中國網/中國發展門戶網訊 黑土地作為大自然饋贈給人類的天然寶藏，是最適合作物生長的土壤。人們常用“一兩黑土二兩油”來形容其肥沃與珍貴。與黃土、紅土等類型的土壤相比，肥沃是黑土地得天獨厚的優勢；然而，土壤結構一旦遭到破壞其不可逆轉性特徵又成為黑土地天生的缺陷。因此，如何合理利用黑土地並確保黑土理化結構不被破壞，是困擾全球科學家的難題；平衡黑土地“用好”和“養好”之間的關係是黑土地保護的關鍵。
從全球黑土地四大分佈區域的發展歷史來看，都經歷了開發、利用、破壞和保護 4 個過程。從黑土地的保護措施所積累的有效性經驗來看：美國利用先進的農機具走上了實現保護性耕作的道路，並且誕生了約翰迪爾（John Deere）、孟山都（Monsanto）等世界級農業科技巨頭；烏克蘭則由於地廣人稀，具備大面積開展土地和耕作輪休的條件，因此其通過徹底的休息實現黑土地的保護；阿根廷是目前全球黑土地保護性耕作的實踐者，在機械化的基礎上，全面實現免耕播種、條帶播種、秸稈還田和等高種植的耕作方式。
從國外的經驗來看，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，還需要利用專用農業機械裝備及資訊化手段進行保護性耕作，即：在利用專用智慧化農業機械裝備基礎上，通過資訊化和智慧化手段，科學評價保護性耕作的效果，並給出科學的作業指導與建議。農業資訊技術先後經歷了從農業專家系統，到農業數字化、農業資訊化，再到基於大數據的農業智慧化的多階段發展與技術積累，資訊技術已經成為推動農業生産力發展的核心驅動力，從而為黑土地保護性應用提供科學的決策依據打下了技術基礎。
黑土地保護急需體系化資訊系統的支撐
在農業資訊技術領域，我國早在 20 世紀 80 年代就已借鑒了數字化技術在工業生産中的應用經驗，開始發展農業資訊管理系統（MIS），在農業生産的物資管理等方面起到了作用。20 世紀 90 年代初，農業專家系統進一步借助電腦技術的發展，為農業生産提供資訊化的指導，並推廣和普及了更多的先進農業科技。21 世紀初，在網際網路浪潮的推動下，“網際網路+農業”的概念風起雲湧，多樣化的物聯網（IoT）種類、豐富的移動終端應用提升了農業各個生産環節的數字化水準。近年來，隨著物聯網的廣泛應用，以及大數據技術的興起，依靠大數據的人工智慧技術開始快速滲透到農業領域，並對農業科技的發展起到了巨大的推動作用。
但是，我國農業資訊技術總體上仍然較為落後，難以滿足黑土地保護性作業的需求，具體表現在 3 個方面。
缺乏完善的數據採集體系，黑土地家底不清。國內並不缺少針對土壤資訊數據採集技術的研發，無論是感測器技術還是衛星遙感技術，都投入了大量的研發力量；但不同數據採集手段之間無法形成體系，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，由於缺乏其他數據樣本的驗證，目前其遙感數據無法全面、準確地反應黑土地有機質的演變情況。
缺少基礎模型與演算法，難以支撐黑土地的作業決策。科學作業決策的核心是模型與演算法，但我國在農業演算法與模型領域嚴重落後。美國的農業技術轉移決策支援系統（DSSAT）模型擁有超過 30 年的研發歷史，已成為世界農學研究中模擬實驗的主要模型之一，而我國的農學研究中也大量使用 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，並不適用於我國——只能應用於研究模擬，無法應用於實際生産過程。缺乏自主的模型與演算法是導致我國黑土地的演變機理不清、無法進行科學決策作業的核心原因之一。
農機智慧化水準低，黑土地保護性作業過程無機可用。以免耕播種為例，免耕播種是保護性耕作中最常見也是最關鍵的技術之一。但是，目前免耕播種機使用過程中存在機具調整技術難度大、全量秸稈覆蓋還田情況下通過性能較差、播種品質及作業速度不高等問題，這都需要採用智慧化、自動化最新技術來升級完善。
要解決上述問題，必須以系統化的思維，採用自頂向下的設計模式，構建成體系的資訊系統，以滿足黑土地保護的資訊化需求。實際上，農業生産過程的數據流向是一個“數據採集、狀態判斷、作業決策與作業執行”的過程，與軍事作戰領域中的 OODA（觀察—判斷—決策—執行）理論非常相似。基於此，中國科學院計算技術研究所提出了基於智慧 OODA 環打通數據流的農業模擬器思路，並在黑土地保護專項中進行了先期實踐。
農業生産的智慧 OODA 環
OODA 理論最早提出於軍事領域，是由美國軍事戰略家約翰 · 博伊德（John Boyd）開發的一種工具——用於解釋個人和組織如何在不確定和混亂的環境中獲勝[6]。OODA 迴圈模型是“觀察”（observe）、“判斷”（orient）、“決策”（decide）、“執行”（act）迴圈的縮寫，最初被稱為“Boyd 迴圈”。OODA 迴圈模型在戰術方面是對“空對空”交戰的描述，是根據參戰對象自己的戰略環境在不斷進化中調整戰略的手段——它是一個有機的模型，而不是一個機械的模型。
在大多系統動態運作的應用場景中，執行器與感測器協同和所處環境進行資訊交互，其動態交互過程符合 OODA 迴圈模型：應用系統通過感測器對目標對象進行“觀察”，採集相關資訊；根據應用需求，對後續決策處理的目標和原則進行“判斷”，同時準備決策所需數據集，對採集的數據進行預處理，並進行初步分析；按照應用決策處理的目標和原則對數據綜合分析及“決策”，並提出優化控制策略；執行器（也稱為反應器）與物理系統或環境進行交互，接收信號並將信號轉化為一種物理行為，最終通過“執行”優化控制策略、改變目標對象相關狀態，從而改變系統狀態。在系統狀態改變後，利用反饋機制，系統通過感測器觀察新狀態下的相關參數，並不斷重復 OODA 的動態迴圈過程（圖 1）。
基於智慧 OODA 環的新型農業生産方式，同樣可分為多維感知、融合處理、智慧決策和協同執行 4 個部分，並引入智慧技術提高這 4 個階段的數據採集與決策精度；在智慧農業技術體系標準和規範的指導下，將資訊作為農業生産要素，用現代資訊技術對農業對象、環境和耕作全過程進行可視化表達、數字化設計、資訊化管理。具體步驟為：對土壤、氣象、水文、作物“四情”（墑情、苗情、蟲情、災情），以及農機乃至市場等資訊進行實時全面的觀察和收集；對所有採集數據進行統一的數據處理和分析，並對應不同的農業模型與演算法得到具體的作業命令；通過智慧農機和自動化裝置實現精準、高效的作業，同時實時監測資訊處理、決策和執行過程中整個系統的變化，並不斷修正模型達到最優化的效果。
農業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域科學，傳統農業科學的發展較多依賴經驗和簡單統計的建模，而與計算建模的結合相對較弱，直接制約了農業科學現代化的發展。尤其是在智慧化時代，農業領域數據積累不足，計算建模方法缺乏，使得知識挖掘不充分。因此，智慧農業要解決的首要問題是農業科學的計算建模。鋻於其他學科的經驗，發展可計算的模型和模擬系統是行之有效的技術途徑。然而，不同於物理學、化學等領域較為單純的科學發現活動，農業是一個與生産過程緊密聯繫的科研實踐活動。因此，亟待構建基於新建模範式的農業模擬器系統，實現人工模擬系統和真實生産系統的線上迭代平臺。
第五範式建模
人類從事科學研究的範式一直在隨著技術的進步而演變。到目前為止，現代科學活動中存在 4 種研究範式：第一范式是實驗觀察，發現客觀存在的自然現象，如可以從實驗得到的晶體結構；第二範式是理論研究，通過理論推導歸納出一般性的規律，形成對客觀世界認識探索的理論體系，如第一性原理、牛頓力學的提出；第三範式是數值模擬，這是近現代科學研究借助強大的計算工具形成的方法，如在高性能電腦系統上運用第一性原理計算産生高精度的各種構型數據；第四範式是大數據分析，通過積累的大量已知數據，然後通過計算得出相關關係。
上述 4 種科研範式中，實驗研究和理論分析在實踐活動中分離，沒有涉及生産過程迭代建模。第五範式是把理論研究和實驗科學通過“數值+數據+智慧”技術耦合成一個線上迭代的有機整體，形成“理論+實驗”科學活動的“自動駕駛系統”。智慧農業模擬器與傳統農業資訊系統及 DSSAT、WOFOST 等第四範式的典型農學模擬系統不同，具體體現在 2 個方面。
模型研製方面。WOFOST 模型是在歐洲生産模型基礎上研製而來，著重強調其在定量評價土地生産力、區域産量預報、風險分析和年際間産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，結合美國農業特點所研製的模型。該模型匯總了各種作物生長模型和標準化模型的輸入、輸出變數格式，方便模型的普及和應用。上述 2 種模型都屬於國外農業模型並得到廣泛應用。到目前為止，我國開展的作物模型研究仍以引進並使用國外作物模型為主，或在國外作物模型的基礎上進行修改或簡化，真正自主研發並得到廣泛使用的作物模型為數較少。智慧農業模擬器則是我國獨立自主研發的農業軟體，這使得我國農業生産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、幹物質生成與分配、作物生育進程、根系生長分佈、土壤水分狀況。該模型可以針對 3 種不同的生産過程模擬作物生長變化過程，即模擬潛在作物生長、水分限制條件下的作物生長和養分限制條件下的作物生長。DSSAT 是一種針對特定作物的模型，如大豆、玉米、高粱等作物；該模型相容了許多作物生長模型，構成“作物系統模型”套裝軟體，然後應用公共的土壤水分運動模型和土壤碳氮模型，能夠模擬不同作物和作業地的生産過程。然而，上述 2 種模型都存在一些問題：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；對歷年來的數據收集難度較大，在運作時缺失的數據只能按預設值處理，對結果的輸出也會産生一定的影響。模型應用需要根據實際情況進行調整，需要對源代碼進行修改。數據不夠全面。如，缺少氣象數據、光譜數據等。模型中缺乏病蟲害等因素的考慮可能導致數據不準確。智慧農業模擬器基於更加完備的數據採集系統，將輸入與輸出進行解耦；然後，通過邊緣計算對農業生産實時數據進行處理，結合科學的指導意見完成決策反饋，從而指導農業作業生産。
因此，智慧農業模擬器通過人工模擬系統與真實生産系統的線上迭代，推動科學家的理論研究與生産實際系統的相互促進，以實現實驗室模型和演算法與生産一線的指揮系統“線上連接”，進而令農業生産實現“自動化”，最終達到提高作業效率與農業産量、降低生産成本的目的。
農業模擬器的體系結構
基於智慧 OODA 環是第五範式建模的有效實踐途徑之一，農業模擬器應包含 4 個主要階段。
觀察——農業全要素數據採集、存儲標準體系。農學基本上是一門以數據積累、統計建模為基礎的學科，數據在其學科發展中擁有至關重要的作用。因此，在農業模擬及農業生産決策必須建立在數據的基礎上，在傳統的農業模擬系統（如 DSSAT、WOFOST）應用中，其使用的大量基礎模型（如 CERES-Maize、CERES-Wheat 等作物生長預測模型）均是建立在數據統計基礎上。農業模擬器“線上連接”的屬性決定了其必須對農業生産過程中的數據進行線上監控；而上述模型所採用的基於歷史數據作為系統輸入的模式無法滿足農業模擬器的廣域大粒度和實時線上模擬需求，這就決定了必須採用各種數據採集技術（如遙感、探地雷達、感測器等）對農業生産過程中的全要素進行全面的數據採集。同時，農業模擬器的“廣域”特性也決定了農業數據採集過程具備高併發、高通量特性，而農業生産的重點區域（如我國黑土地分佈的東北地區）存在大量的公眾服務網路覆蓋不足的問題，也對數據的實時採集帶來了挑戰。針對上述問題，農業模擬器的設計必須是完全面向農業生産過程的數據採集、存儲與交換體系，以此更好地解決農業模擬數據來源的問題。
判斷——構建農業全要素狀態判斷與演變模型。對農業生産過程中不同要素（如作物健康狀態、土壤健康狀態等）作出定性與定量分析，並預測其狀態演變是作業決策的基礎。農學領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。但從目前來看，這些研究仍存在一定的局限性，主要體現為數據來源受限、以環境變化均質為前提等。這使得每種模型不具備廣域條件下的普適性，一旦目標環境與模型自身構建所處的環境間存在較大偏差時，要麼無法適用，要麼需要花費大量的時間重新進行校正。因此，對農業模擬器而言，需要在現有模型的基礎上，通過大數據技術和人工智慧技術，自動修正已有模型或構建新的模型，以實現廣域農業生産過程中的實時線上判斷。
決策——研究基於農業生産全要素的生産決策方法。農業生産決策是根據生産要素的狀態給出對應的作業決策。例如，決定種子、農藥、化肥的使用量，決定追肥時機，決定灌溉時機與用水量等。對此，農業模擬器需要解決的核心問題包括 2 個方面：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生産決策的基礎演算法與模型；結合生産過程，實現對演算法與模型的修正，構建完整“數據—模型”的閉環模型，以實現決策演算法與模型的自進化。解決上述問題的技術路徑，需要利用知識圖譜、知識發現等知識工程領域技術，以實現對農藝知識的挖掘和數字化，並進而利用大數據技術、人工智慧技術等方法進行對模型的線上修正或者二次建模。
執行——突破農機裝備的智慧作業控制與執行技術。作為基於智慧 OODA 環的農業模擬器的最後一環，該階段是理論與實驗結合最為密切並明顯區分于其他範式建模的關鍵所在。在農業生産過程中，決策産生的作業方案通過智慧化農機裝備進行高品質的作業，並在作業過程中通過多樣化感測器設備進行實時的數據採集，最終形成“觀察—判斷—決策—執行”的 OODA 閉環，以此打通實驗室模型和演算法與生産一線的指揮系統“線上連接”，實現農業模擬器不斷演進。此外，自動化作業執行可以有效規避人工作業帶來的作業品質不達標問題，進而降低農業模擬器的數據誤差。要實現農機裝備的智慧作業控制與執行，需要針對無人駕駛裝備系統、整機電子系統、作業機具的精準控制、動力系統與作業機具的協同控制等方向進行深入研究，形成智慧 OODA 環需要的成套作業裝備（圖 2）。
農業模擬器的軟硬體系統
針對上述過程，農業模擬器的軟硬體構成應該主要包括 3 個方面。
空天地一體化的農業生産數據觀測網路。該網路對應于智慧 OODA 環中的“觀察”環節。在地面，通過各種感測器設備、氣象站設備完成土壤、環境、氣候資訊的採集，通過遙感、伽馬輻射接收、無人機載多光譜/高光譜等設備實現對土壤、作物、水肥資訊的採集。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，解決農業數據回傳與控制指令下發所需要的廣域通信覆蓋問題，以及農機裝備自動執行過程中的高精度定位問題。觀測網路應當具備海量 IoT 感測器的併發接入能力，以支撐農業生産過程中大量部署的感測器通過 IoT 網路實現數據的回傳。
邊緣計算平臺。邊緣計算系統用於“判斷”與“執行”2 個環節的計算支撐。邊緣計算平臺為農業生産過程中小粒度實時線上判斷提供計算支撐。例如，作物的病蟲害識別一般通過近距離的圖像識別方法進行處理，此類“判斷”模型需要在服務端利用平臺進行大量訓練；模型訓練完成後可以在邊緣計算平台端實現實時判斷，進而降低數據回傳至雲服務端所産生的時延，以此提高決策的時效性。針對“執行”過程，邊緣計算平臺就近為無人駕駛、機具作業控制提供基礎計算能力，以滿足農機在此過程中的智慧執行需求。
多樣化算力中心。多樣化算力中心是農業模擬器系統的核心組件，是“大腦”，其為農業 OODA過程中的“觀察”“判斷”和“決策”3 個環節提供核心算力支撐。在“觀察”環節，算力中心需要提供針對不同數據類型的存儲支援，包括對感測器、氣象站結構化時序數據的存儲，利用對象存儲或分佈式存儲系統支撐遙感數據、無人機測繪數據的存儲；同時，“觀察”階段的感測器通過 IoT 海量接入也需要服務端提供算力支撐。在“判斷”環節，算力中心需要提供多樣化的人工智慧處理能力，為農業全要素狀態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佈式人工智慧訓練，以及針對多用戶的模型訓練等。在“決策”環節，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，最終實現農業生産決策方案的輸出。
農業模擬器在黑土地保護中的應用
構建基於第五範式的農業模擬器系統，需要將理論、模型、演算法與現實農業生産密切結合、驗證並不斷迭代演進。東北地區是我國機械化程度最高、農業數字化和資訊化發展最早的區域之一，具備農業模擬器系統開展試驗示範的多種應用場景。當前，中國科學院（以下簡稱“中科院”）正集合院內優勢力量組織實施“黑土地保護與利用科技創新工程（黑土糧倉）”戰略性先導科技專項（A 類），中科院計算技術研究所作為大河灣示範區建設牽頭單位，借助研製的數字化系統及智慧裝備構建了黑土地 OODA 閉環正反饋系統，突破當前孤立、線性、滯後的農業模型缺陷，形成“依靠數據決策、智慧農機執行”的農業生産模式，打通數據有效流動的環節，將基於數據決策的智慧化執行的農業生産模式轉化為對黑土地保護和利用的生産力。具體的作用主要體現在 3 個方面。
數據觀察環節。結合衛星與無人機遙感、移動式近地面傳感設備及固定式感測器等多種數據採集技術，構建空天地一體化、多維度的黑土地作業全要素觀測網路，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、鹽鹼度、pH 值等）、生物（歷年的農作物種植情況、長勢、病情、蟲情等）、作業（免耕播種和施肥施藥精度、作業速度和面積等）的基本資訊。前期通過衛星遙感實現數萬畝耕地的大尺度監測；確定風險區域後，使用無人機開展百畝量級的針對性觀測；部分重要區域佈置固定式感測器開展長期持續觀測，以實現地塊級的農業資訊監測。後續待移動式近地面傳感設備成熟後，將其安裝在智慧農機上，使其在作業的同時採集土壤和作物的多種資訊，從而大幅提高資訊監測的顆粒度精細水準。
數據判斷、決策環節。根據演算法分析需求，針對採集數據開展整理、清洗和融合，以實現對採集數據在後續模型與演算法分析中的定性和定量判定。針對黑土地保護，結合地理資訊系統（GIS）技術得到區域內土壤侵蝕強度空間分佈圖，綜合地區的土壤侵蝕特徵，研究分析在不同的土地利用類型下土壤侵蝕的關係，以及坡度對土壤侵蝕的影響。根據土壤侵蝕動態變化、土地利用變化及植被覆蓋度變化情況，建立侵蝕與環境因子的轉移矩陣並分析相互關係，實時預測土壤侵蝕動態。針對黑土地作業，面向特定作物通過統計學習、人工智慧與複雜系統最優化的方法，構建土壤元素、水、肥、溫度、濕度、光照、病、蟲、草等基礎資訊模型與作物生長趨勢、災情預警、産量估算之間的數字化表達和修正模型。通過系統化機器學習與模擬，最終給出針對特定作物不同時期的水、肥、藥、農藝等實時處方建議。
作業執行環節。一方面，針對現有農機裝備進行智慧化改造升級；另一方面，突破新一代清潔能源智慧農機控制晶片、作業系統、無人駕駛、精準控制等核心技術，並綜合整合電機、電池、電控、數控底盤等技術，創制針對黑土地主要作物的系列（50—400 馬力）清潔能源智慧農機成套裝備。此外，針對免耕播種、秸稈還田、條耕等保護性作業關鍵環節，提高農機農藝結合水準，強化農機裝備感測器與智慧變數作業農機具的整合應用。具備智慧網聯、無人駕駛和一定自主決策能力的智慧農機，不僅可按照作業命令實現針對具體作物“耕、種、管、收”全生命週期的精準高效保護性作業，同時還能實時採集土壤和作物資訊，以及深耕深松、精量播種、變數施肥施藥等作業品質資訊，然後通過智慧 OODA 環開展在作業任務自動分配、農機智慧調度、農機作業品質指導等方面的迭代優化。
挑戰與對策
科學技術的進步為農業生産提供了新的手段，在研究黑土地“用好”“養好”的過程中，需要利用好現代資訊技術手段。通過智慧 OODA 環為農業建立全要素的模擬器提供了新的科學研究方法，也為黑土地保護提供了新的思路。但是，建立農業模擬器是一個基於資訊技術、橫跨多個學科的工程，尤其要注重對黑土地成因、破壞過程、保護機制、農藝過程在資訊空間的建模。為了能夠在中科院戰略性先導科技專項“黑土糧倉”中實現資訊技術引領的黑土地保護模式，本文提出 3 點建議。
強化跨學科協同。農業模擬器要在黑土地保護中發揮作用，需要將已有的保護性耕作技術，以及土壤、微生物、環境等要素在資訊空間進行建模，通過海量實時數據的採集，在資訊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注于各自的領域，形成了各自領域的保護模型，但是這些模型還屬於基於傳統科研範式的模型，在後續需要加強互相之間的高品質合作，以實現資訊與農學、土壤學、生物學的學科融合，形成完備的農業模型。
強化黑土地保護數據價值挖掘。數據流的採集需要大量的資金投入，但由於農業生産與第二、第三産業相比投入産出比較低，很容易導致數據價值得不到體現而限制了資訊化建設資金的供給。儘管近些年來國家加大了對農業資訊化建設的投入，並取得了一定的成績，但是始終依靠國家投入並不是長久之計。因此，未來我們需要開展商業化的運營，在數據流的快速流動中實現數據價值的變現，並更好地投入到智慧 OODA 環的迴圈迭代中。
針對黑土地保護建設科學裝置。新的研究範式、新的技術手段、新的科研裝置都是加快科研成果産出的利器。黑土地保護需要建設一個全要素的農業模擬器研究與開發平臺，然後基於該平臺實現傳統保護模型的數字化，並通過數據訓練這些模型以接近農業生産實際。這就需要將面向黑土地保護的農業模擬器視為黑土地保護的科學裝置，為黑土地保護提供“體檢報告”，指導黑土地保護措施的實施。
（作者：孫凝暉、張玉成、劉子辰、陳海華、譚光明，中國科學院計算技術研究所；王竑晟 中國科學院科技促進發展局；《中國科學院院刊》供稿）