CN113836728B - 灌水量计算方法及装置、电子设备及存储介质 - Google Patents

灌水量计算方法及装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113836728B
CN113836728B CN202111134917.7A CN202111134917A CN113836728B CN 113836728 B CN113836728 B CN 113836728B CN 202111134917 A CN202111134917 A CN 202111134917A CN 113836728 B CN113836728 B CN 113836728B
Authority
CN
China
Prior art keywords
irrigation
dem data
water
irrigation quantity
treated
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
CN202111134917.7A
Other languages
English (en)
Other versions
CN113836728A (zh
Inventor
罗新勇
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.)
Guangzhou Xaircraft Technology Co Ltd
Original Assignee
Guangzhou Xaircraft Technology Co Ltd
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 Guangzhou Xaircraft Technology Co Ltd filed Critical Guangzhou Xaircraft Technology Co Ltd
Priority to CN202111134917.7A priority Critical patent/CN113836728B/zh
Publication of CN113836728A publication Critical patent/CN113836728A/zh
Application granted granted Critical
Publication of CN113836728B publication Critical patent/CN113836728B/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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Agronomy & Crop Science (AREA)
  • Economics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Water Supply & Treatment (AREA)
  • Environmental Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例涉及农业灌溉领域，提供一种灌水量计算方法及装置、电子设备及存储介质，通过对待处理区域的DEM数据进行处理，得到待处理区域的理想灌水量；再通过预先建立的灌水量调整表，对理想灌水量进行调整以减小误差，得到待处理区域的灌水量；从而能够快速且精准地得到农田所需的灌水量，并在此基础上实现对农业灌水的精细化管理。

Description

灌水量计算方法及装置、电子设备及存储介质
技术领域
本申请实施例涉及农业灌溉领域，具体而言，涉及一种灌水量计算方法及装置、电子设备及存储介质。
背景技术
目前，农业灌水主要依靠人工定期巡检的方式，通过目视水位再结合经验判断出所需的灌水量，不仅费时费力而且存在较大误差，无法满足精细化灌水管理的要求。
发明内容
本申请实施例的目的在于提供一种灌水量计算方法及装置、电子设备及存储介质，用以快速且精准地得到待处理区域所需的灌水量。
为了实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供了一种灌水量计算方法，所述方法包括：
获取待处理区域的DEM数据；
对所述DEM数据进行处理，得到所述待处理区域的理想灌水量；
根据预先建立的灌水量调整表，对所述理想灌水量进行调整，得到所述待处理区域的灌水量。
进一步地，所述对所述DEM数据进行处理，得到所述待处理区域的理想灌水量的步骤，包括：
获取所述待处理区域的基准DEM数据，所述基准DEM数据和所述DEM数据对应不同的时间节点；
对所述基准DEM数据和所述DEM数据进行叠加分析，得到参考灌水量体积；
根据所述参考灌水量体积，得到所述理想灌水量。
进一步地，所述对所述基准DEM数据和所述DEM数据进行叠加分析，得到参考灌水量体积的步骤，包括：
提取所述DEM数据和所述基准DEM数据的数据补集范围，得到待处理DEM数据；
利用微积分法将所述待处理DEM数据划分为多个微元，并计算每个所述微元的体积；
对所有所述微元的体积进行求和，得到所述参考灌水量体积。
进一步地，所述基准DEM数据对应参考时间节点，所述根据所述参考灌水量体积，得到所述理想灌水量的步骤，包括：
将所述参考灌水量体积进行换算，得到参考灌水量；
若所述基准DEM数据是在所述待处理区域处于裸土地、无灌水、无种植物的情况下采集的，则将所述参考灌水量作为所述理想灌水量；
若所述基准DEM数据是在所述待处理区域处于有灌水、有种植物的情况下采集的，则将所述参考灌水量与基准灌水量的和或差作为所述理想灌水量，其中，所述基准灌水量为所述待处理区域在所述参考时间节点的灌水量。
进一步地，所述灌水量调整表包括所述待处理区域在不同时间节点的灌水量影响因素，所述DEM数据对应目标时间节点；
所述根据预先建立的灌水量调整表，对所述理想灌水量进行调整，得到所述待处理区域的灌水量的步骤，包括：
根据所述灌水量调整表，获得所述待处理区域在所述目标时间节点的灌水量影响因素；
根据所述理想灌水量和所述目标时间节点的灌水量影响因素，计算出所述灌水量，所述灌水量影响因素包括作物腾发量、作物系数、作物覆盖率及农田水量蒸发量中的至少一种。
进一步地，所述灌水量影响因素包括作物腾发量、作物系数、作物覆盖率及农田水量蒸发量；
所述根据所述理想灌水量和所述目标时间节点的灌水量影响因素，计算出所述灌水量的步骤，包括：
根据所述理想灌水量和所述灌水量影响因素，利用公式计算出所述灌水量；
其中，V实表示所述灌水量，Vdem表示所述理想灌水量，Sc表示所述作物覆盖率，Kc表示所述作物系数，V腾表示所述作物腾发量，V蒸表示所述农田水量蒸发量。
进一步地，所述方法还包括：
获取所述待处理区域在所述目标时间节点的水利系统灌水量；
根据所述水利系统灌水量，对所述灌水量调整表中所述待处理区域在所述目标时间节点的灌水量影响因素进行更新。
进一步地，所述根据所述水利系统灌水量，对所述灌水量调整表中所述待处理区域在所述目标时间节点的灌水量影响因素进行更新的步骤，包括：
保持所述作物腾发量、所述作物系数及所述农田水量蒸发量不变，利用公式对所述作物覆盖率进行更新，其中，V水利表示所述水利系统灌水量，Vdem表示所述理想灌水量，Sc表示所述作物覆盖率，Kc表示所述作物系数，V腾表示作物腾发量，V蒸表示所述农田水量蒸发量。
进一步地，所述方法还包括：
获取所述待处理区域在目标时间节点的作物所需水量；
将所述作物所需水量与所述灌水量进行比对，并根据比对结果对所述待处理区域进行补水或排水。
进一步地，所述方法还包括：
根据所述待处理区域在不同时间节点的灌水量，判断所述待处理区域的水量消耗是否存在异常，并在所述水量消耗存在异常的情况下进行提示。
第二方面，本申请实施例还提供了一种灌水量计算装置，所述装置包括：
获取模块，用于获取待处理区域的DEM数据；
第一处理模块，用于对所述DEM数据进行处理，得到所述待处理区域的理想灌水量；
调整模块，用于根据预先建立的灌水量调整表，对所述理想灌水量进行调整，得到所述待处理区域的灌水量。
第三方面，本申请实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述第一方面的灌水量计算方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面的灌水量计算方法。
相对现有技术，本申请实施例提供的一种灌水量计算方法及装置、电子设备及存储介质，通过对待处理区域的DEM数据进行处理，得到待处理区域的理想灌水量；再通过预先建立的灌水量调整表，对理想灌水量进行调整以减小误差，得到待处理区域的灌水量；从而能够快速且精准地得到待处理区域所需的灌水量，并在此基础上实现对农业灌水的精细化管理。
附图说明
图1示出了本申请实施例提供的灌水量计算方法的一种流程示意图。
图2示出了本申请实施例提供的DEM数据的示例图。
图3为图1示出的灌水量计算方法中步骤S102的一种流程示意图。
图4示出了本申请实施例提供的弓字形航线的示例图。
图5示出了本申请实施例提供的基准DEM数据的示例图。
图6为图3示出的灌水量计算方法中步骤S102的另一种流程示意图。
图7示出了本申请实施例提供的待处理DEM数据的一种示例图。
图8示出了本申请实施例提供的待处理DEM数据的另一种示例图。
图9为图1示出的灌水量计算方法中步骤S103的一种流程示意图。
图10示出了本申请实施例提供的灌水量计算方法的另一种流程示意图。
图11示出了本申请实施例提供的灌水量计算装置的方框示意图。
图12示出了本申请实施例提供的电子设备的方框示意图。
图标：10-电子设备；11-处理器；12-存储器；13-总线；100-灌水量计算装置；110-获取模块；120-第一处理模块；130-调整模块；140-第二处理模块。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述。
在农作物种植、水产养殖等农业生产活动中，为了保证农作物、水产等的正常生长，获得高产稳产，按照农作物、水产等的习性进行科学灌水是必不可少的。
以水稻为例，科学灌水对水稻的生长发育极其重要，其作用一是可以调节土壤中的水、气、热状况，改善土壤生态环境；二是可以调节土壤对水稻养分的供应以及不同生育期植株体内碳、氮的比重，促使水稻生理变化能够适应自身正常生长发育的规律；三是能够协调水稻群体结构的各种矛盾，促使各器官协调发展；四是能够促根、保叶，保证水稻后期的营养供应；五是通过水分的适当调控，可以减轻病、虫及自然灾害的危害。
高产水稻科学灌水主要措施为：寸水返青，薄水分蘖，够蘖晒田，浅水打苞，湿润壮籽。因此，快速获取灌水量且对灌水量进行精准管理，在水稻灌水中是非常重要的。
通常，水稻灌水主要依靠人工定期巡检的方式，通过目视水位再结合经验判断出所需的灌水量，不仅费时费力而且存在较大误差，无法满足对水稻进行精细化灌水管理的要求。
为了节省人工的时间和精力，一些通过模型计算灌水量的方式逐渐被提出，目前比较常见的有以下两种：
一是，通过建立模型来计算补水量，需要考虑土壤荣宠、土壤水分、田间最大持水量及计划灌溉入渗深度等因素，并且这些因素很难准确度量，通常还是依靠经验进行设置，所以计算结果会存在较大误差。
二是，通过建立模型来分析灌水量，需要考虑雨量、地表水引用量、地下水开采量、田间渗透量、回归水排放量、渠系损失量、植株蒸腾量和棵间蒸发量等因素，同时，为了提高计算的准确度，雨量、地表水引用量、地下水开采量、植株蒸腾量和棵间蒸发量都需要采用实测值。
因此，需要配套大量的传感器进行取值，整个过程非常复杂，并且容易出错，所以需要专业人士完成整个灌水量的计算过程，对操作人员的要求比较高。同时，由于是基于传感器数据进行计算，故只适用于小范围农田的灌水量计算，对于地形更复杂面积更大的农田，计算结果会存在偏差。
由以上分析可知，通过模型计算灌水量的方式，整个计算过程复杂，并且计算准确度难以得到保证，快速且精准地得到农田所需的灌水量。
为了解决上述问题，本申请实施例通过对待处理区域的DEM数据进行处理，得到待处理区域的理想灌水量；再通过预先建立的灌水量调整表，对理想灌水量进行调整以减小误差，得到待处理区域的灌水量；从而能够快速且精准地得到待处理区域所需的灌水量，并在此基础上实现对农业灌水的精细化管理。下面进行详细介绍。
请参照图1，图1示出了本申请实施例提供的灌水量计算方法的一种流程示意图，该灌水量计算方法应用于电子设备，可以包括以下步骤：
S101，获取待处理区域的DEM数据。
DEM(Digital Elevation Model，数字高程模型)是通过有限的地形高程数据实现对地面地形的数字化模拟，即地形表面形态的数字化表达，它是用一组有序数值阵列形式表示地面高程的一种实体地面模型。
换句话说，DEM是指在一个区域内，以密集的地形模型点的空间位置坐标X、Y、Z表达地面形态，地形模型点就其平面位置来说，可以是随机分布的，也可以是规则分布的。DEM主要用于描述地面起伏状况，可以用于提取各种地形参数，如坡度、坡向、粗糙度等，并进行通视分析、流域结构生成等应用分析。
待处理区域是指需要进行灌水量计算的任意一个农业区域，例如，种植农作物的地块、养殖水产的池塘等，下述实施例以种植农作物的地块为例进行说明。
待处理区域的DEM数据，可以是在目标时间节点采集待处理区域的地形高程数据，并对地形高程数据进行处理得到的。在目标时间节点，待处理区域处于有灌水、有种植物的状态。
根据前面介绍的内容可知，农作物(例如，水稻)在不同的生长发育期对灌水量的要求是不同的，因此，目标时间节点对应待处理区域中所种植农作物的任意一个生长发育期。例如，水稻的生长发育期包括：发芽期、幼苗期、分蘖期、拔节期、抽穗期、扬花期、乳熟期和完熟期，目标时间节点可以是其中的任意一个。
在本实施例中，DEM数据可以是通过以下方式得到的：
在目标时间节点，利用无人机对待处理区域进行地形测绘，并将采集到的数据上传到后台服务器，后台服务器通过深度学习算法、AI算法等对数据进行处理，得到待处理区域在目标时间节点的DEM数据。
S102，对DEM数据进行处理，得到待处理区域的理想灌水量。
理想灌水量是指DEM数据中，待处理区域的地面上的水量。例如，请参照图2，图2为待处理区域的DEM数据，图中地面上的水量，即为理想灌水量。
S103，根据预先建立的灌水量调整表，对理想灌水量进行调整，得到待处理区域的灌水量。
灌水量是指目标时间节点下，待处理区域中地面上的实际水量。
由于理想灌水量是通过DEM数据计算出来的，而实际中，不同的农作物、不同的地理环境、不同的季节时间等都会导致一定的水量损失。因此，为了减小误差，可以通过预先建立的灌水量调整表对理想灌水量进行调整，得到待处理区域的灌水量。
灌水量调整表可以包括待处理区域在各个时间节点的灌水量影响因素，该灌水量影响因素是根据种植的农作物类型、地理环境情况、季节时间等确定的。因此，通过从灌水量调整表中找出待处理区域在当前时间节点的灌水量影响因素，再通过该灌水量影响因素对理想灌水量进行调整，就能减小农作物类型、地理环境情况、季节时间等导致的误差，得到更加准确的灌水量。
下面对步骤S102进行详细介绍，在图1的基础上，请参照图3，步骤S102可以包括以下子步骤：
S1021，获取待处理区域的基准DEM数据，基准DEM数据和DEM数据对应不同的时间节点。
在本实施例中，DEM数据对应目标时间节点，基准DEM数据对应参考时间节点，参考时间节点与目标时间节点不同。待处理区域在参考时间节点的灌水量是已知的，例如，可以是通过本申请实施例介绍的灌水量计算方法得到的，也可以是获取的水利系统在参考时间节点的实际灌水量。需要基于待处理区域在参考时间节点的灌水量，计算出待处理区域在目标时间节点的灌水量。
在参考时间节点，待处理区域可以处于裸土地、无灌水、无种植物的状态，这种情况下，待处理区域的灌水量可以是0。
或者，在参考时间节点，待处理区域也可以处于有灌水、有种植物的状态，这种情况下，参考时间节点可以对应待处理区域中所种植农作物的任意一个生长发育期，例如，目标时间节点为分蘖期，参考时间节点为幼苗期。
在本实施例中，基准DEM数据可以是通过以下方式得到的：
在参考时间节点，利用无人机对待处理区域进行地形测绘，并将采集到的数据上传到后台服务器，后台服务器通过深度学习算法、AI算法等对数据进行处理，得到待处理区域在参考时间节点的基准DEM数据。
作为一种实施方式，基准DEM数据和DEM数据可以通过以下过程得到：
第一步，选择飞行平台，例如，旋翼无人机、固定翼无人机等，并在飞行平台上搭载激光雷达。
可以根据各飞行平台的优缺点(例如，抗风性、续航能力、飞行速度等)、以及待处理区域的特性选择合适的飞行平台。例如，固定翼无人机的续航时间长、旋翼无人机的续航时间短，所以，大面积区域可以选择固定翼无人机、小面积区域可以选择旋翼无人机等。又如，旋翼无人机能够灵活调整飞行高度，所以，平原地带可以选择固定翼无人机，丘陵地带可以选择旋翼无人机等。在实际中可以根据具体场景灵活选择，在此不做限定。
第二步，根据选定飞行平台的飞行性能和待处理区域的范围，建立任务编号，规划平面航线，例如，请参照图4，可以采用弓字形航线。同时，根据植株或作物的生长密度、环境特征等设置航线参数，例如，高度、分辨率、旁向航向重叠度等。
需要指出的是，航线的类型不限于弓字形航线，还可以是井字型航线、圆型航线等。
第三步，在参考时间节点，控制选定飞行平台按照规划航线飞行，通过激光雷达采集待处理区域的点云数据并实时传输到后台服务器，后台服务器解算该点云数据，并通过AI算法识别中其中的障碍物信息并进行剔除，最终得到基准DEM数据。
第四步，在目标时间节点，控制选定飞行平台按照规划航线飞行，通过激光雷达采集待处理区域的点云数据并实时传输到后台服务器，后台服务器解算该点云数据，并通过AI算法识别中其中的障碍物信息并进行剔除，最终得到DEM数据。
例如，请参照图5，图5即为在待处理区域处于裸土地、无灌水、无种植物的情况下采集的基准DEM数据。
S1022，对基准DEM数据和DEM数据进行叠加分析，得到参考灌水量体积。
获取到基准DEM数据和DEM数据后，可以对基准DEM数据和DEM数据进行叠加分析，确定出不同的数据部分；再通过微积分的方法计算该数据部分的体积，得到参考灌水量体积。
参考灌水量体积，是指基准DEM数据和DEM数据中不同的数据部分的体积。
如果基准DEM数据是在待处理区域处于裸土地、无灌水、无种植物的情况下采集的，则参考灌水量体积为DEM数据中水的体积。
如果基准DEM数据是在待处理区域处于有灌水、有种植物的情况下采集的，则参考灌水量体积为：DEM数据中比基准DEM数据中多的那部分水的体积，或者，基准DEM数据中比DEM数据中多的那部分水的体积。
S1023，根据参考灌水量体积，得到理想灌水量。
计算出参考灌水量体积之后，由于水的密度为1，则可以将参考灌水量体积换算为参考灌水量，进而就能根据参考灌水量得到理想灌水量。
如果基准DEM数据是在待处理区域处于裸土地、无灌水、无种植物的情况下采集的，由于参考时间节点的灌水量为0，则参考灌水量即为理想灌水量。如果基准DEM数据是在待处理区域处于有灌水、有种植物的情况下采集的，则理想灌水量为：参考时间节点的灌水量与参考灌水量之和，或者，参考时间节点的灌水量与参考灌水量之差。
下面对子步骤S1022进行详细介绍，在图3的基础上，请参照图6，子步骤S1022可以包括以下子步骤：
S10221，提取DEM数据和基准DEM数据的数据补集范围，得到待处理DEM数据。
待处理DEM数据是指，基准DEM数据和DEM数据中不同的数据部分。例如，DEM数据中比基准DEM数据中多的部分，或者，基准DEM数据中比DEM数据中多的部分。
同时，基准DEM数据不同，得到的待处理DEM数据也不同，下面分两种情况进行介绍：
如果基准DEM数据是在待处理区域处于裸土地、无灌水、无种植物的情况下采集的，DEM数据是在待处理区域处于有灌水、有种植物的情况下采集的，则待处理DEM数据为DEM数据中表示水的部分。例如，基准DEM数据如图5所示，DEM数据如图2所示，则待处理DEM数据如图7所示。
如果基准DEM数据和DEM数据都是在待处理区域处于有灌水、有种植物的情况下采集的，只是采集的时间节点不同，则待处理DEM数据表示DEM数据和基准DEM数据不同的那部分水。例如，待处理DEM数据如图8所示，表示DEM数据和基准DEM数据中多出的那部分水。
S10222，利用微积分法将待处理DEM数据划分为多个微元，并计算每个微元的体积。
S10223，对所有微元的体积进行求和，得到参考灌水量体积。
通过子步骤S10221得到待处理DEM数据之后，待处理DEM数据如图7或图8所示，则可以利用微积分法计算待处理DEM数据的体积，该体积即为参考灌水量体积。
在计算过程中，可以先通过微积分法将待处理DEM数据划分成各个微元，并在地表渐变的假定下将各微元的地形特征作简化处理，计算出各个微元的体积，再对所有微元的体积进行求和，即可参考灌水量体积。这部分计算过程为常用的数学计算过程，在此不再赘述。
下面对子步骤S1023进行详细介绍，请再次参照图6，子步骤S1023可以包括以下子步骤：
S10231，将参考灌水量体积进行换算，得到参考灌水量。
S10232，若基准DEM数据是在待处理区域处于裸土地、无灌水、无种植物的情况下采集的，则将参考灌水量作为理想灌水量。
由于裸土地、无灌水、无种植物的情况下，待处理区域的灌水量为0，则参考灌水量即为理想灌水量。
S10233，若基准DEM数据是在待处理区域处于有灌水、有种植物的情况下采集的，则将参考灌水量与基准灌水量的和或差作为理想灌水量，其中，基准灌水量为待处理区域在参考时间节点的灌水量。
由于基准DEM数据和DEM数据是在不同的时间节点采集的，所以参考灌水量可能来源于基准DEM数据，也可能来源于DEM数据，因此，将参考灌水量与基准灌水量的和或差作为理想灌水量。
也就是，如果参考灌水量来源于基准DEM数据，则将参考灌水量与基准灌水量的差作为理想灌水量。如果参考灌水量来源于DEM数据，则将参考灌水量与基准灌水量的和作为理想灌水量。
下面对步骤S103进行详细介绍，在图1的基础上，请参照图9，步骤S103可以包括以下子步骤：
S1031，根据灌水量调整表，获得待处理区域在目标时间节点的灌水量影响因素。
灌水量调整表可以包括待处理区域在各个时间节点的灌水量影响因素，该灌水量影响因素是根据种植的农作物类型、地理环境情况、季节时间等确定的。
作为一种实施方式，灌水量影响因素可以包括作物腾发量、作物系数、作物覆盖率及农田水量蒸发量中的至少一种。
作物腾发量可以用V腾表示，且V腾＝0.489+0.289Rn+0.023T，其中，Rn表示作物表面净辐射量，T表示农田面积。
作物系数可以用Kc表示，是指作物不同生长发育期中所需水量与可能蒸散量的比值，不同作物在不同时期的Kc值是不同的。
作物覆盖率可以用Sc表示，是指农田的作物覆盖范围。
农田水量蒸发量可以用V蒸表示，且V蒸＝V*EV，其中，V表示亩单位的面积，EV表示某月份一亩的蒸发量，通常在95～150mm之间。
S1032，根据理想灌水量和目标时间节点的灌水量影响因素，计算出灌水量。
从灌水量调整表中找出待处理区域在当前时间节点的灌水量影响因素之后，就能根据理想灌水量和该灌水量影响因素计算出灌水量。
可选地，目标时间节点的灌水量影响因素可以包括作物腾发量、作物系数、作物覆盖率及农田水量蒸发量中的至少一种。
假设目标时间节点的灌水量影响因素包括作物腾发量、作物系数、作物覆盖率及农田水量蒸发量，则灌水量的计算过程可以包括：
根据理想灌水量和灌水量影响因素，利用公式计算出灌水量；
其中，V实表示灌水量，Vdem表示理想灌水量，Sc表示作物覆盖率，Kc表示作物系数，V腾表示作物腾发量，V蒸表示农田水量蒸发量。
从上述计算过程可以看出，不同的农作物、不同的地理环境、不同的季节时间，对应的作物覆盖率Sc、作物系数Kc、作物腾发量V腾、农田水量蒸发量V蒸都可能不同。
因此，通过灌水量调整表，可以根据待处理区域的实际情况选择合适的灌水量影响因素，从而减小农作物类型、地理环境情况、季节时间等导致的误差，得到更加准确的灌水量。
在一种可能的情形下，通过上述步骤计算出待处理区域在目标时间节点的灌水量之后，可以将该灌水量与水利系统的实际灌水量进行比对，再根据比对结果对灌水量调整表中的灌水量影响因素进行纠偏，从而减小误差。
因此，在图1的基础上，请参照图10，在步骤S103之后，该灌水量计算方法还可以包括步骤S104～S105。
S104，获取待处理区域在目标时间节点的水利系统灌水量。
S105，根据水利系统灌水量，对灌水量调整表中待处理区域在目标时间节点的灌水量影响因素进行更新。
水利系统灌水量，是指水利系统在目标时间节点的实际灌水量。但是，由于蒸发量、雨水、种植物范围及覆盖率等因素的影响，实际灌水量在农田中会有一定的损失。
因此，可以将计算得到的灌水量与水利系统灌水量进行比对，在保持作物腾发量V腾、作物系数Kc、农田水量蒸发量V蒸不变的情况下，利用公式对作物覆盖率Sc进行更新，其中，V水利表示水利系统灌水量，Vdem表示理想灌水量。
如此，通过大数据积累，可以完善各种农作物的作物覆盖率Sc，使根据灌水量调整表调整后的灌水量与实际灌水量的误差越来越小。
在一种可能的情形下，通过上述步骤计算出待处理区域在目标时间节点的灌水量之后，可以根据该灌水量对待处理区域进行补水或排水。
因此，请再次参照图10，在步骤S103之后，该灌水量计算方法还可以包括步骤S106～S107。
S106，获取待处理区域在目标时间节点的作物所需水量。
S107，将作物所需水量与灌水量进行比对，并根据比对结果对待处理区域进行补水或排水。
也就是，计算出待处理区域在目标时间节点的灌水量之后，可以通过比较该灌水量与待处理区域在目标时间节点的作物所需水量之间的差异，从而得到对待处理区域进行补水或排水的决策，再将补水或排水的水量信息反馈至灌溉系统，从而实现智能补水或排水。
在一种可能的情形下，在计算出待处理区域在各个时间节点的灌水量之后，可以根据各个时间节点的灌水量判断水量消耗是否存在异常，并在水量消耗存在异常时进行提示，并控制无人设备去巡田，以识别异常原因。
在图1的基础上，请再次参照图5，在步骤S103之后，该灌水量计算方法还可以包括步骤S108。
S108，根据待处理区域在不同时间节点的灌水量，判断待处理区域的水量消耗是否存在异常，并在水量消耗存在异常的情况下进行提示。
在一种可能的情形下，在计算出待处理区域在目标时间节点的灌水量之后，还可以生成灌水量报告。该灌水量报告可以包括：待处理区域的地势分析、区域范围，飞行平台采集的点云数据、基准DEM数据、DEM数据、待处理区域在目标时间节点的灌水量影响因素等。也就是，该灌水量报告可以包括最终计算的灌水量和各个中间环节的数据。这样，在出现计算错误时，可以通过灌水量报告快速定位出问题，提高计算效率。
与现有技术相比，本申请实施例具有以下有益效果：
首先，通过DEM数据得到理想灌水量，再通过预先建立的灌水量调整表对理想灌水量进行调整，以减小误差，从而能够快速且精准地得到农田所需的灌水量，并在此基础上实现对农田灌水的精细化管理；
其次，通过灌水量调整表，可以根据待处理区域的实际情况选择合适的灌水量影响因素，从而减小农作物类型、地理环境情况、季节时间等导致的误差，得到更加准确的灌水量；
第三，通过大数据积累，可以完善各种农作物的作物覆盖率Sc，使根据灌水量调整表调整后的灌水量与实际灌水量的误差越来越小；
第四，可以根据灌水量与作物所需水量，实现灌溉系统的智能补水或排水；
第五，可以根据各个时间节点的灌水量判断水量消耗是否存在异常，并在水量消耗存在异常时进行提示，并控制无人设备去巡田，以识别异常原因；
第六，可以生成包括灌水量和各个中间环节数据的灌水量报告，在出现计算错误时，可以通过灌水量报告快速定位出问题，提高计算效率。
为了执行上述灌水量计算方法实施例及各个可能的实施方式中的相应步骤，下面给出一种应用于灌水量计算装置的实现方式。
请参照图11，图11示出了本申请实施例提供的灌水量计算装置100的方框示意图。灌水量计算装置100应用于电子设备，包括：获取模块110、第一处理模块120及调整模块130。
获取模块110，用于获取待处理区域的DEM数据。
第一处理模块120，用于对DEM数据进行处理，得到待处理区域的理想灌水量。
调整模块130，用于根据预先建立的灌水量调整表，对理想灌水量进行调整，得到待处理区域的灌水量。
可选地，第一处理模块120具体用于：
获取待处理区域的基准DEM数据，基准DEM数据和DEM数据对应不同的时间节点；对基准DEM数据和DEM数据进行叠加分析，得到参考灌水量体积；根据参考灌水量体积，得到理想灌水量。
可选地，第一处理模块120执行对基准DEM数据和DEM数据进行叠加分析，得到参考灌水量体积的方式，包括：
提取DEM数据和基准DEM数据的数据补集范围，得到待处理DEM数据；利用微积分法将待处理DEM数据划分为多个微元，并计算每个微元的体积；对所有微元的体积进行求和，得到参考灌水量体积。
可选地，基准DEM数据对应参考时间节点，第一处理模块120执行根据参考灌水量体积，得到理想灌水量的方式，包括：
将参考灌水量体积进行换算，得到参考灌水量；
若基准DEM数据是在待处理区域处于裸土地、无灌水、无种植物的情况下采集的，则将所参考灌水量作为理想灌水量；
若基准DEM数据是在待处理区域处于有灌水、有种植物的情况下采集的，则将参考灌水量与基准灌水量的和或差作为理想灌水量，其中，基准灌水量为待处理区域在参考时间节点的灌水量。
可选地，灌水量调整表包括待处理区域在不同时间节点的灌水量影响因素，DEM数据对应目标时间节点；调整模块130具体用于：
根据灌水量调整表，获得待处理区域在目标时间节点的灌水量影响因素；根据理想灌水量和目标时间节点的灌水量影响因素，计算出灌水量，灌水量影响因素包括作物腾发量、作物系数、作物覆盖率及农田水量蒸发量中的至少一种。
可选地，灌水量影响因素包括作物腾发量、作物系数、作物覆盖率及农田水量蒸发量；调整模块130执行根据理想灌水量和目标时间节点的灌水量影响因素，计算出灌水量的方式，包括：
根据理想灌水量和灌水量影响因素，利用公式计算出灌水量；
其中，V实表示灌水量，Vdem表示理想灌水量，Sc表示作物覆盖率，Kc表示作物系数，V腾表示作物腾发量，V蒸表示农田水量蒸发量。
可选地，灌水量计算装置100还包括第二处理模块140。
第二处理模块140，用于获取待处理区域在目标时间节点的水利系统灌水量；根据水利系统灌水量，对灌水量调整表中待处理区域在目标时间节点的灌水量影响因素进行更新。
可选地，第二处理模块140执行根据水利系统灌水量，对灌水量调整表中待处理区域在目标时间节点的灌水量影响因素进行更新的方式，包括：
保持作物腾发量、作物系数及农田水量蒸发量不变，利用公式对作物覆盖率进行更新，其中，V水利表示水利系统灌水量，Vdem表示理想灌水量，Sc表示作物覆盖率，Kc表示作物系数，V腾表示作物腾发量，V蒸表示农田水量蒸发量。
可选地，第二处理模块140，还用于获取待处理区域在目标时间节点的作物所需水量；将作物所需水量与灌水量进行比对，并根据比对结果对待处理区域进行补水或排水。
可选地，第二处理模块140，还用于根据待处理区域在不同时间节点的灌水量，判断待处理区域的水量消耗是否存在异常，并在水量消耗存在异常的情况下进行提示。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的灌水量计算装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
请参照图12，图12示出了本申请实施例提供的电子设备10的方框示意图。电子设备10可以是计算机设备，例如，智能手机、平板电脑、个人电脑、服务器、地面站、私有云、公有云等中的任意一种，上述设备都可以用于实现上述实施例提供的灌水量计算方法，具体可根据实际应用场景确定，在此不作限制。电子设备10包括处理器11、存储器12及总线13，处理器11通过总线13与存储器12连接。
存储器12用于存储程序，例如图11所示的灌水量计算装置100，灌水量计算装置100包括至少一个可以软件或固件(firmware)的形式存储于存储器12中的软件功能模块，处理器11在接收到执行指令后，执行所述程序以实现上述实施例揭示的灌水量计算方法。
存储器12可能包括高速随机存取存储器(Random Access Memory，RAM)，也可能还包括非易失存储器(non-volatile memory，NVM)。
处理器11可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器11中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器11可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、微控制单元(Microcontroller Unit，MCU)、复杂可编程逻辑器件(Complex Programmable LogicDevice，CPLD)、现场可编程门阵列(Field Programmable Gate Array，FPGA)、嵌入式ARM等芯片。
本申请实施例还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11执行时实现上述实施例揭示的灌水量计算方法。
综上所述，本申请实施例提供的一种灌水量计算方法及装置、电子设备及存储介质，通过对待处理区域的DEM数据进行处理，得到待处理区域的理想灌水量；再通过预先建立的灌水量调整表，对理想灌水量进行调整以减小误差，得到待处理区域的灌水量；从而能够快速且精准地得到待处理区域所需的灌水量，并在此基础上实现对农业灌水的精细化管理。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (11)

1.一种灌水量计算方法，其特征在于，所述方法包括：
获取待处理区域的DEM数据；
对所述DEM数据进行处理，得到所述待处理区域的理想灌水量，包括：
获取所述待处理区域的基准DEM数据，所述基准DEM数据和所述DEM数据对应不同的时间节点；对所述基准DEM数据和所述DEM数据进行叠加分析，得到参考灌水量体积，所述参考灌水量体积是指所述基准DEM数据和所述DEM数据中不同的数据部分的体积；根据所述参考灌水量体积，得到理想灌水量；
根据预先建立的灌水量调整表，对所述理想灌水量进行调整，得到所述待处理区域的灌水量，包括：
根据预先建立的灌水量调整表，获得所述待处理区域在目标时间节点的灌水量影响因素，所述灌水量调整表包括所述待处理区域在不同时间节点的灌水量影响因素，所述DEM数据对应目标时间节点；根据所述理想灌水量和所述目标时间节点的灌水量影响因素，计算出所述灌水量，所述灌水量影响因素包括作物腾发量、作物系数、作物覆盖率及农田水量蒸发量中的至少一种。
2.如权利要求1所述的方法，其特征在于，所述对所述基准DEM数据和所述DEM数据进行叠加分析，得到参考灌水量体积的步骤，包括：
提取所述DEM数据和所述基准DEM数据的数据补集范围，得到待处理DEM数据；
利用微积分法将所述待处理DEM数据划分为多个微元，并计算每个所述微元的体积；
对所有所述微元的体积进行求和，得到所述参考灌水量体积。
3.如权利要求1所述的方法，其特征在于，所述基准DEM数据对应参考时间节点，所述根据所述参考灌水量体积，得到所述理想灌水量的步骤，包括：
将所述参考灌水量体积进行换算，得到参考灌水量；
若所述基准DEM数据是在所述待处理区域处于裸土地、无灌水、无种植物的情况下采集的，则将所述参考灌水量作为所述理想灌水量；
若所述基准DEM数据是在所述待处理区域处于有灌水、有种植物的情况下采集的，则将所述参考灌水量与基准灌水量的和或差作为所述理想灌水量，其中，所述基准灌水量为所述待处理区域在所述参考时间节点的灌水量。
4.如权利要求1所述的方法，其特征在于，所述灌水量影响因素包括作物腾发量、作物系数、作物覆盖率及农田水量蒸发量；
所述根据所述理想灌水量和所述目标时间节点的灌水量影响因素，计算出所述灌水量的步骤，包括：
根据所述理想灌水量和所述灌水量影响因素，利用公式计算出所述灌水量；
其中，表示所述灌水量，/>表示所述理想灌水量，/>表示所述作物覆盖率，/>表示所述作物系数，/>表示所述作物腾发量，/>表示所述农田水量蒸发量。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
获取所述待处理区域在所述目标时间节点的水利系统灌水量；
根据所述水利系统灌水量，对所述灌水量调整表中所述待处理区域在所述目标时间节点的灌水量影响因素进行更新。
6.如权利要求5所述的方法，其特征在于，所述根据所述水利系统灌水量，对所述灌水量调整表中所述待处理区域在所述目标时间节点的灌水量影响因素进行更新的步骤，包括：
保持所述作物腾发量、所述作物系数及所述农田水量蒸发量不变，利用公式对所述作物覆盖率进行更新，其中，/>表示所述水利系统灌水量，/>表示所述理想灌水量，/>表示所述作物覆盖率，/>表示所述作物系数，/>表示作物腾发量，/>表示所述农田水量蒸发量。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述待处理区域在目标时间节点的作物所需水量；
将所述作物所需水量与所述灌水量进行比对，并根据比对结果对所述待处理区域进行补水或排水。
8.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述待处理区域在不同时间节点的灌水量，判断所述待处理区域的水量消耗是否存在异常，并在所述水量消耗存在异常的情况下进行提示。
9.一种灌水量计算装置，其特征在于，所述装置包括：
获取模块，用于获取待处理区域的DEM数据；
第一处理模块，用于获取所述待处理区域的基准DEM数据，所述基准DEM数据和所述DEM数据对应不同的时间节点；对所述基准DEM数据和所述DEM数据进行叠加分析，得到参考灌水量体积，所述参考灌水量体积是指所述基准DEM数据和所述DEM数据中不同的数据部分的体积；根据所述参考灌水量体积，得到理想灌水量；
调整模块，用于根据预先建立的灌水量调整表，获得所述待处理区域在目标时间节点的灌水量影响因素，所述灌水量调整表包括所述待处理区域在不同时间节点的灌水量影响因素，所述DEM数据对应目标时间节点；根据所述理想灌水量和所述目标时间节点的灌水量影响因素，计算出所述灌水量，所述灌水量影响因素包括作物腾发量、作物系数、作物覆盖率及农田水量蒸发量中的至少一种。
10.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-8中任一项所述的灌水量计算方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-8中任一项所述的灌水量计算方法。
CN202111134917.7A 2021-09-27 2021-09-27 灌水量计算方法及装置、电子设备及存储介质 Active CN113836728B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111134917.7A CN113836728B (zh) 2021-09-27 2021-09-27 灌水量计算方法及装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111134917.7A CN113836728B (zh) 2021-09-27 2021-09-27 灌水量计算方法及装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113836728A CN113836728A (zh) 2021-12-24
CN113836728B true CN113836728B (zh) 2024-04-26

Family

ID=78970596

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111134917.7A Active CN113836728B (zh) 2021-09-27 2021-09-27 灌水量计算方法及装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113836728B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126662A (zh) * 2019-11-25 2020-05-08 中工武大设计研究有限公司 基于大数据的灌溉决策制定方法、装置、服务器和介质
CN112700089A (zh) * 2020-12-15 2021-04-23 水利部牧区水利科学研究所 一种草原灌溉地水资源消耗量的计算方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160157446A1 (en) * 2012-11-06 2016-06-09 CROPX Technologies LTD. Multiple soil-topography zone field irrigation user interface system and method
US11313811B2 (en) * 2019-12-27 2022-04-26 International Business Machines Corporation Dynamic determination of irrigation-related data using machine learning techniques

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126662A (zh) * 2019-11-25 2020-05-08 中工武大设计研究有限公司 基于大数据的灌溉决策制定方法、装置、服务器和介质
CN112700089A (zh) * 2020-12-15 2021-04-23 水利部牧区水利科学研究所 一种草原灌溉地水资源消耗量的计算方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Methods for estimating irrigation needs of spring wheat in the middle Heihe basin, China;Chuanyan Zhao 等;Agricultural water management;20051231;第75卷;54-70 *
SWAT模型在水稻灌区的改进及应用研究;仕玉治 等;水电能源科学;20100731;第28卷(第07期);18-22 *
利用多时相DEM数据的冰雪覆盖体量变化计算方法研究;蓝秋萍 等;武汉大学学报(信息科学版);20101031;第35卷(第10期);1222-1224 *
灌溉水利用效率随尺度变化规律分布式模拟;谢先红 等;水科学进展;20100930;第21卷(第05期);681-689 *

Also Published As

Publication number Publication date
CN113836728A (zh) 2021-12-24

Similar Documents

Publication Publication Date Title
US9563848B1 (en) Weighted multi-year yield analysis for prescription mapping in site-specific variable rate applications in precision agriculture
US20170270446A1 (en) Agronomic systems, methods and apparatuses for determining yield limits
Riha et al. Impact of temperature and precipitation variability on crop model predictions
US20150370935A1 (en) Agronomic systems, methods and apparatuses
US20160302351A1 (en) Agronomic systems, methods and apparatuses
Soltani et al. SSM-Wheat: a simulation model for wheat development, growth and yield
WO2016154482A1 (en) Agronomic systems, methods and apparatuses
WO2017106962A1 (en) System and method for real-time water management
Timsina et al. Cultivar, Nitrogen, and Moisture Effects on a Rice‐Wheat Sequence: Experimentation and Simulation
CN109874477A (zh) 一种农业园区施肥机托管方法及系统
US11272701B2 (en) Method for remediating developmentally delayed plants
BR112021006110A2 (pt) sistemas e métodos para identificar e utilizar locais de teste em campos agrícolas
CN109492619A (zh) 集遥感、模型、算法为一体的变量施农药方法及系统
Linker et al. Model-based deficit irrigation of maize in Kansas
Bhattacharyay et al. Future of precision agriculture in India
CN116307191B (zh) 一种基于人工智能算法的水资源配置方法、装置和设备
EP4075941A1 (en) Computer implemented method for providing test design and test instruction data for comparative tests on yield, gross margin, efficacy or vegetation indices for at least two products or different application timings of the same product
CN111095314A (zh) 作物植物种植的产量估计
CN113836728B (zh) 灌水量计算方法及装置、电子设备及存储介质
Causarano et al. Improved modeling of soil organic carbon in a semiarid region of Central East Kazakhstan using EPIC
CN115953064A (zh) 一种耕地质量综合治理及优化调控方法
CN116090842A (zh) 农田灌溉决策方法、装置、设备和存储介质
Daza et al. Hardware and software system for hydric estimation and crop irrigation scheduling
Kadiyala et al. Study of spatial water requirements of rice under various crop establishment methods using GIS and crop models
US20230360149A1 (en) Computer implemented method for providing test design and test instruction data for comparative tests for yield, gross margin, efficacy and/or effects on vegetation indices on a field for different rates or application modes of one product

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