一种实时非破环性农作物根系深度判别系统及方法与流程

本发明涉及农作物监测领域，具体地说，涉及一种实时非破环性农作物根系深度判别系统及方法。

背景技术：

判断植物、特别是农作物在生长周期不同时间阶段内的根系深度是长期以来困扰科技人员的世界性难题。一方面，作物根系深度的判别对评判作物生长健康状态、识别作物生长是否受外部因素胁迫、农业节水灌溉、农业水肥一体化精准管理具有重要指导意义。另一方面，受观察技术和手段的限制，及时、准确和非破坏性判别生长在土壤中的农作物根系深度一直是科技人员追求而未实现的梦想。

目前常用的两个根系识别方式分别为：

1.洗根法。即用合适工具把一株作物整体移出土壤，通过清洗方式移除作物根系上的土壤，然后用标尺度量根系的深度。洗根是一种实验室方式，它具有非实时、非连续的特点，对根系、特别是细微活跃根系的损害大，在科研上有一定的存在价值，但是对农业生产实际指导意义不大。

2.x-光扫描发。即把作物种植在一个特定的非金属容器内，利用x-光的穿透特性，对作物根系进行扫描成像，以实现非破坏性、连续探查作物根系深度。x-光扫描是一种实验室方式，设备复杂、费用高，仅能提供一个科研手段，不能推广应用到日常中去。

技术实现要素：

本发明所要解决的技术问题是针对现有技术的不足，提供一种利用高分辨率土壤水分传感器实现非破坏、连续判定旱作农作物的根系深度的方法。

本发明解决上述技术问题的技术方案如下：

本发明提供一种实时非破环性农作物根系深度判别系统，包括：

传感器组件，所述传感器组件设置在根系附近的土壤中，用于实时采集根系附近土壤中的数据信息；

信号传输装置，所述信号传输装置与传感器组件相连接，所述信号传输装置用于将传感器采集到的数据信息通过无线网络传送到远程终端；

远程终端，所述远程终端接收信号传输来的数据信息，并进行数据处理。

本发明的有益效果是：能够实现对根系周围土壤的水分和温度的实时监控，从而为实现生长在非饱和土壤水分环境中各种旱作农作物根系深度的非破坏性判别提供数据支持。

进一步，所述传感器组件包括：

第一传感器管，所述第一传感器管垂直设置在地面中，所述第一传感器管距离作物主杆中心轴的距离为10-30cm；

第二传感器管，所述第二传感器管垂直设置在地面中，所述第二传感器管距离作物第一传感器的距离为5-20cm，所述第一传感器、第一传感器和主杆中心轴在同一平面上。

上述进一步方案的有益效果在于：便于平均值的计算，进一步减少误差的生成及其带来的影响。

进一步，所述第一传感器管包括多个垂直分布的水分传感器和多个垂直分布的温度传感器，相邻的两个水分传感器或温度传感器之间的距离为5cm；所述第二传感器管包括多个垂直分布的水分传感器和多个垂直分布的温度传感器，相邻的两个水分传感器或温度传感器之间的距离为5cm。

进一步，所述水分传感器和温度传感器每15分钟读取一组土壤水分数据和土壤温度数据，水分传感器和温度传感器同步取样。

上述进一步方案的有益效果在于：能够保证水分传感器和温度传感器对同一位点的土壤参数的同一时间取样，从而提高数据的准确性，减少因环境等因素影响带来的计算误差。

进一步，所述无线网路为lorawan网络。

上述进一步方案的有益效果在于：lorawan网络的传输距离远，能够确保在高大作物叶蔓不影响数据传输。

本发明还提供一种实时非破环性农作物根系深度判别方法，包括如下步骤：

s1.第一传感器管和第二传感器管将实时采集的数据传递通过信号传输装置传递至远程终端中；

s2.远程终端根据高度和时间将数据分类和处理；

s3.将处理得到的结果与之前的七天的数据结果相比对并进行平滑处理，得到根系深度数据。

本发明的有益效果是：本发明的方法适用于对生长在非饱和土壤水分环境中各种旱作农作物根系深度的判别。具有非破坏性、连续监测、布置简单快速、多重判断交叉印证、结果可靠的特点。在现代精准农业管理中，通过实时获得的作物根系深度数据，可以对作物需水量判定、灌溉水量计算和灌溉速率确定起重要的指导意义。

进一步，所述步骤s2包括如下步骤：

s2-1.将远程终端接收到的数据按照其来源进行分类，由第一传感器管传递来的数据记为a，由第二传感器管传递来的数据记为b,其中每个传感器距离土壤表层的距离记为h(cm)，传感器测量数据记录的时间为主判断依据，将一天的时间分为：日照区段(日升至日落)dbin、黑夜区段(月照或全黑)nbin、过渡(介于白天和黑夜之间)区段gbin；

s2-2.从土壤表面往下，分别针对每个高度h判断：

x：日照区段在高度h上的土壤水分变化率的日平均值(a-dbin-h-dmr-dayaverage)和黑夜区段在高度h上的土壤水分变化率的日平均值(a-nbin-h-dmr-dayaverage)的差异；

y：日照区段在高度h上的土壤温度变化率的日平均值(a-dbin-h-dtr-dayaverage)和黑夜区段在高度h上的土壤温度变化率的日平均值(a-nbin-h-dtr-dayaverage)的差异；

z：日照区段在高度h上的水平水分变化率的日平均值(ba-dbin-h-hmr-dayaverage)和黑夜区段在高度h上的水平水分变化率的日平均值(ba-nbin-h-hmr-dayaverage)的差异；

s2-3.针对步骤s2-2中的判断结果，

若x有差异时：若z和y均有差异，此时记录h为新的根系深度，并替代上一个根系深度；若z和y中有一个有差异，则h为新的根系深度的几率为67％；若z和y均没有差异，则h为新的根系深度的几率为33％；对下个h的数据进行步骤s2-1和s2-2；

若x没有差异：判断h是否大于根系深度，否，对下个h的数据进行步骤s2-1和s2-2；是，表示已经超越根系深度，结束判定。

进一步，所述步骤s2-2还包括包括如下步骤：

s2-2-1.每个水分传感器采集的土壤水分数据记为sw，每个温度传感器采集的土壤温度数据记为st；

s2-2-2.分别构建实时的“土壤水分垂直分布”图形yhw和“土壤温度垂直分布”图形yht；

s2-2-3.针对每一个时间点采样收集的数据，计算：垂直水分变化率vmr(vmr＝dsw/dh，h为传感器感应环间隔距离)，水平水分变化率hmr(hmr＝dsw/dl，l为传两个感器感间隔距离)

s2-2-4.结合即时(t0)和上一个点(t0-1)的两组数据，在每一个时间点分别计算：土壤水分变化率dmr(dmr＝dsw/dt)、土壤温度变化率dtr(dtr＝dt/dt)。

s2-2-5.传感器测量数据记录的时间为主判断依据，将一天的时间分为：日照区段(日升至日落)dbin、黑夜区段(月照或全黑)nbin、过渡(介于白天和黑夜之间)区段gbin，把每一个时间点测量和计算数据(vmr、hmr、dmr、dtr)整合为一个数据子集(dataset)；

s2-2-6.以天为单位对每一个bin中累积的数据进行统计计算，计算“日平均值”dayaverage、“日均方差值”daystd。

进一步，所述步骤s2-2-6还包括包括对每一个bin中所计算的所有数据进行“时间序列分析”，并滤除极端值。

进一步，所述水分传感器和温度传感器的采样速率为10-15分钟/次。

附图说明

图1为本发明的传感器管的设置分布结构示意图；

图2为本发明的传感器管的设置分布结构示意图；

图3为本发明的理论上土壤水分时间随时间的变化曲线图；

图4为本发明的实际传感器传回的土壤水分时间随时间的变化曲线图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

作物根系深度判定原理

在不考虑降雨或灌溉补水导致的短期跃升情况下，土壤中水分垂直分布以及变化主要受蒸发(e，土壤主导)和蒸腾(t，植物主导)。蒸发过程e以及蒸发量主要受太阳辐射或大风等气象因素影响，而作物蒸腾t则主要受作物从根系、主杆到叶片的吸水、输水和挥发过程主导，受植物叶面气孔闭合影响。e和t都是以天(24小时)作为时间周期在整个作物生长发育期内重复，e对土壤表面的水分变化影响显著，而t则是对植物根系、特别是处于根系末端的须根周围的土壤水分变化影响明显。

作物根系深度判断的理据

首先，如图3所示，作物叶片气孔呈现昼开夜闭特性，导致作物根系末梢端须根处水分时间变化率显著交替界越，而在超过作物根系活动深度的位置，土壤水分时间变化率的昼夜交替现象消失或十分弱化。

其次，当两个多点管式水分传感器以作物主茎为圆心向外径向布置时，如果只考虑e，即假设传感器周围没有作物根系活动，两个传感器感知的土壤水分垂直分布应该呈现高度一致；但是把由作物须根吸水导致的t考虑在内，由于两个传感器距离作物根系活跃区的距离不同，则据测量数据显示的土壤水分垂直分布呈现显著差异，据此计算获得的土壤水分水平变化率(相量)在根系(须根)活跃处会呈现指向植物主茎(圆心)的显著特征，超越根系活动深度后这个现象就会消失。如图4所示，其中m表示根系活跃区域。

再次，水是一个十分显著的导热介质。在作物活跃根系周围，白昼时间，由于作物气孔开启导致根系快速吸水，引起周围土壤水分变化，从而导致土壤导热(热扩散)状态变化，在根系周围会形成一个温度变化异样区。这个温度变化异样区在黑夜会随着作物气孔关闭而迅速消失。本专利双系列温度传感器垂直径向布置可以及时捕捉这个异样区的位置和其形成和消失的时间规律，进而可以被用来判断植物根系深度。

作物根系深度判断数据处理准则

在收集大量数据、不断深度学习的过程中萃取和不断迭代判定参数集，总结出合适的、针对一个特定作物的作物根系深度判定模式(数学方程+参数集)。

根据分层土壤水分的区间、垂直土壤水分和温度变化趋势，需要对收集的数据进行清洗处理(预处理)，滤除调不适合导入到判定算法的数据。

总体原则是剔除动力学(水头、水压驱动土壤水分变化)占主导状态下的土壤水分和温度测量数据，以及土壤极度干旱(在枯萎点wiltpoint附近)状态下的测量数据。只保留热力学(主要由水分梯度主导水分迁移)占主导地位的“有效”数据。

作物根系深度判断数据处理具体步骤

滤除那些土壤水分含量低于低限阀值的数据。在这个土壤水分条件下，作物一般处于严重水胁迫(缺水)状态。本专利提出的根系深度判定测算灵敏度会急剧降低，甚至失灵。

滤除那些由于降雨、灌溉导致的土壤水分急剧变化的数据。可以根据土壤profile中绝对含水量、其垂直分布及变化趋势判定。

四、作物根系深度判定方式

两个成双对布置的传感器，靠近主茎的命名为a，少许远离的命名为b；

同步记录传感器的gps定位、播种日期、气象数据、灌溉数据，备用；

以传感器感应元件在土壤中离开土壤表层的距离h(cm)来进一步表征(define)数据；

设定三个数据归类区段(bin)，分别为：日照区段(日升至日落)dbin、黑夜区段(月照或全黑)nbin、过渡(介于白天和黑夜之间)区段gbin；

采样速率确定在10-15分钟/次，分别采集各个传感器感应点的土壤水分sw、土壤温度st测量值。分别构建实时“土壤水分垂直分布”图形yhw和“土壤温度垂直分布”图形yht；

针对每一个时间点采样收集的数据，计算：垂直水分变化率vmr(dsw/dh，h为传感器感应环间隔距离)，水平水分变化率hmr(dsw/dl，l为传两个感器感间隔距离)。hm和vm都是相量；

结合即时(t0)和上一个点(t0-1)的两组数据，在每一个时间点分别计算：土壤水分变化率dmr(dsw/dt)、土壤温度变化率dtr(dt/dt)。dmr和dtr都是标量；

以传感器测量数据记录的时间为主判断依据，把每一个时间点测量和计算数据整合为一个数据子集(dataset)，分别归入以上三个区段bin中的一个；

以天为单位对每一个bin中累积的数据进行统计计算，计算“日平均值”dayaverage、“日均方差值”daystd。对一个bin中所计算的所有数据进行“时间序列分析”，滤除极端值；

以传感器每一个感应元件垂直位置h为选择参数，挑选对应的数据来比对，具体地，例如：

比较照区段在高度h上的土壤水分变化率的日平均值与黑夜区段在高度h上的土壤水分变化率的日平均值的差异(a-h-dbin-dmr-dayaveragevs.a-h-nbin-dmr-dayaverage)；

比较照区段在高度h上的土壤水分变化率的日均方差值与黑夜区段在高度h上的土壤水分变化率的日均方差值的差异(a-h-dbin-dmr-daystdvs.a-h-nbin-dmr-daystd)；

比较照区段在高度h上的土壤温度变化率的日均方差值与黑夜区段在高度h上的土壤温度变化率的日均方差值的差异(a-h-dbin-dtr-dayaveragevs.a-h-nbin-dtr-dayaverage)；

比较照区段在高度h上的土壤温度变化率的日均方差值与黑夜区段在高度h上的土壤温度变化率的日均方差值的差异(a-h-dbin-dtr-daystdvs.a-h-nbin-dtr-daystd)；

z:比较日照区段在高度h上的水平水分变化率的日平均值和黑夜区段在高度h上的水平水分变化率的日平均值的差异(ba-h-dbin-hmr-dayaveragevs.ba-h-nbin-hmr-dayaverage)；

比较日照区段在高度h上的水平水分变化率的日均方差值和黑夜区段在高度h上的水平水分变化率的日均方差值的差异(ba-h-dbin-hmr-daystdvs.ba-h-nbin-hmr-daystd)。

按照判断理据进行作物根系深度判断：

若x有差异时：若z和y均有差异，此时记录h为新的根系深度，并替代上一个根系深度；若z和y中有一个有差异，则h为新的根系深度的几率为67％；若z和y均没有差异，则h为新的根系深度的几率为33％；对下个h的数据进行步骤s2-1和s2-2；

若x没有差异：判断h是否大于根系深度，否，对下个h的数据进行步骤s2-1和s2-2；是，表示已经超越根系深度，结束判定。

通过逐级判断得出最终的根系数据。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。