一、成果概述
Overview
1.1成果技术路线
本成果的技术路线见《成果一 作物模型本地化参数体系与多时效生长产量动态预测技术路线图》：以"构建本地化参数体系，实现从季末总产估算向生育期内连续预测的转变"为主线，由六个技术模块组成。上层三个模块构成预测主链：①模型本地化参数体系，完成 APSIM-Cotton、APSIM-Wheat、RZWQM2 的本地化率定，生育期与产量模拟 R² ≥ 0.90，土壤精细参数化按 10 cm 分层；②动态气象驱动，融合站点观测、再分析资料与短期数值预报，形成日尺度动态驱动体系；③多时效预测技术，形成 1～9 天短期预测（NRMSE 1.3%～3.24%）与基于 18 个相似年型的集合预报（产量误差 < 4%）。下层三个模块面向生产决策：④棉花产量形成机理（品种密度耦合、氮素运筹优化、水氮运筹优化），⑤冬小麦播期密度优化（适宜播期窗口、最佳密度、年型定策方法），⑥无人机遥感监测（苗期密度普查、长势营养 SPAD 估算、脱叶后产量预估）。
1.2成果简介
面向新疆棉花、小麦生产长期缺乏"何时管、长势如何、产量几何"定量决策工具的问题，本成果以作物生长模型的本地化改造为切入点，完成了 APSIM-Cotton、APSIM-Wheat、RZWQM2 三个主流作物模型在北疆膜下滴灌机采棉与灌溉冬小麦条件下的品种、土壤与管理参数本地化率定与验证，生育期与产量模拟决定系数普遍在 0.90 以上；融合站点观测、再分析资料与短期数值预报，构建日尺度动态气象驱动体系并嵌入作物模型；提出基于历史相似年型拼接的集合滚动预测方法，形成 1～9 天多时效生长与产量动态预测技术。
在此基础上，成果向下延伸形成基于消费级与多光谱无人机的棉田苗情普查、长势与营养诊断、脱叶后产量快速估测三类感知手段，向上延伸形成棉花"品种×密度"、冬小麦"播期×密度"、棉花水氮运筹等管理参数的定量优化方案，构成"感知—模拟—预测—决策"贯通的技术链。成果实现了由"季末总产估算"向"生育期内连续预测、动态调整"的转变，为区域农业技术部门制定技术指导意见、为农场和合作社开展播前与生育期决策提供了可参数化、可复制的工具基础。
成果以昌吉市华兴农场为核心试验示范基地，取得授权实用新型专利 1 项、计算机软件著作权 3 项，支撑发表学术论文 10 篇；"基于 Django 框架的小麦生长可视化及决策平台 V1.0"等软件系统已部署运行。课题整体技术模式在示范区 2025 年现场测产中实现小麦增产 7.29%、棉花增产 13.17%。
本节正文约 640 字二、成果技术体系构成
Technical Architecture
本成果按"参数—驱动—预测—优化—感知—载体"六个层次组织，各层在数据上前后衔接：本地化参数层与动态气象驱动层为作物模型提供可信输入，多时效预测层输出生育期内的连续预测结果，管理参数优化层将模型情景模拟转化为可执行的播期、密度与水氮方案，遥感感知层为模型提供田块尺度的实况校验，软件载体层承担成果的工程化落地。
2.1本地化参数层：三类作物模型参数体系
课题在昌吉等地布设多地点、多年份定位试验，系统获取不同品种、播期、密度和水肥处理下的生育期、株高、叶面积指数、地上部生物量、根系分布和产量数据，对 APSIM-Cotton、APSIM-Wheat 与 RZWQM2 的品种、土壤与管理参数进行本地化率定。率定中引入 EFAST 全局敏感性分析，形成"先定关键参数、再定次要参数"的分层率定流程。
| 参数 | 含义 | 新农大棉 1 号 | 新陆早 73 号 | 欣试 518 |
|---|---|---|---|---|
percent_l | 衣分 | 44 | 43 | 44 |
scboll | 单铃重 | 6.5 | 6 | 6.5 |
respcon | 呼吸常量 | 0.02226 | 0.01979 | 0.02263 |
sqcon | 果节产生经验系数 | 0.0232 | 0.02101 | 0.0201 |
flai | 叶面积生长速率修正值 | 0.89 | 0.91 | 0.9 |
DDISQ | 播种到现蕾的光热时间 | 350 | 390 | 350 |
FRUDD | 蕾铃生长各阶段有效积温（≥12 ℃） | 48/182/410/496/ 610/820/910/1140 | 52/180/396/410/ 505/620/865/1080 | 58/190/400/450/ 595/685/920/1020 |
BckGndRetn | 棉铃保留比例 | 0.9 | 0.9 | 1 |
a_stem_leaf | 生物量从茎向叶的分配系数 | 1.25 | 1.2 | 1.23 |
e_par | 消光系数 | 3.7 | 3.6 | 3.8 |
| 参数代码 | 中文含义 | 单位 | 取值范围 | 率定值 |
|---|---|---|---|---|
grains_per_gram_stem | 每茎的谷粒质量 | g | 10～40 | 20 |
potential_grain_filling_rate | 潜在灌浆速率 | g/(grain·d) | 0.001～0.005 | 0.004 |
potential_grain_growth_rate | 开花到灌浆的谷物潜在增长率 | g/(grain·d) | 0.0005～0.0015 | 0.0007 |
max_grain_size | 最大谷粒质量 | g | 0.02～0.06 | 0.04 |
tt_end_of_juvenile | 出苗到拔节积温 | ℃·d | 200～600 | 586 |
tt_floral_initiation | 拔节到开花积温 | ℃·d | 200～800 | 475 |
tt_flowering | 开花到灌浆积温 | ℃·d | 60～180 | 177 |
tt_start_grain_fill | 灌浆到成熟积温 | ℃·d | 200～900 | 280 |
vern_sens | 春化敏感性指数 | — | 0～5 | 3.1 |
photop_sens | 光周期敏感性指数 | — | 0～5 | 3.4 |
2.2驱动层：日尺度动态气象驱动体系
将站点观测数据、再分析气象资料与短期数值天气预报融合，经插值、平滑与偏差订正后构建日尺度气象驱动数据集并嵌入作物模型。模型既能反映多年平均背景下的"典型情景"，又能对当年度异常天气过程作出敏感响应，为生产季内滚动预测与风险评估提供可信的环境输入。
2.3预测层：多时效生长与产量动态预测
在本地化模型与动态驱动的基础上，形成 1～9 天多时效的棉花、冬小麦生长与产量预测方法；同时引入"气候相似年"思想，以当年已发生气象过程与历史 30 年同期的聚类指标 Cyear 遴选相似年型，开展逐日集合滚动预测。
2.4优化层：管理参数定量优化
依托本地化模型开展多品种、多密度、多播期和多水氮情景模拟，形成棉花"品种×密度"匹配方案、冬小麦"播期×密度"年型定策方案以及棉花"前期稳供、花铃期重点保障"的氮素运筹思路。
2.5感知层：无人机快速感知技术
以消费级 RGB 与多光谱无人机为平台，形成苗期株数普查、SPAD 长势与营养诊断、多时相 RGB 影像脱叶后产量估测三类田块尺度感知技术，单次飞行即可生成空间分布图。实用新型专利"可调节高度的农田拍摄支架"为图像序列采集提供了稳定的拍摄平台。
2.6载体层：软件系统
成果的产品化载体为计算机软件系统，包括"基于 Django 框架的小麦生长可视化及决策平台 V1.0""小麦虚拟生长三维可视化系统 V1.0"和"基于 YOLOv7-tiny 的麦穗检测系统 V1.0"，分别支撑小麦生长过程可视化决策、虚拟生长三维表达与麦穗自动检测三个环节；APSIM-Cotton、APSIM-Wheat 模拟模块同时集成于成果二的"智慧棉花生长监测与产量预测管理系统 V1.0"。
三、解决的关键瓶颈技术
Key Bottlenecks Resolved
本成果围绕新疆灌溉农业生产中的八个具体瓶颈展开攻关，逐项形成可复现的技术方案。
3.1瓶颈一：作物模型在新疆灌溉条件下"水土不服"
问题：国外作物模型参数默认值建立在当地品种、土壤与气候条件之上，直接用于北疆膜下滴灌机采棉与灌溉冬小麦时，生育进程和产量模拟偏差普遍超出可用范围。
方案与成效：布设多地点、多年份定位试验，完成 0～100/120 cm 土壤剖面容重、持水特性和养分测定，对三类模型分层率定。EFAST 敏感性分析表明，开花期所需积温、籽粒灌浆起始期积温、幼穗分化结束期积温及光周期敏感性对产量的敏感性显著高于潜在灌浆速率、每穗粒数等参数，据此"先定关键参数、再定次要参数"，显著缩短参数寻优时间并提高模拟稳定性。率定后生育期与产量模拟 R² 普遍达 0.90 以上（详见表 4-1）。
3.2瓶颈二：模型驱动依赖历史均值、无法反映当季实况
问题：传统上以多年历史气象均值驱动模型，在干旱区气候波动大、极端事件频发的背景下严重制约实用性。
方案与成效：融合站点观测、再分析资料与短期数值预报，构建日尺度动态气象驱动体系，经插值、平滑与偏差订正降低单一数据源误差，实现对棉花和冬小麦生长过程的实时更新与短期预报。
3.3瓶颈三：季末总产估算、生育期内缺少连续预测手段
问题：产量信息多在季末形成，管理人员无法依据预测结果提前调整灌溉层数、化控强度及脱叶时间。
方案与成效：形成 1～9 天多时效预测方法：1～3 天短时预报下地上部生物量预测 NRMSE 为 1.3%，可直接服务"本周内"的灌溉与施肥决策；7～9 天中短期预测误差上升至 3.24%，仍可为"下一次农事窗口"提供趋势判断。棉花生育期内误差呈阶段性变化：现蕾期平均误差最大（3.42%），盛铃期波动显著（相对误差最大 12%），吐絮—成熟期预测效果最优。
为抑制单一年份气候异常导致的预测不稳定，课题提出相似年型集合滚动预测：预测日前 7 d 之前使用当年实测气象，预测日前 7 d 至后 9 d 使用 Open Data 预报数据，预测日后 10 d 及之后分别拼接过去 30 年同期气象，每日生成 30 套气象文件；按 Cyear 排序取前 1～30 个年型的产量均值，确定最佳相似年型数目。
3.4瓶颈四：根区土壤水氮参数粗放，制约水氮运筹模拟
问题：以往直接引用表层参数或手册经验值，难以刻画灌溉、降雨和蒸发条件下水氮在根区的垂向再分配与淋失。
方案与成效：对试验区 0～100 cm 土层按 10 cm 等间距划分为 10 层，逐层测定容重、风干含水量、萎蔫湿度、田间持水量、饱和含水量及硝态氮、铵态氮、有机质、pH，同步给出水分特征曲线参数与饱和导水率，构建面向 RZWQM2 的精细土壤数据库，明显提高土壤水分与硝态氮的模拟精度。
3.5瓶颈五："品种×密度"组合缺少定量依据
方案与成效：依托本地化 APSIM-Cotton 开展多品种、多密度、多气候年型组合模拟，明确"适度增密提高铃数、过密压制单铃重和品质"的数量关系，提出品种—密度匹配方案。
| 品种 | 代号 | 推荐密度（株·hm⁻²） | 峰值产量（kg·hm⁻²） | 较最低密度增产 | 机理说明 |
|---|---|---|---|---|---|
| 新农大棉 1 号 | V1 | 225 000 | 7 789 | +22.3% | 密度过低限制群体铃数，过高压制单铃重 |
| 新陆早 73 号 | V2 | 180 000 | 7 190 | +11.4% | 耐密性相对较低，中密度下产量最稳 |
| 欣试 518 | V3 | 225 000 | 7 790 | +18.7% | 中高密度下冠层结构与同化物分配较优 |
3.6瓶颈六：氮素运筹时机缺少定量依据
方案与成效：利用 RZWQM2 设计多种施氮时期与分配比例情景，阐明"氮素过早集中施用易造成前期贪青徒长、后期供氮不足影响铃重""适度后移氮供应重心有利于提升花铃期物质供应和产量"的机理。Logistic 方程拟合各处理干物质累积过程 R² 为 0.9981～0.9990，最大积累速率 243.68～250.63 kg·hm⁻²·d⁻¹，出现于出苗后 93.79～94.53 d；基追比 2∶8、3∶7 可延长快速积累持续期、增加生殖器官分配比例。引入水分利用效率、氮肥偏生产力和氮肥农学效率建立多目标评价函数，提出"前期稳供、花铃期重点保障"的氮素运筹思路。
以灌溉定额为自变量的模型情景模拟表明，灌溉频率 5 d 时二次曲线拟合精度最高（R² = 0.94），最佳灌溉定额约 407 m³/亩（6 100 m³·hm⁻²），对应籽棉产量约 6 610 kg·hm⁻²；4 d 与 7 d 频率拟合精度较低（R² 分别为 0.40、0.51），说明"中等频率、适中定额"的水氮组合最优。
3.7瓶颈七：北疆冬小麦播期长期依赖经验判断
方案与成效：在 30 年温度资料分析基础上，以"越冬前有效积温—壮苗形成—安全越冬"为主线，将经验性播期转化为以 500 ℃·d 为核心、350 与 500 ℃·d 为上下限的量化判据，确定北疆冬小麦适宜播期窗口为 9 月 13 日至 10 月 7 日，约 9 月 25 日为越冬前积温接近最优的代表日期。在 30 年逐年气象下模拟 0～1 500 万株·hm⁻²（步长 75 万）密度组合，理论最高产量约 11 t·hm⁻²，对应密度约 775 万株·hm⁻²，合理密度区间（达最高产量 95%）为 675～825 万株·hm⁻²；9 月 23 日与 28 日播种产量稳定在 10 400～11 000 kg·hm⁻²，10 月 7 日播种降至 9 000～9 700 kg·hm⁻²。进一步按越冬前积温划分年型，并以气候相似年方法实现"因年定策"。
| 年型 | 越冬前积温（℃·d） | 年数 | 对应年份 | 播期推荐 | 合理密度（万株·hm⁻²） |
|---|---|---|---|---|---|
| 冷冬年 | < 350 | 5 | 2002、2004、2012、2016、2021 | 坚持适期早播，9 月下旬 | 675～825 |
| 常年 | 350～500 | 20 | 1995、1996、1998—2001、2003、2006、2008—2011、2014、2015、2017—2020、2022、2024 | 9 月 27 日至 10 月 8 日 | 675～825 |
| 暖冬年 | > 500 | 5 | 1997、2005、2007、2013、2023 | 最佳播期后移至 10 月中旬 | 675～825 |
3.8瓶颈八：苗情与产量调查效率低、代表性差
方案与成效：以消费级与多光谱无人机为平台，形成三类快速感知技术。
3.8.1棉田苗期出苗密度快速普查
构建"颜色指数增强—区域阈值分割—数学形态学优化—目标提取与回归建模"流程，在 5 个密度 × 3 个品种共 15 个处理上验证，全样本准确率、召回率、精准率分别为 99.12%、99.37%、99.75%，单幅影像处理时间在分钟量级，可满足播种后 15～25 天内全田块普查。品种主效应对三项指标均不显著（P = 0.082、0.096、0.449），推广到新地块时无需按品种重新训练，只需按种植密度调整分割阈值。
| 密度代号 | 密度（株·m⁻²） | 准确率 / % | 召回率 / % | 精准率 / % |
|---|---|---|---|---|
| D1 | 9 | 98.37±2.78 B | 99.07±1.81 C | 99.29±2.24 B |
| D2 | 13.5 | 99.43±1.24 A | 99.80±0.62 A | 99.63±1.14 AB |
| D3 | 18 | 99.11±1.33 AB | 99.15±1.30 BC | 99.96±0.24 A |
| D4 | 22.5 | 99.07±1.50 AB | 99.11±1.42 BC | 99.95±0.25 A |
| D5 | 27 | 99.66±0.56 A | 99.73±0.53 AB | 99.93±0.26 A |
| 全样本 | — | 99.12 | 99.37 | 99.75 |
3.8.2多光谱长势与营养状况诊断
覆盖现蕾、开花、盛铃、吐絮四个时期，每期 96 个样本。CCCI 与 CIrededge 在四个时期均与 SPAD 保持较高相关（0.67～0.81），为稳定首选指数。采用 RFR、ELM、MSR、SVR 四种算法分期建模，开花期精度最高（ELM 验证 R² 0.741、RMSE 1.448、rRMSE 0.025）。
| 生育时期 | SPAD 值域 | 均值 | 变异系数 / % | 最优模型 | R² | RMSE | rRMSE |
|---|---|---|---|---|---|---|---|
| 现蕾期 | 43.3～62.3 | 55.1 | 6.08 | ELM | 0.656 | 2.306 | 0.042 |
| 开花期 | 51.5～64.6 | 57.8 | 4.75 | ELM | 0.741 | 1.448 | 0.025 |
| 盛铃期 | 56.8～72.4 | 65.2 | 4.77 | RFR | 0.577 | 1.980 | 0.031 |
| 吐絮期 | 53.1～85.7 | 66.1 | 10.96 | ELM | 0.587 | 5.274 | 0.079 |
3.8.3多时相 RGB 影像脱叶后产量快速估测
以马氏距离（MD）、支持向量机（SVM）、神经网络（NN）逐时相分割棉絮：随脱叶推进，F1 由 0.84～0.90 升至 0.96，IoU 由 71.82%～81.32% 升至 92.23%～93.17%，Kappa 由 0.685～0.739 升至 0.885～0.914；9 月 25 日棉絮开始脱落时 NN 仍保持 90.09% 的 IoU 和 0.912 的 Kappa，稳定性最好。基于分割结果提取棉絮像素比、颜色指数与纹理特征，经二阶多项式扩展后以随机森林估测铃数并折算产量：脱叶后第 15 天 R² 0.6337、RMSE 641.12；第 18 天达全时序最优（R² 0.7203、RMSE 544.71）。据此界定脱叶后 15～18 天为铃数与产量快速估测的最佳窗口。
四、取得的重大科技成果
Major Achievements
4.1建成适应新疆灌溉条件的作物模型本地化参数体系
完成三个主流作物模型在膜下滴灌机采棉与北疆灌溉冬小麦条件下的品种、土壤与管理参数率定与验证，参数体系可直接移植到条件相近的西北灌溉棉区与麦区。
| 模型 | 作物 | 评价项目 | 决定系数 R² | 误差指标 | 验证情形 |
|---|---|---|---|---|---|
| APSIM-Cotton | 棉花 | 籽棉产量 | 2023 年 0.92～0.95 2024 年 0.90～0.96 | RMSE 178～431 kg·hm⁻² | 3 品种 × 3 密度共 18 个组合 |
| APSIM-Wheat | 冬小麦 | 主要生育时期 | 0.96 | 2.1 d（NRMSE 1.7%） | 出苗、拔节、抽穗、成熟 |
| APSIM-Wheat | 冬小麦 | 产量 | 0.93 | 379.03（NRMSE 4.2%） | 30 年播期×密度情景 |
| APSIM-Wheat | 冬小麦 | 叶面积指数 | 0.87 | NRMSE 14.84% | 逐日尺度 |
| RZWQM2 | 棉花 | 籽棉产量 | 2019 年 0.93 2020 年 0.97 | NRMSE 4.00% / 3.70% | 9 个密度—施氮组合 |
| RZWQM2 | 棉花 | 叶面积指数 | — | NRMSE 6.33%～14.84% | 一致性指数 d 0.93～0.99 |
| RZWQM2 | 棉花 | 地上部生物量 | 0.97（2020） | NRMSE 11.01% | 平均相对误差 17.6% |
4.2形成 1～9 天多时效生长与产量动态预测技术
1～3 d 短时预报下地上部生物量预测 NRMSE 为 1.3%，9 d 为 3.24%；结合气候相似年型集合滚动预测，采用 18 个最佳相似年型时棉花产量预测误差稳定在 4% 以内，实现从"季末总产量估算"向"生育期内连续预测与动态调整"的转变。
4.3建立 0～100 cm 土壤—水分—养分精细参数化体系
按 10 cm 等间距将 0～100 cm 土层划分为 10 层，逐层参数化水分物理与养分化学指标，并同步给出水分特征曲线参数与饱和导水率，为水氮运筹情景模拟提供物理基础。
4.4形成棉花品种×密度与冬小麦播期×密度定量优化方案
棉花三个主栽品种推荐密度分别为 225 000、180 000、225 000 株·hm⁻²，对应峰值产量 7 789、7 190、7 790 kg·hm⁻²；冬小麦适宜播期窗口为 9 月 13 日至 10 月 7 日，合理密度区间为 675～825 万株·hm⁻²，并按冷冬年、常年、暖冬年给出差异化播期。
4.5形成基于无人机遥感的棉花苗情与产量快速估测技术
包括苗期株数便捷提取（准确率 99.12%）、多光谱 SPAD 长势与营养诊断（开花期 R² 0.741）、多时相 RGB 影像脱叶后产量估测（R² 0.7203、RMSE 544.71）三类方法，脱叶后 15～18 天最佳估测窗口可直接嵌入采收作业组织流程。
4.6形成冬小麦播前决策技术模式
形成"田间试验—模型—积温阈值—年型划分—相似年分析—播期与密度一体化推荐"的冬小麦播前决策技术模式，既可为农业技术部门制定区域性技术指导意见提供支撑，又可嵌入智慧农业管理平台，为农场和合作社提供面向具体年度和地块的播前参数化决策服务。
4.7在示范点完成全生长季应用
课题在昌吉市华兴农场开展示范应用，经测产专家组现场查定，示范区小麦平均亩产 644.9 kg、较对照区增产 7.29%，棉花平均亩产 419.17 kg、较对照区增产 13.17%（详见第七章）。测产结果反映的是课题整体智慧管理技术模式的效果，本成果的播期、密度优化与生长预测为其中组成部分。
五、技术经济指标与国际国内同类技术/产品的比较
Benchmarking
本成果主要面向新疆干旱绿洲滴灌特定场景，以下比较依据验收总结报告表 22 整理，"国内外同类技术一般水平"为定性描述，不代表全面优于全国所有地区同类系统，推广应用时应结合当地条件评估适用性。
5.1关键技术指标比较
| 技术方向 | 国内外同类技术一般水平 | 本成果指标 | 比较结论 |
|---|---|---|---|
| 作物模型本地化 | 直接引用手册或表层参数，新疆膜下滴灌条件下生育期与产量模拟偏差大 | 品种、土壤与管理参数分层率定，生育期与产量模拟 R² 普遍 ≥ 0.90 | 解决"水土不服"问题，可移植到同类灌溉棉区 |
| 气象驱动 | 依赖多年历史均值作为"典型情景"输入 | 融合站点观测、再分析资料与短期数值预报的日尺度动态驱动 | 兼顾典型情景与当年异常天气响应 |
| 生育期内预测 | 以季末总产估算为主 | 1～9 天多时效预测，1～3 d NRMSE 1.3%，9 d 3.24% | 转为"生育期内连续预测、动态调整" |
| 产量预报稳定性 | 单一年份气候异常易导致预测大幅波动 | 18 个最佳相似年型集合滚动预测，误差稳定在 4% 以内 | 异常气候条件下鲁棒性明显提高 |
| 土壤参数化 | 直接引用表层参数或手册经验值 | 0～100 cm 按 10 cm 分层精细参数化 | 提高土壤水分与硝态氮模拟精度 |
| 播期决策 | 依赖经验判断 | 越冬前积温 500 ℃·d 核心指标，适宜播期 9 月 13 日至 10 月 7 日 | 由经验判断转为大样本统计论证 |
| 苗情与产量调查 | 人工调查为主，效率低、代表性差 | 苗期株数普查、SPAD 反演、脱叶后产量估测（R² 0.7203） | 低成本、高通量的田块尺度感知 |
5.2模型精度横向比较
课题在同一套田间试验数据上对多种模型进行了平行检验：棉花产量模拟上，APSIM-Cotton 的 R² 为 0.90～0.96、RMSE 178～431 kg·hm⁻²，RZWQM2 的 R² 为 0.93～0.97、NRMSE 3.70%～4.00%，两者精度相当；RZWQM2 叶面积指数 NRMSE 为 6.33%～14.84%，误差随施氮量升高而增大，以高密度配合高施氮量（N600M225）时高估最为明显，出苗后 40～90 d 增长阶段精度高于 100 d 以后的衰减阶段。冬小麦产量模拟上，APSIM-Wheat 的 R² 为 0.93、NRMSE 4.2%，逐日产量模拟 NRMSE 降至 2.35%，优于同类研究常见的 10% 量级水平。
5.3经济性比较
| 方面 | 本成果做法 | 经济性效果 |
|---|---|---|
| 田间调查 | 消费级与多光谱无人机替代人工逐点抽样 | 单次飞行覆盖整个田块并生成空间分布图，在苗情普查、长势诊断、采前产量估测三个环节形成替代 |
| 软件许可 | 模型参数体系与决策规则基于公开模型（APSIM、RZWQM2、AquaCrop）构建 | 不依赖商业软件许可，降低农技部门与规模经营主体的技术获取成本 |
| 示范增产 | 课题整体技术模式示范 | 小麦亩均增产 43.8 kg（7.29%），棉花亩均增产 48.79 kg（13.17%） |
| 技术交易 | 技术开发（委托开发）合同，合同编号 2024650007000515 | 成交额 260.00 万元，技术交易额 193.25 万元（课题整体成果，佐证材料目录将其列为成果一、成果二共同涉及） |
六、知识产权、技术标准、市场准入与权益归属
Intellectual Property
6.1专利情况
| 序号 | 专利名称 | 类型 | 专利号 | 授权公告号 | 授权公告日 |
|---|---|---|---|---|---|
| 1 | 可调节高度的农田拍摄支架 | 实用新型 | ZL 2022 2 2851423.7 | CN 218719945 U | 2023-03-24 |
该专利解决了棉花苗期生长序列图像采集过程中拍摄角度不固定、图像难以配准的问题，为田块尺度影像获取环节提供稳定的拍摄平台。此外，课题佐证材料"取得专利、软件等知识产权证书或受理文件清单"另列有 5 项发明专利申请，其中与本成果研究内容相关的 2 项如下（验收总结报告正文未明确其成果归属，此处按主题对应列出）：
| 序号 | 专利名称 | 类型 | 申请号 | 申请日 |
|---|---|---|---|---|
| 1 | 一种改进的轻量化小麦麦穗检测算法 | 发明 | 202311142018.0 | 2023-09-06 |
| 2 | 一种小麦虚拟生长三维可视化系统 | 发明 | 202311814925.5 | 2023-12-27 |
6.2软件著作权情况
| 序号 | 软件名称 | 登记号 | 证书号 | 登记日期 | 支撑环节 |
|---|---|---|---|---|---|
| 1 | 基于 Django 框架的小麦生长可视化及决策平台 V1.0 | 2023SR1762243 | 软著登字第 12349416 号 | 2023-12-26 | 小麦生长过程可视化决策 |
| 2 | 基于 YOLOv7-tiny 的麦穗检测系统 V1.0 | 2024SR0136716 | 软著登字第 12540589 号 | 2024-01-19 | 麦穗自动检测 |
| 3 | 小麦虚拟生长三维可视化系统 V1.0 | 2024SR0244700 | 软著登字第 12648573 号 | 2024-02-07 | 虚拟生长三维表达 |
6.3学术论文
验收总结报告载明本成果支撑发表学术论文 10 篇，但未逐篇列出归属。下表依据论文主题与本成果研究内容对应整理（合计 10 篇，与报告口径一致），供核对。
| 序号 | 论文题目 / 出处 | 类型 | 对应技术 |
|---|---|---|---|
| 1 | 陈柏青, 张悦, 王科, 等. 基于 APSIM 的新疆棉花生长与产量动态预测方法[J]. 农业机械学报, 2025, 56(5): 82-90. | 中文（EI） | 模型本地化、多时效预测 |
| 2 | 乔迪, 林涛, 崔建平, 等. 基于 RZWQM2 的氮肥运筹方式对棉花生长及产量的影响[J]. 新疆农业科学, 2025, 62(4): 807-819. | 中文 | 氮素运筹 |
| 3 | 李博, 张婧婧, 雷嘉诚, 等. 基于集成学习算法和 WOFOST 模型的小麦生长模拟分析与产量预测[J]. 湖北农业科学, 2024, 63(8): 85-91. | 中文 | 小麦生长预测 |
| 4 | 雷嘉诚, 张婧婧, 韩博, 等. 基于 PyOpenGL 的虚拟小麦生长模拟及可视化系统[J]. 新疆农业科学, 2025, 62(3): 609-618. | 中文 | 虚拟生长可视化 |
| 5 | 鲁子翱, 张婧婧, 韩博, 等. 基于改进 YOLOv7-tiny 的小麦麦穗检测方法[J]. 江苏农业科学, 2024, 52(20): 147-156. | 中文 | 麦穗检测 |
| 6 | 李珂, 印彩霞, 陈茂光, 等. 基于无人机多光谱影像结合机器学习的棉花 SPAD 值估算[J]. 新疆农业科学, 2025, 62(4): 791-799. | 中文 | 长势营养诊断 |
| 7 | 陈柏青, 王婧, 赛菲耶·图尔干江, 等. 一种消费级无人机棉田苗期株数便捷提取方法[J]. 新疆农业科学, 2026, 63(4): 202-214. | 中文 | 苗期株数普查 |
| 8 | Chen M, Yin C, Lin T, et al. Integration of Unmanned Aerial Vehicle Spectral and Textural Features for Accurate Above-Ground Biomass Estimation in Cotton[J]. Agronomy, 2024, 14: 1313. | SCI | 生物量遥感估算 |
| 9 | Lu Z, Han B, Dong L, et al. COTTON-YOLO: Enhancing Cotton Boll Detection and Counting in Complex Environmental Conditions Using an Advanced YOLO Model[J]. Applied Sciences, 2024, 14: 6650. | SCI | 棉铃检测计数 |
| 10 | Jiang C, Guo X, Li Y, et al. Multimodal Deep Learning Models in Precision Agriculture: Cotton Yield Prediction Based on Unmanned Aerial Vehicle Imagery and Meteorological Data[J]. Agronomy, 2025, 15: 1217. | SCI | 产量预测 |
6.4技术标准情况
本成果未形成直接以标准形式发布的成果。模型率定与验证、土壤剖面分层采样与参数测定、无人机影像获取与处理等环节参照国家及行业相关技术规范执行，所形成的参数采集与率定流程已固化为课题组内部作业规范，并通过论文和学位论文向社会公开；本成果的技术内容支撑了课题地方标准 DB 6523/T 413—2025 的形成（见成果二）。
6.5新产品市场准入情况
本成果不属于实物产品和新品种，产品化载体为计算机软件系统。3 项软件均已取得国家版权局计算机软件著作权登记证书，具备进入市场推广应用的合法资质；本成果未形成需要专门市场准入审批的农药、肥料、农机具等产品。
6.6知识产权与成果权益归属
| 成果形态 | 数量 | 权属 |
|---|---|---|
| 授权实用新型专利 | 1 | 课题承担单位与参与单位的职务成果，按实际贡献归属，权利人信息见专利证书 |
| 计算机软件著作权 | 3 | 同上，著作权人信息见软件著作权登记证书 |
| 模型参数体系、播期与密度优化方案等技术资料 | — | 课题承担单位与参与单位共同所有，可在课题内部及后续合作单位间依约使用 |
所有职务知识产权成果的后续转化使用，按自治区科技计划知识产权管理办法执行，不存在权属争议。
七、试验基地、中试线、生产线建设情况
Field Bases & Demonstration
7.1核心试验示范基地
本成果以昌吉市华兴农场为核心试验示范基地，布设棉花、冬小麦长期定位试验，配套建设土壤水分与气象自动监测设施，用于模型本地化率定的原始数据采集和预测技术的现场验证；在昌吉等地布设多点位、多年份辅助试验地块，覆盖不同品种、播期、密度与水肥处理组合。冬小麦方向结合华兴农场 2024—2025 年田间试验及 0～120 cm 分层土壤理化与水分特征参数完成率定，并在奇台等地开展产量模拟独立验证。
7.2示范应用与测产验证
新疆华兴投资集团有限公司出具应用证明，应用技术名称为"作物生长动态模拟与管理调控技术"，应用时间为 2025 年 3 月至 11 月。测产按《智慧农场关键技术中试研究测试试验大纲》执行，示范区与对照区同处昌吉国家农业高新技术产业示范区老龙河片区，土壤关键指标偏差 ≤ 5%、海拔与积温差异 ≤ 3%，品种与密度一致。
| 作物 | 测产日期 | 测产组 | 样点（示范 / 对照） | 对照区亩产（kg） | 示范区亩产（kg） | 增产（kg） | 增幅 |
|---|---|---|---|---|---|---|---|
| 冬小麦（新冬 22） | 2025-06-25 | 专家 3 人、辅助 6 人 | 6 / 3 | 601.10 | 644.90 | 43.80 | 7.29% |
| 棉花（赢丰六号） | 2025-09-17 | 专家 5 人、辅助 9 人 | 5 / 5 | 370.38 | 419.17 | 48.79 | 13.17% |
小麦增产来自穗数（+6.8%）与籽粒重（+8.0%）的同步提高；棉花增产几乎全部来自成铃数增加（单元铃数 +13.1%），单铃籽棉重均为 5.64 g，与本成果"适度增密提高铃数"的机理结论一致。
7.3中试线、生产线建设情况
本成果属模型与算法类技术成果，未建设中试线和工业化生产线，技术成果以田间试验基地和软件系统为转化载体。
八、人才队伍建设情况
Talent Development
8.1研发团队
本成果由新疆农业大学农学院牵头，联合新疆维吾尔自治区农业科学院共同完成，形成以作物学、农业工程、农业信息化为交叉背景的研发团队，研究方向涵盖作物生长模拟、农业遥感、人工智能与农业水土资源管理。课题执行期内团队成员陈柏青于 2023 年 11 月晋升讲师、吴凤全于 2025 年 12 月晋升讲师；课题引进石河子大学作物学博士印彩霞（2023 年 6 月毕业）、范向龙（2025 年 6 月毕业），充实了作物模型方向的研究力量。
8.2研究生培养
| 序号 | 层次 | 姓名 | 学位论文题目 |
|---|---|---|---|
| 1 | 硕士 | 王科 | 基于 APSIM 模型的北疆棉花生长动态及产量预测模拟研究 |
| 2 | 硕士 | 乔迪 | 基于 RZWQM2 模型的绿洲棉田氮肥利用效率提升机制模拟研究 |
| 3 | 硕士 | 姜春波 | 基于无人机多光谱遥感的棉花关键生长参数反演与氮营养诊断 |
| 4 | 硕士 | 贾涛 | 基于无人机多源遥感的棉田土壤含水量估测研究 |
| 5 | 硕士 | 冯宇华 | 基于高光谱遥感的棉花关键生育期氮营养指数估算研究 |
课题整体培养研究生 16 人（博士 2 人：陈茂光、王振洋，均为作物学方向；硕士 14 人，已毕业 10 人、在读 4 人），2 名博士研究生的学位论文围绕作物生长模型与多源信息融合展开。
8.3技术培训
课题累计开展 6 批次培训与现场指导，合计 325 人次，以"何时浇水、每亩施多少肥"等生产操作为重点，将模型输出转化为田间操作要领；2025 年 9 月 9 日在华兴农场棉花试验田开展的"新疆棉花智慧化生产决策与应用技术培训会"使平台处方在现场完成了一次完整示范。
九、成果综合评价与结论
Assessment & Conclusion
9.1成果创新性评价
第一，参数层面的系统本地化。在同一套北疆试验数据上完成 APSIM-Cotton、APSIM-Wheat、RZWQM2 三个模型的品种、土壤（0～100 cm 十层）与管理参数率定，并以 EFAST 敏感性分析形成分层率定流程，使国外模型在新疆膜下滴灌条件下"可用、好用"。
第二，预测层面的多时效与集合化。将站点观测、再分析资料与数值预报融合为日尺度动态驱动，并以气候相似年型拼接实现逐日集合滚动预测，确定 18 个最佳相似年型数量，使产量预测由季末一次性估算转为生育期内连续、稳定的预测。
第三，决策层面的定量化与"因年定策"。以越冬前积温 350/500 ℃·d 阈值把 30 年气象划分为冷冬、常年、暖冬三种年型，并结合相似年匹配给出面向具体年度的播期—密度推荐；以无人机三类快速感知技术为模型提供田块尺度的实况校验。
9.2成果水平定位
- 模型精度：生育期与产量模拟 R² 普遍 ≥ 0.90；APSIM-Wheat 产量 NRMSE 4.2%、逐日 2.35%，优于同类研究常见的 10% 量级。
- 预测时效：1～9 天预测 NRMSE 1.3%～3.24%，集合预测产量误差 < 4%。
- 感知精度：棉苗株数识别准确率 99.12%，棉絮分割 IoU 峰值 93.17%，脱叶后产量估测 R² 0.7203。
- 应用效果：课题整体技术模式在示范区实现小麦增产 7.29%、棉花增产 13.17%。
9.3成果转化与推广前景
成果基于公开模型构建，不依赖商业软件许可，参数体系可直接移植到条件相近的西北灌溉棉区与麦区；3 项软件已完成登记，课题技术合同成交额 260.00 万元。大型规模化农场与农业企业已具备直接承接能力；合作社与社会化服务组织需先补齐气象墒情监测、处方执行设施与田间生产记录三项条件；县级以上区域业务化运行尚需连续多年遥感与产量数据支撑。
9.4验收结论建议
本成果目标明确、技术路线清晰、模型本地化与动态预测指标量化充分、示范点完成全生长季验证、知识产权权属清晰。建议认定本成果达到课题任务一"作物生长动态模拟与反演"及任务四生长预测部分的预期目标，并支撑课题"软件系统 4 套""专利 2 项"约束性指标的完成。
9.5需补充完善的事项（如实列出）
- 发明专利：本成果授权专利仅 1 项实用新型，核心算法主要以软件著作权和论文保护；相关的 2 项发明专利申请（麦穗检测算法、小麦虚拟生长三维可视化系统）尚处受理阶段，验收总结报告正文亦未列出，建议补充说明并跟踪实审进展。
- 率定数据年份：表 4-1 中 RZWQM2 的验证年份为 2019、2020 年，早于课题执行期（2022-12-20 起），建议说明该批数据来源及与课题试验的关系。
- 示范面积口径不一致：验收总结报告称示范区 904 亩，应用证明写为 500 亩，测试验证报告记载示范区棉花 940 亩、小麦 210 亩；建议统一口径。
- 应用证明与测试报告的表述：应用证明中课题编号写为"2022A02011-3"，且"项目名称""课题名称"两栏内容互换；测试验证报告"课题名称"写为"智慧农场关键技术中试研究"。建议核对更正。
- 统计口径：项目执行情况统计表填报"发表科技论文 23 篇、SCI 收录 11 篇"，与正文"发表 21 篇（SCI 10 篇）、录用 1 篇"不一致；本成果 10 篇论文的归属报告未逐篇列出，本文按主题对应整理，建议课题组确认。
- 预测误差的薄弱时段：棉花盛铃期预测相对误差最大可达 12%，播种后 90～115 d 产量预测误差放大至约 10%；吐絮期、盛铃期 SPAD 估算 R² 不足 0.60。建议在业务化使用时加以提示并持续改进。
- 参数覆盖范围：参数体系以昌吉老龙河片区为标定基础，棉花覆盖新农大棉 1 号、新陆早 73 号、欣试 518，冬小麦以新冬 22 号为主；其他品种、土壤与水源条件、小农户经营模式尚缺实测数据。
- 增产效果的归因：测产比较的是课题整体智慧管理模式与传统模式，未单独剥离本成果（播期密度优化、生长预测）的贡献，建议后续设置单因素对照。
附录：佐证材料清单
Supporting Documents
| 序号 | 材料名称 | 类型 | 关键信息 |
|---|---|---|---|
| 1 | 课题2 大田作物生长发育动态预测与智能决策-验收总结报告（第 3.1 节） | 技术总结 | 成果简介、八个瓶颈、重大成果、指标比较、知识产权、基地与人才 |
| 2 | 成果一 技术路线图（验收总结报告图 2） | 成果示意图 | 六个技术模块构成 |
| 3 | 附件 1 申请软著清单及测试报告 | 软件著作权 | 本成果 3 项：2023SR1762243、2024SR0136716、2024SR0244700 |
| 4 | 附件 2 专利 | 专利证书 / 受理通知书 | ZL 2022 2 2851423.7；发明申请 202311142018.0、202311814925.5 |
| 5 | 附件 4、5 发表论文清单及相关佐证材料 | 期刊论文 | 本成果支撑 10 篇 |
| 6 | 附件 6 人才培养 | 人才培养 | 博士 2 名、硕士 14 名；职称晋级 3 人 |
| 7 | 附件 7 引进人才 | 人才引进 | 引进博士 2 人 |
| 8 | 附件 8 测试验证方案、测试验证报告 | 测试报告 | 示范区 / 对照区设置与测产方法 |
| 9 | 附件 8 小麦、棉花现场测产报告 | 测产报告 | 2025-06-25 小麦 +7.29%；2025-09-17 棉花 +13.17% |
| 10 | 附件 8 技术应用证明 | 应用证明 | 新疆华兴投资集团有限公司，2025-12-12 出具 |
| 11 | 附件 9 技术合同登记证明 | 技术合同 | 2024650007000515，260.00 万元 |
| 12 | 附件 10 技术培训 | 培训记录 | 6 批次，325 人次 |