CN107103040B - 一种灌区基础数据采集系统 - Google Patents

一种灌区基础数据采集系统 Download PDF

Info

Publication number
CN107103040B
CN107103040B CN201710186556.8A CN201710186556A CN107103040B CN 107103040 B CN107103040 B CN 107103040B CN 201710186556 A CN201710186556 A CN 201710186556A CN 107103040 B CN107103040 B CN 107103040B
Authority
CN
China
Prior art keywords
irrigation
water
data
crops
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.)
Expired - Fee Related
Application number
CN201710186556.8A
Other languages
English (en)
Other versions
CN107103040A (zh
Inventor
贾鹏飞
王新刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern University
Original Assignee
Northwestern University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northwestern University filed Critical Northwestern University
Priority to CN201710186556.8A priority Critical patent/CN107103040B/zh
Publication of CN107103040A publication Critical patent/CN107103040A/zh
Application granted granted Critical
Publication of CN107103040B publication Critical patent/CN107103040B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/22—Improving land use; Improving water use or availability; Controlling erosion

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mining & Mineral Resources (AREA)
  • Human Resources & Organizations (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Cultivation Of Plants (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种灌区基础数据采集系统，涉及数据采集技术领域，建立“四源一干”灌溉基础数据采集体系，采集气象、降雨、蒸发、灌区引水量、灌溉定额等监测信息，为灌区水量调度提供数据支持。

Description

一种灌区基础数据采集系统
技术领域
本发明涉及数据采集技术领域，特别涉及一种灌区基础数据采集系统。
背景技术
塔里木河流域地处新疆维吾尔自治区南部，天山山脉、昆仑山和帕米尔高原之间，是环新疆塔里木盆地的阿克苏河、喀什噶尔河、叶尔羌河、和田河、开都河—孔雀河、迪那河、渭干河与库车河、克里雅河和车尔臣河等九大水系144条河流的总称，流域总面积102万km2，是我国最大的内陆河流域。
流域多年平均地表水天然径流量398130亿m3(国外入境水量63亿m3)，主要以冰川融雪补给为主，不重复地下水资源量为30170亿m3，水资源总量为429100亿m3。全流域气候干旱，降雨稀少，蒸发强烈，水资源匮乏，生态环境脆弱。
塔里木河干流自身不产流，历史上塔里木河流域的九大水系均有水汇入塔里木河干流。20世纪50年代以来，由于人类活动加剧、塔里木流域降雨稀少，而蒸发强烈，温差大，多风沙等典型大陆性气候变化的影响，导致许多源流相继断流。目前与干流有地表水联系的只有和田河、叶尔羌河、阿克苏河三条源流。从1976年起孔雀河通过从博斯腾湖扬水站经库塔干渠向塔里木河下游灌区输水，形成了现在塔里木河“四源一干”的格局。
干流从肖夹克到尾闾台特玛湖全长1321km。随着人口增加、经济社会的发展、水资源的过度开发和低效利用，致使源流向干流输送的水量逐年减少，水质不断恶化，下游近400km河道断流，尾闾台特玛湖干涸，中下游地区植被衰败，大片胡杨死亡，沙漠扩大，生态系统日趋恶化，已成为制约流域社会经济和生态环境可持续发展的主要因素。
按照国家西部大开发战略的要求，《塔里木河流域近期综合治理规划报告》提出了以强化流域水资源统一管理和调度为核心，通过大力开展节约用水和水资源的合理配置，用5～6年时间完成近期综合治理任务，使干流阿拉尔站多年平均下泄水量达到46150亿m3，大西海子下泄生态水量3150亿m3，水流到台特玛湖，塔里木河下游绿色走廊生态系统显著改善，干流上中游生态用水也有较大增加。为落实国务院批复的流域综合治理规划，亟需进行该流域内灌区基础数据的采集。
发明内容
本发明实施例提供了一种灌区基础数据采集系统，用以解决现有技术中存在的问题。
一种灌区基础数据采集系统，包括基础数据采集模块、数据传输模块、主题数据库、数据计算模块和数据查询模块，所述基础数据采集模块用于自动采集气象数据、蒸发数据、土壤水分数据、地下水位变化，为计算不同灌区作物可能蒸散量提供基础数据；自动采集得到的数据通过所述数据传输模块存入所述主题数据库；
所述基础数据采集模块还用于利用田间灌溉试验，人工采集不同生长发育期的产量、不同生长发育期灌水时间、灌水次数、灌水量、实际耗水量，不同深度土壤水分含量、地下水位以及试验小区的气象信息；根据试验区土壤类型，测定土壤水分运动参数、田间持水量、土壤临界含水量、凋萎点、渗漏量参数；根据试验区作物覆盖情况，确定作物系数；
所述数据计算模块用于根据灌溉试验确定的作物系数，计算不同灌区不同作物的实际耗水量、灌溉定额；对计算结果进行校验并反馈给生产部门，并将计算结果传输至所述主题数据库，然后通过所述数据传输模块，将计算结果存入塔里木河流域水量调度管理系统数据库；
所述数据查询模块用于响应用户的查询操作，查询灌区的自动采集气象数据、田间灌溉试验数据、不同作物的灌溉次数、灌水量和灌溉定额专题信息，为整个流域的水量调度和水资源评价提供基础支撑。
优选地，人工采集数据前，需要进行田间灌溉试验，田间灌溉试验的作物为小麦、棉花和水稻。
优选地，小麦灌溉试验处理：
小麦主要需水生长期为3～5月，而同期年均降水量仅为50mm，每个小区大小为10m×10m，四周设置2m深防水处理，不同生育期灌水量依据田间持水量设置6个处理，每个处理重复4次，共24个小区，试验土壤为沙质壤土，小麦生长观测按生育期各小区随机取样测定，成熟收割前进行拷种，产量分小区收获并取均值；土壤水分观测以中子水分仪结合称重法对各生育期的土壤水分进行测定；按10cm、20cm、30cm、40cm和100cm五个不同深度测定土壤水分，对灌溉过程中土壤水分的变化进行动态测定，作物观测项目：株高、地上干重、地下干重、绿叶数、干叶数、绿叶干重、干叶干重、总根重、总根长、叶面积指数覆盖率；种子湿重、种子干重、有效穗数、穗粒重、千粒重，观测时期：分孽期、返青期、拔节期、抽穗期、灌浆期、成熟期。
优选地，棉花灌溉试验处理：
每个小区大小为10m×10m，四周设置2m深防水处理，不同生育期灌水量依据田间持水量设置6个处理，每个处理重复4次，共24个小区，棉花生长观测按生育期各小区随机取样测定，成熟收割前进行拷种，产量分小区收获并取均值；土壤水分观测以中子水分仪结合称重法对各生育期的土壤水分进行测定；按10cm、20cm、30cm、40cm和100cm五个不同深度测定土壤水分，对灌溉过程中土壤水分的变化进行动态测定，作物观测项目有：株高、地上干重、地下干重、绿叶数、干叶数、绿叶干重、干叶干重、总根重、总根长、叶面积指数覆盖率；种子湿重、种子干重、有效籽棉重。
优选地，水稻灌溉试验处理：
每个小区大小为10m×10m，四周设置2m深防水处理，不同生育期灌水量依据田间持水量设置6个处理，每个处理重复4次，共24个小区，试验土壤为壤土，水稻生长观测按生育期各小区随机取样测定，成熟收割前进行拷种，产量分小区收获并取均值；土壤水分观测以中子水分仪结合称重法对各生育期的土壤水分进行测定；按10cm、20cm、30cm、40cm和100cm五个不同深度测定土壤水分，对灌溉过程中土壤水分的变化进行动态测定，作物观测项目：株高、地上干重、地下干重、绿叶数、干叶数、绿叶干重、干叶干重、总根重、总根长、叶面积指数覆盖率；种子湿重、种子干重、有效穗数、穗粒重、千粒重。
优选地，所述基础数据采集模块采集得到数据后，由所述数据传输模块存入所述主题数据库，然后由所述数据计算模块对采集的数据进行处理，所述数据计算模块进行数值计算，用户选择任意一个站点的自动采集数据，计算作物潜在腾发量；根据各个灌区的试验数据和作物灌溉制度，计算作物系数和土壤水分胁迫系数，最后进行各个灌区的灌溉定额的计算，执行结果将以报表和图形格式表示并报送。
优选地，灌溉定额计算方法为：根据自动采集气象数据，计算常规灌溉制度下的参考作物的腾发量，利用人工灌溉试验确定的作物系数和土壤湿度系数，计算各灌区作物的需水量，考虑降水有效利用和地下水利用，即可确定不同作物的净灌溉定额。
优选地，灌溉需水量计算分旱地作物灌溉需水量和稻田灌溉需水量；
旱地作物灌溉需水量计算：
旱作物灌溉需水量的计算根据旱作物根系层水量平衡原理，推算作物灌溉需水量，为满足作物正常生长的需要，任一时段内根系层土壤水分必须保持在一定的适宜范围之内，即通常要求不小于作物适宜水分下限Wmin和不大于作物适宜水分上限Wmax；在作物的生长过程中，土壤水分不断消耗于作物植株蒸腾和棵间蒸发，根系层土壤水分时刻处于一种连续的动态的变化过程中；当根系层土壤含水量低于作物适宜水分下限Wmin时，需要给予灌溉使根系层土壤含水量达到适宜含水量；当根系层土壤含水量大于作物适宜水分上限Wmax时，需要进行排水使根系层土壤含水量降低到作物适宜水分上限Wmax以下；作物的灌溉需水量就是当根系层土壤水分低于适宜水分下限时，为使其达到适宜含水量，必须灌溉的水量；
旱作物根系层土壤水分可根据下式计算：
Wt＝Wt-1+Pt-1+It-1-ETt-1+Gt-1 (1)
式中：Wt-1、Wt分别为t-1和t时段初的土壤含水量，Pt-1、It-1、ETt-1和Gt-1分别为t-1时段内有效降雨、灌溉水量、作物腾发量和地下水补充量；
对上式进行递推计算，保持Wt介于Wmax和Wmin之间，即可计算出灌水时间、灌水次数、灌溉需水量、灌水定额等。Wmax和Wmin根据试验资料确定；
稻田灌溉需水量计算：
稻田灌溉需水量预测分泡田期和生长期分别进行；
泡田期灌溉需水量采用下式计算：
Qt＝Ht+St+E0t-Pt (2)
式中：Qt、Ht、St、E0t和Pt分别为泡田期灌溉需水量、固定水深、渗漏量、水面蒸发量和有效降雨量；
生长期灌溉需水量采用下式计算：
Ht＝Ht-1+Pt-1+Qt-1-ETt-1-St-1 (3)
式中：Ht-1是t-1时段初田间水深，Pt-1、St-1、Qt-1分别为t-1时段内的降雨量、渗漏量、灌溉需水量；
优选地，作物腾发量计算：
ETt-1受气象条件、作物水分生理特性及土壤水分状况的影响，其预测模型为：
Figure BDA0001254976560000061
式中：ETt为t时段作物腾发量；ET0t为t时段参考作物腾发量；Kct为t时段作物系数；Kwt为t时段土壤湿度系数。
本发明的有益效果在于：建立“四源一干”灌溉基础数据采集体系，采集气象、降雨、蒸发、灌区引水量、灌溉定额等监测信息，为灌区水量调度提供数据支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种灌区基础数据采集系统的功能模块图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明公开了一种灌区基础数据采集系统，包括基础数据采集模块100、数据传输模块200、主题数据库300、数据计算模块400和数据查询模块500，所述基础数据采集模块100用于自动采集气象数据(包括空气温度、平均气温下的饱和水汽压、平均气温下的实际水汽压、地面以上2m高处风速、实际日照时数、总辐射、净辐射、土壤热通量、降雨、土壤温度等)、蒸发数据(包括水面蒸发量、棵间蒸发量)、土壤水分数据(包括1m深度土壤含水量、土壤饱和导水率、土壤质地等)、地下水位变化等，为计算不同灌区作物可能蒸散量提供基础数据。自动采集得到的数据通过所述数据传输模块200存入所述主题数据库300。在本实施例中，所述数据传输模块200对自动采集的数据传输时采用GSM或TCP/IP方式传输。
所述基础数据采集模块100还用于利用田间灌溉试验，人工采集不同生长发育期的产量、不同生长发育期灌水时间、灌水次数、灌水量、实际耗水量等，不同深度土壤水分含量、地下水位以及试验小区的气象信息等；根据试验区土壤类型，测定土壤水分运动参数、田间持水量、土壤临界含水量、凋萎点、渗漏量等参数。根据试验区作物覆盖情况，确定作物系数。人工采集的数据采用软盘人工报送的方式存入所述主题数据库300。
所述数据计算模块400用于根据上述灌溉试验确定的作物系数，计算不同灌区不同作物的实际耗水量、灌溉定额。对计算结果进行校验并反馈给生产部门，并将计算结果传输至所述主题数据库300，然后通过所述数据传输模块200，将计算结果存入塔里木河流域水量调度管理系统数据库。
所述数据查询模块500用于响应用户的查询操作，查询灌区的自动采集气象数据、田间灌溉试验数据、不同作物的灌溉次数、灌水量和灌溉定额等专题信息，为整个流域的水量调度和水资源评价提供基础支撑。
灌区基础数据采集系统需要处理大量的原始数据，采集的数据包括基础气象数据(包括温度、气压、风速、总辐射、有效辐射、土壤热通量、降雨等)、蒸发数据、土壤水分监测数据、地下水监测数据、灌溉试验数据等，部分灌溉基础数据，需要按照一定规则从基础数据库中提取，主要是各灌区设计灌溉面积、有效灌溉面积等。同时要将采集的各种数据进行处理，确定灌溉定额等相关数据并提交到系统数据库，供用户查询浏览。
灌区基础数据采集系统基于VB软件平台进行设计开发：VB是数据管理、参数配置、数值运算的实现结合的最实用软件，系统采用该软件平台进行设计开发，可充分利用VB软件对基本数据的管理能力、参数易调能力和形象直观的可视化显示能力，为用户提供更好的决策支持服务。同时系统采用基础数据库和模型库等基础平台加功能模块的开发方法，可以建立塔里木河流域灌溉数据采集系统的查询库，并提供对于主题库的管理和维护功能，便于塔里木河流域灌区管理。
所述灌区基础数据采集系统需要使用的硬件包括：
野外自动采集仪器：主要是野外自动气象站，其中包括各种探头、太阳能电源、数据连接线、固定支架、仪器保护外壳等。本系统推荐ENVIS数字化网络气象监测系统作为备选仪器。
田间灌溉试验装置和监测仪器：主要包括田间试验的基本分析器具、灌溉试验用耗材、用于测定各种参数的仪器，如中子仪等。
数据传输设备：包括计算机、网络传输设备、数据存储设备等。
除以上三种硬件设备外，所述系统还需要使用为维护野外自动采集仪器、田间灌溉试验装置和数据传输设备的安全而建立的维护设施、耗材等。
ENVIS数字化网络气象监测系统，用以监测温度、辐射、降雨等相关气象因子。它由数据采集器、传感器及相应总线模块(或网络化模块)、可选的服务器/客户端网络化数据采集器及数据处理软件组成一套强大的气象监测系统。系统自动采集并记录数据，选用经世界气象组织(WMO)认可的高精度传感器模块化结构，设置简单，安装操作非常容易，易于维护，出厂前，经严格测试，安全可靠，运行稳定，可长期置于野外无人看管。
所述ENVIS数字化网络气象监测系统由以下几部分组成：
1)多通道数据采集器；
2)各种传感器及网络化模块；
3)太阳能及电池供电系统；
4)支架及附件等。
部分传感器参数：
1)超声波风传感器
风速：0to 40m/s
分辨率：0.01m/s
精度：±1％rms；±0.05m/s(0to 30m/s)；±3％rms(30to 40m/s)风向：0to360degrees
仰角范围：±60degrees
分辨率：0.1degree
精度：±2degrees(1to 30m/s)；±5degrees(30to 40m/s)
声波速度：300to 360m/s
分辨率：0.01m/s
精度：±0.1％rms；±0.05m/s(0to 30m/s)
声波温度：-50to+50℃
分辨率：0.01℃
精度：±2℃(0to 30m/s)
2)超声波雪厚/水位传感器
模拟输出:0to 2.5or 0to 5VDC
数字输出:1200baud serialASCII
测量范围:0.5to 10meters
散射角度:22degrees
精度:±1cm or.4％distance to target
分辨率:3mm(0.12")
温度范围:-30°to+70℃
温度精度:±1℃(-40to+85℃)
温度分辨率:0.5℃
最大电缆长度:200meters
电源：12to 24VDC
3)日照时间传感器
光谱范围：400-1100nanometers
工作范围：0-1500Wm2
工作极限：50-400Wm2(via adjustable controlknob)
工作温度：-25to+60℃
输出信号：0Vdc during sunshine,+12Vdc duringno sunshine
4)反射率测量仪
工作原理：12black&white copper segments with 6thermocouples each
灵敏度：0.3to 3μm
方位响应：<3％ofthe value
余弦响应：<3％0.95％ofthe value,0°to 80°zenith angle±3％from 60°to80°zenith angle
响应时间：<25seconds
测量范围：0-1500Wm2
分辨率：<1Wm2
稳定性：<1％peryear(temporary operation)
温度效应：<1％ofthe value between-20to 40℃
线性：<0.5％inthe range 0.5-1330W/m2
阻值：Approx 35ohms
工作温度：-40℃to+60℃
玻璃风罩：Polished glass dome,2.75"diax 0.08"thick(70x 2mm)
5)降雨探测器
传感器：Goldplated grid4"dia
输出：Relay(0.5amps)
加热器：Resistive element
电源：12Vdc(235mAmax)
可选220Vac 50/60Hz adapter available
6)雨和雪量计
容量：20"(508mm)
分辨率：0.01"(0.2mm)
7)蒸发站
构成：蒸发皿，温度计，风速计
材质：Low carbon stainless steel,passivated afterwelding
结构：Heliarc welded,with 1/2"drainplug
所述基础数据采集模块100采集数据时包括历史数据采集和实时自动数据采集。
历史数据采集：历史数据采集主要指塔里木河流域“四源一干”各灌区的设计面积、有效灌溉面积、灌溉时间、灌溉次数、灌水量、上报灌溉定额等，采集各灌区已经完成的作物灌溉试验结果、已经得到的相关参数，上述数据以收集塔里木河“四源一干”原有各灌区资料整编成果数据文件和表格文件为准。同时对各灌区的资料进行一致性、可靠性、代表性分析，以确保历史资料准确、可靠、实用。
实时自动数据采集：实时水文数据的采集主要是利用安装的自动气象站，通过设置一定的采集内容、采集频率等自动采集基础数据，并进入主题数据库。
人工采集数据前，需要进行田间灌溉试验。本实施例中试验的作物为小麦、棉花和水稻。
小麦(正播)灌溉试验处理：
试验于2003～2004年在各试验站的小区上进行。该区小麦主要需水生长期为3～5月，而同期年均降水量仅为50mm。每个小区大小为10m×10m，四周设置2m深防水处理。不同生育期灌水量依据田间持水量设置6个处理见表1。每个处理重复4次，共24个小区。试验土壤为沙质壤土。
小麦生长观测按生育期各小区随机取样测定，成熟收割前进行拷种，产量分小区收获并取均值；土壤水分观测以中子水分仪结合称重法对各生育期的土壤水分进行测定；按10cm、20cm、30cm、40cm和100cm五个不同深度测定土壤水分，对灌溉过程中土壤水分的变化进行动态测定。
表1小麦田间试验不同处理方案
Figure BDA0001254976560000121
作物观测项目：株高、地上干重、地下干重、绿叶数、干叶数、绿叶干重、干叶干重、总根重、总根长、叶面积指数覆盖率；种子湿重、种子干重、有效穗数、穗粒重、千粒重。观测时期：小麦(分孽期、返青期、拔节期、抽穗期、灌浆期、成熟期)。
棉花灌溉试验处理：
棉花灌溉试验于2003～2004年在各试验站的小区上进行。每个小区大小为10m×10m，四周设置2m深防水处理。不同生育期灌水量依据田间持水量设置6个处理见表2。每个处理重复4次，共24个小区。
棉花生长观测按生育期各小区随机取样测定，成熟收割前进行拷种，产量分小区收获并取均值；土壤水分观测以中子水分仪结合称重法对各生育期的土壤水分进行测定；按10cm、20cm、30cm、40cm和100cm五个不同深度测定土壤水分，对灌溉过程中土壤水分的变化进行动态测定。
表2棉花田间试验不同处理方案
Figure BDA0001254976560000131
作物观测项目有：株高、地上干重、地下干重、绿叶数、干叶数、绿叶干重、干叶干重、总根重、总根长、叶面积指数覆盖率；种子湿重、种子干重、有效籽棉重。
水稻灌溉试验处理：
水稻灌溉试验于2003～2004年在阿瓦提试验站的小区上进行。每个小区大小为10m×10m，四周设置2m深防水处理。不同生育期灌水量依据田间持水量设置6个处理见表3。每个处理重复4次，共24个小区。试验土壤为壤土。
水稻生长观测按生育期各小区随机取样测定，成熟收割前进行拷种，产量分小区收获并取均值；土壤水分观测以中子水分仪结合称重法对各生育期的土壤水分进行测定；按10cm、20cm、30cm、40cm和100cm五个不同深度测定土壤水分，对灌溉过程中土壤水分的变化进行动态测定。
表3水稻田间试验不同处理方案
Figure BDA0001254976560000132
作物观测项目：株高、地上干重、地下干重、绿叶数、干叶数、绿叶干重、干叶干重、总根重、总根长、叶面积指数覆盖率；种子湿重、种子干重、有效穗数、穗粒重、千粒重。
所述基础数据采集模块100采集得到数据后，由所述数据传输模块200存入所述主题数据库300，然后由所述数据计算模块400对采集的数据进行处理，所述数据计算模块400主要进行数值计算，用户可选择任意一个站点的自动采集数据，计算作物潜在腾发量；根据各个灌区的试验数据和作物灌溉制度，计算作物系数和土壤水分胁迫系数，最后进行各个灌区的灌溉定额的计算，执行结果将以报表和图形格式表示并报送。
灌溉定额计算的技术路线是：根据自动采集气象数据，计算常规灌溉制度下的参考作物的腾发量，利用人工灌溉试验确定的作物系数和土壤湿度系数，计算各灌区作物的需水量，考虑降水有效利用和地下水利用，即可确定不同作物的净灌溉定额。但对旱地作物和水稻的灌溉需水量计算应有区别。
1)旱地作物灌溉需水量计算
塔里木河流域主要种植旱作物，旱作物灌溉需水量的计算通常根据旱作物根系层水量平衡原理，推算作物灌溉需水量。为满足作物正常生长的需要，任一时段内根系层土壤水分必须保持在一定的适宜范围之内，即通常要求不小于作物适宜水分下限Wmin和不大于作物适宜水分上限Wmax。在作物的生长过程中，土壤水分不断消耗于作物植株蒸腾和棵间蒸发，根系层土壤水分时刻处于一种连续的动态的变化过程中。当根系层土壤含水量低于作物适宜水分下限Wmin时，需要给予灌溉使根系层土壤含水量达到适宜含水量；当根系层土壤含水量大于作物适宜水分上限Wmax时，需要进行排水使根系层土壤含水量降低到作物适宜水分上限Wmax以下。作物的灌溉需水量就是当根系层土壤水分低于适宜水分下限时，为使其达到适宜含水量，必须灌溉的水量。
旱作物根系层土壤水分可根据下式计算：
Wt＝Wt-1+Pt-1+It-1-ETt-1+Gt-1 (1)
式中：Wt-1、Wt分别为t-1和t时段初的土壤含水量，Pt-1、It-1、ETt-1和Gt-1分别为t-1时段内有效降雨、灌溉水量、作物腾发量和地下水补充量(地下水埋深大于4米时，G＝0)。
对上式进行递推计算，保持Wt介于Wmax和Wmin之间，即可计算出灌水时间、灌水次数、灌溉需水量、灌水定额等。Wmax和Wmin根据试验资料确定。
2)稻田灌溉需水量计算
由于水稻和旱作的生长特性及灌水方式差别很大，所以预测需水时采用不同的计算方法。由于水稻泡田期和生长期的灌溉方式不同，稻田灌溉需水量预测分泡田期和生长期分别进行。
泡田期灌溉需水量采用下式计算：
Qt＝Ht+St+E0t-Pt (2)
式中：Qt、Ht、St、E0t和Pt分别为泡田期灌溉需水量、固定水深、渗漏量、水面蒸发量和有效降雨量。
生长期灌溉需水量采用下式计算：
Ht＝Ht-1+Pt-1+Qt-1-ETt-1-St-1(3)
式中：Ht-1是t-1时段初田间水深，Pt-1、St-1、Qt-1分别为t-1时段内的降雨量、渗漏量、灌溉需水量。
3)作物腾发量计算
从上面两式(2)和(3)可以看出，作物腾发量ETt-1的计算是灌溉需水量预测的关键。ETt-1主要受气象条件、作物水分生理特性及土壤水分状况的影响，其预测模型为：
Figure BDA0001254976560000151
式中：ETt为t时段作物腾发量；ET0t为t时段参考作物腾发量；Kct为t时段作物系数；Kwt为t时段土壤湿度系数。
各参数计算方法说明如下：
(1)参考作物腾发量ET0的计算：
联合国粮农组织(FAO)推荐使用FAO Penman-Monteith公式(P-M)计算参考作物腾发量是目前世界上最广泛使用的计算参考作物腾发量的方法。P-M公式不需要专门的地区修正函数，使用一般气象资料即可计算参考作物腾发量的值，实际应用价值和精度都较高。其具体计算公式为：
Figure BDA0001254976560000161
式中ET0：某时段的日平均参考作物腾发量(mm/d)；Po：海平面平均气压(kPa)；P：计算点的平均气压(kPa)；Rn：净辐射(MJ/m2d)；Δ：饱和水汽压与温度相关曲线的斜率(kPa/℃)；γ：湿度计常数(kPa/℃)；Ea：干燥力。
公式(5)中相关参数及中间变量确定如下：
①气压订正项：
Figure BDA0001254976560000162
式中：H—计算地点的海拔高度(m)；T—气温(℃)。
②饱和水汽压与温度相关曲线的斜率Δ：
Figure BDA0001254976560000163
或
Figure BDA0001254976560000164
③湿度计常数：
γ＝0.6455+0.00064T (9)
④净辐射Rn：
Rn＝Rns-Rnl (10)
式中，Rns为净短波辐射，即太阳净辐射(MJ/m2d)，Rnl为净长波辐射(MJ/m2d)。
⑤干燥力项Ea：
采用经验公式如下：
Ea＝0.18(ea-ed)(1+0.30U) (11)
ed：实际水汽压(kPa)；
ea：饱和水汽压(kPa)；
U：离地面2m高处风速(m/s)。
(2)作物系数计算：
Kc是作物系数，它反映了作物本身的生物学特性、产量水平及土壤肥力和耕作条件对作物需水量的影响。其大小等于实测的作物需水量ETc与同一时段的参考作物腾发量ET0之比：
Kc＝ETc/ET0 (12)
(3)土壤湿度系数Kw计算：
在缺水条件下，农田蒸散不仅取决于大气蒸发力和作物因素，而且与土壤水分状况有关。Kw为土壤湿度系数，通常表示为相对有效土壤含水率的函数。
Figure BDA0001254976560000171
式中，Ws为土壤实际含水量，Wk为田间持水量，Wp为凋萎系数，F1和F2为临界值。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种灌区基础数据采集系统，其特征在于，包括基础数据采集模块、数据传输模块、主题数据库、数据计算模块和数据查询模块，所述基础数据采集模块用于自动采集气象数据、蒸发数据、土壤水分数据、地下水位变化，为计算不同灌区作物蒸散量提供基础数据；自动采集得到的数据通过所述数据传输模块存入所述主题数据库；
所述基础数据采集模块还用于利用田间灌溉试验，人工采集不同生长发育期的产量、不同生长发育期灌水时间、灌水次数、灌水量、实际耗水量，不同深度土壤水分含量、地下水位以及试验小区的气象信息；根据试验区土壤类型，测定土壤水分运动参数、田间持水量、土壤临界含水量、凋萎点、渗漏量参数；根据试验区作物覆盖情况，确定作物系数；
所述数据计算模块用于根据灌溉试验确定的作物系数，计算不同灌区不同作物的实际耗水量、灌溉定额；对计算结果进行校验并反馈给生产部门，并将计算结果传输至所述主题数据库，然后通过所述数据传输模块，将计算结果存入塔里木河流域水量调度管理系统数据库；
所述数据查询模块用于响应用户的查询操作，查询灌区的自动采集气象数据、田间灌溉试验数据、不同作物的灌溉次数、灌水量和灌溉定额专题信息，为整个流域的水量调度和水资源评价提供基础支撑；
其中，所述基础数据采集模块采集得到数据后，由所述数据传输模块存入所述主题数据库，然后由所述数据计算模块对采集的数据进行处理，所述数据计算模块进行数值计算，用户选择任意一个站点的自动采集数据，计算作物潜在腾发量；根据各个灌区的试验数据和作物灌溉制度，计算作物系数和土壤水分胁迫系数，最后进行各个灌区的灌溉定额的计算，执行结果将以报表和图形格式表示并报送；
灌溉定额计算方法为：根据自动采集气象数据，计算常规灌溉制度下的参考作物的腾发量，利用人工灌溉试验确定的作物系数和土壤湿度系数，计算各灌区作物的需水量，考虑降水有效利用和地下水利用，即确定不同作物的净灌溉定额；
灌溉需水量计算分旱地作物灌溉需水量和稻田灌溉需水量；
旱地作物灌溉需水量计算：
旱作物灌溉需水量的计算根据旱作物根系层水量平衡原理，推算作物灌溉需水量，为满足作物正常生长的需要，任一时段内根系层土壤水分必须保持在一定的适宜范围之内，即要求不小于作物适宜水分下限Wmin和不大于作物适宜水分上限Wmax；在作物的生长过程中，土壤水分不断消耗于作物植株蒸腾和棵间蒸发，根系层土壤水分时刻处于一种连续的动态的变化过程中；当根系层土壤含水量低于作物适宜水分下限Wmin时，需要给予灌溉使根系层土壤含水量达到适宜含水量；当根系层土壤含水量大于作物适宜水分上限Wmax时，需要进行排水使根系层土壤含水量降低到作物适宜水分上限Wmax以下；作物的灌溉需水量就是当根系层土壤水分低于适宜水分下限时，为使其达到适宜含水量，必须灌溉的水量；
旱作物根系层土壤水分根据下式计算：
Wt＝Wt-1+Pt-1+It-1-ETt-1+Gt-1 (1)
式中：Wt-1、Wt分别为t-1和t时段初的土壤含水量，Pt-1、It-1、ETt-1和Gt-1分别为t-1时段内有效降雨、灌溉水量、作物腾发量和地下水补充量；
对上式进行递推计算，保持Wt介于Wmax和Wmin之间，即计算出灌水时间、灌水次数、灌溉需水量、灌水定额，Wmax和Wmin根据试验资料确定；
稻田灌溉需水量计算：
稻田灌溉需水量预测分泡田期和生长期分别进行；
泡田期灌溉需水量采用下式计算：
Qt＝Ht+St+E0t-Pt (2)
式中：Qt、Ht、St、E0t和Pt分别为泡田期灌溉需水量、固定水深、渗漏量、水面蒸发量和有效降雨量；
生长期灌溉需水量采用下式计算：
Ht＝Ht-1+Pt-1+Qt-1-ETt-1-St-1 (3)
式中：Ht-1是t-1时段初田间水深，Pt-1、St-1、Qt-1分别为t-1时段内的降雨量、渗漏量、灌溉需水量。
2.如权利要求1所述的系统，其特征在于，人工采集数据前，需要进行田间灌溉试验，田间灌溉试验的作物为小麦、棉花和水稻。
3.如权利要求2所述的系统，其特征在于，小麦灌溉试验处理：
小麦主要需水生长期为3～5月，而同期年均降水量仅为50mm，每个小区大小为10m×10m，四周设置2m深防水处理，不同生育期灌水量依据田间持水量设置6个处理，每个处理重复4次，共24个小区，试验土壤为沙质壤土，小麦生长观测按生育期各小区随机取样测定，成熟收割前进行拷种，产量分小区收获并取均值；土壤水分观测以中子水分仪结合称重法对各生育期的土壤水分进行测定；按10cm、20cm、30cm、40cm和100cm五个不同深度测定土壤水分，对灌溉过程中土壤水分的变化进行动态测定，作物观测项目：株高、地上干重、地下干重、绿叶数、干叶数、绿叶干重、干叶干重、总根重、总根长、叶面积指数覆盖率；种子湿重、种子干重、有效穗数、穗粒重、千粒重，观测时期：分孽期、返青期、拔节期、抽穗期、灌浆期、成熟期。
4.如权利要求2所述的系统，其特征在于，棉花灌溉试验处理：
每个小区大小为10m×10m，四周设置2m深防水处理，不同生育期灌水量依据田间持水量设置6个处理，每个处理重复4次，共24个小区，棉花生长观测按生育期各小区随机取样测定，成熟收割前进行拷种，产量分小区收获并取均值；土壤水分观测以中子水分仪结合称重法对各生育期的土壤水分进行测定；按10cm、20cm、30cm、40cm和100cm五个不同深度测定土壤水分，对灌溉过程中土壤水分的变化进行动态测定，作物观测项目有：株高、地上干重、地下干重、绿叶数、干叶数、绿叶干重、干叶干重、总根重、总根长、叶面积指数覆盖率；种子湿重、种子干重、有效籽棉重。
5.如权利要求2所述的系统，其特征在于，水稻灌溉试验处理：
每个小区大小为10m×10m，四周设置2m深防水处理，不同生育期灌水量依据田间持水量设置6个处理，每个处理重复4次，共24个小区，试验土壤为壤土，水稻生长观测按生育期各小区随机取样测定，成熟收割前进行拷种，产量分小区收获并取均值；土壤水分观测以中子水分仪结合称重法对各生育期的土壤水分进行测定；按10cm、20cm、30cm、40cm和100cm五个不同深度测定土壤水分，对灌溉过程中土壤水分的变化进行动态测定，作物观测项目：株高、地上干重、地下干重、绿叶数、干叶数、绿叶干重、干叶干重、总根重、总根长、叶面积指数覆盖率；种子湿重、种子干重、有效穗数、穗粒重、千粒重。
6.如权利要求1所述的系统，其特征在于，作物腾发量计算：
ETt-1受气象条件、作物水分生理特性及土壤水分状况的影响，其预测模型为：
Figure FDA0002701417630000051
式中：ETt为t时段作物腾发量；ET0t为t时段参考作物腾发量；Kct为t时段作物系数；Kwt为t时段土壤湿度系数。
CN201710186556.8A 2017-03-27 2017-03-27 一种灌区基础数据采集系统 Expired - Fee Related CN107103040B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710186556.8A CN107103040B (zh) 2017-03-27 2017-03-27 一种灌区基础数据采集系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710186556.8A CN107103040B (zh) 2017-03-27 2017-03-27 一种灌区基础数据采集系统

Publications (2)

Publication Number Publication Date
CN107103040A CN107103040A (zh) 2017-08-29
CN107103040B true CN107103040B (zh) 2020-12-01

Family

ID=59676181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710186556.8A Expired - Fee Related CN107103040B (zh) 2017-03-27 2017-03-27 一种灌区基础数据采集系统

Country Status (1)

Country Link
CN (1) CN107103040B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109425710A (zh) * 2017-09-05 2019-03-05 中国科学院地理科学与资源研究所 一种水分转化监测的实验装置及其方法
CN109374468B (zh) * 2018-08-30 2022-02-11 北京农业智能装备技术研究中心 一种温室水面蒸发量测定装置、灌溉系统及方法
CN109508888B (zh) * 2018-11-19 2021-04-02 湖北省水利水电科学研究院 虾稻共作灌溉定额计算方法
CN109452146B (zh) * 2018-11-21 2021-06-11 北京农业智能装备技术研究中心 冬小麦节水灌溉决策方法、控制装置及控制系统
CN110084539B (zh) * 2018-11-30 2021-10-22 武汉大学 灌溉决策学习方法、装置、服务器和存储介质
CN110024663A (zh) * 2019-05-13 2019-07-19 中国农业科学院农田灌溉研究所 一种井渠结合灌区冬小麦安全高产灌溉方法
CN110367097B (zh) * 2019-07-23 2021-06-04 山东开创云计算有限公司 一种灌区水流控制方法和服务器
CN110580658B (zh) * 2019-10-14 2022-08-05 中国水利水电科学研究院 一种确定寒区水稻泡田水量的方法
CN111080465A (zh) * 2019-12-03 2020-04-28 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） 基于气象和生物因子计算夏玉米实际作物系数的方法
CN111406606B (zh) * 2020-04-09 2023-10-03 武汉大学 一种考虑水稻作物生育期的智能节水灌溉系统及灌溉方法
CN114002951B (zh) * 2021-09-16 2023-12-29 江苏农林职业技术学院 一种水稻硬地育秧模糊控制灌溉方法
CN114531986B (zh) * 2022-03-03 2023-08-11 星光农机股份有限公司 一种田间作业机具的耕深控制方法及装置
CN115655385A (zh) * 2022-12-27 2023-01-31 武汉旭思科技有限公司 一种基于灌区的信息化智能监测系统及其方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106359005A (zh) * 2016-08-31 2017-02-01 内蒙古农业大学 一种间作农田的自动灌溉装置及自动灌溉方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2891700A1 (en) * 2014-05-14 2015-11-14 Hortau Inc. Irrigation system having variable data transmission intervals, data transmission system for irrigation system and method of perfroming data transmission for same

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106359005A (zh) * 2016-08-31 2017-02-01 内蒙古农业大学 一种间作农田的自动灌溉装置及自动灌溉方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
塔里木河流域灌溉定额计算及系统开发;沈强;《灌溉排水系统》;20071015;第26卷(第5期);第94页-第96页 *

Also Published As

Publication number Publication date
CN107103040A (zh) 2017-08-29

Similar Documents

Publication Publication Date Title
CN107103040B (zh) 一种灌区基础数据采集系统
Han et al. Comparison of three crop water stress index models with sap flow measurements in maize
Er-Raki et al. Combining FAO-56 model and ground-based remote sensing to estimate water consumptions of wheat crops in a semi-arid region
CN110727900B (zh) 一种流域植被干旱发生遥感预警与缺水估算方法
CN106934534B (zh) 长藤结瓜灌区灌溉水有效利用系数计算方法
Liu et al. Stemflow of water on maize and its influencing factors
CN106815658A (zh) 一种农业干旱预警系统
Ali et al. Potential evapotranspiration model for Muda irrigation project, Malaysia
KR20160057911A (ko) 농업가뭄지수 도출 시스템 및 이를 이용한 농업가뭄지수 도출 방법
CN108401854B (zh) 一种基于土壤水分检测的脐橙节水灌溉方法
CN112837169A (zh) 一种干旱过程网格化旱情综合监测、预警与评估方法
Olejnik et al. A model for heat and water balance estimation and its application to land use and climate variation
CN112699621A (zh) 一种考虑下垫面条件变化的潜在蒸散发估算方法
Gao et al. Actual evapotranspiration of subalpine meadows in the Qilian Mountains, Northwest China
Gutierrez et al. Seasonal variability of daily evapotranspiration and energy fluxes in the Central Andes of Peru using eddy covariance techniques and empirical methods
Yan et al. Comparison of evapotranspiration upscaling methods from instantaneous to daytime scale for tea and wheat in southeast China
Liu et al. An improved evapotranspiration model for an apple orchard in northwestern China
Vásquez et al. Improving reference evapotranspiration (ETo) calculation under limited data conditions in the high Tropical Andes
Zapata et al. Evaluation of the surface renewal method to estimate wheat evapotranspiration
CN116542009A (zh) 一种大尺度陆面水文过程模拟系统及方法
Fierro-Chacón et al. Fuzzy logic that determines sky conditions as a key component of a smart irrigation system
Kim et al. A drought index designed for field-scale water management
Středa et al. Smart method of agricultural drought regionalization: A winter wheat case study
Saseendran et al. Characterization of weekly cumulative rainfall forecasts over meteorological subdivisions of India using a GCM
Mahmud et al. Performance evaluation of class a pan coefficient models to estimate reference evapotranspiration in Mymensingh region of Bangladesh.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201201