CN110689173A - 一种灌区农业灌溉用水需求决策方法及系统 - Google Patents
一种灌区农业灌溉用水需求决策方法及系统 Download PDFInfo
- Publication number
- CN110689173A CN110689173A CN201910866176.8A CN201910866176A CN110689173A CN 110689173 A CN110689173 A CN 110689173A CN 201910866176 A CN201910866176 A CN 201910866176A CN 110689173 A CN110689173 A CN 110689173A
- Authority
- CN
- China
- Prior art keywords
- irrigation
- water
- area
- soil
- module
- 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.)
- Pending
Links
- 238000003973 irrigation Methods 0.000 title claims abstract description 178
- 230000002262 irrigation Effects 0.000 title claims abstract description 178
- 239000003621 irrigation water Substances 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 32
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 151
- 239000002689 soil Substances 0.000 claims abstract description 91
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000007726 management method Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000013523 data management Methods 0.000 claims description 7
- 239000010410 layer Substances 0.000 claims description 7
- 239000002344 surface layer Substances 0.000 claims description 6
- 238000002310 reflectometry Methods 0.000 claims description 4
- 239000002352 surface water Substances 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 210000004209 hair Anatomy 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 210000002268 wool Anatomy 0.000 claims description 3
- 230000008859 change Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000003306 harvesting Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000009736 wetting Methods 0.000 description 3
- 239000002028 Biomass Substances 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 2
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 241000209149 Zea Species 0.000 description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 235000005822 corn Nutrition 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 239000012468 concentrated sample Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 239000008213 purified water Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (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
本发明公开了一种灌区农业灌溉用水需求决策方法及系统,其中决策方法包括以下步骤:首先基于3S技术计算灌区的土壤含水量、区域作物种植结构、作物日耗水量等并生成基于土壤水量平衡的土壤墒情预测模型;之后获取大尺度区域灌溉需水预测模型;之后建立基于垂直干旱指数差异的实际灌概面积监测模型;根据土壤墒情预测模型、区域灌溉需水预测模型和实际灌概面积监测模型构建灌区水资源优化配置模型;最后开发出一键式的灌区灌溉用水决策支持系统。本发明能够根据不同地区的遥感数据、气候条件、土壤类型等情况,实现灌区种植结构自动解译、灌区旱情信息监测及预警、实际灌溉面积监测、灌溉水利用效率和灌区农业需水量等的自动计算。
Description
技术领域
本发明属于农业灌溉决策方法技术领域,尤其是涉及一种灌区农业灌溉用水需求决策方法及系统。
背景技术
黄河流域水资源贫乏,属资源性缺乏地区,流域人均水资源占有量约473m3,仅为全国平均水平的23%。黄河以其占全国2%的水资源,承担了占全国15%耕地面积和12%人口的供水任务。黄河流域已成为我国水资源最为紧缺、供需矛盾最为突出、生态环境最为脆弱的地区。而黄河流域农业用水比重大,灌溉管理方式粗放,农业用水浪费严重,用水效率低,面对水资源供需严重短缺、而农业用水浪费的矛盾,强化水资源管理,提高农业用水效率,是缓解水资源供需不足矛盾的重要途径。
为推进农业水资源高效利用,我国逐步加快了农田水利现代化建设。而农田水利建设、管理、发挥效益主要在灌区,实现农田水利现代化,主要在于实现灌区现代化,即建设现代化灌区。然而总体上,我国大部分灌区工程设施标准低,管理信息化水平低,灌溉效率与效益不高,灌区服务较薄弱。与现代农业发展、节水型社会、生态文明建设的要求不相适应,与国家现代化建设的步伐不相协调。特别是在灌溉用水管理方面,大部分灌区根据历史用水数据并结合降水情况进行大概估算,缺少必要的预报技术,不能实现精细化用水管理。
近年来,我国虽然加大了灌区信息化建设,但大部分灌区灌溉管理与服务仍采用传统方式,仅约三分之一的大型灌区开展了不同程度信息化建设,配套完善了相应的通信设施,信息采集监测基本实现了数字化、远程化。灌区管理机构一般设有灌溉控制室,对节制闸、分水闸水位、流量等进行视频监控甚至遥测遥控,自动控制闸门启闭及配水计量,也有少数灌区布置了一定数量的实时土壤墒情监测点。但总体上看,灌区信息化广度、深度不高,基本以基础信息采集和工程管理系统为主,而对于上传信息的分析和研判不够,无法利用其开展精细管理。
而农业灌溉用水需求信息是灌区生存、发展的重要内容,利用现代技术手段开展农业灌溉用水需求信息分析也日益受到重视。但受限于灌溉用水需求模拟预测技术和土壤墒情采集技术等,现有的灌区农业用水灌溉控制方法和精准灌溉系统等均只能停留在面积小于 300亩的典型区域进行,且存在墒情信息采集系统投资与需求预测精度矛盾的突出问题,无法真正根据作物需水情况配置灌溉用水,也无法开展大规模的推广应用。
针对灌区现代化建设需求和农业灌溉用水过程预测相对薄弱的现状,基于RS、GIS等技术开展农业灌溉用水信息的研究迫在眉睫,利用现代科技引领灌区发展。这将对提升灌区农业用水管理水平、提高水资源利用效率等具有重要意义。因此,需要研究一种新的灌区农业灌溉用水需求决策方法。
发明内容
有鉴于此,本发明的目的是针对现有技术的不足,提供一种灌区农业灌溉用水需求决策方法及系统,能够根据不同地区的遥感数据、气候条件、土壤类型等情况,实现灌区种植结构自动解译、灌区旱情信息监测及预警、实际灌溉面积监测、灌溉水利用效率和灌区农业需水量等的自动计算等,为灌区农业用水的综合水量调度决策提供科学支撑和技术支持。
为达到上述目的,本发明采用以下技术方案:
一种灌区农业灌溉用水需求决策方法,包括如下步骤:
S1、基于3S技术,计算灌区的土壤含水量、区域作物种植结构、作物日耗水量等并生成基于土壤水量平衡的土壤墒情预测模型;
S2、获取区域灌溉需水预测模型,所述区域灌溉需水预测模型包括各类作物次灌溉需水量预测模块、区域旬灌溉需水量预测模块、单元毛灌溉需水量计算模块、灌区灌溉需水量模块和灌溉水利用效率模块;
S3、建立基于垂直干旱指数差异的实际灌概面积监测模型;
S4、根据土壤墒情预测模型、区域灌溉需水预测模型和实际灌概面积监测模型构建灌区水资源优化配置模型。
进一步地,所述灌区水资源优化配置模型包括支渠口控制范围内灌区水资源优化配置模型。
进一步地,所述灌区水资源优化配置模型包括灌区尺度水资源优化配置模型。
进一步地,在步骤S1中,灌区的土壤含水量的计算方法如下:
耦合现场布设的一定数量土壤墒情采集仪,由计算机根据定点实测土壤表层含水量值与温度植被干旱指数TVDI拟合求出,由程序自动调用拟合函数得到多种拟合方程,并根据相关系数R2判断确定,选取R2最大的方程作为最优拟合方程;
TVDI的定义为:
TMIN=a+b×NDVI
TMAX=c+d×NDVI
上式中:T为任意像元的地表温度;TMIN、TMAX是NDVI对应的最小、最大地表温度,分别代表湿边(TVDI=0)和干边(TVDI=1);a、b、c、d为系数,由线性拟合得到;NDVI为植被指数;
归一化植被指数NDVI是反映土地覆盖植被状况的参数,当土壤含水率低植被缺水时,植被指数也会下降;植被生长较好时,NDVI值也较大;
上式中:R为红波段的反射率;NIR为近红外波段的反射率;
反演得到的表层土壤含水量值与实测的深层土壤含水量值相拟合,由程序自动调用拟合函数得到多种拟合方程,并根据相关系数R2判断确定,选取R2最大的方程作为反演深层含水量的最优拟合方程;由土壤表层土壤含水量和拟合方程,从而计算得到灌区深层土壤含水量。
进一步地,在步骤S2中,获取区域灌溉需水预测模型,包括:
各类作物次灌溉需水量预测模块:
所述区域旬灌溉需水量预测:
计算单元毛灌溉需水量模块:
W毛=Wt/W田;
灌区灌溉需水量模块:
进一步地,在步骤S3中,基于垂直干旱指数差异的实际灌概面积监测模型为:
I=PDIt1-PDIt2
I>a
式中:I代表某个像素区域受灌概影响的程度,I越小表明灌概的影响越小;PDIt1是灌概之前的PDI;PDIt2是灌概之后的PDI;a为判定灌区进行灌溉的阈值;土壤含水量的变化不一定是因为灌溉所造成的,所以需要设定一个差异阈值,只有变化程度大于该阈值时,才可以认为该像元处的土壤水分变化是由灌溉造成的;阈值如果选取过小,没有灌溉的区域会被误认为发生灌溉,反之则发生灌溉的区域被误认为没有进行灌溉;所以阈值的选取需要符合当地实际情况;阈值的选取方法如下:将实地考察时间段的计算结果与考察的GPS点进行校对,如果确认发生灌溉的GPS点不在计算结果内,说明该阈值选择过大;如果确认未发生灌溉的GPS点出现在计算结果内,说明该阈值选择过小,据此对阈值进行调整;降雨也会对土壤含水量变化产生很大影响,但是可以选择影像来避开降水时期。
进一步地,本发明还提供一种灌区农业灌溉用水需求决策系统,包括系统功能模块、数据输入模块、基于GIS的数据管理与编辑模块、信息发布模块和系统管理模块;
所述系统功能模块包括灌区种植结构单元、土壤墒情单元、土壤墒情预测单元、有效灌溉面积单元、水分利用率单元、灌溉需水量预测单元和水资源优化配置单元,用于实现对灌区种植结构、实际灌溉面积、水分利用率的分析计算,以及土壤墒情、灌溉需水量的预测分析,并实现水资源的优化配置;
所述数据输入模块包括图像数据单元、统计数据单元和描述数据单元,用于输入图像数据、统计数据和描述数据;
所述基于GIS的数据管理与编辑模块包括空间数据库、属性数据库和数据字典,用于数据的管理与编辑;
所述信息发布模块包括表格数据输出单元和专题地图输出单元,用于输出展示表格数据和专题地图数据;
所述系统管理模块包括系统维护单元、系统设置单元、系统帮助单元、视图单元,用于系统的维护、设置和帮助,并提供视图。
进一步地,所述专题地图输出单元的输出展示数据包括基本地图数据展示、种植结构分类结果展示、土壤表层含水量反演、土壤深层含水量估测和土壤含水量预测结果展示。
本发明的有益效果是:
1、本发明能够有效提升灌区农业用水管理水平、提高水资源利用效率。
2、本发明使灌区作物得到适时、适量的灌溉,从而及时调整灌区的灌溉用水计划,不仅提高灌水效率,还能提高灌区的粮食产量。
3、本发明实现实时动态的自动化灌溉,极大提高了劳动生产力并减低了劳动成本。
4、本发明能够实现土壤水分、地下水位等数据的自动采集与传输以及大气温度、降雨等预测数据的自动抓取,节省了人工实地测量的工作量,也保证了数据的连续性。
5、本发明能够动态监测灌区实际灌溉面积发展状态,可以使管理者及时掌握灌区灌溉动态。
6、本发明提供了一种作物日耗水量ETi-1的计算方法,该方法公式所需输入参数仅为当日最高、最低气温与下一日平均温度,这些数据都能可以从气象站与天气预报中简单获取,简化原作物日耗水量通用公式Penman-Montieth方程所需的参数种类与计算过程。
7、本发明提供了一种灌区水资源优化配置模型,建立并联水库群优化调度模型,即灌区水资源优化配置模型,并设计优化算法,计算任意“水库”在作物生育期各阶段的最优放水策略,结合支渠控制范围尺度水资源优化配置模型,得到灌区水资源优化配置方案。
本发明能根据动态监测到的灌区种植结构结合灌区墒情信息以及预测的气象信息,对灌区的墒情信息进行预警、实时监测灌区的灌溉面积、预测灌区实时动态的需水量以及实时控制灌区农业灌溉水量调度。
本发明能够根据不同地区的遥感数据、气候条件、土壤类型等情况,实现灌区种植结构自动解译、灌区旱情信息监测及预警、实际灌溉面积监测、灌溉水利用效率和灌区农业需水量等的自动计算等,为灌区农业用水的综合水量调度决策提供科学支撑和技术支持。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本发明一种灌区农业灌溉用水需求决策方法的流程图;
图2为本发明一种灌区农业灌溉用水需求决策系统的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例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发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
如图1所示,一种灌区农业灌溉用水需求决策方法,包括如下步骤:
S1、基于3S技术,计算灌区的土壤含水量、区域作物种植结构、作物日耗水量等并生成基于土壤水量平衡的土壤墒情预测模型;
S2、获取区域灌溉需水预测模型,所述区域灌溉需水预测模型包括各类作物次灌溉需水量预测模块、区域旬灌溉需水量预测模块、单元毛灌溉需水量计算模块、灌区灌溉需水量模块和灌溉水利用效率模块;
S3、建立基于垂直干旱指数差异的实际灌概面积监测模型;
S4、根据土壤墒情预测模型、区域灌溉需水预测模型和实际灌概面积监测模型构建灌区水资源优化配置模型。
另外,所述灌区水资源优化配置模型包括支渠口控制范围内灌区水资源优化配置模型。
另外,所述灌区水资源优化配置模型包括灌区尺度水资源优化配置模型。
另外,各模块的具体内容如下:
1)灌区种植结构模块
固化现有的道路、河流、湖泊、水库、村庄等,根据灌区的作物种植情况选取不同作物的样本点集,在某种作物样本点集中选取一部分点,利用遥感影像上的数据信息计算影像区域内的植被指数(如NDVI),利用植被指数建立作物的生长曲线;根据每种作物的生长曲线分析其在不同时相(不同生育周期)的变化特点及不同作物的生长曲线在同一时相呈现出的不同特征,找到可以划分出不同作物的植被指数阈值。根据灌区的作物种植情况,采用目视解译、监督分类、基于植被指数时间序列的决策树分类相结合的方法对灌区的种植结构进行分类。利用样本点集中的另外一部分点作为验证点,检验灌区种植结构分类结果的精度。
决策树分类过程可以利用计算机进行自动解译,例如有些灌区冬小麦10月份播种,6 月份收获;夏玉米6月份播种,10月份收获;棉花4月份播种,10月份收获。自动解译的公式可以设置为,冬小麦:NDVI5月>NDVI4月>NDVI3月>NDVI2月>a;夏玉米:NDVI9月>NDVI8月>NDVI7月>NDVI6月&NDVI6月<b;棉花:NDVI8月>NDVI7月>NDVI6月>NDVI5月&NDVI4月<c。其中,参数a、b、c的值由灌区作物的种植情况和生长情况决定。
2)作物产量模块
根据上述种植结构分类结果,利用CASA模型估算灌区内主要作物的净初级生产力(NPP),NPP的估算可以由植物的光合有效辐射(APAR)和实际光能利用率(ε)两个因子来表示,其估算公式如下:
NPP(x,t)=APAR(x,t)×ε(x,t)
上式中,APAR(x,t)表示像元x在t月吸收的光合有效辐射(g C·m-2·month-1),ε(x,t) 表示像元x在t月的实际光能利用率(g C·MJ-1)。
NPP与生物量之间存在很好的数量关系,收获指数又是生物量和产量的关键参数,故由NPP和收获指数(HI,harvest index)就可得到作物产量(Yield),可以使用一下公式进行描述:
Yield=NPP×HI
在实际生产中,不同作物的收获指数有所差异,而且同一作物因不同的区域条件,碳分配存在部分差异,即不同区域的收获指数有所不同。
3)土壤墒情模块
耦合现场布设的一定数量土壤墒情采集仪,由计算机根据定点实测土壤表层含水量值与其对应的卫星影像像元属性值(温度植被干旱指数,TVDI)拟合求出,由程序自动调用拟合函数得到多种拟合方程,并根据相关系数R2判断确定,选取R2最大的方程作为最优拟合方程。
TVDI的定义为:
TMIN=a+b×NDVI
TMAX=c+d×NDVI
上式中:T为任意像元的地表温度;TMIN、TMAX是NDVI对应的最小、最大地表温度,分别代表湿边(TVDI=0)和干边(TVDI=1);a、b、c、d为系数,由线性拟合得到;NDVI为植被指数。
归一化植被指数NDVI是反映土地覆盖植被状况的参数,当土壤含水率低植被缺水时,植被指数也会下降;植被生长较好时,NDVI值也较大。
上式中:R为红波段(Landsat8-OLI卫星数据第4波段)的反射率;NIR为近红外波段(Landsat8-OLI卫星数据第5波段)的反射率。
反演得到的表层土壤含水量值与实测的深层土壤含水量值相拟合,由程序自动调用拟合函数得到多种拟合方程,并根据相关系数R2判断确定,选取R2最大的方程作为反演深层含水量的最优拟合方程。由土壤表层土壤含水量和拟合方程,从而计算得到灌区深层土壤含水量。
4)实际灌溉面积模块
垂直干旱指数PDI可以反映主壤的含水情况,PDI越大,土壌含水量越少。因此,可以利用PDI进行灌概面积监测。
式中,Rred、Rnir为Red、Nir波段的反射率,M为土壤基线BC的斜率,直线L为经过原点且垂直于土壤基线的垂线。
从Nir-Red三角形特征空间上任取一点E(Rred,Rnir),从点E(Rred,Rnir)到土壤基线的法线(直线L)的距离EF,即为所求垂直干旱指数PDI。PDI以Nir-Red三角形特征空间中任意一点E(Rred,Rnir)到该法线的距离EF来表征区域干旱状况,EF距离即为E 点PDI值。
基于垂直干旱指数差异的实际灌概面积监测模型为:
I=PDIt1-PDIt2
I>a
式中:I代表某个像素区域受灌概影响的程度,I越小表明灌概的影响越小;PDIt1是灌概之前的PDI;PDIt2是灌概之后的PDI;a为判定灌区进行灌溉的阈值。土壤含水量的变化不一定是因为灌溉所造成的,所以需要设定一个差异阈值,只有变化程度大于该阈值时,才可以认为该像元处的土壤水分变化是由灌溉造成的。阈值如果选取过小,没有灌溉的区域会被误认为发生灌溉,反之则发生灌溉的区域被误认为没有进行灌溉。所以阈值的选取需要符合当地实际情况。阈值的选取方法如下:将实地考察时间段的计算结果与考察的GPS点进行校对,如果确认发生灌溉的GPS点不在计算结果内,说明该阈值选择过大;如果确认未发生灌溉的GPS点出现在计算结果内,说明该阈值选择过小,据此对阈值进行调整。降雨也会对土壤含水量变化产生很大影响,但是可以选择影像来避开降水时期。
5)灌溉水利用效率模块
为了能够定量计算灌区的灌溉水利用效率,建构水量平衡模型,以灌区内生育期蒸散发量与降水量只差表示灌区灌溉水的有效利用效率,计算灌区灌溉水有效利用系数。计算公式如下:
I+Pf+PN=ETN+ETf+D
I=(ETN-PN)+(ETf-Pf)+D
ηN=(ETf-Pf)/(I-D)
上式中,I为灌区灌溉水量,Pf为降水量,PN为地下水利用量,ETN为蒸发量,ETf为蒸腾量,D为水分下渗量,ηN为灌溉水利用效率。
6)灌溉用水需求模块
所述基于土壤水量平衡的土壤墒情预测模型为:
式中:θi:预测土壤含水量;θi-1:上一时段土壤含水量;ETi-1:作物日耗水量;Ri-1:计算时段内有效降雨量,可用气象预报数据;Gi-1:作物利用地下水量;△W:计划湿润层增加而增加的水量,各类作物生育阶段土壤计划湿润层视为固定值,故此项仅在作物进入下一生育阶段时参与预测;Fi-1:深层渗漏量;γ:土壤容重;H:计划湿润层深度。
优选的,获取区域灌溉需水预测模型,包括:
所述各类作物次灌溉需水量预测模块:
所述区域旬灌溉需水量预测:
计算单元毛灌溉需水量模块:
W毛=Wt/W田;
灌区灌溉需水量模块:
7)预警预报功能:灌区旱情信息、需水信息预报、配水方案。
①灌区旱情信息预警
基于灌区种植作物的分布及土壤含水量值,结合不同作物不同生育期的需水量值,如果土壤含水量值小于作物需水的最小值,系统就判定出现了土壤墒情,并对此作出响应,在可视化图层上高亮显示。
②需水信息预报
根据上面灌溉用水量模块的统计信息结合灌区行政区域的划分,统计得出不同行政区的灌溉需水量,并以报表的形式对用户进行提示。
③配水方案
一是构建支渠口控制范围内灌区水资源优化配置模型。以支渠口控制范围尺度的灌区水循环模型为基础,建立支渠口控制范围内一定灌水量条件下水资源优化配置方案;
以净水量产生的净效益之和最大为目标。即
其中:mi为分配给每个支渠的净水量;F为净效益。
二是构建灌区尺度水资源优化配置模型。以支渠口控制范围内水资源优化配置模型为研究基础,将灌区进行数字化处理:包括河流数字化处理、水库数字化(即将研究区内灌渠配合闸门概化为一系列可进行蓄水调度的并联水库)、用水户数字化(各支渠口控制范围内农田灌溉各为一个用水户、其余用水单元整合为一个用水户);在数字化处理的基础上,借鉴水库群优化调度的思路,建立并联水库群优化调度模型,即灌区水资源优化配置模型,并设计优化算法,计算任意“水库”在作物生育期各阶段的最优放水策略,结合支渠控制范围尺度水资源优化配置模型,得到灌区水资源优化配置方案。
实施例二
如图2所示,本发明还提供一种灌区农业灌溉用水需求决策系统,包括系统功能模块、数据输入模块、基于GIS的数据管理与编辑模块、信息发布模块和系统管理模块;
所述系统功能模块包括灌区种植结构单元、土壤墒情单元、土壤墒情预测单元、实际灌溉面积单元、灌溉水利用效率单元、灌溉需水量预测单元和水资源优化配置单元,用于实现对灌区种植结构、实际灌溉面积、灌溉水利用效率的分析计算,以及土壤墒情、灌溉需水量的预测分析,并实现水资源的优化配置;
所述数据输入模块包括图像数据单元、统计数据单元和描述数据单元,用于输入图像数据、统计数据和描述数据;
所述基于GIS的数据管理与编辑模块包括空间数据库、属性数据库和数据字典,用于数据的管理与编辑;
所述信息发布模块包括表格数据输出单元和专题地图输出单元,用于输出展示表格数据和专题地图数据;
所述系统管理模块包括系统维护单元、系统设置单元、系统帮助单元、视图单元,用于系统的维护、设置和帮助,并提供视图。
另外,所述专题地图输出单元的输出展示数据包括基本地图数据展示、种植结构分类结果展示、土壤表层含水量反演、土壤深层含水量估测和土壤含水量预测结果展示。
本系统是集3S技术、传感器技术、通讯技术、计算机技术等于一体的系统平台,其利用卫星遥感影像,ENVI、Google earth等软件平台,结合物联网技术,采用多种传感器实时监测土壤和地下水变化情况,通过无线方式将采集到的数据传输到中央数据库,配合本地的生态大数据系统开展综合分析与智能决策。系统基于.net平台,以C#为开发语言,采用基于Windows的用户界面框架WPF进行框架的搭建;系统采用自主研发的算法、模型,实现灌区内种植结构精细化分类、实时监测农田土壤墒情、灌溉水利用效率计算、灌区实际灌溉面积计算、获得不同控制范围内灌溉需水量和灌溉需水量预测,向用户控制端发送旱情信息及灌溉需水预报,可有效支撑灌区管理和水资源精细管理。
本系统通过统计不同植被类型的NDVI数据,对遥感影像采用决策树算法分析得出结果影像并渲染;仅需用户选取源数据所在文件夹和结果文件目标文件夹,其余选项,本系统均实现自动筛选和操作;将所需参数从影像数据集头文件中自动读取并录入系统,除存储在网站数据库中的数据外,无需用户再自行查询;选用多种拟合方式,筛选出最准确的拟合方程来进行数据拟合及数据预测,保证最大精度;利用数据结构Dictionary相关类重新编写干、湿边计算算法,通过全新映射结构,进行有效区间梯度设置,异常排除等,计算过程时间缩短至20s左右,效率提高大约10倍。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种灌区农业灌溉用水需求决策方法,其特征在于:包括如下步骤:
S1、基于3S技术,计算灌区的土壤含水量、区域作物种植结构、作物日耗水量等并生成基于土壤水量平衡的土壤墒情预测模型;
S2、获取区域灌溉需水预测模型,所述区域灌溉需水预测模型包括各类作物次灌溉需水量预测模块、区域旬灌溉需水量预测模块、单元毛灌溉需水量计算模块、灌区灌溉需水量模块和灌溉水利用效率模块;
S3、建立基于垂直干旱指数差异的实际灌概面积监测模型;
S4、根据土壤墒情预测模型、区域灌溉需水预测模型和实际灌概面积监测模型构建灌区水资源优化配置模型。
2.根据权利要求1所述的灌区农业灌溉用水需求决策方法,其特征在于:所述灌区水资源优化配置模型包括支渠口控制范围内灌区水资源优化配置模型。
3.根据权利要求1所述的灌区农业灌溉用水需求决策方法,其特征在于:所述灌区水资源优化配置模型包括灌区尺度水资源优化配置模型。
4.根据权利要求1所述的灌区农业灌溉用水需求决策方法,其特征在于:在步骤S1中,灌区的土壤含水量的计算方法如下:
耦合现场布设的一定数量土壤墒情采集仪,由计算机根据定点实测土壤表层含水量值与温度植被干旱指数TVDI拟合求出,由程序自动调用拟合函数得到多种拟合方程,并根据相关系数R2判断确定,选取R2最大的方程作为最优拟合方程;
TVDI的定义为:
TMIN=a+b×NDVI
TMAX=c+d×NDVI
上式中:T为任意像元的地表温度;TMIN、TMAX是NDVI对应的最小、最大地表温度,TVDI=0代表湿边和TVDI=1代表干边;a、b、c、d为系数,由线性拟合得到;NDVI为植被指数;
归一化植被指数NDVI是反映土地覆盖植被状况的参数,当土壤含水率低植被缺水时,植被指数也会下降;植被生长较好时,NDVI值也较大;
上式中:R为红波段的反射率;NIR为近红外波段的反射率;
反演得到的表层土壤含水量值与实测的深层土壤含水量值相拟合,由程序自动调用拟合函数得到多种拟合方程,并根据相关系数R2判断确定,选取R2最大的方程作为反演深层含水量的最优拟合方程;由土壤表层土壤含水量和拟合方程,从而计算得到灌区深层土壤含水量。
6.根据权利要求1所述的灌区农业灌溉用水需求决策方法,其特征在于:在步骤S3中,基于垂直干旱指数差异的实际灌概面积监测模型为:
I=PDIt1-PDIt2
I>a
式中:I代表某个像素区域受灌概影响的程度,I越小表明灌概的影响越小;PDIt1是灌概之前的PDI;PDIt2是灌概之后的PDI;a为判定灌区进行灌溉的阈值。
7.一种灌区农业灌溉用水需求决策系统,其特征在于:包括系统功能模块、数据输入模块、基于GIS的数据管理与编辑模块、信息发布模块和系统管理模块;
所述系统功能模块包括灌区种植结构单元、土壤墒情单元、土壤墒情预测单元、有效灌溉面积单元、水分利用率单元、灌溉需水量预测单元和水资源优化配置单元,用于实现对灌区种植结构、有效灌溉面积、水分利用率的分析计算,以及土壤墒情、灌溉需水量的预测分析,并实现水资源的优化配置;
所述数据输入模块包括图像数据单元、统计数据单元和描述数据单元,用于输入图像数据、统计数据和描述数据;
所述基于GIS的数据管理与编辑模块包括空间数据库、属性数据库和数据字典,用于数据的管理与编辑;
所述信息发布模块包括表格数据输出单元和专题地图输出单元,用于输出展示表格数据和专题地图数据;
所述系统管理模块包括系统维护单元、系统设置单元、系统帮助单元、视图单元,用于系统的维护、设置和帮助,并提供视图。
8.根据权利要求7所述的灌区农业灌溉用水需求决策系统,其特征在于:所述专题地图输出单元的输出展示数据包括基本地图数据展示、种植结构分类结果展示、土壤表层含水量反演、土壤深层含水量估测和土壤含水量预测结果展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910866176.8A CN110689173A (zh) | 2019-09-12 | 2019-09-12 | 一种灌区农业灌溉用水需求决策方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910866176.8A CN110689173A (zh) | 2019-09-12 | 2019-09-12 | 一种灌区农业灌溉用水需求决策方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110689173A true CN110689173A (zh) | 2020-01-14 |
Family
ID=69109152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910866176.8A Pending CN110689173A (zh) | 2019-09-12 | 2019-09-12 | 一种灌区农业灌溉用水需求决策方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110689173A (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401790A (zh) * | 2020-04-14 | 2020-07-10 | 清华大学 | 地表用水量计算方法、装置、计算机设备和存储介质 |
CN111401649A (zh) * | 2020-03-23 | 2020-07-10 | 成都信息工程大学 | 一种依据气候变化进行灌溉流量预测的方法和系统 |
CN111626892A (zh) * | 2020-04-02 | 2020-09-04 | 珠海智信佰达科技有限公司 | 一种灌区需水量计量监测方法及系统 |
CN111667376A (zh) * | 2020-06-19 | 2020-09-15 | 黄河勘测规划设计研究院有限公司 | 一种基于北斗导航通信技术的灌区节水管理系统 |
CN111882181A (zh) * | 2020-07-10 | 2020-11-03 | 黄河水利委员会黄河水利科学研究院 | 一种用于输水渠道自动控制算法中水位约束参数的定量计算方法 |
CN112270124A (zh) * | 2020-10-23 | 2021-01-26 | 河海大学 | 一种实时灌溉方法及系统 |
CN113065090A (zh) * | 2021-04-07 | 2021-07-02 | 中国水利水电科学研究院 | 一种区域农田灌溉用水量分析计算方法 |
CN113588922A (zh) * | 2021-08-02 | 2021-11-02 | 北京安赛博技术有限公司 | 一种作物根系原位识别和监测的方法和系统 |
CN113701814A (zh) * | 2021-08-26 | 2021-11-26 | 武汉鑫索维科技有限公司 | 一种灌区用水调度用水量监测系统及使用方法 |
CN113762637A (zh) * | 2021-09-16 | 2021-12-07 | 黑龙江八一农垦大学 | 一种大棚种植黄瓜浇水量动态智能预测方法 |
CN113919746A (zh) * | 2021-11-09 | 2022-01-11 | 天津大学 | 一种灌区水资源精细化调度模型系统 |
CN114048951A (zh) * | 2021-10-13 | 2022-02-15 | 江苏禹治流域管理技术研究院有限公司 | 智慧灌区自动化监控系统 |
CN114391466A (zh) * | 2022-03-24 | 2022-04-26 | 山东省鲁南地质工程勘察院(山东省地质矿产勘查开发局第二地质大队) | 一种水文勘探用的地下水位动态定位装置及方法 |
CN114781217A (zh) * | 2022-04-24 | 2022-07-22 | 中国农业大学 | 圆形喷灌机移动滴灌系统水力设计方法、装置和设备 |
CN114925944A (zh) * | 2022-07-25 | 2022-08-19 | 中国科学院地理科学与资源研究所 | 一种地下水位恢复量的预测方法 |
CN115527125A (zh) * | 2022-10-19 | 2022-12-27 | 中国农业大学 | 一种基于卫星观测和深层神经网络的农田渗漏量估算方法 |
CN115644039A (zh) * | 2022-10-19 | 2023-01-31 | 武汉市中城事大数据有限责任公司 | 基于农业系统模型的灌溉决策系统及方法 |
CN115879745A (zh) * | 2023-02-23 | 2023-03-31 | 珠海智信佰达科技有限公司 | 一种农业灌溉用水分析调度和业务管理方法及平台 |
CN116090744A (zh) * | 2022-12-02 | 2023-05-09 | 广东省水利水电科学研究院 | 山地丘陵区小型灌区灌溉用水配置方法、计算机装置及存储介质 |
CN116326460A (zh) * | 2023-05-24 | 2023-06-27 | 中国农业科学院农业环境与可持续发展研究所 | 一种多通道数据采集方法及农作物精准灌溉施肥控制系统 |
CN116451886A (zh) * | 2023-06-20 | 2023-07-18 | 创辉达设计股份有限公司 | 一种高标准农田水平衡计算方法 |
CN116664340A (zh) * | 2023-07-25 | 2023-08-29 | 长江信达软件技术(武汉)有限责任公司 | 一种适用于干旱地区的灌域级水量调度方法 |
CN116777037A (zh) * | 2023-04-18 | 2023-09-19 | 中国农业大学 | 一种生态用水配水策略优化方法 |
TWI821719B (zh) * | 2021-08-04 | 2023-11-11 | 國立中興大學 | 預測水稻用水需求的系統及方法 |
CN117114450A (zh) * | 2023-10-19 | 2023-11-24 | 江西农业大学 | 一种灌溉用水决策方法及系统 |
CN117291906A (zh) * | 2023-11-01 | 2023-12-26 | 泰安时代园林科技开发有限公司 | 一种园林景观节能灌溉系统 |
CN117296689A (zh) * | 2023-11-17 | 2023-12-29 | 锦玉电力科技有限公司 | 一种基于井电双控的节能灌溉方法和系统 |
CN117370823A (zh) * | 2023-12-05 | 2024-01-09 | 恒健达(辽宁)医学科技有限公司 | 一种用于农业种植的喷淋控制方法及系统 |
WO2024007141A1 (zh) * | 2022-07-05 | 2024-01-11 | 中国农业科学院农田灌溉研究所 | 一种区域深层土壤水分估算模型建立方法与系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104424390A (zh) * | 2013-09-06 | 2015-03-18 | 中国水利水电科学研究院 | 灌溉面积监测方法及装置 |
CN106845808A (zh) * | 2017-01-10 | 2017-06-13 | 北京师范大学 | 基于遥感数据反演的灌区稻田智能灌排决策方法和系统 |
CN110050673A (zh) * | 2019-04-30 | 2019-07-26 | 黄河水利委员会黄河水利科学研究院 | 一种智能灌溉管理系统 |
-
2019
- 2019-09-12 CN CN201910866176.8A patent/CN110689173A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104424390A (zh) * | 2013-09-06 | 2015-03-18 | 中国水利水电科学研究院 | 灌溉面积监测方法及装置 |
CN106845808A (zh) * | 2017-01-10 | 2017-06-13 | 北京师范大学 | 基于遥感数据反演的灌区稻田智能灌排决策方法和系统 |
CN110050673A (zh) * | 2019-04-30 | 2019-07-26 | 黄河水利委员会黄河水利科学研究院 | 一种智能灌溉管理系统 |
Non-Patent Citations (4)
Title |
---|
吴黎: "《MODIS遥感信息处理方法及应用》", 30 June 2016, 哈尔滨工程大学出版社 * |
张丽丽等: "利用土壤表层含水量序列预测深层含水量的研究", 《水土保持学报》 * |
杜培军等: "《遥感科学与进展》", 28 February 2007, 中国矿业大学出版社 * |
王军涛等: "基于GIS的引黄灌区用水需求预报系统研究", 《节水灌溉》 * |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401649A (zh) * | 2020-03-23 | 2020-07-10 | 成都信息工程大学 | 一种依据气候变化进行灌溉流量预测的方法和系统 |
CN111626892A (zh) * | 2020-04-02 | 2020-09-04 | 珠海智信佰达科技有限公司 | 一种灌区需水量计量监测方法及系统 |
CN111401790A (zh) * | 2020-04-14 | 2020-07-10 | 清华大学 | 地表用水量计算方法、装置、计算机设备和存储介质 |
CN111401790B (zh) * | 2020-04-14 | 2020-12-01 | 清华大学 | 地表用水量计算方法、装置、计算机设备和存储介质 |
CN111667376A (zh) * | 2020-06-19 | 2020-09-15 | 黄河勘测规划设计研究院有限公司 | 一种基于北斗导航通信技术的灌区节水管理系统 |
CN111882181A (zh) * | 2020-07-10 | 2020-11-03 | 黄河水利委员会黄河水利科学研究院 | 一种用于输水渠道自动控制算法中水位约束参数的定量计算方法 |
CN111882181B (zh) * | 2020-07-10 | 2023-09-29 | 黄河水利委员会黄河水利科学研究院 | 一种用于输水渠道自动控制算法中水位约束参数的定量计算方法 |
CN112270124A (zh) * | 2020-10-23 | 2021-01-26 | 河海大学 | 一种实时灌溉方法及系统 |
CN112270124B (zh) * | 2020-10-23 | 2023-12-01 | 河海大学 | 一种实时灌溉方法及系统 |
CN113065090A (zh) * | 2021-04-07 | 2021-07-02 | 中国水利水电科学研究院 | 一种区域农田灌溉用水量分析计算方法 |
CN113588922A (zh) * | 2021-08-02 | 2021-11-02 | 北京安赛博技术有限公司 | 一种作物根系原位识别和监测的方法和系统 |
TWI821719B (zh) * | 2021-08-04 | 2023-11-11 | 國立中興大學 | 預測水稻用水需求的系統及方法 |
CN113701814A (zh) * | 2021-08-26 | 2021-11-26 | 武汉鑫索维科技有限公司 | 一种灌区用水调度用水量监测系统及使用方法 |
CN113762637A (zh) * | 2021-09-16 | 2021-12-07 | 黑龙江八一农垦大学 | 一种大棚种植黄瓜浇水量动态智能预测方法 |
CN113762637B (zh) * | 2021-09-16 | 2022-04-29 | 黑龙江八一农垦大学 | 一种大棚种植黄瓜浇水量动态智能预测方法 |
CN114048951A (zh) * | 2021-10-13 | 2022-02-15 | 江苏禹治流域管理技术研究院有限公司 | 智慧灌区自动化监控系统 |
CN113919746A (zh) * | 2021-11-09 | 2022-01-11 | 天津大学 | 一种灌区水资源精细化调度模型系统 |
CN114391466A (zh) * | 2022-03-24 | 2022-04-26 | 山东省鲁南地质工程勘察院(山东省地质矿产勘查开发局第二地质大队) | 一种水文勘探用的地下水位动态定位装置及方法 |
CN114781217B (zh) * | 2022-04-24 | 2024-02-02 | 中国农业大学 | 圆形喷灌机移动滴灌系统水力设计方法、装置和设备 |
CN114781217A (zh) * | 2022-04-24 | 2022-07-22 | 中国农业大学 | 圆形喷灌机移动滴灌系统水力设计方法、装置和设备 |
WO2024007141A1 (zh) * | 2022-07-05 | 2024-01-11 | 中国农业科学院农田灌溉研究所 | 一种区域深层土壤水分估算模型建立方法与系统 |
CN114925944A (zh) * | 2022-07-25 | 2022-08-19 | 中国科学院地理科学与资源研究所 | 一种地下水位恢复量的预测方法 |
CN115644039A (zh) * | 2022-10-19 | 2023-01-31 | 武汉市中城事大数据有限责任公司 | 基于农业系统模型的灌溉决策系统及方法 |
CN115527125A (zh) * | 2022-10-19 | 2022-12-27 | 中国农业大学 | 一种基于卫星观测和深层神经网络的农田渗漏量估算方法 |
CN115644039B (zh) * | 2022-10-19 | 2023-10-24 | 武汉市中城事大数据有限责任公司 | 基于农业系统模型的灌溉决策系统及方法 |
CN116090744A (zh) * | 2022-12-02 | 2023-05-09 | 广东省水利水电科学研究院 | 山地丘陵区小型灌区灌溉用水配置方法、计算机装置及存储介质 |
CN116090744B (zh) * | 2022-12-02 | 2023-11-07 | 广东省水利水电科学研究院 | 山地丘陵区小型灌区灌溉用水配置方法、计算机装置及存储介质 |
CN115879745A (zh) * | 2023-02-23 | 2023-03-31 | 珠海智信佰达科技有限公司 | 一种农业灌溉用水分析调度和业务管理方法及平台 |
CN116777037B (zh) * | 2023-04-18 | 2024-01-30 | 中国农业大学 | 一种生态用水配水策略优化方法 |
CN116777037A (zh) * | 2023-04-18 | 2023-09-19 | 中国农业大学 | 一种生态用水配水策略优化方法 |
CN116326460A (zh) * | 2023-05-24 | 2023-06-27 | 中国农业科学院农业环境与可持续发展研究所 | 一种多通道数据采集方法及农作物精准灌溉施肥控制系统 |
CN116326460B (zh) * | 2023-05-24 | 2023-08-04 | 中国农业科学院农业环境与可持续发展研究所 | 一种多通道数据采集方法及农作物精准灌溉施肥控制系统 |
CN116451886B (zh) * | 2023-06-20 | 2023-10-10 | 创辉达设计股份有限公司 | 一种高标准农田水平衡计算方法 |
CN116451886A (zh) * | 2023-06-20 | 2023-07-18 | 创辉达设计股份有限公司 | 一种高标准农田水平衡计算方法 |
CN116664340B (zh) * | 2023-07-25 | 2023-12-12 | 长江信达软件技术(武汉)有限责任公司 | 一种适用于干旱地区的灌域级水量调度方法 |
CN116664340A (zh) * | 2023-07-25 | 2023-08-29 | 长江信达软件技术(武汉)有限责任公司 | 一种适用于干旱地区的灌域级水量调度方法 |
CN117114450A (zh) * | 2023-10-19 | 2023-11-24 | 江西农业大学 | 一种灌溉用水决策方法及系统 |
CN117114450B (zh) * | 2023-10-19 | 2024-02-02 | 江西农业大学 | 一种灌溉用水决策方法及系统 |
CN117291906A (zh) * | 2023-11-01 | 2023-12-26 | 泰安时代园林科技开发有限公司 | 一种园林景观节能灌溉系统 |
CN117296689A (zh) * | 2023-11-17 | 2023-12-29 | 锦玉电力科技有限公司 | 一种基于井电双控的节能灌溉方法和系统 |
CN117296689B (zh) * | 2023-11-17 | 2024-04-09 | 锦玉电力科技有限公司 | 一种基于井电双控的节能灌溉方法和系统 |
CN117370823A (zh) * | 2023-12-05 | 2024-01-09 | 恒健达(辽宁)医学科技有限公司 | 一种用于农业种植的喷淋控制方法及系统 |
CN117370823B (zh) * | 2023-12-05 | 2024-02-20 | 恒健达(辽宁)医学科技有限公司 | 一种用于农业种植的喷淋控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110689173A (zh) | 一种灌区农业灌溉用水需求决策方法及系统 | |
CN110209077B (zh) | 基于互联网的远程灌排系统实时动态监测系统 | |
Koutroulis et al. | Impact of climate change on water resources status: A case study for Crete Island, Greece | |
CN106713342B (zh) | 一种基于b/s架构的灌区配水综合管理方法 | |
CN112765800A (zh) | 一种分布式水资源配置模型的设计方法 | |
CN108958329B (zh) | 一种滴灌水肥一体化智能决策方法 | |
CN104521699A (zh) | 田间智能灌溉在线控制管理方法 | |
Wang et al. | Web-based decision support system for canal irrigation management | |
CN105230450A (zh) | 一种智能式灌溉快速诊断装置与方法 | |
Liu et al. | Optimization of planning structure in irrigated district considering water footprint under uncertainty | |
Huang et al. | Assessing grain crop water productivity of China using a hydro-model-coupled-statistics approach: Part I: Method development and validation | |
Miao et al. | Spatio-temporal variability of streamflow in the Yellow River: possible causes and implications | |
CN108446999A (zh) | 基于冠气温差和遥感信息进行灌区不同作物et估算方法 | |
CN111062537A (zh) | 临河灌区节水量计算方法与系统 | |
CN112700035B (zh) | 一种区域尺度农作物分区水肥管理模式的优化方法 | |
CN113039908A (zh) | 一种施肥和灌溉动态决策方法及系统 | |
CN110599360A (zh) | 一种干旱区农作物生长季蒸散发高分辨率遥感估算方法 | |
Peng et al. | Assessing climate change impacts on the ecohydrology of the Jinghe River basin in the Loess Plateau, China | |
Hu et al. | Ecological security assessment and ecological management zoning based on ecosystem services in the West Liao River Basin | |
CN111460744A (zh) | 一种内陆河上游地区的土地利用规划方法及规划系统 | |
Sui et al. | Spatiotemporal variation of cultivated land ecosystem stability in typical regions of Lower Liaohe Plain China based on stress-buffer-response | |
CN114897423A (zh) | 基于作物水分指示线的农田灌溉概率指数计算方法 | |
Wu et al. | A collaborated framework to improve hydrologic ecosystem services management with sparse data in a semi-arid basin | |
Jia et al. | Coupling crop growth and hydrologic models to predict crop yield with spatial analysis technologies | |
CN117010717A (zh) | 一种基于全局不确定性分析的作物精准灌溉用水决策方法 |
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 |