基于知识模型与 WebGIS 的精准农业处方智能生成系统研究

中国农业科学2007,40(6):1190-1197ScientiaAgriculturaSinica收稿日期：2006-08-08；接受日期：2007-01-29基金项目：北京市京郊土壤养分“3S”技术精准管理试验示范（20060128）、国家863“小麦生产精准作业系统构建与应用”（2006AA10A308）的资助作者简介：陈云坪（1974-），男，四川德阳人，助理研究员，博士研究生，研究方向为遥感与地理信息系统、精准农业。E-mail：[e-mail]。通讯作者赵春江（1964-），男，河北定兴人，研究员，研究方向为农业信息化技术与精准农业技术体系。Tel：[phone]；E-mail：[e-mail]。通讯作者王秀（1965-），男，河北万全人，研究员，研究方向为精准农业、精准施肥。Tel：[phone]；Fax：[phone]；E-mail:[e-mail]基于知识模型与WebGIS的精准农业处方智能生成系统研究陈云坪1,2，赵春江1，王秀1，马金锋1,2，田振坤1,2（1国家农业信息化工程技术研究中心，北京100097；2北京师范大学地理学与遥感科学学院遥感与地理信息系统研究中心，北京100875）摘要：【目的】根据土壤采样调查结果，插值生成田块土壤肥力分布图，并以此为基础生成变量施肥处方图指导变量施肥，即可实现节省肥料、提高经济效益和保护环境的目的，是精准农业的核心思想。【方法】本系统可根据不同采样点所得的土壤养分含量，通过Kriging插值获得肥力分布图，经整合多年产量、气象和土壤等基础数据，将作物生产潜力估算、平衡施肥等知识模型与GIS相耦合。【结果】生成用于精准农业变量施肥的处方图，并通过网络予以发布，用户通过计算机网络即可获得施肥田块的作物施肥信息。【结论】构建了基于知识模型与WebGIS的精准农业处方图生成系统的基本框架和处理流程，提高了处方图的合理性和可靠性，实现了通过网络生成和发布处方图，初步解决了目前处方图生成和发布的瓶颈。关键词：知识模型；WebGIS；处方图；变量施肥PrescriptionMapGenerationIntelligentSystemofPrecisionAgricultureBasedonKnowledgeModelandWebGISCHENYun-ping1,2,ZHAOChun-jiang1,WANGXiu1,MAJin-feng1,2,TIANZhen-kun1,2(1NationalEngineeringResearchCenterforInformationTechnologyinAgriculture,Beijing100097;2ResearchCenterforRemoteSensingandGIS,CollegeofGeography,BeijingNormalUniversity,Beijing100875)Abstract:【Objective】Accordingtotheresultofsoilsamplingandtest,amapofsoilpropertiescanbeachievedbyinterpolation.Afterthat,aprescriptionmapcanbegeneratedtoconductvariable-ratefertilization.Thisprocessisthecoreofprecisionagriculture.Itcannotonlysavefertilizer,butalsoimproveeconomicandenvironmentbenefits.【Method】Thesystemwhichwasbasedongeographyinformationsystem(GIS)could:1)interpolatesoilpropertiesmapbyKrigingmethod;2)integrateyield,meteorologicaldataandsoildataintoadatabase;3)coupleGISwithknowledgemodel,suchascroppotentialproductivityandbalancedfertilizationmodel;【Result】4)generateprescriptionmapandtransmitbyweb.【Conclusion】ThestudyconstructedthebasicframeandprocessflowofprescriptionmapbasedonknowledgemodelandwebGIS,improvedtherationalityandreliabilityofprescriptionmap,implementedtogenerateandreleaseaprescriptionbyWeb,andmakeiteasyforusertogetaprescriptionmap.Keywords:Knowledgemodel;webGIS;Prescriptionmap;Variable-ratefertilization0引言【研究意义】化肥是粮食增产的重要因素，其贡献率约占50%以上[1]。施肥同时也是一项与作物产量和品质、土壤培肥、面源污染等问题密切相关的复合生态系统物质循环调控的重要措施[2]。但化肥的大量施用，会导致土壤中重金属和硝酸盐含量增加，土壤板结、酸化，微生物活动降低，最终使土壤肥力降低，肥料投入产出比下降，并不同程度地污染水源。为实现农业的可持续发展，20世纪90年代初欧美等发达国家在大面积机械化生产的基础上应用全球定位系统（globalpositionsystem，GPS）发展出基于环境资源的时空变异确定化肥或农药投入的精准农业（precisionagriculture）。精准农业的本质是处方农作，6期陈云坪等：基于知识模型与WebGIS的精准农业处方智能生成系统研究1191即按需实施，定位控制[3]。其关键技术之一是按照土壤肥力变异状况、田间杂草及病虫害分布情况生成处方图，再结合GPS控制施肥机或喷药机实现定点、定量施肥或喷药。【前人研究进展】近年来，精准农业技术发展很快，在计算机推荐施肥和处方图生成方面，国内外做了一些有益的研究和尝试，但多数是针对田块、农场、同一土壤类型或更大范围的尺度[4~10]，【本研究的切入点】对适合进行精准农业智能农机作业的小尺度较少涉及。少数能用于精准农业处方图生成的系统[11~17]，都是基于桌面系统，阈于成本高、操作难度大，受众范围小等因素难以应用和推广。【拟解决的关键问题】本研究在精准农业思想的指导下，基于知识模型与WebGIS，进行了处方图生成的研究，并通过网络加以实现，解决了适合精准农业智能机械作业的处方图生成和发布的瓶颈问题。1系统设计本研究主要基于变量施肥系统的田间地理信息数据库，依据土壤样品分析结果，结合光温生产潜力模型、目标产量模型等作物生长及施肥模型，使用Kriging插值的方法，由计算机自动生成处方图或施肥推荐处方，并通过网络予以发布。该系统既可提供由单独的用户进行人工施肥作业的施肥推荐处方，也可提供指导智能农机进行变量施肥和喷药作业的精准农业处方图，达到减少施肥量或喷药量，减小污染，但不降低作物产量的目的，并取得较高的经济效益。1.1系统结构系统由知识库、数据库、模型库、空间数据库、智能决策模块、处方图生成模块及Web和GIS服务器等几部分组成。其中知识库、数据库、模型库和空间数据库为系统提供地图显示和决策分析的数据及模型支持；智能决策支持模块根据现有数据和模型生成处理方法供处方图生成模块调用；处方图生成模块的功能则是在服务器端生成处方图并通过网络服务器发布。系统结构如图1所示。1.2数据库数据库设计是系统设计的重要环节之一，本系统数据库由空间数据库、属性数据库和基础数据库3部分构成。空间数据库包括区县、村行政区划图，土壤类型及土壤采样点分布图等；属性数据库包括土壤类型名称，土壤氮、磷、钾含量，区县、村庄名称，铁路、道路、河流名称及长度等字段；基础数据库为关系型图1系统结构图Fig.1Architectureofthesystem1192中国农业科学40卷数据库，采用MSSQLserver2000构建，包括气象、土壤、作物参数等资料。2系统的知识模型知识模型是系统赖以存在的基础，好的模型不仅为系统提供严格的科学依据，也是输出结果精度的重要保证。限于篇幅和文章论述重点所限，文章仅对涉及产量目标和施肥量的光温生产潜力模型和目标产量模型做简单介绍。2.1产量目标产量目标设计是实现作物定量化栽培管理的前提和基础[18]，其数值选用下式来计算：⎟⎟⎠⎞⎜⎜⎝⎛×××−+=PNWTfffYYYYYmeanmeanmeanGoal1式中，YGoal代表产量目标，Ymean为前3年小麦平均产量，YT为决策点的光温生产潜力，可由公式（1）计算得到，fW、fN、fP分别代表水分供应水平、养分供应水平和生产技术水平。YT=Q×ε×α×(1-β)×(1-γ)×(1-ω)×Φ×(1-X)×H-1×fT（1）式中，Q：到达地面的太阳总辐射强度（J·m-2）；ε：生理辐射系数；α：辐射吸收率；β：辐射漏射率；γ：光饱和限制率；ω：呼吸消耗率；Φ：量子转化效率；X：植株含水率；H：质能转化系数；fT：温度订正函数[19]。2.2施肥模型施肥量的确定主要有养分平衡法、地力差减法、肥料效应函数法等[20]。其中养分平衡法是目前应用比较广泛的模型之一，该模型表示如下：Winput=(Woutput-Wsoil)/η式中，Winput为施肥量（kg·ha-1），Woutput为作物产量带走的养分量（kg·ha-1），由公式（2）计算，Wsoil为土壤养分供应量，η为肥料养分当季利用率。Woutput=YGoal×Cg+(1/HI-1)×YGoal×Cstr（2）式中，YGoal：籽粒目标产量（kg·ha-1）；HI：收获指数；Cg和Cstr分别为作物籽粒和秸秆中的营养元素含量。土壤养分供应量（Wsoil）受到土壤养分当年供应量、土壤水分状况和作物品种养分吸收效率等因素的影响和制约。以氮素为例，计算公式如下：Wsoil=Tn×Kwater×Ksoil式中，Kwater为水分管理水平因子，通常取（0.8～1）；Ksoil为作物对土壤氮素当季供应量的吸收效率，为作物品种的遗传参数（0～1）。Tn为土壤氮素当季供应量（kg·ha-1）。3处方图生成策略处方图生成是精准农业实施的关键环节之一，涉及采样策略、插值方法、作物生长模型、施肥模型等诸多领域。按照处理的先后顺序，笔者将处理流程分为以下5个主要步骤：（1）选择土壤采样策略。土壤采样方法大体可以分为3大类，即随机抽样、典型抽样和系统抽样（机械抽样）[21]。由于系统抽样避免了采样点过疏或过密的不足，在空间环境信息采样中得到广泛应用。（2）选择插值方法。常用的空间插值方法包括Thiessen多边形法、三角形法、Sibson自然邻域法、距离倒数函数法、趋势面法、样条函数法和Kriging法。Kriging方法因其既有空间上的整体性又有局地性，判据和评价方法较完善，成为目前空间插值的首选方法[21,22]。本系统采用Kriging方法进行空间插值。（3）确定产量目标。系统采用光温生产潜力来计算目标产量。（4）确定N、P、K施肥量。采用目标产量模型（属于平衡施肥模型）分别确定N、P、K的施肥量。（5）确定有机肥、无机肥和基肥、追肥比例。整个处理流程如图2所示：图2处方图生成流程Fig.2Generalflowchartofprescriptionmapgeneration6期陈云坪等：基于知识模型与WebGIS的精准农业处方智能生成系统研究11934系统应用实例4.1数据获取试验地选在北京市昌平区小汤山精准农业示范基地，土壤类型