CN112446580A - 灌溉规划系统 - Google Patents

灌溉规划系统 Download PDF

Info

Publication number
CN112446580A
CN112446580A CN202010767479.7A CN202010767479A CN112446580A CN 112446580 A CN112446580 A CN 112446580A CN 202010767479 A CN202010767479 A CN 202010767479A CN 112446580 A CN112446580 A CN 112446580A
Authority
CN
China
Prior art keywords
irrigation
planning system
soil moisture
computer
estimates
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
CN202010767479.7A
Other languages
English (en)
Inventor
J·辛格
S·巴苏
M·特瓦利
L·A·特雷尼什
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.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
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 International Business Machines Corp filed Critical International Business Machines Corp
Publication of CN112446580A publication Critical patent/CN112446580A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G25/00—Watering gardens, fields, sports grounds or the like
    • A01G25/16—Control of watering
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G25/00—Watering gardens, fields, sports grounds or the like
    • A01G25/16—Control of watering
    • A01G25/167—Control by humidity of the soil itself or of devices simulating soil or of the atmosphere; Soil humidity sensors
    • 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
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • Environmental Sciences (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)

Abstract

一种计算机实现的方法可以包括：获得灌溉数据。该方法可以进一步包括获得第一浇水速率集合。该方法可以进一步包括生成第一土壤湿度估计集合和第二土壤湿度估计集合。该第一土壤湿度估计集合和该第二土壤湿度估计集合至少部分地基于该灌溉数据。该方法可以进一步包括获得定制约束并做出第一土壤湿度估计集合满足定制约束的第一确定。该方法可以进一步包括响应于做出该第一确定来获得湿度参考值。湿度参考值可以至少部分地基于第二土壤湿度估计集合。该方法可以进一步包括做出湿度参考值超过第一阈值的第二确定，并响应于做出该第二确定来生成灌溉规划。

Description

灌溉规划系统
背景技术
本公开涉及灌溉，并且更具体地，涉及制定灌溉规划。
灌溉可以包括向各种类型的植被提供水。灌溉规划可以包括确定要提供的水量和提供水的间隔。
发明内容
根据本公开的实施例，一种计算机实现的方法可以包括：由灌溉规划系统获得灌溉数据。该方法可以进一步包括由灌溉规划系统获得第一浇水速率集合。该方法可以进一步包括由灌溉规划系统生成第一土壤湿度估计集合和第二土壤湿度估计集合。所述第一土壤湿度估计集合和所述第二土壤湿度估计集合至少部分地基于所述灌溉数据。该方法可以进一步包括由灌溉规划系统获得定制约束。该方法可以进一步包括由灌溉规划系统做出第一土壤湿度估计集合满足定制约束的第一确定。该方法可以进一步包括由所述灌溉规划系统响应于做出所述第一确定来获得湿度参考值。湿度参考值可以至少部分地基于第二土壤湿度估计集合。该方法可以进一步包括由灌溉规划系统做出湿度参考值超过第一阈值的第二确定。该方法可以进一步包括由所述灌溉规划系统响应于做出所述第二确定来生成灌溉规划。
本文还包括与以上方法相对应的系统和计算机程序产品。
上述发明内容并非旨在描述本公开的每个示出的实施例或每个实现。
附图说明
本申请中包括的附图被并入说明书中并且形成说明书的一部分。它们示出了本公开的实施例，并且与说明书一起用于解释本公开的原理。附图仅是某些实施例的说明，并不限制本公开。
图1描绘了根据本公开的实施例的具有灌溉规划系统的示例计算环境。
图2描绘了根据本公开的实施例的用于生成灌溉规划的示例方法的流程图。
图3描绘了根据本公开的实施例的灌溉规划系统的示例系统框图。
图4描绘了可以根据本公开的实施例使用的计算机系统的代表性主要组件。
图5描绘了根据本公开的实施例的云计算环境。
图6描绘了根据本公开的实施例的抽象模型层。
尽管本发明可修改到各种修改和替代形式，但是其细节已经通过示例在附图中示出并且将被详细描述。然而，应当理解，其目的不是将本发明限制于所描述的特定实施例。相反，其目的是涵盖落入本发明的精神和范围内的所有修改、等同形式和替代形式。
具体实施方式
本公开的方面涉及灌溉规划；更具体的方面涉及定制的高效灌溉规划。尽管本公开不一定限于此类应用，但是可以通过使用该上下文讨论各种示例来理解本公开内容的各个方面。
高昂的灌溉成本和有限的淡水资源获取可高效地为灌溉提供强有力的动力。此外，低效灌溉会导致各种与水有关的损失，诸如在根区域深度层(例如植物可以从土壤中吸收水的表面以下的区域)之外不必要的水渗透；浸出农药、化肥和除草剂；以及在灌溉上浪费的能源。(在本公开中，“表面”可以指种植了植被的土地或土壤成分的表面。)灌溉规划可以指定要分配给植被的水量以及这种分配的时间间隔；但是，此类规划可能并没有被设计为将与水有关的损失降至最低。另外，用于生成灌溉规划的方法的有效性可能受到不能准确代表相关环境条件的数据输入和/或近似值的限制。
为了解决这些和其他问题，本公开的实施例包括一种灌溉规划系统，该灌溉规划系统生成可以使与水有关的损失最小化的灌溉规划。在一些实施例中，灌溉规划可包括浇水速率集合、灌溉时间段、一个或多个灌溉时间增量、灌溉日期和一天中的灌溉时间中的一个或多个。在一些实施例中，灌溉规划系统可以利用基于仿真的优化来生成灌溉规划。在一些实施例中，灌溉规划系统可以在生成灌溉规划时考虑表面、植被和大气之间的相互作用。例如在一些实施例中，灌溉规划系统可以包括土壤湿度模拟器，该土壤湿度模拟器可以至少部分基于诸如降水率、环境温度、相对湿度和太阳辐射的输入来生成土壤湿度估计。在一些实施例中，灌溉规划系统可以包括规划优化器，该规划优化器可以至少部分地基于来自土壤湿度模拟器的土壤湿度估计和定制约束集合来生成灌溉规划。(在本公开中，“集合”可以包括一个或多个项目；因此，定制约束的“集合”可以包括一个或多个定制约束)。在一些实施例中，定制约束集合可以包括一个或多个用户特定的限制。例如在一些实施例中，灌溉规划系统的用户可能需要在周二早上灌溉作物，因为在周二下午将禁用灌溉设备进行维修。此外，在此示例中，周二天气预报可以包括降水。在该示例中，用户可以将定制约束输入到灌溉规划系统中，以用于周二早晨的灌溉。进一步地，在该示例中，灌溉规划系统可以生成使与水有关的损失最小化的灌溉规划，同时考虑周二早晨灌溉的定制约束。此外，在该示例中，灌溉规划系统可以获得天气预报，并在生成灌溉规划时考虑预期的降水。
在一些实施例中，灌溉规划系统可以在土壤湿度模拟器和规划优化器之间实现迭代过程，以生成可以减少在表面以下的预定区域中水渗透的灌溉规划。例如在一些实施例中，这样的迭代过程可以包括灌溉规划系统，该灌溉规划系统获得初始的浇水速率集合(例如用于将灌溉水输送到植被的流速值集合)。在该示例中，初始浇水速率集合可以包括来自先前灌溉规划的存储的浇水速率集合，并且可以考虑在规划的灌溉时间内的预测降雨。进一步地，在该示例中，灌溉规划系统可以使用初始的浇水速率集合来执行迭代的计算循环，直到灌溉规划系统确定已经超过阈值为止。此外，在该示例中，灌溉规划系统可以生成包括最终浇水速率集合的灌溉规划。
例如灌溉规划系统的土壤湿度模拟器可以获得灌溉数据，该灌溉数据包括浇水速率、海拔信息、植被数据和气象参数的初始集合。继续该示例，土壤湿度模拟器可以使用获得的灌溉数据来生成深度层(例如表面以下的区域，诸如从表面以下0.15m延伸到表面以下0.75m的区域)处的土壤湿度估计集合。进一步地，在该示例中，土壤湿度模拟器可以将土壤湿度估计的集合发送到规划优化器。此外，在此示例中，规划优化器可以生成经调整的浇水速率集合，该经调整的浇水速率集合基于土壤湿度估计集合和获得的定制约束集合(例如针对某种植被的最小所需土壤湿度，可用于灌溉的特定数量的水，可用于泵送灌溉用水的特定功率量等)。此外，在该示例中，规划优化器可以将经调整的浇水速率的集合发送到土壤湿度模拟器，并且土壤湿度模拟器可以基于经调整的浇水速率的集合和所获得的灌溉数据来生成更新的土壤湿度估计的集合。在该示例中，灌溉规划系统可以继续迭代过程，在该过程中，土壤湿度模拟器将经更新的土壤湿度估计集合发送到规划优化器，而规划优化器将经调整的浇水速率集合发送到土壤湿度模拟器，直到灌溉规划系统确定已超过一个或多个阈值。
例如在一些实施例中，灌溉规划系统可以利用限定的根区域深度层(例如在表面下方的作物集合可以从土壤吸收水的区域)。在该示例中，根区域深度层可以被定义为从表面以下0.15m延伸到表面以下0.75m的区域。进一步在该示例中，灌溉规划系统可以利用剩余区域深度层的定义(例如根区域深度层以下的区域，来自渗透灌溉水的湿度的存在指示浪费的灌溉水)。在该示例中，剩余区域深度层可以被定义为从表面以下0.75m延伸到表面以下1.5m的区域。进一步地，在该示例中，灌溉规划系统可以将阈值定义为可以指示何时浇水速率的集合对应于进入剩余区域深度层的渗透水的最小速率的函数。此外，在该示例中，灌溉规划系统可以继续上述迭代过程，直到土壤湿度模拟器生成超过阈值的土壤湿度估计集合为止。此外，在该示例中，当灌溉规划系统确定已超过阈值时，规划优化器可以生成最终的浇水速率集合。此外，在该示例中，灌溉规划系统可以在灌溉规划中包括最终的浇水速率集合。
转向附图，图1示出了示例计算环境100，该示例计算环境100包括计算设备110、服务器120、IoT设备130、灌溉设备160和灌溉规划系统150，它们可以通过网络140交换数据。在一些实施例中，计算环境100可以包括计算设备110、服务器120、IoT设备130、灌溉设备160、灌溉规划系统150和网络140中的至少一个中的多个。在一些实施例中，计算设备110、服务器120、IoT设备130、灌溉设备160、灌溉规划系统150和网络140中的一个或多个可以包括计算机系统，诸如关于图4描述的计算机系统401。
返回参考图1，在一些实施例中，灌溉规划系统150可以是离散的计算机系统。在一些实施例中，灌溉规划系统150可以是在计算机系统的处理器上实现的计算机程序或应用。例如在一些实施例中，灌溉规划系统150可以是安装在计算设备110上的计算机程序。在一些实施例中，计算设备110可以包括诸如台式计算机、平板计算机、膝上型计算机或智能手机的设备。在一些实施例中，计算设备110和/或服务器120可以获得、存储和/或处理灌溉规划系统150的数据。例如在一些实施例中，计算设备110和服务器120中的一个或多个可以获得、存储和/或处理定制约束和/或灌溉数据，诸如关于图3讨论的定制约束360和灌溉数据370。在一些实施例中，IoT设备130可以包括一个或多个传感器，诸如降水传感器、温度传感器和气压计。在一些实施例中，IoT设备130可以包括：一个或多个设备，被配置为获取灌溉数据，诸如关于图3讨论的灌溉数据370。在一些实施例中，灌溉设备160可以包括一个或多个灌溉设备，诸如被配置为根据灌溉规划系统150生成的灌溉规划来分配水的洒水设备集合。在一些实施例中，网络140可以是广域网(WAN)、局域网(LAN)、互联网或内部网。在一些实施例中，网络140可以与图5中描述的云计算环境50基本相似或相同。
图2示出了根据本公开的实施例的用于生成灌溉规划的示例性方法200的流程图。方法200可以由灌溉规划系统执行，诸如关于图1描述的灌溉规划系统150或关于图3描述的灌溉规划系统335。
返回参考图2，在步骤210中，灌溉规划系统可以获得灌溉数据。在一些实施例中，灌溉数据可以包括一种或多种类型的灌溉数据，诸如关于图3描述的灌溉数据370。在一些实施例中，灌溉数据可以包括土壤湿度(SM)和土壤温度(ST)。在一些实施例中，灌溉数据可以进一步包括依赖于时间的气象参数，诸如降水率(PRt)，大气温度(Tt)，大气压力(Pt)，相对湿度(RHt)，风场(Wt)和太阳能辐射(SRt)(其中上标t代表时间值)。在一些实施例中，灌溉规划系统可以间歇地获得灌溉数据，使得灌溉规划系统可以考虑改变的条件，诸如改变的气象参数。在一些实施例中，灌溉数据可包括依赖于时间的浇水速率(WRt)。在一些实施例中，浇水速率可以是用于在时间间隔(t)期间将灌溉水输送至植被的体积流速率(例如在第一小时期间40m3/小时)。
在一些实施例中，在步骤210中，灌溉规划系统可以获得浇水速率集合(例如WRt＝[WR0,WR1,…WRN]，其中上标t表示时间值，诸如第N小时或第N天)。例如在一些实施例中，灌溉规划系统可以从诸如计算设备的存储位置获得初始的浇水速率集合，该存储位置存储来自先前生成的灌溉规划的浇水速率集合。在一些实施例中，灌溉规划系统可以经由诸如计算设备110的计算设备从用户获得初始的浇水速率集合。
在步骤215中，灌溉规划系统可以获得定制约束集合。在一些实施例中，灌溉规划系统可以从诸如图1的服务器120的远程服务器或诸如图1的计算设备110的用户的计算设备获得定制约束集合。一一些实施例中，定制约束集合可以包括阈值，诸如特定作物的根区域深度层处的最小所需土壤湿度。在一些实施例中，灌溉规划系统可以根据以下等式计算这样的最小所需土壤湿度：B*＝FC*(1-cc)+cc*WP，其中B*是在特定作物的根区域深度层处的最小所需土壤湿度；FC是土壤的田间持水量；cc是特定作物的作物系数；WP是特定作物的枯萎点。在一些实施例中，灌溉规划系统可以通过基于灌溉规划系统从远程服务器或用户的计算设备获得的FC、cc和WP的值来计算B*，从而在根区域深度层处获得最小所需土壤湿度。在一些实施例中，灌溉规划系统可以从诸如远程服务器的外部源获得根区域深度层处的最小所需土壤湿度。
在一些实施例中，定制约束集合可以包括至少部分基于可用时间和/或可用资源的用户特定限制。例如在一些实施例中，定制约束集合可以包括灌溉时间段，诸如五个小时的时间段，在该灌溉时间段期间可以进行灌溉。在一些实施例中，定制约束集合可以包括体积流速率，诸如用于基于可用灌溉设备来输送灌溉水的最大体积流速率。通过获得定制约束集合，灌溉规划系统可以定制灌溉规划，以考虑一个或多个用户特定的限制；因此，在一些实施例中，灌溉规划系统可以以改进的准确性来解决特定的灌溉需求。
在步骤220中，灌溉规划系统可以至少部分地基于获得的灌溉数据(例如在步骤210中获得的灌溉数据)来生成土壤湿度估计的一个或多个集合。例如在一些实施例中，灌溉规划系统可以至少部分地基于浇水速率集合来生成土壤湿度估计集合；因此，土壤湿度估计的集合可以对应于浇水速率的集合。在一些实施例中，土壤湿度估计集合中的每个土壤湿度估计可以包括在深度层(例如表面以下的土壤区域)处的单位数量的土壤中存在的水含量的近似值。例如在一些实施例中，土壤湿度估计为10％可以指示水占深度层处的一立方米土壤质量的10％。通过至少部分地基于获得的灌溉数据来生成土壤湿度估计的一个或多个集合，灌溉规划系统可以考虑表面、植被和大气之间的相互作用。例如在一些实施例中，灌溉规划系统可以结合可能会结合涉及的土壤、植被和气象参数而发生的蒸发蒸腾(例如，通过从土壤蒸发和/或通过从植被蒸腾将水转移到大气中)，估计可以达到土壤深度的灌溉水量。
在一些实施例中，在步骤220中，灌溉规划系统可以至少部分地基于浇水速率集合来生成在根区域深度层处的土壤湿度估计集合。在一些实施例中，根区域深度层可以是植物可以从土壤吸收水的表面下方的区域。在一些实施例中，根区域深度层可以对应于特定类型的植被。例如在一些实施例中，诸如玉米的第一作物可具有从表面下方的0.1m延伸至表面下方的0.8m的根区域深度层。在另一个示例中，在一些实施例中，诸如小麦的第二作物可以具有从表面下方的0.1m延伸至表面下方的0.5m的根区域深度层。
在一些实施例中，在步骤220中，灌溉规划系统可以至少部分地基于浇水速率集合来在剩余区域深度层处生成土壤湿度估计集合。在一些实施例中，剩余区深度层可以是在根区域深度层下方的深度层，其中来自渗透的灌溉水的湿度的存在指示浪费的灌溉水。继续上面讨论的玉米作物的根区域深度层的示例，对应的剩余区深度层可以延伸到表面以下0.8m(例如从表面以下0.8m到表面以下1.5m)。
在一些实施例中，在步骤220中，灌溉规划系统可以生成土壤湿度估计集合(例如SMt＝[SM0,SM1,…SMN]，其中上标t代表时间值，例如第N小时或第N天)，该土壤湿度估计集合至少部分基于初始浇水速率集合或经调整的浇水速率集合(在下面进一步详细讨论)。在一些实施例中，步骤220可以包括灌溉规划系统根据深度和/或时间来获得土壤温度。在一些实施例中，步骤220可以包括灌溉规划系统在特定时间计算蒸发蒸腾。在一些实施例中，步骤220可以包括灌溉规划系统，该灌溉规划系统响应于获得经调整的浇水速率的一个或多个集合来生成经更新的土壤湿度估计的一个或多个集合(参见下面的步骤240)。在一些实施例中，步骤220可以包括灌溉规划系统，其响应于获得诸如改变的气象参数的改变的灌溉数据来生成一个或多个经更新的土壤湿度估计。
在步骤225中，灌溉规划系统可以确定是否满足一个或多个定制约束，并基于是否满足一个或多个定制约束来继续进行。例如在一些实施例中，灌溉规划系统可以将在根区域深度层处的一个或多个土壤湿度估计与在根区域深度层处的最小所需土壤湿度(B*)进行比较，以确保一个或多个土壤湿度估计超过最小所需土壤湿度。在一些实施例中，如果一个或多个土壤湿度估计不超过最小所需土壤湿度，则灌溉规划系统可以进行到步骤240(在下面进一步讨论)。在一些实施例中，如果一个或多个土壤湿度估计超过最小所需土壤湿度，则可以满足定制约束，并且灌溉规划系统可以前进至步骤230。
在一些实施例中，定制约束集合可以包括最大浇水速率，诸如用户的灌溉设备的最大浇水速率。在这些实施例中，灌溉规划系统可以将浇水速率集合与最大浇水速率进行比较，以确定是否超过了最大浇水速率。在一些实施例中，如果该浇水速率集合中的一个或多个浇水速率超过最大浇水速率，则灌溉规划系统可以在步骤240中调整该浇水速率集合(在下文进一步讨论)。在一些实施例中，如果浇水速率集合中的浇水速率没有超过最大浇水速率，则可以满足定制约束，并且灌溉规划系统可以前进至步骤230。
在一些实施例中，定制约束集合可以包括在其期间可以进行灌溉的灌溉时间段。例如在一些实施例中，用户可以将最大灌溉时间段输入灌溉规划系统中。在这些实施例中，灌溉规划系统可以将浇水速率集合的灌溉时间段与最大灌溉时间段进行比较，以确定该浇水速率集合的灌溉时间段是否超过最大灌溉时间段。例如浇水速率集合可以具有3小时的灌溉时间段(例如WRt＝[WR0,WR1,WR2]，其中WR0表示从0-1小时的浇水速率；WR1表示从1-2小时的浇水速率；WR2表示从2-3小时的浇水速率)。在该示例中，如果定制约束集合包括3小时或更多小时的最大灌溉时间段，则灌溉规划系统可以进行到步骤230，因为将满足定制约束。然而，在该示例中，如果定制约束集合包括小于三个小时的最大灌溉时间段，则灌溉规划系统可以前进至步骤240以调整该浇水速率集合(在下面进一步讨论)。
在步骤230中，灌溉规划系统可以获得湿度参考值。在一些实施例中，湿度参考值可以包括根据深度和/或时间的土壤湿度估计。在一些实施例中，湿度参考值可以指示一段时间内深度处的土壤湿度的改变。在一些实施例中，湿度参考值可以基于土壤湿度估计集合；因此，湿度参考值可以对应于土壤湿度估计值的集合。
例如在一些实施例中，湿度参考值可包括总耗水量损失(f(WRt))。在一些实施例中，灌溉规划系统可以根据以下公式基于土壤湿度估计集合来计算总耗水量损失：
Figure BDA0002615239870000101
其中:
Figure BDA0002615239870000102
是在剩余区域深度层(d')的时间(t)的土壤湿度估计；
Figure BDA0002615239870000103
是剩余区域深度层(d')的后续时间(t+1)的土壤湿度估计；N代表第N次；并且Δt是时间差。在该示例中，总耗水量损失可以指示水渗透到剩余区域深度层。如下面进一步详细描述的，灌溉规划系统可以生成最小的总耗水量损失，其可以对应于水向剩余区域深度层的最小渗透。在一些实施例中，湿度参考值可包括两个总耗水量损失之间的差。
在步骤235中，灌溉规划系统可以确定是否超过一个或多个阈值。例如在一些实施例中，灌溉规划系统可以确定总耗水量损失是否超过预定阈值。在一些实施例中，灌溉规划系统可以确定第一总耗水量损失与第二总耗水量损失之间的差是否超过预定阈值。在一些实施例中，预定阈值可以由用户选择。在一些实施例中，预定阈值可以由灌溉规划系统基于其对先前生成的灌溉规划和/或机器学习技术的分析来选择。在一些实施例中，如果未超过一个或多个阈值，则灌溉规划系统可进行至步骤240。在一些实施例中，如果超过一个或多个阈值，则灌溉规划系统可进行至步骤245。
在一些实施例中，步骤235中的预定阈值可应用于由灌溉规划系统计算的一个或多个总耗水量损失。在预定阈值可应用于由灌溉规划系统计算的一个总耗水量损失的示例中，灌溉规划系统可在步骤210中获得初始浇水速率集合。继续此示例，在步骤220中，灌溉规划系统可以至少部分地基于初始浇水速率集合来在剩余区域深度层处生成第一土壤湿度估计集合；因此，第一土壤湿度估计集合可以对应于初始浇水速率集合。继续该示例，在步骤230中，灌溉规划系统可以基于第一土壤湿度估计集合来计算第一总耗水量损失；因此，第一总耗水量损失可以对应于第一土壤湿度估计集合和初始浇水速率集合。继续该示例，用户可以将第一总耗水量损失的最大阈值输入到灌溉规划系统中。继续该示例，在步骤235中，灌溉规划系统可以将第一总耗水量损失与最大阈值进行比较，并且如果第一总耗水量损失大于最大阈值，则进行到步骤240。继续该示例，如果第一总耗水量损失小于最大阈值，则灌溉规划系统可以前进至步骤245。
在一些实施例中，步骤235中的预定阈值可以应用于多于一个的总耗水量损失。例如在一些实施例中，灌溉规划系统可以生成第一总耗水量损失和第二总耗水量损失。在该示例中，灌溉规划系统可以将第一总耗水量损失和第二总耗水量损失之间的差值与预定阈值进行比较。例如在一些实施例中，预定阈值可以是0.00005，并且当第一总耗水量损失与第二总耗水量损失之间的差小于0.00005时，可以超过预定阈值。在一些实施例中，灌溉规划系统可以将预定阈值与第一总耗水量损失和第二总耗水量损失之间的百分比改变进行比较。在一些实施例中，可以选择预定阈值，使得当第一总耗水量损失和第二总耗水量损失近似相等时(例如具有可以小于约0.01的绝对差；具有可以小于大约0.01％的百分比改变；等等)，预定阈值被超过。
在一些实施例中，在步骤235中，灌溉规划系统确定阈值被超过可以指示以下至少一项：已经达到最佳标准；渗入剩余区域深度层的水被最小化；以及与水有关的损失被最小化。
在步骤240中，灌溉规划系统可以获得浇水速率集合并生成经调整的浇水速率集合。在一些实施例中，获得的浇水速率集合可以是与步骤225中不满足的定制约束相对应的浇水速率集合。在一些实施例中，灌溉规划系统可以继续在步骤240中生成经调整的浇水速率集合的迭代过程，直到在步骤225中满足定制约束集合为止(例如灌溉规划系统可以重复步骤220、225和240，直到满足定制约束集合为止)。在一些实施例中，获得的浇水速率集合可以是与步骤235中未超过的阈值相对应的浇水速率集合。在一些实施例中，灌溉规划系统可以继续在步骤240中生成经调整的浇水速率集合的迭代过程，直到在步骤235中超过阈值为止(例如灌溉规划系统可以重复步骤220至240，直到超过阈值为止)。
在一些实施例中，在步骤240中，可以由规划优化器(例如规划优化器350，下面进一步讨论)与土壤湿度模拟器(例如土壤湿度模拟器340，下面进一步讨论)一起对连续迭代之间的浇水速率集合进行调整。例如在一些实施例中，土壤湿度模拟器可以自动输出将被应用于第一迭代的浇水速率集合的浇水速率的标准化调整。在此示例中，规划优化器可以通过扫描最小值和最大值内的比例范围来找到要与标准化调整相乘的正确比例，使得将相乘后的调整添加到第一次迭代的浇水速率集合中可以最大地减少总耗水量损失。在一些实施例中，可以由规划优化器对连续迭代之间的浇水速率集合进行调整，而无需对来自土壤湿度模拟器的浇水速率进行标准化调整。例如在一些实施例中，规划优化器可以经由应用到浇水速率集合中的每个浇水速率的有条不紊的递增/递减过程来设计候选调整速率。然后，规划优化器可以将每个候选调整率添加到第一次迭代的浇水速率集合中，以生成经调整的浇水速率集合。
在一些实施例中，灌溉规划系统可以通过操纵(例如添加/移除、增加/减少等)所获得的浇水速率集合中的一个或多个浇水速率来生成经调整的浇水速率集合。例如如果定制约束集合需要3个小时的灌溉时间段，而获得的浇水速率集合包括5个小时的灌溉时间段，则在步骤240中，灌溉规划系统可以将获得的浇水速率集合的灌溉时间段从五个小时减少到三个小时，得到经调整的浇水速率集合。在一些实施例中，灌溉规划系统可以通过操纵一个或多个浇水速率的灌溉时间增量来生成经调整的浇水速率集合。例如具有三个、一小时的浇水速率的浇水速率集合具有三个小时的灌溉时间段和一个小时的灌溉时间增量。在该示例中，可以在步骤240中操纵该浇水速率集合，使得所得的经调整的浇水速率集合可以具有两个1小时浇水速率和两个0.5小时浇水速率。在该示例中，经调整的浇水速率集合具有三个小时的灌溉时间段、一个小时的第一灌溉时间增量、和一个半小时的第二灌溉时间增量。在一些实施例中，灌溉规划系统可以根据其对先前生成的灌溉规划和/或机器学习技术的分析来确定如何操纵所获得的浇水速率集合。
如果灌溉规划系统在步骤235中确定阈值被超过，则在步骤245中，灌溉规划系统可以输出灌溉规划。在一些实施例中，步骤245可以包括将灌溉规划传输到灌溉设备的控制器，诸如关于图1所讨论的灌溉设备160。在一些实施例中，灌溉规划可以包括在步骤240中生成的最终经调整的浇水速率集合。例如在一些实施例中，灌溉规划系统可以在其在步骤235中确定超过阈值之前继续进行五次迭代过程。在该示例中，在步骤240中生成的第五经调整的浇水速率集合可以是最终经调整的浇水速率集合。在一些实施例中，灌溉规划可以包括满足步骤225中的定制约束并且在步骤235中超过阈值的初始浇水速率集合。在一些实施例中，灌溉规划可以包括浇水速率集合、灌溉时间段、一个或多个灌溉时间增量、一个灌溉日期和一天中的一个灌溉时间中的一个或多个。在一些实施例中，灌溉规划中包括的浇水速率集合可使灌溉期间与水有关的损失最小化。
图3示出了根据本公开的实施例的灌溉规划系统335的示例系统框图300。灌溉规划系统335可以包括一个或多个处理器和/或神经网络。在一些实施例中，灌溉规划系统335可以包括计算机系统，诸如参照图4描述的计算机系统401。参考回到图3，在一些实施例中，灌溉规划系统335可以获得一种或多种类型的灌溉数据370。在一些实施例中，灌溉数据可以包括位置数据305、气象参数310、地形数据315、深度层数据320、初始条件325和土壤/植被数据330。在一些实施例中，灌溉数据370可以从一个或多个源获得，诸如用户的数据输入设备、传感器集合以及一个或多个本地或远程计算机系统。
在一些实施例中，位置数据305可以包括地理位置信息，诸如全球定位系统坐标。在一些实施例中，气象参数310可以包括依赖于时间的气象参数，诸如降水率、温度、相对湿度、太阳辐射、大气压力以及风速和风向。在一些实施例中，气象参数可以包括来自天气预报的预期气象参数。在一些实施例中，地形数据315可以包括关于海拔和地形的坡度的信息。在一些实施例中，深度层数据320可以包括深度层定义，诸如定义特定作物的根区域深度层的上下边界的深度。在一些实施例中，深度层数据320可以包括定义剩余区域深度层的深度。在一些实施例中，初始条件325可以包括由用户输入的初始灌溉数据估计，诸如用户对初始浇水速率集合的猜测。在一些实施例中，初始条件325可以包括灌溉数据或由灌溉规划系统335先前获得的灌溉规划。在一些实施例中，土壤/植被数据330可以包括诸如土壤和植被类型和性质的信息。在一些实施例中，土壤/植被数据330可以包括特定作物的根区域深度层处的最小所需土壤湿度(B*)；土壤的田间持水量(FC)；特定作物的作物系数(cc)；以及特定作物的枯萎点(WP)中的至少一个。在一些实施例中，土壤/植被数据330可以包括诸如植被的最优(例如，首选或有益的)灌溉条件(例如，特定的时间和/或日期，以及可以对应于有利可图的作物产量的浇水速率集合)的信息。
在一些实施例中，灌溉规划系统335可以包括土壤湿度模拟器340。在一些实施例中，土壤湿度模拟器340可以执行关于图2讨论的步骤210、215和220中的至少一个。在一些实施例中，土壤湿度模拟器340可以是灌溉规划系统335的子模块。在一些实施例中，土壤湿度模拟器340可以获得一种或多种类型的灌溉数据370，并基于一种或多种类型的灌溉数据370来生成一种或多种模型输出345。在一些实施例中，模型输出345可包括根据时间和深度的至少一个土壤湿度估计集合；或至少一种类型的灌溉数据370。根据时间和深度的土壤温度估计；以及根据时间的蒸发蒸腾值。在一些实施例中，土壤湿度模拟器可以向规划优化器350发送一个或多个模型输出345。
在一些实施例中，规划优化器350可执行参照图2讨论的步骤215、225、230、235、240和245中的一个或多个。在一些实施例中，规划优化器350可以获得来自土壤湿度模拟器340的一个或多个模型输出345。在一些实施例中，规划优化器350可以从源(例如用户输入设备、数据存储位置等)获得定制约束集合360。在一些实施例中，定制约束集合360可以包括诸如灌溉时间段、灌溉水的阈值量、灌溉的特定时间和/或日期、根据时间和深度的特定土壤湿度、以及用于提供灌溉水的阈值流速率的限制。在一些实施例中，定制约束集合360可以包括特定作物的根区域深度层处的最小所需土壤湿度(B*)；土壤的田间持水量(FC)；特定作物的作物系数(cc)；以及特定作物的枯萎点(WP)中的至少一个。在一些实施例中，定制约束集合360可以包括阈值，诸如关于图2中的步骤235讨论的一个或多个阈值。
在一些实施例中，规划优化器350可以至少部分地基于模型输出345和/或定制约束360来生成经调整的浇水速率集合355。在一些实施例中，规划优化器350可以向土壤湿度模拟器340发送经调整的浇水速率集合355。在一些实施例中，灌溉规划系统335可以在土壤湿度模拟器340和规划优化器350之间实现迭代过程以生成灌溉规划365。在这些实施例中，土壤湿度模拟器340可以将模型输出345循环发送到规划优化器350，而规划优化器350可以将经调整的浇水速率集合355循环发送到土壤湿度模拟器340，直到模型输出345的集合满足定制约束360。
在一些实施例中，由灌溉规划系统335生成的灌溉规划365可以提供唯一的浇水速率集合，该浇水速率集合准确地考虑了周围条件和定制约束，同时使与水有关的损失最小化。因此，在一些实施例中，灌溉规划系统335可以提供专门定制到用户的灌溉要求而定制的灌溉规划365。在一些实施例中，由灌溉规划系统335生成的灌溉规划365可以被输出到灌溉设备，诸如关于图1讨论的灌溉设备160。
图4描绘了可以根据本公开的实施例使用的示例性计算机系统401的代表性主要组件。所描绘的特定组件仅出于示例的目的而呈现，并且不一定是唯一的此类变型。计算机系统401可以包括处理器410、存储器420、输入/输出接口(在本文中也称为I/O或I/O接口)430以及主总线440。主总线440可以为计算机系统401的其他组件提供通信路径。在一些实施例中，主总线440可以连接到其他组件，诸如专用数字信号处理器(未示出)。
计算机系统401的处理器410可以由一个或多个CPU 412组成。处理器410还可以包括为CPU 412提供指令和数据的临时存储的一个或多个存储器缓冲器或高速缓存(未示出)。CPU 412可以对从高速缓存或存储器420提供的输入执行指令，并将结果输出到高速缓存或存储器420。CPU 412可以包括一个或多个电路，一个或多个电路被配置为执行与本公开的实施例一致的一个或多个方法。在一些实施例中，计算机系统401可以包含相对大型系统典型的多个处理器410。然而，在其他实施例中，计算机系统401可以是具有单个CPU 412的单个处理器。
计算机系统401的存储器420可以包括存储器控制器422和用于临时或永久存储数据的一个或多个存储器模块(未示出)。在一些实施例中，存储器420可以包括用于存储数据和程序的随机存取半导体存储器、存储设备或存储介质(易失性或非易失性)。存储器控制器422可以与处理器410通信，以促进信息在存储器模块中的存储和取回。存储器控制器422可以与I/O接口430通信，以促进存储模块中的输入或输出的存储和取回。在一些实施例中，存储器模块可以是双列直插式存储器模块。
I/O接口430可以包括I/O总线450、终端接口452、存储接口454、I/O设备接口456和网络接口458。I/O接口430可以连接主总线440到I/O总线450。I/O接口430可以将来自处理器410和存储器420的指令和数据引导到I/O总线450的各种接口。I/O接口430还可以将指令和数据从I/O总线450的各个接口引导到处理器410和存储器420。各个接口可以包括终端接口452、存储接口454、I/O设备接口456和网络接口458。在一些实施例中，各种接口可以包括上述接口的子集(例如工业应用中的嵌入式计算机系统可以不包括终端接口452和存储接口454)。
遍及计算机系统401的逻辑模块-包括但不限于存储器420、处理器410和I/O接口430-可以将一个或多个组件的故障和对一个或多个组件的改变传送给系统管理程序或操作系统(未描绘)。系统管理程序或操作系统可以分配计算机系统401中可用的各种资源，并跟踪数据在存储器420中的位置以及分配给各个CPU 412的进程的位置。在组合或重新布置元素的实施例中，逻辑模块功能的各个方面可以合并或重新分配。这些改变对于本领域技术人员将是显而易见的。
预先理解，尽管本公开包括关于云计算的详细描述，但是本文记载的教导的实现不限于云计算环境。相反，本发明的实施例能够与现在已知或以后开发的任何其他类型的计算环境结合实现。
云计算是一种服务交付模式，用于对共享的可配置计算资源池进行方便、按需的网络访问。可配置计算资源是能够以最小的管理成本或与服务提供者进行最少的交互就能快速部署和释放的资源，例如可以是网络、网络带宽、服务器、处理、存储器、存储、应用、虚拟机和服务。这种云模式可以包括至少五个特征、至少三个服务模型和至少四个部署模型。
特征包括：
按需自助式服务：云的消费者在无需与服务提供者进行人为交互的情况下能够单方面自动地按需部署诸如服务器时间和网络存储等的计算能力。
广泛的网络接入：计算能力可以通过标准机制在网络上获取，这种标准机制促进了通过不同种类的瘦客户机平台或厚客户机平台(例如移动电话、膝上型计算机、个人数字助理PDA)对云的使用。
资源池：提供者的计算资源被归入资源池并通过多租户(multi-tenant)模式服务于多重消费者，其中按需将不同的实体资源和虚拟资源动态地分配和再分配。一般情况下，消费者不能控制或甚至并不知晓所提供的资源的确切位置，但可以在较高抽象程度上指定位置(例如国家、州或数据中心)，因此具有位置无关性。
迅速弹性：能够迅速、有弹性地(有时是自动地)部署计算能力，以实现快速扩展，并且能迅速释放来快速缩小。在消费者看来，用于部署的可用计算能力往往显得是无限的，并能在任意时候都能获取任意数量的计算能力。
可测量的服务：云系统通过利用适于服务类型(例如存储、处理、带宽和活跃用户帐号)的某种抽象程度的计量能力，自动地控制和优化资源效用。可以监测、控制和报告资源使用情况，为服务提供者和消费者双方提供透明度。
服务模型如下：
软件即服务(SaaS)：向消费者提供的能力是使用提供者在云基础架构上运行的应用。可以通过诸如网络浏览器的瘦客户机接口(例如基于网络的电子邮件)从各种客户机设备访问应用。除了有限的特定于用户的应用配置设置外，消费者既不管理也不控制包括网络、服务器、操作系统、存储、乃至单个应用能力等的底层云基础架构。
平台即服务(PaaS)：向消费者提供的能力是在云基础架构上部署消费者创建或获得的应用，这些应用利用提供者支持的程序设计语言和工具创建。消费者既不管理也不控制包括网络、服务器、操作系统或存储的底层云基础架构，但对其部署的应用具有控制权，对应用托管环境配置可能也具有控制权。
基础架构即服务(IaaS)：向消费者提供的能力是消费者能够在其中部署并运行包括操作系统和应用的任意软件的处理、存储、网络和其他基础计算资源。消费者既不管理也不控制底层的云基础架构，但是对操作系统、存储和其部署的应用具有控制权，对选择的网络组件(例如主机防火墙)可能具有有限的控制权。
部署模型如下：
私有云：云基础架构单独为某个组织运行。云基础架构可以由该组织或第三方管理并且可以存在于该组织内部或外部。
共同体云：云基础架构被若干组织共享并支持有共同利害关系(例如任务使命、安全要求、政策和合规考虑)的特定共同体。共同体云可以由共同体内的多个组织或第三方管理并且可以存在于该共同体内部或外部。
公共云：云基础架构向公众或大型产业群提供并由出售云服务的组织拥有。
混合云：云基础架构由两个或更多部署模型的云(私有云、共同体云或公共云)组成，这些云依然是独特的实体，但是通过使数据和应用能够移植的标准化技术或私有技术(例如用于云之间的负荷平衡的云突发流量分担技术)绑定在一起。
云计算环境是面向服务的，着重于无状态、低耦合、模块化和语义互操作性。云计算的核心是包含互连节点网络的基础架构。
现在参考图5，描绘了示意性的云计算环境50。如图所示，云计算环境50包括一个或多个云计算节点10，云消费者所使用本地计算设备利用该云计算节点10可以通信，诸如例如个人数字助理(PDA)或蜂窝电话54A、台式计算机54B、膝上型计算机54C、和/或汽车计算机系统54N。节点10可以彼此通信。可以在一个或多个网络中对它们进行物理或虚拟分组(未显示)，诸如上文所述的私有、社区、公共或混合云、或其组合。这允许云计算环境50提供基础设施、平台和/或软件作为服务，云消费者不需要为其维护本地计算设备上的资源。应当理解，图5所示的计算设备54A-N的类型旨在仅是示例性的，并且计算节点10和云计算环境50可以通过任何类型的网络和/或可寻址连接(例如使用Web浏览器)与任何类型的计算机化设备进行通信。
现在参考图6，示出了由云计算环境50(图5)提供的功能抽象层集合。应当预先理解，图6中所示的组件、层和功能仅旨在是示意性的，并且本发明的实施例不限于此。如图所示，提供了以下层和对应的功能：
硬件和软件层60包括硬件和软件组件。硬件组件的例子包括：主机61；基于RISC(精简指令集计算机)体系结构的服务器62；服务器63；刀片服务器64；存储设备65；网络和网络组件66。软件组件的示例包括：网络应用服务器软件67以及数据库软件68。虚拟化层70提供了一个抽象层，从中可以提供以下虚拟实体的示例：virtual服务器71；虚拟存储器72；虚拟网络73，包括虚拟专用网络；虚拟应用程序和操作系统74；以及虚拟客户端75。
虚拟层70提供一个抽象层，该层可以提供下列虚拟实体的例子：虚拟服务器71、虚拟存储72、虚拟网络73(包括虚拟私有网络)、虚拟应用和操作系统74，以及虚拟客户端75。
在一个示例中，管理层80可以提供下述功能：资源供应功能81：提供用于在云计算环境中执行任务的计算资源和其它资源的动态获取；计量和定价功能82：在云计算环境内对资源的使用进行成本跟踪，并为此提供帐单和发票。在一个例子中，该资源可以包括应用软件许可。安全功能：为云的消费者和任务提供身份认证，为数据和其它资源提供保护。用户门户功能83：为消费者和系统管理员提供对云计算环境的访问。服务水平管理功能84：提供云计算资源的分配和管理，以满足必需的服务水平。服务水平协议(SLA)计划和履行功能85：为根据SLA预测的对云计算资源未来需求提供预先安排和供应。
工作负载层90提供了可以利用云计算环境的功能示例。可以从该层提供的工作负载和功能的示例包括：映射和导航91；软件开发和生命周期管理92；虚拟课堂教学交付93；数据分析处理94；交易处理95；以及灌溉规划逻辑96。
如本文中更详细地讨论的，可以预期的是，本文中描述的方法的一些实施例的一些或全部操作可以以可替代的顺序执行或者可以根本不执行；此外，多个操作可以同时发生，也可以作为较大过程的内部部分发生。
本发明可以是系统、方法和/或计算机程序产品。该计算机程序产品可以包括一种或多种计算机可读存储介质，计算机可读存储介质上具有用于使处理器执行本发明的方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明的操作的计算机可读程序指令可以是汇编程序指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或以以下各项的任何组合编写的源代码或目标代码：一种或多种编程语言，包括面向对象的编程语言，诸如Smalltalk、C++等；以及常规过程编程语言，诸如“C”编程语言或类似编程语言。计算机可读程序指令可以完全在用户计算机上、部分在用户计算机上、作为独立软件包执行、部分在用户计算机上并且部分在远程计算机上或完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户计算机，包括局域网(LAN)或广域网(WAN)，或者可以与外部计算机建立连接(用于例如，通过使用Internet服务提供商的Internet)。在一些实施例中，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以个性化电子电路，以便执行本发明的方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的体系结构、功能和操作。就这一点而言，流程图或框图中的每个方框可以代表指令的模块、片段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方式中，方框中指出的功能可以不按图中指出的顺序发生。例如，连续显示的两个框实际上可以作为一个步骤完成、以部分或全部时间上重叠的方式同时、基本同时执行、或者这些框有时可以取决于参与功能按相反的顺序执行。还应注意，框图和/或流程图的每个方框以及框图和/或流程图的方框的组合可以由执行指定功能或动作或执行特殊目的的硬件和计算机指令的组合的基于特定目的的硬件的系统来实现。
对本公开的各种实施例的描述已经出于说明的目的被呈现，但是并不旨在是穷举的或限于所公开的实施例。在不脱离所描述的实施例的范围和精神的情况下，许多修改和变化对于本领域普通技术人员将是显而易见的。选择本文中使用的术语以解释实施例的原理、对市场上发现的技术的实际应用或技术上的改进，或者使本领域的其他普通技术人员能够理解本文公开的实施例。

Claims (10)

1.一种计算机实现的方法，包括：
由灌溉规划系统获得灌溉数据；
由所述灌溉规划系统获得第一浇水速率集合；
由所述灌溉规划系统生成第一土壤湿度估计集合和第二土壤湿度估计集合，
其中所述第一土壤湿度估计集合和所述第二土壤湿度估计集合至少部分地基于所述灌溉数据；
由所述灌溉规划系统获得定制约束；
由所述灌溉规划系统做出所述第一土壤湿度估计集合满足所述定制约束的第一确定；
由所述灌溉规划系统响应于做出所述第一确定来获得湿度参考值，
其中所述湿度参考值至少部分地基于所述第二土壤湿度估计集合；
由所述灌溉规划系统做出所述湿度参考值超过第一阈值的第二确定；以及
由所述灌溉规划系统响应于做出所述第二确定来生成灌溉规划。
2.根据权利要求1所述的计算机实现的方法，其中所述第一土壤湿度估计集合包括在根区域深度层处的土壤湿度估计。
3.根据权利要求2所述的计算机实现的方法，其中所述定制约束是在所述根区域深度层处的最小所需土壤湿度。
4.根据权利要求1所述的计算机实现的方法，其中所述第二土壤湿度估计集合包括在剩余区域深度层处的土壤湿度估计。
5.根据权利要求4所述的计算机实现的方法，其中所述湿度参考值是通过计算在第一时间在所述剩余区域深度层处的第一土壤湿度估计与在第二时间在所述剩余区域深度层处的第二土壤湿度估计之间的差而获得的。
6.根据权利要求1所述的计算机实现的方法，还包括获得第二定制约束，
其中所述第一浇水速率集合满足所述第二定制约束。
7.根据权利要求1所述的计算机实现的方法，其中生成所述第一浇水速率集合包括：生成经调整的浇水速率集合。
8.一种灌溉规划系统，包括：
处理器；以及
与所述处理器通信的存储器，所述存储器包含程序指令，所述程序指令在由所述处理器执行时被配置为使所述处理器执行根据权利要求1至7中任一项所述的方法的步骤。
9.一种计算机程序产品，所述计算机程序产品包括计算机可读存储介质，所述计算机可读存储介质具有与其一起体现的程序指令，所述程序指令由计算机可执行以使所述计算机执行根据权利要求1至7中任一项所述的方法的步骤。
10.一种装置，包括用于执行根据权利要求1至7中任一项所述的方法的步骤的部件。
CN202010767479.7A 2019-09-05 2020-08-03 灌溉规划系统 Pending CN112446580A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/561,071 2019-09-05
US16/561,071 US11107167B2 (en) 2019-09-05 2019-09-05 Irrigation planning system

Publications (1)

Publication Number Publication Date
CN112446580A true CN112446580A (zh) 2021-03-05

Family

ID=74733639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010767479.7A Pending CN112446580A (zh) 2019-09-05 2020-08-03 灌溉规划系统

Country Status (2)

Country Link
US (1) US11107167B2 (zh)
CN (1) CN112446580A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113261495A (zh) * 2021-05-14 2021-08-17 南通理工学院 一种风光互补系统的农作物灌溉装置

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10509378B2 (en) 2016-11-07 2019-12-17 FarmX Inc. Systems and methods for soil modeling and automatic irrigation control
US11519896B2 (en) 2017-01-13 2022-12-06 FarmX Inc. Soil moisture monitoring systems and methods for measuring mutual inductance of area of influence using radio frequency stimulus
US11166404B2 (en) 2018-09-02 2021-11-09 FarmX Inc. Systems and methods for virtual agronomic sensing
US11464179B2 (en) * 2020-07-31 2022-10-11 FarmX Inc. Systems providing irrigation optimization using sensor networks and soil moisture modeling
US11896002B2 (en) * 2020-10-30 2024-02-13 Lindsay Corporation Systems and methods for scheduling and coordinating applications of fertilizers, pesticides, and water in agricultural fields
CN112945329B (zh) * 2021-03-15 2022-12-06 国网河北省电力有限公司营销服务中心 确定农业机井灌溉水量的方法、装置及终端
CN115024208B (zh) * 2022-06-25 2023-11-03 江苏大学流体机械温岭研究院 一种促进盆栽蓝莓根系生长的灌溉方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001028314A1 (en) * 1999-10-21 2001-04-26 Irrigation Control Networks Pty Ltd Texture based inferred switching for irrigation scheduling and operational method
DE102009031734A1 (de) * 2009-07-04 2011-01-13 Heino Brose Bewässerungsverfahren und Bewässerungsvorrichtung zur Bewässerung von Flächen mit Hilfe von vergangenen, aktuellen und wahrscheinlichkeitsberechneten zukünftigen Bewässerungsparametern
US20170020089A1 (en) * 2015-03-14 2017-01-26 Skydrop Holdings, Llc Systems, methods, and devices for dynamic irrigation with user adjusted control
EP3179319A1 (en) * 2015-12-10 2017-06-14 Sysman Progetti & Servizi S.r.l. Method for irrigation planning and system for its implementation

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5870302A (en) 1994-02-17 1999-02-09 Waterlink Systems, Inc. Evapotranspiration remote irrigation control system
US20020014539A1 (en) * 1999-11-08 2002-02-07 Pagano David D. Irrigation system for controlling irrigation in response to changing environmental conditions
US6298285B1 (en) 2000-01-04 2001-10-02 Aqua Conservation Systems, Inc. Irrigation accumulation controller
US6892113B1 (en) 2000-07-07 2005-05-10 Aqua Conserve, Inc. Irrigation controller using regression model
US6947811B2 (en) 2000-12-07 2005-09-20 John Addink Automatic adjustment of irrigation schedule according to condition of plants
US7596429B2 (en) 2002-12-10 2009-09-29 Et Water Systems, Inc. Irrigation system
US20040217189A1 (en) 2003-04-09 2004-11-04 Irvine Ranch Water District System and method for controlling irrigation
US9301461B2 (en) 2004-11-09 2016-04-05 Hunter Industries, Inc. Systems and methods to adjust irrigation
WO2006086610A2 (en) 2005-02-11 2006-08-17 Rain Bird Corporation System and method for weather based irrigation control
TR200805998A2 (tr) 2008-08-12 2009-12-21 Kodalfa B�Lg� Ve �Let���M Teknoloj�Ler� Sanay� Ve T�Caret A.�. Seralar için uzaktan kablosuz iklim gözlemleme ve kontrol sistemi
US8948921B2 (en) 2010-11-22 2015-02-03 Et Water Systems, Inc. System and method for smart irrigation
US20130104455A1 (en) 2011-05-13 2013-05-02 David P. Groeneveld Method and System for Remote Sensing and Limited Field Sampling to Prescribe and Deliver Soil Amendments Targeted Discretely Across Cultivated Fields
US20140236868A1 (en) * 2013-02-15 2014-08-21 Banyan Water, Inc. System and method for automated, range-based irrigation
US10255387B2 (en) * 2015-01-23 2019-04-09 Clearag, Inc. Modeling of crop growth for desired moisture content of bovine feedstuff and determination of harvest windows for high-moisture corn using field-level diagnosis and forecasting of weather conditions and observations and user input of harvest condition states
WO2017024254A1 (en) 2015-08-05 2017-02-09 Iteris, Inc. Customized land surface modeling for irrigation decision support in a crop and agronomic advisory service in precision agriculture
US20170082568A1 (en) * 2015-09-23 2017-03-23 WaterBit, Inc. System and method of sensing soil moisture
US10624280B2 (en) 2015-10-27 2020-04-21 Vivint, Inc. Method and system for managing an irrigation schedule
US10853377B2 (en) * 2017-11-15 2020-12-01 The Climate Corporation Sequential data assimilation to improve agricultural modeling

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001028314A1 (en) * 1999-10-21 2001-04-26 Irrigation Control Networks Pty Ltd Texture based inferred switching for irrigation scheduling and operational method
DE102009031734A1 (de) * 2009-07-04 2011-01-13 Heino Brose Bewässerungsverfahren und Bewässerungsvorrichtung zur Bewässerung von Flächen mit Hilfe von vergangenen, aktuellen und wahrscheinlichkeitsberechneten zukünftigen Bewässerungsparametern
US20170020089A1 (en) * 2015-03-14 2017-01-26 Skydrop Holdings, Llc Systems, methods, and devices for dynamic irrigation with user adjusted control
EP3179319A1 (en) * 2015-12-10 2017-06-14 Sysman Progetti & Servizi S.r.l. Method for irrigation planning and system for its implementation

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113261495A (zh) * 2021-05-14 2021-08-17 南通理工学院 一种风光互补系统的农作物灌溉装置

Also Published As

Publication number Publication date
US11107167B2 (en) 2021-08-31
US20210073925A1 (en) 2021-03-11

Similar Documents

Publication Publication Date Title
US11107167B2 (en) Irrigation planning system
US11514546B2 (en) Dynamically generating and updating multipliers for a transportation matching system using machine learning
US11386496B2 (en) Generative network based probabilistic portfolio management
US9860134B2 (en) Resource provisioning using predictive modeling in a networked computing environment
US20170206541A1 (en) System, method and computer program product for order fulfillment in retail supply networks
US10732319B2 (en) Forecasting solar power output
US11076540B2 (en) Cognitive system using plant-based data to trigger watering
US10673372B2 (en) Cognitively predicting dust deposition on solar photovoltaic modules
US9996385B2 (en) Dynamic aggressiveness for optimizing placement of virtual machines in a computing environment
US20180189745A1 (en) System, method and computer program product for estimating, scheduling, and monitoring farm activity
US20180210975A1 (en) Missing sensor value estimation
US11645308B2 (en) Customizing agricultural practices to maximize crop yield
US11080982B1 (en) Leakage detection and location system in an irrigation network
CN112465287A (zh) 改进农场耕种质量
US20230107533A1 (en) Generating context-aware process-based model determinations for greenhouse gas emissions from agricultural fields
US10114149B2 (en) Cloud coverage estimation by dynamic scheduling of a distributed set of cameras
US20180060887A1 (en) Brand equity prediction
WO2023103688A1 (en) Federated machine learning based on partially secured spatio-temporal data
US20230252536A1 (en) Probability distribution based prediction
US20230025848A1 (en) Simulating weather scenarios and predictions of extreme weather
US20220124961A1 (en) Soil density prediction for subsoil crops
US20210089932A1 (en) Forecasting values utilizing time series models
WO2023169139A1 (en) Context aware dynamic positioning of sensors
US11405449B1 (en) Optimizing response time by load sharing in edge computing
US11237298B2 (en) Error correction

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