馬新明 馬兆務(wù) 許鑫 席磊 熊淑萍 李海洋

摘要： 為研究智慧農(nóng)業(yè)發(fā)展模式與實(shí)現(xiàn)途徑，本研究設(shè)計(jì)了小麥產(chǎn)前、產(chǎn)中和產(chǎn)后各生產(chǎn)階段信息技術(shù)與農(nóng)機(jī)農(nóng)藝融合的基本框架，即產(chǎn)前利用精準(zhǔn)導(dǎo)航和激光平地技術(shù)實(shí)現(xiàn)對(duì)土地精準(zhǔn)規(guī)范化作業(yè)，利用空間插值技術(shù)和變量施肥技術(shù)實(shí)現(xiàn)精準(zhǔn)化播種與施肥;產(chǎn)中利用物聯(lián)網(wǎng)和圖像處理技術(shù)開(kāi)展?fàn)I養(yǎng)診斷服務(wù);產(chǎn)后運(yùn)用傳感器技術(shù)開(kāi)展產(chǎn)量實(shí)時(shí)預(yù)測(cè)服務(wù)。完成并實(shí)現(xiàn)了普通農(nóng)機(jī)裝備的智能化改造和與農(nóng)業(yè)生產(chǎn)相適應(yīng)的播種收獲裝備的研發(fā);研究了具有高效利用光熱資源、提高產(chǎn)量和綠色發(fā)展的小麥生產(chǎn)優(yōu)化種植模式;研發(fā)了與小麥產(chǎn)前品種播期播量選擇和施肥推薦、產(chǎn)中苗情營(yíng)養(yǎng)診斷、產(chǎn)后產(chǎn)量實(shí)時(shí)測(cè)報(bào)等相關(guān)系統(tǒng)，并在河南省進(jìn)行了試驗(yàn)。試驗(yàn)結(jié)果表明，采用信息技術(shù)與農(nóng)機(jī)農(nóng)藝融合方案可使小麥增產(chǎn)18.4%，增加產(chǎn)投比16.7%和8.1%，表明信息技術(shù)與農(nóng)機(jī)農(nóng)藝融合的小麥智慧化生產(chǎn)模式是有效的、可行的。

關(guān)鍵詞： 信息農(nóng)機(jī)農(nóng)藝融合;小麥;智慧生產(chǎn);發(fā)展模式;農(nóng)業(yè)信息化

中圖分類號(hào)： S3 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)： 201910-SA001

引文格式：馬新明， 馬兆務(wù)， 許 ?鑫， 席 ?磊， 熊淑萍， 李海洋. 信息農(nóng)機(jī)農(nóng)藝技術(shù)融合的小麥智慧生產(chǎn)模式研究[J]. 智慧農(nóng)業(yè)， 2019，1（4）： 62-71.

1 引言

智慧農(nóng)業(yè)是農(nóng)業(yè)發(fā)展的高級(jí)階段，是通過(guò)將現(xiàn)代信息技術(shù)應(yīng)用于傳統(tǒng)農(nóng)業(yè)生產(chǎn)，為農(nóng)業(yè)信息獲取、生產(chǎn)過(guò)程控制以及精準(zhǔn)管理決策等提供個(gè)性化、智能化、高效的服務(wù)[1，2]，具有節(jié)約資源，改善環(huán)境，轉(zhuǎn)變生產(chǎn)方式，提高生產(chǎn)效率，推動(dòng)生產(chǎn)結(jié)構(gòu)轉(zhuǎn)型升級(jí)等功能[3]。

智慧農(nóng)業(yè)已經(jīng)成為國(guó)內(nèi)外發(fā)展現(xiàn)代農(nóng)業(yè)的共同目標(biāo)[4，5]。20世紀(jì)90年代以來(lái)，美國(guó)政府每年撥款10多億美元，用于加強(qiáng)農(nóng)業(yè)信息化相關(guān)技術(shù)的推廣和應(yīng)用[6];英、德等歐洲國(guó)家通過(guò)政府、農(nóng)協(xié)、合作社等各種途徑，實(shí)現(xiàn)農(nóng)業(yè)規(guī)?；a(chǎn)業(yè)化和信息化經(jīng)營(yíng)[7];日本通過(guò)政府和地方合作，建立了嚴(yán)密的農(nóng)技推廣體系，推動(dòng)智慧農(nóng)業(yè)的發(fā)展[8]。中國(guó)高度重視智慧農(nóng)業(yè)發(fā)展，先后出臺(tái)了《國(guó)家信息化發(fā)展戰(zhàn)略綱要》《全國(guó)農(nóng)業(yè)現(xiàn)代化規(guī)劃（2016-2020）》《關(guān)于實(shí)施鄉(xiāng)村振興戰(zhàn)略的意見(jiàn)》等指導(dǎo)性文件，明確將智慧農(nóng)業(yè)發(fā)展和鄉(xiāng)村振興結(jié)合起來(lái)，指明我國(guó)農(nóng)業(yè)、農(nóng)村的發(fā)展方向[9-11]。

智慧農(nóng)業(yè)已成為國(guó)內(nèi)外學(xué)術(shù)界研究探討的熱點(diǎn)問(wèn)題。在國(guó)外，Carlos等[12]研究了物聯(lián)網(wǎng)技術(shù)在農(nóng)業(yè)精準(zhǔn)灌溉的應(yīng)用，通過(guò)開(kāi)發(fā)基于物聯(lián)網(wǎng)的農(nóng)業(yè)精準(zhǔn)灌溉智能水管理平臺(tái)，實(shí)現(xiàn)了灌溉的精準(zhǔn)、高效;Muangprathub等[13]提出了一種基于無(wú)線傳感器網(wǎng)絡(luò)的農(nóng)作物優(yōu)化灌溉系統(tǒng)，可以通過(guò)智能手機(jī)和網(wǎng)絡(luò)應(yīng)用程序?qū)崿F(xiàn)對(duì)數(shù)據(jù)管理;White等[14]利用收集的大數(shù)據(jù)，通過(guò)算法分析加強(qiáng)牲畜經(jīng)營(yíng)決策的科學(xué)性，促進(jìn)牲畜精確管理;Hsu等[15]提出了一種基于物聯(lián)網(wǎng)和云計(jì)算平臺(tái)的創(chuàng)新服務(wù)流程，可以應(yīng)用于大面積數(shù)據(jù)采集和分析，實(shí)現(xiàn)網(wǎng)絡(luò)信息資源的集成和自動(dòng)化; Patrício和Rieder[16]利用圖像模式識(shí)別技術(shù)，結(jié)合人工智能，探討了計(jì)算機(jī)視覺(jué)在精準(zhǔn)農(nóng)業(yè)中的適用性;Liakos等[17]建立了機(jī)器學(xué)習(xí)在農(nóng)業(yè)生產(chǎn)系統(tǒng)中的作物管理、畜牧管理、水管理以及土壤管理的具體應(yīng)用。

在國(guó)內(nèi)，趙春江[18]在系統(tǒng)分析國(guó)內(nèi)外智慧農(nóng)業(yè)現(xiàn)狀基礎(chǔ)上，提出了發(fā)展中國(guó)智慧農(nóng)業(yè)的三大轉(zhuǎn)變、八項(xiàng)重點(diǎn)任務(wù)和五項(xiàng)政策建議;徐建國(guó)和肖海峰[19]利用大數(shù)據(jù)技術(shù)，研發(fā)了基于大數(shù)據(jù)的智慧農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng);佟彩等[20]探討了“3S”技術(shù)在智慧農(nóng)業(yè)中作物長(zhǎng)勢(shì)、土壤環(huán)境等信息的監(jiān)測(cè)采集、作物產(chǎn)量估產(chǎn)、災(zāi)害損失評(píng)估、田間管理智能決策及展示等方面的應(yīng)用;王曉敏和鄧春景[21]基于當(dāng)前中國(guó)智慧農(nóng)業(yè)面臨的問(wèn)題，提出了在“互聯(lián)網(wǎng)+”的背景下智慧農(nóng)業(yè)發(fā)展路徑;孫志國(guó)[22]展望了區(qū)塊鏈技術(shù)對(duì)智慧農(nóng)業(yè)生產(chǎn)的影響;李兵等[23]利用決策樹(shù)算法構(gòu)建了基于機(jī)器學(xué)習(xí)的智慧農(nóng)業(yè)決策系統(tǒng)，使處理復(fù)雜農(nóng)業(yè)環(huán)境信息的準(zhǔn)確率和及時(shí)度分別達(dá)到97%和95%。但是，現(xiàn)有的智慧農(nóng)業(yè)研究多是單項(xiàng)技術(shù)或單一模式運(yùn)用，缺乏面向作物生長(zhǎng)全過(guò)程的綜合利用多項(xiàng)信息技術(shù)，以及融合農(nóng)機(jī)、農(nóng)藝面向作物全生育期的智慧農(nóng)業(yè)發(fā)展模式。

河南是農(nóng)業(yè)大省，隨著現(xiàn)代農(nóng)業(yè)的發(fā)展，河南省現(xiàn)代農(nóng)業(yè)的條件不斷完善。統(tǒng)計(jì)資料顯示，河南省已建成高標(biāo)準(zhǔn)糧田41300km2，主要農(nóng)作物耕種收綜合機(jī)械化水平達(dá)82.6%，4G網(wǎng)絡(luò)、光纖進(jìn)村等農(nóng)業(yè)信息化基礎(chǔ)和農(nóng)業(yè)信息服務(wù)水平逐年提高[24]，同時(shí)農(nóng)村實(shí)現(xiàn)土地流轉(zhuǎn)和規(guī)?；?jīng)營(yíng)水平不斷提高、新型農(nóng)業(yè)經(jīng)營(yíng)主體和新型職業(yè)農(nóng)民不斷增加，為智慧農(nóng)業(yè)發(fā)展奠定了基礎(chǔ)[25，26]。本研究擬從信息技術(shù)與農(nóng)機(jī)、農(nóng)藝融合的角度，以小麥為研究對(duì)象，探討智慧農(nóng)業(yè)在小麥生產(chǎn)過(guò)程中的應(yīng)用，以期為智慧農(nóng)業(yè)由理念到實(shí)踐、由技術(shù)到產(chǎn)業(yè)應(yīng)用提供技術(shù)支撐。

2 試驗(yàn)設(shè)計(jì)與方案

2.1 種植試驗(yàn)設(shè)計(jì)

2.1.1 試驗(yàn)選址

本研究在河南省長(zhǎng)葛市石象鎮(zhèn)國(guó)家2011協(xié)同創(chuàng)新現(xiàn)代農(nóng)業(yè)試驗(yàn)區(qū)（113°58'26 E，34°12'06″N）進(jìn)行。試驗(yàn)區(qū)前茬作物為玉米。試驗(yàn)地土壤質(zhì)地為中壤，0～20cm土壤有機(jī)質(zhì)含量為18.40g/kg，堿解氮含量為101.22mg/kg，速效磷含量為9.83mg/kg，速效鉀含量為98.44mg/kg，土壤pH值為7.65。

2.1.2 種植試驗(yàn)方案

農(nóng)藝技術(shù)是實(shí)現(xiàn)農(nóng)業(yè)綠色發(fā)展的基礎(chǔ)，關(guān)鍵農(nóng)藝技術(shù)主要包括品種選擇、良種良法配套技術(shù)等。試驗(yàn)設(shè)置精準(zhǔn)播種（精播）、精準(zhǔn)播種與激光平地集成（精播+精平）和常規(guī)種植（一般農(nóng)戶）3個(gè)處理。每個(gè)處理地塊長(zhǎng)300m，寬150m，面積約為4.5hm2，每個(gè)處理設(shè)18個(gè)取樣點(diǎn)，每個(gè)取樣點(diǎn)網(wǎng)格為50m×50m，供試小麥品種為“西農(nóng)979”，播種時(shí)間為2014年10月15日，“精播”處理和“精播+精平”處理的播種量為157.5kg/hm2，常規(guī)處理播種量為195kg/hm2。“精播”和“精播+精平”兩處理小麥均采用寬窄行種植，4行小麥，窄行距為12cm，寬行距為24cm[27]，小麥幅寬為36cm。播種小麥前施底肥，用量為750kg/hm2（復(fù)合肥N：P：K=23：16：6），拔節(jié)期再追施120kg/hm2的尿素，追肥后灌水，其他管理同一般大田。

試驗(yàn)在產(chǎn)前利用大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)，根據(jù)當(dāng)?shù)貧v史氣象和生產(chǎn)潛力評(píng)價(jià)結(jié)果開(kāi)展品種和播期播量推薦，播種時(shí)利用空間插值技術(shù)開(kāi)展變量施肥和精準(zhǔn)播種技術(shù)，產(chǎn)中利用圖像處理與模式識(shí)別技術(shù)開(kāi)展?fàn)I養(yǎng)診斷服務(wù)，產(chǎn)后利用物聯(lián)網(wǎng)和傳感器技術(shù)實(shí)現(xiàn)產(chǎn)量的精確測(cè)報(bào)。

2.2 智慧生產(chǎn)模式框架設(shè)計(jì)

信息技術(shù)與農(nóng)機(jī)農(nóng)藝融合程度不足是制約現(xiàn)代農(nóng)業(yè)發(fā)展的重要因素，影響了智慧農(nóng)業(yè)的發(fā)展進(jìn)程[28]。作物優(yōu)質(zhì)高效生產(chǎn)必須從種植方案這一核心問(wèn)題入手，實(shí)現(xiàn)從平整土地到收獲測(cè)產(chǎn)全過(guò)程的精準(zhǔn)控制、智能決策、監(jiān)測(cè)追蹤，因此，研發(fā)“激光平地-智能耕整-精準(zhǔn)施肥播種-精準(zhǔn)管理-精準(zhǔn)收獲”的面向小麥全生育期的智慧生產(chǎn)模式是本研究設(shè)計(jì)的基本框架，具體流程如圖1所示。

試驗(yàn)從信息技術(shù)、農(nóng)機(jī)、農(nóng)藝三個(gè)維度，圍繞融合開(kāi)展集成與應(yīng)用。信息技術(shù)主要是針對(duì)小麥品種、播期播量、施肥等優(yōu)化生產(chǎn)方案推薦、小麥苗情長(zhǎng)勢(shì)、營(yíng)養(yǎng)虧缺監(jiān)測(cè)與產(chǎn)量測(cè)報(bào)等;農(nóng)機(jī)方面重點(diǎn)考慮在現(xiàn)代農(nóng)機(jī)條件下的智能化改造問(wèn)題，如農(nóng)機(jī)選型、GPS導(dǎo)航儀安裝以及收獲產(chǎn)量測(cè)報(bào)儀設(shè)計(jì)等;農(nóng)藝技術(shù)主要考慮小麥品種、播期、播量、精施底肥和種植模式設(shè)計(jì)問(wèn)題。

2.3 農(nóng)機(jī)裝備智能化方案

為提高農(nóng)業(yè)機(jī)械的智能化，基于“七分種三分管”的思想，在土地深耕、施肥播種方面對(duì)農(nóng)機(jī)進(jìn)行智能化改造，以全面提高整地質(zhì)量[29]。

在土地翻耕過(guò)程中，在農(nóng)機(jī)上安裝北斗精準(zhǔn)導(dǎo)航設(shè)備，運(yùn)用運(yùn)動(dòng)規(guī)劃最優(yōu)化方法，構(gòu)建農(nóng)機(jī)弓形和魚(yú)尾形轉(zhuǎn)彎路徑的軌跡解析模型，提出轉(zhuǎn)彎耗時(shí)最短的路徑規(guī)劃算法，實(shí)現(xiàn)自動(dòng)導(dǎo)航拖拉機(jī)田間作業(yè)的全區(qū)域覆蓋路徑規(guī)劃[30]，結(jié)合激光平地設(shè)備實(shí)現(xiàn)土壤的精準(zhǔn)、規(guī)范化平地。激光平地處理采用國(guó)家農(nóng)業(yè)信息化工程技術(shù)研究中心的1PJ-2500激光平地機(jī)實(shí)施無(wú)縱橫坡激光平地作業(yè)，幅寬2.5m，平地精度為2cm，常規(guī)處理采用農(nóng)民自選的機(jī)械進(jìn)行整地。

在施肥播種階段，在農(nóng)機(jī)上集成北斗和GPS導(dǎo)航及小麥播種監(jiān)控系統(tǒng)，結(jié)合GIS空間插值技術(shù)，按照事先制作的變量施肥處方圖，結(jié)合變量施肥機(jī)械實(shí)現(xiàn)肥料的變量精確施用[31]。在此基礎(chǔ)上，為了配合寬窄行、播種鎮(zhèn)壓等農(nóng)藝技術(shù)要求，設(shè)計(jì)外槽輪精密排種和前置平土鎮(zhèn)壓式播種機(jī)具，以期實(shí)現(xiàn)農(nóng)機(jī)信息化和農(nóng)機(jī)農(nóng)藝適應(yīng)化的深度融合的播種機(jī)械，精確控制冬小麥的播種量、播種均勻度，滿足小麥種植技術(shù)要求。

2.4 小麥信息服務(wù)管理系統(tǒng)研制

在農(nóng)機(jī)農(nóng)藝融合的基礎(chǔ)上，圍繞產(chǎn)前、產(chǎn)中和產(chǎn)后，研建了面向小麥整個(gè)生育期的信息服務(wù)管理系統(tǒng)，實(shí)現(xiàn)了小麥生產(chǎn)全過(guò)程的信息化服務(wù)。

2.4.1 品種播期播量推薦系統(tǒng)

以小麥等作物品種的生態(tài)適應(yīng)性為基礎(chǔ)，基于種、肥、耕地等農(nóng)業(yè)資源的分布，建立農(nóng)田空間分布、農(nóng)田屬性（農(nóng)田分布、土壤質(zhì)地、土壤養(yǎng)分、灌溉等）、品種類型及種植面積等生產(chǎn)信息數(shù)據(jù)庫(kù)，開(kāi)展品種和播期播量推薦服務(wù)，模型如圖2所示。

根據(jù)決策點(diǎn)常年氣候資料確定所能種植的品種類型，通過(guò)量化決策點(diǎn)所能提供的生理春化時(shí)間、寒冷程度、日照長(zhǎng)度、有效積溫、土壤肥力，用戶對(duì)品種的需求和可選品種的特性，計(jì)算出品種各特征值的置信度，并以品種總置信度為依據(jù)構(gòu)建多目標(biāo)匹配品種和播期播量推薦模型。結(jié)合種植方案優(yōu)化設(shè)計(jì)，在農(nóng)業(yè)理論知識(shí)、事實(shí)數(shù)據(jù)和專家經(jīng)驗(yàn)的基礎(chǔ)上，基于產(chǎn)前數(shù)據(jù)庫(kù)、知識(shí)庫(kù)，優(yōu)化品種配置、播期播量等決策，利用軟件技術(shù)、智能決策等技術(shù)，推薦決策點(diǎn)適宜種植的品種和播期播量，構(gòu)建基于WebGIS的小麥產(chǎn)前信息服務(wù)推薦系統(tǒng)。

2.4.2 縣域精準(zhǔn)測(cè)土配方施肥系統(tǒng)

結(jié)合試驗(yàn)區(qū)地域特點(diǎn)和養(yǎng)分平衡法，基于多年土壤采樣數(shù)據(jù)，進(jìn)行了施肥模型的本地化。由于土壤采樣點(diǎn)養(yǎng)分含量除了受采樣點(diǎn)距離變化的影響外，還受土壤質(zhì)地等多種因素變異的影響。因此，本研究在利用反距離加權(quán)插值對(duì)土壤養(yǎng)分進(jìn)行插值的過(guò)程中，在查找鄰近點(diǎn)的選擇和查找過(guò)程中又引入了K最近鄰算法（k-Nearest Neighbor，KNN）對(duì)反距離加權(quán)插值算法（Inverse Distance Weight，IDW）進(jìn)行了改進(jìn)，建立了土壤采樣點(diǎn)空間索引，結(jié)合K最近鄰算法和反距離加權(quán)插值對(duì)采樣點(diǎn)數(shù)據(jù)進(jìn)行空間插值處理，實(shí)現(xiàn)了基于KNN和IDW的土壤養(yǎng)分空間插值算法[32]，算法流程如圖3。通過(guò)這種算法，實(shí)現(xiàn)了沒(méi)有土壤采樣點(diǎn)的地塊的土壤養(yǎng)分科學(xué)預(yù)測(cè)，在此基礎(chǔ)上，綜合借鑒養(yǎng)分平衡原理，以產(chǎn)量和品質(zhì)為目標(biāo)，根據(jù)小麥一生的養(yǎng)分吸收需求、小麥一生的養(yǎng)分基礎(chǔ)吸收量以及肥料當(dāng)季利用率等計(jì)算實(shí)現(xiàn)預(yù)定目標(biāo)所需的氮、磷、鉀總施用量，根據(jù)決策點(diǎn)產(chǎn)量和品質(zhì)目標(biāo)，確定小麥的最終施肥用量。

2.4.3 小麥葉片營(yíng)養(yǎng)遠(yuǎn)程監(jiān)測(cè)系統(tǒng)

在研究大田環(huán)境下小麥圖像的自動(dòng)分割與顏色特征提取技術(shù)的基礎(chǔ)上，建立小麥營(yíng)養(yǎng)狀況估測(cè)模型。最終在系統(tǒng)中加以集成，建立具有小麥群體圖像分割與營(yíng)養(yǎng)估測(cè)功能的小麥營(yíng)養(yǎng)狀況遠(yuǎn)程監(jiān)測(cè)模型[32]（圖4），利用圖像歸一化技術(shù)消除圖像顏色及其分布的方法會(huì)因光照條件和相機(jī)設(shè)備的不同而不同，克服部分光照變化及陰影對(duì)圖像的影響，采用模式識(shí)別的圖像分割方法將小麥圖像對(duì)象進(jìn)行分類，構(gòu)建一個(gè)無(wú)監(jiān)督的圖像分割模型，選擇RGB彩色模型，通過(guò)馬氏距離對(duì)小麥群體圖像進(jìn)行圖像分割后，通過(guò)形態(tài)學(xué)圖像處理對(duì)圖像去噪，得到小麥原始圖像和歸一化圖像中的顏色信息，提取的顏色信息包括：原始圖像中小麥顏色的一階矩、原始圖像中小麥顏色的二階矩、歸一化圖像中小麥顏色的一階矩、歸一化圖像中小麥顏色的二階矩共12個(gè)顏色特征，進(jìn)而構(gòu)建顏色特征模型與小麥營(yíng)養(yǎng)狀況模型，實(shí)現(xiàn)大田環(huán)境下小麥營(yíng)養(yǎng)狀況的無(wú)損監(jiān)測(cè)，解決大田環(huán)境下作物圖像分析的難題。

2.4.4 基于傳感器的產(chǎn)量實(shí)時(shí)測(cè)報(bào)系統(tǒng)

在收獲期，通過(guò)集成計(jì)量傳感器、速度傳感器、割臺(tái)高度傳感器以及GPS，采用CAN（Controller Area Network）總線和無(wú)線通信技術(shù)，研制了小麥實(shí)時(shí)測(cè)產(chǎn)系統(tǒng)裝置，并安裝部署在大型聯(lián)合收割機(jī)上。

基于傳感器的產(chǎn)量收獲測(cè)報(bào)系統(tǒng)主要由數(shù)據(jù)采集模塊、監(jiān)控終端和數(shù)據(jù)處理模塊三部分構(gòu)成[33]。數(shù)據(jù)采集模塊主要通過(guò)集成的小麥計(jì)量傳感器來(lái)實(shí)時(shí)監(jiān)測(cè)產(chǎn)量，再利用速度傳感器和割臺(tái)高度傳感器來(lái)實(shí)時(shí)的獲取數(shù)據(jù)，這些傳感器獲取的信號(hào)數(shù)據(jù)通過(guò)CAN總線和無(wú)線通信技術(shù)的方式傳輸?shù)綌?shù)據(jù)處理模塊，從而實(shí)現(xiàn)數(shù)據(jù)的采集工作;數(shù)據(jù)處理模塊主要實(shí)現(xiàn)對(duì)采集數(shù)據(jù)的計(jì)算和分析，實(shí)現(xiàn)小麥?zhǔn)崭钆c產(chǎn)量測(cè)報(bào)的同步進(jìn)行，測(cè)報(bào)的誤差小于5%。

3 結(jié)果分析與討論

3.1 小麥田間種植效果

試驗(yàn)采用的12cm-12cm-12cm-24cm（4行小麥，窄行距12cm，寬行距24cm）的寬窄行配置模式，該模式通過(guò)農(nóng)機(jī)設(shè)備改造與農(nóng)藝的深度融合，實(shí)現(xiàn)了農(nóng)機(jī)自動(dòng)導(dǎo)航和農(nóng)藝的一體化高產(chǎn)群體配置，實(shí)現(xiàn)小麥行距和播量的精準(zhǔn)控制，從而達(dá)到小麥田間行距和株距的合理最佳組合配置。在生產(chǎn)中，除了增加穗數(shù)以提高產(chǎn)量外，同時(shí)創(chuàng)建了合理的群體結(jié)構(gòu)，改善了群體通風(fēng)透光能力，保持小麥穗層一致（圖5），為小麥增產(chǎn)奠定基礎(chǔ)。

3.2 小麥精準(zhǔn)種植效益分析

試驗(yàn)區(qū)全程進(jìn)行機(jī)械化管理，每個(gè)處理中有18個(gè)試驗(yàn)小區(qū)，“精播+精平”處理中有83%的試驗(yàn)小區(qū)的籽粒產(chǎn)量高于8000kg/hm2，而精播處理中僅有33%、常規(guī)處理中僅有22%的試驗(yàn)小區(qū)籽粒產(chǎn)量高于8000kg/hm2，如表1所示。常規(guī)處理共計(jì)投入8802.5元/hm2;“精播”和“精播+精平”處理投入比常規(guī)處理有所增加，從整地到收獲全程種子、化肥、農(nóng)藥、灌溉、機(jī)械服務(wù)費(fèi)用所有的非精準(zhǔn)種植投入為8694.5元/hm2，與常規(guī)處理相比增加了激光平地和GPS導(dǎo)航的費(fèi)用（表2）。本研究中均按照服務(wù)費(fèi)用進(jìn)行計(jì)算，其中激光平地費(fèi)用為1200元/hm2，GPS導(dǎo)航增加的服務(wù)費(fèi)用為150元/hm2，參考河南省的作業(yè)補(bǔ)貼額度為750元/hm2。

通過(guò)與對(duì)照處理結(jié)果進(jìn)行比較，試驗(yàn)區(qū)小麥平均產(chǎn)量為8819.6kg/hm2，比對(duì)照的7442.8kg/hm2增產(chǎn)1376.8kg/hm2，增長(zhǎng)率達(dá)18.4%，提高經(jīng)濟(jì)產(chǎn)投比16.7%（精播）和8.1%（精播+精平）。同時(shí)，在“精播+精平”處理下，土壤無(wú)機(jī)氮濃度平均值均低于常規(guī)處理，說(shuō)明信息技術(shù)與農(nóng)機(jī)農(nóng)藝融合還具有減少土壤無(wú)機(jī)氮含量的作用，有利于小麥的綠色生產(chǎn)。

試驗(yàn)結(jié)果與常規(guī)小麥種植模式比較表明，精準(zhǔn)播種及精準(zhǔn)播種與激光平地技術(shù)集成應(yīng)用均能顯著提高冬小麥的籽粒產(chǎn)量，說(shuō)明精準(zhǔn)播種技術(shù)和激光平地技術(shù)均可以提高作物產(chǎn)量。而精準(zhǔn)播種與激光平地集成技術(shù)的應(yīng)用增產(chǎn)效果更為顯著，說(shuō)明激光平地?cái)U(kuò)大了精準(zhǔn)播種的效果，提高了小麥產(chǎn)量。

3.3 土壤養(yǎng)分空間數(shù)據(jù)預(yù)測(cè)結(jié)果

為了提高變量施肥作業(yè)的精準(zhǔn)度和執(zhí)行效率，以試驗(yàn)區(qū)2014年土壤養(yǎng)分采樣點(diǎn)數(shù)據(jù)238個(gè)采樣點(diǎn)土壤養(yǎng)分?jǐn)?shù)據(jù)為數(shù)據(jù)源，移動(dòng)硬件環(huán)境CPU采用ARM架構(gòu)，主頻1.6GHz，4核心，基于Android 4.4移動(dòng)平臺(tái)，實(shí)現(xiàn)上述土壤養(yǎng)分插值計(jì)算方法。并在保證算法執(zhí)行效率小于3s的情況下，試驗(yàn)從總樣本中隨機(jī)挑選出50個(gè)采樣點(diǎn)作為需要預(yù)測(cè)的待插值數(shù)據(jù)，把剩余的采樣點(diǎn)作為插值數(shù)據(jù)。經(jīng)過(guò)多次試驗(yàn)，測(cè)試在相同土壤質(zhì)地下，不同最近鄰數(shù)對(duì)采樣點(diǎn)結(jié)果數(shù)據(jù)的影響，對(duì)樣本數(shù)據(jù)中的pH、有機(jī)質(zhì)、速效磷、速效鉀進(jìn)行了空間插值處理和效果分析。有效預(yù)測(cè)土壤pH、有機(jī)質(zhì)、速效鉀含量等，最優(yōu)平均絕對(duì)誤差分別為：0.0405、0.3870、0.0015。

4 結(jié)論

本研究以小麥玉米兩熟智慧生產(chǎn)角度，從信息技術(shù)與農(nóng)機(jī)農(nóng)藝三個(gè)維度論述了三者融合過(guò)程中的相關(guān)技術(shù)和方法，為智慧農(nóng)業(yè)種植提供了技術(shù)參考和依據(jù)。

“激光平地-智能耕整-精準(zhǔn)施肥播種-精準(zhǔn)管理-精準(zhǔn)收獲”的面向全生育期的智慧種植模式可以有效提高小麥產(chǎn)量，并有一定的環(huán)境效益，說(shuō)明智慧農(nóng)業(yè)應(yīng)發(fā)展綜合多項(xiàng)的技術(shù)服務(wù)模式。

智慧農(nóng)業(yè)的發(fā)展是在傳統(tǒng)農(nóng)業(yè)的基礎(chǔ)上，融合了互聯(lián)網(wǎng)技術(shù)、物聯(lián)網(wǎng)技術(shù)、“3S”技術(shù)、音視頻技術(shù)、云計(jì)算、大數(shù)據(jù)技術(shù)等現(xiàn)代信息技術(shù)。因此，在運(yùn)用現(xiàn)代信息技術(shù)發(fā)展智慧農(nóng)業(yè)時(shí)，要注意多技術(shù)間的融合，以提高信息感知、獲取、分析、決策的水平。

通過(guò)研究表明信息技術(shù)與農(nóng)機(jī)農(nóng)藝融合的智慧農(nóng)業(yè)模式符合河南省省情，對(duì)糧食持續(xù)增產(chǎn)和綠色發(fā)展具有可推廣的價(jià)值，實(shí)現(xiàn)了智慧農(nóng)業(yè)由理論到實(shí)踐的價(jià)值，也為智慧農(nóng)業(yè)在種植業(yè)中的發(fā)展提供了參考。

致謝

本試驗(yàn)在趙春江院士指導(dǎo)下完成。原國(guó)家農(nóng)業(yè)信息化工程技術(shù)中心陳靜博士對(duì)部分試驗(yàn)數(shù)據(jù)進(jìn)行了監(jiān)測(cè)。

參考文獻(xiàn)

[1] 申格， 吳文斌， 史云， 等. 我國(guó)智慧農(nóng)業(yè)研究和應(yīng)用最新進(jìn)展分析[J]. 中國(guó)農(nóng)業(yè)信息， 2018， 30（2）： 1-14.

Shen G， Wu W， Shi Y， et al. The latest progress in research and application of smart agriculture in China[J]. China Agricultural Information， 2018， 30（2）： 1-14.

[2] O'Grady M J， O'Hare G M P. Modelling the smart farm[J]. Information Processing in Agriculture， 2017， （4）： 179-187.

[3] 胡亞蘭， 張榮. 我國(guó)智慧農(nóng)業(yè)的運(yùn)營(yíng)模式、問(wèn)題與戰(zhàn)略對(duì)策[J]. 經(jīng)濟(jì)體制改革， 2017， （4）： 70-76.

Hu Y， Zhang R. The operation mode， problems and countermeasures of the wisdom agriculture in china[J]. Reform of Economic System， 2017， （4）： 70-76.

[4] Antonacci A， Arduini F， Moscone D， et al. Nanostructured （Bio）sensors for smart agriculture[J]. Trends in Analytical Chemistry， 2018（98）： 95-103.

[5] Prakash P J， Ali Y， Dimitrios G， et al. Internet of things platform for smart farming： experiences and lessons learnt[J]. Sensors （Basel， Switzerland）， 2016， 16（11）： 1884.

[6] Nugroho A P， Okayasu T， Inoue E， et al. Development of actuation framework for agricultural informatization supporting system[C]// IFAC Bio-Robotics， At Osaka， 2013， 46： 181-186.

[7] Zhu X， Liu Y. ZigBee implementation in intelligent agriculture based on internet of things[P]. Emeit-12， 2012.

[8] Li Y. Japan's modern agriculture and its effects on ??agricultural development of anhui province[J]. Asian Agricultural Research， 2017， 9（5）： 52-55.

[9] 趙春江. 提高農(nóng)機(jī)智能化水平 加快智慧農(nóng)業(yè)應(yīng)用發(fā)展[N]. 中國(guó)農(nóng)機(jī)化導(dǎo)報(bào)， 2019-02-04 （001）.

Zhao C. Improving the level of agricultural machinery intelligence and accelerating the development of smart agriculture application[N]. China Agricultural Mechanization Guide， 2019-02-04 （001）.

[10] ?錢(qián)素娟， 劉海英. 我國(guó)智慧農(nóng)業(yè)的運(yùn)營(yíng)模式、挑戰(zhàn)與轉(zhuǎn)型路徑[J]. 改革與戰(zhàn)略， 2018， 34（1）： 116-119.

Qian S， Liu H. The operation mode， challenge and transition path of intelligent agriculture in China[J]. Reformation & Strategy， 2018， 34 （1）： 116-119.

[11] 張繼梅. 我國(guó)智慧農(nóng)業(yè)的發(fā)展路徑及保障[J]. 改革與戰(zhàn)略， 2017， 33（7）： 104-107.

Zhang J. The development path and guarantee of China's wisdom agriculture[J]. Reformation & Strategy， 2017， 33（7）： 104-107.

[12] Carlos K， Pekka S J， Markus T， et al. Smart water management platform： IoT-based precision irrigation for agriculture[J]. Sensors （Basel， Switzerland）， 2019， 19（2）： 276.

[13] Muangprathub J， Boonnam N， Kajornkasirat S， et al. IoT and agriculture data analysis for smart farm[J]. Computers and Electronics in Agriculture， 2019， 156： 467-474.

[14] White B J， Amrine D E， Larson R L. Big data analytics and precision animal agriculture symposium： Data to decisions[J]. Journal of Animal Science， 2018， 96（4）： 1531-1539.

[15] Hsu T C， Yang H， Chung Y C， et al. A creative IoT agriculture platform for cloud fog computing[J]. Sustainable Computing： Informatics and Systems， 2018. https：//doi.org/10.1016/j.suscom.2018.10.006.

[16] Patrício D I， Rieder R. Computer vision and artificial intelligence in precision agriculture for grain crops： A systematic review[J]. Computers and Electronics in Agriculture， 2018， 153： 69-81.

[17] Liakos K G， Busato P， Moshou D， et al. Machine learning in agriculture： a review[J]. Sensors （Basel， Switzerland）， 2018， 18（8）： 2674.

[18] 趙春江. 智慧農(nóng)業(yè)發(fā)展現(xiàn)狀及戰(zhàn)略目標(biāo)研究[J].智 ?慧農(nóng)業(yè)， 2019， 1（1）： 1-7.

Zhao C. State-of-the-art and recommended developmental strategic objectives of smart ??agriculture[J]. Smart Agriculture， 2019， 1（1）： 1-7.

[19] 徐建國(guó)， 肖海峰. 基于大數(shù)據(jù)的智慧農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng)實(shí)現(xiàn)[J]. 軟件導(dǎo)刊， 2018， 17（8）： 129-132， 140.

Xu J， Xiao H. Realization of a wisdom agricultural internet of things system based on big data[J]. Software Guide， 2018， 17 （8）： 129-132， 140.

[20] 佟彩， 吳秋蘭， 劉琛， 等. 基于3S技術(shù)的智慧農(nóng)業(yè)研究進(jìn)展[J]. 山東農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2015， 46（6）： 856-860.

Tong C， Wu Q， Liu C， et al. A Review of wisdom agriculture based on 3S technologies[J]. Journal of Shandong Agricultural University （Natural Science Edition）， 2015， 46（6）： 856-860.

[21] 王曉敏， 鄧春景. 基于“互聯(lián)網(wǎng)+”背景的我國(guó)智慧農(nóng)業(yè)發(fā)展策略與路徑[J]. 江蘇農(nóng)業(yè)科學(xué)， 2017， 45（16）： 312-315.

[22] 孫志國(guó). 區(qū)塊鏈、物聯(lián)網(wǎng)與智慧農(nóng)業(yè)[J]. 農(nóng)業(yè)展望， 2017， 13（12）： 72-74.

Sun Z. Block Chain， Internet of things and intelligent agriculture[J]. Agricultural Outlook， 2017， 13（12）： 72-74.

[23] 李兵， 林文釗， 羅崢尹. 基于機(jī)器學(xué)習(xí)的智慧農(nóng)業(yè)決策系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 信息與電腦（理論版）， 2018， （24）： 74-75.Li B， Lin W， Luo Z. Design and implementation of intel ????????ligrent agricultural decision system based on machine ???????????learning[J]. China Computer&Communication， 2018，（24）： 74-75.

[24] 孫巖， 馬中杰， 鄭國(guó)清. 河南省農(nóng)業(yè)信息服務(wù)現(xiàn)狀及發(fā)展對(duì)策[J]. 河南農(nóng)業(yè)科學(xué)， 2013， 42（12）： 158-161.

Sun Y， Ma Z， Zheng G. Agricultural information service situation and countermeasures in Henan[J]. Journal of Henan Agricultural Sciences， 2013， 42 （12）： 158-161.

[25] 高雅雯. 河南省農(nóng)村土地流轉(zhuǎn)問(wèn)題研究[D]. 秦皇島： 河北科技師范學(xué)院， 2017.

Gao Y. The research on province land circulation problem in Henan[D]. Qinhuangdao： Hebei Normal University of Science & Technology， 2017.

[26] 陳威， 郭書(shū)普. 中國(guó)農(nóng)業(yè)信息化技術(shù)發(fā)展現(xiàn)狀及存在的問(wèn)題[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2013， 29（22）： 196-205.

Chen W， Guo S. Current situation and existing problems of agricultural informatization in China[J]. Transactions of the CSAE， 2013， 29（22）： 196-205.

[27] 熊淑萍， 孟香蘋(píng)， 王小純， 等. 小麥玉米一體化群體配置對(duì)小麥冠層結(jié)構(gòu)和產(chǎn)量影響[J]. 麥類作物學(xué)報(bào)， 2018， 38（8）： 970-978.

Xiong S， Meng X， Wang X， et al. Effects of wheat and maize integrated population patterns on the canopy structure and yield of wheat[J]. Journal of Triticeae Crops， 2018， 38（8）： 970-978.

[28] 梁建， 陳聰， 曹光喬. 農(nóng)機(jī)農(nóng)藝融合理論方法與實(shí)現(xiàn)途徑研究[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)， 2014， 35（3）： 1-3， 7.

Liang J， Chen C， Cao G. Theoretical methods and approach for integration of agricultural machinery and agronomy[J]. Journal of Chinese Agricultural Mechanization， 2014， 35 （3）： 1-3， 7.

[29] 羅錫文， 廖娟， 鄒湘軍， 等. 信息技術(shù)提升農(nóng)業(yè)機(jī)械化水平[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2016， 32（20）： 1-14.

Luo X， Liao J， Zou X， et al. Enhancing agricultural mechanization level through information technology[J]. Transactions of the CSAE， 2016， 32（20）： 1-14.

[30] 王建波， 趙玉芹， 朱晨輝， 等. 自動(dòng)導(dǎo)航拖拉機(jī)田間作業(yè)路徑規(guī)劃與應(yīng)用試驗(yàn)[J]. 農(nóng)機(jī)化研究， 2017， 39（2）： 242-245.

Wang J， Zhao Y， Zhu C， et al. Field-work path planning for tractor with automatic navigation and practical application[J]. Journal of Agricultural Mechanization Research， 2017， 39（2）： 242-245.

[31] 許鑫， 張浩， 席磊， 等. 基于WebGIS的小麥精準(zhǔn)施肥決策系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2011， 27（S2）： 94-98.

Xu X， Zhang H， Xi L， et al. Decision-making system for wheat precision fertilization based on WebGIS[J]. Transactions of the CSAE， 2011， 27（S2）： 94-98.

[32] 時(shí)雷， 龐曉丹， 錢(qián)誠(chéng)， 等. 基于圖像處理技術(shù)的小麥群體葉綠素狀況估計(jì)研究[J]. 太原理工大學(xué)學(xué)報(bào)， 2016， 47（2）： 223-227， 232.

Shi L， Pang X， Qian C， et al. Research on estimation of wheat population chlorophyll status using image processing technology[J]. Journal of Taiyuan University of Technology， 2016， 47 （2）： 223-227， ?232.

[33] 汪強(qiáng)， 鄭光， 馬新明， 等. 小麥產(chǎn)量實(shí)時(shí)測(cè)報(bào)系統(tǒng)[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用， 2016， 25（11）： 279-283.