CN109657854B - 一种作物需水量预测的方法、系统及设备 - Google Patents

一种作物需水量预测的方法、系统及设备 Download PDF

Info

Publication number
CN109657854B
CN109657854B CN201811528505.XA CN201811528505A CN109657854B CN 109657854 B CN109657854 B CN 109657854B CN 201811528505 A CN201811528505 A CN 201811528505A CN 109657854 B CN109657854 B CN 109657854B
Authority
CN
China
Prior art keywords
water demand
slope
predicted
data
year
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
Application number
CN201811528505.XA
Other languages
English (en)
Other versions
CN109657854A (zh
Inventor
宋妮
宁慧峰
张凯
韩其晟
陈智芳
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.)
Farmland Irrigation Research Institute of CAAS
Original Assignee
Farmland Irrigation Research Institute of CAAS
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 Farmland Irrigation Research Institute of CAAS filed Critical Farmland Irrigation Research Institute of CAAS
Priority to CN201811528505.XA priority Critical patent/CN109657854B/zh
Publication of CN109657854A publication Critical patent/CN109657854A/zh
Application granted granted Critical
Publication of CN109657854B publication Critical patent/CN109657854B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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"
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Animal Husbandry (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Development Economics (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种作物需水量预测的方法，包括：分别采用初斜率法及尾斜率法对作物需水量数据组进行数据处理，对应得到一组初斜率数据及一组尾斜率数据；依据初斜率数据及尾斜率数据分别建立拟合曲线，并利用拟合曲线计算数据开始年份至需水量待预测年份间的斜率预测值；依据斜率预测值计算需水量待预测年份的预测作物需水量。本申请所提供的技术方案，提高了作物需水量的预测精度，能够为解决水资源调配问题提供精度较高的基础数据。本申请同时还提供了一种作物需水量预测的系统、设备及计算机可读存储介质，具有上述有益效果。

Description

一种作物需水量预测的方法、系统及设备
技术领域
本申请涉及农业水土工程技术领域，特别涉及一种作物需水量预测的方法、系统、设备及计算机可读存储介质。
背景技术
在农业水土领域，准确预估作物需水量对灌区建设与管理具有重要意义，目前，常采用参考作物需水量与作物系数相乘来计算作物需水量。
采用Penman-Monteith方法计算参考作物需水量已在本领域得到众多学者的检验与认同。该方法基于常规气象数据，采用能量平衡理论进行计算。对未来作物需水量的预估，可分为日、月、年、年代、世纪等不同尺度，考虑到未来气候对作物需水量的影响，年代甚至世纪尺度的预测可为一个地区水资源调配进行长远规划，而以作物生育期需水量为基础的翌年尺度预测可协调灌区水资源调配，解决其迫在眉睫的水资源规划调配问题。
目前，对作物需水量的预测常采用时间序列法，包括线性预测方法和非线性预测方法，这些方法都是基于所有数据建立相应模型，而实际上，受气象数据影响的作物需水量的变化带有极强的周期性，基于所有数据建立的模型适用于年代及世纪尺度的作物需水量长期预测，若用于年尺度预测则可能导致预测精度降低。
因此，针对作物需水量年尺度预测提供一种科学有效且保证预测精度的方法是本领域技术人员目前需要解决的技术问题。
发明内容
本申请的目的是提供一种作物需水量预测的方法、系统、设备及计算机可读存储介质，用于提高作物需水量预测的预测精度。
为解决上述技术问题，本申请提供一种作物需水量预测的方法，该方法包括：
根据输入的环境参数计算数据开始年份至数据结束年份间每一年的作物需水量，得到一组作物需水量数据组；
分别采用初斜率法及尾斜率法对所述作物需水量数据组进行数据处理，对应得到一组初斜率数据及一组尾斜率数据；其中，所述初斜率法为从所述数据开始年份n起，计算n至n+9年间、n至n+10年间、n至n+11年间、...、n至数据结束年份N间的作物需水量斜率；所述尾斜率法为从所述数据结束年份N起，计算N-9至N年间、N-10至N年间、N-11至N年间、...、n至N年间的作物需水量斜率；
依据所述初斜率数据建立初斜率拟合曲线，并利用所述初斜率拟合曲线计算所述数据开始年份至需水量待预测年份间的初斜率预测值；依据所述尾斜率数据建立尾斜率拟合曲线，并利用所述尾斜率拟合曲线计算所述数据开始年份至所述需水量待预测年份间的尾斜率预测值；
依据所述初斜率预测值及所述尾斜率预测值计算所述需水量待预测年份的预测作物需水量。
可选的，所述依据所述初斜率预测值及所述尾斜率预测值计算所述需水量待预测年份的预测作物需水量，包括：
依据所述初斜率预测值计算第一预测作物需水量，并依据所述尾斜率预测值计算第二预测作物需水量；
计算所述第一预测作物需水量与所述数据结束年份的作物需水量的第一差值，以及所述第二预测作物需水量与所述数据结束年份的作物需水量的第二差值；
当所述第一差值与所述第二差值同号时，将所述第一差值与所述第二差值中绝对值较小者对应的预测作物需水量作为所述需水量待预测年份的预测作物需水量。
可选的，当所述第一差值与所述第二差值异号时，还包括：
计算所述第一预测作物需水量与所述第二预测作物需水量的平均值，并将所述平均值作为所述需水量待预测年份的预测作物需水量。
可选的，所述依据所述初斜率数据建立初斜率拟合曲线，包括：
接收用户输入的初斜率选取点，并根据所述初斜率选取点对应的数据生成初始初斜率拟合曲线；
根据预设规则从所述初始初斜率拟合曲线中选取所述初斜率拟合曲线；
所述依据所述尾斜率数据建立尾斜率拟合曲线，对应包括：
接收用户输入的尾斜率选取点，并根据所述尾斜率选取点对应的数据生成初始尾斜率拟合曲线；
根据所述预设规则从所述初始尾斜率拟合曲线中选取所述尾斜率拟合曲线。
本申请还提供一种作物需水量预测的系统，该系统包括：
第一计算模块，用于根据输入的环境参数计算数据开始年份至数据结束年份间每一年的作物需水量，得到一组作物需水量数据组；
第二计算模块，用于分别采用初斜率法及尾斜率法对所述作物需水量数据组进行数据处理，对应得到一组初斜率数据及一组尾斜率数据；其中，所述初斜率法为从所述数据开始年份n起，计算n至n+9年间、n至n+10年间、n至n+11年间、...、n至数据结束年份N间的作物需水量斜率；所述尾斜率法为从所述数据结束年份N起，计算N-9至N年间、N-10至N年间、N-11至N年间、...、n至N年间的作物需水量斜率；
拟合曲线建立模块，用于依据所述初斜率数据建立初斜率拟合曲线，并利用所述初斜率拟合曲线计算所述数据开始年份至需水量待预测年份间的初斜率预测值；依据所述尾斜率数据建立尾斜率拟合曲线，并利用所述尾斜率拟合曲线计算所述数据开始年份至所述需水量待预测年份间的尾斜率预测值；
需水量预测模块，用于依据所述初斜率预测值及所述尾斜率预测值计算所述需水量待预测年份的预测作物需水量。
可选的，所述需水量预测模块包括：
第一计算子模块，用于依据所述初斜率预测值计算第一预测作物需水量，并依据所述尾斜率预测值计算第二预测作物需水量；
第二计算子模块，用于计算所述第一预测作物需水量与所述数据结束年份的作物需水量的第一差值，以及所述第二预测作物需水量与所述数据结束年份的作物需水量的第二差值；
选择子模块，用于当所述第一差值与所述第二差值同号时，将所述第一差值与所述第二差值中绝对值较小者对应的预测作物需水量作为所述需水量待预测年份的预测作物需水量。
可选的，所述需水量预测模块还包括：
第三计算子模块，用于当所述第一差值与所述第二差值异号时，计算所述第一预测作物需水量与所述第二预测作物需水量的平均值，并将所述平均值作为所述需水量待预测年份的预测作物需水量。
可选的，所述拟合曲线建立模块包括：
第一接收子模块，用于接收用户输入的初斜率选取点，并根据所述初斜率选取点对应的数据生成初始初斜率拟合曲线；
第一选取子模块，用于根据预设规则从所述初始初斜率拟合曲线中选取所述初斜率拟合曲线；
第二接收子模块，用于接收用户输入的尾斜率选取点，并根据所述尾斜率选取点对应的数据生成初始尾斜率拟合曲线；
第二选取子模块，用于根据所述预设规则从所述初始尾斜率拟合曲线中选取所述尾斜率拟合曲线。
本申请还提供一种作物需水量预测设备，该作物需水量预测设备包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述任一项所述作物需水量预测的方法的步骤。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述作物需水量预测的方法的步骤。
本申请所提供作物需水量预测的方法，包括：根据输入的环境参数计算数据开始年份至数据结束年份间每一年的作物需水量，得到一组作物需水量数据组；分别采用初斜率法及尾斜率法对作物需水量数据组进行数据处理，对应得到一组初斜率数据及一组尾斜率数据；其中，初斜率法为从数据开始年份n起，计算n至n+9年间、n至n+10年间、n至n+11年间、...、n至数据结束年份N间的作物需水量斜率；尾斜率法为从数据结束年份N起，计算N-9至N年间、N-10至N年间、N-11至N年间、...、n至N年间的作物需水量斜率；依据初斜率数据建立初斜率拟合曲线，并利用初斜率拟合曲线计算数据开始年份至需水量待预测年份间的初斜率预测值；依据尾斜率数据建立尾斜率拟合曲线，并利用尾斜率拟合曲线计算所述数据开始年份至所述需水量待预测年份间的尾斜率预测值；依据初斜率预测值及尾斜率预测值计算需水量待预测年份的预测作物需水量。
本申请所提供的技术方案，通过根据输入的环境参数计算数据开始年份至数据结束年份间每一年的作物需水量，得到一组作物需水量数据组，然后分别采用初斜率法及尾斜率法对作物需水量数据组进行数据处理，对应得到一组初斜率数据及一组尾斜率数据，并分别建立拟合曲线以确定斜率规律，进而根据该斜率规律预测需水量待预测年份的预测作物需水量，提高了作物需水量预测精度，能够为解决水资源调配问题提供精度较高的基础数据。本申请同时还提供了一种作物需水量预测的系统、设备及计算机可读存储介质，具有上述有益效果，在此不再赘述。
附图说明
为了更清楚地说明本申请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申请的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的一种作物需水量预测的方法的流程图；
图2为根据1954年～2016年63组作物需水量数据所绘制的年际图；
图3为依据初斜率数据所绘制的散点图；
图4为依据尾斜率数据所绘制的散点图；
图5为图1所提供的一种作物需水量预测的方法中S104的一种实际表现方式的流程图；
图6为图1所提供的一种作物需水量预测的方法中S103的一种实际表现方式的流程图；
图7为初斜率选取点为13-53的初始初斜率拟合曲线图；
图8为初斜率选取点为40-53的初始初斜率拟合曲线图；
图9为初斜率选取点为48-53的初始初斜率拟合曲线图；
图10为尾斜率选取点为10-53的初始尾斜率拟合曲线图；
图11为本申请实施例所提供的一种作物需水量预测的系统的结构图；
图12为本申请实施例所提供的另一种作物需水量预测的系统的结构图；
图13为本申请实施例所提供的一种作物需水量预测设备的结构图。
具体实施方式
本申请的核心是提供一种作物需水量预测的方法、系统、设备及计算机可读存储介质，用于提高作物需水量预测的预测精度。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
请参考图1，图1为本申请实施例所提供的一种作物需水量预测的方法的流程图。
其具体包括如下步骤：
S101：根据输入的环境参数计算数据开始年份至数据结束年份间每一年的作物需水量，得到一组作物需水量数据组；
本申请提供了一种作物需水量预测的方法，用于提高作物需水量预测的预测精度；
其中，这里提到的根据输入的环境参数计算数据开始年份至数据结束年份间每一年的作物需水量，得到一组作物需水量数据组，其具体可以包括：
先收集整理所在地区有记录以来的逐日气象数据，包括相对湿度、平均风速、日照时数、平均最高气温、平均最低气温，根据Penman-Menteith公式计算参考作物需水量：
Figure BDA0001905074360000061
再结合当地作物生育期及作物系数计算作物需水量：
ETc＝∑ET0×Kc
其中：∑ET0为作物全生育期参考作物需水量，kc为全生育期作物系数，ETc为作物需水量；ETrad和ETaero分别为组成参考作物需水量的辐射项和空气动力学项；Δ为饱和水汽压曲线的斜率；G为土壤热通量，G＝0；γ为湿度计常数，KPa/℃；U2为2米高处的风速，m/s；T为2米高处日平均气湿，℃；es为饱和水汽压，KPa；ea为实际水汽压，KPa；Rn为作物表面净辐射，单位为MJ/m2·day。
S102：分别采用初斜率法及尾斜率法对作物需水量数据组进行数据处理，对应得到一组初斜率数据及一组尾斜率数据；
这里提到的初斜率法为从数据开始年份n起，计算n至n+9年间、n至n+10年间、n至n+11年间、...、n至数据结束年份N间的作物需水量斜率；尾斜率法为从数据结束年份N起，计算N-9至N年间、N-10至N年间、N-11至N年间、...、n至N年间的作物需水量斜率；
以天津地区冬小麦为例，详细步骤如下：
天津地区有记录以来的逐日气象数据起止年份为1954-2017年，冬小麦生育期9月27日～6月14日，全生育期作物系数为0.72，计算出逐年冬小麦需水量，分别为421.53、402.58、405.74、468.93、448.44、449.88、460.28、453.1、422.21、352.17、421.69、439.28、420.73、470.01、384.88、409.26、459.4、469.46、435.54、462.91、458.36、447.95、408.08、431.04、385.23、448.33、480.07、429.85、405.25、384.75、362.2、424.48、389.75、419.34、416.4、356.17、357.36、423.92、390.17、395.81、386.52、418.58、393.59、351.63、373.06、406.51、409.3、391.89、350.11、417.04、439.69、422.8、438.86、427.77、460.34、400.09、509.7、439.04、435.59、465.35、474.78、464.97、479.46，以冬小麦播种年份统计，从1954年～2016年共63组数据，绘制年际图如图2所示；
利用本申请所提供的技术方案通过1954-2015年的数据计算2016年的冬小麦需水量：
采用初斜率法对作物需水量数据组进行数据处理，得到一组初斜率数据：依次计算1954-1963、1954-1964、...、1954-2015年间冬小麦作物需水量斜率，数据量共53组：-1.664、-1.557、-0.759、-0.863、0.504、-0.748、-1.031、-0.223、0.525、0.517、0.894、1.103、1.123、0.693、0.584、0.072、0.207、0.565、0.476、0.231、-0.101、-0.509、-0.489、-0.655、-0.641、-0.640、-0.907、-1.125、-1.036、-1.086、-1.104、-1.148、-1.076、-1.089、-1.225、-1.277、-1.226、-1.171、-1.165、-1.258、-1.180、-1.057、-0.982、-0.880、-0.809、-0.680、-0.677、-0.474、-0.415、-0.366、-0.273、-0.173、-0.097mm/年；
采用尾斜率法对作物需水量数据组进行数据处理，得到一组尾斜率数据：依次计算2006-2015、2005-2015、...、1954-2015年间冬小麦作物需水量斜率，数据量共53组：3.788、4.152、3.553、3.820、5.792、5.884、5.432、5.069、5.313、5.742、5.373、4.706、4.529、4.244、4.039、3.530、3.669、3.759、3.359、2.992、2.866、2.535、2.602、2.523、2.341、2.060、1.588、1.317、1.337、1.173、1.112、0.916、0.710、0.514、0.425、0.248、0.120、0.141、0.222、0.084、0.077、0.029、0.025、0.167、0.151、0.077、-0.003、-0.056、-0.101、-0.176、-0.140、-0.102、-0.097mm/年。
S103：依据初斜率数据建立初斜率拟合曲线，并利用初斜率拟合曲线计算数据开始年份至需水量待预测年份间的初斜率预测值；依据尾斜率数据建立尾斜率拟合曲线，并利用尾斜率拟合曲线计算数据开始年份至需水量待预测年份间的尾斜率预测值；
在确定了初斜率数据和尾斜率数据之后，分别建立初斜率拟合曲线及尾斜率拟合曲线，请参考图3及图4，图3为依据初斜率数据所绘制的散点图，图4为依据尾斜率数据所绘制的散点图，从图3及图4中可看出，数据列规律性较明显，根据该散点图分别建立初斜率拟合曲线及尾斜率拟合曲线；
在建立了拟合曲线之后，利用初斜率拟合曲线及尾斜率拟合曲线分别计算数据开始年份至待预测年份间的初斜率预测值及尾斜率预测值。
S104：依据初斜率预测值及尾斜率预测值计算需水量待预测年份的预测作物需水量。
基于上述技术方案，本申请所提供的一种作物需水量预测的方法，通过根据输入的环境参数计算数据开始年份至数据结束年份间每一年的作物需水量，得到一组作物需水量数据组，然后分别采用初斜率法及尾斜率法对作物需水量数据组进行数据处理，对应得到一组初斜率数据及一组尾斜率数据，并分别建立拟合曲线以确定斜率规律，进而根据该斜率规律预测需水量待预测年份的预测作物需水量，提高了作物需水量预测精度，能够为解决水资源调配问题提供精度较高的基础数据。
针对于上一实施例的步骤S104，其中所描述的依据初斜率预测值及尾斜率预测值计算需水量待预测年份的预测作物需水量，其具体可以为先根据初斜率预测值及尾斜率预测值分别计算预测作物需水量，再选择二者中较为合适的预测作物需水量作为该需水量待预测年份的预测作物需水量，下面结合图5进行说明。
请参考图5，图5为图1所提供的一种作物需水量预测的方法中S104的一种实际表现方式的流程图。
其具体包括以下步骤：
S501：依据初斜率预测值计算第一预测作物需水量，并依据尾斜率预测值计算第二预测作物需水量；
S502：计算第一预测作物需水量与数据结束年份的作物需水量的第一差值，以及第二预测作物需水量与数据结束年份的作物需水量的第二差值；
S503：当第一差值与第二差值同号时，将第一差值与第二差值中绝对值较小者对应的预测作物需水量作为需水量待预测年份的预测作物需水量。
可选的，当第一差值与第二差值异号时，还可以计算第一预测作物需水量与第二预测作物需水量的平均值，并将平均值作为需水量待预测年份的预测作物需水量。
由于初、尾斜率法拟合方程不同，可能导致两方法拟合出的数据开始年份至需水量待预测年份间的斜率不同，故本申请实施例先根据初斜率预测值及尾斜率预测值反推预测的作物需水量，再选择二者中较为合适的预测作物需水量作为需水量待预测年份的预测作物需水量，即先计算第一预测作物需水量与数据结束年份的作物需水量的第一差值，以及第二预测作物需水量与数据结束年份的作物需水量的第二差值；当第一差值与第二差值同号时，将第一差值与第二差值中绝对值较小者对应的预测作物需水量作为需水量待预测年份的预测作物需水量。
针对于上一实施例的步骤S103，其中所描述的依据初斜率建立初斜率拟合曲线以及依据尾斜率数据建立尾斜率拟合曲线，其具体也可以根据用户输入的选取点生成初始拟合曲线，并依据预设规则进行筛选，下面结合图6进行说明。
请参考图6，图6为图1所提供的一种作物需水量预测的方法中S103的一种实际表现方式的流程图。
其具体包括以下步骤：
S601：接收用户输入的初斜率选取点，并根据初斜率选取点对应的数据生成初始初斜率拟合曲线；
请参考图7至图9，图7为初斜率选取点为13-53的初始初斜率拟合曲线图；图8为初斜率选取点为40-53的初始初斜率拟合曲线图；图9为初斜率选取点为48-53的初始初斜率拟合曲线图；其中，选取点13代表1954-1975年间天津地区冬小麦作物需水量斜率，选取点40代表1954-2002年间天津地区冬小麦作物需水量斜率，选取点48代表1954-2010年间天津地区冬小麦作物需水量斜率，选取点53代表1954-2015年间天津地区冬小麦作物需水量斜率。
S602：根据预设规则从初始初斜率拟合曲线中选取初斜率拟合曲线；
这里提到的预设规则，其具体可以包括：
(1)曲线通过数据最末点或接近最末点为宜；
(2)相关系数R2接近1为宜；
(3)如果数据列线性趋势明显，则应进行线性拟合，并结合数据序列整体趋势对曲线和线性方程进行择优选取。
例如，如图7所示，该初始初斜率拟合曲线相关性较高，但相距第53点较远，不符合预设规则第(1)条；
如图8所示，该初始初斜率拟合曲线线性趋势明显，因此拟合曲线包括直线方程与曲线方程，直线方程末端略微向上偏移，偏离第53点，不符合预设规则第(1)条，而曲线方程与第53点匹配较好，符合预设规则第(1)条；直线方程的相关系数R2＝0.9949，曲线方程的相关系数R2＝0.9953，相比直线方程，曲线方程的相关系数更接近1，故曲线方程更符合预设规则第(2)条；因此，此处拟合以曲线方程为优；
如图9所示，该初始初斜率拟合曲线中的直线方程与曲线方程分别在第53点略上和略下，不符合预设规则第(1)条；
因此综合考虑，选用图8所示的初始初斜率拟合曲线中的曲线方程为初斜率拟合曲线。
S603：接收用户输入的尾斜率选取点，并根据尾斜率选取点对应的数据生成初始尾斜率拟合曲线；
请参考图10，图10为尾斜率选取点为10-53的初始尾斜率拟合曲线图；其中，选取点10代表1997-2015年间天津地区冬小麦作物需水量斜率，选取点53代表1954-2015年间天津地区冬小麦作物需水量斜率。
S604：根据预设规则从初始尾斜率拟合曲线中选取尾斜率拟合曲线。
如图10所示，数据曲线趋势明显，且拟合曲线与第53点匹配较好，符合预设规则第(1)条；相关系数R2＝0.9907，接近1，符合第二原则；数据整体线性趋势不明显，不适用预设规则第(3)条；在本申请实施例中，经试验后发现其他周期拟合曲线或直线均与第53点匹配较差，且相关系数小于图10中初始尾斜率拟合曲线的相关系数，因此，选用图10中的初始尾斜率拟合曲线为尾斜率拟合曲线；
需要说明的是，步骤S601-S602与步骤S603-S604之间并没有明显的顺序关系，步骤S603-S604也可以排在步骤S601-S602之前，本申请对此不做具体限定。
请参考图11，图11为本申请实施例所提供的一种作物需水量预测的系统的结构图。
该系统可以包括：
第一计算模块100，用于根据输入的环境参数计算数据开始年份至数据结束年份间每一年的作物需水量，得到一组作物需水量数据组；
第二计算模块200，用于分别采用初斜率法及尾斜率法对作物需水量数据组进行数据处理，对应得到一组初斜率数据及一组尾斜率数据；其中，初斜率法为从数据开始年份n起，计算n至n+9年间、n至n+10年间、n至n+11年间、...、n至数据结束年份N间的作物需水量斜率；尾斜率法为从数据结束年份N起，计算N-9至N年间、N-10至N年间、N-11至N年间、...、n至N年间的作物需水量斜率；
拟合曲线建立模块300，用于依据初斜率数据建立初斜率拟合曲线，并利用初斜率拟合曲线计算数据开始年份至需水量待预测年份间的初斜率预测值；依据尾斜率数据建立尾斜率拟合曲线，并利用尾斜率拟合曲线计算数据开始年份至需水量待预测年份间的尾斜率预测值；
需水量预测模块400，用于依据初斜率预测值及尾斜率预测值计算需水量待预测年份的预测作物需水量。
请参考图12，图12为本申请实施例所提供的另一种作物需水量预测的系统的结构图。
该需水量预测模块400可以包括：
第一计算子模块，用于依据初斜率预测值计算第一预测作物需水量，并依据尾斜率预测值计算第二预测作物需水量；
第二计算子模块，用于计算第一预测作物需水量与数据结束年份的作物需水量的第一差值，以及第二预测作物需水量与数据结束年份的作物需水量的第二差值；
选择子模块，用于当第一差值与第二差值同号时，将第一差值与第二差值中绝对值较小者对应的预测作物需水量作为需水量待预测年份的预测作物需水量。
进一步的，该需水量预测模块400还可以包括：
第三计算子模块，用于当第一差值与第二差值异号时，计算第一预测作物需水量与第二预测作物需水量的平均值，并将平均值作为需水量待预测年份的预测作物需水量。
该拟合曲线建立模块300可以包括：
第一接收子模块，用于接收用户输入的初斜率选取点，并根据初斜率选取点对应的数据生成初始初斜率拟合曲线；
第一选取子模块，用于根据预设规则从初始初斜率拟合曲线中选取初斜率拟合曲线；
第二接收子模块，用于接收用户输入的尾斜率选取点，并根据尾斜率选取点对应的数据生成初始尾斜率拟合曲线；
第二选取子模块，用于根据预设规则从初始尾斜率拟合曲线中选取尾斜率拟合曲线。
由于系统部分的实施例与方法部分的实施例相互对应，因此系统部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
请参考图13，图13为本申请实施例所提供的一种作物需水量预测设备的结构图。
该作物需水量预测设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)622(例如，一个或一个以上处理器)和存储器632，一个或一个以上存储应用程序642或数据644的存储介质630(例如一个或一个以上海量存储设备)。其中，存储器632和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对装置中的一系列指令操作。更进一步地，中央处理器622可以设置为与存储介质630通信，在作物需水量预测设备600上执行存储介质630中的一系列指令操作。
作物需水量预测设备600还可以包括一个或一个以上电源626，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口658，和/或，一个或一个以上操作系统641，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
上述图1至图10所描述的作物需水量预测的方法中的步骤由作物需水量预测设备基于该图13所示的结构实现。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置、设备和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，功能调用装置，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本申请所提供的一种作物需水量预测的方法、系统、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (8)

1.一种作物需水量预测的方法，其特征在于，包括：
根据输入的环境参数计算数据开始年份至数据结束年份间每一年的作物需水量，得到一组作物需水量数据组；
分别采用初斜率法及尾斜率法对所述作物需水量数据组进行数据处理，对应得到一组初斜率数据及一组尾斜率数据；其中，所述初斜率法为从所述数据开始年份n起，计算n至n+9年间、n至n+10年间、n至n+11年间、...、n至数据结束年份N间的作物需水量斜率；所述尾斜率法为从所述数据结束年份N起，计算N-9至N年间、N-10至N年间、N-11至N年间、...、n至N年间的作物需水量斜率；
依据所述初斜率数据建立初斜率拟合曲线，并利用所述初斜率拟合曲线计算所述数据开始年份至需水量待预测年份间的初斜率预测值；依据所述尾斜率数据建立尾斜率拟合曲线，并利用所述尾斜率拟合曲线计算所述数据开始年份至所述需水量待预测年份间的尾斜率预测值；
依据所述初斜率预测值及所述尾斜率预测值计算所述需水量待预测年份的预测作物需水量；
所述依据所述初斜率预测值及所述尾斜率预测值计算所述需水量待预测年份的预测作物需水量，包括：
依据所述初斜率预测值计算第一预测作物需水量，并依据所述尾斜率预测值计算第二预测作物需水量；
计算所述第一预测作物需水量与所述数据结束年份的作物需水量的第一差值，以及所述第二预测作物需水量与所述数据结束年份的作物需水量的第二差值；
当所述第一差值与所述第二差值同号时，将所述第一差值与所述第二差值中绝对值较小者对应的预测作物需水量作为所述需水量待预测年份的预测作物需水量。
2.根据权利要求1所述的方法，其特征在于，当所述第一差值与所述第二差值异号时，还包括：
计算所述第一预测作物需水量与所述第二预测作物需水量的平均值，并将所述平均值作为所述需水量待预测年份的预测作物需水量。
3.根据权利要求1所述的方法，其特征在于，所述依据所述初斜率数据建立初斜率拟合曲线，包括：
接收用户输入的初斜率选取点，并根据所述初斜率选取点对应的数据生成初始初斜率拟合曲线；
根据预设规则从所述初始初斜率拟合曲线中选取所述初斜率拟合曲线；
所述依据所述尾斜率数据建立尾斜率拟合曲线，对应包括：
接收用户输入的尾斜率选取点，并根据所述尾斜率选取点对应的数据生成初始尾斜率拟合曲线；
根据所述预设规则从所述初始尾斜率拟合曲线中选取所述尾斜率拟合曲线。
4.一种作物需水量预测的系统，其特征在于，包括：
第一计算模块，用于根据输入的环境参数计算数据开始年份至数据结束年份间每一年的作物需水量，得到一组作物需水量数据组；
第二计算模块，用于分别采用初斜率法及尾斜率法对所述作物需水量数据组进行数据处理，对应得到一组初斜率数据及一组尾斜率数据；其中，所述初斜率法为从所述数据开始年份n起，计算n至n+9年间、n至n+10年间、n至n+11年间、...、n至数据结束年份N间的作物需水量斜率；所述尾斜率法为从所述数据结束年份N起，计算N-9至N年间、N-10至N年间、N-11至N年间、...、n至N年间的作物需水量斜率；
拟合曲线建立模块，用于依据所述初斜率数据建立初斜率拟合曲线，并利用所述初斜率拟合曲线计算所述数据开始年份至需水量待预测年份间的初斜率预测值；依据所述尾斜率数据建立尾斜率拟合曲线，并利用所述尾斜率拟合曲线计算所述数据开始年份至所述需水量待预测年份间的尾斜率预测值；
需水量预测模块，用于依据所述初斜率预测值及所述尾斜率预测值计算所述需水量待预测年份的预测作物需水量；
所述需水量预测模块包括：
第一计算子模块，用于依据所述初斜率预测值计算第一预测作物需水量，并依据所述尾斜率预测值计算第二预测作物需水量；
第二计算子模块，用于计算所述第一预测作物需水量与所述数据结束年份的作物需水量的第一差值，以及所述第二预测作物需水量与所述数据结束年份的作物需水量的第二差值；
选择子模块，用于当所述第一差值与所述第二差值同号时，将所述第一差值与所述第二差值中绝对值较小者对应的预测作物需水量作为所述需水量待预测年份的预测作物需水量。
5.根据权利要求4所述的系统，其特征在于，所述需水量预测模块还包括：
第三计算子模块，用于当所述第一差值与所述第二差值异号时，计算所述第一预测作物需水量与所述第二预测作物需水量的平均值，并将所述平均值作为所述需水量待预测年份的预测作物需水量。
6.根据权利要求4所述的系统，其特征在于，所述拟合曲线建立模块包括：
第一接收子模块，用于接收用户输入的初斜率选取点，并根据所述初斜率选取点对应的数据生成初始初斜率拟合曲线；
第一选取子模块，用于根据预设规则从所述初始初斜率拟合曲线中选取所述初斜率拟合曲线；
第二接收子模块，用于接收用户输入的尾斜率选取点，并根据所述尾斜率选取点对应的数据生成初始尾斜率拟合曲线；
第二选取子模块，用于根据所述预设规则从所述初始尾斜率拟合曲线中选取所述尾斜率拟合曲线。
7.一种作物需水量预测设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至3任一项所述作物需水量预测的方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述作物需水量预测的方法的步骤。
CN201811528505.XA 2018-12-13 2018-12-13 一种作物需水量预测的方法、系统及设备 Active CN109657854B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811528505.XA CN109657854B (zh) 2018-12-13 2018-12-13 一种作物需水量预测的方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811528505.XA CN109657854B (zh) 2018-12-13 2018-12-13 一种作物需水量预测的方法、系统及设备

Publications (2)

Publication Number Publication Date
CN109657854A CN109657854A (zh) 2019-04-19
CN109657854B true CN109657854B (zh) 2023-07-04

Family

ID=66114005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811528505.XA Active CN109657854B (zh) 2018-12-13 2018-12-13 一种作物需水量预测的方法、系统及设备

Country Status (1)

Country Link
CN (1) CN109657854B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110580657B (zh) 2019-10-12 2020-06-16 中国水利水电科学研究院 农业灌溉需水量预测方法
CN112989560A (zh) * 2021-01-25 2021-06-18 河南锐利特计算机科技有限公司 一种基于墒情气象数据计算农作物需水量的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105494033A (zh) * 2015-10-30 2016-04-20 青岛智能产业技术研究院 一种基于作物需求的智能节水灌溉方法
CN106570627A (zh) * 2016-11-02 2017-04-19 河海大学 一种未来气候条件下作物灌溉需水量计算方法
KR101831316B1 (ko) * 2017-05-16 2018-02-22 (주)종성테크 앙상블 인공지능 알고리즘을 사용한 상수도 유량 예측 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2999700B1 (fr) * 2012-12-14 2015-07-10 Thales Sa Procede et dispositif pour fournir sur une interface homme machine les donnees relatives a un plan de vol

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105494033A (zh) * 2015-10-30 2016-04-20 青岛智能产业技术研究院 一种基于作物需求的智能节水灌溉方法
CN106570627A (zh) * 2016-11-02 2017-04-19 河海大学 一种未来气候条件下作物灌溉需水量计算方法
KR101831316B1 (ko) * 2017-05-16 2018-02-22 (주)종성테크 앙상블 인공지능 알고리즘을 사용한 상수도 유량 예측 방법

Also Published As

Publication number Publication date
CN109657854A (zh) 2019-04-19

Similar Documents

Publication Publication Date Title
EP3179319B1 (en) Method for irrigation planning and system for its implementation
Zou et al. An optimal nudging data assimilation scheme using parameter estimation
Amin et al. Effects of climate change on the yield and cropping area of major food crops: A case of Bangladesh
Ahmadipour et al. Assessment of empirical methods for estimating potential evapotranspiration in Zabol Synoptic Station by REF-ET model
CN109657854B (zh) 一种作物需水量预测的方法、系统及设备
KR101515003B1 (ko) 일사량 예측방법
CN109345046B (zh) 光伏功率的预测方法及装置
CN104143043B (zh) 一种多功能气候数据获取方法
CN106204117A (zh) 多任务环境下众包平台定价方法
Lu et al. An update of US temperature trends
Nie et al. Characterizing spatiotemporal dynamics of CH4 fluxes from rice paddies of cold region in Heilongjiang Province under climate change
CN113016450A (zh) 一种温室作物灌溉方法及系统
JP5772986B2 (ja) 農作業支援方法及び農作業支援装置
CN112381315A (zh) 一种基于pso优化的ls-svm智能台区负荷预测方法及系统
Kassing et al. Optimal control for precision irrigation of a large‐scale plantation
Parsons et al. Plant growth analysis: a program for the fitting of lengthy series of data by the method of B-splines
JP2016038348A (ja) 計画策定方法、計画策定システム及び計画策定プログラム
Garg et al. A proposed method to determine yield response factors of different crops under deficit irrigation using inverse formulation approach
CN112580844A (zh) 气象数据处理方法、装置、设备及计算机可读存储介质
CN111323847B (zh) 用于为模拟集成算法确定权重比的方法和设备
Suksamosorn et al. Post-processing of NWP forecasts using Kalman filtering with operational constraints for day-ahead solar power forecasting in Thailand
JP6679102B2 (ja) 出荷数量予測装置、出荷数量予測方法、及びプログラム
CN112801364A (zh) 基于miv与改进蝙蝠算法的参考作物腾发量预测方法
CN116432849A (zh) 一种基于初级生产力数据同化的叶面积指数预测方法
Endo et al. Energy–Water Management System Based on MPC for a Greenhouse in a Mapuche Indigenous Community

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