硕士学位论文:黄淮海地区棉花生产管理系统
北京农业大学硕士学位论文
黄淮海地区棉花生产管理系统
董占山
摘要
本文综合运用作物模拟技术、知识工程技术，建立了黄淮海地区棉花生产管理系统COTMAS，它由棉花模拟模型
GOSSYM、棉田管理专家系统CMES、图形用户界面GUI和数据库组成，可以对棉花生产管理中的氮肥、水和植物
生长调节剂(缩节安)的管理提供辅助决策。
为了在系统中使用GOSSYM模型，利用1990年(正常年型)中国农科院棉花研究所(河南安阳)的试验资料，对
GOSSYM 93进行了较全面的验证，结果表明：GOSSYM 93基本上可以模拟中熟品种中棉所12、中早熟品种中棉所
17、早熟品种中棉所16的生长发育和产量的形成过程，但其中还存在一些问题，并针对这些问题提出了对
GOSSYM模型进行修改的建议。
棉田管理是通过定性和定量相结合而进行的，专家系统是操作定性知识的工具，本文利用专家系统技术，建立
了一个可以对棉田水、氮、缩节安管理提供辅助决策的棉田管理专家系统CMES。该系统采用面向对象的编程方
法，建立了一个棉田管理的抽象对象，从此对象衍生出水分管理、氮肥管理和植物生长调节剂管理的对象，将
棉田管理的知识规则组织到对象的方法中，通过消息传递，在规则的引导下推理，完成棉花生产管理中使用水
分、氮素和缩节安的辅助决策。
COTMAS是由多个模块组成的，模块之间的接口关系到系统的运行效率，文中简要介绍了COTMAS系统的模块之间
的接口技术和图形用户界面GUI。
最后，应用该棉花生产管理系统，对中棉所12、中棉所17的种植密度和株行距配置进行了计算机模拟试验，结
果分析表明：模拟试验选出的最优配比基本上与生产实际相吻合。施肥是棉花生产管理中的一项基本生产活动
，本文提供了一个利用CMES推荐棉田施氮决策的实例。
关键词：棉花，模拟模型，生产管理系统，专家系统
1 前言
自60年代美国的W. G. Duncan和荷兰的C. T. de Wit首创作物模拟模型的研究以来，世界各国先后开始对各
种作物研制了功能强弱不同的模拟模型。之后，随着人工智能技术的兴起，70年代末，美国开始研制农用专家
系统，以求在作物生产的某个或某些过程中，用计算机替代或帮助专家进行决策。80年代中期，这两大技术逐
渐融合，形成了能够在作物生产中使用的作物生产管理系统。
棉花模拟模型的研究始于60年代末的美国。1969年，Stapleton在亚利桑那州开始研制棉花模拟模型，之后形
成了SIMCOT和SIMCOT Ⅱ模型，继之，在1983年Baker等研制出了GOSSYM模拟模型，又经过10年的努力，完善
和扩充的GOSSYM 93已成为美国著名的棉花生产管理系统GOSSYM-COMAX的核心。1984年，Lemmon和McKinion等
为了帮助棉农使用GOSSYM模型，用GC LISP编写了一个专家系统，用来解释GOSSYM的输出信息，并向棉农推荐
棉花生产中的管理措施，这就是COMAX。由二者组成的GOSSYM-COMAX系统是一个农场级棉花生产管理系统，
GOSSYM提供关于棉花生长发育等生理学方面的信息，COMAX则制订出关于施肥、灌溉和植物生长调节剂等方面
的决策方案。GOSSYM-COMAX已在美国棉花带各州300多个农场使用，并取得来良好的经济效益。
在美国比较成熟的棉花生产管理系统还有2个，德克萨斯农业及机械大学的COTFLEX(Stone，1986)，加利福尼
亚州立大学的CALEX/Cotton(Plant，1987；Goodell，1990)。CALEX/Cotton可为加利福尼亚棉花生产提供
PIX、害虫管理、收获期等的决策。
目前，美国有4个专家系统还可用于棉花害虫管理，除上面提到的COTFLEX和CALEX/Cotton外，还有
CIC-EM(Bowden，1990)和rbWHIMS(Olson，1992)。CIC-EM是一个基于分类规则的专家系统，主要在密西西比
州使用，可以完成13个棉花害虫的管理。rbWHIMS是由USDA-ARS的CSRU(Crop Simulation Research Unit)设
计的，包括700多条规则，可以完成9组至少15种害虫的管理，rbWHIMS将进一步集成到GOSSYM/COMAX中。
澳大利亚，70年代棉铃虫危害十分猖獗，给澳大利亚的棉花生产造成了严重的损失。为了指导棉农有效地使用
农药，减少用药不当造成的经济损失、棉铃虫抗药性的增加和生态环境的破坏，CSIRO和新南威尔士的科学家合
作，从1976年开始研制棉花害虫计算机管理系统，并使之发展为完善的商用棉花害虫管理系统SIRATAC，为治
理澳大利亚棉花生产中的棉铃虫危害做出了贡献。
把从田间调查的有关棉铃虫和蕾铃数量的数据输入计算机，运行SIRATAC系统，该系统可以根据已使用的农艺措
施、田间的蕾铃动态、棉铃虫的群体动态数据和天气数据，通过果实模型预测大田棉花果实的发育状况，然后
调用棉铃虫群体动态模型，模拟棉铃虫的发育和死亡，再调用取食模型，预测有多少果实将会被棉铃虫危害，
再次运行果实模型，决定这种危害能否造成减产，最后调用专家系统，提出防治棉铃虫的具体策略，最后系统
向用户输出棉花生育状况、害虫虫量及其发育进度和危害程度，并以表格形式输出害虫、作物和喷药方法
(Hearn，1981，1987)。
该系统的推广应用，使棉农的害虫防治成本由每公顷100～300澳元降至9澳元左右，同时大大减轻了农药污染和
对天敌的杀伤。从1983年到1988年，该系统被推广应用于澳大利亚25%的棉田(潘小康，1991)。
目前澳大利亚已全面展开棉花模拟模型与生产管理系统的研究，已研制出的系统有OZCOT模型、ENTOLOGIC、
HYDROLOGIC、SOILPAK等。
80年代中期，我国也开始了棉花模拟模型的研制工作。中国科学院动物所吴国伟等(1988，1990)建立了一个中
等复杂程度的棉花生长发育的动态模拟模型。该模型中各组分由物质流和信息流来连接，净光合作用根据光能
、叶面积指数、气温、氮素和水分压力等级来求得，并在器官之间进分配，根据生理时间确定主茎节数，并由
棉花顶芽和腋芽伸长的同步性，确定果枝和果节数，果实发育或脱落由营养供求状况控制。通过河北省饶阳县
5年大田资料的验证，可适用于对不同肥力地块棉花生育的模拟，并对棉花超补偿作用有良好的模拟功能。本模
型可以用于研究棉花的超补偿机制，也可用于优化棉田管理决策。
中国农科院棉花所潘学标等(1991，1992)建成了一个棉花生长发育与产量形成模拟模型CGSM。该模型以太阳辐
射、气温为驱动变量，逐日模拟出棉田生产的净生物量，并分配到各个器官，根据棉花生育期间的温度变化，
模拟株高、主茎叶数、果枝数、果节数和蕾铃的发生与分布。经检验，本模型基本上能较准确地模拟棉花生长
发育动态，可在一定程度上为生产管理决策提供参考。
有关棉花生长发育模拟模型的研究还有：北京农业大学刘文等(1992)建成的棉花生长发育模拟模型COTSIM，湖
北省农科院唐仕芳等(1990)建成的水分胁迫下棉花生长发育模拟模型CDSM，江苏省农科院李秉柏等(1991)建成
的棉花生育期模拟模型。
80年代末期，我国也开始进行棉花生产管理系统的研究。北京农业大学肖荧南等(1990，1991)建立了棉花生产
决策系统，该系统由数据库、知识库和推理机组成，具有多目标决策、播前决策和动态决策等功能。播前决策
就是根据用户对产量目标的要求和天气年型的预报，对专家咨询表进行综合推理、判断，作出产量预测及品种
、播期、密度、氮磷钾肥数量、灌溉次数等决策；动态决策就是确定棉花蕾、花期调控措施的决策。
中国农科院棉花所董占山等(1992，1993)建立了一个棉花生产管理模拟系统CPMSS/CGSM。该系统由知识库、推
理机、知识解释机构、知识获取机构、动态数据库、关系数据库、生长发育模拟模型、人机接口等组成。其主
要功能是：①整体决策：根据植棉地区的气候资源、土地资源、水资源等基本条件，对当地高产棉花生产做出
整体决策，包括选择品种、适宜播期、株行距配置、施用底肥的种类及用量，以及正常生长条件下生育期间应
追肥量、缩节安的施用适期及用量。②生育期间的动态调控决策：在棉花生育期间，根据基本条件、植株当时
的长势长相和前期所采取的农艺措施，判断棉花当时的生长状态，判断苗情的好坏，长势的旺弱，提出最近半
月内的推荐措施。③根据棉株中前期和当时的生长发育状况，于8月底以后，模拟产量结构，预测本年度的皮棉
产量。
我国关于棉花模拟模型的研究和棉花生产管理系统的研究尚属起步，近几年的研究虽然取得了一定的进展，但
产品均是初级的，局限在实验室使用，距在生产上应用还有一段距离。
中国是世界产棉大国，植棉历史悠久，宜棉区域广阔。目前，我国棉花总产量居世界首位，但是，我国棉花平
均单产低于世界先进植棉国家的水平，与以色列、美国、澳大利亚等国的棉花生产管理水平还有较大的差距，
如：1993年澳大利亚皮棉单产为1160公斤/公顷，而我国为749公斤/公顷，1994年澳大利亚皮棉单产为1244公
斤/公顷，而我国为765公斤/公顷，鉴于此有必要在我国发展棉花生产管理系统及深入进行棉花模拟模型的研究
，以期对提高我国棉花生产水平有所帮助。
黄淮海棉区包括冀、鲁、豫、淮河以北的苏北、皖北的黄淮海平原以及关中、晋南的汾渭河谷，播种面积和总
产1983年已超过全国半数(韩湘玲，1991)。该区地势平坦、土层深厚、土质疏松、排水良好、光照充足、水热
适中、春季气温回升快、秋季多晴朗天气，这些条件有利于棉花的早发、稳长和吐絮，使其成为我国的主要集
中地带(王素云，1992)。国家“六五”和“七五”计划期间，北京农业大学等单位对黄淮海地区棉花品种布局
、耕作改制和商品棉基地县建设作了不少的工作(韩湘玲，1987)，为该地区棉花生产的发展起到了积极的促进
作用。
在黄淮海棉区种植的棉花品种繁多，目前，在该区大面积推广的中熟品种中棉所12、中早熟品种中棉所17和早
熟品种中棉所16具有一定的代表性。
中棉所12是黄淮海棉区广泛种植的优质抗病中熟棉花品种，适合于该地区作春播一熟种植，近年来已引种到我
国其它棉区，如新疆内陆棉区，且优质丰产性良好。1991年，中棉所12的种植棉积已经达到160万公顷(2400万
亩)以上，占全国植棉面积的25%以上。所以，中棉所12可代表黄淮棉区的中熟棉花品种。
中棉所17是中早熟、丰产、抗病棉花品种，适合于晚春播、麦棉套种或麦(油)后大苗移栽种植。该品种在黄淮
海棉区也已大面积推广，对中早熟棉花品种具有代表性。
中棉所16是典型的早熟棉花品种，适合于作麦套夏棉品种，适于淮河以北，海河以南，太行山以东的麦(油)棉
两熟区夏播种植，是当前该区早熟棉花品种的代表品种。
本研究就是要在前人的研究基础上，探索引进美国的棉花模拟模型GOSSYM，进行验证或修改，为该地区开发利
用该模拟模型提供理论和实践依据。试验研究在地处黄淮海平原腹地的河南安阳中国农业科学院棉花研究所进
行，选用上述3个在黄淮海棉区大面积推广的棉花品种为试验材料，以广泛验证GOSSYM模型对不同熟性品种类型
的反应，以便充分发现问题，修改模型，获得一个可在该地区使用的棉花模拟模型。然后将GOSSYM模型集成到
适合我国黄淮海棉区使用的棉花生产管理系统中，为该区棉花生产的发展服务。
2 方法论
作物(棉花)生产系统是一个受作物本身、天、地、人多种因素制约的复杂系统，在系统内部，各因素间又相互
依存、相互制约。在这个系统中除各种不可控因素外，人是这个系统的主要控制者──决策者和管理者。在进
行棉花生产管理时，首先要了解作物(棉花)自身依外界环境(天气、土壤等)的生长发育规律(即建立棉花模拟模
型)；然后根据这种规律性，人为地对系统的平衡进行调整(即建立棉花管理专家系统)，以期达到棉花高产、稳
产、优质、高效(高经济效益、高社会效益和高生态效益)。
作物(棉花)生产管理系统是一种高度综合的计算机程序系统，它把作物(棉花)模拟模型、作物(棉花)管理专家
系统和优化决策模型及其它辅助模型有机地结合，充分利用专家对作物(棉花)生产管理的已有知识和经验，依
赖作物(棉花)生产中作物(棉花)自身的生长信息反馈，对作物(棉花)生产的日常管理和出现的具体问题，进行
实时实地的在线式管理决策(董占山，1995)。
作物生产管理系统是计算机科学和农业科学交叉发展的产物，是近年来刚刚兴起的一门新技术，它的开发和研
制需要多学科科技工作者协作才能完成(董占山，1995)。特别是作物模拟模型的研制是系统研制的关键所在，
它需要综合气象学、植物生理学、土壤学、农学的知识和计算机编程技术(张宏名，1994)；作物管理专家系统
的研制则需要作物管理专家和人工智能工程师的密切合作。总之，作物生产管理系统的研制是一个复杂艰巨的
系统工程。一方面，需要在人工控制条件下进行精确的试验研究，和在不同的生态环境条件下进行大量的大田
试验，以检验系统的有效性；另一方面，需要进行大量的计算机编程和调试工作。
在棉花生产管理系统的研究中，综合运用了作物模拟方法、知识工程方法、系统优化方法和数字仿真方法。其
中作物模拟方法是作物生产管理系统的核心，贯穿于系统研究的始终，知识工程方法是管理的主要手段，后两
者是系统实现的辅助手段。
2.1 作物模拟方法
作物模拟模型是利用计算机程序模拟作物在自然环境条件下利用光能资源把水和二氧化碳结合制造成有机物质
的过程(包括光合作用、呼吸作用、作物生长、干物质的积累与分配等生理生化过程)、作物组织和器官的建成
和死亡的过程和作物产品的形成过程等，同时还包括作物需要的矿质元素在土壤中的分配、移动和被作物吸收
的过程。这些过程既决定于作物本身的特性，同时也受到外界环境条件的制约，这些环境条件包括太阳辐射、
温度、水分和二氧化碳等气候因子和土壤质地、土壤肥力等土壤因子，还包括人类的活动等人文经济环境条件
，其中对作物生产起作用最大的因素是气候因子，只有有了光、热、水、气，作物才能进行光合作用，然后才
有物质生产。
作物模拟模型总的来说有三个基本特点：①机理性：作物模拟模型的各部分是作物对应部分的生理生化机制的
简要表示，它可以模拟作物本身的内在变化和对环境的反应，从这层意义上可以将作物模拟模型看作计算机人
工作物(胡瑞安等，1994)；②通用性：因模拟模型一般是基于作物生长发育的生理过程的，使这样的模型具有
较为广泛的适应性，通过模型参数的校正可以应用到不同的地区；③复杂性：由于作物本身的复杂性，模拟模
型要模拟现实世界的全部或主要结构和功能，必然具有众多的内容和复杂的结构。
根据作物模拟模型的特点，要研制一个比较完善的作物模拟模型是十分复杂的，对棉花而言，尤其如此。作物
模拟模型作为作物生产管理系统的核心组成部分，对作物生产管理决策系统的适用范围有较大的决定性。
在本项研究中，通过收集整理以往的栽培试验资料和进行必要的田间试验，获得不同棉花品种的形态指标、蕾
铃、叶面积等的动态调查资料和产量资料，以及田间管理资料和当地逐日的气象资料，对目前国际上比较成熟
的棉花生长发育模拟模型GOSSYM进行较全面地验证，并进行必要的修改和补充，欲获得一个可在我国广泛使用
的棉花模拟模型，为棉花生产管理决策系统的棉花田间管理决策提供信息。
2.2 知识工程方法
目前无论是建立信息系统还是建立决策支持系统，大多都运用知识工程技术，赋予系统一定的智能，对农业生
产管理决策系统更是如此，如GOSSYM-COMAX系统。这主要是因为农业生产中的不确定因子较多，定性的描述和
经验性的东西占主导地位，一味强调数字化方法不现实，也不可能全面地解决问题。把作物管理专家的知识和
经验规则化、具体化，用计算机程序表达出来，形成特定的知识库，通过一种具有特殊才能──推理功能──
的计算机程序来操作管理，对作物生产的具体领域的问题提出解决方案，辅助作物生产者实现作物生产的各个
环节的管理，这就是作物管理专家系统。
在本项研究中，通过整理棉花栽培管理知识和对棉花栽培专家咨询，获得有关棉花栽培管理各方面的知识，并
进行筛选和整理，滤去相饽的知识，提炼加工，建立棉花栽培知识库。然后，研制一个操作这个知识库的推理
机，形成一个棉花生产管理专家系统CMES，为棉花生产中的管理决策服务。
2.3 数字仿真方法
有一些情况，在既无试验资料也无经验性的材料时，根据棉田的实收产量和有限的调查资料，利用农业气候的
平行分析方法，结合棉花生长发育过程中的关键时期和关键因子，通过计算机进行模拟仿真，可以对模型或系
统进行初步调校。
2.4 系统优化方法
专家系统是操作定性知识的工具，模拟模型是操作定量信息的工具。在作物(棉花)生产管理中不仅有定性的决
策，也有定量的决策，上述两者都不可能单独完成这两方面的决策，只有二者有机地结合，构成一个完整的体
系才能完成。
在作物(棉花)生产管理决策过程中，不是只求得系统的最高产出，而是要求得系统的最优产出，即既取得较高
的产量，也要求具有较好的产品品质，还要求经济效益高，对生态环境具有良性作用，即农业上所说的用养结
合，发展持续发展的农业。
也就是说，要综合运用各种优化理论，根据一地的自然资源和社会经济资源等的具体配置，在充分考虑作物(棉
花)的产量和品质的前提下，对作物(棉花)生产过程的管理措施提出经济的、生态的、社会的优化决策，使作物
(棉花)生产活动按最优化的道路进行。它在作物(棉花)生产中起着辅助决策的功能，帮助专家或专业人员处理
实际问题，以期达到最优的作物产品和最佳的经济和生态效益，最后向用户推荐优化的决策方案，这就是作物
管理优化决策模型。
3 黄淮海地区棉花生产管理系统的总体结构
黄淮海地区棉花生产管理系统(COTMAS，COTton crop MAnagement System in Huang-Huai-Hai region)是
用BORLAND PASCAL 7.0运用面向对象编程技术(Tom Swan，1993)编写而成的，源程序18000余行，字节数近
600KB。编译后的执行程序可以在MS WINDOWS 3.1操作系统下运行，如果使用中文之星2.0进入中文环境，则可
以使用纯中文提示。
3.1 系统的组成与结构
黄淮海地区棉花生产管理系统COTMAS有以下几部分组成：图形用户界面GUI(Graphic User Interface)、棉田
管理专家系统CMES(Cotton crop Management Expert System)、棉花模拟模型GOSSYM和数据库组成。图1显
示了棉花生产管理决策系统的基本结构和各个组成成分之间的关系。
图1
COTMAS子模块简介：
● 图形用户界面GUI
GUI是用户与COTMAS系统打交道的媒介，用户通过它可以把系统需要的信息输入数据库和操纵各种分析决策功
能，也可以把数据库中的信息提取出来。GUI采用BORLAND公司的ObjectWindows编程，源程序5000余行。
● 棉田管理专家系统CMES
CMES是对棉花田间管理提供定性和定量决策的专家系统，它目前有几个子专家系统组成：N肥管理子专家系统、
水管理子专家系统、植物生长调节剂子专家系统。采用BORLAND PASCAL的面向对象编程技术编写，源程序
2000余行。
● 棉花模拟模型GOSSYM
GOSSYM是棉花生长发育模拟模型，专门模拟棉花作物本身依环境因子的发展变化规律。GOSSYM模型原来是用
FORTRAN语言编写的，为了系统连接的方便已用BORLAND PASCAL全部改写，源程序11000余行。
● 数据库
数据库是COTMAS的信息集散地，用户输入的信息一般均以文件形式存储在磁盘上，这些文件构成了COTMAS数据
库的主体，CMES、GOSSYM生成的数据也存储在磁盘上。
在图1中还包括了气候年型辨识模型IDCLIM(IDentifying CLImate pattern Model)和逐日气象资料生成模型
SIMWTH，它们还没有与COTMAS相连接，但在系统设计时已留下接口，模型一旦成熟就可以连接到系统中。
3.2 系统的功能
1.在棉花生产管理中的应用
● 灌溉日期和灌溉量的决策
根据水分胁迫、灌水对最终产量的效应和距成熟期的时间进行决策，GOSSYM预报由于缺水而引起的生理胁迫的
时间，CMES通过多次执行GOSSYM作出减轻或消除生理胁迫的灌溉方案。
● 施氮时间和用量的决策
根据氮素胁迫、施肥对最终产量的效应和对营养生长的作用来决策，制定出减轻或消除生理胁迫的施氮肥方案
。
● 植物生长调节剂决策
植物生长调节剂能降低株高，促进光合产物向生殖部分分配，缓解营养生长过快带来的负效应。缩节安是当前
最流行的植物生长调节剂，其使用时间和用量依赖于棉花的生育状况。GOSSYM能模拟缩节安的使用效果，从而
对缩节安的使用日期和用量作出决策。
● 估计皮棉产量
利用GOSSYM模型，可以对模拟棉田的棉花皮棉产量，提前1个月左右进行估产，但还不能对大面积的棉花产量进
行预测。
2.在棉花科学研究中的应用
● 作物试验设计的模拟
当作物模拟模型通过广泛的验证，证明其有效性后，可以用它作为一种研究的辅助工具，通过给出一定的试验
因子水平，在计算机上进行模拟试验，可以快速有效地找出有效可行的试验方案，而不必用传统的回归设计或
正交设计，在田间进行大规模的试验。在作物播种之前，利用作物模拟模型可以优选出作物种植密度、株行距
配置、播种期等，提出播前决策方案。
● 研究作物(棉花)与外界环境条件的关系
作物模拟模型原本就是模拟作物在不同的外界环境条件下的生长发育和产量形成过程的，所以它是研究作物对
外界环境条件反应的有力工具。如美国用GOSSYM模型研究棉花对大气中CO攬2攭、臭氧(O攬3攭)的反应
(Reddy，1989)。
● 棉花品种选育中的应用
在棉花新品种的选育过程中，当一个新的品系育成之后，要将其送往各地进行品种区域试验，一般通过2～3年
的试验，表现良好的品系即可在适应的地区进行推广种植，但这个过程需要花费较多的人力和物力。若在新品
系育成之后，用作物模拟模型模拟该品系在不同的生态环境条件下的表现，从而决定其适宜种植区域，再组织
试验，可以减少试验的盲目性，加速新品种的推广应用。
● 作物生产潜力的研究
一个地区作物(棉花)的气候生产潜力和土地生产潜力是多少，该地区有无进一步开发的前景，可以通过模拟模
型来研究。
4 GOSSYM模型简介
在国内外研制的众多棉花模拟模型中，无论是从研究的深度还是从应用的角度来看，以美国农业部农业研究署
作物模拟所研制的GOSSYM为其中的姣姣者。1993年9月，应中国农科院棉花研究所的邀请，美国农业部密西西
比农业试验站著名棉花模拟专家McKinion和Wagner来我国访问，并进行了为期1周的合作研究。合作研究期间
，他们向我们介绍了GOSSYM 93和GOSSYM-COMAX 93系统。GOSSYM 93以其优异的性能和完善的功能，成为本研
究的基础。
4.1 概述
GOSSYM模拟模型是一个动态模型，能在生理过程水平上模拟棉花的生长发育和产量形成。该模型本质上是一个
表达植物根际土壤中水分和氮素与植株体内碳和氮的物质平衡的模型，包括了水分平衡、氮素平衡、碳平衡、
光合产物的形成与分配、植株的形态建成等子模型。
在GOSSYM模型中，植株光合、生长、形态发生部分的模拟步长(或模拟时间)以天为单位，而与土壤水分再分配
有关的部分的模拟步长为一天10次。
GOSSYM模型可以模拟棉花对外界条件的反应，如逐日的太阳辐射、最高和最低气温、风速、降雨等气象条件，
以及种植密度、行距、耕作措施、施氮肥和灌溉等农艺措施。
4.2 GOSSYM的子模型
● 气候子模型(CLYMAT)
气候子模型读入全部气象资料(实际的、预报的、未来的)，用Robinson和Russelo的算法计算日长，采用
Acock提出的方法利用日最高温度、最低温度和太阳辐射计算昼间、夜间和全天的平均温度，用株高和行距计算
棉田截光率；然后调用土壤温度子模型(TMPSOL)计算根层2米深各层土壤的温度；并调用地表水径流子模型
(RRUNOFF)计算降雨或灌溉可能引起的径流量，采用美国农业部水土保持局推荐的估计方法。
● 土壤子模型(SOIL)
土壤子模型计算向植株提供的氮素、土壤水势和根系存贮氮和糖的能力。根区土壤在横向上分成20个等份，在
纵向上分成40个等份，形成一个20x40的矩阵，即800个小室，每个小室大约为5x5厘米。模型逐日计算各室的
水分、硝态氮和铵态氮以及根的生物量，用来计算根的生长量和水分与氮素的吸收量。
其中的二级子模型，施肥子模型(FRTLIZ)用来分配铵态氮、硝态氮和尿素于土壤剖面中；重力水移动子模型
(GRAFLO)用来完成在重力作用下的雨水和灌溉水在土壤剖面中的移动过程；蒸腾子模型(ET)估计土壤表面的蒸
发速率和作物的蒸腾速率；土壤蒸发子模型(EVPSOIL)估计土壤表面的水分蒸发量；吸收子模型(UPTAKE)计算
根区水分、氮素的吸收；毛管水移动子模型(CAPFLO)估计毛管水的流动状况；硝化子模型(NITRIF)计算土壤中
微生物作用下的铵态氮向硝态氮的转变情况。
● 化学药剂子模型(CHEM)
该模型估计化学物质对植物生理过程的作用。目前这些化学物质包括植物生长调节剂PIX和PREP、脱叶剂DEF、
DROPP、GRAMOXONE、FOLEX和HARVADE。
● 光合呼吸子模型(PNET)
该模型根据日太阳辐射量、棉田截光率、种植密度和水分对光合作用的胁迫系数计算植株的日总光合产物，根
据日平均温度计算光呼吸量，根据植株重计算维持呼吸量，然后计算出日总净光合产物。
● 生长子模型(GROWTH)
生长子模型计算植株各器官潜在的和实际的生长速率，将光合作用产物分配到各器官，计算各器官的总生物量
，同时计算株高的日生长量。其中二级子模型根系生长子模型(RUTGRO)计算各土壤小室中根的生长和分布；根
延伸子模型(RIMPED)计算增加土壤容重对根延伸能力的影响；氮素分配子模型(NITRO)计算植株中氮素的分配
；代谢物平衡子模型(MATBAL)保持模型中碳、氮等的物质平衡轨迹。
● 形态发生子模型(PLTMAP)
形态发生子模型模拟棉株的形态建成和各器官的成熟与衰老，包括蕾铃的生理脱落和各种胁迫因素的计算。在
GOSSYM模型中，各器官的形成时间基本上是依温度的函数关系，如现第一蕾的时间与温度有：
TSQ = (a - T*(b-T*c) * CALBRT[1]
其中TSQ是从出苗到现第一蕾的时间，T为从出苗到现蕾这段时间的日平均气温，CALBRT[1]是第一个品种参数
(见表1)，a、b、c为方程的系数。
主茎节位、果节的出现时间，由蕾到开花的时间、开花到吐絮到时间均是温度的函数，基本形式同第一蕾出现
时间依温度的关系式，在此不再详述。
● 脱落子模型(ABCISE)
脱落子模型估计蕾铃和叶片由于胁迫和自然衰老的脱落速率。
4.3 模型的输入
GOSSYM模型的输入项目包括：
● 逐日气象资料：太阳辐射、最高温度、最低温度、降雨量、风速
● 土壤特征资料：土壤质地参数、土壤水分特征参数
● 土壤肥力资料：播种之前测定的土壤初始肥力，包括硝态和铵态氮的含量、有机质的含量、土壤含水量等
● 农艺资料：施用氮肥的时间及用量、灌溉的时间及灌水量、喷施缩节安的时间及用量等
● 其它资料：出苗期、种植密度、行距、地理纬度等
● 生长调查资料：现蕾后间隔几日调查的蕾铃动态的植株图以及株高等
以上各项资料，前5项是必须的，最后1项是可选的，不过使用最后1项资料可以校正GOSSYM的模拟进程，使模
拟结果更接近于棉花的实际生产情况。
4.4 模型的输出
● 植株总况：出苗后天数、日期、株高、叶面积系数(LAI)、主茎节数、总果节数、蕾数、青铃数、吐絮铃数
、皮棉产量、蕾铃脱落数
● 胁迫因子：截光率、碳胁迫系数、氮对营养生长的胁迫系数、氮对生殖生长的胁迫系数、叶片中氮的浓度、
水分胁迫系数、蒸散量、PIX的浓度、土壤水势
● 水分和蒸发：土壤蒸发量、植株蒸腾量、净辐射量、日净光合产物、累积土壤蒸发量、累积植株蒸腾量、植
株吸收水分的累积量、累积降雨量、水分总量、水分平衡因子
● 干物重：累积净光合产物量、植株重、CO攬2攭平衡因子、叶重、茎重、根重、蕾重、吐絮铃重、青铃重、
死亡部分重、碳水化合物储存量
● 动态变化曲线图：产量、株高及蕾铃数、太阳辐射、温度、氮素胁迫系数、水分胁迫系数
● 剖面图：土壤水分剖面、根系剖面、土壤温度剖面
● 植株图：蕾铃代码、蕾铃百分率、铃重、铃离成熟天数
5 GOSSYM模型的验证
一个作物模拟模型研制成之后，要进行广泛的验证。GOSYYM模型虽然已于1986年开始在美国棉花带广泛应用了
，且取得了良好的效果，但是，当将其引入我国时，由于我国棉花生产管理、棉花品种、气候、土壤的特殊性
，必须对其进行验证和修改，取得土壤参数、品种参数等必要的数据，然后才能使用。
5.1 材料与方法
1990年，选用3个在黄淮海棉区表现较好的推广品种(中棉所12、17、16)为试验材料，在河南安阳中国农业科
学院棉花研究所试验场进行田间试验。中棉所12于4月13日播种，密度45000株/公顷，中棉所17于5月3日播种
，密度60000株/公顷，中棉所16于5月22日播种，密度为75000株/公顷，80厘米等行距，6行区，行长10米，
4次重复，7月4日施饼肥75公斤/公顷和尿素112.5公斤/公顷，8月10日喷缩节安60克/公顷。在生长季节中，自
5月22日至9月25日每隔10天调查一次，测定株高、主茎节数、果节数、蕾数、铃数，并用LI-3000叶面积仪测
定全部叶面积。
5.2 模型参数
GOSSYM模型使用一个品种参数文件，包括48个参数，其中有依品种的、依温度的参数和一些填补目前知识空缺
的参数。这些参数主要是作为方程的截距或斜率，或作为棉花植株生育性状的上下限来使用。依品种的参数比
较容易获得，如可以在育种者那里得到铃的最大尺寸；发育期和主茎节位与果节之间的时间间隔是依温度的参
数，也比较容易得到；其它参数很难从直接的观测得到，采用数值仿真的方法(Boone，MYL，1993)得到。本文
通过数值仿真获得的中棉所12、中棉所16、中棉所17的品种参数见表1。
表1 中棉所12、中棉所17和中棉所16的品种参数表
─────────────────────────────────────────
序号 说 明 中棉所12 中棉所17 中棉所16
─────────────────────────────────────────
1 现蕾与温度关系的校验因子 1.0 0.85 0.85
2 影响比叶重的校验因子 0.6 0.75 0.8
3 水分胁迫日期，用天数表示 45.0 45.0 45.0
4 为根系潜在生长受土壤小室中含N量影响的抑制系数 0.7 0.7 0.7
5 植物生长调节剂影响株高生长的参数 0.95 1.0 1.0
6 在水分胁迫下根冠比的校验因子 1.0 1.0 1.0
7 营养枝两个果枝节位间隔时间的校验因子 0.95 1.6 1.3
8 碳水化合物胁迫造成生殖生长延迟的校验因子 0.9 1.0 0.9
9 同上 -0.22 -0.22 -0.22
10 同上 -2.2 -2.2 -2.2
11 生殖部分脱落与生理胁迫关系的校验因子 0.4 1.6 1.4
12 开花与温度关系的校验因子 1.15 0.95 1.0
13 同11，当FRATIO>=CALBRT[18] 2.25 2.3 2.1
14 青铃至吐絮时间与温度关系的参数 1.05 1.0 1.0
15 主茎两果枝节位间隔时间的校验因子 0.67 0.8 0.8
16 蕾的最大脱落率 1.1 0.6 0.5
17 铃的最大脱落率 0.1 0.3 0.3
18 生殖生长所占比例的最小值 0.1 0.1 0.1
19 影响果枝前节位主茎叶叶面积的扩展 1.5 1.7 2.0
20 青铃不再脱落后铃龄的校验因子 4.0 4.0 5.0
21 水分胁迫影响叶生长的参数 -0.85 -0.85 -0.85
22 水分胁迫影响茎生长的参数 -0.9 -0.9 -0.9
23 由于N胁迫，营养生长延迟的参数 1.5 1.5 1.5
24 与铃潜在生长有关的参数 1.6 1.9 1.9
25 由于生理胁迫造成营养生长延迟的因子 -0.1 -0.1 -0.1
26 最低叶水势值 -0.9 -0.9 -0.9
27 叶面积系数小于此值，铃温度将受到校正 3.0 3.0 3.0
28 现蕾前两主茎节位间的时间间隔与温度关系的校验因子 1.2 1.3 1.25
29 影响现蕾前叶龄的参数 18.0 18.0 16.0
30 叶龄受水分胁迫的校验因子 0.75 0.75 0.75
31 影响现蕾前茎潜在生长的参数 0.1 0.1 0.1
32 影响现蕾后茎潜在生长的参数 0.8 0.85 0.85
33 影响棉铃大小的参数，为天数 7.0 6.75 6.75
34 土壤单元中含N量的极小值 0.0005 0.0005 0.0005
35 影响NH4+的硝化的参数 15.0 15.0 15.0
36 现蕾前主茎节年龄影响株高生长的因子 0.25 0.2 0.25
37 由于生理胁迫造成营养生长延迟的因子 -5.5 -5.5 -5.5
38 生殖部分脱落与生理胁迫因子关系的参数 -3.607 -3.607 -3.607
39 同上 1.605 1.605 1.605
40 植株对蒸腾的减弱因子 1.0 1.0 1.0
41 叶龄大于此值即死亡 1.2 1.0 0.9
42 影响茎潜在生长的校验因子，为天数 35.0 35.0 35.0
43 影响株高生长的水分胁迫方程的参数 13.16 13.16 13.16
44 同上 9.007 9.007 9.007
45 同上 1.452 1.452 1.452
46 植株顶部第1果枝第1节位的年龄等于此值株高不再增加 7.0 7.0 6.0
47 株高日增量的最大值 4.5 4.5 4.5
48 与光合速率有关的参数 0.15 0.15 0.15
─────────────────────────────────────────
5.3 中棉所12的验证结果
使用表1中的中棉所12的品种参数，用GOSSYM对1990年在河南安阳中国农业科学院棉花研究所的试验资料进行
模拟，对中棉所12的模拟结果与实测值进行比较，见图2和图3，模拟值与实测值拟合的直线方程见表2。
图2-3
由图2和图3可以看出，GOSSYM的模拟值总的来说可以和实测值吻合。从株高(图2a)和主茎节数(图2b)的模拟值
和实测值的比较图上可以看出，在打顶之前，模拟值和实测值能较好地吻合，打顶以后，实际作物基本不再长
高，模拟作物还在慢慢长高，主茎节数还在增加。叶面积指数(LAI)的模拟值在全生育期内均较实测值高一些
(图2c)；单株总果节数(图3a)、蕾数(图3b)和铃数(图3c)的变化模拟值与实测值很接近。
表2 中棉所12的GOSSYM模拟值(Y)与实测值(X)的直线回归方程
───────────────────────────────────
指 标 N 回 归 方 程 R2 F值
───────────────────────────────────
株高 14 Y= 2.93 + 1.05*X ± 3.41 0.993 1821.00***
主茎节数 15 Y= 0.041+ 1.08*X ± 1.80 0.956 306.30***
株蕾数 15 Y=-4.02 + 1.22*X ± 5.64 0.897 121.67***
株果节数 13 Y= 0.87 + 1.00*X ± 4.53 0.977 509.40***
株铃数 9 Y= 1.79 + 1.18*X ± 4.23 0.891 65.17***
叶面积指数(LAI) 12 Y= 0.350+ 1.01*X ± 0.55 0.918 122.38***
───────────────────────────────────
由表2可以看出，对6个棉花性状，GOSSYM模拟值与实测值均具有高度的正相关关系，株高、主茎节数、单株总
果节数、叶面积指数4个指标模拟值依实测值的回归系数均接近1，说明它们的拟合度较高；单株蕾数、株铃数
2个指标的拟合程度次于前者。
GOSSYM模拟的皮棉产量为1709.3公斤/公顷，实际皮棉产量为1569公斤/公顷，二者的相对误差为8.2%，在允许
误差范围内。
为了检验所得到品种参数的有效性，用GOSSYM模拟了1988和1989两年不同栽培条件下中棉所12的皮棉产量表现
(表3)。由表3可知，GOSSYM可以较好地模拟不同年型不同栽培条件下中棉所12的生长发育及产量的形成过程，
皮棉产量的模拟值与实测值较接近，相对误差的平均值为9%，但1988年的模拟结果偏差较大，但基本在允许误
差范围内，原因可能是管理措施(使用时间是估计的)的不一致造成的。
以上结果证明通过适当调整模型参数，GOSSYM基本能够用来模拟黄淮海棉区中熟棉花品种的生长发育及产量的
形成过程，但其中存在一些问题，如不能较好地模拟中棉所12生育前期长势较弱的特点，叶面积系数偏大等；
另外，在实际作物打顶之后，养分的分配会转向生殖生长，而模拟作物不能模拟这种特性。虽然，最后的模拟
皮棉产量与实测值较为接近，但作为一个完善的作物模拟模型，欲在科学研究和棉花生产中应用的话，还是需
要对其进行必要的修改的。
表3 不同年份不同栽培条件下中棉所12的模拟结果*
─────────────────────────────────────
年份 密度 纯氮量 缩节安 皮棉实产 模拟产量 模拟与实际之差 相对误差
─── ──── ─── ─────────────────
株 公斤 克 公斤 (%)
─────────────────────────────────────
1988 45000 165 30 1254.2 1401.1 146.9 11.7
1988 45000 75 0 1042.4 1412.3 369.9 35.5
1989 39000 180 30 1828.5 1726.0 -102.5 -5.6
1989 43500 150 37.5 1741.5 1771.0 29.5 1.7
1989 48000 135 45 1746.0 1743.0 -3.0 -0.1
1989 52500 120 45 1825.5 1698.1 -127.4 -7.0
1989 45000 112.5 0 1785.0 1759.8 -25.2 -1.4
─────────────────────────────────────
*表中数量均为每公顷量
5.4 中棉所17的验证结果
使用中棉所17的品种参数(见表1)，对1990年在河南安阳中国农业科学院棉花研究所做的中棉所17试验进行模
拟，其模拟值结果与实测值进行比较见图4～图5，二者拟合的直线方程见表4。
图4-5
由图4和图5可以看出，中棉所17的GOSSYM模拟值与实测值基本上吻合。对株高(图4a)和主茎节数(图4b)在打顶
前拟合得很好，打顶以后，实际作物基本不再长高，模拟作物还在慢慢长高，这是需要改进的。叶面积指数
(LAI)的模拟值与实测值基本上吻合，但后期模拟作物的叶面积系数居高不下(图4c)；单株总果节数(图5a)、
蕾数(图5b)和铃数(图5c)的模拟值与实测值也比较接近，但蕾的模拟值较实测值偏差较大，且后期模拟作物出
现二次生长，这可能与株高的继续增高，主茎节数持续发生有关，另外模拟作物的单株成铃数较实际作物的多
一些。
表4 中棉所17的GOSSYM模拟值(Y)与实测值(X)的直线回归方程
────────────────────────────────
指 标 N 回 归 方 程 R2 F值
────────────────────────────────
株高 14 Y= 0.28 + 1.01*X ±3.944 0.988 1104.91***
主茎节数 14 Y= 2.61 + 0.688*X±2.362 0.891 106.53***
单株总果节数 11 Y=-2.16 + 1.02*X ±5.73 0.940 158.01***
单株蕾数 14 Y= 1.87 + 0.822*X±5.177 0.745 38.07***
单株铃数 14 Y=-1.56 + 1.21*X ±1.043 0.956 279.15***
叶面积系数 11 Y= 0.24 + 0.909*X±0.337 0.969 307.64***
────────────────────────────────
由表4可以看出，中棉所17的GOSSYM模拟值与实测值具有高度的相关关系，除单株蕾数外，其余指标的模拟值
与实测值的回归方程的决定系数均大于0.9。株高、单株总果节数、叶面积指数等3个指标模拟值依实测值的回
归系数均接近1，说明它们的拟合度较高；单株蕾数、株铃数、主茎节数等3个指标的拟合程度仅次于前者。
最后的模拟产量为1445.9公斤/公顷，实际产量为1356公斤/公顷，二者的相对误差为6.7%。单从皮棉产量这一
综合指标来说，采用表1中的中棉所17的品种参数，利用GOSSYM模型基本上可以模拟中棉所17的生长发育及产
量形成，但其中存在不少的问题。
5.5 中棉所16的验证结果
使用本文所获得的中棉所16的品种参数(见表1)，对1990年在河南安阳中国农业科学院棉花研究所的中棉所
16的试验进行模拟，模拟值与实测值的关系见图6～图7，二者拟合的直线方程见表5。
图6-7
由图6和图7可以看出，GOSSYM的模拟值总的来说可以与实测值吻合。对株高(图6a)和主茎节数(图6b)在打顶前
拟合得较好，打顶以后，实际作物基本不再长高，模拟作物还在慢慢长高。叶面积指数(LAI)的模拟值在吐絮之
前与实测值较吻合(图6c)，但是吐絮之后，模拟值一直偏高，这于中棉所17的情况相似。单株总果节数(图
7a)、蕾数(图7b)和铃数(图7c)的变化模拟值与实测值较为接近，其中，从蕾数的变化图上也可以看到模拟作
物后期出现了二次生长。
表5 中棉所16的GOSSYM模拟值(Y)与实测值(X)的直线回归方程
─────────────────────────────────
指 标 N 回归方程 R2 F值
─────────────────────────────────
株高 14 Y= 4.77 + 0.987*X±6.003 0.977 549.05***
主茎节数 12 Y= 1.08 + 1.00*X ±1.041 0.975 436.24***
单株总果节数 10 Y=-2.98 + 1.17*X ±5.351 0.939 137.79***
单株蕾数 15 Y= 4.05 + 0.846*X±5.974 0.657 26.82***
单株铃数 13 Y=-0.607 + 1.19*X ±1.144 0.944 202.59***
叶面积系数 11 Y= 0.217 + 0.918*X±0.347 0.965 271.76***
─────────────────────────────────
由表5可以看出，GOSSYM模拟值与实测值具有高度的相关关系，除单株蕾数外，其余指标的模拟值与实测值的回
归方程的决定系数均大于0.9。株高、主茎节数、叶面积指数等3个指标模拟值依实测值的回归系数均接近1，说
明它们的拟合度较高；单株总果节数、但株蕾数、株铃数等3个指标的拟合程度仅次于前者。
最后的模拟产量为1395.5公斤/公顷，实际产量为1362公斤/公顷，二者的相对误差为2.5%。单从皮棉产量这一
综合指标来看，通过适当调整品种参数，GOSSYM基本上可以模拟早熟棉花品种中棉所16的生长发育及产量形成
，但是也存在与中棉所17相似的问题。
5.6 小结
GOSSYM已在美国棉花带的14个州使用了近10年，至1993已有300多个农场使用它，模拟结果大多比较理想，已
成为美国棉农的好帮手。这与众多科学家在各州对GOSSYM模型的广泛验证，逐步完善GOSSYM模型的工作是分不
开的。
在对GOSSYM模型进行验证时，最好是利用人工气候箱等可控装置，对模型的各个细节进行全面的验证；而后用
大面积的生产资料对模型进行实际应用效果的确定，这种验证应该有多种气候和土壤条件下的结果，才能全面
公正地对模型进行评价。本文由于资料的限制，仅用了一年的试验资料对模型进行的验证，这还很不够的。
通过用1990年(正常年型)三种类型的品种对GOSSYM验证，单从皮棉产量这一综合指标来看，可以认为：通过适
当调整GOSSYM原有的品种参数，并取得模拟棉田的土壤特征参数，建立起土壤特征文件，在我国黄淮海棉区，
基本上可以用GOSSYM 93模拟春棉和夏棉的生长发育和产量形成。所以可以将棉花模拟模型GOSSYM 93引入我国
，应用到我国棉花科研和生产上，或集成到适合我国国情的棉花生产管理系统中。
但是，从GOSSYM对各个生育指标的模拟来看，模型还存在一些与我国棉花生产实际不相适应的地方，如打顶的
问题，早熟与中早熟棉花品种的二次生长问题，另一方面，模型还需要用生物量动态变化资料进行验证，以全
面确定其模拟物质分配关系与实际情况的符合程度。总之，本文只是初步对GOSSYM模型进行了验证，还需要进
一步深入研究，对GOSSYM模型做出适当的调整或修改，以便在我国更好地利用。
虽然验证了模型的有效性，可以将它作为科学研究和生产管理的工具加以应用。但是，在实际应用中存在着不
少问题：①模型品种参数的获得：对一个新的品种，必须建立一套品种参数，这个过程是比较复杂的，需要详
细调查该品种在不同气候条件下的表现，获得一个数据集，对模型进行全面验证，以获得可靠的品种参数；②
土壤特征参数的获得：GOSSYM模型利用了一个包括许多参数的土壤特征文件，它是作物根际土壤过程模拟模型
RHIZOS所要求的，其中的参数确定必须由土壤科学家协助进行。
为了在我国棉花生产中应用棉花模拟模型，不仅需要对模拟模型进行修改完善，以适合我国的国情，同时也需
要改善我国棉花中出现的品种多乱杂，良种退化的现象，搞好优良品种的提纯复壮，实行统一供种，这样会有
利于棉花生产本身，也有利于应用棉花模拟模型，使我国的棉花生产逐步走上农业现代化的轨道。
6 棉花生产管理中的决策与管理专家系统CMES
在棉花播种出苗之后，棉农即开始对棉田进行动态管理，某项管理措施的使用与否及使用时间成为棉田管理的
中心议题，在大面积的棉田管理中，需要有专家的指导才能取得良好的社会、经济和生态效益。
6.1 概述
在棉花生产管理中的决策，主要是根据棉花当时的长势和长相，即旺弱，提出近期的管理措施，如施肥、灌水
、喷缩节安等。
采用面向对象程序设计方法中的对象来表示棉田管理的实体单位。将棉田管理中的知识规则化，用程序表达出
来，编写到作物管理对象的方法中，在进行决策时，只要通过消息传递，调用决策方法，进行推理，在规则的
引导下，确定使用农艺措施的时期和用量，然后运行GOSSYM模型，通过分析多次模拟结果，决定具体的措施，
向用户推荐管理决策方案。
棉田管理专家系统(Cotton crop Management Expert System，简称CMES)实际上是由水分管理、氮肥管理和
缩节安管理对象构成的。在该系统中知识与程序相连接，使知识与处理知识的方法相互依存。下面具体介绍棉
田水分、氮素和缩节安的管理决策方法。
6.2 棉田水分管理决策
GOSSYM模拟结果指明了实际气象资料结束后水分胁迫的日期并建议进行灌溉，但这样过于简单，没有充分利用
GOSSYM提供的信息。图8显示了水分灌溉决策的流程。
图8
水分胁迫日期的确定: 水分胁迫日期主要是根据水分胁迫指数和根区土壤水势的大小来确定的。如果GOSSYM模
拟出的水分胁迫指数低于0.75或根区土壤水势小于-0.5巴，应该决定哪一天进行灌溉。如果灌溉的田块较大，
则灌溉应该在发生水分胁迫之前开始。虽然土水势是土壤对植物供水能力的指示器，但它没有水分胁迫指数对
未来天气变量的反应敏感。
灌溉量的确定: 灌溉量主要依赖于土壤质地、土壤水分特性和作物需水量而定。一般来说，适宜灌溉量可以根
据灌溉时期初定，现蕾期的灌溉量为30～45毫米(300～450方/公顷)，开花结铃期为45～75毫米(450～750方
/公顷)，吐絮成熟期为45毫米(450方/公顷)(中国棉花研究所，1983)。
灌溉的优化管理具有生态和经济的两重重要性。GOSSYM模拟结果提供了优化灌溉的信息。通过检查变量
CUMSOK(水分渗出土壤剖面的累计量)的值可以知道是否有水和N渗漏到根区以下的土壤中，如果发生这样的情
况，你应当重新估计灌溉量。一般来说，确定灌溉量要多次运行GOSSYM，灌溉量以毫米为单位，以10毫米作为
增量，连续运行GOSSYM，以确定最佳的灌溉量。该灌溉量不仅能够有效地缓解棉田的干旱状况，同时不致于产
生水资源的浪费。
6.3 棉田氮肥管理决策
氮肥的管理决策如图9所示。氮肥管理的第一个问题是是否为灌溉棉田，如果是灌溉棉田，应保证能够有效地缓
解水分胁迫。氮素胁迫通常是由于根区土壤中的有效氮素减少所致。用氮的供需比(即氮素胁迫指数)来估计缺
氮的程度，当氮素胁迫指数小于1.0时，植株就处于氮素胁迫状态下。
图9
氮素胁迫日期的确定: 在GOSSYM的模拟结果中，可以得到氮素胁迫指数小于1.0的日期，也就是氮素的胁迫日
期，这个日期就是需要追施氮肥的日期。实际上，在出现氮素胁迫之前，就应该追施氮肥，理由是由于地块的
大小不同，追肥需要的时间是不同的，再则肥料的肥效发挥也有一个过程。
虽然理论上，上述的日期是最合理的，但是氮肥必须在水分的作用下才能有效地为作物所利用。所以追肥和灌
溉应当相互协调，使土壤中水、肥能够及时得到补充，这样的日期才是最有效的施肥日期。因此，确定施肥日
期还要参照上节确定的灌溉日期。
施氮量的确定: 如果在整个生育期间不发生氮素胁迫，GOSSYM模拟结束应达到最大产量。通过以一个较小的增
量来逐步增加施氮量，多次执行GOSSYM模型，来决定植株的需氮量。当氮素胁迫系数在全生育期内保持1.0时
，即为作物的需氮量。另一方面，可以从预计达到的皮棉产量推算出作物全生育期的需氮量。一般来说，每生
产1公斤皮棉作物需要吸收0.12～0.18公斤纯氮(中国棉花研究所，1983)，据此可以推算出作物的全生育期总
的需氮量，再根据前期使用的纯氮量和土壤的供氮量，即可达到需要的追氮量。
确定了作物的需氮量，可以根据发生氮素胁迫的日期及胁迫发生的程度，在发生氮素胁迫的日期，以不同的施
氮量为措施，多次运行GOSSYM，即可决定合理的氮肥用量。
6.3 棉田缩节安决策
在农业实践中，往往因为肥水的使用不当或降水太多，造成棉花旺长，造成作物减产，在这种情况下，应该考
虑喷施缩节安，以控制棉花的旺长，减少产量损失。缩节安通常被用来抑制过旺的营养生长，协调生殖生长和
营养生长的关系，以得到早熟和取得较高的产量。经过近年来我国对缩节安在棉花上的应用研究表明，一般在
棉花初花期喷施适量的缩节安，具有稳定的增产作用，在花铃期喷施缩节安的用量要根据棉花当时的长势和长
相而定。一般来说当棉花遭受严重干旱和N素不足时，不宜喷施缩节安。
喷施缩节安大分为3个时期：蕾期、初花期和花铃期，在现蕾前，一般不使用缩节安。在正常年型下，蕾期每公
顷喷施0～15克缩节安，初花期每公顷喷施30～60克缩节安，花铃期每公顷喷施45～60克/公顷(潘小康等，
1991；何钟佩等，1991；邓绍华等，1992)。具体使用多少，要利用GOSSYM模型进行模拟，以确定其实际的应
用效果，如果能够有效地抑制过旺的营养生长，并且皮棉产量和品质提高，就据此提出决策，否则围绕这个值
，增加或减少缩节安用量，用GOSSYM模型确定最佳的用量。缩节安的管理决策如图10所示。
图10
7 系统的接口技术
● 模块之间的接口
COTMAS由几个不同功能的模块组成，要使各模块之间协同工作，必须处理好各模块之间的接口。在COTMAS中，
所有组成模块(如GUI、CMES、GOSSYM)经过编译，用连接器连接在一个执行文件中，执行文件达570KB多。各模
块之间的接口采用了不同的处理方法。
棉田管理专家系统CMES要频繁地调用棉花模拟模型GOSSYM，考虑到系统的效率，先定义一个欲传递的数据结构
，在模块之间用一个指向已定义的数据结构的指针进行数据交换，从而提高了系统的工作效率。
用户通过图形用户界面(GUI)输入的数据以二进制格式存在磁盘上，不同类型的文件放在不同的子目录下，便于
查找。GOSSYM模拟通过读取磁盘上的文件与GUI进行接口，GOSSYM的模拟结果也是以文件的形式存储在磁盘上
，用户可以通过GUI提供的功能，随时获得GOSSYM的输出信息。
● 用户接口
COTMAS提供的图形用户界面是一个WINDOWS对话框，其中包含12个代表不同功能的位图图标，用户只要图标上
点按鼠标左键，就可以执行系统提供的功能，使用方便。各功能项的对话框也是由不同的按扭和其它控制组成
的，与WINDOWS环境是协调一致的，只要用户会操作WINDOWS系统，就会操作COTMAS系统。图11是COTMAS的主
窗口。
图11
在COTMAS的主窗口中有12个位图图标，其中后面的4个图标是一些辅助功能，目前尚未开发利用，前8个图标
(先从左到右，再从上到下)的意义分别是：
图标1：执行GOSSYM模型模拟棉花的生长发育，或执行棉田管理专家系统CMES对棉田水、氮和缩节安的管理提
供辅助决策；
图标2：输入棉田基本情况，或输出GOSSYM的输出结果；
图标3：输入逐日气象资料；
图标4：输入土壤水分特征参数；
图标5：输入棉田初始肥力参数，包括硝态氮、铵态氮和土壤有机质含量和土壤含水量；
图标6：输入农艺措施，如灌溉、施氮肥的时间和用量及耕作措施等；
图标7：输入从棉田实际调查的棉花蕾铃动态和株高的资料；
图标8：输入使用植物生长调节剂的时期和用量等；
为了编写方便，在系统的研制过程中，所有界面设计均采用英文表示，不过在WINDOWS操作系统下，配上中文之
星2.0，运用它提供的动态翻译器，可以将界面完全中文化。也可以用资源编辑器Workshop将COTMAS系统的所
有资源直接改为中文，这样完成的系统只能在中文WINDOWS或外挂式中文平台下工作。
8 应用实例
棉花生产管理系统COTMAS可以在多方面应用，今用它确定棉花种植密度与株行距的合理配比和推荐施用氮肥的
决策。
8.1 种植密度和株行距配比的优化
作物模拟模型的一个优点是可以在计算机上快速地模拟作物在不同的条件下的生长发育和产量，即可以快速地
进行计算机模拟试验，从试验结果中找出规律，为生产管理提供辅助决策。
今用GOSSYM模型，对中棉所12和中棉所17进行种植密度和行距的配比试验，结果分别见表6、表7，播种期分别
是：中棉所12为4月13日，中棉所17为5月3日。
表6 中棉所12的种植密度和行距的配比试验皮棉产量结果(公斤/公顷)
────────────────────────────────
行距 种植密度(千株/公顷)
──────────────────────
(cm) 15 30 45 60 75 平均
────────────────────────────────
60 1377 1399 1391 1382 1369 1384
80 1580 1713 1707 1686 1669 1671
100 1569 1917 1953 1938 1902 1861
120 1466 1851 1946 1959 1781 1801
平均 1498 1720 1749 1741 1680 1678
────────────────────────────────
由表6可知：中棉所12适宜的种植密度是30～60千株/公顷，适宜的行距是100厘米。此计算机试验的结果和生
产实际比较吻合，因中棉所12是中熟棉花品种，株型松散，植株高大，果枝较长，需要较大的营养空间，一般
中高产棉田最佳的种植密度为45千株/公顷左右(朱明哲等，1988；蒋国柱等，1990)。1990年周基础(周基础，
1990)调查江汉平原区的中棉所12的产量和密度的关系，得到皮棉产量依密度的回归方程为：Y = 1.518 +
34.4041 X，棉田实际种植密度在38.4～53.7千株/公顷之间变动时，皮棉产量在1323～1849公斤/公顷之间变
动。
由表7可知：中棉所17的适宜种植密度是45～75千株/公顷，行距80～100厘米为宜，预期可以获得1426～
1513公斤/公顷的皮棉产量。对中棉所17(中早熟棉花品种，株型紧凑)，育种工作者提出的栽培方案为：4月
28日～5月8日播种，种植密度60～75千株/公顷，行距90厘米。计算机模拟试验结果与之吻合。
表7 中棉所17的种植密度和行距的配比试验皮棉产量结果(公斤/公顷)
────────────────────────────────
行距 种植密度(千株/公顷)
──────────────────────
(cm) 45 60 75 90 105 平均
────────────────────────────────
60 1249 1252 1240 1226 1220 1237
80 1477 1511 1513 1505 1487 1499
100 1446 1513 1426 1376 1336 1419
平均 1391 1425 1393 1369 1348
────────────────────────────────
8.2 氮肥决策实例
下面是一个用CMES进行棉田氮肥管理的决策实例。设中棉所12在4月12日播种，4月23日出苗，种植密度45千株
/公顷，行距80厘米，播种前测定土壤中有效氮含量为120公斤/公顷，生育期间不追施氮肥，试决定如果欲获得
2000公斤/公顷的皮棉产量，在棉花生育期间应当追施多少氮肥，何时追施?
根据每生产1公斤皮棉约需0.12～0.18公斤纯氮，可知要生产2000公斤/公顷的皮棉约需要240～360公斤/公顷
的纯氮，已知土壤可以供给120公斤/公顷的纯氮，那么每公顷需要追施120～240公斤纯氮，到底何时追施，具
体追施多少，棉田管理专家系统CMES需要多次运行GOSSYM模型来决定。CMES的决策结果见图12和图13。最后推
荐的施肥方案是7月27日追施纯氮140公斤/公顷。
图12
图13
从图12可以看出：在不追施氮素的情况下，于8月6日，棉田发生严重的氮素胁迫，最后的皮棉产量只有
678.1公斤/公顷(图12a)；若于7月27日追施120公斤/公顷的纯氮，氮素胁迫日期后推到9月6日，最后的皮棉产
量为1642.1公斤/公顷，氮素胁迫程度得到缓解(图12b)；若于7月27日追施140公斤的纯氮，氮素胁迫日期推迟
到9月15日，最后可以获得1806.2公斤/公顷的皮棉产量，氮素胁迫基本解除(图12c)；若于7月27日追施160公
斤/公顷的纯氮，氮素胁迫日期后推到9月27日，只有极轻微的胁迫发生，最后的皮棉产量为1939.1公斤/公顷
(图12d)。从皮棉产量结果看以每公顷追施160公斤的纯氮为最好，但是这还需要参照图13的棉株生长动态变化
情况才能确定。
从图13可以看出：在每公顷追施160公斤纯氮时，棉株出现二次生长(图13d)，根据棉田管理的一般规则，追施
氮肥量已经过多，而追施140公斤/公顷的棉田，没有出现二次生长(图13c)，且皮棉产量与追施160公斤/公顷
的相近，并能有效地缓解氮素胁迫，所以最后推荐于7月27日每公顷追施140公斤纯氮作为最好的追氮肥措施。
图14
9 结论与讨论
9.1 结论
9.1.1 首次用我国黄淮海棉区的资料验证了GOSSYM模型
通过对GOSSYM模型的品种参数的调整，用1990年(正常年型)中国农科院棉花研究所的试验资料对棉型GOSSYM的
有效性进行了验证，结果表明：GOSSYM 93模型基本上可以在我国黄淮棉区使用，对中熟、中早熟和早熟棉花
品种均可较好地模拟。
9.1.2 初步确定了GOSSYM模型中主要有待改进的部分
1.GOSSYM模型不能模拟打顶后株高、主茎节数、总果节数的变化情况，株高的变化主要由顶部3个主茎节位的
日龄来决定，所以欲更好地模拟我国棉花打顶后的生长情况，需要修改模型中形态发生模型PLTMAP中有关主茎
节发生部分；
2.GOSSYM没有能较好地模拟中熟棉花品种中棉所12的叶面积系数，在生育期间模拟的叶面积系数较大，这可能
需要进一步调整品种参数，并修改有关叶片生长的部分。
9.1.3 建立了黄淮海棉区棉花生产管理系统COTMAS
通过对我国黄淮海棉区植棉知识和经验的提炼，建立了一个解释GOSSYM输出结果、对指定棉田的动态管理提供
决策的棉田管理专家系统CMES，可以对棉田水、氮和缩节安管理提出辅助决策。
用面向对象的编程技术建立了一个可以在WINDOWS下运行的图形用户界面(GUI)，它为用户提供一个输入和输出
数据的友好编辑环境，以及操作GOSSYM和CMES的接口。
在以上基础上，集成GOSSYM、CMES和GUI，建成了黄淮海棉区棉花生产管理系统COTMAS。该系统可以在
WINDOWS + 中文之星2.0环境下以纯中文形式运行，对选定的棉田进行实时的动态管理决策。
9.2 讨论
9.2.1 农业气候年型的辨识和逐日气象资料的生成
国际上尚没有见到农业气候年型辨识模型方面的报道，但我国黄淮海棉区地处典型的季风气候区，气候年型多
变，丰年、平年和歉年作物的产量和品质均有较大的差异，所以在黄淮海棉区必须重视农业气候年型的研究，
然后根据年型的预测，对作物生产管理提出不同的决策。在本系统的研究过程中，已经考虑到年型的问题，并
初步建立了一个气候年型辨识模型IDCLIM(IDentifying CLIMate pattern)，但未与COTMAS系统连接。由于年
型是一个比较复杂的问题，还需要进一步深入研究，IDCLIM模型还有待完善。
目前，国际上已有多个生成逐日气象资料的天气模拟模型，如美国的WGEN模型(Richardson等，1984)和
WheatherMan系统(Pickering等，1994)，这些模型的输出可以作为作物模拟模型的输入，模拟作物的生长发
育(Richardson等，1985)。若要用作物模拟模型模拟作物在不同的气候年型下的生长发育和产量形成，必须能
够生成不同年型下的逐日气象资料，但WGEN和WheaterMan都作不到，必需改进这些模型，加入气候年型的信息
，或者构造出不同年型下的模型参数，使之能够生成不同年型下的逐日气象资料。
9.2.2 生产管理中的优化决策
作物生产管理中的优化决策需要运用各种优化方法，依据作物与环境的关系，根据人类的需要，综合平衡各种
因素，提出优化的决策措施。
国内外已有一些棉花经济合理施肥(李俊义等，1990)、节水灌溉(游松才，1987；Bordovsky等，1992；郭海军
等，1992)等的研究，但均未提高到优化决策模型的高度。作物管理优化决策模型的研究尚处在起步阶段，它必
然随着农业系统科学的发展而前进(高亮之，1993)。这是作物生产管理系统的发展方向之一。
9.2.3 棉花害虫治理
在棉花生长发育过程中，有多种害虫危害，有关棉花害虫治理的问题是棉花生产管理中的一个大问题，一个完
善的棉花生产管理系统必须能够对棉花生长发育各个阶段的害虫治理提出决策措施。1992～1993年，我国黄淮
海棉区棉铃虫大暴发，造成部分棉田绝收，对我国棉花生产产生了极大的影响，棉花害虫的治理成为棉花管理
中的重要议题。
要完成棉花害虫的治理，首先应当研制出各个棉花害虫的种群动态模型、危害模型，然后通过适当的接口和棉
花模拟模型GOSSYM连接，再针对每个具体的害虫研制一个治理专家系统，由它与模拟模型相配合，提出具体的
治理决策措施。
目前，美国密西西比农业试验站正在将棉花害虫管理专家系统rbWHIMS集成到GOSSYM-COMAX系统中(Wagner等
，1994)，有关杂草的、品种的等专家系统，有待进一步集成到此系统中，逐渐形成一个更为全面的棉花生产管
理系统(McKinion等，1993)。我国一些科研单位已开始进行棉花害虫的种群动态模型、危害模型的研究工作
(董占山，1994)，但还没有研制出成熟的模型，在这方面还有许多工作要做。
9.2.4 作物模拟模型和作物估产
目前，世界上有关作物估产的研究非常活跃，大面积的作物估产国际上多是采用遥感技术。近年来，我国在作
物长势分宏观动态监测和产量估算方面也取得了可喜的成果(陈沈斌，1993)。但是，在大面积作物估产(遥感估
产)研究中，应用作物模拟模型还十分罕见，大多是使用传统的统计模型。
作物模拟模型的一个重要作用就是在作物成熟之前，根据对气候年型的判断，比较精确地估计作物的产量。不
过用作物模拟模型估计作物的产量只是小面积的，只能对模拟田块作出较为精确的产量估计，对于大面积的作
物产量的估计还存在许多问题。
然而，利用作物模拟模型可以方便地获得作物在各个时期的叶面积系数、长势、土壤水分状况及产量，用这些
指标和遥感信息建立联系，进而可快捷地建立起作物遥感估产模型。
另一方面，可以通过地理信息系统(GIS)将一个较大地区的土壤、气候信息复合，与作物模拟模型集成，这样就
可以在一个较大区域内监控作物的长势和估测作物产量。
9.2.5 必须正视我国作物模拟模型和作物生产管理系统研究中存在的问题
从模拟模型的验证中发现，许多以前积累的试验资料残缺不全，且无统一的规范，很难建立起一套完整的数据
集用于作物模拟模型的验证，为了农业科学的发展，有必要对作物科学研究进行规范化。
作物模拟模型和作物管理生产系统的研究是需要多学科、多部门协作的交叉科学研究领域。当前我国在这方面
的研究力量十分分散，若长期没有一个综合的多学科的作物模拟模型和作物生产管理系统的研究中心，促成多
学科协作，进行研究的规范化，提高科学研究的质量，加快我国这方面的研究速度，势必造成已经落后的局面
(我国在作物模拟模型和作物生产管理系统的研究上至少较国外晚了20多年)更加严重，与国际水平越拉越大。
参考文献
1.曹永华.美国CERES作物模拟模型及应用.世界农业.1991，(9)：52～55
2.陈沈斌主编.小麦、玉米和水稻遥感估产技术试验研究文集.中国科学技术出版社.1993
3.邓绍华，蒋国柱等.棉花化学调控与产量关系的数学模型研究.棉花学报.1992，4(增刊)：45～52
4.董占山，潘学标等.棉花生产管理决策系统CPMSS/CGSM. 全国首届青年农学学术年会论文集.中国科学技术出
版社，1992.pp.427～432
5.董占山，潘学标等. 棉花生长发育产量潜力的模拟. 棉花学报，1992，4(增刊)：21～20
6.董占山，潘学标等.棉花生产管理决策支持系统CPMSS的设计与实现. 计算机农业应用，1993，(1)：16～19
7.董占山.计算机在美国棉花生产中的应用.世界农业.1993，(3):27～28
8.董占山.棉花计算机模拟模型研究的现状、趋势与对策.计算机农业应用.1994，(1)：8～11
9.董占山.计算机在我国棉花科研和生产中应用研究现状与发展对策.农牧情报研究.1994，(2)：15～18
10.董占山.棉花生产计算机管理系统的研究现状与对策.中国农学通报.1994，10(4)：41～43
11.董占山.作物生产管理系统的理论与发展.计算机农业应用.1995.(待发表)
12.高亮之，金之庆等.水稻栽培计算机模拟优化决策系统. 中国农业科技出版社.1992.pp.5～17
13.高亮之.农业系统学基础.江苏科学技术出版社.1993.pp.332～390
14.郭海军，蒋国柱等.在控制水分条件下棉花高产优质生育与产量模型研究：Ⅰ.综合农艺措施的产量函数模型.
棉花学报.1992，4(增刊)：31～37
15.郭向东等.一个用于棉花生育动态模拟、预测的小计算机系统. 计算机农业应用，1991年专刊，(1)：75～
79
16.韩湘玲，曲曼丽等.黄淮海地区农业气候资源开发利用. 北京农业大学出版社，1987.pp.66～75
17.韩湘铃等编.作物生态学.气象出版社，1991.pp.189～197
18.何钟佩，李丕明等.DPC化控技术在棉花上的应用和发展──从防止徒长到系统的定向诱导.北京农业大学学
报.1991，17(增刊)：58～63
19.黄金龙主编.小麦生产系统研究.北京农业大学出版社.1994
20.黄祯茂等.中棉16丰产性分析及其栽培方向探讨.棉花学报.1992，4(2)：9～16
21.胡瑞安，胡纪阳，徐树公.计算机人工生命.科技导报.1994，(12)：17～20
22.季道藩主编.《中国农业百科全书.农作物》卷分册：棉花.农业出版社，1986.p.98～102
23.蒋国柱，邓绍华等.棉花高产优质栽培措施优化决策模型研究.棉花学报.1990，2(1)：51～57
24.刘文，韩湘玲.棉花生长发育模拟模型研究进展. 中国农业气象，1992，13(2)：52～54
25.刘文，王恩利，韩湘玲.棉花生长发育模拟模型研究初探. 中国农业气象，1992，13(6)：10～16
26.李秉柏等.棉花生育期模拟模型的研究. 棉花学报，1991，3(2)：59～68
27.李俊义等.棉花平衡施肥模型研究.棉花学报.1990，2(2)：58～65
28.潘小康.澳大利亚棉花计算机管理系统及模拟模型研究概况. 中国棉花，1991，18(6)：36～27
29.潘小康，董占山等.棉花高产的调控措施与诊断指标的研究. 计算机农业应用，1991年专刊，80～85
30.潘学标，龙腾芳等.棉花生长发育与产量形成模拟模型(CGSM)研究.棉花学报，1992，4(增刊)11～20
31.潘学标，邓绍华等.不同熟性棉花品种的器官发育规律研究. 棉花学报，1992，4(增刊)：63～72
32.潘学标，邓绍华等.高产棉花太阳辐射能利用率及干物质分配规律研究.棉花学报，1992，4(增刊):53～62
33.潘学标，韩湘玲.作物生长发育模拟模型研究.世界农业，1993，(9):13～15
34.沈佐锐.用于植保系统管理系统的天气模拟模型. 北京农业大学博士学位论文，1988.共132页
35.王素云.我国棉花生产专业化地带的特点及发展.农牧情报研究，1993，(4)：12～18
36.吴国伟等.棉花生长发育模拟模型的研究. 生态学报，1988，8(3)：201～210
37.肖荧南，郭向东等.棉花生产决策系统. 北京农业大学科研处、农业系统工程室主编，《作物生产计算机调
控系统的研究》.北京农业大学出版社出版，1991.pp.41～46
38.游松才.新疆水资源特点及棉田灌溉方案的研究.北京农业大学硕士论文.1987
39.张宏名.作物生产系统研究与发展.世界农业.1994，(10)：44～47
40.中国棉花编辑部.1991年中国棉花十大新闻.中国棉花.1992，19(2)：2～3
41.中国农科院棉花研究所主编.中国棉花栽培学.上海科学技术出版社.1983
42.周基础.中12高产栽培应注意的几个问题.中国棉花.1991，18(3)：32
43.朱明哲等.棉花高产优质高效益综合农艺措施数学模型的研究.华北农学报.1988，3(1)：13～20
44.Baker, DN, JD Hesketh et al.Simulation of growth in cotton: I. Gross photosythesis,
respiration and growth. Crop Sci.,1972,12:431～435
45.Baker, DN, JR Lambert and JM McKinion.GOSSYM: A simulator of cotton growth and yield.
S.C. Agri. Exp. Stn. Tech. Bull.1089.1983
46.Baker, DN, VR Reddy, JM McKinion et al. An analysis of the impact of lygus on cotton.
Comp. & Electr. in Agri., 1993, (9):147～161
47.Baulch, PW et al.GOSSYM～COMAX User's Manual, USDA-ES GOSSYM-COMAX Information Unit.
Published by Clemson Uni. & MS Agri. & Foret. Exp. Stn. 1992.pp.139～250
48.Boone,MYL, DO Porter & JM McKinion.Calibration of GOSSYM: Thoery and paractice. Computer
and Electronics in Agriculture,1993,9:193～203
49.Borland International. Borland Pascal 7.0 user's guide. Borland Int.Scotts Valley, CA
50.Bordovsky,JP, WM Lyle, RJ Lascano, DR Upchurch.Cotton irrigation management with LEPA
systems.Transactions of the ASAE. 1992,35(3):879-884
51.Bowden, RO, RG Luttrell and LG Brown.Cotton insect consultant for expert
management(CIC-EM): An expert system for managing cotton insects. In 1990 Proc. beltwide
cotton research conf., Las Vegas, Nevada
52.Duncan, WG, DN Baker et al. Simulation of growth and yield in cotton: III A computer
analysis of the nutritional theory. Proc. Beltwide Cotton Prod. Res. Conf., 1971,p.78
53.Duncan, WG. SIMCOT: A simulation of cotton growth and yield,in Proc. worshop on tree
growth dynamics and modelling, Duke University, Oct., 1972, 115～118
54.Fye, RE, VR Reddy & DN Baker. The validation of GOSSYM: Part I.Arizona conditions.
Agricultural System. 1984,14:85～105
55.Goodell, PB, RE Plant et al.CALEX/Cotton: An integrated expert system for crop
production and management in California cotton. California Agric. 1990,44(5):18～21
56.Hearn, AB et al. Computer-based cotton pest management in Austrilia. Field Crop
Research, 1981,4:321～332
57.Hearn, AB et al. A simple model for management application for cotton. Field Crop
Research, 1985,13:49～69
58.Hearn, AB. SIRATAC: A decision support system for cotton management. Rev. of Market. &
Agric. Econ. 1987,55:170～173
59.Hearn, AB & GP Fitt. Cotton cropping systems. In: Pearson, CJ.Field crop ecosystems.
1992,pp.142
60.Hearn, AB.OZCOT: A simulation model for cotton crop management.Agri. Syst. 1994,44:257～
299
61.Hesketh, JD, DN Baker et al. Simulation of growth and yield in cotton: Respiration and
the carbon balance. Crop Sci., 1972,11:394～398
62.Hesketh, JD, DN Baker et al. Simulation of growth and yield in cotton: II. Environmental
control of morphogenesis. Crop Sci., 1972,12:436～439
63.Jackson, BS, GF Arkin et al.COTTAM: A Cotton plant simulation model for an IBM PC
microcomputer. 1988
64.Jones, JW, JD Hesketh et al. Development of a nitrogen balance for cotton growth models:
A first approximation. Crop Sci., 1974,14:541～546
65.Jones, JW, LG Brown and JD Hesketh. COTCROP: A computer model for cotton growth and
yield. Miss. Agri. Exp. Sta. Inf. Bull. No.69,1979, p.119
66.Jones, JW. Decision support systems for agricultural development. Pages 459～471 in
Penning de Vries, Teng PS, Metselaar K(Eds.), Systems approaches for agricultural
development, Procedings of the International Symposium on System Approaches for
Agricultural Development, 2～6 December 1991, Bangkok, Thailand. 1993
67.Lambert, JR. Integated computer system. in Proc. of Sympoaium on Advanced Computer
Application Animal Agriculture. Dallas, TX, 27 Februry 1992, p.161～171
68.Lambert, JR. Crop simulation and expert systems for decision support in cotton
production. 1993
69.Landivar, JA, BR Eddleman et al. ICEMM, An integrated crop ecosystem management model:
Agronomic compenent. In 1992 Proc. Beltwide Cotton Prod. Conf., 1992, p.453～457
70.Lemmon, HE. Comax: an expert system for cotton crop management. Science, 1986, 233:29～
33
71.McKinion, JM, DN Baker et al. SIMCOT II: A simulation of cotton growth and yield, In
computer simulation of a cotton production system: User's Manual. USDA-ARS-S-52, 1972,
p.27～82
72.McKinion, JM. Dynamic simulation: a positive feedback machanism for experimental
research in the biological science. Agricultural Systems, 1980, 5:239～250
73.McKinion, JM, HE Lemmon. Expert systems for agriculture. Comp. & Electr. for Agric.,
1985, 1:31～40
74.McKinion, JM. SPARNET: A data acquisiton/analysis computer network. Comp. & Elect. in
Agri., 1986, 1:163～172
75.McKinion, JM, DN Baker et al. Application of the GOSSYM/COMAX system to cotton crop
management. Agric. Syst.,1989, 31:55～65
76.McKinion, JM, SM Bridges et al. GOSSYM: A system for cotton production management. IN
China Society of Cotton Science (Ed.)Proceedings of International Cotton Symposium. Chinese
Agri. Sci.Press. 1993. p.398～411
77.McKinion, JM, TL Wagner. GOSSYM/COMAX: A decision support system for precision
applications of nitrogen and water. 敁IN敋 ShiYuanchun & Cheng Xu (Ed.) Integrated Resource
Management for Sustainable Agriculture. Beijing Agri. Univ. Press. 1994, pp.32～38
78.Mutsaer, HJW. KUTUN: A morphogenetic model for cotton. 1982
79.Olson, RL, TL Wagner et al. Design and implementation of rbWHIMS: An expert system for
cotton pest management. Proceedings of beltwide cotton conference. 1992
80.Phene, CT, DN Baker et al. SPAR: A soil-plant-atmospere research system. Trans. of ASAE,
1978, 21:924～930
81.Penning de Vries, FWT et al.Simulation of ecophysiological processes of growth in
several annual crops. Pudoc, wagningen,1989
82.Pickering,NB, JW Hansen, TW Jones et al. WheatherMan: A utility formanaging and
generating daily weather data. Agron. J. 1994,86:332～337
83.Plant, RE, LT Wilson et al. CALEX/Cotton: An expert system-based management aid for
California cotton growers. 1987 Proc. Beltwide Cotton Prod. Conf., 1987, p.213～214
84.Plant, RE, ND Stone. Knowledge-based systems in agriculture. McGraw-Hill, Inc. 1991
85.Quinn-Curtis. Science and engineeringtools for Turbo Pascal. Quinn-Cuits, Needham,
MA,1993
86.Reddy, VR, DN Baker & JN Jenkins. Validation of GOSSYM: Part II.Mississippi Conditions.
Agricultural System. 1985, 17:133～154
87.Reddy, VR, DN Baker et al. Analysis of effects of atmospheric carbon dioxide and ozone
on cotton yield trends. J. Environ. Qual., 1989, 18:427～432
88.Reddy, VR et al. Estimation of parameters for the cotton simulation model GOSSYM:
cultivar differenes. Agric. Sys., 1988, 26:111～122
89.Reddy, VR. Application of GOSSYM to analysis of effects of weather on cotton yield.
Agric. Sys., 1990, 32:83～95
90.Richardson, CW and DA Wright. WGEN: A model for generating daily weather variables.
USDA-ARS, ARS-8. Washington, DC, 1984
91.Richardson, CW. Weather simulation for crop management models.Transactions of the ASAE,
1985, 28(5):1602～1606
92.Stepleton, HN. Crop production system simulation, Trans. of ASAE, 1970, 13:110～113
93.Stepleton, HN et al. COTTON: A computer simulation of cotton growth, Arizona Agr. Exp.
Station Tech. Bull., No. 206, 1973, p.124
94.Stone, ND, RN Coulson et al. Expert systems in entomology: The approaches to problem
solving. Bulletin of the Entomological Society of America, 1986, 32:161～166
95.Stone, ND, RE Frisbie et al.COTFLEX, a modular expert system that synthesizes biological
and economic analysis: The pest management advisor as an example, in Proceedings of the
Beltwide Cotton Production and Research Conference. National Cotton Council of America,
Memphis, Tenn. 1987
96.Tom, S. Borland Pascal 7.0 programming for Windows. Random House, Inc. 1993
97.Van Evert, FK, GS Campbell. CropSyst: A collection of object-oriented simulation models
of agricultural systems. Agron. J. 1994, 86:325～331
98.Wagner,TL, JM McKinion. WHIMS: The arthropod pest management component to GOSSYM/COMAX. 敁IN敋
ShiYuanchun & Cheng Xu (Ed.) Integrated Resource Management forSustainable Agriculture.
Beijing Agri. Univ. Press. 1994, pp.32～38
99.Whisler,FD, B Acock et al. Crop simulation models in agronomic systems.Advance in
Agronomy. 1986, 44:141～208
注：参考文献的排列顺序是中文按拼音顺序、英文按字母顺序。
COTMAS: A Cotton Crop Management System for the Huang-Huai-Hai Region in China
Dong Zhanshan
ABSTRACT
A Cotton Management System (COTMAS) suitable for Huang-Huai-Hai region in China has been
established through application of techniques of crop simulation,knowledge engineering, and
decision-optimizing. It is composed of GOSSYM, CMES, GUI and Database. COTMAS is able to
advise the applications of nitrogen fertilizer, irrigation and plant growth regulator.
Cotton simulation model GOSSYM was calibrated by the data sets which were obtained in
Cotton Research Institute, CAAS, located at Anyang, Henan in 1988 to 1990. The results
proved that GOSSYM can generally simulate growth and development and lint yield of
middle-maturity variety (CRI12), early-middle-maturity variety (CRI17) and short season
variety (CRI16) of cotton,but GOSSYM did not simulate growing state of plant height, main
stem nodes,fruit sites of cotton plant after top cut. Some suggestion of improving GOSSYM
was given.
By application of the technique of expert system and object-oriented programming, a Cotton
Management Expert System (CMES) was established, it will recommend the management measures
about application of nitrogen fertilizer, irrigation and plant growth regulator.
Interface of modules of COTMAS is discussed because their communication impacts the running
efficiency of the system. The graphical user interface (GUI)is introduced briefly, too.
Finally, COTMAS simulated the lint yields of CRI12 and CRI17 with several levels of plant
population and row spacing. The simulated optimizing levels are similar to practical
measures. A application schedule of nitrogen is recommended by CMES.
Keyword: cotton, simulation model, crop management system, expert system
致 谢
本文是在导师韩湘玲教授的悉心指导下完成的，她严谨的科学作风和广博的知识使我终身受益。
在论文的选题过程中，得到吴连海副教授、肖荧南教授的指导；在论文的撰写过程中，承蒙北京农业大学徐楚
年教授、中国农科院气象所曹永华研究员提出了许多宝贵的修改意见；中国农业科学院棉花研究所潘学标提供
了部分试验资料，并对论文提出了修改意见；在我读研究生期间，得到中国农业科学院棉花研究所的吴同礼副
研究员、邓绍华研究员和本组孔扬庄老师的热情支持和帮助；美国农业部农业研究署密西西比农业试验站的
McKinion博士提供了GOSSYM 93模型。在此谨向他们表示衷心的感谢!
|
