關(guān)鍵詞：作物生長模型；精準(zhǔn)農(nóng)業(yè)；糧食作物；經(jīng)濟(jì)作物

0 引言

隨著鄉(xiāng)村振興戰(zhàn)略的逐步推進(jìn)，數(shù)字化已成為農(nóng)村發(fā)展動能轉(zhuǎn)變的重要節(jié)點(diǎn)，而數(shù)字農(nóng)村把數(shù)據(jù)技術(shù)植入到農(nóng)村全過程中，以技術(shù)價(jià)值鏈融合了農(nóng)村參與者，可以顯著提升農(nóng)業(yè)生態(tài)環(huán)境及農(nóng)產(chǎn)品產(chǎn)量、質(zhì)量。2023年，在中央1號文件《中共中央 國務(wù)院關(guān)于做好2023年全面推進(jìn)鄉(xiāng)村振興重點(diǎn)工作的意見》指出，要深入實(shí)施數(shù)字鄉(xiāng)村發(fā)展行動，推動數(shù)字化應(yīng)用場景研發(fā)推廣，加快農(nóng)業(yè)農(nóng)村大數(shù)據(jù)應(yīng)用，推進(jìn)智慧農(nóng)業(yè)發(fā)展[1]。

農(nóng)業(yè)發(fā)展至今共經(jīng)歷4個(gè)時(shí)代，而數(shù)字農(nóng)業(yè)則是自2017年發(fā)展至今的農(nóng)業(yè)4.0時(shí)代產(chǎn)物[2]。數(shù)字農(nóng)業(yè)致力于控制作物生產(chǎn)的全過程，智能化調(diào)控水、肥、氣等作物生長必需的環(huán)境因素，將投入的成本降至最低，使收益最大化。當(dāng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈及機(jī)器學(xué)習(xí)等數(shù)字技術(shù)與農(nóng)業(yè)耦合時(shí)，能夠利用數(shù)字創(chuàng)新的戰(zhàn)略杠桿，撬動更高的農(nóng)業(yè)產(chǎn)品質(zhì)量與經(jīng)濟(jì)效益，進(jìn)而大幅度提升競爭力[3]。作為一種新型農(nóng)業(yè)模式，數(shù)字農(nóng)業(yè)在很大程度上提高了農(nóng)業(yè)生產(chǎn)效率，是“十四五”時(shí)期與全面推進(jìn)鄉(xiāng)村振興重要節(jié)點(diǎn)下的農(nóng)業(yè)創(chuàng)新發(fā)展路徑[4-5]。

數(shù)字農(nóng)業(yè)是促進(jìn)我國由農(nóng)業(yè)大國向農(nóng)業(yè)強(qiáng)國發(fā)展的途徑，也是農(nóng)業(yè)現(xiàn)代化發(fā)展的旗幟[6]。數(shù)字農(nóng)業(yè)是解決“三農(nóng)”問題的寶典，并將為全面推進(jìn)鄉(xiāng)村振興發(fā)展起到積極影響[7]。農(nóng)業(yè)農(nóng)村部、中央網(wǎng)絡(luò)安全和信息化委員會辦公室印發(fā)的《數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展規(guī)劃》提出，建設(shè)數(shù)字農(nóng)業(yè)集成、數(shù)字種植業(yè)、數(shù)字畜牧業(yè)、數(shù)字漁業(yè)、數(shù)字種業(yè)和數(shù)字農(nóng)業(yè)裝備等領(lǐng)域國家創(chuàng)新中心[8]。

目前，關(guān)于數(shù)字農(nóng)業(yè)影響因素的研究較多。黃卓等[9]研究發(fā)現(xiàn)，數(shù)字農(nóng)業(yè)發(fā)展融資難的問題可以通過數(shù)字金融得以解決。鐘文晶等[10]認(rèn)為，現(xiàn)代數(shù)字農(nóng)業(yè)技術(shù)急需解決過度依賴的弊端，以促進(jìn)數(shù)字農(nóng)業(yè)高質(zhì)量進(jìn)步。陳加乙[11]認(rèn)為，大數(shù)據(jù)的發(fā)展促進(jìn)了數(shù)字化生產(chǎn)力的發(fā)展，從而推動數(shù)字農(nóng)業(yè)高質(zhì)量發(fā)展。陸剛[12]研究表明，產(chǎn)業(yè)互聯(lián)網(wǎng)平臺能夠有效促進(jìn)數(shù)字農(nóng)業(yè)發(fā)展。趙亮[13]研究表明，農(nóng)村經(jīng)濟(jì)振興戰(zhàn)略也可以促進(jìn)數(shù)字農(nóng)業(yè)發(fā)展。舒圣寶等[14]從數(shù)字農(nóng)業(yè)的內(nèi)涵、發(fā)展模式、存在的問題、發(fā)展路徑、評價(jià)指標(biāo)體系和國際經(jīng)驗(yàn)等方面進(jìn)行綜述，對數(shù)字農(nóng)業(yè)現(xiàn)有的研究進(jìn)行評述與展望。已有研究結(jié)果對數(shù)字農(nóng)村發(fā)展做出了歸納和總結(jié)，指出了數(shù)字農(nóng)村目前存在的問題，也為今后發(fā)展提供了切實(shí)可行的規(guī)劃意見。

本研究針對數(shù)字農(nóng)業(yè)中重要部分——作物生長模型，通過關(guān)鍵詞選定，采用文獻(xiàn)檢索、可視化等分析方法，將收錄于中國知網(wǎng)的文獻(xiàn)進(jìn)行分析，以期了解數(shù)字農(nóng)業(yè)發(fā)展遇到的問題，促進(jìn)我國作物生長模型的構(gòu)建和發(fā)展。將更多農(nóng)作物生長過程量化以減少病蟲害或者極端天氣等不利因素對整體農(nóng)業(yè)形勢的影響，進(jìn)而促進(jìn)農(nóng)業(yè)的長效發(fā)展。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

數(shù)據(jù)主要來源于中國知網(wǎng)。利用中國知網(wǎng)的高級檢索功能，以生長模型為一級關(guān)鍵詞，進(jìn)行模糊檢索，并將文獻(xiàn)的發(fā)表時(shí)間設(shè)定為2003—2023年（數(shù)據(jù)收集時(shí)間截至2023年7月），學(xué)科勾選為林業(yè)、農(nóng)作物、農(nóng)業(yè)基礎(chǔ)科學(xué)、農(nóng)藝學(xué)和植物保護(hù)5大類，檢索出的中文文獻(xiàn)共有1275篇，其中包含865篇來自學(xué)術(shù)期刊、387篇學(xué)位論文，以及23篇來自會議、成果等。文獻(xiàn)來源范圍廣泛，可作為研究樣本。

本研究對糧食作物、經(jīng)濟(jì)作物兩大類農(nóng)作物進(jìn)行分析，通過人工篩選，在數(shù)據(jù)庫中已選出的結(jié)果中以糧食作物、經(jīng)濟(jì)作物為關(guān)鍵詞進(jìn)行檢索，檢索出糧食作物相關(guān)中文文獻(xiàn)共計(jì)274篇，經(jīng)濟(jì)作物相關(guān)中文文獻(xiàn)698篇，剩余文獻(xiàn)與本研究主題不符，遂不予選作研究樣本，將所收集文獻(xiàn)進(jìn)行整理作為本次可視化分析的數(shù)據(jù)來源。

1.2 研究方法

CiteSpace是一種通過繪制的科學(xué)知識圖像達(dá)到為文獻(xiàn)系統(tǒng)實(shí)現(xiàn)分時(shí)段、動態(tài)、多層次的信息可視化研究的軟件，也是用研究圖譜的形態(tài)表現(xiàn)某一學(xué)科，或某一學(xué)科某個(gè)方面在一個(gè)特殊階段內(nèi)的研究熱點(diǎn)、某一特殊時(shí)期內(nèi)的研究趨勢等[15]。將研究文獻(xiàn)進(jìn)行篩選、分析和整理，排除無關(guān)文獻(xiàn)，提煉出與作物生長模型具有相關(guān)性的文獻(xiàn)，作為CiteSpace的分析素材，運(yùn)用CiteSpace6.1.6對所選文獻(xiàn)進(jìn)行聚類分析和相關(guān)中心度計(jì)算。

將作物生長模型作為一個(gè)整體進(jìn)行系統(tǒng)性分析，再按照關(guān)鍵詞分別從糧食作物和經(jīng)濟(jì)作物兩個(gè)方面分析作物生長模型的關(guān)鍵詞、中心度等，從而通過可視化分析，探究目前作物生長模型的研究重點(diǎn)和發(fā)展趨勢，為作物生長模型的后續(xù)發(fā)展提供借鑒意義。

2 數(shù)據(jù)分析

2.1 作物生長模型總體情況

2.1.1 發(fā)文量

對中國知網(wǎng)收錄、滿足發(fā)布時(shí)間在2003—2023年的相關(guān)文獻(xiàn)進(jìn)行發(fā)文量研究，經(jīng)過CiteSpace數(shù)據(jù)格式轉(zhuǎn)換，1275篇文獻(xiàn)中系統(tǒng)識別的文獻(xiàn)共有1245篇，按照年份順序制成折線圖，如圖1所示。國家農(nóng)業(yè)政策的頒布一定程度上影響了作物生長模型的研究數(shù)量[16-19]。

由圖1可知，作物生長模型研究的發(fā)文量總體呈波動趨勢，各年的發(fā)文量大概分布在40～80篇。2003年，相關(guān)作物生長模型的發(fā)文量最低，僅34篇。但在2015年作物生長模型有90篇相關(guān)研究，達(dá)到近20年發(fā)文量的頂峰。并且，作物生長模型發(fā)文量在2003—2008年有小幅波動上升，但由于計(jì)算機(jī)信息等技術(shù)的發(fā)展滯后，還處于研究較少的階段。2008年之后發(fā)文量有了大幅變化，作物生長模型開始迅速發(fā)展，加之植物生理學(xué)等相關(guān)學(xué)科知識的發(fā)展完善及越來越智能的計(jì)算機(jī)技術(shù)予以輔助，作物生長模型在此階段達(dá)到發(fā)展頂峰時(shí)期。

2.1.2 發(fā)文機(jī)構(gòu)分布

根據(jù)中國知網(wǎng)檢索的結(jié)果，對作物生長模型發(fā)文機(jī)構(gòu)的分析如表1所示。林業(yè)類相關(guān)院校與農(nóng)業(yè)類相關(guān)院校是研究作物生長模型的主力軍。其中，北京林業(yè)大學(xué)、東北林業(yè)大學(xué)、中南林業(yè)科技大學(xué)和南京農(nóng)業(yè)大學(xué)等發(fā)文量較高，而北京林業(yè)大學(xué)遠(yuǎn)遠(yuǎn)超過了其他院校，出現(xiàn)了斷層式的領(lǐng)先。另外，中國林業(yè)科學(xué)院資源信息研究所、南京信息工程大學(xué)等對作物生長模型的研究也較多，表明作物生長模型的研究不僅需要農(nóng)業(yè)和林業(yè)技術(shù)支持，也需要其他技術(shù)的輔助，如信息工程技術(shù)、資源環(huán)境信息技術(shù)、計(jì)算機(jī)科學(xué)技術(shù)等。

2.1.3 聚類分析

將2003—2023年的文獻(xiàn)導(dǎo)入CiteSpace中進(jìn)行聚類分析，經(jīng)過數(shù)據(jù)格式轉(zhuǎn)換，系統(tǒng)識別的文獻(xiàn)共有1245篇，聚類分析結(jié)果如圖2所示。

由圖2可知，10組類群分別是#0 生長模型、#1 遙感、#2 生長規(guī)律、#3 產(chǎn)量、#4 啞變量、#5 生物量、#6 小麥、#7 水稻、#8 云南松和#9 主伐年齡。關(guān)鍵詞頻次也集中在生長模型、生長規(guī)律、生物量等方面，提及數(shù)量最多的作物為冬小麥、人工林等，如表2所示。在作物生長模型的聚類分析中，頻次較高的關(guān)鍵詞有生長規(guī)律、人工林、生物量和胸徑等，概括性的總結(jié)了作物生長模型研究過程中的研究對象及用到的參數(shù)變量和方法。趙敏等[20]在總結(jié)并研究已有基于森林資源清查資料的微生物含量估計(jì)分析方法的基礎(chǔ)上，根據(jù)森林資源清查資料的主要特征，研究了基于森林資源清查資料的微生物含量估計(jì)的主要影響因子，指出其未來的研究發(fā)展目標(biāo)。

作物生長模型的第2大類群是遙感技術(shù)。遙感作為一種對地信息的探測手段，用于作物產(chǎn)量監(jiān)測，其本質(zhì)過程仍然是遙感信息作為輸入變量或參數(shù)，直接或間接地表達(dá)作物生長發(fā)育和產(chǎn)量形成過程中的影響因素，單獨(dú)或與其他非遙感信息相結(jié)合，依據(jù)一定的原理和方法構(gòu)建產(chǎn)量模型，進(jìn)而驅(qū)動模型運(yùn)行的過程[21-22]。尤其是針對冬小麥的作物生長模型，遙感技術(shù)發(fā)揮了重要作用。李冰等[23]通過對無人機(jī)觀測系統(tǒng)獲取的數(shù)據(jù)進(jìn)行分析，獲取了冬小麥在不同生長時(shí)期的覆蓋度變化情況，研究結(jié)果有助于分析低空無人機(jī)平臺在作物生長狀態(tài)檢測等方面的適用性。王鵬新等[24]進(jìn)行了基于遙感多參數(shù)和IPSO-WNN的冬小麥單產(chǎn)估計(jì)的研究，選擇了冬小麥主要生長期內(nèi)與水分脅迫和光合等因素有關(guān)的主要植被溫度指標(biāo)（vegetationtemperatureconditionindex，VTCI）、葉面積指數(shù)（leafareaindex，LAI）和光合有效輻射吸收比率（fractionofabsorbedphotosyntheticallyactiveradiation，F(xiàn)PAR）作為遙感特征參數(shù)，改善梯度下降方法易陷入局部最優(yōu)的缺陷，并構(gòu)建冬小麥產(chǎn)量估測模型。

研究人員在作物生長模型研究中多次應(yīng)用的名詞是啞變量。啞變量是指用以反映質(zhì)的屬性的一個(gè)人工變量，是量化了的自變量，通常取值為0或1。引入啞變量可使線性回歸模型變得更復(fù)雜，但對問題描述更簡明，一個(gè)方程能達(dá)到兩個(gè)方程的作用，而且接近現(xiàn)實(shí)。陳東升等[25]在進(jìn)行關(guān)于落葉松人工林大中徑材優(yōu)化經(jīng)營模式的研究中，用區(qū)域號作為啞變量，代表樣地立地信息，在傳統(tǒng)模型中引入此啞變量，進(jìn)行回歸，擬合各區(qū)域的林分調(diào)查因子預(yù)估模型，解決了各區(qū)域分量與總體總量相容一致性的問題。

除了啞變量，胸徑也是生長模型不可或缺的一項(xiàng)參數(shù)。胸徑又稱干徑，指喬木主干離地表面胸高處的直徑，斷面畸形時(shí)，測取最大值和最小值的平均值。不同喬木的胸徑有差異，不同的國家對胸徑的規(guī)定也有差別。我國和大多數(shù)國家胸徑位置定為地面以上1.3m處。羅恒春等[26]進(jìn)行了有關(guān)滇中地區(qū)云南松林分胸徑生長模型的研究，經(jīng)過不斷地計(jì)算和檢驗(yàn)，證明對云南松林分平均胸徑生長影響較大的環(huán)境因子分別為林齡、地位級指數(shù)、風(fēng)速、郁閉度和相對濕度等。牟春燕[27]采用了3D角規(guī)法和攝影測量法在宜興市國有林場用手持式電子測樹槍和MINI型攝影測樹儀對毛竹竹高、胸徑等數(shù)據(jù)進(jìn)行連續(xù)兩個(gè)月的觀測，掌握毛竹的生長規(guī)律，總結(jié)出毛竹生長狀態(tài)隨筍出土?xí)r間的變化模型。

2.2 糧食作物生長模型

2.2.1 發(fā)文量

由圖3可知，針對糧食作物生長模型研究的發(fā)文量波動較大，大致在15篇上下波動，2012年達(dá)到近20年發(fā)文量的峰值，共計(jì)26篇，此時(shí)，對糧食作物的研究數(shù)達(dá)到一個(gè)極值，其后大幅下降，2014年跌至谷底，經(jīng)歷了4年（2015—2018年）的波動，最終在2020再次突破20篇，此后再次陷入研究低谷。

2.2.2 發(fā)文機(jī)構(gòu)分布

由表3可知，南京農(nóng)業(yè)大學(xué)、中國農(nóng)業(yè)大學(xué)、西北農(nóng)林科技大學(xué)等農(nóng)業(yè)專業(yè)院校對糧食作物生長模型的研究較多，此外還有很多氣象專業(yè)、資源環(huán)境專業(yè)、信息專業(yè)的相關(guān)研究所也對此進(jìn)行了較多的研究，如中國氣象科學(xué)研究院、重慶市氣象科學(xué)研究所等。

2.2.3 聚類分析

由圖4可知，相關(guān)文獻(xiàn)的關(guān)鍵詞可以分成生長模型、產(chǎn)量、遙感、冬小麥、作物模型、水稻和小麥7個(gè)關(guān)鍵詞分組。在生長模型這一分組中，出現(xiàn)了相關(guān)旱澇災(zāi)害、災(zāi)后恢復(fù)等關(guān)鍵詞。張建華[28]為了明確洪澇災(zāi)害對水稻生長過程的定量影響，完善現(xiàn)有的水稻生長模型，進(jìn)行了大量研究，發(fā)現(xiàn)淹水對水稻的孕穗期影響最大，在此基礎(chǔ)上構(gòu)建了澇害對水稻物質(zhì)分配的定量影響和災(zāi)后恢復(fù)模型。

第2個(gè)中心度比較高的關(guān)鍵詞是遙感。遙感通過遠(yuǎn)距離的探測，將糧食作物的生長情況進(jìn)行實(shí)時(shí)反饋，能更詳盡了解糧食作物的生理特性。朱烔[29]通過模擬不同區(qū)域的小麥生長環(huán)境得到模擬數(shù)據(jù)庫，再通過模擬訓(xùn)練不同日期組合的隨機(jī)森林回歸模型，最后將哨兵?2高分辨率衛(wèi)星影像反演的LAI輸入模型集中得到區(qū)域單產(chǎn)。具有觀測范圍大、與觀測樣本無接觸特點(diǎn)的遙感技術(shù)，不僅能有利于推動精準(zhǔn)農(nóng)業(yè)相關(guān)產(chǎn)業(yè)的發(fā)展，還能助力科技興農(nóng)政策的推進(jìn)。

值得關(guān)注的關(guān)鍵詞還有產(chǎn)量，農(nóng)作物產(chǎn)量一直是一個(gè)關(guān)鍵數(shù)值，通過選育優(yōu)質(zhì)品種或者改變農(nóng)作物生長環(huán)境達(dá)到提高糧食產(chǎn)量的目的，以及降低極端惡劣環(huán)境對糧食產(chǎn)量帶來的負(fù)面影響，是研究人員一直在攻克的難題。孫挺[30]進(jìn)行了花后高溫對水稻生長及產(chǎn)量形成影響的模擬研究，研究結(jié)果對準(zhǔn)確評估未來氣候變化下的作物生產(chǎn)力發(fā)揮重要作用。

針對小麥、玉米等具體作物的研究，研究內(nèi)容包括但不限于糧食作物的施肥情況、葉面積、生產(chǎn)潛力和各時(shí)期糧食作物的生長特點(diǎn)等。

2.3 經(jīng)濟(jì)作物生長模型

2.3.1 發(fā)文量

由圖5可知，近20年，經(jīng)濟(jì)作物生長模型發(fā)展總體呈現(xiàn)上升的趨勢，其發(fā)文總量大于糧食作物發(fā)文量。2012年后的10年間，經(jīng)濟(jì)作物生長模型發(fā)文量在40～50篇，其中2015年發(fā)文量達(dá)到頂峰。并且與2012年前10年的發(fā)文量相比，后10年的發(fā)文量增長1倍。由此可見，對經(jīng)濟(jì)作物生長模型的研究隨著各項(xiàng)技術(shù)的發(fā)展正在逐步推進(jìn)。

2.3.2 發(fā)文機(jī)構(gòu)分布

由表4可知，與糧食作物的發(fā)文院校不同，對于經(jīng)濟(jì)作物的研究大多集中在北京林業(yè)大學(xué)、東北林業(yè)大學(xué)、西北農(nóng)林科技大學(xué)和福建農(nóng)林大學(xué)等林業(yè)相關(guān)類院校，中國林業(yè)科學(xué)研究院資源信息研究所、國家林業(yè)局調(diào)查規(guī)劃設(shè)計(jì)院等林業(yè)研究、林業(yè)調(diào)查等研究院所對經(jīng)濟(jì)作物的研究也有較大的貢獻(xiàn)。

2.3.3 聚類分析

對經(jīng)濟(jì)作物進(jìn)行聚類分析的結(jié)果如圖6所示，共分為生長模型、生長規(guī)律、胸徑、生物量、啞變量、杉木、天然林、云南松、分配格局、產(chǎn)量差、混合效應(yīng)、差分方程、產(chǎn)量和競爭因子14個(gè)關(guān)鍵詞類群。不同于糧食作物的分析結(jié)果，對于經(jīng)濟(jì)作物生長模型的關(guān)鍵詞分析主要集中在樹干解析、樹高、天然林、杉木和云南松等詞條下。

樹干分析是從樹干的基部到樹梢頂端為止，每隔一定距離所取的橫切面，根據(jù)年輪可以調(diào)查直徑生長經(jīng)過，畫出通過樹干中心而連接起來的縱切面圖（樹干解析圖），以推測直徑、樹高和材積生長過程的方法。黃松殿等[31]采用樹干解析的方法對桂西南地區(qū)擎天樹人工林的生長規(guī)律進(jìn)行研究，其中，樹高、胸徑的最優(yōu)生長模型是理查德模型，材積最優(yōu)生長模型為考爾夫模型。

對于天然林的生長模型研究重點(diǎn)在于保護(hù)和可持續(xù)發(fā)展。近年來，隨著人們對各類自然資源的開發(fā)，天然林覆蓋面積有所減少，天然林出現(xiàn)了不同程度的退化，影響了森林資源質(zhì)量，不利于生態(tài)文明建設(shè)[32]。

3 作物生長模型發(fā)展局限性

隨著作物生長模型不斷在實(shí)踐中應(yīng)用，暴露出的問題也越來越多，現(xiàn)有作物生長模型在極端氣候效應(yīng)模擬、區(qū)域生產(chǎn)力預(yù)測、管理方案設(shè)計(jì)、環(huán)境效應(yīng)評估等方面還有待進(jìn)一步改進(jìn)和完善，迫切需要提出機(jī)理性與預(yù)測性兼?zhèn)涞木C合性作物生長模型及決策支持系統(tǒng)[33-39]。復(fù)雜多變的天氣狀況、計(jì)算機(jī)能力的制約及輸入數(shù)據(jù)等因素都會影響作物生長模型的構(gòu)建與應(yīng)用[40]。

3.1 作物生長模型受復(fù)雜多變天氣的影響

由于模型的建立是實(shí)際經(jīng)驗(yàn)和理論的結(jié)合，所以模型的精確度不高，并且各個(gè)地區(qū)實(shí)際的環(huán)境因子情況也不一樣，所以會出現(xiàn)模擬模型與實(shí)際情況不符的情況。作物生長模型的建立一般采用假定環(huán)境的方法，假定某地區(qū)的土壤、水分、空氣等環(huán)境因素是同步變化的，但實(shí)際田間的土壤各部分所含的濕度、肥料條件等都是不相同的。并且，由于天氣瞬息萬變，會突發(fā)很多限制農(nóng)作物生長或者造成農(nóng)作物減產(chǎn)的因素。所以，模型的建立勢必存在一定的誤差。

其次，多變的天氣給作物生長模型帶來較大的不確定性。即便是通用循環(huán)模型（globalclimatemodel，GCM）也尚無法可靠預(yù)測氣候變化，如干旱和暴風(fēng)雨頻率的變化等可能會嚴(yán)重影響農(nóng)作物的產(chǎn)量[40]。

3.2 作物生長模型受計(jì)算機(jī)能力的限制

作物生長模型受計(jì)算機(jī)技術(shù)發(fā)展情況的限制，由于目前人類對計(jì)算機(jī)能力的了解還不夠，要想模型越準(zhǔn)確所需要的公式或者參數(shù)就會越多，相應(yīng)的模擬模型也會更加復(fù)雜。對于使用者來說，模擬模型會難以操作，因此在保證模型準(zhǔn)確的前提下，研究人員要盡可能多地減少參數(shù)、簡化變量，使操作更簡便。

3.3 作物生長模型受輸入數(shù)據(jù)的約束

作物生長模型是一項(xiàng)應(yīng)用于全國范圍乃至全球范圍的數(shù)學(xué)模型，因此如何將作物生長模型的應(yīng)用范圍擴(kuò)展是擺在研究人員面前一項(xiàng)難題。結(jié)合地統(tǒng)計(jì)學(xué)方法處理空間變異信息是目前比較常用的技術(shù)。如結(jié)合空間分析技術(shù)（geographicinformationsystem，GIS），將空間不均勻的氣候、土壤、作物和水文要素劃分成均質(zhì)性單元，然后在每個(gè)單元分別運(yùn)行作物模型，最后再通過GIS的空間分析能力將各單元模擬結(jié)果進(jìn)行合并處理，以便獲得整體仿真成果的空間分布[41]。這類技術(shù)一定程度上解決了作物生長模型的推廣問題，但由于作物生長所需的養(yǎng)分水分并不是一成不變的，是根據(jù)作物生長情況、周圍環(huán)境狀況等因素實(shí)時(shí)變化的，因此，結(jié)合地統(tǒng)計(jì)學(xué)方法只能暫時(shí)解決這項(xiàng)難題。

4 結(jié)束語

本研究通過在中國知網(wǎng)檢索關(guān)于作物生長模型的文獻(xiàn)研究表明，經(jīng)濟(jì)作物的文獻(xiàn)明顯多于糧食作物，并且對于經(jīng)濟(jì)作物的研究范圍也遠(yuǎn)遠(yuǎn)大于糧食作物，對于經(jīng)濟(jì)作物生長模型的研究大多是針對杉木、落葉松、云南松等經(jīng)濟(jì)價(jià)值比較高的樹種，通過利用樹干解析等方法，通過研究胸徑等，分析總結(jié)經(jīng)濟(jì)作物的生長過程，提高經(jīng)濟(jì)作物的生產(chǎn)效率，規(guī)范農(nóng)民對經(jīng)濟(jì)作物的種植。

對于糧食作物的研究雖然不及經(jīng)濟(jì)作物范圍廣，但已經(jīng)有了很多層面的研究，主要是針對玉米、小麥等常見的糧食作物開展研究，這些研究廣泛應(yīng)用了遙感技術(shù)，通過遠(yuǎn)距離、不接觸，實(shí)時(shí)監(jiān)測作物的生長情況，預(yù)防作物生長狀況欠佳、作物遇病蟲害等事件對糧食產(chǎn)量的影響。

對作物生長模型目前發(fā)展存在的局限性分析表明，針對作物生長模型的不足進(jìn)行改善和加強(qiáng)，并且不斷更新已經(jīng)構(gòu)建好的模型，使模型的準(zhǔn)確性和普適性得到顯著提高。