諸葉平 李世娟 李書欽

摘? ?要：針對(duì)作物產(chǎn)量形成、品種適應(yīng)性分析的數(shù)字化解析和可視化表達(dá)需求，以提高作物模擬模型的時(shí)效性、協(xié)同性和真實(shí)感為目標(biāo)，結(jié)合物聯(lián)網(wǎng)技術(shù)與作物模擬模型，進(jìn)行了田間數(shù)據(jù)實(shí)時(shí)采集;應(yīng)用多智能體技術(shù)進(jìn)行了作物協(xié)同模擬方法研究與框架設(shè)計(jì);開展了作物生長(zhǎng)過程模擬模型及基于作物模型的形態(tài)三維可視化關(guān)鍵技術(shù)研究，以小麥作物為例，進(jìn)行了田間試驗(yàn)，闡述了小麥三維形態(tài)模擬可視化系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)并進(jìn)行了試驗(yàn)驗(yàn)證;構(gòu)建了Logistic方程模擬小麥葉長(zhǎng)、最大葉寬、葉片高度、株高等的生長(zhǎng)變化，采用基于曲線、曲面的參數(shù)化建模方法和3D圖形庫(kù)OpenGL構(gòu)造了小麥器官幾何模型。結(jié)果表明小麥葉長(zhǎng)、最大葉寬、葉片高度和株高模擬模型R2值在0.772～0.999之間，回歸方程的F值在10.153～4359.236之間，且Sig.小于顯著水平0.05，模型顯著性較好，模型的擬合度較高。本研究將作物模擬模型結(jié)果和形態(tài)結(jié)構(gòu)模型有效結(jié)合，實(shí)現(xiàn)了以小麥為代表的作物在不同管理措施條件下的生長(zhǎng)過程形態(tài)三維可視化表達(dá)，為作物生產(chǎn)數(shù)字化系統(tǒng)應(yīng)用提供了更有效的途徑，該技術(shù)體系與方法同樣適用于玉米、水稻等作物。

關(guān)鍵詞：作物模擬模型;生長(zhǎng)過程數(shù)字化;形態(tài)可視化;Agent技術(shù);三維

中圖分類號(hào)：S24? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ? ? ?文章編號(hào)：201901-SA005

諸葉平， 李世娟， 李書欽.作物生長(zhǎng)過程模擬模型與形態(tài)三維可視化關(guān)鍵技術(shù)研究[J]. 智慧農(nóng)業(yè)， 2019， 1（1）： 53-66.

Zhu Y， Li S， Li S. Research on key technologies of crop growth process simulation model and morphological 3D visualization[J]. Smart Agriculture， 2019， 1（1）： 53-66. （in Chinese with English abstract）

1? 引言

作物生長(zhǎng)過程是一個(gè)涉及作物基因、生長(zhǎng)環(huán)境、管理措施等諸多變化因素的復(fù)雜巨系統(tǒng)，作物生長(zhǎng)過程模擬一直都是作物生長(zhǎng)過程數(shù)字化研究的重點(diǎn)內(nèi)容之一。目前發(fā)達(dá)國(guó)家已經(jīng)建立了比較完善的作物生長(zhǎng)模擬模型，如美國(guó)的DSSAT模型[1]、澳大利亞的APSIM模型[2]、荷蘭的SUCROS模型[3]等。我國(guó)的作物生長(zhǎng)過程模擬研究雖然起步晚，但發(fā)展較快，并形成了一些具有代表性的模型。曹宏鑫等[4]、曹衛(wèi)星等[5]以及高亮之和金之慶[6]主要以作物栽培學(xué)為主，從作物科學(xué)與信息技術(shù)相結(jié)合角度，探討了數(shù)字化栽培的框架與技術(shù)體系;潘學(xué)標(biāo)等[7]結(jié)合中國(guó)棉花栽培研究成果研制了棉花生長(zhǎng)發(fā)育模擬模型COTGROW;馮利平和韓學(xué)信[8]建立了棉花的生長(zhǎng)模擬模型COTSYS;孫忠富和陳人杰[9]建立了以太陽(yáng)輻射為基本驅(qū)動(dòng)因子的溫室番茄生長(zhǎng)發(fā)育動(dòng)態(tài)模型。2005年，作者團(tuán)隊(duì)完成了小麥、玉米及連作模擬模型構(gòu)建[10];趙春江院士團(tuán)隊(duì)[11]、曹衛(wèi)星團(tuán)隊(duì)[12]、曹宏鑫團(tuán)隊(duì)[13]還集成專家系統(tǒng)、決策支持系統(tǒng)等技術(shù)，構(gòu)建了相應(yīng)技術(shù)的作物模擬系統(tǒng)。隨著數(shù)字化技術(shù)的發(fā)展，作物生長(zhǎng)過程模擬模型得到了越來越多的重視和科研投入，并且正在向?qū)嵱没较蜻~進(jìn)。

現(xiàn)有的作物模擬技術(shù)都是針對(duì)各要素建立相應(yīng)的模擬模塊，并最終集成形成整體的作物生長(zhǎng)模擬模型，在各個(gè)模擬模塊的協(xié)同性和模型的可擴(kuò)展性上均存在明顯的不足。出現(xiàn)于20世紀(jì)70年代末的智能體（Agent）技術(shù)是人工智能技術(shù)的一個(gè)重要分支，具有較強(qiáng)的自主性、協(xié)同性、響應(yīng)性及智能性，能夠有效地解決作物生長(zhǎng)模擬模型在協(xié)同和擴(kuò)展方面存在的問題，已經(jīng)成為作物生長(zhǎng)過程模擬研究的新手段。隨著理論和技術(shù)的不斷成熟，Agent技術(shù)逐漸發(fā)展為多智能體系統(tǒng)（Multi-Agent System，MAS）[14]。國(guó)內(nèi)外學(xué)者對(duì)Agent技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用開展了一定的研究，Badjonski和Ivanovi? [15]研制了一個(gè)遺傳育種Multi-Agent專家系統(tǒng)，實(shí)現(xiàn)了模擬育種專家選擇合適品種;Bentham[16]在作物生產(chǎn)管理方面進(jìn)行了嘗試，構(gòu)建了開放性的基于Agent技術(shù)的決策支持系統(tǒng)，可以為農(nóng)場(chǎng)主提供決策支持;Berger[17]提出了一個(gè)基于Multi-Agent的農(nóng)業(yè)經(jīng)濟(jì)空間模型，該模型將經(jīng)濟(jì)和水文模塊融合到同一個(gè)空間框架內(nèi)，以便及時(shí)反饋灌溉帶來的影響;作者團(tuán)隊(duì)將Agent技術(shù)融于現(xiàn)代農(nóng)業(yè)經(jīng)濟(jì)管理決策支持系統(tǒng)的研究與開發(fā)中，設(shè)計(jì)了基于Agent的農(nóng)業(yè)經(jīng)濟(jì)智能決策支持系統(tǒng)[18];王紀(jì)章[19]針對(duì)溫室作物生長(zhǎng)模擬生理生態(tài)模型的特點(diǎn)，開展了基于Multi-Agent技術(shù)的溫室作物模型自動(dòng)集成機(jī)制研究，建立了溫室作物模型庫(kù)系統(tǒng)。但是，現(xiàn)有研究多數(shù)屬于Agent技術(shù)與專家系統(tǒng)或統(tǒng)計(jì)模型的結(jié)合應(yīng)用，Agent技術(shù)尤其是MAS技術(shù)與大田作物模擬模型的結(jié)合應(yīng)用未見報(bào)道。引入Agent技術(shù)研究作物生長(zhǎng)過程數(shù)字化模擬，對(duì)提高作物不同生理過程間的協(xié)同性將具有顯著作用，對(duì)促進(jìn)作物生長(zhǎng)過程模擬研究向網(wǎng)絡(luò)化、分布式發(fā)展具有重要意義。

作物形態(tài)結(jié)構(gòu)建模是作物生長(zhǎng)可視化研究關(guān)鍵內(nèi)容之一，如何快速地提取作物器官的形態(tài)特征參數(shù)，并真實(shí)、準(zhǔn)確地重建作物器官形態(tài)和器官間的拓?fù)浣Y(jié)構(gòu)已經(jīng)成為了可視化研究的重點(diǎn)。20世紀(jì)90年代以來，L-系統(tǒng)得到不斷發(fā)展與

完善，并形成了一系列作物形態(tài)結(jié)構(gòu)模型，如棉花[20，21]、大豆[22]、玉米[23]、大麥[24]及水稻[25-28]等。在作物生長(zhǎng)過程模擬方面，澳大利亞Queensland大學(xué)、加拿大Calgary大學(xué)基于L-系統(tǒng)分別研發(fā)了Virtual Plants和L-Studio系統(tǒng)，用于模擬棉花、大豆、玉米等農(nóng)作物的生長(zhǎng)過程[29，30];法國(guó)農(nóng)業(yè)發(fā)展研究中心（Agricultural Research for Development， CIRAD）也基于參考軸技術(shù)開發(fā)了一系列AMAP軟件，用于模擬植物三維結(jié)構(gòu)、植物—環(huán)境間相互作用，分析計(jì)算器官大小[31-34]。國(guó)內(nèi)這方面的研究起步較晚，1995年作者團(tuán)隊(duì)研制了“小麥模擬實(shí)驗(yàn)系統(tǒng)”，建立了小麥生長(zhǎng)過程模擬模型，并最早開展了三維可視化技術(shù)研究探索[35]，隨后結(jié)合三維動(dòng)畫、計(jì)算機(jī)組件技術(shù)

和小麥生長(zhǎng)數(shù)字化模型開發(fā)了小麥三維可視化系統(tǒng)[36-38];中國(guó)科學(xué)院自動(dòng)化所、中國(guó)農(nóng)業(yè)大學(xué)、中國(guó)科技大學(xué)等與法國(guó)CIRAD中心合作，在原有的AMAP軟件基礎(chǔ)上，開發(fā)了雙尺度自動(dòng)機(jī)模型GreenLab[39]。南京農(nóng)業(yè)大學(xué)[40，41]將水稻的生長(zhǎng)模擬模型、形態(tài)結(jié)構(gòu)模型、虛擬現(xiàn)實(shí)模型及策略分析模型等深度結(jié)合，開發(fā)了基于模型的可視化水稻生長(zhǎng)系統(tǒng)。隨著技術(shù)的進(jìn)步，作物模擬模型和形態(tài)結(jié)構(gòu)模型相結(jié)合的要求越來越高，也吸引了更多的農(nóng)學(xué)家和育種學(xué)家的關(guān)注，但是在作物模擬模型和三維結(jié)構(gòu)可視化的有機(jī)結(jié)合、模型內(nèi)部的有效協(xié)同、代碼重用等方面還存在很多問題和不足。

為提高作物形態(tài)模擬的時(shí)效性和真實(shí)感，為合理的株型設(shè)計(jì)、冠層光截獲模擬及作物長(zhǎng)勢(shì)評(píng)估等研究提供支持，本研究應(yīng)用物聯(lián)網(wǎng)技術(shù)進(jìn)行田間數(shù)據(jù)實(shí)時(shí)采集，并與作物模擬模型結(jié)合，應(yīng)用Multi-Agent技術(shù)開展了作物模擬方法的研究和框架設(shè)計(jì)。并以作物典型代表小麥為研究對(duì)象，在田間試驗(yàn)的基礎(chǔ)上，構(gòu)建了Logistic方程模擬3個(gè)品種冬小麥生長(zhǎng)曲線，構(gòu)造了小麥葉片生長(zhǎng)幾何模型，繪制了具有較強(qiáng)真實(shí)感的小麥形態(tài)結(jié)構(gòu)模型，并將小麥主要器官生長(zhǎng)模擬模型和形態(tài)結(jié)構(gòu)模型有效結(jié)合，實(shí)現(xiàn)了不同品種小麥在不同施氮條件下的生長(zhǎng)過程三維形態(tài)可視化。

2? 生長(zhǎng)模型系統(tǒng)研究

2.1? 總體研究思路

作物生長(zhǎng)模擬模型與形態(tài)三維可視化研究主要基于田間輔助試驗(yàn)和室內(nèi)計(jì)算機(jī)模擬相結(jié)合的方法，總體研究思路如圖1所示。

具體描述如下：

（1）針對(duì)作物生長(zhǎng)過程特點(diǎn)開展基于Agent的協(xié)同、氣象模型仿真技術(shù)、作物數(shù)字建模技術(shù)、作物生長(zhǎng)協(xié)同決策方法等數(shù)字化關(guān)鍵技術(shù)的研究，并依據(jù)采集的作物環(huán)境和形態(tài)信息建立作物生長(zhǎng)數(shù)字化模擬模型。

（2）開展大田作物生長(zhǎng)過程形態(tài)參數(shù)監(jiān)測(cè)、作物三維形態(tài)數(shù)據(jù)獲取、處理、存儲(chǔ)、管理技術(shù)研究，并在此基礎(chǔ)上構(gòu)建基于物聯(lián)網(wǎng)的作物環(huán)境、形態(tài)大田信息實(shí)時(shí)采集系統(tǒng)。

（3）針對(duì)作物生長(zhǎng)過程中作物器官、植株形態(tài)變化、環(huán)境影響和群體生長(zhǎng)影響等因素，開展基于關(guān)鍵幀的三維仿真技術(shù)、作物生長(zhǎng)紋理動(dòng)態(tài)生成技術(shù)、作物生長(zhǎng)動(dòng)態(tài)智能交互技術(shù)、環(huán)境三維仿真技術(shù)和作物群體生長(zhǎng)動(dòng)態(tài)三維描述的研究，構(gòu)建不同作物器官、植株形態(tài)模擬模型，實(shí)現(xiàn)不同環(huán)境條件下作物生長(zhǎng)過程的三維可視化和群體生長(zhǎng)三維可視化表達(dá)。

（4）最后，耦合作物生長(zhǎng)模型、環(huán)境仿真模型與作物形態(tài)三維可視化模型，建立作物生長(zhǎng)數(shù)字化管理平臺(tái)和作物生長(zhǎng)過程三維可視化展示平臺(tái)，實(shí)現(xiàn)作物生長(zhǎng)的數(shù)字化管理和三維可視化表達(dá)，為作物理想株型篩選，高產(chǎn)、高效、抗倒伏作物群體設(shè)計(jì)與優(yōu)化提供有力技術(shù)支撐。

2.1? 基于物聯(lián)網(wǎng)技術(shù)的大田信息實(shí)時(shí)采集

自2009年起，在河北定興和山東德州等試驗(yàn)基地安裝田間數(shù)據(jù)采集設(shè)備，構(gòu)建大田信息實(shí)時(shí)采集系統(tǒng)，以小麥為研究對(duì)象，進(jìn)行主要種植地區(qū)多年的氣象、土壤環(huán)境及作物生長(zhǎng)狀況資料采集、分析，主要包括逐日最高氣溫、最低氣溫、降雨量和太陽(yáng)輻射值，以及逐日生長(zhǎng)狀況的圖像數(shù)據(jù)，也可根據(jù)需求實(shí)時(shí)拍攝視頻數(shù)據(jù)。另外，定期到試驗(yàn)基地采集作物植株，測(cè)量植株常規(guī)形態(tài)，并記錄作物物候期，補(bǔ)充到作物參數(shù)數(shù)據(jù)庫(kù)中。

農(nóng)田信息遠(yuǎn)程動(dòng)態(tài)監(jiān)控系統(tǒng)采集實(shí)時(shí)（時(shí)間間隔10min）、逐小時(shí)、逐日的氣象信息數(shù)據(jù)。實(shí)時(shí)監(jiān)測(cè)指標(biāo)有空氣溫度（℃）、相對(duì)濕度（%）、土壤溫度（℃）、土壤含水率（%）、降雨量（mm）、太陽(yáng)輻射（W/m2）;逐小時(shí)和逐日數(shù)據(jù)指標(biāo)有平均溫度（℃）、平均相對(duì)濕度（%）、最高溫度（℃）、最低溫度（℃）、降雨量（mm）、有效積溫（℃·d）、太陽(yáng)輻射（W/m2）。圖2為農(nóng)田信息遠(yuǎn)程動(dòng)態(tài)監(jiān)控系統(tǒng)監(jiān)測(cè)界面，圖3為現(xiàn)場(chǎng)圖片。

2.2? 作物生長(zhǎng)過程模擬模型

以華北地區(qū)的主要種植作物為研究對(duì)象，深入剖析作物生長(zhǎng)發(fā)育規(guī)律，依據(jù)已有研究基礎(chǔ)和大量試驗(yàn)數(shù)據(jù)，并設(shè)置田間補(bǔ)充試驗(yàn)，將作物生理生態(tài)過程及其生長(zhǎng)發(fā)育影響因素進(jìn)行定量化，把“作物-環(huán)境-管理措施”系統(tǒng)解析為若干個(gè)模型，各模型之間相互依賴、相互制約，實(shí)現(xiàn)生理生態(tài)過程的有效耦合與協(xié)同。主要分解模型及其功能如下。

（1）作物生長(zhǎng)模型：計(jì)算作物葉片和植株葉面積;根據(jù)光合有效輻射計(jì)算每日潛在干物質(zhì)生產(chǎn)量，結(jié)合溫度、水分和氮素對(duì)光合作用的影響，確定每日實(shí)際干物質(zhì)生產(chǎn)量;生長(zhǎng)期末計(jì)算植株氮素吸收與分配，即植株和各器官的含氮量與含氮率。在每個(gè)生長(zhǎng)階段都有生長(zhǎng)中心和光合物質(zhì)分配原則，在籽粒灌漿期優(yōu)先供應(yīng)籽粒，如果當(dāng)日光合物質(zhì)小于籽粒日增長(zhǎng)量，則全部供應(yīng)給籽粒，其余從莖桿中調(diào)用補(bǔ)充。

（2）作物發(fā)育模型：以小麥為例，將小麥發(fā)育過程分為7個(gè)階段，即播種—發(fā)芽、發(fā)芽—出苗、出苗—拔節(jié)、拔節(jié)—挑旗、挑旗—抽穗、抽穗—籽粒形成、籽粒形成—生理成熟。發(fā)育階段的接替由溫度、水分、光周期和遺傳參數(shù)等作為限制條件，遺傳特性參數(shù)可以由用戶自己輸入，也可以利用系統(tǒng)中的調(diào)試程序自動(dòng)生成。玉米、水稻等其他作物過程類似。

（3）水分平衡模型：依據(jù)土壤水分運(yùn)動(dòng)原理、土壤水分狀況、作物對(duì)水分的吸收特性建模。將2m土壤深度平均劃分為10層，根據(jù)天氣數(shù)據(jù)和實(shí)際輸入的基本參數(shù)，計(jì)算土壤水分限制參數(shù)后，計(jì)算水分滲漏、徑流、土壤蒸發(fā)、植株蒸騰、根對(duì)水分的吸收值。其中模擬潛在蒸騰采用Priestly-Taylor方程，徑流計(jì)算采用曲線數(shù)字法。由模型計(jì)算出的水分限制因子將影響每日作物干物質(zhì)生產(chǎn)量和葉面積生長(zhǎng)。

（4）氮素平衡模型：模擬土壤中有機(jī)質(zhì)的氮素礦化和固定、氮素?fù)p失和作物吸收過程，通過氮素限制因子間接影響作物的光合與葉片生長(zhǎng)。該模型與水分運(yùn)動(dòng)密切相關(guān)，按照水分的上下移動(dòng)針對(duì)各層氮含量進(jìn)行計(jì)算和數(shù)據(jù)更新。首先計(jì)算土壤有機(jī)質(zhì)的礦化，若遇到當(dāng)日施肥，先計(jì)算肥料中釋放的銨態(tài)氮和硝態(tài)氮，再與土壤礦化氮合并。之后計(jì)算硝化和反硝化過程、氮素限制因子，以及作物植株和各器官的氮素吸收量。最后計(jì)算因?yàn)樗窒乱贫鸬牧芟闯?m土體的硝酸鹽量，并估計(jì)對(duì)地下水造成的影響。

（5）經(jīng)濟(jì)分析模型：設(shè)立最高產(chǎn)量、最大投入/產(chǎn)出比、最小投入、最高收益4種模擬目標(biāo)。根據(jù)用戶選擇的年代、品種，經(jīng)模型運(yùn)行后，給出最佳品種、最適播期和播種密度的推薦。同時(shí)按照用戶輸入的相關(guān)投入量，自動(dòng)計(jì)算預(yù)測(cè)年度的總投入、產(chǎn)出及凈收益，用戶根據(jù)系統(tǒng)分析結(jié)果進(jìn)行判斷和決策。

（6）氣象仿真模型：為了滿足作物生長(zhǎng)模擬模型對(duì)長(zhǎng)序列氣象數(shù)據(jù)的需求，采用隨機(jī)天氣仿真技術(shù)，開展逐日氣象數(shù)據(jù)的氣象仿真隨機(jī)模型研究。分為以干濕期為獨(dú)立隨機(jī)變量的干濕期模型部分和依據(jù)第一種模型生成其余天氣變量的模型部分。其天氣要素的生成分2個(gè)步驟，即首先根據(jù)月經(jīng)驗(yàn)分布值產(chǎn)生一個(gè)干期或濕期長(zhǎng)度，之后生成干期或濕期的逐日值。

所構(gòu)建作物生長(zhǎng)模型可以根據(jù)用戶輸入的品種特性、土壤特征及栽培管理措施，模擬不同地點(diǎn)不同年代的作物的內(nèi)在生理過程，包括葉面積增長(zhǎng)、有效光能吸收及光合產(chǎn)物形成、水分和養(yǎng)分在作物—土壤系統(tǒng)中的運(yùn)轉(zhuǎn)過程、各生育階段的更替等，最終實(shí)現(xiàn)產(chǎn)量和生育期模擬、主要生產(chǎn)性狀展示、作物生長(zhǎng)水肥環(huán)境評(píng)價(jià)等。

本模型除可擴(kuò)展應(yīng)用于多種作物。圖4以玉米為例，展示了河北2008年至2012年14個(gè)實(shí)驗(yàn)處理的主要生育時(shí)期實(shí)測(cè)值與模擬值對(duì)比結(jié)果。

結(jié)果表明，模擬結(jié)果與玉米實(shí)際生育時(shí)期實(shí)測(cè)結(jié)果有較好的一致性，預(yù)測(cè)誤差在5%以內(nèi)，說明所建立的生長(zhǎng)模擬模型符合玉米生長(zhǎng)發(fā)育規(guī)律，可以用來模擬玉米生長(zhǎng)過程。同時(shí)，也利用試驗(yàn)數(shù)據(jù)對(duì)產(chǎn)量、生物量、養(yǎng)分吸收量等模擬結(jié)果進(jìn)行了驗(yàn)證，此處不再敘述。

2.3? ?基于Agent的“作物-環(huán)境-管理措施”數(shù)字化模擬系統(tǒng)設(shè)計(jì)與構(gòu)建

在對(duì)作物生長(zhǎng)過程模型解析的基礎(chǔ)上，針對(duì)作物生產(chǎn)管理協(xié)同決策的需求，設(shè)計(jì)了基于Multi-Agent系統(tǒng)的作物生長(zhǎng)模擬系統(tǒng)整體框架。對(duì)于具有共性意義、不依賴作物特點(diǎn)而存在的共有過程，建立了通用模擬模塊（輔助模塊）;對(duì)于作物獨(dú)有的特色生理過程，按作物類別建立解釋性和擴(kuò)展性較強(qiáng)的模擬模塊（主模塊）。主模塊可依據(jù)模擬目標(biāo)作物和專家知識(shí)而進(jìn)行細(xì)化，輔助模塊可按模擬目的自由匹配。系統(tǒng)的框架主要分為4個(gè)層次（見圖5），包括用戶界面層、作物生長(zhǎng)模擬與可視化層、Agent管理平臺(tái)層和資源層。

在用戶界面層中，用戶對(duì)模型的數(shù)據(jù)進(jìn)行輸入，并接收模擬模型的運(yùn)行結(jié)果，Agent自動(dòng)對(duì)需要調(diào)用的模型進(jìn)行管理和匹配。作物生長(zhǎng)模擬層主要提供系統(tǒng)數(shù)據(jù)應(yīng)用服務(wù)、作物生長(zhǎng)模擬運(yùn)行等功能，并與圖形界面層中的管理Agent分別進(jìn)行交互;Agent平臺(tái)層提供多個(gè)Agent的管理，包括Agent管理系統(tǒng)（AMS Agent）、目錄服務(wù)（DF Agent）和對(duì)消息傳遞進(jìn)行管理;資源層包括基礎(chǔ)數(shù)據(jù)庫(kù)和知識(shí)模型庫(kù)，提供作物生長(zhǎng)模擬所需的基礎(chǔ)數(shù)據(jù)信息，與各個(gè)作物生長(zhǎng)模擬Agent互動(dòng)，包含專家知識(shí)的知識(shí)模型對(duì)模擬中間結(jié)果進(jìn)行修正和校驗(yàn)。

根據(jù)用戶生產(chǎn)需求，如最大產(chǎn)量、最大凈收益、最佳投入產(chǎn)出比和最小投入等指標(biāo)，給定作物品種決策范圍，輸入模型啟動(dòng)的基本數(shù)據(jù)信息，運(yùn)行模型即可提供達(dá)到生產(chǎn)目標(biāo)的最佳品種和灌溉、施肥等管理措施。此協(xié)作過程是采用Multi-Agent技術(shù)實(shí)現(xiàn)各個(gè)生理過程子模型之間的協(xié)同合作，生成相應(yīng)的栽培方案。

以衡觀35（Hg35）、濟(jì)麥22（Jm22）和衡4399（H4399）3個(gè)小麥品種為研究對(duì)象，于2015年10月至2018年6月在天津市農(nóng)科院武清試驗(yàn)基地進(jìn)行品種與施氮田間試驗(yàn)。設(shè)計(jì)了3個(gè)品種、3個(gè)氮肥處理的裂區(qū)試驗(yàn)，主區(qū)為品種（V），即V1（衡觀35）、V2（濟(jì)麥22）和V3（衡4399）;副區(qū)為施氮水平（N），設(shè)N1（0kg/hm2）、N2（225kg/hm2）、N3（300kg/hm2）3個(gè)施氮水平。試驗(yàn)所在地土壤為重壤質(zhì)潮土。試驗(yàn)設(shè)計(jì)方案如表1所示。

每次試驗(yàn)進(jìn)行3次重復(fù)，共計(jì)27個(gè)處理，每個(gè)處理選取3株小麥。其他試驗(yàn)條件，如養(yǎng)分用量、灌溉措施及田間管理等一致。

3.2 數(shù)據(jù)采集及模型構(gòu)建方法

3.2.1? 數(shù)據(jù)采集及可視化方法

數(shù)據(jù)采集方法：用直尺、量角器、游標(biāo)卡尺等測(cè)定主莖葉片長(zhǎng)度、葉片最大寬度、莖葉夾角、葉片高度、莖節(jié)長(zhǎng)度、莖稈直徑、株高等形態(tài)指標(biāo)。用數(shù)碼相機(jī)拍攝不同時(shí)期小麥植株的生長(zhǎng)狀態(tài)、紋理細(xì)節(jié)等，在整個(gè)生育期內(nèi)，采用傳感器每隔半小時(shí)記錄一次溫度，計(jì)算每個(gè)生長(zhǎng)日的有效積溫。

可視化方法：以上述數(shù)據(jù)為基礎(chǔ)，采用回歸分析，構(gòu)建Logistic方程模擬小麥葉長(zhǎng)、最大葉寬、葉片高度、株高等的生長(zhǎng)變化，構(gòu)造冬小麥主要器官生長(zhǎng)模擬模型;采用基于曲線、曲面的參數(shù)化建模方法，借助非均勻有理B樣條（Non-Uniform Rational B-Spline， NURBS）曲面造型技術(shù)和3D圖形庫(kù)OpenGL，構(gòu)造小麥葉片、葉鞘、莖稈等器官幾何模型;最后，采用面向?qū)ο缶幊碳夹g(shù)，以C++為編程語(yǔ)言，開發(fā)小麥生長(zhǎng)可視化系統(tǒng)，將小麥主要器官生長(zhǎng)模擬模型和形態(tài)結(jié)構(gòu)模型有效結(jié)合，實(shí)現(xiàn)不同品種冬小麥在不同施氮條件下的生長(zhǎng)過程三維可視化。

3.2.2? ?小麥葉長(zhǎng)生長(zhǎng)模擬模型構(gòu)建

以葉片為例構(gòu)建小麥生長(zhǎng)模擬模型。小麥葉片生長(zhǎng)是由慢到快，再由快到慢的過程，符合S型曲線。根據(jù)冬小麥返青后試驗(yàn)數(shù)據(jù)分析，以Hg35、Jm22和H4399小麥為研究對(duì)象，以生長(zhǎng)度日（Growingdegree-days， GDDs）為步長(zhǎng)，用Logistic方程來構(gòu)造小麥葉片生長(zhǎng)模擬模型，其表達(dá)式如下：

（1）

式中，Ln（GDD）為小麥主莖第n片葉在GDD時(shí)刻的長(zhǎng)度，cm;GDD為對(duì)應(yīng)生長(zhǎng)日的有效積溫，℃·d;Lnmax為第n片葉定形后的長(zhǎng)度，cm，可由實(shí)測(cè)數(shù)據(jù)得到;IniGDDn為第n片葉出葉時(shí)的GDD，由式（2）計(jì)算得到;Lpa和Lpb為模型參數(shù)，由實(shí)測(cè)數(shù)據(jù)通過SPSS曲線回歸計(jì)算得到;Lm為返青前主莖葉片數(shù)，Ln為主莖葉片總數(shù)，均為品種遺傳參數(shù)，如表1所示。

（2）

式中，IniGDDn為第n片葉出葉時(shí)的有效積溫，℃·d;LGDD為小麥從播種到出苗所需的有效積溫，℃·d，計(jì)算公式如式（3）和式（4）;PHYLLi為不同葉片出葉所需的有效積溫，℃·d，又稱葉熱間距;Ln為主莖葉片總數(shù)，均為品種遺傳參數(shù)，如表2所示。

（3）

j=1，2，3……n （4）

其中，Tj為日平均溫度，℃;T0為小麥生長(zhǎng)的臨界溫度，本研究取0℃;n為小麥從播種到出苗所需的天數(shù)。

小麥最大葉寬、葉片高度和株高模擬模型的構(gòu)造方法與葉長(zhǎng)模擬模型類似，不再詳述。

3.2.3? 小麥葉片、葉鞘等器官網(wǎng)格模型構(gòu)建

借助NURBS曲面構(gòu)建小麥葉片、葉鞘等器官網(wǎng)格模型，一張k×l次NURBS曲面表示如下

其中，Pij（i=0，1，∧，m; j=0，1，∧，n）為控制點(diǎn); Ni，k（u）和Nj，l（v）分別為U和V上的非有理B樣條基函數(shù); ωi，j=（i=0，1，∧，m; j=0，1，∧，n）為權(quán)因子，節(jié)點(diǎn)矢量? ? ? ? ? ? ? ? ? ? ? ? ? ? 構(gòu)造小麥主要器官NURBS曲面，需確定的參數(shù)包括：控制頂點(diǎn)Pi，j及其權(quán)因子ωi，j，u向的次數(shù)k，v向的次數(shù)l，u向節(jié)點(diǎn)矢量U與v向節(jié)點(diǎn)矢量V。因此，可將小麥器官形態(tài)特征參數(shù)與NURBS曲面定義中的控制點(diǎn)Pi，j建立聯(lián)系，構(gòu)建小麥器官NURBS曲面模型，還可以通過移動(dòng)控制點(diǎn)坐標(biāo)或改變權(quán)因子來改變NURBS曲面的形狀。

3.3? 結(jié)果分析

3.3.1? 小麥主要器官生長(zhǎng)模擬模型有效性

以Hg35小麥品種為例，采用SPSS軟件進(jìn)行曲線回歸分析，構(gòu)建該品種小麥葉長(zhǎng)、最大葉寬、葉片高度和株高模擬模型，結(jié)果如表3所示?？梢奌g35小麥葉長(zhǎng)、最大葉寬、葉片高度和株高模擬模型R2值在0.772～0.999之間，表明模型的擬合度較高;回歸方程的F值在10.153～4359.236之間，且顯著水平Sig.均小于0.05，模型顯著性較好，說明所建立的模型成立，可以適用于小麥各器官形態(tài)參數(shù)的模擬。Jm22和H4399小麥也取得了較好的模擬結(jié)果，由于篇幅有限，此處僅以Hg35為例描述。

3.3.2? ?小麥主要器官生長(zhǎng)模擬模型驗(yàn)證

采用與模擬模型構(gòu)建相獨(dú)立的數(shù)據(jù)集，建立模擬值與實(shí)測(cè)值的1：1關(guān)系圖，對(duì)Hg35、Jm22和H4399小麥葉長(zhǎng)、最大葉寬、葉片高度和株高模擬模型進(jìn)行檢驗(yàn)，結(jié)果如圖6所示。可以看出，小麥葉長(zhǎng)、最大葉寬、葉片高度和株高模擬模型的模擬值與實(shí)測(cè)值的根均方差（RMSE）分別為0.24～1.95cm、0.02～0.15cm、0.32～1.52cm、0.4～1.26cm;平均絕對(duì)誤差與實(shí)測(cè)值平均值的比值（dap）分別為1.03%～9.69%、1.72%～12.03%、1.4%～14.7%、1.32%～3.46%，表明所建模型對(duì)不同品種冬小麥主要器官生長(zhǎng)具有較好的預(yù)測(cè)性。3.3.3? ?小麥生長(zhǎng)過程形態(tài)三維可視化技術(shù)實(shí)現(xiàn)

基于田間試驗(yàn)采集的小麥形態(tài)數(shù)據(jù)，結(jié)合小麥主要器官生長(zhǎng)模擬模型，提取具有明確生物學(xué)意義的小麥形態(tài)特征參數(shù)，借助NURBS曲面構(gòu)建葉片、葉鞘等器官曲面網(wǎng)格模型，并基于OpenGL圖形庫(kù)和真實(shí)感圖形顯示技術(shù)，構(gòu)建出具有較高真實(shí)感和平滑度的小麥形態(tài)結(jié)構(gòu)模型，實(shí)現(xiàn)了不同品種小麥在不同施氮處理下的生長(zhǎng)過程三維可視化，結(jié)果如圖7至圖9所示。

可以看出，氮肥使用恰當(dāng)可以明顯促進(jìn)小麥植株的葉片伸長(zhǎng)與增厚、莖稈的粗壯，以及株高，但如果田間使用過量，會(huì)導(dǎo)致植株生長(zhǎng)過旺，反而不利于產(chǎn)量穩(wěn)定和提高。在小麥葉色方面，N1、N2和N3處理分別表現(xiàn)出黃、綠和濃綠的特點(diǎn)。在小麥三維可視化研究中，這些外在形態(tài)特點(diǎn)都可以反映出來，以表現(xiàn)田間養(yǎng)分情況的多寡，并結(jié)合其他指標(biāo)為后續(xù)生產(chǎn)提供進(jìn)一步的指導(dǎo)意見。

4? ?結(jié)論與展望

4.1? 結(jié)論

作物生長(zhǎng)形態(tài)結(jié)構(gòu)是內(nèi)在基因與外在環(huán)境和管理措施共同作用的結(jié)果。本文從基于物聯(lián)網(wǎng)的作物形態(tài)參數(shù)監(jiān)測(cè)、三維數(shù)據(jù)處理、作物生長(zhǎng)協(xié)同模擬等方面，進(jìn)行了以小麥為代表的大田作物模擬模型和三維形態(tài)可視化關(guān)鍵技術(shù)研究，結(jié)果表明：

（1）采用Logistic方程模擬返青后小麥葉片生長(zhǎng)的變化情況，所構(gòu)建模型對(duì)于返青后冬小麥的葉長(zhǎng)、最大葉寬和株高等參數(shù)都有較高的模擬精度。

（2）根據(jù)逐日模擬數(shù)據(jù)，借助OpenGL和NURBS曲面實(shí)現(xiàn)了小麥葉片形態(tài)模型和冬小麥返青后生長(zhǎng)在不同施氮條件下三維可視化形態(tài)模擬。

（3）Agent技術(shù)對(duì)于構(gòu)建作物模擬與管理決策的復(fù)雜系統(tǒng)設(shè)計(jì)問題具有優(yōu)勢(shì)，特別是實(shí)現(xiàn)不同組分之間的協(xié)同工作、軟硬件資源高效利用和代碼重用，實(shí)現(xiàn)作物模擬模型中的模型協(xié)同和有效利用。

4.2? 展望

作物生長(zhǎng)發(fā)育過程是一個(gè)復(fù)雜的巨系統(tǒng)，在模擬模型研究方面，未來需要著重在以下方面重點(diǎn)開展研究：

（1）為加強(qiáng)模型的實(shí)用性和可視性，還需結(jié)合試驗(yàn)與模擬，對(duì)作物各器官、個(gè)體及其群體的形態(tài)模擬模型與可視化模型進(jìn)行多維度測(cè)試和驗(yàn)證，使作物形態(tài)模型的可靠性和準(zhǔn)確度得到持續(xù)提升，在田間采集過程中將選擇或設(shè)計(jì)智能化儀器和技術(shù)方法，以減少數(shù)據(jù)測(cè)量誤差。

（2）作物的器官外形復(fù)雜程度高，且存在著豐富的紋理細(xì)節(jié)，單純的建模方法與真實(shí)感技術(shù)難以取得逼真自然的模擬效果。因此，還需對(duì)精確的作物器官幾何建模進(jìn)行深層次研究。

（3）作物器官往往會(huì)發(fā)生自然形變，單純依靠幾何建模方法難以完全表現(xiàn)該形變過程，因此，利用信息技術(shù)模擬作物不規(guī)則或較復(fù)雜的器官形變狀態(tài)或其動(dòng)態(tài)生長(zhǎng)過程有待進(jìn)一步完善，可考慮將基于物理物體變形和運(yùn)動(dòng)模擬技術(shù)應(yīng)用于作物器官的形變描述，實(shí)現(xiàn)建模方法簡(jiǎn)潔化。

（4）利用不同環(huán)境、品種及栽培條件下的試驗(yàn)資料，實(shí)現(xiàn)作物的群體可視化，并對(duì)作物生長(zhǎng)數(shù)字化與可視化系統(tǒng)進(jìn)行廣泛的測(cè)試和驗(yàn)證，使作物生長(zhǎng)數(shù)字化模型與可視化系統(tǒng)更能逼真地模擬作物的自然生長(zhǎng)過程。

參考文獻(xiàn)

[1]? ?Jones J W， Hoogenboom G， Porter C H， et al. The DSSAT cropping system model[J]. European Journal of Agronomy， 2003， 18（3-4）： 235-265.

[2]? ?Holzworth D P， Devoil P G， Devoil P G， et al. APSIM - Evolution towards a new generation of agricultural systems? ? ? ? simulation[J]. Environmental Modelling & Software，?2014， 62（C）： 327-350.

[3]? ?Hoof C V D， Hanert E， Vidale P L. Simulating dynamic crop growth with an adapted land surface model – JULES-SUCROS： model development and validation[J]. Agricultural & Forest Meteorology， 2011， 151（2）： 137-153.

[4]? ?曹宏鑫， 張春雷， 金之慶， 等. 數(shù)學(xué)化栽培的框架與技術(shù)體系探討[J]. 耕作與栽培， 2005， （03）： 4-7.Cao H， Zhang C， Jin Z， et al. Discussion on the framework and technical system of mathematical cultivation[J]. Gengzuo Yu Zaipei， 2005， （03）： 4-7.

[5]? ?曹衛(wèi)星， 朱艷， 田永超等. 作物精確栽培技術(shù)的構(gòu)建與實(shí)現(xiàn)[J]. 中國(guó)農(nóng)業(yè)科學(xué)， 2011 （19）： 3955-3969.Cao W， Zhu Y， Tian Y， et al. Development and implementation of crop precision cultivation technology[J]. Scientia Agricultura Sinica， 2011 （19）： 3955-3969.

[6]? ?高亮之， 金之慶. RCSODS—水稻栽培計(jì)算機(jī)模擬優(yōu)化決策系統(tǒng)[J]， 農(nóng)業(yè)網(wǎng)絡(luò)信息， 1993， （3）： 14-20.Gao L， Jin Q. RCSODS - Rice cultivation computer simulation optimization decision system[J]， Agriculture Network Information， 1993， （3）： 14-20.

[7]? ?潘學(xué)標(biāo)， 韓湘玲， 石元春. COTGROW： 棉花生長(zhǎng)發(fā)育模擬模型[J]. 棉花學(xué)報(bào)， 1996， 8（4）： 180-188.Pan X， Han X， Shi Y. COTGROW： Cotton growth and development simulation model[J]. Acta Gossypii Sinica， 1996， 8（4）： 180-188.

[9]? ?孫忠富， 陳人杰. 溫室番茄生長(zhǎng)發(fā)育動(dòng)態(tài)模型與計(jì)算機(jī)模擬系統(tǒng)初探[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)， 2003， 11（2）：84-88.Sun Z， Chen R. A preliminary study on dynamic model and computer simulation system of greenhouse tomato growth[J]. Chinese Journal of Eco-Agriculture， 2003， 11（2）：84-88.

[10]? 諸葉平， 李世娟， 孫開夢(mèng)， 等. 作物生產(chǎn)信息數(shù)字化研究[C]//中國(guó)數(shù)字農(nóng)業(yè)與農(nóng)村信息化學(xué)術(shù)研究研討會(huì)論文集， 中國(guó)北京. 2005： 19-24.

[11]? 趙春江， 諸德輝， 李鴻祥等. 小麥栽培管理計(jì)算機(jī)專家系統(tǒng)的研究與應(yīng)用[J]. 中國(guó)農(nóng)業(yè)科學(xué)， 1997， 30（5）：?42-49.Zhao C， Zhu D， Li H， et al. Study on intelligent expert system of wheat cultivation management and itsapplication [J]. Scientia Agricultura Sinica， 1997， 30（5）： 42-49.

[12]? 曹衛(wèi)星， 潘潔， 朱艷， 等. 基于生長(zhǎng)模型與Web應(yīng)用的小麥管理決策支持系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2007， 23（1）： 133-138.Cao W， Pan J， Zhu Y， et al. Growth model and webapplication based decision support system for wheat management[J]. Transactions of the Chinese Society of Agricultural Engineering， 2007， 23（1）： 133-138.

[13]? 曹宏鑫， 金之慶， 石春林， 等. 基于Web與模擬模型的水稻栽培數(shù)字化設(shè)計(jì)[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2008， 24（12）： 137-140.Cao H， Jin Z， Shi C， et al. Digital design of rice cultivation based on Web and simulation model[J]. Transactions of the Chinese Society of Agricultural Engineering， 2008， 24（12）： 137-140.

[14]? Rauff J V. Multi-agent systems： an introduction todistributed artificial intelligence[M]. Addison-Wesley Longman Publishing Co. Inc. 1999.

[15]? Badjonski M， Ivanovic M. A multi-agent system for the determination of optimal hybrids in crop production[J]. Computers and Electronics in Agriculture， 2000， 25（3）： 233-243.

[16]? Bentham M J . A multi-agent crop production decision support system for technology transfer[J].Dissertation Abstracts International， 2000： 62-11， Section： B， 5299.

[17]? Berger T. Agent-based spatial models applied to agriculture： a simulation tool for technology diffusion， resource use changes and policy analysis[J].Agricultural Economics， 2001， 25（2-3）： 245-260.

[18]? Zhu Y， Zhang J， Li S， et al. Agriculture and forestryeconomy decision support system based on agent[J].New Zealand Journal of Agricultural Research， 2007， 50（5）： 1339-1346.

[19]? 王紀(jì)章. 基于物聯(lián)網(wǎng)的溫室環(huán)境智能管理系統(tǒng)研究[D].鎮(zhèn)江： 江蘇大學(xué)， 2013.Wang J. Study on intelligent management system for greenhouse climate based on internet of things[D].Zhenjiang： Jiangsu University， 2013.

[20]? Dauzat J， Clouvel P， Luquet D， et al. Using virtual plants to analyse the light-foraging efficiency of a low-density cotton crop[J]. Annals of Botany， 2008， 101（8）：1153-1166.

[21]? Hanan J S， Hearn A B. Linking physiological andarchitectural models of cotton[J]. Agricultural System，?2003， 75（1）： 47-77.

[22]  Hanan J. Virtual plants-integrating architectural and physiological models[J]. Environmental Modeling &?Software， 1997， 12（1）： 35-42.

[23]? Fournier C， Andrieu B. A 3D architectural and? process-based model of maize development[J]. Annals of Botany（London）， 1998， 81（2）： 233-250.

[24]? Buck-Sorlin G. L-system model of the vegetative growth of winter barley （Hordeum vulgare L.）[J]. Agronomie， 2002， 22： 691-702.

[25]? Watanabe T， Hanan J S， Room P M. Virtual Rice： I. Measurement and specification of three-dimensional structure[J]. The Crop Science Society of Japan， 1999（Ext. issue 2）， 68： 68-69.

[26]? Watanabe T， Room P M， Hanan J S. Virtual Rice：simulating the development of plant architecture[J].International Rice Research Notes， 2001， 26（2）： 60-62.

[27]? Watanabe T， Hanan J S， Room P M. Virtual Rice： II. Simulation of architecture and development by using L-system[J]. The Crop Science Society of Japan， 1999，?68： 70-71.

[28]? Watanabe T， Hanan J S， Room P M， et al. Rice Morphogenesis and plant architecture： measurement， specification and the Reconstruction of structural development by 3D Architectural Modelling[J]. Annals of Botany， 2005， 95： 1131-1143.

[29]? Prusinkiewicz P W ， Remphrey W R ， Davidson C G， et al. Modeling the architecture of expanding Fraxinus pennsylvanica shoots using L-systems[J]. CanadianJournal of Botany = Journal Canadien de Botanique （Canada）， 1994， 72（5）：701-714.

[30]? Fisher J B. Part 2： The Katherine Esau International Symposium || How predictive are computer simulations of tree architecture？[J]. International Journal of Plant Sciences， 1992， 153（3）： S137-S146.

[31]? Barczi J F， Rey H， Caraglio Y， et al. AmapSim： a structural whole-plant simulator based on botanical knowledge and designed to host external functional models[J]. Annals of Botany， 2007， 101（8）： 1125-1138.

[32]? de Reffye P， Fourcaud T， Blaise F， et al. A functional model of tree growth and tree architecture[J]. Silva Fennica， 31（3）： 297-311.

[33]? Godin C， Guédon Y， Costes E， et al. Measuring andanalyzing plants with the AMAPmod software[C]. Michalewicz， M.T. Plants to ecosystems - Advances in Computational Life Sciences， 2nd International Symposium on Computer Challenges in Life Science， CSIRO Australia， 1997，53-84.

[34]? Seleznyova A N， Thorp T G， White M， et al. Application of architectural analysis and AMAPmod methodology to study dwarfing phenomenon： the branch structure of “Royal Gala” apple grafted on dwarfing and non-dwarfing rootstock/interstock combinations[J]. Annals of Botany， 2003， 91（6）： 665-672.

[35]? 諸葉平. 小麥模擬實(shí)驗(yàn)系統(tǒng)的可視化界面技術(shù)[J]. 農(nóng)業(yè)網(wǎng)絡(luò)信息， 1995， （4）： 6-8.Zhu Y. Visual interface technology of wheat simulation experiment system[J]. Agriculture Network Information， 1995， （4）： 6-8.

[36]? 嚴(yán)定春， 諸葉平， 李世娟. 小麥—玉米連作協(xié)同模型系統(tǒng)研究[J]. 農(nóng)業(yè)網(wǎng)絡(luò)信息， 2007（9）： 21-23.Yan D， Zhu Y， Li S.Coordination model system for wheat-maize continual cropping management[J].Agriculture Network Information， 2007（9）： 21-23.

[37]? 劉升平， 諸葉平. 基于Agent技術(shù)的小麥生長(zhǎng)模擬模型的建立[J]. 安徽農(nóng)業(yè)科學(xué)， 2007， 35（20）： 6026-6028.Liu S， Zhu Y. Establishment of wheat simulation model based on Agent technology[J]. Journal of AgricuturdSciences. 2007， 35（20）： 6026- 6028.

[38]? Zhu Y， Liu S. Technology of agent-based crop collaborative simulation and management decision[C]//International Conference on Data Mining & Intelligent Information Technology Applications. IEEE， 2011， 11： 349-353.

[39]? 林玉彬. 基于全局敏感度分析的GreenLab模型參數(shù)估計(jì)研究[D]. 北京： 中國(guó)科學(xué)院大學(xué)， 2012.Lin Y. Research on parameter estimation of GreenLab model based on global sensitivity analysis[D]. Beijing： University of Chinese Academy of Sciences， 2012.

[40]? 常麗英， 顧東祥， 張文宇， 等. 水稻葉片伸長(zhǎng)過程的模擬模型[J]. 作物學(xué)報(bào)， 2008， 34（2）： 311-317.Chang L， Gu D， Zhang W， et al. A simulation model of leaf elongation process in rice[J]. Acta Agronomica?Sinica， 2008， 34（2）： 311-317.

[41]? 劉慧， 湯亮， 張文宇， 等. 基于模型的可視化水稻生長(zhǎng)系統(tǒng)的構(gòu)建與實(shí)現(xiàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2009， 25（9）：?148-154.Liu H， Tang L， Zhang W， et al. Construction andimplementation of model-based visual rice growthsystem[J].Transactions of the Chinese Society ofAgricultural Engineering，2009， 25（9）： 148-154.

Research on? key technologies of crop growth process simulation model and morphological 3D visualization

Yeping Zhu1， Shijuan Li1*， Shuqin Li2

（1. Agricultural Information Institute， Chinese Academy of Agricultural Sciences/Key Laboratory of Agri-information Service Technology， Ministry of Agriculture and Rural Affairs， Beijing 100081， China; 2. Information Center，

North China University of Technology， Beijing 100144， China）

Abstract： According to the demand of digitized analysis and visualization representation of crop yield formation and variety adaptability analysis， aiming at improving the timeliness， coordination and sense of reality of crop simulation model， key technologies of crop growth process simulation model and morphological 3D visualization were studied in this research. The internet of things technology was applied to collect the field data. The multi-agent technology was used to study the co-simulation method and design crop model framework. Winter wheat （Triticum aestivum L.） was taken as an example to conducted filed test， the 3D morphology visualization system was developed and validated. Taking three wheat varieties， Hengguan35 （Hg35）， Jimai22 （Jm22） and Heng4399 （H4399） as research objects， logistic equation was constructed to simulate the change of leaf length， maximum leaf width， leaf height and plant height. Parametric modeling method and 3D graphics library （OpenGL） were used to build wheat organ geometry model so as to draw wheat morphological structure model. The R2 values of leaf length， maximum leaf width， leaf height and plant height were between 0.772-0.999， indicating that the model has high fitting degree. F values （between 10.153-4359.236） of regression equation and Sig. values （under 0.05） show that the model has good significance. Taking wheat as example， this research combined wheat growth model and structure model effectively in order to realize the 3D morphology visualization of crop growth processes under different conditions， it will provide references for developing the crop simulation visualization system， the method and related technologies are suitable for other field crops such as corn and rice， etc.

Key words： crop simulation model; growth process visualization; morphology visualization; agent; technology 3D