农业模型课件.ppt

《农业模型课件.ppt》由会员分享，可在线阅读，更多相关《农业模型课件.ppt（105页珍藏版）》请在三一办公上搜索。

1、t课件.,1,第五讲 农业模型,t课件.,2,主要内容,t课件.,3,主要内容,数字农业模型与模型化模型的类型数学模型农业模型及其特点农业模型学,第一部分 数字农业与农业模型,t课件.,4,1.数字农业定义 当代信息技术迅速发展，并在农业上得到广泛应用。到20世纪末，国际上形成了“数字农业”的概念。它预示着21世纪的农业将呈现出一个以数字化为特征的崭新局面。 参照“数字地球”、“数字战争”等含义，并考虑到农业的特点，数字农业应该包括以下三个内容：（1）数字农业要求对农业的各个方面（包括种植业、畜牧业、水产业、林业等）的各个要素与过程（生物的、环境的、经济的）全面实现数字化，也就是说各种农业的各

2、种要素与过程都要应用二进制的数字（0，1）以及由二进制数字建成的数学模型或计算机模型来表达。（2）数字农业要求各种农业信息技术最广泛地应用于农业。（3）数字农业要求在农业的各个部门（生产、科研、教育、行政、流通、服务等）全面地实施数字化与网络化的管理。,一、数字农业,t课件.,5,2.农业过程的全面数字化与农业模型,以上分析可知，农业数学模型与农业计算机模型的研究与建立，应该说是“数字农业”的前提。,各种农业要素的数字化,各种农业基本过程的数字化-农业数学模型,各种农业的决策过程的数字化-农业计算机模型,t课件.,6,3.农业模型是农业信息技术的基础,t课件.,7,模型是模仿客观事物的一种物体

3、。对客观事物构建模型的过程就成为“模型化”（Modeling）,也称为“模拟”（Simulation）。,二、模型与模型化,t课件.,8,直观模型：只要求与客观事物的外观相似，不涉及事物的内在机理。思维模型：人们通过对同类的客观事物的反复接触，从而在头脑中形成的对同类事物的共同特征与内在规律的了解。物理模型：这类模型要求以某种物理实体反映客观事物的某些物理性能与内在机理。如飞机模型、地震模拟装置等。图形或符号模型：这类模型用图形或特定的符号来表示客观事物的内在结构与性能。如：机器结构图、工程设计图、电路图等。数学模型计算机模型,三、模型的类型,t课件.,9,建立数学模型往往是模型化的核心步骤。

4、数学模型具有以下特征：1）现实性2）抽象性3）逻辑性4）目的性5）广泛性,四、数学模型,t课件.,10,建立一个数学模型一般需要以下步骤： 1）建模准备 2）模型假设 3）模型构建 4）模型检验 5）模型应用,t课件.,11,数学模型的类型1）按数学方法来分类初等数学模型微分法模型微分方程模型变分法模型图论模型2）按模型中事物发生机率分G.确定性模型H.随机性模型3）按模型中事物运动状态分类I.连续性模型J.离散性模型,t课件.,12,四、农业模型,1.概念,t课件.,13,2.农业模型的类型 按不同的功能特征以及建模的目的和方法大致可以分为以下几种类型： 1、经验(Experiential)

5、模型和机理(Mechanistial)模型 前者建立在数据统计分析的基础上，较少涉及机理性，偏重于模型的预测性和应用性；后者对内在机理有较好的阐释，强调模型的解释性和研究性。 2、描述性(Descriptive)模型和解释性(Explainatory)模型 前者以简单的方式描述一个系统的行为，而对引起行为的机理，模型较少或根本不予以反映，描述性模型可以通过测定的试验数据推导出来，其建立相对比较简捷（图1）；,t课件.,14,后者由引起系统行为的机理和过程的定量描述所组成，这些描述即为科学理论和假设的清晰表达，模型是通过综合整个系统的机理和过程描述来建立的。为了建立解释性模型，需要对整个系统进行

6、分析，并分别对它的过程和机理进行定量化表达（图2）。,图1 表明真实世界的现象如何引入到描述性模型中的图示,t课件.,15,图2 表明真实观察值如何被分析和综合引入解释性模型来模拟系统行为的图示,t课件.,16,3、统计(Statistical)模型和过程(Process)模型 前者是一种最常使用的模型，主要通过对数据进行多重回归来预测系统的表现，其解释性较差，并且局限于试验资料所在地特定的大气、土壤条件和品种类型，难以推广到不同的环境条件和品种类型；后者用于定量描述生物与非生物的一些基本过程，具有较好的机理性和解释性，适用于不同的环境条件和生产系统。4、应用(Application)模型和研

7、究(Research)模型 前者主要倾向于应用推广，因而具有便于使用、较粗放和应用方向比较单一的特点；后者主要用于科研，对其机理性要求较高，因而具有操作复杂、参数较多、灵敏度高的特点。,t课件.,17,但总体上，所有农业模型从更微观的层次看都可认为是经验性模型，而从更宏观的层次看又都是机理性模型。因此，任何一个模拟模型都体现了经验性和机理性的相对平衡和协调。 如果按不同的学科领域进行分类，农业模型大概有作物生长模型，动物生长模型，农业气象模型，土壤水肥模型，种植制度模型，农业生产力模型，耕地质量评价模型，病虫害预测模型等不同方面。 其中，农作系统模拟模型的研究具有较好的代表性和先进性，目前国际

8、上公认较为优秀且应用广泛的作物生长模拟模型有美国的CERES系列模型和荷兰的SUCROS模型等。,t课件.,18,农业模型的特征 过程模型的特征 较理想的农业过程模拟模型应具有以下8个特征。其中，动态性和预测性是农业模拟模型最显著和最重要的特征。 1、系统性 对生物与非生物全过程进行系统、全面的分析与描述。2、动态性 包括受环境因子和内在特性驱动的各个状态变量的时间过程变化及不同生育过程间的动态关系。,t课件.,19,3、机理性 在经验性或描述性的基础上，通过进行深入的支持研究，模拟较为全面的系统等级水平，并将其进行有机结合，从而提供对主要生理过程的理解或解释。4、预测性 通过正确建立模型的主

9、要驱动变量及其与状态变量的动态关系，对系统行为提供可靠的定量预测。5、通用性 原则上适用于任何地点、时间和品种等条件。6、便用性 可为非专家操作应用，可利用一般的气候、土壤及品种资料。,t课件.,20,7、灵活性 可容易地进行修改和扩充以及与其它系统相耦合。8、研究性 除了应用性以外，还可用于不同领域的模拟研究工作，从而避免实物研究中干扰因素多、周期长、费用高等的不足。,t课件.,21,与动态分析的比较 动态分析的主要研究内容是不同时段系统的整体输出结果，而未涉及系统内不同成分的变化过程及其机理关系，具有简单描述性和间断性的特点。 模拟模型研究的主要对象是生物与非生物系统的过程及过程间的相互关

10、系，因而具有规律上的解释性以及连续的时空变化特征。 例如，在植物生长分析研究中，主要目标是描述不同时间叶面积及作物生长速率等生长状态的变化特征，通过定期测定叶面积和干物重就可以计算获得不同的生长动态曲线（图3）。但在植物生长模拟研究中，必须能解析影响叶面积和生长速率变化的生理过程及机理关系。,t课件.,22,图1 作物植株叶面积、生物量及生长速率随时间过程的变化动态,t课件.,23,与统计模型的比较,1、农业统计一般只对农业生产系统的最终结果（如产量）进行比较，而不揭示结果（产量）形成的机理性过程及因果关系。而农业模拟模型完全可以揭示生物生长与生产过程及其动态关系，帮助人们更好地理解生物生长和

11、生产的机制与结果。 2、农业统计一般只能考虑与结果（如产量）有关的少数技术措施（如品种、肥料、密度等），而客观上影响生物生长和生产的因子往往很多，无法用农业统计的方法综合研究和分析。而模拟模型可以对农业生产系统进行综合分析和合成，同时考虑许多因子的作用，并可进行大量的计算机模拟试验。 3、农业统计的研究结果具有明显的地域性和季节性，且局限于特定的生物品种、土壤类型和气候条件，很难应用于不同地区、时间和生产系统。而模拟模型同时受外部环境和内在特征所驱动，因而具有较强的动态性和灵活性，可以应用于不同的地点、时间和生产系统。,t课件.,24,农业模型的作用与功能,模拟模型的意义 农业模拟模型最重要的

12、意义是对整个农业生产系统的知识进行综合，并量化机理性过程及其相互关系，即综合知识和量化关系。 模拟模型是利用计算机强大的信息处理和计算功能，对不同的生物与非生物过程进行系统分析和合成，其实质上相当于所研究系统的最新知识的积累和综合。 同时，模拟研究在理解生物与非生物过程及其变量间关系的基础上，进行量化分析和数理模拟，从而促进了对生物与非生物规律由定性描述向定量分析的转化过程，深化了对农业系统过程的定量化认识和数字化表达。,t课件.,25,模拟模型的功能 成功的农业模拟模型之所以受到科学家的肯定和重视，是因为模拟模型具有其他研究手段不可替代的功能：理解、预测、调控。 模拟模型能够帮助人们理解和认

13、识生物与非生物过程的基本规律和量化关系，并对系统的动态行为和最后表现进行预测，从而辅助进行对生物生长和生产系统的适时合理调控，实现优质、高产、高效、生态、安全的可持续发展。,t课件.,26,研究农业模型的理论体系、方法体系，及其与其它各种科学的关系，对农业发展的影响以及在农业各个领域中的研究进展的科学。,五、农业模型学,t课件.,27,第二部分 农业模型研究的发展过程,农业生产模型的研究进展农业系统各组分的模拟研究现状作物模拟模型的研究进展,t课件.,28, 国际上：30年代开始；主要内容涉及人口增长、资源利用、作物生产、畜禽饲养、病虫预测和环境控制。 中国发展情况 80年代中期开始，以江苏农

14、业科学院为代表，江西农业大学、中棉所、中国农业大学、南京农业大学、河南农业大学、河南农科院、山东农业大学等相继开展了这一方面的研究或示范。,一、农业生产模型的研究进展,t课件.,29,农业生物的模拟（60年代中后期开始） 这是农业系统模拟发展最快，成绩最显著的领域。农业环境的模拟 主要包括气象因子的生成（已有固定的模型）、有效积温的统计；气温与地温关系的预测等。,二、农业系统各组分的模拟研究现状,t课件.,30,农业技术的模拟 主要包括农作物种植日期、种植（饲养）密度、肥料用量、灌溉用量与时间确定等。这是一个相对薄弱的领域。有待进一步加强对农业生产的量性研究。农业经济因素的模拟 包括农业再生产

15、的投入与产出关系。 SAaLb1Cb2Kb3Tb4 其中，b1至b4为弹性系数（即边际产量与平均产量的比值）；A为耕地面积；a为常数；C为流动性生产资料、K为固定生产资料对产投比的贡献；T为教育或科技投入的影响。,二、农业系统各组分的模拟研究现状,t课件.,31,计算机科学和系统科学的发展，促进了作物模型研究的发展。荷兰、美国、前苏联、加拿大、澳大利亚、日本等均有不少研究。近年来我国也进行了一些研究。其中美国和荷兰是目前作物生长模型研究比较集中的二个国家。就研究作物而言，各国主要集中在禾谷类、豆科、块根类、棉花、牧草等十几种作物。,三、作物模拟模型的研究进展,t课件.,32,作物模拟模型的研究

16、进展,纵观作物生长模拟模型研究的发展过程，可将其大致分为以下五个阶段： 第一：思想萌芽阶段（1940年前）。作物生长模拟模型的思想主要源于积温学说和生长分析法 。第二：经验模型阶段（19411960）。伴随着农业气象学和统计学的发展，作物生长模拟模型研究主要集中于依据积温学说思想，利用气象资料，运用统计学方法建立作物生产经验统计模型。,三、作物模拟模型的研究进展,t课件.,33,模拟模型的研究进展,第三：机理模型阶段（19611980）自60年代以来，以美国、荷兰、(前)苏联、英国等为代表，作了大量有关作物机理模拟模型的研究工作，涉及十多种常见作物，研究内容包括光合作用、作物冠层结构、呼吸作用

17、、蒸腾、干物质积累与分配、养分吸收、水分利用、根系生长、器官生长发育等 。主要研究成果有:模型，ELCROS，SPAM， SIMCOT、SIMCOT-II。特别是de Wit和Duncan等提出了植被冠层截光的几何模型和生理模型。,三、作物模拟模型的研究进展,t课件.,34,模拟模型的研究进展,第四：应用模型阶段（19801990）作物模型研究方向由强调作物生长过程的理论表达，转向侧重于实际应用。最有代表性的如CERES(Crop-Environment Resource Synthesis)系列作物模型和GOSSYM/COMAX系统。这些模型已被广泛应用于不同环境条件下的作物估产，干旱评价，

18、作物品种培育等。在气候变化对农业的影响评价中，用的最多的是CERES模型。,三、作物模拟模型的研究进展,t课件.,35,模拟模型的研究进展,第五：综合模型阶段（1990年至今）进入20世纪90年代，伴随着随着社会需求的增多和人工智能知识工程技术方法的发展与应用，作物生长模型向着应用多元化方向发展 。遥感RS和地理信息系统GIS等新技术手段的崛起，为作物生长模型的应用和发展提供了广阔的前景。 通过与GIS技术的结合，可以扩大作物模型的应用范围。 因为GIS技术不仅可以定量表征区域环境特性，而且能够揭示生产力的区域分布特征、以及存在的问题，从而通过与作物模型的结合，评估不同管理情景下的生产力，为农

19、业管理或区域规划提供科学依据。,三、 作物模拟模型的研究进展,t课件.,36,（1）荷兰学派强调生物的机理性和共性问题（2）美国学派强调生态系统的整体性和应用性（3）中国学派强调生物机理性和应用性,农业生产模型的学派,t课件.,37,（1）美国的GOSSYM/COMAX系统（2）中国的CCSODS系统,两个典型模型系统分析,t课件.,38,COMAX/GOSSYM棉花生产管理系统的结构框架,t课件.,39,小麦生长模型流程图,t课件.,40,主要内容,第三部分 农业模型的基本方法,农业模型目的性的确定农业模型技术路线的确定农业模型的总体结构农业模型的计算机语言选择农业模型的数学模型农业模型中的

20、核心模块农业模型的数据库农业模型的输入与输出农业模型的核实、较准与检验,t课件.,41,1.农业系统的等级性和水平,农业生产系统的等级性 根据系统分析的原理，农业生产系统一般可分解成区域、农区、农田生态、作物群落、群体、个体、器官、组织、细胞等不同层次或等级，如图所示。在这些不同的系统层面上，可以构建出不同尺度和不同内容的计算机模拟模型。,一、农业模型目的性的确定,t课件.,42,农业生产系统的等级性,t课件.,43,建模目的包括如下：,应用制定宏观农业决策,应用于决定微观农业技术,应用于揭示农业过程机理性的研究,应用于农业预测与风险分析,t课件.,44,主要的农业模型技术路线有以下几种：1.

21、农业计算机模拟2.农业模拟与专家系统相结合3.农业专家系统4.农业数学规划5.农业模拟与数学规划相结合6.农业模拟模型与优化模型相结合7.农业模拟、优化与决策相结合8.农业模拟、优化与专家经验相结合9.农业模拟与GIS相结合10.农业模拟与遥感图像相结合11.农业模拟与GPS相结合,二、农业模型技术路线的确定,t课件.,45,农业系统可用系统的成分、系统的界面和系统的环境来简化描述。其中，系统成分主要包括系统内部的作物和土壤；系统环境指系统的外部因素，包括气象条件等系统输入以及蒸发蒸腾及生物量等系统的输出；系统界面是系统的内在成分与系统环境之间的抽象的分界线。,三、农业模型的总体结构,1.农业

22、系统的基本结构,t课件.,46,系统的主要成分、系统的界面和系统的环境,t课件.,47,2.模型结构,输入u,模块,输出u,1. 基本模型单元图,用户,数据库,输入,模块,输出u,2. 单输入-单模块-单输出模型结构,用户,数据库,输入u,输出u,输入u,输出u,输入u,输出u,3. 多输入-多模块-多输出模型结构,t课件.,48,硬件环境软件环境编程工具 Visual C；Visual Basic；Delphi；Java；ASP；Visual C#.net等数据库应用系统 SQL Server；Oracle；Foxpro/Access for Windows等浏览器 Netscape；IE等

23、 目前，模型算法的编写采用较多的是Fortran、VC+、Visual C#.net等编程语言，界面设计采用较多的是Visual Basic（VB）、Delphi、ASP、Visual C#.net等，数据库结构一般采用SQL Server、Oracle、Foxpro/Access 等进行设计。,四、农业模型的计算机语言选择,t课件.,49,资料获取与算法构建资料获取大概有3个方面的来源。一是自己已有的工作积累或文献资料，其中文献资料主要包括国内外在相关领域所取得的科研成果、出版的专著与教材、科技期刊及学术会议上发表的论文等，以及各地的土壤志、品种志、气象资料等。二是通过合作途径，可以从同行科

24、学家那里获取相关资料。三是必须通过补充试验或支持研究，围绕某个方面获得全新的资料。其中，文献资料主要用于模型的构建；合作途径所获得的资料主要用于模型参数的确定及系统的测试；补充试验或支持研究一部分用于模型的构建，另一部分用于模型参数的确定及系统的测试。在资料获取的基础上，即可进行数理统计分析，构建算法方程。对于一些暂时无法获得的资料或难以量化的过程，必须采用黑箱模拟的方法，借助于逻辑性的合理假设和数学推导，得出描述系统过程的理论方程。应当指出的是，黑箱模拟运用的程度，完全取决于对系统的正确理解和可靠把握。如果信心不足，则尽量减少黑箱模拟。,五、农业模型的数学模型构建,t课件.,50,模块设计与

25、模型实现,首先要选择恰当的编程语言来组织系统，包括模拟算法编程语言和界面编程语言。目前应用比较广泛的模拟算法编程语言主要有Visual Fortran和Visual C+。 模块设计与编程须注意几个问题。（1）将主程序和亚程序设置成合理的模块化结构，（2）突出模块的可读性与解释性，以及可改性与灵活性，（3）表现友好的人机界面和可操作性，（4）将模型的运行时间降低到最少。 此外，模型的实现还须研究模型的输入输出内容和形式。模型的输入资料要求容易、可获取，特别是天气、土壤、作物遗传资料等。对于输入误差大的资料，要尽量少用。模型的输出结果要求直观、综合、易分析比较。一般采用表格和图形两种主要形式。随

26、着计算机技术的快速发展，作物模型的图象输出、可视化虚拟生长、多媒体技术等会得到成功的应用。,t课件.,51,地理信息数据土壤资料数据气象资料数据品种资料数据病虫情数据图形、图象信息数据,六、农业模型的数据库,t课件.,52,地理信息数据 主要指用户的基本地理信息，包括行政区域、纬度（度-分）、经度（度-分）、海拔（m）、地形地貌等有关地理空间信息。,t课件.,53,土壤资料数据 主要包括土壤类型，土层深度（CM）、土壤质地名称、土壤容重、总孔隙度、酸碱度、土壤含水量、田间持水量、土壤萎蔫含水量以及地形地势；土壤养分含量：有机质（%）、全氮（%） 、C/N （%） 、全磷（%） 、全钾（%） 、

27、速效氮（mg/kg）、速效磷（mg/kg） 、速效钾（mg/kg）及其它主要营养元素的含量。,t课件.,54,气象资料数据包括日照时数（小时），日平均湿度和日最高、最低温度（），空气相对湿度（），风速（米秒），日降水量（毫米），实际水汽压，年均温度（），年降水量（mm），无霜期（天），10积温，干燥度等。,t课件.,55,品种资料 主要包括品种来源，植物学特征：株高（cm）、叶片数、株型、百（千）粒重（g）；品质特性：蛋白质含量（）、脂肪含量（）等；生物学特征：生育期天数（从出苗到成熟的天数）；生育特性：叶面积系数（LAI）、光合势（LAD）（m2d /hm2）；抗逆性：抗病性、抗倒伏性、抗寒

28、性、抗旱性等；栽培要点：如播期、种植密度、施肥量等，生态适应性以及产量水平（kg/hm2）和产量结构等。,t课件.,56,管理措施 包括小麦生产中管理措施的种类、时间、强度等资料，如；播种期、播种量、施肥时间与施肥量、灌溉日期与灌溉量、成熟及收获期管理等。农业生产条件 农业生产基本条件如农用动力、化肥投入、灌排条件、劳力、播种面积、种植方式、单产水平、农药和农膜使用量及费用、植保器械等。,t课件.,57,图形、图象 有时为了系统运行方便，常将一些图形、图像数据，如行政区域图、养分含量分布、病虫草害的图片等单独存放，供系统运行时随时调用。试验数据库 由于小麦生长环境复杂，一些高产技术措施、原理还

29、需通过试验不断探索、改进、大量的试验数据是对专家知识的补充完善，包括田间试验数据和人工模拟试验数据。,t课件.,58,数据库的建立 根据具体农业模型应用范围和特点，依据上述数据库框架格式，收集、整理数据资料，在此基础上建立该系统的数据库。主要步骤包括： 制定数据收集的方案；设计数据库和数据表； 选择适当的数据库系统，SQL Sever, Access, Foxpro； 通过实验、调查、文献查阅和购买等多种方式收集有关数据； 进行数据筛选和分类，并输入数据库； 对入库的数据进行仔细检验和校对，确保数据源的准确、无误； 对数据进行标准化处理，如数据库结构规范化、数据单位一律使用公制等； 对数据进行

30、归并，减少数据冗余；补充、完善数据库的数据。,t课件.,59,1.农业模型的输入 模型的输入资料以最少为原则，既可容易获得，又可简化模拟运算。例如，作物生长模型的输入资料，总体上可分为气象、土壤、品种、管理四大类。 农业模型的输入主要有三种方式: 1)调用数据库中的数据 2)用户在几个项目中作出选择 3)用户直接输入,七、农业模型的输入与输出,t课件.,60,2.农业模型的输出,用户对模型真正需求，是其输出部分。农业计算机模型的输出可以有多种形式：（1）文字；（2）数字；（3）日期；（4）一般表格；（5）电子表格；（6）曲线图；（7）直方图；（8）圆盘图；（9）动态图；（10）照片；（11）地

31、图；（12）声音；（13）多媒体；（14）网页；（15）其它。,t课件.,61,t课件.,62,t课件.,63,不同生育期玉米群体可视化(马韫韬，2003),t课件.,64,根系构型模型(张吴平，2004),t课件.,65,1）农业模型中完全不引入专家与用户经验；2）农业模型完全依靠专家经验；3）以模拟与优化等机理模型为基础，必要时引入专家与用户经验。 农业模拟模型与知识管理模型相结合,七、农业模型与专家经验,t课件.,66,1.农业模型的核实 模型的核实主要是消除模型中的各种错误。建模中往往出现以下错误：1）程序连接中的错误2）数学模型的错误3）变量名称的错误4）零除的错误5）数据库连接的错

32、误6）控件应用中的错误,八、农业模型的核实、校准与检验,t课件.,67,2.农业模型的校准,模型的校准主要是检查模型的可靠性。 1）数学模型的可靠性 2）模型参数的可靠性,t课件.,68,3.农业模型的检验,检验是指决定模型是否适用于模型研制以外的完全独立的资料，是多年、多点、多试验观测值与模拟值的比较。可采用如下方法：一是将模拟结果与实际结果进行回归分析，但模拟值与观测值的显著相关不足以证明模型的可靠性和预测性，因为当模型的模拟结果与观测值都显著相关时，二者之间的差异有可能变化很大；二是将实际结果与模拟结果按同一时间坐标绘1:1图进行比较（见图13）；三是检验模拟与实际值的平均误差。其中模拟

33、值与实际值的平均误差可以通过以下一些统计方法计算得到：,t课件.,69,模型模拟值与观察值之间的1:1作图,t课件.,70,（1）平均离差（Mean Deviation，MD） 即预测值与实际值之差总和的平均值。 MD（ERRi）/n ERRiYiXi其中，n为为样本数；Yi和Xi为第i次的模拟值和实测值。（2）平均预测误差（Mean Prediction Error，MPE） 即预测值与实际值之差绝对值总和的平均值，反映模型的精度。 MPE=(|DERi|)/n（3）预测均方法（Mean Square Error of Prediction，MSEP） 即预测值与实际值之差平方总和的平均值，

34、是比较模型间精确度较好的指标。 MSEP=（ERRi）/n（4）均方差根（Root Mean Square Error，RMSE） 即预测均方差的开平方，能更直观地反映模拟值与实测值的误差。,t课件.,71,（5）拟合指数（Agreeement Index，AI） 即1减去预测值与实际值之差的绝对值除以实际值，反映模拟符合程度，AIl时误差最小。 AIl|YiXi|/Xi（6）偏斜度（Bias） 即模拟值与实际值无截距回归方程斜率与1的偏差，表示通过原点的拟合直线与1：1线的偏斜程度（）。 BIAS100（b0-1）式中b0为模拟值与实际值之间的0截距直线回归方程（截距0）的斜率。（7）直接比

35、较单个模拟值的绝对误差和相对误差 绝对误差：ERRiYiXi 相对误差：REERRi/Xi,t课件.,72,水稻品种9325不同N处理地上部干重的观测值与模拟值的比较,t课件.,73,水稻不同类型品种主要生育期模拟天数与观测天数的比较,t课件.,74,主要内容,作物模拟R/WCSODS的技术路线R/WCSODS的主要数学模型,第四部分 作物模拟模型,t课件.,75,Curry：作物模拟应尽可能用数学公式描述作物的动态过程，以替代用黑箱方法和专家系统方法进行的最优估计。Sinclair：作物模拟是借助于计算机手段，对作物各种生长过程进行综合的数学模型。Montieth：作物模拟是通过给定一系列生

36、物系数和相应的环境变量，用来模拟、预测作物的生长、发育和产量的定量模拟系统。高亮之：作物模拟是从系统科学的观点出发，将作物生产看成是一个由作物、环境、技术、经济四要素构成的整体，不仅可以通过建立数学模型或子模型对作物过程及其与环境之间的复杂关系进行动态描述，还可以兼收并蓄相关学科的理论和实验成就，这些模型或子模型经过检验、反馈和修改，“装配”在一起，最终可形成在计算机上模拟作物生产全过程的大型软件系统。作物模拟是指用数学概念和方法表达作物生长过程。,1.什么是作物模拟？,t课件.,76,2.R/WCSODS的技术路线,t课件.,77,农业生产系统的水平和过程 对于特定层面的农业生产系统，不同环

37、境下影响生物与非生物过程的限制因素不尽相同，模拟研究的生态范围和系统覆盖面也有所不同。 以作物生产系统为例，根据生态限制因子对作物生理过程和生产系统的影响进行分类，按照产量递减的顺序，可以把作物生产系统分为五个水平。,t课件.,78,光温潜力 即使在最优栽培条件下，作物生长系统通常也要受到光照和温度的制约，因此温光条件是任何作物模型的最基本驱动因子或驱动变量。如果作物具有丰富的水分和营养条件，则作物的生长速率只取决于当时的作物状态和当时的天气状况，尤其是辐射与温度。这是作物发挥“潜在生长速率”所产生的“潜在产量”。 在第一生产水平，辐射强度、光能截取和利用效率是研究生长速率的关键因子。图5指出

38、了在第一生产水平下模型基本要素之间的关系。,t课件.,79,第一生产水平的系统关系图,温度,光照,光合效率,速率,光合作用,叶面积,发育时期,茎叶生物量,储存物,分配,生长,根生物量,转换效率,维持,光温为驱动变量，光合效率是常数，矩形代表数量（状态变量），阀符号代表流速（速率变量），圆形代表辅助变量。下面划线的表示驱动变量和其它外界变量；实线表示物质流，虚线表示信息流。,t课件.,80,水分限制 氮素调控 磷钾等养分的调控 病虫草害等生物灾害的影响,t课件.,81,在上述生产水平的基础上，荷兰科学家进一步提出了农业生产系统分类的修订方法。这种方法的核心是将作物生长状况分为潜在的生长、可获得的

39、生长、实际生长三大类。,1.5 5 10,ton ha-1,CO2,太阳辐射,温度,作物特性,潜在产量,可获得产量,实际产量,水分,营养,（氮、磷、钾）,杂草,病害,虫害,污染,限制因子,减产因子,决定因子,保护措施,生产水平,减产因子,t课件.,82,作物模型的结构成分 任何一个模拟模型均可以根据其自身的特性分解成相互关联的结构成分。例如整个作物生育及其环境系统一般可分解成六个相互关联的亚系统。第一亚系统为作物的阶段发育与物候期，主要是有关以温光反应为基础的茎顶端发育阶段以及以外部形态特征变化为标志的生育时期，如小麦的小穗分化期、小花分化期等，以及分蘖期、拔节期、抽穗期等。第二亚系统为作物植

40、株的形态发生与器官建成过程，包括根系、叶片、茎杆、小穗、小花、籽粒等器官发生与形成的规律、数量与质量等。第三亚系统为植株的光能利用与同化物生产，包括叶片和冠层的光合作用、呼吸作用、碳水化合物积累及生物量的计算等。第四亚系统为不同器官间的物质分配与利用，包括同化物分配系数或分配指数和分配量的实时变化、器官的生长和大小、产量和品质的决定等。第五亚系统为土壤植物大气水分关系，包括土壤水分的移动、吸收、蒸发蒸腾、植物组织的水分平衡等。第六亚系统为土壤养分(氮素)动态与植株利用，包括主要养分元素在土壤中的转化、根系吸收、体内分配和利用等。,t课件.,83,第一至第四亚系统为作物生长模型的基础成分，且不同

41、作物的生长发育过程有很大的区别，其中温光条件为贯穿于各亚系统的主导因子，直接作用于不同的生理过程，作物基因型差异则是系统运行的内在动力。因此，第一至第四亚系统的研究被认为是作物生长模拟研究的重点。 第五和第六亚系统受气候和土壤环境因子影响较大，且通过土壤与根系过程间接地作用于作物的生育过程，同时在很大程度上受到技术措施的调控，故需作为并行的亚系统单独进行模拟。 以上各结构成分通过物质和信息的交流联成一个作物生长的动态平衡系统，例如小麦生长模拟模型的结构框架见图。,t课件.,84,小麦生长模拟模型的结构框架,t课件.,85,3. R/WCSODS的主要数学模型,t课件.,86,气象数据生成1 逐

42、日气温和日照时数 其中： RND(t)+0.7 (i=1,2,3) CTi= 1.0 (i=1,2,3)且CTi(t)1.15 RND(t)+0.5 (i=4),t课件.,87,2常年逐日总辐射模型 Q(t)=Qo(t) (a+b St/DL) 3逐日日长模型 DL=2cos-1(-tantan)15 23.5sin360( )研究中，郑州取a=0.17,b=0.52；鹤壁a=0.18,b=0.50。,t课件.,88,0 -4 VE= ( +4)/7 -4 3 1 3 7 （半冬性） (18- )/11 7 18 0 18 /5 0 5 VE= 1 5 18 （弱春性） (30- )/12 1

43、8 30 0 30,t课件.,89,t课件.,90,式中：PHDi 是第i天的群体光合量；TF 是温度订正因子，是日平均温度Ti的函数；NF是N肥订正因子；Qi是第i 天的太阳辐射强度；是群体反射率；0.47是太阳辐射转换成光合有效辐射的系数；LAIi是叶面积指数， Di 为日长；A、B是光合作用参数，随品种和生育期而变；E是群体消光系数。Qi 可按下式计算:Qi TQi / Di这里，TQi是第i 天的太阳辐射总量。,t课件.,91,t课件.,92,t课件.,93,t课件.,94,t课件.,95,NPDi=PGDi-REDi,RG=0.03*PGDi,DMi=0.680.82NPDi,干物重

44、模型,t课件.,96,小麦LAI模型,SLAi=SLAmax-（SLAmax-SLAmin）*EXP（-D*i）,表 主要生育阶段光合产物向叶和穗转移的分配系数 器官 拔节 抽穗 成熟 叶 0.46 0.13 0.00 穗 0.31 1.28,t课件.,97,3.3适宜LAI动态指标 3.4小麦生长是否追肥的判断 3.5小麦施氮量初值的订正,NI=FGNI,t课件.,98,t课件.,99,t课件.,100,农业模型的应用领域 模拟模型的应用主要有以下4个方面：教学、研究、管理、评估。较理想的农业模拟模型不仅具有良好的机理性和预测性，并且以其较强的通用性和灵活性而适用于不同的生态地区和各种层次的

45、用户。 模拟模型与其它技术的耦合与专家系统或知识模型的结合 作物生长模拟模型与作物管理知识模型或专家系统相结合，可以实现播前的栽培方案设计和产中的动态管理调控两大决策支持，其技术原理如下：,第五部分 农业模型应用与发展趋势,t课件.,101,栽培方案设计流程图,t课件.,102,与RS技术的结合 RS与作物生长模拟模型的结合使RS的宏观实时动态监测功能与生长模型的预测功能优势互补。 与GIS的结合 模拟模型与GIS相结合，使得模型可以通过GIS获取其运行所需的天气和土壤数据及管理数据等，而模型的结果又可通过GIS用地图来进行空间表达，非常便于进行多地块生产管理或提供宏观管理决策支持。 与全球定

46、位系统（GPS）的结合 GPS与模拟模型相结合，就可以通过GPS获得定位数据进行小范围模拟，根据模拟结果进行定位施肥、灌溉、施药和其他管理。,t课件.,103,与可视化技术及虚拟现实技术的结合 在生长模拟模型的基础上，进一步构建基于过程的形态发生模拟模型，并与可视化技术及虚拟现实技术相结合，构成一个可感知的预测和显示植物生长动态过程、群体景观和产量形成等的计算机可视化环境，对于探索作物理想株型、优化生长调控措施、构建植物形态及园林设计、虚拟实验教学等具有重要的现实意义和应用价值。与组件技术的结合 将农业系统模拟模型与组件技术相结合，设计并开发模拟模型组件，可以即插即用，便于模型的维护、修改和集成。,t课件.,104,与网络技术的结合 将模拟模型与网络技术相结合，形成网络化的模拟模型系统，远程用户通过输入当地基本生产数据，就可以模拟农业生产过程，预测未来变化趋势，获得实时农业生产管理方案和决策支持，从而实现农业生产实时信息的迅速传递，以及农业生产的在线指导和科学决策，便于扩大用户和方便使用。,此课件下载可自行编辑修改，供参考！感谢您的支持，我们努力做得更好！,