迫環(huán)境下的同化物分配等。

SOLANUM模型于2012年由國際馬鈴薯研究中心研發(fā)，通過控制水、氮、霜凍數(shù)據(jù)變量，來模擬馬鈴薯產(chǎn)量、生物量、塊莖鮮重，以及冠層覆蓋度等情況。

HPOTATC模型于2003年，由我國研究專家黃沖平教授，最早在國內(nèi)完成的模擬馬鈴薯生長發(fā)育的動(dòng)態(tài)模型，集成了生育期模型、株高、葉齡等植株個(gè)體性狀模型、群體葉面積動(dòng)態(tài)與光合生產(chǎn)模型、干物質(zhì)積累與產(chǎn)量形成等模型于一體。研究周期從塊莖形成到塊莖成熟為止。

其它類型模型，還有很多，如cropsyst、simpotato等，篇幅有限，不一一呈現(xiàn)了。

四、傳統(tǒng)馬鈴薯作物模型的弊端

無法及時(shí)發(fā)揮指導(dǎo)作用是導(dǎo)致傳統(tǒng)作物模型實(shí)際應(yīng)用推進(jìn)緩慢的罪魁禍?zhǔn)住?/p>

影響傳統(tǒng)作物模型發(fā)揮作用的原因有很多：試驗(yàn)數(shù)據(jù)不完整或者標(biāo)準(zhǔn)不一致；模型的參數(shù)值來源地存在差異；應(yīng)用地區(qū)逐日環(huán)境數(shù)據(jù)獲取難度大；機(jī)理模擬過程復(fù)雜，缺少算法說明，難以適應(yīng)性調(diào)優(yōu)；模型主要針對部分要素，例如光照與溫度對干物質(zhì)形成的影響，氮素循環(huán)及對作物的影響；模擬生長的正向過程過于復(fù)雜，求逆即推薦水肥管理措施變得困難，等等。這些短板都嚴(yán)重限制了傳統(tǒng)作物模型的普適性，因此在影響因素復(fù)雜的現(xiàn)實(shí)生產(chǎn)場景下，難以實(shí)現(xiàn)廣泛應(yīng)用。

另外，傳統(tǒng)作物模型為了方法的嚴(yán)謹(jǐn)性，先研究各個(gè)子系統(tǒng)再進(jìn)行整合，追求數(shù)學(xué)可證明的因果關(guān)系。但生命體各影響要素之間的復(fù)雜互作，驗(yàn)證周期的天然障礙，必然導(dǎo)致機(jī)理模型過度復(fù)雜且成熟周期漫長。在現(xiàn)實(shí)應(yīng)用中，為了保證模型落地時(shí)的可操作性，難免會簡化原有模型的復(fù)雜程度，對模擬結(jié)果造成影響，從而失去科學(xué)模型對種植生產(chǎn)的指導(dǎo)意義。

五、AI作物模型——作物模型落地問題的高緯解題方式

簡耘科技基于自有的領(lǐng)先行業(yè)的馬鈴薯田塊級全維度數(shù)據(jù)，仍不能覆蓋主流模型的全部參數(shù)，加以經(jīng)驗(yàn)值進(jìn)行調(diào)優(yōu)后，仍不能得出可驗(yàn)證的模型。是否有其他方式模擬作物生長？

哥德爾不完備定理已經(jīng)指出基于數(shù)學(xué)的現(xiàn)代科學(xué)的內(nèi)在矛盾，人工智能的進(jìn)展也揭示出人類認(rèn)知的局限性。簡耘科技獨(dú)立研發(fā)的AI作物模型，在探索新型作物模型的同時(shí)，也在反哺和促進(jìn)傳統(tǒng)作物模型的研究。

簡耘科技在服務(wù)過程中，采集作物長勢照片近百萬張。通過卷積神經(jīng)網(wǎng)絡(luò)技術(shù)，加快智能診斷技術(shù)的成熟。從長期應(yīng)用角度出發(fā)，實(shí)現(xiàn)更為精準(zhǔn)的智能化判斷，規(guī)避個(gè)人經(jīng)驗(yàn)主義帶來的誤判風(fēng)險(xiǎn)，同時(shí)提高診斷效率和農(nóng)技需求的響應(yīng)速度。

簡耘科技在累計(jì)110萬畝的馬鈴薯服務(wù)面積上，利用4億條來自不同品種、不同環(huán)境、不同氣候、不同農(nóng)事干預(yù)行為，以及其它數(shù)十個(gè)緯度的田塊級數(shù)據(jù)，建立起基于組表達(dá)長短時(shí)記憶網(wǎng)絡(luò)作物模型，以7天為步長，模擬馬鈴薯的生長發(fā)育與產(chǎn)量形成過程，并通過因果優(yōu)化傳輸生成對抗網(wǎng)絡(luò)提供灌溉與營養(yǎng)管理措施，真正做到因地制宜、因種制宜、千人千面的馬鈴薯種植解決方案。

在大范圍農(nóng)業(yè)數(shù)據(jù)獲取方面，多光譜技術(shù)的應(yīng)用已基本成熟。但從數(shù)據(jù)顆粒度和功能方面，仍較為宏觀，對現(xiàn)實(shí)生產(chǎn)的指導(dǎo)作用十分微弱。究其原因，當(dāng)下多光譜技術(shù)采集的圖像數(shù)據(jù)只能反應(yīng)作物的表型狀態(tài)，缺少對植株真實(shí)營養(yǎng)狀態(tài)數(shù)據(jù)的對照分析。

另外，由于已驗(yàn)證的波段和營養(yǎng)關(guān)系有限，影響作物健康狀況的條件又十分復(fù)雜，因此，需要微觀的作物營養(yǎng)數(shù)據(jù)、作物地上地下部的體征數(shù)據(jù)和光譜數(shù)據(jù)進(jìn)行對比分析，才能切實(shí)將多光譜技術(shù)應(yīng)用到生產(chǎn)過程中來。

簡耘已完成多光譜技術(shù)、作物營養(yǎng)狀況，以及人工智能系統(tǒng)的多維度數(shù)據(jù)對接，依托AI模型的智能算法，自動(dòng)生成基地作物長勢數(shù)據(jù)，并第一時(shí)間將操作建議同步到「耕簡單」馬鈴薯生長健康監(jiān)護(hù)系統(tǒng)小程序中，輔助指導(dǎo)生產(chǎn)種植過程。

目前，簡耘AI模型在馬鈴薯一作區(qū)的應(yīng)用得到了初步驗(yàn)證，數(shù)字化農(nóng)技服務(wù)覆蓋種植面積110萬畝，累計(jì)服務(wù)大規(guī)模種植戶650戶，環(huán)境及作物營養(yǎng)數(shù)據(jù)超4億條，科學(xué)指導(dǎo)種植戶26700余次，發(fā)布各類災(zāi)害預(yù)警覆蓋面積超4萬畝，產(chǎn)量品質(zhì)與水肥利用率同時(shí)得到提升，涉及商品價(jià)值超過9000萬元。

以AI模型為核心，簡耘科技打造馬鈴薯產(chǎn)業(yè)的數(shù)字航母。未來，更多科技手段可以直接在簡耘AI模型基礎(chǔ)上實(shí)現(xiàn)技術(shù)與數(shù)據(jù)的對接，強(qiáng)化科技成果的轉(zhuǎn)化能力，讓技術(shù)宏利切實(shí)惠及到整個(gè)馬鈴薯產(chǎn)業(yè)。

標(biāo)簽： AI作物 農(nóng)業(yè)智能化 人工智能 農(nóng)業(yè)領(lǐng)域

推薦

財(cái)富更多》

動(dòng)態(tài)更多》

熱點(diǎn)