黄 青，陈仲新，李丹丹，刘 佳，滕 飞

(1．中国农业科学院农业资源与农业区划研究所，北京 100081;2．农业部农业信息技术重点实验室，北京 100081)

1 引言

我国农业部遥感应用中心已经建立了业务化运行的中国农业遥感监测系统 (CHARMS，China Agricultural Remote Sensing Monitoring System)，从1998年业务化运行以来，已为我国农业生产决策提供了大量信息服务，产生了巨大的社会及经济效益［1-2］。但CHARMS系统中作物长势和产量的遥感监测目前还主要应用的是气象模型，遥感模型，统计模型等，一方面作物生长机理模型模拟的研究和应用还较薄弱，基于作物生物物理模型的产量预测还未纳入我国的农情遥感监测业务系统中;另一方面，这些模型并没有很好的加以整合，在农情遥感监测业务化运行中，这些相对独立的模型怎样进行最优化选择，模型结果缺乏统一的分析、对比和评价。

BioMA(Biophysical model application)是一个以作物模拟为目的的生物物理模型应用平台。该模型技术平台由意大利米兰大学 (UNIMI)，意大利农业研究委员会 (CRA)和欧盟联合研究中心 (European Commission，Joint Research Center(EU-GRC))共同开发，所有者为欧盟联合研究中心。

欧盟从1989年开始发起了农业遥感监测项目 (MARS，Monitoring Agriculture with Remote Sensing)。除了利于遥感技术进行大面积的农作物面积、长势、灾害、产量等的遥感监测外，欧盟联合研究中心的MARS项目组还不断开发并综合利用气象模型、作物模型、统计模型等进行作物产量的监测、预报［3］。在长期的研究及业务运行过程中，MARS项目组面临一些新的需求:如，对作物过程进行模拟的模型日益增多，某些模型参数初始化，或经过校正而固定后，这些参数一般作为简化的恒量在后续模型步骤中使用，如果某一模型参数不再适合特定情形 (例如作物的播种日期每年随着天气变量而变)，整个模拟过程，这可能包含数10个子模型，如气象模块、土壤模块、水分模块、作物模块、管理模块等所有模型都需要重新考虑其模拟过程;另一方面，在作物长势监测系统中 (CGMS，Crop Growth Monitoring System)，作物过程模拟的核心模块，如WOFOST等，缺乏考虑一些极端天气现象，如病虫害、持续高温、大风、冻害、持续干旱及洪水淹没等。如果在作物模拟预测中，根据实际情况，用极端天气模块代替之前一些简化的固定参数，则会大幅提高预测精度。因此，对基于极端天气现象进行模拟的模型工具的需求日益强烈，同时也迫切需要建立一个综合的模型平台，在对作物的生长发育过程进行模拟时，可以实现模型的自动最优化选择及不同模型结果的自动分析，对比和评价。

在这样的需求下，欧盟MARS农业监测项目组 (AGRI4CAST)在2008年开发了一个以作物模拟为目的的生物物理模型应用平台Biophysical model application，简称BioMA［4］。其设计和开发的目的是在空间数据和属性数据的支持下，基于大量的生物物理模型，寻求、分析并运行最优的、综合的模型解决方案。该应用基于独立的模型组分，对每一个模型组分都提供独立的算法代码及独立的软件开发包。因此，BioMA这种基于组分的结构使得其可以为了某一特定的模拟目标而综合利用分散的、独立的模型模块。这个应用平台可以不断加入新的模块、根据需要组合成新的模型解决方案，同时可以嵌入每个模型解决方案的模型参数敏感性分析 (Sensitivity Analysis)和模块优化选择器 (Optimizer)都使得BioMA一经发布 (第一个版本)就在欧盟27个成员国的水稻产量预测中取得了巨大的成功［5］。

因此，引进欧盟先进的BIOMA模型应用平台，将其嵌入中国农情遥感监测中的产量预测系统，建立新的、多模型整合的作物产量预测系统，提高现有作物产量预测精度，无疑具有非常重要的意义。

2 BioMA的技术框架

模型层、组分组合层及配置层是BioMA框架的核心，这其中每一层都可以独立应用，见图1［6］。模型层包含为了不同的模拟目的而独立开发的模型模块，如针对作物某一病害或虫害的模拟模块，土壤成分模拟模块，各种天气预测模拟模块，农业管理模拟模块，作物生长模拟模块等，这些模块可以单独运行完成某一特定模拟任务。同时，不同的模型还可以通过组合共同完成一个模拟过程，这里称之为模型解决方案［7］。例如，为了准确预测产量，需要对作物完整生长发育过程进行模拟，因此需要的模型解决方案可能包括病虫害模块、极端天气模块 (高温/低温/大风等)、作物生长过程模块、土壤水分模块及管理模块等，这些模型组分组合层构成了一个个不同的模型解决方案。配置层允许用户编辑模型使用信息、文本及调试模型参数等。

图1 BioMa应用层结构

目前已嵌入BioMA的模型解决方案达到十几个，包括针对水稻进行模拟的WARM-BlastDisease-Sterility模型解决方案，著名的CropSyst-Frost、WOFOST、APES、STICS、DSSAT等作物系统模型解决方案，模拟潜在病虫害的Potential Disease Infection模型解决方案，模拟农业气象因子的ClimIndices模型解决方案及模拟作物对环境适应性的Suitability模型解决方案等等［4，8-9］。

应用可以在模型层、组分组合层及配置层的任意层次进行。每个模型解决方案的应用都可以嵌入参数敏感性分析功能 (LUISA)、模型组件自动探寻功能 (Exploring Model Components)、模型综合评价 (Integrated Multi-metrics Model Analyzer)和模型参数自动校正及最优化选择功能 (Automatic Calibration and Optimizer)等工具软件，目前BioMA已经嵌入了7中不同的敏感性分析方法和不同模型结果的自动分析、评价功能软件［10］。

BioMA的数据层包括和作物模拟相关的各种数据库，如气象数据，土壤数据，作物分布数据，作物管理数据等，由于BioMA模型解决方案是以空间化网格为单元进行模拟，因此这些数据均需空间化。BioMA的平台结构为数据层提供了和其他数据库的方便链接，包括DB Oracle，PostgreSQL，XML，Database File System［10］等。

图2是BioMA的整体结构框架［11］。如上所述，该框架首先建立在完备的气象数据的支持之上，包括历史气象数据，模拟的未来气象数据，以及通过天气生成器生成的每时天气数据，然后针对不同的模拟需求，查询、探测不同的模型，如作物模拟需要的病害模型、虫害模型，土壤模型等;同时进一步分析并自动寻求最优的、综合的模型组合 (模拟解决方案)，通过模型参数敏感性分析和模型参数的优化校正，对不同的模型解决方案进行模型综合评价。作为努力在原型系统和业务化、可视化方向之间搭起桥梁的应用平台，该框架结构还包括结果输出的一系列可视化界面工具［12-13］。

图2 BioMA的结构框架［11］

3 BioMA技术平台的特点及模型工具简介

BioMA本身不是一个模型，它是一个框架、一个平台，更是一个应用［11］。它把不同的模型、不同的模型组合及具有不同分析、计算、评价功能的工具都放在了应用的平台上。因此它的优点显而易见。首先是扩展性和兼容性，BioMA是一个具有强大扩展功能的平台，它的模型解决方案是基于相互独立的模块运行的，它不但将简化或固定某一特定参数可能带来的风险降到了最低，而且研究人员可以不断加入新的或改进已有模块而不会妨碍整体模型的应用。其次是易操作性，BioMA中基于生物物理原理开发的模型是复杂的，但是BioMA搭起了原型系统和业务运行之间的桥梁，这样不同的用户都可以在这个平台上进行操作。例如，对于专家型用户来说，他们可以自己构建模型，加入算法;对于中级用户来说，他们不需了解这些复杂模型的开发过程，只需根据专业知识选择适用于不同情形的模型组件就可以完成模拟;对于初级用户或其他领域不了解模型功能的用户，他只需提出想要达到的目标，BioMA就会自动择优选择模型。再次是高效性和准确性，BioMA对每一个模型组分都提供了独立的算法代码及独立的软件开发包，借助于该平台，研究人员可以高效的修改或开发新的模块，同时，每个模型解决方案的应用都可以嵌入模型组件自动探寻功能、模型综合评价功能，模型参数自动校正及最优化选择功能等，从而使得针对某一特定目标进行模拟的准确性和效率都大为提高［6，14］。

BioMA的模型工具很多［7-9］，对每个模型组分或每个模型解决方案，BioMA都开发了相应的工具软件，他们可以单独使用，也可以直接嵌入BioMA界面，由于都采用图形用户界面形式，极大提高了其可操作性。比较成熟的模型工具主要包括天气生成器CLIMA(Weather Generator CLIMA)，农业管理配置生成器ACG(AgroManagement Configuration Generator)，模型参数编辑器MPE(Model Parameter Editor)，域类编码器DCC(Domain Classes Coder)，图像数据显示工具GDD(Graphic Data Display)，模型组件自动探寻工具MCE(Model Component Explorer)及模型输出评价工具SOE(Simulation Output Evaluator)等等。

4 BioMA在我国农业遥感监测中应用的可行性分析

MARS项目组在2008年开发了BioMA，并将其第一个版本应用在了欧盟27个成员国的水稻产量预测中，取得了巨大的成功，应用BioMA平台进行欧盟27国水稻产量预测目前已进入业务化运行阶段。该文以水稻为例，简要分析BioMA在我国农业遥感监测中应用的可行性。

我国是世界上的水稻生产大国，稻谷面积居世界第二位、总产居第一位、单产居第十位［15］。水稻在我国粮食生产和消费中历来处于主导地位。在过去30年中，水稻面积占我国粮食总面积的30%左右，稻谷产量占粮食总产量的40%左右，占谷物总产量的45%左右，占商品粮的50%左右。将欧盟BioMA中水稻产量预测模型引入中国农情遥感监测中，对及时了解水稻生产情况具有重要意义。

WARM(Water Accounting Rice Model)模型是MARS项目组为预测水稻产量特定开发的模型。WARM用辐射利用效率方法模拟水稻生长，但相比一些已有的水稻模型，如CERES-Rice或ORYZA，WARM模型更关注水稻生长过程而不仅是最后的产量，WARM模型以充分考虑水稻生长发育的典型特征 (如水稻田块里的微气象特征，病害、土壤水、管理、低温导致的小穗不育及再生等非生物胁迫环境，以及营养物质的循环等复杂过程)见优［6-17］。

中国农情遥感监测系统CHARMS中有WARM需要的气象数据，将这些数据经过质量检查，空间插值和数据格网化处理后作为BioMA的输入量;其他基础数据包括土壤数据的收集和空间化;水稻分布数据可利用农业部水稻监测本底数据，同时收集准备作物田间管理数据和数据格网化处理等。

在WARM模拟过程中，首先查询、探测模型库中的不同模型，对涉及的气象模块、土壤模块、水分模块、作物模块、管理模块、病虫害模块及低温冷冻害等模块通过参数校正及敏感性分析等，寻求最优的、综合的模型组合，从而形成独立的、针对水稻产量预测的综合模型解决方案，最后模拟结果借助Bio-MA可视化工具，在BioMA平台中直接输出。

WARM模型只是BioMA中水稻产量预测的案例之一，由于BioMA具有丰富的，基于生物物理过程的模型库，在中国其他作物的产量预测中同样具有重大的应用价值。

5 结论

综上所述，BioMA是一个先进的基于生物物理模型的作物模拟预测技术平台。一方面，它将先进的作物生长机理模型，如欧盟MARS中已经开发成熟的一些基于生物物理过程 (如冷冻害 (CropSyst)，作物生长 (WOFOST)，热 (Warm)，病虫害 (Disease)及不同天气状况 (ClimIndices)等的独立模型解决方案组件，动态嵌入该平台系统中，使作物长势和产量预测可以基于作物生长机理进行模拟，另一方面，这个带有强大拓展功能的模型技术平台可以组成不同的模型解决方案，不但能自动择优，还可以在这一个系统平台内对不同模型进行对比，分析和评价。

由于我国农业遥感监测系统CHARMS中还未纳入基于作物生物物理模型的产量预测系统，因此，引进这样一个模型技术平台，掌握包括平台工具及模型解决方案组件在内的核心技术，将BioMA模型嵌入目前中国农业部农情遥感监测中产量预测系统，将对提高现有作物产量预测精度将具有重要意义。

［1］黄青，王迪，刘佳．农情遥感监测中空间抽样技术研究现状与发展趋势．中国农业资源与区划，2009，(2):13～17

［2］HUANG Qing，WU Wenbin，ZHANG Li，et al．MODIS-NDVI-Based crop growth monitoring in China Agriculture Remote Sensing Monitoring System，Proceeding of IEEE，2010 Second IITA International Conference on Geoscience and Remote Sensing，2010，(2):287～290

［3］JRC-IES-MARS．The MARS Unit．［2010-06-15］http://mars．jrc．ec．europa．eu/mars/About-us/The-MARS-Unit

［4］JRC-IES-MARS．BioMA-Biophysical Models Applications．［2012-08-01］http://bioma．jrc．ec．europa．eu/bioma/help

［5］Donatelli，M．，Srivastava A．K．，Duveiller G．，et al．Estimating Impact Assessment and Adaptation Strategies under Climate Change Scenarios for Crops at EU27 Scale．2012 International Congress on Environmental Modeling and Software Managing Resources of a Limited Planet．http://www．iemss．org/society/index．php/iemss-2012-proceedings

［6］Donatelli M．，Cerrani I．，Fanchini D．，et al．Enhancing model reuse via component-cantered modeling frameworks:the vision and example realizations．2012 International Congress on Environmental Modeling and Software Managing Resources of a Limited Planet．http://www．iemss．org/society/index．php/iemss-2012-proceedings

［7］Confalonieri R．，Bregaglio S．，Stella T．，et al．2012．An extensible，multi-model software library for simulating crop growth and development．2012 International Congress on Environmental Modeling and Software Managing Resources of a Limited Planet．http://www．iemss．org/society/index．php/iemss-2012-proceedings

［8］Confalonieri，R．，Monte Carlo based sensitivity analysis of two crop simulators and considerations on model balance．European Journal of Agronomy，2010，33(2):89～93，

［9］Confalonieri R．．(on behalf of the AGRI4CAST Team)The AGRI4CAST tools:The BioMA application．A Presentation at JRC，Ispra，Italy．［2011-03-18］

［10］Donatelli M．．(on behalf of the MARS-AGRI4CAST Development Team)Software and model developments at AGRI4CAST．A Presentation at JRC，Ispra，Italy．［2010-09-08］

［11］Confalonieri R．，Donatelli M．，Fumagalli D．BioMA-framework，platform，applications．A Presentation at Chinese Academy of Agricultural Science，Beijing，China，［2012-12-06］

［12］CRA．Tools for Agro-Meteorology and Biophysical Modelling．［2012-12-01］http://agsys．cra-cin．it/tools/default．aspx

［13］APES．Agricultural Production and Externalities Simulator．［2012-12-01］http://www．apesimulator．org

［14］Confalonieri，R．，M．Acutis，G．Bellocchi，M．et al．Multi-metric evaluation of the models WARM，CropSyst，and WOFOST for rice，Ecological Modelling，2009，220(11):1395～1410

［15］翟虎渠．农业概论，北京:高等教育出版社．1999

［16］Alexandra Rosenmund．AGRI4CAST-Crop production forecasts and rice monitoring．A Presentation at JRC，Ispra，Italy，［2011-11-07］

［17］Water Accounting Rice Model(WARM)．［2011-08-01］http://mars．jrc．ec．europa．eu/mars/About-us/AGRI4CAST/Models-Software-Tools/Water-Accounting-Rice-Model-WARM