CN107192812B - 一种智能判定旱作作物缺水状态的方法及系统 - Google Patents
一种智能判定旱作作物缺水状态的方法及系统 Download PDFInfo
- Publication number
- CN107192812B CN107192812B CN201710450481.XA CN201710450481A CN107192812B CN 107192812 B CN107192812 B CN 107192812B CN 201710450481 A CN201710450481 A CN 201710450481A CN 107192812 B CN107192812 B CN 107192812B
- Authority
- CN
- China
- Prior art keywords
- crop
- soil
- soil moisture
- exsiccosis
- water
- 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
- 208000005156 Dehydration Diseases 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 15
- 239000002689 soil Substances 0.000 claims abstract description 85
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 51
- 238000005259 measurement Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000001066 destructive effect Effects 0.000 abstract 1
- 238000011156 evaluation Methods 0.000 abstract 1
- 238000009826 distribution Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000001704 evaporation Methods 0.000 description 4
- 230000008020 evaporation Effects 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006698 induction Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241000219122 Cucurbita Species 0.000 description 1
- 235000009852 Cucurbita pepo Nutrition 0.000 description 1
- 230000003698 anagen phase Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009328 dry farming Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003020 moisturizing effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 238000012109 statistical procedure Methods 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
- 230000015378 stomatal closure Effects 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/246—Earth materials for water content
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/245—Earth materials for agricultural purposes
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明涉及一种智能判定旱作作物缺水状态的方法，包括如下步骤：S1.传感器管将实时采集的土壤水分数据传递通过信号传输装置传递至远程终端中；S2.远程终端接收信号传输装置传递传输来的土壤水分数据并制作虚拟根系二维图；S3.远程终端根据土壤水分数据并判别作物的缺水状态。本发明的智能判定旱作作物缺水状态的方法适用于对生长在非饱和土壤水分环境中各种旱作作物的缺水状态进行定性定量判定。具有非破坏性、连续监测、布置简单快速、结果可靠的特点。获得的作物缺水状态评判结果，对作物需水量判定有重要指导意义。
Description
技术领域
本发明涉及农作物监测领域，具体地说，涉及一种智能判定旱作作物缺水状态的方法及系统。
背景技术
日常应用中，常用“缺水胁迫”来描述旱作作物在干旱条件下由于土壤水分含量过低导致不能提供足量水供应进而胁迫迟滞作物生长发育状态。由于缺乏合适的技术手段，日常农业管理中如何实时、快速评判作物缺水状态一直处于技术空缺状态。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供一种智能判定旱作作物缺水状态的方法及系统。
本发明解决上述技术问题的技术方案如下：
一种智能判定旱作作物缺水状态的方法，包括如下步骤：
S1.传感器管将实时采集的土壤水分数据传递通过信号传输装置传递至远程终端中；
S2.远程终端接收信号传输装置传递传输来的土壤水分数据并制作虚拟根系二维图；
S3.远程终端根据土壤水分数据并判别作物的缺水状态。
进一步，所述步骤S2包括：
S2-1.将水分传感器按照时间间隔分别实时采集各个感应点h的土壤水分含量记为SM_h；
S2-2.结合即时(t0)和上一个点(t0-1)的两组数据，在每一个时间点计算土壤水分变化率SD_h；
S2-3.对垂直维度作物根系范围内每一个测量点h的土壤水分时间变化率SD_h进行日积分,获得SD_h_DSum
S2-4.对SD_h_DSum在作物根系深度进行归一化处理，CM_h(h),h＝0,1,…L。结果表示出每一个垂直深度的土壤水分变化相对贡献率；
S2-5.依照CM_h(h)结果构建虚拟根系二维图。
进一步，所述步骤S2-1中的时间间隔为5-15分钟。
进一步，所述步骤S3包括：
测定在“作物枯萎点”时的土壤平均水分含量值SW，即为100％缺水胁迫阀值；在“田间持水量”时的土壤平均水分含量值SF，即为0％缺水胁迫(不胁迫)阀值；以及实测土壤水分含量SM，则作物缺水胁迫度PMS通过公式：PMS＝(SF-SM)/(SF-SW)*100％计算。
本发明的有益效果在于：利用高分辨率管式土壤水分传感器判断作物缺水状态，包括传感器布置方法、缺水状态判定依据和判定方式；利用“虚拟根系二维图”来定性判定作物缺水状态，包括“虚拟根系二维图”的具体制作方式；利用高分辨率管式土壤水分传感器测量的“土壤水分含量”、“土壤水分在垂直维度的分布”以及“土壤水分在垂直维度的最大变化率”来定量判断“作物缺水状态”，包括以“土壤水分在垂直维度的最大变化率”来定量判断作物缺水状态的具体方式。
需要说明的是，根系深度的获得可以根据经验数值获得，也可以根据下述方法获得，其中以本发明的传感器管为第一传感器管，在距离第一传感器管5-10cm处，设置第二传感器管，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，所述第二传感器、第一传感器和主杆中心轴在同一平面上：
W1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；
W2远程终端根据高度和时间将数据分类和处理；
W3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。
所述步骤W2包括如下步骤：
W2-1.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；
W2-2.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；
W2-3.针对步骤W2-2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W2-1和W2-2；
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W2-1和W2-2；是，表示已经超越根系深度，结束判定。
所述步骤W2-2还包括包括如下步骤：
W2-2-1.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；
W2-2-2.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；
W2-2-3.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)
W2-2-4.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)。
W2-2-5.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)；
W2-2-6.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。
本发明还提供一种智能判定旱作作物缺水状态的系统，包括：
水分传感器管，所述水分传感器管垂直设置在地面中，用于实时采集根系附近土壤中的水分数据信息；
信号传输装置，所述信号传输装置与水分传感器管相连接，所述信号传输装置用于将水分传感器管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缺水性能提供数据支持。
进一步，所述水分传感器管距离作物主杆中心轴的距离为10-30cm。
进一步，所述水分传感器管包括多个垂直分布的水分传感器，相邻的两个水分传感器之间的距离为5cm。
进一步，所述无线网路为Lorawan网络。
附图说明
图1为本发明的水分传感器管的位置及结构示意图；
图2为本发明的水分传感器管的位置俯视图；
图3为本发明的非缺水状态下的“虚拟根系”二维图形；
图4为本发明的缺水状态下的“虚拟根系”二维图形；
图5为特定状态下，作物枯萎线、实测土壤水分以及田间持水量三条曲线的关系图。
附图标记说明：
1.水分传感器管，2.水分传感器。
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。
作物缺水状态判定原理
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，Evaporation，土壤主导)和蒸腾(T，Transpiration，植物主导)两个过程控制，在传统测量技术中，E和T的测量很难被区分，一般手段只能捆绑测量，以ET统一表征。
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变动重复，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。
因此，只要解决对土壤水分在垂直维度分布、及其在作物根系周围的精准测量技术障碍，区分获得原位E和T的状态成为可能，这里一个高分辨率的、多感应点传感的、垂直布置的土壤水分传感器就成为技术实现的关键。进一步地，通过对E和T的有效区分，测量结果也为评判作物缺水状态提供了有效技术保障。
针对一个特定的作物，在整个作物生长期,从土壤表面垂直向下直至作物根系深度范围，土壤中水分含量的绝对值、在垂直上的分布和相对时间变化率与土壤表面水分蒸发、作物根系的吸水速率、吸水量有一一对应的关系。垂直布置的土壤水分传感器对这几个被观测量进行高分辨率数据收集，通过进一步数学和统计学处理，可以对作物缺水状态进行客观的评价。
对垂直维度作物根系深度L范围内每一个测量点h，依据采集时间划分，计算出
土壤水分含量(SM_h)的时间变化率,SD_h
土壤水分含量点日平均,SM_DAve_h
土壤水分含量点日均方差,SM_DStd_h
土壤水分含量点白昼(6:00-18:00)平均,SM_MAve_h
土壤水分含量点白昼均方差,SM_MStd_h
土壤水分含量点黑夜(18:00-6:00)平均,SM_NAve_h
土壤水分含量点黑夜均方差，SM_NStd_h。
对垂直维度作物根系范围内每一个测量点h的土壤水分时间变化率SD_h进行日积分(0:00-24:00),获得SD_h_DSum
然后在作物根系深度进行归一化处理，结果直观表示出每一个垂直深度的土壤水分变化相对贡献率，CM_h(h),h＝0,1,…L
本发明以“虚拟根系”二维图形式来表示CM_h(h)。
在土壤水分含量充沛状态下(根据土壤水分绝对含量和垂直分布初步判断)，作物生长所需要的水分可以通过根系从土壤中充分获取。虚拟根系图示中，作物根系活跃区(须根所在区域)对作物需水总量的贡献比例会占显著比例，整个虚拟根系二维图示呈现“上瘦下胖”葫芦形状。并且，在根系活跃区呈现昼夜交替变化(由作物气孔昼开夜闭特性导致)的特征，统计获得的点白昼平均SM_MAve_h与点黑夜平均SM_NAve_h之间存在显著差异。
在土壤干旱状态下(根据土壤水分绝对含量和垂直分布初步判断)，作物生长所需要的水分不能通过根系从土壤中充分获取。虚拟根系图示中，作物根系活跃区(须根所在区域)对作物需水总量的贡献比例很小，土壤表面由太阳照射或大风吹扫导致的蒸发占有比例显著，整个虚拟根系二维图示呈现“上宽下窄”雨伞形状，并且昼夜交替变化(由作物气孔昼开夜闭特性导致)特征被极大抑制，统计获得的点白昼平均SM_MAve_h与点黑夜平均SM_NAve_h之间不存在显著差异。
发明人定义，针对一个特定土壤、一个特定作物，在垂直维度作物根系范围，在“作物枯萎点”时的土壤平均水分含量值为100％缺水胁迫阀值SW、在“田间持水量”时的土壤平均水分含量值为0％缺水胁迫(不胁迫)阀值SF，介于两个阀值之间土壤水分含量SM可以被用来定量描述“作物缺水胁迫度”PMS。
如图5所示，图5表示
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(作物枯萎点SW、田间持水量SF)集，总结出合适的、针对一个特定作物的“作物缺水状态(水胁迫度)”判定模式。
需要根据垂直维度土壤水分绝对含量和相对分布，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。
实施例1
土壤水分传感器的采样频率定在5-15分钟/次，分别采集各个感应点h的土壤水分含量SM_h；
结合即时(t0)和上一个点(t0-1)的两组数据，在每一个时间点计算土壤水分变化率SD_h，SD_h是标量；
对垂直维度作物根系范围内每一个测量点h的土壤水分时间变化率SD_h进行日积分,获得SD_h_DSum；
对SD_h_DSum在作物根系深度进行归一化处理，CM_h(h),h＝0,1,…L。结果表示出每一个垂直深度的土壤水分变化相对贡献率；
依照CM_h(h)结果构建“虚拟根系”二维图；
进行“作物缺水状态”定性判断，当构建出的“虚拟根系”二维图为倒锥形时(如图4所示)，表示作物处于缺水状态，当构建出的“虚拟根系”二维图为葫芦形时(如图3所示)，表示作处于非缺水状态；
分别根据“作物枯萎线”计算作物缺水状态时土壤平均水分含量值SW、“田间持水量”时土壤平均水分含量值SF、以及实测土壤水分含量SM，再根据公式“PMS＝(SF-SM)/(SF-SW)*100％计算”定量计算“作物缺水胁迫度”PMS。
进行“作物缺水状态”定量判断。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。
Claims (3)
1.一种智能判定旱作作物缺水状态的方法，其特征在于，包括如下步骤：S1.传感器管将实时采集的土壤水分数据传递通过信号传输装置传递至远程终端中；S2.远程终端接收信号传输装置传递传输来的土壤水分数据并制作虚拟根系二维图；S3.远程终端根据土壤水分数据并判别作物的缺水状态；所述步骤S2包括：S2-1.将水分传感器按照时间间隔分别实时采集各个测量点h的土壤水分含量记为SM_h；S2-2.结合即时(t0)和上一个点(t0-1)的两组数据，在每一个时间点计算土壤水分变化率SD_h；S2-3.对垂直维度作物根系深度L范围内每一个测量点h的土壤水分时间变化率SD_h进行日积分,获得SD_h_DSum；S2-4.对SD_h_DSum在作物根系深度进行归一化处理，CM_h(h),h＝0,1,…L；结果表示出每一个垂直深度测量点h的土壤水分变化相对贡献率；S2-5.依照CM_h(h)结果构建虚拟根系二维图。
2.根据权利要求1所述的智能判定旱作作物缺水状态的方法，其特征在于，所述步骤S2-1中的时间间隔为5-15分钟。
3.根据权利要求1所述的智能判定旱作作物缺水状态的方法，其特征在于，所述步骤S3包括：测定在“作物枯萎点”时的土壤平均水分含量值SW，即为100％缺水胁迫阈值；在“田间持水量”时的土壤平均水分含量值SF，即为0％缺水胁迫(不胁迫)阈值；以及实测土壤水分含量SM，则作物缺水胁迫度PMS通过公式：PMS＝(SF-SM)/(SF-SW)*100％计算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710450481.XA CN107192812B (zh) | 2017-06-15 | 2017-06-15 | 一种智能判定旱作作物缺水状态的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710450481.XA CN107192812B (zh) | 2017-06-15 | 2017-06-15 | 一种智能判定旱作作物缺水状态的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107192812A CN107192812A (zh) | 2017-09-22 |
| CN107192812B true CN107192812B (zh) | 2019-09-13 |
Family
ID=59879033
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710450481.XA Active CN107192812B (zh) | 2017-06-15 | 2017-06-15 | 一种智能判定旱作作物缺水状态的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107192812B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107421489B (zh) * | 2017-06-15 | 2019-10-18 | 南京肯铎特电子科技有限公司 | 一种实时非破环性农作物根系深度判别系统及方法 |
| CN108323419B (zh) * | 2018-01-10 | 2021-08-06 | 常州泽惠天地环境科技有限公司 | 土壤地表渗水速率和灌溉水量的判别方法及智能灌溉系统 |
| CN108469434B (zh) * | 2018-04-11 | 2022-01-25 | 山东农业大学 | 一种监测果树是否缺水的装置及方法 |
| CN109596812A (zh) * | 2018-12-27 | 2019-04-09 | 固安京蓝云科技有限公司 | 确定作物的灌溉参数的方法及装置 |
| AT524682B1 (de) * | 2021-02-26 | 2022-08-15 | Mohammed Dipl Ing Dr Techn Hassan | Intelligentes individuelles lernfähiges Bewässerungssystem und Verfahren zur Bewässerung |
| CN113039908A (zh) * | 2021-03-12 | 2021-06-29 | 中化现代农业有限公司 | 一种施肥和灌溉动态决策方法及系统 |
| CN113588918A (zh) * | 2021-07-22 | 2021-11-02 | 北京安赛博技术有限公司 | 一种土壤水涝胁迫过程的识别和监测的方法和系统 |
| CN114609365A (zh) * | 2022-02-25 | 2022-06-10 | 中国科学院新疆生态与地理研究所 | 一种土壤水分运移规律和作物根系分布模拟系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1536362A (zh) * | 2003-04-11 | 2004-10-13 | 中国科学院地理科学与资源研究所 | 一种作物水分胁迫指数测定装置及其测定方法 |
| CN1602668A (zh) * | 2004-11-17 | 2005-04-06 | 中国农业科学院农田灌溉研究所 | 根据作物缺水逆境生理反应进行灌溉的控制方法及其装置 |
| CN102779391A (zh) * | 2012-07-24 | 2012-11-14 | 中国农业科学院农田灌溉研究所 | 一种干旱预警方法和预警系统 |
| CN103493715A (zh) * | 2013-09-30 | 2014-01-08 | 中国农业大学 | 基于作物根区土壤水分与根系分布的灌溉控制方法与系统 |
| KR20150129497A (ko) * | 2014-05-12 | 2015-11-20 | 임미섭 | 자동수분공급장치 |
| CN105527657A (zh) * | 2016-01-14 | 2016-04-27 | 河海大学 | 基于无人机红外热图像采集的大面积农田作物水分状态监测方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170020091A1 (en) * | 2015-07-20 | 2017-01-26 | AquaSpy, Inc. | Method and System for Automated Data Analysis of Soil Moisture |
-
2017
- 2017-06-15 CN CN201710450481.XA patent/CN107192812B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1536362A (zh) * | 2003-04-11 | 2004-10-13 | 中国科学院地理科学与资源研究所 | 一种作物水分胁迫指数测定装置及其测定方法 |
| CN1602668A (zh) * | 2004-11-17 | 2005-04-06 | 中国农业科学院农田灌溉研究所 | 根据作物缺水逆境生理反应进行灌溉的控制方法及其装置 |
| CN102779391A (zh) * | 2012-07-24 | 2012-11-14 | 中国农业科学院农田灌溉研究所 | 一种干旱预警方法和预警系统 |
| CN103493715A (zh) * | 2013-09-30 | 2014-01-08 | 中国农业大学 | 基于作物根区土壤水分与根系分布的灌溉控制方法与系统 |
| KR20150129497A (ko) * | 2014-05-12 | 2015-11-20 | 임미섭 | 자동수분공급장치 |
| CN105527657A (zh) * | 2016-01-14 | 2016-04-27 | 河海大学 | 基于无人机红外热图像采集的大面积农田作物水分状态监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107192812A (zh) | 2017-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107192812B (zh) | 一种智能判定旱作作物缺水状态的方法及系统 | |
| CN101980249B (zh) | 作物发育及长势自动观测方法及装置 | |
| CN105230450B (zh) | 一种智能式灌溉快速诊断装置与方法 | |
| CN201869599U (zh) | 作物发育及长势自动观测装置 | |
| CN106688827B (zh) | 一种基于农业系统模型的灌溉决策系统及方法 | |
| 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 | |
| CN104077725B (zh) | 马铃薯种植物联网监测、控制及信息服务云平台综合系统 | |
| CN102954816A (zh) | 作物长势的监测方法 | |
| CN108323419B (zh) | 土壤地表渗水速率和灌溉水量的判别方法及智能灌溉系统 | |
| CN105389663B (zh) | 一种农田灌溉智能决策系统和方法 | |
| CN109496797A (zh) | 一种农业节水灌溉系统及控制方法 | |
| CN104236624A (zh) | 温室环境信息智能采集系统 | |
| CN107421489B (zh) | 一种实时非破环性农作物根系深度判别系统及方法 | |
| CN102413160A (zh) | 一种猕猴桃果园精准管理系统 | |
| CN107179784A (zh) | 一种农田土壤墒情监测系统及方法 | |
| CN114568265A (zh) | 一种基于人工智能的园林绿化维护智能监测管理系统 | |
| CN113273449A (zh) | 用于日光温室精准监测的数字孪生体构造方法 | |
| CN206674701U (zh) | 一种智能茶园自动灌溉系统 | |
| CN102592118B (zh) | 一种玉米出苗期的自动检测方法 | |
| CN111802218A (zh) | 一种果树的自动灌溉方法及系统 | |
| CN205843712U (zh) | 一种森林小气候观测装置 | |
| CN206876209U (zh) | 一种基于物联网的水稻生长监测系统 | |
| CN206133265U (zh) | 一种温室虫害远程监控服务器 | |
| CN106770505A (zh) | 一种基于介电谱的土壤原位养分速测方法 | |
| CN211908856U (zh) | 一种基于物联网的植物数据采集系统 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200529 Address after: Room 10806, unit 1, building 1, No. 31, Gaoxin Road, Zhangba Street office, hi tech Zone, Xi'an City, Shaanxi Province Patentee after: Xi'an Yuyue Yuyuan Agricultural Information Technology Co.,Ltd. Address before: Qinhuai City Water District of Nanjing City, Jiangsu Province, No. 66 210004 Patentee before: NANJING CANDOET ELECTRONIC TECHNOLOGY Co.,Ltd. |