水稻生长监测预测技术分析

何朝晖

摘要：生长监测预测技术在水稻种植管理中的有效应用，对提高作物产量，减少病虫害损害，推动精准农业、智慧农业建设与发展具有非常重要的意义。近年来，水稻生长监测预测技术研究取得了很多成就，包括生长模型监测预测技术、遥感监测预测技术以及二者结合下形成的监测预测技术，提出数字图像处理技术完善、同化模型构建与应用、多元统计分析等将是水稻生长监测预测技术未来发展趋势。与此同时，从水稻长势、营养、病虫害等方面就监测预测技术应用进行简要分析。此外，从技术结合应用角度构建水稻生长监测预测系统，并通过实例验证系统应用效果。希望此文可为相关研究、应用及技术推广人员提供参考。

关键词：水稻；生长监测；预测；高光谱遥感技术

水稻浑身是重要的粮食作物、经济作物。例如，稻芽具有健脾开胃和中消食等功效；稻谷与稻糠蕴含丰富营养，食之果腹，可满足人体多数营养需求；稻草可饲养牲畜，编制成各种生活与工艺产品。我国是水稻生产大国，相关调查数据显示，稻谷产量约占粮食总产量的45%；2015—2023年水稻种植面积基本稳定在粮食作物种植面积的25%左右；2023年早稻播种面积超过473.27万hm2，单位面积产量超过

399 kg/667 m2，总产量超过288亿kg。促进水稻产量与品质提升，对粮食安全、人民生活改善、农业经济增长等具有重要意义。水稻生长监测预测技术是利用各种科学技术，如卫星遥感技术、数据挖掘与分析技术、数据模型技术、流式细胞分析技术、图像处理技术等，对水稻生长状态进行监测、分析、评价、预测等，从而为水稻精准管理提供指导，以促进水稻产量提高，品质增强。了解与掌握水稻生长监测预测技术并将其有效应用至水稻种植管理中，可有效提高水稻种植管理水平，促进水稻产业精准化、数字化、现代化、智慧化发展。

1 监测预测技术研究现状与发展趋势

1.1 水稻生长模型监测预测技术

水稻生长模型监测预测技术主要是指根据水稻生长规律、遗传特征、种植土壤条件、气候因子、田间管理技术等之间存在的关系，综合运用各种分析、模拟、决策等方法，构建能够动态模拟水稻生长发育全过程的模型[1]。作物生长模型最早起源于20世纪

60年代，较为典型的有ELCROS模型、BACROS模型、SUCROS模型、WOFOST模型、MACROS模型、CERES模型、DSSAT模型、GOSSSYM模型、CROPGPO模型、RICEMOD模型、RiceGrow模型等[2]。其中，ELCROS、BACROS、SUCROS、WOFOST、MACROS等模型，主要由荷兰开创，侧重于作物机理描述，将作物生长过程视为一个系统，主要考察土壤、气候、营养、水分等因素对作物生长的影响，并以此作为作物生长监测预测主要指标。以MACROS模型为例，借助系统分析技术、建模技术、模拟技术等，构建一系列水分限制条件下的作物生长模拟模块，最终得到适用于多种作物的生长模型。该模型生态区域划分、轮作管理、气候影响预测、肥料调控优化、水分管理、病虫害防治等方面具有较强指导作用。CERES、DSSAT、GOSSSYM、CROPGPO等模型，主要由美国开创，综合性较强，不仅注重作物机理模式，也侧重于作物与土壤、气候、技术等因果关系描述，可实现对作物生长与管理整个过程的模拟。RICEMOD、RiceGrow等模型，由国内学者研制，实现了对水稻干物质分配模拟、水稻形态发育模拟、水稻水分平衡模拟、水稻产量形成模拟等，应用价值较高。

1.2 水稻生长遥感监测预测技术

水稻生长遥感监测预测技術主要是指利用遥感及其相关技术获取不同时间与空间尺度下水稻的生长信息，从而为水稻生长模型构建提供可靠、准确、真实数据，便于相关人员监测水稻长势、预测水稻产量、防控水稻病虫害等。作物生长遥感监测预测技术最早起源于20世纪70年代的美国，随着LACIE计划、AGRISTARS计划、MARS计划等成功开展，得到全球多个国家的重视。随着作物生长遥感监测预测技术研究不断深入，国内外建立了众多作物长势遥感监测系统。以水稻长势遥感监测系统为例，以卫星遥感影像资料为数据来源，利用数据压缩技术、线性变换技术、噪声去除技术、光谱微分技术等处理数据，提高数据准确性的同时，实现对水稻种植区域的准确识别与确定。根据水稻光谱特征，确定监测预测指标，一般以植被指数（归一化、差值、比值、转换、加权差值、宽动态、水质、土壤调节等）与水稻生长指标（株距、株高、叶龄、叶面积指数、叶绿素含量等）为主[3]。经反演建模，获取水稻长势监测预测结果。

1.3 基于遥感与模型结合的技术

作物生长模型监测预测技术应用受区域限制较大，要想进行大规模试验，需要引入时空尺度数据。作物生长遥感监测预测技术多是对作物瞬间物理状态进行考察，而作物生长发育是一个长期过程，要想准确监测预测其长势、产量，需对作物多时相物理状态进行分析。因此，单依靠作物生长遥感难以获得准确监测预测结果。鉴于作物生长模型与作物生长遥感监测预测技术单独应用存在的不足，国内外学者提出将二者相结合，希望通过优势互补，提高作物生长监测预测系统的机理性、空间性、过程性、综合性、应用性等。目前，作物生长模型监测预测技术与作物生长遥感监测预测技术的耦合形式主要有两种，一种是“强迫”形式，即以遥感数据为基础，构建反演模型，获取作物生长监测预测数据；一种是“同化”形式，即以作物生长模型为基础，通过调整模型模拟初始条件、作物遗传参数等，缩小模型模拟值与遥感数据之间的差异，提高模拟精准度，从而实现作物生长有效监测预测。两种形式各具优缺点，需要相关人员根据实际情况、试验条件合理选用。目前，水稻生长监测预测过程中，较为常见的方案为：（1）在系统分析技术、虚拟仿真技术、多维建模技术等联合应用构建不同条件下水稻生长发育子模型，如光合作用模型、水分平衡模型、养分动态模型、物质分配与积累模型、水稻各发育阶段形态模型等；（2）将模型与地理信息系统技术、遥感技术等相结合，实现对区域范围内水稻生长能力的有效预测；（3）通过结构化程序设计，开发水稻生长模拟系统与管理决策平台，以满足相关人员对数据采集、数据分析、数据管理、生长模拟、方案设计、气候评估、安全预警、生长模拟、产量预测、参数调整等功能的需求。

1.4 监测预测技术未来发展趋势

作物生长监测预测技术经过多年发展已经取得卓越成效，并在水稻领域得到推广使用。但从国内外水稻生长监测预测技术研究现状与应用情况来看，仍具有较大进步空间。例如，高光谱遥感水稻生理生化参数与反演模型之间的关联性较差，在一定程度上限制了反演结果准确性提升。因此，在未来发展过程中，需要探寻行之有效的技术，提高遥感与模型之间的耦合程度，保证监测预测结果精准、可靠。又如，关于水稻光谱特征的研究较为单一，导致结果局限性较强。因此，在未来发展过程中，需要加强水稻光谱特征研究，实现多因子交互下的系统性、多样性、综合性分析。

随着农业现代化种植水平的不断提升，越来越多传感设备应用到农业机械上，这在一定程度上拓宽了作物生长信息采集路径，为作物生长数据获取提供了便利。鉴于此，在发展水稻生长监测预测技术时，可借助各种传感器，实现多类型遥感技术结合应用，降低对卫生遥感技术的依赖性。与此同时，农业规模化经营已经成为新时期农业发展主流，加强大尺度水稻生长监测预测技术研发势在必行。多数研究表明，将遥感技术、数码相机技术、地理信息系统、图像校正技术等联合应用，可在一定程度上实现对大规模作物生长的多时相监测。因此，水稻生长监测预测技术未来将趋向多技术联合应用发展，相关系统功能将不断增多。

2 监测预测技术应用范围与具体表现

2.1 水稻长势监测预测

水稻长势监测预测是水稻生长监测预测工作中的重要内容之一，其目的在于通过评估水稻长势指标，如水稻苗情、叶面积指数、生物量、叶绿素含量等，了解水稻生产状况及其变化情况，预测水稻产量变化趋势，分析影响水稻长势主要因素，为精细管理提供可靠指导。以叶面积指数为例，相关研究发现双季水稻长势特征与其叶面积指数高度相关，并利用线式远程监测系统获取双季水稻实景图像，运用数据传输技术、颜色分割技术等对图像进行处理，获得双季水稻不同生长发育阶段的覆盖度，确定双季水稻长势规律；利用便携式叶面积仪获取双季水稻不同生长发育阶段叶面积指数；通过覆盖度反演，验证了叶面积指数模拟结果与叶面积指数实测结果高度相关，说明可应用遥感图像反演方法监测叶面积指数，评价双季水稻长势[4]。

2.2 水稻营养监测预测

水稻生长发育离不开各种营养元素支持。监测预测水稻营养状况，可为水稻肥料调节与管控提供指导，避免营养元素短缺或过量影响水稻品质与产量。目前，水稻营养监测预测过程中，主要考察的营养元素有氮、磷、钾等。以氮素营养监测为例，相关研究表明水稻冠层、叶片等位置的近红外线区域反射光谱、可见光区域反射光谱均可有效反映氮素营养状况，并以双季稻叶片为例，利用CGMD、ASDFH2等技术获取植被指数、冠层光谱反射率等信息，搭建双季稻叶片氮含量与氮积累量监测模型，结果显示双季稻叶片氮含量监测模型R?达到0.8581～0.9318，相关系数在0.9041～0.9854，双季稻叶片氮积累量监测模型R?达到0.8684～0.9577，相关系数在0.9191～0.9851，说明模型准确性较高，可满足双季稻不同生育阶段氮素营养监测需求[5]。

2.3 水稻病虫害监测预测

病虫害是降低水稻产量，影响水稻品质的主要原因。相关数据统计，2022年全国水稻病虫害发生面积超过0.8亿hm2；2023年全国水稻病虫害发生面积超过0.73亿hm2；2023年早稻种植过程中，稻飞虱、稻纵卷叶螟、稻瘟病、水稻纹枯病等发生面积均达到百万亩。加强水稻病虫害监测预测对粮食安全保障与农药污染控制具有非常重要的现实意义。例如，病虫害发生后，水稻叶片内部细胞结构发生改变，同时可出现叶片颜色改变、叶片数量减少、叶片面积减少等表现。这在一定程度上使水稻光谱特征发生改变，根据这种改变可利用遥感监测技术进行病虫害监测，以及时发现与处理水稻病虫害。又如，将遥感监测数据与水稻生境参数相结合构建水稻病虫害预测模型，可实现对水稻病虫害的早期防控，减少区域病虫害发生率。例如，根据水稻白叶枯病流行条件，结合地方水稻种植区域土壤水文条件、气候特征等，建立水稻白叶枯病预测模型，可实现对该地区水稻白叶枯病发生时间、发展趋势的有效预测，从而为白叶枯病预防与治疗工作提供指导。

3 基于技术结合应用的系统设计与实例验证

水稻生长监测预测系统设计以RiceGrow模型为计算核心，集地理信息系统制图技术、在线遥感技术、图像处理技术为一体，具备文件管理（包括预览、打开、退出等）、水稻长势监测（涉及叶面积指数、生物量、氮素含量、碳氮比值、色素含量、蛋白质含量等指标）、水稻育苗预测（包括参数反演、生产指标动态模拟、水稻品质模拟预测、水稻生育期反演、水稻产量模拟预测、水稻病虫害模拟预测等）、水稻水肥管理（水分动态模拟、肥料运筹管理等）、水稻专题图制作等功能。为保证系统设计有效实现，将Windows与.NET相结合，以满足系统开发操作需求，并运用程序化设计、交互式编辑等思想，促进各类技术同化。以某地区早稻为例，运用该系统中的水稻长势监测功能，获取叶面积指数反演结果，并与实测结果进行对比。结果显示：施氮量的反演结果与实测结果基本一致，误差未超过2%；播种量的反演结果与实测结果存在一定偏差，主要原因在于：模拟模型分析所用气象数据为历史数据，实际中该地区降雨量明显高于以往同期，而气候作为影响水稻生长发育关键因素，其差异将严重影响模拟结果。从整体实证结果来看，该系统应用结果较为准确、可靠。

4 结语

水稻生长监测预测技术能够实时追踪水稻生长状态，对水稻各种生理生化信息进行动态、准确、全面、及时呈现，为水稻精耕细作提供指导，以便获取理想的产量与品质。目前，水稻生长监测预测技术已经成为现代农业、精准农业、智慧农业建设与发展的关键技术。由上述分析可知，模型与遥感是水稻生长监测预测技术的核心所在。当前多数监测预测系统以此为基础，在驱动策略、同化策略等有效应用下，进行技术耦合，实现优势互补。随着科学技术不断创新，水稻生长监测预测技术将日益完善，形成高效率、多功能的监测预测系统，实现水稻长势、营养、水分、病虫害的一体化、动态化诊断与管理。

参考文献

[1] 黄仨仨，金明焕，刘禹恒，等.基于便携式作物生长监测仪的水稻生长指标光谱监测研究[J].浙江农业科学，2022，63（9）：1952-1958+1963.

[2] 范位龙，董志茹，金家铭，等.基于图像处理的水稻秧苗生长状态监测[J].数字通信世界，2021（9）：112-113+116.

[3] 付晓晨，刘义.基于农业遥感技术的垦区水稻長势动态监测研究[J].现代化农业，2021（1）：61-62.

[4] 杨爱萍，张坤，白晓东，等.双季水稻叶面积指数在线式图像反演方法[J].江苏农业科学，2019，47（23）：320-323.

[5] 李艳大，叶春，曹中盛，等.基于作物生长监测诊断仪的双季稻叶片氮含量和氮积累量监测[J].应用生态学报，2020，31（9）：3040-3050.