CN105389663B - 一种农田灌溉智能决策系统和方法 - Google Patents
一种农田灌溉智能决策系统和方法 Download PDFInfo
- Publication number
- CN105389663B CN105389663B CN201510811396.2A CN201510811396A CN105389663B CN 105389663 B CN105389663 B CN 105389663B CN 201510811396 A CN201510811396 A CN 201510811396A CN 105389663 B CN105389663 B CN 105389663B
- Authority
- CN
- China
- Prior art keywords
- soil moisture
- moisture content
- module
- irrigation
- soil
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
本发明涉及一种农田灌溉智能决策系统和方法,该系统包括土壤墒情数据采集模块、时间采集模块、墒情等级计算建模模块、灌溉决策处理模块、空间分布处理模块和界面显示模块,墒情等级计算建模模块建立墒情等级计算模型并根据土壤墒情数据采集模块采集的土壤墒情数据和时间采集装置确定的农作物的实际生长阶段进行墒情等级计算,灌溉决策处理模块根据墒情等级计算的结果通过人工智能和决策支持相结合的方式得到灌溉决策,并通过空间分布处理模块进行空间分布处理后由界面显示模块进行界面显示。该系统使得无论农户还是农业部门均可以随时随地精确地并有针对性地掌握某地域下某基地下某农田的土壤墒情信息和智能灌溉决策。
Description
技术领域
本发明涉及一种农业信息技术领域,特别是一种基于土壤墒情数据的农田灌溉智能决策系统和方法。
背景技术
随着灌溉技术的飞速发展以及干旱多发性灾害对农业生产持续发展的影响加剧,墒情预报意义越来越大,而且水资源的缺乏将使水资源成为一种战略资源,对社会经济的发展起着决定性的作用,对灌溉的适时性与适量性提出了更高的要求,即对墒情预报提出了更高的要求,这将使土壤墒情成为农业水土工程学科一个重要的发展方面。干旱多发性一直是阻碍农业生产持续发展的一个重要制约因素,供水危机已日益显现,从水源到农作物产量形成的整个用水过程中,都要做好土壤墒情监测预报与节水灌溉的管理工作,搞好土壤水分的监测和预报对于研究土壤水分运动、农作物水分状况以及灌溉制度都具有重要意义,是农业用水管理和灾害预警服务的重要研究领域。
目前我国多数地区在农田及设施墒情监测、灾害预警方面以及农田灌溉方面还存在着诸多问题:一是监测控制能力低,技术装备水平亟需提高。①主要依靠人工调查获取数据,使得人工管理支出费用较大,而且人为误差也很大;②土壤墒情预报研究成果多以点预报为主,缺乏较大尺度的区域和宏观预报方法。二是农民灌溉的随意性大,精确灌溉专业化指导有待提高。①农田作物生产中农民随雨灌溉、随水灌溉的情况较多,缺乏作物关键生育期需水与土壤墒情相结合从而适量浇水的专业化指导;②随水施肥、大水漫灌的现象还很严重,造成了农业用水的浪费。三是春季低温干旱影响了农作物产量,急需防灾减灾决策指导。近年春季低温干旱对农作物生长造成一定影响,科学决策应对灾害,减少水资源浪费,夺取农田丰收具有重要作用。综上,农户无法直观获取所关心地区的农田土壤墒情信息以及其灌溉决策,而且,农业部门针对粮食及主要农产品数量安全重大战略目标,重点开展农作物生产的大规模智能分析和预警研究,因农田地域分布广泛,相同地域又有众多基地,在同一基地也会存在一个或多个农田,若要即时掌握不同地域不同基地的各农田内的农作物生长的土壤墒情、环境等情况并对其进行后续智能分析和预警,比较困难。此外,无论是农户还是农业部门都无法随时随地精确地并有针对性地给出某农田的灌溉智能决策。
发明内容
本发明针对现有技术存在的问题,为农户和农业部门提供一种操作简单、直观方便的农田灌溉智能决策系统,无论农户还是农业部门均可以随时随地精确地并有针对性地掌握某地域下某基地下某农田的土壤墒情信息和智能灌溉决策。本发明还涉及一种农田灌溉智能决策方法。
本发明的技术方案如下:
一种农田灌溉智能决策系统,其特征在于,包括土壤墒情数据采集模块、时间采集模块、墒情等级计算建模模块、灌溉决策处理模块、空间分布处理模块和界面显示模块,
所述墒情等级计算建模模块根据农田的不同农作物在各生长周期内的墒情数据范围进行墒情等级计算建模,从而建立墒情等级计算模型,所述土壤墒情数据采集模块采集土壤墒情数据并输入至墒情等级计算模型,所述时间采集装置通过日期时间的采集确定农作物的实际生长阶段并输入至墒情等级计算模型,所述墒情等级计算模型根据土壤墒情数据采集模块采集的土壤墒情数据和时间采集装置确定的农作物的实际生长阶段进行墒情等级计算,并将墒情等级计算的结果输入至灌溉决策处理模块;所述灌溉决策处理模块根据墒情等级计算的结果并结合农作物不同生长周期需水特点以及灌溉参数,通过人工智能和决策支持相结合的方式得到灌溉决策,并通过空间分布处理模块进行空间分布处理后由界面显示模块进行界面显示;所述土壤墒情数据采集模块采集的土壤墒情数据以及墒情等级计算模型进行墒情等级计算的结果均通过空间分布处理模块进行空间分布处理后由界面显示模块进行界面显示。
所述土壤墒情数据采集模块通过土壤墒情传感器或远程墒情采集站对0cm~80cm深度的土壤层进行墒情数据采集;所述墒情等级计算建模模块根据农田的不同农作物在各生长周期内的不同深度土壤层的墒情数据范围进行墒情等级计算建模。
所述土壤墒情数据采集模块将采集的0cm~80cm深度的土壤层的墒情数据通过空间分布处理模块进行空间分布处理,将0cm~80cm深度的土壤层划分为若干段,将每段土壤层的墒情数据由界面显示模块进行界面显示,并将墒情等级计算模型对每段的土壤层的墒情数据进行墒情等级计算的结果通过界面显示模块由不同颜色显示墒情等级。
所述墒情等级计算建模模块针对小麦分别在播种出苗期、苗期、返青分蘖期、拔节期、孕穗期、灌浆期和成熟期的墒情数据范围进行墒情等级计算建模,建立墒情等级计算模型,所述墒情等级计算的结果划分为过多、适宜、轻度不足、不足和严重不足。
所述空间分布处理模块包括相互连接的引擎模块和GIS模块,所述GIS模块分别连接土壤墒情数据采集模块、墒情等级计算建模模块和灌溉决策处理模块,所述引擎模块连接界面显示模块;所述GIS模块采用GIS技术对不同农田地域不同基地不同农田的地理位置进行不同空间分布处理,对相同农田得到的土壤墒情数据、墒情等级计算的结果和灌溉决策进行相同的空间分布处理,再由引擎模块发送至界面显示模块显示。
还包括环境信息采集模块,所述环境信息采集模块通过相应传感器采集农田环境信息,采集的农田环境信息包括空气温度和/或空气湿度和/或光照强度和/或风速和/或降雨量,采集的农田环境信息通过空间分布处理模块进行空间分布处理后由界面显示模块进行界面显示。
一种农田灌溉智能决策方法,其特征在于,该方法根据农田的不同农作物在各生长周期内的墒情数据范围进行墒情等级计算建模,从而建立墒情等级计算模型,再将采集的土壤墒情数据以及通过日期时间的采集确定农作物的实际生长阶段共同输入至墒情等级计算模型,由墒情等级计算模型根据采集的土壤墒情数据和确定的农作物的实际生长阶段进行墒情等级计算;然后将墒情等级计算的结果结合农作物不同生长周期需水特点以及灌溉参数,通过人工智能和决策支持相结合的方式得到灌溉决策;将灌溉决策、采集的土壤墒情数据以及墒情等级计算的结果均进行空间分布处理后进行界面显示。
该方法根据农田的不同农作物在各生长周期内的不同深度土壤层的墒情数据范围进行墒情等级计算建模,并通过土壤墒情传感器或远程墒情采集站对0cm~80cm深度的土壤层进行墒情数据采集,并在采集0cm~80cm深度的土壤层的墒情数据后进行空间分布处理,将0cm~80cm深度的土壤层划分为若干段,将每段土壤层的墒情数据均进行界面显示,将墒情等级计算模型对每段的土壤层的墒情数据进行墒情等级计算的结果由不同颜色显示墒情等级。
该方法针对小麦分别在播种出苗期、苗期、返青分蘖期、拔节期、孕穗期、灌浆期和成熟期的墒情数据范围进行墒情等级计算建模,建立墒情等级计算模型,所述墒情等级计算的结果划分为过多、适宜、轻度不足、不足和严重不足。
该方法还通过相应传感器采集农田环境信息,采集的农田环境信息包括空气温度和/或空气湿度和/或光照强度和/或风速和/或降雨量,采集的农田环境信息进行空间分布处理后进行界面显示。
本发明的技术效果如下:
本发明提供的农田灌溉智能决策系统,包括土壤墒情数据采集模块、时间采集模块、墒情等级计算建模模块、灌溉决策处理模块、空间分布处理模块和界面显示模块,由墒情等级计算建模模块根据农田的不同农作物在各生长周期内的墒情数据范围进行墒情等级计算建模,从而建立墒情等级计算模型,将土壤墒情数据采集模块采集的土壤墒情数据以及时间采集装置确定的农作物的实际生长阶段均作为输入数据输入至墒情等级计算模型,由墒情等级计算模型进行墒情等级计算也就是将输入数据与模型内部数据进行比对分析,得到墒情等级计算的结果即得到墒情等级,灌溉决策处理模块根据墒情等级计算的结果并结合农作物不同生长周期需水特点以及灌溉参数,通过人工智能和决策支持相结合的方式得到灌溉决策,灌溉决策、采集的土壤墒情数据以及墒情等级计算的结果均通过空间分布处理模块进行空间分布处理后由界面显示模块进行界面显示,该农田灌溉智能决策系统的各模块配合工作,并建立墒情等级计算模型,能够自动得到农田土壤墒情数据以及灌溉决策,无论农户还是农业部门均可以随时随地精确地并有针对性地通过界面显示模块掌握某地域下某基地下某农田的土壤墒情信息和智能灌溉决策,而不必亲临各地的农田现场,使得农户能够直接查询自己家分布在不同地域或基地的各农田的农作物生长的土壤墒情信息和智能灌溉决策,农业部门可以查看不同地域不同基地的各农田的农作物的土壤墒情信息和智能灌溉决策,以便开展农作物生产的大规模智能分析和预警研究,故本发明解决了现有技术无法随时随地查看不同地域不同基地不同农田土壤墒情信息和灌溉决策所导致的问题,结合建模技术,实时展示土壤墒情信息和灌溉决策,既能由农业部门使用,也能够推广到基层的农户使用,而且操作简单,直观方便,避免了现有技术依靠人工调查获取数据导致的人工成本高以及人为误差大的问题,同时由于能够直接获取到灌溉策略,使得农户得到了精确灌溉专业化指导,避免了随意灌溉以及农业用水浪费和影响农田丰收问题,为科学种田提供了关键因素。
本发明农田灌溉智能决策系统设置土壤墒情数据采集模块通过土壤墒情传感器或远程墒情采集站对0cm~80cm深度的土壤层进行墒情数据采集,使得采集的土壤墒情数据更加有效且有针对性,优选还配合不同深度土壤层的参数来建立墒情等级计算模型,使得模型得到优化,空间分布处理模块进行空间分布处理时将0cm~80cm深度的土壤层划分为若干段,将每段土壤层的墒情数据由界面显示模块进行界面显示,并将每段的土壤层的墒情数据的墒情等级计算的结果通过界面显示模块由不同颜色显示墒情等级,界面显示直观并且也美观,使得农户和农业部门能够更加迅速直观的掌握农田的土壤墒情信息和智能灌溉决策。
设置环境信息采集模块,用于通过相应传感器采集农田环境信息,采集的农田环境信息包括空气温度和/或空气湿度和/或光照强度和/或风速和/或降雨量,如采用空气温度传感器、空气湿度传感器、光照传感器、风速传感器和降雨量传感器这些部件进行农田环境信息的采集,采集的农田环境信息通过空间分布处理模块进行空间分布处理后由界面显示模块进行界面显示,各传感器的设置能够得到农作物生长的多方位环境参数信息,使得农户或农业部门能够对该农田环境进行较全面的掌握。
本发明还涉及一种农田灌溉智能决策方法,该方法根据农田的不同农作物在各生长周期内的墒情数据范围进行墒情等级计算建模,从而建立墒情等级计算模型,同时采集实时土壤墒情数据和农作物的实际生长阶段共同输入至墒情等级计算模型进行墒情等级计算,再通过人工智能和决策支持相结合的方式得到灌溉决策;将灌溉决策、采集的土壤墒情数据以及墒情等级计算模型进行墒情等级计算的结果均进行空间分布处理后进行界面显示,无论农户还是农业部门均可以随时随地精确地并有针对性地通过界面显示模块掌握某地域下某基地下某农田的土壤墒情信息和智能灌溉决策,解决了现有技术的弊端,实现了土壤墒情信息的远程监测和预警以及科学指导智能灌溉决策。
附图说明
图1为本发明农田灌溉智能决策系统的结构示意图。
图2为本发明农田灌溉智能决策系统的优选结构示意图。
图3a、图3b、图3c、图3d和图3e均为农田灌溉智能决策系统的工作状态图。
图4为本发明农田灌溉智能决策方法的流程图。
具体实施方式
下面结合附图对本发明进行说明。
本发明涉及一种农田灌溉智能决策系统,其结构示意图如图1所示,包括土壤墒情数据采集模块、时间采集模块、墒情等级计算建模模块、灌溉决策处理模块、空间分布处理模块和界面显示模块,其中,墒情等级计算建模模块分别连接土壤墒情数据采集模块、时间采集模块、灌溉决策处理模块和空间分布处理模块,空间分布处理模块还连接土壤墒情数据采集模块、灌溉决策处理模块和界面显示模块。墒情等级计算建模模块根据农田的不同农作物在各生长周期内的墒情数据范围进行墒情等级计算建模,从而建立墒情等级计算模型,土壤墒情数据采集模块采集土壤墒情数据并输入至墒情等级计算模型,时间采集装置通过日期时间的采集确定农作物的实际生长阶段并输入至墒情等级计算模型,墒情等级计算模型根据土壤墒情数据采集模块采集的土壤墒情数据和时间采集装置确定的农作物的实际生长阶段进行墒情等级计算,并将墒情等级计算的结果输入至灌溉决策处理模块;灌溉决策处理模块根据墒情等级计算的结果并结合农作物不同生长周期需水特点以及灌溉参数,通过人工智能和决策支持相结合的方式得到灌溉决策,并通过空间分布处理模块进行空间分布处理后由界面显示模块进行界面显示;土壤墒情数据采集模块采集的土壤墒情数据以及墒情等级计算模型进行墒情等级计算的结果均通过空间分布处理模块进行空间分布处理后由界面显示模块进行界面显示。
下面对本发明的农田灌溉智能决策系统的各模块进行详细说明。土壤墒情数据采集模块采集土壤墒情数据可通过土壤墒情传感器或远程墒情采集站对0cm~80cm深度的土壤层进行墒情数据采集,土壤墒情传感器作为硬件采集设备设置于农田现场,对0cm~80cm深度的土壤层进行墒情数据采集以使得采集的土壤墒情数据更加有效且有针对性,采集的土壤墒情数据作为输入数据输入至墒情等级计算建模模块建立的墒情等级计算模型。时间采集装置是一种实时日期时间的硬件采集设备,通过日期时间的采集确定农作物的实际生长阶段,并作为输入数据输入至墒情等级计算建模模块建立的墒情等级计算模型。
墒情等级计算建模模块和灌溉决策处理模块可理解为设置于远端服务器中,墒情等级计算建模模块通过无线通信模块分别与土壤墒情数据采集模块和时间采集装置进行通信。墒情等级计算建模模块优选根据农田的不同农作物在各生长周期内的不同深度土壤层的墒情数据范围进行墒情等级计算建模,如农作物为小麦时,将其生长周期划分为播种出苗期、苗期、返青分蘖期、拔节期、孕穗期、灌浆期和成熟期,墒情等级计算建模模块针对小麦分别在播种出苗期、苗期、返青分蘖期、拔节期、孕穗期、灌浆期和成熟期的墒情数据范围进行墒情等级计算建模,建立墒情等级计算模型,建立的墒情等级计算模型如表1所示。
表1
墒情等级计算的结果划分为过多、适宜、轻度不足、不足、严重不足和极旱。其中,过多:为高于相对适宜含水量;轻度不足:介于适宜和不足之间;不足:为低于相对毛管破裂联系含水量;严重不足:为介于不足和相对凋萎含水量之间。例如,当时间采集装置通过日期时间的采集确定小麦的实际生长阶段为苗期时,土壤墒情数据采集模块采集0~20cm的土壤层的墒情数据W为63%,则墒情等级计算的结果为轻度不足,也就是说,墒情等级为轻度不足。
墒情等级计算的结果作为墒情等级计算模型的输出数据传输至灌溉决策处理模块,灌溉决策处理模块根据墒情等级计算的结果并结合农作物不同生长周期需水特点以及灌溉参数,通过人工智能和决策支持相结合的方式完成对数据的存储、分析和转换以进行灌溉决策建模,建立灌溉决策模型,通过对灌溉决策模型数据的对比、分析,形成得到灌溉决策。该灌溉策略通过空间分布处理模块进行空间分布处理后由界面显示模块进行界面显示。
如针对小麦,灌溉决策建模和评价依据:足墒下种。春季只有浇一水的条件时,浇水时期为起身拔节期为宜。春季有浇两水的条件下,群体小的麦田以起身水配合孕穗水最好;群体大的麦田以拔节水和灌浆水相配合最佳。例如,小麦播种期时,灌溉决策建模和评价依据:小麦足墒(0-20cm的土层土壤相对含水量为75%-80%)下种,低于70%应灌水,播种期灌溉补墒是小麦第一个关键水,在播种适期的前期,宜先灌水后耕地,以保整地与播种质量;在播种适期的后期,则宜播种后灌水,以免灌后遇雨,不能及时整地,延误适期播种,是否灌溉和灌水定额视土壤墒情而定,一般灌水定额每亩30-40m3。小麦返青分蘖期时,灌溉决策建模和评价依据:当田间持水量(0-40cm)大于70%时,土壤墒情适宜,推迟浇水;田间持水量50%-70%时适时灌溉,浇水量30m3/亩;田间持水量低于50%时,及时灌溉,浇水量40m3/亩;如天气持续干旱,且小麦缺肥长势差,可结合追肥进行适量补灌,定额以不超过每亩30m3为宜。小麦拔节期孕穗期和抽穗扬花期时,灌溉决策建模和评价依据:本阶段为小麦耗水强度最大的阶段,拔节期孕穗期0-40cm土层含水率降到田间持水量的70%以下时,应及时进行灌溉,可以提高小麦成穗率和粒数,灌水定额30-40m3/亩;小麦进入抽穗扬花期以后,耐旱而怕涝渍,发生干旱时应进行灌溉,此期0-40cm的土壤含水率应以田间持水量的60%为宜,如遇旱,灌水定额宜小,每亩30-40m3。小麦成熟期时,灌溉决策建模和评价依据:小麦成熟期比小麦抽穗扬花期的耐旱性增强,耐渍的能力减弱,0-80cm土层含水率低于65%时应实行补灌,灌水定额一般30-40m3/亩,严重不足时可增加为40-50m3/亩。
空间分布处理模块和界面显示模块作为终端设备,其中,空间分布处理模块包括相互连接的引擎模块和GIS模块,如图2所示的本发明农田灌溉智能决策系统的优选结构图,GIS模块分别连接土壤墒情数据采集模块、墒情等级计算建模模块和灌溉决策处理模块,引擎模块连接界面显示模块;GIS模块提供地图服务信息,优选可以提供比例尺为1:10000的数字地图服务信息,具体为采用GIS技术对不同农田地域不同基地不同农田的地理位置进行不同空间分布处理,对相同农田得到的土壤墒情数据、墒情等级计算的结果和灌溉决策进行相同的空间分布处理,再由引擎模块发送至界面显示模块显示。界面显示模块通过IIS服务提供浏览器界面实现系统模块的交互以及人机交互,界面显示模块可以为触摸式或者是按键式,并可组建多层级的模块目录结构,使用户操作界面具有表现形式丰富、配置灵活、风格统一的特点,从而保证了整个系统用户操作界面的多样性、一致性,友好的客户化界面,条理清晰,树态逻辑列示的条目一目了然,为用户提供良好的操作体验。如图3a所示的农田灌溉智能决策系统的工作状态图,是在界面显示模块显示的数字地图信息,标识有各地域各基地的各农田的地理位置。图2所示优选结构还包括环境信息采集模块,该环境信息采集模块也与GIS模块相连,环境信息采集模块通过相应传感器采集农田环境信息,采集的农田环境信息可以包括空气温度、空气湿度、光照强度、风速、降雨量等,具体可以采用空气温度传感器、空气湿度传感器、光照传感器、风速传感器和降雨量传感器这些部件进行农田环境信息的采集,采集的农田环境信息通过空间分布处理模块进行空间分布处理后由界面显示模块进行界面显示,如图3b所示的农田灌溉智能决策系统的工作状态图,是通过界面显示模块显示如空气温度、空气湿度、土壤温度、风向、风速和雨量等农田环境信息。即得到农田中的农作物生长的多方位环境参数信息,使得农户或农业部门实时监控农作物的详细环境信息,对该农田环境进行较全面的掌握。
如前面所述,土壤墒情数据采集模块采集的土壤墒情数据、墒情等级计算模型进行墒情等级计算的结果以及灌溉决策处理模块得到的灌溉策略,均通过空间分布处理模块进行空间分布处理后由界面显示模块进行界面显示。如图3c、图3d和图3e所示的农田灌溉智能决策系统的工作状态图,图3c为界面显示模块显示的某农田所采集的土壤墒情数据,空间分布处理模块进行空间分布处理时将0cm~80cm深度的土壤层划分为若干段,将每段土壤层的墒情数据由界面显示模块进行界面显示,如图3c所示将该土壤层均分成四段:0cm~20cm、20cm~40cm、40cm~60cm和60cm~80cm,各段的土壤墒情数据(即含水量)分别为52%、60%、69%和69%,并将墒情等级计算模型对每段的土壤层的墒情数据进行墒情等级计算的结果通过界面显示模块由不同颜色显示墒情等级。即界面显示模块将墒情等级(过多、适宜、轻度不足、不足和严重不足等)通过不同颜色进行显示,如图3c和图3d所示,图3d为界面显示模块显示的墒情等级计算的结果,小麦在出苗期的墒情等级(或者说是土壤相对含水量)为60%;此外,得到的各地域各基地各农田的墒情等级计算结果也可反应到整体的数字地图中,如图3a所示,能够通过数字地图进行各区域的墒情等级的统计和概括。图3e为界面显示模块显示的针对小麦由灌溉决策处理模块得到的灌溉策略。
针对系统移动化的需求,可将空间分布处理模块和界面显示模块集成到便携式智能移动终端(手机、PAD、PDA等)上,当然也可以集成到上位机中,该系统建立了C/S结构或B/S结构,且终端设备与远端服务器直接通过2G/3G/WIFI等无线网络交互,使得不同地域不同基地的各农田中的农作物生产的土壤墒情数据及环境数据均能从远端服务器中获得相关数据内容,实现终端设备与远端服务器的土壤墒情数据及环境数据的动态链接,实时展示土壤墒情数据信息以及环境数据信息,通过终端设备(如智能移动终端或上位机)随时随地显示给农户或农业部门看,可以对农田的农作物生长的土壤墒情、环境、土质、空气湿度、温度等进行实时监控,可进一步对农作物给予恰当的灌溉方案,故通过建立本发明农田灌溉智能决策系统可以增加农作物的产量,提高农户的收入。
本发明还涉及一种农田灌溉智能决策方法,该方法与本发明的农田灌溉智能决策系统相对应,可理解为是实现本发明农田灌溉智能决策系统的方法。该方法的流程如图4所示,先根据农田的不同农作物在各生长周期内的墒情数据范围进行墒情等级计算建模,从而建立墒情等级计算模型,再将采集的土壤墒情数据以及通过日期时间的采集确定农作物的实际生长阶段共同输入至墒情等级计算模型,由墒情等级计算模型根据采集的土壤墒情数据和确定的农作物的实际生长阶段进行墒情等级计算;然后将墒情等级计算的结果结合农作物不同生长周期需水特点以及灌溉参数,通过人工智能和决策支持相结合的方式得到灌溉决策;将灌溉决策、采集的土壤墒情数据以及墒情等级计算的结果均进行空间分布处理后进行界面显示。该方法优选还通过相应传感器采集农田环境信息,采集的农田环境信息包括空气温度和/或空气湿度和/或光照强度和/或风速和/或降雨量,采集的农田环境信息进行空间分布处理后进行界面显示。
该方法根据农田的不同农作物在各生长周期内的不同深度土壤层的墒情数据范围进行墒情等级计算建模,并通过土壤墒情传感器或远程墒情采集站对0cm~80cm深度的土壤层进行墒情数据采集,并在采集0cm~80cm深度的土壤层的墒情数据后进行空间分布处理,将0cm~80cm深度的土壤层划分为若干段,将每段土壤层的墒情数据均进行界面显示,将墒情等级计算模型对每段的土壤层的墒情数据进行墒情等级计算的结果由不同颜色显示墒情等级。该方法针对的农作物可以是小麦或者其它农作物,当农作物为小麦时,分别在播种出苗期、苗期、返青分蘖期、拔节期、孕穗期、灌浆期和成熟期的墒情数据范围进行墒情等级计算建模,建立墒情等级计算模型,墒情等级计算的结果优选划分为过多、适宜、轻度不足、不足和严重不足等。
应当指出,以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造,但不以任何方式限制本发明创造。因此,尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明,但是,本领域技术人员应当理解,仍然可以对本发明创造进行修改或者等同替换,总之,一切不脱离本发明创造的精神和范围的技术方案及其改进,其均应涵盖在本发明创造专利的保护范围当中。
Claims (5)
1.一种农田灌溉智能决策系统,其特征在于,包括土壤墒情数据采集模块、时间采集模块、墒情等级计算建模模块、灌溉决策处理模块、空间分布处理模块和界面显示模块,
所述墒情等级计算建模模块根据农田的不同农作物在各生长周期内的不同深度土壤层的墒情数据范围进行墒情等级计算建模,从而建立墒情等级计算模型,所述土壤墒情数据采集模块通过土壤墒情传感器或远程墒情采集站对0cm~80cm深度的土壤层进行墒情数据采集并将土壤墒情数据并输入至墒情等级计算模型,所述时间采集装置通过日期时间的实时采集确定农作物的实际生长阶段并输入至墒情等级计算模型,所述墒情等级计算模型根据土壤墒情数据采集模块采集的土壤墒情数据和时间采集装置确定的农作物的实际生长阶段进行墒情等级计算,并将墒情等级计算的结果输入至灌溉决策处理模块;所述灌溉决策处理模块根据墒情等级计算的结果并结合农作物不同生长周期需水特点以及灌溉参数,通过人工智能和决策支持相结合的方式得到灌溉决策,并通过空间分布处理模块进行空间分布处理后由界面显示模块进行界面显示;所述土壤墒情数据采集模块采集的土壤墒情数据以及墒情等级计算模型进行墒情等级计算的结果均通过空间分布处理模块进行空间分布处理后由界面显示模块进行界面显示以便农户或农业部门随时随地有针对性地掌握某地域下某基地下某农田的土壤墒情信息和智能灌溉决策;
所述土壤墒情数据采集模块将采集的0cm~80cm深度的土壤层的墒情数据通过空间分布处理模块进行空间分布处理,将0cm~80cm深度的土壤层划分为若干段,将每段土壤层的墒情数据由界面显示模块进行界面显示,并将墒情等级计算模型对每段的土壤层的墒情数据进行墒情等级计算的结果通过界面显示模块由不同颜色显示墒情等级;
所述墒情等级计算建模模块针对小麦分别在播种出苗期、苗期、返青分蘖期、拔节期、孕穗期、灌浆期和成熟期的墒情数据范围进行墒情等级计算建模,建立墒情等级计算模型,所述墒情等级计算的结果划分为过多、适宜、轻度不足、不足和严重不足。
2.根据权利要求1所述的农田灌溉智能决策系统,其特征在于,所述空间分布处理模块包括相互连接的引擎模块和GIS模块,所述GIS模块分别连接土壤墒情数据采集模块、墒情等级计算建模模块和灌溉决策处理模块,所述引擎模块连接界面显示模块;所述GIS模块采用GIS技术对不同农田地域不同基地不同农田的地理位置进行不同空间分布处理,对相同农田得到的土壤墒情数据、墒情等级计算的结果和灌溉决策进行相同的空间分布处理,再由引擎模块发送至界面显示模块显示。
3.根据权利要求1所述的农田灌溉智能决策系统,其特征在于,还包括环境信息采集模块,所述环境信息采集模块通过相应传感器采集农田环境信息,采集的农田环境信息包括空气温度和/或空气湿度和/或光照强度和/或风速和/或降雨量,采集的农田环境信息通过空间分布处理模块进行空间分布处理后由界面显示模块进行界面显示。
4.一种农田灌溉智能决策方法,其特征在于,该方法根据农田的不同农作物在各生长周期内的墒情数据范围进行墒情等级计算建模,从而建立墒情等级计算模型,再将采集的土壤墒情数据以及通过日期时间的实时采集确定农作物的实际生长阶段共同输入至墒情等级计算模型,由墒情等级计算模型根据采集的土壤墒情数据和确定的农作物的实际生长阶段进行墒情等级计算;然后将墒情等级计算的结果结合农作物不同生长周期需水特点以及灌溉参数,通过人工智能和决策支持相结合的方式得到灌溉决策;将灌溉决策、采集的土壤墒情数据以及墒情等级计算的结果均进行空间分布处理后进行界面显示以便农户或农业部门随时随地有针对性地掌握某地域下某基地下某农田的土壤墒情信息和智能灌溉决策;
该方法根据农田的不同农作物在各生长周期内的不同深度土壤层的墒情数据范围进行墒情等级计算建模,并通过土壤墒情传感器或远程墒情采集站对0cm~80cm深度的土壤层进行墒情数据采集,并在采集0cm~80cm深度的土壤层的墒情数据后进行空间分布处理,将0cm~80cm深度的土壤层划分为若干段,将每段土壤层的墒情数据均进行界面显示,将墒情等级计算模型对每段的土壤层的墒情数据进行墒情等级计算的结果由不同颜色显示墒情等级;
该方法针对小麦分别在播种出苗期、苗期、返青分蘖期、拔节期、孕穗期、灌浆期和成熟期的墒情数据范围进行墒情等级计算建模,建立墒情等级计算模型,所述墒情等级计算的结果划分为过多、适宜、轻度不足、不足和严重不足。
5.根据权利要求4所述的农田灌溉智能决策方法,其特征在于,该方法还通过相应传感器采集农田环境信息,采集的农田环境信息包括空气温度和/或空气湿度和/或光照强度和/或风速和/或降雨量,采集的农田环境信息进行空间分布处理后进行界面显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510811396.2A CN105389663B (zh) | 2015-11-20 | 2015-11-20 | 一种农田灌溉智能决策系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510811396.2A CN105389663B (zh) | 2015-11-20 | 2015-11-20 | 一种农田灌溉智能决策系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105389663A CN105389663A (zh) | 2016-03-09 |
CN105389663B true CN105389663B (zh) | 2020-10-09 |
Family
ID=55421928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510811396.2A Active CN105389663B (zh) | 2015-11-20 | 2015-11-20 | 一种农田灌溉智能决策系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105389663B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106489687A (zh) * | 2016-10-28 | 2017-03-15 | 深圳前海弘稼科技有限公司 | 灌溉装置的控制方法和控制装置 |
CN106777683A (zh) * | 2016-12-14 | 2017-05-31 | 天津市农业技术推广站 | 一种作物苗情监测系统和方法 |
US11234381B1 (en) * | 2018-02-05 | 2022-02-01 | Subair Systems Llc | Centralized monitoring and management of micro-climates |
CN110741908B (zh) * | 2019-10-09 | 2021-05-07 | 国科星图(深圳)数字技术产业研发中心有限公司 | 基于数字地球平台的灌区数据采集方法 |
CN111626892A (zh) * | 2020-04-02 | 2020-09-04 | 珠海智信佰达科技有限公司 | 一种灌区需水量计量监测方法及系统 |
CN111480557B (zh) * | 2020-04-23 | 2021-09-21 | 河北塔元庄同福农业科技有限责任公司 | 一种基于大数据物联网的农业灌溉实时监测调控系统 |
CN111406607A (zh) * | 2020-04-27 | 2020-07-14 | 宁夏大学 | 一种手持app控制的地下灌溉方法及系统 |
CN112714411B (zh) * | 2021-01-25 | 2023-04-18 | 中北大学 | 具有可移动节点的农业监测装置 |
CN113379560A (zh) * | 2021-05-21 | 2021-09-10 | 北京农业智能装备技术研究中心 | 作物灌溉预报装置及预报方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288222A (zh) * | 2011-06-23 | 2011-12-21 | 华南农业大学 | 一种基于无线传感器网络的农情信息实时监测平台 |
CN104123444A (zh) * | 2014-07-10 | 2014-10-29 | 中国水利水电科学研究院 | 基于区域墒情监测和遥感数据的实时灌溉预报系统及方法 |
CN104535591A (zh) * | 2015-01-19 | 2015-04-22 | 石河子大学 | 一种基于无线电磁波的农田土壤墒情实时监测方法及装置 |
CN104521699A (zh) * | 2014-11-18 | 2015-04-22 | 华北水利水电大学 | 田间智能灌溉在线控制管理方法 |
CN104663368A (zh) * | 2015-03-09 | 2015-06-03 | 山东锋士自动化系统有限公司 | 基于反馈控制的农田灌溉系统及方法 |
CN204426223U (zh) * | 2015-01-09 | 2015-07-01 | 河南慧之盟电子科技有限公司 | 一种田间节水智能化灌溉系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102172195A (zh) * | 2011-02-22 | 2011-09-07 | 华南农业大学 | 基于无线传感器网络的精细滴灌测控系统 |
KR101356583B1 (ko) * | 2011-11-10 | 2014-02-04 | 서울대학교산학협력단 | 토양의 수분장력을 근거로 이루어지는 능동형 관수 제어방법 및 관수 제어장치 |
-
2015
- 2015-11-20 CN CN201510811396.2A patent/CN105389663B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288222A (zh) * | 2011-06-23 | 2011-12-21 | 华南农业大学 | 一种基于无线传感器网络的农情信息实时监测平台 |
CN104123444A (zh) * | 2014-07-10 | 2014-10-29 | 中国水利水电科学研究院 | 基于区域墒情监测和遥感数据的实时灌溉预报系统及方法 |
CN104521699A (zh) * | 2014-11-18 | 2015-04-22 | 华北水利水电大学 | 田间智能灌溉在线控制管理方法 |
CN204426223U (zh) * | 2015-01-09 | 2015-07-01 | 河南慧之盟电子科技有限公司 | 一种田间节水智能化灌溉系统 |
CN104535591A (zh) * | 2015-01-19 | 2015-04-22 | 石河子大学 | 一种基于无线电磁波的农田土壤墒情实时监测方法及装置 |
CN104663368A (zh) * | 2015-03-09 | 2015-06-03 | 山东锋士自动化系统有限公司 | 基于反馈控制的农田灌溉系统及方法 |
Non-Patent Citations (1)
Title |
---|
基于GIS的北京土壤墒情监测与灌溉决策支持系统的建设与应用;李子双;《中国学位论文全文数据库》;20070723;第2章第2.2.2节,第3章第3.3节,第4章 * |
Also Published As
Publication number | Publication date |
---|---|
CN105389663A (zh) | 2016-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105389663B (zh) | 一种农田灌溉智能决策系统和方法 | |
CN107945042B (zh) | 一种作物生长灌溉决策控制系统 | |
CN106657401B (zh) | 一种基于物联网的农作物生长监测平台及其监测方法 | |
CN104866970B (zh) | 智能种植管理方法和智能种植设备 | |
Hussain et al. | Control of irrigation automatically by using wireless sensor network | |
CN111557159B (zh) | 一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法 | |
Li et al. | Towards automated greenhouse: A state of the art review on greenhouse monitoring methods and technologies based on internet of things | |
CN106054679B (zh) | 一种基于物联网的农业智能监控系统及作物种植方法 | |
CN105830870A (zh) | 一种远程无线农田监控系统和方法 | |
CN104267674B (zh) | 一种作物认种认养服务系统和方法 | |
CN107807598A (zh) | 物联网+节水、节肥精准灌溉系统及方法 | |
WO2016154482A1 (en) | Agronomic systems, methods and apparatuses | |
CN107896949A (zh) | 一种水肥灌溉自动控制方法及系统 | |
CN102413161A (zh) | 一种苹果果园精准管理系统 | |
CN107392376A (zh) | 一种农作物气象产量预测方法及系统 | |
CN107950324A (zh) | 基于玉米分阶段灌溉需水量计算的灌溉管理系统及灌溉方法 | |
CN106777683A (zh) | 一种作物苗情监测系统和方法 | |
CN102626026A (zh) | 基于gps、gis和传感网技术的茶园精确管理系统 | |
CN108077042A (zh) | 一种冬小麦全生育期灌溉预警决策方法 | |
CN108781926A (zh) | 基于神经网络预测的大棚灌溉系统及方法 | |
CN102413160A (zh) | 一种猕猴桃果园精准管理系统 | |
CN105959396A (zh) | 农业信息发送方法、装置及系统 | |
CN102510397A (zh) | 一种农情信息采集装置和系统 | |
CN214151461U (zh) | 一种基于物联网的玉米大田监测系统 | |
CN107995306A (zh) | 一种棉花精确种植系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |