Что именно означает «цифровая модель»
Predictive model — функция прогноза фазы, урожая или масла по данным с известной датой; это может быть самостоятельная часть цифровой модели. Digital model — цифровое представление процесса или участка без автоматической связи с физической делянкой. Digital shadow — автоматическое обновление представления потоком измерений «поле → модель» без автоматического воздействия обратно. Digital twin в строгой классификации требует автоматического двустороннего обмена и обратной связи «поле ↔ модель/управление». Классификация приведена в открытом разделе Ademujimi и Prabhu (2022), ссылающемся на работу Kritzinger и соавт. Это заимствованная инженерная терминология, не доказательство её агрономической реализации.
Исследование ярового рапса планирует цифровую прогнозную модель, а не действующего цифрового двойника: опыт, периодические снимки и человек, принимающий решение, не образуют двустороннюю автоматическую систему. Не называть панель прогнозов или передачу файла с фотографиями «двойником».
Не противопоставлять методы
Механистическая модель вычисляет ежедневные изменения фазы, листовой площади, органной биомассы и ограничений через процессы солнце–почва–растение. Нуждается в погоде, почве, исходном состоянии и управлении, а не только финальном урожае. Например, APSIM Next Gen Canola описывает органы, N-арбитраж и фазовые переходы, STICS — баланс воды, C и N; сама структура не гарантирует верного эффекта редкого экстремума. Отдельно оценивать идентифицируемость параметров.
Эмпирическая модель оценивает условную связь наблюдённых признаков и цели: историческое среднее, регрессия с блоком/сортом, ridge, случайный лес. Она практична при 72 обучающих делянках за 2 сезона, если признаки малочисленны и заранее объявлены; сложная нейросеть не становится «глубже научно» от сотен фотографий тех же делянок. Morales и Villalobos (2023) при испытаниях на синтетических урожаях пшеницы и подсолнечника показали необходимость сильного базового прогноза и правильного разделения по годам — этот результат не является цифрой ожидаемой точности рапса.
Гибридная связывает физическую симуляцию и обучаемую часть: модель роста → одно-два состояния к дате t → маломерная эмпирическая поправка; либо ML извлекает наблюдаемую площадь листьев из снимков для сверки с симулятором. Zhang и др. (2022) выделяют параллельную, последовательную и модульную схемы; Shahhosseini и др. (2021) проверяли APSIM+ML для кукурузы США, не для рапса.
Выбор для малого опыта
| Проверяемое свойство | Механистическая | Эмпирическая | Гибридная |
|---|---|---|---|
| Объяснить изменившуюся фазу и водный баланс | Условно, после настройки | Лишь ассоциация | Условно, при проверенном ядре |
| Требование почвенных измерений | Высокое | Низкое–среднее | Высокое для ядра |
| Быстрый прозрачный baseline | Фазовый GDD | Среднее / ridge | Не нужен до доказательства добавочной ценности |
| Генерализация на новый климат | Не доказана без проверки | Особенно рискованна | Не наследуется автоматически от ядра |
Практическая очередность — историческое среднее → термальная/линейная модель → ограниченный ML → откалиброванный процессный baseline → гибрид только при улучшении в честной валидации. Не называть симуляцию данными нового полевого сезона.
Связи
- Матрица программ: где реально существует canola-модуль и какие входы доступны.
- Гибрид: отделяет дополнительную информацию от подгонки остатков.
- Проверка: сравнение разных семейств требует одинакового закрытого периода.
- Данные: 72 делянки первых двух лет не эквивалентны сотням независимых сезонов.
- Дизайн: решение о семействе принимается до третьего года.