CN112602563A - 一种节水灌溉系统及精准灌溉方法 - Google Patents
一种节水灌溉系统及精准灌溉方法 Download PDFInfo
- Publication number
- CN112602563A CN112602563A CN202011483210.2A CN202011483210A CN112602563A CN 112602563 A CN112602563 A CN 112602563A CN 202011483210 A CN202011483210 A CN 202011483210A CN 112602563 A CN112602563 A CN 112602563A
- Authority
- CN
- China
- Prior art keywords
- irrigation
- information
- target area
- sub
- generating
- 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
Links
- 238000003973 irrigation Methods 0.000 title claims abstract description 233
- 230000002262 irrigation Effects 0.000 title claims abstract description 233
- 238000000034 method Methods 0.000 title claims abstract description 60
- 239000002689 soil Substances 0.000 claims abstract description 91
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 65
- 230000008020 evaporation Effects 0.000 claims description 24
- 238000001704 evaporation Methods 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 18
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000013210 evaluation model Methods 0.000 claims description 8
- 239000003621 irrigation water Substances 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000013439 planning Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 description 10
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000007500 overflow downdraw method Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 235000015097 nutrients Nutrition 0.000 description 5
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 238000013531 bayesian neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000001956 neutron scattering Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009418 agronomic effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Water Supply & Treatment (AREA)
- Environmental Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Soil Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种节水灌溉系统及精准灌溉方法，包括：采集目标区域图像信息，获得目标区域土壤结构及作物类型；获取目标区域历史气象数据，结合土壤结构及作物类型建立灌溉模型；利用灌溉模型生成灌溉方式，根据灌溉方式获取灌溉信息；采集目标区域土壤实时含水量，将实时含水量与预定含水量进行比较，得到偏差率；判断所述偏差率是否大于预定阈值，若大于，则生成补充灌溉信息，并计算补充灌溉量，得到结果信息；将结果信息按照预定方式进行反馈至终端。
Description
技术领域
本发明涉及一种节水灌溉系统，尤其涉及一种节水灌溉系统及精准灌溉方 法。
背景技术
干旱缺水是一切生命面临的主要威胁之一，对于人类的发展，水 是国民经济和社会发展的不可或缺的资源。可以说我们的生活无时无 刻不在和水打交道。灌溉是为了满足天然降水不能满足的那部分水量 以控制灌溉的方式提供给作物，现代化的农业要求必须提高水资源的 利用效率，同时进一步采取有利于农业环境和管理的灌溉方式。全球 经济发展和粮食安全的需要提出了灌溉新概念—精量灌溉，精量灌溉 是利用优良的灌溉系统，根据不同作物的不同生长期，土壤条件，精 确的施用水分和养分，适时适量的精确灌溉。实现精量灌溉的措施大 致分为三种，第一种是工程类措施，如田间工程措施和输水工程措施等；第二种是农艺措施，如深耕或保护性耕作、覆盖保墒、适水种植 等；第三种是管理类措施，如实施水资源的优化调度，改进灌溉制度， 电脑系统自动化控制灌溉等。
为了能够对农田进行精准的灌溉需要开发一款与其相匹配的系统进行控 制，通过采集目标区域图像信息，获得目标区域土壤结构及作物类型，并结合 目标区域历史气象数据，结合土壤结构及作物类型建立灌溉模型，生成精细化 的灌溉信息，如何对灌溉系统实现精准控制，是亟待要解决的问题。
发明内容
本发明克服了现有技术的不足，提供一种节水灌溉系统及精准灌溉方法。
为达到上述目的，本发明采用的技术方案为：一种精准灌溉方法，包括：
采集目标区域图像信息，获得目标区域土壤结构及作物类型；
获取目标区域历史气象数据，结合土壤结构及作物类型建立灌溉模型；
利用灌溉模型生成灌溉方式，根据灌溉方式获取灌溉信息；
采集目标区域土壤实时含水量，
将实时含水量与预定含水量进行比较，得到偏差率；
判断所述偏差率是否大于预定阈值，
若大于，则生成补充灌溉信息，并计算补充灌溉量，得到结果信息；
将结果信息按照预定方式进行反馈至终端。
在本发明的一个较佳实施例中，采集目标区域土壤实时含水量，具体包括：
采集目标区域内土壤墒情信息，建立墒情评价模型；
根据墒情评价模型对墒情信息进行等级评价，得到结果信息；
根据结果信息结合气象信息进行土壤旱情预报，得到预测信息；
根据预测信息进行水资源规划与调度。
在本发明的一个较佳实施例中，所述气象数据包括气象站点的经纬度及海 拔、日降雨量、日最高温和最低温、日照时数、平均风速、湿度中的一种或多 种组合。
在本发明的一个较佳实施例中，还包括：
采集目标区域不同时间段内的温度数据，对温度数据进行预处理，
利用拉依达准则，剔除异常温度数据，
通过加权平均算法对温度数据进行融合，得到结果信息；
根据结果信息计算农田蒸发信息；
根据农田蒸发信息生成滴灌修正信息；
通过滴灌修正信息对不同时间段内的目标区域生成适配性灌溉决策。
在本发明的一个较佳实施例中，通过滴灌修正信息对不同时间段内的目标 区域生成适配性灌溉决策，具体包括：
获取历史灌溉信息，生成专家数据库；
根据专家数据库建立灌溉规则，构建节水决策信息；
将目标区域分割成若干个子区域，并获取每一个子区域内的土壤水分信息；
利用专家数据库设定灌溉权重值，
根据灌溉权重值分配子区域灌溉指标，生成子区域灌溉优先权信息；
根据子区域灌溉优先权信息对若干个子区域按照预定顺序进行灌溉。
在本发明的一个较佳实施例中，还包括：
将目标区域分割成若干个子区域，获取子区域内的土壤墒情信息；
根据土壤墒情信息，监测不同子区域水分信息，并生成对应的加权因子；
根据不同加权因子，确定不同子区域滴灌参数；
根据不同子区域滴灌参数，生成对应子区域内的滴灌信息；
设定采样间隔，分别采集不同采样间隔下子区域水分信息；
将相邻采样间隔下的水分信息进行比较，得到偏差率；
判断所述偏差率是否大于预定阈值；
若大于，则生成调节信息，根据调节信息调整滴灌信息。
在本发明的一个较佳实施例中，所述滴灌参数包括滴灌速率、滴灌水量、 滴灌面积、滴灌水压中的一种或多种组合。
本发明第二方面还提供了一种节水灌溉系统，该系统包括：存储器、处理 器，所述存储器中包括精准灌溉方法程序，所述精准灌溉方法程序被所述处理 器执行时实现如下步骤：
采集目标区域图像信息，获得目标区域土壤结构及作物类型；
获取目标区域历史气象数据，结合土壤结构及作物类型建立灌溉模型；
利用灌溉模型生成灌溉方式，根据灌溉方式获取灌溉信息；
采集目标区域土壤实时含水量，
将实时含水量与预定含水量进行比较，得到偏差率；
判断所述偏差率是否大于预定阈值，
若大于，则生成补充灌溉信息，并计算补充灌溉量，得到结果信息；
将结果信息按照预定方式进行反馈至终端。
在本发明的一个较佳实施例中，还包括：
采集目标区域不同时间段内的温度数据，对温度数据进行预处理，
利用拉依达准则，剔除异常温度数据，
通过加权平均算法对温度数据进行融合，得到结果信息；
根据结果信息计算农田蒸发信息；
根据农田蒸发信息生成滴灌修正信息；
通过滴灌修正信息对不同时间段内的目标区域生成适配性灌溉决策。
在本发明的一个较佳实施例中，还包括：
将目标区域分割成若干个子区域，获取子区域内的土壤墒情信息；
根据土壤墒情信息，监测不同子区域水分信息，并生成对应的加权因子；
根据不同加权因子，确定不同子区域滴灌参数；
根据不同子区域滴灌参数，生成对应子区域内的滴灌信息；
设定采样间隔，分别采集不同采样间隔下子区域水分信息；
将相邻采样间隔下的水分信息进行比较，得到偏差率；
判断所述偏差率是否大于预定阈值；
若大于，则生成调节信息，根据调节信息调整滴灌信息。
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
(1)本申请通过图像采集分析作物种类，并根据作物生育内的气象要素、 生理指标如根系深度、根系长度或根系密度，预测不同时段内的土壤含水量， 并根据土壤含水量的需求进行设定灌溉信息，此种方式能够灵活的控制不同生 产周期内的灌溉量，以及根据土壤水分变化进行合理的调整修正灌溉信息。
(2)通过判断目标区域内不同时间段的温度数据，进行分析农田水分蒸发 信息，根据蒸发信息反馈调整灌溉决策，如滴灌速率及滴灌面积等，实现多角 度分析，实现农田的精准滴灌。
(3)将目标区域进行分割成若干个子区域，分别分析子区域土壤墒情信息， 进行辅助判别土壤水分信息，并根据不同子区域水分信息，形成具有优先顺序 的灌溉决策，通过多源信息融合判断，判断结果更加接近实际值。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明一种精准灌溉方法的流程图；
图2示出了根据温度数据生成适配性灌溉决策的方法流程图；
图3示出了根据灌溉优先权信息确定不同区域灌溉顺序的方法流程图；
图4示出了根据土壤墒情信息生成滴灌信息的方法流程图
图5示出了一种节水灌溉系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和 具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情 况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发 明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范 围并不受下面公开的具体实施例的限制。
图1示出了本发明一种精准灌溉方法的流程图。
如图1所示，本发明第一方面提供了一种精准灌溉方法，包括：
S102，采集目标区域图像信息，获得目标区域土壤结构及作物类型；
S104，获取目标区域历史气象数据，结合土壤结构及作物类型建立灌溉模 型；
S106，利用灌溉模型生成灌溉方式，根据灌溉方式获取灌溉信息；
S108，采集目标区域土壤实时含水量，将实时含水量与预定含水量进行比 较，得到偏差率；
S110，判断偏差率是否大于预定阈值，
S112，若大于，则生成补充灌溉信息，并计算补充灌溉量，得到结果信息；
S114，将结果信息按照预定方式进行反馈至终端。
需要说明的是，通过图像采集分析作物种类，并根据作物生育内的气象要 素、生理指标如根系深度、根系长度或根系密度，预测不同时段内的土壤含水 量，并根据土壤含水量的需求进行设定灌溉信息，此种方式能够灵活的控制不 同生产周期内的灌溉量，以及根据土壤水分变化进行合理的调整修正灌溉信息。
土壤含水量监测包括直接法与间接法，直接法包括中子散射法、时域反射 法(TDR)、电阻法、电容法中的一种。
根据本发明实施例，采集目标区域土壤实时含水量，具体包括：
采集目标区域内土壤墒情信息，建立墒情评价模型；
根据墒情评价模型对墒情信息进行等级评价，得到结果信息；
根据结果信息结合气象信息进行土壤旱情预报，得到预测信息；
根据预测信息进行水资源规划与调度。
根据本发明实施例，气象数据包括气象站点的经纬度及海拔、日降雨量、 日最高温和最低温、日照时数、平均风速、湿度中的一种或多种组合。
如图2所示，本发明公开了根据温度数据生成适配性灌溉决策的方法流程 图；
根据本发明实施例，还包括：
S202，采集目标区域不同时间段内的温度数据，对温度数据进行预处理，
S204，利用拉依达准则，剔除异常温度数据，
S206，通过加权平均算法对温度数据进行融合，得到结果信息；
S208，根据结果信息计算农田蒸发信息；
S210，根据农田蒸发信息生成滴灌修正信息；
S212，通过滴灌修正信息对不同时间段内的目标区域生成适配性灌溉决策。
需要说明的是，拉依达准则是指先假设一组检测数据只含有随机误差，对 其进行计算处理得到标准偏差，按一定概率确定一个区间，凡超过这个区间的 误差，就不属于随机误差而是粗大误差，将含有粗大误差的数据应予以剔除。 根据日常免费的天气预报信息经过解析后将定性的信息进行定量化，构建估算 参考作物蒸发蒸腾量的实时预测模型，其中日常天气预报信息包括最高最低气 温、风速等级和天气类型，这些信息中可以直接用的是气温的预报值，风力等 级和天气类型信息需要进行解析转化为可利用的信息，将天气类型分为晴、晴 转多云、多云、阴、雨等五种类型，并根据不同类型转化成具体的日照时数，2m高处风速由预报的风力等级根据地面气象得到。天气预报中中不包括相对湿度 的预报，实际水汽压的计算用到相对湿度，在相对湿度缺失时，可用最低温度 估算实际水汽压来近似代替，通过判断目标区域内不同时间段的温度数据，进 行分析农田水分蒸发信息，根据蒸发信息反馈调整灌溉决策，如滴灌速率及滴 灌面积等，实现多角度分析，实现农田的精准滴灌。
需要说明的是，农田蒸发信息计算如下：
其中，φ表示农田蒸发信息；λ表示修正常数；χ表示农田表面净辐射； k表示温度水汽压曲线的斜率；ζ表示湿度常数；ν表示风速；T表示平 均气温；yb表示饱和水汽压；ys表示实际水汽压，其中0＜λ＜1。
如图3所示，本发明公开了根据灌溉优先权信息确定不同区域灌溉顺序的 方法流程图；
根据本发明实施例，通过滴灌修正信息对不同时间段内的目标区域生成适 配性灌溉决策，具体包括：
S302，获取历史灌溉信息，生成专家数据库；
S304，根据专家数据库建立灌溉规则，构建节水决策信息；
S306，将目标区域分割成若干个子区域，并获取每一个子区域内的土壤水 分信息；
S308，利用专家数据库设定灌溉权重值，
S310，根据灌溉权重值分配子区域灌溉指标，生成子区域灌溉优先权信息；
S312，根据子区域灌溉优先权信息对若干个子区域按照预定顺序进行灌溉。
需要说明的是，将目标区域进行分割成若干个子区域，分别分析子区域土 壤墒情信息，进行辅助判别土壤水分信息，并根据不同子区域水分信息，形成 具有优先顺序的灌溉决策，通过多源信息融合判断，判断结果更加接近实际值，
需要说明的是，源信息融合技术是一种利用计算机技术，对来自多种来源 的传感器监测信息，在一定准则下进行综合分析和处理，以获取单个信息源所 不能获得的有价值信息，并最终完成其目标的一种数据处理技术，多源信息融 合是针对多源信息的冗余性，通过低等水平的数据层融合方法，以消除信息包 含的噪声、异常值或存在的不确定性；另一类是针对多源信息的互补性，采用 中等水平的特征层融合方法和高等水平的决策层融合方法，获取与灌溉决策相 关的有价值信息，最大限度地获取不同传感器所观察的信息的完整性。对于采 集的原始数据，使用算术平均法进行数据融合，该方法对于测量结果具有正态 分布特性。
如图4所示，本发明公开了根据土壤墒情信息生成滴灌信息的方法流程图；
根据本发明实施例，还包括：
S402，将目标区域分割成若干个子区域，获取子区域内的土壤墒情信息；
S404，根据土壤墒情信息，监测不同子区域水分信息，并生成对应的加权 因子；
S406，根据不同加权因子，确定不同子区域滴灌参数，根据不同子区域滴 灌参数，生成对应子区域内的滴灌信息；
S408，设定采样间隔，分别采集不同采样间隔下子区域水分信息；
S410，将相邻采样间隔下的水分信息进行比较，得到偏差率；
S412，判断偏差率是否大于预定阈值；
S414，若大于，则生成调节信息，根据调节信息调整滴灌信息。
需要说明的是，利用农田土壤水分、养分(有机质、全氮、碱解氮、速效 钾和速效磷)的采样数据与贝叶斯神经网络法生成的数据，采用交叉验证法， 对土壤水分和养分变量进行空间预测，分析水分信息结果更加的精准。
根据本发明实施例，滴灌参数包括滴灌速率、滴灌水量、滴灌面积、滴灌 水压中的一种或多种组合。
如图5所示，本发明公开了一种节水灌溉系统的框图；
本发明第二方面还提供了一种节水灌溉系统5，该系统5包括：存储器51、 处理器52，存储器中包括精准灌溉方法程序，精准灌溉方法程序被处理器执行 时实现如下步骤：
采集目标区域图像信息，获得目标区域土壤结构及作物类型；
获取目标区域历史气象数据，结合土壤结构及作物类型建立灌溉模型；
利用灌溉模型生成灌溉方式，根据灌溉方式获取灌溉信息；
采集目标区域土壤实时含水量，
将实时含水量与预定含水量进行比较，得到偏差率；
判断偏差率是否大于预定阈值，
若大于，则生成补充灌溉信息，并计算补充灌溉量，得到结果信息；
将结果信息按照预定方式进行反馈至终端。
需要说明的是，通过图像采集分析作物种类，并根据作物生育内的气象要 素、生理指标如根系深度、根系长度或根系密度，预测不同时段内的土壤含水 量，并根据土壤含水量的需求进行设定灌溉信息，此种方式能够灵活的控制不 同生产周期内的灌溉量，以及根据土壤水分变化进行合理的调整修正灌溉信息。
土壤含水量监测包括直接法与间接法，直接法包括中子散射法、时域反射 法(TDR)、电阻法、电容法中的一种。
根据本发明实施例，还包括：
采集目标区域不同时间段内的温度数据，对温度数据进行预处理，
利用拉依达准则，剔除异常温度数据，
通过加权平均算法对温度数据进行融合，得到结果信息；
根据结果信息计算农田蒸发信息；
根据农田蒸发信息生成滴灌修正信息；
通过滴灌修正信息对不同时间段内的目标区域生成适配性灌溉决策。
需要说明的是，拉依达准则是指先假设一组检测数据只含有随机误差，对 其进行计算处理得到标准偏差，按一定概率确定一个区间，凡超过这个区间的 误差，就不属于随机误差而是粗大误差，将含有粗大误差的数据应予以剔除。
根据日常免费的天气预报信息经过解析后将定性的信息进行定量化，构建 估算参考作物蒸发蒸腾量的实时预测模型，其中日常天气预报信息包括最高最 低气温、风速等级和天气类型，这些信息中可以直接用的是气温的预报值，风 力等级和天气类型信息需要进行解析转化为可利用的信息，将天气类型分为晴、 晴转多云、多云、阴、雨等五种类型，并根据不同类型转化成具体的日照时数， 2m高处风速由预报的风力等级根据地面气象得到。天气预报中中不包括相对湿 度的预报，实际水汽压的计算用到相对湿度，在相对湿度缺失时，可用最低温 度估算实际水汽压来近似代替，通过判断目标区域内不同时间段的温度数据， 进行分析农田水分蒸发信息，根据蒸发信息反馈调整灌溉决策，如滴灌速率及 滴灌面积等，实现多角度分析，实现农田的精准滴灌。
需要说明的是，农田蒸发信息计算如下：
其中，φ表示农田蒸发信息；λ表示修正常数；χ表示农田表面净辐射； k表示温度水汽压曲线的斜率；ζ表示湿度常数；ν表示风速；T表示平 均气温；yb表示饱和水汽压；ys表示实际水汽压，其中0＜λ＜1。
根据本发明实施例，还包括：
将目标区域分割成若干个子区域，获取子区域内的土壤墒情信息；
根据土壤墒情信息，监测不同子区域水分信息，并生成对应的加权因子；
根据不同加权因子，确定不同子区域滴灌参数；
根据不同子区域滴灌参数，生成对应子区域内的滴灌信息；
设定采样间隔，分别采集不同采样间隔下子区域水分信息；
将相邻采样间隔下的水分信息进行比较，得到偏差率；
判断偏差率是否大于预定阈值；
若大于，则生成调节信息，根据调节信息调整滴灌信息。
需要说明的是，利用农田土壤水分、养分(有机质、全氮、碱解氮、速效 钾和速效磷)的采样数据与贝叶斯神经网络法生成的数据，采用交叉验证法， 对土壤水分和养分变量进行空间预测，分析水分信息结果更加的精准。
根据本发明实施例，滴灌参数包括滴灌速率、滴灌水量、滴灌面积、滴灌 水压中的一种或多种组合。
根据本发明实施例，通过滴灌修正信息对不同时间段内的目标区域生成适 配性灌溉决策，具体包括：
获取历史灌溉信息，生成专家数据库；
根据专家数据库建立灌溉规则，构建节水决策信息；
将目标区域分割成若干个子区域，并获取每一个子区域内的土壤水分信息；
利用专家数据库设定灌溉权重值，
根据灌溉权重值分配子区域灌溉指标，生成子区域灌溉优先权信息；
根据子区域灌溉优先权信息对若干个子区域按照预定顺序进行灌溉。
需要说明的是，将目标区域进行分割成若干个子区域，分别分析子区域土 壤墒情信息，进行辅助判别土壤水分信息，并根据不同子区域水分信息，形成 具有优先顺序的灌溉决策，通过多源信息融合判断，判断结果更加接近实际值，
需要说明的是，源信息融合技术是一种利用计算机技术，对来自多种来源 的传感器监测信息，在一定准则下进行综合分析和处理，以获取单个信息源所 不能获得的有价值信息，并最终完成其目标的一种数据处理技术，多源信息融 合是针对多源信息的冗余性，通过低等水平的数据层融合方法，以消除信息包 含的噪声、异常值或存在的不确定性；另一类是针对多源信息的互补性，采用 中等水平的特征层融合方法和高等水平的决策层融合方法，获取与灌溉决策相 关的有价值信息，最大限度地获取不同传感器所观察的信息的完整性。对于采 集的原始数据，使用算术平均法进行数据融合，该方法对于测量结果具有正态 分布特性。
根据本发明实施例，采集目标区域土壤实时含水量，具体包括：
采集目标区域内土壤墒情信息，建立墒情评价模型；
根据墒情评价模型对墒情信息进行等级评价，得到结果信息；
根据结果信息结合气象信息进行土壤旱情预报，得到预测信息；
根据预测信息进行水资源规划与调度。
根据本发明实施例，气象数据包括气象站点的经纬度及海拔、日降雨量、 日最高温和最低温、日照时数、平均风速、湿度中的一种或多种组合。
综上所述，本申请通过图像采集分析作物种类，并根据作物生育内的气象 要素、生理指标如根系深度、根系长度或根系密度，预测不同时段内的土壤含 水量，并根据土壤含水量的需求进行设定灌溉信息，此种方式能够灵活的控制 不同生产周期内的灌溉量，以及根据土壤水分变化进行合理的调整修正灌溉信 息。
通过判断目标区域内不同时间段的温度数据，进行分析农田水分蒸发信息， 根据蒸发信息反馈调整灌溉决策，如滴灌速率及滴灌面积等，实现多角度分析， 实现农田的精准滴灌。
将目标区域进行分割成若干个子区域，分别分析子区域土壤墒情信息，进 行辅助判别土壤水分信息，并根据不同子区域水分信息，形成具有优先顺序的 灌溉决策，通过多源信息融合判断，判断结果更加接近实际值。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可 以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单 元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如： 多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略， 或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、 或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是 电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为 单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可 以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来 实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中， 也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一 个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软 件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可 以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储 介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介 质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存 储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码 的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立 的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样 的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可 以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包 括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络 设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括： 移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化 或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权 利要求的保护范围为准。
Claims (10)
1.一种精准灌溉方法，其特征在于，包括：
采集目标区域图像信息，获得目标区域土壤结构及作物类型；
获取目标区域历史气象数据，结合土壤结构及作物类型建立灌溉模型；
利用灌溉模型生成灌溉方式，根据灌溉方式获取灌溉信息；
采集目标区域土壤实时含水量，
将实时含水量与预定含水量进行比较，得到偏差率；
判断所述偏差率是否大于预定阈值，
若大于，则生成补充灌溉信息，并计算补充灌溉量，得到结果信息；
将结果信息按照预定方式进行反馈至终端。
2.根据权利要求1所述的一种精准灌溉方法，其特征在于，采集目标区域土壤实时含水量，具体包括：
采集目标区域内土壤墒情信息，建立墒情评价模型；
根据墒情评价模型对墒情信息进行等级评价，得到结果信息；
根据结果信息结合气象信息进行土壤旱情预报，得到预测信息；
根据预测信息进行水资源规划与调度。
3.根据权利要求1所述的一种精准灌溉方法，其特征在于，所述气象数据包括气象站点的经纬度及海拔、日降雨量、日最高温和最低温、日照时数、平均风速、湿度中的一种或多种组合。
4.根据权利要求1所述的一种精准灌溉方法，其特征在于，还包括：
采集目标区域不同时间段内的温度数据，对温度数据进行预处理，
利用拉依达准则，剔除异常温度数据，
通过加权平均算法对温度数据进行融合，得到结果信息；
根据结果信息计算农田蒸发信息；
根据农田蒸发信息生成滴灌修正信息；
通过滴灌修正信息对不同时间段内的目标区域生成适配性灌溉决策。
5.根据权利要求4所述的一种精准灌溉方法，其特征在于，通过滴灌修正信息对不同时间段内的目标区域生成适配性灌溉决策，具体包括：
获取历史灌溉信息，生成专家数据库；
根据专家数据库建立灌溉规则，构建节水决策信息；
将目标区域分割成若干个子区域，并获取每一个子区域内的土壤水分信息；
利用专家数据库设定灌溉权重值，
根据灌溉权重值分配子区域灌溉指标，生成子区域灌溉优先权信息；
根据子区域灌溉优先权信息对若干个子区域按照预定顺序进行灌溉。
6.根据权利要求1所述的一种精准灌溉方法，其特征在于，还包括：
将目标区域分割成若干个子区域，获取子区域内的土壤墒情信息；
根据土壤墒情信息，监测不同子区域水分信息，并生成对应的加权因子；
根据不同加权因子，确定不同子区域滴灌参数；
根据不同子区域滴灌参数，生成对应子区域内的滴灌信息；
设定采样间隔，分别采集不同采样间隔下子区域水分信息；
将相邻采样间隔下的水分信息进行比较，得到偏差率；
判断所述偏差率是否大于预定阈值；
若大于，则生成调节信息，根据调节信息调整滴灌信息。
7.根据权利要求1所述的一种精准灌溉方法，其特征在于，所述滴灌参数包括滴灌速率、滴灌水量、滴灌面积、滴灌水压中的一种或多种组合。
8.一种节水灌溉系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括精准灌溉方法程序，所述精准灌溉方法程序被所述处理器执行时实现如下步骤：
采集目标区域图像信息，获得目标区域土壤结构及作物类型；
获取目标区域历史气象数据，结合土壤结构及作物类型建立灌溉模型；
利用灌溉模型生成灌溉方式，根据灌溉方式获取灌溉信息；
采集目标区域土壤实时含水量，
将实时含水量与预定含水量进行比较，得到偏差率；
判断所述偏差率是否大于预定阈值，
若大于，则生成补充灌溉信息，并计算补充灌溉量，得到结果信息；
将结果信息按照预定方式进行反馈至终端。
9.根据权利要求8所述的一种节水灌溉系统，其特征在于，还包括：
采集目标区域不同时间段内的温度数据，对温度数据进行预处理，
利用拉依达准则，剔除异常温度数据，
通过加权平均算法对温度数据进行融合，得到结果信息；
根据结果信息计算农田蒸发信息；
根据农田蒸发信息生成滴灌修正信息；
通过滴灌修正信息对不同时间段内的目标区域生成适配性灌溉决策。
10.根据权利要求9所述的一种节水灌溉系统，其特征在于，还包括：
将目标区域分割成若干个子区域，获取子区域内的土壤墒情信息；
根据土壤墒情信息，监测不同子区域水分信息，并生成对应的加权因子；
根据不同加权因子，确定不同子区域滴灌参数；
根据不同子区域滴灌参数，生成对应子区域内的滴灌信息；
设定采样间隔，分别采集不同采样间隔下子区域水分信息；
将相邻采样间隔下的水分信息进行比较，得到偏差率；
判断所述偏差率是否大于预定阈值；
若大于，则生成调节信息，根据调节信息调整滴灌信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011483210.2A CN112602563B (zh) | 2020-12-15 | 2020-12-15 | 一种节水灌溉系统及精准灌溉方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011483210.2A CN112602563B (zh) | 2020-12-15 | 2020-12-15 | 一种节水灌溉系统及精准灌溉方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112602563A true CN112602563A (zh) | 2021-04-06 |
| CN112602563B CN112602563B (zh) | 2021-08-24 |
Family
ID=75239474
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011483210.2A Expired - Fee Related CN112602563B (zh) | 2020-12-15 | 2020-12-15 | 一种节水灌溉系统及精准灌溉方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112602563B (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113379560A (zh) * | 2021-05-21 | 2021-09-10 | 北京农业智能装备技术研究中心 | 作物灌溉预报装置及预报方法 |
| CN113412777A (zh) * | 2021-06-23 | 2021-09-21 | 安徽维诚水务科技有限公司 | 一种基于数据采集的节水管控系统 |
| CN113545278A (zh) * | 2021-07-19 | 2021-10-26 | 广西壮族自治区地质环境监测站 | 一种矿山生态修复自动化滴灌养护方法 |
| CN113850415A (zh) * | 2021-08-23 | 2021-12-28 | 湖北工程学院 | 基于物联网的园林管理方法、装置、设备及存储介质 |
| 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 |
| CN114128605A (zh) * | 2021-11-26 | 2022-03-04 | 苏州吴林园林发展有限公司 | 一种高效的园林绿化工程用喷洒装置 |
| CN114223520A (zh) * | 2021-12-17 | 2022-03-25 | 河南城建学院 | 基于加权马尔可夫链干旱预测的智慧农田灌溉调控系统 |
| CN114637353A (zh) * | 2022-03-24 | 2022-06-17 | 四川省水利科学研究院 | 基于多环境因素分析的农业灌溉控制方法、系统及终端 |
| CN114651708A (zh) * | 2022-03-07 | 2022-06-24 | 广东省科学院广州地理研究所 | 基于盐分淋洗率的作物灌溉方法、装置、设备及存储介质 |
| CN114740155A (zh) * | 2022-03-30 | 2022-07-12 | 内蒙古农业大学 | 一种森林生态系统蒸散量的检测装置及方法 |
| CN115984718A (zh) * | 2022-12-02 | 2023-04-18 | 水利部交通运输部国家能源局南京水利科学研究院 | 灌区水稻需水信息感知及灌溉决策方法 |
| CN116310848A (zh) * | 2023-05-19 | 2023-06-23 | 沈阳诺德尔自动化科技有限公司 | 一种智能阀门的调节控制方法及系统 |
| CN116542428A (zh) * | 2023-07-05 | 2023-08-04 | 中国科学院地理科学与资源研究所 | 一种区域灌溉需水量估算方法及装置 |
| CN116831015A (zh) * | 2023-07-27 | 2023-10-03 | 易维集控(北京)园林科技有限公司 | 一种自主灌溉科学节水的决策方法、系统和计算设备 |
| CN117204320A (zh) * | 2023-11-07 | 2023-12-12 | 中化现代农业有限公司 | 规模化农场灌溉控制系统 |
| CN117237145A (zh) * | 2023-11-14 | 2023-12-15 | 北京宏数科技有限公司 | 一种基于大数据的传感器数据处理方法及系统 |
| CN117519349A (zh) * | 2023-12-06 | 2024-02-06 | 广州市农业科学研究院 | 温室大棚控制方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101236260A (zh) * | 2008-03-06 | 2008-08-06 | 中国农业科学院农田灌溉研究所 | 基于蒸发量的灌溉预警装置及其操作方法 |
| CN102726273A (zh) * | 2012-06-15 | 2012-10-17 | 中农先飞（北京）农业工程技术有限公司 | 一种作物根区土壤水分监测与智能灌溉决策方法 |
| 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 |
| CN109169186A (zh) * | 2018-08-21 | 2019-01-11 | 江苏大学 | 一种基于物联网的丘陵作物灌溉系统及方法 |
| CN109934515A (zh) * | 2019-04-18 | 2019-06-25 | 中国水利水电科学研究院 | 一种作物精量灌溉决策方法及系统 |
| CN110378602A (zh) * | 2019-07-23 | 2019-10-25 | 山东开创云软件有限公司 | 一种自适应的农业水资源调整方法及装置 |
| CN110458335A (zh) * | 2019-07-23 | 2019-11-15 | 华北水利水电大学 | 基于动态干旱预测的适应性节水灌溉方法 |
| US20190350145A1 (en) * | 2017-08-10 | 2019-11-21 | Valmont Industries, Inc. | System and method for variable rate, high speed irrigation control |
| CN209749385U (zh) * | 2018-12-11 | 2019-12-10 | 西安工程大学 | 一种精准灌溉监控系统 |
| CN110738196A (zh) * | 2019-11-13 | 2020-01-31 | 云南农业大学 | 一种基于区域墒情监测和遥感数据的实时灌溉预报系统 |
| CN110754344A (zh) * | 2019-10-08 | 2020-02-07 | 京蓝物联技术(北京)有限公司 | 基于气象预告的灌溉决策方法及装置 |
| CN111742827A (zh) * | 2020-07-30 | 2020-10-09 | 高亚青 | 一种基于水利渠道的大数据浇灌控制系统 |
-
2020
- 2020-12-15 CN CN202011483210.2A patent/CN112602563B/zh not_active Expired - Fee Related
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101236260A (zh) * | 2008-03-06 | 2008-08-06 | 中国农业科学院农田灌溉研究所 | 基于蒸发量的灌溉预警装置及其操作方法 |
| CN102726273A (zh) * | 2012-06-15 | 2012-10-17 | 中农先飞（北京）农业工程技术有限公司 | 一种作物根区土壤水分监测与智能灌溉决策方法 |
| US20190350145A1 (en) * | 2017-08-10 | 2019-11-21 | Valmont Industries, Inc. | System and method for variable rate, high speed irrigation control |
| 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 |
| CN109169186A (zh) * | 2018-08-21 | 2019-01-11 | 江苏大学 | 一种基于物联网的丘陵作物灌溉系统及方法 |
| CN209749385U (zh) * | 2018-12-11 | 2019-12-10 | 西安工程大学 | 一种精准灌溉监控系统 |
| CN109934515A (zh) * | 2019-04-18 | 2019-06-25 | 中国水利水电科学研究院 | 一种作物精量灌溉决策方法及系统 |
| CN110378602A (zh) * | 2019-07-23 | 2019-10-25 | 山东开创云软件有限公司 | 一种自适应的农业水资源调整方法及装置 |
| CN110458335A (zh) * | 2019-07-23 | 2019-11-15 | 华北水利水电大学 | 基于动态干旱预测的适应性节水灌溉方法 |
| CN110754344A (zh) * | 2019-10-08 | 2020-02-07 | 京蓝物联技术(北京)有限公司 | 基于气象预告的灌溉决策方法及装置 |
| CN110738196A (zh) * | 2019-11-13 | 2020-01-31 | 云南农业大学 | 一种基于区域墒情监测和遥感数据的实时灌溉预报系统 |
| CN111742827A (zh) * | 2020-07-30 | 2020-10-09 | 高亚青 | 一种基于水利渠道的大数据浇灌控制系统 |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113379560A (zh) * | 2021-05-21 | 2021-09-10 | 北京农业智能装备技术研究中心 | 作物灌溉预报装置及预报方法 |
| CN113412777A (zh) * | 2021-06-23 | 2021-09-21 | 安徽维诚水务科技有限公司 | 一种基于数据采集的节水管控系统 |
| CN113545278A (zh) * | 2021-07-19 | 2021-10-26 | 广西壮族自治区地质环境监测站 | 一种矿山生态修复自动化滴灌养护方法 |
| CN113850415A (zh) * | 2021-08-23 | 2021-12-28 | 湖北工程学院 | 基于物联网的园林管理方法、装置、设备及存储介质 |
| 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 |
| CN114128605A (zh) * | 2021-11-26 | 2022-03-04 | 苏州吴林园林发展有限公司 | 一种高效的园林绿化工程用喷洒装置 |
| CN114223520A (zh) * | 2021-12-17 | 2022-03-25 | 河南城建学院 | 基于加权马尔可夫链干旱预测的智慧农田灌溉调控系统 |
| CN114651708A (zh) * | 2022-03-07 | 2022-06-24 | 广东省科学院广州地理研究所 | 基于盐分淋洗率的作物灌溉方法、装置、设备及存储介质 |
| CN114637353B (zh) * | 2022-03-24 | 2022-11-15 | 四川省水利科学研究院 | 基于多环境因素分析的农业灌溉控制方法、系统及终端 |
| CN114637353A (zh) * | 2022-03-24 | 2022-06-17 | 四川省水利科学研究院 | 基于多环境因素分析的农业灌溉控制方法、系统及终端 |
| CN114740155B (zh) * | 2022-03-30 | 2023-10-10 | 内蒙古农业大学 | 一种森林生态系统蒸散量的检测装置及方法 |
| CN114740155A (zh) * | 2022-03-30 | 2022-07-12 | 内蒙古农业大学 | 一种森林生态系统蒸散量的检测装置及方法 |
| CN115984718B (zh) * | 2022-12-02 | 2023-07-18 | 水利部交通运输部国家能源局南京水利科学研究院 | 灌区水稻需水信息感知及灌溉决策方法 |
| CN115984718A (zh) * | 2022-12-02 | 2023-04-18 | 水利部交通运输部国家能源局南京水利科学研究院 | 灌区水稻需水信息感知及灌溉决策方法 |
| CN116310848A (zh) * | 2023-05-19 | 2023-06-23 | 沈阳诺德尔自动化科技有限公司 | 一种智能阀门的调节控制方法及系统 |
| CN116310848B (zh) * | 2023-05-19 | 2023-07-18 | 沈阳诺德尔自动化科技有限公司 | 一种智能阀门的调节控制方法及系统 |
| CN116542428A (zh) * | 2023-07-05 | 2023-08-04 | 中国科学院地理科学与资源研究所 | 一种区域灌溉需水量估算方法及装置 |
| CN116542428B (zh) * | 2023-07-05 | 2023-09-26 | 中国科学院地理科学与资源研究所 | 一种区域灌溉需水量估算方法及装置 |
| CN116831015A (zh) * | 2023-07-27 | 2023-10-03 | 易维集控(北京)园林科技有限公司 | 一种自主灌溉科学节水的决策方法、系统和计算设备 |
| CN117204320A (zh) * | 2023-11-07 | 2023-12-12 | 中化现代农业有限公司 | 规模化农场灌溉控制系统 |
| CN117204320B (zh) * | 2023-11-07 | 2024-04-16 | 中化现代农业有限公司 | 规模化农场灌溉控制系统 |
| CN117237145A (zh) * | 2023-11-14 | 2023-12-15 | 北京宏数科技有限公司 | 一种基于大数据的传感器数据处理方法及系统 |
| CN117237145B (zh) * | 2023-11-14 | 2024-02-13 | 北京宏数科技有限公司 | 一种基于大数据的传感器数据处理方法及系统 |
| CN117519349A (zh) * | 2023-12-06 | 2024-02-06 | 广州市农业科学研究院 | 温室大棚控制方法及系统 |
| CN117519349B (zh) * | 2023-12-06 | 2024-04-23 | 广州市农业科学研究院 | 温室大棚控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112602563B (zh) | 2021-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112602563B (zh) | 一种节水灌溉系统及精准灌溉方法 | |
| US11672212B2 (en) | Customized land surface modeling for irrigation decision support for targeted transport of nitrogen and other nutrients to a crop root zone in a soil system | |
| US11625798B2 (en) | Environmental management zone modeling and analysis | |
| US20230180682A1 (en) | Crop-specific automated irrigation and nutrient management | |
| EP3534689B1 (en) | Controlling agricultural production areas | |
| EP3179319B1 (en) | Method for irrigation planning and system for its implementation | |
| CN108958329B (zh) | 一种滴灌水肥一体化智能决策方法 | |
| Simionesei et al. | IrrigaSys: A web-based irrigation decision support system based on open source data and technology | |
| Waongo et al. | A crop model and fuzzy rule based approach for optimizing maize planting dates in Burkina Faso, West Africa | |
| Kourgialas et al. | Optimal irrigation planning for addressing current or future water scarcity in Mediterranean tree crops | |
| Almeida et al. | Improving the ability of 3‐PG to model the water balance of forest plantations in contrasting environments | |
| Van Dam et al. | Water productivity of irrigated crops in Sirsa district, India | |
| AU2023203307A1 (en) | Controlling Agricultural Production Areas | |
| CN113039908A (zh) | 一种施肥和灌溉动态决策方法及系统 | |
| Guo et al. | Impacts of climate and land-use changes on water yields: Similarities and differences among typical watersheds distributed throughout China | |
| Gu et al. | Machine learning on minimizing irrigation water for lawns | |
| US20230082714A1 (en) | Soil Property Model Using Measurements of Properties of Nearby Zones | |
| Rachid-Casnati et al. | Using soil-based and physiographic variables to improve stand growth equations in Uruguayan forest plantations | |
| Hejl et al. | Evaluation of irrigation scheduling approaches within sand‐capped turfgrass systems | |
| Suciu et al. | IoT agro-meteorology for viticulture disease warning | |
| Kizer | A precision irrigation scheme to manage plant water status using leaf monitors in almonds | |
| Taghvaeian | Water and energy balance of a riparian and agricultural ecosystem along the Lower Colorado River | |
| Umirbekov et al. | GEMS v1. 0: Generalizable empirical model of snow accumulation and melt based on daily snow mass changes in response to climate and topographic drivers | |
| Balaghi | Wheat grain yield forecasting models for food security in Morocco | |
| Ruotsalainen | Economic losses in forest management due to errors in inventory data |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210824 |