CN113785676B - 一种盐碱地土壤改良体系及其构建方法 - Google Patents

一种盐碱地土壤改良体系及其构建方法 Download PDF

Info

Publication number
CN113785676B
CN113785676B CN202111077815.6A CN202111077815A CN113785676B CN 113785676 B CN113785676 B CN 113785676B CN 202111077815 A CN202111077815 A CN 202111077815A CN 113785676 B CN113785676 B CN 113785676B
Authority
CN
China
Prior art keywords
soil
saline
information
alkali
vegetation
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
CN202111077815.6A
Other languages
English (en)
Other versions
CN113785676A (zh
Inventor
江胜国
肖辉
张鹏
石文学
詹华明
王志刚
张慧
付方建
鲁庆伟
秦磊
韩芳
刘禧超
李稳
牛磊
曹健
王西玉
车路宽
詹健
王国槐
许甜甜
徐峰
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.)
Tianjin Geological Research And Marine Geology Center
Nankai University
Tianjin Academy of Agricultural Sciences
Original Assignee
Tianjin Geological Research And Marine Geology Center
Nankai University
Tianjin Academy of Agricultural Sciences
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 Tianjin Geological Research And Marine Geology Center, Nankai University, Tianjin Academy of Agricultural Sciences filed Critical Tianjin Geological Research And Marine Geology Center
Priority to CN202111077815.6A priority Critical patent/CN113785676B/zh
Publication of CN113785676A publication Critical patent/CN113785676A/zh
Application granted granted Critical
Publication of CN113785676B publication Critical patent/CN113785676B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01BSOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
    • A01B79/00Methods for working soil
    • A01B79/02Methods for working soil combined with other agricultural processing, e.g. fertilising, planting
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098Plants or trees
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24Earth materials
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24Earth materials
    • G01N33/246Earth materials for water content

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Remote Sensing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Soil Sciences (AREA)
  • Environmental Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Botany (AREA)
  • Wood Science & Technology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种盐碱地土壤改良体系及其构建方法,涉及盐碱地改良领域,其中土壤改良体系包括以下系统:土壤检测系统、水土保持系统、植被种植系统、管理系统、通信系统、智能决策系统;本土壤改良体系通过土壤检测系统获取目标盐碱地区域的土壤质量参数,所述土壤质量参数通过通信系统传输到智能决策系统,智能决策系统通过对土壤质量参数进行分析生成盐碱地土壤改良方案,生成土壤改良物料信息,通过水土保持系统、植被种植系统及管理系统根据土壤改良方案对盐碱地土壤进行改良并进行植被种植、管理。通过上述系统实现改良方案制定到植被构建,形成一整套完整的土壤改良体系,有效提高了盐碱地区域的修复效率。

Description

一种盐碱地土壤改良体系及其构建方法
技术领域
本发明涉及盐碱地改良领域,更具体的,涉及一种盐碱地土壤改良体系及其构建方法。
背景技术
随着社会经济不断发展,人类与自然环境的矛盾也日益突出,由于对土壤开发利用不当等问题,致使土壤环境被破坏与土地退化等问题成为人类社会发展的阻碍。土壤盐碱化作为耕地退化的主要原因之一,已成为全球性生态问题。土壤盐碱化危害巨大,不仅会造成土壤板结,土地荒漠化,还会影响种子萌发,损坏作物根系,影响作物生长发育,从而造成作物品质下降和减产。土壤盐碱化是影响我国粮食产量和质量的一个重要因素。运用科学方法治理盐碱地,改善盐碱地区域生态环境成为近几年的热点问题。
为了能够更加科学、系统的对盐碱地土壤进行改良,需要构建一种土壤改良体系进行实现,该土壤改良体系包括:检测盐碱地区域的土壤质量信息,通过土壤质量信息生成土壤改良方案,通过土壤改良方案优选适用于盐碱化改良的盐生植物,并生成土壤改良物料,监测盐生植物生长过程中水盐动态变化及土壤性状变化,并做出相应的改良措施。在该土壤改良体系实现过程中,如何构建盐碱地土壤改良体系及如何通过生成土壤改良方案都是亟不可待需要解决的问题。
发明内容
为了解决上述至少一个技术问题,本发明提出了一种盐碱地土壤改良体系及其构建方法。
本发明第一方面提供了一种盐碱地土壤改良体系,包括:
盐碱地土壤改良体系包括以下系统:土壤检测系统、水土保持系统、植被种植系统、管理系统、通信系统以及智能决策系统;
所述土壤检测系统包括土壤传感器及数据采集器,所述土壤传感器采集土壤质量参数;所述数据采集器与土壤传感器相连,用于传输土壤传感器采集到的数据;
所述水土保持系统包括引排水单元和灌溉单元,检测盐碱地区域的土壤水盐迁移,根据土壤质量参数及土壤水盐迁移结果进行灌溉;
所述植被种植系统包括自动播种装置,所述自动播种装置根据所选盐生植物进行播种;
所述管理系统负责检测植被的生长状况及病虫害情况,根据植被生长状况及病虫害情况进行管理作业;
所述智能决策系统包括智能决策云平台包括云服务器和决策终端,云服务器包括数据存储模块、决策生成模块。
本方案中,所述土壤质量参数包括土壤盐分含量、土壤有机质含量、土壤重金属污染物含量、土壤温度信息、土壤湿度信息、土壤酸碱度信息的一种或两种以上的组合。
本方案中,所述引排水单元包括砖、石、混凝土以及土渠类的引排水沟及排水沟防护网;所述灌溉单元包括蓄水池及水泵、输水管网以及控制系统,水泵通过输水管网连接蓄水池,水泵通过控制系统控制其供水。
本方案中,所述管理系统包括植被生长信息收集单元、植被图像信息收集单元、分析单元以及作业单元;所述植被生长信息收集单元收集预定生长信息,所述植被图像信息收集单元获取植被图像信息,所述分析单元将所述预定生长信息及所述植被图像信息作为输入信息进行分析,根据输出的分析结果确定要对植被进行的作业内容;所述作业单元根据由所述分析单元确定的作业内容进行用于对植被执行作业的处理。
本发明第二方面提供了一种盐碱地土壤改良体系构建方法,包括:
通过土壤检测系统获取目标盐碱地区域的土壤成分信息,所述土壤成分信息通过通信系统传输到智能决策系统;
所述智能决策系统通过对土壤成分信息进行分析生成盐碱地土壤改良方案,根据所述土壤改良方案优选盐生植物,生成土壤改良物料信息;
通过水土保持系统、植被种植系统及管理系统根据所述土壤改良方案对盐碱地土壤进行改良及植被管理。
本方案中,所述的通过土壤检测系统获取目标盐碱地区域的土壤成分信息,具体为:
初始化土壤检测系统,预设采集次数,通过土壤传感器采集目标盐碱地区域内土壤质量参数;
数据采集器采集土壤传感器测的得土壤质量参数,将所述土壤质量参数传输到智能决策系统;
将多次采集的土壤质量参数进行均值处理,输出经过数据处理后的土壤质量参数;
将所述土壤质量参数按照时序序列存储到智能决策系统中的数据存储模块;
设置所述土壤质量参数中各项参数的阈值信息,将土壤质量参数中的各项参数与对应阈值进行对比;
构建土壤质量评分机制,根据对比结果通过所述土壤质量评分机构对土壤进行打分,得到土壤质量总分;
根据土壤质量总分所落在的预设区间,划分土壤的等级质量。
本方案中,所述的智能决策系统通过对土壤质量参数进行分析生成盐碱地土壤改良方案,根据所述土壤改良方案优选盐生植物,生成土壤改良物料信息具体为:
对目标盐碱地区域进行取样分析,根据土壤的等级质量对目标盐碱地区域进行区域划分;
基于神经网络建立方案决策模型,进行初始化训练,从数据存储模块中调用目标盐碱地区域内的土壤质量参数;
将各子区域对应的土壤质量参数导入所述方案决策模型,生成各子区域对应的土壤改良方案;
根据土壤改良方案确定适用于目标盐碱地区域内各子区域的盐生植物,并根据土壤改良方案生成土壤改良物料信息。
本方案中,所述的智能决策系统还包括:
确定智能决策系统生成的土壤改良方案的置信度,所述置信度用于指示所述智能决策系统生成土壤改良方案具备可实施性的概率;
当所述置信度大于预设阈值时,获取智能决策系统生成的土壤改良方案所作为实际决策方案;
当所述置信度小于所述预设阈值时,分析智能决策系统生成的土壤改良方案获取可行性影响因素;根据所述可行性影响因素确定人工决策信息,在原有土壤改良方案中结合人工决策信息生成实际决策方案;
将所述实际决策方案按照预设方式进行显示。
本方案中,通过水土保持系统、植被种植系统及管理系统根据土壤改良方案对盐碱地土壤进行改良及植被管理,具体为:
通过植被种植系统根据所选盐生植物在目标盐碱地各子区域内进行种植;
通过管理系统采集植被的预定生长信息及植被图像信息,将采集到的信息与植被生长阶段关联组成生长状态时序序列;
通过水土保持系统获取目标盐碱地各子区域内的水盐迁移时序序列;
提取智能决策系统中的数据存储模块中的土壤质量参数时序序列;
将所述生长状态时序序列、水盐迁移时序序列及土壤质量参数时序序列进行结合,获取植被生长各阶段的土壤性状变化,根据所述土壤性状变化施用土壤改良物料及中微量元素肥料;
同时,根据目标盐碱地所在区域的气候信息关联土壤形状变化进行植被的病虫害预警及防治。
本方案中,还包括:根据监测数据对原有土壤改良方案进行修正,具体为:
监测植被在生长过程目标盐碱地区域中各子区域的水盐动态变化、土壤性状变化及植被生理形态变化;
根据监测到的数据信息按照预设方式进行计算,得到特征值;
比较每个不同的子区域的特征值偏差率;
将大于特征值偏差率的子区域进行标记,获取受标记子区域内的历史监测数据值;
根据所述历史监测数据值计算修正参数,根据所述修正参数在原有土壤改良方案上进行修正处理。
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)通过土壤改良方案优选盐生植物,生成土壤改良物料信息,并通过盐生植物的种植及土壤改良物料的施用结合田间管理技术与中微量肥料的施用,达到明显改善土壤结构,提升土壤肥力,降盐调碱的效果;
(2)水土保持系统通过设计合理的灌溉方式及灌溉时间,保证灌溉方式科学合理构建完善的灌溉控制系统,提高水资源的利用效率,同时在植被生长期间对目标盐碱地区域进行灌溉,促进表层土壤盐分向深层土壤运移,实现持续压盐的目的。
(3)系统监测植被生长过程中水盐动态变化、土壤性状变化及水稻生理形态变化,对土壤改良方案进行不断修正,不断提高土壤肥力及改良植被生长状态,构建出适宜目标盐碱地区域的盐碱改良模式。
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示出了本发明一种盐碱地土壤改良体系的体系框图;
图2示出了本发明一种盐碱地土壤改良体系构建的方法流程图;
图3示出了盐碱地区域土壤等级划分的方法流程图;
图4示出了确定盐碱地各区域土壤改良方案的方法流程图;
图5示出了根据监测数据对土壤改良方案进行修正的方法流程图。
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示出了本发明一种盐碱地土壤改良体系的体系框图。
如图1所示,本发明第一方面提供了一种盐碱地土壤改良体系,包括以下系统:土壤检测系统、水土保持系统、植被种植系统、管理系统、通信系统以及智能决策系统;
所述土壤检测系统包括土壤传感器及数据采集器,所述土壤传感器采集土壤质量参数;所述数据采集器与土壤传感器相连,用于传输土壤传感器采集到的数据;
所述水土保持系统包括引排水单元和灌溉单元,检测盐碱地区域的土壤水盐迁移,根据土壤质量参数及土壤水盐迁移结果进行灌溉;
所述植被种植系统包括自动播种装置,所述自动播种装置根据所选盐生植物进行播种;
所述管理系统负责检测植被的生长状况及病虫害情况,根据植被生长状况及病虫害情况进行管理作业;
所述智能决策系统包括智能决策云平台包括云服务器和决策终端,云服务器包括数据存储模块、决策生成模块。
需要说明的是,所述土壤质量参数包括土壤盐分含量、土壤有机质含量、土壤重金属污染物含量、土壤温度信息、土壤湿度信息、土壤酸碱度信息的一种或两种以上的组合。
需要说明的是,所述引排水单元包括砖、石、混凝土以及土渠类的引排水沟及排水沟防护网;所述灌溉单元包括蓄水池及水泵、输水管网以及控制系统,水泵通过输水管网连接蓄水池,水泵通过控制系统控制其供水。
需要说明的是,所述管理系统包括植被生长信息收集单元、植被图像信息收集单元、分析单元以及作业单元;所述植被生长信息收集单元收集预定生长信息,所述植被图像信息收集单元获取植被图像信息,所述分析单元将所述预定生长信息及所述植被图像信息作为输入信息进行分析,根据输出的分析结果确定要对植被进行的作业内容;所述作业单元根据由所述分析单元确定的作业内容进行用于对植被执行作业的处理。
图2示出了本发明一种盐碱地土壤改良体系构建的方法流程图。
如图2所示,本发明第二方面提供了一种盐碱地土壤改良体系构建方法,包括:
S202,通过土壤检测系统获取目标盐碱地区域的土壤成分信息,所述土壤成分信息通过通信系统传输到智能决策系统;
S204,所述智能决策系统通过对土壤成分信息进行分析生成盐碱地土壤改良方案,根据所述土壤改良方案优选盐生植物,生成土壤改良物料信息;
S206,通过水土保持系统、植被种植系统及管理系统根据所述土壤改良方案对盐碱地土壤进行改良及植被管理。
需要说明的是,水土保持系统通过漫灌方式对目标盐碱地区域进行灌溉,在经过预设静置时间后通过引排水沟进行排水,对目标盐碱地区域施加土壤改良物料,并进行第二次漫灌,经过预设静置时间后通过引排水沟进行排水,研究目标盐碱地区域的水盐运移的动态变化,根据水盐运移的动态变化进行不同灌水频率及灌水方式的选取。同时根据土壤检测系统中获取的土壤质量参数中提取土壤湿度信息,通过所述土壤湿度信息确定土壤含水量信息,预设饱和含水量的70%作为灌溉阈值,当土壤含水量信息小于所述灌溉阈值时,对目标盐碱地区域进行滴灌;同时获取管理系统的植被生长信息,根据所述植被生长信息判断植被需水量高的生长阶段,并在此生长阶段中,筛选出合理的灌溉模型。
需要说明的是,通过水土保持系统、植被种植系统及管理系统根据土壤改良方案对盐碱地土壤进行改良及植被管理,具体为:
通过植被种植系统根据所选盐生植物在目标盐碱地各子区域内进行种植;
通过管理系统采集植被的预定生长信息及植被图像信息,将采集到的信息与植被生长阶段关联组成生长状态时序序列;
通过管理系统采集植被的预定生长信息及植被图像信息,将采集到的信息与植被生长阶段关联组成生长状态时序序列;
通过水土保持系统获取目标盐碱地各子区域内的水盐迁移时序序列;
提取智能决策系统中的数据存储模块中的土壤质量参数时序序列;
将所述生长状态时序序列、水盐迁移时序序列及土壤质量参数时序序列进行结合,获取植被生长各阶段的土壤性状变化,根据所述土壤性状变化施用土壤改良物料及中微量元素肥料;
同时,根据目标盐碱地所在区域的气候信息关联土壤形状变化进行植被的病虫害预警及防治。
图3示出了盐碱地区域土壤等级划分的方法流程图。
根据本发明实施例,所述的通过土壤检测系统获取目标盐碱地区域的土壤成分信息,具体为:
S302,初始化土壤检测系统,预设采集次数,通过土壤传感器采集目标盐碱地区域内土壤质量参数;
S304,数据采集器采集土壤传感器测的得土壤质量参数,将所述土壤质量参数传输到智能决策系统;
S306,将多次采集的土壤质量参数进行均值处理,输出经过数据处理后的土壤质量参数;
S308,将所述土壤质量参数按照时序序列存储到智能决策系统中的数据存储模块;
S310,设置所述土壤质量参数中各项参数的阈值信息,将土壤质量参数中的各项参数与对应阈值进行对比;
S312,构建土壤质量评分机制,根据对比结果通过所述土壤质量评分机构对土壤进行打分,得到土壤质量总分;
S314,根据土壤质量总分所落在的预设区间,划分土壤的等级质量。
需要说明的是,根据土壤盐化分级标准评价盐碱地区域的盐碱化程度。标准根据土壤酸碱性分为五个等级:强酸性土壤、酸性土壤、中性土壤、碱性土壤及强碱性土壤,根据盐分含量将土壤盐化分为五个等级:非盐化、轻度盐化、中度盐化、重度盐化及盐土。结合目标盐碱地区域的土壤养分特征,按照土壤普查养分分级标准进行分级评价,同时结合盐碱地区域土壤中微量元素特征分析土壤中微量元素有效态含量,选择土壤盐分指标、土壤养分指标、土壤物理指标、中微量元素指标以及生物学指标构建土壤质量评分机制,根据对比结果通过所述土壤质量评分机构对土壤进行打分,得到土壤质量总分;根据土壤质量总分所落在的预设区间,划分土壤的等级质量,将目标盐碱地区域土壤等级分为三个等级,分别为一等土地、二等土地、三等土地。
图4示出了确定盐碱地各区域土壤改良方案的方法流程图;
根据本发明实施例,所述的智能决策系统通过对土壤质量参数进行分析生成盐碱地土壤改良方案,根据所述土壤改良方案优选盐生植物,生成土壤改良物料信息具体为:
S402,对目标盐碱地区域进行取样分析,根据土壤的等级质量对目标盐碱地区域进行区域划分;
S404,基于神经网络建立方案决策模型,进行初始化训练,从数据存储模块中调用目标盐碱地区域内的土壤质量参数;
S406,将各子区域对应的土壤质量参数导入所述方案决策模型,生成各子区域对应的土壤改良方案;
S408,根据土壤改良方案确定适用于目标盐碱地区域内各子区域的盐生植物,并根据土壤改良方案生成土壤改良物料信息。
需要说明的是,所述的智能决策系统还包括:
确定智能决策系统生成的土壤改良方案的置信度,所述置信度用于指示所述智能决策系统生成土壤改良方案具备可实施性的概率;
当所述置信度大于预设阈值时,获取智能决策系统生成的土壤改良方案所作为实际决策方案;
当所述置信度小于所述预设阈值时,分析智能决策系统生成的土壤改良方案获取可行性影响因素;根据所述可行性影响因素确定人工决策信息,在原有土壤改良方案中结合人工决策信息生成实际决策方案;
将所述实际决策方案按照预设方式进行显示。
图5示出了根据监测数据对土壤改良方案进行修正的方法流程图。
根据本发明实施例,还包括:根据监测数据对原有土壤改良方案进行修正,具体为:
S502,监测植被在生长过程目标盐碱地区域中各子区域的水盐动态变化、土壤性状变化及植被生理形态变化;
S504,根据监测到的数据信息按照预设方式进行计算,得到特征值;
S506,比较每个不同的子区域的特征值偏差率;
S508,将大于特征值偏差率的子区域进行标记,获取受标记子区域内的历史监测数据值;
S510,根据所述历史监测数据值计算修正参数,根据所述修正参数在原有土壤改良方案上进行修正处理。
根据本发明实施例,当目标盐碱地区域无法匹配适用的改良方案时,则根据土壤质量参数分析提取土壤中的化工原料成分,具体为:
根据目标盐碱地土壤质量参数生成目标盐碱地土壤组成成分信息;
根据所述土壤组成成分信息获取目标盐碱地中盐、碱、硝的含量,根据所述盐、碱、硝的含量分析各成分的提取价值;
通过提取价值生成排序结果,根据所述排序结果确定目标盐碱地区域的最佳提取成分;
根据所述的目标盐碱地区域的最佳提取成分进行提取分离,生成化工原料;
同时,从目标盐碱地土壤中筛选具有高渗胁迫耐受能力的益生菌菌株,用于盐碱地改良剂的开发与运用。
需要说明的是,通过提取盐碱地土壤中的盐、碱、硝,可以间接性的起到治理盐碱化的作用,同时提取土壤中的可利用成分作为化工原料,可以直接售卖换取经济效益,而通过从目标盐碱地土壤中筛选具有高渗胁迫耐受能力的益生菌菌株,利用生物学技术的方法运用到土壤盐碱地改良领域,益于盐碱地改良剂的开发与运用。
根据本发明实施例,分析土壤质量参数过程中对土壤中生物状况信息进行分析,进行土传病害的防治,具体为;
获取目标盐碱地区域的土壤质量参数及生物状况信息,根据所述的土壤状况信息和生物状况信息进行预处理生成土壤环境信息;
建立环境信息数据库,通过采集信息对数据库进行更新调整;
将所述的环境信息与数据库中土传病害对应的环境信息进行比较,生成匹配指数,获取偏差率;
判断所述偏差率是否小于预设偏差率;
若小于,根据所述土壤环境信息对土传病害的影响程度对植被进行土传病害的提前防治;
所述生物状况信息目标区域内昆虫、线虫及微生物信息。
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,所述单元的划分,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所述方法的全部或部分。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。
以上所述,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所述权利要求的保护范围为准。

Claims (8)

1.一种盐碱地土壤改良体系的构建方法,其特征在于,盐碱地土壤改良体系包括以下系统:土壤检测系统、水土保持系统、植被种植系统、管理系统、通信系统以及智能决策系统;
所述土壤检测系统包括土壤传感器及数据采集器,所述土壤传感器采集土壤质量参数;所述数据采集器与土壤传感器相连,用于传输土壤传感器采集到的数据;
所述水土保持系统包括引排水单元和灌溉单元,检测盐碱地区域的土壤水盐迁移,根据土壤质量参数及土壤水盐迁移结果进行灌溉;
所述植被种植系统包括自动播种装置,所述自动播种装置根据所选盐生植物进行播种;
所述管理系统负责检测植被的生长状况及病虫害情况,根据植被生长状况及病虫害情况进行管理作业;
所述智能决策系统包括智能决策云平台包括云服务器和决策终端,云服务器包括数据存储模块、决策生成模块;
所述盐碱地土壤改良体系的构建方法,包括:
通过土壤检测系统获取目标盐碱地区域的土壤成分信息,所述土壤成分信息通过通信系统传输到智能决策系统;
所述智能决策系统通过对土壤成分信息进行分析生成盐碱地土壤改良方案,根据所述土壤改良方案优选盐生植物,生成土壤改良物料信息;
通过水土保持系统、植被种植系统及管理系统根据所述土壤改良方案对盐碱地土壤进行改良及植被管理;
所述的智能决策系统通过对土壤质量参数进行分析生成盐碱地土壤改良方案,根据所述土壤改良方案优选盐生植物,生成土壤改良物料信息具体为:
对目标盐碱地区域进行取样分析,根据土壤的等级质量对目标盐碱地区域进行区域划分;
基于神经网络建立方案决策模型,进行初始化训练,从数据存储模块中调用目标盐碱地区域内的土壤质量参数;
将各子区域对应的土壤质量参数导入所述方案决策模型,生成各子区域对应的土壤改良方案;
根据土壤改良方案确定适用于目标盐碱地区域内各子区域的盐生植物,并根据土壤改良方案生成土壤改良物料信息;
分析土壤质量参数过程中对土壤中生物状况信息进行分析,进行土传病害的防治,具体为;
获取目标盐碱地区域的土壤质量参数及生物状况信息,根据所述的土壤质量参数和生物状况信息进行预处理生成土壤环境信息;
建立环境信息数据库,通过采集信息对数据库进行更新调整;
将所述的环境信息与数据库中土传病害对应的环境信息进行比较,生成匹配指数,获取偏差率;
判断所述偏差率是否小于预设偏差率;
若小于,根据所述土壤环境信息对土传病害的影响程度对植被进行土传病害的提前防治。
2.根据权利要求1所述的一种盐碱地土壤改良体系的构建方法,其特征在于,所述土壤质量参数包括土壤盐分含量、土壤有机质含量、土壤重金属污染物含量、土壤温度信息、土壤湿度信息、土壤酸碱度信息的一种或两种以上的组合。
3.根据权利要求1所述的一种盐碱地土壤改良体系的构建方法,其特征在于,所述引排水单元包括砖、石、混凝土以及土渠类的引排水沟及排水沟防护网;所述灌溉单元包括蓄水池及水泵、输水管网以及控制系统,水泵通过输水管网连接蓄水池,水泵通过控制系统控制其供水。
4.根据权利要求1所述的一种盐碱地土壤改良体系的构建方法,其特征在于,所述管理系统包括植被生长信息收集单元、植被图像信息收集单元、分析单元以及作业单元;所述植被生长信息收集单元收集预定生长信息,所述植被图像信息收集单元获取植被图像信息,所述分析单元将所述预定生长信息及所述植被图像信息作为输入信息进行分析,根据输出的分析结果确定要对植被进行的作业内容;所述作业单元根据由所述分析单元确定的作业内容进行用于对植被执行作业的处理。
5.根据权利要求1所述的一种盐碱地土壤改良体系的构建方法,其特征在于,所述的通过土壤检测系统获取目标盐碱地区域的土壤成分信息,具体为:
初始化土壤检测系统,预设采集次数,通过土壤传感器采集目标盐碱地区域内土壤质量参数;
数据采集器采集土壤传感器测的得土壤质量参数,将所述土壤质量参数传输到智能决策系统;
将多次采集的土壤质量参数进行均值处理,输出经过数据处理后的土壤质量参数;
将所述土壤质量参数按照时序序列存储到智能决策系统中的数据存储模块;
设置所述土壤质量参数中各项参数的阈值信息,将土壤质量参数中的各项参数与对应阈值进行对比;
构建土壤质量评分机制,根据对比结果通过所述土壤质量评分机制对土壤进行打分,得到土壤质量总分;
根据土壤质量总分所落在的预设区间,划分土壤的等级质量。
6.根据权利要求1所述的一种盐碱地土壤改良体系的构建方法,其特征在于,所述的智能决策系统还包括:
确定智能决策系统生成的土壤改良方案的置信度,所述置信度用于指示所述智能决策系统生成土壤改良方案具备可实施性的概率;
当所述置信度大于预设阈值时,获取智能决策系统生成的土壤改良方案所作为实际决策方案;
当所述置信度小于所述预设阈值时,分析智能决策系统生成的土壤改良方案获取可行性影响因素;根据所述可行性影响因素确定人工决策信息,在原有土壤改良方案中结合人工决策信息生成实际决策方案;
将所述实际决策方案按照预设方式进行显示。
7.根据权利要求1所述的一种盐碱地土壤改良体系的构建方法,其特征在于,通过水土保持系统、植被种植系统及管理系统根据土壤改良方案对盐碱地土壤进行改良及植被管理,具体为:
通过植被种植系统根据所选盐生植物在目标盐碱地各子区域内进行种植;
通过管理系统采集植被的预定生长信息及植被图像信息,将采集到的信息与植被生长阶段关联组成生长状态时序序列;
通过水土保持系统获取目标盐碱地各子区域内的水盐迁移时序序列;
提取智能决策系统中的数据存储模块中的土壤质量参数时序序列;
将所述生长状态时序序列、水盐迁移时序序列及土壤质量参数时序序列进行结合,获取植被生长各阶段的土壤性状变化,根据所述土壤性状变化施用土壤改良物料及中微量元素肥料;
同时,根据目标盐碱地所在区域的气候信息关联土壤形状变化进行植被的病虫害预警及防治。
8.根据权利要求1所述的一种盐碱地土壤改良体系的构建方法,其特征在于,还包括:
监测植被在生长过程目标盐碱地区域中各子区域的水盐动态变化、土壤性状变化及植被生理形态变化;
根据监测到的数据信息按照预设方式进行计算,得到特征值;
比较每个不同的子区域的特征值偏差率;
将大于特征值偏差率的子区域进行标记,获取受标记子区域内的历史监测数据值;
根据所述历史监测数据值计算修正参数,根据所述修正参数在原有土壤改良方案上进行修正处理。
CN202111077815.6A 2021-09-15 2021-09-15 一种盐碱地土壤改良体系及其构建方法 Active CN113785676B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111077815.6A CN113785676B (zh) 2021-09-15 2021-09-15 一种盐碱地土壤改良体系及其构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111077815.6A CN113785676B (zh) 2021-09-15 2021-09-15 一种盐碱地土壤改良体系及其构建方法

Publications (2)

Publication Number Publication Date
CN113785676A CN113785676A (zh) 2021-12-14
CN113785676B true CN113785676B (zh) 2022-09-23

Family

ID=79183331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111077815.6A Active CN113785676B (zh) 2021-09-15 2021-09-15 一种盐碱地土壤改良体系及其构建方法

Country Status (1)

Country Link
CN (1) CN113785676B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115176547B (zh) * 2022-03-21 2024-05-10 塔里木大学 一种盐渍化土壤开垦方案制定方法
CN114819880B (zh) * 2022-03-30 2023-06-13 杭州利环环境集团有限公司 一种用于土壤修复和数字化管理的方法和系统
CN115176548A (zh) * 2022-07-06 2022-10-14 中国热带农业科学院热带作物品种资源研究所 一种土壤的改良及水土保持方法
CN115349316B (zh) * 2022-08-17 2024-01-26 陕西省微生物研究所 一种土壤质量改良及监测系统和土壤改良方法
CN116307383B (zh) * 2023-03-15 2023-11-07 中国烟草总公司重庆市公司烟叶分公司 一种基于生态平衡的土地精细化保育改良方法及系统
CN117019863B (zh) * 2023-08-29 2024-03-15 大庆永铸石油技术开发有限公司 一种基于微生物处理的盐碱地改良系统
CN116993056B (zh) * 2023-09-26 2023-12-08 北京佰信蓝图科技股份有限公司 一种基于传感器的盐碱地改良数据分析处理方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106358477A (zh) * 2016-08-30 2017-02-01 山东胜伟园林科技有限公司 一种河套灌区次生盐碱地排盐控盐系统
CN106650212A (zh) * 2016-10-10 2017-05-10 重庆科技学院 基于数据分析的植物智能培育方法及系统
JP6744679B2 (ja) * 2016-12-07 2020-08-19 深▲セン▼前▲海▼▲達▼▲闥▼▲雲▼端智能科技有限公司Cloudminds (Shenzhen) Robotics Systems Co., Ltd. ヒューマンマシンハイブリッド意思決定方法および装置
CN109089449A (zh) * 2018-07-04 2018-12-28 青岛全域盐碱地稻作改良研究院有限公司 一种应用四维改良术改良盐碱地的计算机系统及方法

Also Published As

Publication number Publication date
CN113785676A (zh) 2021-12-14

Similar Documents

Publication Publication Date Title
CN113785676B (zh) 一种盐碱地土壤改良体系及其构建方法
Hashemi et al. Review of scenario analyses to reduce agricultural nitrogen and phosphorus loading to the aquatic environment
US20160309646A1 (en) Agronomic systems, methods and apparatuses
Gordon et al. Land cover change and water vapour flows: learning from Australia
Waongo et al. A crop model and fuzzy rule based approach for optimizing maize planting dates in Burkina Faso, West Africa
Baartman et al. Desertification and land degradation: origins, processes and solutions
Li et al. Cropland physical disturbance intensity: plot-scale measurement and its application for soil erosion reduction in mountainous areas
Esfandiarpour-Borujeni et al. Identifying soil and plant nutrition factors affecting yield in irrigated mature pistachio orchards
CN117575094A (zh) 一种基于数字孪生的农作物产量预测与优化方法及设备
Ramdinthara et al. A comparative study of IoT technology in precision agriculture
Azadi et al. Climate smart agriculture: Mitigation and adaptation strategies at the global scale
Tahir et al. Intelli-farm: IoT based Smart farming using Machine learning approaches
Tesfahunegn Soil erosion modeling and soil quality evaluation for catchment management strategies in northern Ethiopia
Baumert Life cycle assessment of carbon and energy balances in Jatropha production systems of Burkina Faso
Achten et al. Proposing a life cycle land use impact calculation methodology
Mandal et al. Analyses of Rainfall and Soil Characteristics of Kuanria Canal Command for Water Resources Management
Nzuza et al. A triangulation approach for assessing and mapping land degradation in the Lepellane catchment of the greater Sekhukhune District, South Africa
Koshkalda et al. Land resource management system in the sustainable development context: scientific and practical approaches
CN117151354B (zh) 一种农田修复与改良管理方法及系统
Cheviron et al. The Optirrig model for the generation, analysis and optimization of irrigation scenarios: rationale and scopes
Caulfield Piecing together complexity: the co-evolution of agroecosystem patterns & natural resource management
Roebeling et al. Review of Current and Future Best-management-practices for Sugarcane, Horticulture, Grazing and Forestry Industries in the Tully-Murray Catchment: A Report to FNQ NRM Ltd
Dessane ENERGY EFFICIENCY AND LIFE CYCLE ANALYSIS OF ORGANIC AND CONVENTIONAL OLIVE GROVES IN THE MESSARA VALLEY, CRETE, GREECE.
Jaskierniak Modelling the effects of forest regeneration on streamflow using forest growth models
Amsili et al. Empirically-based production environment soil health goals

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