农业相关机理模型

在人工智能（AI）和深度学习席卷各行各业的今天，农业领域的数据科学依然保留着其独特的严谨性。不同于纯数据驱动的“黑箱”模型（Black-box），农业机理模型（Process-based Models） 属于“白箱”模型。它们基于植物生理学、土壤物理学、大气动力学和生态化学的经典方程，从第一性原理出发，对农业生产系统进行数学重构。

第一章：作物生长模型 (Crop Growth Models)

—— 数字化的生命引擎

作物模型是农业模拟的核心，它本质上是一套描述植物从种子萌发到产量形成的能量与物质转换方程组。它不仅预测“长多少”，更解释“为什么长”。

1. 核心机理逻辑

作物模型通常由以下几个核心子模块驱动：

• 物候发育模块（Phenology）： 决定作物的时间轴。基于热时（Thermal Time/GDD）和光周期，计算作物何时发芽、开花、灌浆、成熟。

• 关键方程逻辑：

  

当累积温度达到特定阈值，生长阶段切换。

• 光合生产模块（Photosynthesis）： 决定生物量（Biomass）的积累。

• RUE法（Radiation Use Efficiency）： 简单模型使用，生物量 = 截获光合有效辐射 × 光能利用率。

• 叶片光合速率法： 复杂模型（如Farquhar模型）模拟单叶光合，再通过冠层结构积分。

• 同化物分配模块（Partitioning）： 决定光合产物分配给根、茎、叶还是果实（源库关系）。

• 胁迫响应模块（Stress）： 引入水分胁迫系数（0-1）和氮素胁迫系数，对潜在生长量进行折减。

2. 代表性模型体系

• DSSAT (Decision Support System for Agrotechnology Transfer)

• 定位： 全球应用最广的综合平台，集成了CERES（禾谷类）、CROPGRO（豆类）等数十种作物模型。

• 优势： 模块化强，擅长模拟管理措施（播期、密度、施肥、灌溉）对产量的影响，是很多农学研究者的入门首选。

• APSIM (Agricultural Production Systems sIMulator)

• 定位： 澳大利亚研发，侧重于“种植制度”。

• 优势： 它不仅看单季作物，更擅长模拟轮作、间作、覆盖作物以及土壤肥力的长期遗留效应。在模拟长期气候变化适应性方面表现卓越。

• WOFOST (WOrld FOod STudies)

• 定位： 瓦赫宁根大学研发，欧盟通用标准。

• 优势： 物理机制极其透明，将生长分为潜在（Potential）、水分限制（Water-limited）、养分限制（Nutrient-limited）三个层级。其开源特性使其极易被集成到区域产量预报系统中。

• AquaCrop

• 定位： FAO出品，以“水”为核心。

• 优势： 输入参数少，核心是通过“水分生产力（WP）”标准化归一化，连接蒸腾与产量。在缺水地区和灌溉规划中，其鲁棒性优于许多复杂生理模型。

• STICS

• 定位： 法国INRA开发，强调多学科耦合。

• 优势： 对非典型作物（如蔬菜、牧草）适应性好，且在土壤碳氮循环与作物生长的交互模拟上非常精细。

• ORYZA (v3)

• 地位： 国际水稻研究所 (IRRI) 的官方模型。

• 优势： 水稻是半水生植物，其通气组织和水层管理与小麦玉米完全不同。DSSAT 虽然有水稻模块，但 ORYZA 才是全球水稻研究的“金标准”，特别是在模拟低氧环境和水稻冷害方面。

第二章：土壤过程模型 (Soil Process Models)

—— 看不见的地下微观世界

土壤不仅是基质，更是一个复杂的生物化学反应器。土壤模型主要解决水、热、溶质（盐、养分、污染物）在多孔介质中的运移与转化。

1. 核心机理逻辑

• 土壤水分运移： 核心是Richards方程，描述非饱和土壤中水分在基质势（吸力）和重力势驱动下的流动。

• 溶质运移： 基于对流-弥散方程 (CDE)，模拟氮磷钾或盐分随水流动（对流）以及浓度梯度下的扩散（弥散）。

• 碳氮循环： 将土壤有机质（SOM）划分为不同周转速率的“库”（Pools）：

• 活性库（Active）： 微生物生物量，周转期为天/周。

• 缓效库（Slow）： 腐殖质，周转期为年/十年。

• 惰性库（Passive）： 极难分解，周转期为世纪。

2. 代表性模型体系

• HYDRUS (1D/2D/3D)

• 地位： 土壤物理学的“黄金标准”。

• 应用： 能够精确模拟滴灌水分扩散湿润锋、地下水位变动、盐碱化过程。几乎所有涉及微观土壤水盐运移的研究都绕不开它。

• RothC (Rothamsted Carbon Model)

• 地位： 专注土壤有机碳周转。

• 应用： 计算长期耕作下土壤固碳潜力，需要的输入参数较少（粘粒含量、气候、输入碳量），常用于碳交易核算。

• DNDC (DeNitrification-DeComposition)

• 地位： 生物地球化学循环的标杆。

• 应用： 它是全球唯一能精准模拟痕量温室气体（氧化亚氮，甲烷）排放的模型，将厌氧/好氧环境划分得非常细致，是农业碳中和研究的核心工具。

• CENTURY / DayCent

• 地位： 北美生态系统模拟的奠基石，IPCC 碳排放核算的推荐模型之一。

• 应用： RothC 的强项是碳，DNDC 的强项是氮，而 DayCent 是两者结合得非常好的平衡点，特别是在模拟火烧、放牧对草原土壤碳库的影响上，它是绝对的权威。

• CoupModel (Coupled heat and mass transfer)

• 地位： 北欧寒区土壤模拟的代表。

• 应用： 它对冻土、积雪和土壤冻融循环的物理描述是世界上最精细的。如果你的农场在黑龙江或北欧，HYDRUS 可能会失效，必须用 CoupModel。

• DAISY

• 地位：丹麦开发的精细化土壤-植物-大气系统模型。

• 应用：它对氮循环的描述可能是世界上最复杂的。

第三章：农业气象模型 (Agro-meteorology Models)

—— 能量平衡与气候驱动

农业气象模型是所有其他模型的“驱动器”，它负责将宏观天气数据转化为作物可感知的微环境指标。

1. 核心机理逻辑

• 能量平衡：

  

• 净辐射(R_n) 减去土壤热通量(G)，剩余能量分配给感热(H, 加热空气)和潜热(\lambda E, 用于蒸腾)。

• 蒸散发 (Evapotranspiration, ET)： 农业气象的核心。

• Penman-Monteith (PM) 公式： FAO-56推荐标准，综合了能量项和空气动力学项，是计算参考作物蒸散量(ET_0)的国际通用法则。

2. 代表性模型体系

• Shuttleworth-Wallace Model

• 特点： 双层源模型。将作物冠层和土壤表面分开计算，比PM公式更适合稀疏作物或幼苗期（此时土壤蒸发占比大）。

• Weather Generators (如WGEN, LARS-WG)

• 特点： 天气发生器。当气象站数据缺失，或需要预测未来气候变化情景时，利用随机过程生成符合统计规律的日辐射、降雨、温度数据。

• ENVI-met

• 特点： 三维微气象模型。常用于温室、植物工厂或农林复合系统的气流场和热环境模拟。

• WRF-Crop

• 地位： 气象学与农学的“混血儿”。

• 应用： 普通模型是“天气决定作物”，WRF-Crop 实现了“作物反过来影响天气”。它能模拟大规模玉米带在灌浆期向大气输送巨量水汽，从而改变降雨分布。这是区域气象预测不可缺失的一环。

第四章：农业水文模型 (Agricultural Hydrology Models)

—— 从田块到流域的水循环

与土壤物理模型关注“垂直剖面”不同，水文模型关注“水平流动”和流域尺度的水量平衡，涉及灌排管理和面源污染。

1. 核心机理逻辑

• 水量平衡方程：

  

• 降雨(P) + 灌溉(I) = 蒸散(ET) + 地表径流(R) + 深层渗漏(D) + 土壤储水变化(\Delta S)。

• 径流产生：

• SCS曲线数法（SCS-CN）： 经验性强，用于估算降雨产生的地表径流。

• Green-Ampt入渗模型： 物理机制强，计算降雨入渗速率。

2. 代表性模型体系

• SWAT (Soil and Water Assessment Tool)

• 地位： 流域尺度水文模型的霸主。

• 应用： 模拟整个流域的农业管理对河流水质（氮磷流失）、产沙量、径流量的影响。是研究农业面源污染的首选工具。

• SWAP (Soil-Water-Atmosphere-Plant)

• 地位： 田块尺度的垂向精细模型。

• 应用： 优化灌溉制度，解决盐渍化问题，特别是地下水浅埋区的农田水管理。

• DRAINMOD

• 地位： 排水工程设计的核心。

• 应用： 专门用于设计农田暗管排水系统，平衡排水防涝与控制地下水位。

• RZWQM (Root Zone Water Quality Model)

• 地位： USDA-ARS 开发的根区水质模型。

• 应用： 它不仅仅看水，更看农药和化肥在根区的复杂化学行为（吸附、降解）。如果要评估某种新农药是否会污染地下水，RZWQM 是比 SWAT 更专业的毒理学工具。

第五章：农业遥感机理模型 (Agricultural Remote Sensing Models)

—— 光与叶的物理法则

遥感模型（辐射传输模型，RTM）是连接“卫星/无人机信号”与“农学参数”的桥梁。它解释了为什么光谱会呈现出某种特征。

1. 核心机理逻辑

• 光与物质相互作用：

• 吸收： 叶绿素吸收红蓝光，水吸收近红外/短波红外。

• 散射： 叶肉细胞结构导致近红外的高反射平台。

• 双向反射分布函数 (BRDF)： 解释为什么从不同角度看农田，颜色（反射率）是不一样的（热点效应、阴影效应）。

2. 代表性模型体系

• PROSPECT (叶片尺度)

• 功能： 输入叶绿素、类胡萝卜素、水分厚度、干物质含量 $\rightarrow$ 输出叶片全波段反射率/透射率。

• SAIL (Scattering by Arbitrarily Inclined Leaves, 冠层尺度)

• 功能： 假设冠层是浑浊介质，计算光在冠层内的传输。

• PROSAIL (PROSPECT + SAIL)

• 地位： 遥感反演界的“牛顿定律”。

• 应用： 通过LUT（查找表）或机器学习，利用PROSAIL模型从卫星影像反演LAI和叶绿素含量。

• SCOPE (Soil Canopy Observation, Photochemistry and Energy fluxes)

• 进阶： 不仅模拟反射率，还能模拟日光诱导叶绿素荧光 (SIF) 和热辐射。是目前监测作物光合作用生理活性的最前沿模型。

• DART (Discrete Anisotropic Radiative Transfer)

• 进阶： 3D光线追踪模型，可以模拟复杂的果园、林木三维结构的光传输。

第六章：农业生态模型 (Agro-ecological Models)

—— 环境足迹与可持续性

生态模型关注农业生产对环境的反馈，特别是温室气体排放和生态系统服务。

1. 核心机理逻辑

• 种群动力学： 用于病虫害预测，通常基于SIR模型（易感-感染-移除）或温度驱动的发育速率模型。

• 生态位模型： 基于气候数据预测物种的潜在分布范围。

2. 代表性模型体系

• CLIMEX

• 应用： 预测外来入侵物种（如草地贪夜蛾）在气候变化背景下的潜在扩散区域。

• InVEST (Integrated Valuation of Ecosystem Services and Tradeoffs)

• 应用： 宏观评估农业景观提供的授粉服务、水源涵养、土壤保持等生态价值。

• DYMEX

• 应用： 通用的种群动态建模平台，可构建害虫的全生活史模型。

• Ecosys

  目前世界上机理最复杂、耦合度最高的陆地生态系统模型之一。它实现了碳、氮、磷、水、热在土壤-植物-大气系统中的实时、双向耦合。

第七章：大田管理与决策支持模型 (Field Management & DSS)

—— 从“预测生长”到“生成处方”

这是连接理论模型与实际生产最关键的一环。之前的模型大多是“描述性”的（预测作物怎么长），而大田管理模型是“处方性”的（告诉种植者怎么做）。

1. 核心机理逻辑

这一类模型的核心逻辑通常是反演或优化：给定一个目标（如目标产量、最大利润、最小环境代价），计算出需要投入多少水、肥、药，以及机械该如何作业。

2. 代表性模型体系

• QUEFTS (QUantitative Evaluation of the Fertility of Tropical Soils)

• 地位： 养分定量管理的“圣经”。

• 机理： 它是一个“养分限制”模型。不同于模拟每天生长的动态模型，QUEFTS根据土壤养分供应能力、肥料利用率和作物的内部养分效率，计算出达到目标产量的推荐施肥量（N-P-K配比）。它是测土配方施肥技术体系背后的核心算法之一。

• Nutrient Expert (NE)

• 应用： 基于QUEFTS原理改进，加入了“4R”养分管理策略。它不需要复杂的土壤化验数据，通过这一季的产量反应来推导下一季的施肥推荐，非常适合大田管理。

• WinSRFR

• 地位： 地面灌溉水力学模型。

• 应用： 专门用于优化沟灌、畦灌。它可以模拟水流在田沟里推进的速度，计算出最佳的“关闸时间”和“灌水流量”，以防止田尾跑水或灌溉不均匀。

• Path Planning Algorithms (CPP)

• 应用： 属于农业运筹学。用于拖拉机自动导航、植保无人机飞防。解决如何在不规则地块中，规划出一条转弯最少、不重不漏的作业路径。

• IFSM (Integrated Farm System Model)

• 应用： 模拟整个农场多年的物理和经济过程。例如：种玉米是为了喂牛，牛产粪还田，这一整套循环中的碳足迹、氮流失和净利润是多少？它是种养结合农场的必备模型。

第八章：结构-功能植物模型 (FSPM)

—— 迈向“三维数字孪生” 传统的作物模型（如DSSAT）通常将冠层视为一个“大叶子”或“均匀层”，而FSPM模型则在三维空间内精细刻画植物的几何结构。

1. 核心机理逻辑

• 拓扑结构： 模拟每一个叶片、节间、分蘖的生长规则（基于L-System算法）。

• 反馈机制： 结构决定功能（如光拦截），功能反馈结构（如光合产物多则分蘖多）。

• 应用： 非常适合果树修剪模拟、温室植物工厂的光照布局优化。

1. 代表性模型

• OpenAlea： 一个开源的植物建模平台，支持多尺度、三维植物结构的模拟。

• GroIMP： 基于关系图语法，擅长模拟植物与环境之间复杂的三维交互。

第九章：基因型-环境-管理互作模型 (G×E×M)

—— 数字化育种与“处方定制” 在气候变化的背景下，如何为特定土地选择最合适的品种？这需要将遗传信息引入模型。

1. 核心机理逻辑

• 遗传参数化： 将品种特性（如光敏性、灌浆速率）转化为模型中的特定参数（Genetic Coefficients）。

• 育种模拟： 通过改变参数组合，在计算机中预测“虚拟品种”在未来50年气候预景下的表现。

1. 代表性工具

• APS-Sim (Breeding module)： APSIM体系中专门用于支持育种决策的模块。

• CROPGR0-Genomic Prediction： 尝试将全基因组选择（GS）与作物机理模型耦合，实现真正的“设计育种”。

• CGM-WGP (Crop Growth Model based on Whole Genome Prediction)

• 地位： 瓦赫宁根大学提出的新一代全基因组预测模型。

• 为什么不可或缺： 传统的育种模拟只看几个基因（如开花基因），CGM-WGP 试图引入成千上万个 SNP 标记，是目前生物技术公司（如拜耳、先正达）最感兴趣的研发方向。

第十章：病虫害群体动力学与流行病模型

—— 农业防灾的减震器 在大田管理中，生物胁迫（病虫害）的机理模型与作物生长模型的耦合是目前的难点，也是痛点。

1. 核心机理逻辑

• 积温驱动： 基于昆虫发育起点温度和有效积温，预测害虫迁飞和爆发高峰。

• 侵染循环： 模拟孢子萌发、侵染、潜育、显症的全过程，通常受湿度和叶面湿润时间驱动。

1. 代表性模型

• EPIRICE： 专门针对水稻纹枯病、稻瘟病等流行病害的宏观模拟模型。

• NEMO： 模拟土壤线虫种群动态的模型，常与土壤过程模型耦合。

第十一章：畜禽环境与代谢模型

—— 种养结合的闭环 智慧农业不仅包含“地”，还包含“畜”。在碳中和背景下，畜禽排放与粪肥还田的模拟至关重要。

1. 核心机理逻辑

• 热平衡模型： 模拟畜禽个体与畜舍环境的热交换，预测热应激。

• 消化代谢模型： 根据饲料配方预测产奶量/增重，并精确计算粪尿产出的氮磷含量。

1. 代表性模型

• Molly： 经典的奶牛代谢模型，能够精细模拟营养物质在母牛体内的流动。

• PigIT： 针对猪场决策的支持系统，优化饲养周期与环境负荷。

第十二章: 国际模型比较计划 (MIPs)：让模型“华山论剑”

在农业和气候科学界，大家发现单打独斗不行：“所有的模型都是错的，但有些是有用的。” 既然每个模型都有偏差，那就把大家拉到一个擂台上比一比，取平均值。

这就是 MIPs (Model Intercomparison Projects) 的由来。

1. AgMIP (Agricultural Model Intercomparison and Improvement Project)

—— 农业建模界的“联合国”

• 地位： 全球最大的农业模型国际合作组织，由哥伦比亚大学和佛罗里达大学等机构牵头。

• 在做什么？

• 标准化数据： 选取全球典型的“哨点”（Sentinel Sites），提供统一的气象、土壤和管理数据。

• 盲测与擂台赛： 让全球几十个模型团队（DSSAT组, APSIM组, WOFOST组等）去模拟同一块地。

• 集合模拟 (Ensemble Modeling)： 就像天气预报一样，AgMIP证明了“多模型集合平均值”（Median of Ensemble）往往比任何单一模型的预测都要准确，误差最小。

• 贡献： IPCC（政府间气候变化专门委员会）第六次评估报告（AR6）中，关于“未来气候变化会导致全球粮食减产多少”的结论，主要数据就来自AgMIP。

2. ISIMIP (Inter-Sectoral Impact Model Intercomparison Project)

—— 跨界打击，统揽全局

• 地位： 德国波茨坦气候影响研究所（PIK）主导。

• 特点： “跨部门”。它不仅比较农业模型，还把水文模型（WaterMIP）、生物群落模型（BiomeMIP）、健康模型、能源模型放在一起跑。

• 核心逻辑： 气候变暖水文模型算出缺水,农业模型算出减产,经济模型算出粮价上涨。ISIMIP致力于打通这个全链条。

3. GGCMI (Global Gridded Crop Model Intercomparison)

—— 这是一个让电脑显卡燃烧的项目

• 地位： AgMIP旗下的子项目。

• 特点：“格点化” (Gridded)。它不是模拟某一个农场，而是把地球表面切成 0.5° x 0.5°（约50km x 50km）的网格，在每个格子上跑作物模型。

• 应用： 它可以生成“全球产量地图”，告诉联合国粮农组织（FAO）：如果升温2度，美国玉米带会向加拿大移动多少公里？非洲会有多少人面临饥荒？

结语：迈向“多模型融合”的未来

单一领域的模型往往存在局限：气象模型不懂作物生理，遥感模型只能看到表象（"Skin deep"），作物模型容易在空间上产生误差。

未来的智慧农业是模型融合（Model Coupling）与数据同化（Data Assimilation）的时代：

1. 机理+AI： 利用AI的高效计算能力替代机理模型中复杂的微分方程求解（代理模型 Surrogate Model），提高运算速度。

2. 天-空-地-机理一体化：

• 利用遥感模型获取实时状态（作为观测值）；

• 利用气象+土壤模型提供环境驱动；

• 利用作物模型进行时间演变（作为预测值）；

• 通过集合卡尔曼滤波 (EnKF) 等算法，实时校正作物生长的模拟轨迹。

这些机理模型体系，共同构成了农业数字化转型的底层逻辑。只有深入理解这些原理，我们才能真正读懂作物无声的语言，从“看天吃饭”走向“计算生长”。