CN114002951B - 一种水稻硬地育秧模糊控制灌溉方法 - Google Patents
一种水稻硬地育秧模糊控制灌溉方法 Download PDFInfo
- Publication number
- CN114002951B CN114002951B CN202111085721.3A CN202111085721A CN114002951B CN 114002951 B CN114002951 B CN 114002951B CN 202111085721 A CN202111085721 A CN 202111085721A CN 114002951 B CN114002951 B CN 114002951B
- Authority
- CN
- China
- Prior art keywords
- seedling
- coefficient
- tray
- area
- seedlings
- 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
Links
- 230000002262 irrigation Effects 0.000 title claims abstract description 47
- 238000003973 irrigation Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 19
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 10
- 235000009566 rice Nutrition 0.000 title claims abstract description 10
- 240000007594 Oryza sativa Species 0.000 title claims abstract 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 61
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 239000002689 soil Substances 0.000 claims abstract description 16
- 230000000630 rising effect Effects 0.000 claims abstract description 11
- 230000008020 evaporation Effects 0.000 claims abstract description 10
- 238000001704 evaporation Methods 0.000 claims abstract description 10
- 230000005068 transpiration Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 12
- 239000000758 substrate Substances 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 230000004907 flux Effects 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 239000007921 spray Substances 0.000 description 15
- 241000209094 Oryza Species 0.000 description 7
- 238000005259 measurement Methods 0.000 description 5
- 239000000523 sample Substances 0.000 description 5
- 238000005507 spraying Methods 0.000 description 4
- 240000007651 Rubus glaucus Species 0.000 description 3
- 235000011034 Rubus glaucus Nutrition 0.000 description 3
- 235000009122 Rubus idaeus Nutrition 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 208000005156 Dehydration Diseases 0.000 description 2
- 235000013339 cereals Nutrition 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010413 gardening Methods 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
- A01G27/00—Self-acting watering devices, e.g. for flower-pots
-
- 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
- A01G27/00—Self-acting watering devices, e.g. for flower-pots
- A01G27/003—Controls for self-acting watering devices
-
- 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
-
- 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)
- Water Supply & Treatment (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种水稻硬地育秧模糊控制灌溉方法，包括步骤：计算秧苗的腾发量；考虑基础作物系数和土壤蒸发系数进行秧苗的模糊化双系数腾发量计算；通过无人机搭载摄像头对秧苗生长状态进行监测，采用移动喷灌头实现秧盘的精确灌溉。喷灌系统由摄像头、喷灌泵、固定喷头、主控单元、4G网络模块、云端服务器、APP组成。糊逻辑充分考虑到作物水分的蒸发蒸腾作用，通过24h天气预报的光照、湿度、大气压、温度值，七级模糊化预估秧盘当天所需的腾发量，再通过模糊化双作物系数法修正形成基础灌溉量。本发明实现低成本的精确滴灌，具有广泛的应用前景和切实可行的实用价值。
Description
技术领域
本发明涉及园林园艺喷灌装置，尤其涉及一种水稻硬地育秧模糊控制灌溉方法。
背景技术
传统的水稻硬地育秧灌溉方式耗水量较大，节水和节能是智能灌溉的两个重要思想，在灌溉作业频次较低的情形下，节水显得尤为重要。根据育秧生产实践，灌溉不当会形成秧苗减产10％-30％。随着信息技术的发展，传感网与自动化在现代农业中得到了广泛的应用，现代智能灌溉逐步取代了传统灌溉方式。智能灌溉的基础通常是种植土壤水分的测定和作物需水量的计算。土壤水分测定被认为与作物含水量具有一定的约束关系，因此通过育秧基质的水分测定从而进行硬地育秧灌溉，是一种常规的技术手段。但育秧盘数量众多，且集中育秧各个片区的育秧盘下种时间也不尽一致。真实的秧盘需水测定需要对每一个育秧盘进行育秧基质水分监测，传统工艺无疑需要耗用大量的水分监测传感器，这种技术手段在工程实际难以实施。
采用大气温度、大气湿度、光照、风速等气候参数用于灌溉控制，间接分析土壤水分的状况和作物的需水情况，成为了工程师常用的技术手段。采用气候参数用于灌溉控制具有腾发量计算这一理论基础作为支撑，降低了灌溉调度对土壤或种植基质水分监测的依赖。进一步，胁迫水分指数用于指导灌溉，这也是智能灌溉定量计算的一种常规计算手段。作物水分胁迫指数受土壤水分与气象双重影响而波动较大，应用作物水分胁迫指数估测土壤水分，应更充分考虑气象因子影响，或者去除气象因子的影响作用。
发明内容
发明目的：本发明的目的是提供一种水稻硬地育秧模糊控制灌溉方法，实现秧盘节水节能的智能精确灌溉。
技术方案：一种水稻硬地育秧模糊控制灌溉方法，包括如下步骤：
步骤1：秧苗的腾发量计算；
步骤2：考虑基础作物系数和土壤蒸发系数进行秧苗的模糊化双系数腾发量计算；
步骤3：通过无人机搭载摄像头对秧苗生长状态进行监测，采用移动喷灌头实现秧盘的精确灌溉。
进一步地，步骤1具体为：
依据能量平衡原理和水汽扩散原理及空气的热导定律，利用公式(1)计算作物蒸腾量的方法：
其中各变量的含义为：
ET0表示小时内的参考作物蒸发量，Rn表示小时内的作物表面的平均净辐射，G表示土壤热通量，Thr表示小时内的平均温度，u2表示小时内两米处的平均风速，es表示饱和水汽压，ea表示实际水汽压，Δ表示饱和水汽压温度曲线上的斜率，γ表示为温度计常数(kPa/℃)。
公式中，Thr、u2可以通过测量与天气预报获得，γ、es、ea、Δ、Rn可以利用可获取的参数通过计算获得，G一般认为夜间是Rn的0.5倍，白天是Rn的0.1倍。光合有效辐射波段的总日射辐照度和散射辐照度与光照度的关系是线性的[7,8]，可以从天气预报中获取。饱和水汽压与海拔高度以及气温相关，可以查表获得。24小时内的平均温度可以通过天气预报获取。24小时内两米处的平均风速可以通过天气预报获取。
进一步地，γ在已知海拔高度的情形下通过式(2)计算获取，
其中，z为海拔高度：
es为饱和水汽压通过公式(3)计算获取，
其中，Thr为24小时平均天气预报气温，
ea为实际的水汽压，在已知空气湿度的情况下，由公式(4)计算获得：
其中，RHmean表示小时内的平均空气湿度，
Δ为饱和水汽压温度曲线上的斜率，为空气温度的函数，由公式(5)计算：
进一步地，步骤2具体为：
双作物系数法的需水量计算采用公式(6)计算：
ET＝(Kcb+Ke)ET0 (6)
其中，Kcb为基础作物系数，Ke为土壤蒸发系数，Kcb和Ke不易获得精确计算值，采用公式(7)模糊化策略对修正因子进行模糊计算：
ET＝Fmod(Prs，Pe)ET0 (7)
Prs＝Sleaf/Stray+Zeg(Hrs-123)/1.2 (8)
Pe＝(1-Sleaf/Stray)+Zeg(155-Hrs)/1.55-0.1 (10)
其中，Sleaf为基质盘内的秧苗绿色区域像素面积，Stray为秧苗的基质盘区域像素面积，Hrs为秧苗生长高度，Prs为秧苗叶片对基质盘的覆盖系数，Pe为基质对基质盘的覆盖系数。秧苗的生长高度分布规律如图3所示，成苗高度在155mm左右，秧苗基本覆盖秧盘的高度在123mm左右，因此式(8)-式(11)中的123和155两个值的取值需要根据实际育秧的间距、秧苗的类别进行微调，分别取实际基本覆盖秧盘时秧苗高度和实际成苗高度。
进一步地，秧苗的生长参数获取具体包括：
摄像头所获取的图像分为两个部分，Sleaf为基质盘内的秧苗绿色区域像素面积，Stray为秧苗的基质盘区域像素面积，
(1)监视区域划分
固定相机，在基质盘监视区域确定像素统计矩形区域AT，其面积标记为SAT，
(2)取景框划分与秧苗叶片像素统计
取4×4的像素矩阵，对矩阵中任意像素(Rr，Gr，Br)，确定秧苗叶片的像素的中心点(RL，GL，BL)，计算并统计任意像素到秧苗叶片的像素的中心点距离，统计距离D(L，r)＜0.1的像素点个数Npl，
D(L，r)＝[((RL-Rr)2+(GL-Gr)2+(BL-Br)2))/195075]1/2 (12)
Ppl＝Npl/8 (13)
如果Ppl＞0.5，则表明该像素区域为秧苗叶片，
(3)Sleaf与Stray的计算
则可以统计出矩形区域AT中所有秧苗叶片区域个数Nl，以及总的判别区域个数NT
Stray＝SAT (15)
有益效果：与现有技术相比，本发明具有如下显著的优点：水稻硬地育秧模糊控制灌溉系统充分考虑气象因子对作物腾发作用的影响，同时又充分考虑作物生长状况对腾发作用的模糊修正。气象预测数据可以免费从公共资源获取，无需架设专门的气象站；模糊修正通过无人机搭载低成本摄像头对秧苗生长状态进行监测，采用移动喷灌头对秧盘的精确灌溉，实现整个灌溉系统的节水节能。
附图说明
图1为本发明中滴灌系统框架示意图；
图2为本发明中隶属函数示意图；
图3为本发明实施例的秧苗生长期的日平均高度柱状图；
图4为本发明实施例的日平均腾发系数计算结果图；
图5为本发明实施例的日平均浇水量示意图；
图6为本发明实施例的成苗质量示意图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明。
如图1所示，灌溉系统由摄像头5、喷灌泵2、移动喷头7、卷管器3、缓冲水箱1、超声波秧苗测高探头10、树莓派主控单元4、4G网络模块6、云端服务器8、APP 9组成。秧苗盘的需水状况和秧苗的覆盖率由摄像头5和树莓派主控单元4协同计算并完成，通过一个4G网络模块6获取天气预报信息，并响应云端服务器8数据请求，将现场数据实时传递至云端服务器8。秧苗的精确灌溉由移动喷头7完成，每一组移动喷头7可以服务于5m的区域，每组卷管器3可支持25m的直线移动，因此300×50的集中育秧基地只需布置60组移动式喷头，即可以完成全部育秧区域精确喷灌。缓冲水箱1是用于保障喷灌泵2的精确喷施所需用水，加装缓冲水箱1后，总供水管路无需调压，只需保持缓冲水箱1的水位即可，无需专门配置主供水管路。由于秧苗高度只有超过120mm才计入需水量计算，此时秧苗的覆盖率90％以上，采用超声波秧苗测高探头10可以较好地测定秧苗的生长高度。
缓冲水箱1安装在秧田中间，两边各25m，移动喷淋的位移50mm。喷灌泵2安装在缓冲水箱1外侧，缓冲水箱1配置有水位开关。卷管器3用于自动伸缩水管，移动喷头7均匀布置在5m的支撑梁上，通过空中滑轨支撑，超声波秧苗测高探头10安装在支撑梁上，摄像头安装在秧苗田外侧，安装高度高于移动喷头7，摄像头朝下，垂直于秧苗。树莓派主控单元4通过USB口连接摄像头，通过TTL串口连接4G网络模块6的串口，中间配置一个TTL与RS485的转换接头，APP 9和4G网络模块6均采用4G/5G信号与云端服务器8相连。
水稻硬地育秧模糊控制灌溉方法，包括如下步骤：
1、秧苗的腾发量理论计算：
依据能量平衡原理和水汽扩散原理及空气的热导定律，利用公式(1)计算作物蒸腾量的方法：
其中各变量的含义为：
ET0[mm day-1]，小时内的参考作物蒸发量；
Rn[MJ m-2day-1]，小时内的作物表面的平均净辐射；
G[MJ m-2day-1]，土壤热通量；
Thr[℃]，小时内的平均温度；
u2[m s-1]，小时内两米处的平均风速；
es[kPa]，饱和水汽压；
ea[kPa]，实际水汽压；
Δ[kPa℃-1]，Δ为饱和水汽压温度曲线上的斜率(kPa/℃)；
γ[kPa℃-1]，γ为温度计常数(kPa/℃)。
公式中，Thr、u2可以通过测量与天气预报获得，γ、es、ea、Δ、Rn可以利用可获取的参数通过计算获得，G一般认为夜间是Rn的0.5倍，白天是Rn的0.1倍。光合有效辐射波段的总日射辐照度和散射辐照度与光照度的关系是线性的[7,8]，可以从天气预报中获取。饱和水汽压与海拔高度以及气温相关，可以查表获得。24小时内的平均温度可以通过天气预报获取。24小时内两米处的平均风速可以通过天气预报获取。
γ在已知海拔高度的情形下通过式(2)计算获取，
其中，z为海拔高度：
es为饱和水汽压通过公式(3)计算获取,
其中，Thr为24小时平均天气预报气温，
ea为实际的水汽压，在已知空气湿度的情况下，由公式(4)计算获得：
其中，RHmean表示小时内的平均空气湿度，
Δ为饱和水汽压温度曲线上的斜率，为空气温度的函数，由公式(5)计算：
2、秧苗的模糊化双系数腾发量计算：
双作物系数法的需水量计算采用公式(6)计算：
ET＝(Kcb+Ke)ET0 (6)
其中，Kcb为基础作物系数，Ke为土壤蒸发系数，Kcb的计算对于ET的选择具有较大影响，硬地育秧灌溉实践表明，秧苗的叶龄、湿度与光照对秧苗灌溉量影响较大，式(1)与式(6)验证了这一点。但由于育秧基质比较薄，基质厚度和叶片生长形态对Kcb和Ke影响较大，Kcb和Ke不易获得精确计算值，因此实际采用式(7)模糊化策略对修正因子进行模糊计算。
ET＝Fmod(Prs,Pe)ET0 (7)
Prs＝Sleaf/Stray+Zeg(Hrs-123)/1.2 (8)
Pe＝(1-Sleaf/Stray)+Zeg(155-Hrs)/1.55-0.1 (10)
其中，Sleaf为基质盘内的秧苗绿色区域像素面积，Stray为秧苗的基质盘区域像素面积，Hrs为秧苗生长高度，Prs为秧苗叶片对基质盘的覆盖系数，Pe为基质对基质盘的覆盖系数。模糊规则为七级表达，分别为SL(超低)、VL(很低)、L(低)、M(正常)、H(高)、VH(很高)、SL(超高)。具体隶属函数如图2所示。秧苗的生长高度分布规律如图3所示，成苗高度在155mm左右，秧苗基本覆盖秧盘的高度在123mm左右，因此式(8)-式(11)中的123和155两个值的取值需要根据实际育秧的间距、秧苗的类别进行微调，分别取实际基本覆盖秧盘时秧苗高度和实际成苗高度。
双系数模糊化后的规则如表1所示，一共有49种模糊规则。微喷头依照模糊规则计算需水修正系数。
表1 Emod(Prs，Pe)模糊逻辑规则
3、秧苗的生长参数获取具体包括：
摄像头所获取的图像分为两个部分，Sleaf为基质盘内的秧苗绿色区域像素面积，Stray为秧苗的基质盘区域像素面积，
(1)监视区域划分
固定相机，在基质盘监视区域确定像素统计矩形区域AT，其面积标记为SAT，
(2)取景框划分与秧苗叶片像素统计
取4×4的像素矩阵，对矩阵中任意像素(Rr，Gr，Br)，确定秧苗叶片的像素的中心点(RL，GL，BL)，计算并统计任意像素到秧苗叶片的像素的中心点距离，统计距离D(L，r)＜0.1的像素点个数Npl，
D(L，r)＝[((RL-Rr)2+(GL-Gr)2+(BL-Br)2))/195075]1/2 (12)
Ppl＝Npl/8 (13)
如果Ppl＞0.5，则表明该像素区域为秧苗叶片，
(3)Sleaf与Stray的计算
则可以统计出矩形区域AT中所有秧苗叶片区域个数Nl，以及总的判别区域个数NT
Stray＝SAT (15)
具体实施：
秧苗盘尺寸548mm×206mm×31mm(长×宽×高)，日均最高每盘用水量600g，设定时间为早9:00，晚18:00灌溉，早上灌溉量为理论灌溉量的65％，完善灌溉量为理论灌溉量的35％。在50m×5m的摆放90×24个秧苗盘，摄像头主要监视区域为2个秧苗盘，监视面积SAT对计算结果没有影响。实施案例时间为2020年5月3日-5月21日，实施地点为广西壮族自治区玉林市容县灵山镇六肥村，海拔高度142m，天气预报值为中国气象局官方获取。选用野香优2号种，进行浸种催芽。每个育秧盘筛选颗粒大小直径在2.4mm～2.5mm，芽高5.8mm～8.4mm，每盘播种约2500粒，苗盘重350g，基质600g。基质N+P2O5+K2O≥3％，有机质≥40％。
1、定时早上7:00，通过天气预报，获取小时内的作物表面的平均净辐射、小时内的平均温度、小时内两米处的平均风速，查表获取秧苗盘的土壤热通量，通过式(1)-(6)计算6:00～19:00的ET0(t)，并累加形成
图4(b)是本案例在第一天至第十四天的ET0计算结果。
2、定时早上8:45，采集秧苗照片，按式(12)-(16)计算Sleaf/Stray，连续10次采样，取平均值。
3.按式(8)～(11)，计算Prs、Pe。
4.根据图2将Prs、Pe模糊化，并根据表1查表获得双模糊系数的模糊因子Fmod(Prs,Pe)的模糊参数。
5.根据图2获取双模糊系数Fmod(Prs,Pe)，图4(a)是本案例在第一天至第十四天的双模糊系数计算结果。
6.根据式(7)计算每一盘的理论需水量ET，图5是本案例在第一天至第十四天的ET计算结果。
7.将移动喷头移动在秧苗盘右侧边缘。导轨左右两侧边缘均设置有接近开关。
8.定时早上9:00，启动灌溉泵，移动喷头设置有一个红外线探头，当有水流通过时，红外线探头输出信号为1。
9.采用PWM信号控制移动喷头的移动速度Vspr
Vspr＝90×24×50ET/Q (18)
其中，Q为喷淋泵的流量。
10.移动喷头按Vspr均匀移动至左侧边缘。
喷灌泵按PID恒压喷淋。
在本实施案例中，常规的浇水方式每盘14天需要浇水9045g，本策略的方式每盘14天仅仅需要浇水4267g。如图6所示，A1是低于基本腾发量的浇水方式，A8是过量浇水方式，A2是本策略浇水方式，A7是常规浇水方式，A3～A6是介于本策略浇水方式和常规浇水方式的阶梯浇水方式，A2～A7的浇水方式对比研究表明，本策略浇水方式的秧苗更加矮粗，成苗质量更好。
Claims (3)
1.一种水稻硬地育秧模糊控制灌溉方法，其特征在于，包括如下步骤：
步骤1：计算秧苗的腾发量；
步骤2：考虑基础作物系数和土壤蒸发系数进行秧苗的模糊化双系数腾发量计算；
步骤3：通过无人机搭载摄像头对秧苗生长状态进行监测，采用移动喷灌头实现秧盘的精确灌溉；
所述步骤2具体为：
双作物系数法的需水量计算由公式(6)计算：
ET＝(Kcb+Ke)ET0 (6)
其中，Kcb为基础作物系数，Ke为土壤蒸发系数，Kcb和Ke不易获得精确计算值，由公式(7)模糊化策略对修正因子进行模糊计算：
ET＝Emod(Prs,Pe)ET0 (7)
设成苗高度在155mm，秧苗基本覆盖秧盘的高度在123mm，由公式(8)-(11)根据实际育秧的间距、秧苗的类别进行微调：
Prs＝Sleaf/Stray+Zeg(Hrs-123)/1.2 (8)
Pe＝(1-Sleaf/Stray)+Zeg(155-Hrs)/1.55-0.1 (10)
其中，Sleaf为基质盘内的秧苗绿色区域像素面积，Stray为秧苗的基质盘区域像素面积，Hrs为秧苗生长高度，Prs为秧苗叶片对基质盘的覆盖系数，Pe为基质对基质盘的覆盖系数，
秧苗的生长参数获取具体包括：
摄像头所获取的图像分为两个部分，Sleaf为基质盘内的秧苗绿色区域像素面积，Stray为秧苗的基质盘区域像素面积，
(1)监视区域划分
固定相机，在基质盘监视区域确定像素统计矩形区域AT，其面积标记为SAT，
(2)取景框划分与秧苗叶片像素统计
取4×4的像素矩阵，对矩阵中任意像素(Rr,Gr,Br),确定秧苗叶片的像素的中心点(RL,GL,BL)，计算并统计任意像素到秧苗叶片的像素的中心点距离，统计距离D(L,r)<0.1的像素点个数Npl，
D(L,r)＝[((RL-Tr)2+(GL-Gr)2+(BL-Br)2))/195075]1/2 (12)
Ppl＝Npl/8 (13)如果Ppl>0.5,则表明该4×4的像素矩阵区域为秧苗叶片，
(3)Sleaf与Stray的计算
则统计出矩形区域AT中所有秧苗叶片区域个数Nl，以及总的判别区域个数NT
Stray＝SAT (15)
2.根据权利要求1所述的水稻硬地育秧模糊控制灌溉方法，其特征在于，所述步骤1具体为：
依据能量平衡原理和水汽扩散原理及空气的热导定律，由公式(1)计算作物蒸腾量：
其中各变量的含义为：
ET0表示小时内的参考作物蒸发量，Rn表示小时内的作物表面的平均净辐射，G表示土壤热通量，Thr表示小时内的平均温度，u2表示小时内两米处的平均风速，es表示饱和水汽压，ea表示实际水汽压，Δ表示饱和水汽压温度曲线上的斜率，γ表示为温度计常数(kPa/℃)。
3.根据权利要求2所述的水稻硬地育秧模糊控制灌溉方法，其特征在于，γ在已知海拔高度的情形下由公式(2)计算，
其中，z为海拔高度：
es为饱和水汽压由公式(3)计算,
其中，Thr为在预测中采用天气预报中的24小时的平均天气预报气温作为小时内的平均温度，
ea为实际的水汽压，在已知空气湿度的情况下，由公式(4)计算：
其中，RHmean表示小时内的平均空气湿度，
Δ为饱和水汽压温度曲线上的斜率，为空气温度的函数，由公式(5)计算：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111085721.3A CN114002951B (zh) | 2021-09-16 | 2021-09-16 | 一种水稻硬地育秧模糊控制灌溉方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111085721.3A CN114002951B (zh) | 2021-09-16 | 2021-09-16 | 一种水稻硬地育秧模糊控制灌溉方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114002951A CN114002951A (zh) | 2022-02-01 |
| CN114002951B true CN114002951B (zh) | 2023-12-29 |
Family
ID=79921393
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111085721.3A Active CN114002951B (zh) | 2021-09-16 | 2021-09-16 | 一种水稻硬地育秧模糊控制灌溉方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114002951B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114637353B (zh) * | 2022-03-24 | 2022-11-15 | 四川省水利科学研究院 | 基于多环境因素分析的农业灌溉控制方法、系统及终端 |
| CN115362922A (zh) * | 2022-09-30 | 2022-11-22 | 中慧高芯技术(山东)有限公司 | 一种灌溉系统及灌溉方法 |
| CN117981663A (zh) * | 2024-04-07 | 2024-05-07 | 黑龙江智云互联农业科技有限公司 | 水稻田自动化节水精准灌溉系统 |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5927603A (en) * | 1997-09-30 | 1999-07-27 | J. R. Simplot Company | Closed loop control system, sensing apparatus and fluid application system for a precision irrigation device |
| CN102160520A (zh) * | 2010-12-23 | 2011-08-24 | 南京农业大学 | 基于作物蒸散量模型的智能化滴灌控制系统及其方法 |
| CN102402185A (zh) * | 2011-11-03 | 2012-04-04 | 北京林业大学 | 基于模糊控制的非充分灌溉控制方法 |
| CN103202193A (zh) * | 2013-04-10 | 2013-07-17 | 芜湖东源新农村开发股份有限公司 | 一种工厂化大型育秧系统 |
| CN104521699A (zh) * | 2014-11-18 | 2015-04-22 | 华北水利水电大学 | 田间智能灌溉在线控制管理方法 |
| CN105046229A (zh) * | 2015-07-27 | 2015-11-11 | 浙江理工大学 | 一种农作物行的识别方法及装置 |
| CN105184445A (zh) * | 2015-08-06 | 2015-12-23 | 北京市气候中心 | 一种玉米干旱气象灾害多年平均损失率的计算方法 |
| CN105248206A (zh) * | 2015-10-20 | 2016-01-20 | 华中农业大学 | 一种厢沟控灌水稻节水栽培方法 |
| CN105446309A (zh) * | 2015-12-31 | 2016-03-30 | 西北工业大学 | 一种基于物联网的农业智能分析监控系统 |
| CN105830874A (zh) * | 2016-04-30 | 2016-08-10 | 邵阳学院 | 精准节水灌溉远程无线智能控制系统 |
| CN106613539A (zh) * | 2016-12-23 | 2017-05-10 | 江苏农林职业技术学院 | 一种基于LabVIEW的温室水肥一体化营养液自动灌溉控制方法 |
| CN107103040A (zh) * | 2017-03-27 | 2017-08-29 | 西北大学 | 一种灌区基础数据采集系统 |
| CN107133882A (zh) * | 2017-05-19 | 2017-09-05 | 苏州润文生态科技有限公司 | 生态灌区智能高效管理系统 |
| CN107864827A (zh) * | 2017-12-18 | 2018-04-03 | 无锡同春新能源科技有限公司 | 基于北斗导航定位的无人机调配海水稻灌溉水的灌溉系统 |
| CN208075937U (zh) * | 2018-05-02 | 2018-11-09 | 河北源润农业科技有限公司 | 一种水稻需水量监测装置 |
| CN110100708A (zh) * | 2019-06-14 | 2019-08-09 | 安徽大学 | 基于模糊逻辑控制理论的节水灌溉方法及节水灌溉系统 |
| CN110689022A (zh) * | 2019-06-18 | 2020-01-14 | 华南农业大学 | 基于叶片匹配的各株作物图像提取方法 |
| CN111640038A (zh) * | 2020-05-25 | 2020-09-08 | 湖北省水利水电科学研究院 | 水稻作物系数计算方法以及水稻灌溉系统 |
| CN112069953A (zh) * | 2020-08-26 | 2020-12-11 | 江苏农林职业技术学院 | 一种水稻秧苗生长期自动识别方法、装置 |
| CN112418188A (zh) * | 2020-12-17 | 2021-02-26 | 成都亚讯星科科技股份有限公司 | 基于无人机视觉的农作物生长全程数字化评估方法 |
-
2021
- 2021-09-16 CN CN202111085721.3A patent/CN114002951B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5927603A (en) * | 1997-09-30 | 1999-07-27 | J. R. Simplot Company | Closed loop control system, sensing apparatus and fluid application system for a precision irrigation device |
| CN102160520A (zh) * | 2010-12-23 | 2011-08-24 | 南京农业大学 | 基于作物蒸散量模型的智能化滴灌控制系统及其方法 |
| CN102402185A (zh) * | 2011-11-03 | 2012-04-04 | 北京林业大学 | 基于模糊控制的非充分灌溉控制方法 |
| CN103202193A (zh) * | 2013-04-10 | 2013-07-17 | 芜湖东源新农村开发股份有限公司 | 一种工厂化大型育秧系统 |
| CN104521699A (zh) * | 2014-11-18 | 2015-04-22 | 华北水利水电大学 | 田间智能灌溉在线控制管理方法 |
| CN105046229A (zh) * | 2015-07-27 | 2015-11-11 | 浙江理工大学 | 一种农作物行的识别方法及装置 |
| CN105184445A (zh) * | 2015-08-06 | 2015-12-23 | 北京市气候中心 | 一种玉米干旱气象灾害多年平均损失率的计算方法 |
| CN105248206A (zh) * | 2015-10-20 | 2016-01-20 | 华中农业大学 | 一种厢沟控灌水稻节水栽培方法 |
| CN105446309A (zh) * | 2015-12-31 | 2016-03-30 | 西北工业大学 | 一种基于物联网的农业智能分析监控系统 |
| CN105830874A (zh) * | 2016-04-30 | 2016-08-10 | 邵阳学院 | 精准节水灌溉远程无线智能控制系统 |
| CN106613539A (zh) * | 2016-12-23 | 2017-05-10 | 江苏农林职业技术学院 | 一种基于LabVIEW的温室水肥一体化营养液自动灌溉控制方法 |
| CN107103040A (zh) * | 2017-03-27 | 2017-08-29 | 西北大学 | 一种灌区基础数据采集系统 |
| CN107133882A (zh) * | 2017-05-19 | 2017-09-05 | 苏州润文生态科技有限公司 | 生态灌区智能高效管理系统 |
| CN107864827A (zh) * | 2017-12-18 | 2018-04-03 | 无锡同春新能源科技有限公司 | 基于北斗导航定位的无人机调配海水稻灌溉水的灌溉系统 |
| CN208075937U (zh) * | 2018-05-02 | 2018-11-09 | 河北源润农业科技有限公司 | 一种水稻需水量监测装置 |
| CN110100708A (zh) * | 2019-06-14 | 2019-08-09 | 安徽大学 | 基于模糊逻辑控制理论的节水灌溉方法及节水灌溉系统 |
| CN110689022A (zh) * | 2019-06-18 | 2020-01-14 | 华南农业大学 | 基于叶片匹配的各株作物图像提取方法 |
| CN111640038A (zh) * | 2020-05-25 | 2020-09-08 | 湖北省水利水电科学研究院 | 水稻作物系数计算方法以及水稻灌溉系统 |
| CN112069953A (zh) * | 2020-08-26 | 2020-12-11 | 江苏农林职业技术学院 | 一种水稻秧苗生长期自动识别方法、装置 |
| CN112418188A (zh) * | 2020-12-17 | 2021-02-26 | 成都亚讯星科科技股份有限公司 | 基于无人机视觉的农作物生长全程数字化评估方法 |
Non-Patent Citations (3)
| Title |
|---|
| "作物需水量模糊决策系统的设计与研究";张兵等;《农机化研究》(第2期);117-119 * |
| 王仰仁等.《山西农业节水理论与作物高效用水模式》.中国科学技术出版社,2003,(第1版),41页. * |
| 罗金耀.《节水灌溉理论与技术》.武汉大学出版社,1999,(第1版),53-54. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114002951A (zh) | 2022-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114002951B (zh) | 一种水稻硬地育秧模糊控制灌溉方法 | |
| CN106718695B (zh) | 一种智能节水灌溉物联网控制系统 | |
| Liu et al. | Effect of sprinkler irrigation on microclimate in the winter wheat field in the North China Plain | |
| CN106054679B (zh) | 一种基于物联网的农业智能监控系统及作物种植方法 | |
| CN107087539A (zh) | 一种基于物联网的果蔬智能灌溉系统 | |
| CN107173184A (zh) | 一种智能化农业灌溉系统及方法 | |
| CN108617355B (zh) | 一种集群温室灌溉决策方法及系统 | |
| CN106258855A (zh) | 一种基于光辐射的智能灌溉系统 | |
| CN109258417B (zh) | 一种自动灌溉方法 | |
| CN111713317A (zh) | 一种基于大数据的农作物监测系统及监测方法 | |
| CN105494033B (zh) | 一种基于作物需求的智能节水灌溉方法 | |
| CN109447426B (zh) | 基于作物需水机理的灌溉需水对变化环境的响应分析方法 | |
| CN116530286B (zh) | 用于生态高标农田下的水肥一体化灌溉管理系统及方法 | |
| US20040089164A1 (en) | Device that modifies irrigation schedules of existing irrgation controllers | |
| CN112931166A (zh) | 一种变量灌溉管理决策方法 | |
| CN116108318A (zh) | 基于无人机多光谱影像的油菜氮肥推荐追施量计算的方法 | |
| CN106804414A (zh) | 一种封闭式无土栽培自动灌溉控制方法及系统 | |
| CN113597941A (zh) | 一种温室智能环境调控系统及装置 | |
| CN113080035B (zh) | 农田作物需水量的确定方法、装置、灌水方法及灌水系统 | |
| CN117474704A (zh) | 一种玉米昼夜生长差异和产量的估算方法 | |
| CN114418235A (zh) | 一种农作物生长状况确定方法及系统 | |
| CN112989560A (zh) | 一种基于墒情气象数据计算农作物需水量的方法 | |
| CN114642159B (zh) | 一种设施作物灌溉定额计算方法及系统 | |
| CN217160644U (zh) | 用于羊肚菌种植的喷雾系统 | |
| CN115989763A (zh) | 温室灌溉控制方法、装置、系统及设备 |
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 |