CN111089827A - 一种柑橘园土壤水分渗透的测量系统及测量方法 - Google Patents

一种柑橘园土壤水分渗透的测量系统及测量方法 Download PDF

Info

Publication number
CN111089827A
CN111089827A CN202010015235.3A CN202010015235A CN111089827A CN 111089827 A CN111089827 A CN 111089827A CN 202010015235 A CN202010015235 A CN 202010015235A CN 111089827 A CN111089827 A CN 111089827A
Authority
CN
China
Prior art keywords
soil moisture
data
microcontroller
ith layer
jth
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.)
Granted
Application number
CN202010015235.3A
Other languages
English (en)
Other versions
CN111089827B (zh
Inventor
王卫星
杨明欣
占旭锐
周平
陈文彬
林佳翰
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.)
South China Agricultural University
Original Assignee
South China Agricultural University
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 South China Agricultural University filed Critical South China Agricultural University
Priority to CN202010015235.3A priority Critical patent/CN111089827B/zh
Publication of CN111089827A publication Critical patent/CN111089827A/zh
Application granted granted Critical
Publication of CN111089827B publication Critical patent/CN111089827B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423—Input/output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Automation & Control Theory (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Dispersion Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

本发明公开了一种柑橘园土壤水分渗透的测量系统及测量方法，该系统包括：测量设备、控制装置和执行装置；所述测量设备为多个土壤水分传感器，根据预设规则布置在待测量的土壤区域内；所述控制装置包括：微控制器、信号调理模块和显示模块；所述执行装置为电磁阀灌溉设备；所述土壤水分传感器通过串口与所述信号调理模块连接，所述信号调理模块通过串口与所述微控制器连接；所述微控制器分别通过串口与所述显示模块和所述电磁阀灌溉设备控制连接。该系统布置简单，微控制器根据相关指令和采集的测量数据，进行相关计算得到土壤水分的渗透率，通过显示模块进行显示；实现简易快速测量土壤水分渗透率，为柑橘灌溉作业提供指导，具有广阔的应用前景。

Description

一种柑橘园土壤水分渗透的测量系统及测量方法
技术领域
本发明涉及多传感器系统的环境监测领域，特别涉及一种柑橘园土壤水分渗透的测量系统及测量方法。
背景技术
我国是柑橘第一种植大国，我国柑橘主要生长在广东、广西和四川等山地地区。柑橘性喜温，需水量大，因而灌溉作业对于保证柑橘产量和品质有重要作用。
通常灌溉作业关注的是灌溉量，认为柑橘需水量等于灌溉量，忽略了土壤中的水分运动，造成柑橘根系补水量不足，对其发育生理过程有极大影响。其次，柑橘园内土地不平整，只测量某个点的数据影响模型计算准确性。
因此，如何进行准确土壤水分渗透的测量，提高灌溉有效性是亟需解决的问题。
发明内容
鉴于上述问题，本发明提供一种至少解决上述部分技术问题的柑橘园土壤水分渗透的测量系统及测量方法，该系统可简易快速测量土壤水分渗透，为柑橘灌溉作业提供指导。
第一方面，本发明实施例提供一种柑橘园土壤水分渗透的测量系统，包括：测量设备、控制装置和执行装置；
其中，所述测量设备为多个土壤水分传感器，根据预设规则布置在待测量的土壤区域内；所述控制装置包括：微控制器、信号调理模块和显示模块；所述执行装置为电磁阀灌溉设备；
所述土壤水分传感器通过串口与所述信号调理模块连接，所述信号调理模块通过串口与所述微控制器连接；
所述微控制器分别通过串口与所述显示模块和所述电磁阀灌溉设备控制连接。
进一步地，所述电磁阀灌溉设备包括：双稳态电磁阀以及相连的驱动电路；所述驱动电路通过串口与所述微控制器连接。
进一步地，所述双稳态电磁阀为SLXN7K50双稳态电磁阀；所述驱动电路由IRF520大功率MOS管及其外围电路组成，通过串口与所述微控制器连接。
进一步地，所述土壤水分传感器采用METER的EC-5小型传感器。
进一步地，所述信号调理模块由A/D转换器组成，通过串口与微控制器连接。
进一步地，所述微控制器采用STM32F407VGT6芯片。
第二方面，本发明还提供一种柑橘园土壤水分渗透的测量方法，包括：
S1：将待测量土壤自上而下均匀划分为a层，每层均匀布置b x b个土壤水分传感器，设每层高度差为h，相邻土壤水分传感器的距离为s；
S2：通过显示模块设置灌溉时间及灌溉完成与采集数据的时间间隔，向执行装置发送灌溉指令；
S3：执行装置完成灌溉作业后返回反馈数据至微控制器，微控制器等待采集数据时间，向测量设备发送采集数据指令；
S4：测量设备返回三次测量数据至微控制器，进入待机模式；
S5：所述测量数据通过信号调理模块转换为数字信号，在微控制器中求平均值并存储；
S6：将S4执行n+1次，其中前n次测量数据用于建立贝叶斯模型中的先验概率；
S7：根据所述先验概率及第n+1次测量数据，计算置信距离，筛选出最佳融合数；根据所述最佳融合数计算第i层水分估计值、以及第i层与第i+1层的水分渗透率。
进一步地，所述S6中，前n次测量数据用于建立贝叶斯模型中的先验概率，包括：
S61：设第i层，第j个传感器，一次测量平均值记为xijk；对于第i层，第j个土壤水分传感器，数据矩阵Fij为:
Fij＝[xij1,xij2,......,xijk,......,xijn]，其中i＝1,2...a,a+1；j＝1,2......,b2，k＝1,2......n；
S62：将作物含水量近似认为区域化变量，服从正态分布，计算μij和σij使得
Figure BDA0002358636160000035
其中，μij和σij分别为第i层第j个土壤水分传感器n次测量数据的均值、标准差；
Figure BDA0002358636160000031
Figure BDA0002358636160000032
S63：对于第i层，测量数据平均值矩阵Fi为
Figure BDA0002358636160000033
其中i＝1,2...a,a+1，j＝1,2......,b2；
利用公式(1)(2)计算μi和σi使得
Figure BDA0002358636160000034
其中Yi表示在第i层中b2个土壤水分传感器数据平均值，μi和σi表示分别为第i层中b2个土壤水分传感器数据平均值的均值、标准差。
进一步地，所述S7包括：
S71：在第n+1次测量数据中，对第i层土壤水分传感器的测量数据进行选择；利用公式(3)计算第i层中任意两个土壤水分传感器测量数据之间的置信距离，利用公式(4)计算每个传感器数据的概率密度函数，获得一个b2 x b2的置信距离矩阵Di；
Figure BDA0002358636160000041
Figure BDA0002358636160000042
其中dij(j+1)表示第i层中第j个与第j+1个土壤水分传感器第n+1次测量数据之间的置信距离，积分上限为xij，积分下限为xi(j+1)，xij和xi(j+1)分别表示第j个、j+1个土壤水分传感器第n+1次测量数据，Pij、μij、σij分别表示第i层第j个土壤水分传感器前n次测量数据的概率密度函数、均值和标准差；同理可求di(j+1)j，即第i层中第j+1个与第j个土壤水分传感器第n+1次测量数据之间的置信距离，积分上限为xi(j+1)，积分下限为xij；j＝1,2,......,b2；
Figure BDA0002358636160000043
S72：临界值βij(j+1)由土壤水分传感器前n次测量数据的变异系数确定，利用公式(5)(6)判定Di中每个数据可靠性，得到一个二值矩阵Ri，即只有0和1；
Figure BDA0002358636160000044
式(5)中，Cij(j+1)v为第i层第j个与第j+1个土壤水分传感器第n+1次测量数据的变异系数，μij(j+1)为第i层第j个与第j+1个土壤水分传感器前n次测量数据的均值之差，μij(j+1)＝μij-μi(j+1)；σij(j+1)为第i层第j个与第j+1个土壤水分传感器前n次测量数据的标准差平方和再开方，
Figure BDA0002358636160000051
同理可求Ci(j+1)jv、μij(j+1)、σij(j+1)，
Figure BDA0002358636160000052
Figure BDA0002358636160000053
式(6)中，dij(j+1)表示表示第i层中第j个与第j+1个土壤水分传感器第n+1次测量数据之间的置信距离，rij(j+1)为判别结果，同理可用di(j+1)j和βi(j+1)j求ri(j+1)j；
Figure BDA0002358636160000054
S73：由二值矩阵对多个土壤水分传感器测量数据进行选择，产生最佳融合数；
S74：将μi、
Figure BDA0002358636160000055
和最佳融合数对应l个的μij、
Figure BDA0002358636160000056
代入贝叶斯融合估计公式(7)求得第i层的水分估计值；
Figure BDA0002358636160000057
(7)式中，xij为第i层第j个土壤水分传感器第n+1次测量数据，μi和σi分别为第i层中b2个土壤水分传感器前n次数据平均值的均值、标准差；
S75：根据上述步骤得到a层的水分估计值a个，由达西定律(8)计算第i层与第i+1层的水分渗透率；
Figure BDA0002358636160000061
(8)式中，Δp＝Δhρg,g＝9.81m/s2,Δh为相邻两层之间的压差，ρ为水密度；
A为测量的横截面积，A＝(bs)2；Q为流量，
Figure BDA0002358636160000062
μ为水粘度；ΔL为相邻两层高度差。
本发明实施例提供的一种柑橘园土壤水分渗透的测量系统，包括：测量设备、控制装置和执行装置；其中，所述测量设备为多个土壤水分传感器，根据预设规则布置在待测量的土壤区域内；所述控制装置包括：微控制器、信号调理模块和显示模块；所述执行装置为电磁阀灌溉设备；所述土壤水分传感器通过串口与所述信号调理模块连接，所述信号调理模块通过串口与所述微控制器连接；所述微控制器分别通过串口与所述显示模块和所述电磁阀灌溉设备控制连接。该系统中微控制器发出灌溉指令，电磁阀灌溉设备开启进行灌溉，微控制器再发出采集指令，所有土壤水分传感器开始测量并返回三组测量数据，由微控制器计算平均值并以此作为一次测量结果，并进行相关计算得到土壤水分的渗透率，通过显示模块进行显示。该系统布置简单，可简易快速测量土壤水分渗透，为柑橘灌溉作业提供指导，具有广阔的应用前景。
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。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例提供的柑橘园土壤水分渗透的测量系统的结构框图；
图2为本发明实施例提供的土壤水分传感器的布置示意图；
图3为本发明实施例提供的柑橘园土壤水分渗透的测量方法的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例1：
参照图1所示，本发明提供的柑橘园土壤水分渗透的测量系统，包括：测量设备、控制装置和执行装置；其中，测量设备为多个土壤水分传感器，根据预设规则布置在待测量的土壤区域内；为获得更有效的测量数据，需要先划定所需要测量的区域，根据柑橘的根系分布，合理划分测量的层数和个数。比如：参照图2所示，将待测量的土壤区域均匀划分为a层，每层均匀布置bxb个土壤水分传感器，相邻两层高度差为h，相邻的土壤水分传感器的距离为s。当然也可以是其他布置方式，也可根据柑橘园具体的地势环境、土壤分类进行布置。
上述控制装置包括：微控制器、信号调理模块和显示模块；另外，电源模块可内置到控制装置内，也可以外置。执行装置为电磁阀灌溉设备。土壤水分传感器通过串口与信号调理模块连接，信号调理模块通过串口与微控制器连接；微控制器分别通过串口与显示模块和电磁阀灌溉设备控制连接。控制装置与电磁阀灌溉设备均布设与柑橘果园内。
本实施例中，在具体实施时，可通过显示模块进行命令设置。比如可以设置灌溉时间(比如包括开始时间、结束时间或灌溉时长)、灌溉完成与采集测量数据的时间间隔；并可输入灌溉指令。微控制器根据显示模块接收的设置参数，可发出灌溉指令，电磁阀灌溉设备开启进行灌溉，微控制器再发出采集指令；土壤水分传感器可将采集的数据通过信号调理模块进行转换，转换为数字信号，传输给微控制器。所有土壤水分传感器开始测量并返回三组测量数据，由微控制器计算平均值并以此作为一次测量结果，并进行相关计算得到土壤水分的渗透率，最后再通过显示模块进行显示。该系统布置简单，可简易快速测量土壤水分渗透，为柑橘灌溉作业提供指导，具有广阔的应用前景。
其中，执行装置为电磁阀灌溉设备，该电磁阀灌溉设备包括：双稳态电磁阀以及相连的驱动电路；其中驱动电路与微控制器相连，并采用三极管驱动MOS管进而间接驱动双稳态电磁阀工作。该双稳态电磁阀可为SLXN7K50双稳态电磁阀，该驱动电路由IRF520大功率MOS管及其外围电路组成。
上述土壤水分传感器采用METER的EC-5小型传感器，通过串口与信号调理模块连接；信号调理模块由A/D转换器组成，通过串口与微控制器连接；微控制器采用ST(意法半导体)公司基于ARM Cortex-M4内核的STM32F407VGT6芯片；显示模块比如可采用多种型号的触摸显示屏，通过串口与微控制器连接。
参照图3所示，在本实施例中，可利用b x b个土壤水分传感器的前n次测量数据建立贝叶斯先验概率，用先验概率和第n+1次的测量数据计算置信距离，筛选出最佳融合数，利用融合公式计算水分估计值，并进一步可计算第i层与第i+1层的水分渗透率。
本实施例中，该系统在布置后，可通过采用分层式测量、采用多个土壤水分传感器，可多次测量不同深度的土壤含水量，获取更多数据，并构建置信距离矩阵筛选因土地不平整造成积水等影响计算的数据。根据需要灵活计算不同层之间的水分渗透率。
实施例2：
参照图3所示，本发明还提供一种柑橘园土壤水分渗透的测量方法，包括如下：
S1：将待测量土壤自上而下均匀划分为a层，每层均匀布置b x b个土壤水分传感器，设每层高度差为h，相邻土壤水分传感器的距离为s；
S2：通过显示模块设置灌溉时间及灌溉完成与采集数据的时间间隔，向执行装置发送灌溉指令；
S3：执行装置完成灌溉作业后返回反馈数据至微控制器，微控制器等待采集数据时间，向测量设备发送采集数据指令；
S4：测量设备返回三次测量数据至微控制器，进入待机模式；
S5：所述测量数据通过信号调理模块转换为数字信号，在微控制器中求平均值并存储；对于第i层，第j个传感器，一次测量平均值记为xijk；
S6：将S4执行n+1次，其中前n次测量数据用于建立贝叶斯模型中的先验概率；
S7：根据所述先验概率及第n+1次测量数据，计算置信距离，筛选出最佳融合数；根据所述最佳融合数计算第i层水分估计值、以及第i层与第i+1层的水分渗透率。
其中，S6中，前n次测量数据用于建立贝叶斯模型中的先验概率，包括：
S61：设第i层，第j个传感器，一次测量平均值记为xijk；对于第i层，第j个土壤水分传感器，数据矩阵Fij为:
Fij＝[xij1,xij2,......,xijk,......,xijn]，其中i＝1,2...a,a+1；j＝1,2......,b2，k＝1,2......n；
S62：将作物含水量近似认为区域化变量，服从正态分布，计算μij和σij使得
Figure BDA0002358636160000091
其中，μij和σij分别为第i层第j个土壤水分传感器n次测量数据的均值、标准差；
Figure BDA0002358636160000092
Figure BDA0002358636160000093
S63：对于第i层，测量数据平均值矩阵Fi为
Figure BDA0002358636160000101
其中i＝1,2...a,a+1，j＝1,2......,b2；
利用公式(1)(2)计算μi和σi使得
Figure BDA0002358636160000102
其中Yi表示在第i层中b2个土壤水分传感器数据平均值，μi和σi表示分别为第i层中b2个土壤水分传感器数据平均值的均值、标准差。
上述述S7包括：
S71：在第n+1次测量数据中，对第i层土壤水分传感器的测量数据进行选择；利用公式(3)计算第i层中任意两个土壤水分传感器测量数据之间的置信距离，利用公式(4)计算每个传感器数据的概率密度函数，获得一个b2 x b2的置信距离矩阵Di；
Figure BDA0002358636160000103
Figure BDA0002358636160000104
其中dij(j+1)表示第i层中第j个与第j+1个土壤水分传感器第n+1次测量数据之间的置信距离，积分上限为xij，积分下限为xi(j+1)，xij和xi(j+1)分别表示第j个、j+1个土壤水分传感器第n+1次测量数据，Pij、μij、σij分别表示第i层第j个土壤水分传感器前n次测量数据的概率密度函数、均值和标准差；同理可求di(j+1)j，即第i层中第j+1个与第j个土壤水分传感器第n+1次测量数据之间的置信距离，积分上限为xi(j+1)，积分下限为xij；j＝1,2,......,b2；
Figure BDA0002358636160000105
S72：临界值βij(j+1)由土壤水分传感器前n次测量数据的变异系数确定，利用公式(5)(6)判定Di中每个数据可靠性，得到一个二值矩阵Ri，即只有0和1；
Figure BDA0002358636160000111
式(5)中，Cij(j+1)v为第i层第j个与第j+1个土壤水分传感器第n+1次测量数据的变异系数，μij(j+1)为第i层第j个与第j+1个土壤水分传感器前n次测量数据的均值之差，μij(j+1)＝μij-μi(j+1)；σij(j+1)为第i层第j个与第j+1个土壤水分传感器前n次测量数据的标准差平方和再开方，
Figure BDA0002358636160000112
同理可求Ci(j+1)jv、μij(j+1)、σij(j+1)，
Figure BDA0002358636160000113
Figure BDA0002358636160000114
式(6)中，dij(j+1)表示表示第i层中第j个与第j+1个土壤水分传感器第n+1次测量数据之间的置信距离，rij(j+1)为判别结果，同理可用di(j+1)j和βi(j+1)j求ri(j+1)j；
Figure BDA0002358636160000115
S73：由二值矩阵对多个土壤水分传感器测量数据进行选择，产生最佳融合数；删除不需要的数据。
S74：将μi、
Figure BDA0002358636160000116
和最佳融合数对应l个的μij、
Figure BDA0002358636160000117
代入贝叶斯融合估计公式(7)求得第i层的水分估计值；
Figure BDA0002358636160000121
(7)式中，xij为第i层第j个土壤水分传感器第n+1次测量数据，μi和σi分别为第i层中b2个土壤水分传感器前n次数据平均值的均值、标准差；
S75：根据上述步骤得到a层的水分估计值a个，由达西定律(8)计算第i层与第i+1层的水分渗透率；
Figure BDA0002358636160000122
(8)式中，Δp＝Δhρg,g＝9.81m/s2,Δh为相邻两层之间的压差，ρ为水密度；
A为测量的横截面积，A＝(bs)2；Q为流量，
Figure BDA0002358636160000123
μ为水粘度；ΔL为相邻两层高度差。
进一步地，可通过显示模块选择任意层数的水分估计值，微控制器计算所需要的水分渗透率后，再通过显示模块进行展示，可为柑橘灌溉作业提供指导，具有广阔的应用前景。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种柑橘园土壤水分渗透的测量系统，其特征在于，包括：测量设备、控制装置和执行装置；
其中，所述测量设备为多个土壤水分传感器，根据预设规则布置在待测量的土壤区域内；所述控制装置包括：微控制器、信号调理模块和显示模块；所述执行装置为电磁阀灌溉设备；
所述土壤水分传感器通过串口与所述信号调理模块连接，所述信号调理模块通过串口与所述微控制器连接；
所述微控制器分别通过串口与所述显示模块和所述电磁阀灌溉设备控制连接。
2.如权利要求1所述的一种柑橘园土壤水分渗透的测量系统，其特征在于，所述电磁阀灌溉设备包括：双稳态电磁阀以及相连的驱动电路；所述驱动电路通过串口与所述微控制器连接。
3.如权利要求2所述的一种柑橘园土壤水分渗透的测量系统，其特征在于，所述双稳态电磁阀为SLXN7K50双稳态电磁阀；所述驱动电路由IRF520大功率MOS管及其外围电路组成，通过串口与所述微控制器连接。
4.如权利要求1所述的一种柑橘园土壤水分渗透的测量系统，其特征在于，所述土壤水分传感器采用METER的EC-5小型传感器。
5.如权利要求1所述的一种柑橘园土壤水分渗透的测量系统，其特征在于，所述信号调理模块由A/D转换器组成，通过串口与微控制器连接。
6.如权利要求1所述的一种柑橘园土壤水分渗透的测量系统，其特征在于，所述微控制器采用STM32F407VGT6芯片。
7.一种柑橘园土壤水分渗透的测量方法，其特征在于，包括：
S1：将待测量土壤自上而下均匀划分为a层，每层均匀布置b x b个土壤水分传感器，设每层高度差为h，相邻土壤水分传感器的距离为s；
S2：通过显示模块设置灌溉时间及灌溉完成与采集数据的时间间隔，向执行装置发送灌溉指令；
S3：执行装置完成灌溉作业后返回反馈数据至微控制器，微控制器等待采集数据时间，向测量设备发送采集数据指令；
S4：测量设备返回三次测量数据至微控制器，进入待机模式；
S5：所述测量数据通过信号调理模块转换为数字信号，在微控制器中求平均值并存储；
S6：将S4执行n+1次，其中前n次测量数据用于建立贝叶斯模型中的先验概率；
S7：根据所述先验概率及第n+1次测量数据，计算置信距离，筛选出最佳融合数；根据所述最佳融合数计算第i层水分估计值、以及第i层与第i+1层的水分渗透率。
8.如权利要求7所述的一种柑橘园土壤水分渗透的测量方法，其特征在于，所述S6中，前n次测量数据用于建立贝叶斯模型中的先验概率，包括：
S61：设第i层，第j个传感器，一次测量平均值记为xijk；对于第i层，第j个土壤水分传感器，数据矩阵Fij为:
Fij＝[xij1,xij2,......,xijk,......,xijn]，其中i＝1,2...a,a+1；j＝1,2......,b2，k＝1,2......n；
S62：将作物含水量近似认为区域化变量，服从正态分布，计算μij和σij使得
Figure FDA0002358636150000021
其中，μij和σij分别为第i层第j个土壤水分传感器n次测量数据的均值、标准差；
Figure FDA0002358636150000022
Figure FDA0002358636150000023
S63：对于第i层，测量数据平均值矩阵Fi为
Figure FDA0002358636150000031
其中i＝1,2...a,a+1，j＝1,2......,b2；
利用公式(1)(2)计算μi和σi使得
Figure FDA0002358636150000032
其中Yi表示在第i层中b2个土壤水分传感器数据平均值，μi和σi表示分别为第i层中b2个土壤水分传感器数据平均值的均值、标准差。
9.如权利要求8所述的一种柑橘园土壤水分渗透的测量方法，其特征在于，所述S7包括：
S71：在第n+1次测量数据中，对第i层土壤水分传感器的测量数据进行选择；利用公式(3)计算第i层中任意两个土壤水分传感器测量数据之间的置信距离，利用公式(4)计算每个传感器数据的概率密度函数，获得一个b2 x b2的置信距离矩阵Di；
Figure FDA0002358636150000033
Figure FDA0002358636150000034
其中dij(j+1)表示第i层中第j个与第j+1个土壤水分传感器第n+1次测量数据之间的置信距离，积分上限为xij，积分下限为xi(j+1)，xij和xi(j+1)分别表示第j个、j+1个土壤水分传感器第n+1次测量数据，Pij、μij、σij分别表示第i层第j个土壤水分传感器前n次测量数据的概率密度函数、均值和标准差；同理可求di(j+1)j，即第i层中第j+1个与第j个土壤水分传感器第n+1次测量数据之间的置信距离，积分上限为xi(j+1)，积分下限为xij；j＝1,2,......,b2；
Figure FDA0002358636150000035
S72：临界值βij(j+1)由土壤水分传感器前n次测量数据的变异系数确定，利用公式(5)(6)判定Di中每个数据可靠性，得到一个二值矩阵Ri，即只有0和1；
Figure FDA0002358636150000041
式(5)中，Cij(j+1)v为第i层第j个与第j+1个土壤水分传感器第n+1次测量数据的变异系数，μij(j+1)为第i层第j个与第j+1个土壤水分传感器前n次测量数据的均值之差，μij(j+1)＝μij-μi(j+1)；σij(j+1)为第i层第j个与第j+1个土壤水分传感器前n次测量数据的标准差平方和再开方，
Figure FDA0002358636150000042
同理可求Ci(j+1)jv、μij(j+1)、σij(j+1)，μi(j+1)j＝μi(j+1)-μij，
Figure FDA0002358636150000043
Figure FDA0002358636150000044
式(6)中，dij(j+1)表示表示第i层中第j个与第j+1个土壤水分传感器第n+1次测量数据之间的置信距离，rij(j+1)为判别结果，同理可用di(j+1)j和βi(j+1)j求ri(j+1)j；
Figure FDA0002358636150000045
S73：由二值矩阵对多个土壤水分传感器测量数据进行选择，产生最佳融合数；
S74：将μi、
Figure FDA0002358636150000051
和最佳融合数对应l个的μij、
Figure FDA0002358636150000052
代入贝叶斯融合估计公式(7)求得第i层的水分估计值；
Figure FDA0002358636150000053
(7)式中，xij为第i层第j个土壤水分传感器第n+1次测量数据，μi和σi分别为第i层中b2个土壤水分传感器前n次数据平均值的均值、标准差；
S75：根据上述步骤得到a层的水分估计值a个，由达西定律(8)计算第i层与第i+1层的水分渗透率；
Figure FDA0002358636150000054
(8)式中，Δp＝Δhρg,g＝9.81m/s2,Δh为相邻两层之间的压差，ρ为水密度；A为测量的横截面积，A＝(bs)2；Q为流量，
Figure FDA0002358636150000055
μ为水粘度；ΔL为相邻两层高度差。
CN202010015235.3A 2020-01-07 2020-01-07 一种柑橘园土壤水分渗透的测量系统及测量方法 Active CN111089827B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010015235.3A CN111089827B (zh) 2020-01-07 2020-01-07 一种柑橘园土壤水分渗透的测量系统及测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010015235.3A CN111089827B (zh) 2020-01-07 2020-01-07 一种柑橘园土壤水分渗透的测量系统及测量方法

Publications (2)

Publication Number Publication Date
CN111089827A true CN111089827A (zh) 2020-05-01
CN111089827B CN111089827B (zh) 2021-04-06

Family

ID=70399073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010015235.3A Active CN111089827B (zh) 2020-01-07 2020-01-07 一种柑橘园土壤水分渗透的测量系统及测量方法

Country Status (1)

Country Link
CN (1) CN111089827B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112750292A (zh) * 2020-12-28 2021-05-04 山东理工大学 基于ZigBee的无线分布式多信息融合监测系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101953287A (zh) * 2010-08-25 2011-01-26 中国农业大学 基于多数据的作物需水检测系统及检测方法
CN104904570A (zh) * 2015-06-08 2015-09-16 华南农业大学 基于无线传感器网络的荔枝园节水灌溉控制系统及方法
CN106921729A (zh) * 2017-01-16 2017-07-04 中州大学 一种农业墒情监测系统
CN108064671A (zh) * 2017-11-21 2018-05-25 华南农业大学 一种山地柑橘园灌溉系统及方法
CN108323419A (zh) * 2018-01-10 2018-07-27 常州泽惠天地环境科技有限公司 土壤地表渗水速率和灌溉水量的判别方法及智能灌溉系统
CN110100708A (zh) * 2019-06-14 2019-08-09 安徽大学 基于模糊逻辑控制理论的节水灌溉方法及节水灌溉系统
CN110427995A (zh) * 2019-07-24 2019-11-08 中国科学院遥感与数字地球研究所 一种基于多源遥感数据的贝叶斯土壤水分估算方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101953287A (zh) * 2010-08-25 2011-01-26 中国农业大学 基于多数据的作物需水检测系统及检测方法
CN104904570A (zh) * 2015-06-08 2015-09-16 华南农业大学 基于无线传感器网络的荔枝园节水灌溉控制系统及方法
CN106921729A (zh) * 2017-01-16 2017-07-04 中州大学 一种农业墒情监测系统
CN108064671A (zh) * 2017-11-21 2018-05-25 华南农业大学 一种山地柑橘园灌溉系统及方法
CN108323419A (zh) * 2018-01-10 2018-07-27 常州泽惠天地环境科技有限公司 土壤地表渗水速率和灌溉水量的判别方法及智能灌溉系统
CN110100708A (zh) * 2019-06-14 2019-08-09 安徽大学 基于模糊逻辑控制理论的节水灌溉方法及节水灌溉系统
CN110427995A (zh) * 2019-07-24 2019-11-08 中国科学院遥感与数字地球研究所 一种基于多源遥感数据的贝叶斯土壤水分估算方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112750292A (zh) * 2020-12-28 2021-05-04 山东理工大学 基于ZigBee的无线分布式多信息融合监测系统

Also Published As

Publication number Publication date
CN111089827B (zh) 2021-04-06

Similar Documents

Publication Publication Date Title
US20160157446A1 (en) Multiple soil-topography zone field irrigation user interface system and method
CN102726273B (zh) 一种作物根区土壤水分监测与智能灌溉决策方法
US20150272017A1 (en) Method and system for automated differential irrigation
CN102524024B (zh) 基于计算机视觉的作物灌溉系统
JP7369267B2 (ja) 施肥設計装置、施肥設計方法および施肥設計用のプログラム
EP3160220A1 (en) Agronomic system, methods and apparatuses
CN107392376A (zh) 一种农作物气象产量预测方法及系统
CN106707757A (zh) 一种灌水时间动态调控方法及其系统
CN107808116A (zh) 一种基于深度多层特征融合学习的小麦麦蜘蛛检测方法
CN111089827B (zh) 一种柑橘园土壤水分渗透的测量系统及测量方法
CN111967665A (zh) 一种基于神经网络的灌溉决策方法及系统
CN109190827A (zh) 一种垄沟布局对降雨产流的影响机理识别方法
Francia et al. Multi-sensor profiling for precision soil-moisture monitoring
Barnes et al. Forty years of increasing cotton’s water productivity and why the trend will continue
Arora et al. Automated dosing system in hydroponics with machine learning
CN101706524B (zh) 数据采集装置及其数据采集方法
Smith et al. Managing spatial and temporal variability in irrigated agriculture through adaptive control
CN206557030U (zh) 一种实时监测土壤墒情的土壤墒情传感器及自动灌溉系统
TWI707294B (zh) 田間湛水感測裝置、田間湛水感測系統、及田間湛水感測方法
CN114676545A (zh) 一种基于gms分析地下水压采方案效果的方法
CN113615545A (zh) 一种提供水田作物精准灌溉的装置及方法
CN202256720U (zh) 基于ZigBee无线传感器网络的水面蒸发场自动观测系统
Algeeb et al. Design and fabrication of an intelligent irrigation control system
CN109360121A (zh) 岩溶地区水资源脆弱性量化调控方法和系统
McCarthy et al. Real-time data requirements for model-based adaptive control of irrigation scheduling in cotton

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