作物智慧栽培学——信息-农艺-农机深度融合的新农科

顾生浩, 温维亮, 卢宪菊, 王传宇, 郭新宇

农学学报. 2023, 13(2): 67-76

PDF(1550 KB)
PDF(1550 KB)
农学学报 ›› 2023, Vol. 13 ›› Issue (2) : 67-76. DOI: 10.11923/j.issn.2095-4050.cjas2021-0217
农业信息/农业气象

作物智慧栽培学——信息-农艺-农机深度融合的新农科

作者信息 +

Smart Crop Cultivation: A New Agricultural Science Toward Deep Integration of Information, Agronomy and Machinery

Author information +
History +

摘要

在社会发展进入万物智联新时代、农业科学步入数据密集型知识发现的新阶段和智慧农业技术成为国家实施乡村振兴战略的重要抓手的背景下,传统作物栽培学理论技术体系已无法满足智慧栽培发展的需要,亟需加快与其他相关学科深度融合、协同创新,发展作物智慧栽培学。本研究首先阐述了作物智慧栽培的内涵和特征,然后阐明了作物智慧栽培学的概念、研究内容和关键技术以及相应的学科体系,最后提出了作物栽培学的发展趋势、面临挑战及对策建议。围绕智慧栽培中“联接、感知、认知、管控”四大关键环节开展重大科学发现、前沿技术突破和产业模式创新,构建智慧栽培理论技术体系,推动传统栽培向智慧栽培转型升级,有助于实现作物生产的可持续发展,加速推进农业现代化。

Abstract

Human society has developed into a new era of intelligent connection of everything, agricultural science has entered a new stage of data-intensive knowledge discovery, and smart agriculture has become an important part to support the implementation of the Rural Revitalization Strategy. Under this background, the traditional theoretical and technical system of crop cultivation could no longer meet the needs of the development of smart crop cultivation, and it is urgent to accelerate the deep integration and collaborative innovation with other related disciplines to develop smart crop cultivation. This study first elaborates the connotation and characteristics of smart crop cultivation, then clarifies the concept, research content and key technologies and the corresponding disciplinary system, and finally proposes the development trend, challenges, and countermeasures of crop cultivation. To implement major scientific discoveries, frontier technology breakthroughs and industrial model innovations around the four key aspects of connection, perception, cognition and control in smart cultivation, to build a theoretical and technological system of smart cultivation, and to promote the transformation and upgrading of traditional cultivation to smart cultivation will help achieve sustainable development of crop production and accelerate agricultural modernization.

关键词

智慧栽培 / 信息-农艺-农机融合 / 智慧管控 / 大数据

Key words

smart crop cultivation / information-agronomy-machinery integration / smart control / big data

引用本文

导出引用
顾生浩 , 温维亮 , 卢宪菊 , 王传宇 , 郭新宇. 作物智慧栽培学——信息-农艺-农机深度融合的新农科. 农学学报. 2023, 13(2): 67-76 https://doi.org/10.11923/j.issn.2095-4050.cjas2021-0217
GU Shenghao , WEN Weiliang , LU Xianju , Wang Chuanyu , GUO Xinyu. Smart Crop Cultivation: A New Agricultural Science Toward Deep Integration of Information, Agronomy and Machinery. Journal of Agriculture. 2023, 13(2): 67-76 https://doi.org/10.11923/j.issn.2095-4050.cjas2021-0217

0 引言

智慧是指人类具有的能迅速、灵活、正确地理解事物和解决问题的能力。2008年11月,IBM首席执行官Palmisano首次提出“智慧地球”的概念,建议将实体基础设施和信息基础设施进行融合,实现对地球上任何人、物体、过程、服务和组织的可感知、数字化和互联互通[1]。关键在于通过装备到人们生活和社会生产中各要素实体上的传感器,借助物联网技术把它们连接起来,形成“数字地球”,再利用超级计算机和云计算将数据转变为智慧,形成行为决策,使人类以更加精细、动态和高效的方式管理生产和生活,达到“智慧”的状态。随着“智慧地球”理念在世界范围内的加速普及和人工智能等技术在各领域的深度应用,各行业都在提出和发展“智慧”解决方案,譬如智慧城市[2]、智慧医疗[3]和智慧农业[4]。作为支撑智慧农业的重要理论技术体系,智慧栽培和智慧栽培学也应运而生。
作物栽培是根据作物生长发育规律及其对外界条件的反映,因地制宜地进行耕种和管理的技术[5]。作物生产系统是作物栽培的载体,它是受气象、土壤、品种、病虫草害、栽培技术和作业方式等多种因素共同影响的一个复杂动态系统[6]。纵观人类利用植物的历史,所有的理论创新和技术突破都围绕着人类对作物生产系统的感知、认知和管控展开的。作物栽培的悠久历史最早可追溯至战国早期,李悝在《尽地力之教》中提出“治田勤谨,则亩益(增产)三斗,不勤,则损(减产)亦如之”,其后《吕氏春秋》提出“夫稼,为之者人也,生之者地也,养之者天也”,指明作物生产是由天、地、人与作物构成的有机系统,并进一步论述了精耕细作、及时播种和田间管理等栽培技术和理论[7]
作物栽培学是研究作物生长发育、产量和品质形成规律及其与环境条件的关系,探索作物高产、优质、高效、可持续生产的调控措施的理论、方法和技术途径的一门科学[8-9]。19世纪农业各应用领域的基础研究逐渐开展,如植物生理学、植物营养学和植物生态学,为深入揭示作物生产系统-环境条件-栽培措施三者间的互作关系奠定了理论基础。进入20世纪,发达国家的农学学科体系逐步建立和完善,各高校相继开设了《作物生产学》《植物生产原理》《作物学》等课程。20世纪50年代,中国引进了原苏联的农学学科和教育体系,开设了《农业原理》《作物栽培学》课程,成为中国作物栽培学的雏形,并在此后的半个多世纪不断发展、成熟和壮大,在理论建设、技术创新和技术体系等方面取得了显著进展[5,10-11]
近30年来,随着计算机的普及、互联网的发展和农业机械等装备的广泛应用,作物栽培逐渐经历了从“靠经验”到“靠数据”、从单一目标到多元化目标、从“人拉肩扛”到全程机械化的转变与升级,其生产工具、生产方式和生产力均发生了重大变化,对各环节从业人员的专业技能和理论素养提出了更高的要求。传统的作物栽培学理论技术体系已经无法满足智慧栽培发展的需求和中国农业现代化的需要。自20世纪80年代以来,中国作物栽培信息化得到快速发展,越来越多的研究人员通过系统分析、数学建模和人工智能的方法来描述和量化作物生产系统。1984年,江苏省农业科学院高亮之提出并完成了苜蓿的计算机模拟模型的研究,研制出国内首套农业计算机模拟模型[12];进入20世纪90年代,北京市农林科学院赵春江综合了小麦栽培科学的长期研究结果和专家知识、经验,将农学知识与人工智能理论方法有机结合,构建了国内首套小麦栽培管理计算机专家系统ESWCM,并在华北地区得到大面积应用[13]。2000年,南京农业大学曹卫星针对传统作物栽培模式存在的时空变异性、区域性、分散性和经验性等特点和不足,顺应信息技术发展趋势,倡导将系统分析原理和信息技术应用于作物栽培学研究,以作物栽培智能决策支持系统来指导作物生产管理,提出要发展作物智能栽培学[6]
进入21世纪,极端气候事件频发、资源环境日益严峻和人口老龄化加剧要求作物栽培学的研究从单一高产目标向高产、优质、高效、生态、安全多目标协同转变,构建绿色智慧生态农业模式,实现高质量可持续发展逐渐成为学界共识。在此背景下,作物栽培学亟需加快与其他相关学科深度融合、协同创新,发展作物智慧栽培学,围绕“联接、感知、认知、管控”四大关键环节开展重大科学发现、前沿技术突破和产业模式创新,构建智慧栽培理论技术体系,推动传统栽培向智慧栽培转型升级,有助于实现作物生产的可持续发展,加速推进农业现代化的进程。

1 作物智慧栽培学产生的时代背景

1.1 人类社会进入万物智联新时代

人类社会的发展经历了农业革命、工业革命,进入信息时代和数字时代后正在经历信息革命和智能革命。数字化、网络化、智能化是信息技术发展的3个阶段[14]。数字化是将人类社会和物理世界以数字编码形式进行储存、传输、加工、处理和应用的技术途径,是感知人类社会和物理世界的基本方式。网络化为数字化的信息传播提供载体,互联网关注人与人之间的互联互通及在此基础上产生的服务与服务的互联,物联网通过信息采集设备和信息传输技术把物体与网络相连接,使得人与万物互联互通,最终实现万物互联。智能化是依托大数据,借助人工智能算法和系统决策模型使机器具备灵敏准确的感知功能、正确的思维与判断功能、自适应的学习功能和行之有效的执行功能等。
万物互联是通过互联网和传感器实现的,其中传感器设备的发展呈现出微小化、移动化和消费化三大趋势,它们收集物理世界目标的状态数据,再通过无线通信网络和其他的物体相互交换数据,形成一个“万物皆联网、无处不计算”的世界。人与万物的互联互通在人类社会和物理世界外又产生了新的信息空间,实现了二元世界向“人、机、物”三元世界的转变[15]。新型的感知、计算、通信、控制等信息技术促进了“万物互联”向“万物智联”的发展,促进“人、机、物”三元交叉融合,使得所有人和所有物能够实现互联、互通和互动(图1),改变了人类的生存环境和认知方式,为认识和改造世界提供了新途径。
图1 三元世界深度融合[15]

Full size|PPT slide

随着数字技术向各行业的深度渗透,信息感知技术日趋成熟,但仍无法满足人、机、物互联互通互操作的复杂需求,于是信息物理系统(Cyber-physical system, CPS)的研究和应用得到快速发展。信息物理系统是一个综合了计算、网络和物理环境的多维复杂系统,通过3C(Computation、Communication、Control)技术的有机融合与深度协作,实现对大型系统的实时感知、动态控制和信息服务[16]。信息物理系统本质上是一个具有控制属性的网络,将通信、计算和控制有机融合成了一个完整的闭环,旨在借助大数据、云计算和人工智能技术解决信息空间对物理世界对象的控制问题[17]图2)。
图2 信息物理系统3C技术的相互协同过程[18]

Full size|PPT slide

信息物理系统和万物互联的目标都是建立虚实一体的世界(即数字孪生),即将物理世界在数字世界呈现,数字世界可以进行计算并控制物理世界,且物理世界的状态可以在数字世界中进行设计。在这一背景下,数字孪生就是以数字化方式创建物理实体的虚拟模型,借助数据模拟物理实体增加或扩展新的能力[19]。目前,数字孪生技术已在制造业的产品设计、生产制造和故障预测等领域得到应用,并逐步向农业领域拓展[20]。以荷兰瓦格宁根大学为代表的农业领域世界领先研究机构高度重视数字孪生技术,将其视为未来农业的突破性关键技术,并纷纷围绕该项技术设立研发专项[21]。例如,在无人农场中,利用物联网传感器获取作物长势、环境因子、技术措施和农机作业工况等大数据,以高产、高效、绿色、生态为目标,借助云计算、边缘计算和终端计算在数字世界确定信息驱动的最优决策方案,实时反馈到无人农场的各个作业环节,有助于实现农机的智能作业[22-23]

1.2 大数据研究正在成为继实验科学、理论分析和计算机模拟之后新的科学研究范式

科研范式是开展科学研究、建立科学体系、运用科学思想时所共同遵守的准则。2007年美国计算机专家、图灵奖得主Jim Gray指出“数据密集型科学”已成为继实验科学、理论科学、计算科学之后的科学研究第四范式[24]。数据科学的基本思想是把数据看成现实世界的事物、现象和行为在数字空间的映射,认为数据天然地蕴含了现实世界的运行规律,进而以数据作为媒介,利用数据驱动及数据分析方法揭示物理世界现象所蕴含的科学规律[25]
早期人们对农业科学的认识和理论的形成主要来源于人们从日常生产实践中获得的经验,依靠人对农业生产系统的观察得出结论。因此,传统的农业生产理论和技术体系以归纳总结或定性分析为主,缺乏客观化、定量化和精细化的认识。随着农业科学理论、实验数据采集手段和计算机技术的快速发展,农业生产理论和应用领域积累了大量的数据,基本定量了各种环境因子和农艺措施对作物生育的影响[26-28];明确了作物一些基本生理过程及其相互影响,如作物的光合作用、呼吸作用和蒸腾作用之间的关系[29-31];制订了一系列定量或定性描述作物生产系统状态的指标[32-34]。这些成果为农业科学研究由定性描述向定量化可视化计算分析提供了重要的数据基础和理论依据,使得农业模型与仿真技术得到迅速发展。
进入大数据时代,农业科学正在从理论科学、实验科学和计算科学步入以数据密集型知识发现为研究范式的学科发展阶段。例如,作物育种正在进入以生物技术和新一代信息技术深度融合为主的育种4.0阶段,该阶段下的智能设计育种通过生命科学、信息科学和工程科学的多学科交叉与协同创新,以表型、基因型、环境型及遗传资源等组学大数据为核心,以人工智能算法和系统模拟模型为支撑,旨在实现智能、高效、定向培育作物新品种[35-36]。与此同时,表型组、基因组、环境和管理作业大数据也为作物栽培迈向可感知、可定量、可计算、可调控和可预测的智慧栽培阶段提供了可能。

1.3 智慧农业是中国农业的未来发展方向

农业发展经历了以矮杆品种为代表的第一次绿色革命和以动植物转基因为核心的二次绿色革命,随着现代信息技术在农业领域的广泛应用,农业正在经历第三次绿色革命,即农业智能革命。农业智能革命的核心要素是信息、装备和智能,其表现形态就是智慧农业。智慧农业是以信息和知识为核心要素,通过将互联网、物联网、大数据、云计算、人工智能等现代信息技术与农业深度融合,实现农业信息感知、定量决策、智能控制、精准投入、个性化服务的全新的农业生产方式,是农业信息化发展从数字化到网络化再到智能化的高级阶段[4]。现代农业有三大科技要素:品种是核心,设施装备是支撑,信息技术是提升质量水平的手段。智慧农业完美融合了以上三大科技要素,对农业发展具有里程碑意义[4]。据波士顿咨询集团预测,未来15~20年,物联网、大数据、农业分析软件、智能设备等组成的农业智能系统和分子生物技术将实现大范围应用,并由此引发农业产业价值链与农业商业模式的转变。通过物联网、人工智能、大数据等可以实现作物产量预测、杂草检测、病虫害监测与预防、物种识别、土壤分析、灌溉管理和预防干旱等,帮助农民更好地管理农场以及在危机来临前做出更好的决策,从而提高生产水平,推动智慧农业的发展。
智慧农业是应对耕地、水、生态环境的刚性约束以及农业劳动力成本和种、肥、药等农资价格攀升等现实难题,促进农村农业转型升级的重要推动力,是未来农业发展的必然方向。物联网基础设施、遥感-传感技术、大数据技术、系统模拟决策技术和作业机器人的在农业领域的广泛应用为智慧栽培的发展提供了重要的基础保障。中国高度重视智慧农业的发展,2020年智慧农业被国家正式提为支撑乡村振兴战略和数字乡村建设的重要抓手,中共中央、国务院也先后印发了《乡村振兴战略规划(2018—2022年)》《数字乡村发展战略纲要》《新一代人工智能发展规划》等文件,对发展智慧农业技术做出了重要部署[37-39]

2 作物智慧栽培的内涵和特征

2.1 作物智慧栽培的内涵

作物智慧栽培融合了物联网、遥感-传感技术、云计算和大数据技术,以“联接、感知、认知、管控”为核心,旨在建立一个覆盖耕、种、管、收作物生产全程的人、机、物全生产要素互联互通互操作的智能管控平台,实现良田-良种-良法、信息-农艺-农机有机融合,最终达到作物高产、优质、高效、生态、安全的生产目标(图3)。联接是在互联网的基础上,利用网络通信技术将作物生产系统中的环境、作物、机械和人等要素联接起来,通过要素间的信息传递,实现人、机、物的互联互通,为作物智慧栽培搭建基础设施;感知是基于作物环境感知机理,依托物联网系统,集成多种传感器实时跟踪作物生产系统的环境、土壤、植物、农机装备工况,并通过无线通信技术输送到作物生产数据中心;认知是利用作物模拟决策系统和人工智能技术,从历史积累和实时采集的多源异构大数据中全面认知作物品种、环境、技术措施、农机装备和从业人员技能水平,定量化、标准化它们之间的关系,优化生产技术规程和农机作业方案,根据作物生育进程和环境的变化,及时掌握作物长势、水分、养分等动态变化特征,可靠、快速、高效、预先地发现作物水肥亏缺和病虫害等状况;管控是综合利用历史、实时和未来数据,制定精确化水肥药施用策略,通过管控云平台系统为农业生产者和农机装备提供农田管控方案,整个过程以人在回路甚至无人值守的方式独立成各项任务,实现无人化管理和决策。作物智慧栽培是发展智慧农业和数字乡村战略在作物生产上的具体落实,是实现农业高质量可持续发展的重要研究课题。
图3 以信息-农艺-农机融合为核心的作物智慧栽培流程图

Full size|PPT slide

2.2 作物智慧栽培的主要特征

一是要素数字化。对作物生产系统各要素进行立体化、全方位、全流程的监测会产生大量高维、异构、多源数据,通过对这些海量大数据的存储和处理形成有效信息可为作物生产系统的数字化提供支撑,是实现作物智慧栽培的前提和基础。
二是人机物互联互通互操作。通过移动互联网、物联网和卫星通信等技术实现人、机械、作物与各级平台之间的互联互通,为大数据驱动模式和信息、农艺、农机的有机融合提供基础设施,有效支撑作物生产系统中人、机、物的信息流动和协同作业。
三是决策定量化。综合利用系统模拟决策技术、大数据与人工智能技术和数量经济模型技术,将物联网实时监测数据、未来情景预测数据与历史数据相结合,精确量化作物产量、品质和经济效益对种肥水药的实际需求和潜在响应,进而生成适宜的栽培方案和调控措施。
四是控制智能化。环境控制系统和作业机械装备是决策的执行者,借助智能控制系统有助于完成对环境控制系统、智能装备与机器人的规划、协调和调度,进而实现对作物生产系统的精准管控。
五是投入精准化。利用装备端智能感知技术、水肥药量适宜优化算法、智能学习和知识推理技术,能够准确、及时、高效监测并计算出作物对水分和养分的需求量,并根据处方图实现水肥药精准对靶变量施用,显著提升种肥水药利用率,降低投入和环境污染。
六是服务个性化。面向高产、优质、高效、安全、生态多元化目标或特定的生产目标,可因地制宜地生成播前栽培和产中调控方案,利用云平台为作物生产主体提供个性化的普惠服务。
七是产业融合化。利用人机物互联和云平台一方面可打通消费端和生产端,实现按需生产、优化资源,促进农民增收,降低农产品供需错配风险,另一方面能与科普教育、休闲旅游等融合,扩展作物产业链、优化价值链,通过产业振兴有力支撑乡村振兴。

3 作物智慧栽培学的概念及其主要研究内容

3.1 作物智慧栽培学的概念

作物智慧栽培学是指综合运用物联网、大数据、云计算和人工智能等新一代信息技术和智能农机装备,研究作物生产系统各要素和全过程的可信联接、全面感知、系统认知、智慧管控、精准作业和增值赋能的一门交叉学科。它基于作物表型组-环境-管理措施-农机装备工况等大数据,通过系统模拟和大数据计算,定量揭示作物-环境-管理和农机作业之间的关系,实现信息-农艺-农机的深度融合,构建绿色智慧生态栽培模式,为作物科学研究数字化转型、无人化生产作业和产业融合发展等提供理论和技术支撑,促进作物生产的可持续和高质量发展。

3.2 作物智慧栽培学的主要研究内容和关键技术

作物生产系统是一项由作物、环境、栽培管理措施和农机装备等组成并相互作用的复杂系统,智慧栽培通过对该系统内各要素的数字化和在线化,实现对栽培对象的精确化管理和生产过程的智能化决策,未来作物智慧栽培学的发展亟需围绕可信联接、全面感知、系统认知和智慧管控开展基础理论研究和关键技术突破。
(1)作物生产系统人-机-物可信联接理论技术。作物生产系统各个要素千变万化,生产者和机械装备要根据作物生产系统中的环境、作物和土壤实时状况精准高效地开展相应的作业,首先需要实现人、机、物的有效联接和实时交互,而这种交互就是利用信息通信技术实现。可信联接环节主要利用以太网为代表的有线传输技术和以RFID、LoRa、WiFi、3/4/5G等为代表的无线传输技术,通过移动终端、传感器通讯节点和农机监测终端实现人、机、物的互联互通,确保环境、土壤、作物、农机装备大数据的安全、稳定、快速传输。
(2)作物生产系统全要素信息感知理论技术。作物生产系统包括作物、土壤和大气三大模块,全面、准确、密切地掌握作物生产系统的生产状况是智慧栽培的基础,高通量、立体化、精细化程度的不足制约了智慧栽培的发展。信息感知环节主要开展信息感知技术创新,具体借助环境传感、无损成像、光谱分析、机器人技术、机器视觉和激光雷达等信息感知设备及人工智能算法,进行作物表型性状(作物表型组大数据)、土壤大气状况(环境大数据)和人机作业信息(工况大数据)的获取和解析,进而实现作物生产系统中各要素的互联互通。
(3)作物生产系统认知理论技术。对作物生产系统的认知包含了对作物长势、土壤水肥丰缺和环境适宜度等状况的研判,基于作物表型组-环境-农机工况大数据的数据密集型知识发现为系统、定量、可靠地认知作物生产系统提供了一种新的研究范式。通过信息感知技术获得的数据需要转化为具有生物学和农学意义的指标才能充分创造价值,这就需要探究海量多源异构数据与作物生产系统各要素生理生化状况之间的响应机理和关系模型,进而为作物生产系统状况的智能解析提供理论基础和技术方法。依靠单一表型性状和环境信息在某一时刻、甚至某一阶段的连续变化难以预判出产量、品质和资源利用效率等复杂性状的优劣,作物生产系统模拟决策技术为评估单一性状对复杂性状的贡献提供了可靠的研究手段。
(4)作物生产全程智慧管控理论技术。根据作物生产系统的实际运行状况和对光温水肥药的需求,通过比较未来多种情境下作物生长发育状况,按照个性化目标生成动态、精确的调控方案,并通过云平台发送至终端,由栽培管理人员或智能农机装备予以实施,确保作物处于适宜的生长环境。基于基因型-表型-环境型大数据明确作物全生育期光、温、水、肥、药的总需求及其时空分布规律是实现智慧管控的理论基础,作物生产系统全过程的人机物互联互通是条件保障,借助作物数字孪生系统实现对农机装备的智能控制是技术手段。

3.3 作物智慧栽培学科体系

作物智慧栽培学以高产、优质、高效、生态、安全为生产目标,以生命科学、地球科学、信息科学和管理科学等多学科为基础,以有效联接、信息感知、系统认知和智慧管控作为四大关键支撑技术,以智能装备为执行终端,旨在提升作物生产智能化水平(图4)。根据国家自然科学基金委的学科目录,作物智慧栽培学涉及到以下4个学科方面的知识。
图4 作物智慧栽培学科理论体系

Full size|PPT slide

(1)生命科学。育种技术的不断突破促进作物栽培学转型升级。大数据驱动下的农学基础与作物学和耕作学的重大科学知识发现有助于从组学高度系统、全面地揭示品种的生物学、生理生态学和农学特性,为播前栽培方案的数字化设计[40]、表型性状的智能解析[41]、作物生长状况精确诊断和动态调控[42]等关键技术提供理论支撑,是智慧栽培学发展的底层驱动力。
(2)地球科学。集约化农业生产已成为未来农业的发展方向,作物生产过程对作物长势、病虫害、水肥状况等空间信息的快速、及时、无损、动态获取技术的需求非常迫切。遥感科学在作物生产过程中的应用主要包括农田辐射传输机理及作物参量遥感反演、作物遥感分类与识别、农田养分遥感与变量施肥决策、作物产量与品质预测、农情遥感监测与预报和农业遥感监测空间决策支持系统[43]。气象信息感知是作物生产系统信息感知的重要一环,品种环境适应性评价及筛选、栽培方案设计、水肥药精准调控等环节的决策都离不开农业气象学理论做支撑[44]
(3)信息科学。信息科学与生命科学的快速融合,催生了系统生物学、计算生物学、合成生物学等一批新兴前沿交叉学科,作物智慧栽培学在这一时代背景下应运而生。信息科学的理论和技术贯穿并且支撑了整个作物智慧栽培的发展,主要体现在以下方面:物联网技术为作物智慧栽培提供以通信理论为基础的信息传输技术和以传感-遥感理论为基础的信息感知技术,确保作物生长状态、土壤大气状况和人机作业信息的连续采集和实时传输[45];大数据和人工智能技术成为处理、存储和分析作物生产系统产生的海量多源异构大数据的重要手段,确保对作物生产系统的精确诊断和动态调控及农机装备的智能作业[46];智能装备是作物智慧栽培决策的执行终端,结合新一代信息技术,智能装备将逐渐为作物生产系统的立体化监测、智能化管控和精准化作业提供平台支撑[47]
(4)管理科学。作物智慧栽培涉及到作物生产系统的经济与生态效益评估及基于特定目标的决策优化,因此作物智慧栽培学需要借助管理科学理论与技术,将作物数字孪生系统与社会经济大数据、经济学模型相结合为农户提供经济效益分析[48]、为农产品贸易和期货交易提供粮食供需状况分析[49]、为政府提供作物布局和灾害预警分析[50]

4 作物智慧栽培学发展趋势、面临挑战及对策建议

4.1 发展趋势

新一代信息技术与传统行业和快速融合正在引发新一轮的行业变革和学科改革,催生出一批产业新模态和交叉新学科。随着第四次科技革命的发展演进,人类面临的科学问题日趋复杂,其复杂程度超过了实验科学、理论科学和计算科学等传统研究范式或者单一学科所能处理的范围,传统研究范式和单一学科视角的局限性越发突出。为适应中国现代农业发展需求和“新农科”建设要求,以华中农业大学、西北农林科技大学、东北农业大学等高校为代表的农林类高等院校打破传统学科壁垒,强化信息科学、工程科学和农业科学等多学科交叉融合,于2020年起纷纷设立智慧农业专业,而智慧栽培学正是智慧农业专业下的重要分支。学科发展呈现交叉融合的趋势,学科体系从高度精细化向综合化和整体化发展。传统的作物栽培学在农业产业化、规模化、智能化的发展背景下逐步演进为作物智慧栽培学。

4.2 面临挑战

近年来,高校农学专业毕业生“就业难”的问题仍然存在。在生物育种、智能农机装备和智慧农业等中国农业战略必争的重点领域,稀缺的复合型人才供给无法满足用人单位不断增加的岗位需求,而用人单位岗位需求与高校毕业生能力和期望之间又存在结构性错配,导致这些新兴业态人才缺口巨大。农林高校的智慧栽培学面临的主要挑战如下。
(1)专业划分过细过窄,新兴交叉学科较少。高等院校农科教育主要以院系为主体,专业划分过细,专业口径过窄,而且专业间存在明显的边界,单一的专业学科知识体系已无法满足国家产业升级、产业结构调整和高质量发展的要求,目前高校的新兴交叉学科和研究院虽然取得一定进展,但规模仍然较小,成效并不显著。
(2)专业设置和学科教育与产业需求脱节。目前高等院校的本科专业设置以2012年教育部发布的《普通高等学校本科专业设置管理规定》为主要参考依据,而新兴学科智慧栽培学涉及农学、气象、土壤、计算机等多个专业,单一的专业和课程设置存在明显的局限性,难以满足智慧栽培学的建设需求。
(3)产学研密切协作机制不完善。智慧栽培学的本质是以生产为导向的实践学科,这就需要扎根土地,身处作物生产一线,了解作物生产中迫切需要解决的问题。缺乏产学研协同创新的体制机制可能会产生市场需求信息传导不畅,造成生产技术需求与科研成果供给之间的错配,从而限制了作物栽培科研成果的转化。
(4)人才队伍建设不足。近年来,智慧农业的蓬勃发展催生了智慧栽培学等一批“新农科”,然而优秀的计算机和数学专业的人才在产业界的竞争下逐步流向智慧农业企业或其他非农领域,导致智慧栽培学科人才队伍建设存在总量不足、结构不合理的问题。

4.3 对策建议

(1)合理确定专业口径,务实推进交叉学科建设。打破农学大类下各细分专业的边界,积极融合信息科学和遥感科学等学科,在智慧农业专业下设立智慧栽培学方向,在智慧农业交叉研究院下设置智慧栽培学创新团队或研究小组,培养符合产业要求的复合型农业人才。
(2)根据市场需求调整教育教学体系。把市场和企业置于教育教学之前,以社会需求为靶,反向调整教育教学体系,为各专业构建起包含基础能力、专业核心能力和拓展能力的培养路线图,为产学研有机衔接和深度融合提供保障。
(3)建立以产业—教育—学术专家为纽带的“产学研”模式。建立以企业的产业资源、学校的教育资源与科研机构的学术资源为平台,以“干中学”为主线的产学研合作教育模式,构建生产实习模式、理论学习模式、实验教学模式和科研创新模式为一体的培养体系,建立“资源共享、优势互补”的产学研协同创新机制。
(4)加强智慧栽培学人才队伍建设。智慧栽培学是一个协同研究、多学科交叉合作的新兴学科,需要加强人才队伍建设和完善体制机制保障。引进产业界和学术界的高端人才的同时充分调动原有人才的积极性,建立客观的指标评价体系,鼓励智慧栽培学成果转化和产业化,形成具有突破性和吸引力的政策,促进智慧栽培学人才队伍良性发展。

参考文献

[1]
PALMISANO S J. A smarter planet: the next leadership agenda[EB/OL]. https://www.ibm.com/ibm/cioleadershipexchange/us/en/pdfs/SJP_Smarter_Planet.pdf. 2008-11-12/2021-10-11.
[2]
王静远, 李超, 熊璋, 等. 以数据为中心的智慧城市研究综述[J]. 计算机研究与发展, 2014, 51(2):239-259.
[3]
倪明选, 张黔, 谭浩宇, 等. 智慧医疗——从物联网到云计算[J]. 中国科学:信息科学, 2013, 43(4):515-528.
[4]
赵春江. 智慧农业发展现状及战略目标研究[J]. 智慧农业, 2019, 1(1):1-7.
[5]
陈阜, 赵明. 作物栽培与耕作学科发展[J]. 农学学报, 2018, 8(1):59-63.
[6]
曹卫星. 作物智能栽培学:信息科学与作物栽培学的结合[J]. 科技导报, 2000(1):37-40,31.
[7]
刘旭. 中国作物栽培历史的阶段划分和传统农业形成与发展[J]. 中国农史, 2012, 31(2):3-16.
[8]
中国科学技术协会, 中国作物学会. 作物学学科发展报告(2011—2012)[M]. 北京: 中国科学技术出版社,2011.
[9]
于振文. 新世纪作物栽培学与作物生产的关系[J]. 作物杂志, 2003, 1:11-12.
[10]
谢建华, 张洪程. 作物栽培改革发展30年回顾与展望[C]. 作物栽培学发展学术研讨会.中国作物学会, 2010.
[11]
邓建平, 葛自强, 顾万荣. 中国作物栽培科学发展的回顾与展望[J]. 中国农学通报, 2005(12):179-183.
[12]
高亮之, HANNAWAY DB. 苜蓿生产的农业气候计算机模拟模式—ALFAMOD[J]. 江苏农业学报, 1985, 1(2):1-11.
[13]
赵春江, 诸德辉, 李鸿祥, 等. 小麦栽培管理计算机专家系统的研究与应用[J]. 中国农业科学, 1997, 30(5):42-49.
[14]
徐宗本. 数字化网络化智能化把握新一代信息技术的聚焦点[J]. 网信军民融合, 2019, 3:25-27.
[15]
潘云鹤. 人类世界正由两元空间变成三元空间[N]. 中国信息化周报,2019-11-11(7).
[16]
苏敏, 周乐, 张金宇, 等. 信息物理融合系统应用前景研究[J]. 中国新通信, 2016, 18(21):48.
[17]
李洪阳, 魏慕恒, 黄洁, 等. 信息物理系统技术综述[J]. 自动化学报, 2019, 45(1):37-50.
[18]
罗俊海, 肖志辉, 仲昌平. 信息物理系统的发展趋势分析[J]. 电信科学, 2012, 2:127-132.
[19]
陶飞, 刘蔚然, 刘检华, 等. 数字孪生及其应用探索[J]. 计算机集成制造系统, 2018, 24(1):1-18.
[20]
PYLIANIDIS C, OSINGA S, ATHANASIADIS I N. Introducing digital twins to agriculture[J]. Computers and electronics in agriculture, 2021, 184:105942.
[21]
LOUWERENS T. Tomato greenhouse gets digital twin[J]. Resources, 2019, 14:12-15.
[22]
顾生浩, 卢宪菊, 王勇健, 等. 数字孪生系统在农业生产中的应用探讨[J]. 中国农业科技导报, 2021, 23(10):82-89.
[23]
VERDOUW C, TEKINERDOGAN B, BEULENS A, et al. Digital twins in smart farming[J]. Agricultural systems, 2021, 189:103046.
[24]
HEY T, TANSLEY S, TOLLE K. The fourth paradigm:data-intensive scientific discovery[M]. Redmond,Washington: microsoft research, 2009.
[25]
顾峥, 高阳. 第四范式视角下的大数据科学[J]. 南京信息工程大学学报(自然科学版), 2019, 11(3):251-255.
[26]
殷新佑. 对预测作物发育的积温法的评价[J]. 作物学报, 1999, 25(4):474-482.
[27]
BIRCH C J, VOS J, KINIRY J, et al. Phyllochron responds to acclimation to temperature and irradiance in maize[J]. Field crops research, 1998, 59(3):187-200.
[28]
VOS J, PUTTEN P E L, BIRCH C J. Effect of nitrogen supply on leaf appearance,leaf growth,leaf nitrogen economy and photosynthetic capacity in maize (Zea mays L.)[J]. Field crops research, 2005, 93(1):64-73.
[29]
SINCLAIR T R, MURPHY C E, KNOERR K R. Development and evaluation of simplified models for simulating canopy photosynthesis and transpiration[J]. Journal of applied ecology, 1976, 13(3):813-829.
[30]
Drake B G, GonzalezMeler M A, LONG S P. More efficient plants:A consequence of rising atmospheric CO2?[J]. Annual review of plant physiology and plant molecular biology, 1997, 48:609-639.
The primary effect of the response of plants to rising atmospheric CO2 (Ca) is to increase resource use efficiency. Elevated Ca reduces stomatal conductance and transpiration and improves water use efficiency, and at the same time it stimulates higher rates of photosynthesis and increases light-use efficiency. Acclimation of photosynthesis during long-term exposure to elevated Ca reduces key enzymes of the photosynthetic carbon reduction cycle, and this increases nutrient use efficiency. Improved soil-water balance, increased carbon uptake in the shade, greater carbon to nitrogen ratio, and reduced nutrient quality for insect and animal grazers are all possibilities that have been observed in field studies of the effects of elevated Ca. These effects have major consequences for agriculture and native ecosystems in a world of rising atmospheric Ca and climate change.
[31]
CONSTABLE G, RAWSON H. Effect of leaf position, expansion and age on photosynthesis, transpiration and water use efficiency of cotton[J]. Functional plant biology, 1980, 7(1):89-100.
[32]
张宾, 赵明, 董志强, 等. 作物产量“三合结构”定量表达及高产分析[J]. 作物学报, 2007, 33(10):1674-1681.
[33]
凌启鸿, 苏祖芳, 张洪程, 等. 水稻品种不同生育类型的叶龄模式[J]. 中国农业科学, 1983(1):9-18.
[34]
Sinclair T R, Horie T. Leaf nitrogen, photosynthesis, and crop radiation use efficiency:a review[J]. Crop science, 1989, 29(1):90-98.
[35]
王向峰, 才卓. 中国种业科技创新的智能时代——“玉米育种4.0”[J]. 玉米科学, 2019, 27(1):1-9.
[36]
张颖, 廖生进, 王璟璐, 等. 信息技术与智能装备助力智能设计育种[J]. 吉林农业大学学报, 2021, 43(2):119-129.
[37]
新华社. 中共中央国务院印发《乡村振兴战略规划(2018-2022年)》[EB/OL]. http://www.xinhuanet.com/2018-09/26/c_1123487123.htm. 2018-09-26/2021-12-05.
[38]
新华社. 中共中央办公厅国务院办公厅印发《数字乡村发展战略纲要》[EB/OL]. http://www.xinhuanet.com/politics/2019-05/16/c_1124504231.htm. 2019-05-16/2021-12-05.
[39]
新华社. 国务院印发《新一代人工智能发展规划》[EB/OL]. http://www.xinhuanet.com/2017-07/20/c_1121353544.htm. 2017-07-20/2021-12-05.
[40]
朱艳, 汤亮, 刘蕾蕾, 等. 作物生长模型(CropGrow)研究进展[J]. 中国农业科学, 2020, 53(16):3235-3256.
[41]
ZHAO C, ZHANG Y, DU J, et al. Crop phenomics:Current status and perspectives[J]. Frontiers in plant science, 2019, 10(714).
[42]
曹卫星, 朱艳, 田永超, 等. 作物精确栽培技术的构建与实现[J]. 中国农业科学, 2011, 44(19):3955-3969.
[43]
赵春江. 农业遥感研究与应用进展[J]. 农业机械学报, 2014, 45(12):277-293.
[44]
梅旭荣. 农业气象学发展现状及展望[J]. 农学学报, 2018, 8(1):61-66.
[45]
葛文杰, 赵春江. 农业物联网研究与应用现状及发展对策研究[J]. 农业机械学报, 2014, 45(7):222-230,277.
[46]
孙忠富, 杜克明, 郑飞翔, 等. 大数据在智慧农业中研究与应用展望[J]. 中国农业科技导报, 2013, 15(6):63-71.
[47]
陈学庚, 温浩军, 张伟荣, 等. 农业机械与信息技术融合发展现状与方向[J]. 智慧农业(中英文), 2021, 2(4):1-16.
[48]
HEMMING S, DE ZWART F, ELINGS A, et al. Remote control of greenhouse vegetable production with artificial intelligence—greenhouse climate, irrigation, and crop production[J]. Sensors, 2019, 19(8):1807.
[49]
SCHMITZ C, BIEWALD A, LOTZE-CAMPEN H, et al. Trading more food: Implications for land use, greenhouse gas emissions, and the food system[J]. Global environmental change-human and policy dimensions, 2012, 22(1):189-209.
[50]
YANG X, CHEN F, LIN X, et al. Potential benefits of climate change for crop productivity in China[J]. Agricultural and forest meteorology, 2015, 208:76-84.
致谢

感谢中国农业大学王志敏教授对本文给予的建议和指导!

基金

国家自然科学基金项目(32001420)
国家自然科学基金项目(31871519)
财政部和农业农村部国家现代农业产业技术体系资助(CARS-02-37)
财政部和农业农村部国家现代农业产业技术体系资助(CARS-54)
PDF(1550 KB)

文章所在专题

园艺

96

Accesses

0

Citation

Detail

段落导航
相关文章

/