数据驱动的甘蔗精准施钠肥方法及系统

本发明属于农业施肥，具体涉及数据驱动的甘蔗精准施钠肥方法及系统。

背景技术：

1、食糖是关系国计民生的重要战略物资，也是全球重要的大宗农产品之一，中国是食糖生产和消费大国。国家统计局数据显示：2016～2020年，我国糖料种植面积约160万公顷，2020年我国糖料产量为1.2亿吨；2019～2020年，我国食糖产量为1040万吨，消费量为1540万吨，供给率不足70％，糖料供求不平衡的现象影响国民经济的发展。

2、广西是我国乃至全球最适宜种植甘蔗的地区之一，是全国最大的蔗糖生产基地。2021年广西全区甘蔗种植面积约为111.52万公顷，占全国种植面积的70％左右，总产值7896.93万吨；蔗糖业从业人数占全区人口近40％，约2000万人。由此可见，甘蔗是广西重要的经济作物，是广西的支柱产业和农民增收最主要的经济来源之一。

3、制约广西甘蔗种植产业发展的主要问题：绝大部分还是小作坊的种植方式；受农村劳动力短缺的制约，收获时间较为随意；农业机械化普及率不高；严重缺乏技术人才。

4、肥料是作物单产和品质的关键影响因素。对广西糖企、农户、肥企的调查和肥料田间实验结果表明：广西蔗田氮磷钾大量元素施肥失调，普遍不施用中量和微量元素以及硅肥、生根粉、氮抑制剂等，这是目前甘蔗单产和糖度不高、不稳的主要原因之一。因此需要一种提高甘蔗单产和糖度的肥料施用方法。

技术实现思路

1、基于上述技术问题，本发明提供数据驱动的甘蔗精准施钠肥方法及系统，通过获取甘蔗种植区域数据，构建钠肥选择模型、钠肥用量模型、钠肥施用时期模型和钠肥施用方式模型，得到最终的甘蔗施肥数据，实现了甘蔗施钠肥的精准化和智能化。

2、本发明提供数据驱动的甘蔗精准施钠肥方法，所述方法包括：

3、步骤s1：获取甘蔗种植区域数据，对数据预处理，得到标准数据；

4、步骤s2：构建钠肥选择模型，具体包括：

5、基于土壤特性、水循坏和钠盐反应，构建一个包含土壤、水、钠盐三个组分的耦合模型，模拟钠盐在土壤中的分布和变化，分析钠盐对土壤的影响，选择最佳的钠肥种类；

6、步骤s3：构建钠肥用量模型，具体包括：

7、基于土壤的钠参数和甘蔗属性，构建一个包含土壤、甘蔗、钠三个组分的动态模型，模拟钠在土壤-甘蔗中的分布和变化，评估钠肥用量对甘蔗的增产增糖效果；

8、步骤s4：构建钠肥施用时期模型，具体包括：

9、基于钠肥、甘蔗品种和物候特征，构建一个包含甘蔗、钠、时间三个变量的优化模型，求解最佳钠肥施用时期；

10、步骤s5：构建钠肥施用方式模型，具体包括：

11、基于钠肥用量、施用次数和施用方式，构建非线性函数，分析不同钠肥施用方式对甘蔗的影响，确定最佳的钠肥施用方式；

12、步骤s6：根据所述钠肥选择模型、所述钠肥用量模型、所述钠肥施用时期模型和所述钠肥施用方式模型，得到最终的甘蔗施肥数据。

13、可选地，所述基于土壤特性、水循坏和钠盐反应，构建一个包含土壤、水、钠盐三个组分的耦合模型，具体包括：

14、

15、式中，θ为土壤含水量，土壤含水量的范围是0≤θ≤θs，θs为土壤饱和含水量；q为土壤水流速度；sw为水源项；为梯度算子；

16、

17、式中，k为土壤水渗透率；h为土壤水压力头；z为重力势；

18、

19、式中，ci为第i种钠盐的浓度，ci的范围为0≤ci≤cmax，cmax为钠盐的最大溶解度；ri为第i种钠盐的反应速率；si为第i种钠盐的源项；

20、

21、式中，n为钠盐的种类数；ct为总溶质浓度；zi为第i种钠盐的电荷数；αi为第i种钠盐的水解系数；ka为水解常数；βi为第i种钠盐的缓冲系数；kb为缓冲常数；

22、钠肥选择模型的优化目标集合为：

23、minf(x)＝(cn(x)，cs(x)，ec(x)，-ph(x)，-y(x)，-b(x))t

24、s.t.ec≤ecmax，ph≥phmin，y≥ymin，b≥bmin

25、式中，x为钠肥的种类；f(x)为优化目标向量，每个分量都是一个评价指标；负号表示最大化；cn为土壤含钠量；为土壤最大含钠量；cs为土壤盐分；ph为土壤ph值；phmin为土壤最低ph值；ec为土壤电导率；ecmax为最大电导率；y为甘蔗产量；ymin为甘蔗最低单产；b为甘蔗糖度；bmin为甘蔗最低糖度。

26、可选地，所述基于土壤的钠参数和甘蔗属性，构建一个包含土壤、甘蔗、钠三个组分的动态模型，具体包括：

27、

28、式中，cn为土壤含钠量；kr为土壤中钠的释放速率；km为土壤中钠的迁移系数；

29、

30、式中，nc为甘蔗中的钠含量；ka为甘蔗对钠的吸收速率；ku为甘蔗对钠的利用率；ke为甘蔗对钠的排泄率；

31、

32、

33、式中，y为甘蔗产量；b为甘蔗糖度；f和g是钠对甘蔗产量和糖度的影响函数；

34、钠肥用量模型的优化目标集合为：

35、f(nf，ef，bf)＝(min nf，max ef，max bf)

36、

37、式中，nf为钠肥用量；ef为钠肥效率；bf为钠肥效益；f(nf，ef，bf)为一个向量函数，它包含了三个优化目标，分别是钠肥用量nf、钠肥效率ef和钠肥效益bf。

38、可选地，所述基于钠肥、甘蔗品种和物候特征，构建一个包含甘蔗、钠、时间三个变量的优化模型，具体包括：

39、

40、

41、

42、

43、r＝anf2+bnf+c

44、式中，e为甘蔗对钠的吸收效率；d为甘蔗对钠的需求量；t为钠肥的施用时期；y为甘蔗产量；b为甘蔗糖度；ymax为甘蔗最大产量；bmax为甘蔗最大糖度；nopt，i为第i个生长时期的甘蔗最佳钠用量；i为甘蔗的生长时期的序号；topt为甘蔗最佳钠肥施用时期；r为甘蔗对钠的响应函数；a、b、c为系数；λ为甘蔗对钠肥施用时期的响应系数。

45、可选地，所述基于钠肥用量、施用次数和施用方式，构建非线性函数，具体包括：

46、y，b＝f(x1，x2，x3，x4，z)

47、式中，y为甘蔗产量；b为甘蔗糖度；f为非线性函数，采用机器学习或卷积神经网络进行拟合和优化；x1为钠肥的总用量；x2为钠肥的施用次数；x3为钠肥的施用方式；x4为钠肥的施用方法；z为其他影响因素；

48、给定z，找到最优的x1，x2，x3和x4，使得y和b达到最大值，表示为：

49、

50、约束条件为x1的取值范围为[0，100]；x2的取值范围为[1，4]；x3的取值为{基肥，追肥，叶面肥}；x4的取值为{撒施后土壤覆盖，溶液施用施入土壤，喷雾施用叶面}。

51、可选地，包括：

52、所述钠肥种类为碳酸钠、碳酸氢钠、氯化钠、硫酸钠和硫代硫酸钠；所述钠肥用量范围为7.5～75.0na kg/ha。

53、本发明还数据驱动的甘蔗精准施钠肥系统，所述系统包括：

54、数据获取处理模块，用于获取甘蔗种植区域数据，对数据预处理，得到标准数据；

55、选择模型构建模块，用于构建钠肥选择模型，具体包括：

56、基于土壤特性、水循坏和钠盐反应，构建一个包含土壤、水、钠盐三个组分的耦合模型，模拟钠盐在土壤中的分布和变化，分析钠盐对土壤的影响，选择最佳的钠肥种类；

57、用量模型构建模块，构建钠肥用量模型，具体包括：

58、基于土壤的钠参数和甘蔗属性，构建一个包含土壤、甘蔗、钠三个组分的动态模型，模拟钠在土壤-甘蔗中的分布和变化，评估钠肥用量对甘蔗的增产增糖效果；

59、施用时期模型构建模块，构建钠肥施用时期模型，具体包括：

60、基于钠肥、甘蔗品种和物候特征，构建一个包含甘蔗、钠、时间三个变量的优化模型，求解最佳钠肥施用时期；

61、施用方式模型构建模块，构建钠肥施用方式模型，具体包括：

62、基于钠肥用量、施用次数和施用方式，构建非线性函数，分析不同钠肥施用方式对甘蔗的影响，确定最佳的钠肥施用方式；

63、施肥数据优化模块，根据所述钠肥选择模型、所述钠肥用量模型、所述钠肥施用时期模型和所述钠肥施用方式模型，得到最终的甘蔗施肥数据。

64、可选地，所述选择模型构建模块，具体包括：

65、

66、式中，θ为土壤含水量，土壤含水量的范围是0≤θ≤θs，θs为土壤饱和含水量；q为土壤水流速度；sw为水源项；为梯度算子；

67、

68、式中，k为土壤水渗透率；h为土壤水压力头；z为重力势；

69、

70、式中，ci为第i种钠盐的浓度，ci的范围为0≤ci≤cmax，cmax为钠盐的最大溶解度；ri为第i种钠盐的反应速率；si为第i种钠盐的源项；

71、

72、式中，n为钠盐的种类数；ct为总溶质浓度；zi为第i种钠盐的电荷数；αi为第i种钠盐的水解系数；ka为水解常数；βi为第i种钠盐的缓冲系数；kb为缓冲常数；

73、钠肥选择模型的优化目标集合为：

74、min f(x)＝(cn(x)，cs(x)，ec(x)，-ph(x)，-y(x)，-b(x))t

75、

76、式中，x为钠肥的种类；f(x)为优化目标向量，每个分量都是一个评价指标；负号表示最大化；cn为土壤含钠量；为土壤最大含钠量；cs为土壤盐分；ph为土壤ph值；phmin为土壤最低ph值；ec为土壤电导率；ecmax为最大电导率；y为甘蔗产量；ymin为甘蔗最低单产；b为甘蔗糖度；bmin为甘蔗最低糖度。

77、可选地，所述用量模型构建模块，具体包括：

78、

79、式中，cn为土壤含钠量；kr为土壤中钠的释放速率；km为土壤中钠的迁移系数；

80、

81、式中，nc为甘蔗中的钠含量；ka为甘蔗对钠的吸收速率；ku为甘蔗对钠的利用率；ke为甘蔗对钠的排泄率；

82、

83、

84、式中，y为甘蔗产量；b为甘蔗糖度；f和g是钠对甘蔗产量和糖度的影响函数；

85、钠肥用量模型的优化目标集合为：

86、f(nf，ef，bf)＝(min nf，max ef，max bf)

87、

88、式中，nf为钠肥用量；ef为钠肥效率；bf为钠肥效益；f(nf，ef，bf)为一个向量函数，它包含了三个优化目标，分别是钠肥用量nf、钠肥效率ef和钠肥效益bf。

89、可选地，所述施用时期模型构建模块，具体包括：

90、

91、

92、

93、

94、r＝anf2+bnf+c

95、式中，e为甘蔗对钠的吸收效率；d为甘蔗对钠的需求量；t为钠肥的施用时期；y为甘蔗产量；b为甘蔗糖度；ymax为甘蔗最大产量；bmax为甘蔗最大糖度；nopt，i为第i个生长时期的甘蔗最佳钠用量；i为甘蔗的生长时期的序号；topt为甘蔗最佳钠肥施用时期；r为甘蔗对钠的响应函数；a、b、c为系数；λ为甘蔗对钠肥施用时期的响应系数。

96、本发明与现有技术相比，具有以下有益效果：

97、本发明通过数据驱动的方法，根据具体的土壤和甘蔗属性，选择最适合的钠肥种类，确定最佳的钠肥用量，施用时期以及施用方式，以提高甘蔗的产量和糖度；根据实际情况优化了施肥方案，可以避免不必要的施肥浪费，降低施肥成本，提高农业经济效益；通过精准的施肥方法，减少了对土壤和水资源的浪费，降低了对环境的负面影响，符合可持续农业的发展理念。