烤煙生長發(fā)育模型研究進展

楊錫坤 葉衛(wèi)國 廖劍津 王政仁 張勝祥 李淮源 陳建軍

摘要 探討烤煙形態(tài)發(fā)育模型是開發(fā)現(xiàn)代煙草生產(chǎn)物聯(lián)網(wǎng)系統(tǒng)的重要內(nèi)容之一，并且極為復(fù)雜。介紹了烤煙生長模型的研究必要性、分類和當(dāng)前研究動態(tài)，并對烤煙形態(tài)發(fā)育模擬模型存在問題及發(fā)展趨勢進行闡述，以期推動烤煙模型的深入研究，促進“互聯(lián)網(wǎng)+”技術(shù)的跨界融合在烤煙生產(chǎn)中推廣應(yīng)用。

關(guān)鍵詞 烤煙;生長模型;分類;發(fā)展趨勢

中圖分類號 S572? 文獻標(biāo)識碼 A? 文章編號 0517-6611（2022）01-0024-06

doi：10.3969/j.issn.0517-6611.2022.01.007

Research Progress on Growth and Development Models of Flue-cured Tobacco

YANG Xi-kun1，YE Wei-guo1，LIAO Jian-jin2 et al

（1.Tobacco Research Laboratory，South China Agricultural University，Guangzhou，Guangdong 510642;2.Guangzhou Xinbiao Agricultural Technology Co.，Ltd.，Guangzhou，Guangdong 510600）

Abstract The simulation model of flue-cured tobacco morphological development is one of the most important contents in the development of modern tobacco production Internet of things system.Introduces the necessity，classification and current research trends of flue-cured tobacco morphological model，and expounds the existing problems and development trends of the simulation model of flue-cured tobacco morphological development，in order to promote the in-depth study of the model of flue-cured tobacco and promote the cross-border integration of “Internet +” technology in the production of flue-cured tobacco.

Key words Flue-cured tobacco;Growth model;Classification;Development trend

基金項目 廣東省煙草專賣局（公司）科技計劃項目“‘互聯(lián)網(wǎng)+’煙草農(nóng)業(yè)智能化生產(chǎn)技術(shù)開發(fā)與應(yīng)用研究”（粵煙科項201805）。

作者簡介 楊錫坤（1995—），男，白族，云南大理人，碩士研究生，研究方向：作物栽培學(xué)與耕作學(xué)。通信作者，教授，博士，博士生導(dǎo)師，從事煙草調(diào)控理論與優(yōu)化工藝研究。

收稿日期 2021-03-04

我國是世界第一烤煙生產(chǎn)大國，煙草種植面積常年在100萬hm2以上，年產(chǎn)量200萬t左右[1]。隨著社會經(jīng)濟的進步，東西部地區(qū)發(fā)展不平衡導(dǎo)致煙葉生產(chǎn)重心逐漸向動力成本低、耕地資源豐富的西南地區(qū)偏移[2];同時農(nóng)村勞動力大量向城區(qū)遷移，幾乎所有煙區(qū)都存在勞動力短缺的問題。此外，提高煙葉質(zhì)量和煙農(nóng)收入一直是煙草農(nóng)業(yè)關(guān)注的焦點。20世紀(jì)末21世紀(jì)初，人類社會迎來了物聯(lián)網(wǎng)技術(shù)時代，為農(nóng)業(yè)生產(chǎn)轉(zhuǎn)型升級和高質(zhì)量發(fā)展帶來了全新的發(fā)展機遇。因此，煙草農(nóng)業(yè)現(xiàn)代化、數(shù)字化、信息化是未來發(fā)展的必然趨勢[3]。

在農(nóng)業(yè)4.0的大背景之下，煙草農(nóng)、工業(yè)的結(jié)合日趨密切?！盎ヂ?lián)網(wǎng)+”技術(shù)的跨界融合是煙草行業(yè)發(fā)展的一個重要方向，也符合《國家煙草專賣局關(guān)于啟動實施煙草科研大數(shù)據(jù)重大專項》實施方案要求，具有重要意義。隨著作物長勢、形態(tài)、生長環(huán)境監(jiān)測手段及信息化技術(shù)的發(fā)展，計算機圖形學(xué)、多媒體、傳感器、仿真技術(shù)、三維掃描技術(shù)、人工智能等與作物形態(tài)生長發(fā)育虛擬技術(shù)的融合，勢必會提高對烤煙形態(tài)指標(biāo)模型研究的關(guān)注度，推動烤煙形態(tài)生長可視化工作的發(fā)展[3-4]。

作物模型是將作物與影響作物生長發(fā)育的環(huán)境和技術(shù)因子作為一個整體，對作物的生長發(fā)育及其與環(huán)境和栽培措施的動態(tài)關(guān)系進行定量描述的數(shù)學(xué)或計算機語言[4]。一個準(zhǔn)確、通用性強的作物模型依賴于土壤學(xué)、作物栽培及保護學(xué)、農(nóng)業(yè)經(jīng)濟學(xué)、現(xiàn)代化農(nóng)業(yè)信息學(xué)等的融合。其發(fā)展的標(biāo)志性時間節(jié)點為20世紀(jì)60年代，主要經(jīng)歷了萌芽階段（最早可追溯到1735年）、模型基礎(chǔ)研制階段（1961—1980年）、模型校驗階段（1981—1990年）、模型綜合利用階段（1990年以后）并逐漸發(fā)展成熟。我國作物模型研究起步較晚，最早追溯于20世紀(jì)80年代以后，并在引進國外模型、開展學(xué)術(shù)交流合作之后取得了較大發(fā)展，并逐漸形成了具有中國特色的專家系統(tǒng)，其中最典型的是水稻“鐘模型”等[5]。

基于此，筆者主要綜述了烤煙作物模型的分類和研究動態(tài)，并對當(dāng)前烤煙形態(tài)發(fā)育模擬模型存在問題及發(fā)展趨勢進行評述，試圖為開展“互聯(lián)網(wǎng)+”煙草生產(chǎn)技術(shù)的發(fā)展趨勢提供依據(jù)和參考。

1 烤煙生長模型分類

按照研究內(nèi)容差異可將生長發(fā)育模型分為生長模型、形態(tài)結(jié)構(gòu)模型、結(jié)構(gòu)-功能模型。生長模型強調(diào)對烤煙生長環(huán)境及群體指標(biāo)（產(chǎn)量、葉面積系數(shù)、干物質(zhì)量）的定量描述，注重烤煙生理生態(tài)的研究，如植煙區(qū)區(qū)域氣象風(fēng)險評估模型、煙田小氣候模型、烤煙產(chǎn)量形成監(jiān)測模型、葉面積系數(shù)監(jiān)測模型、水肥模型等。形態(tài)結(jié)構(gòu)模型是用數(shù)學(xué)語言描述作物生長發(fā)育（形態(tài)、顏色等）與環(huán)境，栽培措施之間的定量關(guān)系的一類模型，其注重對烤煙生長形態(tài)、顏色變化的描述，強調(diào)作物器官、個體與群體結(jié)構(gòu)的表達。1947年，Wolf[6]對香料煙形態(tài)發(fā)育進行了定量描述，繪制了各部位葉片葉長、葉寬生長速率曲線;二者均為S型曲線，是較早的烤煙形態(tài)發(fā)育模擬模型研究。結(jié)構(gòu)-功能模型注重對作物形態(tài)結(jié)構(gòu)、光合產(chǎn)物、生物量、營養(yǎng)元素、常規(guī)化學(xué)成分的產(chǎn)生和分配以及兩者的內(nèi)在聯(lián)系進行定量描述。典型的結(jié)構(gòu)-功能模型有GREENLAB模型等。

根據(jù)數(shù)學(xué)原理可將烤煙模型分為經(jīng)驗性模型（或稱回歸模型、描述性模型）和動力學(xué)模型（機理模型、解釋性模型）、半機理性模型。經(jīng)驗?zāi)Ｐ褪腔诮y(tǒng)計方法建立的回歸模型，它常以年為時間步長，局限性在于無法展示變量在作物生育期內(nèi)的變化過程，也未考慮環(huán)境對模型系數(shù)的影響。最常見為作物產(chǎn)量、長勢指標(biāo)與外界因素（溫度、水分、降水量、冠層高光譜等）的主因子分析模型、作物產(chǎn)量指標(biāo)與水肥量之間的主因子模型?？緹煹慕y(tǒng)計模型通常關(guān)注烤煙產(chǎn)量、煙葉化學(xué)成分、煙葉品質(zhì)形成相關(guān)成分與外界環(huán)境的關(guān)系，并建立相關(guān)的多項式回歸模型。例如：產(chǎn)量與施肥量、降雨量、施水量等的多項式方程。其大多用以解釋烤煙產(chǎn)、質(zhì)量形成及烤煙生長定形后的長勢指標(biāo)與外界因素的影響力強弱[7-10]。該類模型不能展示生育期內(nèi)因變量隨時間的變化，解釋性較弱，通常為靜態(tài)模型?？緹焺恿W(xué)模型是專家系統(tǒng)基于回歸模型、機理模型和數(shù)據(jù)庫發(fā)展起來的另外一類模型，它強調(diào)農(nóng)業(yè)管理的綜合性，因而比上述兩類模型更為復(fù)雜、精準(zhǔn)[8-9]?？緹焺恿W(xué)模型注重定量描述引起變化的過程，通常以時間尺度作為變量，解釋性較強[8-9]，主要可分為煙草器官形態(tài)發(fā)育動態(tài)模擬模型、烤煙根系營養(yǎng)吸收動態(tài)模擬模型、養(yǎng)分吸收與分配模型、光合產(chǎn)物消耗與分配動態(tài)模型、產(chǎn)量形成動態(tài)模擬模型、烤煙水分吸收與蒸騰動態(tài)模型等[10]。半機理模型是介于二者之間的一種模型。我國作物專家系統(tǒng)研究起步相對較早，最早開始于20世紀(jì)80年代，較典型的有小麥高產(chǎn)技術(shù)專家系統(tǒng)、水果果形判別人工神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)等[11]。我國的專家系統(tǒng)研究最早主要依靠借鑒國外的成熟模型，之后逐漸形成了具有中國特色的專家系統(tǒng)，較典型的為水稻鐘模型 （RCSODS）、小麥栽培模擬優(yōu)化決策系統(tǒng) （WCSODS）、小麥生長模擬與管理決策支持系統(tǒng)（GMDSSWMW）等[12-14]。

按植物生理研究領(lǐng)域差異可分為作物生理生化模型、作物生態(tài)模型。前者主要為器官、組織、個體、群體的光合作用，呼吸作用、物質(zhì)積累及形態(tài)發(fā)育建成模型。后者主要涉及作物溫度、積溫、區(qū)域氣候、田間小氣候、冠層小氣候、作物水分、營養(yǎng)、土壤水分、養(yǎng)分模型等[15]。

總之，研究領(lǐng)域差異導(dǎo)致了烤煙模型在分類方式上的區(qū)別，無論何種分類方式均能全面概括烤煙模型。因此，可以將烤煙形態(tài)建成模型分為3類，即烤煙生長模型、烤煙形態(tài)模型、烤煙結(jié)構(gòu)-功能模型。

2 烤煙生長模型研究

作物模型利用模擬技術(shù)來探討作物產(chǎn)量在不同年限、不同土壤及生態(tài)背景、不同品種及不同栽培管理技術(shù)因子下的形成差異。目前已廣泛應(yīng)用于農(nóng)業(yè)生產(chǎn)、作物生產(chǎn)潛力評估、糧食安全分析等方面，其主要關(guān)注方向為烤煙干物質(zhì)積累、葉面積系數(shù)變化等?？緹熒L過程中，光合產(chǎn)物的合理分配是烤煙優(yōu)質(zhì)適產(chǎn)的外在表現(xiàn)。對烤煙干物質(zhì)分配的定量化研究，有助于制定相應(yīng)的烤煙水肥管理技術(shù)，動態(tài)調(diào)控烤煙的產(chǎn)、質(zhì)量，而葉面積指數(shù)是評價烤煙產(chǎn)量形成的重要指標(biāo)?？緹熓且环N特殊的經(jīng)濟作物，其生長模型的發(fā)展趨勢與作物模型較為類似，較其他大宗作物起步偏晚。在時間節(jié)點上，呈現(xiàn)經(jīng)驗性模型—機理模型—半機理模型的發(fā)展趨勢，模型綜合性、機理性不斷增強。目前，作物模型的發(fā)展已經(jīng)進入了成熟階段，國內(nèi)外已經(jīng)形成了多種較為先進、全面的作物生長模型。王文佳等[9]對國外主要的作物模型研究現(xiàn)狀做了詳細介紹。作物模型主要用以探討作物干物質(zhì)分配，水分、養(yǎng)分平衡，作物生長（干物質(zhì)分配、光合、呼吸作用），病蟲害，土壤，生態(tài)條件等對作物產(chǎn)量、質(zhì)量形成的影響。而現(xiàn)階段，烤煙生長模型的研究熱點主要涉及以下幾方面。

2.1 經(jīng)典作物模型在烤煙上的適用性研究

目前作物模型的研究已經(jīng)進入了成熟階段，對于大宗作物（水稻、小麥等）國內(nèi)外已建立了比較完備的作物模型[8，16]，可為其他作物模型的研究提供較多的選擇性。然而，國內(nèi)仍缺少關(guān)于烤煙模型的相關(guān)研究，胡雪瓊等[17]在國內(nèi)開創(chuàng)性地對WOFOST模型在云南烤煙的適用性進行了評價，結(jié)果表明WOFOST模型能較好地模擬云南烤煙的潛在生長過程。但是由于觀測數(shù)據(jù)年限相隔較長，數(shù)據(jù)項觀測較少，未能對模型參數(shù)敏感性、不確定性進行分析，也未對參數(shù)進行修正。其他國外較經(jīng)典的作物模型在烤煙上的適應(yīng)性研究少有報道。

2.2 基于遙感技術(shù)的烤煙生長模型研究

高光譜遙感 （hyperspectral remote sensing）是指在電磁波譜的4個波段（紫外、可見光、近紅外和中紅外見光）范圍內(nèi)，從目標(biāo)物體上獲取許多較窄且光譜連續(xù)圖像數(shù)據(jù)的技術(shù)。由于不同煙草種類、品種、水分、肥料、不同生育期、病蟲害等條件下的光譜特征均可被定量化，因此在煙草栽培中有廣泛應(yīng)用。煙草生長模型與高光譜遙感技術(shù)的耦合研究起步較晚，但也取得了一些成果。Gu等[18]對使用3種波長選擇方法[連續(xù)投影算法（SPA）、提升決策樹回歸（BRT）和遺傳算法（GA）]和4個機器學(xué)習(xí)技術(shù)[（回歸樹（BRT）、支持向量機（SVM）、隨機森林（RF）和分類回歸樹（CART）]對煙草番茄花葉病毒進行了早期檢測，結(jié)果表明BRT篩選的波長段對煙草病葉鑒別具有重要應(yīng)用價值。胡瑋等[19]模擬了對不同含水量及不同土溫下的煙田土壤氮素的礦化過程，并建立了相應(yīng)的數(shù)學(xué)動態(tài)模型。Pu等[20]利用GIS建立了曲靖煙區(qū)的氣象風(fēng)險評估模型，并以此規(guī)劃了曲靖煙區(qū)烤煙旱災(zāi)、低溫風(fēng)險區(qū)。由表1可知，多年來，從事煙草行業(yè)的科研工作者已經(jīng)系統(tǒng)探索了高光譜技術(shù)與烤煙脅迫監(jiān)測、生長信息獲取、產(chǎn)質(zhì)量監(jiān)測、田間生長信息監(jiān)測的可能性。但由于監(jiān)測條件、試驗條件以及模型的差異，各類模型距離指導(dǎo)煙草栽培還有一些距離，仍需要不斷提高模型精度、適用性，加速推廣應(yīng)用。

2.3 基于遙感數(shù)據(jù)的烤煙生長模型數(shù)據(jù)同化研究

數(shù)據(jù)同化研究是將作物生長模型與遙感數(shù)據(jù)耦合的重要手段，同化算法的性能直接影響著同化系統(tǒng)的運行效率和精度。目前主要存在兩類數(shù)據(jù)同化方法，分別是基于代價函數(shù)的參數(shù)優(yōu)化方法和基于估計理論的集合濾波方法。二者區(qū)別在于前者用整個同化窗口內(nèi)的觀測值來重新調(diào)整模型參數(shù)，而后者的觀測值是順序的方式作用于模型，每一次后續(xù)的觀測值只會影響從當(dāng)前狀態(tài)之后的模型變化性質(zhì)。參數(shù)優(yōu)化的代價函數(shù)通常有均方根誤差、平均誤差加權(quán)和、最小二乘、變分方法、誤差絕對值均值、相對誤差等，同化算法通常為單純型搜索算法、最大似然法、復(fù)合型混合演化算法（shuffled complex evolution method developed at the University of Arizona，SCE-UA）、Powell共軛方向法、粒子群算法（particle swarm optimization，PSO）、遺傳算法、模擬退火法等。集合濾波方法的同化算法主要為：常增益Kalanan濾波算法、集合卡爾曼濾波算算法、粒子濾波算法[40]。而在煙草中，相應(yīng)研究極少，在煙草生長模型的數(shù)據(jù)同化研究只涉及集合卡爾曼濾波算法的同化研究，其他方法的數(shù)據(jù)同化研究未見報道（表2）。

3 烤煙形態(tài)結(jié)構(gòu)模型及可視化研究

烤煙形態(tài)模擬模型（morphological dynamic flue-cured tobacco mechanism models）通常以時間（或積溫）作為尺度，能動態(tài)地模擬烤煙器官的生長發(fā)育過程，解釋技術(shù)因子對器官形態(tài)建成的影響?？煞譃榭緹煹厣喜糠趾偷叵虏糠制鞴俚男螒B(tài)，顏色生長動態(tài)模擬。地下部分通常為根系結(jié)構(gòu)，地上部分器官又包括莖、葉、花。

3.1 烤煙地上部分器官形態(tài)模擬

3.1.1 烤煙主莖形態(tài)生長模擬。

烤煙同一節(jié)主莖截面面積相差較小，形狀為近圓柱體，主莖的生長為增長、增粗過程。徐光輝等[50]通過確定重新定義烤煙生長周期（以相鄰2個葉元產(chǎn)生的時間間隔為一個生長周期），通過確定節(jié)間形態(tài)系數(shù)β、k及節(jié)間密度，最終通過節(jié)間生物量實現(xiàn)烤煙主莖截面面積及節(jié)間長度的模擬。

3.1.2 烤煙葉片生長模擬。

葉片是烤煙的主要收獲器官，烤煙葉片的生長模擬包括對烤煙葉元數(shù)、葉形、葉色的模擬。1947年，Wolf[6]繪制了香料煙的質(zhì)量增長速率的S型曲線，煙葉的干重隨葉位變化呈現(xiàn)中部葉干重最大的分布曲線。各部位葉片葉長、葉寬生長速率曲線均為S型曲線，對煙草的形態(tài)發(fā)育進行了定量描述。招啟柏等[51]發(fā)現(xiàn)烤煙葉片數(shù)與時間（活動積溫）的關(guān)系模型符合Richards 曲線特征，方程為 y=a/（1+eb-cx ）1/d，可較準(zhǔn)確地模擬烤煙葉片的發(fā)生動態(tài)。移栽期主要通過調(diào)控參數(shù) b值（初始生長參數(shù)）與d（曲線形狀參數(shù)）值對整個方程動態(tài)調(diào)控;方程的模擬準(zhǔn)確度（以k表示）為0.996 6～1.111 4;擬合系數(shù)R2達到0.957 7以上，達到極顯著水平。孫延國等[52]則在此基礎(chǔ)上建立了NC55葉片發(fā)生與活動積溫（時間）的Richards生長動態(tài)模型，解釋了移栽期對煙葉發(fā)生動態(tài)規(guī)律的影響。徐光輝等[50]通過建立葉片重量與葉長、最大葉寬、葉面積的相關(guān)關(guān)系，對葉片形態(tài)發(fā)育進行了動態(tài)模擬且模擬效果較好，具有明確的生物學(xué)意義。王發(fā)勇[53]以生育進程為切入點，建立了優(yōu)質(zhì)烤煙的葉齡、株高、葉面積、葉面積系數(shù)的非線性曲線模型，并以此檢驗該階段烤煙形態(tài)指標(biāo)是否到達優(yōu)質(zhì)標(biāo)準(zhǔn)，具有一定的實用性，但未對方程系數(shù)含義進行解釋，且方程的系數(shù)仍需要進一步的優(yōu)化。Zhang等[54]建立了基于RGB值的水稻葉色變化模擬模型，將水稻葉色變化劃分為3個階段（淺綠轉(zhuǎn)綠色、穩(wěn)定綠色、綠色轉(zhuǎn)黃色），并分別用線性函數(shù)、常數(shù)函數(shù)、遞增線性函數(shù)模擬每個階段的水稻葉色變化?？緹熑~色模擬研究主要集中于烘烤過程葉色變化模擬，烤后煙葉顏色特征提取，根據(jù)圖像處理技術(shù)建立相應(yīng)的模型實現(xiàn)煙葉的智能分級、智能烘烤等[55-56]，而對烤煙生育期內(nèi)各部位葉色模擬研究較少。

3.1.3 烤煙花形態(tài)生長模擬。

對于生殖生長，王蕓蕓等[57-58]構(gòu)建了烤煙花的雌蕊、雄蕊、花冠、花萼的動態(tài)模型及顏色拓撲模型，對烤煙花的形態(tài)形成進行了較好的模擬研究，并在此基礎(chǔ)上構(gòu)建了烤煙花序的可視化模型，實現(xiàn)了對烤煙單花的花序發(fā)育模擬。此外，烤煙地上部分、地下部分器官均已有學(xué)者進行了研究，但是模型仍較為粗糙，形態(tài)指標(biāo)仍需要進一步細化，指標(biāo)參數(shù)確立仍需要更精確、合理。

3.2 烤煙根系形態(tài)模型研究

根系是作物重要的養(yǎng)分吸收器官，通常由主根、側(cè)根、不定根3個部分組成。良好的根系結(jié)構(gòu)是優(yōu)質(zhì)煙葉生產(chǎn)的前提?？緹煾档男螒B(tài)生長動態(tài)模擬對實現(xiàn)煙草農(nóng)業(yè)數(shù)字化具有重要意義。由于作物根系監(jiān)測難度大，根系生長模擬研究發(fā)展較為遲緩。監(jiān)測技術(shù)的革新推動了作物根系生長模擬研究。作物的根系形態(tài)模擬的主流方法為L系統(tǒng)、分型理論、參考軸技術(shù)3種。

3.2.1 基于L系統(tǒng)的烤煙根系形態(tài)模擬。

L系統(tǒng)通過對作物根系進行抽象和概括（通常為字符串或數(shù)學(xué)公式），并根據(jù)根系的初始形態(tài)及系統(tǒng)構(gòu)建的描述規(guī)則進行有限次的迭代，最終生成不同的拓撲圖形。馬新明等[59]通過對烤煙根深（根系向下生長相對速率）及根系分布參數(shù)，構(gòu)建了初步的烤煙根系生長模型。之后，楊娟[60]圍繞根系出現(xiàn)、生長、分支3個階段，對根系生長的幾何形態(tài)參數(shù)如：根段分支位置、分支數(shù)量、分支方向、分支年齡、分支密度、分支間距等進行模擬，結(jié)果表明，根系數(shù)量、根長指數(shù)、根系干重等對烤煙生長規(guī)律的模擬效果較好。席磊等[61]在此基礎(chǔ)上通過構(gòu)建烤煙根系生長子模型（對根系橫向生長、縱向生長、生長速率進行了定量描述）、根系分支子模型（對根段分支數(shù)量、方向、年齡、間距等進行了定量描述）實現(xiàn)了烤煙根系生長的三維可視化。除此之外，國內(nèi)便鮮有烤煙根系形態(tài)模擬的相關(guān)研究，總體來說，L系統(tǒng)可用于描述作物根系的幾何形狀，但描述方式較為復(fù)雜，且為單純的數(shù)學(xué)公式或字符串，并不具備生物學(xué)意義[8]。

3.2.2 基于分形理論的烤煙根系形態(tài)模擬。

分形理論是為描述具有相似性的碎片結(jié)構(gòu)及不規(guī)則結(jié)構(gòu)而誕生的系統(tǒng)，因此適用于對作物根系形狀復(fù)雜性進行描述與評估。Li等[62]對小麥根系進行拍照、二值化和骨架化以確定分形維數(shù)，利用分形維數(shù)來估計系統(tǒng)的復(fù)雜度。結(jié)果表明，與傳統(tǒng)的根重測量方法相比，即使在較低的Cd和Cu濃度下，基于分形理論的根系復(fù)雜度測量方法也能顯著簡化根系統(tǒng)的復(fù)雜程度。常見的分形理論系統(tǒng)有迭代函數(shù)系統(tǒng)及粒子系統(tǒng)。相對于L系統(tǒng)，分形理論引入分形維數(shù)來描述作物根系的分生程度，適用于描述作物根系整體發(fā)育情況，并以此繪制作物群體根系圖像，而不適用于模擬作物不定根系的生長情況。值得關(guān)注的是，關(guān)于大宗作物（小麥、水稻等）的根系形態(tài)模擬的分形理論研究較多，而關(guān)于煙草的報道極少。

3.2.3 基于參考軸技術(shù)的烤煙根系形態(tài)模擬。

參考軸技術(shù)運用馬爾科夫鏈理論和狀態(tài)轉(zhuǎn)換圖來描述植物的生長、發(fā)育及凋亡過程。它與植物生理學(xué)理論緊密聯(lián)系，機理性、解釋性較強，實現(xiàn)難度較高。常見的為雙尺度自動機模型，例如張吳平等[63]利用雙尺度自動機模型結(jié)合小麥種子根和不定根干物質(zhì)重，并根據(jù)GREENLAB模型原理模擬干物質(zhì)分配，建立了小麥苗期根系的結(jié)構(gòu)-功能模型，而在煙草中相關(guān)的研究較少。

4 烤煙結(jié)構(gòu)-功能模型研究

作物功能結(jié)構(gòu)模型（crop functional-structural model）是一類對作物形態(tài)結(jié)構(gòu)、生物量的產(chǎn)生和分配以及兩者的內(nèi)在聯(lián)系進行定量描述的作物模型總稱[64]?？緹煹墓夂献饔?、同化產(chǎn)物的吸收與分配、營養(yǎng)元素的分配均與其形態(tài)結(jié)構(gòu)息息相關(guān)，故將二者結(jié)合是烤煙模擬的有效途徑。Shi等[65]利用三維掃描技術(shù)對烤煙冠層結(jié)構(gòu)進行了三維模擬，建立了烤煙葉片的靜態(tài)輪廓模型，并對烤煙的光合潛力等進行了研究，是較為典型的烤煙結(jié)構(gòu)-功能模型。徐照麗等[66]定量描述了烤煙光合產(chǎn)物的固定及在各個器官的分配，基于源-庫理論建立了烤煙GreenLab模型，并對其模擬效果進行了評估。其創(chuàng)新點在于對烤煙農(nóng)藝性狀進行了連續(xù)測定，以此建立了烤煙葉片發(fā)展動態(tài)曲線，減少了參數(shù)數(shù)量，克服了GreenLab模型中解不唯一、參數(shù)意義不明確的缺點。孟天瑤等[67]對甬優(yōu)高產(chǎn)雜交稻的產(chǎn)量形成相關(guān)形態(tài)生理指標(biāo)進行了系統(tǒng)研究，建立了水稻的氮素積累、鉀積累、磷積累模型，形態(tài)生長動態(tài)模型，干物質(zhì)積累與分配模型等。從目前的研究來看，對烤煙營養(yǎng)元素、煙堿、干物質(zhì)的積累與分配規(guī)律研究較多，但缺少積累及分配規(guī)律的定量化描述研究。

5 存在問題

（1）從整體上看，烤煙模型研究尚不成熟且發(fā)展不平衡。關(guān)于水稻、小麥等大宗作物的生長模型研究較為深入，模型系統(tǒng)性、全面性、機理性、適用性較強，而烤煙生長模型研究相對較少。表現(xiàn)為：一方面生長模型研究中基于遙感技術(shù)的研究較為系統(tǒng)全面，而缺乏國外先進模型適應(yīng)性評價研究以及生長模型數(shù)據(jù)同化研究。另一方面，形態(tài)結(jié)構(gòu)模型中烤煙地上器官形態(tài)建成模型研究較多，而地下器官形態(tài)發(fā)育模型研究較少;對烤煙形態(tài)結(jié)構(gòu)發(fā)展動態(tài)研究較多，對烤煙葉片顏色變化研究相對較少。

（2）模型敏感性及不確定性及參數(shù)優(yōu)化研究較少。主要表現(xiàn)為：模型檢驗方式單一，缺乏參數(shù)對作物模型模擬準(zhǔn)確性影響的評估方式研究;參數(shù)獲取準(zhǔn)確性、參數(shù)估計、優(yōu)化研究較少。一般而言，模型參數(shù)的敏感性和不確定性通常由模型結(jié)構(gòu)誤差、參數(shù)模糊性、測量數(shù)據(jù)誤差等導(dǎo)致[68]。近年來對大宗作物經(jīng)典模型（SAFY-FAO模型、AquaCROP模型、WOFOST模型、CERES-Wheat模型等）參數(shù)的全局敏感性分析較多[68-69]，而煙草上缺少相應(yīng)研究。Jabloun等[70 ]利用Morris靈敏度篩選法來確定冬小麥DAISY模型中的對輸出結(jié)果影響最大的輸入?yún)?shù)。Tan等[71]利用廣義似然不確定度估計法（GLUE）分析了水稻ORYZA-V3模型參數(shù)的敏感性和不確定性，結(jié)果表明，模型輸出的參數(shù)后驗分布和95%置信區(qū)間對似然測度的選擇、不同日期和不同觀測類型在似然測度中的權(quán)重非常敏感?；谀Ｐ驼`差正態(tài)分布的似然函數(shù)似然測度和基于數(shù)學(xué)乘法的組合方法在減少參數(shù)值和模型預(yù)測不確定性方面的有效性最好。隨著烤煙模型機理性研究的深入，引入的模型參數(shù)數(shù)量也明顯增加，各參數(shù)對模型輸出量的影響程度差異較大，而當(dāng)前因缺乏明確的參數(shù)度量方式往往被忽略。大量模型在確立參數(shù)前均未考慮模型參數(shù)意義是否明確。

（3）缺少與數(shù)據(jù)庫、物聯(lián)網(wǎng)、3S技術(shù)、圖像處理技術(shù)等的耦合研究，缺少新型作物形態(tài)監(jiān)測設(shè)備（三維掃描設(shè)備等）在數(shù)據(jù)獲取上的運用。作物遠程監(jiān)測系統(tǒng)（典型的WMNs系統(tǒng)）的運用可對烤煙形態(tài)指標(biāo)進行遠程的實時、無損監(jiān)測，將加深烤煙形態(tài)發(fā)育模型的機理性研究。如Paulus等[72]通過使用高精度的三維掃描設(shè)備獲取大麥植株的三維形態(tài)參數(shù)如株高、葉面積，實現(xiàn)了對大麥生長過程的定量形態(tài)測量。

（4）從局部來看，烤煙生長模型的研究主要集中在新型技術(shù)手段對烤煙產(chǎn)量形成的模擬研究與基于3S技術(shù)烤煙產(chǎn)量遠程監(jiān)測，而對模型參數(shù)不確定性、參數(shù)敏感性、參數(shù)優(yōu)化研究較少，也缺少對國內(nèi)外其他較為成熟的作物模型的區(qū)域適用性評價研究。從筆者檢索的文獻來看，國內(nèi)胡雪瓊等[17]在國內(nèi)開創(chuàng)性地對WOFOST模型在云南烤煙的適用性進行了評價，之后便少有報道。

（5）烤煙形態(tài)建成模型的精細化與可視化技術(shù)研究需進一步深入。目前對于烤煙地上、地下器官得可視化研究均有所報道，但是對烤煙葉色變化動態(tài)模擬的模擬較少，對烤煙根系的形態(tài)結(jié)構(gòu)模擬研究大多基于L系統(tǒng)，而基于分形理論和參考軸技術(shù)的烤煙根系形態(tài)模擬研究較少。器官發(fā)育模擬較為粗糙、虛擬效果較差，且未實現(xiàn)對整株烤煙生長過程的虛擬顯示。張紅英等[8]提出可運用三維掃描設(shè)備、核磁共振成像技術(shù)、微創(chuàng)技術(shù)來對玉米葉面形態(tài)進行掃描，完善葉面形態(tài)模擬，對烤煙葉片形態(tài)模擬亦具有參考意義。張加楠等[73]提出基于RGB和HSI關(guān)系閾值法優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)（RGBHSICNN）的作物圖像分割提取覆蓋度方法，以解決作物葉片交叉、變形的問題。

（6）烤煙結(jié)構(gòu)-功能模型研究主要集中在烤煙冠層光合產(chǎn)物的分配模型，對烤煙營養(yǎng)元素、干物質(zhì)、內(nèi)在化學(xué)成分（煙堿）的積累與分配規(guī)律研究較多，但對其積累及分配規(guī)律的定量化研究較少。

6 展望

當(dāng)前，水稻、小麥等大宗農(nóng)作物數(shù)字化研究已經(jīng)取得了顯著成就，而數(shù)字化煙草仍處于起步階段。生長模型中的數(shù)據(jù)同化研究仍需開展大量工作，烤煙形態(tài)結(jié)構(gòu)模型也仍需要進一步細化?？緹熌Ｐ脱芯渴菢?gòu)建數(shù)字化煙草系統(tǒng)的必經(jīng)和關(guān)鍵環(huán)節(jié)，“互聯(lián)網(wǎng)+”技術(shù)的智慧煙草農(nóng)業(yè)快速發(fā)展已成為現(xiàn)實與發(fā)展趨勢。統(tǒng)計學(xué)的進步、模型檢驗及模型參數(shù)優(yōu)化方法的更新、數(shù)據(jù)獲取手段的更新為烤煙形態(tài)模型的構(gòu)建及完善提供了新的理論基礎(chǔ)。計算機圖像處理技術(shù)、三維掃描技術(shù)、人工智能及烤煙作物數(shù)據(jù)庫與作物虛擬技術(shù)的融合為烤煙作物模型的研究與完善提供了技術(shù)支持，將極大推進烤煙形態(tài)建成模型的研究。促進傳統(tǒng)煙草農(nóng)業(yè)與其他學(xué)科的融合，提高煙草生產(chǎn)物聯(lián)網(wǎng)系統(tǒng)的耦合度成為現(xiàn)代煙草農(nóng)業(yè)科技必須關(guān)注和重視的重大科技關(guān)鍵問題和研究重點。

參考文獻

[1] 王彥亭，謝劍平，李志宏.中國煙草種植區(qū)劃[M].北京：科學(xué)出版社，2010.

[2] 鄧蒙芝.1978～2012年中國烤煙生產(chǎn)重心演變軌跡及其驅(qū)動機制研究[J].中國農(nóng)業(yè)資源與區(qū)劃，2015，36（4）：113-119.

[3] 劉丹，諸葉平，劉海龍，等.植物三維可視化研究進展[J].中國農(nóng)業(yè)科技導(dǎo)報，2015，17（1）：23-31.

[4] 朱艷，湯亮，劉蕾蕾，等.作物生長模型（CropGrow）研究進展[J].中國農(nóng)業(yè)科學(xué)，2020，53（16）：3235-3256.

[5] 高亮之，金之慶，黃耀，等.水稻計算機模擬模型及其應(yīng)用之一? 水稻鐘模型——水稻發(fā)育動態(tài)的計算機模型[J].中國農(nóng)業(yè)氣象，1989，10（3）：3-10.

[6] WOLF F A.Growth curves of oriental tobacco and their significance[J].Bullebulletin of the torrey botanical club，1947，74（3）：199-214.

[7] 張偉欣，曹宏鑫，朱艷，等.油菜作物模型研究進展[J].中國農(nóng)業(yè)科技導(dǎo)報，2014，16（1）：82-90.

[8] 張紅英，李世娟，諸葉平，等.小麥作物模型研究進展[J].中國農(nóng)業(yè)科技導(dǎo)報，2017，19（1）：85-93.

[9] 王文佳，馮浩.國外主要作物模型研究進展與存在問題[J].節(jié)水灌溉，2012（8）：63-68，73.

[10] 楊靖民，楊靖一，姜旭，等.作物模型研究進展[J].吉林農(nóng)業(yè)大學(xué)學(xué)報，2012，34（5）：553-561.

[11] 高美玲，欒非時，寇勝利.作物專家系統(tǒng)發(fā)展概況與趨勢[J].東北農(nóng)業(yè)大學(xué)學(xué)報，2003，34（1）：105-108.

[12] 曹衛(wèi)星，潘潔，朱艷，等.基于生長模型與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，2007，23（1）：133-138.

[13] 劉鐵梅，曹衛(wèi)星，羅衛(wèi)紅，等.小麥物質(zhì)生產(chǎn)與積累的模擬模型[J].麥類作物學(xué)報，2001，21（3）：26-30.

[14] 高亮之，金之慶，鄭國清，等.小麥栽培模擬優(yōu)化決策系統(tǒng)（WCSODS）[J].江蘇農(nóng)業(yè)學(xué)報，2000，16（2）：65-72.

[15] 廖桂平，官春云，黃璜.作物生長模擬模型研究概述[J].作物研究，1998（3）：45-48.

[16] YANG X，SHAO X H，MAO X Y，et al.Influences of drought and microbial water-retention fertilizer on leaf area index and photosynthetic characteristics of flue-cured tobacco[J].Irrigation and drainage，2019，68（4）：729-739.

[17] 胡雪瓊，徐夢瑩，買苗，等.WOFOST模型對于云南烤煙的適用性研究[J].南京信息工程大學(xué)學(xué)報（自然科學(xué)版），2015，7（5）：451-457.

[18] GU Q，SHENG L，ZHANG T H，et al.Early detection of tomato spotted wilt virus infection in tobacco using the hyperspectral imaging technique and machine learning algorithms[J/OL].Computers and electronics in agriculture，2019，167[2020-11-05].https：//doi.org/10.1016/j.compag.2019.105066.

[19] 胡瑋，邸青，劉吉振，等.畢節(jié)煙田土壤氮素礦化動態(tài)模擬[J].天津農(nóng)業(yè)科學(xué)，2017，23（3）：26-31.

[20] PU J C，CHENG J L，ZHANG M S，et al.Risk regionalization of drought for flue-cured tobacco planting in Qujing City based on GIS[J].Meteorological and environmental research，2019，10（5）：119-124.

[21] 賈方方.不同水分狀況對烤煙高光譜特性及生理生化指標(biāo)的影響[D].鄭州：河南農(nóng)業(yè)大學(xué)，2010.

[22] 徐冬云.基于遙感技術(shù)的煙草花葉病監(jiān)測研究：以沂水縣為例[D].泰安：山東農(nóng)業(yè)大學(xué)，2016.

[23] 王一丁.煙草花葉病害高光譜特征及其病害程度判別分析模型的研究[D].鄭州：河南農(nóng)業(yè)大學(xué)，2016.

[24] 徐冬云，李新舉，楊永花，等.基于遙感技術(shù)的煙草花葉病監(jiān)測研究[J].中國煙草學(xué)報，2016，22（1）：76-83.

[25] 彭金梅.鎘脅迫對烤煙生理生化特性及光譜特征的影響[D].鄭州：河南農(nóng)業(yè)大學(xué)，2013.

[26] 吳秋菊，舒清態(tài)，劉延，等.煙草主要生化參數(shù)高光譜遙感監(jiān)測現(xiàn)狀[J].綠色科技，2017（14）：255-258.

[27] 劉明芹.基于資源三號遙感影像的復(fù)雜山區(qū)套種煙草產(chǎn)量估測模型研究[D].泰安：山東農(nóng)業(yè)大學(xué)，2016.

[28] 符勇.高分辨率星載SAR在高原山地?zé)煵莓a(chǎn)量估測中的應(yīng)用研究[D].貴陽：貴州師范大學(xué)，2015.

[29] 劉國順，李向陽，劉大雙，等.利用冠層光譜估測煙草葉面積指數(shù)和地上生物量[J].生態(tài)學(xué)報，2007，27（5）：1763-1771.

[30] 黃智.不同種質(zhì)資源煙草高光譜特征與色素含量關(guān)系研究[D].長沙：湖南農(nóng)業(yè)大學(xué)，2015.

[31] 邢雪霞，劉國順，賈方方，等.烤煙葉片色素含量的高光譜預(yù)測模型研究[J].中國煙草學(xué)報.2014，20（1）：54-60.

[32] 楊艷東，賈方方，劉國順，等.基于多時相和多角度的烤煙煙堿密度遙感監(jiān)測[J].中國煙草學(xué)報，2019，25（2）：40-47.

[33] 竇玉青.基于高光譜技術(shù)的煙草含氮化合物估測模型研究[D].泰安：山東農(nóng)業(yè)大學(xué)，2016.

[34] 趙文，劉國順，賈方方，等.烤煙煙堿含量的高光譜預(yù)測模型[J].江蘇農(nóng)業(yè)科學(xué)，2014，42（3）：275-279.

[35] 李俊麗.不同氮素水平對烤煙高光譜特性及其生理生化指標(biāo)的影響[D].鄭州：河南農(nóng)業(yè)大學(xué)，2013.

[36] 李富欣，張利紅，徐敏.基于GIS的河南省烤煙移栽面積遙感監(jiān)測及產(chǎn)量估算[J].江西農(nóng)業(yè)學(xué)報，2014，26（7）：76-79，83.

[37] 郭婷.不同鉀水平和成熟度煙草高光譜特征及其品質(zhì)估測模型研究[D].長沙：湖南農(nóng)業(yè)大學(xué)，2019.

[38] 梁寅.基于高光譜遙感的云煙87采收成熟度識別研究[D].昆明：昆明理工大學(xué)，2013.

[39] 胡九超.基于高分辨率合成孔徑雷達（SAR）的高原山區(qū)煙草識別方法研究[D].貴陽：貴州師范大學(xué)，2015.

[40] 黃健熙，黃海，馬鴻元，等.遙感與作物生長模型數(shù)據(jù)同化應(yīng)用綜述[J].農(nóng)業(yè)工程學(xué)報，2018，34（21）：144-156.

[41] JIN M，LIU X N，WU L，et al.An improved assimilation method with stress factors incorporated in the WOFOST model for the efficient assessment of heavy metal stress levels in rice[J].International journal of applied earth observations and geoinformation，2015，41：118-129.

[42] DENTE L，SATALINO G，MATTIA F，et al.Assimilation of leaf area index derived from ASAR and MERIS data into CERES-Wheat model to map wheat yield[J].Remote sensing of environment，2008，112（4）：1395-1407.

[43] 陳勁松，黃健熙，林琿，等.基于遙感信息和作物生長模型同化的水稻估產(chǎn)方法研究[J].中國科學(xué)：信息科學(xué)，2010，40（S1）：173-183.

[44] JIN H A，LI A N，WANG J D，et al.Improvement of spatially and temporally continuous crop leaf area index by integration of CERES-Maize model and MODIS data[J].European journal of agronomy，2016，78：1-12.

[45] 朱元勵，朱艷，黃彥，等.應(yīng)用粒子群算法的遙感信息與水稻生長模型同化技術(shù)[J].遙感學(xué)報，2010，14（6）：1226-1240.

[46] LIU F，LIU X N，DING C，et al.The dynamic simulation of rice growth parameters under cadmium stress with the assimilation of multi-period spectral indices and crop model[J].Field crops research，2015，183：225-234.

[47] VAZIFEDOUST M，VAN DAM J C，BASTIAANSSEN W G M，et al.Assimilation of satellite data into agrohydrological models to improve crop yield forecasts[J].International journal of remote sensing，2009，30（10）：2523-2545.

[48] 陳浩，樊風(fēng)雷.基于集合卡爾曼濾波的南雄煙草LAI數(shù)據(jù)同化研究[J].生態(tài)學(xué)報，2017，37（9）：3046-3054.

[49] 張樹譽，孫輝濤，王鵬新，等.基于同化葉面積指數(shù)和條件植被溫度指數(shù)的冬小麥單產(chǎn)估測[J].干旱地區(qū)農(nóng)業(yè)研究，2017，35（6）：266-271，293.

[50] 徐光輝，熊淑萍，張慧，等.烤煙地上部器官形態(tài)建成模擬模型[J].河南農(nóng)業(yè)大學(xué)學(xué)報，2011，45（4）：395-401.

[51] 招啟柏，廖文程，孔光輝，等.移栽期對烤煙葉片生長動態(tài)的影響及其模型的建立[J].中國煙草學(xué)報，2013，19（4）：41-47，54.

[52] 孫延國，梁曉芳，許倩，等.移栽期對NC55葉片發(fā)生進程模擬模型建立[J].中國煙草科學(xué)，2016，37（2）：47-53.

[53] 王發(fā)勇.優(yōu)質(zhì)煙葉生育進程與形態(tài)指標(biāo)研究[D].廣州：華南農(nóng)業(yè)大學(xué)，2016.

[54] ZHANG Y H，TANG L，LIU X J，et al.Modeling dynamics of leaf color based on RGB value in rice[J].Journal of integrative agriculture，2014，13（4）：749-759.

[55] WU J，YANG S X，TIAN F C.A novel intelligent control system for flue-curing barns based on real-time image features[J].Biosystems engineering，2014，123：77-90.

[56] WANG L T，CHENG B，LI Z Z，et al.Intelligent tobacco flue-curing method based on leaf texture feature analysis[J].Optik，2017，150：117-130.

[57] 王蕓蕓，溫維亮，郭新宇，等.煙草花幾何建模研究[J].農(nóng)業(yè)機械學(xué)報，2011，42（4）：163-167，173.

[58] 王蕓蕓，溫維亮，郭新宇，等.基于分形系統(tǒng)的煙草花序可視化仿真研究[J].農(nóng)機化研究，2011，33（8）：51-54，58.

[59] 馬新明，楊娟，熊淑萍，等.煙草根系形態(tài)發(fā)育模擬模型[J].中國農(nóng)業(yè)科學(xué)，2005，38（12）：2421-2427.

[60] 楊娟.煙草根系生長發(fā)育動態(tài)模擬模型及其可視化研究[D].鄭州：河南農(nóng)業(yè)大學(xué)，2004.

[61] 席磊，冀亞麗，汪強，等.煙草根系生長的三維模擬仿真[J].微電子學(xué)與計算機，2010，27（4）：106-110.

[62] LI T，RAJAGOPLAN U M，KADONO H.Fractal based complexity analysis of wheat root system under different heavy metals[J].Plant biotechnology，2019，36（2）：77-84.

[63] 張吳平，郭焱，李保國.小麥苗期根系三維生長動態(tài)模型的建立與應(yīng)用[J].中國農(nóng)業(yè)科學(xué)，2006，39（11）：2261-2269.

[64] 康孟珍.植物功能結(jié)構(gòu)模型研究的回顧與展望[J].系統(tǒng)仿真學(xué)報，2012，24（10）：2039-2048.

[65] SHI T X，MA Y T，WU J，et al.Quantification of light absorption and photosynthesis of tobacco canopy using 3-D modeling[C]//Proceedings of 2012 IEEE 4th International symposium on Plant Modeling，Simulation，Visualization and Applications [PMA 2012].Beijing：Institute of Electrical and Electronics Engineers，Inc，2012.

[66] 徐照麗，孫艷，吳茜，等.煙草功能-結(jié)構(gòu)模型GreenLab-Tobacco的構(gòu)建[J].中國煙草學(xué)報，2016，22（3）：52-59.

[67] 孟天瑤，葛佳琳，張徐彬，等.甬優(yōu)中熟秈粳雜交稻栽后植株磷素積累特征與模型分析[J].中國水稻科學(xué)，2020，34（3）：256-265.

[68] 張超.基于高光譜數(shù)據(jù)與SAFY-FAO作物模型同化的冬小麥生長監(jiān)測與模擬研究[D].楊凌：西北農(nóng)林科技大學(xué)，2018.

[69] 邢會敏，相詩堯，徐新剛，等.基于EFAST方法的AquaCrop作物模型參數(shù)全局敏感性分析[J].中國農(nóng)業(yè)科學(xué)，2017，50（1）：64-76.

[70] JABLOUN M，LI X X，ZHANG X Y，et al.Sensitivity of simulated crop yield and nitrate leaching of the wheat-maize cropping system in the North China Plain to model parameters[J].Agricultural and forest meteorology，2018，263：25-40.

[71] TAN J W，DUAN Q Y.Parameter estimation and uncertainty analysis of ORYZA_V3 model using the GLUE method[J].Transactions of the ASABE，2019，62（4）：941-949.

[72] PAULUS S，SCHUMANN H，KUHLMANN H，et al.High-precision laser scanning system for capturing 3D plant architecture and analysing growth of cereal plants[J].Biosystems engineering，2014，121：1-11.

[73] 張加楠，張雪芬，簡萌，等.先驗閾值優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的作物覆蓋度提取算法[J].信號處理，2017，33（9）：1230-1238.