CN113627105B - 灌溉用水量监测方法、装置、计算机设备 - Google Patents

灌溉用水量监测方法、装置、计算机设备 Download PDF

Info

Publication number
CN113627105B
CN113627105B CN202111185946.6A CN202111185946A CN113627105B CN 113627105 B CN113627105 B CN 113627105B CN 202111185946 A CN202111185946 A CN 202111185946A CN 113627105 B CN113627105 B CN 113627105B
Authority
CN
China
Prior art keywords
data
evapotranspiration
water storage
target
monitoring area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111185946.6A
Other languages
English (en)
Other versions
CN113627105A (zh
Inventor
龙笛
张才金
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN202111185946.6A priority Critical patent/CN113627105B/zh
Publication of CN113627105A publication Critical patent/CN113627105A/zh
Application granted granted Critical
Publication of CN113627105B publication Critical patent/CN113627105B/zh
Priority to US17/844,738 priority patent/US20230111545A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G01N33/246—Earth materials for water content
    • 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
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • A01G7/00—Botany in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Abstract

本申请涉及一种灌溉用水量监测方法、装置、计算机设备，该方法包括：响应用户的监测指令，根据第一数据集确定目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系；基于目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系和第二数据集确定目标监测区域的多个第二土壤储水数据；根据目标监测区域的目标第一蒸散数据、目标第二蒸散数据、目标第一土壤储水数据、目标第二土壤储水数据以及预设第一关联关系确定目标监测区域的目标灌溉用水量。本申请利用了遥感技术以及模型模拟技术，从而能够获得大范围、精度可靠的高空间分辨率的月目标监测区域的灌溉用水量以及年目标监测区域的灌溉用水量。

Description

灌溉用水量监测方法、装置、计算机设备
技术领域
本申请涉及数据处理技术领域，特别是涉及一种灌溉用水量监测方法、装置、计算机设备和计算机可读存储介质。
背景技术
农业区水资源供应情况影响农作物的生长，所以灌溉用水(IWU)在农业用水中占据很大的比重，尤其是对于在作物生长时期降水少的地区。灌溉用水估计值对于优化作物种植制度、灌溉计划和水资源配置有重要的指导意义。因此，准确估算灌溉用水可以用于计划灌溉用水估算地区的地下水取用量，提升半干旱地区地下水的可持续性。
目前，一般采用水文模型来获得灌溉用水的估计值，但是水文模型的建立需要大量的数据，加之水文模型设置存在不合理性，模型内部的参数也未进行校准，所以该模型无法提供准确的灌溉用水估计。所以亟需一种新的方法来对目标区域的灌溉用水进行估计，以监测目标区域的实际灌溉用水，从而更好的指导农业生产。
发明内容
本申请提供一种灌溉用水量监测方法、装置、计算机设备和计算机可读存储介质，能够准确的对目标监测区域的灌溉用水量进行估计。
第一方面，提供了一种灌溉用水量监测方法，该方法包括：
响应于用户的监测指令，根据第一数据集确定目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系；第一数据集包括多组数据，每一组数据包括第一蒸散数据、第一土壤储水数据以及月参考蒸散数据，多组数据按照预设时间段内的每一个月进行划分，第一蒸散数据为目标监测区域不包括灌溉事件的月实际蒸散量，第一土壤储水数据为目标监测区域不包括灌溉事件的月土壤储水量；
基于目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系和第二数据集确定目标监测区域的多个第二土壤储水数据，第二数据集包括多个第二蒸散数据，第二蒸散数据为目标监测区域包括灌溉事件的月实际蒸散量，第二土壤储水数据为目标监测区域包括灌溉事件的月土壤储水量；
根据目标监测区域的目标第一蒸散数据、目标第二蒸散数据、目标第一土壤储水数据、目标第二土壤储水数据以及预设第一关联关系确定目标监测区域的目标灌溉用水量，预设第一关联关系为第一蒸散、第二蒸散、第一土壤储水、第二土壤储水和灌溉用水量之间的运算关系。
第二方面，提供了一种灌溉用水量监测装置，该装置包括：
第一确定模块，用于响应于用户的监测指令，根据第一数据集确定目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系；第一数据集包括多组数据，每一组数据包括第一蒸散数据、第一土壤储水数据以及月参考蒸散数据，多组数据按照预设时间段内的每一个月进行划分，第一蒸散数据为目标监测区域不包括灌溉事件的月实际蒸散量，第一土壤储水数据为目标监测区域不包括灌溉事件的月土壤储水量；
第二确定模块，用于基于目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系和第二数据集确定目标监测区域的多个第二土壤储水数据，第二数据集包括多个第二蒸散数据，第二蒸散数据为目标监测区域包括灌溉事件的月实际蒸散量，第二土壤储水数据为目标监测区域包括灌溉事件的月土壤储水量；
第三确定模块，用于根据目标监测区域的目标第一蒸散数据、目标第二蒸散数据、目标第一土壤储水数据、目标第二土壤储水数据以及预设第一关联关系确定目标监测区域的目标灌溉用水量，预设第一关联关系为第一蒸散、第二蒸散、第一土壤储水、第二土壤储水和灌溉用水量之间的运算关系。
一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述任一项的方法的步骤：
一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项的方法的步骤。
本申请提供的灌溉用水量监测方法、装置、计算机设备和计算机可读存储介质，该方法包括：响应用户的监测指令，根据第一数据集确定目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系；第一数据集包括多组数据，每一组数据包括第一蒸散数据、第一土壤储水数据以及月参考蒸散数据，多组数据按照预设时间段内的每一个月进行划分，第一蒸散数据为目标监测区域不包括灌溉事件的月实际蒸散量，第一土壤储水数据为目标监测区域不包括灌溉事件的月土壤储水量；基于目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系和第二数据集确定目标监测区域的多个第二土壤储水数据，第二数据集包括多个第二蒸散数据，第二蒸散数据为目标监测区域包括灌溉事件的月实际蒸散量，第二土壤储水数据为目标监测区域包括灌溉事件的月土壤储水量；根据目标监测区域的目标第一蒸散数据、目标第二蒸散数据、目标第一土壤储水数据、目标第二土壤储水数据以及预设第一关联关系确定目标监测区域的目标灌溉用水量，预设第一关联关系为第一蒸散、第二蒸散、第一土壤储水、第二土壤储水和灌溉用水量之间的运算关系。其中，第二蒸散数据为遥感反演的实际蒸散、第一蒸散数据为模型模拟实际蒸散，第一土壤储水数据根据模型模拟土壤水分数据获得，第二土壤储水数据基于目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系获得，利用了遥感技术以及模型模拟技术，从而能够获得大范围、精度可靠的高空间分辨率的月目标监测区域的灌溉用水量以及年目标监测区域的灌溉用水量。
附图说明
图1为一个实施例中灌溉用水量监测方法的应用环境图；
图2为一个实施例中灌溉用水量监测方法的流程示意图；
图3为一个实施例中灌溉用水量监测步骤的流程示意图；
图4为另一个实施例中灌溉用水量监测步骤的流程示意图；
图5为另一个实施例中灌溉用水量监测步骤的流程示意图；
图6为另一个实施例中灌溉用水量监测步骤的流程示意图；
图7为另一个实施例中灌溉事件发生时的场景示意图；
图8为一个实施例中灌溉用水量监测装置的结构框图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的灌溉用水量监测方法，可以应用于如图1所示的应用环境中。其中，目标监测区域数据获取终端102通过网络与服务器104进行通信。服务器104可以是从目标监测区域数据获取终端102获取目标监测区域在某一月份的第一蒸散数据、第二蒸散数据、第一土壤储水数据、第二土壤储水数据，然后将获取的数据代入预设的第一关联关系中，即可得到目标监测区域某一月份的灌溉用水量，其中，第二蒸散数据为遥感反演的实际蒸散、第一蒸散数据为模型模拟实际蒸散，第一土壤储水数据根据模型模拟土壤水分数据获得，第二土壤储水数据基于目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系获得，利用了遥感技术以及模型模拟技术，从而能够获得大范围、精度可靠的高空间分辨率的月目标监测区域的灌溉用水量以及年目标监测区域的灌溉用水量。其中，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种灌溉用水量监测方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤S202，响应于用户的监测指令，根据第一数据集确定目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系；第一数据集包括多组数据，每一组数据包括第一蒸散数据、第一土壤储水数据以及月参考蒸散数据，多组数据按照预设时间段内的每一个月进行划分，第一蒸散数据为目标监测区域不包括灌溉事件的月实际蒸散量，第一土壤储水数据为目标监测区域不包括灌溉事件的月土壤储水量。
其中，蒸散是土壤蒸发与植物蒸腾的总称，蒸散量的大小一般取决于3方面要素：
①大气干燥度、辐射条件、温度和风力的大气蒸发能力；
②土壤含水量、导水能力和土壤供水状况；
③植被覆盖率、植物导水能力、叶面气孔数量和开度。
蒸散量可以是通过质量输送模式、阻力模式、空气动力学模式、能量平衡模式、综合模式、太阳辐射模式、彭曼模式等计算得到。
目标监测区域的第一蒸散数据为模型模拟的实际蒸散数据，属于模型模拟变量，该数据可以是从第五代全球陆地表面数据集中获得，第五代全球陆地表面数据集可以从对应的网站上获得。第一土壤储水数据表征目标监测区域对应月份的土壤储水量，该数据也可以是根据第五代全球陆地表面数据集中的土壤数据获得。月参考蒸散是指水分充足情况下特定植被的蒸散情况，是一个理想变量。目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系可以是y=a+bx/z，其中，x表示第一蒸散，y表示第一土壤储水，z表示月参考蒸散。需要说明的是，本申请第一数据集中的数据按照月份划分为多组，每一组数据之间一一对应，也即，第一组数据为1月份目标区域的第一蒸散数据、第一土壤储水数据以及1月的参考蒸散数据；第二组数据为2月份目标区域的第一蒸散数据、第一土壤储水数据以及2月的参考蒸散数据；以此类推。目标监测区域每一月的各项数据存在波动，所以目标监测区域每一个月的各项数据形成了第一数据集。
包括灌溉事件与否表示目标监测区域已被水灌溉或者未被水灌溉，本申请假设未被水灌溉的目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系与已被水灌溉的目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系相同，基于该假设，所以可以得到包括灌溉事件的月土壤储水数据。
步骤S204，基于目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系和第二数据集确定目标监测区域的多个第二土壤储水数据，第二数据集包括多个第二蒸散数据，第二蒸散数据为目标监测区域包括灌溉事件的月实际蒸散量，第二土壤储水数据为目标监测区域包括灌溉事件的月土壤储水量。
其中，第二数据集包括多个第二蒸散数据，多个第二蒸散数据也是按月份获取的，第二蒸散数据为遥感反演的实际蒸散数据，该蒸散数据是包括灌溉事件的蒸散数据，基于上述假设，所以从第二数据集中随机的获取某一月份的第二蒸散数据，就可以计算出来对应月份的目标监测区域的土壤储水量，该土壤储水量自然也是包括灌溉事件的储水量。所以，第二蒸散数据是基于卫星遥感技术获得。
步骤S206，根据目标监测区域的目标第一蒸散数据、目标第二蒸散数据、目标第一土壤储水数据、目标第二土壤储水数据以及预设第一关联关系确定目标监测区域的目标灌溉用水量，预设第一关联关系为第一蒸散、第二蒸散、第一土壤储水、第二土壤储水和灌溉用水量之间的运算关系。
其中，预设第一关联关系可以是第一蒸散、第二蒸散、第一土壤储水、第二土壤储水和灌溉用水量之间例如是加减乘除、积分、微分、根式等中的一种或者多种的运算关系，本申请对此不加以限定。目标第一蒸散数据可以是一个月的蒸散数据，也可以是几个月的蒸散数据，还可以是一年的蒸散数据；同样的目标第二蒸散数据可以是一个月的蒸散数据，可以是几个月的蒸散数据，还可以是一年的蒸散数据；目标第一土壤储水数据可以是一个月的数据，可以是几个月的数据，也可以是一年的数据；目标第二土壤储水数据可以是一个月的数据，可以是几个月的数据，也可以是一年的数据；那么当上述的各项数据为某一月目标监测区域的数据时，那么计算得到的就是目标监测区域某一个月的灌溉用水量，若各项数据是目标监测区域一年的数据，那么计算得到的就为目标监测区域一年的灌溉用水量。此处可以根据用户的需求来计算目标监测区域的灌溉用水量，使得上述的计算方法更加的灵活，适合更多的应用场景。
在一个实施例中，如图3所示，本实施例是获得月参考蒸散的一种可选的方法实施例，该方法实施例包括如下步骤：
步骤S302，获取初始气象驱动数据。
其中，初始气象驱动数据可以是从第五代全球陆地表面数据集中获得，初始气象驱动数据可以包括目标监测区域的气温、气压、湿度、下行短波和上行长波辐射、风速等数据。初始气象驱动数据是按小时来计算的，且数据的空间分辨率为0.25°。
步骤S304，对初始气象驱动数据进行重采样处理得到第一气象驱动数据，第一气象驱动数据具有目标空间分辨率。
其中，重采样处理用于将初始气象数据的空间分辨率转换成目标空间分辨率，这样能够使得所有的数据在相同的标准下进行运算。例如初始数据的空间分辨率为0.25°，目标空间分辨率为0.01°，也即，需要对空间分辨率为0.25°的数据进行重采样处理，得到空间分辨率为0.01°的数据。
步骤S306，对第一气象驱动数据进行重投影处理得到目标气象驱动数据，目标气象驱动数据为目标坐标下的气象驱动数据。
其中，经过重采样处理后，数据具有了相同的空间分辨率，然后需要将具有相同空间分辨率的数据进行重投影处理，以将数据投影到地理投影坐标系下，便于日常数据的查看。
步骤S308，通过彭曼模式对目标气象驱动数据进行计算得到多个日参考蒸散，日参考蒸散表征目标监测区域一天的蒸散。
据上所述，日参考蒸散可以通过多种模式计算得到，本申请采用本领域常用的彭曼模式对上述处理后得到的气象驱动数据进行计算得到目标监测区域一天的参考蒸散，具体的计算公式如下述公式（1）：
Figure 883694DEST_PATH_IMAGE001
（1）
其中，△是蒸气压曲线的斜率；Rn是净辐射；G为土壤热通量；γ是湿度常数；T为日平均气温；u2为2米高度处的风速；es是饱和蒸汽压；ea是实际汽压。
步骤S310，对多个日参考蒸散进行累加得到月参考蒸散。
根据上述公式，可以根据获取的每一天的气象驱动数据得到一个月中每一天的日参考蒸散，然后将一个月中每一天的日参考蒸散加起来，就得到当月的月参考蒸散。按照这种方法就可以得到每一个月的月参考蒸散，在此不做赘述。
在一个实施例中，如图4所示，本申请实施例是获得第一土壤储水数据的一种可选的方法实施例，该方法实施例包括如下步骤：
步骤S402，获取预设时间段内目标监测区域每个月的土壤数据，土壤数据包括土壤的层数，每一层土壤的厚度以及每一层土壤的含水率。
其中，预设时间段内可以是一个月，可以是三个月，可以是一年，还可以是三年，本申请对此不加以限定。土壤数据也可以是从第五代全球陆地表面数据集中获得。土壤一般分为三层：表土层、心土层和底土层。其中，心土层和底土层受灌溉影响小，表土层受灌溉影响大，且表土层又包括耕作层和犁底层。所以土壤数据的土壤层数是指耕作层和犁底层这两层，土壤的厚度耕作层大概厚20cm，犁底层大概厚6-8cm，耕作层的含水率和犁底层的含水率根据从第五代全球陆地表面数据集中获得，耕作层的含水率和犁底层的含水率每一天的可能不同，每一个月的可能也不同。
步骤S404，根据每一层土壤的厚度以及每一层土壤的含水率的乘积得到每一层土壤的储水量。
其中，可以是将耕作层的厚度乘以耕作层的含水率得到耕作层的储水量，例如为20cm×5%=10mm水层厚度；可以是将犁底层厚度乘以犁底层的含水率得到犁底层的储水量，例如为8cm×20%=16mm水层厚度。
步骤S406，将每一层土壤的储水量通过加权计算得到目标监测区域每个月的第一土壤储水数据。
然后，将耕作层的储水量和犁底层的储水量相加，得到目标监测区域的第一土壤储水数据。以此类推，可以通过上述方法，计算得到目标监测区域每一个月的第一土壤储水数据。
本申请提供的灌溉用水量监测方法，通过简单的加减乘除运算即可得到目标区域每一个月的第一土壤储水数据，运算简单，能够快速的得到所需的数据，提升对灌溉用水量监测的效率。
在一个实施例中，如图5所示，本实施例是确定目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系的一种可选的方法实施例，该方法实施例包括如下步骤：
步骤S502，根据第一数据集中的多个第一蒸散数据以及与多个第一蒸散数据对应月份的多个月参考蒸散数据确定目标监测区域多个月份的第一蒸散比。
其中，在确定线性相关关系时，需要先计算第一蒸散比，第一蒸散比为第一蒸散数据与月参考数据的比。在进行比值运算时，第一数据集中的第一蒸散数据与月参考数据是对应选取的，也即，1月的第一蒸散数据对应与1月的参考蒸散数据进行比值运算，2月的第一蒸散数据对应与2月的参考蒸散数据进行比值运算，对应计算后，就可以得到每一个月的第一蒸散比。
步骤S504，通过多个月份的第一蒸散比与多个第一土壤储水数据确定目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系。
基于上述计算得到的多个第一蒸散比，然后根据多个蒸散比以及对应的多个土壤储水数据得到蒸散比与土壤储水量的线性相关关系。例如将第一蒸散比和第一土壤储水数据代入y=a+bx线性方程，求解a和b，即可得到蒸散比与土壤储水量的线性相关关系，其中y表示第一蒸散比或者第一土壤储水数据；x表示第一土壤储水数据或者第一蒸散比。
本申请提供的灌溉用水量监测方法，通过多个数据进行拟合运算，即可得到线性方程中的未知数，以此来确定目标参数之间的线性相关关系，整个运算过程简单，不需要对数据进行过多的处理，数据易获得，能够快速的确定目标参数之间的线性相关关系，提高对灌溉用水量的计算效率。
在一个实施例中，如图6所示，本实施例是获得第二土壤储水数据的一种可选的方法实施例，该方法实施例包括如下步骤：
步骤S602，从第二数据集中的获取多个第二蒸散数据。
步骤S604，根据多个第二蒸散数据和与多个第二蒸散数据对应的多个月参考蒸散确定多个第二蒸散比。
步骤S606，将多个第二蒸散比代入目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系中，得到多个第二土壤储水数据。
其中，由于上述目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系是第一蒸散比与第一土壤储水的线性相关关系，所以假设在考虑灌溉事件的情况下，第二蒸散与月参考蒸散以及第二土壤储水数据也具备上述线性相关关系。所以，在这种假设的条件下，需要先计算第二蒸散数据与月参考蒸散数据的第二蒸散比，计算方式与上述计算第一蒸散比的方法相同，在此不做赘述；因为第二蒸散比与第二土壤储水数据满足上述线性相关关系，所以已知第二蒸散比和线性相关关系的条件下，可以计算得到第二土壤储水数据。需要说明的是，第二蒸散数据选取的是1月的，那么对应计算出来的就是1月的目标监测区域的第二土壤储水数据。第二土壤储水数据与第一土壤储水数据的差别在于有没有考虑灌溉事件，第一土壤储水数据没有考虑灌溉事件，而第二土壤储水数据考虑了灌溉事件。
本申请提供的灌溉用水量监测方法，通过将有无灌溉事件的蒸散数据以及土壤储水数据进行相关的关联，通过二者具有相同的线性相关关系入手，通过无灌溉事件的目标监测区域的各项数据可以得到有灌溉事件的数据，通过简单的转换即可得到本申请需要的考虑灌溉事件的土壤储水数据，为后续计算得到目标监测区域提供数据支持。
在一个实施例中，本实施例是确定目标监测区域目标灌溉用水量的另一种可选的方法实施例，该方法包括：
根据目标监测区域的目标第一蒸散数据、目标第二蒸散数据、目标第一土壤储水数据、目标第二土壤储水数据、灌溉面积分数数据以及预设第二关联关系确定目标灌溉用水量，预设第二关联关系为第一蒸散、第二蒸散、第一土壤储水、第二土壤储水、灌溉面积分数和灌溉用水量之间的运算关系。
其中，预设第二关联关系可以是第一蒸散、第二蒸散、第一土壤储水、第二土壤储水、灌溉面积分数和灌溉用水量之间例如是加减乘除、积分、微分、根式等中的一种或者多种的运算关系，本申请对此不加以限定。目标第一蒸散数据可以是一个月的蒸散数据，也可以是几个月的蒸散数据，还可以是一年的蒸散数据；同样的目标第二蒸散数据可以是一个月的蒸散数据，可以是几个月的蒸散数据，还可以是一年的蒸散数据；目标第一土壤储水数据可以是一个月的数据，可以是几个月的数据，也可以是一年的数据；目标第二土壤储水数据可以是一个月的数据，可以是几个月的数据，也可以是一年的数据；那么当上述的各项数据为某一月目标监测区域的数据时，那么计算得到的就是目标监测区域某一个月的灌溉用水量，若各项数据是目标监测区域一年的数据，那么计算得到的就为目标监测区域一年的灌溉用水量。需要说明的是，添加灌溉面积分数这一参数计算得到的用水量为考虑渗漏的月灌溉用水量。不添加灌溉面积分数计算得到的用水量为不考虑渗漏的月灌溉用水量。此处可以根据用户的需求选择计算方法对目标监测区域的灌溉用水量进行计算，计算目标监测区域用水量的方法更加的灵活，适合更多的应用场景。
在一个实施例中，本实施例是预设第一关联关系的一种可选的关系式，该预设第一关联关系例如为包含IT′ j,月=(ETr-ETm+SWr-SWm)/1.5的关系式，其中，IT′ j,月为所述目标区域第j月不考虑渗漏的月灌溉用水量，ETr为目标监测区域第j月的第二蒸散数据，ETm为目标监测区域第j月的第一蒸散数据，SWr为目标监测区域第j月的第二土壤储水数据，SWm为目标监测区域第j月的第一土壤储水数据。
在一个实施例中，本实施例是预设第二关联关系的一种可选的关系式，该预设第二关联关系例如为包含IT j,月=(IT′ j,月+REj,月)×firr的关系式，其中，IT j,月为目标监测区域第j月考虑渗漏的月灌溉用水量，REj,月为由灌溉导致的第j月的月渗漏量，firr为灌溉面积分数数据。
下面，对上述公式的推导过程作以说明：
为了更好地说明公式推导，图7展示了当两个灌溉事件发生在第a天和第b天并且在第a天和第b天之间的第1天到第n天没有灌溉事件发生时的场景。在第a天和第b天(即图7中的第一列和最后一列)，第一正方形表示在此次灌溉事件引起的目标监测区域的土壤储水(即SWa' I或SWb' I)；第二正方形表示上一次灌溉事件引起的目标监测区域的土壤储水(即SWa-1 I和SWb-1 I)；第三正方形表示来自降水的土壤储水(即SWa P和SWb P)。
在两次灌溉事件的时间间隔内(除图7中第一列和最后一列以外的所有列)，第二正方形和第三正方形分别表示目标监测区域土壤储水中灌溉事件引起的(如SWi I和SWn I)和降水事件引起的土壤储水(如SWi P和SWn P)。IT表示包括灌溉事件的目标监测区域的总灌溉用水；ETI和ETP分别表示灌溉事件引起的实际蒸散和降水引起的实际蒸散。REI和REP分别表示来自灌溉的地下水补给和来自降水的地下水补给。下标(例如a和i)表示日期。
为了推导IWU估算公式，以第a次灌溉事件的整个周期(即从第a天到第n天)为计算单元。那么，当灌溉事件发生在第a天时，灌溉条件下的目标监测区域的土壤水量平衡可以写为：
Figure 584190DEST_PATH_IMAGE002
(2)
在两个灌溉事件的时间间隔内，灌溉条件下的第i+1天的目标监测区域的土壤储水量平衡可写为：
Figure 629506DEST_PATH_IMAGE003
(3)
此外，根据第二土壤储水量与基于第一土壤储水量之间的差值，可以获得灌溉导致的目标监测区域的土壤储水量(即SWI)，如公式(4)所示。灌溉导致的实际蒸散消耗量(即ETI)可通过第二蒸散和第一蒸散之间的差值获得，如公式(5)所示。
Figure 352612DEST_PATH_IMAGE004
(4)
Figure 448875DEST_PATH_IMAGE005
(5)
将一年内发生的所有灌溉事件(REI年)全周期的总REI视为一个整体，并通过反转根据田间试验建立的深层渗流经验方程得出公式(6)。因此，公式(7)中，REI年作为年度IWU估计值(即IT年)的残差加到最终方程中，然后根据IT′的每月累计值(如公式(26)中第j个月的IT′ j,月)分配给每个月。其中，IT′是一个计算单元将总IWU扣除REI的部分。即对于第a次灌溉事件的计算单元，公式(2)和公式(3)可以分别重写为公式(8)和公式(9)，并且REI不参与公式(7)之后的推导过程。
Figure 536917DEST_PATH_IMAGE006
(6)
Figure 335108DEST_PATH_IMAGE007
(7)
Figure 111172DEST_PATH_IMAGE008
(8)
Figure 311209DEST_PATH_IMAGE009
(9)
因此，根据公式(9)和公式(10)，通过将第1天到第(k+1)天的ETI和第(k+1)天SWI k+1相加，可以推导出第a天灌溉导致的目标监测区域的土壤储水量(即SWa I)，如公式(11)所示。其中，(k+1)需要在计算单元内，即k在第1天到第(n-1)天之中。
Figure 835732DEST_PATH_IMAGE010
(10)
Figure 855640DEST_PATH_IMAGE011
(11)
联合使用公式(8)和公式(11)，Ia T′可推导以下三个部分的加和：从第a天到第(k+1)天对ETi I进行累加、SWI k+1和-SWI a-1，如公式(13)所示：
Figure 671281DEST_PATH_IMAGE012
(12)
Figure 460245DEST_PATH_IMAGE013
(13)
本申请通过使用计算单元内灌溉导致的目标监测区域的土壤储水量(即公式(4))和灌溉导致的第二蒸散(即公式(5))，推导出估算IWU的公式，其中计算单元为从灌溉事件开始之日到下一次灌溉事件的前一天。
首先将灌溉导致的平均根区储水量和灌溉导致的实际蒸散消耗进行累加，得到公式(14)和公式(15)：
Figure 421248DEST_PATH_IMAGE014
(14)
Figure 237107DEST_PATH_IMAGE015
(15)
其次，根据公式(8)和公式(13)，将公式(15)中累加方程的每个单项转换为带有Ia T′的式子，则公式(15)最右边的式子可以写成公式(16)：
Figure 43389DEST_PATH_IMAGE016
(16)
因此，可以从公式(14)中最左边的式子推导到公式(16)中最右边的式子，从而得到公式(17)：
Figure 952439DEST_PATH_IMAGE017
(17)
此处引入从第a天到第n天灌溉导致的实际蒸散(第二蒸散和第一蒸散的差值)的平均值：
Figure 569497DEST_PATH_IMAGE018
(18)
然后，利用ETI mean将公式(17)中最右边式子的分子中ETI部分进行替换，根据公式 (18)和公式(13)进一步转换为带有Ia T′的式子，即使用
Figure 829577DEST_PATH_IMAGE019
，得到公式(19)：
Figure 236287DEST_PATH_IMAGE020
(19)
因此，通过结合公式(19)，并假设ETI mean近似于第1天到第n天灌溉导致的实际蒸散日消耗量(即ET1 I，ET2 I，…，ETn I)以及SWI a-1近似于SWn I，公式(17)中最右边的式子可以推导到公式(20)：
Figure 249112DEST_PATH_IMAGE021
(20)
如公式(17)和公式(20)所示，从第a天到第n天，灌溉导致的平均储水量和实际蒸散之和可以简单近似为Ia T′乘以一个比值。结果表明该比值大于1.5，但由于SWa-1 I远小于1.5Ia T′，本发明采用比值为1.5计算IWU。因此，利用第二蒸散、第二土壤储水量、模型模拟的第一蒸散和第一土壤储水量推导出估算Ia T′的最终公式(21)。
Figure 551917DEST_PATH_IMAGE022
(21)
使用本方法推导的公式计算灌溉用水量，需要使用以下数据：第二蒸散、第二土壤储水数据、第一蒸散、第一土壤储水数据、灌溉面积分数数据。
由于灌溉事件的开始和结束时间未知，且基于模型模拟的第一土壤储水量和第一蒸散比，在月尺度构建拟合关系的决定系数显著高于在日尺度上构建的拟合关系，因此在月尺度上使用公式(21)，如公式(22)中所示。尽管在月尺度上，一个月内所有灌溉事件的整个周期(即从第a天到第n天)可能没有被完全包括(例如在月底发生的灌溉事件)。因此，假设一个月的灌溉水量足够大，因此可以对不完全灌溉周期内的剩余水量忽略不计。
根据结合公式(6)、公式(7)和公式(22)，可以得到月、年灌溉用水量的计算公式(22–27)。其中，如果IT′ j,月小于零，则IT′ j,月设置为零。
Figure 830452DEST_PATH_IMAGE023
(22)
Figure 994848DEST_PATH_IMAGE024
(23)
Figure 878490DEST_PATH_IMAGE025
(24)
Figure 932290DEST_PATH_IMAGE026
(25)
Figure 432542DEST_PATH_IMAGE027
(26)
Figure 135050DEST_PATH_IMAGE028
(27)
其中IT′ j,月、IT j,月分别表示第j月不考虑和考虑渗漏的月灌溉用水量；ETr为目标监测区域第j月的第二蒸散数据，ETm为目标监测区域第j月的第一蒸散数据，SWr为目标监测区域第j月的第二土壤储水数据，SWm为目标监测区域第j月的第一土壤储水数据，IT′ 年、IT 年分别表示不考虑和考虑渗漏的目标监测区域的年灌溉用水量；RE年、REj,月分别表示由灌溉导致的年渗漏量和第j月的月渗漏量，firr为灌溉面积分数数据。
应该理解的是，虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-6中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图8所示，提供了一种灌溉用水量监测装置800，包括：第一确定模块802、第二确定模块804和第三确定模块806，其中：
第一确定模块802，用于响应于用户的监测指令，根据第一数据集确定目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系；第一数据集包括多组数据，每一组数据包括第一蒸散数据、第一土壤储水数据以及月参考蒸散数据，多组数据按照预设时间段内的每一个月进行划分，第一蒸散数据为目标监测区域不包括灌溉事件的月实际蒸散量，第一土壤储水数据为目标监测区域不包括灌溉事件的月土壤储水量；
第二确定模块804，用于基于目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系和第二数据集确定目标监测区域的多个第二土壤储水数据，第二数据集包括多个第二蒸散数据，第二蒸散数据为目标监测区域包括灌溉事件的月实际蒸散量，第二土壤储水数据为目标监测区域包括灌溉事件的月土壤储水量；
第三确定模块806，用于根据目标监测区域的目标第一蒸散数据、目标第二蒸散数据、目标第一土壤储水数据、目标第二土壤储水数据以及预设第一关联关系确定目标监测区域的目标灌溉用水量，预设第一关联关系为第一蒸散、第二蒸散、第一土壤储水、第二土壤储水和灌溉用水量之间的运算关系。
在一个实施例中，该装置还包括第一计算模块，
第一计算模块，用于获取初始气象驱动数据；对初始气象驱动数据进行重采样处理得到第一气象驱动数据，第一气象驱动数据具有目标空间分辨率；对第一气象驱动数据进行重投影处理得到目标气象驱动数据，目标气象驱动数据为目标坐标下的气象驱动数据；通过彭曼模式对目标气象驱动数据进行计算得到多个日参考蒸散，日参考蒸散表征目标监测区域一天的蒸散；对多个日参考蒸散进行累加得到月参考蒸散。
在一个实施例中，该装置还包括第二计算模块，
第二计算模块，用于获取预设时间段内目标监测区域每个月的土壤数据，土壤数据包括根区土壤的层数，每一层土壤的厚度以及每一层土壤的含水率；根据每一层土壤的厚度以及每一层土壤的含水率的乘积得到每一层土壤的储水量；将每一层土壤的储水量通过加权计算得到目标监测区域每个月的第一土壤储水数据。
在一个实施例中，第一确定模块802，具体用于根据第一数据集中的多个第一蒸散数据以及与多个第一蒸散数据对应月份的多个月参考蒸散数据确定目标监测区域多个月份的第一蒸散比；通过多个月份的第一蒸散比与多个第一土壤储水数据确定目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系。
在一个实施例中，第二确定模块804，具体用于从第二数据集中的获取多个第二蒸散数据；根据多个第二蒸散数据和与多个第二蒸散数据对应的多个月参考蒸散确定多个第二蒸散比；将多个第二蒸散比代入目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系中，得到多个第二土壤储水数据。
在一个实施例中，第三确定模块806，还用于根据目标监测区域的目标第一蒸散数据、目标第二蒸散数据、目标第一土壤储水数据、目标第二土壤储水数据、灌溉面积分数数据以及预设第二关联关系确定目标灌溉用水量，预设第二关联关系为第一蒸散、第二蒸散、第一土壤储水、第二土壤储水、灌溉面积分数和灌溉用水量之间的运算关系。
关于灌溉用水量监测装置的具体限定可以参见上文中对于灌溉用水量监测方法的限定，在此不再赘述。上述灌溉用水量监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标监测区域的各项数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种灌溉用水量监测方法。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
响应于用户的监测指令，根据第一数据集确定目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系；第一数据集包括多组数据，每一组数据包括第一蒸散数据、第一土壤储水数据以及月参考蒸散数据，多组数据按照预设时间段内的每一个月进行划分，第一蒸散数据为目标监测区域不包括灌溉事件的月实际蒸散量，第一土壤储水数据为目标监测区域不包括灌溉事件的月土壤储水量；
基于目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系和第二数据集确定目标监测区域的多个第二土壤储水数据，第二数据集包括多个第二蒸散数据，第二蒸散数据为目标监测区域包括灌溉事件的月实际蒸散量，第二土壤储水数据为目标监测区域包括灌溉事件的月土壤储水量；
根据目标监测区域的目标第一蒸散数据、目标第二蒸散数据、目标第一土壤储水数据、目标第二土壤储水数据以及预设第一关联关系确定目标监测区域的目标灌溉用水量，预设第一关联关系为第一蒸散、第二蒸散、第一土壤储水、第二土壤储水和灌溉用水量之间的运算关系。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取初始气象驱动数据；对初始气象驱动数据进行重采样处理得到第一气象驱动数据，第一气象驱动数据具有目标空间分辨率；对第一气象驱动数据进行重投影处理得到目标气象驱动数据，目标气象驱动数据为目标坐标下的气象驱动数据；通过彭曼模式对目标气象驱动数据进行计算得到多个日参考蒸散，日参考蒸散表征目标监测区域一天的蒸散；对多个日参考蒸散进行累加得到月参考蒸散。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取预设时间段内目标监测区域每个月的土壤数据，土壤数据包括根区土壤的层数，每一层土壤的厚度以及每一层土壤的含水率；根据每一层土壤的厚度以及每一层土壤的含水率的乘积得到每一层土壤的储水量；将每一层土壤的储水量通过加权计算得到目标监测区域每个月的第一土壤储水数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据第一数据集中的多个第一蒸散数据以及与多个第一蒸散数据对应月份的多个月参考蒸散数据确定目标监测区域多个月份的第一蒸散比；通过多个月份的第一蒸散比与多个第一土壤储水数据确定目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
从第二数据集中的获取多个第二蒸散数据；根据多个第二蒸散数据和与多个第二蒸散数据对应的多个月参考蒸散确定多个第二蒸散比；将多个第二蒸散比代入目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系中，得到多个第二土壤储水数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据目标监测区域的目标第一蒸散数据、目标第二蒸散数据、目标第一土壤储水数据、目标第二土壤储水数据、灌溉面积分数数据以及预设第二关联关系确定目标灌溉用水量，预设第二关联关系为第一蒸散、第二蒸散、第一土壤储水、第二土壤储水、灌溉面积分数和灌溉用水量之间的运算关系。
在一个实施例中，预设第一关联关系为包含IT′ j,月=(ETr-ETm+SWr-SWm)/1.5的关系式，其中，IT′ j,月为目标监测区域第j月不考虑渗漏的月灌溉用水量，ETr为目标监测区域第j月的第二蒸散数据，ETm为目标监测区域第j月的第一蒸散数据，SWr为目标监测区域第j月的第二土壤储水数据，SWm为目标监测区域第j月的第一土壤储水数据。
在一个实施例中，预设第二关联关系为包含IT j,月=(IT′ j,月+REj,月)×firr的关系式，其中，IT j,月为目标监测区域第j月考虑渗漏的月灌溉用水量，REj,月为由灌溉导致的第j月的月渗漏量，firr为灌溉面积分数数据。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
响应于用户的监测指令，根据第一数据集确定目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系；第一数据集包括多组数据，每一组数据包括第一蒸散数据、第一土壤储水数据以及月参考蒸散数据，多组数据按照预设时间段内的每一个月进行划分，第一蒸散数据为目标监测区域不包括灌溉事件的月实际蒸散量，第一土壤储水数据为目标监测区域不包括灌溉事件的月土壤储水量；
基于目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系和第二数据集确定目标监测区域的多个第二土壤储水数据，第二数据集包括多个第二蒸散数据，第二蒸散数据为目标监测区域包括灌溉事件的月实际蒸散量，第二土壤储水数据为目标监测区域包括灌溉事件的月土壤储水量；
根据目标监测区域的目标第一蒸散数据、目标第二蒸散数据、目标第一土壤储水数据、目标第二土壤储水数据以及预设第一关联关系确定目标监测区域的目标灌溉用水量，预设第一关联关系为第一蒸散、第二蒸散、第一土壤储水、第二土壤储水和灌溉用水量之间的运算关系。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取初始气象驱动数据；对初始气象驱动数据进行重采样处理得到第一气象驱动数据，第一气象驱动数据具有目标空间分辨率；对第一气象驱动数据进行重投影处理得到目标气象驱动数据，目标气象驱动数据为目标坐标下的气象驱动数据；通过彭曼模式对目标气象驱动数据进行计算得到多个日参考蒸散，日参考蒸散表征目标监测区域一天的蒸散；对多个日参考蒸散进行累加得到月参考蒸散。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取预设时间段内目标监测区域每个月的土壤数据，土壤数据包括根区土壤的层数，每一层土壤的厚度以及每一层土壤的含水率；根据每一层土壤的厚度以及每一层土壤的含水率的乘积得到每一层土壤的储水量；将每一层土壤的储水量通过加权计算得到目标监测区域每个月的第一土壤储水数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据第一数据集中的多个第一蒸散数据以及与多个第一蒸散数据对应月份的多个月参考蒸散数据确定目标监测区域多个月份的第一蒸散比；通过多个月份的第一蒸散比与多个第一土壤储水数据确定目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
从第二数据集中的获取多个第二蒸散数据；根据多个第二蒸散数据和与多个第二蒸散数据对应的多个月参考蒸散确定多个第二蒸散比；将多个第二蒸散比代入目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系中，得到多个第二土壤储水数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据目标监测区域的目标第一蒸散数据、目标第二蒸散数据、目标第一土壤储水数据、目标第二土壤储水数据、灌溉面积分数数据以及预设第二关联关系确定目标灌溉用水量，预设第二关联关系为第一蒸散、第二蒸散、第一土壤储水、第二土壤储水、灌溉面积分数和灌溉用水量之间的运算关系。
在一个实施例中，预设第一关联关系为包含IT′ j,月=(ETr-ETm+SWr-SWm)/1.5的关系式，其中，IT′ j,月为目标监测区域第j月不考虑渗漏的月灌溉用水量，ETr为目标监测区域第j月的第二蒸散数据，ETm为目标监测区域第j月的第一蒸散数据，SWr为目标监测区域第j月的第二土壤储水数据，SWm为目标监测区域第j月的第一土壤储水数据。
在一个实施例中，预设第二关联关系为包含IT j,月=(IT′ j,月+REj,月)×firr的关系式，其中，IT j,月为目标监测区域第j月考虑渗漏的月灌溉用水量，REj,月为由灌溉导致的第j月的月渗漏量，firr为灌溉面积分数数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种灌溉用水量监测方法，其特征在于，所述方法包括：
响应于用户的监测指令，根据第一数据集确定目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系；所述第一数据集包括多组数据，每一组所述数据包括第一蒸散数据、第一土壤储水数据以及月参考蒸散数据，所述多组数据按照预设时间段内的每一个月进行划分，所述第一蒸散数据为目标监测区域不包括灌溉事件的月实际蒸散量，所述第一土壤储水数据为所述目标监测区域不包括灌溉事件的月土壤储水量；
基于所述目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系和第二数据集确定所述目标监测区域的多个第二土壤储水数据，所述第二数据集包括多个第二蒸散数据，所述第二蒸散数据为所述目标监测区域包括灌溉事件的月实际蒸散量，所述第二土壤储水数据为所述目标监测区域包括灌溉事件的月土壤储水量；
根据所述目标监测区域的目标第一蒸散数据、目标第二蒸散数据、目标第一土壤储水数据、目标第二土壤储水数据以及预设第一关联关系确定所述目标监测区域的目标灌溉用水量，所述预设第一关联关系为所述第一蒸散、所述第二蒸散、所述第一土壤储水、所述第二土壤储水和灌溉用水量之间的运算关系。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括获得所述月参考蒸散的步骤：
获取初始气象驱动数据；
对所述初始气象驱动数据进行重采样处理得到第一气象驱动数据，所述第一气象驱动数据具有目标空间分辨率；
对所述第一气象驱动数据进行重投影处理得到目标气象驱动数据，所述目标气象驱动数据为目标坐标下的气象驱动数据；
通过彭曼模式对所述目标气象驱动数据进行计算得到多个日参考蒸散，所述日参考蒸散表征所述目标监测区域一天的蒸散；
对所述多个日参考蒸散进行累加得到月参考蒸散。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括获得所述第一土壤储水数据的步骤：
获取预设时间段内所述目标监测区域每个月的土壤数据，所述土壤数据包括根区土壤的层数，每一层土壤的厚度以及每一层土壤的含水率；
根据所述每一层土壤的厚度以及所述每一层土壤的含水率的乘积得到所述每一层土壤的储水量；
将所述每一层土壤的储水量通过加权计算得到所述目标监测区域每个月的所述第一土壤储水数据。
4.根据权利要求1所述的方法，其特征在于，所述根据所述第一数据集确定所述目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系，包括：
根据所述第一数据集中的多个第一蒸散数据以及与所述多个第一蒸散数据对应月份的多个所述月参考蒸散数据确定所述目标监测区域多个月份的第一蒸散比；
通过所述多个月份的第一蒸散比与多个所述第一土壤储水数据确定所述目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系。
5.根据权利要求4所述的方法，其特征在于，所述基于所述目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系和第二数据集确定所述目标监测区域的多个第二土壤储水数据，包括：
从所述第二数据集中的获取多个第二蒸散数据；
根据所述多个第二蒸散数据和与所述多个第二蒸散数据对应的多个所述月参考蒸散确定多个第二蒸散比；
将所述多个第二蒸散比代入所述目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系中，得到所述多个第二土壤储水数据。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述目标监测区域的所述目标第一蒸散数据、所述目标第二蒸散数据、所述目标第一土壤储水数据、所述目标第二土壤储水数据、灌溉面积分数数据以及预设第二关联关系确定所述目标灌溉用水量，所述预设第二关联关系为所述第一蒸散、所述第二蒸散、所述第一土壤储水、所述第二土壤储水、灌溉面积分数和灌溉用水量之间的运算关系。
7.根据权利要求6所述的方法，其特征在于，所述预设第一关联关系为包含IT′ j,月=(ETr-ETm+SWr-SWm)/1.5的关系式，其中，IT′ j,月为所述目标监测区域第j月不考虑渗漏的月灌溉用水量，ETr为所述目标监测区域第j月的第二蒸散数据，ETm为所述目标监测区域第j月的第一蒸散数据，SWr为所述目标监测区域第j月的第二土壤储水数据，SWm为所述目标监测区域第j月的第一土壤储水数据。
8.根据权利要求7所述的方法，其特征在于，所述预设第二关联关系为包含IT j,月=(IT′ j,月+REj,月)×firr的关系式，其中，IT j,月为所述目标监测区域第j月考虑渗漏的月灌溉用水量，REj,月为由灌溉导致的第j月的月渗漏量，firr为灌溉面积分数数据。
9.一种灌溉用水量监测装置，其特征在于，所述装置包括：
第一确定模块，用于响应于用户的监测指令，根据第一数据集确定目标监测区域的第一蒸散、第一土壤储水以及月参考蒸散的线性相关关系；所述第一数据集包括多组数据，每一组所述数据包括第一蒸散数据、第一土壤储水数据以及月参考蒸散数据，所述多组数据按照预设时间段内的每一个月进行划分，所述第一蒸散数据为目标监测区域不包括灌溉事件的月实际蒸散量，所述第一土壤储水数据为所述目标监测区域不包括灌溉事件的月土壤储水量；
第二确定模块，用于基于所述目标监测区域的第一蒸散、第一土壤储水以及参考蒸散的线性相关关系和第二数据集确定所述目标监测区域的多个第二土壤储水数据，所述第二数据集包括多个第二蒸散数据，所述第二蒸散数据为所述目标监测区域包括灌溉事件的月实际蒸散量，所述第二土壤储水数据为所述目标监测区域包括灌溉事件的月土壤储水量；
第三确定模块，用于根据所述目标监测区域的目标第一蒸散数据、目标第二蒸散数据、目标第一土壤储水数据、目标第二土壤储水数据以及预设第一关联关系确定所述目标监测区域的目标灌溉用水量，所述预设第一关联关系为所述第一蒸散、所述第二蒸散、所述第一土壤储水、所述第二土壤储水和灌溉用水量之间的运算关系。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
CN202111185946.6A 2021-10-12 2021-10-12 灌溉用水量监测方法、装置、计算机设备 Active CN113627105B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111185946.6A CN113627105B (zh) 2021-10-12 2021-10-12 灌溉用水量监测方法、装置、计算机设备
US17/844,738 US20230111545A1 (en) 2021-10-12 2022-06-21 Monitoring method and device for irrigation water use, and computer device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111185946.6A CN113627105B (zh) 2021-10-12 2021-10-12 灌溉用水量监测方法、装置、计算机设备

Publications (2)

Publication Number Publication Date
CN113627105A CN113627105A (zh) 2021-11-09
CN113627105B true CN113627105B (zh) 2022-02-11

Family

ID=78391130

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111185946.6A Active CN113627105B (zh) 2021-10-12 2021-10-12 灌溉用水量监测方法、装置、计算机设备

Country Status (2)

Country Link
US (1) US20230111545A1 (zh)
CN (1) CN113627105B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110199843A (zh) * 2019-07-16 2019-09-06 太原市水利技术推广服务站 一种远程灌溉监测控制系统
CN110580657A (zh) * 2019-10-12 2019-12-17 中国水利水电科学研究院 农业灌溉需水量预测方法
CN113080035A (zh) * 2021-04-28 2021-07-09 内蒙古农业大学 农田作物需水量的确定方法、装置、灌水方法及灌水系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106702981B (zh) * 2016-12-22 2018-10-23 中国水利水电科学研究院 一种灌区排水系统的参数生成方法及装置
EP3599825A4 (en) * 2017-03-20 2021-01-27 Supplant Ltd. SYSTEMS AND PROCEDURES FOR IRRIGATION PLANNING OF CROPS

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110199843A (zh) * 2019-07-16 2019-09-06 太原市水利技术推广服务站 一种远程灌溉监测控制系统
CN110580657A (zh) * 2019-10-12 2019-12-17 中国水利水电科学研究院 农业灌溉需水量预测方法
CN113080035A (zh) * 2021-04-28 2021-07-09 内蒙古农业大学 农田作物需水量的确定方法、装置、灌水方法及灌水系统

Also Published As

Publication number Publication date
US20230111545A1 (en) 2023-04-13
CN113627105A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
Shaw Estimation of soil moisture under corn
CN106570627B (zh) 一种未来气候条件下作物灌溉需水量计算方法
Forbes et al. Simulating the hydrological response to predicted climate change on a watershed in southern Alberta, Canada
Hssaine et al. Calibrating an evapotranspiration model using radiometric surface temperature, vegetation cover fraction and near-surface soil moisture data
CN110781259B (zh) 一种基于地貌单位线的水文模型的构建方法
Varado et al. Development and assessment of an efficient vadose zone module solving the 1D Richards' equation and including root extraction by plants
Ferrara et al. Topographic impacts on wheat yields under climate change: two contrasted case studies in Europe
Liu et al. Impact of wetland change on local climate in semi-arid zone of Northeast China
Salgado et al. Evaluation of different methods of estimating ET for the performance assessment of irrigation schemes
Olivera-Guerra et al. Modeling actual water use under different irrigation regimes at district scale: Application to the FAO-56 dual crop coefficient method
Dirmeyer et al. The second Global Soil Wetness Project (GSWP-2): Multi-model analysis and implications for our perception of the land surface
Xing et al. Estimating net irrigation requirements of winter wheat across Central-Eastern China under present and future climate scenarios
Parsinejad et al. Practical analysis of remote sensing estimations of water use for major crops throughout the Urmia Lake basin
CN113627105B (zh) 灌溉用水量监测方法、装置、计算机设备
Abdul Karim et al. FAO 56 model and remote sensing for the estimation of crop-water requirement in main branch canal of the Bhadra Command area, Karnataka State
Kim et al. A sensitivity-based analysis for managing storage capacity of a small agricultural reservoir under drying climate
CN112715322B (zh) 一种农业灌溉用水获取方法和装置
Treder et al. An hourly reference evapotranspiration model as a tool for estimating plant water requirements
Sargordi et al. Spatio-temporal variation of wheat and silage maize water requirement using CGMS model
Latha et al. Estimation of spatially distributed monthly evapotranspiration
Coops et al. Development of daily spatial heat unit mapping from monthly climatic surfaces for the Australian continent
Zhou et al. System dynamics simulation of soil water resources with data support from the Yucheng Comprehensive Experimental Station, North China
Ishigooka et al. Modeling of continental-scale crop water requirement and available water resources
Sun et al. The assessment of Cmip5 models in the context of complementary relationship of areal evapotranspiration
Karara Assessment of Rainwater Harvesting Potential for Irrigation at Kabiruini in Nyeri, Kenya

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