中國網(wǎng)/中國發(fā)展門戶網(wǎng)訊 黑土地作為大自然饋贈(zèng)給人類的天然寶藏，是最適合作物生長(zhǎng)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(dú)厚的優(yōu)勢(shì)；然而，土壤結(jié)構(gòu)一旦遭到破壞其不可逆轉(zhuǎn)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(jié)構(gòu)不被破壞，是困擾全球科學(xué)家的難題；平衡黑土地“用好”和“養(yǎng)好”之間的關(guān)系是黑土地保護(hù)的關(guān)鍵。
從全球黑土地四大分布區(qū)域的發(fā)展歷史來看，都經(jīng)歷了開發(fā)、利用、破壞和保護(hù)?4?個(gè)過程。從黑土地的保護(hù)措施所積累的有效性經(jīng)驗(yàn)來看：美國利用先進(jìn)的農(nóng)機(jī)具走上了實(shí)現(xiàn)保護(hù)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(jí)農(nóng)業(yè)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(shí)現(xiàn)黑土地的保護(hù)；阿根廷是目前全球黑土地保護(hù)性耕作的實(shí)踐者，在機(jī)械化的基礎(chǔ)上，全面實(shí)現(xiàn)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(jīng)驗(yàn)來看，結(jié)合全球糧食安全的大背景，我國的黑土地保護(hù)必須立足“用好”?！坝煤谩背艘匾曂寥馈⑽⑸锏然A(chǔ)機(jī)理的研究外，還需要利用專用農(nóng)業(yè)機(jī)械裝備及信息化手段進(jìn)行保護(hù)性耕作，即：在利用專用智能化農(nóng)業(yè)機(jī)械裝備基礎(chǔ)上，通過信息化和智能化手段，科學(xué)評(píng)價(jià)保護(hù)性耕作的效果，并給出科學(xué)的作業(yè)指導(dǎo)與建議。農(nóng)業(yè)信息技術(shù)先后經(jīng)歷了從農(nóng)業(yè)專家系統(tǒng)，到農(nóng)業(yè)數(shù)字化、農(nóng)業(yè)信息化，再到基于大數(shù)據(jù)的農(nóng)業(yè)智能化的多階段發(fā)展與技術(shù)積累，信息技術(shù)已經(jīng)成為推動(dòng)農(nóng)業(yè)生產(chǎn)力發(fā)展的核心驅(qū)動(dòng)力，從而為黑土地保護(hù)性應(yīng)用提供科學(xué)的決策依據(jù)打下了技術(shù)基礎(chǔ)。
黑土地保護(hù)急需體系化信息系統(tǒng)的支撐
在農(nóng)業(yè)信息技術(shù)領(lǐng)域，我國早在?20?世紀(jì)?80?年代就已借鑒了數(shù)字化技術(shù)在工業(yè)生產(chǎn)中的應(yīng)用經(jīng)驗(yàn)，開始發(fā)展農(nóng)業(yè)信息管理系統(tǒng)（MIS），在農(nóng)業(yè)生產(chǎn)的物資管理等方面起到了作用。20?世紀(jì)?90?年代初，農(nóng)業(yè)專家系統(tǒng)進(jìn)一步借助計(jì)算機(jī)技術(shù)的發(fā)展，為農(nóng)業(yè)生產(chǎn)提供信息化的指導(dǎo)，并推廣和普及了更多的先進(jìn)農(nóng)業(yè)科技。21?世紀(jì)初，在互聯(lián)網(wǎng)浪潮的推動(dòng)下，“互聯(lián)網(wǎng)+農(nóng)業(yè)”的概念風(fēng)起云涌，多樣化的物聯(lián)網(wǎng)（IoT）種類、豐富的移動(dòng)終端應(yīng)用提升了農(nóng)業(yè)各個(gè)生產(chǎn)環(huán)節(jié)的數(shù)字化水平。近年來，隨著物聯(lián)網(wǎng)的廣泛應(yīng)用，以及大數(shù)據(jù)技術(shù)的興起，依靠大數(shù)據(jù)的人工智能技術(shù)開始快速滲透到農(nóng)業(yè)領(lǐng)域，并對(duì)農(nóng)業(yè)科技的發(fā)展起到了巨大的推動(dòng)作用。
但是，我國農(nóng)業(yè)信息技術(shù)總體上仍然較為落后，難以滿足黑土地保護(hù)性作業(yè)的需求，具體表現(xiàn)在?3?個(gè)方面。
缺乏完善的數(shù)據(jù)采集體系，黑土地家底不清。國內(nèi)并不缺少針對(duì)土壤信息數(shù)據(jù)采集技術(shù)的研發(fā)，無論是傳感器技術(shù)還是衛(wèi)星遙感技術(shù)，都投入了大量的研發(fā)力量；但不同數(shù)據(jù)采集手段之間無法形成體系，難以全面反應(yīng)黑土地的資源情況。以高分系列遙感衛(wèi)星為例，由于缺乏其他數(shù)據(jù)樣本的驗(yàn)證，目前其遙感數(shù)據(jù)無法全面、準(zhǔn)確地反應(yīng)黑土地有機(jī)質(zhì)的演變情況。
缺少基礎(chǔ)模型與算法，難以支撐黑土地的作業(yè)決策?？茖W(xué)作業(yè)決策的核心是模型與算法，但我國在農(nóng)業(yè)算法與模型領(lǐng)域嚴(yán)重落后。美國的農(nóng)業(yè)技術(shù)轉(zhuǎn)移決策支持系統(tǒng)（DSSAT）模型擁有超過?30?年的研發(fā)歷史，已成為世界農(nóng)學(xué)研究中模擬實(shí)驗(yàn)的主要模型之一，而我國的農(nóng)學(xué)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(chǔ)，并不適用于我國——只能應(yīng)用于研究模擬，無法應(yīng)用于實(shí)際生產(chǎn)過程。缺乏自主的模型與算法是導(dǎo)致我國黑土地的演變機(jī)理不清、無法進(jìn)行科學(xué)決策作業(yè)的核心原因之一。
農(nóng)機(jī)智能化水平低，黑土地保護(hù)性作業(yè)過程無機(jī)可用。以免耕播種為例，免耕播種是保護(hù)性耕作中最常見也是最關(guān)鍵的技術(shù)之一。但是，目前免耕播種機(jī)使用過程中存在機(jī)具調(diào)整技術(shù)難度大、全量秸稈覆蓋還田情況下通過性能較差、播種質(zhì)量及作業(yè)速度不高等問題，這都需要采用智能化、自動(dòng)化最新技術(shù)來升級(jí)完善。
要解決上述問題，必須以系統(tǒng)化的思維，采用自頂向下的設(shè)計(jì)模式，構(gòu)建成體系的信息系統(tǒng)，以滿足黑土地保護(hù)的信息化需求。實(shí)際上，農(nóng)業(yè)生產(chǎn)過程的數(shù)據(jù)流向是一個(gè)“數(shù)據(jù)采集、狀態(tài)判斷、作業(yè)決策與作業(yè)執(zhí)行”的過程，與軍事作戰(zhàn)領(lǐng)域中的?OODA（觀察—判斷—決策—執(zhí)行）理論非常相似?；诖?，中國科學(xué)院計(jì)算技術(shù)研究所提出了基于智能?OODA?環(huán)打通數(shù)據(jù)流的農(nóng)業(yè)模擬器思路，并在黑土地保護(hù)專項(xiàng)中進(jìn)行了先期實(shí)踐。
農(nóng)業(yè)生產(chǎn)的智能?OODA?環(huán)
OODA?理論最早提出于軍事領(lǐng)域，是由美國軍事戰(zhàn)略家約翰?·?博伊德（John Boyd）開發(fā)的一種工具——用于解釋個(gè)人和組織如何在不確定和混亂的環(huán)境中獲勝[6]。OODA?循環(huán)模型是“觀察”（observe）、“判斷”（orient）、“決策”（decide）、“執(zhí)行”（act）循環(huán)的縮寫，最初被稱為“Boyd?循環(huán)”。OODA?循環(huán)模型在戰(zhàn)術(shù)方面是對(duì)“空對(duì)空”交戰(zhàn)的描述，是根據(jù)參戰(zhàn)對(duì)象自己的戰(zhàn)略環(huán)境在不斷進(jìn)化中調(diào)整戰(zhàn)略的手段——它是一個(gè)有機(jī)的模型，而不是一個(gè)機(jī)械的模型。
在大多系統(tǒng)動(dòng)態(tài)運(yùn)作的應(yīng)用場(chǎng)景中，執(zhí)行器與傳感器協(xié)同和所處環(huán)境進(jìn)行信息交互，其動(dòng)態(tài)交互過程符合?OODA?循環(huán)模型：應(yīng)用系統(tǒng)通過傳感器對(duì)目標(biāo)對(duì)象進(jìn)行“觀察”，采集相關(guān)信息；根據(jù)應(yīng)用需求，對(duì)后續(xù)決策處理的目標(biāo)和原則進(jìn)行“判斷”，同時(shí)準(zhǔn)備決策所需數(shù)據(jù)集，對(duì)采集的數(shù)據(jù)進(jìn)行預(yù)處理，并進(jìn)行初步分析；按照應(yīng)用決策處理的目標(biāo)和原則對(duì)數(shù)據(jù)綜合分析及“決策”，并提出優(yōu)化控制策略；執(zhí)行器（也稱為反應(yīng)器）與物理系統(tǒng)或環(huán)境進(jìn)行交互，接收信號(hào)并將信號(hào)轉(zhuǎn)化為一種物理行為，最終通過“執(zhí)行”優(yōu)化控制策略、改變目標(biāo)對(duì)象相關(guān)狀態(tài)，從而改變系統(tǒng)狀態(tài)。在系統(tǒng)狀態(tài)改變后，利用反饋機(jī)制，系統(tǒng)通過傳感器觀察新狀態(tài)下的相關(guān)參數(shù)，并不斷重復(fù)?OODA?的動(dòng)態(tài)循環(huán)過程（圖?1）。
基于智能?OODA?環(huán)的新型農(nóng)業(yè)生產(chǎn)方式，同樣可分為多維感知、融合處理、智能決策和協(xié)同執(zhí)行?4?個(gè)部分，并引入智能技術(shù)提高這?4?個(gè)階段的數(shù)據(jù)采集與決策精度；在智慧農(nóng)業(yè)技術(shù)體系標(biāo)準(zhǔn)和規(guī)范的指導(dǎo)下，將信息作為農(nóng)業(yè)生產(chǎn)要素，用現(xiàn)代信息技術(shù)對(duì)農(nóng)業(yè)對(duì)象、環(huán)境和耕作全過程進(jìn)行可視化表達(dá)、數(shù)字化設(shè)計(jì)、信息化管理。具體步驟為：對(duì)土壤、氣象、水文、作物“四情”（墑情、苗情、蟲情、災(zāi)情），以及農(nóng)機(jī)乃至市場(chǎng)等信息進(jìn)行實(shí)時(shí)全面的觀察和收集；對(duì)所有采集數(shù)據(jù)進(jìn)行統(tǒng)一的數(shù)據(jù)處理和分析，并對(duì)應(yīng)不同的農(nóng)業(yè)模型與算法得到具體的作業(yè)命令；通過智能農(nóng)機(jī)和自動(dòng)化裝置實(shí)現(xiàn)精準(zhǔn)、高效的作業(yè)，同時(shí)實(shí)時(shí)監(jiān)測(cè)信息處理、決策和執(zhí)行過程中整個(gè)系統(tǒng)的變化，并不斷修正模型達(dá)到最優(yōu)化的效果。
農(nóng)業(yè)模擬器的功能與架構(gòu)
相較于大氣物理和新型材料等重大戰(zhàn)略領(lǐng)域科學(xué)，傳統(tǒng)農(nóng)業(yè)科學(xué)的發(fā)展較多依賴經(jīng)驗(yàn)和簡(jiǎn)單統(tǒng)計(jì)的建模，而與計(jì)算建模的結(jié)合相對(duì)較弱，直接制約了農(nóng)業(yè)科學(xué)現(xiàn)代化的發(fā)展。尤其是在智能化時(shí)代，農(nóng)業(yè)領(lǐng)域數(shù)據(jù)積累不足，計(jì)算建模方法缺乏，使得知識(shí)挖掘不充分。因此，智能農(nóng)業(yè)要解決的首要問題是農(nóng)業(yè)科學(xué)的計(jì)算建模。鑒于其他學(xué)科的經(jīng)驗(yàn)，發(fā)展可計(jì)算的模型和模擬系統(tǒng)是行之有效的技術(shù)途徑。然而，不同于物理學(xué)、化學(xué)等領(lǐng)域較為單純的科學(xué)發(fā)現(xiàn)活動(dòng)，農(nóng)業(yè)是一個(gè)與生產(chǎn)過程緊密聯(lián)系的科研實(shí)踐活動(dòng)。因此，亟待構(gòu)建基于新建模范式的農(nóng)業(yè)模擬器系統(tǒng)，實(shí)現(xiàn)人工模擬系統(tǒng)和真實(shí)生產(chǎn)系統(tǒng)的在線迭代平臺(tái)。
第五范式建模
人類從事科學(xué)研究的范式一直在隨著技術(shù)的進(jìn)步而演變。到目前為止，現(xiàn)代科學(xué)活動(dòng)中存在?4?種研究范式：第一范式是實(shí)驗(yàn)觀察，發(fā)現(xiàn)客觀存在的自然現(xiàn)象，如可以從實(shí)驗(yàn)得到的晶體結(jié)構(gòu)；第二范式是理論研究，通過理論推導(dǎo)歸納出一般性的規(guī)律，形成對(duì)客觀世界認(rèn)識(shí)探索的理論體系，如第一性原理、牛頓力學(xué)的提出；第三范式是數(shù)值模擬，這是近現(xiàn)代科學(xué)研究借助強(qiáng)大的計(jì)算工具形成的方法，如在高性能計(jì)算機(jī)系統(tǒng)上運(yùn)用第一性原理計(jì)算產(chǎn)生高精度的各種構(gòu)型數(shù)據(jù)；第四范式是大數(shù)據(jù)分析，通過積累的大量已知數(shù)據(jù)，然后通過計(jì)算得出相關(guān)關(guān)系。
上述?4?種科研范式中，實(shí)驗(yàn)研究和理論分析在實(shí)踐活動(dòng)中分離，沒有涉及生產(chǎn)過程迭代建模。第五范式是把理論研究和實(shí)驗(yàn)科學(xué)通過“數(shù)值+數(shù)據(jù)+智能”技術(shù)耦合成一個(gè)在線迭代的有機(jī)整體，形成“理論+實(shí)驗(yàn)”科學(xué)活動(dòng)的“自動(dòng)駕駛系統(tǒng)”。智能農(nóng)業(yè)模擬器與傳統(tǒng)農(nóng)業(yè)信息系統(tǒng)及?DSSAT、WOFOST?等第四范式的典型農(nóng)學(xué)模擬系統(tǒng)不同，具體體現(xiàn)在?2?個(gè)方面。
模型研制方面。WOFOST?模型是在歐洲生產(chǎn)模型基礎(chǔ)上研制而來，著重強(qiáng)調(diào)其在定量評(píng)價(jià)土地生產(chǎn)力、區(qū)域產(chǎn)量預(yù)報(bào)、風(fēng)險(xiǎn)分析和年際間產(chǎn)量變化及氣候變化影響量化等研究中的應(yīng)用。DSSAT?模型則是在借鑒歐洲模型的基礎(chǔ)上，結(jié)合美國農(nóng)業(yè)特點(diǎn)所研制的模型。該模型匯總了各種作物生長(zhǎng)模型和標(biāo)準(zhǔn)化模型的輸入、輸出變量格式，方便模型的普及和應(yīng)用。上述?2?種模型都屬于國外農(nóng)業(yè)模型并得到廣泛應(yīng)用。到目前為止，我國開展的作物模型研究仍以引進(jìn)并使用國外作物模型為主，或在國外作物模型的基礎(chǔ)上進(jìn)行修改或簡(jiǎn)化，真正自主研發(fā)并得到廣泛使用的作物模型為數(shù)較少。智能農(nóng)業(yè)模擬器則是我國獨(dú)立自主研發(fā)的農(nóng)業(yè)軟件，這使得我國農(nóng)業(yè)生產(chǎn)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(zhì)生成與分配、作物生育進(jìn)程、根系生長(zhǎng)分布、土壤水分狀況。該模型可以針對(duì)?3?種不同的生產(chǎn)過程模擬作物生長(zhǎng)變化過程，即模擬潛在作物生長(zhǎng)、水分限制條件下的作物生長(zhǎng)和養(yǎng)分限制條件下的作物生長(zhǎng)。DSSAT?是一種針對(duì)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(zhǎng)模型，構(gòu)成“作物系統(tǒng)模型”軟件包，然后應(yīng)用公共的土壤水分運(yùn)動(dòng)模型和土壤碳氮模型，能夠模擬不同作物和作業(yè)地的生產(chǎn)過程。然而，上述?2?種模型都存在一些問題：輸出結(jié)果受到輸入數(shù)據(jù)影響。例如，試驗(yàn)區(qū)氣象數(shù)據(jù)、土壤數(shù)據(jù)、作物品種數(shù)據(jù)等對(duì)結(jié)果影響較大；對(duì)歷年來的數(shù)據(jù)收集難度較大，在運(yùn)行時(shí)缺失的數(shù)據(jù)只能按缺省值處理，對(duì)結(jié)果的輸出也會(huì)產(chǎn)生一定的影響。模型應(yīng)用需要根據(jù)實(shí)際情況進(jìn)行調(diào)整，需要對(duì)源代碼進(jìn)行修改。數(shù)據(jù)不夠全面。如，缺少氣象數(shù)據(jù)、光譜數(shù)據(jù)等。模型中缺乏病蟲害等因素的考慮可能導(dǎo)致數(shù)據(jù)不準(zhǔn)確。智能農(nóng)業(yè)模擬器基于更加完備的數(shù)據(jù)采集系統(tǒng)，將輸入與輸出進(jìn)行解耦；然后，通過邊緣計(jì)算對(duì)農(nóng)業(yè)生產(chǎn)實(shí)時(shí)數(shù)據(jù)進(jìn)行處理，結(jié)合科學(xué)的指導(dǎo)意見完成決策反饋，從而指導(dǎo)農(nóng)業(yè)作業(yè)生產(chǎn)。
因此，智能農(nóng)業(yè)模擬器通過人工模擬系統(tǒng)與真實(shí)生產(chǎn)系統(tǒng)的在線迭代，推動(dòng)科學(xué)家的理論研究與生產(chǎn)實(shí)際系統(tǒng)的相互促進(jìn)，以實(shí)現(xiàn)實(shí)驗(yàn)室模型和算法與生產(chǎn)一線的指揮系統(tǒng)“在線連接”，進(jìn)而令農(nóng)業(yè)生產(chǎn)實(shí)現(xiàn)“自動(dòng)化”，最終達(dá)到提高作業(yè)效率與農(nóng)業(yè)產(chǎn)量、降低生產(chǎn)成本的目的。
農(nóng)業(yè)模擬器的體系結(jié)構(gòu)
基于智能?OODA?環(huán)是第五范式建模的有效實(shí)踐途徑之一，農(nóng)業(yè)模擬器應(yīng)包含?4?個(gè)主要階段。
觀察——農(nóng)業(yè)全要素?cái)?shù)據(jù)采集、存儲(chǔ)標(biāo)準(zhǔn)體系。農(nóng)學(xué)基本上是一門以數(shù)據(jù)積累、統(tǒng)計(jì)建模為基礎(chǔ)的學(xué)科，數(shù)據(jù)在其學(xué)科發(fā)展中擁有至關(guān)重要的作用。因此，在農(nóng)業(yè)模擬及農(nóng)業(yè)生產(chǎn)決策必須建立在數(shù)據(jù)的基礎(chǔ)上，在傳統(tǒng)的農(nóng)業(yè)模擬系統(tǒng)（如?DSSAT、WOFOST）應(yīng)用中，其使用的大量基礎(chǔ)模型（如?CERES-Maize、CERES-Wheat?等作物生長(zhǎng)預(yù)測(cè)模型）均是建立在數(shù)據(jù)統(tǒng)計(jì)基礎(chǔ)上。農(nóng)業(yè)模擬器“在線連接”的屬性決定了其必須對(duì)農(nóng)業(yè)生產(chǎn)過程中的數(shù)據(jù)進(jìn)行在線監(jiān)控；而上述模型所采用的基于歷史數(shù)據(jù)作為系統(tǒng)輸入的模式無法滿足農(nóng)業(yè)模擬器的廣域大粒度和實(shí)時(shí)在線模擬需求，這就決定了必須采用各種數(shù)據(jù)采集技術(shù)（如遙感、探地雷達(dá)、傳感器等）對(duì)農(nóng)業(yè)生產(chǎn)過程中的全要素進(jìn)行全面的數(shù)據(jù)采集。同時(shí)，農(nóng)業(yè)模擬器的“廣域”特性也決定了農(nóng)業(yè)數(shù)據(jù)采集過程具備高并發(fā)、高通量特性，而農(nóng)業(yè)生產(chǎn)的重點(diǎn)區(qū)域（如我國黑土地分布的東北地區(qū)）存在大量的公眾服務(wù)網(wǎng)絡(luò)覆蓋不足的問題，也對(duì)數(shù)據(jù)的實(shí)時(shí)采集帶來了挑戰(zhàn)。針對(duì)上述問題，農(nóng)業(yè)模擬器的設(shè)計(jì)必須是完全面向農(nóng)業(yè)生產(chǎn)過程的數(shù)據(jù)采集、存儲(chǔ)與交換體系，以此更好地解決農(nóng)業(yè)模擬數(shù)據(jù)來源的問題。
判斷——構(gòu)建農(nóng)業(yè)全要素狀態(tài)判斷與演變模型。對(duì)農(nóng)業(yè)生產(chǎn)過程中不同要素（如作物健康狀態(tài)、土壤健康狀態(tài)等）作出定性與定量分析，并預(yù)測(cè)其狀態(tài)演變是作業(yè)決策的基礎(chǔ)。農(nóng)學(xué)領(lǐng)域針對(duì)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(xiàn)為數(shù)據(jù)來源受限、以環(huán)境變化均質(zhì)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(biāo)環(huán)境與模型自身構(gòu)建所處的環(huán)境間存在較大偏差時(shí)，要么無法適用，要么需要花費(fèi)大量的時(shí)間重新進(jìn)行校正。因此，對(duì)農(nóng)業(yè)模擬器而言，需要在現(xiàn)有模型的基礎(chǔ)上，通過大數(shù)據(jù)技術(shù)和人工智能技術(shù)，自動(dòng)修正已有模型或構(gòu)建新的模型，以實(shí)現(xiàn)廣域農(nóng)業(yè)生產(chǎn)過程中的實(shí)時(shí)在線判斷。
決策——研究基于農(nóng)業(yè)生產(chǎn)全要素的生產(chǎn)決策方法。農(nóng)業(yè)生產(chǎn)決策是根據(jù)生產(chǎn)要素的狀態(tài)給出對(duì)應(yīng)的作業(yè)決策。例如，決定種子、農(nóng)藥、化肥的使用量，決定追肥時(shí)機(jī)，決定灌溉時(shí)機(jī)與用水量等。對(duì)此，農(nóng)業(yè)模擬器需要解決的核心問題包括?2?個(gè)方面：農(nóng)藝知識(shí)體系的數(shù)字化，即利用現(xiàn)有的農(nóng)藝知識(shí)體系構(gòu)建農(nóng)業(yè)生產(chǎn)決策的基礎(chǔ)算法與模型；結(jié)合生產(chǎn)過程，實(shí)現(xiàn)對(duì)算法與模型的修正，構(gòu)建完整“數(shù)據(jù)—模型”的閉環(huán)模型，以實(shí)現(xiàn)決策算法與模型的自進(jìn)化。解決上述問題的技術(shù)路徑，需要利用知識(shí)圖譜、知識(shí)發(fā)現(xiàn)等知識(shí)工程領(lǐng)域技術(shù)，以實(shí)現(xiàn)對(duì)農(nóng)藝知識(shí)的挖掘和數(shù)字化，并進(jìn)而利用大數(shù)據(jù)技術(shù)、人工智能技術(shù)等方法進(jìn)行對(duì)模型的在線修正或者二次建模。
執(zhí)行——突破農(nóng)機(jī)裝備的智能作業(yè)控制與執(zhí)行技術(shù)。作為基于智能?OODA?環(huán)的農(nóng)業(yè)模擬器的最后一環(huán)，該階段是理論與實(shí)驗(yàn)結(jié)合最為密切并明顯區(qū)分于其他范式建模的關(guān)鍵所在。在農(nóng)業(yè)生產(chǎn)過程中，決策產(chǎn)生的作業(yè)方案通過智能化農(nóng)機(jī)裝備進(jìn)行高質(zhì)量的作業(yè)，并在作業(yè)過程中通過多樣化傳感器設(shè)備進(jìn)行實(shí)時(shí)的數(shù)據(jù)采集，最終形成“觀察—判斷—決策—執(zhí)行”的?OODA?閉環(huán)，以此打通實(shí)驗(yàn)室模型和算法與生產(chǎn)一線的指揮系統(tǒng)“在線連接”，實(shí)現(xiàn)農(nóng)業(yè)模擬器不斷演進(jìn)。此外，自動(dòng)化作業(yè)執(zhí)行可以有效規(guī)避人工作業(yè)帶來的作業(yè)質(zhì)量不達(dá)標(biāo)問題，進(jìn)而降低農(nóng)業(yè)模擬器的數(shù)據(jù)誤差。要實(shí)現(xiàn)農(nóng)機(jī)裝備的智能作業(yè)控制與執(zhí)行，需要針對(duì)無人駕駛裝備系統(tǒng)、整機(jī)電子系統(tǒng)、作業(yè)機(jī)具的精準(zhǔn)控制、動(dòng)力系統(tǒng)與作業(yè)機(jī)具的協(xié)同控制等方向進(jìn)行深入研究，形成智能?OODA?環(huán)需要的成套作業(yè)裝備（圖?2）。
農(nóng)業(yè)模擬器的軟硬件系統(tǒng)
針對(duì)上述過程，農(nóng)業(yè)模擬器的軟硬件構(gòu)成應(yīng)該主要包括?3?個(gè)方面。
空天地一體化的農(nóng)業(yè)生產(chǎn)數(shù)據(jù)觀測(cè)網(wǎng)絡(luò)。該網(wǎng)絡(luò)對(duì)應(yīng)于智能?OODA?環(huán)中的“觀察”環(huán)節(jié)。在地面，通過各種傳感器設(shè)備、氣象站設(shè)備完成土壤、環(huán)境、氣候信息的采集，通過遙感、伽馬輻射接收、無人機(jī)載多光譜/高光譜等設(shè)備實(shí)現(xiàn)對(duì)土壤、作物、水肥信息的采集。在空中，在利用通導(dǎo)遙一體的衛(wèi)星系統(tǒng)提供遙感數(shù)據(jù)的同時(shí)，解決農(nóng)業(yè)數(shù)據(jù)回傳與控制指令下發(fā)所需要的廣域通信覆蓋問題，以及農(nóng)機(jī)裝備自動(dòng)執(zhí)行過程中的高精度定位問題。觀測(cè)網(wǎng)絡(luò)應(yīng)當(dāng)具備海量?IoT?傳感器的并發(fā)接入能力，以支撐農(nóng)業(yè)生產(chǎn)過程中大量部署的傳感器通過?IoT?網(wǎng)絡(luò)實(shí)現(xiàn)數(shù)據(jù)的回傳。
邊緣計(jì)算平臺(tái)。邊緣計(jì)算系統(tǒng)用于“判斷”與“執(zhí)行”2?個(gè)環(huán)節(jié)的計(jì)算支撐。邊緣計(jì)算平臺(tái)為農(nóng)業(yè)生產(chǎn)過程中小粒度實(shí)時(shí)在線判斷提供計(jì)算支撐。例如，作物的病蟲害識(shí)別一般通過近距離的圖像識(shí)別方法進(jìn)行處理，此類“判斷”模型需要在服務(wù)端利用平臺(tái)進(jìn)行大量訓(xùn)練；模型訓(xùn)練完成后可以在邊緣計(jì)算平臺(tái)端實(shí)現(xiàn)實(shí)時(shí)判斷，進(jìn)而降低數(shù)據(jù)回傳至云服務(wù)端所產(chǎn)生的時(shí)延，以此提高決策的時(shí)效性。針對(duì)“執(zhí)行”過程，邊緣計(jì)算平臺(tái)就近為無人駕駛、機(jī)具作業(yè)控制提供基礎(chǔ)計(jì)算能力，以滿足農(nóng)機(jī)在此過程中的智能執(zhí)行需求。
多樣化算力中心。多樣化算力中心是農(nóng)業(yè)模擬器系統(tǒng)的核心組件，是“大腦”，其為農(nóng)業(yè)?OODA過程中的“觀察”“判斷”和“決策”3?個(gè)環(huán)節(jié)提供核心算力支撐。在“觀察”環(huán)節(jié)，算力中心需要提供針對(duì)不同數(shù)據(jù)類型的存儲(chǔ)支持，包括對(duì)傳感器、氣象站結(jié)構(gòu)化時(shí)序數(shù)據(jù)的存儲(chǔ)，利用對(duì)象存儲(chǔ)或分布式存儲(chǔ)系統(tǒng)支撐遙感數(shù)據(jù)、無人機(jī)測(cè)繪數(shù)據(jù)的存儲(chǔ)；同時(shí)，“觀察”階段的傳感器通過?IoT?海量接入也需要服務(wù)端提供算力支撐。在“判斷”環(huán)節(jié)，算力中心需要提供多樣化的人工智能處理能力，為農(nóng)業(yè)全要素狀態(tài)判斷與演變模型的構(gòu)建提供支撐，包括面向海量遙感數(shù)據(jù)、無人機(jī)測(cè)繪數(shù)據(jù)、伽馬輻射圖譜數(shù)據(jù)、遠(yuǎn)中近紅外數(shù)據(jù)反演所需的分布式人工智能訓(xùn)練，以及針對(duì)多用戶的模型訓(xùn)練等。在“決策”環(huán)節(jié)，算力中心需要提供面向知識(shí)工程的算力支撐，包括針對(duì)知識(shí)圖譜構(gòu)建的大規(guī)模圖計(jì)算；在此基礎(chǔ)上，提供面向農(nóng)藝知識(shí)與決策推理的推理訓(xùn)練算力，最終實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)決策方案的輸出。
農(nóng)業(yè)模擬器在黑土地保護(hù)中的應(yīng)用
構(gòu)建基于第五范式的農(nóng)業(yè)模擬器系統(tǒng)，需要將理論、模型、算法與現(xiàn)實(shí)農(nóng)業(yè)生產(chǎn)密切結(jié)合、驗(yàn)證并不斷迭代演進(jìn)。東北地區(qū)是我國機(jī)械化程度最高、農(nóng)業(yè)數(shù)字化和信息化發(fā)展最早的區(qū)域之一，具備農(nóng)業(yè)模擬器系統(tǒng)開展試驗(yàn)示范的多種應(yīng)用場(chǎng)景。當(dāng)前，中國科學(xué)院（以下簡(jiǎn)稱“中科院”）正集合院內(nèi)優(yōu)勢(shì)力量組織實(shí)施“黑土地保護(hù)與利用科技創(chuàng)新工程（黑土糧倉）”戰(zhàn)略性先導(dǎo)科技專項(xiàng)（A?類），中科院計(jì)算技術(shù)研究所作為大河灣示范區(qū)建設(shè)牽頭單位，借助研制的數(shù)字化系統(tǒng)及智能裝備構(gòu)建了黑土地?OODA?閉環(huán)正反饋系統(tǒng)，突破當(dāng)前孤立、線性、滯后的農(nóng)業(yè)模型缺陷，形成“依靠數(shù)據(jù)決策、智能農(nóng)機(jī)執(zhí)行”的農(nóng)業(yè)生產(chǎn)模式，打通數(shù)據(jù)有效流動(dòng)的環(huán)節(jié)，將基于數(shù)據(jù)決策的智能化執(zhí)行的農(nóng)業(yè)生產(chǎn)模式轉(zhuǎn)化為對(duì)黑土地保護(hù)和利用的生產(chǎn)力。具體的作用主要體現(xiàn)在?3?個(gè)方面。
數(shù)據(jù)觀察環(huán)節(jié)。結(jié)合衛(wèi)星與無人機(jī)遙感、移動(dòng)式近地面?zhèn)鞲性O(shè)備及固定式傳感器等多種數(shù)據(jù)采集技術(shù)，構(gòu)建空天地一體化、多維度的黑土地作業(yè)全要素觀測(cè)網(wǎng)絡(luò)，獲取農(nóng)田本地?cái)?shù)據(jù)，如土壤（氮、磷、鉀、微量元素含量，以及溫濕度、土壤墑情、電導(dǎo)率等）、氣候（當(dāng)?shù)氐幕練夂蚯闆r）、水（地下水位、鹽堿度、pH?值等）、生物（歷年的農(nóng)作物種植情況、長(zhǎng)勢(shì)、病情、蟲情等）、作業(yè)（免耕播種和施肥施藥精度、作業(yè)速度和面積等）的基本信息。前期通過衛(wèi)星遙感實(shí)現(xiàn)數(shù)萬畝耕地的大尺度監(jiān)測(cè)；確定風(fēng)險(xiǎn)區(qū)域后，使用無人機(jī)開展百畝量級(jí)的針對(duì)性觀測(cè)；部分重要區(qū)域布置固定式傳感器開展長(zhǎng)期持續(xù)觀測(cè)，以實(shí)現(xiàn)地塊級(jí)的農(nóng)業(yè)信息監(jiān)測(cè)。后續(xù)待移動(dòng)式近地面?zhèn)鞲性O(shè)備成熟后，將其安裝在智能農(nóng)機(jī)上，使其在作業(yè)的同時(shí)采集土壤和作物的多種信息，從而大幅提高信息監(jiān)測(cè)的顆粒度精細(xì)水平。
數(shù)據(jù)判斷、決策環(huán)節(jié)。根據(jù)算法分析需求，針對(duì)采集數(shù)據(jù)開展整理、清洗和融合，以實(shí)現(xiàn)對(duì)采集數(shù)據(jù)在后續(xù)模型與算法分析中的定性和定量判定。針對(duì)黑土地保護(hù)，結(jié)合地理信息系統(tǒng)（GIS）技術(shù)得到區(qū)域內(nèi)土壤侵蝕強(qiáng)度空間分布圖，綜合地區(qū)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(guān)系，以及坡度對(duì)土壤侵蝕的影響。根據(jù)土壤侵蝕動(dòng)態(tài)變化、土地利用變化及植被覆蓋度變化情況，建立侵蝕與環(huán)境因子的轉(zhuǎn)移矩陣并分析相互關(guān)系，實(shí)時(shí)預(yù)測(cè)土壤侵蝕動(dòng)態(tài)。針對(duì)黑土地作業(yè)，面向特定作物通過統(tǒng)計(jì)學(xué)習(xí)、人工智能與復(fù)雜系統(tǒng)最優(yōu)化的方法，構(gòu)建土壤元素、水、肥、溫度、濕度、光照、病、蟲、草等基礎(chǔ)信息模型與作物生長(zhǎng)趨勢(shì)、災(zāi)情預(yù)警、產(chǎn)量估算之間的數(shù)字化表達(dá)和修正模型。通過系統(tǒng)化機(jī)器學(xué)習(xí)與模擬，最終給出針對(duì)特定作物不同時(shí)期的水、肥、藥、農(nóng)藝等實(shí)時(shí)處方建議。
作業(yè)執(zhí)行環(huán)節(jié)。一方面，針對(duì)現(xiàn)有農(nóng)機(jī)裝備進(jìn)行智能化改造升級(jí)；另一方面，突破新一代清潔能源智能農(nóng)機(jī)控制芯片、操作系統(tǒng)、無人駕駛、精準(zhǔn)控制等核心技術(shù)，并綜合集成電機(jī)、電池、電控、數(shù)控底盤等技術(shù)，創(chuàng)制針對(duì)黑土地主要作物的系列（50—400?馬力）清潔能源智能農(nóng)機(jī)成套裝備。此外，針對(duì)免耕播種、秸稈還田、條耕等保護(hù)性作業(yè)關(guān)鍵環(huán)節(jié)，提高農(nóng)機(jī)農(nóng)藝結(jié)合水平，強(qiáng)化農(nóng)機(jī)裝備傳感器與智能變量作業(yè)農(nóng)機(jī)具的集成應(yīng)用。具備智能網(wǎng)聯(lián)、無人駕駛和一定自主決策能力的智能農(nóng)機(jī)，不僅可按照作業(yè)命令實(shí)現(xiàn)針對(duì)具體作物“耕、種、管、收”全生命周期的精準(zhǔn)高效保護(hù)性作業(yè)，同時(shí)還能實(shí)時(shí)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(yè)質(zhì)量信息，然后通過智能?OODA?環(huán)開展在作業(yè)任務(wù)自動(dòng)分配、農(nóng)機(jī)智能調(diào)度、農(nóng)機(jī)作業(yè)質(zhì)量指導(dǎo)等方面的迭代優(yōu)化。
挑戰(zhàn)與對(duì)策
科學(xué)技術(shù)的進(jìn)步為農(nóng)業(yè)生產(chǎn)提供了新的手段，在研究黑土地“用好”“養(yǎng)好”的過程中，需要利用好現(xiàn)代信息技術(shù)手段。通過智能?OODA?環(huán)為農(nóng)業(yè)建立全要素的模擬器提供了新的科學(xué)研究方法，也為黑土地保護(hù)提供了新的思路。但是，建立農(nóng)業(yè)模擬器是一個(gè)基于信息技術(shù)、橫跨多個(gè)學(xué)科的工程，尤其要注重對(duì)黑土地成因、破壞過程、保護(hù)機(jī)制、農(nóng)藝過程在信息空間的建模。為了能夠在中科院戰(zhàn)略性先導(dǎo)科技專項(xiàng)“黑土糧倉”中實(shí)現(xiàn)信息技術(shù)引領(lǐng)的黑土地保護(hù)模式，本文提出?3?點(diǎn)建議。
強(qiáng)化跨學(xué)科協(xié)同。農(nóng)業(yè)模擬器要在黑土地保護(hù)中發(fā)揮作用，需要將已有的保護(hù)性耕作技術(shù)，以及土壤、微生物、環(huán)境等要素在信息空間進(jìn)行建模，通過海量實(shí)時(shí)數(shù)據(jù)的采集，在信息空間完成模型的迭代訓(xùn)練。目前，不同的黑土地保護(hù)科研團(tuán)隊(duì)分別專注于各自的領(lǐng)域，形成了各自領(lǐng)域的保護(hù)模型，但是這些模型還屬于基于傳統(tǒng)科研范式的模型，在后續(xù)需要加強(qiáng)互相之間的高質(zhì)量合作，以實(shí)現(xiàn)信息與農(nóng)學(xué)、土壤學(xué)、生物學(xué)的學(xué)科融合，形成完備的農(nóng)業(yè)模型。
強(qiáng)化黑土地保護(hù)數(shù)據(jù)價(jià)值挖掘。數(shù)據(jù)流的采集需要大量的資金投入，但由于農(nóng)業(yè)生產(chǎn)與第二、第三產(chǎn)業(yè)相比投入產(chǎn)出比較低，很容易導(dǎo)致數(shù)據(jù)價(jià)值得不到體現(xiàn)而限制了信息化建設(shè)資金的供給。盡管近些年來國家加大了對(duì)農(nóng)業(yè)信息化建設(shè)的投入，并取得了一定的成績(jī)，但是始終依靠國家投入并不是長(zhǎng)久之計(jì)。因此，未來我們需要開展商業(yè)化的運(yùn)營，在數(shù)據(jù)流的快速流動(dòng)中實(shí)現(xiàn)數(shù)據(jù)價(jià)值的變現(xiàn)，并更好地投入到智能?OODA?環(huán)的循環(huán)迭代中。
針對(duì)黑土地保護(hù)建設(shè)科學(xué)裝置。新的研究范式、新的技術(shù)手段、新的科研裝置都是加快科研成果產(chǎn)出的利器。黑土地保護(hù)需要建設(shè)一個(gè)全要素的農(nóng)業(yè)模擬器研究與開發(fā)平臺(tái)，然后基于該平臺(tái)實(shí)現(xiàn)傳統(tǒng)保護(hù)模型的數(shù)字化，并通過數(shù)據(jù)訓(xùn)練這些模型以接近農(nóng)業(yè)生產(chǎn)實(shí)際。這就需要將面向黑土地保護(hù)的農(nóng)業(yè)模擬器視為黑土地保護(hù)的科學(xué)裝置，為黑土地保護(hù)提供“體檢報(bào)告”，指導(dǎo)黑土地保護(hù)措施的實(shí)施。
（作者：孫凝暉、張玉成、劉子辰、陳海華、譚光明，中國科學(xué)院計(jì)算技術(shù)研究所；王竑晟 中國科學(xué)院科技促進(jìn)發(fā)展局；《中國科學(xué)院院刊》供稿）