CN113919615A - 一种基于无人机遥感数据反演的农田智能灌溉决策系统 - Google Patents

一种基于无人机遥感数据反演的农田智能灌溉决策系统 Download PDF

Info

Publication number
CN113919615A
CN113919615A CN202110604577.3A CN202110604577A CN113919615A CN 113919615 A CN113919615 A CN 113919615A CN 202110604577 A CN202110604577 A CN 202110604577A CN 113919615 A CN113919615 A CN 113919615A
Authority
CN
China
Prior art keywords
irrigation
module
aerial vehicle
unmanned aerial
decision
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.)
Pending
Application number
CN202110604577.3A
Other languages
English (en)
Inventor
李伟
刘晨晨
茹伟民
穆罕默德·阿维
宋睿
刘明江
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.)
Jiangsu University
Original Assignee
Jiangsu 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 Jiangsu University filed Critical Jiangsu University
Priority to CN202110604577.3A priority Critical patent/CN113919615A/zh
Publication of CN113919615A publication Critical patent/CN113919615A/zh
Pending legal-status Critical Current

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • A01G25/16—Control of watering
    • A01G25/167—Control by humidity of the soil itself or of devices simulating soil or of the atmosphere; Soil humidity sensors
    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/22—Improving land use; Improving water use or availability; Controlling erosion

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Optimization (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Agronomy & Crop Science (AREA)
  • Soil Sciences (AREA)
  • Software Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Databases & Information Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Algebra (AREA)
  • Environmental Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种基于无人机遥感数据反演的农田智能灌溉决策系统，包括：无人机平台；田间气象站，用于采集气象数据；上位机；田间灌溉执行装置；其中，无人机平台将获取的图像传递至智能图像处理系统模块，智能图像处理系统模块将提取的目标冠层温度数据上传到自动决策系统模块中，气象站数据采集模块将田间气象站采集的数据上传到自动决策系统模块中，自动决策系统模块根据接收的数据，结合植株高度和喷灌管道，自动估算出作物水分胁迫指数，诊断出作物水分亏缺状况，进而得到灌溉量以及灌溉时长，并通过灌溉远程控制模块控制田间灌溉执行装置。本发明解决目前灌溉系统中没有直接反演出灌溉时长、存在应用地域限制的问题。

Description

一种基于无人机遥感数据反演的农田智能灌溉决策系统
技术领域
本发明涉及农业灌溉领域，具体涉及一种基于无人机遥感数据反演的农田智能灌溉决策系统。
背景技术
我国淡水资源相对缺乏，且农业灌溉用水占据总用水量一半以上，但是，现阶段我国农作物的灌水定额仍旧主要依靠经验，并没有完全实现按需定额，既造成了水资源的过度浪费，也影响了作物的生长。因此，大力发展作物精准灌溉迫在眉睫。
土壤一植物一大气连续体内热量和水汽通量决定了作物冠层温度，当供水不能满足植物蒸腾需水要求时，蒸腾速率降低，植物冠层温度升高，因此冠层温度可以作为成为判别作物水分状况的重要指标。
随着无人机新技术与红外热成像技术快速发展，低空多旋翼无人机具有体积小、灵活、可短距起飞等特点，其搭载红外热成像传感器能够快速、无损地在低空拍摄出大面积农田的高精度的红外热成像，红外热成像可提取出精确的作物冠层温度值。
经检索，目前基于无人机热红外遥感的农田灌溉系统研究的专利有：申请号201610024995.4，基于无人机红外热图像采集的大面积农田作物水分状态监测方法及系统。该作物水分状况监测方法及系统仅仅计算出作物水分胁迫指数，并没有表明CWSI与灌溉量之间的关系，没有真正计算出灌溉量或灌溉时间，且系统自动化程度很低，软件操作过程非常复杂、繁琐。目前灌溉决策方法的专利有：申请号201910956487.3，基于气象预告的灌溉决策方法及装置。该决策系统使用实际作物蒸发蒸腾量ETc、参考作物蒸发蒸腾量ET0和作物系数Kc来估算浇灌量，参考作物蒸发蒸腾量ET0直接采用以Penman-Monteith公式的ET0计算公式方法或采用修正过的Penman-Monteith公式的ET0计算公式方法。这些决策系统还存在明显的缺陷，这些系统的数据来源手段均采用田间传感器，监测区域小，只是用于小面积农田，无法大范围推广使用。目前基于作物水分胁迫指数理论模型的灌溉决策方法的专利有：申请号03109818.5，一种作物水分胁迫指数测定装置及其测定方法。该发明中，对作物水分胁迫指数理论模型计算方法中很多参数依赖具体的实验测定方法，例如空气饱和水汽压差VPD、作物最小冠层阻力rcp等参数，这种方法的操作过程太繁琐，并且测定的数值偏差大，且无法实现智能化处理。
发明内容
针对现有技术中存在不足，本发明提供了一种基于无人机遥感数据反演的农田智能灌溉决策系统，解决目前灌溉系统中没有直接反演出灌溉时长、存在应用地域限制的问题。
本发明是通过以下技术手段实现上述技术目的的。
一种基于无人机遥感数据反演的农田智能灌溉决策系统，包括：
无人机平台，用于在低空采集农田红外热影像；
田间气象站，用于采集风速、空气相对湿度、空气温度和太阳净辐射；
上位机，包括气象站数据采集模块、智能图像处理系统模块、自动决策系统模块、灌溉远程控制模块；及
田间灌溉执行装置；
其中，所述无人机平台、所述田间气象站以及所述喷灌设备均与所述上位机连接，所述无人机平台将获取的图像传递至所述智能图像处理系统模块，所述智能图像处理系统模块将提取的目标冠层温度数据上传到所述自动决策系统模块中，所述气象站数据采集模块将所述田间气象站采集的数据上传到所述自动决策系统模块中，所述自动决策系统模块根据接收的数据，结合植株高度和喷灌管道，自动估算出作物水分胁迫指数，诊断出作物水分亏缺状况，得到灌溉量以及灌溉时长，并通过灌溉远程控制模块控制田间灌溉执行装置。
进一步地，所述田间气象站包括风速传感器模块、空气相对湿度传感器模块、空气温度传感器模块和太阳净辐射传感器模块。
进一步地，所述田间灌溉执行装置通过4G通信模块与所述上位机通信。
进一步地，所述自动决策系统模块的决策方法包括：
S1：计算作物水分胁迫指数，计算公式为作物水分胁迫指数理论模型；
S2：设置水分胁迫指数阈值为0.3，当CWSI小于0.3时作物不用浇灌，当CWSI大于等于0.3时作物需要灌溉，进入步骤S3；
S3：计算灌溉量与灌溉时长，计算方法为：
将土壤水分修正系数与ETa＝Ks·ETp和作物水分胁迫指数公式联立，得到土壤含水量与CWSI之间的线性关系公式：
θ＝(1-CWSI)·Δθ+θwp，(Δθ＝θj-θwp) (1)
其中：θ—土层在此CWSI下的含水量
θwp—凋萎含水量(常数)
θj—毛管断裂含水量(常数)
土壤水分修正系数：Ks＝(θ-θwp)/(θj-θwp)。
进一步地，所述步骤S1中计算作物水分胁迫指数的计算公式为：
Figure BDA0003093736240000031
式中：
Figure BDA0003093736240000032
Figure BDA0003093736240000033
Figure BDA0003093736240000034
当风速小于2m/s时，
Figure BDA0003093736240000035
当风速大于等于2m/s时，
Figure BDA0003093736240000036
Figure BDA0003093736240000037
Figure BDA0003093736240000038
Figure BDA0003093736240000039
其中：ETa为实际蒸散量，mm/d；ETP为理论蒸散量，mm/d；Tc为冠层温度，℃；Ta为空气温度，℃；γ为干湿表常数，Pa/℃；rc为冠层阻力，s·m-1；ra为空气动力学阻力，s·m-1；Δ为饱和水蒸气随温度变化的斜率，KPa/℃；VPD为饱和水汽压差，hPa；P为大气压，Pa；λ为水蒸发潜热，λ＝2.45；Cp为定压比热，J/(kg·℃)，Cp＝1.013×103J/(kg·℃)；ε为水与空气的分子量之比；RH为空气湿度，％；Rn为太阳净辐射，W/m2；G为土壤热通量，W/m2；rcp为最小冠层阻力，s·m-1；z为风速传感器的高度，m；u为参考高度处的风速，m/s；h为植株高度，m，d为零平面位移，m；z0为表面粗糙度高度，m；k为卡尔曼常数。
进一步地，当CWSI大于0.3时，自动决策系统模块首先计算单位面积的灌溉量，再根据单位面积灌溉量和土地面积计算灌水量，然后，选择喷灌设备，最后根据喷灌设备的管道流量计算灌溉时长，通过灌溉远程控制模块控制喷灌设备喷灌，使得CWSI小于0.3。
进一步地，取计算机当前时间并延后两分钟作为开始灌水时间，灌水结束时间为开始时间与灌水时长之和，计算公式：
灌水量＝单位面积灌溉量×土地面积 (5)
开始灌水时间＝系统当前时间+2分钟灌水 (6)
灌水时长(分钟)＝灌水量÷管道流量 (7)。
本发明的有益效果：
本发明将无人机遥感新技术与田间气象站结合，快速采集大面积农田红外热成像和田间气象站数据，系统自动从红外热成像中提取冠层温度数据，并结合田间植株高度和相关气象数据自动计算出灌溉量及灌溉时长，大幅度降低了操作的复杂性，提高了农业灌溉现代化水平。
本发明以作物水分胁迫指数理论模型为基础建立作物水分胁迫指数与灌溉量和灌溉时长之间的模型关系，对于作物水分胁迫指数中的一些参数的测定摒弃了现有的实验测定的方法，更多的使用公式计算的方法，这样不仅可以提高这些参数的精确度，而且总体可以实现智能化决策。
本发明利用无人机遥感技术监测范围广、速度快、效率高等特点，可针对大面积农田进行监测，突破了地域的限制。
附图说明
图1为本发明所述一种基于无人机遥感数据反演的农田智能灌溉决策系统的决策方法流程图；
图2为本发明智能图像处理系统模块流程图；
图3为本发明上位机和田间灌溉执行装置的示意图；
图4为本发明继电器工作原理图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。
一种基于无人机遥感数据反演的农田智能灌溉决策系统，包括：无人机平台、田间气象站、上位机和田间灌溉执行装置。
具体的，上位机，包括气象站数据采集模块、智能图像处理系统模块、自动决策系统模块、灌溉远程控制模块。
无人机平台包括无人机和红外热成像相机，无人机搭载红外热成像相机在低空采集红外热影像，保存在存储卡里，并且将获取的图像传递至所述智能图像处理系统模块，如图2所示，智能图像处理系统模块对图像几何校正、拼接、去噪、分割，并最终提取目标冠层温度数据，将目标冠层温度数据上传到自动决策系统模块。
田间气象站铺设在农田中，且位于具有良好监测条件的位置，田间气象站主要包含风速传感器模块、空气相对湿度传感器模块、空气温度传感器模块、太阳净辐射传感器模块，各个传感器模块放置在田间监测条件较好的地方，其中风速传感器放置在2.5米高空，各个传感器模块用来采集田间气象数据，田间气象站通过供电模块进行供电。在无人机平台采集图像的同时，气象站数据采集模块远程控制田间气象站采集相关气象数据，包括风速、空气相对湿度、空气温度、太阳净辐射，并上传到自动决策系统模块。
田间布置田间灌溉执行装置，田间灌溉执行装置包括STM32F407单片机，此单片机外扩RS485模块、USB串口通信模块、4G无线通信模块、继电器模块，RS485模块选用MAX485芯片，RS485模块的“485A”、“485B”接口分别与4G无线通信模块的“A”、“B”接口连接，单片机中的PF6\GND引脚与继电器模块中的三极管形成回路，三极管另一端与继电器线圈和VCC连接。
自动决策系统模块根据接收的数据，结合植株高度和喷灌管道，自动估算出作物水分胁迫指数，诊断出作物水分亏缺状况，得到灌溉量以及灌溉时长，其中，植株高度和喷灌管道直径由人工输入到自动决策系统模块。
灌溉远程控制模块根据自动决策系统模块传递的信号控制田间灌溉执行装置。具体的，灌溉远程控制模块通过发送端无线通信模块将灌溉时长信息远程发送给4G无线通信模块，进而传输给单片机，控制单片机的PF6引脚为高电平或低电平。当PF6引脚为低电平时，线圈通电，从而产生磁力，吸附开关向下，实现触点连接，从而实现工作电路回路闭合，实现电动机运转，带动水泵转轴转动，实现喷灌设备进行浇灌；当PF6引脚为高电平时，线圈不通电，导致工作电路回路断路，电动机停止运转，停止浇灌。
如图1所示，上述自动决策系统模块的决策方法包括：
S1：计算作物水分胁迫指数，计算公式为作物水分胁迫指数理论模型，计算公式为：
Figure BDA0003093736240000061
式中：
Figure BDA0003093736240000062
Figure BDA0003093736240000063
Figure BDA0003093736240000064
当风速小于2m/s时，
Figure BDA0003093736240000065
当风速大于等于2m/s时，
Figure BDA0003093736240000066
Figure BDA0003093736240000067
Figure BDA0003093736240000068
Figure BDA0003093736240000069
其中：ETa为实际蒸散量，mm/d；ETP为理论蒸散量，mm/d；Tc为冠层温度，℃；Ta为空气温度，℃；γ为干湿表常数，Pa/℃；rc为冠层阻力，s·m-1；ra为空气动力学阻力，s·m-1；Δ为饱和水蒸气随温度变化的斜率，KPa/℃；VPD为饱和水汽压差，hPa；P为大气压，Pa；λ为水蒸发潜热，λ＝2.45；Cp为定压比热，J/(kg·℃)，Cp＝1.013×103J/(kg·℃)；ε为水与空气的分子量之比；RH为空气湿度，％；Rn为太阳净辐射，W/m2；G为土壤热通量，W/m2；rcp为最小冠层阻力，s·m-1；z为风速传感器的高度，m；u为参考高度处的风速，m/s；h为植株高度，m，d为零平面位移d＝0.63h，m；z0为表面粗糙度高度z0＝0.13h，m；k为卡尔曼常数0.41。
S2：设置水分胁迫指数阈值为0.3，当CWSI小于0.3时作物不用浇灌，当CWSI大于等于0.3时作物需要灌溉，进入步骤S3；
S3：计算灌溉量与灌溉时长，计算方法为：
将土壤水分修正系数与ETa＝Ks·ETp和作物水分胁迫指数公式联立，得到土壤含水量与CWSI之间的线性关系公式：
θ＝(1-CWSI)·Δθ+θwp，(Δθ＝θj-θwp) (4)
其中：θ—土层在此CWSI下的含水量
θwp—凋萎含水量(常数)
θj—毛管断裂含水量(常数)
土壤水分修正系数：Ks＝(θ-θwp)/(θj-θwp)
根据国外科学家Jackson的研究结果，当CWSI>0.3时，作物开始受到干旱胁迫影响；CWSI>0.5时，干旱胁迫严重并且生长停止。因此，设置水分胁迫指数阈值为0.3。
从上述土壤含水量与CWSI之间的线性关系公式可以看出：当CWSI越大，土壤中含水量越低。根据上述CWSI与土壤含水量之间的线性关系公式，若作物需要灌溉，为使得作物CWSI小于等于0.3，可以计算出灌溉量与灌溉时长，其计算方法为：自动决策系统模块首先计算单位面积的灌溉量，再根据单位面积灌溉量和土地面积计算灌水量，然后，选择喷灌设备，最后根据喷灌设备的管道流量计算灌溉时长，通过灌溉远程控制模块控制喷灌设备喷灌，从而使得CWSI小于0.3。
确保灌溉足量，取计算机当前时间并延后两分钟作为开始灌水时间，灌水结束时间为开始时间与灌水时长之和，计算公式：
灌水量＝单位面积灌溉量×土地面积 (5)
开始灌水时间＝系统当前时间+2分钟灌水 (6)
灌水时长(分钟)＝灌水量÷管道流量 (7)。

Claims (7)

1.一种基于无人机遥感数据反演的农田智能灌溉决策系统，其特征在于，包括：
无人机平台，用于在低空采集农田红外热影像；
田间气象站，用于采集风速、空气相对湿度、空气温度和太阳净辐射；
上位机，包括气象站数据采集模块、智能图像处理系统模块、自动决策系统模块、灌溉远程控制模块；及
田间灌溉执行装置；
其中，所述无人机平台、所述田间气象站以及所述喷灌设备均与所述上位机连接，所述无人机平台将获取的图像传递至所述智能图像处理系统模块，所述智能图像处理系统模块将提取的目标冠层温度数据上传到所述自动决策系统模块中，所述气象站数据采集模块将所述田间气象站采集的数据上传到所述自动决策系统模块中，所述自动决策系统模块根据接收的数据，结合植株高度和喷灌管道，自动估算出作物水分胁迫指数，诊断出作物水分亏缺状况，得到灌溉量以及灌溉时长，并通过灌溉远程控制模块控制田间灌溉执行装置。
2.根据权利要求1所述的基于无人机遥感数据反演的农田智能灌溉决策系统，其特征在于，所述田间气象站包括风速传感器模块、空气相对湿度传感器模块、空气温度传感器模块和太阳净辐射传感器模块。
3.根据权利要求1所述的基于无人机遥感数据反演的农田智能灌溉决策系统，其特征在于，所述田间灌溉执行装置通过4G通信模块与所述上位机通信。
4.根据权利要求1所述的基于无人机遥感数据反演的农田智能灌溉决策系统，其特征在于，所述自动决策系统模块的决策方法包括：
S1：计算作物水分胁迫指数，计算公式为作物水分胁迫指数理论模型；
S2：设置水分胁迫指数阈值为0.3，当CWSI小于0.3时作物不用浇灌，当CWSI大于等于0.3时作物需要灌溉，进入步骤S3；
S3：计算灌溉量与灌溉时长，计算方法为：
将土壤水分修正系数与ETa＝Ks·ETp和作物水分胁迫指数公式联立，得到土壤含水量与CWSI之间的线性关系公式：
θ＝(1-CWSI)·Δθ+θwp，(Δθ＝θj-θwp) (1)
其中：θ—土层在此CWSI下的含水量
θwp—凋萎含水量(常数)
θj—毛管断裂含水量(常数)
土壤水分修正系数：Ks＝(θ-θwp)/(θj-θwp)。
5.根据权利要求4所述的基于无人机遥感数据反演的农田智能灌溉决策系统，其特征在于，所述步骤S1中计算作物水分胁迫指数的计算公式为：
Figure FDA0003093736230000021
式中：
Figure FDA0003093736230000022
Figure FDA0003093736230000023
Figure FDA0003093736230000024
当风速小于2m/s时，
Figure FDA0003093736230000025
当风速大于等于2m/s时，
Figure FDA0003093736230000026
Figure FDA0003093736230000027
Figure FDA0003093736230000028
Figure FDA0003093736230000029
其中：ETa为实际蒸散量，mm/d；ETP为理论蒸散量，mm/d；Tc为冠层温度，℃；Ta为空气温度，℃；γ为干湿表常数，Pa/℃；rc为冠层阻力，s·m-1；ra为空气动力学阻力，s·m-1；Δ为饱和水蒸气随温度变化的斜率，KPa/℃；VPD为饱和水汽压差，hPa；P为大气压，Pa；λ为水蒸发潜热，λ＝2.45；Cp为定压比热，J/(kg·℃)，Cp＝1.013×103J/(kg·℃)；ε为水与空气的分子量之比；RH为空气湿度，％；Rn为太阳净辐射，W/m2；G为土壤热通量可取Rn的10％，W/m2；rcp为最小冠层阻力，s·m-1；z为风速传感器的高度，m；u为参考高度处的风速，m/s；h为植株高度，m，d为零平面位移d＝0.63h，m；z0为表面粗糙度高度，m；k为卡尔曼常数＝0.41。
6.根据权利要求4所述的基于无人机遥感数据反演的农田智能灌溉决策系统，其特征在于，当CWSI大于0.3时，自动决策系统模块首先计算单位面积的灌溉量，再根据单位面积灌溉量和土地面积计算整个农田的灌水量，然后，选择喷灌设备，最后根据喷灌设备的管道流量计算灌溉时长，通过灌溉远程控制模块控制喷灌设备喷灌，使得CWSI小于0.3。
7.根据权利要求6所述的基于无人机遥感数据反演的农田智能灌溉决策系统，其特征在于，取计算机当前时间并延后两分钟作为开始灌水时间，灌水结束时间为开始时间与灌水时长之和，计算公式：
灌水量＝单位面积灌溉量×土地面积 (5)
开始灌水时间＝系统当前时间+2分钟灌水 (6)
灌水时长(分钟)＝灌水量÷管道流量 (7)。
CN202110604577.3A 2021-05-31 2021-05-31 一种基于无人机遥感数据反演的农田智能灌溉决策系统 Pending CN113919615A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110604577.3A CN113919615A (zh) 2021-05-31 2021-05-31 一种基于无人机遥感数据反演的农田智能灌溉决策系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110604577.3A CN113919615A (zh) 2021-05-31 2021-05-31 一种基于无人机遥感数据反演的农田智能灌溉决策系统

Publications (1)

Publication Number Publication Date
CN113919615A true CN113919615A (zh) 2022-01-11

Family

ID=79232784

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110604577.3A Pending CN113919615A (zh) 2021-05-31 2021-05-31 一种基于无人机遥感数据反演的农田智能灌溉决策系统

Country Status (1)

Country Link
CN (1) CN113919615A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114391465A (zh) * 2022-01-14 2022-04-26 保利物业服务股份有限公司 一种可远程控制的智能园林绿化养护方法及系统
CN114431124A (zh) * 2022-03-03 2022-05-06 郑州麦佳农业科技有限公司 一种用于农业种植的喷淋智能控制方法
CN115126686A (zh) * 2022-08-31 2022-09-30 山东中聚电器有限公司 用于植保无人机载隔膜泵控制系统
CN115152391A (zh) * 2022-06-27 2022-10-11 成都农业科技职业学院 农用无人机实现的作物自动喷灌设备及控制方法
CN115250887A (zh) * 2022-07-27 2022-11-01 中化现代农业有限公司 农作物灌溉方法、系统、设备及介质
CN115841470A (zh) * 2022-12-05 2023-03-24 中国科学院合肥物质科学研究院 一种基于根际的雾培番茄水分胁迫估算方法
CN115984718A (zh) * 2022-12-02 2023-04-18 水利部交通运输部国家能源局南京水利科学研究院 灌区水稻需水信息感知及灌溉决策方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114391465A (zh) * 2022-01-14 2022-04-26 保利物业服务股份有限公司 一种可远程控制的智能园林绿化养护方法及系统
CN114391465B (zh) * 2022-01-14 2022-09-02 保利物业服务股份有限公司 一种可远程控制的智能园林绿化养护方法及系统
CN114431124A (zh) * 2022-03-03 2022-05-06 郑州麦佳农业科技有限公司 一种用于农业种植的喷淋智能控制方法
CN114431124B (zh) * 2022-03-03 2022-12-23 郑州麦佳农业科技有限公司 一种用于农业种植的喷淋智能控制方法
CN115152391A (zh) * 2022-06-27 2022-10-11 成都农业科技职业学院 农用无人机实现的作物自动喷灌设备及控制方法
CN115250887A (zh) * 2022-07-27 2022-11-01 中化现代农业有限公司 农作物灌溉方法、系统、设备及介质
CN115126686A (zh) * 2022-08-31 2022-09-30 山东中聚电器有限公司 用于植保无人机载隔膜泵控制系统
CN115984718A (zh) * 2022-12-02 2023-04-18 水利部交通运输部国家能源局南京水利科学研究院 灌区水稻需水信息感知及灌溉决策方法
CN115984718B (zh) * 2022-12-02 2023-07-18 水利部交通运输部国家能源局南京水利科学研究院 灌区水稻需水信息感知及灌溉决策方法
CN115841470A (zh) * 2022-12-05 2023-03-24 中国科学院合肥物质科学研究院 一种基于根际的雾培番茄水分胁迫估算方法
CN115841470B (zh) * 2022-12-05 2023-08-11 中国科学院合肥物质科学研究院 一种基于根际的雾培番茄水分胁迫估算方法

Similar Documents

Publication Publication Date Title
CN113919615A (zh) 一种基于无人机遥感数据反演的农田智能灌溉决策系统
CN106718695B (zh) 一种智能节水灌溉物联网控制系统
Vasisht et al. {FarmBeats}: an {IoT} platform for {Data-Driven} agriculture
CN107945042B (zh) 一种作物生长灌溉决策控制系统
US8285460B2 (en) Varying irrigation scheduling based on height of vegetation
CN108446997B (zh) 一种基于多源信息融合的作物节水灌溉决策方法及测控系统
JP6555781B2 (ja) 水位管理システム
US8295979B2 (en) Adaptive scheduling of a service robot
CN110134147A (zh) 一种植保无人机的自主路径规划方法及装置
CN109169186A (zh) 一种基于物联网的丘陵作物灌溉系统及方法
US8924031B1 (en) Irrigation scheduling and supervisory control and data acquisition system for moving and static irrigation systems
KR102342392B1 (ko) 작물의 수분스트레스 진단을 이용한 관개 시스템 및 방법
CN108760660A (zh) 一种返青期冬小麦叶绿素含量估算方法
CN113841595A (zh) 基于土壤湿度和深度结合的节能型智能精准灌溉系统
KR102537505B1 (ko) 지능형 자율 관수 시스템
CN109906833B (zh) 一种基于大数据的温室智能管理系统
CN115804334A (zh) 一种基于数字孪生的农田灌溉智慧决策系统
CN117114374B (zh) 一种基于天气预测的智慧农业灌溉管理系统
CN111316802B (zh) 基于大型喷灌机的作物水肥监测方法、装置、设备及介质
CN105547360A (zh) 基于情景感知的作物冠层图像采集方法
CN109324051A (zh) 一种植物水分检测方法及系统
CN111742825A (zh) 农田精准灌溉控制模型的构建与应用
Palconit et al. IoT-based precision irrigation system for eggplant and tomato
CN108293476B (zh) 一种基于无人机成像的大型灌区旱作物灌水质量评价方法
CN111814585A (zh) 无人机近地空作物苗情遥感监测方法、装置及存储介质

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