数字孪生系统在农业生产中的应用探讨

顾生浩,卢宪菊,王勇健,郭新宇*

(1.北京农业信息技术研究中心,数字植物北京市重点实验室,北京 100097;2.国家农业信息化工程技术研究中心,北京 100097)

数字孪生(digital twin,DT)以数字化方式创建物理实体的虚拟模型，借助数据模拟物理实体在现实环境中的行为，通过虚实交互反馈、数据融合分析、决策迭代优化等手段，为物理实体增加或扩展新的能力[1]。2003年，密歇根州立大学Grieves[2]首次提出数字孪生的概念，并将其定义为一种实体和虚拟产品相连接的三维模型。随后DT技术在制造业的产品设计、生产制造、故障预测等细分领域逐渐得到应用，并显示出独特的技术优势。国际权威信息技术咨询机构Gartner连续3年(2017、2018、2019年)将数字孪生评为全球未来十大关键技术之一，这项技术对于弥合制造业物理世界和信息世界的鸿沟，推动新一代信息技术与制造业深度融合，进而实现中国制造2025和工业4.0的核心理念——智能制造具有重要作用。当前，随着5G、虚拟现实和增强现实等技术的成熟和商用部署应用，DT技术正在加速与其他行业的深度融合，已经成为智慧城市管理等复杂系统认知和管控的关键技术之一。随着农业传感器、物联网技术、农业模型和大数据分析系统、农业智能装备和专用机器人等科技成果的不断涌现，农业科研、生产、流通和服务领域已经快速实现了数字化和网络化，正向智能化阶段迈进。农业数字孪生系统将有机整合、融合农业生产的物理实体和数字赛博空间，实现“连接-感知-决策-控制”一体化，能够更好地感知和认知农业复杂系统并实现智慧管控，有望为农业数字化转型升级提供新动能。本文系统分析了作物生产系统认知和管控方式的发展历程，简要介绍了农业数字孪生系统的背景、概念、组成及优势，提出农业数字孪生系统在我国的应用前景和发展建议，为我国构建自主可控的农业数字孪生系统提供参考。

1 作物生产系统管控和认知的发展与农业数字孪生

1.1 作物生产系统管控和认知方式的发展

作物生产系统是由大气、土壤、作物和管理措施构成的多层次的农田生态系统[3]，其非线性、互馈性、多尺度等特征是人们深入认知作物生产系统所面临的重要难题。随着科学技术的不断进步，种植业经历了从以人力、畜力为动力的1.0阶段，到以农机具为生产工具的2.0阶段，再到以农业自动化技术装备为支撑的3.0阶段，最后到以新一代信息技术为支撑的4.0阶段(表1)[4]。现代农业生产系统呈现出开放式、多样化、多目标的发展趋势，日新月异的育种技术和不断加剧的气候变化导致系统中品种、环境和措施三者间的相互作用日趋复杂，这些都将加剧作物生产系统的复杂性。作物生产系统的全程信息感知和精确管控技术是建设数字农业农村的重要内容，有助于建立投入产出安全无害、资源利用节约高效和监测预警全程覆盖的作物生产技术体系。类比于工业4.0实现制造物理世界和信息世界的互联互通和智能化操作的目标，农业4.0时代下实现对种植业全链条、全要素的智慧管控所亟需突破的瓶颈是如何实现作物生产系统的物理世界和信息世界的交互与共融。

表1 作物生产系统不同阶段管控方式的发展历程Table 1 Development of the approach to crop production management of different stage

日新月异的信息技术直接推动了作物生产系统认知方法的升级。根据时间顺序和驱动因子的不同，将作物生产系统认知方式分为以下类型：①模型驱动下的作物生产系统模拟模型；②模型、知识驱动下的作物管理专家系统和决策支持系统；③模型、知识和数据驱动下的平行农业和农业数字孪生系统(图1)。以1965年de Wit提出作物叶片光合模型为标志[5]，作物生产系统的认知方法进入了模型驱动的时代，各国科研人员相继致力于定量描述作物生长、发育和产量形成过程及其对品种、环境和管理的响应，形成了以APSIM[6]和DSSAT[7]为代表的一系列作物生产系统模拟模型。针对降低棉花生产投入成本的迫切需要，美国农业部计算机科学家Lemmon[8]于1986年整合了棉花生长模拟模型GOSSYM和棉花栽培管理知识规则，形成了棉花管理专家系统COMAX，并成功应用于灌溉量与施氮量需求的评估和收获策略制定，实现了规模化棉花生产的节本增效，此后面向果园管理、灌溉控制和种植区划等方面研发出一系列成效卓著的农业专家系统[9]。为了推动集成多种作物模型的计算机模拟系统在农业技术推广中的应用，农业技术转化国际基准网络组织资助夏威夷大学于1993年开发出一套农业技术推广决策支持系统(DASST)[10]，该系统在充分理解作物生产系统运行规则的基础上，通过预测某一特定环境下的作物生长发育和产量形成，实现对作物生产系统的优化管控[7]，近年来已形成了针对多个尺度的决策支持系统。随着5G通信技术在2019年正式实现商用，在智能决策开始从线下转为线上，从离线转为实时的背景下，中国科学院自动化所提出了面向作物生产系统的平行农业智能技术，即构建一个与实际农业系统相对应的虚拟农业系统，通过虚拟农业系统对未来情景的推演和学习为实际农业系统的优化管控提供支持[11]。

图1 作物生产系统认知方法发展历程Fig.1 Development of the approach to learning crop production system

1.2 农业数字孪生系统简介

《中共中央、国务院关于实施乡村振兴战略的意见》和《数字经济发展战略纲要》提出，“要大力发展数字农业，实施数字乡村战略，推动农业数字化转型”。2020年农业农村部制定的《数字农业农村发展规划(2019—2025年)》进一步提出了“数字农业农村建设的总体思路、发展目标和重点任务”。新一代信息技术支撑下的现代作物生产系统是实现农业农村现代化的先决条件，也是落实数字乡村战略在种植业领域的重要体现。在2018年荷兰瓦格宁根大学与腾讯公司联合举办的第一届国际人工智能温室种植大赛中，腾讯AI实验室团队利用传感器和摄像头获取黄瓜的生长状况和温室环境数据，利用人工智能算法和作物生长模型推演未来情景对黄瓜生长发育状况的影响，从而为打顶、通风、补光等措施提供最优决策方案，最终在保证黄瓜不减产的情况下提升了能源利用效率[12]。因此，各国政府均十分重视新一代信息技术在农业生产中的应用。在气候变化加剧、劳动力紧张和耕地资源增量有限的背景下，利用物联网、大数据、人工智能等新一代信息技术正确认知作物生产系统是推动农业生产提质增效的必由之路。

作物数字孪生系统(digital twin of crop production system,CPSDT)是作物生产系统日趋复杂、物联网日渐成熟及DT技术不断完善等多方背景催生的新兴产物。CPSDT是数据驱动下对作物生产系统的全息映射，侧重于对作物生产过程的实时态势感知、超实时虚拟推演和全程交互反馈，旨在为作物生产的智慧管控提供参考。与工业领域相比，数字孪生技术在农业中的应用尚处初步探索阶段。全球顶尖农业科研机构荷兰瓦格宁根大学已于2019年将数字孪生技术列为该校未来4年的三大重点研究领域，并在作物生产应用层面启动了“虚拟番茄系统”项目，虚拟番茄系统是一个由环境、作物、管理和社会经济的实时数据驱动的虚拟番茄作物模拟模型，通过推演温室番茄产前、产中、产后的外界因素交互作用对经济回报的影响，旨在实现以高产高效为目标的番茄生产智慧管控[13]。英国洛桑研究中心与数字泽西公司于2019年联合启动了“数字孪生农场”的先导科技项目，加强泽西岛的数字化基础设施建设，通过推演未来不同发展情境下的泽西岛农业风貌，为当地政府各部门的政策制定提供洞见[14]。

1.3 农业数字孪生系统的基本组成及技术优势

参考数字孪生技术在制造业中的应用[15]，作物数字孪生系统中的虚拟作物生产系统是物理作物生产系统的准实时数字化镜像，并通过对未来情景的推演为优化作物生产系统提供决策建议，旨在促进农业生产系统进行数字化转型升级。图2呈现了作物数字孪生系统的概念模型。物理作物生产系统中部署了密集的传感器(图像、光谱、点云和环境传感器)，收集多种技术措施(补光通风、肥水灌溉和整枝打顶等)共同影响下的多尺度作物长势(叶片含氮量、果实数量、叶面积指数等)、土壤和大气环境(土壤含水量、气温、辐射等)等数据。虚拟作物生产系统基于不断传输的数据建立物理作物生产系统的数字化模型，并与迭代优化算法相结合用于推演未来不同情境下的作物生产系统状况，最后依据不同的生产目标(高产、高效、优质等)自动生成指导作物生产系统的决策方案。物理系统中传感器提供的数据对虚拟系统进行实时驱动，虚拟系统分析产生的决策反馈至物理系统，继而由虚拟系统根据对物理系统的再评估结果产生持续优化的决策建议。

图2 作物数字孪生系统概念模型Fig.2 Conceptual model of the digital twin of crop production system

CPSDT不同于传统的植物计算机辅助设计(plant-CAD)[16]或作物决策支持系统(DSS)[17]，也并非另一种以传感器为基础的作物生产物联网解决方案[18]。植物计算机辅助设计是局限在计算机模拟环境中，以某一时刻植物的资源截获量的最大化为目标，在复杂的群体环境中实现株型和种植模式的优化设计；作物管理决策支持系统在作物生长模型[19]、知识模型[20]和专家系统[21]的基础上，集预测、诊断和决策等功能于一体，实现对整个作物生长与管理过程的精确化设计、动态化预测和数字化调控；作物生产物联网解决方案在作物所处环境中布置传感器，实现对作物生长参量或环境要素的监测继而对作物生长状况(水、氮盈亏和病虫害)进行诊断。CPSDT综合了上述技术和方案的优势，打破了实时传输、科学计算、决策制定和自动控制难以同步的限制，通过以虚控实的方式实现作物生产系统的智慧管控。

2 数字孪生系统在农业中的应用

2.1 从数字育种向智慧栽培拓展

现代基因测序技术的发展和普及大幅推进了农作物育种的规模化水平，育种家对大规模、高通量、高时序植物表型性状的采集进一步推动了高通量表型鉴定相关技术装备的快速发展。然而，现有植物表型数据采集设备主要还是通过硬盘读写的传统方式进行传输，普遍存在读写速度慢、采集效率低和难以在线查看与解析等问题[22]。面向育种的农业数字孪生系统有望通过对植株点云、光谱、图像数据和植物高通量表型平台作业信息的全面深度感知、实时传输交换、快速计算处理和高级建模分析，实现对植物表型性状的实时解析和对表型平台的智能控制，为植物表型精准鉴定和种质资源的高效评价提供及时、准确、稳定的技术支持。植物表型高通量获取技术装备与模型计算工具的快速融合能够为农民提供栽培管理措施指导。集成了5G和边缘计算等先进技术的智能机器人逐渐具备了自动采集和智能分析植物表型数据的能力，这使得规模化无人农场的稳定运行成为可能[23]。田间杂草精确识别技术的快速进步大幅推进了锄草机器人的自动化识别和实时精准作业[24]。另外，基于机器视觉和光谱的病虫害鉴别技术与知识模型相结合，有效促进了精准施药技术在大田农业生产中的落地应用[25]。

2.2 基于数字孪生系统的环境智能控制

农业数字孪生系统可促进农业生产系统安全、健康、可持续发展，并有望率先在高度工业化的植物工厂中实现应用。植物工厂是通过全过程、自动化、高精度控制设施内环境要素，实现作物周年连续生产的高效农业系统，其环境控制系统为作物实现连续生产和品质调控提供重要保障[26]。当前植物工厂存在运行成本高和能源消耗大的问题，而且环境控制系统中多以传统经验知识(植物各阶段生长发育所需最适温度、湿度和光照等)为决策依据，并未考虑作物与环境间的相互反馈。作物数字孪生系统采用信息物理融合的思想，首先基于物联网技术完成植物工厂生产系统的数字化镜像，其次基于数字植物系统完成多源异构数据的智能化分析，进一步基于孪生数据完成应对未来情景的智能化决策，最后基于植物工厂机器人完成决策的自动化执行。上述四个环节紧密连接、相互反馈形成闭环，通过作物生产系统的物理实体和虚拟模型间全要素、全过程和全系统的虚实映射和交互融合，形成虚实一体、迭代优化、以虚控实的运行模式，促进环境和水肥的智能化调控和育苗、采收、分级等环节的智慧管控，最终达到提升全要素生产效率的目标。

2.3 基于数字孪生的农技教育培训

信息化时代的网络学习或远程教育打破了工业时代知识获取的时空界限，但却难以实现学习场景在虚实空间的交互反馈，且存在诸如推送知识精度不高、与学习者的匹配度不足等问题[27]。农业科教和农技推广是推进现代农业高质量发展的重要抓手，“互联网+”农技推广服务极大地促进了农业科技成果转化和实用技术推广，但现有的文本、图片和视频等信息载体无法真实展示作物与农业技术的交互反馈。农业数字孪生系统结合AR/VR技术为教、学两端都带来了方式方法的创新。在农业科教方面，学生在作物数字孪生系统上进行田间观测和栽培试验时具备多种情景下模拟的可行性，而且更能感受真实的立体呈现和沉浸感。在农技推广方面，农户可以在真实的农作场景中接受远程农技培训，并且得到未来不同情境下农技措施对的作物生产状况的影响，提高农户学习接收先进农技积极性的同时帮助农户有效规避风险。

2.4 农产品宣传展示

积极发展品牌农业是做强现代农业的重要途径，随着互联网和移动消费的日益繁荣，农业品牌宣传推广正在成为农产品加工业提升行动的重要抓手。消费者对农产品的了解大部分是通过图文、短视频和直播等线上渠道或数字互动体验馆、科普体验馆、农业展览馆等线下场景，所了解的内容主要聚焦农产品的来源、种类和价值等，但鲜有对农产品生产全链条的展现以及能够让用户得到切身体验的互动单元，从而无法充分满足消费者对农产品生产和加工过程的好奇心和生产者对提升农产品质量管控水平的需要。面向农产品生产和加工过程构建农业数字孪生系统，并借助5G技术实现生产数据信息化汇总、网络化传输、数字化处理、可视化展示与智慧化管控，为消费者全面细致地揭示农产品的“来龙去脉”，并大幅提升农业品牌数字营销综合解决方案的科技感与互动性。

3 我国农业数字孪生系统的发展建议

农业现代化是我国实现“四化同步”的短板，当前迫切需要推进农业智能化生产，提高农业生产综合效益和竞争力，加快实现我国农业现代化的步伐。我国已在作物生产系统模拟模型、作物管理专家系统、作物管理决策支持系统和农业环境测控技术装备等方面取得长足进步，然而数字孪生系统研究包括前沿理论创新和工程技术应用，需要多科学交叉协作创新。当前我国发展农业数字孪生系统的研发力量主要以农业科研单位为主，缺乏创新链上多学科交叉协作及其与生产链的深度融合。另一方面，农业环境测控技术和装备缺乏统一标准，对农业生产系统进行高频组网监测仍存在困难，影响了农业数字孪生系统中多源数据融合。针对我国在农业数字孪生系统研发中面临的问题，提出如下建议。

3.1 建立多学科协同的科技攻关模式

数字孪生系统是源自工业领域的一项新兴科技，而该技术在农业中的应用落地需要聚焦农业产业中多层生产经营主体的迫切需求，统筹产学研创新资源，建立计算机科学、自动化、电子工程和农学等多学科协同的科技攻关模式，推动数字农业孪生系统由单点突破向系统化、体系化的协同创新转变。

3.2 构建结构合理的人才队伍

我国农业产业对数字孪生系统存在着巨大需求，但与制造业相比，农业生产流程的标准化程度较低，涉及育种、农机、农艺、收储、加工、运输等多个环节，因此需要构建应用基础研究、工程研发和技术推广相结合的人才队伍结构，给予资金、政策和配套设施等方面的保障，建立市场化的绩效评价体系与收入分配激励机制，吸引信息技术、自动化和传感技术等领域的优秀人才投入到中国农业数字孪生系统的研究中。

3.3 加快技术装备的互联互通

物理农业生产过程的准实时数字化镜像需要大量传感器进行组网监测，随着5G技术的商用和推广，数据传输速率得到大幅提升，但多传感器数据融合成为制约农业数字孪生系统的重要瓶颈。一方面需要加强农业传感器的标准研究，提高多传感器组网效率和农业生产大数据的结构化程度；另一方面，建议加快推进农业生产环境采集设备和解析技术的共享激励机制。

3.4 加强与国际同行的交流与合作

数字孪生系统在农业领域的应用研究在世界范围内均处于起步阶段。美国、荷兰和以色列在规模化农业生产、温室园艺生产和高效节水农业方面有着丰富的成功经验，而且以波音(Boeing)、菲利普(Philips)和喜波(Seebo)为代表的企业已在数字孪生系统研发方面具备深厚的技术积累，我国需要借鉴发达国家的成功经验，设立国际合作专项，通过与世界顶尖研究机构共建联合实验室/联合研究中心的方式，开展农业数字孪生系统的研发与应用研究。

4 结语

信息技术和智能装备的快速发展不断推进种植业向现代化迈进，作物生产系统认知和管控方式也相应地从模型驱动下的作物生产系统模拟模型，发展到以模型、知识为驱动的作物管理专家系统和决策支持系统，再到模型、知识和数据驱动下的平行农业和农业数字孪生系统。农业数字孪生系统基于农业生产系统所产生的数据流，通过实时态势感知、超实时虚拟推演和全程交互反馈，有效实现对作物生产系统的智慧管控。在未来的科技支撑和产业实践下，通过多学科协同攻关、加强人才队伍建设、畅通技术装备连接和深化国际科技合作，农业数字孪生系统将在数字育种、智慧栽培、环境智能控制、农技培训和农产品推广等方面发挥重要作用，最终推动我国农业智能化生产。