烤煙生長發育模型研究進展

楊錫坤 葉衛國 廖劍津 王政仁 張勝祥 李淮源 陳建軍

摘要 探討烤煙形態發育模型是開發現代煙草生產物聯網系統的重要內容之一，并且極為復雜。介紹了烤煙生長模型的研究必要性、分類和當前研究動態，并對烤煙形態發育模擬模型存在問題及發展趨勢進行闡述，以期推動烤煙模型的深入研究，促進“互聯網+”技術的跨界融合在烤煙生產中推廣應用。

關鍵詞 烤煙;生長模型;分類;發展趨勢

中圖分類號 S572? 文獻標識碼 A? 文章編號 0517-6611（2022）01-0024-06

doi：10.3969/j.issn.0517-6611.2022.01.007

Research Progress on Growth and Development Models of Flue-cured Tobacco

YANG Xi-kun1，YE Wei-guo1，LIAO Jian-jin2 et al

（1.Tobacco Research Laboratory，South China Agricultural University，Guangzhou，Guangdong 510642;2.Guangzhou Xinbiao Agricultural Technology Co.，Ltd.，Guangzhou，Guangdong 510600）

Abstract The simulation model of flue-cured tobacco morphological development is one of the most important contents in the development of modern tobacco production Internet of things system.Introduces the necessity，classification and current research trends of flue-cured tobacco morphological model，and expounds the existing problems and development trends of the simulation model of flue-cured tobacco morphological development，in order to promote the in-depth study of the model of flue-cured tobacco and promote the cross-border integration of “Internet +” technology in the production of flue-cured tobacco.

Key words Flue-cured tobacco;Growth model;Classification;Development trend

基金項目 廣東省煙草專賣局（公司）科技計劃項目“‘互聯網+’煙草農業智能化生產技術開發與應用研究”（粵煙科項201805）。

作者簡介 楊錫坤（1995—），男，白族，云南大理人，碩士研究生，研究方向：作物栽培學與耕作學。通信作者，教授，博士，博士生導師，從事煙草調控理論與優化工藝研究。

收稿日期 2021-03-04

我國是世界第一烤煙生產大國，煙草種植面積常年在100萬hm2以上，年產量200萬t左右[1]。隨著社會經濟的進步，東西部地區發展不平衡導致煙葉生產重心逐漸向動力成本低、耕地資源豐富的西南地區偏移[2];同時農村勞動力大量向城區遷移，幾乎所有煙區都存在勞動力短缺的問題。此外，提高煙葉質量和煙農收入一直是煙草農業關注的焦點。20世紀末21世紀初，人類社會迎來了物聯網技術時代，為農業生產轉型升級和高質量發展帶來了全新的發展機遇。因此，煙草農業現代化、數字化、信息化是未來發展的必然趨勢[3]。

在農業4.0的大背景之下，煙草農、工業的結合日趨密切。“互聯網+”技術的跨界融合是煙草行業發展的一個重要方向，也符合《國家煙草專賣局關于啟動實施煙草科研大數據重大專項》實施方案要求，具有重要意義。隨著作物長勢、形態、生長環境監測手段及信息化技術的發展，計算機圖形學、多媒體、傳感器、仿真技術、三維掃描技術、人工智能等與作物形態生長發育虛擬技術的融合，勢必會提高對烤煙形態指標模型研究的關注度，推動烤煙形態生長可視化工作的發展[3-4]。

作物模型是將作物與影響作物生長發育的環境和技術因子作為一個整體，對作物的生長發育及其與環境和栽培措施的動態關系進行定量描述的數學或計算機語言[4]。一個準確、通用性強的作物模型依賴于土壤學、作物栽培及保護學、農業經濟學、現代化農業信息學等的融合。其發展的標志性時間節點為20世紀60年代，主要經歷了萌芽階段（最早可追溯到1735年）、模型基礎研制階段（1961—1980年）、模型校驗階段（1981—1990年）、模型綜合利用階段（1990年以后）并逐漸發展成熟。我國作物模型研究起步較晚，最早追溯于20世紀80年代以后，并在引進國外模型、開展學術交流合作之后取得了較大發展，并逐漸形成了具有中國特色的專家系統，其中最典型的是水稻“鐘模型”等[5]。

基于此，筆者主要綜述了烤煙作物模型的分類和研究動態，并對當前烤煙形態發育模擬模型存在問題及發展趨勢進行評述，試圖為開展“互聯網+”煙草生產技術的發展趨勢提供依據和參考。

1 烤煙生長模型分類

按照研究內容差異可將生長發育模型分為生長模型、形態結構模型、結構-功能模型。生長模型強調對烤煙生長環境及群體指標（產量、葉面積系數、干物質量）的定量描述，注重烤煙生理生態的研究，如植煙區區域氣象風險評估模型、煙田小氣候模型、烤煙產量形成監測模型、葉面積系數監測模型、水肥模型等。形態結構模型是用數學語言描述作物生長發育（形態、顏色等）與環境，栽培措施之間的定量關系的一類模型，其注重對烤煙生長形態、顏色變化的描述，強調作物器官、個體與群體結構的表達。1947年，Wolf[6]對香料煙形態發育進行了定量描述，繪制了各部位葉片葉長、葉寬生長速率曲線;二者均為S型曲線，是較早的烤煙形態發育模擬模型研究。結構-功能模型注重對作物形態結構、光合產物、生物量、營養元素、常規化學成分的產生和分配以及兩者的內在聯系進行定量描述。典型的結構-功能模型有GREENLAB模型等。

根據數學原理可將烤煙模型分為經驗性模型（或稱回歸模型、描述性模型）和動力學模型（機理模型、解釋性模型）、半機理性模型。經驗模型是基于統計方法建立的回歸模型，它常以年為時間步長，局限性在于無法展示變量在作物生育期內的變化過程，也未考慮環境對模型系數的影響。最常見為作物產量、長勢指標與外界因素（溫度、水分、降水量、冠層高光譜等）的主因子分析模型、作物產量指標與水肥量之間的主因子模型。烤煙的統計模型通常關注烤煙產量、煙葉化學成分、煙葉品質形成相關成分與外界環境的關系，并建立相關的多項式回歸模型。例如：產量與施肥量、降雨量、施水量等的多項式方程。其大多用以解釋烤煙產、質量形成及烤煙生長定形后的長勢指標與外界因素的影響力強弱[7-10]。該類模型不能展示生育期內因變量隨時間的變化，解釋性較弱，通常為靜態模型。烤煙動力學模型是專家系統基于回歸模型、機理模型和數據庫發展起來的另外一類模型，它強調農業管理的綜合性，因而比上述兩類模型更為復雜、精準[8-9]。烤煙動力學模型注重定量描述引起變化的過程，通常以時間尺度作為變量，解釋性較強[8-9]，主要可分為煙草器官形態發育動態模擬模型、烤煙根系營養吸收動態模擬模型、養分吸收與分配模型、光合產物消耗與分配動態模型、產量形成動態模擬模型、烤煙水分吸收與蒸騰動態模型等[10]。半機理模型是介于二者之間的一種模型。我國作物專家系統研究起步相對較早，最早開始于20世紀80年代，較典型的有小麥高產技術專家系統、水果果形判別人工神經網絡專家系統等[11]。我國的專家系統研究最早主要依靠借鑒國外的成熟模型，之后逐漸形成了具有中國特色的專家系統，較典型的為水稻鐘模型 （RCSODS）、小麥栽培模擬優化決策系統 （WCSODS）、小麥生長模擬與管理決策支持系統（GMDSSWMW）等[12-14]。

按植物生理研究領域差異可分為作物生理生化模型、作物生態模型。前者主要為器官、組織、個體、群體的光合作用，呼吸作用、物質積累及形態發育建成模型。后者主要涉及作物溫度、積溫、區域氣候、田間小氣候、冠層小氣候、作物水分、營養、土壤水分、養分模型等[15]。

總之，研究領域差異導致了烤煙模型在分類方式上的區別，無論何種分類方式均能全面概括烤煙模型。因此，可以將烤煙形態建成模型分為3類，即烤煙生長模型、烤煙形態模型、烤煙結構-功能模型。

2 烤煙生長模型研究

作物模型利用模擬技術來探討作物產量在不同年限、不同土壤及生態背景、不同品種及不同栽培管理技術因子下的形成差異。目前已廣泛應用于農業生產、作物生產潛力評估、糧食安全分析等方面，其主要關注方向為烤煙干物質積累、葉面積系數變化等。烤煙生長過程中，光合產物的合理分配是烤煙優質適產的外在表現。對烤煙干物質分配的定量化研究，有助于制定相應的烤煙水肥管理技術，動態調控烤煙的產、質量，而葉面積指數是評價烤煙產量形成的重要指標。烤煙是一種特殊的經濟作物，其生長模型的發展趨勢與作物模型較為類似，較其他大宗作物起步偏晚。在時間節點上，呈現經驗性模型—機理模型—半機理模型的發展趨勢，模型綜合性、機理性不斷增強。目前，作物模型的發展已經進入了成熟階段，國內外已經形成了多種較為先進、全面的作物生長模型。王文佳等[9]對國外主要的作物模型研究現狀做了詳細介紹。作物模型主要用以探討作物干物質分配，水分、養分平衡，作物生長（干物質分配、光合、呼吸作用），病蟲害，土壤，生態條件等對作物產量、質量形成的影響。而現階段，烤煙生長模型的研究熱點主要涉及以下幾方面。

2.1 經典作物模型在烤煙上的適用性研究

目前作物模型的研究已經進入了成熟階段，對于大宗作物（水稻、小麥等）國內外已建立了比較完備的作物模型[8，16]，可為其他作物模型的研究提供較多的選擇性。然而，國內仍缺少關于烤煙模型的相關研究，胡雪瓊等[17]在國內開創性地對WOFOST模型在云南烤煙的適用性進行了評價，結果表明WOFOST模型能較好地模擬云南烤煙的潛在生長過程。但是由于觀測數據年限相隔較長，數據項觀測較少，未能對模型參數敏感性、不確定性進行分析，也未對參數進行修正。其他國外較經典的作物模型在烤煙上的適應性研究少有報道。

2.2 基于遙感技術的烤煙生長模型研究

高光譜遙感 （hyperspectral remote sensing）是指在電磁波譜的4個波段（紫外、可見光、近紅外和中紅外見光）范圍內，從目標物體上獲取許多較窄且光譜連續圖像數據的技術。由于不同煙草種類、品種、水分、肥料、不同生育期、病蟲害等條件下的光譜特征均可被定量化，因此在煙草栽培中有廣泛應用。煙草生長模型與高光譜遙感技術的耦合研究起步較晚，但也取得了一些成果。Gu等[18]對使用3種波長選擇方法[連續投影算法（SPA）、提升決策樹回歸（BRT）和遺傳算法（GA）]和4個機器學習技術[（回歸樹（BRT）、支持向量機（SVM）、隨機森林（RF）和分類回歸樹（CART）]對煙草番茄花葉病毒進行了早期檢測，結果表明BRT篩選的波長段對煙草病葉鑒別具有重要應用價值。胡瑋等[19]模擬了對不同含水量及不同土溫下的煙田土壤氮素的礦化過程，并建立了相應的數學動態模型。Pu等[20]利用GIS建立了曲靖煙區的氣象風險評估模型，并以此規劃了曲靖煙區烤煙旱災、低溫風險區。由表1可知，多年來，從事煙草行業的科研工作者已經系統探索了高光譜技術與烤煙脅迫監測、生長信息獲取、產質量監測、田間生長信息監測的可能性。但由于監測條件、試驗條件以及模型的差異，各類模型距離指導煙草栽培還有一些距離，仍需要不斷提高模型精度、適用性，加速推廣應用。

2.3 基于遙感數據的烤煙生長模型數據同化研究

數據同化研究是將作物生長模型與遙感數據耦合的重要手段，同化算法的性能直接影響著同化系統的運行效率和精度。目前主要存在兩類數據同化方法，分別是基于代價函數的參數優化方法和基于估計理論的集合濾波方法。二者區別在于前者用整個同化窗口內的觀測值來重新調整模型參數，而后者的觀測值是順序的方式作用于模型，每一次后續的觀測值只會影響從當前狀態之后的模型變化性質。參數優化的代價函數通常有均方根誤差、平均誤差加權和、最小二乘、變分方法、誤差絕對值均值、相對誤差等，同化算法通常為單純型搜索算法、最大似然法、復合型混合演化算法（shuffled complex evolution method developed at the University of Arizona，SCE-UA）、Powell共軛方向法、粒子群算法（particle swarm optimization，PSO）、遺傳算法、模擬退火法等。集合濾波方法的同化算法主要為：常增益Kalanan濾波算法、集合卡爾曼濾波算算法、粒子濾波算法[40]。而在煙草中，相應研究極少，在煙草生長模型的數據同化研究只涉及集合卡爾曼濾波算法的同化研究，其他方法的數據同化研究未見報道（表2）。

3 烤煙形態結構模型及可視化研究

烤煙形態模擬模型（morphological dynamic flue-cured tobacco mechanism models）通常以時間（或積溫）作為尺度，能動態地模擬烤煙器官的生長發育過程，解釋技術因子對器官形態建成的影響。可分為烤煙地上部分和地下部分器官的形態，顏色生長動態模擬。地下部分通常為根系結構，地上部分器官又包括莖、葉、花。

3.1 烤煙地上部分器官形態模擬

3.1.1 烤煙主莖形態生長模擬。

烤煙同一節主莖截面面積相差較小，形狀為近圓柱體，主莖的生長為增長、增粗過程。徐光輝等[50]通過確定重新定義烤煙生長周期（以相鄰2個葉元產生的時間間隔為一個生長周期），通過確定節間形態系數β、k及節間密度，最終通過節間生物量實現烤煙主莖截面面積及節間長度的模擬。

3.1.2 烤煙葉片生長模擬。

葉片是烤煙的主要收獲器官，烤煙葉片的生長模擬包括對烤煙葉元數、葉形、葉色的模擬。1947年，Wolf[6]繪制了香料煙的質量增長速率的S型曲線，煙葉的干重隨葉位變化呈現中部葉干重最大的分布曲線。各部位葉片葉長、葉寬生長速率曲線均為S型曲線，對煙草的形態發育進行了定量描述。招啟柏等[51]發現烤煙葉片數與時間（活動積溫）的關系模型符合Richards 曲線特征，方程為 y=a/（1+eb-cx ）1/d，可較準確地模擬烤煙葉片的發生動態。移栽期主要通過調控參數 b值（初始生長參數）與d（曲線形狀參數）值對整個方程動態調控;方程的模擬準確度（以k表示）為0.996 6～1.111 4;擬合系數R2達到0.957 7以上，達到極顯著水平。孫延國等[52]則在此基礎上建立了NC55葉片發生與活動積溫（時間）的Richards生長動態模型，解釋了移栽期對煙葉發生動態規律的影響。徐光輝等[50]通過建立葉片重量與葉長、最大葉寬、葉面積的相關關系，對葉片形態發育進行了動態模擬且模擬效果較好，具有明確的生物學意義。王發勇[53]以生育進程為切入點，建立了優質烤煙的葉齡、株高、葉面積、葉面積系數的非線性曲線模型，并以此檢驗該階段烤煙形態指標是否到達優質標準，具有一定的實用性，但未對方程系數含義進行解釋，且方程的系數仍需要進一步的優化。Zhang等[54]建立了基于RGB值的水稻葉色變化模擬模型，將水稻葉色變化劃分為3個階段（淺綠轉綠色、穩定綠色、綠色轉黃色），并分別用線性函數、常數函數、遞增線性函數模擬每個階段的水稻葉色變化。烤煙葉色模擬研究主要集中于烘烤過程葉色變化模擬，烤后煙葉顏色特征提取，根據圖像處理技術建立相應的模型實現煙葉的智能分級、智能烘烤等[55-56]，而對烤煙生育期內各部位葉色模擬研究較少。

3.1.3 烤煙花形態生長模擬。

對于生殖生長，王蕓蕓等[57-58]構建了烤煙花的雌蕊、雄蕊、花冠、花萼的動態模型及顏色拓撲模型，對烤煙花的形態形成進行了較好的模擬研究，并在此基礎上構建了烤煙花序的可視化模型，實現了對烤煙單花的花序發育模擬。此外，烤煙地上部分、地下部分器官均已有學者進行了研究，但是模型仍較為粗糙，形態指標仍需要進一步細化，指標參數確立仍需要更精確、合理。

3.2 烤煙根系形態模型研究

根系是作物重要的養分吸收器官，通常由主根、側根、不定根3個部分組成。良好的根系結構是優質煙葉生產的前提。烤煙根系的形態生長動態模擬對實現煙草農業數字化具有重要意義。由于作物根系監測難度大，根系生長模擬研究發展較為遲緩。監測技術的革新推動了作物根系生長模擬研究。作物的根系形態模擬的主流方法為L系統、分型理論、參考軸技術3種。

3.2.1 基于L系統的烤煙根系形態模擬。

L系統通過對作物根系進行抽象和概括（通常為字符串或數學公式），并根據根系的初始形態及系統構建的描述規則進行有限次的迭代，最終生成不同的拓撲圖形。馬新明等[59]通過對烤煙根深（根系向下生長相對速率）及根系分布參數，構建了初步的烤煙根系生長模型。之后，楊娟[60]圍繞根系出現、生長、分支3個階段，對根系生長的幾何形態參數如：根段分支位置、分支數量、分支方向、分支年齡、分支密度、分支間距等進行模擬，結果表明，根系數量、根長指數、根系干重等對烤煙生長規律的模擬效果較好。席磊等[61]在此基礎上通過構建烤煙根系生長子模型（對根系橫向生長、縱向生長、生長速率進行了定量描述）、根系分支子模型（對根段分支數量、方向、年齡、間距等進行了定量描述）實現了烤煙根系生長的三維可視化。除此之外，國內便鮮有烤煙根系形態模擬的相關研究，總體來說，L系統可用于描述作物根系的幾何形狀，但描述方式較為復雜，且為單純的數學公式或字符串，并不具備生物學意義[8]。

3.2.2 基于分形理論的烤煙根系形態模擬。

分形理論是為描述具有相似性的碎片結構及不規則結構而誕生的系統，因此適用于對作物根系形狀復雜性進行描述與評估。Li等[62]對小麥根系進行拍照、二值化和骨架化以確定分形維數，利用分形維數來估計系統的復雜度。結果表明，與傳統的根重測量方法相比，即使在較低的Cd和Cu濃度下，基于分形理論的根系復雜度測量方法也能顯著簡化根系統的復雜程度。常見的分形理論系統有迭代函數系統及粒子系統。相對于L系統，分形理論引入分形維數來描述作物根系的分生程度，適用于描述作物根系整體發育情況，并以此繪制作物群體根系圖像，而不適用于模擬作物不定根系的生長情況。值得關注的是，關于大宗作物（小麥、水稻等）的根系形態模擬的分形理論研究較多，而關于煙草的報道極少。

3.2.3 基于參考軸技術的烤煙根系形態模擬。

參考軸技術運用馬爾科夫鏈理論和狀態轉換圖來描述植物的生長、發育及凋亡過程。它與植物生理學理論緊密聯系，機理性、解釋性較強，實現難度較高。常見的為雙尺度自動機模型，例如張吳平等[63]利用雙尺度自動機模型結合小麥種子根和不定根干物質重，并根據GREENLAB模型原理模擬干物質分配，建立了小麥苗期根系的結構-功能模型，而在煙草中相關的研究較少。

4 烤煙結構-功能模型研究

作物功能結構模型（crop functional-structural model）是一類對作物形態結構、生物量的產生和分配以及兩者的內在聯系進行定量描述的作物模型總稱[64]。烤煙的光合作用、同化產物的吸收與分配、營養元素的分配均與其形態結構息息相關，故將二者結合是烤煙模擬的有效途徑。Shi等[65]利用三維掃描技術對烤煙冠層結構進行了三維模擬，建立了烤煙葉片的靜態輪廓模型，并對烤煙的光合潛力等進行了研究，是較為典型的烤煙結構-功能模型。徐照麗等[66]定量描述了烤煙光合產物的固定及在各個器官的分配，基于源-庫理論建立了烤煙GreenLab模型，并對其模擬效果進行了評估。其創新點在于對烤煙農藝性狀進行了連續測定，以此建立了烤煙葉片發展動態曲線，減少了參數數量，克服了GreenLab模型中解不唯一、參數意義不明確的缺點。孟天瑤等[67]對甬優高產雜交稻的產量形成相關形態生理指標進行了系統研究，建立了水稻的氮素積累、鉀積累、磷積累模型，形態生長動態模型，干物質積累與分配模型等。從目前的研究來看，對烤煙營養元素、煙堿、干物質的積累與分配規律研究較多，但缺少積累及分配規律的定量化描述研究。

5 存在問題

（1）從整體上看，烤煙模型研究尚不成熟且發展不平衡。關于水稻、小麥等大宗作物的生長模型研究較為深入，模型系統性、全面性、機理性、適用性較強，而烤煙生長模型研究相對較少。表現為：一方面生長模型研究中基于遙感技術的研究較為系統全面，而缺乏國外先進模型適應性評價研究以及生長模型數據同化研究。另一方面，形態結構模型中烤煙地上器官形態建成模型研究較多，而地下器官形態發育模型研究較少;對烤煙形態結構發展動態研究較多，對烤煙葉片顏色變化研究相對較少。

（2）模型敏感性及不確定性及參數優化研究較少。主要表現為：模型檢驗方式單一，缺乏參數對作物模型模擬準確性影響的評估方式研究;參數獲取準確性、參數估計、優化研究較少。一般而言，模型參數的敏感性和不確定性通常由模型結構誤差、參數模糊性、測量數據誤差等導致[68]。近年來對大宗作物經典模型（SAFY-FAO模型、AquaCROP模型、WOFOST模型、CERES-Wheat模型等）參數的全局敏感性分析較多[68-69]，而煙草上缺少相應研究。Jabloun等[70 ]利用Morris靈敏度篩選法來確定冬小麥DAISY模型中的對輸出結果影響最大的輸入參數。Tan等[71]利用廣義似然不確定度估計法（GLUE）分析了水稻ORYZA-V3模型參數的敏感性和不確定性，結果表明，模型輸出的參數后驗分布和95%置信區間對似然測度的選擇、不同日期和不同觀測類型在似然測度中的權重非常敏感。基于模型誤差正態分布的似然函數似然測度和基于數學乘法的組合方法在減少參數值和模型預測不確定性方面的有效性最好。隨著烤煙模型機理性研究的深入，引入的模型參數數量也明顯增加，各參數對模型輸出量的影響程度差異較大，而當前因缺乏明確的參數度量方式往往被忽略。大量模型在確立參數前均未考慮模型參數意義是否明確。

（3）缺少與數據庫、物聯網、3S技術、圖像處理技術等的耦合研究，缺少新型作物形態監測設備（三維掃描設備等）在數據獲取上的運用。作物遠程監測系統（典型的WMNs系統）的運用可對烤煙形態指標進行遠程的實時、無損監測，將加深烤煙形態發育模型的機理性研究。如Paulus等[72]通過使用高精度的三維掃描設備獲取大麥植株的三維形態參數如株高、葉面積，實現了對大麥生長過程的定量形態測量。

（4）從局部來看，烤煙生長模型的研究主要集中在新型技術手段對烤煙產量形成的模擬研究與基于3S技術烤煙產量遠程監測，而對模型參數不確定性、參數敏感性、參數優化研究較少，也缺少對國內外其他較為成熟的作物模型的區域適用性評價研究。從筆者檢索的文獻來看，國內胡雪瓊等[17]在國內開創性地對WOFOST模型在云南烤煙的適用性進行了評價，之后便少有報道。

（5）烤煙形態建成模型的精細化與可視化技術研究需進一步深入。目前對于烤煙地上、地下器官得可視化研究均有所報道，但是對烤煙葉色變化動態模擬的模擬較少，對烤煙根系的形態結構模擬研究大多基于L系統，而基于分形理論和參考軸技術的烤煙根系形態模擬研究較少。器官發育模擬較為粗糙、虛擬效果較差，且未實現對整株烤煙生長過程的虛擬顯示。張紅英等[8]提出可運用三維掃描設備、核磁共振成像技術、微創技術來對玉米葉面形態進行掃描，完善葉面形態模擬，對烤煙葉片形態模擬亦具有參考意義。張加楠等[73]提出基于RGB和HSI關系閾值法優化的卷積神經網絡（RGBHSICNN）的作物圖像分割提取覆蓋度方法，以解決作物葉片交叉、變形的問題。

（6）烤煙結構-功能模型研究主要集中在烤煙冠層光合產物的分配模型，對烤煙營養元素、干物質、內在化學成分（煙堿）的積累與分配規律研究較多，但對其積累及分配規律的定量化研究較少。

6 展望

當前，水稻、小麥等大宗農作物數字化研究已經取得了顯著成就，而數字化煙草仍處于起步階段。生長模型中的數據同化研究仍需開展大量工作，烤煙形態結構模型也仍需要進一步細化。烤煙模型研究是構建數字化煙草系統的必經和關鍵環節，“互聯網+”技術的智慧煙草農業快速發展已成為現實與發展趨勢。統計學的進步、模型檢驗及模型參數優化方法的更新、數據獲取手段的更新為烤煙形態模型的構建及完善提供了新的理論基礎。計算機圖像處理技術、三維掃描技術、人工智能及烤煙作物數據庫與作物虛擬技術的融合為烤煙作物模型的研究與完善提供了技術支持，將極大推進烤煙形態建成模型的研究。促進傳統煙草農業與其他學科的融合，提高煙草生產物聯網系統的耦合度成為現代煙草農業科技必須關注和重視的重大科技關鍵問題和研究重點。

參考文獻

[1] 王彥亭，謝劍平，李志宏.中國煙草種植區劃[M].北京：科學出版社，2010.

[2] 鄧蒙芝.1978～2012年中國烤煙生產重心演變軌跡及其驅動機制研究[J].中國農業資源與區劃，2015，36（4）：113-119.

[3] 劉丹，諸葉平，劉海龍，等.植物三維可視化研究進展[J].中國農業科技導報，2015，17（1）：23-31.

[4] 朱艷，湯亮，劉蕾蕾，等.作物生長模型（CropGrow）研究進展[J].中國農業科學，2020，53（16）：3235-3256.

[5] 高亮之，金之慶，黃耀，等.水稻計算機模擬模型及其應用之一? 水稻鐘模型——水稻發育動態的計算機模型[J].中國農業氣象，1989，10（3）：3-10.

[6] WOLF F A.Growth curves of oriental tobacco and their significance[J].Bullebulletin of the torrey botanical club，1947，74（3）：199-214.

[7] 張偉欣，曹宏鑫，朱艷，等.油菜作物模型研究進展[J].中國農業科技導報，2014，16（1）：82-90.

[8] 張紅英，李世娟，諸葉平，等.小麥作物模型研究進展[J].中國農業科技導報，2017，19（1）：85-93.

[9] 王文佳，馮浩.國外主要作物模型研究進展與存在問題[J].節水灌溉，2012（8）：63-68，73.

[10] 楊靖民，楊靖一，姜旭，等.作物模型研究進展[J].吉林農業大學學報，2012，34（5）：553-561.

[11] 高美玲，欒非時，寇勝利.作物專家系統發展概況與趨勢[J].東北農業大學學報，2003，34（1）：105-108.

[12] 曹衛星，潘潔，朱艷，等.基于生長模型與Web應用的小麥管理決策支持系統[J].農業工程學報，2007，23（1）：133-138.

[13] 劉鐵梅，曹衛星，羅衛紅，等.小麥物質生產與積累的模擬模型[J].麥類作物學報，2001，21（3）：26-30.

[14] 高亮之，金之慶，鄭國清，等.小麥栽培模擬優化決策系統（WCSODS）[J].江蘇農業學報，2000，16（2）：65-72.

[15] 廖桂平，官春云，黃璜.作物生長模擬模型研究概述[J].作物研究，1998（3）：45-48.

[16] YANG X，SHAO X H，MAO X Y，et al.Influences of drought and microbial water-retention fertilizer on leaf area index and photosynthetic characteristics of flue-cured tobacco[J].Irrigation and drainage，2019，68（4）：729-739.

[17] 胡雪瓊，徐夢瑩，買苗，等.WOFOST模型對于云南烤煙的適用性研究[J].南京信息工程大學學報（自然科學版），2015，7（5）：451-457.

[18] GU Q，SHENG L，ZHANG T H，et al.Early detection of tomato spotted wilt virus infection in tobacco using the hyperspectral imaging technique and machine learning algorithms[J/OL].Computers and electronics in agriculture，2019，167[2020-11-05].https：//doi.org/10.1016/j.compag.2019.105066.

[19] 胡瑋，邸青，劉吉振，等.畢節煙田土壤氮素礦化動態模擬[J].天津農業科學，2017，23（3）：26-31.

[20] PU J C，CHENG J L，ZHANG M S，et al.Risk regionalization of drought for flue-cured tobacco planting in Qujing City based on GIS[J].Meteorological and environmental research，2019，10（5）：119-124.

[21] 賈方方.不同水分狀況對烤煙高光譜特性及生理生化指標的影響[D].鄭州：河南農業大學，2010.

[22] 徐冬云.基于遙感技術的煙草花葉病監測研究：以沂水縣為例[D].泰安：山東農業大學，2016.

[23] 王一丁.煙草花葉病害高光譜特征及其病害程度判別分析模型的研究[D].鄭州：河南農業大學，2016.

[24] 徐冬云，李新舉，楊永花，等.基于遙感技術的煙草花葉病監測研究[J].中國煙草學報，2016，22（1）：76-83.

[25] 彭金梅.鎘脅迫對烤煙生理生化特性及光譜特征的影響[D].鄭州：河南農業大學，2013.

[26] 吳秋菊，舒清態，劉延，等.煙草主要生化參數高光譜遙感監測現狀[J].綠色科技，2017（14）：255-258.

[27] 劉明芹.基于資源三號遙感影像的復雜山區套種煙草產量估測模型研究[D].泰安：山東農業大學，2016.

[28] 符勇.高分辨率星載SAR在高原山地煙草產量估測中的應用研究[D].貴陽：貴州師范大學，2015.

[29] 劉國順，李向陽，劉大雙，等.利用冠層光譜估測煙草葉面積指數和地上生物量[J].生態學報，2007，27（5）：1763-1771.

[30] 黃智.不同種質資源煙草高光譜特征與色素含量關系研究[D].長沙：湖南農業大學，2015.

[31] 邢雪霞，劉國順，賈方方，等.烤煙葉片色素含量的高光譜預測模型研究[J].中國煙草學報.2014，20（1）：54-60.

[32] 楊艷東，賈方方，劉國順，等.基于多時相和多角度的烤煙煙堿密度遙感監測[J].中國煙草學報，2019，25（2）：40-47.

[33] 竇玉青.基于高光譜技術的煙草含氮化合物估測模型研究[D].泰安：山東農業大學，2016.

[34] 趙文，劉國順，賈方方，等.烤煙煙堿含量的高光譜預測模型[J].江蘇農業科學，2014，42（3）：275-279.

[35] 李俊麗.不同氮素水平對烤煙高光譜特性及其生理生化指標的影響[D].鄭州：河南農業大學，2013.

[36] 李富欣，張利紅，徐敏.基于GIS的河南省烤煙移栽面積遙感監測及產量估算[J].江西農業學報，2014，26（7）：76-79，83.

[37] 郭婷.不同鉀水平和成熟度煙草高光譜特征及其品質估測模型研究[D].長沙：湖南農業大學，2019.

[38] 梁寅.基于高光譜遙感的云煙87采收成熟度識別研究[D].昆明：昆明理工大學，2013.

[39] 胡九超.基于高分辨率合成孔徑雷達（SAR）的高原山區煙草識別方法研究[D].貴陽：貴州師范大學，2015.

[40] 黃健熙，黃海，馬鴻元，等.遙感與作物生長模型數據同化應用綜述[J].農業工程學報，2018，34（21）：144-156.

[41] JIN M，LIU X N，WU L，et al.An improved assimilation method with stress factors incorporated in the WOFOST model for the efficient assessment of heavy metal stress levels in rice[J].International journal of applied earth observations and geoinformation，2015，41：118-129.

[42] DENTE L，SATALINO G，MATTIA F，et al.Assimilation of leaf area index derived from ASAR and MERIS data into CERES-Wheat model to map wheat yield[J].Remote sensing of environment，2008，112（4）：1395-1407.

[43] 陳勁松，黃健熙，林琿，等.基于遙感信息和作物生長模型同化的水稻估產方法研究[J].中國科學：信息科學，2010，40（S1）：173-183.

[44] JIN H A，LI A N，WANG J D，et al.Improvement of spatially and temporally continuous crop leaf area index by integration of CERES-Maize model and MODIS data[J].European journal of agronomy，2016，78：1-12.

[45] 朱元勵，朱艷，黃彥，等.應用粒子群算法的遙感信息與水稻生長模型同化技術[J].遙感學報，2010，14（6）：1226-1240.

[46] LIU F，LIU X N，DING C，et al.The dynamic simulation of rice growth parameters under cadmium stress with the assimilation of multi-period spectral indices and crop model[J].Field crops research，2015，183：225-234.

[47] VAZIFEDOUST M，VAN DAM J C，BASTIAANSSEN W G M，et al.Assimilation of satellite data into agrohydrological models to improve crop yield forecasts[J].International journal of remote sensing，2009，30（10）：2523-2545.

[48] 陳浩，樊風雷.基于集合卡爾曼濾波的南雄煙草LAI數據同化研究[J].生態學報，2017，37（9）：3046-3054.

[49] 張樹譽，孫輝濤，王鵬新，等.基于同化葉面積指數和條件植被溫度指數的冬小麥單產估測[J].干旱地區農業研究，2017，35（6）：266-271，293.

[50] 徐光輝，熊淑萍，張慧，等.烤煙地上部器官形態建成模擬模型[J].河南農業大學學報，2011，45（4）：395-401.

[51] 招啟柏，廖文程，孔光輝，等.移栽期對烤煙葉片生長動態的影響及其模型的建立[J].中國煙草學報，2013，19（4）：41-47，54.

[52] 孫延國，梁曉芳，許倩，等.移栽期對NC55葉片發生進程模擬模型建立[J].中國煙草科學，2016，37（2）：47-53.

[53] 王發勇.優質煙葉生育進程與形態指標研究[D].廣州：華南農業大學，2016.

[54] ZHANG Y H，TANG L，LIU X J，et al.Modeling dynamics of leaf color based on RGB value in rice[J].Journal of integrative agriculture，2014，13（4）：749-759.

[55] WU J，YANG S X，TIAN F C.A novel intelligent control system for flue-curing barns based on real-time image features[J].Biosystems engineering，2014，123：77-90.

[56] WANG L T，CHENG B，LI Z Z，et al.Intelligent tobacco flue-curing method based on leaf texture feature analysis[J].Optik，2017，150：117-130.

[57] 王蕓蕓，溫維亮，郭新宇，等.煙草花幾何建模研究[J].農業機械學報，2011，42（4）：163-167，173.

[58] 王蕓蕓，溫維亮，郭新宇，等.基于分形系統的煙草花序可視化仿真研究[J].農機化研究，2011，33（8）：51-54，58.

[59] 馬新明，楊娟，熊淑萍，等.煙草根系形態發育模擬模型[J].中國農業科學，2005，38（12）：2421-2427.

[60] 楊娟.煙草根系生長發育動態模擬模型及其可視化研究[D].鄭州：河南農業大學，2004.

[61] 席磊，冀亞麗，汪強，等.煙草根系生長的三維模擬仿真[J].微電子學與計算機，2010，27（4）：106-110.

[62] LI T，RAJAGOPLAN U M，KADONO H.Fractal based complexity analysis of wheat root system under different heavy metals[J].Plant biotechnology，2019，36（2）：77-84.

[63] 張吳平，郭焱，李保國.小麥苗期根系三維生長動態模型的建立與應用[J].中國農業科學，2006，39（11）：2261-2269.

[64] 康孟珍.植物功能結構模型研究的回顧與展望[J].系統仿真學報，2012，24（10）：2039-2048.

[65] SHI T X，MA Y T，WU J，et al.Quantification of light absorption and photosynthesis of tobacco canopy using 3-D modeling[C]//Proceedings of 2012 IEEE 4th International symposium on Plant Modeling，Simulation，Visualization and Applications [PMA 2012].Beijing：Institute of Electrical and Electronics Engineers，Inc，2012.

[66] 徐照麗，孫艷，吳茜，等.煙草功能-結構模型GreenLab-Tobacco的構建[J].中國煙草學報，2016，22（3）：52-59.

[67] 孟天瑤，葛佳琳，張徐彬，等.甬優中熟秈粳雜交稻栽后植株磷素積累特征與模型分析[J].中國水稻科學，2020，34（3）：256-265.

[68] 張超.基于高光譜數據與SAFY-FAO作物模型同化的冬小麥生長監測與模擬研究[D].楊凌：西北農林科技大學，2018.

[69] 邢會敏，相詩堯，徐新剛，等.基于EFAST方法的AquaCrop作物模型參數全局敏感性分析[J].中國農業科學，2017，50（1）：64-76.

[70] JABLOUN M，LI X X，ZHANG X Y，et al.Sensitivity of simulated crop yield and nitrate leaching of the wheat-maize cropping system in the North China Plain to model parameters[J].Agricultural and forest meteorology，2018，263：25-40.

[71] TAN J W，DUAN Q Y.Parameter estimation and uncertainty analysis of ORYZA_V3 model using the GLUE method[J].Transactions of the ASABE，2019，62（4）：941-949.

[72] PAULUS S，SCHUMANN H，KUHLMANN H，et al.High-precision laser scanning system for capturing 3D plant architecture and analysing growth of cereal plants[J].Biosystems engineering，2014，121：1-11.

[73] 張加楠，張雪芬，簡萌，等.先驗閾值優化卷積神經網絡的作物覆蓋度提取算法[J].信號處理，2017，33（9）：1230-1238.