加快打造原始创新策源地,加快突破关键核心技术,努力抢占科技制高点,为把我国建设成为世界科技强国作出新的更大的贡献。

——习近平总书记在致中国科学院建院70周年贺信中作出的“两加快一努力”重要指示要求

面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康,率先实现科学技术跨越发展,率先建成国家创新人才高地,率先建成国家高水平科技智库,率先建设国际一流科研机构。

——中国科学院办院方针

首页 > 访谈·视点

康孟珍:平行农业:以智能技术推动农业发展

2019-12-10 中国科学报
【字体:

语音播报

  可持续的农业、粮食和自然资源是人类生存的根本。到2050年,世界人口预计为90亿~100亿人,需要生产比现在多60%~70%的食品,而同时需要对环境产生最小甚至零负面的影响,减少温室气体排放量,减少用水量,要考虑能源的可用性和成本增加保护性耕作的应用,采用生物技术,增加有机食品产量。实现知识和信息的有效传播,减少由于信息不对称带来的资源浪费,及时地响应市场和环境变化,将是农业这一传统产业需要面临的挑战,对我国来说尤其如此。

  与现代农业发展较好的国家相比,我国与其既有共性也有差异。从技术成熟度来看,在欧、美等国(地区),智能农机装备早已进入大规模应用,而我国则起步相对较晚。农业传感器的核心专利技术主要被国外占有。现有的农业物联网平台中,数据或者缺失,或者准确性差,或者难以公开共享。从商业模式来看,我国已实施的智慧农业项目大多为政府示范项目或研究项目,缺乏可持续的商业模式,未能发挥大数据的商业价值。从学术研究来看,我国智慧农业相关的期刊论文虽然数量不少,但高被引文章很少,未能形成国际影响力。从产业生态来看,国外正主动形成由农业企业、智慧农业技术创新公司、市场、农资提供方等多方构成的智慧农业生态;我国也逐渐呈现出类似趋势,正处于萌发期。从应用场景来看,国外土地相对集中,以美国为例,地广人稀,而且以平原为主,农业机械化程度高,大面积种植都是靠机械,因而农业信息化推广较易。而我国的土地较分散,过去以小规模种植为主,有些地区是丘陵山地,难以使用大机械,技术的使用需要因地制宜。

  智能决策研究则基于数据和知识,同时是整体智慧农业系统的核心,提供农业智能技术直道超车的机遇。在一二三产业深度融合、数据丰富、通信方便的时代,农业智能决策已从线下转到线上、从离线转为实时,需要新的理论体系的支撑。

  因此,我们需要发展面向智慧农业的平行农业智能技术。

  平行农业的本质是在系统中构建一个与实际系统相对应的虚拟系统或人工系统,通过人工系统的推演、学习为实际系统的管理可控制提供支持。平行农业基于ACP(人工系统A、计算机实验C、平行执行P)的平行系统,面对难以建模、难以解析预测的复杂系统而提出。

  由于农业生产受品种、种植环境、管理者经验等因素的影响,具有很强的不确定性、多样性、复杂性,传统的农业描述主要是对农业生物行为的模拟、对生产环境乃至社会环境的模拟和建模,这逐渐使得模型与真实系统之间的建模鸿沟成为一个极为严峻的问题。

  农业生物行为模拟中的作物生长建模是发展最快、成绩最显著的领域,也是农事模拟的基础。这类模型大多包含了作物的光合作用、呼吸、物质分配的描述,具有较强的机理性。结合植物器官层面的物质模拟和植物形态构建,形成了作物建模的一个前沿分支:植物功能结构模型。作物的生长过程中固然存在个体间的相互竞争,而且最新的模型发展可进行植物单株水平上的光合作用、物质合成和分配的模拟,但对于农业生产来说,关注的兴趣点主要为群体行为的模拟,以及生育期和产量。模型具有参数多、复杂度高、不易应用的特点,这些特点成为其应用于农业生产的瓶颈。

  农业环境的描述包括主要气象因子的描述;农业环境的模拟为农作物的描述提供输入数据。一方面是大田环境的模拟,包括各种大气模型;另一方面是温室环境模型,包括玻璃连栋温室模型以及日光温室模型。温室环境中的温湿度等环境因子相互影响,基于知识的环境模型的复杂度相当高,可用于温室的设计及对温室内能量流动的理解和教学,但用于栽培各种作物的实际温室的管理则不适宜。农事管理则包括作物种植日期、种植密度、肥料用量及方式、灌溉用量与时间确定等,以进行对农业生产的定量研究;农业经济因素的描述,包括农业再生产的投入与产出关系、市场价格的模型等,可用于指导未来的生产计划安排。

  现有的大部分作物和环境模型的特征在于,在给定当前系统状态与控制条件的情况下,理论上系统下一步的状态可通过求解方程而准确地获得,从而可以精确地计算和预测系统的行为,这类系统称为牛顿系统。以施肥为例,基于环境数据和作物模型可计算何时为作物的关键生长期和具体的生长量,根据经验比例关系可进行需肥量的模拟。

  基于数据的人工系统构建方法将对象视为黑箱,关注输入和产出之间的关系,而不去对生命体内部复杂的过程进行建模和模拟。在数据充分的条件下,可以通过反复训练和学习达到期望的效果,实现人工系统构建的目的。

  作物的生长由基因和环境决定,在不同的环境下,尽管作物的大小和生育期会有相应的调整(称为作物的可塑性),但仍保持一定的规律。知识和数据共同驱动的模型即是根据作物生长规律的描述与统计模型相结合的思路,将描述作物动态生长过程的模型与神经网络相耦合,使得模型有很强的可塑性,而且同时可以计算多种状态变量,从而获取作物生长过程的关键信息。这种方式不仅降低了对数据的依赖性,而且弥补了传统模型对坐果、分枝等可塑性行为难以模拟和预测的不足。

  未来,这类模型在农业生产上将有很大的空间,平行农业将以其智能技术推动农业生产向智慧农业迈进。

  (康孟珍,作者单位:中科院自动化所)

打印 责任编辑:侯茜
  • 李虹 | 阿里计划:探测宇宙最初的涟漪
  • 余和军 | 化学领域科研应以问题为导向

扫一扫在手机打开当前页

© 1996 - 中国科学院 版权所有 京ICP备05002857号-1 京公网安备110402500047号 网站标识码bm48000002

地址:北京市西城区三里河路52号 邮编:100864

电话: 86 10 68597114(总机) 86 10 68597289(总值班室)

编辑部邮箱:casweb@cashq.ac.cn

  • © 1996 - 中国科学院 版权所有 京ICP备05002857号-1 京公网安备110402500047号 网站标识码bm48000002

    地址:北京市西城区三里河路52号 邮编:100864

    电话: 86 10 68597114(总机) 86 10 68597289(总值班室)

    编辑部邮箱:casweb@cashq.ac.cn

  • © 1996 - 中国科学院 版权所有
    京ICP备05002857号-1
    京公网安备110402500047号
    网站标识码bm48000002

    地址:北京市西城区三里河路52号 邮编:100864
    电话:86 10 68597114(总机)
       86 10 68597289(总值班室)
    编辑部邮箱:casweb@cashq.ac.cn