《Sustainability》:An Integrated Entropy-Weight and Attribute Interval Recognition Approach for Sustainable Water-Inrush Risk Assessment in Karst Tunnels
编辑推荐:
在全球人均耕地面积下降与土壤退化广泛加剧的背景下,全球粮食安全压力持续上升,这一趋势要求农业施肥管理由传统均匀施肥向更精准的养分管理策略转型。可变施肥(VRF)已成为实现农业可持续集约化的重要技术支撑,具有提高作物产量、优化肥料利用效率以及减轻环境影响的潜力。
在全球人均耕地面积下降与土壤退化广泛加剧的背景下,全球粮食安全压力持续上升,这一趋势要求农业施肥管理由传统均匀施肥向更精准的养分管理策略转型。可变施肥(VRF)已成为实现农业可持续集约化的重要技术支撑,具有提高作物产量、优化肥料利用效率以及减轻环境影响的潜力。本文对当前可变施肥研究现状进行了系统综述,重点围绕以下三个方面展开:(i)基于土壤属性与植被指数的田间表征方法;(ii)面向变量养分施用的决策支持模型;以及(iii)可变施肥装备的设计与运行机制。通过综合近期研究进展并识别持续存在的关键挑战,本文旨在为可变施肥技术在多样化种植体系中的实施提供科学依据与实践路径。
1. Introduction
论文首先从全球粮食安全、耕地资源约束与农业生态退化三重压力出发,阐明优化施肥管理的现实紧迫性。文中指出,尽管全球耕地总量有所扩张,但人口增长导致人均耕地面积持续下降,同时相当比例的农业土地因人为活动发生退化。作者将不合理施肥视为土地退化的重要驱动因素之一:在土壤养分具有显著空间异质性的前提下,传统均匀施肥忽略了田块内部差异,导致养分吸收效率偏低、残留增加及环境风险累积。由此,可变施肥(VRF)被界定为实现农业可持续集约化与粮食安全的重要技术路径。
在技术演进层面,文章回顾了可变施肥自20世纪90年代初提出以来的发展脉络。田间试验已证明,VRF能够依据田间土壤性质与作物长势的空间变异性,改善养分利用效率、提升作物产量与品质,并增强生产经济效益。然而,早期基于网格取样或多生育期密集监测的方法存在劳动强度大、耗时长、操作负担重等问题,显著制约其大范围推广。正因如此,研究与实践逐步转向将遥感、地理信息系统(GIS)和机载/车载传感等现代信息技术嵌入精准农业框架,以支撑VRF的规模化应用。
文章进一步强调土壤在作物生产中的基础性作用,指出土壤有机质、理化性质及其空间分异是评价耕地质量和制定合理施肥制度的关键依据。过量施肥虽然增加了投入,却未带来相应的生产效率提升,反而诱发水体富营养化、土壤酸化、重金属累积及病虫害等生态问题。作者据此认为,依据土壤肥力空间异质性开展合理施肥,是减少肥料投入、提高肥效、保障品质和提升单位面积产量的核心手段。本文也明确其综述目标:从感知、决策与执行三个维度系统总结VRF的研究进展、技术瓶颈与未来发展方向。
2. Perception: Field Characterization and Data Acquisition
本节围绕可变施肥的“感知”环节展开,讨论田间信息获取与空间表征的方法体系。作者指出,传统VRF多采用管理分区与人工土壤采样相结合的方式制定施肥方案,但由于土壤空间异质性强,仅依靠此类方法难以精准刻画养分分布;同时,多数传统策略仅关注播前状态,主要服务于基肥施用,而忽视生育期内作物养分需求的动态变化。因此,建立快速、精准、兼顾土壤与作物状态的测量方法,是VRF提升精度与时效性的前提。
2.1. Offline Perception: Prescription Maps from Remote Sensing
在离线感知层面,文章重点综述了基于处方图的VRF技术路径。该方法综合全球定位系统(GPS)、地理信息系统(GIS)、无人机(UAV)遥感和田间土壤传感等手段,获取地块尺度的土壤与作物属性数据,进而生成空间化施肥处方图并导入变量施肥机执行。文中列举了多种典型实践:利用Sentinel-2影像提取绿色归一化植被指数(GNDVI),联合土壤表观电导率(EC)和历史产量图制定玉米氮肥处方图;利用土壤pH原位快速监测为精准施磷提供依据;整合多光谱UAV影像与地面嵌入式传感数据,通过随机森林预测土壤有机质(SOM)含量;以及采用归一化差异红边指数(NDRE)和归一化差异植被指数(NDVI)评估作物氮素状态并生成追肥处方图。
作者指出,处方图方法已从早期网格化土壤采样逐步演进为以UAV/卫星多光谱遥感为主导,植被指数成为氮肥处方生成的核心数据源。其优势主要在于覆盖范围大、适合季前规划及大规模机械化作业。但该路径也存在稳定性与时效性问题,包括影像采集受天气和光照影响显著、多光谱传感器因波段离散而损失细微光谱信息、高光谱虽精度更高但数据量大且处理复杂,以及多数处方图依赖单时相或播前数据,难以反映作物生长期动态养分需求。
2.2. Online Perception: Real-Time Sensing from Proximal Platforms
在线感知部分聚焦于基于近地平台的实时传感技术。与依赖离线数据处理的处方图方法相比,实时传感系统通过车载传感器在作业过程中同步采集土壤或冠层信息,实现“边感知边施肥”。文中介绍了可见-近红外(Vis–NIR)光谱仪、土壤EC传感器和主动光学NDVI传感器等典型装置及其应用。例如,将Vis–NIR光谱单元集成到深松机上可实时预测土壤磷含量;基于四端“电流–电压”法的车载土壤EC传感器可联动后置撒肥机实现动态施肥;依赖太阳辐射测量冠层红光与近红外反射率的NDVI系统可实时计算施肥量;多传感器配置的追氮机则可在田间实时测定小麦NDVI并控制计量轴转速与排肥口开度。
作者总结认为,实时传感VRF的核心优势在于对田间空间异质性的即时响应能力,避免了离线处理时滞。但其局限亦十分突出,包括对振动、温湿度和光照变化敏感,缺乏通用标定模型,以及多传感器协同同步困难。不同传感路线间也存在成本与精度权衡:EC传感器成本低、响应快但易受环境扰动;主动NDVI传感器使用简便但主要反映冠层长势;Vis–NIR光谱系统精度较高但价格昂贵。
2.3. Offline vs. Online Perception: Trade-Offs and Selection Guidance
该小节对处方图法与实时传感法进行了系统比较。文章认为,两者并无绝对优劣,其根本差异在于田间信息被纳入施肥决策的时间节点不同:前者在作业前整合信息,后者在作业中实时纳入信息。这种时间差异带来了空间精度与时间响应性之间的反向权衡。处方图方法更适合面积较大、空间格局相对稳定的地块,适于长期养分管理;实时传感系统则更适合小尺度或高时变性的田块,尤其适用于生长季内的动态追肥。文章进一步指出,仅依赖植被指数的VRF策略往往具有“反应式”特征,即当作物已出现缺素响应后才被识别,因此对早期预警能力有限,而土壤EC监测可在一定程度上弥补这一不足。综合来看,方法选择应基于地块规模、空间变异类型、预算水平及技术支撑条件进行场景化诊断。
2.4. Supplementary Perception Approaches: Single-Sensor and Multi-Source Fusion
在补充性感知策略部分,作者首先讨论了单传感器方法。利用智能手机获取玉米冠层覆盖度并结合轻量化MobileNetV3 U-Net模型,可为低成本氮素诊断提供路径;基于D435i深度相机与YOLOv5的作物茎根结合部定位,则为单株定点施肥提供了技术可能。但单传感器方法通常仅能反映单一信息维度,对复杂田间环境的适应性有限。
因此,文章进一步介绍多源数据融合的进展。RGB与深度数据融合能够同时表征光谱纹理与三维结构,提高目标识别鲁棒性;UAV与卫星影像融合可兼顾高空间分辨率与高光谱信息;地面高光谱与UAV多光谱融合有助于提高冠层氮含量反演相关性;多特征融合还能提升SPAD估测模型的稳定性与精度。作者指出,多源融合在提升营养诊断准确性方面优势明显,但也面临数据格式、时空分辨率和辐射特征异构,以及计算资源需求高等问题。未来需要发展轻量化融合模型与边缘计算方案,以支撑VRF中的实时应用。
3. Decision-Making: Models for Variable-Rate Nutrient Recommendation
本节讨论可变施肥中的养分推荐模型。文章将现有模型大体归纳为机理模型、纯数据驱动模型和混合模型三类。首先,农业生产系统模拟器(APSIM)和农业技术转移决策支持系统(DSSAT)是目前应用最广的机理模型,能够模拟土壤—作物—气候相互作用,在长期土壤肥力平衡分析中具有理论优势。但作者指出,这类模型参数需求大、标定复杂,且在仅依赖常规输入时,对经济最优或农学最优施氮量的预测仍存在较大不确定性。将生育期遥感数据、作物实际氮吸收估计和地块气候数据嵌入模型后,其预测精度可显著提高。
除经典机理模型外,文章还综述了经验与数据驱动模型的应用。例如,基于水稻物候与叶面积指数(LAI)动态关系构建的氮肥推荐系统,可借助遥感监测确定最佳施氮时期与施用量;三层反向传播(BP)人工神经网络(ANN)则可利用土壤养分供给能力与目标产量作为输入,输出氮、磷、钾的地块特异性推荐量。此类模型计算效率高,但往往依赖大量标注数据,且泛化能力有限。
作者特别强调了辐射传输模型(RTM)与机器学习融合的混合模型前景。该类模型通过RTM生成训练数据,减少了对大量田间实测样本的依赖,同时保留一定生物物理基础,并具有较高计算效率。综述认为,将生育期遥感信息整合进机理模型或混合模型,是提升最优施氮量预测精度的有效路径。未来研究重点在于发展可解释、轻量化、适于田间实时部署的混合决策模型。
4. Execution: Hardware and Control for Variable-Rate Application
本节聚焦VRF的执行层,即变量施肥装备与控制系统。作者指出,施肥执行环节的核心在于依据处方图或决策模型输出,精确调节施肥量、时间和空间位置。不同作业平台与控制方式的配置,取决于前端数据获取方法和目标施肥场景。
4.1. Application Platforms: Ground-Based and Aerial Systems
在地面平台方面,文章综述了多种将近地光谱感知、专家决策系统与变量施肥机构耦合的设备方案。例如,通过逆Levy飞行—粒子群优化—多层感知器算法确定计量部件开度与转速;离心式变量施肥机则通过闭环反馈采集车辆前进速度、转盘转速和料门开度,并结合北斗导航实现动态调控。作者指出,这类系统通常依赖间接反馈而非直接质量流量反馈,虽可降低硬件成本,但在肥料颗粒尺寸、密度变化时精度受限。针对单株精确施肥需求,一些研究对商用撒肥机进行了改装,使其具备针对喷嘴组独立控制和单株级施肥能力。
文中还分析了传感—决策—施用之间的时滞问题。由于传感器安装位置与施肥部件之间存在空间距离,必须通过时间延迟标定实现感知数据与施肥执行的同步。距离设置需要在“留出计算时间”和“降低空间错位”之间平衡。与此同时,肥料输送过程本身的动态特性也影响施肥精度,如落肥滞后距离与行进速度的线性关系、流量的动态波动等。采用丝杠滑块式执行机构和模糊比例积分微分(PID)控制可缩短响应时间并降低施肥误差。
在空中平台方面,文章指出,针对丘陵地形,载人飞机和施肥无人机具有优于地面机械的适应性,能够提升作业效率并较准确识别施肥边界变化。然而,这些平台仍受载荷能力、天气条件与下洗气流干扰等因素限制,制约了其稳定应用。
4.2. Flow Measurement and Closed-Loop Control Systems
最后,作者讨论了质量流量测量与闭环控制。精确测量肥料质量流量是VRF精准控制的前提。现有方法可分为间接测量与直接测量两类:前者通过计量机构机械参数或料斗重量推算流量,成本较低但标定模型滞后,且易受湿度影响;后者如电容式、光电式、微波多普勒与激光多普勒等方法可直接测量颗粒流,精度较高并可支持分行监测,但各自存在抗振性、抗潮性、电磁干扰或成本等限制。成像法虽具有非接触和高精度优势,但受粉尘和计算负荷影响明显。
在控制层面,闭环系统通过将实测施肥量反馈给控制器,持续比较目标值与实际值,动态调整料门开度和计量轴转速,从而补偿结拱、车速变化等因素引起的误差。综述表明,基于光学传感器或CCD图像反馈的闭环控制系统,在响应时间、均方根误差和测量精度方面均优于开环系统。总体而言,执行层未来的发展方向在于提高实时反馈精度、增强系统鲁棒性并降低整机复杂度与成本。
5. Challenges and Limitations in VRF Adoption
作者总结指出,尽管GPS、遥感和物联网(IoT)等技术推动了精准农业发展,VRF在多数地区的采用率仍不足20%。其主要障碍包括初始投入高、小农户经济承受能力有限、感知与数据处理技术复杂、模型开发依赖大规模标注数据,以及商业化设备在分行施肥一致性和复杂地形适应性方面存在不足。遥感受天气和分辨率制约,近地平台虽分辨率高却易受地形影响;复杂地貌还会增加传感噪声、定位误差和施肥偏差。文章据此认为,当前最迫切的任务是通过跨学科协同,构建简洁、可执行、低成本的VRF一体化技术框架。
6. Conclusions
结论部分认为,VRF在减少肥料投入、提高养分利用效率方面已表现出明确潜力,但其大规模推广仍受成本、标准化流程不足与小农适配性差等问题制约。作者提出三点核心认识:处方图方法更适合大尺度且空间格局稳定的地块,实时传感方法更适合高时间变异性的田块;RTM与机器学习耦合的混合模型是决策层最有前景的发展方向;制约推广的最大障碍并非单纯的传感精度,而是缺乏面向小农户的标准化、低成本工作流程。未来研究应重点推进可在边缘设备上部署的轻量化混合模型、可互操作的处方图标准与兼容ISOBUS的硬件体系,以及经过田间验证的低成本感知方案。