华中农业大学-Read(2)

华中农业大学本科毕业论文（或设计）

等。因此，作物生长模型研究开始侧重于现有模型的完善，而非进行新模型的研制，主要针对模型普适性、准确性和易操作性等开展研究。

遥感RS(RemoteSensing)和地理信息系统GIS(Geographical Information System)等新技术手段的崛起，无疑为作物生长模型的应用和发展提供了广阔的前景。(胡钧铭等,2007)早在70一80年代，wiegand等和Aikin等就指出，遥感信息可以被用来改进作物模型的精度。它的主要优点是可以利用大量数据定量描述植物群体的实际生长状况，从而不仅可用来代替作物模型中一些较难获得的参数或变量，而且能对生长模拟过程进行调整或订正。Maas利用植被指数NDvx(Normalized Direne vegetationdex)估算了有效光合辐射和叶面积指数用于作物模型，同时提出了用遥感信息对模拟过程进行重新初始化和参数化的方法，以提高模型精度。Lal等将作物生长模型与GIS技术结合，分析了区域生产力，并提出优化的生产措施，如良种选择、最佳播种日期确定、灌溉计划制定等。他们的研究表明，通过与GIS技术的结合，可以扩大作物模型的应用范围。(张金波,2008)

1.1.1 国内研究进展

中国的作物模拟研究是在国外作物生长模拟研究的基础上发展起来的，起始于八十年代，起步晚，但发展较快。与国外作物模拟的发展历程相似，中国作物模拟研究的发展经历了几个阶段(曹卫星,1998)

(1) 早期的模仿阶段(80年代初期)。主要是将国外的一些应用较为广泛的模拟模型(如CERES模型)汉化，并对参数加以调整，使其适用于中国环境条件下的作物生长发育过程。

(2) 模型的研制阶段。建立基于作物生长过程的模拟模型，特点是建模周期短，计算相对简单，有较强的地域性，在局部地区有较好的应用性。这个时期涌现了一些不同特点的作物生长模型。1983年，江苏省农科院高亮之构建了首稽生产的农业气象计算机模型(ALEAMOD);随后黄策、王天铎等人(1985)从植物生理学出发，建立了水稻群体物质生产的计算机模拟模型。1984-1988年高亮之等完成了水稻计算机模型(RICMOD)，江西农业大学和华南农业大学分别研制出水稻模型RICAM和RSM。90年代初，江苏省农科院高亮之等人提出我国大型的作物生长模拟与栽培管理软件，水稻栽培模拟优化决策系统(RCSODS)，将作物模拟与水稻栽培的优化管理结合起来，标志着我国作物模拟研究日趋成熟。

(3) 模型的优化阶段(90年代中后期至今)。鉴于模型在参数确定上存在的不准确性与随机性，将模型与遥感和地理信息系统结合起来，利用后者提供的大量数据及其定量分析功能，来代替模型中一些较难获得的参数或变量，并通过对模型输出结果的分析拟合，对模型进行优化或订正。同时，将模型与专家系统相结合，实现模型的动态调控与决策支持。具有代表性的模型有中国农业大学研制出的棉花生长发育模拟模(eoToRow)和棉花栽培计算机模拟决策系统(eoTsys)；沈阳农业大学、江苏省农科院等

4

华中农业大学本科毕业论文（或设计）

提出的玉米生长模拟模型。此外，南京农业大学的曹卫星等基于生理发育时间的建模理论，结合不同类型品种的播期试验和N肥试验进行模拟支持研究，从而构建了基于生理生态过程的小麦、水稻、棉花生长模型，具有较好的预测性、解释性、通用性与可靠性。(刘其永,2008)

1.2作物生长模型的存在问题及发展趋势

1.2.1 作物生长模拟研究存在的问题

作物生长模拟研究虽然取得了重大进展，但还存在以下几个方面的问题。(王亚莉等,2008)

(1) 考虑因子不够全面。大多数生长模型是建立在潜在生长条件下的，仅考虑了光、温对作物生长发育的影响，即仅限于PenningDevires等划分的第一或 第二生产水平，第三、第四尚在开发和完善之中。这些模型与农业生产的实际状况仍有明显的差距，因此模型还需考虑磷、钾等土壤元素和水氮互作，以及病虫草害和社会经济管理等模拟模型与作物生长模型的结合，以便提高模型的实用性。

(2) 积累的作物生理生态知识不够。在有些生理生态机理上仍然须作深入的研究并且进一步加以完善。由于缺乏充足的作物生长生理生态过程知识，许多模型采用一系列的假设来描述未知的生理生态过程，或根据个别试验条件下的结果建立经验性的模型，从而限制了模拟精度的提高和模型的应用。例如叶面积指数的衰亡、形态的油菜生长模拟与决策支持系统研究发育进程、同化物分配、维持呼吸模拟与量化、品质及其与产量形成协同关系等过程的机理理解不足，以至于这些模型的解释性和预测性长期难以提高。

(3) 模型参数难以获取或估计。由于模型的复杂性、机理性越强，包含的参数就越多，而参数的获取及可靠性是影响模型应用的关键问题。但至今为止，与模型应用相匹配的参数获取、估算与计算方法仍很不完善，现有的参数确定方法往往费时费力，且由于所用试验资料的代表性和准确性问题，使模型参数的适应性较差。另外，由于模型运行所需大量的气候、土壤资料不易得到，增加了模型应用的难度，直接制约模型在农业生产实践中的应用。

(4) 作物生长模型的应用广度不够。虽然作物生长模型可以辅助进行作物系统的管理决策，如栽培管理、产量预测、育种、水氮管理，并作为一些政策分析工具，如气候变化评估、产量预报等，但还没有充分发挥模型在生产力预测预警、品种设计与评价、时空尺度分析、环境效应评估等方面的综合功能。在模型应用程度上不够广泛。

1.2.2 作物生长模拟研究的发展趋势

针对上述问题，作物生长模型研究表现出以下几个发展趋势：(林忠辉等,2003) (1) 强化生长模型的解释性和综合性。从作物生理生态过程出发，注重模型的机理性，使模型在更广更深层次方面得到进一步发展和提高。在模型的深度上，注重提高模型的解释性和机理性，量化作物的主要生理生态过程，例如叶面积指数的衰亡、同

5

华中农业大学本科毕业论文（或设计）

化物分配、形态发育进程、维持呼吸、水氮互作关系等过程的模拟。在模型的广度上，重点针对一些薄弱的研究内容，增加研究力度和广度，例如在病虫草害的定量影响、品质与产量形成的协同关系以及作物株型结构等方面的研究上，作物模型的数字化表达和预测性比较薄弱，有待于进一步提高。

(2) 增加模型的应用力度。在增加模型机理性和解释性的同时，增加模型的应用性，减少模型的输入要求，降低模型参数的获取难度。模型参数的数字化估算和结构化表达有待改进，要探索规范有效的参数估算方法，并建立模型运行所需的气候、土壤和品种特性参数数据是当前提高模型应用范围的一个重要任务。同时要加强不同空间尺度和环境条件下的验证与适应性研究，提高模型的可靠性和预测性。

(3) 模型与其他关键技术相结合，使模型有更广阔的前景。例如生长模型与RS、GIS相结合，发挥生长模型的预测和决策功能，开发基于生长模型的决策支持系统，挖掘模型的潜在功能，发挥模型在生产力预测预警、品种设计与评价、时空尺度分析、环境效应评估等方面的综合功能。

(4) 改进或创新参数优化的算法。由于作物生长模型都会有自己的常量参数，而参数的好坏直接决定了模型的正确与否，所以对参数的优化是十分必须且必要的。现有一些算法没有做到真正的普遍性及准确性。

2大麦生长模型参数优化与实现

2.1模型模拟的过程

本系统的用户操作流程如图

1，可划分为5个步骤：

第一步，选择气象数据文件。每个气象数据文件在数据库中以表的形式存储。作为研究的示例，目前现有气象数据来自华中农业大学植物科学技术学院的试验资料。为了提高系统的灵活性，在开始运行模拟系统前，允许用户浏览、编辑系统的气象数据值并存入数据库，同时也为使用其它试验数据提供了用户输入接口。并将编辑后和新输入的数据统一存入数据库以供后来操作者参考、调用,为用户自行建立和丰富数据库提供了强有力的功能，这是本模拟系统所实现的一个特色。

第二步，选择模拟时期，纬度，误差范围等，用来模型计算使用。 第三步，选择使用模拟退火算法还是遗传算法进行优化参数计算。 第四步，设置模型优化的参数范围，算法初始化的参数等。

第五步，到达此步已完成所有参数选定，开始执行模拟,输出模拟结果。图2为整个模拟程序执行流程。用户操作第五步后，模拟系统进入作物生长发育动态模拟代码段的执行，也即该模拟系统的核心部分。

作物模拟系统输出十几项数据指标，包括叶面积指数，作物生长速率，作物各器官干物质分配系数，光合有效辐射模拟值，等等，通过上述指标，可以掌握作物主要生理生态指标变化规律，如干物质积累变化趋势、干物质分配变化规律、叶面积指数变化趋势、产量形成规律，等等。用户也可以通过本模拟系统输出的模拟数据与用户

6

华中农业大学本科毕业论文（或设计）

登录主界面 现有气象数据 选择/编辑气象，品种文件 用户自输入 选择算法，SA或GA 模拟退火算法 遗传算法 输入算法的参数 模拟运行 查看，存储模拟结果 图1 用户操作流程 Fig．1 User process

的实验测量数据进行比较，使之成为作物生长发育定量化研究的工具。本程序则是用的DVS作为与实测数据的比较。

本系统的程序执行流程如图2，可划分为4步骤：

第一步，由界面中的参数，读入的数据文件和选择的模型及优化算法计算任一组参数的DVS值。

第二步，由每天的DVS值累加，到相应的值，为大麦的某时期的DVS值，记录模拟的大麦的个时期的日期数。

第三步，由模拟的日期数与已有的实测日期对比，计算误差，根据误差的大小选择接受或者舍弃。

第四步，循环执行优化算法，在有限的时间内得到最优的值，并输出最优值的信息和运行时间，以便后来的算法比较与分析。

2.2优化算法的实现

求解组合优化问题的方法可以分为两大类:确定性方法 (determined methods)和随机方法 (stoehastic methods)。确定性的方法可以非常快的向着优化的方向进行，但是比较容易陷入局部极小，特别是对于多极值函数。相反，随机方法不易陷入局部极小，但

7

华中农业大学本科毕业论文（或设计）

执行程序 读取界面数据 读取对应气象、地理等数据 由选定算法得到参数并计算DVS值 由DVS计算误差值 N 由选定算法选择是否接受此参数 Y 更新best值 误差是否小于给定误差值 N N 是否达到运行时间上限 Y 输出优化选择的参数信息 Y 结束 图2 程序执行流程

Fig．2 Procedures for the implementation of process

却无法保证可以在有限步内找到全局极小。而对我们来说，大多数的工程优化问题中，目标函数都是非凸的，即函数具有多个极值，问题存在许多局部最优解。目前常用的数学规划方法，尤其是非线性规划方法是一种局部搜索算法，它们在进行优化计算时往往得不到全局最优解。其迭代过程为持续地在当前解的邻域内搜索比当前解更优的解，以替代当前解并继续进行搜索，否则算法结束，将当前解作为问题的最终最

8

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库华中农业大学-Read(2)在线全文阅读。