全 文 ：小麦目标产量设计及适宜品种选择的
动态知识模型*
朱
艳* *
曹卫星
戴廷波
姜
东
(南京农业大学农业部作物生长调控重点开放实验室,南京 210095)
摘要
运用知识工程和系统建模方法, 在综合考虑决策点光温生产潜力、历史平均产量水平、土壤肥力、
肥水管理水平和生产技术水平等诸多因子对增产系数影响的基础上,通过定量计算动态增产系数, 建立了
具有时空适应性的小麦目标产量设计知识模型; 通过定量计算小麦品种特征值与环境因子和生产需求之
间的符合度, 建立了适宜品种选择的量化知识模型. 利用南京、郑州、泰安、保定和太原 5 个不同生态点的
不同年型每日气象资料以及不同历史平均产量水平、土壤肥力和肥水管理水平, 对目标产量设计模型进行
了实例分析; 利用广州、南京、泰安、北京、哈尔滨 5 个不同生态点常年气象资料以及 15 个不同品种资料,
对品种选择知识模型进行了实例分析. 结果表明, 所建知识模型具有较好的决策性和广泛适应性.
关键词
小麦
目标产量
品种选择
知识模型
文章编号
1001- 9332( 2004) 02- 0231- 06
中图分类号
S512. 1
文献标识码
A
A dynamic knowledge model for wheat target yield design and variety selection. ZHU Yan, CAO Weix ing , DAI
T ingbo , JIANG Dong ( K ey Laboratory of Crop Grow th Regulation, M inistr y of Agr icultur e, Nanj ing Agr i

cultural Univer sity , Nanj ing 210095, China) .
Chin. J . A pp l . Ecol . , 2004, 15( 2) : 231~ 236.
Based on integr ating t he effects of y ield potential of photosynthesis and temperatur e, average yield level of last
three years, soil fertility, fertilization and water management level and production technology lev el on yield in

crement, the dynamic yield incr ement index was quantified and a wheat know ledge model for design of target
yield under different temporal and spatial environments was developed through know ledge engineering and sys

tem analysis method. By quantitat ively calculating suitability of variety character istics to environmental condi

tions and production requirements, a know ledge model for var iety selection was established. Case studies on the
target yield design with t he data sets of five different eco
sites, thr ee climatic years and average yield levels o f last
three years, two so il fer tility levels and three fer tilization and water management levels, and on suitable variety
selection models wit h the data sets of five different eco
sites, no rmal climatic year and fifteen typical varieties in

dicated a good performance of the model system in decision
making and w ide applicabilit y.
Key words
Wheat, T arg et yield, Variety selection, Know ledge model.
* 国家自然科学基金重点项目( 30030090)和国家! 863∀计划资助项
目( 2001AA115420, 2001AA245041) .
* * 通讯联系人.
2002- 07- 22收稿, 2003- 04- 06接受.
1
引

言
定量分析作物目标产量及品种类型与生态环境
和生产技术水平之间的动态关系,对推进作物栽培
管理技术从指标化和模式化向定量化和数字化方向
发展具有重要的现实意义[ 3] . 生产上现有的目标产
量设计主要有以地定产、以前 3 年平均产量定产或
将光温生产潜力修订后作为目标产量等 3 种方法.
其中,在前 3年平均产量的基础上增加 10%~ 15%
作为目标产量是生产上应用最广泛的方法之一[ 7] .
但增产系数并非是一个定值, 受决策点光温生产潜
力、历史产量水平、土壤肥力、肥水管理水平和生产
技术水平等诸多因子的综合影响,表现出较强的变
动性和系统性. 关于适宜品种选择,目前生产上一般
是凭农业专家的经验而定, 即便是利用农业专家系
统来决策, 也主要依靠知识库中专家的经验性知识
规则[ 12, 15] ,因此缺乏动态性和广适性.
基于小麦栽培模式与生态条件的动态关系,运
用知识工程和系统建模方法,研究建立了具有时空
规律的小麦播前目标产量设计及适宜品种选择的量
化知识模型系统, 以期为发展智能化和广泛适应性
的作物栽培管理决策支持系统奠定基础.
2
研究方法
2 1
模型的建立
在查阅和研究大量文献资料及咨询作物栽培专家的基
础上,通过总结、归纳和提炼小麦栽培理论与技术的研究成
果,确定小麦生长发育特性与品种类型、生态环境和生产技
术水平之间的逻辑关系, 建立概念模型.然后, 在资料获取的
应 用 生 态 学 报
2004 年 2 月
第 15 卷
第 2 期






























CHINESE JOURNAL OF APPLIED ECOLOGY, Feb. 2004, 15( 2)#231~ 236
基础上进行数理统计分析,将已整理出来的概念模型转化成
问题求解的定量数学模型.在此基础上, 以 Visual C+ + 6. 0
为主要编程语言,在 PC 667CPU、128 内存计算机中文Win

dows 98操作平台上开发实现符合 COM 标准的构件化可执
行知识模型原型系统. 最后, 通过运行实例去检测系统的正
确性, 并通过理解和分析系统的反馈信息, 对知识模型中的
某些参数进行调整或对知识模型进行必要的修改和完善.
22
模型的检验


利用广州、南京、郑州、泰安、保定、太原、北京、哈尔滨 8
个不同生态点的常年每日气象资料(包括日最高气温、日最
低气温、日照时数或日辐射量和日降水量)及 15 个典型品种
资料,对所建知识模型的可靠性和适用性进行了较全面的检
验.其中, 广州和哈尔滨常年每日气象资料为 1984~ 1988 年
5 年每日气象资料(由∃中国地面气象记录月报%提供 )的平
均;南京常年每日气象资料为 1986~ 1990 和 1993~ 1994 年
每日气象资料(由江苏省农业科学院气象站提供)的平均; 郑
州、泰安、太原和北京常年每日气象资料为各决策点 1981~
1988 年每日气象资料(由∃中国地面气象记录月报%提供)的
平均;保定常年每日气象资料为 1966~ 1975 年每日气象资
料(由河北省保定市气象局提供)的平均.所选代表性品种包
括华南 TQ003、华南 T400、粤麦 6151、鄂麦 12、安农 92484、
宁麦 9 号、徐州 25、pH96
39、高优 503、京 411、京核 5 号、中
优 9507、龙麦 19、克丰 6 号和克旱 13, 其形态生理特性取自
文献资料及网络查询.
3
结果与分析
31
模型算法的描述
311 目标产量
目标产量设计是实现作物定量化
栽培管理的前提和基础. 本模型根据决策点前 3 年
小麦平均产量( YA )和增产系数( Y I)来确定产量目
标( Y T ) ,方程为:



Y T = YA & ( 1+ Y I) ( 1)
其中,增产系数的计算是本模型的关键所在. 增产系
数受到决策点光温生产潜力( Y P )、前 3年小麦平均
产量、养分供应水平( N S)、水分供应水平( W S)和生
产技术水平( PT , 包括优良品种的选用、栽培措施的
实施和病虫草害的防治)等多种因子的影响, 可通过
下式来综合量化:


Y I= ( Y P- YA)
YA
& W S & N S & P T ( 2)


关于光温生产潜力已有大量的研究[ 5, 9, 18] . 本
文采用逐级订正的气候生产潜力模型来计算光温生
产潜力:


YP = f ( R ) & g( T ) ( 3)


f ( R)=
(1- ) (1- !)(1- ∀)(1- m) - 1
(1- #) ∃(1- X )- 1(1- r )- 1H - 1HI%R
( 4)
其中, f ( R )为光合生产潜力( kg∋m - 2) , 即温度、水
分、养分、生产技术水平等均处于适宜条件下仅由辐
射所决定的产量, g( T )为温度订正函数,由( 17)式
计算得到. ( 4)式中,
为总辐射中的光合有效辐射
比例(取 0. 49) , 为冠层反射的光合有效辐射比例
(取 0. 05) , 为群体冠层吸收的光合有效辐射比例
(见 5式) , !为作物非光合器官吸收的光合有效辐
射比例(取 0. 1) , ∀为光饱和限制率(取 0) , m 为叶
片的光透射率 (取 0. 025) , # 为呼吸消耗率(见 6
式) , ∃ 为量子转化效率(取 0. 224) , X 为小麦籽粒
含水量(取标准值 0. 125) , r 为植株矿物质含量(取
0. 05) , H 为每形成 1 kg 干物质所需的热量( 1. 779
& 107 J∋kg- 1) , HI 为收获指数(取 0. 5) , R 为到达
地面单位面积上的每日太阳总辐射( J∋m- 2∋d- 1) .


群体冠层吸收的光合有效辐射比例与作物消光
系数( k )和叶面积指数( LAI)的大小有关. 其中, 消
光系数 k 随作物群体密度及株型的不同而有所变
化,小麦的 k 值由直立叶冠层的 0. 4变为水平叶冠
层的 0. 8[ 4] . 本模型取有利于用群体冠层吸收光合
有效辐射的直立叶冠层的 k 值( 0. 4)来计算光合生
产潜力.


= 1- e- k& LA I ( 5)


对文献资料[ 1, 2, 7, 8, 13, 14]的综合分析表明, 高产
条件下,小麦孕穗期 LAI 达到最大值 LAImax , 越冬
始期 LAI 为 025LAImax , 返青期 LAI 为 0. 35
LAImax ,拔节期 LAI 为 0. 65LAImax , 孕穗后 LAI 开
始下降,蜡熟期 LAI为 0. 1LAImax . 主要生育期的预
测可以通过每天的实际气温来进行. 播种后连续3 d
日平均气温低于 3 ( 时,冬小麦进入越冬期;开春后
连续 3 d日平均气温高于 3 ( 时即达到返青期; 返
青以后, 当气温上升到 12~ 16 ( 时为适宜拔节期;
孕穗期的适宜温度为 16~ 18 ( 左右.播种期和成熟
期可以采用决策点的最早播期和最迟成熟期.因此,
利用上述主要生育期 LAI 与 LAImax的比值, 通过线
性内插法,可以求出 LAI随整个生育期变化的动态
曲线.其中, LAImax取决策点最优品种的最大 LAI.


呼吸作用包括光呼吸和暗呼吸, 其中暗呼吸又
包括生长呼吸和维持呼吸. 因此, 呼吸消耗率 #由
光呼吸消耗率P#、维持呼吸消耗率 M #和生长呼吸
消耗率G #组成:


#= P#+ M #+ G # ( 6)
式中, P#、M #分别与决策点白天的气温( T day )及日
平均气温( T mean)有关, 其计算公式如下:
232 应
用
生
态
学
报

















15卷


P#= P#( T 0) & Q10( T day- T 010 ) ( 7)


M#= M#( T 0) & Q 10( T day- T 010 ) ( 8)
式中, G #取 039, T 0 为作物呼吸的最适温度(小麦
取25 ( ) , P#( T 0)和 M #( T 0)分别为 T 0 时的光呼
吸消耗率 ( 取 0. 33 ) 和维 持呼吸消耗率 ( 取
0015) [ 4] , Q 10为作物呼吸作用的温度系数(取 2) .
白天的气温和日平均气温可由日最高气温( T max )和
日最低气温( T min)计算得到:


T day= 0. 71 & T max+ 0. 29 & T min ( 9)


T mean= ( T max+ T min) / 2 ( 10)


到达冠层顶部单位面积上的每日太阳总辐射可
以直接从气象数据库中获得, 或根据日照时数推算
得到,其推算过程采用左大康[ 18]提出的通式:
Q= S0 & ( 0. 25+ 0. 45 & D SH / DL ) ( 11)
式中, S 0 为大气上界的每日太阳辐射总量( J∋m- 2∋
d- 1) , DSH为日照时数( h∋d- 1) , D L 为日长, 可以通
过方程( 12) ~ ( 17)来推算. 方程( 12) ~ ( 17)中, SC
为太阳常数( J∋m- 2∋s- 1) , S SIN和 C COS为中间变量,
L AT为决策点纬度, DEC为太阳偏斜角, D OY为儒历
日期.


S 0= SC & 3600 & ( DL S SIN+ 7. 6394 & CCOS &
1- S SIN / CCOS ) ( 12)


S C= 1395 & (1. 0+ 0. 033& cos(2 &&& DOY/ 365) )
( 13)


D L= 7. 639 & acos( S SIN/ C COS) ( 14)


S SIN= - sin( 0. 01745 & L AT ) & sin( D EC) ( 15)


C COS= cos( 0. 01745 & L AT ) & cos( DEC) ( 16)


D EC= 0. 4093 & sin( 0. 0172 &
( DOY- 82. 2) ) ( 17)


小麦温度订正函数采用全国农业气候区划中喜
凉作物的温度订正函数( 18) .其中, T 01为作物生长
发育的最适温度(小麦取 20 ( ) , a 为参数, 其值与
T day和 T 01有关( 19) .


g ( T )= ea( T day- T 0110 ) 2 ( 18)


= - 1




T day< T 01- 2




T day )T 01 ( 19)


水分供应水平( W S)一般由自然供水水平( PW)
和水分灌排水平( W M )共同决定( 20) . 其中, PW 的
计算见( 21)式; W M (取值范围为 0~ 1)由用户根据
实际情况而定.


W S= PW+ ( 1- PW) & W M ( 20)


PW=
P / E 0


P ∗ E 0
1- ( P- E 0) / ( Pmax- E 0)
P> E0
( 21)
式中, P 为实际降水量( mm) , P max为产量达到最大
时的最适降水量( mm) ,小麦取 P max= 4E 0[ 5] . E0 为
潜在蒸散( mm) , 采用 Priest ly
Taylor 方程来计算[ 4]
( 22~ 24式) :

E0=
EEQ & 1. 1 5∗ Tmax ∗ 24
EEQ& (( Tmax- 24) & 0. 05+ 1.1) Tmax> 24
EEQ& 0. 01& e0.18& ( Tmax+ 20) Tmax< 5
( 22)
E EQ= Q & ( 4. 88 & 10- 3- 4. 37 & 10- 3 &
CALB)

& ( T day+ 29) ( 23)


CALB= 0. 23- ( 0. 23- S ALB ) & e
( - 0. 75& LAI) LAI ∗ 4
0. 23+ ( LAI- 4) 2/ 160 LAI> 4
( 24)
其中, S ALB为裸地对太阳辐射的反射率, 其值随土
壤砂性的增强而上升, 一般在 0. 08~ 0. 24[ 4]之间变
化, CALB为作物冠层对太阳辐射的反射率, LAI 为
叶面积指数, EEQ为平衡蒸发量( mm) , Q 同上. 养
分供应水平( N S)一般由土壤肥力水平( S F , 0~ 1)和
施肥管理水平( FM , 0~ 1)共同决定. 一般情况下,小
麦产量大约有 2/ 3来自土壤肥力, 1/ 3 来自当季施
肥[ 2, 11] .因此,养分供应水平可由下式计算得到:


N S= 0. 67 & SF+ 0. 33 & FM ( 25)


生产技术水平( PT )包括优良品种选用水平
( V S)、栽培技术水平 ( CM ) 和病虫草害防治水平
( PC)等.本模型用下式来定量描述.


P T= V S & ( CM+ P C) / 2 ( 26)


在( 20)、( 25)和( 26)式中, 灌排水( W M )、土壤
肥力( S F)、施肥管理( FM )、优良品种选用( V S)、栽
培技术( CM )和病虫草害防治( P C)等水平均分为超
高、高、中等、低和差 5 个水平, 分别依次取值为 1、
0. 8、0. 6、0. 4和 0. 2.
312 品种选择
适宜品种选择是播前方案设计中
首先要考虑的问题. 模型根据决策点常年气候条
件[ 6, 10] (主要是 1 月份和 7 月份的平均温度 T 1 和
T 7 及年大于 0 ( 的积温( YATAZ )决定该地是否能
种小麦( WWCG) :
W WCG=
Y

T 1 ∗ 20且 12< T 7 ∗ 30且 YATAZ> 1400
N




ELSE ( 27)
其中, N 表示该地不能种小麦, Y 表示可以种小麦.
在确保决策点能种小麦的基础上, 通过下式来计算
决策点所能种的小麦品种类型.
2332 期










朱
艳等:小麦目标产量设计及适宜品种选择的动态知识模型









WTW=
W

0∗ T 1 ∗ 15 且14< T 7 ∗ 30
WS

( - 8∗ T 1 ∗ 0 或(- 10< T 1 ∗ - 8



且有稳定积雪))且14< T 7 ∗ 30
S


T 1 ∗ - 8且 12< T 7 ∗ 30且 YATAZ> 1400
( 28)
其中, W 代表冬小麦, S 代表春小麦, W s表示两种
类型均可.然后,模型通过量化决策点所能提供的生
理春化时间、寒冷程度、日照长短、最长生育期(用有
效积温表示)、土壤肥力、土壤含盐量、用户对品种的
需求和可选品种的特性(包括生理春化时间、抗冻
性、光周期、生育期长短、产量、品质指标、耐肥性、抗
盐性、抗病性、抗倒伏性、抗旱性、抗涝性和抗干热风
能力) ,计算出品种各特征值的置信度, 并以品种总
置信度为依据, 为用户推荐适宜的品种.


本模型中, 生理春化时间的取值为 0~ 60[ 16] .
小麦冬性越强, 生理春化时间的取值越大.抗冻性主
要是针对冬小麦而言, 冬小麦能忍耐的最低温度为
- 24 ~ - 22 ( , 有稳定积雪的情况下可达- 26
( [ 6, 10] . 因此, 用品种能忍耐的最低温度来表示品
种抗冻性,其取值范围大致为- 26~ 0 ( . 8和 20 h
光周期是小麦发育的临界日长[ 13, 14, 16] , 所以品种光
周期的取值范围为8~ 20 h.抗盐性用品种能忍耐的
最高土壤含盐量来表示, 小麦作物的取值范围一般
为0 ~ 0. 4% [ 1, 14] . 另外, 模型将品种耐肥性、抗病
性、抗倒伏性、抗旱性、抗涝性和抗干热风能力的取
值范围分为超高、高、中等、低和差 5个水平, 分别依
次取值为 1、0. 8、0. 6、0. 4和 0. 2.


品种置信度( VC )通过各子置信度 C i (生理春
化时间置信度 C 1、抗冻置信度 C2、光周期置信度
C 3、生育期置信度 C4、产量置信度 C5、品质置信度
C 6、耐肥置信度 C 7、抗盐置信度 C 8、抗病性置信度
C 9、抗倒伏置信度 C 10、抗旱置信度 C11、抗涝置信
度 C 12、和抗干热风置信度 C13)及其相应的相对权
重( W i )来定量描述( 29~ 31式) .


VC= +n
i= 1
W iC i ( 29)
式中, 相对权重( W i )即某个子置信度( C i )对品种总
置信度( VC)的作用大小, 其计算分两种情况考虑:
一种是子置信度( C i )中存在明显的限制因子; 另一
种则是没有明显的限制因子存在[ 17] .判断是否存在
明显的限制因子的方法是: 找出所有子置信度中的
最小值 C min,如果 C min )0. 2, 则认为没有限制因子
存在; 否则, Cmin为明显的限制因子. 具体计算见方
法如下:


C min= m in( C i )


( i= 1, ,n) ( 30)


Wi=
( 1- C i )
2
+n
i= 1
( 1- C i)
2




0. 2∗ Cmin< 1
1- Cmin
( 1- C i )
2
+n
i= 1
(1- C i )
2
& Cmin Cmin< 0. 2且 i −min ( 31)
其中,平方处理是一个反馈器,可以使限制性大的因
子的相对权重更大, 限制性小的因子的相对权重更
小,从而使计算结果与实际情况能更好地吻合. 在各
子置信度中,生理春化时间置信度、光周期置信度、
生育期置信度和品质置信度的计算见( 32)式,抗冻
置信度和抗盐置信度的计算见( 33)式, 其它置信度
的计算见( 34)式.


C1, 3, 4, 6= 1- | V - UD
V max- Vmin
| ( 32)


C2, 8= 0



V> DMS
1



V ∗ DMS
( 33)


C5, 7, 9, 10, 11, 12, 13= V / UD V< UD
1


V )UD ( 34)
式中, V 为品种某定量化特征值, UD 为用户对所
选品种的特定需求, V max为品种特性的上限值,
V min为品种特性的下限值, DMS为决策点的极端最
低温度(或土壤含盐量) . 决策点所能提供的生理春
化时间( SPVT ) :


S PVT=
- 4& T 1+ 20
- 10< T 1 ∗ 0 且种小麦
- T 1+ 20


0< T 1 ∗ 20且种冬小麦
0





种春小麦
( 35)


一般认为[ 18] ,小麦光照阶段开始于二棱期,结
束于雌雄蕊原基分化期(物候学上的拔节期) .因此,
决策点所能提供的光周期可以用决策点小麦光照阶
段的平均日长来表示. 日长的计算见( 14) ~ ( 17)式,
决策点常年的二棱期和拔节期由用户根据实际情况
来提供.


模型设定,当品种生理春化时间、抗冻、光周期、
生育期和品质的置信度不小于 0. 85时, 品种被选
出,同时计算该品种的总置信度.
32
模型实例分析


利用南京、郑州、泰安、保定和太原 5 个不同生
态点和不同年份的每日气象资料、不同土壤肥力和
肥水管理水平及不同历史产量水平, 对产量目标设
计知识模型进行了实例分析. 不同生态点前 3年不
同平均产量水平及模型计算的各生态点的不同年型
234 应
用
生
态
学
报

















15卷
光温潜力见表 1. 从表 1可以看出,模型计算的光温
潜力在不同生态点之间的变化趋势与各点同一产量
水平下的前3年平均产量之间的变化趋势基本一致,
表 1
南京、郑州、泰安、保定和太原 5个不同生态点前 3年不同平
均产量水平以及模型计算的不同年型光温潜力
Table 1 Average yield levels of last three years and yield potential under
radiation and temperature calculated by the model for different year
types at five different eco
si tes
决策地点
Decision site
前三年不同平均产量水平
Average y ield level of last three years
(kg∋hm- 2)
高产
High
y ield
中产
Medium
yield
低产
Low
y ield
光温潜力
Yield potential under radiat ion
( kg∋hm- 2)
极高年
Highest
year
常年
Normal
year
极低年
L owest
y ear
南京Nanjing 6750 5250 3750 10983. 0 10009. 5 8925. 0
郑州Zheng zhou 7500 6000 4500 12609. 0 11392. 5 10321. 5
泰安T aian 8250 6750 5250 12637. 5 11904. 0 10339. 5
保定 Baoding 7500 6000 4500 11295. 0 9690. 0 9273. 0
太原T aiyuan 6750 5250 3750 10600. 5 9523. 5 8748. 0
泰安点最高,从泰安往南或往北均降低.


不同生态点在不同历史产量水平、土壤肥力及
肥水管理水平下的常年增产系数和产量目标设计结
果见表 2. 由表 2可以看出, 历史产量、土壤肥力、施
肥及水分管理水平相同时,不同决策点之间的增产
系数随决策点历史平均产量与光温潜力间差距(表
1)的增加而上升; 决策点、土壤肥力、施肥及水分管
理水平相同时,不同历史产量下的增产系数随历史
产量的增加而降低; 历史产量和肥水管理水平相同
时,不同土壤肥力间的增产系数随土壤肥力的升高
而上升;历史产量和土壤肥力相同时,不同肥水管理
水平之间的增产系数随肥水管理水平的升高而上
升,表明模型中增产系数的计算具有较好的适用性
和动态性.模型进一步以增产系数和历史产量为基
础,为不同生态条件和生产技术水平推荐适宜的产
量目标.上述结果总体上与现阶段 5 个地区生产上
的小麦目标产量[ 1, 2, 7, 8, 11, 13, 14]具有较好的一致性.
表 2
5个不同生态点在不同历史产量水平、土壤肥力、肥水管理水平下的常年增产系数和产量目标设计*
Table 2 Yield increment( YI) and target yields( YT) under different yield levels of last three years, soil ferti lities, ferti lization and water management
levels at five eco
si tes during normal cl imatic year designed by knowledge model*
水分管理水平
Water
management
level
决策点
Decision
site
决策内容
Decision
content
高肥力 High fert ility
高产
H igh yield
高施肥管理
High fert iliz er
management
中产
Medium yield
高施肥管理
H igh fertilizer
management
低产
Low yield
高施肥管理
High fert ilizer
management
中肥力 Medium fertilit y
中产Medium yield
高施肥管理
High fert ilizer
management
高施肥管理
High fert ilizer
management
高施肥管理
H igh fertilizer
management
高水平 南京 Nanjing Y I( % ) 23. 2 43. 6 80. 3 36. 0 32. 2 28. 5
High level YT( kg∋hm- 2) 8316. 0 7539. 0 6762. 0 7138. 5 6942. 0 6744. 0郑州 Zhengzhou Y I( % ) 22. 9 39. 7 67. 7 32. 8 39. 4 25. 9
YT( kg∋hm- 2) 9220. 5 8383. 5 7546. 5 7966. 5 7761. 0 7555. 5泰安 Taian Y I( % ) 19. 7 34. 0 56. 4 28. 0 25. 1 22. 2
YT( kg∋hm- 2) 9876. 0 9043. 5 8211. 0 8643. 0 8445. 0 8248. 5保定 Baoding Y I( % ) 12. 5 26. 4 49. 6 21. 8 19. 5 17. 3
YT( kg∋hm- 2) 8440. 5 7585. 5 6730. 5 7308. 0 7171. 5 7035. 0太原 Taiyuan Y I( % ) 19. 2 37. 8 71. 3 31. 2 27. 9 24. 7
YT( kg∋hm- 2) 8044. 5 7233. 0 6421. 5 6886. 5 6715. 5 6544. 5中水平 南京 Nanjing Y I( % ) 21. 6 40. 6 74. 9 33. 5 30. 0 26. 5
M edium level YT( kg∋hm- 2) 8209. 5 7383. 0 6556. 5 7009. 5 6826. 5 6643. 5郑州 Zhengzhou Y I( % ) 19. 1 33. 1 56. 5 27. 3 24. 5 21. 6
YT( kg∋hm- 2) 8935. 5 7989. 0 7041. 0 7641. 0 7470. 0 7299. 0泰安 Taian Y I( % ) 16. 6 28. 6 47. 5 23. 6 21. 2 18. 7
YT( kg∋hm- 2) 9621. 0 8683. 5 7746. 0 8344. 5 8178. 0 8011. 5保定 Baoding Y I( % ) 10. 1 21. 2 39. 7 17. 5 15. 7 13. 8
YT( kg∋hm- 2) 8254. 5 7270. 5 6288. 0 7048. 5 6939. 0 6829. 5太原 Taiyuan Y I( % ) 16. 8 33. 2 62. 6 27. 4 24. 5 21. 7
YT( kg∋hm- 2) 7887. 0 6993. 0 6099. 0 6688. 5 6538. 5 6388. 5低水平 南京 Nanjing Y I( % ) 20. 0 37. 7 69. 4 31. 1 27. 8 24. 6
Low level YT( kg∋hm- 2) 8103. 0 7227. 0 6352. 5 6882. 0 6711. 0 6541. 5郑州 Zhengzhou Y I( % ) 15. 3 26. 6 45. 3 21. 9 19. 6 17. 3
YT( kg∋hm- 2) 8650. 5 7594. 5 6537. 0 7315. 5 7177. 5 7041. 0泰安 Taian Y I( % ) 13. 5 23. 2 38. 7 19. 2 17. 2 15. 2
YT( kg∋hm- 2) 9364. 5 8322. 0 7279. 5 8047. 5 7912. 5 7776. 0保定 Baoding Y I( % ) 7. 6 15. 9 29. 9 13. 1 11. 8 10. 4
YT( kg∋hm- 2) 8067. 0 6955. 5 5844. 0 6789. 0 6706. 5 6624. 0太原 Taiyuan Y I( % ) 14. 5 28. 6 54. 0 23. 6 21. 1 18. 7
YT( kg∋hm- 2) 7729. 5 6753. 0 5775. 0 6489. 0 6360. 0 6231. 0
* 优良品种选用、栽培技术措施和防病治虫水平均为高水平 Levels of suitable variety select ion, cultivat ion technology and pest cont rol are high.


通过建立包括华南 TQ003、华南 T400、粤麦
6151、鄂麦 12、安农 92484、宁麦 9 号、徐州 25、
pH96
39、高优 503、京 411、京核 5号、中优 9507、龙
麦 19、克丰 6号、克旱 13 等 15个小麦品种特征数
据库,利用广州、南京、泰安、北京、哈尔滨 5 个生态
点常年气象资料以及品种库中的品种特性,着重对
2352 期










朱
艳等:小麦目标产量设计及适宜品种选择的动态知识模型








品种选择模型中的生理春化时间、抗冻性、光周期模
型进行了实例分析(表 3) . 结果表明, 所选品种与现
阶段 5 个 地 区 采 用 的 小 麦 栽 培 品 种 类
型[ 1, 2, 7, 8, 11, 13, 14]具有较好的一致性. 用类似的方法
可以对品种选择模型中的其它因子进行检验, 在此
不一一列举.
表 3
5个不同生态点常年品种选择结果
Table 3 Variety selection determined by knowledge model for five dif

ferent eco
sites during normal climatic year
品种
V ariety
所选品种的置信度
Confidence level of selected variety
广州
Guangzhou
南京
Nanjing
泰安
T aian
北京
Beijing
哈尔滨
Haerbin
粤麦 6151 Yuemai 6151 0. 89 - - - -
华南 T 400 Huanan T 400 0. 78 - - - -
华南 TQ003 Huanan TQ003 0. 78 - - - -
宁麦 9号 Ningmai 9 - 0. 84 - - -
安农 92484 Annong 92484 - 0. 71 - - -
鄂麦 12 Emai 12 - 0. 64 - - -
pH96- 39 - - 0. 85 - -
高优 503 Gaoyou 503 - - 0. 78 - -
徐州 25 Xuzhou 25 - - 0. 75 - -
京核 5号 Jinghai 5 - - - 0. 88 -
京 411 Jing 411 - - - 0. 72 -
中优 9507 Zhongyou 9507 - - - 0. 85 -
龙麦 19 Longmai 19 - - - - 0. 85
克旱 13 Kehan 13 - - - - 0. 73
克丰 6号 Kefeng 6 - - - - 0. 62
- 表示该品种不适宜在决策点种植 Indicat ing that the variety is unsuitable to
the decision site.
4
讨

论


在已有小麦栽培理论与技术研究积累的基础
上,通过解析小麦生长发育规律与品种类型、生态环
境和生产技术水平之间的动态关系,建立了具有时
空适应性的小麦播前产量目标设计和品种选择动态
知识模型.采用 Visual C+ + 6. 0为主要编程语言, 在
中文Windows 98 操作平台上开发了符合 COM 标
准的构件化知识模型系统, 并利用不同生态点、不
同历史产量水平、不同土壤肥力和肥水管理水平对
所建产量目标, 设计知识模型,进行了较全面的实例
分析;利用不同生态点、不同品种类型, 对所建品种
选择知识模型进行了实例分析.结果表明,模型具有
较好的决策性和适用性.


与传统的区域性小麦栽培模式[ 1, 2, 7, 8, 13, 14]及
栽培专家系统[ 12, 15]相比, 本模型在综合考虑决策点
光温生产潜力、历史平均产量水平、土壤肥力、肥水
管理水平和生产技术水平等诸多因子的基础上, 建
立了动态计算增产系数的定量模型;通过生理春化
时间、抗冻性、光周期敏感性、生育期长短、抗病性及
产量和品质指标等来定量描述品种类型及生态环境
与品种选择之间的动态关系, 并用相对权重法计算
了所选品种的置信度, 从而使模型具有较好的解释
性和广适性. 对模型测试分析的结果也反映了上述
定量算法的可靠性.
参考文献
1
Agricultural Department of S hangdong Province (山东省农业厅) .
1990. Wheat in S hangdong Provin ce. Beijing: China Agricultural
Press. ( in Chinese)
2
Cao G
C ( 曹广才) . 2001. Wheat in North China. Beijing: China
Agricultural Press. ( in Ch inese)
3
Cao W
X (曹卫星) . 2000. Intelligent crop culture: Combinat ion of
informat ion science and crop culture science. S ci T echnol Rev (科技
导报) , 139: 37~ 41 ( in Chinese)
4
Cao W
X ( 曹卫星 ) , Luo W
H ( 罗卫红 ) . 2000. Crop System
Simulat ion and Intelligent Management . Beijing: H uaw en Press.
124~ 128 ( in Chinese)
5
Chinese Academy of Agricultural Sciences ( 中国农业科学院 ) .
1999. Chinese Agrometeorology. Beijing: China Agricultural Press.
( in Chinese)
6
Cui D
C (崔读昌) . 1993. World Agroclimate and Crop Climate.
Hangzhou: Zhejiang S cience and Technology Press. 1 ~ 120 ( in
Chinese)
7
Guo S
Z (郭绍铮) , Peng Y
X(彭永欣) , Qiang W
P(钱维朴 ) .
1994. Tritical Crops S cience and Technology in Jiangsu Province.
Nanjing: Jiangsu Science and Technology Press. 121~ 313 ( in Ch i

nese)
8
Henan Academy of Agricultural Science (河南省农业科学院 ) .
1988. Wheat Culture Science in Henan Province. Zhengzhou:
Henan Scien ce and T echnology Press. ( in Chinese)
9
H uang B
W (黄秉维) . 1985. Natural Condit ion and Crop Produc

tion
Potent ial of Photosynthesis. Volume 17, Geography Collect ion
(地理集刊 17卷) . Beijing: China S cience Press. ( in Chinese)
10
Jing S
B ( 金善宝 ) . 1989. Study of Wheat Ecology. Hangzhou:
Zhejiang Science and Technology Press. ( in Chinese)
11
Jing S
B (金善宝) . 1996. Wheat Science in China. Beijing: China
Agricultural Press. ( in Ch inese)
12
Lemmon H. 1986. Comax: An expert system for cot ton crop man

agement . Science , 233: 29~ 33
13
Nanjing Agricultural U niversity (南京农业大学) . 1991. Crop Cul

ture Scien ce ( For the Middle an d Low er Area of Yangtze River) .
Beijing: China Agricultural Press. 99~ 144 ( in Chinese)
14
Shangdong Agricultural University (山东农学院) . 1991. Crop
Culture Science( Volume I, For North China) . Beijing: China Agri

cultural Press. 22~ 168 ( in Chinese)
15
Xiong F
L(熊范纶) . 1999. Agricultural Expert System and Devel

opment Tool. Beijing: Qinghua University Press. ( in Chinese)
16
Yan M
C (严美春) , Cao W
X(曹卫星) , Luo W
H(罗卫红 ) , et
al . 2000. A mechanist ic model of physic and phonological develop

ment in w heat I. Assum pt ion and description of the model. Chin J
Ap pl Ecol (应用生态学报) , 11( 3) : 355~ 359 ( in Chinese)
17
Zhang J
L (张军连) , Lin P(林
培) . 1994.A study on the calcu

lat ion model of the soil modification coef f icient for land potential
product ivity evaluat ion in Zhoulu County, H ebei. Chin J Nat Re

sour (自然资源学报) , 9( 3) : 260~ 270 ( in Chinese)
18
Zuo D
K (左大康 ) . 1991. Studies on Radiat ion in the Epigeo

sphere. Beijing: Science Press. ( in Ch inese)
作者简介
朱
艳, 女, 1976 年出生, 博士, 主要从事作物
模拟和信息农学方面的研究, 已发表论文 10 多篇. E
mail:
yanzhu@ njau. edu. cn
236 应
用
生
态
学
报

















15卷