CN112042353A - 一种适用于日光温室的水肥精准决策方法及系统 - Google Patents

一种适用于日光温室的水肥精准决策方法及系统 Download PDF

Info

Publication number
CN112042353A
CN112042353A CN202010914853.1A CN202010914853A CN112042353A CN 112042353 A CN112042353 A CN 112042353A CN 202010914853 A CN202010914853 A CN 202010914853A CN 112042353 A CN112042353 A CN 112042353A
Authority
CN
China
Prior art keywords
water
soil
fertilizer
moisture content
crop
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
Application number
CN202010914853.1A
Other languages
English (en)
Inventor
孙启玉
张志强
褚德峰
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.)
Shuifa Intelligent Agricultural Technology Co ltd
Shandong Fengshi Information Technology Co ltd
Original Assignee
Shuifa Intelligent Agricultural Technology Co ltd
Shandong Fengshi Information Technology Co ltd
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 Shuifa Intelligent Agricultural Technology Co ltd, Shandong Fengshi Information Technology Co ltd filed Critical Shuifa Intelligent Agricultural Technology Co ltd
Priority to CN202010914853.1A priority Critical patent/CN112042353A/zh
Publication of CN112042353A publication Critical patent/CN112042353A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C21/00—Methods of fertilising, sowing or planting
    • A01C21/005—Following a specific plan, e.g. pattern
    • 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
    • A01C23/007—Metering or regulating systems
    • 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
    • A01C23/042—Adding fertiliser to watering systems
    • 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
    • G06F17/15—Correlation function computation including computation of convolution operations

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Soil Sciences (AREA)
  • Environmental Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Water Supply & Treatment (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Fertilizing (AREA)
  • Hydroponics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种适用于日光温室的水肥精准决策方法及系统，具体包括以下步骤：S1、获取基于气象因子的作物日需水量；S2、将获取的日需水量进行累加获得累积值，并在累积值符合预设累积阈值时获取土壤含水率；S3、在获取的土壤含水率小于预设土壤含水率时，根据土壤含水率和预设土壤含水率计算灌溉量，S4、判断作物处于的生育阶段，根据基于土壤养分平衡原理的作物施肥量简便快速推荐模型，本发明涉及农业种植技术领域。该适用于日光温室的水肥精准决策方法及系统，通过该方法解决了日光温室传统水肥管理依赖经验决策，使用先进的人工智能、物联网和通信技术，作物灌溉施肥决策更加科学、高效、及时和精准。

Description

一种适用于日光温室的水肥精准决策方法及系统
技术领域
本发明涉及农业种植技术领域，具体为一种适用于日光温室的水肥精准决策方法及系统。
背景技术
近年来，我国设施农业发展迅猛，种植面积跃居世界第一位，但目前我国设施农业，除自动化程度相对较高的玻璃连栋温室外，大部分的设施农业生产者主要还是依靠生产者的经验进行灌溉施肥，水肥管理比较粗放，经常出现灌溉和施肥过量或不足的问题，会影响作物的正常生长，也会使设施环境恶化，导致病虫害发生和作物品质下降。
目前，设施温室水肥精准管理的设备和模型主要是针对水培、基质栽培等类型的栽培方式，而种植面积最大的日光温室土壤栽培方式的水肥精准管理还没有简单、精准、可靠的设备和决策模型，因此，综合考虑各方面存在的问题，研发适用于日光温室土壤栽培的水肥精准管理模型和系统，实现灌溉施肥过程的智能控制，达到省水、省肥、省工、精准、高效的目标。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种适用于日光温室的水肥精准决策方法及系统，解决了水肥管理比较粗放，经常出现灌溉和施肥过量或不足的问题，种植面积最大的日光温室土壤栽培方式的水肥精准管理还没有简单、精准、可靠的设备和决策模型的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种适用于日光温室的水肥精准决策方法，具体包括以下步骤：
S1、获取基于气象因子的作物日需水量；
S2、将获取的日需水量进行累加获得累积值，并在累积值符合预设累积阈值时获取土壤含水率；
S3、在获取的土壤含水率小于预设土壤含水率时，根据土壤含水率和预设土壤含水率计算灌溉量；
S4、判断作物处于的生育阶段，根据基于土壤养分平衡原理的作物施肥量简便快速推荐模型，确定氮、磷、钾养分的施入量；
S5、按照灌溉量和氮磷钾施入量进行灌溉施肥。
优选的，所述步骤S3中的灌溉量按以下公式计算：
Figure BDA0002664662370000021
其中，M为灌溉量(m3)，S为灌溉面积(㎡)，H为计划湿润深度(mm)，Pw为土壤湿润比，θt为预设的土壤含水率，θ0为检测的土壤含水率，η为灌溉水利用效率。
优选的，所述步骤S2中通过下式计算实际作物的需水量累积值∑ETi：∑ETi＝ET1+ET2+ET3+…+ETi(i＝1、2、3……)。
优选的，所述步骤S1中通过下式计算实际作物的日需水量ETi：ETi＝Kr×ET0，其中，Kr为作物系数，参考FAO推荐的作物系数计算方法。
优选的，所述步骤S1中通过下式计算参考作物日需水量ET0：
Figure BDA0002664662370000022
其中，土壤热通量G在一天至十天的时间尺度里相当小，可以忽略不计，取G≈0，Rn通过作物冠层处的净辐射传感器采集作物冠层日净辐射，Tmax、Tmin、T、RH和P通过气象传感器采集，饱和水汽压es通过下式计算：
Figure BDA0002664662370000023
温室内气温为T时的饱和水汽压曲线斜率△通过下式计算：
Figure BDA0002664662370000024
干湿表常数γ通过下式计算：γ＝0.665×10-3×P。
优选的，所述步骤S4中通过下式计算氮磷钾养分施入量：养分施入量＝养分吸收量×校正系数×生育阶段养分吸收系数，其中，养分吸收量按下式计算：养分吸收量＝目标产量×单位产量养分吸收量，其中，校正系数、生育阶段养分吸收系数和单位产量养分吸收量与营养元素的作物吸收利用、土壤肥力水平、土壤残留及损失等有关，可以通过试验获得。
本发明还公开了一种执行适用于日光温室的水肥精准决策方法的系统，包括环境信息采集单元、人工智能分析单元和智能灌溉施肥单元，所述环境信息采集单元的输出端与智能灌溉施肥单元的输入端电性连接，且智能灌溉施肥单元通过无线与人工智能分析单元实现双向连接，所述环境信息采集单元的输出端与人工智能分析单元的输入端电性连接。
优选的，所述环境信息采集单元包括净辐射传感器、空气温度传感器、空气相对湿度传感器、大气压强传感器和土壤温湿度传感器。
优选的，所述人工智能分析单元包括控制中心计算机、数据库和模型分析模块，所述智能灌溉施肥单元包括物联网终端管理控制器和水肥一体化设备，所述物联网终端管理控制器的输出端与水肥一体化设备的输入端电性连接。
(三)有益效果
本发明提供了一种适用于日光温室的水肥精准决策方法及系统。与现有技术相比具备以下有益效果：
(1)、该适用于日光温室的水肥精准决策方法及系统，通过S1、获取基于气象因子的作物日需水量，S2、将获取的日需水量进行累加获得累积值，并在累积值符合预设累积阈值时获取土壤含水率，S3、在获取的土壤含水率小于预设土壤含水率时，根据土壤含水率和预设土壤含水率计算灌溉量，S4、判断作物处于的生育阶段，根据基于土壤养分平衡原理的作物施肥量简便快速推荐模型，确定氮、磷、钾养分的施入量，S5、按照灌溉量和氮磷钾施入量进行灌溉施肥，该方法解决了日光温室传统水肥管理依赖经验决策，使用先进的人工智能、物联网和通信技术，作物灌溉施肥决策更加科学、高效、及时和精准。
(2)、该适用于日光温室的水肥精准决策方法及系统，通过人工智能分析单元包括控制中心计算机、数据库和模型分析模块，数据库中包括专家经验数据库、土壤信息数据库和作物信息数据库，用于不同作物的单位产量养分吸收量数据、目标产量数据、不同生育阶段养分吸收系数、校正系数等数据的储存和调取，使数据不易丢失，便于后续调取进行研究。
附图说明
图1为本发明水肥精准决策方法的流程图；
图2为本发明系统的结构原理框图；
图3为本发明环境信息采集单元的结构原理框图；
图4为本发明人工智能分析单元的结构原理框图；
图5为本发明智能灌溉施肥单元的结构原理框图。
图中，1环境信息采集单元、11净辐射传感器、12空气温度传感器、13空气相对湿度传感器、14大气压强传感器、15土壤温湿度传感器、2人工智能分析单元、21控制中心计算机、22数据库、23模型分析模块、3智能灌溉施肥单元、31物联网终端管理控制器、32水肥一体化设备。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
请参阅图1-5，本发明实施例提供一种技术方案：一种适用于日光温室的水肥精准决策方法，具体包括以下步骤：
S1、获取基于气象因子的作物日需水量；
S2、将获取的日需水量进行累加获得累积值，并在累积值符合预设累积阈值时获取土壤含水率；
S3、在获取的土壤含水率小于预设土壤含水率时，根据土壤含水率和预设土壤含水率计算灌溉量；
S4、判断作物处于的生育阶段，根据基于土壤养分平衡原理的作物施肥量简便快速推荐模型，确定氮、磷、钾养分的施入量；
S5、按照灌溉量和氮磷钾施入量进行灌溉施肥。
本发明中，步骤S3中的灌溉量按以下公式计算：
Figure BDA0002664662370000051
其中，M为灌溉量m3，S为灌溉面积㎡，H为计划湿润深度mm，Pw为土壤湿润比，θt为预设的土壤含水率，θ0为检测的土壤含水率，η为灌溉水利用效率，在本步骤中，通过土壤温湿度传感器15采集的根系土壤含水率θ0与预设的土壤含水率θt的差值，计算本次灌溉量M，其中，预设土壤含水率根据作物相应生育阶段的最佳含水率确定，例如一般番茄等茄果类作物开花期预设含水率宜取75％-85％，当土壤含水率θ0大于或等于预设的土壤含水率θt时，则默认不需要灌溉。
本发明中，步骤S2中通过下式计算实际作物的需水量累积值∑ETi：∑ETi＝ET1+ET2+ET3+…+ETi(i＝1、2、3……)，当需水量累积值∑ETi达到或大于预设累积阈值时，即为达到灌溉启动点，此时，获取计划灌溉深度土壤的含水量，并将∑ETi清零，重新累积作物的需水量，其中，ETi为第i天获得的作物日需水量，作物的需水量累积值∑ETi的最大阈值与作物种类、生育阶段需水特征、土壤类型等信息有关，可以通过专家经验结合试验获取，因此，通过所述第一步中的基于需水量累积值的灌溉启动决策，实现是否到达灌溉启动点，实现灌溉过程的精准控制。
本发明中，步骤S1中通过下式计算实际作物的日需水量ETi：ETi＝Kr×ET0，其中，Kr为作物系数，参考FAO推荐的作物系数计算方法。
本发明中，步骤S1中通过下式计算参考作物日需水量ET0：
Figure BDA0002664662370000061
其中，土壤热通量G在一天至十天的时间尺度里相当小，可以忽略不计，取G≈0，Rn通过作物冠层处的净辐射传感器11采集作物冠层日净辐射，Tmax、Tmin、T、RH和P通过气象传感器采集，Tmax为日最高温度，Tmin为日最低温度，T为日平均温度、RH为日平均相对湿度、P为大气压，饱和水汽压es通过下式计算：
Figure BDA0002664662370000062
温室内气温为T时的饱和水汽压曲线斜率△通过下式计算：
Figure BDA0002664662370000063
干湿表常数γ通过下式计算：γ＝0.665×10-3×P，通过将参考作物日需水量ET0计算得出后，即可计算出上述的实际作物的日需水量ETi。
本发明中，步骤S4中通过下式计算氮磷钾养分施入量：养分施入量＝养分吸收量×校正系数×生育阶段养分吸收系数，其中，养分吸收量按下式计算：养分吸收量＝目标产量×单位产量养分吸收量，其中，校正系数、生育阶段养分吸收系数和单位产量养分吸收量与营养元素的作物吸收利用、土壤肥力水平、土壤残留及损失等有关，可以通过试验获得，可通过建立的专家经验数据库、作物信息数据库和土壤信息数据库调取，例如，滴灌条件中等肥力土壤氮素校正系数KN，高肥力土壤为0.9KN，低肥力土壤为1.1KN，滴灌条件中等肥力土壤磷素的校正系数KP，高肥力土壤为0.8KP，低肥力土壤为1.2KP，滴灌条件中等肥力土壤钾素的校正系数Kk，高肥力土壤为0.8Kk，低肥力土壤为1.2KK，最后即可按照灌溉量和氮磷钾施入量进行灌溉施肥。
本发明还公开了一种执行适用于日光温室的水肥精准决策方法的系统，包括环境信息采集单元1、人工智能分析单元2和智能灌溉施肥单元3，人工智能分析单元2包括控制中心计算机21、数据库22和模型分析模块23，控制中心计算机21用于数据的存储和运算，数据库22包括专家经验数据库、土壤信息数据库和作物信息数据库，用于不同作物的单位产量养分吸收量数据、目标产量数据、不同生育阶段养分吸收系数、校正系数等数据的储存和调取，模型分析模块23包括养分用量推荐模型、作物生育期水分需求模型和养分需求模型，用于作物水肥决策分析，智能灌溉施肥单元3包括物联网终端管理控制器31和水肥一体化设备32，物联网终端管理控制器31用于接收环境信息采集单元1发送的净辐射数据、空气温度数据、空气相对湿度数据、大气压强数据和土壤含水率数据，并输出控制信号至人工智能分析单元2，进行数据的分析和水肥决策方案的生成，水肥一体化设备32主要由控制单元、肥料配比单元、原液混合单元、肥料投加单元、过滤单元组成，该设备可接收和解析物联网终端管理控制器31发送的水肥一体化灌溉方案，控制供水和施肥的电磁阀启闭，实现灌溉施肥从精准执行，物联网终端管理控制器31的输出端与水肥一体化设备32的输入端电性连接，环境信息采集单元1包括净辐射传感器11、空气温度传感器12、空气相对湿度传感器13、大气压强传感器14和土壤温湿度传感器15，净辐射传感器11用于采集净辐射值数据，并发送净辐射值数据至人工智能分析单元2，空气温度传感器12用于采集日最高温度、日最低温度和日均温度，并发送温度数据至人工智能分析单元2，空气相对湿度传感器13用于采集日相对湿度数据，并发送相对湿度数据至处理器，大气压强传感器14用于采集大气压强数据，并发送大气压强数据至人工智能分析单元2，土壤温湿度传感器15用于采集土壤含水率数据，并发送土壤含水率数据至处理器，进一步的，净辐射传感器11、空气温度传感器12、空气相对湿度传感器13和大气压强传感器14安置在作物冠层的上方，土壤温湿度传感器15安置于作物根系附近，环境信息采集单元1的输出端与智能灌溉施肥单元3的输入端电性连接，且智能灌溉施肥单元3通过无线与人工智能分析单元2实现双向连接，环境信息采集单元1的输出端与人工智能分析单元2的输入端电性连接。
需要说明的是，在本文中，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。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.一种适用于日光温室的水肥精准决策方法，其特征在于：具体包括以下步骤：
S1、获取基于气象因子的作物日需水量；
S2、将获取的日需水量进行累加获得累积值，并在累积值符合预设累积阈值时获取土壤含水率；
S3、在获取的土壤含水率小于预设土壤含水率时，根据土壤含水率和预设土壤含水率计算灌溉量；
S4、判断作物处于的生育阶段，根据基于土壤养分平衡原理的作物施肥量简便快速推荐模型，确定氮、磷、钾养分的施入量；
S5、按照灌溉量和氮磷钾施入量进行灌溉施肥。
2.根据权利要求1所述的一种适用于日光温室的水肥精准决策方法，其特征在于：所述步骤S3中的灌溉量按以下公式计算：
Figure FDA0002664662360000011
其中，M为灌溉量(m3)，S为灌溉面积(㎡)，H为计划湿润深度(mm)，Pw为土壤湿润比，θt为预设的土壤含水率，θ0为检测的土壤含水率，η为灌溉水利用效率。
3.根据权利要求1所述的一种适用于日光温室的水肥精准决策方法，其特征在于：所述步骤S2中通过下式计算实际作物的需水量累积值∑ETi：∑ETi＝ET1+ET2+ET3+…+ETi(i＝1、2、3……)。
4.根据权利要求1所述的一种适用于日光温室的水肥精准决策方法，其特征在于：所述步骤S1中通过下式计算实际作物的日需水量ETi：ETi＝Kr×ET0，其中，Kr为作物系数，参考FAO推荐的作物系数计算方法。
5.根据权利要求1所述的一种适用于日光温室的水肥精准决策方法，其特征在于：所述步骤S1中通过下式计算参考作物日需水量ET0：
Figure FDA0002664662360000021
其中，土壤热通量G在一天至十天的时间尺度里相当小，可以忽略不计，取G≈0，Rn通过作物冠层处的净辐射传感器采集作物冠层日净辐射，Tmax、Tmin、T、RH和P通过气象传感器采集，饱和水汽压es通过下式计算：
Figure FDA0002664662360000022
温室内气温为T时的饱和水汽压曲线斜率△通过下式计算：
Figure FDA0002664662360000023
干湿表常数γ通过下式计算：γ＝0.665×10-3×P。
6.根据权利要求1所述的一种适用于日光温室的水肥精准决策方法，其特征在于：所述步骤S4中通过下式计算氮磷钾养分施入量：养分施入量＝养分吸收量×校正系数×生育阶段养分吸收系数，其中，养分吸收量按下式计算：养分吸收量＝目标产量×单位产量养分吸收量，其中，校正系数、生育阶段养分吸收系数和单位产量养分吸收量与营养元素的作物吸收利用、土壤肥力水平、土壤残留及损失等有关，可以通过试验获得。
7.一种根据权利要求1-6任意一项所述的执行适用于日光温室的水肥精准决策方法的系统，包括环境信息采集单元、人工智能分析单元和智能灌溉施肥单元，其特征在于：所述环境信息采集单元的输出端与智能灌溉施肥单元的输入端电性连接，且智能灌溉施肥单元通过无线与人工智能分析单元实现双向连接，所述环境信息采集单元的输出端与人工智能分析单元的输入端电性连接。
8.根据权利要求7所述的一种执行适用于日光温室的水肥精准决策方法的系统，其特征在于：所述环境信息采集单元包括净辐射传感器、空气温度传感器、空气相对湿度传感器、大气压强传感器和土壤温湿度传感器。
9.根据权利要求7所述的一种执行适用于日光温室的水肥精准决策方法的系统，其特征在于：所述人工智能分析单元包括控制中心计算机、数据库和模型分析模块，所述智能灌溉施肥单元包括物联网终端管理控制器和水肥一体化设备，所述物联网终端管理控制器的输出端与水肥一体化设备的输入端电性连接。
CN202010914853.1A 2020-09-03 2020-09-03 一种适用于日光温室的水肥精准决策方法及系统 Pending CN112042353A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010914853.1A CN112042353A (zh) 2020-09-03 2020-09-03 一种适用于日光温室的水肥精准决策方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010914853.1A CN112042353A (zh) 2020-09-03 2020-09-03 一种适用于日光温室的水肥精准决策方法及系统

Publications (1)

Publication Number Publication Date
CN112042353A true CN112042353A (zh) 2020-12-08

Family

ID=73607784

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010914853.1A Pending CN112042353A (zh) 2020-09-03 2020-09-03 一种适用于日光温室的水肥精准决策方法及系统

Country Status (1)

Country Link
CN (1) CN112042353A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112715119A (zh) * 2020-12-28 2021-04-30 江苏省农业科学院 温室基质栽培的智能水肥决策方法及系统
CN113039908A (zh) * 2021-03-12 2021-06-29 中化现代农业有限公司 一种施肥和灌溉动态决策方法及系统
CN113994869A (zh) * 2021-10-12 2022-02-01 杭州畅鸿信息技术有限公司 一种基于物联网的智慧农业智能节水灌溉系统
CN114190264A (zh) * 2021-11-18 2022-03-18 国网河北省电力有限公司营销服务中心 一种精准灌溉方案确定方法、系统及终端设备
WO2022253057A1 (zh) * 2021-06-01 2022-12-08 中国农业科学院蔬菜花卉研究所 一种用于日光温室果菜栽培的智能水分精准灌溉控制系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105830870A (zh) * 2016-03-24 2016-08-10 华北水利水电大学 一种远程无线农田监控系统和方法
CN107491844A (zh) * 2017-08-28 2017-12-19 中国水利水电科学研究院 农田灌溉层次需水量的分析方法
CN108446997A (zh) * 2018-03-28 2018-08-24 江苏大学 一种基于多源信息融合的作物节水灌溉决策方法及测控系统
CN110810207A (zh) * 2019-12-12 2020-02-21 云南省烟草农业科学研究院 一种基于参考作物需水量的烤烟设施栽培滴灌方法
CN110933982A (zh) * 2019-11-20 2020-03-31 安徽三弟电子科技有限责任公司 一种农业种植的灌溉及施肥方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105830870A (zh) * 2016-03-24 2016-08-10 华北水利水电大学 一种远程无线农田监控系统和方法
CN107491844A (zh) * 2017-08-28 2017-12-19 中国水利水电科学研究院 农田灌溉层次需水量的分析方法
CN108446997A (zh) * 2018-03-28 2018-08-24 江苏大学 一种基于多源信息融合的作物节水灌溉决策方法及测控系统
CN110933982A (zh) * 2019-11-20 2020-03-31 安徽三弟电子科技有限责任公司 一种农业种植的灌溉及施肥方法
CN110810207A (zh) * 2019-12-12 2020-02-21 云南省烟草农业科学研究院 一种基于参考作物需水量的烤烟设施栽培滴灌方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张福锁 等: "《测土配方施肥技术》", 31 March 2011, 中国农业大学出版社, pages: 164 - 165 *
江荣风 等: "《第三届全国测土配方施肥技术研讨会论文集》", 31 July 2009, 中国农业大学出版社, pages: 246 *
王荫槐: "《土壤肥料学》", 31 May 1996, 农业出版社, pages: 41 *
蔡焕杰: "《大田作物膜下滴灌的理论与应用》", 31 December 2003, 西北农林科技大学出版社, pages: 80 - 83 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112715119A (zh) * 2020-12-28 2021-04-30 江苏省农业科学院 温室基质栽培的智能水肥决策方法及系统
CN112715119B (zh) * 2020-12-28 2022-08-02 江苏省农业科学院 温室基质栽培的智能水肥决策方法及系统
CN113039908A (zh) * 2021-03-12 2021-06-29 中化现代农业有限公司 一种施肥和灌溉动态决策方法及系统
WO2022253057A1 (zh) * 2021-06-01 2022-12-08 中国农业科学院蔬菜花卉研究所 一种用于日光温室果菜栽培的智能水分精准灌溉控制系统及方法
CN113994869A (zh) * 2021-10-12 2022-02-01 杭州畅鸿信息技术有限公司 一种基于物联网的智慧农业智能节水灌溉系统
CN114190264A (zh) * 2021-11-18 2022-03-18 国网河北省电力有限公司营销服务中心 一种精准灌溉方案确定方法、系统及终端设备
CN114190264B (zh) * 2021-11-18 2022-11-08 国网河北省电力有限公司营销服务中心 一种精准灌溉方案确定方法、系统及终端设备

Similar Documents

Publication Publication Date Title
CN112042353A (zh) 一种适用于日光温室的水肥精准决策方法及系统
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
CN110692338A (zh) 水肥一体化灌溉系统控制方法及水肥一体化灌溉系统
CN108958329B (zh) 一种滴灌水肥一体化智能决策方法
CN111096130B (zh) 一种使用ai光谱的无人干预种植系统及其控制方法
CN109902879A (zh) 基于综合适宜度指数的甘蔗种植区划方法
CN116108318B (zh) 基于无人机多光谱影像的油菜氮肥推荐追施量计算的方法
CN113039908A (zh) 一种施肥和灌溉动态决策方法及系统
CN111418323A (zh) 一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法
CN111557158A (zh) 智能灌溉控制方法及系统
CN114723113A (zh) 一种农业自动化生产管理系统
CN111459033A (zh) 水、肥精量灌溉的灰色预测模糊pid控制方法及设备
CN112715119A (zh) 温室基质栽培的智能水肥决策方法及系统
CN116195420A (zh) 一种基于水肥一体化的农田智慧灌溉系统及方法
CN113642729A (zh) 基于机器学习的智能沼液施用方法、系统及存储介质
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
CN110558023A (zh) 一种水肥一体化检测与控制系统
CN113269450B (zh) 一种县级尺度农作物资源利用与环境效应评估方法与系统
CN114418235A (zh) 一种农作物生长状况确定方法及系统
CN116595333B (zh) 土壤-气候智慧型的水稻目标产量与氮肥用量确定方法
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
CN116578047A (zh) 一种用于辣椒生产的精细化智能控制方法及系统
CN106713414A (zh) 一种生命周期模型解决种植问题的服务系统
CN213848015U (zh) 一种基于多源信息融合的作物节水灌溉测控系统
CN114626010A (zh) 一种基于CatBoost的灌溉量计算方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201208

RJ01 Rejection of invention patent application after publication