CN115392016A - 一种基于遥感数据同化的青贮玉米生长发育预测方法 - Google Patents

一种基于遥感数据同化的青贮玉米生长发育预测方法 Download PDF

Info

Publication number
CN115392016A
CN115392016A CN202211003583.4A CN202211003583A CN115392016A CN 115392016 A CN115392016 A CN 115392016A CN 202211003583 A CN202211003583 A CN 202211003583A CN 115392016 A CN115392016 A CN 115392016A
Authority
CN
China
Prior art keywords
remote sensing
parameters
fertilizer
corn
yield
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
CN202211003583.4A
Other languages
English (en)
Inventor
鄢继选
高鹏程
李嫱
李飞
李广
李�杰
吴江琪
谈燕
宋苗
达祈宏
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.)
Gansu Agricultural University
Original Assignee
Gansu Agricultural 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 Gansu Agricultural University filed Critical Gansu Agricultural University
Priority to CN202211003583.4A priority Critical patent/CN115392016A/zh
Publication of CN115392016A publication Critical patent/CN115392016A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining

Abstract

本发明公开了一种基于遥感数据同化的青贮玉米生长发育预测方法，属于农作物产量估算技术领域。本发明通过构造最小代价函数、确定作物生长模型、产量形成、阈值的确定、决策系统的调控这五个步骤予以实现。本发明采用空天地遥感技术，结合大田实验，能够动态调整参数，实现由点‑面、不均匀性‑均匀性、尺度小‑尺度大，通过多光谱数据对青贮玉米植株含水率和含氮量的反演特征，确定田间水肥实际变化曲线。本发明通过阈值曲线和实际变化曲线找出最佳水肥管理方案；集成天空地一体化感知与决策智慧农业系统并推广示范，带动区域玉米产业高质量发展，为玉米高产水肥精准管理提供技术支撑和示范模式。

Description

一种基于遥感数据同化的青贮玉米生长发育预测方法
技术领域
本发明属于农作物产量估算技术领域，具体涉及一种基于遥感数据同化的青贮玉米生长发育预测方法。
背景技术
草食畜牧业是甘肃省六大支柱特色产业之一，青贮玉米是畜牧业粗饲料的重要来源，其高质量发展对甘肃草食畜牧业具有深远的战略意义。河西地区位于甘肃省西北部,是我国重要的玉米优势产区,该地区气候干旱,降雨稀少且蒸发量大,是典型的干旱内陆河灌区。
无人机低空遥感技术的发展对河西青贮玉米生产的具有重大意义。河西的青贮玉米面积广、平整度高、宜于控制、机械化程度高，北斗精准导航应用广，新的农业技术推广迅速，当地农民对青贮玉米精细化管理、精准施药等精准农业理念有较高的认可度，对精准农业航空遥感的生产应用有较迫切的需求。此外，河西具有利于低空遥感应用落地的良好的气候条件，在河西作生长的季节里，有70％以上的时日是天晴，且大气干燥、云层遮挡少、同一时间段内光线均匀，为精准农业航空遥感技术研发提供可靠基地。
现有技术人员通过大田实验，结合APSIM模型，初步确定了甘肃河西地区青贮玉米高产水肥需求的预测模型，但是发现模型对大田水肥变化存在点状、不均匀性、尺度小等问题。与此同时，河西地区青贮玉米生产多年来主要依赖于高水肥投入来提高作物产量，已对环境产生严重的影响。因此，亟需研发面向青贮玉米水肥管理的天空地一体化感知与决策系统来精准管理青贮玉米产业的发展。
发明内容
发明的目的在于提供一种提高玉米产量、通过天空地一体化感知与决策系统来精准管理青贮玉米的基于遥感数据同化的青贮玉米生长发育预测方法。
为了实现上述发明目的，发明采用以下技术方案：
一种基于遥感数据同化的青贮玉米生长发育预测方法，包括如下步骤：
1)构造最小代价函数：确定青贮玉米高产水肥调控模型模拟结果与遥感反演结果构造最小代价函数；
2)确定作物生长模型：利用SCE-UA优化算法进行拟合，并将拟合误差最小时对应的优化参数集输入作物生长模型；
3)产量形成：模拟设计不同水肥管理试验处理，确定不同水肥组合条件下的青贮玉米生长发育及产量的形成过程；
4)阈值的确定：通过系统工程和数理方法，根据土壤水肥含量与青贮玉米产量的动态变化关系，确定玉米产量形成对土壤水肥含量响应的精确阈值；
5)决策系统的调控：结合遥感反演结果数据，得到青贮玉米水肥调控智能决策系统。
进一步地，所述步骤1)中选取LAI和LNA作为遥感和模型的结合点,通过同化外部获取的LAI或LNA序列和作物模型模拟的LAI或LNA序列，当使两个序列差值的绝对值之和最小时的参数，即反演出的最优参数，确定模型的初始参数。
进一步地，所述步骤2)中确保作物生长模型的本地化和遥感参数定量反演。
进一步地，所述遥感反演因素包括气象因素、作物参数和土壤参数。
作为优选，所述气象因素、作物参数和土壤参数,相结合，会进行标定作物生长模型，从而模拟出状态变量，进行单点区域验证，得到LAI实测值、WLV实测值和WST实测值。
作为优选，将气象因素、作物参数、土壤参数和玉米品种遗传参数作为模型输入参数，驱动CERES-Maize模型，模拟玉米的生长发育进程。
与现有技术相比，本发明的有益效果是：
1)本发明采用空天地遥感技术，结合大田实验，能够动态调整参数，实现由点-面、不均匀性-均匀性、尺度小-尺度大，通过多光谱数据对青贮玉米植株含水率和含氮量的反演特征，确定田间水肥实际变化曲线。
2)本发明采用同化模型精准预测玉米农田土壤水肥需求的理想阈值曲线；
3)本发明通过阈值曲线和实际变化曲线找出最佳水肥管理方案；集成天空地一体化感知与决策智慧农业系统并推广示范，带动区域玉米产业高质量发展，为玉米高产水肥精准管理提供技术支撑和示范模式。
4)本发明中，同年份内遥感估算的玉米最大单产值对应像元的时序归一化差值植被指数曲线要高于最小单产值对应像元的NDVI，表明玉米长势好得到了高产量，而玉米长势差导致了产量偏低；年际间遥感观测反射率的变化信息通过数据同化方法能够反映年际间玉米产量差的变化。
附图说明
图1为本发明青贮玉米生产水肥精准调控曲线示意图。
图2为本发明天空地一体化感知与决策系统示意图。
具体实施方式
下面将参照附图更详细地描述发明的实施例。虽然附图中显示了发明的实施例，然而应该理解，可以以各种形式实现发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使发明更加透彻和完整，并且能够将发明的范围完整地传达给本领域的技术人员。本领域的技术人员可以在不偏离发明精神和保护范围的基础上从下述描述得到替代技术方案。
实施例1
一种基于遥感数据同化的青贮玉米生长发育预测方法，包括如下步骤：
1)构造最小代价函数：确定青贮玉米高产水肥调控模型模拟结果与遥感反演结果构造最小代价函数；选取LAI和LNA作为遥感和模型的结合点,通过同化外部获取的LAI或LNA序列和作物模型模拟的LAI或LNA序列，当使两个序列差值的绝对值之和最小时的参数，即反演出的最优参数，确定模型的初始参数。遥感反演因素包括气象因素、作物参数和土壤参数。
2)确定作物生长模型：利用SCE-UA优化算法进行拟合，并将拟合误差最小时对应的优化参数集输入作物生长模型；确保作物生长模型的本地化和遥感参数定量反演。
3)产量形成：模拟设计不同水肥管理试验处理，确定不同水肥组合条件下的青贮玉米生长发育及产量的形成过程；气象因素、作物参数和土壤参数,相结合，会进行标定作物生长模型，从而模拟出状态变量，进行单点区域验证，得到LAI实测值、WLV实测值和WST实测值。将气象因素、作物参数、土壤参数和玉米品种遗传参数作为模型输入参数，驱动CERES-Maize模型，模拟玉米的生长发育进程。
4)阈值的确定：通过系统工程和数理方法，根据土壤水肥含量与青贮玉米产量的动态变化关系，确定玉米产量形成对土壤水肥含量响应的精确阈值；
5)决策系统的调控：结合遥感反演结果数据，得到青贮玉米水肥调控智能决策系统。
实验例
一、选自甘肃省兰州市的一块土地进行种植，其种植面积及其产量统计如表1所示：
Figure BDA0003807795390000051
Figure BDA0003807795390000061
由表1可知，本发明中在2019年～2021年的单产在8510kg/hm2～ 9286kg/hm2，其中玉米的单产的计算公式为产量/面积*1000。
二、兰州市玉米产量估算结果如表2所示：
Figure BDA0003807795390000062
由表2可知，本发明中，同年份内遥感估算的玉米最大单产值对应像元的时序归一化差值植被指数曲线要高于最小单产值对应像元的NDVI，表明玉米长势好得到了高产量，而玉米长势差导致了产量偏低；年际间遥感观测反射率的变化信息通过数据同化方法能够反映年际间玉米产量差的变化。
本发明模拟设计不同水肥管理试验处理，考虑不同水肥组合条件下的青贮玉米生长发育及产量形成过程；通过系统工程和数理方法，揭示土壤水肥含量与青贮玉米产量的动态变化关系，确定玉米产量形成对土壤水肥含量响应的精确阈值；结合遥感反演结果数据研发青贮玉米水肥调控智能决策系统，实现数字化、精准化及智能化的天空地一体化感知与决策，具体如如图1所示。
根据图2，基于天空地一体化感知与决策系统，通过上位机、无线网络、执行机构(水肥滴灌技术)等设备，依托甘肃华瑞农业股份有限公司推广示范。通过加速科研成果转化，服务河西青贮玉米生产的精准农业成果转化的新思路。将辐射整个干旱地区的青贮玉米生产，为我国干旱区智慧农业的循环发展起到示范推广作用。
以上所述，仅为本公开的具体实施方式，但本公开实施例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公开实施例揭露的技术范围内或者在本公开实施例揭露的思想下，可轻易想到变化、替换或组合，都应涵盖在本公开实施例的保护范围之内。

Claims (6)

1.一种基于遥感数据同化的青贮玉米生长发育预测方法，其特征在于包括如下步骤：
1)构造最小代价函数：确定青贮玉米高产水肥调控模型模拟结果与遥感反演结果构造最小代价函数；
2)确定作物生长模型：利用SCE-UA优化算法进行拟合，并将拟合误差最小时对应的优化参数集输入作物生长模型；
3)产量形成：模拟设计不同水肥管理试验处理，确定不同水肥组合条件下的青贮玉米生长发育及产量的形成过程；
4)阈值的确定：通过系统工程和数理方法，根据土壤水肥含量与青贮玉米产量的动态变化关系，确定玉米产量形成对土壤水肥含量响应的精确阈值；
5)决策系统的调控：结合遥感反演结果数据，得到青贮玉米水肥调控智能决策系统。
2.根据权利要求1所述的一种基于遥感数据同化的青贮玉米生长发育预测方法，其特征在于所述步骤1)中选取LAI和LNA作为遥感和模型的结合点,通过同化外部获取的LAI或LNA序列和作物模型模拟的LAI或LNA序列，当使两个序列差值的绝对值之和最小时的参数，即反演出的最优参数，确定模型的初始参数。
3.根据权利要求1所述的一种基于遥感数据同化的青贮玉米生长发育预测方法，其特征在于所述步骤2)中确保作物生长模型的本地化和遥感参数定量反演。
4.根据权利要求1所述的一种基于遥感数据同化的青贮玉米生长发育预测方法，其特征在于所述遥感反演因素包括气象因素、作物参数和土壤参数。
5.根据权利要求4所述的一种基于遥感数据同化的青贮玉米生长发育预测方法，其特征在于所述气象因素、作物参数和土壤参数,相结合，会进行标定作物生长模型，从而模拟出状态变量，进行单点区域验证，得到LAI实测值、WLV实测值和WST实测值。
6.根据权利要求4所述的一种基于遥感数据同化的青贮玉米生长发育预测方法，其特征在于将气象因素、作物参数、土壤参数和玉米品种遗传参数作为模型输入参数，驱动CERES-Maize模型，模拟玉米的生长发育进程。
CN202211003583.4A 2022-08-20 2022-08-20 一种基于遥感数据同化的青贮玉米生长发育预测方法 Pending CN115392016A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211003583.4A CN115392016A (zh) 2022-08-20 2022-08-20 一种基于遥感数据同化的青贮玉米生长发育预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211003583.4A CN115392016A (zh) 2022-08-20 2022-08-20 一种基于遥感数据同化的青贮玉米生长发育预测方法

Publications (1)

Publication Number Publication Date
CN115392016A true CN115392016A (zh) 2022-11-25

Family

ID=84120771

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211003583.4A Pending CN115392016A (zh) 2022-08-20 2022-08-20 一种基于遥感数据同化的青贮玉米生长发育预测方法

Country Status (1)

Country Link
CN (1) CN115392016A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116187100A (zh) * 2023-04-25 2023-05-30 吉林大学 一种结合作物生长模型估算玉米籽粒蛋白质含量的方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116187100A (zh) * 2023-04-25 2023-05-30 吉林大学 一种结合作物生长模型估算玉米籽粒蛋白质含量的方法
CN116187100B (zh) * 2023-04-25 2023-07-04 吉林大学 一种结合作物生长模型估算玉米籽粒蛋白质含量的方法

Similar Documents

Publication Publication Date Title
US20170270446A1 (en) Agronomic systems, methods and apparatuses for determining yield limits
US20160309646A1 (en) Agronomic systems, methods and apparatuses
CN113177345B (zh) 一种网格化作物种植布局优化方法
Yuan et al. Variety distribution pattern and climatic potential productivity of spring maize in Northeast China under climate change
CN108781926B (zh) 基于神经网络预测的大棚灌溉系统及方法
CN106485002B (zh) 在复杂地形气候区域估算甘蔗潜在产量的方法
CN110909933B (zh) 一种耦合作物模型与机器学习语言的农业干旱快速诊断和评估方法
CN105494033B (zh) 一种基于作物需求的智能节水灌溉方法
CN104521699A (zh) 田间智能灌溉在线控制管理方法
CN114711010B (zh) 一种月季栽培中水土肥管理方法、系统及介质
Adhikari et al. Simulated effects of winter wheat cover crop on cotton production systems of the Texas Rolling Plains
CN109874477A (zh) 一种农业园区施肥机托管方法及系统
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
CN114638146A (zh) 一种基于AquaCrop模型与SVR的作物灌溉需水量预测方法
CN107329511A (zh) 基于适宜根温区间的水培蔬菜光环境高效调控方法与系统
Shen et al. Irrigation decision method for winter wheat growth period in a supplementary irrigation area based on a support vector machine algorithm
CN112598277A (zh) 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
US20200245525A1 (en) Yield estimation in the cultivation of crop plants
CN114740930B (zh) 用于温室大棚智能管控平台系统及管控处理方法
CN113039908A (zh) 一种施肥和灌溉动态决策方法及系统
CN115392016A (zh) 一种基于遥感数据同化的青贮玉米生长发育预测方法
Zapata et al. Field test of an automatic controller for solid-set sprinkler irrigation
CN113009108A (zh) 一种基于水热条件预测土壤有机碳含量的预测方法
CN111915096A (zh) 基于作物模型、遥感数据和气候预测信息的作物产量早期预报技术
CN116362402A (zh) 一种基于天气预报与表型信息监测的灌溉制度优化系统

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