中國網/中國發展門戶網訊  黑土地作為大自然饋贈給人類的天然寶藏，是最適合作物生長的土壤。人們常用“一兩黑土二兩油”來形容其肥沃與珍貴。與黃土、紅土等類型的土壤相比，肥沃是黑土地得天獨厚的優勢；然而，土壤結構一旦遭到破壞其不可逆轉性特征又成為黑土地天生的缺陷。因此，如何合理利用黑土地并確保黑土理化結構不被破壞，是困擾全球科學家的難題；平衡黑土地“用好”和“養好”之間的關系是黑土地保護的關鍵。

從全球黑土地四大分布區域的發展歷史來看，都經歷了開發、利用、破壞和保護?4?個過程。從黑土地的保護措施所積累的有效性經驗來看：美國利用先進的農機具走上了實現保護性耕作的道路，并且誕生了約翰迪爾（John Deere）、孟山都（Monsanto）等世界級農業科技巨頭；烏克蘭則由于地廣人稀，具備大面積開展土地和耕作輪休的條件，因此其通過徹底的休息實現黑土地的保護；阿根廷是目前全球黑土地保護性耕作的實踐者，在機械化的基礎上，全面實現免耕播種、條帶播種、秸稈還田和等高種植的耕作方式。

從國外的經驗來看，結合全球糧食安全的大背景，我國的黑土地保護必須立足“用好”。“用好”除了要重視土壤、微生物等基礎機理的研究外，還需要利用專用農業機械裝備及信息化手段進行保護性耕作，即：在利用專用智能化農業機械裝備基礎上，通過信息化和智能化手段，科學評價保護性耕作的效果，并給出科學的作業指導與建議。農業信息技術先后經歷了從農業專家系統，到農業數字化、農業信息化，再到基于大數據的農業智能化的多階段發展與技術積累，信息技術已經成為推動農業生產力發展的核心驅動力，從而為黑土地保護性應用提供科學的決策依據打下了技術基礎。 

 黑土地保護急需體系化信息系統的支撐

在農業信息技術領域，我國早在?20?世紀?80?年代就已借鑒了數字化技術在工業生產中的應用經驗，開始發展農業信息管理系統（MIS），在農業生產的物資管理等方面起到了作用。20?世紀?90?年代初，農業專家系統進一步借助計算機技術的發展，為農業生產提供信息化的指導，并推廣和普及了更多的先進農業科技。21?世紀初，在互聯網浪潮的推動下，“互聯網+農業”的概念風起云涌，多樣化的物聯網（IoT）種類、豐富的移動終端應用提升了農業各個生產環節的數字化水平。近年來，隨著物聯網的廣泛應用，以及大數據技術的興起，依靠大數據的人工智能技術開始快速滲透到農業領域，并對農業科技的發展起到了巨大的推動作用。

但是，我國農業信息技術總體上仍然較為落后，難以滿足黑土地保護性作業的需求，具體表現在?3?個方面。

缺乏完善的數據采集體系，黑土地家底不清。國內并不缺少針對土壤信息數據采集技術的研發，無論是傳感器技術還是衛星遙感技術，都投入了大量的研發力量；但不同數據采集手段之間無法形成體系，難以全面反應黑土地的資源情況。以高分系列遙感衛星為例，由于缺乏其他數據樣本的驗證，目前其遙感數據無法全面、準確地反應黑土地有機質的演變情況。

缺少基礎模型與算法，難以支撐黑土地的作業決策。科學作業決策的核心是模型與算法，但我國在農業算法與模型領域嚴重落后。美國的農業技術轉移決策支持系統（DSSAT）模型擁有超過?30?年的研發歷史，已成為世界農學研究中模擬實驗的主要模型之一，而我國的農學研究中也大量使用?DSSAT。但是，DSSAT?的核心模型主要以美國的氣候與土壤條件為基礎，并不適用于我國——只能應用于研究模擬，無法應用于實際生產過程。缺乏自主的模型與算法是導致我國黑土地的演變機理不清、無法進行科學決策作業的核心原因之一。

農機智能化水平低，黑土地保護性作業過程無機可用。以免耕播種為例，免耕播種是保護性耕作中最常見也是最關鍵的技術之一。但是，目前免耕播種機使用過程中存在機具調整技術難度大、全量秸稈覆蓋還田情況下通過性能較差、播種質量及作業速度不高等問題，這都需要采用智能化、自動化最新技術來升級完善。

要解決上述問題，必須以系統化的思維，采用自頂向下的設計模式，構建成體系的信息系統，以滿足黑土地保護的信息化需求。實際上，農業生產過程的數據流向是一個“數據采集、狀態判斷、作業決策與作業執行”的過程，與軍事作戰領域中的?OODA（觀察—判斷—決策—執行）理論非常相似。基于此，中國科學院計算技術研究所提出了基于智能?OODA?環打通數據流的農業模擬器思路，并在黑土地保護專項中進行了先期實踐。 

農業生產的智能?OODA?環

OODA?理論最早提出于軍事領域，是由美國軍事戰略家約翰?·?博伊德（John Boyd）開發的一種工具——用于解釋個人和組織如何在不確定和混亂的環境中獲勝[6]。OODA?循環模型是“觀察”（observe）、“判斷”（orient）、“決策”（decide）、“執行”（act）循環的縮寫，最初被稱為“Boyd?循環”。OODA?循環模型在戰術方面是對“空對空”交戰的描述，是根據參戰對象自己的戰略環境在不斷進化中調整戰略的手段——它是一個有機的模型，而不是一個機械的模型。

在大多系統動態運作的應用場景中，執行器與傳感器協同和所處環境進行信息交互，其動態交互過程符合?OODA?循環模型：應用系統通過傳感器對目標對象進行“觀察”，采集相關信息；根據應用需求，對后續決策處理的目標和原則進行“判斷”，同時準備決策所需數據集，對采集的數據進行預處理，并進行初步分析；按照應用決策處理的目標和原則對數據綜合分析及“決策”，并提出優化控制策略；執行器（也稱為反應器）與物理系統或環境進行交互，接收信號并將信號轉化為一種物理行為，最終通過“執行”優化控制策略、改變目標對象相關狀態，從而改變系統狀態。在系統狀態改變后，利用反饋機制，系統通過傳感器觀察新狀態下的相關參數，并不斷重復?OODA?的動態循環過程（圖?1）。

基于智能?OODA?環的新型農業生產方式，同樣可分為多維感知、融合處理、智能決策和協同執行?4?個部分，并引入智能技術提高這?4?個階段的數據采集與決策精度；在智慧農業技術體系標準和規范的指導下，將信息作為農業生產要素，用現代信息技術對農業對象、環境和耕作全過程進行可視化表達、數字化設計、信息化管理。具體步驟為：對土壤、氣象、水文、作物“四情”（墑情、苗情、蟲情、災情），以及農機乃至市場等信息進行實時全面的觀察和收集；對所有采集數據進行統一的數據處理和分析，并對應不同的農業模型與算法得到具體的作業命令；通過智能農機和自動化裝置實現精準、高效的作業，同時實時監測信息處理、決策和執行過程中整個系統的變化，并不斷修正模型達到最優化的效果。 

農業模擬器的功能與架構

相較于大氣物理和新型材料等重大戰略領域科學，傳統農業科學的發展較多依賴經驗和簡單統計的建模，而與計算建模的結合相對較弱，直接制約了農業科學現代化的發展。尤其是在智能化時代，農業領域數據積累不足，計算建模方法缺乏，使得知識挖掘不充分。因此，智能農業要解決的首要問題是農業科學的計算建模。鑒于其他學科的經驗，發展可計算的模型和模擬系統是行之有效的技術途徑。然而，不同于物理學、化學等領域較為單純的科學發現活動，農業是一個與生產過程緊密聯系的科研實踐活動。因此，亟待構建基于新建模范式的農業模擬器系統，實現人工模擬系統和真實生產系統的在線迭代平臺。

 第五范式建模

人類從事科學研究的范式一直在隨著技術的進步而演變。到目前為止，現代科學活動中存在?4?種研究范式：第一范式是實驗觀察，發現客觀存在的自然現象，如可以從實驗得到的晶體結構；第二范式是理論研究，通過理論推導歸納出一般性的規律，形成對客觀世界認識探索的理論體系，如第一性原理、牛頓力學的提出；第三范式是數值模擬，這是近現代科學研究借助強大的計算工具形成的方法，如在高性能計算機系統上運用第一性原理計算產生高精度的各種構型數據；第四范式是大數據分析，通過積累的大量已知數據，然后通過計算得出相關關系。

上述?4?種科研范式中，實驗研究和理論分析在實踐活動中分離，沒有涉及生產過程迭代建模。第五范式是把理論研究和實驗科學通過“數值+數據+智能”技術耦合成一個在線迭代的有機整體，形成“理論+實驗”科學活動的“自動駕駛系統”。智能農業模擬器與傳統農業信息系統及?DSSAT、WOFOST?等第四范式的典型農學模擬系統不同，具體體現在?2?個方面。

模型研制方面。WOFOST?模型是在歐洲生產模型基礎上研制而來，著重強調其在定量評價土地生產力、區域產量預報、風險分析和年際間產量變化及氣候變化影響量化等研究中的應用。DSSAT?模型則是在借鑒歐洲模型的基礎上，結合美國農業特點所研制的模型。該模型匯總了各種作物生長模型和標準化模型的輸入、輸出變量格式，方便模型的普及和應用。上述?2?種模型都屬于國外農業模型并得到廣泛應用。到目前為止，我國開展的作物模型研究仍以引進并使用國外作物模型為主，或在國外作物模型的基礎上進行修改或簡化，真正自主研發并得到廣泛使用的作物模型為數較少。智能農業模擬器則是我國獨立自主研發的農業軟件，這使得我國農業生產模型方面將不再受到西方國家的制約。

功能方面。WOFOST?是多種作物的普適性模型，主要適用光合作用、呼吸作用、蒸騰作用、干物質生成與分配、作物生育進程、根系生長分布、土壤水分狀況。該模型可以針對?3?種不同的生產過程模擬作物生長變化過程，即模擬潛在作物生長、水分限制條件下的作物生長和養分限制條件下的作物生長。DSSAT?是一種針對特定作物的模型，如大豆、玉米、高粱等作物；該模型兼容了許多作物生長模型，構成“作物系統模型”軟件包，然后應用公共的土壤水分運動模型和土壤碳氮模型，能夠模擬不同作物和作業地的生產過程。然而，上述?2?種模型都存在一些問題：輸出結果受到輸入數據影響。例如，試驗區氣象數據、土壤數據、作物品種數據等對結果影響較大；對歷年來的數據收集難度較大，在運行時缺失的數據只能按缺省值處理，對結果的輸出也會產生一定的影響。模型應用需要根據實際情況進行調整，需要對源代碼進行修改。數據不夠全面。如，缺少氣象數據、光譜數據等。模型中缺乏病蟲害等因素的考慮可能導致數據不準確。智能農業模擬器基于更加完備的數據采集系統，將輸入與輸出進行解耦；然后，通過邊緣計算對農業生產實時數據進行處理，結合科學的指導意見完成決策反饋，從而指導農業作業生產。

因此，智能農業模擬器通過人工模擬系統與真實生產系統的在線迭代，推動科學家的理論研究與生產實際系統的相互促進，以實現實驗室模型和算法與生產一線的指揮系統“在線連接”，進而令農業生產實現“自動化”，最終達到提高作業效率與農業產量、降低生產成本的目的。

農業模擬器的體系結構

基于智能?OODA?環是第五范式建模的有效實踐途徑之一，農業模擬器應包含?4?個主要階段。

觀察——農業全要素數據采集、存儲標準體系。農學基本上是一門以數據積累、統計建模為基礎的學科，數據在其學科發展中擁有至關重要的作用。因此，在農業模擬及農業生產決策必須建立在數據的基礎上，在傳統的農業模擬系統（如?DSSAT、WOFOST）應用中，其使用的大量基礎模型（如?CERES-Maize、CERES-Wheat?等作物生長預測模型）均是建立在數據統計基礎上。農業模擬器“在線連接”的屬性決定了其必須對農業生產過程中的數據進行在線監控；而上述模型所采用的基于歷史數據作為系統輸入的模式無法滿足農業模擬器的廣域大粒度和實時在線模擬需求，這就決定了必須采用各種數據采集技術（如遙感、探地雷達、傳感器等）對農業生產過程中的全要素進行全面的數據采集。同時，農業模擬器的“廣域”特性也決定了農業數據采集過程具備高并發、高通量特性，而農業生產的重點區域（如我國黑土地分布的東北地區）存在大量的公眾服務網絡覆蓋不足的問題，也對數據的實時采集帶來了挑戰。針對上述問題，農業模擬器的設計必須是完全面向農業生產過程的數據采集、存儲與交換體系，以此更好地解決農業模擬數據來源的問題。

判斷——構建農業全要素狀態判斷與演變模型。對農業生產過程中不同要素（如作物健康狀態、土壤健康狀態等）作出定性與定量分析，并預測其狀態演變是作業決策的基礎。農學領域針對此已存在大量的研究，如表型鑒定、脅迫模型、蒸騰模型、土壤侵蝕演變等。但從目前來看，這些研究仍存在一定的局限性，主要體現為數據來源受限、以環境變化均質為前提等。這使得每種模型不具備廣域條件下的普適性，一旦目標環境與模型自身構建所處的環境間存在較大偏差時，要么無法適用，要么需要花費大量的時間重新進行校正。因此，對農業模擬器而言，需要在現有模型的基礎上，通過大數據技術和人工智能技術，自動修正已有模型或構建新的模型，以實現廣域農業生產過程中的實時在線判斷。

決策——研究基于農業生產全要素的生產決策方法。農業生產決策是根據生產要素的狀態給出對應的作業決策。例如，決定種子、農藥、化肥的使用量，決定追肥時機，決定灌溉時機與用水量等。對此，農業模擬器需要解決的核心問題包括?2?個方面：農藝知識體系的數字化，即利用現有的農藝知識體系構建農業生產決策的基礎算法與模型；結合生產過程，實現對算法與模型的修正，構建完整“數據—模型”的閉環模型，以實現決策算法與模型的自進化。解決上述問題的技術路徑，需要利用知識圖譜、知識發現等知識工程領域技術，以實現對農藝知識的挖掘和數字化，并進而利用大數據技術、人工智能技術等方法進行對模型的在線修正或者二次建模。

執行——突破農機裝備的智能作業控制與執行技術。作為基于智能?OODA?環的農業模擬器的最后一環，該階段是理論與實驗結合最為密切并明顯區分于其他范式建模的關鍵所在。在農業生產過程中，決策產生的作業方案通過智能化農機裝備進行高質量的作業，并在作業過程中通過多樣化傳感器設備進行實時的數據采集，最終形成“觀察—判斷—決策—執行”的?OODA?閉環，以此打通實驗室模型和算法與生產一線的指揮系統“在線連接”，實現農業模擬器不斷演進。此外，自動化作業執行可以有效規避人工作業帶來的作業質量不達標問題，進而降低農業模擬器的數據誤差。要實現農機裝備的智能作業控制與執行，需要針對無人駕駛裝備系統、整機電子系統、作業機具的精準控制、動力系統與作業機具的協同控制等方向進行深入研究，形成智能?OODA?環需要的成套作業裝備（圖?2）。

農業模擬器的軟硬件系統

針對上述過程，農業模擬器的軟硬件構成應該主要包括?3?個方面。

空天地一體化的農業生產數據觀測網絡。該網絡對應于智能?OODA?環中的“觀察”環節。在地面，通過各種傳感器設備、氣象站設備完成土壤、環境、氣候信息的采集，通過遙感、伽馬輻射接收、無人機載多光譜/高光譜等設備實現對土壤、作物、水肥信息的采集。在空中，在利用通導遙一體的衛星系統提供遙感數據的同時，解決農業數據回傳與控制指令下發所需要的廣域通信覆蓋問題，以及農機裝備自動執行過程中的高精度定位問題。觀測網絡應當具備海量?IoT?傳感器的并發接入能力，以支撐農業生產過程中大量部署的傳感器通過?IoT?網絡實現數據的回傳。

邊緣計算平臺。邊緣計算系統用于“判斷”與“執行”2?個環節的計算支撐。邊緣計算平臺為農業生產過程中小粒度實時在線判斷提供計算支撐。例如，作物的病蟲害識別一般通過近距離的圖像識別方法進行處理，此類“判斷”模型需要在服務端利用平臺進行大量訓練；模型訓練完成后可以在邊緣計算平臺端實現實時判斷，進而降低數據回傳至云服務端所產生的時延，以此提高決策的時效性。針對“執行”過程，邊緣計算平臺就近為無人駕駛、機具作業控制提供基礎計算能力，以滿足農機在此過程中的智能執行需求。

多樣化算力中心。多樣化算力中心是農業模擬器系統的核心組件，是“大腦”，其為農業?OODA過程中的“觀察”“判斷”和“決策”3?個環節提供核心算力支撐。在“觀察”環節，算力中心需要提供針對不同數據類型的存儲支持，包括對傳感器、氣象站結構化時序數據的存儲，利用對象存儲或分布式存儲系統支撐遙感數據、無人機測繪數據的存儲；同時，“觀察”階段的傳感器通過?IoT?海量接入也需要服務端提供算力支撐。在“判斷”環節，算力中心需要提供多樣化的人工智能處理能力，為農業全要素狀態判斷與演變模型的構建提供支撐，包括面向海量遙感數據、無人機測繪數據、伽馬輻射圖譜數據、遠中近紅外數據反演所需的分布式人工智能訓練，以及針對多用戶的模型訓練等。在“決策”環節，算力中心需要提供面向知識工程的算力支撐，包括針對知識圖譜構建的大規模圖計算；在此基礎上，提供面向農藝知識與決策推理的推理訓練算力，最終實現農業生產決策方案的輸出。 

農業模擬器在黑土地保護中的應用

構建基于第五范式的農業模擬器系統，需要將理論、模型、算法與現實農業生產密切結合、驗證并不斷迭代演進。東北地區是我國機械化程度最高、農業數字化和信息化發展最早的區域之一，具備農業模擬器系統開展試驗示范的多種應用場景。當前，中國科學院（以下簡稱“中科院”）正集合院內優勢力量組織實施“黑土地保護與利用科技創新工程（黑土糧倉）”戰略性先導科技專項（A?類），中科院計算技術研究所作為大河灣示范區建設牽頭單位，借助研制的數字化系統及智能裝備構建了黑土地?OODA?閉環正反饋系統，突破當前孤立、線性、滯后的農業模型缺陷，形成“依靠數據決策、智能農機執行”的農業生產模式，打通數據有效流動的環節，將基于數據決策的智能化執行的農業生產模式轉化為對黑土地保護和利用的生產力。具體的作用主要體現在?3?個方面。

數據觀察環節。結合衛星與無人機遙感、移動式近地面傳感設備及固定式傳感器等多種數據采集技術，構建空天地一體化、多維度的黑土地作業全要素觀測網絡，獲取農田本地數據，如土壤（氮、磷、鉀、微量元素含量，以及溫濕度、土壤墑情、電導率等）、氣候（當地的基本氣候情況）、水（地下水位、鹽堿度、pH?值等）、生物（歷年的農作物種植情況、長勢、病情、蟲情等）、作業（免耕播種和施肥施藥精度、作業速度和面積等）的基本信息。前期通過衛星遙感實現數萬畝耕地的大尺度監測；確定風險區域后，使用無人機開展百畝量級的針對性觀測；部分重要區域布置固定式傳感器開展長期持續觀測，以實現地塊級的農業信息監測。后續待移動式近地面傳感設備成熟后，將其安裝在智能農機上，使其在作業的同時采集土壤和作物的多種信息，從而大幅提高信息監測的顆粒度精細水平。

數據判斷、決策環節。根據算法分析需求，針對采集數據開展整理、清洗和融合，以實現對采集數據在后續模型與算法分析中的定性和定量判定。針對黑土地保護，結合地理信息系統（GIS）技術得到區域內土壤侵蝕強度空間分布圖，綜合地區的土壤侵蝕特征，研究分析在不同的土地利用類型下土壤侵蝕的關系，以及坡度對土壤侵蝕的影響。根據土壤侵蝕動態變化、土地利用變化及植被覆蓋度變化情況，建立侵蝕與環境因子的轉移矩陣并分析相互關系，實時預測土壤侵蝕動態。針對黑土地作業，面向特定作物通過統計學習、人工智能與復雜系統最優化的方法，構建土壤元素、水、肥、溫度、濕度、光照、病、蟲、草等基礎信息模型與作物生長趨勢、災情預警、產量估算之間的數字化表達和修正模型。通過系統化機器學習與模擬，最終給出針對特定作物不同時期的水、肥、藥、農藝等實時處方建議。

作業執行環節。一方面，針對現有農機裝備進行智能化改造升級；另一方面，突破新一代清潔能源智能農機控制芯片、操作系統、無人駕駛、精準控制等核心技術，并綜合集成電機、電池、電控、數控底盤等技術，創制針對黑土地主要作物的系列（50—400?馬力）清潔能源智能農機成套裝備。此外，針對免耕播種、秸稈還田、條耕等保護性作業關鍵環節，提高農機農藝結合水平，強化農機裝備傳感器與智能變量作業農機具的集成應用。具備智能網聯、無人駕駛和一定自主決策能力的智能農機，不僅可按照作業命令實現針對具體作物“耕、種、管、收”全生命周期的精準高效保護性作業，同時還能實時采集土壤和作物信息，以及深耕深松、精量播種、變量施肥施藥等作業質量信息，然后通過智能?OODA?環開展在作業任務自動分配、農機智能調度、農機作業質量指導等方面的迭代優化。 

挑戰與對策

科學技術的進步為農業生產提供了新的手段，在研究黑土地“用好”“養好”的過程中，需要利用好現代信息技術手段。通過智能?OODA?環為農業建立全要素的模擬器提供了新的科學研究方法，也為黑土地保護提供了新的思路。但是，建立農業模擬器是一個基于信息技術、橫跨多個學科的工程，尤其要注重對黑土地成因、破壞過程、保護機制、農藝過程在信息空間的建模。為了能夠在中科院戰略性先導科技專項“黑土糧倉”中實現信息技術引領的黑土地保護模式，本文提出?3?點建議。

強化跨學科協同。農業模擬器要在黑土地保護中發揮作用，需要將已有的保護性耕作技術，以及土壤、微生物、環境等要素在信息空間進行建模，通過海量實時數據的采集，在信息空間完成模型的迭代訓練。目前，不同的黑土地保護科研團隊分別專注于各自的領域，形成了各自領域的保護模型，但是這些模型還屬于基于傳統科研范式的模型，在后續需要加強互相之間的高質量合作，以實現信息與農學、土壤學、生物學的學科融合，形成完備的農業模型。

強化黑土地保護數據價值挖掘。數據流的采集需要大量的資金投入，但由于農業生產與第二、第三產業相比投入產出比較低，很容易導致數據價值得不到體現而限制了信息化建設資金的供給。盡管近些年來國家加大了對農業信息化建設的投入，并取得了一定的成績，但是始終依靠國家投入并不是長久之計。因此，未來我們需要開展商業化的運營，在數據流的快速流動中實現數據價值的變現，并更好地投入到智能?OODA?環的循環迭代中。

針對黑土地保護建設科學裝置。新的研究范式、新的技術手段、新的科研裝置都是加快科研成果產出的利器。黑土地保護需要建設一個全要素的農業模擬器研究與開發平臺，然后基于該平臺實現傳統保護模型的數字化，并通過數據訓練這些模型以接近農業生產實際。這就需要將面向黑土地保護的農業模擬器視為黑土地保護的科學裝置，為黑土地保護提供“體檢報告”，指導黑土地保護措施的實施。

（作者：孫凝暉、張玉成、劉子辰、陳海華、譚光明，中國科學院計算技術研究所；王竑晟 中國科學院科技促進發展局；《中國科學院院刊》供稿）

相關文章