中國網(wǎng)/中國發(fā)展門(mén)戶(hù)網(wǎng)訊 黑土地作為大自然饋贈給人類(lèi)的天然寶藏，是最適合作物生長(cháng)的土壤。人們常用“一兩黑土二兩油”來(lái)形容其肥沃與珍貴。與黃土、紅土等類(lèi)型的土壤相比，肥沃是黑土地得天獨厚的優(yōu)勢；然而，土壤結構一旦遭到破壞其不可逆轉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構不被破壞，是困擾全球科學(xué)家的難題；平衡黑土地“用好”和“養好”之間的關(guān)系是黑土地保護的關(guān)鍵。
從全球黑土地四大分布區域的發(fā)展歷史來(lái)看，都經(jīng)歷了開(kāi)發(fā)、利用、破壞和保護?4?個(gè)過(guò)程。從黑土地的保護措施所積累的有效性經(jīng)驗來(lái)看：美國利用先進(jìn)的農機具走上了實(shí)現保護性耕作的道路，并且誕生了約翰迪爾（John Deere）、孟山都（Monsanto）等世界級農業(yè)科技巨頭；烏克蘭則由于地廣人稀，具備大面積開(kāi)展土地和耕作輪休的條件，因此其通過(guò)徹底的休息實(shí)現黑土地的保護；阿根廷是目前全球黑土地保護性耕作的實(shí)踐者，在機械化的基礎上，全面實(shí)現免耕播種、條帶播種、秸稈還田和等高種植的耕作方式。
從國外的經(jīng)驗來(lái)看，結合全球糧食安全的大背景，我國的黑土地保護必須立足“用好”。“用好”除了要重視土壤、微生物等基礎機理的研究外，還需要利用專(zhuān)用農業(yè)機械裝備及信息化手段進(jìn)行保護性耕作，即：在利用專(zhuān)用智能化農業(yè)機械裝備基礎上，通過(guò)信息化和智能化手段，科學(xué)評價(jià)保護性耕作的效果，并給出科學(xué)的作業(yè)指導與建議。農業(yè)信息技術(shù)先后經(jīng)歷了從農業(yè)專(zhuān)家系統，到農業(yè)數字化、農業(yè)信息化，再到基于大數據的農業(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)農業(yè)生產(chǎn)力發(fā)展的核心驅動(dòng)力，從而為黑土地保護性應用提供科學(xué)的決策依據打下了技術(shù)基礎。
黑土地保護急需體系化信息系統的支撐
在農業(yè)信息技術(shù)領(lǐng)域，我國早在?20?世紀?80?年代就已借鑒了數字化技術(shù)在工業(yè)生產(chǎn)中的應用經(jīng)驗，開(kāi)始發(fā)展農業(yè)信息管理系統（MIS），在農業(yè)生產(chǎn)的物資管理等方面起到了作用。20?世紀?90?年代初，農業(yè)專(zhuān)家系統進(jìn)一步借助計算機技術(shù)的發(fā)展，為農業(yè)生產(chǎn)提供信息化的指導，并推廣和普及了更多的先進(jìn)農業(yè)科技。21?世紀初，在互聯(lián)網(wǎng)浪潮的推動(dòng)下，“互聯(lián)網(wǎng)+農業(yè)”的概念風(fēng)起云涌，多樣化的物聯(lián)網(wǎng)（IoT）種類(lèi)、豐富的移動(dòng)終端應用提升了農業(yè)各個(gè)生產(chǎn)環(huán)節的數字化水平。近年來(lái)，隨著(zhù)物聯(lián)網(wǎng)的廣泛應用，以及大數據技術(shù)的興起，依靠大數據的人工智能技術(shù)開(kāi)始快速滲透到農業(yè)領(lǐng)域，并對農業(yè)科技的發(fā)展起到了巨大的推動(dòng)作用。
但是，我國農業(yè)信息技術(shù)總體上仍然較為落后，難以滿(mǎn)足黑土地保護性作業(yè)的需求，具體表現在?3?個(gè)方面。
缺乏完善的數據采集體系，黑土地家底不清。國內并不缺少針對土壤信息數據采集技術(shù)的研發(fā)，無(wú)論是傳感器技術(shù)還是衛星遙感技術(shù)，都投入了大量的研發(fā)力量；但不同數據采集手段之間無(wú)法形成體系，難以全面反應黑土地的資源情況。以高分系列遙感衛星為例，由于缺乏其他數據樣本的驗證，目前其遙感數據無(wú)法全面、準確地反應黑土地有機質(zhì)的演變情況。
缺少基礎模型與算法，難以支撐黑土地的作業(yè)決策。科學(xué)作業(yè)決策的核心是模型與算法，但我國在農業(yè)算法與模型領(lǐng)域嚴重落后。美國的農業(yè)技術(shù)轉移決策支持系統（DSSAT）模型擁有超過(guò)?30?年的研發(fā)歷史，已成為世界農學(xué)研究中模擬實(shí)驗的主要模型之一，而我國的農學(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，并不適用于我國——只能應用于研究模擬，無(wú)法應用于實(shí)際生產(chǎn)過(guò)程。缺乏自主的模型與算法是導致我國黑土地的演變機理不清、無(wú)法進(jìn)行科學(xué)決策作業(yè)的核心原因之一。
農機智能化水平低，黑土地保護性作業(yè)過(guò)程無(wú)機可用。以免耕播種為例，免耕播種是保護性耕作中最常見(jiàn)也是最關(guān)鍵的技術(shù)之一。但是，目前免耕播種機使用過(guò)程中存在機具調整技術(shù)難度大、全量秸稈覆蓋還田情況下通過(guò)性能較差、播種質(zhì)量及作業(yè)速度不高等問(wèn)題，這都需要采用智能化、自動(dòng)化最新技術(shù)來(lái)升級完善。
要解決上述問(wèn)題，必須以系統化的思維，采用自頂向下的設計模式，構建成體系的信息系統，以滿(mǎn)足黑土地保護的信息化需求。實(shí)際上，農業(yè)生產(chǎn)過(guò)程的數據流向是一個(gè)“數據采集、狀態(tài)判斷、作業(yè)決策與作業(yè)執行”的過(guò)程，與軍事作戰領(lǐng)域中的?OODA（觀(guān)察—判斷—決策—執行）理論非常相似。基于此，中國科學(xué)院計算技術(shù)研究所提出了基于智能?OODA?環(huán)打通數據流的農業(yè)模擬器思路，并在黑土地保護專(zhuān)項中進(jìn)行了先期實(shí)踐。
農業(yè)生產(chǎn)的智能?OODA?環(huán)
OODA?理論最早提出于軍事領(lǐng)域，是由美國軍事戰略家約翰?·?博伊德（John Boyd）開(kāi)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(guān)察”（observe）、“判斷”（orient）、“決策”（decide）、“執行”（act）循環(huán)的縮寫(xiě)，最初被稱(chēng)為“Boyd?循環(huán)”。OODA?循環(huán)模型在戰術(shù)方面是對“空對空”交戰的描述，是根據參戰對象自己的戰略環(huán)境在不斷進(jìn)化中調整戰略的手段——它是一個(gè)有機的模型，而不是一個(gè)機械的模型。
在大多系統動(dòng)態(tài)運作的應用場(chǎng)景中，執行器與傳感器協(xié)同和所處環(huán)境進(jìn)行信息交互，其動(dòng)態(tài)交互過(guò)程符合?OODA?循環(huán)模型：應用系統通過(guò)傳感器對目標對象進(jìn)行“觀(guān)察”，采集相關(guān)信息；根據應用需求，對后續決策處理的目標和原則進(jìn)行“判斷”，同時(shí)準備決策所需數據集，對采集的數據進(jìn)行預處理，并進(jìn)行初步分析；按照應用決策處理的目標和原則對數據綜合分析及“決策”，并提出優(yōu)化控制策略；執行器（也稱(chēng)為反應器）與物理系統或環(huán)境進(jìn)行交互，接收信號并將信號轉化為一種物理行為，最終通過(guò)“執行”優(yōu)化控制策略、改變目標對象相關(guān)狀態(tài)，從而改變系統狀態(tài)。在系統狀態(tài)改變后，利用反饋機制，系統通過(guò)傳感器觀(guān)察新?tīng)顟B(tài)下的相關(guān)參數，并不斷重復?OODA?的動(dòng)態(tài)循環(huán)過(guò)程（圖?1）。
基于智能?OODA?環(huán)的新型農業(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)同執行?4?個(gè)部分，并引入智能技術(shù)提高這?4?個(gè)階段的數據采集與決策精度；在智慧農業(yè)技術(shù)體系標準和規范的指導下，將信息作為農業(yè)生產(chǎn)要素，用現代信息技術(shù)對農業(yè)對象、環(huán)境和耕作全過(guò)程進(jìn)行可視化表達、數字化設計、信息化管理。具體步驟為：對土壤、氣象、水文、作物“四情”（墑情、苗情、蟲(chóng)情、災情），以及農機乃至市場(chǎng)等信息進(jìn)行實(shí)時(shí)全面的觀(guān)察和收集；對所有采集數據進(jìn)行統一的數據處理和分析，并對應不同的農業(yè)模型與算法得到具體的作業(yè)命令；通過(guò)智能農機和自動(dòng)化裝置實(shí)現精準、高效的作業(yè)，同時(shí)實(shí)時(shí)監測信息處理、決策和執行過(guò)程中整個(gè)系統的變化，并不斷修正模型達到最優(yōu)化的效果。
農業(yè)模擬器的功能與架構
相較于大氣物理和新型材料等重大戰略領(lǐng)域科學(xué)，傳統農業(yè)科學(xué)的發(fā)展較多依賴(lài)經(jīng)驗和簡(jiǎn)單統計的建模，而與計算建模的結合相對較弱，直接制約了農業(yè)科學(xué)現代化的發(fā)展。尤其是在智能化時(shí)代，農業(yè)領(lǐng)域數據積累不足，計算建模方法缺乏，使得知識挖掘不充分。因此，智能農業(yè)要解決的首要問(wèn)題是農業(yè)科學(xué)的計算建模。鑒于其他學(xué)科的經(jīng)驗，發(fā)展可計算的模型和模擬系統是行之有效的技術(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)現活動(dòng)，農業(yè)是一個(gè)與生產(chǎn)過(guò)程緊密聯(lián)系的科研實(shí)踐活動(dòng)。因此，亟待構建基于新建模范式的農業(yè)模擬器系統，實(shí)現人工模擬系統和真實(shí)生產(chǎn)系統的在線(xiàn)迭代平臺。
第五范式建模
人類(lèi)從事科學(xué)研究的范式一直在隨著(zhù)技術(shù)的進(jìn)步而演變。到目前為止，現代科學(xué)活動(dòng)中存在?4?種研究范式：第一范式是實(shí)驗觀(guān)察，發(fā)現客觀(guān)存在的自然現象，如可以從實(shí)驗得到的晶體結構；第二范式是理論研究，通過(guò)理論推導歸納出一般性的規律，形成對客觀(guān)世界認識探索的理論體系，如第一性原理、牛頓力學(xué)的提出；第三范式是數值模擬，這是近現代科學(xué)研究借助強大的計算工具形成的方法，如在高性能計算機系統上運用第一性原理計算產(chǎn)生高精度的各種構型數據；第四范式是大數據分析，通過(guò)積累的大量已知數據，然后通過(guò)計算得出相關(guān)關(guān)系。
上述?4?種科研范式中，實(shí)驗研究和理論分析在實(shí)踐活動(dòng)中分離，沒(méi)有涉及生產(chǎn)過(guò)程迭代建模。第五范式是把理論研究和實(shí)驗科學(xué)通過(guò)“數值+數據+智能”技術(shù)耦合成一個(gè)在線(xiàn)迭代的有機整體，形成“理論+實(shí)驗”科學(xué)活動(dòng)的“自動(dòng)駕駛系統”。智能農業(yè)模擬器與傳統農業(yè)信息系統及?DSSAT、WOFOST?等第四范式的典型農學(xué)模擬系統不同，具體體現在?2?個(gè)方面。
模型研制方面。WOFOST?模型是在歐洲生產(chǎn)模型基礎上研制而來(lái)，著(zhù)重強調其在定量評價(jià)土地生產(chǎn)力、區域產(chǎn)量預報、風(fēng)險分析和年際間產(chǎn)量變化及氣候變化影響量化等研究中的應用。DSSAT?模型則是在借鑒歐洲模型的基礎上，結合美國農業(yè)特點(diǎn)所研制的模型。該模型匯總了各種作物生長(cháng)模型和標準化模型的輸入、輸出變量格式，方便模型的普及和應用。上述?2?種模型都屬于國外農業(yè)模型并得到廣泛應用。到目前為止，我國開(kāi)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較少。智能農業(yè)模擬器則是我國獨立自主研發(fā)的農業(yè)軟件，這使得我國農業(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(cháng)分布、土壤水分狀況。該模型可以針對?3?種不同的生產(chǎn)過(guò)程模擬作物生長(cháng)變化過(guò)程，即模擬潛在作物生長(cháng)、水分限制條件下的作物生長(cháng)和養分限制條件下的作物生長(cháng)。DSSAT?是一種針對特定作物的模型，如大豆、玉米、高粱等作物；該模型兼容了許多作物生長(cháng)模型，構成“作物系統模型”軟件包，然后應用公共的土壤水分運動(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(guò)程。然而，上述?2?種模型都存在一些問(wèn)題：輸出結果受到輸入數據影響。例如，試驗區氣象數據、土壤數據、作物品種數據等對結果影響較大；對歷年來(lái)的數據收集難度較大，在運行時(shí)缺失的數據只能按缺省值處理，對結果的輸出也會(huì )產(chǎn)生一定的影響。模型應用需要根據實(shí)際情況進(jìn)行調整，需要對源代碼進(jìn)行修改。數據不夠全面。如，缺少氣象數據、光譜數據等。模型中缺乏病蟲(chóng)害等因素的考慮可能導致數據不準確。智能農業(yè)模擬器基于更加完備的數據采集系統，將輸入與輸出進(jìn)行解耦；然后，通過(guò)邊緣計算對農業(yè)生產(chǎn)實(shí)時(shí)數據進(jìn)行處理，結合科學(xué)的指導意見(jiàn)完成決策反饋，從而指導農業(yè)作業(yè)生產(chǎn)。
因此，智能農業(yè)模擬器通過(guò)人工模擬系統與真實(shí)生產(chǎn)系統的在線(xiàn)迭代，推動(dòng)科學(xué)家的理論研究與生產(chǎn)實(shí)際系統的相互促進(jìn)，以實(shí)現實(shí)驗室模型和算法與生產(chǎn)一線(xiàn)的指揮系統“在線(xiàn)連接”，進(jìn)而令農業(yè)生產(chǎn)實(shí)現“自動(dòng)化”，最終達到提高作業(yè)效率與農業(yè)產(chǎn)量、降低生產(chǎn)成本的目的。
農業(yè)模擬器的體系結構
基于智能?OODA?環(huán)是第五范式建模的有效實(shí)踐途徑之一，農業(yè)模擬器應包含?4?個(gè)主要階段。
觀(guān)察——農業(yè)全要素數據采集、存儲標準體系。農學(xué)基本上是一門(mén)以數據積累、統計建模為基礎的學(xué)科，數據在其學(xué)科發(fā)展中擁有至關(guān)重要的作用。因此，在農業(yè)模擬及農業(yè)生產(chǎn)決策必須建立在數據的基礎上，在傳統的農業(yè)模擬系統（如?DSSAT、WOFOST）應用中，其使用的大量基礎模型（如?CERES-Maize、CERES-Wheat?等作物生長(cháng)預測模型）均是建立在數據統計基礎上。農業(yè)模擬器“在線(xiàn)連接”的屬性決定了其必須對農業(yè)生產(chǎn)過(guò)程中的數據進(jìn)行在線(xiàn)監控；而上述模型所采用的基于歷史數據作為系統輸入的模式無(wú)法滿(mǎn)足農業(yè)模擬器的廣域大粒度和實(shí)時(shí)在線(xiàn)模擬需求，這就決定了必須采用各種數據采集技術(shù)（如遙感、探地雷達、傳感器等）對農業(yè)生產(chǎn)過(guò)程中的全要素進(jìn)行全面的數據采集。同時(shí)，農業(yè)模擬器的“廣域”特性也決定了農業(yè)數據采集過(guò)程具備高并發(fā)、高通量特性，而農業(yè)生產(chǎn)的重點(diǎn)區域（如我國黑土地分布的東北地區）存在大量的公眾服務(wù)網(wǎng)絡(luò )覆蓋不足的問(wèn)題，也對數據的實(shí)時(shí)采集帶來(lái)了挑戰。針對上述問(wèn)題，農業(yè)模擬器的設計必須是完全面向農業(yè)生產(chǎn)過(guò)程的數據采集、存儲與交換體系，以此更好地解決農業(yè)模擬數據來(lái)源的問(wèn)題。
判斷——構建農業(yè)全要素狀態(tài)判斷與演變模型。對農業(yè)生產(chǎn)過(guò)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，并預測其狀態(tài)演變是作業(yè)決策的基礎。農學(xué)領(lǐng)域針對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(lái)看，這些研究仍存在一定的局限性，主要體現為數據來(lái)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，一旦目標環(huán)境與模型自身構建所處的環(huán)境間存在較大偏差時(shí)，要么無(wú)法適用，要么需要花費大量的時(shí)間重新進(jìn)行校正。因此，對農業(yè)模擬器而言，需要在現有模型的基礎上，通過(guò)大數據技術(shù)和人工智能技術(shù)，自動(dòng)修正已有模型或構建新的模型，以實(shí)現廣域農業(yè)生產(chǎn)過(guò)程中的實(shí)時(shí)在線(xiàn)判斷。
決策——研究基于農業(yè)生產(chǎn)全要素的生產(chǎn)決策方法。農業(yè)生產(chǎn)決策是根據生產(chǎn)要素的狀態(tài)給出對應的作業(yè)決策。例如，決定種子、農藥、化肥的使用量，決定追肥時(shí)機，決定灌溉時(shí)機與用水量等。對此，農業(yè)模擬器需要解決的核心問(wèn)題包括?2?個(gè)方面：農藝知識體系的數字化，即利用現有的農藝知識體系構建農業(yè)生產(chǎn)決策的基礎算法與模型；結合生產(chǎn)過(guò)程，實(shí)現對算法與模型的修正，構建完整“數據—模型”的閉環(huán)模型，以實(shí)現決策算法與模型的自進(jìn)化。解決上述問(wèn)題的技術(shù)路徑，需要利用知識圖譜、知識發(fā)現等知識工程領(lǐng)域技術(shù)，以實(shí)現對農藝知識的挖掘和數字化，并進(jìn)而利用大數據技術(shù)、人工智能技術(shù)等方法進(jìn)行對模型的在線(xiàn)修正或者二次建模。
執行——突破農機裝備的智能作業(yè)控制與執行技術(shù)。作為基于智能?OODA?環(huán)的農業(yè)模擬器的最后一環(huán)，該階段是理論與實(shí)驗結合最為密切并明顯區分于其他范式建模的關(guān)鍵所在。在農業(yè)生產(chǎn)過(guò)程中，決策產(chǎn)生的作業(yè)方案通過(guò)智能化農機裝備進(jìn)行高質(zhì)量的作業(yè)，并在作業(yè)過(guò)程中通過(guò)多樣化傳感器設備進(jìn)行實(shí)時(shí)的數據采集，最終形成“觀(guān)察—判斷—決策—執行”的?OODA?閉環(huán)，以此打通實(shí)驗室模型和算法與生產(chǎn)一線(xiàn)的指揮系統“在線(xiàn)連接”，實(shí)現農業(yè)模擬器不斷演進(jìn)。此外，自動(dòng)化作業(yè)執行可以有效規避人工作業(yè)帶來(lái)的作業(yè)質(zhì)量不達標問(wèn)題，進(jìn)而降低農業(yè)模擬器的數據誤差。要實(shí)現農機裝備的智能作業(yè)控制與執行，需要針對無(wú)人駕駛裝備系統、整機電子系統、作業(yè)機具的精準控制、動(dòng)力系統與作業(yè)機具的協(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）。
農業(yè)模擬器的軟硬件系統
針對上述過(guò)程，農業(yè)模擬器的軟硬件構成應該主要包括?3?個(gè)方面。
空天地一體化的農業(yè)生產(chǎn)數據觀(guān)測網(wǎng)絡(luò )。該網(wǎng)絡(luò )對應于智能?OODA?環(huán)中的“觀(guān)察”環(huán)節。在地面，通過(guò)各種傳感器設備、氣象站設備完成土壤、環(huán)境、氣候信息的采集，通過(guò)遙感、伽馬輻射接收、無(wú)人機載多光譜/高光譜等設備實(shí)現對土壤、作物、水肥信息的采集。在空中，在利用通導遙一體的衛星系統提供遙感數據的同時(shí)，解決農業(yè)數據回傳與控制指令下發(fā)所需要的廣域通信覆蓋問(wèn)題，以及農機裝備自動(dòng)執行過(guò)程中的高精度定位問(wèn)題。觀(guān)測網(wǎng)絡(luò )應當具備海量?IoT?傳感器的并發(fā)接入能力，以支撐農業(yè)生產(chǎn)過(guò)程中大量部署的傳感器通過(guò)?IoT?網(wǎng)絡(luò )實(shí)現數據的回傳。
邊緣計算平臺。邊緣計算系統用于“判斷”與“執行”2?個(gè)環(huán)節的計算支撐。邊緣計算平臺為農業(yè)生產(chǎn)過(guò)程中小粒度實(shí)時(shí)在線(xiàn)判斷提供計算支撐。例如，作物的病蟲(chóng)害識別一般通過(guò)近距離的圖像識別方法進(jìn)行處理，此類(lèi)“判斷”模型需要在服務(wù)端利用平臺進(jìn)行大量訓練；模型訓練完成后可以在邊緣計算平臺端實(shí)現實(shí)時(shí)判斷，進(jìn)而降低數據回傳至云服務(wù)端所產(chǎn)生的時(shí)延，以此提高決策的時(shí)效性。針對“執行”過(guò)程，邊緣計算平臺就近為無(wú)人駕駛、機具作業(yè)控制提供基礎計算能力，以滿(mǎn)足農機在此過(guò)程中的智能執行需求。
多樣化算力中心。多樣化算力中心是農業(yè)模擬器系統的核心組件，是“大腦”，其為農業(yè)?OODA過(guò)程中的“觀(guān)察”“判斷”和“決策”3?個(gè)環(huán)節提供核心算力支撐。在“觀(guān)察”環(huán)節，算力中心需要提供針對不同數據類(lèi)型的存儲支持，包括對傳感器、氣象站結構化時(shí)序數據的存儲，利用對象存儲或分布式存儲系統支撐遙感數據、無(wú)人機測繪數據的存儲；同時(shí)，“觀(guān)察”階段的傳感器通過(guò)?IoT?海量接入也需要服務(wù)端提供算力支撐。在“判斷”環(huán)節，算力中心需要提供多樣化的人工智能處理能力，為農業(yè)全要素狀態(tài)判斷與演變模型的構建提供支撐，包括面向海量遙感數據、無(wú)人機測繪數據、伽馬輻射圖譜數據、遠中近紅外數據反演所需的分布式人工智能訓練，以及針對多用戶(hù)的模型訓練等。在“決策”環(huán)節，算力中心需要提供面向知識工程的算力支撐，包括針對知識圖譜構建的大規模圖計算；在此基礎上，提供面向農藝知識與決策推理的推理訓練算力，最終實(shí)現農業(yè)生產(chǎn)決策方案的輸出。
農業(yè)模擬器在黑土地保護中的應用
構建基于第五范式的農業(yè)模擬器系統，需要將理論、模型、算法與現實(shí)農業(yè)生產(chǎn)密切結合、驗證并不斷迭代演進(jìn)。東北地區是我國機械化程度最高、農業(yè)數字化和信息化發(fā)展最早的區域之一，具備農業(yè)模擬器系統開(kāi)展試驗示范的多種應用場(chǎng)景。當前，中國科學(xué)院（以下簡(jiǎn)稱(chēng)“中科院”）正集合院內優(yōu)勢力量組織實(shí)施“黑土地保護與利用科技創(chuàng )新工程（黑土糧倉）”戰略性先導科技專(zhuān)項（A?類(lèi)），中科院計算技術(shù)研究所作為大河灣示范區建設牽頭單位，借助研制的數字化系統及智能裝備構建了黑土地?OODA?閉環(huán)正反饋系統，突破當前孤立、線(xiàn)性、滯后的農業(yè)模型缺陷，形成“依靠數據決策、智能農機執行”的農業(yè)生產(chǎn)模式，打通數據有效流動(dòng)的環(huán)節，將基于數據決策的智能化執行的農業(yè)生產(chǎn)模式轉化為對黑土地保護和利用的生產(chǎn)力。具體的作用主要體現在?3?個(gè)方面。
數據觀(guān)察環(huán)節。結合衛星與無(wú)人機遙感、移動(dòng)式近地面傳感設備及固定式傳感器等多種數據采集技術(shù)，構建空天地一體化、多維度的黑土地作業(yè)全要素觀(guān)測網(wǎng)絡(luò )，獲取農田本地數據，如土壤（氮、磷、鉀、微量元素含量，以及溫濕度、土壤墑情、電導率等）、氣候（當地的基本氣候情況）、水（地下水位、鹽堿度、pH?值等）、生物（歷年的農作物種植情況、長(cháng)勢、病情、蟲(chóng)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(guò)衛星遙感實(shí)現數萬(wàn)畝耕地的大尺度監測；確定風(fēng)險區域后，使用無(wú)人機開(kāi)展百畝量級的針對性觀(guān)測；部分重要區域布置固定式傳感器開(kāi)展長(cháng)期持續觀(guān)測，以實(shí)現地塊級的農業(yè)信息監測。后續待移動(dòng)式近地面傳感設備成熟后，將其安裝在智能農機上，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測的顆粒度精細水平。
數據判斷、決策環(huán)節。根據算法分析需求，針對采集數據開(kāi)展整理、清洗和融合，以實(shí)現對采集數據在后續模型與算法分析中的定性和定量判定。針對黑土地保護，結合地理信息系統（GIS）技術(shù)得到區域內土壤侵蝕強度空間分布圖，綜合地區的土壤侵蝕特征，研究分析在不同的土地利用類(lèi)型下土壤侵蝕的關(guān)系，以及坡度對土壤侵蝕的影響。根據土壤侵蝕動(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)境因子的轉移矩陣并分析相互關(guān)系，實(shí)時(shí)預測土壤侵蝕動(dòng)態(tài)。針對黑土地作業(yè)，面向特定作物通過(guò)統計學(xué)習、人工智能與復雜系統最優(yōu)化的方法，構建土壤元素、水、肥、溫度、濕度、光照、病、蟲(chóng)、草等基礎信息模型與作物生長(cháng)趨勢、災情預警、產(chǎn)量估算之間的數字化表達和修正模型。通過(guò)系統化機器學(xué)習與模擬，最終給出針對特定作物不同時(shí)期的水、肥、藥、農藝等實(shí)時(shí)處方建議。
作業(yè)執行環(huán)節。一方面，針對現有農機裝備進(jìn)行智能化改造升級；另一方面，突破新一代清潔能源智能農機控制芯片、操作系統、無(wú)人駕駛、精準控制等核心技術(shù)，并綜合集成電機、電池、電控、數控底盤(pán)等技術(shù)，創(chuàng )制針對黑土地主要作物的系列（50—400?馬力）清潔能源智能農機成套裝備。此外，針對免耕播種、秸稈還田、條耕等保護性作業(yè)關(guān)鍵環(huán)節，提高農機農藝結合水平，強化農機裝備傳感器與智能變量作業(yè)農機具的集成應用。具備智能網(wǎng)聯(lián)、無(wú)人駕駛和一定自主決策能力的智能農機，不僅可按照作業(yè)命令實(shí)現針對具體作物“耕、種、管、收”全生命周期的精準高效保護性作業(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(guò)智能?OODA?環(huán)開(kāi)展在作業(yè)任務(wù)自動(dòng)分配、農機智能調度、農機作業(yè)質(zhì)量指導等方面的迭代優(yōu)化。
挑戰與對策
科學(xué)技術(shù)的進(jìn)步為農業(yè)生產(chǎn)提供了新的手段，在研究黑土地“用好”“養好”的過(guò)程中，需要利用好現代信息技術(shù)手段。通過(guò)智能?OODA?環(huán)為農業(yè)建立全要素的模擬器提供了新的科學(xué)研究方法，也為黑土地保護提供了新的思路。但是，建立農業(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，尤其要注重對黑土地成因、破壞過(guò)程、保護機制、農藝過(guò)程在信息空間的建模。為了能夠在中科院戰略性先導科技專(zhuān)項“黑土糧倉”中實(shí)現信息技術(shù)引領(lǐng)的黑土地保護模式，本文提出?3?點(diǎn)建議。
強化跨學(xué)科協(xié)同。農業(yè)模擬器要在黑土地保護中發(fā)揮作用，需要將已有的保護性耕作技術(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(guò)海量實(shí)時(shí)數據的采集，在信息空間完成模型的迭代訓練。目前，不同的黑土地保護科研團隊分別專(zhuān)注于各自的領(lǐng)域，形成了各自領(lǐng)域的保護模型，但是這些模型還屬于基于傳統科研范式的模型，在后續需要加強互相之間的高質(zhì)量合作，以實(shí)現信息與農學(xué)、土壤學(xué)、生物學(xué)的學(xué)科融合，形成完備的農業(yè)模型。
強化黑土地保護數據價(jià)值挖掘。數據流的采集需要大量的資金投入，但由于農業(yè)生產(chǎn)與第二、第三產(chǎn)業(yè)相比投入產(chǎn)出比較低，很容易導致數據價(jià)值得不到體現而限制了信息化建設資金的供給。盡管近些年來(lái)國家加大了對農業(yè)信息化建設的投入，并取得了一定的成績(jì)，但是始終依靠國家投入并不是長(cháng)久之計。因此，未來(lái)我們需要開(kāi)展商業(yè)化的運營(yíng)，在數據流的快速流動(dòng)中實(shí)現數據價(jià)值的變現，并更好地投入到智能?OODA?環(huán)的循環(huán)迭代中。
針對黑土地保護建設科學(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。黑土地保護需要建設一個(gè)全要素的農業(yè)模擬器研究與開(kāi)發(fā)平臺，然后基于該平臺實(shí)現傳統保護模型的數字化，并通過(guò)數據訓練這些模型以接近農業(yè)生產(chǎn)實(shí)際。這就需要將面向黑土地保護的農業(yè)模擬器視為黑土地保護的科學(xué)裝置，為黑土地保護提供“體檢報告”，指導黑土地保護措施的實(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）