農業生態轉型是一個活躍的研究和發展領域，在這個領域中，模擬農業系統生產必須從復雜系統建模中評估所涉及的過程及其相互作用。因為，當耦合描述性模型時，很少考慮到這些反饋效應。另一個關鍵點是，即使有了機制模型，它們的耦合潛力也沒有得到評估，無論是對于計算周期還是它們相互作用的數據。所以，將植物生長模型與病蟲害（P&D）模型耦合起來，并考慮相互作用后的長期反饋，仍然是一個具有挑戰性的任務。雖然許多研究已經檢索了各種方法，但其都沒有提供一個通用框架，能夠在不深入更新其體系結構的情況下承載現有模型及其代碼。

2023年8月，Plant Phenomics在線發表了University of Montpellier等單位題為 Coupling Plant Growth Models and Pest and Disease Models: An Interaction Structure Proposal, MIMIC 的研究論文。

面對一個復雜的系統，涉及在不同層面上相互作用的過程，可能存在集體行為和與環境的關系，作者為此開發了模型內部耦合的中介接口（MIMIC, Mediation Interface for Model Inner Coupling），這是一個開放訪問的框架/工具。MIMIC以靈活的方式處理模型之間的交互，而不考慮模型的數量和類型。MIMIC確保在長期時間尺度上對所有模式的動態耦合效應。MIMIC管理模型及其輸入和輸出之間的連接。該模型的基本假設是，從一個內部步驟到下一個內部步驟，每個模型在有限的時間內操作和評估自己的內部狀態。MIMIC可以看作是一個由3個主要部分組成的超模型，其中心部分如 圖 1 所示。這些組件解決了耦合不同和多個動態系統時通常遇到的問題，從去同步到反饋集成。如 圖 2 所示，MIMIC內核的3個組件（CS、ISS和ISDR）通過共享通信總線直接相互連接。CS控制MIMIC如何管理和運行流程（圖 2，頂部）。ISDR逐步存儲與交互相關的狀態變量和仿真數據(任務調度、最后一次模型運行等)。每次執行偽模型時，都會請求ISS將偽模型的狀態變量（輸出）轉換或翻譯為MIMIC狀態變量（交互代碼中使用的狀態變量）。因此，它們可以用作其他偽模型的輸入。

圖1“模型內部耦合的中介接口”(MIMIC)原理圖，用P&D模型(左綠框)和植物生長模型(右綠框)的耦合示例說明了內核組件(藍色)。

圖2MIMIC的內核 UML表示，描述了通過通信總線(藍色圓柱體)鏈接的MIMIC主要組件(周期同步器、交互狀態和數據記錄器以及交互系統狀態服務器)的數據結構。

MIMIC的主要好處是它為用戶提供了工具和自由來構建他們自己的交互，用戶決定交互如何操作，平臺提供了強大的工具來設計交互的關鍵特性，并利用元編程技術。MIMIC中的交互是由用戶指令生成的，包括以下兩個方面：（a）用戶編寫的交互代碼本身，即所謂的UIM（用戶交互模型）；(b)對仿真的控制，即所謂的UC（用戶仿真控制）。如 圖 3 所示，user-MIMIC通信組件實際上是一個解析器，它為構建偽模型和與內核的連接創建元數據。

圖3 MIMIC與用戶之間的交互結構。讀取用戶提供的數據并將其用于創建元數據，以便在“User–MIMIC communication.”中構建交互。然后，元數據用于創建和填充偽模型。

本文的案例研究說明了MIMIC框架，耦合了咖啡樹結果模型和CBB模型。因此，提出的方法強調了植物生長和損益相互作用模型耦合的挑戰。最后，作者強調了MIMIC以用戶為中心的實現特征，作為一個實用和方便的工具，需要最少的編碼知識來使用。

MIMIC源碼鏈接：

https://github.com/Houssem-Triki/MIMIC

論文鏈接：

https://doi.org/10.34133/plantphenomics.0077

——推薦閱讀——

Awn Image Analysis and Phenotyping Using BarbNet

10.34133/plantphenomics.0081

Plant Phenomics | 基于BarbNet模型對大麥芒（Awn）進行圖像分析與表型鑒定

Global Wheat Head Detection Challenges: Winning Models and Application for Head Counting

10.34133/plantphenomics.0059

Plant Phenomics | 全球小麥穗檢測挑戰:獲勝模型及其在穗計數中的應用

加入作者交流群

掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、專刊發布會等高質量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群

《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。科睿唯安JCR2022影響因子為6.5，位于農藝學、植物科學、遙感一區。中科院農藝學、植物科學一區，遙感二區，生物大類一區（TOP期刊）。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。

說明：本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
撰稿：林沁文（南京農業大學）
排版：趙倩瑩（南京農業大學）
審核：孔敏、王平