CN113673160B - 一种面向作物水分高效利用的多孔材料优化埋设方法 - Google Patents

一种面向作物水分高效利用的多孔材料优化埋设方法 Download PDF

Info

Publication number
CN113673160B
CN113673160B CN202110969968.5A CN202110969968A CN113673160B CN 113673160 B CN113673160 B CN 113673160B CN 202110969968 A CN202110969968 A CN 202110969968A CN 113673160 B CN113673160 B CN 113673160B
Authority
CN
China
Prior art keywords
soil
water
crop
porous material
indicate
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
CN202110969968.5A
Other languages
English (en)
Other versions
CN113673160A (zh
Inventor
刘姗姗
李威
秦天玲
严登华
吕锡芝
李晨昊
冯贱明
侯军
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.)
China Institute of Water Resources and Hydropower Research
Original Assignee
China Institute of Water Resources and Hydropower Research
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 China Institute of Water Resources and Hydropower Research filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN202110969968.5A priority Critical patent/CN113673160B/zh
Publication of CN113673160A publication Critical patent/CN113673160A/zh
Application granted granted Critical
Publication of CN113673160B publication Critical patent/CN113673160B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • A01G7/00—Botany in general
    • 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
    • A01G7/06—Treatment of growing trees or plants, e.g. for preventing decay of wood, for tingeing flowers or wood, for prolonging the life of plants
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Forests & Forestry (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Botany (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Genetics & Genomics (AREA)
  • Water Supply & Treatment (AREA)
  • Physiology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Wood Science & Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Cultivation Of Plants (AREA)

Abstract

本发明提供了一种面向作物水分高效利用的多孔材料优化埋设方法，属于农业环保技术领域。本发明通过埋设不同体积和不同布局的多孔纤维材料，构建DSSAT模型模拟作物生长情况，通过遗传算法得到以作物水分利用效率为目标时的多孔材料埋设方案，为改善农田土壤结构和提高作物水分效率，促进农业可持续发展做出探索，本发明通过探讨多孔材料对于土壤水分的影响，通过植株累积干物质的能力来评价多孔材料对于水分利用效率的影响，并从中优选出最佳方案，为提高农田作物抗旱能力和水分利用效率提供新的方法。

Description

一种面向作物水分高效利用的多孔材料优化埋设方法
技术领域
本发明属于农业环保技术领域，尤其涉及一种面向作物水分高效利用的多孔材料优化埋设方法。
背景技术
在全球气候变化背景下，气温升高加剧水循环，导致极端水文事件的发生，同时由于气象地理等因素导致我国降雨在时空分布上的不均，更加剧了干旱灾害发生的频率，严重制约农业的发展。
以保水剂为代表的高吸水材料，通过自身结构与土壤水之间的物理化学作用提高水分利用效率，促进作物生长。而多孔纤维材料(岩棉)作为其中的一种，在无土栽培领域岩棉通过自身高孔隙、吸水性和稳定性等优点，大量被应用于作物生长基质来调节作物生长环境，这是因为营养液中的水分和营养物质可以直接通过岩棉抵达作物根部，便于作物直接吸收。但当前岩棉应用主要集中在无土栽培领域，关于探究岩棉布设在自然条件下的土壤水分变化及高效利用的研究较少。
发明内容
针对现有技术中的上述不足，本发明提供的一种面向作物水分高效利用的多孔材料优化埋设方法，通过埋设不同体积和不同布局的多孔纤维材料，构建DSSAT模型模拟作物生长情况，通过遗传算法得到以作物水分利用效率为目标时的多孔材料埋设方案，为改善农田土壤结构和提高作物水分效率，促进农业可持续发展做出探索。
为了达到以上目的，本发明采用的技术方案为：
本方案提供一种面向作物水分高效利用的多孔材料优化埋设方法，包括以下步骤：
S1、在研究区选取农田进行实验小区设计，并确定各实验小区的多孔材料埋设量以及布局方式；
S2、根据当地经验，确定实验小区的作物种植种类及管理措施；
S3、在土壤有效深度内分层埋设土壤含水量传感器，获取每日土壤含水量数据；
S4、根据作物生长期的需水规律，确定灌溉制度；
S5、基于作物生长过程中的特征变化划分生长期，根据所述每日土壤含水量数据，得到每个生长期内的土壤储水变化量；
S6、在每个生长期末期取植株样品烘干测量植株干质量，并根据所述植株干质量、灌溉制度以及所述土壤储水变化量计算得到不同生长期下的作物水分利用效率；
S7、基于多孔材料埋设量和布局方式，构建DSSAT模型所需的土壤输入文件，以及基于气象观测数据和作物管理措施构建DSSAT模型所需的气象数据输入文件和作物管理输入文件，基于所述作物水分利用效率对DSSAT模型进行参数率定处理；
S8、归一化均方根差作为DSSAT模型参数率定的评价参数，当归一化均方根差大于阈值时，则停止率定，并进入步骤S9；
S9、利用已率定好参数的DSSAT模型，构建基于多孔材料埋设量和布局方式的作物水分利用效率的单目标优化函数，确定约束条件，并利用遗传算法求解单目标优化函数，得到基于多孔材料埋设量和布局方式的作物水分利用效率最优的多孔材料埋设量以及埋设布局，完成面向作物水分高效利用的多孔材料优化埋设。
本发明的有益效果是：本发明通过埋设不同体积和不同布局的多孔纤维材料，构建DSSAT模型模拟作物生长情况，通过遗传算法得到以作物水分利用效率为目标时的多孔材料埋设方案，为改善农田土壤结构和提高作物水分效率，促进农业可持续发展做出探索，本发明通过探讨多孔材料对于土壤水分的影响，通过植株累积干物质的能力来评价多孔材料对于水分利用效率的影响，并从中优选出最佳方案，为提高农田作物抗旱能力和水分利用效率提供新的方法。
进一步地，所述步骤S1包括以下步骤：
S101、在研究区域选取农田，布设12个同等尺寸的矩形实验小区，其中，所述实验小区由透光大棚遮掩，并在大棚下设置有降雨喷头，所述实验小区的规格为c1×c2，且c1>1,c2>1，其中，c1和c2分别表示实验小区的长边和短边长度，单位为m；
S102、设实验小区控制因子为多孔材料埋设量和埋设布局，其中，多孔材料埋设量设置为6个水平，埋设布局为A和B两种方式，多孔材料埋设总体积分别为V1、2V1、3V1、4V1、5V1、6V1，各实验小区内埋设的多孔材料的块数、长、宽、高分别为mi、ai、bi、H/2和2mi、ai、bi、H/4，相同多孔材料埋设体积的A布局和B布局表示在土壤垂直方向上的分布不同，且多孔材料均匀埋设于土壤的有效深度内，所述多孔材料的埋设体积的表达式如下：
其中，Vi表示第i个实验小区多孔材料的埋设体积，单位为m3，且Vi<c2×c1×H/2，i表示实验小区编号，tmi表示第i个实验小区多孔纤维材料埋设块数，ai表示第i个实验小区每块多孔纤维材料长边长度，单位为m，且ai<c2，ai<c1，bi表示第i个实验小区每块多孔纤维材料短边长度，单位为m，bi<c1，bi<c2，H表示土壤的有效深度，单位为m，表示多孔材料高度，单位为m，t表示多孔材料布局方式，取值为1和2，分别代表A布局和B布局。
上述进一步方案的有益效果是：通过设计实验小区的构成，减小环境因素对实验的影响，并确定多孔材料的埋设和布局方案，为接下来的实验进行做铺垫。
再进一步地，所述步骤S3包括以下步骤：
S301、获取实验小区的土壤数据，确定土壤的有效深度H，将土壤分为hz层，每层土壤厚度为d，其中，所述hz的表达式如下：
其中，hz表示土壤有效深度内的分层层数，H表示土壤的有效深度，单位为m，d表示分层后每层土壤的厚度，单位mm；
S302、在每层土壤的中心位置埋设水分传感器，同时基于土壤埋设水分传感器的规律，在多孔材料内部同等深度处埋设水分传感器；
S303、利用埋设的水分传感器获取每日土壤和多孔材料内部的含水量，得到每日土壤含水量数据。
上述进一步方案的有益效果是：确定土壤分层以及土壤含水量数据的获取，为后续实验进行和模型构建提供支持。
再进一步地，所述步骤S4具体为：
根据作物生长期的需水规律，灌溉制度设置为当土壤含水量低于Mn1时进行灌溉补水，并计算得到理论上土壤含水量升至Mn2时所需的灌溉水量Pn，并以不产流为限制条件，分多次灌溉，其中，每当出现水分亏缺时所需的灌溉水量的计算表达式如下：
Pn＝(Mn2-Mn1)×H
其中，Pn表示第n个生育内出现水分亏缺时需灌溉的水量，单位为mm，Mn2表示第n个生育内作物适宜含水量的上限，单位为％，Mn1表示第n个生育内作物适宜含水量的下限，单位为％，H表示土壤有效深度，单位为m。
上述进一步方案的有益效果是：确定实验小区灌溉制度，确保土壤含水量始终处于作物生长适宜含水量范围内，保证作物正常生长。
再进一步地，所述步骤S5包括以下步骤：
S501、根据作物生长过程中的特征变化划分生长期，并基于每日土壤含水量数据计算得到作物在有效深度内的日均土壤含水量：
其中，θijv表示第i个实验小区、第j日下作物在有效深度内的日均土壤含水量，单位为％，θijhv表示第i个实验小区、第j日、第h层作物在有效深度区域内的平均土壤含水量，单位为％，h表示土壤或多孔材料所处的层数，Vih表示第i个实验小区、第h层深度埋设的多孔材料体积，单位为m3，θ1ijhv表示第i个实验小区、第j日、第h层深度下的多孔材料内部含水量，单位为％，V0h表示实验小区内土壤第h层深度空间总体积，单位为m3，θ2ijhv表示第i个实验小区、第j日、第h层深度下的土壤含水量，单位为％，hz表示土壤有效深度内的分层层数，T表示总的天数；
S502、根据所述日均土壤含水量，计算得到作物不同生长期末期的土壤储水量，并根据作物不同生长期末期的土壤储水量得到每个生长期内的土壤储水变化量：
Kij＝d×hz×θijv÷100(i＝1,2,...,12,j＝1,2,...,T)
Kij＝Kinr(i＝1,2,...,12,j＝1,2,...,T,n＝1,2,...,G,r＝1,2…,ln)
其中，Kij表示第i个实验小区、第j日的土壤储水量，单位为mm，Kinr表示第i个实验小区、第n个生育期内第r日的土壤储水量，单位mm，ΔKin表示第i个实验小区在第n个生长期内的土壤储水量变化量，单位为mm，Kin1表示作物第n个生长期初始第1日的土壤储水量，单位为mm，Kinln表示作物第n个生长期最后1日的土壤储水量，单位为mm，ln表示第n个生长期的天数，单位为日，hz表示土壤有效深度内分层层数，d表示分层后每层土壤的厚度，单位mm，n表示作物的生长期编号。
上述进一步方案的有益效果是：通过计算出土壤含水量均值和土壤储水量变化值，为后续实验模型输入文件及作物水分利用效率计算做出铺垫。
再进一步地，所述步骤S6包括以下步骤：
S601、在每个生长期末期取植株样品烘干测量植株干质量：
其中，Zin表示第i个实验小区、第n个生长期的单位面积平均干质量，单位为g/m2，q表示每个实验小区内的取样点位的编号，Zinq表示第i个实验小区、第n个生长期、第q号取样区域的单位面积干质量，单位为g/m2，G表示总的生长期，R表示取样区域的总数；
S602、根据所述灌溉制度以及土壤储水变化量，计算得到作物不同生长期的土壤耗水量，其中，假设灌溉水量仅用于蒸发蒸腾，不涉及深层渗漏时土壤耗水量的表达式如下：
Uin＝Pn+ΔKin(i＝1,2,...,12,n＝1,2,…,G)
其中，Uin表示第i个实验小区、第n个生长期内的土壤耗水量，单位为mm，Pn表示第n个生长期内的人工灌溉水量，单位为mm；
S603、根据所述土壤耗水量以及植株干质量，计算得到不同生长期下的作物水分利用效率：
其中，WUEin表示第i个实验小区、第n个生长期内的作物水分利用效率，单位为g/m3，Zi(n-1)表示第i个实验小区、第n-1个生长期的单位面积平均干质量，单位为g/m2。
上述进一步方案的有益效果是：得到单位面积下的作物干质量，从而计算出不同生长期的作物水分利用效率，进而计算出不同实验小区的作物水分利用效率，为后续DSSAT模型参数的率定和校正提供支撑，然后作为目标值根据后续的DSSAT模型计算得到最优布设方案。
再进一步地，所述步骤S7包括以下步骤：
S701、利用多孔材料埋设量x和埋设布局y表示土壤理化性质，并根据所述土壤理化性质构建DSSAT模型所需的土壤输入文件，其中，所述土壤理化性质的情况如下：
其中，γih表示第i个实验小区、土壤第h层深度播种前的平均容重，单位为g/cm3，ρ1ih和ρ2ih分别表示第i个实验小区、土壤第第h层深度多孔材料和土壤的密度，单位为g/cm3，Vih表示第i个实验小区、土壤第h层深度的多孔材料埋设体积，单位为m3，V0h表示实验小区内土壤第h层深度的土壤体积，单位为m3，θi0hv表示第i个实验小区、土壤第h层深度播种前的土壤平均含水量，单位为％，θi0hs表示第i个实验小区、土壤第h层深度在播种前的饱和土壤含水量，单位为％，θi0hf表示第i个实验小区、土壤第h层深度在播种前的田间持水量，单位为％；θ1i0hv表示第i个实验小区、土壤第h层深度在播种前的材料内部体积含水率，单位为％，θ2i0hv表示第i个实验小区、土壤第h层深度在播种前的土壤体积含水率，单位为％，θ1i0hs表示第i个实验小区、土壤第h层深度在播种前的材料内部饱和含水率，单位为％，θ2i0hss表示第i个实验小区、土壤第h层深度在播种前的土壤饱和含水率，单位为％，θ1i0hf表示第i个实验小区、土壤第h层深度在播种前，在降雨过后材料所能维持较为稳定的含水率，单位为％，θ2i0hf表示第i个实验小区、土壤第h层深度的土壤田间持水量，单位为％，λihC表示第i个实验小区、土壤第h层深度在播种前的有机碳平均含量，单位为％，λ1ihC和λ2ihC分别表示第i个实验小区、土壤第h层深度播种前的多孔材料和土壤中有机碳含量，单位为％，λihN表示第i个实验小区、土壤第h层深度在播种前的氮的平均含量，单位为％，λ1ihN和λ2ihN分别表示第i个实验小区、土壤第h层深度播种前的多孔材料和土壤中氮含量，单位为％，λihP表示第i个实验小区、土壤第h层深度在播种前的磷的平均含量，单位为％，λ1ihP和λ2ihP分别表示第i个实验小区、土壤第h层深度播种前的多孔材料和土壤中磷含量，单位为％；
S702、基于气象观测数据、作物管理措施和作物参数输入文件模拟作物生长过程，构建DSSAT模型所需的气象数据输入文件和作物管理输入文件；
S703、利用所述作物水分利用效率对比DSSAT模型所需的土壤输入文件、气象数据输入文件和作物管理输入文件，对DSSAT模型参数进行率定处理。
上述进一步方案的有益效果是：输入DSSAT模型计算所需的各项文件，然后利用实验的实测数据对模型参数进行率定和校正，为后续确定最优方案提供数据支撑。
再进一步地，所述步骤S8中归一化均方根差的表达式如下：
其中，NRMSE表示归一化均方根差，SWUE(i)表示DSSAT模型计算后得到的第i个实验小区的作物水分利用效率，单位为％，WUEi均表示实地实验过程中得到的作物水分利用效率的均值，单位为％，WUEi表示第i个实验小区的作物水分利用效率。
上述进一步方案的有益效果是：根据归一化均方根差NRMSE判断DSSAT模型和实测情况下的吻合度，确定DSSAT模型的模拟效果。
再进一步地，所述步骤S9包括以下步骤：
S901、利用已率定好参数的DSSAT模型，根据输入的多孔材料埋设量x和埋设布局y模拟不同土壤初始环境，得到基于多孔材料埋设量和布局方式的作物水分利用效率；
S902、以目标函数max(WUE)为目标，确定决策变量为多孔材料的埋设体积x和埋设布局y，设定约定条件，构建基于多孔材料埋设量和布局方式的作物水分利用效率的单目标优化函数，并从模拟得到的作物水分利用率中筛选出最优方案，其中，所述目标优化函数max(WUE)的表达式如下：
max(WUE)＝f(x,y)max
所述约束条件的表达式如下：
其中，H表示土壤的有效深度，单位为m，c1和c2分别表示实验小区的长边和短边长度，单位为m，f(x,y)max表示以多孔材料的埋设体积x和埋设布局y为自变量、作物水分利用效率为因变量构建的函数从中优选的最大水分利用效率；
S903、确定遗传算法的编码方法、解码方法以及适应度，其中，所述解码方法的表达式如下：
其中，xu表示解码过后得到的结果，gu表示经过交叉、变异后得到的编码，L表示二进制编码串的长度；
S904、确定遗传算法的运行参数；
S905、利用遗传算法求解单目标优化函数，得到作物水分利用效率最优的多孔材料埋设量以及埋设布局，完成面向作物水分高效利用的多孔材料优化埋设。
上述进一步方案的有益效果是：通过在DSSAT模型中输入不同布设体积和布设方案下的多孔纤维材料，输出的作物生长效率在遗传算法的筛选下得到最大值，确定对应的多孔材料最优布设用量和布局，完成面向作物水分利用效率的多孔纤维材料埋设方法。
附图说明
图1为本发明的方法流程图。
图2为本发明的多孔材料实验布设方案示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
实施例
本发明提供了一种面向作物水分高效利用的多孔材料布设方法，通过埋设不同体积和布设方式的多孔纤维材料，利用DSSAT模型对于多孔材料埋设后的作物生长情况进行模拟，然后通过遗传算法优选出最佳布设方案。如图1所示，包括以下步骤：
S1、在研究区选取农田进行实验小区设计，并确定各实验小区的多孔材料埋设量以及布局方式，其实现方法如下：
S101、在研究区域选取农田，布设12个同等尺寸的矩形实验小区，其中，所述实验小区由透光大棚遮掩，并在大棚下设置有降雨喷头，所述实验小区的规格为c1×c2，且c1>1,c2>1，其中，c1和c2分别表示实验小区的长边和短边长度，单位为m；
本实施例中，在研究区选取具有代表性地貌的农田，布设12个同等尺寸的矩形实验小区，实验小区规格为c1×c2(c1、c2>1m)。为减小涝灾冰雹等自然灾害对实验的不利影响，实验小区由透光大棚遮掩，棚下设置降雨喷头，通过人工降雨对作物进行灌溉。
S102、设实验小区控制因子为多孔材料埋设量和埋设布局，其中，多孔材料埋设量设置为6个水平，埋设布局为A和B两种方式，多孔材料埋设总体积分别为V1、2V1、3V1、4V1、5V1、6V1，各实验小区内埋设的多孔材料的块数、长、宽、高分别为mi、ai、bi、H/2和2mi、ai、bi、H/4，相同多孔材料埋设体积的A布局和B布局表示在土壤垂直方向上的分布不同，且多孔材料均匀埋设于土壤的有效深度内，所述多孔材料的埋设体积的表达式如下：
其中，Vi表示第i个实验小区多孔材料的埋设体积，单位为m3，且Vi<c2×c1×H/2，i表示实验小区编号，tmi表示第i个实验小区多孔纤维材料埋设块数，ai表示第i个实验小区每块多孔纤维材料长边长度，单位为m，且ai<c2，ai<c1，bi表示第i个实验小区每块多孔纤维材料短边长度，单位为m，bi<c1，bi<c2，H表示土壤的有效深度，单位为m，表示多孔材料高度，单位为m，t表示多孔材料布局方式，取值为1和2，分别代表A布局和B布局；
本实施例中，实验小区控制因子为多孔材料埋设量和埋设布局。埋设用量设置6个水平，设置12个实验小区进行全因子实验。1～6号和7～12号实验小区材料埋设总体积分别为V1、2V1、3V1、4V1、5V1、6V1。具体埋设用量如图2所示。
本实施例中，实验小区控制因子为多孔材料埋设量和埋设布局，埋设布局设置2个水平，设置A、B两种埋设布局方式，在A、B布局下，各实验小区内埋设的多孔材料的块数、长、宽、高分别为mi、ai、bi、H/2和2mi、ai、bi、H/4。相同多孔材料埋设体积的A、B布局表示在土壤垂向上的分布不同，然后将其均匀地埋设于土壤的有效深度内，1～6号和7～12号实验小区分别对应A和B布局，具体埋设如图2所示。
S2、根据当地经验，确定实验小区的作物种植种类及管理措施，其中，作物管理措施包括但不限于物种植的密度、施肥量和农药喷洒；
本实施例中，选取研究区域当地具有代表性的作物种植，根据研究区大田种植经验，确定种植密度和施肥制度等，作物生长过程中棚内实验小区作物管理措施和大田相同。
S3、在土壤有效深度内分层埋设土壤含水量传感器，获取每日土壤含水量数据；
本实施例中，根据研究区实验站获取土壤数据，确定土壤有效深度为H，将其分成hz层，每层土壤厚度为d，单位为mm，在每层土壤的中心位置埋设水分传感器，同时按土壤分层规律在每层材料内部埋设水分传感器，获取每日土壤和材料内部含水量数据，其实现方法如下：
S301、获取实验小区的土壤数据，确定土壤的有效深度H，将土壤分为hz层，每层土壤厚度为d，其中，所述hz的表达式如下：
其中，hz表示土壤有效深度内的分层层数，H表示土壤的有效深度，单位为m，d表示分层后每层土壤的厚度，单位mm；
S302、在每层土壤的中心位置埋设水分传感器，同时基于土壤埋设水分传感器的规律，在多孔材料内部同等深度处埋设水分传感器；
S303、利用埋设的水分传感器获取每日土壤和多孔材料内部的含水量，得到每日土壤含水量数据；
S4、根据作物生长期的需水规律，确定灌溉制度，其具体为：
根据作物生长期的需水规律，灌溉制度设置为当土壤含水量低于Mn1时进行灌溉补水，并计算得到理论上土壤含水量升至Mn2时所需的灌溉水量Pn，并以不产流为限制条件，分多次灌溉，其中，每当出现水分亏缺时所需的灌溉水量的计算表达式如下：
Pn＝(Mn2-Mn1)×H
其中，Pn表示第n个生育内出现水分亏缺时需灌溉的水量，单位为mm，Mn2表示第n个生育内作物适宜含水量的上限，单位为％，Mn1表示第n个生育内作物适宜含水量的下限，单位为％，H表示土壤有效深度，单位为m。
S5、基于作物生长过程中的特征变化划分生长期，根据所述每日土壤含水量数据，得到每个生长期内的土壤储水变化量。
本实施例中，根据作物生长过程中出现的特征变化划分生长期，基于每日获取的土壤和材料含水量，计算作物不同生长期末期的土壤储水量，从而计算出不同生长期内的土壤储水变化量，其实现方法如下：
S501、根据作物生长过程中的特征变化划分生长期，并基于每日土壤含水量数据计算得到作物在有效深度内的日均土壤含水量：
其中，θijv表示第i个实验小区、第j日下作物在有效深度内的日均土壤含水量，单位为％，θijhv表示第i个实验小区、第j日、第h层作物在有效深度区域内的平均土壤含水量，单位为％，h表示土壤或多孔材料所处的层数，Vih表示第i个实验小区、第h层深度埋设的多孔材料体积，单位为m3，θ1ijhv表示第i个实验小区、第j日、第h层深度下的多孔材料内部含水量，单位为％，V0h表示实验小区内土壤第h层深度空间总体积，单位为m3，θ2ijhv表示第i个实验小区、第j日、第h层深度下的土壤含水量，单位为％，hz表示土壤有效深度内的分层层数，T表示总的天数；
S502、根据所述日均土壤含水量，计算得到作物不同生长期末期的土壤储水量，并根据作物不同生长期末期的土壤储水量得到每个生长期内的土壤储水变化量：
Kij＝d×hz×θijv÷100(i＝1,2,...,12,j＝1,2,...,T)
Kij＝Kinr(i＝1,2,...,12,j＝1,2,...,T,n＝1,2,...,G,r＝1,2…,ln)
其中，Kij表示第i个实验小区、第j日的土壤储水量，单位为mm，Kinr表示第i个实验小区、第n个生育期内第r日的土壤储水量，单位为mm，ΔKin表示第i个实验小区在第n个生长期内的土壤储水量变化量，单位为mm，Kin1表示作物第n个生长期初始第1日的土壤储水量，单位为mm，Kinln表示作物第n个生长期最后1日的土壤储水量，单位为mm，ln表示第n个生长期的天数，单位为日，hz表示土壤有效深度内分层层数，d表示分层后每层土壤的厚度，单位mm，n表示作物的生长期编号；
S6、在每个生长期末期取植株样品烘干测量植株干质量，并根据所述植株干质量、灌溉制度以及所述土壤储水变化量计算得到不同生长期下的作物水分利用效率，其实现方法如下：
S601、在每个生长期末期取植株样品烘干测量植株干质量：
其中，Zin表示第i个实验小区、第n个生长期的单位面积平均干质量，单位为g/m2，q表示每个实验小区内的取样点位的编号，Zinq表示第i个实验小区、第n个生长期、第q号取样区域的单位面积干质量，单位为g/m2，G表示总的生长期，R表示取样区域的总数；
本实施例中，在每个生长期末期取植株样品烘干测量植株干质量，在每个实验小区内平均划分q个区域，选取每个区域具有代表性的单位面积区域(1m2)，将植株取样然后105℃杀青半小时，75℃烘干至恒重。
S602、根据所述灌溉制度以及土壤储水变化量，计算得到作物不同生长期的土壤耗水量，假设灌溉水量仅用于蒸发蒸腾，不涉及深层渗漏，计算公式如下：
Uin＝Pn+ΔKin(i＝1,2,...,12,n＝1,2,…,G)
其中，Uin表示第i个实验小区、第n个生长期内的耗水量，单位为mm，Pn表示第n个生长期内的人工灌溉水量，单位为mm；
本实施例中，灌溉制度和土壤储水量变化，忽略土壤有效深度区域的水分下渗，计算得到作物不同生长期的土壤耗水量，进而计算不同生长期下的作物水分利用效率WUE，最终得到不同实验小区的作物水分利用效率。
S603、根据所述土壤耗水量以及植株干质量，计算得到不同生长期下的作物水分利用效率：
其中，WUEin表示第i个实验小区、第n个生长期内的作物水分利用效率，单位为g/m3，Zi(n-1)表示第i个实验小区、第n-1个生长期的单位面积平均干质量，单位为g/m2。
本实施例中，该作物水分利用率是基于12个实验小区实验后得到的作物水分利用率。
S7、基于多孔材料埋设量和布局方式，构建DSSAT模型所需的土壤输入文件，并基于气象观测数据和作物管理措施构建DSSAT模型所需的气象数据输入文件和作物管理输入文件，并基于所述作物水分利用效率对DSSAT模型进行参数率定处理；
本实施例中，假设在埋设多孔材料的实验小区，土壤有效深度内的介质是单一且连续的，测量实验小区内部土壤和多孔材料的理化性质，基于不同的多孔材料埋设量和方式，使用多孔材料埋设量x和布局方式y表示土壤理化性质的部分参数，经过换算后构建DSSAT模型土壤输入文件，基于实验实测的气象数据、作物管理措施和作物参数输入文件。基于实测获取的作物水分利用效率数据对DSSAT模型参数进行率定和校正。其实现方法如下：
S701、利用多孔材料埋设量x和埋设布局y表示土壤理化性质，并根据所述土壤理化性质构建DSSAT模型所需的土壤输入文件，其中，所述土壤理化性质的情况如下：
其中，γih表示第i个实验小区、土壤第h层深度播种前的平均容重，单位为g/cm3，ρ1ih和ρ2ih分别表示第i个实验小区、土壤第第h层深度多孔材料和土壤的密度，单位为g/cm3，Vih表示第i个实验小区、土壤第h层深度的多孔材料埋设体积，单位为m3，V0h表示实验小区内土壤第h层深度的土壤体积，单位为m3，θi0hv表示第i个实验小区、土壤第h层深度播种前的土壤平均含水量，单位为％，θi0hs表示第i个实验小区、土壤第h层深度在播种前的饱和土壤含水量，单位为％，θi0hf表示第i个实验小区、土壤第h层深度在播种前的田间持水量，单位为％；θ1i0hv表示第i个实验小区、土壤第h层深度在播种前的材料内部体积含水率，单位为％，θ2i0hv表示第i个实验小区、土壤第h层深度在播种前的土壤体积含水率，单位为％，θ1i0hs表示第i个实验小区、土壤第h层深度在播种前的材料内部饱和含水率，单位为％，θ2i0hss表示第i个实验小区、土壤第h层深度在播种前的土壤饱和含水率，单位为％，θ1i0hf表示第i个实验小区、土壤第h层深度在播种前，在降雨过后材料所能维持较为稳定的含水率，单位为％，θ2i0hf表示第i个实验小区、土壤第h层深度的土壤田间持水量，单位为％，λihC表示第i个实验小区、土壤第h层深度在播种前的有机碳平均含量，单位为％，λ1ihC和λ2ihC分别表示第i个实验小区、土壤第h层深度播种前的多孔材料和土壤中有机碳含量，单位为％，λihN表示第i个实验小区、土壤第h层深度在播种前的氮的平均含量，单位为％，λ1ihN和λ2ihN分别表示第i个实验小区、土壤第h层深度播种前的多孔材料和土壤中氮含量，单位为％，λihP表示第i个实验小区、土壤第h层深度在播种前的磷的平均含量，单位为％，λ1ihP和λ2ihP分别表示第i个实验小区、土壤第h层深度播种前的多孔材料和土壤中磷含量，单位为％；
本实施例中，基于不同的多孔材料埋设量和方式，使用多孔材料埋设量x和埋设布局y表示土壤理化性质，经过换算后和一些其他土壤信息(诸如土壤颜色、土壤排水情况、土壤坡度等)构建DSSAT模型土壤输入文件。阳离子交换量、机械组成等数据以土壤实测数据输入模型。
S702、基于气象观测数据、作物管理措施和作物参数输入文件模拟作物生长过程，构建DSSAT模型所需的气象数据输入文件和作物管理输入文件；
本实施例中，基于实验实测的气象数据、作物管理措施和作物参数输入文件，通过这些输入文件构建DSSAT模型，模拟作物生长过程。所需的基本气象数据包括逐日降水量、最高气温、最低气温和太阳辐射量等。作物参数文件包括环境部分(诸如大田条件、初始条件和土壤分析等)和管理部分(诸如作物品种、播种日期和施肥措施等)。
S703、利用所述作物水分利用效率对比DSSAT模型所需的土壤输入文件、气象数据输入文件和作物管理输入文件，对DSSAT模型参数进行率定处理。
本实施例中，基于实测获取的作物生长等数据对比DSSAT模型输出结果，然后对DSSAT模型参数进行率定和校正。
S8、归一化均方根差作为DSSAT模型参数率定的评价参数，当归一化均方根差大于阈值时，则停止率定，并进入步骤S9，所述阈值为0.8，归一化均方根差的表达式如下：
其中，NRMSE表示归一化均方根差，SWUE(i)表示DSSAT模型计算后得到的第i个实验小区的作物水分利用效率，单位为％，WUEi均表示实地实验过程中得到的作物水分利用效率的均值，单位为％，WUEi表示第i个实验小区的作物水分利用效率；
S9、利用已率定好参数的DSSAT模型，构建基于多孔材料埋设量和布局方式的作物水分利用效率的单目标优化函数，确定约束条件，并利用遗传算法求解单目标优化函数，得到基于多孔材料埋设量和布局方式的作物水分利用效率最优的多孔材料埋设量以及埋设布局，完成面向作物水分高效利用的多孔材料优化埋设，其实现方法如下：
S901、基于已经率定好参数的DSSAT模型，并根据输入的多孔材料埋设量x和埋设布局y模拟不同土壤初始环境，利用DSSAT模型模拟得到基于多孔材料埋设量和布局方式的作物水分利用效率；
S902、以目标函数max(WUE)为目标，确定决策变量为多孔材料的埋设体积x和埋设布局y，设定约定条件，构建基于多孔材料埋设量和布局方式的作物水分利用效率的单目标优化函数，并从模拟得到的作物水分利用率中筛选出最优方案，其中，所述目标函数max(WUE)的表达式如下：
max(WUE)＝f(x,y)max
所述约束条件的表达式如下：
其中，H表示土壤的有效深度，单位为m，c1和c2分别表示实验小区的长边和短边长度，单位为m，f(x,y)max表示以多孔纤维材料埋设量x和埋设布局y为自变量、作物水分利用效率为因变量构建的函数从中优选的最大水分利用效率。
本实施例中，以max(WUE)为目标，确定决策变量为多孔材料的埋设体积和埋设布局方式，分别用x、y表示，设定约束条件，构建基于多孔材料埋设量和布局方式的作物水分利用效率最高的单目标优化函数。
S903、确定遗传算法的编码方法、解码方法以及适应度，其中，所述解码方法的表达式如下：
其中，xu表示解码过后得到的结果，gu表示经过交叉、变异后得到的编码，L表示二进制编码串的长度；
本实施例中，将x的定义域等分成2L-1个均等的区域，使用长度为L位的二进制编码串来表示决策变量x，从0到/>分别用000…000(0)到之间的二进制编码。使用长度为1位的二进制编码串来表示决策变量y，从0至1，分别用0(0)到1(1)之间的二进制编码。解码方法通过解码公式计算，个体的适应度取对应的函数目标值，不做其他处理，即F(X)＝f(x,y)。
S904、确定遗传算法的运行参数；
本实施例中，通过比例选择方法确定算子来对群体中的个体进行优胜劣汰操作，通过最优保存策略进化DSSAT模型将适应度最好的个体保留至下一代群体中，然后设置单点交叉方法进行编码交换，得到M/2个新的个体，然后使用基本位变异算子进行变异运算得到新的群体。在此过程中重复的进行交叉变异以得到新的群体，经过不断的迭代计算和优选得到适应度最好的个体。然后基于实际情况和给定范围确定群体大小M、交叉概率、变异概率、终止代数和代沟的取值。
S905、利用遗传算法求解单目标优化函数，得到作物水分利用效率最优的多孔材料埋设量以及埋设布局，完成面向作物水分高效利用的多孔材料优化埋设。
本实施例中，根据设定的目标函数，在目标约束条件下，输入不同的决策变量并对其编码，由DSSAT模型运行得到的结果，根据设计的计算参数对随机选定的个体进行迭代计算，绘制出计算过程中的进化过程及运行结果图，最终得到最大的作物水分利用效率max(WUE)，从而确定对应的多孔材料最优布设用量和布局。
本发明通过埋设不同体积和不同布局的多孔纤维材料，构建DSSAT模型模拟作物生长情况，通过遗传算法得到以作物水分利用效率为目标时的多孔材料埋设方案，为改善农田土壤结构和提高作物水分效率，促进农业可持续发展做出探索，本发明通过探讨多孔材料对于土壤水分的影响，通过植株累积干物质的能力来评价多孔材料对于水分利用效率的影响程序，并从中优选出最佳方案，为提高农田作物抗旱能力和水分利用效率提供新的方法。

Claims (6)

1.一种面向作物水分高效利用的多孔材料优化埋设方法，其特征在于，包括以下步骤：
S1、在研究区选取农田进行实验小区设计，并确定各实验小区的多孔材料埋设量以及布局方式；
S2、根据当地经验，确定实验小区的作物种植种类及管理措施；
所述步骤S1包括以下步骤：
S101、在研究区域选取农田，布设12个同等尺寸的矩形实验小区，其中，所述实验小区由透光大棚遮掩，并在大棚下设置有降雨喷头，所述实验小区的规格为，且，其中，/>和/>分别表示实验小区的长边和短边长度，单位为m；
S102、设实验小区控制因子为多孔材料埋设量和埋设布局，其中，多孔材料埋设量设置为6个水平，埋设布局为A和B两种方式，多孔材料埋设总体积分别为，各实验小区内埋设的多孔材料的块数、长、宽、高分别为/>和/>，相同多孔材料埋设体积的A布局和B布局表示在土壤垂直方向上的分布不同，且多孔材料均匀埋设于土壤的有效深度内，所述多孔材料的埋设体积的表达式如下：
其中，表示第/>个实验小区多孔材料的埋设体积，单位为m3，且/>，/>表示实验小区编号，/>表示第/>个实验小区多孔纤维材料埋设块数，/>表示第/>个实验小区每块多孔纤维材料长边长度，单位为m，且/>，/>表示第/>个实验小区每块多孔纤维材料短边长度，单位为m，/>，/>表示土壤的有效深度，单位为m，/>表示多孔材料高度，单位为m，/>表示多孔材料布局方式，取值为1和2，分别代表A布局和B布局；
S3、在土壤有效深度内分层埋设土壤含水量传感器，获取每日土壤含水量数据；
S4、根据作物生长期的需水规律，确定灌溉制度；
S5、基于作物生长过程中的特征变化划分生长期，根据所述每日土壤含水量数据，得到每个生长期内的土壤储水变化量；
S6、在每个生长期末期取植株样品烘干测量植株干质量，并根据所述植株干质量、灌溉制度以及所述土壤储水变化量计算得到不同生长期下的作物水分利用效率；
S7、基于多孔材料埋设量和布局方式，构建DSSAT模型所需的土壤输入文件，以及基于气象观测数据和作物管理措施构建DSSAT模型所需的气象数据输入文件和作物管理输入文件，并基于所述作物水分利用效率对DSSAT模型进行参数率定处理；
所述步骤S7包括以下步骤：
S701、利用多孔材料埋设量和埋设布局/>表示土壤理化性质，并根据所述土壤理化性质构建DSSAT模型所需的土壤输入文件，其中，所述土壤理化性质的情况如下：
其中，表示第/>个实验小区、土壤第/>层深度播种前的平均容重，单位为g/cm3，/>和分别表示第/>个实验小区、土壤第/>层深度多孔材料和土壤的密度，单位为g/cm3，/>表示第/>个实验小区、土壤第/>层深度的多孔材料埋设体积，单位为m3，/>表示实验小区内土壤第/>层深度的土壤体积，单位为m3，/>表示第/>个实验小区、土壤第/>层深度播种前的土壤平均含水量，单位为%，/>表示第/>个实验小区、土壤第/>层深度在播种前的饱和土壤含水量，单位为%，/>表示第/>个实验小区、土壤第/>层深度在播种前的田间持水量，单位为%；/>表示第/>个实验小区、土壤第/>层深度在播种前的材料内部体积含水率，单位为%，表示第/>个实验小区、土壤第/>层深度在播种前的土壤体积含水率，单位为%，/>表示第/>个实验小区、土壤第/>层深度在播种前的材料内部饱和含水率，单位为%，/> s表示第/>个实验小区、土壤第/>层深度在播种前的土壤饱和含水率，单位为%，/>表示第/>个实验小区、土壤第/>层深度在播种前，在降雨过后材料所能维持较为稳定的含水率，单位为%，表示第/>个实验小区、土壤第/>层深度的土壤田间持水量，单位为%，/>表示第/>个实验小区、土壤第/>层深度在播种前的有机碳平均含量，单位为%，/>和/>分别表示第/>个实验小区、土壤第/>层深度播种前的多孔材料和土壤中有机碳含量，单位为%，/>表示第/>个实验小区、土壤第/>层深度在播种前的氮的平均含量，单位为%，/>和/>分别表示第/>个实验小区、土壤第/>层深度播种前的多孔材料和土壤中氮含量，单位为%，/>表示第/>个实验小区、土壤第/>层深度在播种前的磷的平均含量，单位为%，/>和/>分别表示第/>个实验小区、土壤第/>层深度播种前的多孔材料和土壤中磷含量，单位为%，/>表示土壤有效深度内的分层层数；
S702、基于气象观测数据、作物管理措施和作物参数输入文件模拟作物生长过程，构建DSSAT模型所需的气象数据输入文件和作物管理输入文件；
S703、利用所述作物水分利用效率对比DSSAT模型所需的土壤输入文件、气象数据输入文件和作物管理输入文件，对DSSAT模型参数进行率定处理；
S8、归一化均方根差作为DSSAT模型参数率定的评价参数，当归一化均方根差大于阈值时，则停止率定，并进入步骤S9；
S9、利用已率定好参数的DSSAT模型，构建基于多孔材料埋设量和布局方式的作物水分利用效率的单目标优化函数，确定约束条件，并利用遗传算法求解单目标优化函数，得到基于多孔材料埋设量和布局方式的作物水分利用效率最优的多孔材料埋设量以及埋设布局，完成面向作物水分高效利用的多孔材料优化埋设；
所述步骤S9包括以下步骤：
S901、利用已率定好参数的DSSAT模型，根据输入的多孔材料埋设量和埋设布局/>模拟不同土壤初始环境，得到基于多孔材料埋设量和布局方式的作物水分利用效率；
S902、以目标函数为目标，确定决策变量为多孔材料的埋设体积/>和埋设布局/>，设定约定条件，构建基于多孔材料埋设量和布局方式的作物水分利用效率的单目标优化函数，并从模拟得到的作物水分利用率中筛选出最优方案，其中，所述目标优化函数的表达式如下：
所述约束条件的表达式如下：
其中，表示土壤的有效深度，单位为m，/>和/>分别表示实验小区的长边和短边长度，单位为m，/>表示以多孔材料的埋设体积/>和埋设布局/>为自变量、作物水分利用效率为因变量构建的函数从中优选的最大水分利用效率；
S903、确定遗传算法的编码方法、解码方法以及适应度，其中，所述解码方法的表达式如下：
其中，表示解码过后得到的结果，/>表示经过交叉、变异后得到的编码，/>表示二进制编码串的长度；
S904、确定遗传算法的运行参数；
S905、利用遗传算法求解单目标优化函数，得到作物水分利用效率最优的多孔材料埋设量以及埋设布局，完成面向作物水分高效利用的多孔材料优化埋设。
2.根据权利要求1所述的面向作物水分高效利用的多孔材料优化埋设方法，其特征在于，所述步骤S3包括以下步骤：
S301、获取实验小区的土壤数据，确定土壤的有效深度，将土壤分为/>层，每层土壤厚度为/>，其中，所述/>的表达式如下：
其中，表示土壤有效深度内的分层层数，/>表示土壤的有效深度，单位为m，/>表示分层后每层土壤的厚度，单位mm；
S302、在每层土壤的中心位置埋设水分传感器，同时基于土壤埋设水分传感器的埋设规律，在多孔材料内部同等深度处埋设水分传感器；
S303、利用埋设的水分传感器获取每日土壤和多孔材料内部的含水量，得到每日土壤含水量数据。
3.根据权利要求1所述的面向作物水分高效利用的多孔材料优化埋设方法，其特征在于，所述步骤S4具体为：
根据作物生长期的需水规律，灌溉制度设置为当土壤含水量低于时进行灌溉补水，并计算得到理论上土壤含水量升至/>时所需的灌溉水量/>，并以不产流为限制条件，分多次灌溉，其中，每当出现水分亏缺时所需的灌溉水量的计算表达式如下：
其中，表示第/>个生育内出现水分亏缺时需灌溉的水量，单位为mm，/>表示第/>个生育内作物适宜含水量的上限，单位为%，/>表示第/>个生育内作物适宜含水量的下限，单位为%，/>表示土壤有效深度，单位为m。
4.根据权利要求1所述的面向作物水分高效利用的多孔材料优化埋设方法，其特征在于，所述步骤S5包括以下步骤：
S501、根据作物生长过程中的特征变化划分生长期，并基于每日土壤含水量数据计算得到作物在有效深度内的日均土壤含水量：
其中，表示第/>个实验小区、第j日下作物在有效深度内的日均土壤含水量，单位为%，/>表示第/>个实验小区、第/>日、第/>层作物在有效深度区域内的平均土壤含水量，单位为%，/>表示土壤或多孔材料所处的层数，/>表示第/>个实验小区、第/>层深度埋设的多孔材料体积，单位为m3，/>表示第/>个实验小区、第j日、第/>层深度下的多孔材料内部含水量，单位为%，/>表示实验小区内土壤第h层深度空间总体积，单位为m3，/>表示第/>个实验小区、第j日、第h层深度下的土壤含水量，单位为%，/>表示土壤有效深度内的分层层数，表示总的天数；
S502、根据所述日均土壤含水量，计算得到作物不同生长期末期的土壤储水量，并根据作物不同生长期末期的土壤储水量得到每个生长期内的土壤储水变化量：
其中，表示第/>个实验小区、第/>日的土壤储水量，单位为mm，/>表示第/>个实验小区、第/>个生育期内第/>日的土壤储水量，单位mm，/>表示第/>个实验小区在第/>个生长期内的土壤储水量变化量，单位为mm，/>表示作物第/>个生长期初始第1日的土壤储水量，单位为mm，/> 表示作物第/>个生长期最后1日的土壤储水量，单位为mm，/>表示第/>个生长期的天数，单位为日，/>表示土壤有效深度内分层层数，/>表示分层后每层土壤的厚度，单位mm，/>表示作物的生长期编号。
5.根据权利要求4所述的面向作物水分高效利用的多孔材料优化埋设方法，其特征在于，所述步骤S6包括以下步骤：
S601、在每个生长期末期取植株样品烘干测量植株干质量：
其中，表示第/>个实验小区、第/>个生长期的单位面积平均干质量，单位为g/m2，/>表示每个实验小区内的取样点位的编号，/>表示第/>个实验小区、第/>个生长期、第/>号取样区域的单位面积干质量，单位为g/m2，/>表示总的生长期，/>表示取样区域的总数；
S602、根据所述灌溉制度以及土壤储水变化量，计算得到作物不同生长期的土壤耗水量，其中，假设灌溉水量仅用于蒸发蒸腾，不涉及深层渗漏时土壤耗水量的表达式如下：
其中，表示第/>个实验小区、第/>个生长期内的土壤耗水量，单位为mm，/>表示第/>个生长期内的人工灌溉水量，单位为mm；
S603、根据所述土壤耗水量以及植株干质量，计算得到不同生长期下的作物水分利用效率：
其中，表示第/>个实验小区、第/>个生长期内的作物水分利用效率，单位为g/m3，表示第/>个实验小区、第/>个生长期的单位面积平均干质量，单位为g/m2。
6.根据权利要求1所述的面向作物水分高效利用的多孔材料优化埋设方法，其特征在于，所述步骤S8中归一化均方根差的表达式如下：
其中，表示归一化均方根差，/>表示DSSAT模型计算后得到的第/>个实验小区的作物水分利用效率，单位为%，/>表示实地实验过程中得到的作物水分利用效率的均值，单位为%，/>表示第/>个实验小区的作物水分利用效率。
CN202110969968.5A 2021-08-23 2021-08-23 一种面向作物水分高效利用的多孔材料优化埋设方法 Active CN113673160B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110969968.5A CN113673160B (zh) 2021-08-23 2021-08-23 一种面向作物水分高效利用的多孔材料优化埋设方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110969968.5A CN113673160B (zh) 2021-08-23 2021-08-23 一种面向作物水分高效利用的多孔材料优化埋设方法

Publications (2)

Publication Number Publication Date
CN113673160A CN113673160A (zh) 2021-11-19
CN113673160B true CN113673160B (zh) 2023-09-12

Family

ID=78545386

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110969968.5A Active CN113673160B (zh) 2021-08-23 2021-08-23 一种面向作物水分高效利用的多孔材料优化埋设方法

Country Status (1)

Country Link
CN (1) CN113673160B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117313563B (zh) * 2023-11-30 2024-02-27 江汉大学 物理约束与深度学习耦合下土壤水分重建模型的配置方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101103694A (zh) * 2007-08-17 2008-01-16 中国科学院武汉岩土力学研究所 基于渗透材料的微流量灌溉方法
CN105334311A (zh) * 2015-12-15 2016-02-17 武汉大学 一种多层土壤水肥迁移转化参数测试装置及方法
CN107525756A (zh) * 2017-09-05 2017-12-29 中国水利水电科学研究院 一种土壤分层特征获取方法及应用
CN111561972A (zh) * 2020-06-18 2020-08-21 华南农业大学 一种基于时间序列的土壤含水量预测系统及方法
CN112517626A (zh) * 2019-09-17 2021-03-19 吕正雄 盐碱地及重金属污染土壤的快速修复方法和装置
CN112598277A (zh) * 2020-12-24 2021-04-02 中国科学院大学 一种评估跨区域缩小冬小麦产量差与提高氮肥效率的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NL2018237B1 (nl) * 2017-01-26 2018-08-01 Erfgoed Materieel B V Mobiele bandtransporteursystemen voor planthouders en werkwijzen

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101103694A (zh) * 2007-08-17 2008-01-16 中国科学院武汉岩土力学研究所 基于渗透材料的微流量灌溉方法
CN105334311A (zh) * 2015-12-15 2016-02-17 武汉大学 一种多层土壤水肥迁移转化参数测试装置及方法
CN107525756A (zh) * 2017-09-05 2017-12-29 中国水利水电科学研究院 一种土壤分层特征获取方法及应用
CN112517626A (zh) * 2019-09-17 2021-03-19 吕正雄 盐碱地及重金属污染土壤的快速修复方法和装置
CN111561972A (zh) * 2020-06-18 2020-08-21 华南农业大学 一种基于时间序列的土壤含水量预测系统及方法
CN112598277A (zh) * 2020-12-24 2021-04-02 中国科学院大学 一种评估跨区域缩小冬小麦产量差与提高氮肥效率的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
波涌灌溉阀的多孔管设计;赵建玲等;《山西农业大学》;第35卷(第1期);第96-101页 *

Also Published As

Publication number Publication date
CN113673160A (zh) 2021-11-19

Similar Documents

Publication Publication Date Title
Vazifedoust et al. Increasing water productivity of irrigated crops under limited water supply at field scale
CN105022922B (zh) 基于水循环全过程非饱和带土壤水分消耗特性的评价方法
Li et al. A spatially referenced water and nitrogen management model (WNMM) for (irrigated) intensive cropping systems in the North China Plain
Qiu et al. Water use efficiency and evapotranspiration of winter wheat and its response to irrigation regime in the north China plain
Cameira et al. Using RZWQM to simulate the fate of nitrogen in field soil–crop environment in the Mediterranean region
Razzaghmanesh et al. Developing resilient green roofs in a dry climate
Arain et al. Soil–plant nitrogen cycling modulated carbon exchanges in a western temperate conifer forest in Canada
Zhang et al. Incorporating root distribution factor to evaluate soil water status for winter wheat
Zhao et al. A modified SWAP model for soil water and heat dynamics and seed–maize growth under film mulching
Bello et al. Evaluating AquaCrop model for simulating production of amaranthus (Amaranthus cruentus) a leafy vegetable, under irrigation and rainfed conditions
CN114638146A (zh) 一种基于AquaCrop模型与SVR的作物灌溉需水量预测方法
CN110826797B (zh) 基于多目标综合评价体系确定最佳农业种植系统的方法
Cheng et al. Evaluation of AquaCrop model for greenhouse cherry tomato with plastic film mulch under various water and nitrogen supplies
Kader et al. Green roof substrates—A literature review
CN107145941A (zh) 基于最优光质和光子通量密度的需光量实时动态获取方法
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
CN104718933A (zh) 一种周年连作宽垄沟的玉米产量的预测方法和灌水质量的评价方法
Amiri et al. The performance of fuzzy regression method for estimating of reference evapotranspiration under controlled environment
CN115099708A (zh) 一种面向旱涝减缓的土壤调节措施配置方法
De Lucia et al. Rice husk and thermal comfort: Design and evaluation of indoor modular green walls
Liu et al. Introduce canopy temperature to evaluate actual evapotranspiration of green peppers using optimized ENN models
Chen et al. Modeling maize evapotranspiration using three types of canopy resistance models coupled with single-source and dual-source hypotheses—A comparative study in a semi-humid and drought-prone region
Stulina et al. Using RZWQM to search improved practices for irrigated maize in Fergana, Uzbekistan
WANG et al. Development of a decision support system for irrigation management to control groundwater withdrawal
Wu et al. Crop yield estimation and irrigation scheduling optimization using a root-weighted soil water availability based water production function

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