CN107426679B - 一种农田排涝模数测算系统及方法 - Google Patents
一种农田排涝模数测算系统及方法 Download PDFInfo
- Publication number
- CN107426679B CN107426679B CN201710631650.XA CN201710631650A CN107426679B CN 107426679 B CN107426679 B CN 107426679B CN 201710631650 A CN201710631650 A CN 201710631650A CN 107426679 B CN107426679 B CN 107426679B
- Authority
- CN
- China
- Prior art keywords
- waterlogging
- farmland
- water
- monitoring
- information
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种农田排涝模数测算系统及方法,涉及农田排涝领域,解决现有技术因实测农田涝水信息很少而导致排涝模数估算不精确的问题。该系统包括:至少一个ZigBee子网,ZigBee子网包括分布于农田的多个作物受涝监测终端,监测农田在每次洪涝过程中的涝水信息;分布于排涝渠道的多个排涝渠道监测终端,监测排涝渠道在每次洪涝过程中的涝水信息;ZigBee子网对子网内监测到的涝水信息进行汇总,并通过网关将涝水信息传输到上层网络;管理中心服务器,通过无线通信网络与网关连接,接收涝水信息,率定农田区域涝水产汇流模型的参数,并确定农田区域的排涝模数。本发明能够获得全面的涝水信息和精确的排涝模数,有助于高效排涝。
Description
技术领域
本发明涉及农田排涝领域,特别涉及一种农田排涝模数测算系统及方法。
背景技术
对于地势低洼的区域,当降雨量或降雨强度较大时,由于向外排水不及时,经常会受到涝水的浸泡和淹没,造成农作物减产或绝收、企业物资受淹或停产、居民房屋进水倒塌和生活困难。例如我国的江苏省里下河地区、黑龙江三江平原地区、浙江省杭嘉湖地区、湖南省洞庭湖周边圩区等都是著名的易涝地区。
受自然地理特点、地形地势条件、河流水系、湖泊、种植作物和承泄区分布及治涝工程布局的影响,不同涝区的涝水特征存在显著差异。一些涝区的范围较大,涝区内具有多种地形、保护对象、下垫面类型,或有较大的水系、地物将涝区分隔成具有独立排水体系的多个区域。对这种涝区进行防护和治理时,不可能对整个涝区采用同一模式的治理方案,这样做既不经济也没有必要,因此需要对涝区进行分片,划分相对独立的涝片,分别进行治理。如里下河地区,根据地形和水系特点,以通榆河为界,划分为里下河腹部和沿海垦区两部分。腹部地区为碟型洼地,总面积11722平方公里,治涝标准确定为10年一遇;沿海垦区总面积11300平方公里,治涝标准采用5年一遇。
为适应国民经济各部门、各地区的治涝要求和治涝工程建设需要,规范涝区治理的设计标准,根据我国现有的社会经济发展条件,国家制订了《治涝标准》。涝区的治涝标准通常以设计暴雨重现期、暴雨历时、涝水排除时间及排除程度等指标来表示。如何采用现代化技术,对农田涝水产生及排除的过程进行自动监测和数据集成,对大范围涝区的涝水特征进行时空分析,是防洪除涝领域需要解决的一个技术问题,涉及到气象、水文、通信、自动化等诸多学科。
目前,我国大多数农田还没有专门的涝水监测系统,当农田涝情现象发生时,仅通过人工观测、遥感监测等手段获知的农田涝水信息很少,导致排涝模数的估计存在误差、排涝标准偏高或偏低。整体而言,我国农田涝水监测系统的信息化、现代化和智能化水平还远远不够。寻找一种低成本、高效率,能有效整合大范围涝区内不同分片的涝情信息,实时监测农田涝情,及时向地方政府和农民发布涝情信息,以及合理获得排涝模数的数字化技术迫在眉睫。
发明内容
本发明要解决的技术问题是提供一种农田排涝模数测算系统及方法,解决现有技术中获知的农田涝水信息较少,导致排涝模数估计存在误差、排涝标准偏高或偏低的问题。
为解决上述技术问题,本发明的实施例提供一种农田排涝模数测算系统,包括:
至少一个ZigBee子网;
所述ZigBee子网包括分布于农田各监测点的多个作物受涝监测终端,监测农田在每次洪涝过程中的涝水信息;
所述ZigBee子网还包括分布于排涝渠道各监测点的多个排涝渠道监测终端,监测排涝渠道在每次洪涝过程中的涝水信息;
所述ZigBee子网对子网内的作物受涝监测终端和排涝渠道监测终端监测到的涝水信息进行汇总,并通过预先设置的网关将汇总后的涝水信息传输到上层网络;
管理中心服务器,所述管理中心服务器通过无线通信网络与所述ZigBee子网的网关连接,接收所述ZigBee子网通过所述网关传输到上层网络的汇总后的所述农田和所述排涝渠道的涝水信息;
所述管理中心服务器用于根据所述农田和所述排涝渠道的涝水信息,率定农田区域涝水产汇流模型的参数,并根据所述农田区域涝水产汇流模型,确定农田区域的排涝模数。
进一步的,所述作物受涝监测终端包括:
第一电子水尺,用于监测农田在每次洪涝过程中的水体深度数据;
第一摄像头,用于采集农田在每次洪涝过程中的图像信息;
第一微处理器,所述第一微处理器分别与所述第一电子水尺和所述第一摄像头连接,所述第一微处理器用于将所述第一电子水尺监测到的水体深度数据进行模数转换,并将所述第一摄像头采集的图像信息进行压缩处理。
进一步的,所述作物受涝监测终端还包括:
第一ZigBee通信单元,与所述第一微处理器连接,用于根据所述第一微处理器发出的组网信号与所述ZigBee子网内的作物受涝监测终端和排涝渠道监测终端进行组网连接;
第一数据存储单元,与所述第一微处理器连接,用于对经过模数转换的所述水体深度数据和/或经过压缩的所述图像信息进行存储;
第一故障检测单元,与所述第一微处理器连接,用于对所述第一电子水尺和/或所述第一摄像头的工作状态进行故障检测,并将故障检测数据传输给所述第一微处理器;
第一信息交互界面,与所述第一微处理器连接,用于接收用户输入的查询指令后,通过所述第一微处理器获取对应的数据信息并显示,接收用户输入的指定网关指令后,将一作物受涝监测终端或排涝渠道监测终端作为所述ZigBee子网的网关;
第一电源电路,与所述作物受涝监测终端包含的各器件连接,用于为所述作物受涝监测终端包含的各器件提供电源。
进一步的,所述排涝渠道监测终端包括:
第二电子水尺,用于监测排涝渠道在每次洪涝过程中的水体深度数据;
流速传感器,用于监测排涝渠道在每次洪涝过程中的水体流速数据;
第二摄像头,用于采集排涝渠道在每次洪涝过程中的图像信息;
第二微处理器,所述第二微处理器分别与所述第二电子水尺、所述流速传感器和所述第二摄像头连接,所述第二微处理器用于将所述第二电子水尺监测到的水体深度数据和所述流速传感器监测到的水体流速数据进行模数转换,并将所述第二摄像头采集的图像信息进行压缩处理。
进一步的,所述排涝渠道监测终端还包括:
第二ZigBee通信单元,与所述第二微处理器连接,用于根据所述第二微处理器发出的组网信号与所述ZigBee子网内的作物受涝监测终端和排涝渠道监测终端进行组网连接;
第二数据存储单元,与所述第二微处理器连接,用于对经过模数转换的所述水体深度数据、所述水体流速数据和/或经过压缩的所述图像信息进行存储;
第二故障检测单元,与所述第二微处理器连接,用于对所述第二电子水尺、所述流速传感器和/或所述第二摄像头的工作状态进行故障检测,并将故障检测数据传输给所述第二微处理器;
第二信息交互界面,与所述第二微处理器连接,用于接收用户输入的查询指令后,通过所述第二微处理器获取对应的数据信息并显示,接收用户输入的指定网关指令后,将一作物受涝监测终端或排涝渠道监测终端作为所述ZigBee子网的网关;
第二电源电路,与所述排涝渠道监测终端包含的各器件连接,用于为所述排涝渠道监测终端包含的各器件提供电源。
为解决上述技术问题,本发明的实施例还提供一种农田排涝模数测算方法,包括:
监测农田各监测点在每次洪涝过程中的涝水信息;
监测排涝渠道各监测点在每次洪涝过程中的涝水信息;
对监测到的所述农田和所述排涝渠道的涝水信息通过ZigBee子网进行汇总,并将汇总后的所述农田和所述排涝渠道的涝水信息传输到上层网络;
根据所述农田和所述排涝渠道的涝水信息,率定农田区域涝水产汇流模型的参数;
根据所述农田区域涝水产汇流模型,确定农田区域的排涝模数。
进一步的,所述监测农田在每次洪涝过程中的涝水信息的步骤包括:
监测农田在每次洪涝过程中的水体深度数据,并将监测到的水体深度数据进行模数转换;
采集农田在每次洪涝过程中的图像信息,并对采集到的图像信息进行压缩处理。
进一步的,所述监测排涝渠道在每次洪涝过程中的涝水信息的步骤包括:
监测排涝渠道在每次洪涝过程中的水体深度数据,并将监测到的水体深度数据进行模数转换;
监测排涝渠道在每次洪涝过程中的水体流速数据,并将监测到的水体流速数据进行模数转换;
采集排涝渠道在每次洪涝过程中的图像信息,并对采集到的图像信息进行压缩处理。
进一步的,还包括:
根据所述农田的涝水信息,获取农田的淹没范围和水体深度随时间变化的值,并获取达到或超过预设水体深度阈值的农田监测点的比例和位置;
根据所述排涝渠道的涝水信息,获取排涝渠道的过水流量、水体深度和水体流速随时间变化的值。
进一步的,根据所述农田和所述排涝渠道的涝水信息,率定农田区域涝水产汇流模型的参数的步骤包括:
根据农田区域涝水产汇流模型参数的给定起始点和所述农田的涝水信息,确定所述农田区域的水田产水量、水面产水量和旱地产水量;
根据所述水田产水量、水面产水量和旱地产水量,确定所述农田区域的总产水量;
根据农田区域涝水产汇流模型参数的给定起始点和所述农田区域的总产水量,确定监测断面的涝水流量模拟值;
根据所述监测断面的涝水流量模拟值和所述排涝渠道的涝水监测信息,确定确定性系数;
根据基因法,从预先设置的参数的搜索空间中随机选取除所述给定起始点外的其他点的参数值,根据选取的点重新确定确定性系数,并获取使确定性系数最大的一组参数值,将该组参数值作为农田区域涝水产汇流模型的参数值。
进一步的,根据所述农田区域涝水产汇流模型,确定农田区域的排涝模数的步骤包括:
根据所述农田区域涝水产汇流模型模拟推求对应监测区域一频率设计暴雨量的涝区流量过程,再采用逐时段区域水量演算法或者涝水流量平均排除法,确定所述农田区域的排涝模数。
本发明的上述技术方案的有益效果如下:
本发明实施例的农田排涝模数测算系统,包括至少一个ZigBee子网和管理中心服务器;ZigBee子网包括分布于农田各监测点的多个作物受涝监测终端,监测农田在每次洪涝过程中的涝水信息;ZigBee子网还包括分布于排涝渠道各监测点的多个排涝渠道监测终端,监测排涝渠道在每次洪涝过程中的涝水信息;ZigBee子网对子网内的作物受涝监测终端和排涝渠道监测终端监测到的涝水信息进行汇总,并通过预先设置的网关将汇总后的涝水信息传输到上层网络;管理中心服务器通过无线通信网络与ZigBee子网的网关连接,接收ZigBee子网通过网关传输到上层网络的汇总后的农田和排涝渠道的涝水信息,管理中心服务器根据农田和排涝渠道的涝水信息,率定农田区域涝水产汇流模型的参数,并根据农田区域涝水产汇流模型,确定农田区域的排涝模数。从而基于物联网对农田涝水产生过程进行实时监测,能够获得全面的农田、排涝渠道的涝水信息,并准确确定出农田区域的排涝模数,基于排涝模数可实现高效排涝。
附图说明
图1为本发明实施例提供的农田排涝模数测算系统的结构示意图;
图2为本发明实施例提供的农田排涝模数测算系统中作物受涝监测终端的结构示意图;
图3为本发明实施例提供的农田排涝模数测算系统中排涝渠道监测终端的结构示意图;
图4为本发明实施例提供的农田排涝模数测算方法的流程图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
物联网是指通过射频识别(RFID)、红外感应器、全球定位系统、激光扫描器等信息传感设备,按约定的协议,把任何物品与互联网相连接,进行信息交换和通信,以实现对物品的智能化识别、定位、跟踪、监控和管理的一种网络,它是新一代信息技术的重要组成部分,其核心和基础仍然是互联网。物联网的用途广泛,可应用于智能交通、水利水电、健康医疗、环境监测等多个领域。一般而言,随着通信距离的增大,设备的复杂度、功耗以及系统成本都会增加。相对于现有的各种无线通信技术,ZigBee技术是一种低功耗和低成本的技术。同时由于ZigBee技术的低数据速率和通信范围较小的特点,也决定了ZigBee技术适合于承载数据流量较小的业务。目前,ZigBee无线通信技术已日渐成熟,本发明利用这种技术构建一个基于物联网的农田涝水监测系统,并通过观测到的多场次水位流量率定农田涝水产汇流模型参数和测算农田区域的排涝模数。
如图1所示,本发明实施例的农田排涝模数测算系统,包括:至少一个ZigBee子网1和管理中心服务器2。
所述ZigBee子网1包括分布于农田各监测点的多个作物受涝监测终端11,监测农田在每次洪涝过程中的涝水信息;所述ZigBee子网1还包括分布于排涝渠道各监测点的多个排涝渠道监测终端12,监测排涝渠道在每次洪涝过程中的涝水信息;所述ZigBee子网1对子网内的作物受涝监测终端11和排涝渠道监测终端12监测到的涝水信息进行汇总,并通过预先设置的网关将汇总后的涝水信息传输到上层网络。
所述管理中心服务器2通过无线通信网络与所述ZigBee子网1的网关连接,接收所述ZigBee子网1通过所述网关传输到上层网络的汇总后的所述农田和所述排涝渠道的涝水信息;所述管理中心服务器2用于根据所述农田和所述排涝渠道的涝水信息,率定农田区域涝水产汇流模型的参数,并根据所述农田区域涝水产汇流模型,确定农田区域的排涝模数。
这里,作物受涝监测终端11和排涝渠道监测终端12安装在大范围农田涝区内部不同的易涝分区,若干作物受涝监测终端11和排涝渠道监测终端12组成一个ZigBee子网1,若干ZigBee子网1通过无线通信网络实现与管理中心服务器2的通信。管理中心服务器2依据涝水信息自动率定农田区域涝水产汇流模型的参数,从而依据农田区域涝水产汇流模型准确确定农田区域的排涝模数。其中,排涝模数是指排涝区单位面积上的排水流量。
其中,无线通信网络是基于ZigBee/GPRS(General Packet Radio Service,通用分组无线服务)/GSM(Global System for Mobile Communication,全球移动通信系统)/4G的无线通信网络。
其中,管理中心服务器2还可以用于根据所述农田的涝水信息,获取农田的淹没范围和水体深度随时间变化的值,并获取达到或超过预设水体深度阈值的农田监测点的比例和位置,从而便于实时查询和掌握作物受涝的具体灾情。管理中心服务器2还可以用于根据所述排涝渠道的涝水信息,获取排涝渠道的过水流量、水体深度和水体流速随时间变化的值,从而便于分析排涝渠道的排涝能力是否满足要求。
其中,管理中心服务器2可以根据农田区域涝水产汇流模型参数的给定起始点和所述农田的涝水信息,确定所述农田区域的水田产水量、水面产水量和旱地产水量;根据所述水田产水量、水面产水量和旱地产水量,确定所述农田区域的总产水量;再根据农田区域涝水产汇流模型参数的给定起始点和所述农田区域的总产水量,确定监测断面的涝水流量模拟值;根据所述监测断面的涝水流量模拟值和所述排涝渠道的涝水监测信息,确定确定性系数;根据基因法,从预先设置的参数的搜索空间中随机选取除所述给定起始点外的其他点的参数值,根据选取的点重新确定确定性系数,并获取使确定性系数最大的一组参数值,将该组参数值作为农田区域涝水产汇流模型的参数值。农田区域涝水产汇流模型待优化的参数包括水面蒸发系数k1、水田蒸发系数k2、旱地蒸发系数k3和土壤蓄水量曲线指数B等。
这里,考虑农田区域下垫面构成区别的产汇流模拟,依据集水区域的不同地类,包括水面产水模块、水田产水模块、旱地产水模块以及渠道汇流模块四部分。通过水面产水模块、水田产水模块、旱地产水模块可分别计算不同区域的产水量,结合各地类所占比例,分时段推求农田区域的总产水量,然后采用逐时段净雨累积汇流法对各时段的总产水量进行分解和叠加,从而得到渠道汇流后的监测断面的涝水流量过程。
其中,管理中心服务器2可以根据所述农田区域涝水产汇流模型,采用逐时段区域水量演算法或者涝水流量平均排除法,确定所述农田区域的排涝模数。当涝区为有较大湖泊等水面调蓄能力的涝区,可采用逐时段区域水量演算法。当涝区出口流量过程比较均匀时,可采用平均排除法。
本发明实施例的农田排涝模数测算系统,基于物联网对农田涝水产生过程进行实时监测,能够获得全面的农田、排涝渠道的涝水信息,并准确确定出农田区域的排涝模数,基于排涝模数可实现高效排涝。
进一步的,管理中心服务器2还可以用于对接收到的各监测点的涝情信息进行分析处理,并动态显示出暴雨发生时,各作物受涝监测终端附近的实际淹没范围和水深随时间变化的值,统计达到或超过某一水深值的监测点占所有作物受涝监测点的比例和位置。还可以显示暴雨发生时,各排涝渠道的过水流量、水深及流速随时间变化的值,从而分析排涝渠道的排涝能力是否满足要求。同时,根据管理的实际需求,管理人员可以通过管理中心服务器2实时查看作物受涝监测终端11和排涝渠道监测终端12传送过来的实时监测视频信息。通过管理中心服务器2,可以查询作物受涝监测终端11的历史涝情信息,包括涝水发生的时间、地点、涝水最大深度、涝水排除时间等,还可以在此基础上对不同监测终端的受涝程度进行比较和分析。
管理中心服务器2还可以用于根据各场次暴雨期间不同排涝渠道的过水流量过程,确定涝水的起涨时间和全部排除时间,自动计算过水点上集水面积的暴雨产流量。当暴雨产流量场次较多,涵盖不同频率的降水量信息时,根据监测范围内不同降水量、不同土壤、不同面积农田的多场次暴雨产流量信息,率定管理中心服务器2内农田涝水产汇流模型的参数。当采集到新的农田涝水监测信息时,可以对农田涝水产汇流模型的参数进行滚动修正。对应监测区域某一频率的设计暴雨量,就可以根据农田涝水产汇流模型模拟推求对应于该设计暴雨的农田涝区产流量及其过程,进一步利用逐时段区域水量演算法或涝水流量平均排除法等方法推求该农田涝区的排涝模数。当涝区为有较大湖泊等水面调蓄能力的涝区,可采用逐时段区域水量演算法。当涝区出口流量过程比较均匀时,可采用平均排除法。
本发明实施例的农田排涝模数测算系统,基于物联网对范围较大农田内不同分区的涝情信息进行实时监测和传输,管理中心服务器2对接收到的各监测点的涝情信息进行分析处理,动态显示暴雨发生时各监测点的淹没水深、过水流量、流速等指标随时间变化的过程,统计达到或超过某一水深值的监测点占所有监测点的比例和位置,并依据涝水监测信息自动率定并滚动修正服务器端所安装的农田区域涝水产汇流模拟模型的参数,从而测算农田区域的排涝模数。本发明可以对不同时间段以及不同监测区域作物的洪涝受灾信息进行比较和展示,能依据农田区域产汇流模拟模型自动测算农田区域的排涝模数,有助于评估排涝渠道的排涝能力,方便管理部门及时、准确地掌握农田洪涝灾害的受灾范围和受灾程度以及排涝系统的工作状态,并可通过电视、手机、显示屏等多种方式向公众发布。本发明实施例的农田排涝模数测算系统可以为农田治涝标准的制订与除涝设施的规划提供技术支撑,提高农田除涝应急抢险的速度和效率,有效缓解暴雨洪涝时期的农田淹没损失,对于保护人民群众生命财产安全具有重要的作用。
可选的,参见图2所示,所述作物受涝监测终端11包括:第一电子水尺111,用于监测农田在每次洪涝过程中的水体深度数据;第一摄像头112,用于采集农田在每次洪涝过程中的图像信息;第一微处理器113,所述第一微处理器113分别与所述第一电子水尺111和所述第一摄像头112连接,所述第一微处理器113用于将所述第一电子水尺111监测到的水体深度数据进行模数转换,并将所述第一摄像头112采集的图像信息进行压缩处理。
这里,第一微处理器113通过模数(AD)转换模块将第一电子水尺111所测量到的模拟数据量进行模数转换,并接收第一摄像头112采集的图像信息进行压缩,便于对水体深度数据和图像信息进行存储。其中,为降低数据传输量可仅采集静态图形信息,以JPEG算法进行图形数据压缩和存储。
此时,依据第一电子水尺111监测的水体深度数据和第一摄像头112采集的图像信息,能够全面了解农田作物的受涝情况。
其中,第一摄像头112可采用数字化高清摄像头,拍摄农田作物在每次洪涝过程中的照片,便于管理中心服务器2实时查询和掌握作物受涝的最新灾情。
其中,每一次洪涝过程均包括涝水产生和排除的全过程,包括涝水开始积聚的时刻、涝水完全排除的时刻、最大涝水深度以及涝水的中间过程值。
可选的,所述作物受涝监测终端11还包括:第一ZigBee通信单元114、第一数据存储单元117、第一故障检测单元115、第一信息交互界面116和第一电源电路(图中未示出)。
第一ZigBee通信单元114与所述第一微处理器113连接,用于根据所述第一微处理器113发出的组网信号与所述ZigBee子网内的作物受涝监测终端11和排涝渠道监测终端12进行组网连接。
这里,第一ZigBee通信单元114在第一微处理器113的控制下组网连接。
第一数据存储单元117与所述第一微处理器113连接,用于对经过模数转换的所述水体深度数据和/或经过压缩的所述图像信息进行存储。
这里,第一数据存储单元117可以是快闪(Flash)数据存储单元,存储作物受涝监测终端11采集到的各次洪涝过程信息。
第一故障检测单元115与所述第一微处理器113连接,用于对所述第一电子水尺111和/或所述第一摄像头112的工作状态进行故障检测,并将故障检测数据传输给所述第一微处理器113。
这里,第一故障检测单元115对第一电子水尺111和/或第一摄像头112进行故障检测,并将故障检测数据传输给第一微处理器113,能在第一电子水尺111或第一摄像头112故障时及时发现并修复。
第一信息交互界面116与所述第一微处理器113连接,用于接收用户输入的查询指令后,通过所述第一微处理器113获取对应的数据信息并显示,接收用户输入的指定网关指令后,将一作物受涝监测终端11或排涝渠道监测终端12作为所述ZigBee子网的网关。
这里,与第一微处理器113相连的第一信息交互界面116负责各种数据采集和故障信息的显示,操作人员可以通过界面上的触摸屏查询以表格或图形表示的历史涝情的涝水产生过程和排除过程,还可以设置进行涝水数据采集的时间间隔,还可以指定由哪个监测终端担任ZigBee子网的网关,负责对子网内数据进行打包上传。
其中,对于担任网关的终端来说还必须在微处理器中实现嵌入式TCP(Transmission Control Protocol,传输控制协议)/IP(Internet Protocol,网络之间互连的协议)的协议栈和GPRS通信模块,该协议栈在应用层实现HTTP(Hyper Text TransferProtocol,超文本传输协议)、在传输层实现TCP与UDP(User Datagram Protocol,用户数据报协议)、在网络层实现IP,同时为便于调试还实现了ICMP(Internet Control MessageProtocol,网络控制报文协议),由于使用GPRS(或4G)通信模块进行数据上传在链路层实现PPP(Point-to-Point Protocol,点对点协议);GPRS通信模块在第一微处理器的控制下实现无线通信网络的附着。
第一电源电路与所述作物受涝监测终端11包含的各器件连接,用于为所述作物受涝监测终端11包含的各器件提供电源。
这里,第一电源电路为作物受涝监测终端11提供电源,维持监测终端的正常运转。
可选的,参见图3所示,所述排涝渠道监测终端12包括:第二电子水尺121,用于监测排涝渠道在每次洪涝过程中的水体深度数据;流速传感器122,用于监测排涝渠道在每次洪涝过程中的水体流速数据;第二摄像头123,用于采集排涝渠道在每次洪涝过程中的图像信息;第二微处理器124,所述第二微处理器124分别与所述第二电子水尺121、所述流速传感器122和所述第二摄像头123连接,所述第二微处理器124用于将所述第二电子水尺121监测到的水体深度数据和所述流速传感器122监测到的水体流速数据进行模数转换,并将所述第二摄像头123采集的图像信息进行压缩处理。
这里,第二电子水尺121用于实时测量排涝渠道的水体深度,流速传感器122利用超声波多普勒原理测定水体流速,第二微处理器124通过模数(AD)转换模块与第二电子水尺121和流速传感器122连接,将第二电子水尺121和流速传感器122所测量到的模拟数据量进行模数转换。
此时,第二微处理器124对水体深度、流速数据进行模数转换,并对图像信息进行压缩,便于对水体深度、流速数据和图像信息进行存储,且依据第二电子水尺121监测的水体深度数据、流速传感器122监测的水体流速数据和第二摄像头123采集的图像信息,能够全面了解排涝渠道的排涝情况。
其中,第二摄像头123可采用数字化高清摄像头,拍摄排涝渠道在每次洪涝过程中的照片,便于管理中心服务器2实时查询和掌握作物受涝的最新灾情。
可选的,所述排涝渠道监测终端12还包括:第二ZigBee通信单元125、第二数据存储单元128、第二故障检测单元126、第二信息交互界面127和第二电源电路(图中未示出)。
第二ZigBee通信单元125与所述第二微处理器124连接,用于根据所述第二微处理器124发出的组网信号与所述ZigBee子网内的作物受涝监测终端11和排涝渠道监测终端12进行组网连接。
这里,第二ZigBee通信单元125在第二微处理器124的控制下组网连接。
第二数据存储单元128与所述第二微处理器124连接,用于对经过模数转换的所述水体深度数据、所述水体流速数据和/或经过压缩的所述图像信息进行存储。
这里,第二数据存储单元128可以是快闪(Flash)数据存储单元,存储排涝渠道监测终端12采集到的各次洪涝过程信息。
第二故障检测单元126与所述第二微处理器124连接,用于对所述第二电子水尺121、所述流速传感器122和/或所述第二摄像头123的工作状态进行故障检测,并将故障检测数据传输给所述第二微处理器124。
这里,第二故障检测单元126对第二电子水尺121、流速传感器122和/或第二摄像头123进行故障检测,并将故障检测数据传输给第二微处理器124,能在第二电子水尺121、流速传感器122或第二摄像头123故障时及时发现并修复。
第二信息交互界面127与所述第二微处理器124连接,用于接收用户输入的查询指令后,通过所述第二微处理器124获取对应的数据信息并显示,接收用户输入的指定网关指令后,将一作物受涝监测终端11或排涝渠道监测终端12作为所述ZigBee子网的网关。
这里,与第二微处理器124相连的第二信息交互界面127负责各种数据采集和故障信息的显示,操作人员可以通过界面上的触摸屏查询以表格或图形表示的历史涝情的涝水产生过程和排除过程,还可以设置进行涝水数据采集的时间间隔,还可以指定由哪个监测终端担任ZigBee子网的网关,负责对子网内数据进行打包上传。
其中,对于担任网关的终端来说还必须在微处理器中实现嵌入式TCP/IP的协议栈和GPRS通信模块,该协议栈在应用层实现HTTP、在传输层实现TCP与UDP、在网络层实现IP,同时为便于调试还实现了ICMP,由于使用GPRS(或4G)通信模块进行数据上传在链路层实现PPP;GPRS通信模块在第二微处理器的控制下实现无线通信网络的附着。
第二电源电路,与所述排涝渠道监测终端12包含的各器件连接,用于为所述排涝渠道监测终端12包含的各器件提供电源。
这里,第二电源电路为排涝渠道监测终端12提供电源,维持监测终端的正常运转。
本发明实施例的农田排涝模数测算系统,以遍布农田的作物受涝监测终端11和排涝渠道监测终端12为基础,通过ZigBee/GPRS/GSM/4G无线通信网络实现涝情监测终端与管理中心的通信。系统在较大范围农田内部的作物、排涝渠道、积水坑塘等地带安装作物受涝监测终端11和排涝渠道监测终端12,对农田作物以及排涝系统的洪涝状况进行实时监测,并将监测地带的实际淹没深度和淹没范围等实时信息通过ZigBee/GPRS/GSM/4G网关、ZigBee子网1和网络传输到管理中心服务器2,管理中心服务器2再通过分析处理,将洪涝信息和应急指示发送到相关部门和人员。
本发明实施例的农田排涝模数测算系统,基于物联网对农田涝水产生过程进行实时监测,能够获得全面的农田、排涝渠道的涝水信息,并准确确定出农田区域的排涝模数,基于排涝模数可实现高效排涝。
参照图4所示,本发明的实施例还提供一种农田排涝模数测算方法,包括:
步骤401,监测农田各监测点在每次洪涝过程中的涝水信息。
这里,可通过ZigBee子网分布于农田各监测点的多个作物受涝监测终端,监测农田在每次洪涝过程中的涝水信息。
步骤402,监测排涝渠道各监测点在每次洪涝过程中的涝水信息。
这里,可通过ZigBee子网分布于排涝渠道各监测点的多个排涝渠道监测终端,监测排涝渠道在每次洪涝过程中的涝水信息。
步骤403,对监测到的所述农田和所述排涝渠道的涝水信息通过ZigBee子网进行汇总,并将汇总后的所述农田和所述排涝渠道的涝水信息传输到上层网络。
这里,可通过ZigBee子网对子网内的作物受涝监测终端和排涝渠道监测终端监测到的涝水信息进行汇总,并通过预先设置的网关将汇总后的涝水信息传输到上层网络。
步骤404,根据所述农田和所述排涝渠道的涝水信息,率定农田区域涝水产汇流模型的参数;
步骤405,根据所述农田区域涝水产汇流模型,确定农田区域的排涝模数。
这里,管理中心服务器通过无线通信网络与ZigBee子网的网关连接,接收ZigBee子网通过网关传输到上层网络的汇总后的农田和排涝渠道的涝水信息。可通过管理中心服务器根据农田和排涝渠道的涝水信息,率定农田区域涝水产汇流模型的参数,并根据农田区域涝水产汇流模型,确定农田区域的排涝模数。
本发明实施例的农田排涝模数测算方法,基于物联网对农田涝水产生过程进行实时监测,能够获得全面的农田、排涝渠道的涝水信息,并准确确定出农田区域的排涝模数,基于排涝模数可实现高效排涝。
可选的,上述步骤401包括:
步骤4011,监测农田在每次洪涝过程中的水体深度数据,并将监测到的水体深度数据进行模数转换。
这里,可通过作物受涝监测终端的第一电子水尺,监测农田在每次洪涝过程中的水体深度数据,然后通过第一微处理器将监测到的水体深度数据进行模数转换。
步骤4012,采集农田在每次洪涝过程中的图像信息,并对采集到的图像信息进行压缩处理。
这里,可通过作物受涝监测终端的第一摄像头采集农田在每次洪涝过程中的图像信息,并通过第一微处理器对采集到的图像信息进行压缩处理。
此时,通过对水体深度数据进行模数转换,并对图像信息进行压缩,便于对水体深度数据和图像信息进行存储,且依据第一电子水尺监测的水体深度数据和第一摄像头采集的图像信息,能够全面了解农田作物的受涝情况。
可选的,上述步骤402包括:
步骤4021,监测排涝渠道在每次洪涝过程中的水体深度数据,并将监测到的水体深度数据进行模数转换。
这里,可通过排涝渠道监测终端的第二电子水尺,监测排涝渠道在每次洪涝过程中的水体深度数据,然后通过第二微处理器将监测到的水体深度数据进行模数转换。
步骤4022,监测排涝渠道在每次洪涝过程中的水体流速数据,并将监测到的水体流速数据进行模数转换。
这里,可通过排涝渠道监测终端的流速传感器,监测排涝渠道在每次洪涝过程中的水体流速数据,然后通过第二微处理器将监测到的水体流速数据进行模数转换。
步骤4023,采集排涝渠道在每次洪涝过程中的图像信息,并对采集到的图像信息进行压缩处理。
这里,可通过排涝渠道监测终端的第二摄像头采集排涝渠道在每次洪涝过程中的图像信息,并通过第二微处理器对采集到的图像信息进行压缩处理。
此时,通对水体深度、流速数据进行模数转换,并对图像信息进行压缩,便于对水体深度、流速数据和图像信息进行存储,且依据第二电子水尺监测的水体深度数据、流速传感器监测的水体流速数据和第二摄像头采集的图像信息,能够全面了解排涝渠道的排涝情况。
可选的,本发明实施例的方法还包括:根据所述农田的涝水信息,获取农田的淹没范围和水体深度随时间变化的值,并获取达到或超过预设水体深度阈值的农田监测点的比例和位置;根据所述排涝渠道的涝水信息,获取排涝渠道的过水流量、水体深度和水体流速随时间变化的值。
此时,通过获取农田的淹没范围和水体深度随时间变化的值,并获取达到或超过预设水体深度阈值的农田监测点的比例和位置,便于实时查询和掌握作物受涝的具体灾情。通过获取排涝渠道的过水流量、水体深度和水体流速随时间变化的值,便于分析排涝渠道的排涝能力是否满足要求。
可选的,上述步骤404包括:
步骤4041,根据农田区域涝水产汇流模型参数的给定起始点和所述农田的涝水信息,确定所述农田区域的水田产水量、水面产水量和旱地产水量;
步骤4042,根据所述水田产水量、水面产水量和旱地产水量,确定所述农田区域的总产水量;
步骤4043,根据农田区域涝水产汇流模型参数的给定起始点和所述所述农田区域的总产水量,确定监测断面的涝水流量模拟值;
步骤4044,根据所述监测断面的涝水流量模拟值和所述排涝渠道的涝水监测信息,确定确定性系数;
步骤4045,根据基因法,从预先设置的参数的搜索空间中随机选取除所述给定起始点外的其他点的参数值,根据选取的点重新确定确定性系数,并获取使确定性系数最大的一组参数值,将该组参数值作为农田区域涝水产汇流模型的参数值。
其中,可将给定起始点替换成随机选取的点,重复上述步骤4041-4044,逐步求得使确定性系数最大的一组参数值,并将其作为农田区域涝水产汇流模型的最优参数值。
其中,农田区域涝水产汇流模型待优化的参数包括水面蒸发系数k1、水田蒸发系数k2、旱地蒸发系数k3和土壤蓄水量曲线指数B等。
这里,考虑农田区域下垫面构成区别的产汇流模拟,依据集水区域的不同地类,包括水面产水模块、水田产水模块、旱地产水模块以及渠道汇流模块四部分。通过水面产水模块、水田产水模块、旱地产水模块可分别计算不同区域的产水量,结合各地类所占比例,分时段推求农田区域的总产水量,然后采用逐时段净雨累积汇流法对各时段的总产水量进行分解和叠加,从而得到渠道汇流后的监测断面的涝水流量过程。
具体的,可通过如下公式获得水面产水量R1:R1=P-K1×E,其中P为降水量,K1为水面蒸发系数,E为蒸发量。P和E可以从气象部门提供的降雨、蒸发等数据基础上再进行预设插值计算得到。
具体的,根据农田的涝水信息可以获得水田初蓄水深H1,根据水田初蓄水深H1,可以获得水田产水量R2。水田产水量R2可按水田水量平衡原理进行计算,一般应保持水田水深在适宜水深下限和上限之间,当缺水时应灌水至适宜水深下限,当水田涝水超过适宜水深时,则按水田实际排水能力外排涝水。如果涝水深度超过水稻的耐淹水深,则排水至耐淹水深。下面详细说明:
当H<Hd时,R2=H-Hd,H2=Hd;此时表示缺水时应灌水至适宜水深下限。
当Hd<H<Hu时,R2=0,H2=H;此时表示水田水深在适宜水深下限和上限之间,不进行排水。
当Hu<H<Hp时,R2=H-Hu,若R2>Rp,则R2=Rp,H2=H-R2;此时表示降水积水超过适宜水深时,按水田实际排水能力外排。
当H>Hp时,R2=H-Hp,H2=Hp;此时表示积水深超过耐淹水深时,则排水值耐淹水深,以免内涝影响作物生长。
其中,H=H1+P-K2×E-seep,H为中间变量,H1、H2为水田初末蓄水深,P为降水量,E为蒸发量,Hd为水田各生长期适宜水深下限,Hu为水田各生长期适宜水深上限,Hp为水田各生长期耐淹水深,seep为水田渗漏量,Rp为水田排水能力。
其中,H1是实测数据。P和E可以从气象部门提供的降雨、蒸发等数据基础上再进行预设插值计算得到。Hd、Hu、Hp、seep和Rp为预先设定的值,可根据区域的实际情况和专家经验进行设定,并通过交互界面进行输入。
由于农田内涝通常发生在农田占较大比重的区域,这类区域,一般地下潜水位较高,土壤含水量易于得到补充,因此,旱地产水量R3可以利用一层蒸发模型计算,一层蒸发模型的公式如下:
E3=K3×E×W/Wm;
Wm3=Wm(1+B);
A=Wm3[1-(1-W/Wm)^(1/(1+B))];
当P-E3<0时,R3=0;
当P-E3+A<Wm3时,R3=P-E3+W-Wm[1-(1-(P-E3+A)/Wm3)^(1/(1+B))];
当P-E3+A>Wm3时,R3=P-E3+W-Wm。
其中,P为降水量,E为蒸发量,E3为旱地蒸发量,K3为旱地蒸发系数,W为土壤初蓄水量,Wm为土壤平均蓄水容量,Wm3为土壤蓄水容量曲线的最大值,B为土壤蓄水量曲线指数,A为工作变量,R3为旱地产水量。
P和E可以从气象部门提供的降雨、蒸发等数据基础上再进行预设插值计算得到。K3、W是预先设定的值,可根据区域的实际情况和专家经验进行设定,并通过交互界面进行输入。E3、Wm3、A可通过上述公式计算得到。Wm和B是需要率定的参数。
通过分别计算不同区域(水面、水体、旱地)的产水量,结合各地类所占比例,可推求农田区域的总产水量,然后采用如下的时段净雨累积汇流法进行渠道汇流计算,得到监测断面的涝水流量过程:
其中,r(i)是第i时段净雨量,n是净雨时段数;u(j)是第j时段单位线,m是单位线时段数。
具体的,可通过如下公式确定确定性系数DC:
其中,Q0(t)为第t场暴雨洪水过程中排涝渠道实测流量过程的洪峰流量实测值;Qc(t)表示预报的监测断面第t场涝水流量过程的洪峰流量值;Q0为实测值Q0(t)的均值;n用于率定模型参数的暴雨洪水过程的场次数,因模型参数率定不是一场暴雨洪水就能率定出来,而是多场次暴雨洪水过程,所以n是用于率定模型参数的暴雨洪水过程的场次数。
其中,水文预报过程与实测过程之间的吻合程度可用确定性系数作为指标。
具体的,根据基因法率定所述农田区域涝水产汇流模型的参数时,将监测到的排涝渠道的涝水信息与产汇流公式和时段净雨累积汇流法计算得到的监测断面的涝水流量模拟过程进行比较,计算确定性系数,选择使确定性系数最大的一组参数,并将其作为农田区域涝水产汇流模型的最优参数值。
可选的,上述步骤405包括:根据所述农田区域涝水产汇流模型模拟推求对应监测区域一频率设计暴雨量的涝区流量过程,再采用逐时段区域水量演算法或者涝水流量平均排除法,确定所述农田区域的排涝模数。
其中,当涝区为有较大湖泊等水面调蓄能力的涝区,可采用逐时段区域水量演算法。当涝区出口流量过程比较均匀时,可采用平均排除法。
逐时段区域水量演算法的计算原理是建立农田涝水区域的水量平衡方程,通过调整出口断面逐时段的过流量进行反复试算,直到满足区域的蓄水容积达到最大值为止,此时取出口断面逐时段的最大过流量为相应的排涝设计流量(即排涝模数)。蓄水容积达到最大值的目的是尽可能利用当地的调蓄能力,减少下游出口的排涝流量,从而减小排涝工程的设计规模。
逐时段区域水量演算方程为:
当max(Vt,t=1、2、3...)≠Vm时,则调整qt+1,进行试算,直至满足max(Vt,t=1、2、3...)=Vm为止,相应的排涝设计流量(即排涝模数)G=max(qt,t=1、2、3...)。
其中,Δt为计算时段,Vt为t时刻蓄水容积,Qt、qt分别为t时刻的入流、出流流量,t=1、2、3...。
本发明实施例的农田排涝模数测算方法及系统,基于物联网对农田涝水产生过程进行实时监测,能够获得全面的农田、排涝渠道的涝水信息,并准确确定出农田区域的排涝模数,基于排涝模数可实现高效排涝。
需要说明的是,其中上述农田排涝模数测算方法实施例中所有实现方式均适用于上述农田排涝模数测算系统的实施例中,也能达到同样的技术效果。
在本发明的各种实施例中,应理解,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本发明实施例中,模块可以用软件实现,以便由各种类型的处理器执行。举例来说,一个标识的可执行代码模块可以包括计算机指令的一个或多个物理或者逻辑块,举例来说,其可以被构建为对象、过程或函数。尽管如此,所标识模块的可执行代码无需物理地位于一起,而是可以包括存储在不同位里上的不同的指令,当这些指令逻辑上结合在一起时,其构成模块并且实现该模块的规定目的。
实际上,可执行代码模块可以是单条指令或者是许多条指令,并且甚至可以分布在多个不同的代码段上,分布在不同程序当中,以及跨越多个存储器设备分布。同样地,操作数据可以在模块内被识别,并且可以依照任何适当的形式实现并且被组织在任何适当类型的数据结构内。所述操作数据可以作为单个数据集被收集,或者可以分布在不同位置上(包括在不同存储设备上),并且至少部分地可以仅作为电子信号存在于系统或网络上。
在模块可以利用软件实现时,考虑到现有硬件工艺的水平,所以可以以软件实现的模块,在不考虑成本的情况下,本领域技术人员都可以搭建对应的硬件电路来实现对应的功能,所述硬件电路包括常规的超大规模集成(VLSI)电路或者门阵列以及诸如逻辑芯片、晶体管之类的现有半导体或者是其它分立的元件。模块还可以用可编程硬件设备,诸如现场可编程门阵列、可编程阵列逻辑、可编程逻辑设备等实现。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种农田排涝模数测算系统,其特征在于,包括:
至少一个ZigBee子网;
所述ZigBee子网包括分布于农田各监测点的多个作物受涝监测终端,监测农田在每次洪涝过程中的涝水信息;
所述ZigBee子网还包括分布于排涝渠道各监测点的多个排涝渠道监测终端,监测排涝渠道在每次洪涝过程中的涝水信息;
所述ZigBee子网对子网内的作物受涝监测终端和排涝渠道监测终端监测到的涝水信息进行汇总,并通过预先设置的网关将汇总后的涝水信息传输到上层网络;
管理中心服务器,所述管理中心服务器通过无线通信网络与所述ZigBee子网的网关连接,接收所述ZigBee子网通过所述网关传输到上层网络的汇总后的所述农田和所述排涝渠道的涝水信息;
所述管理中心服务器用于根据所述农田和所述排涝渠道的涝水信息,率定农田区域涝水产汇流模型的参数,并根据所述农田区域涝水产汇流模型,确定农田区域的排涝模数;
其中,所述管理中心服务器根据所述农田和所述排涝渠道的涝水信息,率定农田区域涝水产汇流模型的参数具体为:根据农田区域涝水产汇流模型参数的给定起始点和所述农田的涝水信息,确定所述农田区域的水田产水量、水面产水量和旱地产水量;根据所述水田产水量、水面产水量和旱地产水量,确定所述农田区域的总产水量;根据农田区域涝水产汇流模型参数的给定起始点和所述农田区域的总产水量,确定监测断面的涝水流量模拟值;根据所述监测断面的涝水流量模拟值和所述排涝渠道的涝水监测信息,确定确定性系数;根据基因法,从预先设置的参数的搜索空间中随机选取除所述给定起始点外的其他点的参数值,根据选取的点重新确定确定性系数,并获取使确定性系数最大的一组参数值,将该组参数值作为农田区域涝水产汇流模型的参数值。
2.根据权利要求1所述的农田排涝模数测算系统,其特征在于,所述作物受涝监测终端包括:
第一电子水尺,用于监测农田在每次洪涝过程中的水体深度数据;
第一摄像头,用于采集农田在每次洪涝过程中的图像信息;
第一微处理器,所述第一微处理器分别与所述第一电子水尺和所述第一摄像头连接,所述第一微处理器用于将所述第一电子水尺监测到的水体深度数据进行模数转换,并将所述第一摄像头采集的图像信息进行压缩处理。
3.根据权利要求2所述的农田排涝模数测算系统,其特征在于,所述作物受涝监测终端还包括:
第一ZigBee通信单元,与所述第一微处理器连接,用于根据所述第一微处理器发出的组网信号与所述ZigBee子网内的作物受涝监测终端和排涝渠道监测终端进行组网连接;
第一数据存储单元,与所述第一微处理器连接,用于对经过模数转换的所述水体深度数据和/或经过压缩的所述图像信息进行存储;
第一故障检测单元,与所述第一微处理器连接,用于对所述第一电子水尺和/或所述第一摄像头的工作状态进行故障检测,并将故障检测数据传输给所述第一微处理器;
第一信息交互界面,与所述第一微处理器连接,用于接收用户输入的查询指令后,通过所述第一微处理器获取对应的数据信息并显示,接收用户输入的指定网关指令后,将一作物受涝监测终端或排涝渠道监测终端作为所述ZigBee子网的网关;
第一电源电路,与所述作物受涝监测终端包含的各器件连接,用于为所述作物受涝监测终端包含的各器件提供电源。
4.根据权利要求1所述的农田排涝模数测算系统,其特征在于,所述排涝渠道监测终端包括:
第二电子水尺,用于监测排涝渠道在每次洪涝过程中的水体深度数据;
流速传感器,用于监测排涝渠道在每次洪涝过程中的水体流速数据;
第二摄像头,用于采集排涝渠道在每次洪涝过程中的图像信息;
第二微处理器,所述第二微处理器分别与所述第二电子水尺、所述流速传感器和所述第二摄像头连接,所述第二微处理器用于将所述第二电子水尺监测到的水体深度数据和所述流速传感器监测到的水体流速数据进行模数转换,并将所述第二摄像头采集的图像信息进行压缩处理。
5.根据权利要求4所述的农田排涝模数测算系统,其特征在于,所述排涝渠道监测终端还包括:
第二ZigBee通信单元,与所述第二微处理器连接,用于根据所述第二微处理器发出的组网信号与所述ZigBee子网内的作物受涝监测终端和排涝渠道监测终端进行组网连接;
第二数据存储单元,与所述第二微处理器连接,用于对经过模数转换的所述水体深度数据、所述水体流速数据和/或经过压缩的所述图像信息进行存储;
第二故障检测单元,与所述第二微处理器连接,用于对所述第二电子水尺、所述流速传感器和/或所述第二摄像头的工作状态进行故障检测,并将故障检测数据传输给所述第二微处理器;
第二信息交互界面,与所述第二微处理器连接,用于接收用户输入的查询指令后,通过所述第二微处理器获取对应的数据信息并显示,接收用户输入的指定网关指令后,将一作物受涝监测终端或排涝渠道监测终端作为所述ZigBee子网的网关;
第二电源电路,与所述排涝渠道监测终端包含的各器件连接,用于为所述排涝渠道监测终端包含的各器件提供电源。
6.一种农田排涝模数测算方法,其特征在于,包括:
监测农田各监测点在每次洪涝过程中的涝水信息;
监测排涝渠道各监测点在每次洪涝过程中的涝水信息;
对监测到的所述农田和所述排涝渠道的涝水信息通过ZigBee子网进行汇总,并将汇总后的所述农田和所述排涝渠道的涝水信息传输到上层网络;
根据所述农田和所述排涝渠道的涝水信息,率定农田区域涝水产汇流模型的参数;
根据所述农田区域涝水产汇流模型,确定农田区域的排涝模数;
其中,所述根据所述农田和所述排涝渠道的涝水信息,率定农田区域涝水产汇流模型的参数的步骤包括:
根据农田区域涝水产汇流模型参数的给定起始点和所述农田的涝水信息,确定所述农田区域的水田产水量、水面产水量和旱地产水量;
根据所述水田产水量、水面产水量和旱地产水量,确定所述农田区域的总产水量;
根据农田区域涝水产汇流模型参数的给定起始点和所述农田区域的总产水量,确定监测断面的涝水流量模拟值;
根据所述监测断面的涝水流量模拟值和所述排涝渠道的涝水监测信息,确定确定性系数;
根据基因法,从预先设置的参数的搜索空间中随机选取除所述给定起始点外的其他点的参数值,根据选取的点重新确定确定性系数,并获取使确定性系数最大的一组参数值,将该组参数值作为农田区域涝水产汇流模型的参数值。
7.根据权利要求6所述的农田排涝模数测算方法,其特征在于,所述监测农田在每次洪涝过程中的涝水信息的步骤包括:
监测农田在每次洪涝过程中的水体深度数据,并将监测到的水体深度数据进行模数转换;
采集农田在每次洪涝过程中的图像信息,并对采集到的图像信息进行压缩处理。
8.根据权利要求6所述的农田排涝模数测算方法,其特征在于,所述监测排涝渠道在每次洪涝过程中的涝水信息的步骤包括:
监测排涝渠道在每次洪涝过程中的水体深度数据,并将监测到的水体深度数据进行模数转换;
监测排涝渠道在每次洪涝过程中的水体流速数据,并将监测到的水体流速数据进行模数转换;
采集排涝渠道在每次洪涝过程中的图像信息,并对采集到的图像信息进行压缩处理。
9.根据权利要求6所述的农田排涝模数测算方法,其特征在于,还包括:
根据所述农田的涝水信息,获取农田的淹没范围和水体深度随时间变化的值,并获取达到或超过预设水体深度阈值的农田监测点的比例和位置;
根据所述排涝渠道的涝水信息,获取排涝渠道的过水流量、水体深度和水体流速随时间变化的值。
10.根据权利要求6所述的农田排涝模数测算方法,其特征在于,根据所述农田区域涝水产汇流模型,确定农田区域的排涝模数的步骤包括:
根据所述农田区域涝水产汇流模型模拟推求对应监测区域一频率设计暴雨量的涝区流量过程,再采用逐时段区域水量演算法或者涝水流量平均排除法,确定所述农田区域的排涝模数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710631650.XA CN107426679B (zh) | 2017-07-28 | 2017-07-28 | 一种农田排涝模数测算系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710631650.XA CN107426679B (zh) | 2017-07-28 | 2017-07-28 | 一种农田排涝模数测算系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107426679A CN107426679A (zh) | 2017-12-01 |
CN107426679B true CN107426679B (zh) | 2020-02-07 |
Family
ID=60431563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710631650.XA Active CN107426679B (zh) | 2017-07-28 | 2017-07-28 | 一种农田排涝模数测算系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107426679B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111181934A (zh) * | 2019-12-19 | 2020-05-19 | 胡友彬 | 一种气象水文专用传输应用协议解析系统 |
CN111680258B (zh) * | 2020-07-01 | 2023-10-13 | 中国农业科学院农业信息研究所 | 监测作物涝渍胁迫程度的方法、装置、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106702981A (zh) * | 2016-12-22 | 2017-05-24 | 中国水利水电科学研究院 | 一种灌区排水系统的参数生成方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120253746A1 (en) * | 2011-03-28 | 2012-10-04 | International Business Machines Corporation | Autonomous data quality evaluation |
CN103944946A (zh) * | 2013-01-22 | 2014-07-23 | 中国水利水电科学研究院 | 一种基于物联网的城市内涝监测方法及监测系统 |
CN103953018B (zh) * | 2014-05-13 | 2015-12-09 | 中国水利水电科学研究院 | 新型暗排结构及其除涝作用的设计方法 |
-
2017
- 2017-07-28 CN CN201710631650.XA patent/CN107426679B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106702981A (zh) * | 2016-12-22 | 2017-05-24 | 中国水利水电科学研究院 | 一种灌区排水系统的参数生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107426679A (zh) | 2017-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102402185B (zh) | 基于模糊控制的非充分灌溉控制方法 | |
CN107945042A (zh) | 一种作物生长灌溉决策控制系统 | |
CN109617947A (zh) | 依管理类别设置的城市异源物联网边缘计算系统及方法 | |
McFarlane et al. | The extent and potential area of salt-affected land in Western Australia estimated using remote sensing and digital terrain models | |
CN106706033A (zh) | 一种海绵城市性能监视系统和方法 | |
CN110533258B (zh) | 一种稻麦轮作农田涝渍预警评估方法及系统 | |
CN106779232A (zh) | 一种城市内涝的建模预测方法 | |
CN107426679B (zh) | 一种农田排涝模数测算系统及方法 | |
CN107071053A (zh) | 一种基于wsan的道路积水监控系统 | |
CN106771059A (zh) | 一种用于生态区域的智能监测与防控方法及系统 | |
CN103336509A (zh) | 小麦四情监控调度系统 | |
CN106960190B (zh) | 基于高分辨率图像监督中分辨率图像的灌溉面积统计方法 | |
CN103412867B (zh) | 一种基于3σ法则的滤波装置的滤波方法 | |
Irianto | Design of smart farm irrigation monitoring system using IoT and LoRA | |
CN102230976A (zh) | 一种粮食生产风险数据采集方法 | |
Zhang et al. | Thoreau: A fully-buried wireless underground sensor network in an urban environment | |
CN207067726U (zh) | 一种河道监控系统 | |
CN104345130A (zh) | 化工厂周边地下水的监测系统 | |
Meena et al. | Information and Communication Technologies for Sustainable Natural Resource Management | |
Cipolla et al. | Real time monitoring of water quality in an agricultural area with salinity problems | |
CN116843164A (zh) | 基于图像分析的农业机械智能化控制系统 | |
CN215832723U (zh) | 一种流域水情信息采集分析系统 | |
CN203824586U (zh) | 一体化无线纵向多元多组墒情测报仪 | |
Rahu | Energy Harvesting for Water Quality Monitoring using Floating Sensor Networks: A Generic Framework. | |
CN107622349A (zh) | 一种土木工程健康监测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |