第二章农业生产信息化技术.docx
《第二章农业生产信息化技术.docx》由会员分享，可在线阅读，更多相关《第二章农业生产信息化技术.docx（41页珍藏版）》请在冰豆网上搜索。
第二章农业生产信息化技术
第二章农业生产信息化技术
第一节农业专家系统
农业专家系统是把人工智能的专家系统技术应用于农业领域的一项高新技术，目前正在成为我国农业信息技术应用发展的热点。
农业专家系统技术对推动我国农业发展和促进农业现代化作用显著，同时它也适应了运用信息技术服务于国民经济这一大的发展趋势，因此，受到了各方面的欢迎。
一、概述
农业专家系统是专家系统在农业上的一种应用，它开始于20世纪70年代末，经过20多年的发展，其应用已遍及农作物生长的各个阶段，包括产前预测、施肥管理、植物保护、节水灌溉等各个领域。
随着信息技术的不断进步与发展，农业专家系统和其他智能化信息技术的集成应用于农业生产和管理已经成为必然的趋势。
（一）农业专家系统的概念
斯坦福大学的费根鲍姆（EdwardFeigenbaum）教授，专家系统研究的先导者之一，这样定义专家系统：
“……一个使用知识和推理过程来解决那些需要杰出的专业人员才能解决的智能程序。
在这一层次上解决问题所必需的知识，加上推理过程，可以认为是从事该领域的专家水平的模拟”。
就是说，专家系统就是一个用计算机来模拟（Emulate）人类专家进行决策。
专家系统各项技术应用到了农业领域，就形成了农业专家系统。
所谓的农业专家系统，也可以叫做农业智能系统，是农业信息技术的一项重要技术。
它是运用人工智能专家系统技术，结合农业特点发展起来的一门高新技术。
具体来说，就是利用人工智能技术，总结和汇集各层次、各方面的农业专家长期积累的宝贵经验，以及通过试验获得的各种资料和数据，总结和汇集农技推广人员和农民群众的长期实践经验，针对具体的自然条件和生态环境，用相应的信息技术开发的各种能从理论和实践相结合的科学地指导农业生产，以实现高产、优质、低耗、高效目标的计算机智能软件。
运用农业专家系统，让使用者输入自己的要求和设定相关的条件，通过系统的分析和计算后，将结果“告诉”给用户，让用户从中选择最佳方案，科学地进行生产，以达到降低成本，提高效益的目的。
这一过程犹如聘请了无数个农艺师、农技干部来指导农业生产，并且得到的结果是综合他们各自技术的最佳方案。
（二）农业专家系统的结构和功能特点
专家系统是人工智能的一个分支，主要目的是要使计算机在各个领域中起人类专家的作用。
它是一种智能程序子系统，内部具有大量专家水平的领域知识和经验，能利用仅人类专家可用的知识和解决问题的方法来解决该领域的问题。
它是一种计算机程序，可以用专家的水平（有时超过专家）完成一般的、模仿人类的解题策略，并与这个问题所特有的大量实际知识和经验知识结合起来。
一般专家系统有3个特点，即：
启发性，能运用专家的知识和经验进行推理和判断；透明性，能解决本身的推理过程，能回答用户提出的问题；灵活性，能不断地增长知识，修改原有的知识。
农业专家系统由农业专家知识库（农业知识集合）、农业知识数据库（反映系统的内外状态）以及推理判断程序（规定选用知识的策略与方式）等部分为核心，一般由知识库、数据库、推理机、解释部分、人机交互接口部分5部分组成。
农业专家系统的工作方式可简单地归结为：
运用知识，进行推理。
常见的农业专家系统的系统结构如图2-l所示：
其中各部分的功能如下：
（1）农业专家知识库。
用于存放农业领域专家所拥有的各种农业生产知识。
在系统中它独立于其他各部分，这是农业专家系统结构的一个重要特征。
这个知识库存放知识的方式是由知识表示的策略决定的。
（2）推理机构。
是控制整个农业专家系统进行工作、求解问题的机构，又称为推理机、控制机构或问题求解器。
（3）解释机构。
专用于向用户解释“为什么”，“怎样”之类的发问。
它的功能的强弱反映了相应的专家系统的透明性和可信任程度。
（4）人机交互接口。
又叫用户界面，即用户与相应的农业专家系统进行联系的部分。
一般用来进行数据、信息或命令的输入，结果的输出和信息的显示等。
它们与用户的交往可以是文字、声音、图像、图形、动画、音像等。
可以说这一部分是衡量系统性能的重要指标之一，一个好的农业专家系统通常需要人机交互接口友好方便，画面图文并茂，内容形象生动。
（5）农业知识数据库。
存放着系统的有关数据，例如可以是系统运行中用户输入的数据，中间推理得到的结果及最终结果等。
具体地说，农业专家系统是运用人工智能知识工程的知识表示、推理、知识获取等技术，总结和汇集农业领域的知识和技术，农业专家长期积累的大量宝贵经验，以及通过试验获得的各种资料数据及数学模型等，建造的各种农业“电脑专家”计算机软件系统，由于具有智能化进行分析推理，独立的知识库增加和修改知识十分方便，开发工具使用户不必了解计算机程序语言，并有解释说明功能等，是通常的计算机程序系统难以比拟的。
农业专家系统与通常意义上的专家系统一样把知识和系统中其他部分分离开，强调的是知识而不是方法，这主要是目前的专家系统知识相对比较缺乏，并且只有当人类专家拥有丰富的知识时，才可以解决大量的问题，所以知识在农业专家系统中具有非常重要的地位。
因此专家系统也可以称为基于知识的系统（Knowledge-basedSystems）。
一般说来，一个农业专家系统应该具备以下一些共同功能特点。
（1）知识的汇集。
一个农业专家系统汇集了农业领域多位专家的经验和知识及他们协作解决重大问题的能力。
因此，农业专家系统应表现出更渊博的知识、更丰富的经验和更强的指导农业生产的工作能力，而且能够高效率、准确、迅速和不知疲倦地上作。
（2）启发性推理。
农业专家系统运用农业专家的农业生产经验和农业技术知识进行启发式推理，对问题作出判断和决策，以期达到良好的效果。
（3）推理和解释的透明性。
用户无需了解推理过程，就能从农业专家系统获得问题的结论，而且推理过程对用户是透明的。
农业专家系统的解释器可以回答用户关于“系统是怎样得出这一结论”和“为什么会提出这样的问题”之类的询问，此专家系统是如何实现这些问题的解释对用户也是透明的。
（4）知识更新。
农业专家系统能够不断地获取农业领域知识，增加新的知识，修改原有知识。
机器学习就是系统积累知识以改善其性能的重要方法。
由此可见，建造一个农业专家系统的过程可以称为“知识工程”，它是把软件工程的思想应用于设计基于知识的系统。
一个典型的农业专家系统的开发，主要依靠知识工程师（KnowledgeEngineer）与人类的农业专家或农技人员交流获取知识，知识工程师将获取的知识编制代码到知识库，然后相关的农业专家对系统进行评估，将意见反馈给知识工程师。
如此往复，直到开发出完善的农业专家系统（图2-2）。
知识工程包括下面几个方面。
①从农业专家那里获取系统所用的知识（即知识获取）。
②选择合适的知识表示形式（即知识表示）。
③进行软件设计。
④以合适的语言实现。
总之，农业专家系统是使用农业领域的实际专家天天使用的农业知识来求解农业生产中所遇到的问题，而不是用那些从计算机科学或数学中导出的与领域关系不大的方法来求解问题。
通常，它适合于完成那些没有公认的理论和方法、数据不精确或信息不完整、人类专家短缺或专门知识十分昂贵的诊断、解释、监控、预测、规划和设计等任务。
（三）农业专家系统的开发工具
农业专家系统首先是一种专家系统，因此一般通用的专家系统的各个开发工具都适用于农业专家系统的开发与实现。
所谓专家系统开发工具，是一种具有某种约束的程序设计环境，它可以使专家系统的开发工作变得更加方便。
专家系统开发工具作为专家系统的发展和延伸为建立不同领域的专家系统提供了设计环境。
为建造专家系统，采用合适的开发工具可以极大的简化开发难度，提高建造速度，并且可以保证专家系统的推理性能。
初学者或者对计算机并不精通的人员也可以利用专家系统的开发工具来设计自己实际工作中所需要的专家系统，而不必用某种程序语言来一条条地编写程序，这样既节约了许多人力，又大大加快了专家系统的开发进程，同时也降低了学习专家系统技术的人员入门的“门槛”（避免了学习高深的编程技术）。
目前，大多数专家系统都是使用开发工具来建造。
按照专家系统开发工具的功能来讲，主要分为两类：
一类用于建造专家系统，称为建造工具，或称专家系统生成工具；另外一类称为辅助工具，用来改善专家系统的性能。
对于前者还可以细分为四类：
通用人工智能语言、专家系统外壳（骨架系统）、通用知识工程语言和专家系统开发环境。
1．通用人工智能语言
是开发专家系统的最基本工具，典型的有符号处理语言LISP，逻辑语言PROLOG，这两种语言它都是专门为人工智能设计的。
当然也不排除常规语言如C，PASCAL，BASIC等。
用通用人工智能语言来编写专家系统，设计者可以有较大的自由度，可以自己设计自己需要的知识表示模式和推理方法等，可塑性很大，当然开发工作量大得多。
2．专家系统外壳（Shell）
系统外壳也称为骨架系统，是一个成功的专家系统删除知识库中特定领域的知识留下来的框架系统。
它给用户提供了一些友好的接口，利用原有专家系统成功的知识表达方式，推理机制，知识库结构以及解释机构等，只要有类似的需要解决的问题，只要把问题的特定知识填入知识库，就可以建造另外一个专家系统，用起来十分方便。
这种骨架系统应用的针对性很强，只用来开发类似领域的专家系统，这种开发工具局限性较大，灵活性也比较差。
如EMYCIN，就是非常成功的例子，它就是MYCIN医疗诊断专家系统去除医疗诊断知识而得到的骨架系统。
3．通用知识工程语言
它是专门用于构造和调试专家系统的通用程序设计语言，比基本人工智能语言如LIPS，PROLOG方便，但比骨架系统灵活。
只要这类语言中规定的知识表示模式适用于表达具体领域知识，那么在具体实现专家系统时，将节省许多工作量。
常见的有：
（1）OPS（OfficialProductionSystem）是著名的通用型语言工具，从OPSl到OPS5、OPS5+、OPS5e、OPS83，已经历了许多版本的修改。
为OPS是用LISP语言实现的，主要采用基于规则的知识表示和正向推理。
（2）KEE（KnowledgeEngineeringEnvironment）也是著名的通用语言工具，是Intellicorp公司于1984年开发的。
（3）ROSIE（Rule-OrientedSystemforImplementingExpertise）是Rand公司于1981年开发的，用InterLISP和C语言实现的。
1982年，Rand公司推出了它的另一个专家系统工具ROSS，主要特点是基于规则和面向对象。
（4）ART（AutomaticReasoningTool）是美国Inference公司于1984年推出的一种通用语言工具，它是采用LISP语言和C语言实现的。
（5）CLIPS（CLanguageIntegratedProductionSystem）是自20世纪80年代中期以来使用广泛的通用语言工具，是美国航空航天管理局（NASA）于1985年推出的，它可以在许多机器上运行，已广泛用于开发各类专家系统和知识处理系统。
4．专家系统开发环境
专家系统开发环境是以一种或多种工具和方法为核心，加上与之配套的各种辅助工具和界面环境的完整的集成系统。
近几年来，专家系统的规模越来越大，出现了数量达数千条乃至数万条规模，知识层次包括元知识、经验性知识、原理性知识和常识性知识等几个层次的专家系统，因此，超大规模知识库的组织和管理变得突出起来。
不同的知识表示系统之间以及人工智能技术与数据库等传统主流技术之间的系统集成技术引起了人们的高度重视。
把数据库、逻辑推理、模块化技术、面向对象程序设计方法、支持智能体通信以及多媒体用户界面等先进技术集成到一个智能系统开发工具中，已成为专家系统和智能系统开发工具的主要发展方向。
美国Inference公司于1993年推出的ART＊Enterprise是一种集成化的智能应用软件开发工具，它具有面向对象、多种数据库管理、基于事例的推理（Case-bascdReasoning）和多媒体用户界面（GUIwithMultimedia）等特点。
对于金融业、汽车工业、电子工业、钢铁工业、航空航天部门、通信部门、计算机设计与制造业等的信息咨询与决策、故障诊断、设计规划已有广泛的应用。
5．系统辅助工具
系统辅助工具主要用于帮助建造高质量的知识库和调试专家系统。
知识获取工具和知识库管理与维护工具是最重要的辅助工具。
知识获取工具有自动知识获取工具、知识库编辑工具、面向问题求解方法的知识获取工具、面向特定知识生成技术的知识获取工具、面向特定问题领域的知识获取工具以及基于特定语言的知识获取工具等类型。
其中，自动知识获取工具采用机器学习方法来进行知识获取，例如，EXPERTEASY通过归纳学习能自动生成问题领域的求解规则。
知识库编辑工具能把专家领域知识加工、编辑到知识库中，这样的编辑工具有TEIRE-SIAS编辑器。
知识库管理与维护工具能检查输入知识的一些常见错误，自动维护知识库中知识的一致性和完备性。
这些工具不仅能帮助知识工程师加快建造专家系统的速度，还能保证和提高知识库的质量，调试和改进专家系统。
在农业领域，开发出一套实用的专家系统既花费时间（如获取知识）又花费精力（如编写推理程序等），虽然有通用的专家系统开发工具的帮助，简化了许多工作，但由于农业领域的特殊性，在实际的开发和维护中依然存在着许多困难。
例如，一个在北方使用的小麦专家系统，在南方使用就会出问题。
这是由于南方和北方的气候等条件的不同，数据和知识自然会有不同，因此这对农业专家系统的开发和使用提出了更高的要求，即降低系统其他组成部分对知识库的相关性，简单来说，就是开发出的农业专家系统的知识库相对独立，允许知识库为空，这样就增加了此专家系统的可扩展性，适应农业领域复杂条件多，不确定因素事先无法估计这一特点。
用上例具体来说，我们可以运用北方小麦的专家系统的推理过程，而将原有的知识库清空，转而填入有关南方小麦特性的知识，这样我们只需要获取知识这一步骤，推理过程就可以节省了。
这样的农业专家系统给用户以选择的权利，使开发不同种类的农业专家系统成为可能。
二、产前决策专家系统技术
常言说“民以食为天”，这充分说明了农业在人类生活中的重要地位。
事实上，一个国家农业发展的状况及水平不仅直接关系到人们的物质生活，也与国民经济的发展及社会的进步息息相关。
随着我国加入世界贸易组织进程的加快和市场经济的发展，农业产业化的潮流已势不可挡。
在这种背景下，我国农业必然要从过去的计划农业走向市场农业，农业的发展不再是“产前、产中、产后”，“产、供、销”，“贸、工、农”的割裂局面，而是一体化的发展模式。
面对变幻莫测的市场，产前的决策对于农业生产起着至关重要的作用。
通过良好的产前决策过程，使广大农户做好品种选择、播期、播种密度等产前准备，才能生产出适销对路的农产品，这样才能使广大农业生产人员从容应对市场的严峻挑战，为实现“数量农业”向“效益农业”跨越，提高农产品的附加值，在市场竞争中立于不败之地。
由此可见产前决策是农业适应市场变化的前提，在生产中起着不可替代的作用。
传统意义上，农业产前决策系统通常是咨询有关问题的专家，或者凭借多年的生产销售经验判断。
近年来，由于信息技术在农业生产领域的飞速发展，系统方法应用领域的拓宽、作物生理生态研究成果的不断积累，以及电子计算机由单一的科学计算向智能化、网络化和多媒体的飞跃，出现了一种以作物生理生态的内在机理为依据，以外在环境和市场变化规律为条件，以系统方法、控制论和电子计算机作为手段和工具的农业产前决策专家系统技术。
这种技术通过人机对话，能以问答的形式解决农业生产前期所遇到的实际问题。
它的出现和应用是农业信息技术和农业专家系统在农业上应用的一个重大突破。
（一）农业产前决策专家系统的发展进程
农业产前决策专家系统是在农业信息系统、作物模拟模型和农业专家系统的基础上发展起来的。
早在20世纪60年代，随着数据库技术的问世，农业信息系统也随之发展。
一般来说，农业信息系统是由农业数据库和数据库管理程序构成，这种系统具有数据的查询、检索、修改和删除等功能。
因此，在这基础上发展的农业决策支持系统仅是数据的支持，而决策过程还需人们加以干预。
在对作物的模拟方面，还是用数值模拟的方法揭示大气——植物——土壤之间的关系及环境对作物生长、发育的影响，并通过可控因子（施肥、灌溉）来调节作物的生长、发育的进程，在特定的气候条件下，预测作物的产量。
因此，这些模型为研究作物生长发育的动态变化规律以及环境、栽培技术对作物生长发育的影响提供了有用的工具。
作物模拟模型的研制表明了农业科学开始进入计算机的信息时代。
由作物模拟模型构造的农业产前决策系统可解决农业决策过程中的半结构化问题。
20世纪80年代末到90年代初，农业产前决策系统引起了世界发达国家的关注，并分别以不同的出发点研制所在领域的农业决策支持系统，使农业产前决策系统又有了进一步的发展，形成了以知识库系统或以专家系统支持的智能化的农业产前决策支持系统。
由此农业产前决策专家系统技术日臻成熟。
近年来，随着地理信息系统（GIS）的广泛应用，农业专家系统的知识积累和学习有了更广泛的途径，这样一来，专家系统和地理信息系统的结合促使农业产前决策支持系统的研制向更深层次的方向发展。
这些产前决策支持系统技术的涌现促进了农业现代化的发展。
（二）农业产前决策专家系统类型
农业产前决策专家系统存在着决策层次的问题。
农业产前决策专家系统有的面向高层领导决策部门，有的面向中层管理部门，有的面向基层生产部门，无论面向哪个决策层次的农业产前决策专家系统，其任务均是为各层次的农业策略的制定和科学管理起到辅助决策的作用。
针对农业中的基层管理的农业产前决策专家系统一般可分为田间尺度、农场尺度和区域尺度3种类型。
1．田间尺度
田间尺度的农业产前决策专家系统，是在作物模拟模型的基础上研究田间单一作物状态，通过选种、播期、播种密度等因素的决策，预测在不同气候和土壤条件下作物的生长、发育和产量。
这类系统一般不考虑田间作业的制约和种植制度，而偏重于农作物生产管理的决策。
这类产前决策专家系统能帮助决策者和粮食贸易商估计作物的产量，为制定粮食进出口贸易决策提供依据。
同时，可针对不同年景为农民采取相应的栽培管理措施提供科学的决策。
2．农场尺度
农场尺度的农业产前决策专家系统是分析农场的复杂情况、帮助农场管理者制定计划、合理安排劳动力以及农场资源的组合配置等作出科学决策的辅助工具。
在农场管理决策支持系统中不仅要考虑作物生产管理的决策，还需考虑田间作业劳动力的需求、农业机械的类型、耕作制度和农场各田块间的相互作用等。
该系统中的农场知识包含有农场的总面积、种植面积、作物类型、品种名称、田块数量、土壤类型、肥料类型、灌溉需求、劳动力、农机具名称、拖拉机的型号、作业名称及开始和完成时间以及生产费用等信息。
整个系统由信息管理系统、作业模拟系统、专家系统和产量评估系统4部分组成。
信息管理系统是产前决策系统的智能前端，它收集了农场、作物、田块、机械、劳力、其他能源和与作物相联系的不同作业的信息。
信息管理系统具有信息的修改、增加、删除等功能。
作业模拟系统的功能是模拟田间作业，以日为时间步长对农场所有田块的整个生长季进行模拟，并产生3种报告：
工作报告、不工作报告和摘要报告。
作业模拟系统由2种知识构成：
农场或区域知识、模拟过程的知识。
农场或区域知识包括天气、土壤水分的特性、不同土壤条件下各种作物生长所需求的灌溉量、每天田间作业的工作时数等，这些知识是以数据库的方式存储的。
模拟过程的知识是用某些程序语言的谓词和子句所写的执行实际模拟的知识。
这类系统能对各种资源的组合进行测试，诸如农业机械的能力、作物配置、不同气候年景下作物管理的策略和劳力资源的安排。
此外，它也能估计整个农场或个别田块的作物产量、毛收益和净利等。
因此，它是农场主们制定生产计划和农场管理的一个辅助决策工具。
总之，在此类农业产前决策专家系统中，人工智能技术是用来组织、显示和控制模拟系统状态的知识，并分析模拟的结果，向用户作出管理的推荐。
3．区域尺度
GIS是20世纪60年代发展起来的地理学研究的新技术，是地理学、系统学、信息科学和计算机科学相结合的产物。
GIS是以地理空间数据库为基础，以地图为信息载体，采用地理学模型分析地表事物之间规律性的、动态的空间关系的计算机系统。
由于GIS具有空间分析和数学规划最优的功能，并对区域自然资源的管理、评价和决策起到了重要的作用，所以近年来，国际上的农业决策支持系统，尤其是产前决策系统的研制逐渐转向与GIS相结合，构筑区域尺度的农业决策专家系统。
通常意义上的这种类别的农业产前决策专家系统应用范围涉及到土地利用、作物管理、水土保持结构、对策选择等方面。
系统运行所用到的因子有土地利用、地形、土壤类型、社会和经济等。
由此可见，这类系统一般是由地理信息系统（GIS），各类环境模型和专家系统（ES）组成。
这里的GIS是专门为农业的地理条件和土壤条件的评价而设计的；环境模型一般是对外在条件因素（如：
气候、水分等）的模拟；专家系统由知识库、事实库和推理机组成，并采用反向链的推理策略。
专家系统的知识库贮存着格式化的农作物的品种选择、播种密度、播期等经验性的规则等。
（三）典型实例
自20世纪70年代开始农业产前决策专家系统研究以来，迄今已成果累累。
在国外，美国将棉花生长模拟模型GOSSYM与专家系统COMAX结合形成的棉花生产管理系统GOSSYM-COMAX已在该国推广应用，作为棉花产前决策的一种手段，已取得了较好的经济效益。
美国夏威夷大学IB-SNAT推出的农业技术转让决策支持系统DSSAT，澳大利亚的北方小麦生产管理决策支持系统WHEATMAN和棉花农艺计算机管理系统OZCOT在产前、产中的决策中也发挥了很好的作用。
近年来，我国作物产前决策支持系统研究大有后来居上之势。
江苏省农业科学院的高亮之等人研制的作物计算机模拟优化决策系统CC-SODS已在生产决策中发挥作用。
江西农业大学戚昌瀚等开发的水稻生长日历模拟模型的调控决策支持系统RI-COS可为水稻技术措施指标化提供依据。
此外，还有内蒙古农牧学院刘克礼等研制的春玉米优化栽培管理咨询系统MOC-MCS，北京市农林科学院的诸德辉等人开发的小麦管理专家系统ESWCM，北京农业大学建成的农业气候资源信息系统AC-RIS及该校肖荧南等建立的棉花生产决策系统DECOCA，中国农业科学院棉花研究所的董占山和北京农业大学合作建立的棉花生产管理模拟与决策系统CPMSS／LGSM，董占山等人在GOSSYM基础上建立的棉花管理专家系统CMES等。
这些系统在农作物的产前估计，决策支持上起了非常重要的作用，达到了良好的效果。
三、施肥管理专家系统技术
施肥是农作物生产过程中的关键一环，肥料的成本在农业生产的投入中占很大的比例。
如何在保证农产品高产、丰产的前提下，减少施肥量，降低农业生产成本，是我们建设社会新农村，提高农民收入，加速农业产业化进程所必须解决的问题。
近年来，联合国开发计划署针对我国的实际情况大力推广了一种最新科学施肥技术——平衡施肥技术。
其主要内容：
一是建立现代化的土壤肥料测试分析系统；二是建立可以同时考虑土壤、肥料、作物三者之间关系以及环境影响的施肥模型和计算机指导的专家施肥系统；三是通过编制施肥推荐图，将复杂的、科学性强的平衡施肥技术变为直接的、简单易懂的施肥方法；四是建立测土——配方——生产——供肥——施肥技术指导一条龙服务的供肥系统。
基于这样的思想，现在人们把专家系统技术和平衡施肥技术相结合，形成了施肥管理专家系统技术。
（一）概述
我国是农业大国，耕地面积大，土壤类型多样，肥力差异明显；每户农民经营的地块面积较小，经营管理水平不同造成基层土壤分类单元相同的地块间肥力差异
升级会员 