CN108364103B - 一种果园传感器的布设方法 - Google Patents
一种果园传感器的布设方法 Download PDFInfo
- Publication number
- CN108364103B CN108364103B CN201810155030.8A CN201810155030A CN108364103B CN 108364103 B CN108364103 B CN 108364103B CN 201810155030 A CN201810155030 A CN 201810155030A CN 108364103 B CN108364103 B CN 108364103B
- Authority
- CN
- China
- Prior art keywords
- plot
- orchard
- sampling
- variation
- grids
- 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
- 239000002420 orchard Substances 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000005070 sampling Methods 0.000 claims abstract description 38
- 235000015097 nutrients Nutrition 0.000 claims abstract description 14
- 239000002689 soil Substances 0.000 claims description 8
- 235000021049 nutrient content Nutrition 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000004720 fertilization Effects 0.000 abstract description 6
- 201000004569 Blindness Diseases 0.000 abstract description 3
- 238000012876 topography Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003900 soil pollution Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- 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
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Economics (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Food Science & Technology (AREA)
- Strategic Management (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Cultivation Of Plants (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种果园传感器的布设方法,将果园以500m间距划分网格,然后逐渐细化网格,将同一地形的网格数量合并为一个地块,根据各个地形采样点的数据得到各个地块的基本参数,选择变异系数最小的地块,按照Cochran最佳采样公式得出地块的最佳采样数量n1,根据其他地块坡度,计算出地块ai所需的采样数以及坡度比:以各养分的采样数取加权平均数为最终采样数,即该地形实际布设的传感器数量。本发明根据不同的地形将果园分为n个地块从而分布不同的传感器数量,具体是通过第一个地块推测其他地块的传感器数量,该布设方法减少了果园精准施肥的盲目性,提高了果园采样点布设的准确性、科学性,在一定精度下使数量达到优化,节约成本,便于实施。
Description
技术领域
本发明涉及果园土壤监测技术领域,具体是一种果园传感器的布设方法。
背景技术
随着人们环境意识的加强和农产品由数量型向质量型的转变,精确施肥将是提高土壤环境质量,减少水和土壤污染,提高作物产量和质量的有效途径。
精准施肥是精准农业技术的核心内容,要实现对果园的精准施肥,果园土壤信息采集是重要前提,要求采集到的样品能够反映果园土壤的情况。规模布设大量采样点成本过高,而采样点布设较少会导致精度不够,不足以反应果园土壤的信息,精度与传感器数量达不到一个优化的组合,因此确定在一定精度下的最少采样点显得尤为重要。
目前关于果园传感器采样点的布设方法比较少,而且由于果园地形较大田地复杂,导致土壤养分变异比较大,传统的网格法,五点取样法等方法得到的采样往往忽略了果园内部的变异,使测量不精准。
发明内容
本发明的目的在于提供一种基于地形与网格采样的果园传感器的布设方法,根据果园内部不同地形的情况布设样点,以达到精度的要求,节约成本,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种果园传感器的布设方法,具体步骤如下:
(1)将果园以500m间距划分网格,然后逐渐细化网格,直至使一个网格至少有80%为同一地形,在网格的中心位置初设采样点,将同一地形的网格数量合并为一个地块,分别标号a1、a2、a3……ai;
(2)在采样点处采集土壤中各种养分的含量,根据各个地形采样点的数据得到各个地块的基本参数,包括各养分含量的均值、标准差以及变异系数,选择变异系数最小的地块,按照Cochran最佳采样公式得出地块的最佳采样数量n1,即:
n1=(λ2*Std 2)/k2
其中,λ表示在置信度为α、自由度为f的t分布值,f=n1-1,Std表示样本的标准差,k表示样本平均值与相对误差的乘积,由实际水平和临界水平确定;
(3)根据其他地块坡度,变异系数以及标准差等数据,由如下公式计算出地块ai所需的采样数以及坡度比:
n=n1*(ni*si)*p/N1/s1,
其中,n表示地块ai所需的采样数,ni表示当前地块采样数,si表示当前地块的标准差,s1表示a1的标准差,N1表示a1的初始采样数;
p=|tan(α-a)*10|,
其中,p表示坡度比,α表示当前地块的坡度,a表示地块a1的坡度,
以各样分的采样数的按照标准差加权平均值为最终采样数,即该地形实际布设的传感器数量。
所述步骤(3)可以推算出网格间距:C=A/n,
其中,C表示网格间距,A表示地块面积,n表示地块ai所需的采样数。
所述步骤(3)最终得到的传感器以Z形按地块分布。
与现有技术相比,本发明的有益效果是:
本发明根据不同的地形将果园分为n个地块从而分布不同的传感器数量,具体是通过第一个地块推测其他地块的传感器数量,该布设方法减少了果园精准施肥的盲目性,提高了果园采样点布设的准确性、科学性,在一定精度下使数量达到优化,节约成本,便于实施。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
实施例1
果园中有两种地形分别为平地和缓坡,以500m间距划分网格,然后逐渐细化网格,直至使一个网格至少有80%为同一地形,将同一地形的网格数量合并为一个地块,分别标号a1、a2,其中平地a1有12个,缓坡a2有18个;
在网格中心布设初始采样点,采集到N,P,K的含量,得到基本数据如下表格所示:
平地:
养分 | <![CDATA[均值/mg·kg<sup>-1</sup>]]> | 标准差 | 变异系数 | 初始采样数 |
N | 92.11 | 16.5798 | 0.18 | 18 |
P | 18.14 | 13.2422 | 0.73 | 18 |
K | 83 | 31.54 | 0.38 | 18 |
养分分级标准如下表格所示:
养分 | 极缺 | 缺乏 | 适量 | 丰富 |
<![CDATA[N/mg·kg<sup>-1</sup>]]> | <50 | 50~100 | 100~200 | >200 |
<![CDATA[P/mg·kg<sup>-1</sup>]]> | <5 | 5~15 | 15~80 | >80 |
<![CDATA[K/mg·kg<sup>-1</sup>]]> | <50 | 50~100 | 100~200 | >200 |
其中相对误差确定:
以N为例,当相对误差为5%时,含量范围为87.5mg·kg-1-96.72mg·kg-1,当相对误差为10%时,含量范围为82.9mg·kg-1-101.3mg·kg-1,最接近临界值,所以取相对误差为10%,同理可得P、K的相对误差,λ为自由度为17,置信区间为90%的t分布值;
根据Cochran最佳采样公式计算地块的采样数量n1=(λ2*Std 2)/k2,其中,λ=1.74,kn=10%,kp=20%,kk=20%,
分别得出:nn1=9,np1=40,nk1=10,
则该地形的传感器数量n=(9*16.58+40*13.24+10*31.54)/(16.58+13.24+31.54)=16,传感器以z形分布在a1中;
缓坡:坡度为10°:
养分 | 标准差 | 变异系数 | 初始采样数 |
N | 23.75 | 0.28 | 25 |
P | 12.72 | 0.85 | 25 |
K | 36.43 | 0.5 | 25 |
根据n=n1*(ni*si)*p/N1/s1,p=|tan(α-a)*10|,
分别得出:nn=23,np=65,nk=21,
所以该地形的传感器数量n=(23*23.75+65*12.72+21*36.43)/(23.75+12.72+36.43)=29,传感器以z形分布在a2中。
实施例2:
果园中有三种地形分别为平地、缓坡以及陡坡,首先以500m为初始网格间距划分,然后逐渐细化网格,合并,其中平地a1有14个,缓坡a2有10个,陡坡a3有6个;
在网格中心布设初始采样点,采集到N,P,K的含量,得到基本数据如下表格:
平地
养分 | <![CDATA[均值/mg·kg<sup>-1</sup>]]> | 标准差 | 变异系数 | 初始采样数 |
N | 84.6 | 37.9 | 44% | 14 |
P | 28.6 | 16.3 | 57% | 14 |
K | 90.4 | 64.1 | 70% | 14 |
缓坡:坡度约为5°
养分 | <![CDATA[均值/mg·kg<sup>-1</sup>]]> | 标准差 | 变异系数 | 初始采样数 |
N | 78.7 | 26.4 | 33% | 10 |
P | 23.1 | 16.4 | 70% | 10 |
K | 84.2 | 44.4 | 52% | 10 |
陡坡:坡度约为12°
养分 | <![CDATA[均值/mg·kg<sup>-1</sup>]]> | 标准差 | 变异系数 | 初始采样数 |
N | 74.6 | 19.8 | 26% | 6 |
P | 19.8 | 17.2 | 87% | 6 |
K | 81.5 | 47.7 | 58% | 6 |
养分分级标准:
养分 | 极缺 | 缺乏 | 适量 | 丰富 |
<![CDATA[N/mg·kg<sup>-1</sup>]]> | <50 | 50~100 | 100~200 | >200 |
<![CDATA[P/mg·kg<sup>-1</sup>]]> | <5 | 5~15 | 15~80 | >80 |
<![CDATA[K/mg·kg<sup>-1</sup>]]> | <50 | 50~100 | 100~200 | >200 |
所以由初始果园情况,分别在平地、缓坡、陡坡下P、K、N的变异系数最小。
其中相对误差确定:以N为例,为10%时,含量范围为77.04mg·kg-1-94.16mg·kg-1,为15%时,含量范围为72.76mg·kg-1-98.44mg·kg-1,为20%是68.48mg·kg-1-102.72mg·kg-1,取最接近临界值,所以相对误差为15%,同理可得P、K的相对误差为20%、20%。λ为自由度为采样数减1,置信区间为90%的t分布值。则分别以这三种为基础地块,
用公式n1=(λ2*Std 2)/k2,
分别得np1=25,nn1=9,nk1=23,
所以以N为例,在陡坡时最佳传感器数量为9个,
为平地时,传感器数量nn2=9*14*37.9*tan(12°-1°)*10/6/19.8=81,
在缓坡时nn3=9*10*26.4*tan(12-5)*10/6/19.8=26,
同理可得np2=12,np3=30,nk2=33,nk3=18,
所以在平地上传感器数量为(81*37.9+25*16.3+33*64.1)/(37.9+16.3+64.1)=47,
以及坡度为10°,传感器数量为22;坡度为15°时,传感器数量18最佳;
如下表格所示:
将上述传感器数量在a1,a2,a3中按照z形分布。
本发明根据不同的地形将果园分为n个地块从而分布不同的传感器数量,具体是通过第一个地块推测其他地块的传感器数量,该布设方法减少了果园精准施肥的盲目性,提高了果园采样点布设的准确性、科学性,在一定精度下使数量达到优化,节约成本,便于实施。
上面对本专利的较佳实施方式作了详细说明,但是本专利并不限于上述实施方式,在本领域的普通技术人员所具备的知识范围内,还可以在不脱离本专利宗旨的前提下作出各种变化。
Claims (2)
1.一种果园传感器的布设方法,其特征在于,具体步骤如下:
(1)将果园以500m间距划分网格,然后逐渐细化网格,直至使一个网格至少有80%为同一地形,在网格的中心位置初设采样点,将同一地形的网格数量合并为一个地块,分别标号a1、a2、a3……ai;
(2)在采样点处采集土壤中各种养分的含量,根据各个地形采样点的数据得到各个地块的基本参数,包括各养分含量的均值、标准差以及变异系数,选择变异系数最小的地块,按照Cochran最佳采样公式得出该地块的最佳采样数量n1,即:
n1=(λ2*Std 2)/k2
其中,λ表示在置信度为α、自由度为f的t分布值,Std表示变异系数最小的地块的标准差,k表示样本平均值与相对误差的乘积,由实际水平和临界水平确定;
(3)根据其他地块坡度,变异系数以及标准差的数据,由如下公式计算出地块ai所需的采样数以及坡度比:
n=n1*(ni*si)*p/N1/Std,
其中,n表示地块ai所需的采样数,ni表示地块ai初始采样数,si表示地块ai的标准差,Std表示变异系数最小的地块的标准差,N1表示变异系数最小的地块的初始采样数;
p=|tan(α-a)*10|,
其中,p表示坡度比,α表示地块ai的坡度,a表示变异系数最小的地块的坡度,
将各养分的所需采样数n按照标准差加权求的平均值为最终采样数,即该地形实际布设的传感器数量,传输传感器以Z形按地块分布。
2.根据权利要求1所述的果园传感器的布设方法,其特征在于,所述步骤(3)可以推算出网格间距:C=A/n,
其中,C表示网格间距,A表示地块面积,n表示地块ai所需的采样数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810155030.8A CN108364103B (zh) | 2018-02-23 | 2018-02-23 | 一种果园传感器的布设方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810155030.8A CN108364103B (zh) | 2018-02-23 | 2018-02-23 | 一种果园传感器的布设方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108364103A CN108364103A (zh) | 2018-08-03 |
CN108364103B true CN108364103B (zh) | 2023-04-18 |
Family
ID=63002317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810155030.8A Active CN108364103B (zh) | 2018-02-23 | 2018-02-23 | 一种果园传感器的布设方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108364103B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111693006B (zh) * | 2020-06-12 | 2021-07-02 | 中国科学院地理科学与资源研究所 | 珊瑚沙土壤监测区域的传感器数量和位置确定方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103697934A (zh) * | 2012-10-12 | 2014-04-02 | 中国水利水电科学研究院 | 城市市政污水管网的带压监测方法 |
CN105050385A (zh) * | 2012-11-06 | 2015-11-11 | 新西兰土地保护研究所 | 用于自动化微分灌溉的方法和系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6689272B2 (en) * | 2001-04-17 | 2004-02-10 | Nova Biomedical Corporation | Acetate detecting sensor |
CN102967689B (zh) * | 2012-11-22 | 2015-08-19 | 天津大学 | 一种污染源监测布点方法 |
-
2018
- 2018-02-23 CN CN201810155030.8A patent/CN108364103B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103697934A (zh) * | 2012-10-12 | 2014-04-02 | 中国水利水电科学研究院 | 城市市政污水管网的带压监测方法 |
CN105050385A (zh) * | 2012-11-06 | 2015-11-11 | 新西兰土地保护研究所 | 用于自动化微分灌溉的方法和系统 |
Non-Patent Citations (7)
Title |
---|
"A parallelized multi-objective particle swarm optimization model to design soil sampling network";Dianfeng Liu等;《2012 20th International Conference on Geoinformatics》;20120820;第1-6页,全文 * |
"基于监测指标复合式控制区的耕地质量监测点布设方法";杨厚翔等;《农业工程学报 》;20171031;第33卷(第19期);第278-286页,全文 * |
"巫山县坡改梯地区不同土地利用方式下土壤质量研究";杨敏等;《中国水土保持》;20130831;第54-56页,全文 * |
"房屋倒损评估中统计抽样方法的对比分析";蔡毅等;《北京师范大学学报(自然科学版)》;20170430;第53卷(第2期);第235-241页,全文 * |
"秦巴中部山区耕地土壤速效钾空间变异及其影响因素";陈洋等;《环境科学研究》;20170228;第30卷(第2期);第257-266页,全文 * |
"紫色土陡坡耕地顺坡垄作条件下的土壤及其流失特征";严冬春等;《山地学报》;20140531;第32卷(第3期);第314-319页,全文 * |
MichielRutgers等."Monitoring soil bacteria with community-level physiological profiles using Biolog™ECO-plates in the Netherlands and Europe".《Applied Soil Ecology》.2016,第97卷23-35. * |
Also Published As
Publication number | Publication date |
---|---|
CN108364103A (zh) | 2018-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102982486B (zh) | 一种基于作物长势遥感监测信息的施肥决策方法 | |
CN109558973B (zh) | 一种水质与水生态一体化预警系统、控制设备和存储介质 | |
Umali et al. | The effect of terrain and management on the spatial variability of soil properties in an apple orchard | |
CN108811651A (zh) | 一种测土配方施肥的方法 | |
CN109819745B (zh) | 一种基于土地有效磷确定磷肥使用量的方法 | |
CN106485002B (zh) | 在复杂地形气候区域估算甘蔗潜在产量的方法 | |
CN109829589A (zh) | 制作土壤施肥处方图的方法、土壤精准施肥处方图及应用 | |
CN110596008B (zh) | 基于地块的中国洪积平原农业区土壤养分数字制图方法 | |
CN108370699A (zh) | 一种测土配方施肥的方法 | |
Grassano et al. | Evaluation of rapeseed cultivation suitability in Apulia with GIS-multicriteria analysis | |
CN104345131B (zh) | 一种稻田氮磷径流流失负荷的田间尺度估算方法 | |
CN110874454A (zh) | 基于混合概率密度的区域尺度毛竹碳储量精确测算方法 | |
CN108364103B (zh) | 一种果园传感器的布设方法 | |
Mahmood et al. | Genetic variation in Eucalyptus camaldulensis Dehnh. for growth and stem straightness in a provenance–family trial on saltland in Pakistan | |
Sarkar et al. | Water quality impacts of converting intensively-managed agricultural lands to switchgrass | |
Shi et al. | Influence of climate and socio-economic factors on the spatio-temporal variability of soil organic matter: A case study of Central Heilongjiang Province, China | |
Jama-Rodzeńska et al. | Influence of variation in the volumetric moisture content of the substrate on irrigation efficiency in early potato varieties | |
CN112016211A (zh) | 一种协调农学和环境的萝卜氮肥推荐方法 | |
Nolin et al. | Within‐Field Spatial Variability of Soil Nutrients and Corn Yield in a Montreal Lowlands Clay Soil | |
Nolan et al. | Building a yield map from geo‐referenced harvest measurements | |
CN111008789A (zh) | 一种核算种植业氮肥施用后氨排放量的方法 | |
CN115392016A (zh) | 一种基于遥感数据同化的青贮玉米生长发育预测方法 | |
CN111860220B (zh) | 一种小麦幼苗分布特征的评价方法 | |
CN104102806A (zh) | 多品种农作物的农业气候区划方法 | |
CN113533695A (zh) | 一种农田墒情数据估计方法及系统 |
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 |