CN112970559A - 一种基于遗传算法优化甘蔗生育阶段的亏缺灌溉方法 - Google Patents

一种基于遗传算法优化甘蔗生育阶段的亏缺灌溉方法 Download PDF

Info

Publication number
CN112970559A
CN112970559A CN202110157980.6A CN202110157980A CN112970559A CN 112970559 A CN112970559 A CN 112970559A CN 202110157980 A CN202110157980 A CN 202110157980A CN 112970559 A CN112970559 A CN 112970559A
Authority
CN
China
Prior art keywords
irrigation
yield
stage
deficit
growth
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.)
Withdrawn
Application number
CN202110157980.6A
Other languages
English (en)
Inventor
刘心
王鹏宇
李文竹
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.)
Hebei University of Engineering
Original Assignee
Hebei University of Engineering
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 Hebei University of Engineering filed Critical Hebei University of Engineering
Priority to CN202110157980.6A priority Critical patent/CN112970559A/zh
Publication of CN112970559A publication Critical patent/CN112970559A/zh
Withdrawn legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Physiology (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Mining & Mineral Resources (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Environmental Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Marketing (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Cultivation Of Plants (AREA)

Abstract

本发明公开了一种基于遗传算法优化甘蔗生育阶段的亏缺灌溉方法。该方法基于甘蔗种植生长和气候条件，根据甘蔗生育阶段对亏缺灌溉的反应不同，首先探究亏缺灌溉对产量、水分生产率和灌溉水分利用效率的影响，确定需要优化的生育阶段。其次，对需要优化生育阶段的灌溉量应用遗传算法进行优化，得到最优的灌溉参数组，从而确定整个生育期最优的灌溉计划，不仅有效节约了灌溉用水，同时达到提升实际田间产量的目的。

Description

一种基于遗传算法优化甘蔗生育阶段的亏缺灌溉方法
技术领域
本发明涉及一种基于遗传算法优化甘蔗生育阶段的亏缺灌溉方法，属于水资源管理技术领域。
背景技术
中国是世界第三大糖生产国，仅次于巴西和印度。甘蔗作为主要的经济作物，其产量易受到地区水资源的限制和降雨量不均衡的影响。因此，为解决上述问题，应探寻不同地区甘蔗通用的需水规律，和适宜的灌溉措施，从而优化不同生育阶段的灌溉量，减少产量的损失。在农业生产中，亏缺灌溉不仅能节约水资源，也能有效地提高灌溉水分利用效率，并保持作物产量的稳定，具有重要研究价值。由于在亏缺灌溉的条件下，甘蔗不同生育阶段需水规律较为复杂且具有非线性的特点，如果能确定甘蔗需要优化的生育阶段，并对此生育阶段灌溉量进行优化，就可以准确进行灌溉量的分配，从而制定合理的灌溉用水计划。目前传统亏缺灌溉的研究，需要耗费大量时间和物力进行田间试验，且结果缺乏普适性、局限性较大，因此，借助农业技术转移决策支持系统(The Decision Support System forAgrotechnology Transfer，DSSAT)模型适合上述问题的解决，但是模型处理此类问题需要输入相关的灌溉次数和灌溉量，而灌溉次数、灌溉量以及地区降雨量之间复杂的相互关系和非线性的特点，使得如何建立这三者之间的联系成为问题解决的关键。
借由DSSAT模型对作物气候适宜性变化的研究，通常侧重于主要粮食作物(如：玉米、水稻和小麦)的产量变化，这部分国内研究较多，例如：邵光成等通过DSSAT模型探讨了不同年型冬小麦灌溉制度优化中的可行性；刘文茹等通过DSSAT-CERES-Wheat品种遗传参数本地化后，准确模拟了冬小麦的生长发育过程及产量潜力；谭红等通过DSSAT模型解释了气候变化对石河子地区棉花的产量和生产潜力具有一定的正面影响。目前，我国较少有借助DSSAT模型来研究甘蔗亏缺灌溉的报道，通过遗传算法优化甘蔗生育阶段，确定适合的灌溉时期以及灌溉量的研究尚不明确。
发明内容
本发明基于甘蔗种植生长和气候条件，根据甘蔗生育阶段对亏缺灌溉的反应不同，首先探究亏缺灌溉对产量、水分生产率和灌溉水分利用效率的影响，确定需要优化的生育阶段。其次，对需要优化生育阶段的灌溉量应用遗传算法进行优化，不仅有效节约了灌溉用水，同时达到提升实际田间产量的目的。
(一)要解决的技术问题
1)传统亏缺灌溉的研究，需要耗费大量时间和物力进行田间试验，且结果缺乏普适性、局限性较大。
2)在亏缺灌溉的条件下，甘蔗不同生育阶段对水分胁迫的敏感性不同。因此，有必要研究亏缺灌溉对甘蔗不同生育阶段的影响，从而确定需要优化的生育阶段。
3)DSSAT模型处理此类问题需要输入相关的灌溉次数和灌溉量，而灌溉次数、灌溉量以及地区降雨量之间复杂的相互关系和非线性的特点，使得如何建立这三者之间联系成为问题解决的关键。
(二)技术方案
1)针对问题1中田间试验的局限性，借助DSSAT模型适合上述问题的解决。
2)针对问题2，通过DSSAT模型对不同灌溉处理的模拟，比较不同灌溉处理对产量和灌溉水分利用效率、水分生产率的影响，确定需要优化的生育阶段，为接下来算法优化田间灌溉处理提供依据。
3)针对问题3，对这三者之间的关系建立相应的数学模型。根据设定的灌溉次数使用遗传算法对灌溉量进行优化，求得最优灌溉量，构成最优灌溉参数组。
基于此，本发明提出如下技术方案：
一种基于遗传算法优化甘蔗生育阶段的亏缺灌溉方法，包括如下步骤：首先，借由农业技术转移决策支持系统(The Decision Support System for AgrotechnologyTransfer，DSSAT)模型确定甘蔗需要优化的生育阶段；其次，对需要优化的生育阶段的灌溉量应用遗传算法进行优化，得到最优的灌溉参数组；最后，确定整个生育期最优的灌溉计划。
所述确定甘蔗需要优化的生育阶段是指通过DSSAT模型模拟不同灌溉处理的产量，计算水分生产率和灌溉水分利用效率，比较不同灌溉处理下产量、WUE和IWUE的差异性特征变化，首先判断亏缺灌溉对甘蔗不同生育阶段WUE和IWUE的影响，选择亏缺灌溉能够提高WUE和IWUE的生育阶段；其次，判断亏缺灌溉对产量的影响，选择亏缺灌溉能够提高产量或对产量影响较小的作为需要优化的生育阶段，而产量明显降低的则采用充分灌溉。通过DSSAT模型模拟不同灌溉处理的产量是指：将气象站数据、土壤数据和设计灌溉处理数据输入到DSSAT模型中，模拟出不同灌溉处理的产量。
所述遗传算法的目标函数为最大产量，约束条件为生育期灌溉量，包括单个生育阶段的灌溉量约束和整个生育期的灌溉量约束。
所述最大产量
Figure BDA0002935138120000032
式中：Ym为充分灌溉条件下的最大产量(kg/hm2)；i为作物生育阶段的编号(i＝1,2,...,n)；Ii为第i个生育阶段的灌溉量(mm)；Pi为第i个生育阶段的降雨量(mm)；ETmi为第i个生育阶段的最大腾发量(mm)；λi为第i个生育阶段的水分胁迫敏感指数。
进一步地，第i个生育阶段的灌溉量约束为：0≤Ii≤Iimax，整个生育期的灌溉量约束为：
Figure BDA0002935138120000031
其中，Iimax为第i个生育阶段最大灌溉量，Imin为整个生育期的最小灌溉量，Imax为整个生育期的最大灌溉量。
所述最优的灌溉参数组由灌溉次数和相应优化的灌溉量构成。所述灌溉次数是指对作物不同生育阶段的浇灌次数。
所述整个生育期最优的灌溉计划包括亏缺灌溉的生育阶段的灌溉计划和充分灌溉的生育阶段的灌溉计划，其中亏缺灌溉的生育阶段是需要优化的生育阶段，其余生育阶段是充分灌溉的生育阶段。
附图说明
图1示出了本发明优化甘蔗生育阶段的亏缺灌溉方法的流程图；以及
图2示出了2018―2019年试验地区甘蔗生育期内气象因素的变化。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
本技术方案的流程图如图1所示。技术方案整体分成三个模块。模块1：借由DSSAT模型建立遗传算法优化的依据；模块2：建立甘蔗不同生育阶段的灌溉模型；模块3：通过对遗传算法优化的亏缺灌溉与田间未优化的情况进行对比验证，证明算法优化的性能，确定最优的灌溉计划。
模块1：首先，对DSSAT模型进行初始化，包括：气象数据的输入与气象站的建立、初始土壤理化性质的输入和土壤文件的建立、田间管理模块信息的输入以及作物模拟文件的建立。具体为：将气象站数据、土壤数据和设计灌溉处理数据输入到DSSAT模型中。其次，对不同灌溉处理进行产量的模拟，计算水分生产率和灌溉水分利用效率，最后，判断甘蔗不同生育阶段对亏缺灌溉的反应，确定需要优化的生育阶段。
试验站概述
田间试验的结果数据来源于广西省崇左市江州区甘蔗节水灌溉项目区，甘蔗种植及收获进行在该年的3月中旬至11月初。江州地区位于北回归线以南(22°52′N，107°39′E)，属亚热带季风气候区，气候温和，雨量充沛。年日照时间1600h以上，年平均气温20.8～22.4℃，年无霜期长达340d，年降雨量1200mm以上。全年光照充足，光、水同季。气象站选取的为试验站2018―2019年的逐日气象资料，地区气象因素变化如图2所示。供试区土壤类型以粘土为主，其部分数据如表1所示。
表1试验区土壤特性
Figure BDA0002935138120000041
Figure BDA0002935138120000051
田间试验验证共设有5个灌溉处理，各处理设置3个重复，灌溉方式均采用地表滴灌，5个灌溉处理设置为：40、80、120、160、200mm，分别为灌溉量的20％、40％、60％、80％和100％。试验中每个小区面积为64m2，各个小区间隔为1.5m，采用均匀行种植的方式，行距为1m。经测产在5个灌溉处理中田间甘蔗产量分别为：57.6、58.1、64.6、66.4、69.6t/hm2。DSSAT模型验证选取NCo376进行模拟，为了测定NCo376的模拟值的误差情况来确保研究的准确性，DSSAT模型中NCo376模拟产量为：49.3、51.4、55.2、61.3、63.2t/hm2。模型验证显示NCo376模拟产量与实际产量的相对均方根误差(RRMSE)为11.59％，表明模拟与实测数据较为吻合，品种参数能够较为准确地反映作物品种的主要遗传特征，可用于进一步研究。
灌溉处理设计
通过DSSAT模型比较不同灌溉处理对产量、水分生产率和灌溉水分利用效率的变化特征，确定需要优化的生育阶段，为接下来算法优化田间灌溉处理提供依据。本发明将甘蔗的整个生育期按照田间的实际生长情况划分为四个生育阶段：幼苗期为一片真叶以上，分蘖期为6～7片真叶以上，伸长期为12片真叶以上，成熟期为甘蔗蔗糖量达到最高。本发明以每个生育阶段最大灌溉定额为50mm，整个生育期的最大灌溉定额为200mm，分别在幼苗期(T1―T4)、分蘖期(T5―T8)、伸长期(T9―T12)、成熟期(T13―T16)设定10、20、30、40mm的亏缺灌溉处理，以每个生育阶段灌溉量50mm为对照(CK)，设置共17个处理，如表2所示。
表2甘蔗各生育阶段灌溉量mm
Figure BDA0002935138120000052
Figure BDA0002935138120000061
通过DSSAT模型模拟不同灌溉处理的产量，计算水分生产率和灌溉水分利用效率，比较不同灌溉处理下产量、WUE和IWUE的差异性特征变化。首先，判断亏缺灌溉对甘蔗不同生育阶段WUE和IWUE的影响，选择亏缺灌溉能够提高WUE和IWUE的生育阶段；其次，判断亏缺灌溉对产量的影响，选择亏缺灌溉能够提高产量或对产量影响较小的作为需要优化的生育阶段，而产量明显降低的则采用充分灌溉。
本发明采用作物水分生产率(Water Use Efficiency，WUE)评估模拟结果，计算式为：
Figure BDA0002935138120000062
式中：Ya为作物实际产量(kg/hm2)；ETa为生育阶段实际腾发量(mm)；数字10为转换参数。
此外，为了评估在不同灌溉处理间，灌溉水分利用效率的特征变化，引入灌溉水分利用效率(Irrigation Water Use Efficiency，IWUE)，计算式为：
Figure BDA0002935138120000063
式中：Ya为作物实际产量(kg/hm2)；Yi为雨养条件下的作物产量(kg/hm2)；Wi为灌溉量(mm)；数字10为转换参数。
在本技术方案中，模型模拟显示，甘蔗幼苗期、分蘖期和成熟期的IWUE均高于CK，这说明亏缺灌溉能提高甘蔗特定生育阶段的IWUE。结果还进一步表明：当甘蔗受水分胁迫影响时，可以通过诱导气孔离散闭合等生理变化降低蒸腾作用，并随着幼苗期、分蘖期和成熟期蒸腾作用的减少，从而提高相应时期的WUE。此外，模型模拟显示，减少幼苗期、分蘖期和成熟期的灌溉量对产量并未造成太大的影响，而伸长期的亏缺灌溉会使得水分胁迫严重抑制甘蔗的生长发育，导致产量的降低。因此，本技术方案选取的优化生育阶段为甘蔗幼苗期、分蘖期和成熟期。
模块2：通过建立的目标函数，根据甘蔗不同生育阶段对亏缺灌溉的反应而确定需要优化的生育阶段，设置生育期灌溉量的约束条件，本技术方案采用单个生育阶段灌溉量和整个生育期的灌溉量作为约束条件，以DSSAT模型模拟的最大产量为目标，在5个不同田间灌溉处理(40、80、120、160mm和200mm处理)条件下，对需要优化的生育阶段进行遗传算法优化，即根据设定的灌溉次数，求得相应优化后的灌溉量，构成最优灌溉参数组。其中灌溉次数是指对作物不同生育阶段的浇灌次数。通常灌溉次数是固定的，针对不同地区种植甘蔗的灌溉次数不同，取决于使用者在模型中的设置。优选地，本技术方案设置不同生育阶段具体灌溉次数为：幼苗期(3月15日)：灌溉1次；分蘖期(4月12日)：灌溉1次；伸长期(5月14、6月10日、7月6日、8月5日、9月8日)：灌溉5次；成熟期(10月13日)：灌溉1次，共进行8次灌溉。
建立甘蔗生育期灌溉量模型
1水分生产函数
在亏缺灌溉的条件下，作物不同生育阶段对产量的影响程度不同。因此，为了更有效地反映作物在生育阶段不同灌溉处理与产量之间的关系，采用水分生产函数来表达。其中，水分生产函数最常用的形式是Jensen模型，计算式为：
Figure BDA0002935138120000071
式中：Ya为作物实际产量(kg/hm2)；Ym为充分灌溉条件下的最大产量(kg/hm2)；ETai为作物第i个生育阶段的实际腾发量(mm)；ETmi为作物第i个生育阶段的最大腾发量(mm)；λi为第i个生育阶段的作物水分胁迫敏感指数；i为作物生育阶段的序号(i＝1,2,...,n)。
2土壤水平衡理论
土壤水平衡理论的原理是指在田间生态系统中，土壤水、大气水和作物水之间的流动过程，遵循质量守恒定律。作物第i个生育阶段的土壤水平衡方程计算式为：
Ii+Pi+Gi＝ETai+Di+Ri±ΔWi， (4)
式中：Ii为第i个生育阶段的灌溉量(mm)；Pi为第i个生育阶段的降雨量(mm)；Gi为第i个生育阶段的地下水补给量(mm)；ETai为第i个生育阶段的作物实际腾发量(mm)；Di为第i个生育阶段的土壤水深层渗透量(mm)；Ri为第i个生育阶段的地面径流量(mm)；ΔWi为第i个生育阶段的土壤有效储水量(mm)。
在半干旱或是气候干燥的地区和时期，所产生的地表径流量比较少且主要在汛期，而且土壤水深层渗透量也较少，所以可以忽略上述两个因素。此外，在降雨稀少而蒸发强烈的时期下，单次的降雨量不会超过土壤深层的界限，此时的土壤有效储水量也很少，故这两个因素也可以忽略不计。因此，土壤水平衡方程在第i个生育阶段的计算式可以简化为：
Ii+Pi＝ETai， (5)
3遗传算法优化不同生育阶段灌溉量
遗传算法属于进化算法的一种，其所用的原理是根据达尔文提出的进化理论，通过模拟生物界的自然选择和遗传机制来实现随机搜索，解决传统搜索算法无法解决的非线性规划问题。本技术方案通过灌溉处理的设计，确定所要优化的生育阶段，以DSSAT模型模拟的最大产量为目标，在5个不同田间灌溉处理(40、80、120、160和200mm处理)条件下，只对需要优化的生育阶段进行算法优化，求得最优灌溉参数组，即灌溉次数和相应优化的灌溉量。为了得到最优的灌溉参数组，对公式(3)和(5)结合可得计算式为：
Figure BDA0002935138120000081
式中：F为优化的目标函数；Ym为充分灌溉条件下的最大产量(kg/hm2)；i为作物生育阶段的编号(i＝1,2,...,n)；Ii为第i个生育阶段的灌溉量(mm)；Pi为第i个生育阶段的降雨量(mm)；ETmi为第i个生育阶段的最大腾发量(mm)；λi为第i个生育阶段的水分胁迫敏感指数。
此外，第i个生育阶段的灌溉量约束为：0≤Ii≤Iimax，整个生育期的灌溉量约束为：
Figure BDA0002935138120000091
其中，Iimax为第i个生育阶段最大灌溉量，Imin为整个生育期的最小灌溉量，Imax为整个生育期的最大灌溉量。
模块3：模拟结果将和使用田间试验中5个相同灌溉处理的未优化亏缺灌溉产量进行比较，评估产量、WUE在优化与未优化之间的差距，确定整个生育期最优的灌溉计划，在需要优化的生育阶段按照最优灌溉参数组进行亏缺灌溉，其他生育阶段采用充分灌溉。其中，未优化的灌溉参数组使用的是试验站田间灌溉用水数据，优化与未优化的最大灌水定额均为50mm。未优化灌溉产量指田间试验验证设有的5个灌溉处理产量。
亏缺灌溉对幼苗期、分蘖期的影响
由表3可知，减少甘蔗幼苗期灌溉量对各处理产量的影响不明显，整体稳定在一个较高的水平。其中T1处理的产量最大，达到了69.975t/hm2，优于T2处理和T3处理，而T2处理和T3处理产量均与CK产量相近，无明显变化。从表3可以看出，甘蔗幼苗期各处理的WUE提升较不明显，随着灌溉量的减少，整体呈现上升趋势，且在T1处理达到了最大。此外，亏缺灌溉对各处理的IWUE的影响也不明显，其中T1处理表现最好为3.019kg/m3，优于其他处理。
表3甘蔗幼苗期在亏缺灌溉下的产量、WUE、IWUE
Figure BDA0002935138120000092
从表4可知，亏缺灌溉对不同处理间产量影响不明显。随着甘蔗分蘖期灌溉量的减少，各处理的WUE呈上升趋势。以T5处理和CK为例，T5处理的WUE相较于CK提升了0.622kg/m3，提升幅度明显。不同处理下的IWUE随着分蘖期灌溉量的减少呈上升趋势，T5处理和T6处理表现优于T7处理、T8处理和CK。T5处理的IWUE达到了3.070kg/m3，优于其他各个处理。由此可见，减少甘蔗分蘖期的灌溉量能有效提高IWUE和WUE。
表4甘蔗分蘖期在亏缺灌溉下的产量、WUE、IWUE
Figure BDA0002935138120000093
Figure BDA0002935138120000101
亏缺灌溉对伸长期的影响
由表5可知，不同处理间对甘蔗产量、WUE和IWUE的影响明显，减少此时期灌溉量不能有效提升WUE和IWUE。随着伸长期灌溉量的减少，产量表现为：CK>T12处理>T10处理>T9处理>T11处理。其中T11处理的产量表现最差，受亏缺灌溉影响严重。T9处理的产量比CK降低了14.1％，呈明显下降趋势。在相对产量较高的T12处理中，也比CK的产量降低了5.1％。此外，减少伸长期的灌溉量还对IWUE造成极大的影响。与CK的IWUE相比，T12处理下降了0.713kg/m3，T9处理下降了2.070kg/m3，下降幅度较为明显。
表5甘蔗伸长期在亏缺灌溉下的产量、WUE、IWUE
Figure BDA0002935138120000102
亏缺灌溉对成熟期的影响
从表6中可知，亏缺灌溉对不同处理间的产量提升无明显影响。随着成熟期灌溉量的减少，WUE和IWUE呈上升趋势，T13处理的WUE和IWUE均处于较高水平。以T13处理、CK为例，T13处理的IWUE相较于CK提升了0.149kg/m3，提升幅度不明显，而相应的WUE则提升了1.032kg/m3，提升较为明显。除此之外，T13、T14、T15、T16处理的WUE和IWUE均高于CK。可见，减少甘蔗成熟期的灌溉量可以提高IWUE和WUE。
表6甘蔗成熟期在亏缺灌溉下的产量、WUE、IWUE
Figure BDA0002935138120000103
亏缺灌溉对产量、WUE和IWUE的相关分析
在本发明中，模型模拟显示，使用本发明的技术方案，甘蔗幼苗期、分蘖期和成熟期的IWUE均高于CK，这说明亏缺灌溉能提高甘蔗特定生育阶段的IWUE。通过对比幼苗期与分蘖期的IWUE差异性，发现幼苗期的IWUE与分蘖期相比，随着灌溉量的增加，而愈加不明显，分蘖期的灌溉水分利用效率受亏缺灌溉的影响比幼苗期要弱。通过分析结果，研究还进一步表明：当甘蔗受水分胁迫影响时，可以通过诱导气孔离散闭合等生理变化降低蒸腾作用，并随着幼苗期、分蘖期和成熟期蒸腾作用的减少，从而提高相应时期的WUE。此外，模型模拟显示，减少幼苗期、分蘖期和成熟期的灌溉量对产量并未造成太大的影响，原因是：在亏缺灌溉下，甘蔗受水分胁迫影响的活性通常比充分灌溉表现出更高的速率，能有助于不同生育阶段之间生物量的补偿性生长，保持产量的稳定性。而伸长期的亏缺灌溉会使得水分胁迫严重抑制甘蔗的生长发育，导致产量的降低。因此，在农业生产中应该避免减少伸长期的灌溉量，防止最终产量的损失。
故综上所述：本发明选取的优化生育阶段为甘蔗幼苗期、分蘖期和成熟期。
遗传算法优化的优势和性能分析
遗传算法优化亏缺灌溉的模拟产量和未优化模拟产量的对比如表7所示。从表7可知，算法优化亏缺灌溉和未优化亏缺灌溉在40mm处理的产量差异不明显。而在之后的80、120、160、200mm处理中，均显示了算法优化亏缺灌溉的产量优于未优化亏缺灌溉，表现为：在80mm处理提升了0.3％；120mm处理提升了2.5％；160mm处理提升了8.7％；200mm处理提升了2.2％。可见，算法优化亏缺灌溉在160mm处理和120mm处理，产量提升较大。
表7遗传算法优化未优化亏缺灌溉的产量对比
Figure BDA0002935138120000111
遗传算法优化亏缺灌溉的WUE结果如表8所示。由表8可知，在40mm处理至200mm处理中，未优化亏缺灌溉的WUE明显低于算法优化亏缺灌溉。其中，算法优化亏缺灌溉的WUE中120mm处理和160mm处理表现最好，提升较为明显，优于其他处理。
表8遗传算法优化未优化亏缺灌溉WUE
Figure BDA0002935138120000121
由于遗传算法在求解过程中，能并行化处理搜索空间中的多个解，且具有很好的全局搜索能力，避免陷入局部最优解的特点，提高了求解问题的速度。因此，本发明通过遗传算法优化田间亏缺灌溉下的产量，具有一定的优势。
综上所述，本发明可得如下结论：
1)在甘蔗不同生育阶段，幼苗期、分蘖期和成熟期进行亏缺灌溉，能促进WUE和IWUE的提升，产量影响不明显。在甘蔗伸长期进行亏缺灌溉，对产量，WUE和IWUE影响较大。结果表明：伸长期的亏缺灌溉严重影响甘蔗的生长发育，不利于产量的稳定。
2)通过遗传算法优化田间亏缺灌溉的研究，发现在80、120、160、200mm处理中，WUE提升明显。相较于未优化的亏缺灌溉，遗传算法优化的亏缺灌溉在产量上提升了0.3％～8.7％。结果表明：在120mm处理和160mm处理，遗传算法优化的亏缺灌溉表现出较好的优势，可以指导实际田间灌溉和生产。
本发明技术方案的优势在于：
1)传统的田间亏缺灌溉，周期长、耗时耗力，也有可能因为气候因素条件和土壤环境的变异性而缺乏普适性。因此，通过DSSAT模型研究亏缺灌溉，是一种十分高效的方法。
2)遗传算法(Genetic Algorithm，GA)在求解非线性问题的过程中，能并行化处理搜索空间中的多个解，算法以编码的方式工作，不对参数本身进行操作，具有良好的可操作性，而且采用概率性传递规则代替传统确定性规则，具有全局寻优特点，提高了求解问题的速度，可以解决甘蔗生育阶段灌溉量间非线性的问题。本申请使用DSSAT模型配合GA算法较强的鲁棒性、较好的全局搜索能力和避免陷入局部最优解的特点，提出的优化田间亏缺灌溉的方法，具有一定的优越性。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于遗传算法优化甘蔗生育阶段的亏缺灌溉方法，包括如下步骤：首先，借由农业技术转移决策支持系统(The Decision Support System for AgrotechnologyTransfer，DSSAT)模型确定甘蔗需要优化的生育阶段；其次，对需要优化的生育阶段的灌溉量应用遗传算法进行优化，得到最优的灌溉参数组；最后，确定整个生育期最优的灌溉计划。
2.根据权利要求1所述的方法，所述确定甘蔗需要优化的生育阶段是指通过DSSAT模型模拟不同灌溉处理的产量，计算水分生产率和灌溉水分利用效率，比较不同灌溉处理下产量、WUE和IWUE的差异性特征变化，确定需要优化的生育阶段。
3.根据权利要求2所述的方法，进一步地，首先判断亏缺灌溉对甘蔗不同生育阶段WUE和IWUE的影响，选择亏缺灌溉能够提高WUE和IWUE的生育阶段；其次，判断亏缺灌溉对产量的影响，选择亏缺灌溉能够提高产量或对产量影响较小的作为需要优化的生育阶段，而产量明显降低的则采用充分灌溉。
4.根据权利要求3所述的方法，通过DSSAT模型模拟不同灌溉处理的产量是指：将气象站数据、土壤数据和设计灌溉处理数据输入到DSSAT模型中，模拟出不同灌溉处理的产量。
5.根据权利要求1所述的方法，所述遗传算法的目标函数为最大产量，约束条件为生育期灌溉量，包括单个生育阶段的灌溉量约束和整个生育期的灌溉量约束。
6.根据权利要求5所述的方法，所述最大产量
Figure FDA0002935138110000011
式中：Ym为充分灌溉条件下的最大产量(kg/hm2)；i为作物生育阶段的编号(i＝1,2,...,n)；Ii为第i个生育阶段的灌溉量(mm)；Pi为第i个生育阶段的降雨量(mm)；ETmi为第i个生育阶段的最大腾发量(mm)；λi为第i个生育阶段的水分胁迫敏感指数。
7.根据权利要求5所述的方法，第i个生育阶段的灌溉量约束为：0≤Ii≤Iimax，整个生育期的灌溉量约束为：
Figure FDA0002935138110000021
其中，Iimax为第i个生育阶段最大灌溉量，Imin为整个生育期的最小灌溉量，Imax为整个生育期的最大灌溉量。
8.根据权利要求1所述的方法，所述最优的灌溉参数组由灌溉次数和相应优化的灌溉量构成。
9.根据权利要求8所述的方法，所述灌溉次数是指对作物不同生育阶段的浇灌次数。
10.根据权利要求1所述的方法，所述整个生育期最优的灌溉计划包括亏缺灌溉的生育阶段的灌溉计划和充分灌溉的生育阶段的灌溉计划，其中亏缺灌溉的生育阶段是需要优化的生育阶段，其余生育阶段是充分灌溉的生育阶段。
CN202110157980.6A 2021-02-05 2021-02-05 一种基于遗传算法优化甘蔗生育阶段的亏缺灌溉方法 Withdrawn CN112970559A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110157980.6A CN112970559A (zh) 2021-02-05 2021-02-05 一种基于遗传算法优化甘蔗生育阶段的亏缺灌溉方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110157980.6A CN112970559A (zh) 2021-02-05 2021-02-05 一种基于遗传算法优化甘蔗生育阶段的亏缺灌溉方法

Publications (1)

Publication Number Publication Date
CN112970559A true CN112970559A (zh) 2021-06-18

Family

ID=76347330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110157980.6A Withdrawn CN112970559A (zh) 2021-02-05 2021-02-05 一种基于遗传算法优化甘蔗生育阶段的亏缺灌溉方法

Country Status (1)

Country Link
CN (1) CN112970559A (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106688827A (zh) * 2016-12-09 2017-05-24 中国科学院新疆生态与地理研究所 一种基于农业系统模型的灌溉决策系统及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106688827A (zh) * 2016-12-09 2017-05-24 中国科学院新疆生态与地理研究所 一种基于农业系统模型的灌溉决策系统及方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
MURILO D S V 等: "Performance of DSSAT CSM-CANEGRO Under Operational Conditions and its Use in Determining the ‘Saving Irrigation’ Impact on Sugarcane Crop", 《SUGAR TECH》 *
刘宗强等: "调亏灌溉条件下甘蔗耗水规律试验研究", 《水资源与水工程学报》 *
张兵等: "基于遗传算法求解的冬小麦优化灌溉产量模型研究", 《农业工程学报》 *
李翊尘等: "基于DSSAT模型的河套平原春小麦灌溉方案优化", 《北京师范大学学报(自然科学版)》 *
杨晓慧等: "基于DSSAT模拟的灌溉用水效率评价指标比较", 《农业工程学报》 *
杨静敬等: "亏缺灌溉对冬小麦耗水规律及产量的影响", 《节水灌溉》 *

Similar Documents

Publication Publication Date Title
Huang et al. Modelling the integrated strategies of deficit irrigation, nitrogen fertilization, and biochar addition for winter wheat by AquaCrop based on a two-year field study
Ale et al. Determining optimum irrigation termination periods for cotton production in the Texas High Plains
CN112700035B (zh) 一种区域尺度农作物分区水肥管理模式的优化方法
Yang et al. Managing food and bioenergy crops with declining groundwater levels in the North China Plain
Klepper et al. Modeling crop root growth and function
Ali et al. Deep soil water deficit and recovery in alfalfa fields of the Loess Plateau of China
QIANG et al. Determination of critical nitrogen dilution curve based on leaf area index for winter wheat in the Guanzhong Plain, Northwest China
CN114254964A (zh) 水稻区域气候品质评估方法及系统
CN115860209A (zh) 一种基于“水-碳-经济”耦合的农业水土资源优化配置方案的计算方法
Wang et al. Cotton growth model under drip irrigation with film mulching: A case study of Xinjiang, China
CN114037176A (zh) 一种考虑膳食平衡的区域作物种植布局优化方法
CN105913326B (zh) 约束性知识与精英个体策略遗传算法融合的作物生育期模型品种参数优化方法
CN109934400B (zh) 基于改进神经网络的集雨调亏作物需水量预测方法
CN105654242A (zh) 一种基于鱼群算法的黄瓜幼苗期二氧化碳优化调控模型及建立与应用
CN112970559A (zh) 一种基于遗传算法优化甘蔗生育阶段的亏缺灌溉方法
Aggarwal Applications of systems simulation for understanding and increasing yield potential of wheat and rice
CN113673160B (zh) 一种面向作物水分高效利用的多孔材料优化埋设方法
CN111797499B (zh) 一种作物育种多目标优化方法
Li et al. The development of variable system-based internet of things for the solar greenhouse and its application in lettuce
Terjung et al. Actual and potential yield for rainfed and irrigated wheat in China
CN111587742A (zh) 一种北方冷寒烟区冬牧70绿肥适宜种植方法
CN105427061A (zh) 基于改进型鱼群算法的番茄幼苗期光合作用优化调控模型及建立与应用
CN112990692B (zh) 一种基于分生育阶段多参数耦合的冬小麦产量估计方法
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
Gao et al. Optimizing water-saving irrigation schemes for rice (Oryza sativa L.) using DSSAT-CERES-Rice model

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210618