作物的智慧灌溉，也叫数字化灌溉，简称数字灌溉，它是数字农业的重要环节 。在这里将会通过一系列文章介绍分析数字化灌溉在数字农业发挥的作用，讲述作物数字化灌溉基础理论及其应用的基础知识。

 

作物的数字模型是解决科学种植和数字化种植的基础，有了数字化的作物生长模型，通过用数字模型深入模拟水分和养分在土壤、作物中的变化，才能了解水肥两者是如何促进作物生长的。构建一个作物数学模型是一个参与者众多，历经几十年才能够完成的工作，WOFOST是由一群来自荷兰荷赫宁根大学开发的众多模型之一，C.T de Wit教授们对此做出了突出贡献，Photosynthesis of leaf canopies (de Wit 1965)。

 

WOFOST是个机理性模型，它解释了作物基本的发育过程和这些过程如何被环境条件所影响，如光合作用和呼吸作用等等。

 

这个机理模型需要达到的目标是作物模型与现实作物原型的数据表现要趋向于一致，需要具备以下功能。

 

为此，模型需要Integrate knowledge on plant growth processes 整合有关植物生长过程的知识内容。

 

模型需要通过Test hypothesis by mathematical reproduction of experiments in laboratory or  trial fields 实验室或试验场的实验，能够用数学模型复制来检验假设是否正确。

 

可以通过Explain crop responses under a range of conditions (ecological,  management), covered by experiments 解释实验涵盖的一系列条件（生态、管理）下的作物反应。

 

可以扩展到Explore crop responses under a range of conditions not yet covered by  experiments 探索实验尚未涵盖的一系列条件下的作物反应。

 

WOFOST是WOrld FOod STudies的首字母缩写，其目的是具备完全的作物种植系统的模拟模型。因此，该模拟了作物与环境的相互作用，包括天气、土壤和农业管理。WOFOST模型的输出包括模拟的总作物生物量和作物产量，以及叶面积和作物用水量等变量。

 

作物的生长的过程见上图，其中 WLV 红色曲线部分是作物的叶片生长过程，WST 绿色曲线部分是作物的茎器官发育曲线，WSO 黄色曲线部分是作物的生殖器官发育曲线，TAGP是地上部分总的生物量发展曲线。

 

自20世纪80年代以来，瓦赫宁根大学和研究院（及其前身的单位，由 de Wit 等专家组成）已经开发出了WOFOST系统。目前，瓦赫宁根大学和研究所与欧盟委员会联合研究中心合作，维护并改进了该模型。

 

有关WOFOST模型的一般介绍和模型中包含的过程概述，请参见：

 

Wit, Allard de, Hendrik Boogaard, Davide Fumagalli, Sander Janssen, Rob Knapen, Daniel van Kraalingen, Iwan Supit, Raymond van der Wijngaart, and Kees van Diepen. 25 Years of the WOFOST Cropping Systems Model. Agricultural Systems 168 (January 1, 2019): 154–67. 

 

作物生长模型中加入养分对作物生长的影响 ,可以模拟计算作物的养分需求。然而 ,影响因子的增加使作物生长模拟过程变得非常复杂 ,为此 , de Wit  根据作物生长的生态因子的限制性 ,按产量降低的次序 ,把作物生产系统划分为四个水平 ,即：光温生产力、 水分限制生产力、 氮素限制生产力和其他养分限制四个生产水平。分为作物生长的三个层次：潜在增长、有限增长和减少增长（减产）。这些增长水平中的每一个都与作物产量水平相对应：潜在的、可达到的和减少的产量。

 

潜在生产水平

 

潜在产量是指在特定气候条件下在特定区域种植的特定作物的产量上限。这取决于作物对CO2的光合作用反应以及生长季节的温度和太阳辐射状况。在实践中，只有通过高投入的化肥、灌溉和彻底的虫害和杂草控制才能达到这个上限。此外，作物设施应完善，不应有交通或放牧造成的损失，也不应有风、冰雹和霜冻对作物造成的损害。由于潜在产量还取决于作物的财产，产量潜力因作物品种而异，可以通过育种提高。在计算机模型中，潜在产量取决于作物品种、播种日期和天气数据集的选择。西欧的一些耕地和草地农场实现了接近潜在的产量水平，有时在温室园艺中也实现了。在这些情况下，天气条件和作物特性完全决定了潜在的生长速度。当树冠完全覆盖土壤时，以干物质表示的生物量的增加通常在150至350 kg ha-1 day-1之间。

 

可达到的生产水平

 

在这种生产水平下，作物的产量受到部分或整个生长季节的水和/或养分供应的限制。在这种情况下，水限制产量代表了在雨水灌溉条件下，但在最佳养分供应条件下可获得的最大产量。干旱的产量限制效应取决于土壤水分的有效性，这取决于降雨量和蒸散量，以及它们在生长季节的分布，取决于土壤类型、土壤深度和地下水位。潜在产量和水限制产量之间的差异表明通过灌溉可以实现产量增加。水限制条件的一个特殊情况与土壤水分过多有关，导致植物根系缺氧。因此，氧气限制生产将是一个更合适的术语。其影响取决于土壤质地和排水措施，难以通过建模量化。

 

营养素有限的生产对应于一种情况，即水不是限制性的，但营养素的可用性不足以覆盖作物的生长-需求，这实际上与N非常常见（也适用于部分施用的肥料因浸出、挥发或脱氮而损失的情况）。通常在（亚）湿润气候中，水分限制产量高于养分限制产量，因此可以在不灌溉的情况下通过养分施用提高产量，但在严重干旱的情况下，养分限制产量可能超过水分限制产量，然后灌水以提高产量。

 

生产水平的降低

 

在这种情况下，作物产量会因虫害、疾病、杂草竞争和污染物（臭氧、盐或重金属）等因素而进一步降低。这一产量水平反映了农民实际从农田收获的产量。不同产量水平之间的差距（产量差距）在全球范围内差异很大，寻找缩小产量差距的方法是一个正在进行的研究领域，参见 http://yieldgap.org

 

现实很少与这些生长/生产水平中的一个完全对应，但将具体情况减少到其中一个是有用的，因为这使您能够专注于作物生产的主要环境约束，如光照、温度、水和宏观营养素氮（N）、磷（P）和钾（K）。其他因素通常可以忽略，因为它们不会影响作物的生长速度（De Wit，1986；Rabbinge和De Wit；1989；Penning De Vries等人，1989）。

 

 

水分胁迫水平下WOFOST模型主要模拟作物生长和土壤水分平衡两个方面过程（图1）。这两方面过程相互作用，相辅相成。土壤水分平衡子模型模拟出逐日作物水分胁迫系数——相对蒸腾（Ta/Tm），用于修正水分胁迫对光合作用以及LAI增长的影响，而LAI反过来又参与了土壤水分平衡过程中最大可能蒸腾与实际蒸腾的计算。因此，对于模拟水分胁迫条件下冬小麦生长发育及产量形成过程来说，土壤水分平衡过程模拟的准确性直接影响到作物模型的模拟效果。

WOFOST的作物生长过程，主要包括物候发育、冠层光合作用、呼吸作用、干物质积累及分配等。土壤水分平衡过程主要包括降水、灌溉、渗透、地表蒸发、作物蒸腾、毛管水上升等过程，并以此为基础估算逐日土壤含水量以及作物水分胁迫系数。

干物质生产的基础是冠层总CO2同化速率，它根据冠层吸收的太阳辐射能量和作物叶面积来计算。通过吸收的太阳辐射和单叶片的光合计算出作物的日同化量。部分同化产物—碳水化合物被用于维持呼吸作用而消耗，剩下的被转化成结构干物质，在转化过程中又有一些干物质被消耗（生长呼吸作用）。产生的干物质在根、茎、叶、贮存器官中进行分配，分配系数随发育阶段的不同而不同。叶片又按日龄分组，在作物的发育阶段中，有一些叶片由于老化而死亡。发育阶段的计算是以积温或日长来计算。各器官的总重量通过对每日的同化量进行积分得到。

数字化作物的 Crop modelling approach according to 建模方法来自 De Wit 的论文。

模型成立的条件是：System is a simplified description of reality: a homogeneous crop field, with defined thematic  boundaries, internal characteristics and external driving variables 系统是对现实的一个简化：假定它是一个均质的农田，具有明确的边界、内部特征和外部驱动变量

它是一个动态的过程 Dynamic: Rates of change per unit time as opposed to static. Integration over time 相对于静态单位时间的变化率。随着时间的推移不断地集成。

整个模型是由结构性 Hierarchical 分级模块组成。

1. Within a system: Cells – organs – plants- crop 系统的模块包括：细胞-器官-植物-作物。

2. Sequence in system complexity defined by a succession of theoretical production situations: potential, water-  limited, nutrient-limited, 顺序地实现系列理论生产情况定义的系统复杂性：潜在生产力、水分限制、营养限制。

3. State-variable based: Starting from gives initial state, each state is updated each time step, where  State = previous state + rate of change. Most basic crop states are expressed in dry weight of living  biomass and crop development stage (crop age) 基于状态变量的表示方式：从给定初始状态开始，每个状态在每个时间步长都会更新，其中：状态=先前状态+变化率。大多数基本作物状态以生物量干重和作物发育阶段（作物生长期时间长度 ）表示。

4. Explanatory: explicit quantitative description of bio-physicaL processes leading to change in system  state, by means of mathematical equations 原理解释定量化：通过数学方程对导致系统状态变化的生物物理过程进行明确的定量描述。

5. Deterministic: a given crop responds according to the rules, defined in the model (apparent absence  of uncertainty) 确定性规则：给定作物根据模型中定义的规则做出生理反应（明显不存在不确定性）。

6. Differences in crop growth processes between crops are due to  different model parameter values. 作物之间作物生长过程的差异是由于不同的模型参数值造成的。

7. A cereal crop is the basic reference for an annual field crop in the crop  model. 禾谷类作物是由一年生的大田作物的基础模型作为参考的模型。

8. Root crops, legumes, vegetables and grasses are forced into the  basic cereal model. 根茎作物、豆类、蔬菜和禾草被强制纳入基本谷物模式。

以上的基本假定，确定了作物数字模型是一个可以通用的基本模型，其它类型的作物都可以纳入其模型之中进行分析计算。

 

植物的生理年龄由发育阶段（程序中采用首字母缩写：DVS 的状态量）决定，而发育阶段又以各种器官的形成及其外观为特征。对于谷类作物，最重要的物候变化是从营养期到生殖期的物候变化，这决定了器官干物质分配的最重要变化。其他作物，如甜菜、土豆或豆类，在不同作物器官的外观上有更为渐进性的变化。

同化物分布在不同的植物器官上(叶、茎、根、贮藏器官)取决于生长阶段DVS，WOFOST中的多数作物分成两阶段划分：地下分配比例如根( FRTB )和地面上分配比例 ( 1–FRTB ) 。

作物（土豆）生长阶段DVS函数的比例分配图见下图：