本发明属于农业灌溉领域,具体涉及一种智能农业精准灌溉方法及系统。
背景技术:
1、世界人口的快速增长对粮食和淡水的需求正在增加,但受全球变暖的影响,可用于灌溉的淡水资源正不断减少,这对粮食安全造成严重威胁。为了提高农业灌溉用水效率,避免灌溉不足或过度灌溉带来的负面经济和环境影响,农业灌溉应考虑根据农业灌区环境变化和作物用水需求进行精准灌溉。农业灌溉模型即是利用环境数据确定灌溉需求量的过程,现有技术中的农业灌溉模型存在考虑的环境数据参数少、估计的灌溉需求量准确度低的不足。
技术实现思路
1、本发明的目的在于提供一种智能农业精准灌溉方法以解决现有技术中的农业灌溉模型考虑的环境参数少、估计的需求量准确度低的技术问题。本发明的目的还在于提供一种使用以上方法的智能农业精准灌溉系统。
2、为实现上述目的,本发明提供如下技术方案:
3、智能农业精准灌溉方法,包括以下步骤,
4、第一步:获取目标地区的环境数据并据此计算农业灌区作物的日蒸散量etc和农业灌区净灌溉需求量nir,计算日蒸散量etc的公式如下:
5、
6、式中,et0-参考日蒸散量;δ-斜率蒸汽压曲线;rn-作物表面的净辐射;g-土壤热通量密度;γ-湿度常数;es-饱和蒸汽压;ea-实际蒸汽压;t-日平均气温;u2-2m高度风速;rs-大气层的表面阻力;ra-空气动力学阻力;rns-净短波辐射量;rn1-净长波辐射量;e(tmax)-每日最高温度时的饱和水汽压;e(tmin)-每日最低温度时的饱和水汽压;rhmean-平均相对湿度;n-实际日照时数;n-理论日照时数;ra-大气层顶部所接受的辐射量;ws-日照时数角;gsc-太阳系数;dr-日地相对距离倒数;ψ-地理纬度;δ-日倾角;tmax,k-每日最高绝对理论温度;tmin,k-每日最低绝对理论温度;tmax-每日最高温度;tmin-每日最低温度;g-没有co2影响的参考作物的参考气孔导度;p-特定植被类型气孔导度的百分比下降;[co2]-大气中二氧化碳浓度;330-基准大气co2浓度;h-参考作物的高度(0.12m);ks-水分胁迫系数;kcb-基础作物系数;ke-土壤蒸发系数;
7、第二步:建立净灌溉需求量预测模型并预测灌溉时刻农作物净灌溉需求预测量nir';
8、第三步:计算灌溉渠输送水的过程中流动水蒸发损失量et和渠床渗漏损失qt;
9、第四步:根据公式w=nir'+et+qt确定农业灌区灌溉的放水量w。
10、进一步地,在所述第二步中,先根据每日土壤-水分-作物-大气(swca)平衡模型计算农业灌区净灌溉需求量nir,再以历史收集的环境数据作为输入数据,以净灌溉需求量nir为输出数据,对建立的净灌溉需求量预测模型进行训练,最后再将实时采集的环境数据输入训练好的模型中即可预测灌溉时刻农作物净灌溉需求预测量nir'。
11、进一步地,在所述第二步中,计算净灌溉需求量nir的公式如下:
12、
13、式中,lr-淋溶需求;gw-地下水贡献水位;δθv-土壤湿度传感器测定的土壤含水量的变化;s-灌溉区域的面积;eciw-灌溉水的电导率;-作物耐盐阈值;p-最近10天内的降雨总量。
14、进一步地,在所述第二步中,训练模型之前先对历史收集的环境数据进行归一化处理以获得训练样本集中对应的输入数据;预测灌溉时刻农作物净灌溉需求预测量之前,先对实时采集的环境数据进行归一化处理以获得预测样本集中对应的输入数据。
15、进一步地,在所述第二步中,使用长短期记忆网络方法建立所述净灌溉需求量预测模型。
16、进一步地,在所述第三步中,计算流动水蒸发损失量et的公式为:
17、
18、计算渠床渗漏损失qt的公式为:
19、
20、式中,e-灌溉渠流水表面蒸发速率;et-灌溉期间灌区所有水渠(主渠、支渠、侧渠、田间渠)的蒸发总量;a-渠道中流动水拖动的较低表面空气层(sal-w)的体积系数;b-在sal-w之上的上表面空气层(sal)的体积系数;uw-水流速度;ua-风速;ew-流水温度下的饱和水蒸气压;k-无量纲物理常数(=0.4);r-气体常数;t-绝对温度;δ1-sal层的厚度;-流动水表面的粗糙程度;za-测量空气温度的高度(本实施例中其值为2m);-高度δ处的水渠水面宽度;-高度δ处的水渠长度;t-灌溉时间;γ-地下水顶托修正系数;β-采取防渗措施后渠床渗漏损失水量的折减系数;σ-每km渠道输水损失系数;l-渠道长度;qn-渠道净流量;a1-渠床土壤透水系数;m-渠床土壤透水指数;δt-10min。
21、进一步地,在所述第一步中,所获取的环境数据包括温度、湿度、降水量、气压、风速、太阳辐射、日照时数、大气中co2浓度、土壤湿度。
22、本发明的智能农业精准灌溉系统包括五层架构,第一层为设备和通信层,包括土壤传感器、气象站、执行器和通信部件;第二层为数据采集、安全和管理层,用于接收通信部件发送的数据、对数据协议进行转换并建立信息模型;第三层为数据管理层,用于管理数据、存储数据、存储建立的信息模型;第四层为水灌溉和分配模型层,用于处理数据并预测农业灌区灌溉的放水量w;第五层为水应用服务层,用于呈现数据。
23、进一步地,在所述第五层中,一并呈现实时采集的环境数据和预测的农业灌区灌溉的放水量w,所述实时采集的环境数据直接由第三层获取;所述水应用服务层使用开源的多平台grafana工具。
24、进一步地,建立的信息模型包括虚拟实体、虚拟物理实体和数字实体,所述虚拟实体表示与物联网平台直接通信的物理元素,包括土壤探测器、气象站和灌溉系统;所述虚拟物理实体表示与物联网平台间接通信的物理元素,包括农业灌区的土壤和农作物;所述数字实体表示数字元素,包括日蒸散量和灌溉放水量。
25、与现有技术相比,本发明具备以下有益效果:
26、本发明采集的环境数据包括温度、湿度、降水量、气压、风速、太阳辐射、日照时数、土壤湿度、和大气中co2浓度,综合考虑上述环境数据对蒸散量的影响,用改进的彭曼公式计算作物的参考日蒸散量,使得计算结果更精确。在计算净灌溉需求量的过程中,考虑到灌溉水盐度对作物吸水量的影响,并通过淋溶需求调整土壤-水分-作物-大气(swca)平衡模型计算农业灌区净灌溉需求量;还考虑到灌溉渠输送水的过程中流动水蒸发损失量和渗透损失量。通过综合考虑上述各种因素,使得本发明的灌溉精度高,避免灌溉不足或过度灌溉带来的负面经济和环境影响。
27、该装置中未涉及部分均与现有技术相同或可采用现有技术加以实现,本发明结构科学合理,使用安全方便,为人们提供了很大的帮助。
1.智能农业精准灌溉方法,其特征在于,包括以下步骤,
2.根据权利要求1所述的智能农业精准灌溉方法,其特征在于,在所述第二步中,先根据每日土壤-水分-作物-大气(swca)平衡模型计算农业灌区净灌溉需求量nir,再以历史收集的环境数据作为输入数据,以净灌溉需求量nir为输出数据,对建立的净灌溉需求量预测模型进行训练,最后再将实时采集的环境数据输入训练好的模型中即可预测灌溉时刻农作物净灌溉需求预测量nir'。
3.根据权利要求2所述的智能农业精准灌溉方法,其特征在于,在所述第二步中,计算净灌溉需求量nir的公式如下:
4.根据权利要求2所述的智能农业精准灌溉方法,其特征在于,在所述第二步中,训练模型之前先对历史收集的环境数据进行归一化处理以获得训练样本集中对应的输入数据;预测灌溉时刻农作物净灌溉需求预测量之前,先对实时采集的环境数据进行归一化处理以获得预测样本集中对应的输入数据。
5.根据权利要求2所述的智能农业精准灌溉方法,其特征在于,在所述第二步中,使用长短期记忆网络方法建立所述净灌溉需求量预测模型。
6.根据权利要求1所述的智能农业精准灌溉方法,其特征在于,在所述第三步中,计算流动水蒸发损失量et的公式为:
7.根据权利要求1所述的智能农业精准灌溉方法,其特征在于,在所述第一步中,所获取的环境数据包括温度、湿度、降水量、气压、风速、太阳辐射、日照时数、大气中co2浓度、土壤湿度。
8.使用权利要求1至权利要求7中任一项智能农业精准灌溉方法的智能农业精准灌溉系统,其特征在于:包括五层架构,第一层为设备和通信层,包括土壤传感器、气象站、执行器和通信部件;第二层为数据采集、安全和管理层,用于接收通信部件发送的数据、对数据协议进行转换并建立信息模型;第三层为数据管理层,用于管理数据、存储数据、存储建立的信息模型;第四层为水灌溉和分配模型层,用于处理数据并预测农业灌区灌溉的放水量w;第五层为水应用服务层,用于呈现数据。
9.根据权利要求8所述的智能农业精准灌溉系统,其特征在于:在所述第五层中,一并呈现实时采集的环境数据和预测的农业灌区灌溉的放水量w,所述实时采集的环境数据直接由第三层获取;所述水应用服务层使用开源的多平台grafana工具。
10.根据权利要求8所述的智能农业精准灌溉系统,其特征在于:建立的信息模型包括虚拟实体、虚拟物理实体和数字实体,所述虚拟实体表示与物联网平台直接通信的物理元素,包括土壤探测器、气象站和灌溉系统;所述虚拟物理实体表示与物联网平台间接通信的物理元素,包括农业灌区的土壤和农作物;所述数字实体表示数字元素,包括日蒸散量和灌溉放水量。