CN111557159B - 一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法 - Google Patents
一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法 Download PDFInfo
- Publication number
- CN111557159B CN111557159B CN202010429075.7A CN202010429075A CN111557159B CN 111557159 B CN111557159 B CN 111557159B CN 202010429075 A CN202010429075 A CN 202010429075A CN 111557159 B CN111557159 B CN 111557159B
- Authority
- CN
- China
- Prior art keywords
- fertilizer
- nutrient
- crop
- water
- model
- 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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C23/00—Distributing devices specially adapted for liquid manure or other fertilising liquid, including ammonia, e.g. transport tanks or sprinkling wagons
- A01C23/04—Distributing under pressure; Distributing mud; Adaptation of watering systems for fertilising-liquids
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明涉及一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法,与现有技术相比解决了水肥一体机无法针对农作物实际需求进行决策分析控制的缺陷。本发明包括以下步骤:农作物感知数据的获取;农作物养分需求分析;水肥一体机的施肥控制。本发明改变了传统水肥灌溉模式,让水肥灌溉不再单纯依靠人为经验判断,而是通过传感器进行生长信息采集,基于农作物生长养分平衡模型以智能化水肥设备代替人工操作,实现水肥智能配比、智能灌溉,极大程度上节约人力、物力成本,促进了资源的合理利用。
Description
技术领域
本发明涉及水肥一体机技术领域,具体来说是一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法。
背景技术
中国农业生产中过量灌溉、肥料用量大、缺水、水资源空间分布不均匀等因素导致水肥资源浪费、土壤酸化和水体环境污染问题突出,对农业可持续发展和粮食安全生产带来严峻的挑战。
目前国内应用的众多灌溉施肥设备由于缺乏水肥的智能决策及配套系统技术,且基于时间控制策略与作物环境相关性不强,水肥决策的智能水平低、普及性并不乐观,尤其针对规模化生产的水肥管理,尚缺少智能化水肥综合管理系统。
因此,在水肥一体化方面急需一套成熟实用、普及广、功能稳定以及配套齐全的科学产品,特别是针对智能化多作物水肥管理的装备及配套系统需求迫切。现有的水肥一体机如何实现有针对性的智能化决策分析控制已经成为急需解决的技术问题。
发明内容
本发明的目的是为了解决现有技术中水肥一体机无法针对农作物实际需求进行决策分析控制的缺陷,提供一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法来解决上述问题。
为了实现上述目的,本发明的技术方案如下:
一种带有农作物养分需求分析功能的水肥一体机控制系统,包括作物生产信息感知与数据管理模块、基于云计算的水肥数据建模与服务模块、水肥一体化配肥施肥设备,
所述作物生产信息感知与数据管理模块用于监测土壤环境信息、作物本体信息、作物种类的需肥规律,构建多传感器的信号数据动态转换与协同感知工作方式,及时传输和存储采集的数据,为水肥数据建模提供数据支撑;
基于云计算的水肥数据建模与决策服务模块用于构建施肥配肥模型库,科学确定设施农业中不同环境条件下作物生长的水肥需求和灌溉施肥决策;
水肥一体化配肥施肥设备用于按照云灌溉平台的配方、灌溉过程参数自动控制灌溉量、吸肥量、肥液浓度、酸碱度及水肥过程的重要参数,实现对灌溉、施肥的智能控制。
所述作物生产信息感知与数据管理模块包括针对地区地理位置、气候环境以及作物种植特点,采用气候自动观测仪、光谱采集信息获取途径,改进多种农田生产环境信息、作物生长本体信息及快速感知、分析方法;通过构建多传感器的信号数据动态转换与协同感知工作方式,满足低功耗、低成本、智能化农业生产环境信息获取的要求;构建作物生产环境、作物本体及多层次本底信息数据库,包括气候、水、肥、光照、土壤信息,为水肥一体化智能模型的构建提供数据基础。
所述基于云计算的水肥数据建模与决策服务模块包括构建施肥、配肥模型和决策服务平台;
其中构建施肥、配肥模型以基于养分平衡法和叶片营养诊断作为理论依据,构建设施农业作物水肥一体化施肥、配肥模型:
首先综合分析作物目标产量、土壤养分含量、肥料利用率和肥料养分含量作为模型计算的数据准备;研究构建作物生长养分平衡模型,根据设定的目标产量计算氮、磷、钾肥料的施用总量;
其次,分析不同种类的作物在不同生长阶段的生长特点和需肥规律,制定施肥制度;
最后,根据现有肥料种类,以肥料经济性和环保性作为约束条件,构建多元方程组配肥模型;按作物施肥时期分配施肥总量,完成基础施肥;
其中所述决策服务平台采用B/S架构,基于WebGIS、J2EE框架和GROOVY动态语言、数据库技术的模型库系统,集成和管理针对不同作物的养分平衡施肥模型和配肥模型,并部署在云服务器中。
一种带有农作物养分需求分析功能的水肥一体机控制系统的控制方法,包括以下步骤:
农作物感知数据的获取:作物生产信息感知与数据管理模块获取农作物水土分析数据、生长环境数据和农作物本体数据;
农作物养分需求分析:云计算的水肥数据建模与决策服务模块根据农作物感知数据对农作物所需养分进行分析,构建出养分施肥模型,获取到当前农作物最优养分配比结果;
水肥一体机的施肥控制:云计算的水肥数据建模与决策服务模块根据养分施肥模型构建养分配肥模型,得到当前农作物最优养分配比;水肥一体化配肥施肥设备根据当前农作物最优养分配比进行配肥,并控制水肥一体机的放肥组件进行施肥作业。
所述农作物养分需求分析包括以下步骤:
构建养分施肥模型:基于养分的动态平衡关系构建养分施肥模型,模型具体描述如下;
W=(U-D)/(C*R),
其中:W为用户需要提供的施肥量,即输出模块的输出量,单位:kg/hm2;U为用户预期的农作物产量所需要的养分需求量,即输入模块中的人工输入量,单位:kg/hm2;D为种植农作物地区的土壤养分含量,属于输入模块中的先验信息输入量,单位:kg/hm2;C为用户所施肥料的养分含量,属于输入模块中的先验信息输入量,单位:kg/hm2;R为用户所施肥料的实际吸收转化率,属于输入模块中的先验信息输入量;
养分施肥模型中参数U的计算,其计算公式如下:
U=用户预期的农作物产量*农作物单位产量的养分需求量,
其中:用户预期的农作物产量由用户根据该地区过去三年种植玉米的最高产量的统计值得出;农作物单位产量的养分需求量:氮肥N为用户预期的农作物产量*x,磷肥为用户预期的农作物产量*y,钾肥为用户预期的农作物产量*z;x、y、z分别为单位产量下对应的氮、磷、钾的需求比例;
养分施肥模型中参数D的计算:
根据用户种植农作物地区的土壤提供的养分含量D,其计算公式如下:
D=用户种植农作物地区的土壤养分测定值*用户种植农作物地区的土壤有效养分转化率,
其中:土壤有效养分转化率=(农作物栽种前土壤养分含量-农作物栽种后土壤养分含量)/农作物栽种前土壤养分含量*100%;
养分施肥模型中参数C的计算,按照肥料产品厂家测定说明书中的养分含量确定;
养分施肥模型中参数R的计算,其计算公式如下:
用户所施肥料的季节转化率R=(用户种植作物地区施肥后土壤的养分含量-用户种植作物地区不施肥土壤的养分含量)/(施肥量*化肥中对应的养分含量)*100%。
所述根据养分施肥模型构建养分配肥模型包括以下步骤:
构建养分配肥模型的设定:设需要N、P、K的质量分别为WN、WP、WK;
设选用化肥的种类为n种,n≧3,每种化肥En对应含有的N、P、K含量分别为EnN、EnP、EnK,其单位为%,表示每千克所占的百分比含量;
养分配肥模型的建立:
根据养分施肥模型得到的需要N、P、K质量分别为WN、WP、WK,然后结合每种化肥对应含有的N、P、K含量得到养分配肥模型方程组:
其中:α、β、γ为误差允许常量,xN、yP、zK为理想所需的N、P、K量,单位:kg;
养分配肥模型的求解:
当r(B|A)≠r(B)时,此时对应的方程组没有实数解;
当r(B|A)=r(B)<3时,方程组有无穷多解,此时需要根据在误差限定范围内,误差最小对应的实数解即为所求的实数解;
当n>3时,根据方程组的个数与方程组中含有的未知变量的个数关系可以知道,此时的方程组必有无穷多解,此时需要根据在误差限定范围内,误差最小对应的实数解即为所求的实数解;
当r(B)≠r(B|A),此时对应的方程组无实数解;
当r(B)=r(B|A)<n,方程组有无穷多解,此时需要根据在误差限定范围内,误差最小对应的实数解即为所求的实数解。
所述的农作物为玉米,其中养分施肥模型中参数U的测定如下:
根据U=用户预期的玉米产量*玉米单位产量的养分需求量,
用户预期的玉米产量一般是用户根据该地区过去三年种植玉米的最高产量的统计值得出的;玉米单位产量的养分需求量:氮肥N为用户预期的玉米产量*0.025,磷肥一般为用户预期的玉米产量*0.009,钾肥一般为用户预期的玉米产量*0.021。
有益效果
本发明的一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法,与现有技术相比改变了传统水肥灌溉模式,让水肥灌溉不再单纯依靠人为经验判断,而是通过传感器进行生长信息采集,基于农作物生长养分平衡模型以智能化水肥设备代替人工操作,实现水肥智能配比、智能灌溉,极大程度上节约人力、物力成本,促进了资源的合理利用。
附图说明
图1为本发明中水肥一体机控制系统的结构连接框图;
图2为本发明中水肥一体机控制方法的方法顺序图。
具体实施方式
为使对本发明的结构特征及所达成的功效有更进一步的了解与认识,用以较佳的实施例及附图配合详细的说明,说明如下:
如图1所示,本发明所述的一种带有农作物养分需求分析功能的水肥一体机控制系统,包括作物生产信息感知与数据管理模块、基于云计算的水肥数据建模与服务模块、水肥一体化配肥施肥设备,水肥一体化配肥施肥设备是水肥一体机硬件,包括配肥相关硬件设备、施肥相关硬件设备。
作物生产信息感知与数据管理模块用于监测土壤环境信息、作物本体信息、作物种类的需肥规律,构建多传感器的信号数据动态转换与协同感知工作方式,及时传输和存储采集的数据,为水肥数据建模提供数据支撑。
在实际应用中,作物生产信息感知与数据管理模块,包括针对青海省海北藏族自治州高寒干旱地区地理位置、气候环境以及作物种植特点,采用气候自动观测仪、光谱采集等信息获取途径,改进多种农田生产环境信息、作物生长本底信息等快速感知、分析方法;构建多传感器的信号数据动态转换与协同感知工作方式,满足低功耗、低成本、智能化农业生产环境信息获取的要求;构建作物生产环境、作物本体等多层次本底信息数据库,包括气候、水、肥、光照、土壤等信息,为水肥一体化智能模型的构建提供数据基础。
基于云计算的水肥数据建模与决策服务模块用于构建施肥配肥模型库,科学确定设施农业中不同环境条件下作物生长的水肥需求和灌溉施肥决策。
基于云计算的水肥数据建模与决策服务模块包括构建施肥、配肥模型和决策服务平台;
其中构建施肥、配肥模型以基于养分平衡法和叶片营养诊断作为理论依据,构建设施农业作物水肥一体化施肥、配肥模型:
首先综合分析作物目标产量、土壤养分含量、肥料利用率和肥料养分含量作为模型计算的数据准备;研究构建作物生长养分平衡模型,根据设定的目标产量计算氮、磷、钾肥料的施用总量;
其次,分析不同种类的作物在不同生长阶段的生长特点和需肥规律,制定施肥制度;
最后,根据现有肥料种类,以肥料经济性和环保性作为约束条件,构建多元方程组配肥模型;按作物施肥时期分配施肥总量,完成基础施肥;
其中所述决策服务平台采用B/S架构,基于WebGIS、J2EE框架和GROOVY动态语言、数据库技术的模型库系统,集成和管理针对不同作物的养分平衡施肥模型和配肥模型,并部署在云服务器中。
水肥一体化配肥施肥设备用于按照云灌溉平台的配方、灌溉过程参数自动控制灌溉量、吸肥量、肥液浓度、酸碱度及水肥过程的重要参数,实现对灌溉、施肥的智能控制。
如图2所示,本发明所述的一种带有农作物养分需求分析功能的水肥一体机控制系统的控制方法,包括以下步骤:
第一步,农作物感知数据的获取:作物生产信息感知与数据管理模块获取农作物水土分析数据、生长环境数据和农作物本体数据。
第二步,农作物养分需求分析:云计算的水肥数据建模与决策服务模块根据农作物感知数据对农作物所需养分进行分析,构建出养分施肥模型,获取到当前农作物最优养分配比结果。
粮食作物是养分需求的主体,而作物生产离不开植物营养,化肥是作物的粮食,化肥在我国粮食产量增加和保证亮丝安全中起着不可替代的支撑作用。中国化肥消费量大、资源丰富,但有机肥养分资源数量和还田量以及农田养分的输入、输出时空分布特征尚不明确,在全面实现平衡施肥的情况下,各地区农业生产中农作物养分需求量和供给具有很大的差异,并且在施用上存在一系列不合理的现象,如:部分地区作物上施肥过量、化肥利用率低、环境污染风险等,这些都严重制约养分资源的合理分配和高效利用以及农业的可持续发展。因此针对农作物进行养分需求分析,对如何实现化肥零增长以及在减少化肥使用量的情况下,如何进行养分资源的合理分配、科学管理和施用具有重要的指导意义和参考价值。
传统的施肥方式是在一个区域内或一个地块内使用一个平均施肥量。由于土壤肥力在地块不同区域差别较大,所以平均施肥在肥力低而其他生产性状好的区域往往肥力不足,而在某种养分含量高而丰产性状不好的区域则引起过量施肥,结果是浪费肥料资源、影响产量、污染环境。所以与传统施肥方式相比,应用养分施肥模型,可以根据不同地区、不同土壤中各种养分含量情况,作物级别及产量水平以及作物实际需要,确定对肥料的变量投入,从而做到科学施肥。
农作物养分需求分析的具体步骤如下:
(1)构建养分施肥模型:基于养分的动态平衡关系构建养分施肥模型,模型具体描述如下;
W=(U-D)/(C*R),
其中:W为用户需要提供的施肥量,即输出模块的输出量,单位:kg/hm2;U为用户预期的农作物产量所需要的养分需求量,即输入模块中的人工输入量,单位:kg/hm2;D为种植农作物地区的土壤养分含量,属于输入模块中的先验信息输入量,单位:kg/hm2;C为用户所施肥料的养分含量,属于输入模块中的先验信息输入量,单位:kg/hm2;R为用户所施肥料的实际吸收转化率,属于输入模块中的先验信息输入量。
(2)养分施肥模型中参数U的计算,其计算公式如下:
U=用户预期的农作物产量*农作物单位产量的养分需求量,
其中:用户预期的农作物产量由用户根据该地区过去三年种植玉米的最高产量的统计值得出;农作物单位产量的养分需求量:氮肥N为用户预期的农作物产量*x,磷肥为用户预期的农作物产量*y,钾肥为用户预期的农作物产量*z;x、y、z分别为单位产量下对应的氮、磷、钾的需求比例。
其中以农作物为玉米为例,其中养分施肥模型中参数U的测定如下:
根据U=用户预期的玉米产量*玉米单位产量的养分需求量,
用户预期的玉米产量一般是用户根据该地区过去三年种植玉米的最高产量的统计值得出的;玉米单位产量的养分需求量:氮肥N为用户预期的玉米产量*0.025,磷肥一般为用户预期的玉米产量*0.009,钾肥一般为用户预期的玉米产量*0。
(3)养分施肥模型中参数D的计算:
根据用户种植农作物地区的土壤提供的养分含量D,其计算公式如下:
D=用户种植农作物地区的土壤养分测定值*用户种植农作物地区的土壤有效养分转化率,
其中:土壤有效养分转化率=(农作物栽种前土壤养分含量-农作物栽种后土壤养分含量)/农作物栽种前土壤养分含量*100%。
(4)养分施肥模型中参数C的计算,按照肥料产品厂家测定说明书中的养分含量确定。
(5)养分施肥模型中参数R的计算,其计算公式如下:
用户所施肥料的季节转化率R=(用户种植作物地区施肥后土壤的养分含量-用户种植作物地区不施肥土壤的养分含量)/(施肥量*化肥中对应的养分含量)*100%。
第三步,水肥一体机的施肥控制:云计算的水肥数据建模与决策服务模块根据养分施肥模型构建养分配肥模型,得到当前农作物最优养分配比;水肥一体化配肥施肥设备根据当前农作物最优养分配比进行配肥,并控制水肥一体机的放肥组件进行施肥作业。
施肥控制就是借助压力灌溉系统,把可溶性固体、液体肥料溶解在灌溉水中,根据作物的水肥需求规律,通过可控管道系统直接输送到作物根部附近的土壤供给作物吸收。它的优势在于能够通过控制系统精准地控制灌水量和施肥量,在各种作物的不同生长时期提供作物所必须的各种养分,避免各种元素之间的拮抗反应,做到各种元素的均衡,显著提高水肥利用率和增加产量,增强作物抵御不良天气的能力。另外水肥一体机施肥控制系统还具有改善作物品质、减少病虫害、避免高温对根的伤害、充分利用土地以及减少环境污染的优势。
养分配肥模型技术,在现有肥料的基础上,结合养分施肥模型得到的N、P、K的配比,应用多元线性方程组,能够高效的求解出最佳施肥配比,相较传统的配肥技术,养分配肥模型技术更加科学高效,实现合理的资源分配。
水肥一体机的施肥控制包括以下步骤:
(1)构建养分配肥模型的设定:设需要N、P、K的质量分别为WN、WP、WK。
(2)设选用化肥的种类为n种,n≧3,每种化肥En对应含有的N、P、K含量分别为EnN、EnP、EnK,其单位为%,表示每千克所占的百分比含量。
(3)养分配肥模型的建立:
根据养分施肥模型得到的需要N、P、K质量分别为WN、WP、WK,然后结合每种化肥对应含有的N、P、K含量得到养分配肥模型方程组:
其中:α、β、γ为误差允许常量,xN、yP、zK为理想所需的N、P、K量,单位:kg。
(4)养分配肥模型的求解:
当r(B|A)≠r(B)时,此时对应的方程组没有实数解;
当r(B|A)=r(B)<3时,方程组有无穷多解,此时需要根据在误差限定范围内,误差最小对应的实数解即为所求的实数解;
A2)当n>3时,根据方程组的个数与方程组中含有的未知变量的个数关系可以知道,此时的方程组必有无穷多解,此时需要根据在误差限定范围内,误差最小对应的实数解即为所求的实数解;
当r(B)≠r(B|A),此时对应的方程组无实数解;
当r(B)=r(B|A)<n,方程组有无穷多解,此时需要根据在误差限定范围内,误差最小对应的实数解即为所求的实数解。
本发明所述的一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法,满足成本低廉、高稳定性、简易操作、适用性强。与现有技术相比,农作物养分施肥模型和养分配肥模型的构建与使用,能够科学确定设施农业中不同环境条件下作物生长的水肥需求和灌溉施肥决策,减少对农技专家和施肥经验的限制,实现智能化水肥一体控制,解决了传统水肥一体机无法针对农作物实际需求进行决策分析控制的缺陷;有利于实现被动灌溉向主动灌溉转变、浇地向浇庄稼转变、土壤施肥向作物施转变、传统农业向现代农业转变。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (4)
1.一种带有农作物养分需求分析功能的水肥一体机控制系统,包括作物生产信息感知与数据管理模块、基于云计算的水肥数据建模与服务模块、水肥一体化配肥施肥设备,其特征在于:
所述作物生产信息感知与数据管理模块用于监测土壤环境信息、作物本体信息、作物种类的需肥规律,构建多传感器的信号数据动态转换与协同感知工作方式,及时传输和存储采集的数据,为水肥数据建模提供数据支撑;
基于云计算的水肥数据建模与决策服务模块用于构建施肥配肥模型库,科学确定设施农业中不同环境条件下作物生长的水肥需求和灌溉施肥决策;
水肥一体化配肥施肥设备用于按照云灌溉平台的配方、灌溉过程参数自动控制灌溉量、吸肥量、肥液浓度、酸碱度及水肥过程的重要参数,实现对灌溉、施肥的智能控制;
一种带有农作物养分需求分析功能的水肥一体机控制系统的控制方法,其特征在于,包括以下步骤:
11)农作物感知数据的获取:作物生产信息感知与数据管理模块获取农作物水土分析数据、生长环境数据和农作物本体数据;
12)农作物养分需求分析:云计算的水肥数据建模与决策服务模块根据农作物感知数据对农作物所需养分进行分析,构建出养分施肥模型,获取到当前农作物最优养分配比结果;所述农作物养分需求分析包括以下步骤:
121)构建养分施肥模型:基于养分的动态平衡关系构建养分施肥模型,模型具体描述如下;
W=(U-D)/(C*R),
其中:W为用户需要提供的施肥量,即输出模块的输出量,单位:kg/hm2;U为用户预期的农作物产量所需要的养分需求量,即输入模块中的人工输入量,单位:kg/hm2;D为种植农作物地区的土壤养分含量,属于输入模块中的先验信息输入量,单位:kg/hm2;C为用户所施肥料的养分含量,属于输入模块中的先验信息输入量,单位:kg/hm2;R为用户所施肥料的实际吸收转化率,属于输入模块中的先验信息输入量;
122)养分施肥模型中参数U的计算,其计算公式如下:
U=用户预期的农作物产量*农作物单位产量的养分需求量,
其中:用户预期的农作物产量由用户根据该地区过去三年种植玉米的最高产量的统计值得出;农作物单位产量的养分需求量:氮肥N为用户预期的农作物产量*x,磷肥为用户预期的农作物产量*y,钾肥为用户预期的农作物产量*z;x、y、z分别为单位产量下对应的氮、磷、钾的需求比例;
123)养分施肥模型中参数D的计算:
根据用户种植农作物地区的土壤提供的养分含量D,其计算公式如下:
D=用户种植农作物地区的土壤养分测定值*用户种植农作物地区的土壤有效养分转化率,
其中:土壤有效养分转化率=(农作物栽种前土壤养分含量-农作物栽种后土壤养分含量)/农作物栽种前土壤养分含量*100%;
124)养分施肥模型中参数C的计算,按照肥料产品厂家测定说明书中的养分含量确定;
125)养分施肥模型中参数R的计算,其计算公式如下:
用户所施肥料的季节转化率R=(用户种植作物地区施肥后土壤的养分含量-用户种植作物地区不施肥土壤的养分含量)/(施肥量*化肥中对应的养分含量)*100%;
13)水肥一体机的施肥控制:云计算的水肥数据建模与决策服务模块根据养分施肥模型构建养分配肥模型,得到当前农作物最优养分配比;水肥一体化配肥施肥设备根据当前农作物最优养分配比进行配肥,并控制水肥一体机的放肥组件进行施肥作业;
所述根据养分施肥模型构建养分配肥模型包括以下步骤:
131)构建养分配肥模型的设定:设需要N、P、K的质量分别为WN、WP、WK;
132)设选用化肥的种类为n种,n≧3,每种化肥En对应含有的N、P、K含量分别为EnN、EnP、EnK,其单位为%,表示每千克所占的百分比含量;
133)养分配肥模型的建立:
根据养分施肥模型得到的需要N、P、K质量分别为WN、WP、WK,然后结合每种化肥对应含有的N、P、K含量得到养分配肥模型方程组:
其中:α、β、γ为误差允许常量,xN、yP、zK为理想所需的N、P、K量,单位:kg;
134)养分配肥模型的求解:
当r(B|A)≠r(B)时,此时对应的方程组没有实数解;
当r(B|A)=r(B)<3时,方程组有无穷多解,此时需要根据在误差限定范围内,误差最小对应的实数解即为所求的实数解;
1342)当n>3时,根据方程组的个数与方程组中含有的未知变量的个数关系得到,此时的方程组必有无穷多解,此时需要根据在误差限定范围内,误差最小对应的实数解即为所求的实数解;
当r(B)≠r(B|A),此时对应的方程组无实数解;
当r(B)=r(B|A)<n,方程组有无穷多解,此时需要根据在误差限定范围内,误差最小对应的实数解即为所求的实数解。
2.根据权利要求1所述的一种带有农作物养分需求分析功能的水肥一体机控制系统,其特征在于,所述作物生产信息感知与数据管理模块包括针对地区地理位置、气候环境以及作物种植特点,采用气候自动观测仪、光谱采集信息获取途径,改进多种农田生产环境信息、作物生长本体信息及快速感知、分析方法;通过构建多传感器的信号数据动态转换与协同感知工作方式,满足低功耗、低成本、智能化农业生产环境信息获取的要求;构建作物生产环境、作物本体及多层次本底信息数据库,包括气候、水、肥、光照、土壤信息,为水肥一体化智能模型的构建提供数据基础。
3.根据权利要求1所述的一种带有农作物养分需求分析功能的水肥一体机控制系统,其特征在于,所述基于云计算的水肥数据建模与决策服务模块包括构建施肥、配肥模型和决策服务平台;
其中构建施肥、配肥模型以基于养分平衡法和叶片营养诊断作为理论依据,构建设施农业作物水肥一体化施肥、配肥模型:
首先综合分析作物目标产量、土壤养分含量、肥料利用率和肥料养分含量作为模型计算的数据准备;研究构建作物生长养分平衡模型,根据设定的目标产量计算氮、磷、钾肥料的施用总量;
其次,分析不同种类的作物在不同生长阶段的生长特点和需肥规律,制定施肥制度;
最后,根据现有肥料种类,以肥料经济性和环保性作为约束条件,构建多元方程组配肥模型;按作物施肥时期分配施肥总量,完成基础施肥;
其中所述决策服务平台采用B/S架构,基于WebGIS、J2EE框架和GROOVY动态语言、数据库技术的模型库系统,集成和管理针对不同作物的养分平衡施肥模型和配肥模型,并部署在云服务器中。
4.根据权利要求1所述的一种带有农作物养分需求分析功能的水肥一体机控制系统的控制方法,其特征在于:所述的农作物为玉米,其中养分施肥模型中参数U的测定如下:
根据U=用户预期的玉米产量*玉米单位产量的养分需求量,
用户预期的玉米产量是用户根据该地区过去三年种植玉米的最高产量的统计值得出的;玉米单位产量的养分需求量:氮肥N为用户预期的玉米产量*0.025,磷肥为用户预期的玉米产量*0.009,钾肥为用户预期的玉米产量*0.021。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010429075.7A CN111557159B (zh) | 2020-05-20 | 2020-05-20 | 一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010429075.7A CN111557159B (zh) | 2020-05-20 | 2020-05-20 | 一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111557159A CN111557159A (zh) | 2020-08-21 |
CN111557159B true CN111557159B (zh) | 2021-08-24 |
Family
ID=72069493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010429075.7A Active CN111557159B (zh) | 2020-05-20 | 2020-05-20 | 一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111557159B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112352523B (zh) * | 2020-09-09 | 2022-10-04 | 安徽农业大学 | 一种基于智能决策的茶园水肥灌溉控制方法和系统 |
CN112330149A (zh) * | 2020-11-04 | 2021-02-05 | 北京博创联动科技有限公司 | 一种作物管理系统、方法、装置及电子设备 |
CN112369176B (zh) * | 2020-11-10 | 2021-10-12 | 中国农业大学 | 一种基于作物根系生长分布规律的水肥一体化施肥方法 |
CN113016286B (zh) * | 2021-02-22 | 2023-03-21 | 中国农业机械化科学研究院 | 一种变量播种施肥方法和施肥系统及装置 |
CN113303217A (zh) * | 2021-06-15 | 2021-08-27 | 北京中农俊景科技有限公司 | 一种雾培种植用水肥调控系统和水肥调控方法 |
CN113837602A (zh) * | 2021-09-23 | 2021-12-24 | 清远市巨劲科技有限公司 | 一种基于农业大数据平台的智慧农业种植服务系统 |
CN114091761B (zh) * | 2021-11-24 | 2022-08-12 | 中国科学院地理科学与资源研究所 | 种养空间优化方法及装置 |
CN114238843B (zh) * | 2022-02-23 | 2022-05-10 | 农业农村部环境保护科研监测所 | 一种养殖肥水农田安全施用的测算方法 |
CN114946366A (zh) * | 2022-06-06 | 2022-08-30 | 安徽农业大学 | 一种大田管网式肥料精确调控作业系统 |
CN117322214B (zh) * | 2023-11-30 | 2024-02-09 | 余姚市农业技术推广服务总站 | 一种基于神经网络的农作物肥料精准施用方法与系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102584399A (zh) * | 2012-02-23 | 2012-07-18 | 北京中科鸿正农业科技有限公司 | 肥料配制方法及系统 |
US9026316B2 (en) * | 2012-10-02 | 2015-05-05 | Kyle H. Holland | Variable rate chemical management for agricultural landscapes with nutrition boost |
-
2020
- 2020-05-20 CN CN202010429075.7A patent/CN111557159B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102584399A (zh) * | 2012-02-23 | 2012-07-18 | 北京中科鸿正农业科技有限公司 | 肥料配制方法及系统 |
US9026316B2 (en) * | 2012-10-02 | 2015-05-05 | Kyle H. Holland | Variable rate chemical management for agricultural landscapes with nutrition boost |
Also Published As
Publication number | Publication date |
---|---|
CN111557159A (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111557159B (zh) | 一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法 | |
CN108684278A (zh) | 智能配肥方法、装置和系统 | |
CN111061322A (zh) | 一种基于人工智能水肥一体化系统 | |
CN108811651A (zh) | 一种测土配方施肥的方法 | |
CN104521699A (zh) | 田间智能灌溉在线控制管理方法 | |
CN107807598A (zh) | 物联网+节水、节肥精准灌溉系统及方法 | |
CN107392376A (zh) | 一种农作物气象产量预测方法及系统 | |
CN105389663B (zh) | 一种农田灌溉智能决策系统和方法 | |
CN102362567A (zh) | 测土配方施肥方法 | |
CN103858578B (zh) | 马铃薯种薯种植施肥调控的方法 | |
CN112042353A (zh) | 一种适用于日光温室的水肥精准决策方法及系统 | |
CN109757175A (zh) | 一种基于无人机监测的玉米水肥一体化变量施肥方法 | |
CN105052333A (zh) | 一种杏树测土配方施肥方法 | |
CN108370699A (zh) | 一种测土配方施肥的方法 | |
CN103745407A (zh) | 借助智能手机和gps制定作物精确栽培方案的方法和系统 | |
CN109673439A (zh) | 一种水肥耦合对水稻产量及生长形状的调控方法 | |
CN101578936A (zh) | 施肥处理方法及系统 | |
CN113785759B (zh) | 一种作物间套作种植智能灌溉系统、方法及可存储介质 | |
CN102584399B (zh) | 肥料配制方法及系统 | |
CN113642729A (zh) | 基于机器学习的智能沼液施用方法、系统及存储介质 | |
CN211149296U (zh) | 一种基于人工智能水肥一体化系统 | |
Liang et al. | Integrated N management improves nitrogen use efficiency and economics in a winter wheat–summer maize multiple-cropping system | |
CN113031493A (zh) | 一种基于5g通讯技术的智能农业监控管理系统 | |
CN110036735B (zh) | 一种玉米中耕实时变量施肥的智能控制方法及装置 | |
CN103650730B (zh) | 一种根据作物投影面积和植株高度进行施肥的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhang Xiaoming Inventor after: Wu Yunzhi Inventor after: Zhang Haixiu Inventor after: Tang Xianhong Inventor after: Shen Chunshan Inventor before: Zhang Xiaoming Inventor before: Zhang Haixiu Inventor before: Tang Xianhong Inventor before: Shen Chunshan |