CN115423643A - 水肥计算方法、装置、电子设备和存储介质 - Google Patents
水肥计算方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115423643A CN115423643A CN202211372888.2A CN202211372888A CN115423643A CN 115423643 A CN115423643 A CN 115423643A CN 202211372888 A CN202211372888 A CN 202211372888A CN 115423643 A CN115423643 A CN 115423643A
- Authority
- CN
- China
- Prior art keywords
- target crop
- irrigation
- data
- target
- fertilization
- 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
Links
- 239000003337 fertilizer Substances 0.000 title claims abstract description 92
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000004364 calculation method Methods 0.000 title claims description 35
- 230000002262 irrigation Effects 0.000 claims abstract description 305
- 238000003973 irrigation Methods 0.000 claims abstract description 304
- 239000002689 soil Substances 0.000 claims abstract description 157
- 230000004720 fertilization Effects 0.000 claims abstract description 139
- 238000000034 method Methods 0.000 claims abstract description 66
- 230000007613 environmental effect Effects 0.000 claims abstract description 64
- 238000001514 detection method Methods 0.000 claims description 40
- 235000015097 nutrients Nutrition 0.000 claims description 38
- 238000013507 mapping Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 238000001556 precipitation Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 210000003608 fece Anatomy 0.000 claims description 7
- 239000007788 liquid Substances 0.000 claims description 7
- 239000010871 livestock manure Substances 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 abstract description 6
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 36
- 235000021049 nutrient content Nutrition 0.000 description 12
- 241000196324 Embryophyta Species 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000003306 harvesting Methods 0.000 description 4
- 241000209094 Oryza Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 241000209140 Triticum Species 0.000 description 3
- 235000021307 Triticum Nutrition 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 238000009331 sowing Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及农业信息技术领域，提供了一种水肥计算方法、装置、电子设备和存储介质，方法包括：确定目标作物，以及目标作物对应的环境数据，环境数据包括目标作物的种植区域下的土壤数据、产量数据和气象数据；基于目标作物对应的环境数据，确定目标作物在各阶段下的施肥量和灌溉量，基于各阶段下的施肥量和灌溉量，确定目标作物的灌溉参数和施肥参数；基于目标作物、目标作物的种植数据、目标作物对应的环境数据，以及目标作物的灌溉参数和施肥参数，确定目标作物的灌溉方案和施肥方案，克服了传统方案精准灌溉和施肥困难，导致减产以及收益低下的缺陷，实现了科学合理的施肥方案和灌溉方案的自动生成，为增产、改善品质、提高收益等提供了助力。
Description
技术领域
本发明涉及农业信息技术领域，尤其涉及一种水肥计算方法、装置、电子设备和存储介质。
背景技术
随着社会的进步以及经济的发展，人们在农产品层面的需求以及对于农产品的要求均在不断提升，这就给农作物的种植提出了较高的要求，而在农作物的种植过程中施肥和灌溉是重中之重，其能够直接影响农作物的产量和农产品的质量。
然而，当下一些农场的农户在种植农作物时，由于无法正确的判断出农作物在各阶段所需的灌溉量和施肥量，因此在农作物的各个物候期，难以对其进行精准的灌溉和施肥，即无法在农作物的各个物候期使用合理的水量和肥量，从而导致农作物减产，且产品质量低下，实际收益与预期收益之间出现较大偏差，给农户带来了较大的损失。
发明内容
本发明提供一种水肥计算方法、装置、电子设备和存储介质，用以解决现有技术中因无法正确的判断出农作物在各阶段下的灌溉量和施肥量，导致难以为其精准灌溉和施肥，以致减产、品质不佳以及收益低下的缺陷，实现科学合理的施肥方案和灌溉方案的自动化生成。
本发明提供一种水肥计算方法，包括：
确定目标作物，以及所述目标作物对应的环境数据，所述环境数据包括所述目标作物的种植区域下的土壤数据、产量数据和气象数据；
基于所述目标作物对应的环境数据，确定所述目标作物在各阶段下的施肥量和灌溉量，并基于所述各阶段下的施肥量和灌溉量，确定所述目标作物的灌溉参数和施肥参数；
基于所述目标作物、所述目标作物的种植数据、所述目标作物对应的环境数据，以及所述目标作物的灌溉参数和施肥参数，确定所述目标作物的灌溉方案和施肥方案。
根据本发明提供的一种水肥计算方法，所述基于所述目标作物对应的环境数据，确定所述目标作物在各阶段下的施肥量和灌溉量，包括：
基于所述环境数据中的土壤数据进行养分测算，得到土壤养分；
基于所述土壤养分，以及所述环境数据中的所述产量数据，确定所述目标作物在各阶段下的施肥量；
确定所述目标作物对应的目标灌溉时间，所述目标灌溉时间包括所述目标作物的首次灌溉时间和末次灌溉时间；
基于所述目标灌溉时间，以及所述环境数据中的所述气象数据，确定所述目标作物在各阶段下的灌溉量。
根据本发明提供的一种水肥计算方法，所述基于所述土壤养分，以及所述环境数据中的所述产量数据，确定所述目标作物在各阶段下的施肥量，包括：
基于所述产量数据，确定所述目标作物对应于各产量的施肥量；
基于所述土壤养分，以及目标作物对应于各产量的施肥量，进行养分换算，得到各产量下所述目标作物在各阶段的施肥量。
根据本发明提供的一种水肥计算方法，所述基于所述目标灌溉时间，以及所述环境数据中的所述气象数据，确定所述目标作物在各阶段下的灌溉量，包括：
基于灌溉时间与历史数据之间的映射关系，确定所述目标灌溉时间所对应的历史数据，所述历史数据包括历史蒸散量和历史降水量；
基于所述目标灌溉时间所对应的历史数据，以及所述环境数据中的气象数据，确定所述目标作物在各阶段的灌溉量。
根据本发明提供的一种水肥计算方法，所述基于所述目标作物、所述目标作物的种植数据、所述目标作物对应的环境数据，以及所述目标作物的灌溉参数和施肥参数，确定所述目标作物的灌溉方案和施肥方案，之后还包括：
基于所述目标作物的灌溉方案和施肥方案，对所述目标作物的各阶段进行灌溉和施肥；
所述基于所述目标作物的灌溉方案和施肥方案，对所述目标作物的各阶段进行灌溉和施肥，之后还包括：
获取所述种植区域下的土壤检测数据，所述土壤检测数据包括土壤温度数据、土壤湿度数据、土壤盐分数据中的至少一种，所述土壤检测数据基于所述种植区域内装设的土壤检测设备采集得到；
基于所述土壤检测数据，以及所述目标作物在各阶段下的土壤标准数据，对所述目标作物的灌溉方案和施肥方案进行校验，并基于校验结果更新所述目标作物的灌溉方案和施肥方案。
根据本发明提供的一种水肥计算方法，所述基于所述目标作物、所述目标作物的种植数据、所述目标作物对应的环境数据，以及所述目标作物的灌溉参数和施肥参数，确定所述目标作物的灌溉方案和施肥方案，之后还包括：
基于所述目标作物的施肥方案，生成肥料订单，所述肥料订单内包含的肥量为所述目标作物在各阶段下的施肥量总和；
获取所述肥料订单的运输轨迹和运输状态，并基于所述运输轨迹和所述运输状态，对所述肥料订单进行运输监控。
根据本发明提供的一种水肥计算方法，所述土壤数据包括根系深度数据、土壤类型数据、土壤质地数据中的至少一种，所述灌溉参数包括滴灌参数和/或漫灌参数。
本发明还提供一种水肥计算装置，包括：
数据确定单元，用于确定目标作物，以及所述目标作物对应的环境数据，所述环境数据包括所述目标作物的种植区域下的土壤数据、产量数据和气象数据；
参数确定单元，用于基于所述目标作物对应的环境数据，确定所述目标作物在各阶段下的施肥量和灌溉量，并基于所述各阶段下的施肥量和灌溉量，确定所述目标作物的灌溉参数和施肥参数；
方案确定单元，用于基于所述目标作物、所述目标作物的种植数据、所述目标作物对应的环境数据，以及所述目标作物的灌溉参数和施肥参数，确定所述目标作物的灌溉方案和施肥方案。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的水肥计算方法。
本发明还提供一种非暂态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如上述任一种所述的水肥计算方法。
本发明提供的水肥计算方法、装置、电子设备和存储介质，通过目标作物对应的环境数据，确定目标作物在各阶段下的施肥量和灌溉量，并据此施肥量和灌溉量，确定灌溉参数和施肥参数，利用灌溉参数、施肥参数、种植数据和环境数据，确定目标作物的灌溉方案和施肥方案，克服了因无法正确的判断出农作物在各阶段所需的灌溉量和施肥量，导致难以为其精准灌溉和施肥，以致减产、品质不佳以及收益低下的缺陷，实现了科学合理的施肥方案和灌溉方案的自动化生成，为线下农场和农户提供了施肥和灌溉的标准模板，同时，为精准施肥模型和精准灌溉模型的迭代提供了数据支撑，保证了作物科学合理的生长环境，缩减了资源消耗，为增产、改善品质、节水节肥、提高收益等提供了关键性的助力。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的水肥计算方法的流程示意图；
图2是本发明提供的水肥计算方法的总体框架图；
图3是本发明提供的水肥计算装置的结构示意图；
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
由于目前一些农场的农户在种植农作物时，无法正确的判断出农作物在各阶段所需的灌溉量和施肥量，因而难以在对应物候期为其精准灌溉和施肥，换而言之，无法在农作物的各个物候期使用合理的肥量和水量，从而导致农作物减产，产品质量低劣，实际收益与预期收益之间有较大出入，给农户带来了较大的损失。
对此，本发明提供一种水肥计算方法，旨在通过目标作物对应的环境数据，确定目标作物的施肥参数和灌溉参数，并在此基础上结合目标作物的种植数据，为其制定施肥方案和灌溉方案，实现了科学合理的施肥方案和灌溉方案的自动化生成，为线下农场和农户提供了施肥和灌溉的标准模板，同时，为精准施肥模型和精准灌溉模型的迭代提供了数据支撑，为后续通过精准调控，以实现增产、改善品质、节水节肥、减少环境污染、提高经济效益等过程提供了关键性的助力，图1是本发明提供的水肥计算方法的流程示意图，如图1所示，该方法的执行主体为服务端（业务中台），该方法包括：
步骤110，确定目标作物，以及目标作物对应的环境数据，环境数据包括目标作物的种植区域下的土壤数据、产量数据和气象数据；
具体地，在进行水肥计算之前，首先需确定灌溉和施肥的对象，即种植作物，此处将其称之为目标作物，该目标作物由操作人员（种植人员、研究人员等）选定，其可以是在确定种植区域，以及对应种植区域下的种植条件的基础上，选取的适应于该种植区域下，且与该种植区域下的种植条件相适配的作物，例如，南方地区的夏季，适宜于种植水稻（晚稻），因而可以将目标作物确定为水稻；又例如，北方地区的春季，适宜于种植小麦（春小麦），因而可以将目标作物确定为小麦；对应的，也可以是先选定目标作物，然后再依据种植条件选择对应的种植区域。其中，种植区域可以通过种植条件中表明适宜于目标作物生长的经纬度确定。
而在确定目标作物后，还需确定目标作物对应的环境数据，此处的环境数据可以理解为目标作物的种植区域下的地理气候、土壤质地、作物产量等，即环境数据包括对应种植区域下的气象数据、土壤数据、产量数据等，环境数据的确定有助于方案制定，能够使得施肥方案和灌溉方案更加贴近于目标作物的实际种植场景，并且不同环境数据所对应的施肥方案和灌溉方案必然不同，换而言之，同一目标作物在不同环境下的施肥策略和灌溉策略必然不同，因此，环境数据的加入保证了方案的灵活性和精准性，以及与目标作物的种植区域间的适配性。
步骤120，基于目标作物对应的环境数据，确定目标作物在各阶段下的施肥量和灌溉量，并基于各阶段下的施肥量和灌溉量，确定目标作物的灌溉参数和施肥参数；
具体地，在步骤110中确定目标作物，以及目标作物对应的环境数据的基础上，可以执行步骤120，根据目标作物对应的环境数据，确定目标作物在各阶段下的施肥量和灌溉量，并据此各阶段下的施肥量和灌溉量，确定其施肥方案和灌溉方案，具体过程包括如下步骤：
首先，可以依据目标作物的环境数据，求解目标作物在生成过程中的各阶段所需的施肥量和灌溉量，即可以以目标作物对应的环境数据中的各类数据为基准，确定目标作物在各阶段下的施肥量和灌溉量；
其中，施肥量可以通过环境数据中的土壤数据和产量数据进行求解，灌溉量则可以依据环境数据中的气象数据确定，即可以通过测算土壤数据指示的土壤中的养分含量，以及产量数据指示的目标作物对应于各产量所需的养分含量，以求得目标作物在各阶段所需的施肥量；对应地，可以在气象数据的基础上，利用相关算法求得目标作物在各阶段所需的灌溉量。
随即，可以利用上一步确定的目标作物在各阶段下的施肥量和灌溉量，确定目标作物的施肥参数和灌溉参数，具体可以是，业务中台首先定义了一系列参数，例如，userCode、orgCode、cropName、cropCode、planName、planType等，然后在求解得到目标作物在各阶段所需的施肥量和灌溉量的基础上，结合定义的参数生成目标作物的施肥参数和灌溉参数，即可以在定义的参数和各阶段所需的施肥量和灌溉量的基础上，使用开发工具（如pycharm）通过接口获取施肥参数和灌溉参数。
步骤130，基于目标作物、目标作物的种植数据、目标作物对应的环境数据，以及目标作物的灌溉参数和施肥参数，确定目标作物的灌溉方案和施肥方案。
具体地，经过步骤120得到目标作物的施肥参数和灌溉参数之后，即可执行步骤130，利用目标作物的种植数据、施肥参数以及灌溉参数，确定目标作物的施肥方案和灌溉方案，这一过程具体可以包括：
首先，需确定目标作物的种植数据，此处的种植数据可以理解为目标作物的播种日期、预计收获日期等，即需为目标作物设定播种日期和预计收获日期；其中，播种日期和预计收获日期可以根据用户期望设定，也可以依据目标作物的生长规律、目标作物对应的环境数据等确定，本发明实施例对此不做具体限定；
随后，可以以目标作物对应的环境数据、目标作物的种植数据，以及目标作物的施肥参数和灌溉参数为基准，为目标作物制定施肥方案和灌溉方案，需要说明的是，此处的施肥方案和灌溉方案是针对于目标作物从种植至收获的整体过程的，其中包含目标作物生成过程中的各阶段所需的施肥量和灌溉量，以及各阶段对应的施肥时间、灌溉时间、肥料种类等。
换而言之，在经过上述过程确定目标作物，以及得到目标作物对应的环境数据、种植数据、施肥参数和灌溉参数之后，业务中台即可在此部分数据的基础上，利用相关算法进行分析计算，以匹配得出对应于目标作物的施肥方案和灌溉方案，保证了方案的合理性，为后续基于此方案的精准调控过程提供了数据支撑。
本发明提供的水肥计算方法，通过目标作物对应的环境数据，确定目标作物在各阶段下的施肥量和灌溉量，并据此施肥量和灌溉量，确定灌溉参数和施肥参数，利用灌溉参数、施肥参数、种植数据和环境数据，确定目标作物的灌溉方案和施肥方案，克服了因无法正确的判断出农作物在各阶段所需的灌溉量和施肥量，导致难以为其精准灌溉和施肥，以致减产、品质不佳以及收益低下的缺陷，实现了科学合理的施肥方案和灌溉方案的自动化生成，为线下农场和农户提供了施肥和灌溉的标准模板，同时，为精准施肥模型和精准灌溉模型的迭代提供了数据支撑，保证了作物科学合理的生长环境，缩减了资源消耗，为增产、改善品质、节水节肥、提高收益等提供了关键性的助力。
基于上述实施例，步骤120中，基于目标作物对应的环境数据，确定目标作物在各阶段下的施肥量和灌溉量，包括：
基于环境数据中的土壤数据进行养分测算，得到土壤养分；
基于土壤养分，以及环境数据中的所述产量数据，确定目标作物在各阶段下的施肥量；
确定目标作物对应的目标灌溉时间，目标灌溉时间包括目标作物的首次灌溉时间和末次灌溉时间；
基于目标灌溉时间，以及环境数据中的气象数据，确定目标作物在各阶段下的灌溉量。
具体地，步骤120中，依据目标作物对应的环境数据，确定目标作物在各阶段下的施肥量和灌溉量的过程，可以包括如下步骤：
其中，目标作物在各阶段所需的施肥量可以基于如下步骤确定：
首先，可以利用环境数据中的土壤数据，求解土壤中的养分含量，即可以以环境数据中的土壤数据为基准，进行养分测算，以测得土壤中的养分含量，从而得到土壤养分，此处的土壤数据可以是土壤类型、土壤质地、根系深度等，其中，根系深度为对应土壤下目标作物所能扎根的深度；
随即，可以结合土壤养分，以及环境数据中的产量数据，确定目标作物在各阶段的施肥量，具体可以是，通过产量数据所指示的目标作物对应于各产量所需的养分含量，以及土壤中的养分含量，进行计算求得目标作物在各阶段下的施肥量。
目标作物在各阶段下的灌溉量则可以通过如下步骤计算得到：
首先，可以为目标作物设置灌溉时间，即对应于目标作物的目标灌溉时间，此处的目标灌溉时间可以是目标作物生长全程的第一次灌溉时间、最后一次灌溉时间等，即目标灌溉时间包括首次灌溉时间和末次灌溉时间；
随即，可以通过目标灌溉时间，以及环境数据中的气象数据，确定目标作物在各阶段下的灌溉量，即可以利用目标灌溉时间中的首次灌溉时间和末次灌溉时间，从业务中台的数据库中调出目标作物的种植区域下的历史数据，此处的历史数据可以是目标作物的种植区域下的历史蒸散量、历史降水量等；然后，即可结合历史数据以及气象数据，确定出目标作物在各阶段所需的灌溉量。
基于上述实施例，步骤120中，基于土壤养分，以及环境数据中的产量数据，确定目标作物在各阶段下的施肥量，包括：
基于产量数据，确定目标作物对应于各产量的施肥量；
基于土壤养分，以及目标作物对应于各产量的施肥量，进行养分换算，得到各产量下目标作物在各阶段的施肥量。
具体地，上述过程中，利用土壤养分，以及环境数据中的产量数据，确定目标作物在各阶段下的施肥量的过程，具体可以包括：
首先，可以通过产量数据确定目标作物对应于各产量的施肥量；
然后，可以根据目标作物对应于各产量的施肥量，进行养分换算，以将目标作物所需的施肥量转换成养分含量，从而得到各产量下目标作物所需的养分含量；
此后，即可结合土壤养分，以及各产量下目标作物所需的养分含量，求解各产量下目标作物在各阶段所需的施肥量，即在各产量下目标作物所需的养分含量的基础上，减去土壤中的养分含量，得到目标作物对应于各产量所需施加的养分含量，然后通过养分换算以及目标作物生长过程中所需养分于各阶段的分布规律，确定各产量下目标作物在各阶段对应的施肥量。
基于上述实施例，步骤120中，基于目标灌溉时间，以及环境数据中的气象数据，确定目标作物在各阶段下的灌溉量，包括：
基于灌溉时间与历史数据之间的映射关系，确定目标灌溉时间所对应的历史数据，历史数据包括历史蒸散量和历史降水量；
基于目标灌溉时间所对应的历史数据，以及环境数据中的气象数据，确定目标作物在各阶段的灌溉量。
具体地，上述过程中，通过目标灌溉时间，以及环境数据中的气象数据，确定目标作物在各阶段下的灌溉量的过程，具体可以包括：
首先，需确定灌溉时间与历史数据之间的映射关系，此处的历史数据可以是历史蒸散量、历史降水量等，该映射关系可以是预先设定的不同灌溉时间与其对应的种植区域下的历史数据之间的对应关系，其表征了灌溉时间与对应种植区域下的历史蒸散量、历史降水量之间的关联关系；并且，其可以通过关系映射模型、关系对应列表等进行体现，换而言之，关系映射模型和/或关系对应列表中蕴含了不同灌溉时间与历史数据之间的映射关系；
随即，可以以灌溉时间与历史数据之间的映射关系为基准，确定目标灌溉时间所对应的历史数据，具体可以是，可以从业务中台的数据库中表征灌溉时间与历史数据之间的映射关系的关系对应列表中，查找与目标灌溉时间中的首次灌溉时间和末次灌溉时间匹配的灌溉时间，并确定此灌溉时间对应的历史数据，将其作为目标灌溉时间所对应的历史数据，或者可以将目标灌溉时间输入关系映射模型，以得到关系映射模型输出的目标灌溉时间所对应的历史数据，值得注意的是，此处的关系映射模型是在业务中台的数据库的基础上构建的；
此后，即可依据目标灌溉时间所对应的历史数据，以及环境数据中的气象数据，确定目标作物在各阶段的灌溉量，即可以在目标灌溉时间所对应的历史数据中的历史蒸散量和历史降水量的基础上，结合目标作物对应的环境数据中的气象数据，以确定目标作物在各阶段所需的灌溉量，此处的气象数据可以表明对应种植区域的天气状况、气象变化等。
基于上述实施例，步骤130中，基于目标作物、目标作物的种植数据、目标作物对应的环境数据，以及目标作物的灌溉参数和施肥参数，确定目标作物的灌溉方案和施肥方案，之后还包括：
基于目标作物的灌溉方案和施肥方案，对目标作物的各阶段进行灌溉和施肥；
基于目标作物的灌溉方案和施肥方案，对目标作物的各阶段进行灌溉和施肥，之后还包括：
获取种植区域下的土壤检测数据，土壤检测数据包括土壤温度数据、土壤湿度数据、土壤盐分数据中的至少一种，土壤检测数据基于种植区域内装设的土壤检测设备采集得到；
基于土壤检测数据，以及目标作物在各阶段下的土壤标准数据，对目标作物的灌溉方案和施肥方案进行校验，并基于校验结果更新目标作物的灌溉方案和施肥方案。
具体地，步骤130中，在得到对应于目标作物的施肥方案和灌溉方案后，可以此施肥方案和灌溉方案为参考，对目标作物生长过程中的各阶段进行施肥和灌溉，即可以参照施肥方案和灌溉方案中所陈列的目标作物生长过程中各阶段的施肥数据和灌溉数据等，针对性的为目标作物的各阶段进行施肥和灌溉，保证了作物科学合理的生长环境。
然而，在进行施肥和灌溉之后，传统方案中由于无法实时监测土壤质地，因而无法确定所施加的肥料的吸收情况，换而言之，难以确定肥料中的养分是否得到最大程度的利用。
鉴于此，本发明实施例中，在基于施肥方案和灌溉方案，对目标作物进行施肥之后，还可以获取土壤检测数据，以据此土壤检测数据，检测肥料是否发挥了最大化作用，这一过程具体包括如下步骤：
首先，可以获取目标作物的种植区域下的土壤检测数据，此处的土壤检测数据可以是土壤温度数据，也可以是土壤湿度数据，还可以是土壤盐分数据，或者是上述三者中的任意两者，当然，也可以同时包含上述三者，本发明实施例对此不做具体限定；
值得注意的是，此处的土壤检测数据是通过放置于/装设于目标作物的种植区域内的土壤检测设备检测得到的，其中，土壤检测设备可以是土壤水分测定仪、土壤温度测量仪、土壤盐分测定仪等，还可以是集温度、湿度和盐分检测功能于一身的检测设备，例如，土壤墒情监测仪、土壤墒情速测仪等。
随即，可以利用土壤检测数据，检验所施加的肥料的吸收情况，这一过程实际上是，利用土壤检测数据验证前述制定的施肥方案和灌溉方案的合理性，即依据土壤检测数据，以及目标作物在各阶段下的土壤标准数据，验证施肥方案和灌溉方案中针对于目标作物的各阶段的施肥数据和灌溉数据是否合理，此处的土壤标准数据即标准状况下（按照目标作物在对应种植区域下的种植条件指示的施肥标准和灌溉标准进行施肥和灌溉的情况下），作物生长过程中各阶段的土壤温度标准、土壤湿度标准、土壤盐分标准中的至少一种；
进一步地，若是土壤检测数据和对应的土壤标准数据表明土壤温度和标准温度之间的差值在预设温度范围内，土壤湿度与标准湿度之间的差值在预设湿度范围内，且土壤盐分与标准盐分之间的差值在预设盐分范围内，则可以确定目标作物的施肥方案的灌溉方案中的施肥数据和灌溉数据是合理的，即针对于目标作物的施肥方案的灌溉方案的合理性校验通过。
其中，预设温度范围、预设湿度范围和预设盐分范围分别表示在目标作物的各阶段可容忍的最大土壤温度差距、最大土壤湿度差距和最大土壤盐分差距。
对应地，若是土壤检测数据和对应的土壤标准数据表明土壤温度和标准温度之间的差值不在预设温度范围内，土壤湿度与标准湿度之间的差值不在预设湿度范围内，土壤盐分与标准盐分之间的差值不在预设盐分范围内中的任一项，则可以确定目标作物的施肥方案的灌溉方案中的施肥数据和灌溉数据是不合理的，即针对于目标作物的施肥方案的灌溉方案的合理性校验不通过。
而在合理性校验不通过的情况下，可以根据校验过程中土壤检测数据中的各项数据与土壤标准数据中的各项数据之间的差值，对应调整目标作物的施肥方案和/或灌溉方案。
例如，在土壤湿度和标准湿度之间的差值未处于预设湿度范围内的情况下，可以适当调整目标作物的灌溉方案中的灌溉数据，以减少或增多灌溉量。
又例如，在土壤盐分和标准盐分之间的差值不在预设盐分范围内的情况下，可以同时对目标作物的施肥方案中的施肥数据和灌溉方案中的灌溉数据进行调整。
不过在对上述两者进行调整的过程中，两者可能会互相影响，因而调整过程以两者之间的相关性为参考，即可以衡量两者作用于目标作物，以及对于土壤的影响，确定两者之间的潜在关联，以据此对目标作物的施肥方案和灌溉方案进行精准的调控。
基于上述实施例，步骤130中，基于目标作物、目标作物的种植数据、目标作物对应的环境数据，以及目标作物的灌溉参数和施肥参数，确定目标作物的灌溉方案和施肥方案，之后还包括：
基于目标作物的施肥方案，生成肥料订单，肥料订单内包含的肥量为目标作物在各阶段下的施肥量总和；
获取肥料订单的运输轨迹和运输状态，并基于运输轨迹和运输状态，对肥料订单进行运输监控。
具体地，步骤130中，在依据目标作物的种植数据、环境数据、施肥参数以及灌溉参数，确定目标作物的施肥方案和灌溉方案之后，还可以为目标作物的生长全程订购肥料，并监控肥料的运输过程，具体过程可以包括：
首先，可以根据目标作物的施肥方案，生成肥料订单，该肥料订单中包含目标作物的生长全程所需的肥料，亦可以理解为，该肥料订单所订购的肥量为目标作物在各阶段下的施肥量总和；
随即，可以获取该肥料订单运输过程中的各个轨迹点，该轨迹点可以通过肥料订单运输过程中途经的各点的经纬度进行表示，然后即可利用各个轨迹点进行拼接得到肥料订单运输过程的运输轨迹，并可以根据获取的轨迹点，对运输轨迹进行更新，以实现针对于运输轨迹的监控。
而在获取运输轨迹的同时，还可以通过各个轨迹点或者运输轨迹获知肥料订单的运输状态，即确定肥料订单处于出库状态、装车状态、运输状态、即将送达状态、已送达状态等状态中的何种状态，在这一过程中，还可以通过轨迹点或运输轨迹的变化，更新肥料订单的运输状态，以对运输状态进行监控。
本发明实施例中，通过运输轨迹和运输状态的双重监控，以保证肥料能够安全运输至目标作物的种植区域，并且确保了肥料订单运输过程的清晰度和透明度，使得目标作物的种植过程有了较好的保障，此外，还助力了线下肥料的推广。
基于上述实施例，土壤数据包括根系深度数据、土壤类型数据、土壤质地数据中的至少一种，灌溉参数包括滴灌参数和/或漫灌参数。
此处，目标作物对应的环境数据中的土壤数据可以是根系深度数据、土壤类型数据、土壤质地数据中的任意一种或两种，当然也可以同时包含上述三种，本发明实施例对此不做具体限定。
而根据目标作物在各阶段的灌溉量确定的灌溉参数可以是滴灌参数，也可以是漫灌参数，还可以是滴灌参数和漫灌参数，本发明实施例对此同样不做具体限定。
基于上述实施例，图2是本发明提供的水肥计算方法的总体框架图，如图2所示，该方法包括：
首先，可以确定目标作物，以及目标作物对应的环境数据，环境数据包括目标作物的种植区域下的土壤数据、产量数据和气象数据；
随即，可以基于目标作物对应的环境数据，确定目标作物在各阶段下的施肥量和灌溉量，并基于各阶段下的施肥量和灌溉量，确定目标作物的灌溉参数和施肥参数；
其中，基于目标作物对应的环境数据，确定目标作物在各阶段下的施肥量和灌溉量的过程，具体可以是，基于环境数据中的土壤数据进行养分测算，得到土壤养分；基于土壤养分，以及环境数据中的所述产量数据，确定目标作物在各阶段下的施肥量；确定目标作物对应的目标灌溉时间，目标灌溉时间包括目标作物的首次灌溉时间和末次灌溉时间；基于目标灌溉时间，以及环境数据中的气象数据，确定目标作物在各阶段下的灌溉量。
进一步地，基于土壤养分，以及环境数据中的产量数据，确定目标作物在各阶段下的施肥量的过程，具体包括：基于产量数据，确定目标作物对应于各产量的施肥量；基于土壤养分，以及目标作物对应于各产量的施肥量，进行养分换算，得到各产量下目标作物在各阶段的施肥量。
基于目标灌溉时间，以及环境数据中的气象数据，确定目标作物在各阶段下的灌溉量的过程，则可以包括：基于灌溉时间与历史数据之间的映射关系，确定目标灌溉时间所对应的历史数据，历史数据包括历史蒸散量和历史降水量；基于目标灌溉时间所对应的历史数据，以及环境数据中的气象数据，确定目标作物在各阶段的灌溉量。
随后，即可基于目标作物、目标作物的种植数据、目标作物对应的环境数据，以及目标作物的灌溉参数和施肥参数，确定目标作物的灌溉方案和施肥方案。
本发明实施例中施肥方案和灌溉方案的制定，为农户提供了匹配的属地气象和土壤特性，以及目标作物生长过程的科学合理的施肥计划和灌溉计划，保证了目标作物能够科学合理的生长，大大减少了非必要资源的消耗，提高了作物产量，改善了产品质量。
而在这之后，即可基于目标作物的灌溉方案和施肥方案，对目标作物的各阶段进行灌溉和施肥；进一步地，可以获取种植区域下的土壤检测数据，土壤检测数据包括土壤温度数据、土壤湿度数据、土壤盐分数据中的至少一种，土壤检测数据基于种植区域内装设的土壤检测设备采集得到；基于土壤检测数据，以及目标作物在各阶段下的土壤标准数据，对目标作物的灌溉方案和施肥方案进行校验，并基于校验结果更新目标作物的灌溉方案和施肥方案。
同样，在确定目标作物的灌溉方案和施肥方案，之后还可以基于目标作物的施肥方案，生成肥料订单，肥料订单内包含的肥量为目标作物在各阶段下的施肥量总和；获取肥料订单的运输轨迹和运输状态，并基于运输轨迹和运输状态，对肥料订单进行运输监控。
本发明实施例提供的方法，通过目标作物对应的环境数据，确定目标作物在各阶段下的施肥量和灌溉量，并据此施肥量和灌溉量，确定灌溉参数和施肥参数，利用灌溉参数、施肥参数、种植数据和环境数据，确定目标作物的灌溉方案和施肥方案，克服了因无法正确的判断出农作物在各阶段所需的灌溉量和施肥量，导致难以为其精准灌溉和施肥，以致减产、品质不佳以及收益低下的缺陷，实现了科学合理的施肥方案和灌溉方案的自动化生成，为线下农场和农户提供了施肥和灌溉的标准模板，并助力了线下肥料的推广，同时，为精准施肥模型和精准灌溉模型的迭代提供了数据支撑，保证了作物科学合理的生长环境，缩减了资源消耗，为增产、改善品质、节水节肥、提高收益等提供了关键性的助力。
下面对本发明提供的水肥计算装置进行描述，下文描述的水肥计算装置与上文描述的水肥计算方法可相互对应参照。
图3是本发明提供的水肥计算装置的结构示意图，如图3所示，该装置包括：
数据确定单元310，用于确定目标作物，以及所述目标作物对应的环境数据，所述环境数据包括所述目标作物的种植区域下的土壤数据、产量数据和气象数据；
参数确定单元320，用于基于所述目标作物对应的环境数据，确定所述目标作物在各阶段下的施肥量和灌溉量，并基于所述各阶段下的施肥量和灌溉量，确定所述目标作物的灌溉参数和施肥参数；
方案确定单元330，用于基于所述目标作物、所述目标作物的种植数据、所述目标作物对应的环境数据，以及所述目标作物的灌溉参数和施肥参数，确定所述目标作物的灌溉方案和施肥方案。
本发明提供的水肥计算装置，通过目标作物对应的环境数据，确定目标作物在各阶段下的施肥量和灌溉量，并据此施肥量和灌溉量，确定灌溉参数和施肥参数，利用灌溉参数、施肥参数、种植数据和环境数据，确定目标作物的灌溉方案和施肥方案，克服了因无法正确的判断出农作物在各阶段所需的灌溉量和施肥量，导致难以为其精准灌溉和施肥，以致减产、品质不佳以及收益低下的缺陷，实现了科学合理的施肥方案和灌溉方案的自动化生成，为线下农场和农户提供了施肥和灌溉的标准模板，同时，为精准施肥模型和精准灌溉模型的迭代提供了数据支撑，保证了作物科学合理的生长环境，缩减了资源消耗，为增产、改善品质、节水节肥、提高收益等提供了关键性的助力。
基于上述实施例，参数确定单元320用于：
基于所述环境数据中的土壤数据进行养分测算，得到土壤养分；
基于所述土壤养分，以及所述环境数据中的所述产量数据，确定所述目标作物在各阶段下的施肥量；
确定所述目标作物对应的目标灌溉时间，所述目标灌溉时间包括所述目标作物的首次灌溉时间和末次灌溉时间；
基于所述目标灌溉时间，以及所述环境数据中的所述气象数据，确定所述目标作物在各阶段下的灌溉量。
基于上述实施例，参数确定单元320用于：
基于所述产量数据，确定所述目标作物对应于各产量的施肥量；
基于所述土壤养分，以及目标作物对应于各产量的施肥量，进行养分换算，得到各产量下所述目标作物在各阶段的施肥量。
基于上述实施例，参数确定单元320用于：
基于灌溉时间与历史数据之间的映射关系，确定所述目标灌溉时间所对应的历史数据，所述历史数据包括历史蒸散量和历史降水量；
基于所述目标灌溉时间所对应的历史数据，以及所述环境数据中的气象数据，确定所述目标作物在各阶段的灌溉量。
基于上述实施例，所述装置还包括灌溉施肥单元和方案校验单元；
其中，灌溉施肥单元用于：
基于所述目标作物的灌溉方案和施肥方案，对所述目标作物的各阶段进行灌溉和施肥；
方案校验单元用于：
获取所述种植区域下的土壤检测数据，所述土壤检测数据包括土壤温度数据、土壤湿度数据、土壤盐分数据中的至少一种，所述土壤检测数据基于所述种植区域内装设的土壤检测设备采集得到；
基于所述土壤检测数据，以及所述目标作物在各阶段下的土壤标准数据，对所述目标作物的灌溉方案和施肥方案进行校验，并基于校验结果更新所述目标作物的灌溉方案和施肥方案。
基于上述实施例，所述装置还包括运输监控单元，用于：
基于所述目标作物的施肥方案，生成肥料订单，所述肥料订单内包含的肥量为所述目标作物在各阶段下的施肥量总和；
获取所述肥料订单的运输轨迹和运输状态，并基于所述运输轨迹和所述运输状态，对所述肥料订单进行运输监控。
基于上述实施例，所述土壤数据包括根系深度数据、土壤类型数据、土壤质地数据中的至少一种，所述灌溉参数包括滴灌参数和/或漫灌参数。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器（processor）410、通信接口（Communications Interface）420、存储器（memory）430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行水肥计算方法，该方法包括：确定目标作物，以及所述目标作物对应的环境数据，所述环境数据包括所述目标作物的种植区域下的土壤数据、产量数据和气象数据；基于所述目标作物对应的环境数据，确定所述目标作物在各阶段下的施肥量和灌溉量，并基于所述各阶段下的施肥量和灌溉量，确定所述目标作物的灌溉参数和施肥参数；基于所述目标作物、所述目标作物的种植数据、所述目标作物对应的环境数据，以及所述目标作物的灌溉参数和施肥参数，确定所述目标作物的灌溉方案和施肥方案。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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步骤。而前述的存储介质包括：U盘、移动硬盘、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。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的水肥计算方法，该方法包括：确定目标作物，以及所述目标作物对应的环境数据，所述环境数据包括所述目标作物的种植区域下的土壤数据、产量数据和气象数据；基于所述目标作物对应的环境数据，确定所述目标作物在各阶段下的施肥量和灌溉量，并基于所述各阶段下的施肥量和灌溉量，确定所述目标作物的灌溉参数和施肥参数；基于所述目标作物、所述目标作物的种植数据、所述目标作物对应的环境数据，以及所述目标作物的灌溉参数和施肥参数，确定所述目标作物的灌溉方案和施肥方案。
又一方面，本发明还提供一种非暂态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以执行上述各方法所提供的水肥计算方法，该方法包括：确定目标作物，以及所述目标作物对应的环境数据，所述环境数据包括所述目标作物的种植区域下的土壤数据、产量数据和气象数据；基于所述目标作物对应的环境数据，确定所述目标作物在各阶段下的施肥量和灌溉量，并基于所述各阶段下的施肥量和灌溉量，确定所述目标作物的灌溉参数和施肥参数；基于所述目标作物、所述目标作物的种植数据、所述目标作物对应的环境数据，以及所述目标作物的灌溉参数和施肥参数，确定所述目标作物的灌溉方案和施肥方案。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种水肥计算方法，其特征在于，包括：
确定目标作物，以及所述目标作物对应的环境数据，所述环境数据包括所述目标作物的种植区域下的土壤数据、产量数据和气象数据；
基于所述目标作物对应的环境数据，确定所述目标作物在各阶段下的施肥量和灌溉量，并基于所述各阶段下的施肥量和灌溉量，确定所述目标作物的灌溉参数和施肥参数；
基于所述目标作物、所述目标作物的种植数据、所述目标作物对应的环境数据，以及所述目标作物的灌溉参数和施肥参数，确定所述目标作物的灌溉方案和施肥方案。
2.根据权利要求1所述的水肥计算方法，其特征在于，所述基于所述目标作物对应的环境数据，确定所述目标作物在各阶段下的施肥量和灌溉量，包括：
基于所述环境数据中的土壤数据进行养分测算，得到土壤养分；
基于所述土壤养分，以及所述环境数据中的所述产量数据，确定所述目标作物在各阶段下的施肥量；
确定所述目标作物对应的目标灌溉时间，所述目标灌溉时间包括所述目标作物的首次灌溉时间和末次灌溉时间；
基于所述目标灌溉时间，以及所述环境数据中的所述气象数据，确定所述目标作物在各阶段下的灌溉量。
3.根据权利要求2所述的水肥计算方法，其特征在于，所述基于所述土壤养分，以及所述环境数据中的所述产量数据，确定所述目标作物在各阶段下的施肥量，包括：
基于所述产量数据，确定所述目标作物对应于各产量的施肥量；
基于所述土壤养分，以及目标作物对应于各产量的施肥量，进行养分换算，得到各产量下所述目标作物在各阶段的施肥量。
4.根据权利要求2所述的水肥计算方法，其特征在于，所述基于所述目标灌溉时间，以及所述环境数据中的所述气象数据，确定所述目标作物在各阶段下的灌溉量，包括：
基于灌溉时间与历史数据之间的映射关系，确定所述目标灌溉时间所对应的历史数据，所述历史数据包括历史蒸散量和历史降水量；
基于所述目标灌溉时间所对应的历史数据，以及所述环境数据中的气象数据，确定所述目标作物在各阶段的灌溉量。
5.根据权利要求1至4中任一项所述的水肥计算方法，其特征在于，所述基于所述目标作物、所述目标作物的种植数据、所述目标作物对应的环境数据，以及所述目标作物的灌溉参数和施肥参数，确定所述目标作物的灌溉方案和施肥方案，之后还包括：
基于所述目标作物的灌溉方案和施肥方案，对所述目标作物的各阶段进行灌溉和施肥；
所述基于所述目标作物的灌溉方案和施肥方案，对所述目标作物的各阶段进行灌溉和施肥，之后还包括：
获取所述种植区域下的土壤检测数据，所述土壤检测数据包括土壤温度数据、土壤湿度数据、土壤盐分数据中的至少一种，所述土壤检测数据基于所述种植区域内装设的土壤检测设备采集得到；
基于所述土壤检测数据，以及所述目标作物在各阶段下的土壤标准数据，对所述目标作物的灌溉方案和施肥方案进行校验，并基于校验结果更新所述目标作物的灌溉方案和施肥方案。
6.根据权利要求1至4中任一项所述的水肥计算方法，其特征在于，所述基于所述目标作物、所述目标作物的种植数据、所述目标作物对应的环境数据，以及所述目标作物的灌溉参数和施肥参数，确定所述目标作物的灌溉方案和施肥方案，之后还包括：
基于所述目标作物的施肥方案，生成肥料订单，所述肥料订单内包含的肥量为所述目标作物在各阶段下的施肥量总和；
获取所述肥料订单的运输轨迹和运输状态，并基于所述运输轨迹和所述运输状态，对所述肥料订单进行运输监控。
7.根据权利要求1至4中任一项所述的水肥计算方法，其特征在于，所述土壤数据包括根系深度数据、土壤类型数据、土壤质地数据中的至少一种，所述灌溉参数包括滴灌参数和/或漫灌参数。
8.一种水肥计算装置，其特征在于，包括：
数据确定单元，用于确定目标作物，以及所述目标作物对应的环境数据，所述环境数据包括所述目标作物的种植区域下的土壤数据、产量数据和气象数据；
参数确定单元，用于基于所述目标作物对应的环境数据，确定所述目标作物在各阶段下的施肥量和灌溉量，并基于所述各阶段下的施肥量和灌溉量，确定所述目标作物的灌溉参数和施肥参数；
方案确定单元，用于基于所述目标作物、所述目标作物的种植数据、所述目标作物对应的环境数据，以及所述目标作物的灌溉参数和施肥参数，确定所述目标作物的灌溉方案和施肥方案。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的水肥计算方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的水肥计算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211372888.2A CN115423643A (zh) | 2022-11-04 | 2022-11-04 | 水肥计算方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211372888.2A CN115423643A (zh) | 2022-11-04 | 2022-11-04 | 水肥计算方法、装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115423643A true CN115423643A (zh) | 2022-12-02 |
Family
ID=84207971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211372888.2A Pending CN115423643A (zh) | 2022-11-04 | 2022-11-04 | 水肥计算方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115423643A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117236519A (zh) * | 2023-11-10 | 2023-12-15 | 中化现代农业有限公司 | 水肥调控方法、装置、电子设备和存储介质 |
| CN117251640A (zh) * | 2023-11-17 | 2023-12-19 | 中化现代农业有限公司 | 培育方案推荐平台的生成方法、装置、设备和存储介质 |
| CN117577212A (zh) * | 2024-01-17 | 2024-02-20 | 山东商务职业学院 | 一种生态农业信息服务管理系统 |
| CN118503668A (zh) * | 2024-07-19 | 2024-08-16 | 四川职业技术学院 | 一种基于智慧农业的设备一体化控制系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106702981A (zh) * | 2016-12-22 | 2017-05-24 | 中国水利水电科学研究院 | 一种灌区排水系统的参数生成方法及装置 |
| CN106912237A (zh) * | 2017-03-20 | 2017-07-04 | 浙江省农业科学院 | 水肥一体化四控灌溉施肥方法 |
| CN108401862A (zh) * | 2018-05-08 | 2018-08-17 | 赵致钧 | 一种水肥药一体化管理系统及方法 |
| US20210289692A1 (en) * | 2017-12-05 | 2021-09-23 | Jiangsu University | Multi-Scale Habitat Information-Based Method and Device For Detecting and Controlling Water and Fertilizer For Crops In Seedling Stage |
| CN114698535A (zh) * | 2022-04-06 | 2022-07-05 | 武汉禾大科技有限公司 | 农作物精准灌溉方法、系统、电子设备及存储介质 |
-
2022
- 2022-11-04 CN CN202211372888.2A patent/CN115423643A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106702981A (zh) * | 2016-12-22 | 2017-05-24 | 中国水利水电科学研究院 | 一种灌区排水系统的参数生成方法及装置 |
| CN106912237A (zh) * | 2017-03-20 | 2017-07-04 | 浙江省农业科学院 | 水肥一体化四控灌溉施肥方法 |
| US20210289692A1 (en) * | 2017-12-05 | 2021-09-23 | Jiangsu University | Multi-Scale Habitat Information-Based Method and Device For Detecting and Controlling Water and Fertilizer For Crops In Seedling Stage |
| CN108401862A (zh) * | 2018-05-08 | 2018-08-17 | 赵致钧 | 一种水肥药一体化管理系统及方法 |
| CN114698535A (zh) * | 2022-04-06 | 2022-07-05 | 武汉禾大科技有限公司 | 农作物精准灌溉方法、系统、电子设备及存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117236519A (zh) * | 2023-11-10 | 2023-12-15 | 中化现代农业有限公司 | 水肥调控方法、装置、电子设备和存储介质 |
| CN117236519B (zh) * | 2023-11-10 | 2024-04-09 | 中化现代农业有限公司 | 水肥调控方法、装置、电子设备和存储介质 |
| CN117251640A (zh) * | 2023-11-17 | 2023-12-19 | 中化现代农业有限公司 | 培育方案推荐平台的生成方法、装置、设备和存储介质 |
| CN117251640B (zh) * | 2023-11-17 | 2024-04-16 | 中化现代农业有限公司 | 培育方案推荐平台的生成方法、装置、设备和存储介质 |
| CN117577212A (zh) * | 2024-01-17 | 2024-02-20 | 山东商务职业学院 | 一种生态农业信息服务管理系统 |
| CN118503668A (zh) * | 2024-07-19 | 2024-08-16 | 四川职业技术学院 | 一种基于智慧农业的设备一体化控制系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11625798B2 (en) | Environmental management zone modeling and analysis | |
| US10996656B2 (en) | System and method for aggregating test plot results based on agronomic environments | |
| Gallardo et al. | Decision support systems and models for aiding irrigation and nutrient management of vegetable crops | |
| CN115423643A (zh) | 水肥计算方法、装置、电子设备和存储介质 | |
| Gu et al. | Development of an irrigation scheduling software based on model predicted crop water stress | |
| Barradas et al. | A decision support system-fertigation simulator (DSS-FS) for design and optimization of sprinkler and drip irrigation systems | |
| JP2017217013A (ja) | 養液土耕システム及び養液土耕制御サーバ | |
| CN116595333B (zh) | 土壤-气候智慧型的水稻目标产量与氮肥用量确定方法 | |
| JP2015080438A (ja) | 養液土耕システム、養液土耕制御サーバ、養液土耕制御プログラム及びコントローラ | |
| CN106485002A (zh) | 在复杂地形气候区域估算太阳辐射和甘蔗潜在产量的方法 | |
| CN116485040B (zh) | 种子活力预测方法、系统、电子设备及存储介质 | |
| Li et al. | Modification of CSM-CROPGRO-Cotton model for simulating cotton growth and yield under various deficit irrigation strategies | |
| Tatsumi | Effects of automatic multi-objective optimization of crop models on corn yield reproducibility in the USA | |
| CN116152007A (zh) | 植物施肥量的确定方法、装置、终端设备和可读存储介质 | |
| Prasad et al. | Evaluation of nitrogen fertilization patterns using DSSAT for enhancing grain yield and nitrogen use efficiency in rice | |
| CN115049220B (zh) | 分散式区域氮施用量估算方法、系统、计算机设备及介质 | |
| Khort et al. | Automated System for Designing and Management of Agricultural Technologies in Horticulture | |
| CN117035471B (zh) | 一种基于多植被指数图像的施肥决策方法及系统 | |
| CN117223459B (zh) | 一种基于数据分析的肥料自动混配系统 | |
| CN114091761B (zh) | 种养空间优化方法及装置 | |
| Ding et al. | Optimizing nitrogen-fertilizer management by using RZWQM2 with consideration of precipitation can enhance nitrogen utilization on the Loess Plateau | |
| Shabani et al. | How accurate is the SALTMED model in simulating rapeseed yield and growth under different irrigation and salinity levels? | |
| CN118246604A (zh) | 一种作物模块化生长数据采集及生长预测系统 | |
| Pouryazdankhah et al. | Development and validation of a sunflower crop growth module for the Daisy model | |
| Bhar et al. | MISSION–Model predictive In-Season Scheduling of Irrigation Or/and Nitrogen |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221202 |