CN115439005A - 智能排水监测方法、系统及存储介质 - Google Patents
智能排水监测方法、系统及存储介质 Download PDFInfo
- Publication number
- CN115439005A CN115439005A CN202211209724.8A CN202211209724A CN115439005A CN 115439005 A CN115439005 A CN 115439005A CN 202211209724 A CN202211209724 A CN 202211209724A CN 115439005 A CN115439005 A CN 115439005A
- Authority
- CN
- China
- Prior art keywords
- target
- rice field
- field
- drainage
- target rice
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 45
- 241000209094 Oryza Species 0.000 claims description 502
- 235000007164 Oryza sativa Nutrition 0.000 claims description 499
- 235000009566 rice Nutrition 0.000 claims description 499
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 216
- 238000004458 analytical method Methods 0.000 claims description 23
- 230000008020 evaporation Effects 0.000 claims description 23
- 238000001704 evaporation Methods 0.000 claims description 23
- 238000012216 screening Methods 0.000 claims description 19
- 238000012876 topography Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 239000002689 soil Substances 0.000 claims description 6
- 238000006467 substitution reaction Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000002791 soaking Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 description 6
- 239000002352 surface water Substances 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011179 visual inspection 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- A01G22/00—Cultivation of specific crops or plants not otherwise provided for
- A01G22/20—Cereals
- A01G22/22—Rice
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Multimedia (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Environmental Sciences (AREA)
- Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Botany (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Remote Sensing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及智能排水监测领域,具体公开智能排水监测方法、系统及存储介质,本发明通过获取目标稻田的基本信息和当前水位,判断目标稻田是否有排水需求,获取目标稻田降雨等待期内各天的水分蒸发量和目标稻田降雨期内各天的降雨量,分析得到目标稻田的降雨水分补偿比例系数,根据目标稻田的当前水位、耐淹水位、降雨水分补偿比例系数和占地面积,分析得到目标稻田的排水量,进一步获取目标稻田的排水沟渠位置和目标稻田排水沟渠的断面面积,将目标稻田的排水沟渠位置和目标稻田排水沟渠的断面面积发送至农田排水管理部门,进而实现稻田的智能排水,使得稻田免受内涝和渍害的威胁,从而为稻田的产量提供保障。
Description
技术领域
本发明涉及智能排水监测领域,涉及到智能排水监测方法、系统及存储介质。
背景技术
农田在汛期遭遇较大降雨或暴雨袭击时,会产生多余的地表水,而这部分多余的地表水短时间内又无法得到消耗利用,若不及时排除,不仅会造成农田内涝,同时随着地表水的渗透,使得地下水位上升,进而给农田带来渍害威胁,水稻作为主要的粮食作物,水稻种植面积在农田种植面积中占有很大比例,因此,对稻田排水进行监测具有重要意义。
现有的稻田排水监测方法存在一些弊端:一方面,在获取稻田的耐淹水位时,通过目测获取稻田的生长周期,进而估计稻田的耐淹水位,没有分析稻田水稻的实际生长情况,进而无法获得稻田真实的生长周期和耐淹水位,同时,依据生长周期直接得到耐淹水位,过于笼统、模糊化,没有分析本质,即没有分析水稻植株生长特征与耐淹水位之间的关联,进而使得稻田耐淹水位分析结果的精准性和可靠性都比较低。
一方面,在分析稻田的排水量时,直接将稻田的当前水位与耐淹水位进行相减,即排水排到耐淹水位为止,没有分析降雨的情况,如果稻田排完水紧接着降雨,水位上涨,此时水位高于耐淹水位,农田仍会被淹,进而给农田带来内涝和渍害的威胁。
另一方面,在选取稻田排水沟渠的位置时,没有进行深入的实地考察分析,即没有分析稻田的地势和水稻稀疏情况,在地势较低点布设沟渠排水,可以借助地势,加快排水速度,同时减少挖沟渠的工作量,在水稻分布稀疏的地方布设沟渠,避免挖沟渠时损坏水稻,进而最大程度降低排水沟渠对水稻生长的影响。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出智能排水监测方法、系统及存储介质。
本发明解决其技术问题采用的技术方案是:
第一方面,本发明提供智能排水监测方法,包括以下步骤:
步骤一、目标稻田基本信息获取:获取目标稻田的基本信息,其中基本信息包括耐淹水位、耐淹历时、水稻承受水流速度和占地面积;
步骤二、目标稻田排水需求判断:获取目标稻田的当前水位,根据目标稻田的当前水位和耐淹水位,判断目标稻田是否有排水需求,若目标稻田有排水需求,则执行步骤三;
步骤三、降雨水分补偿比例系数获取:获取目标稻田降雨等待期内各天的水分蒸发量和目标稻田降雨期内各天的降雨量,分析得到目标稻田的降雨水分补偿比例系数;
步骤四、目标稻田排水量获取:根据目标稻田的当前水位、耐淹水位、降雨水分补偿比例系数和占地面积,分析得到目标稻田的排水量;
步骤五、目标稻田排水沟渠位置选取:获取目标稻田的地势信息和水稻生长茂密信息,分析得到目标稻田的排水沟渠位置;
步骤六、目标稻田排水沟渠面积获取:根据目标稻田的排水量、耐淹历时和水稻承受水流速度,分析得到目标稻田排水沟渠的断面面积;
步骤七、排水沟渠信息发送:将目标稻田的排水沟渠位置和目标稻田排水沟渠的断面面积发送至农田排水管理部门。
在一种可能的设计中,所述步骤一中获取目标稻田的基本信息,具体方法为:
按照预设的样本水稻选取原则在目标稻田中选取各样本水稻,通过高清摄像机获取目标稻田中各样本水稻的图像,根据目标稻田中各样本水稻的图像,得到目标稻田中各样本水稻的根茎粗度,提取数据库中存储的水稻在各生长周期对应的根茎粗度范围,将目标稻田中各样本水稻的根茎粗度与水稻在各生长周期对应的根茎粗度范围进行比较,若目标稻田中某样本水稻的根茎粗度处于水稻在某生长周期对应的根茎粗度范围之内,则将该生长周期记为目标稻田中该样本水稻的生长周期,筛选得到目标稻田中各样本水稻的生长周期,统计各生长周期对应的样本水稻数量,将最多样本水稻数量对应的生长周期记为目标稻田的生长周期;
根据目标稻田中各样本水稻的图像,构建目标稻田中各样本水稻的空间模型,得到目标稻田各样本水稻中各分枝点的高度;
提取数据库中存储的水稻在各生长周期对应的允许浸泡分枝点数量,根据目标稻田的生长周期,筛选得到目标稻田允许浸泡的分枝点数量,将目标稻田各样本水稻中各分枝点按照从下往上的顺序进行排序,根据目标稻田允许浸泡的分枝点数量,匹配得到目标稻田各样本水稻中允许浸泡的最后一个分枝点,获取目标稻田各样本水稻中允许浸泡最后一个分枝点的高度,将其记为目标稻田各样本水稻的耐淹水位,将目标稻田各样本水稻的耐淹水位进行平均值计算,得到目标稻田的耐淹水位,将其记为h耐淹;
提取数据库中存储的水稻在各生长周期对应的耐淹历时和水稻承受水流速度,根据目标稻田的生长周期,筛选得到目标稻田的耐淹历时和水稻承受水流速度,将其分别记为t耐淹和v承受;
通过无人机携带的高清摄像机对目标稻田进行垂直拍摄,获取目标稻田的整体图像,根据目标稻田的整体图像,得到目标稻田的占地面积,将其记为s稻田。
在一种可能的设计中,所述步骤二的具体分析过程为:
按照预设的水位监测点布设原则在目标稻田布设各水位监测点,通过水位传感器测量目标稻田中各水位监测点的水位,对目标稻田中各水位监测点的水位进行平均值计算,得到目标稻田的当前水位,将其记为h当前;
将目标稻田的当前水位与耐淹水位进行比较,若目标稻田的当前水位大于或等于耐淹水位,表明目标稻田有排水需求,并执行步骤三,反之,表明目标稻田没有排水需求。
在一种可能的设计中,所述步骤三中分析得到目标稻田的降雨水分补偿比例系数,具体过程为:
通过气象监测平台,获取目标稻田所在地区最近一次降雨的间隔时长和降雨的持续时长,将其分别记为目标稻田的降雨等待期和降雨期,并从气象监测平台获取目标稻田降雨等待期内各天的最高气温和目标稻田降雨期内各天的降雨量,将目标稻田降雨等待期内各天的最高气温与预设的各水分蒸发量对应的最高气温参考范围进行比对,筛选得到目标稻田降雨等待期内各天的水分蒸发量,将目标稻田降雨等待期内各天的水分蒸发量和目标稻田降雨期内各天的降雨量分别记为和i表示目标稻田降雨等待期内第i天的编号,i=1,2,...,n,j表示目标稻田降雨期内第j天的编号,j=1,2,...,m;
在一种可能的设计中,所述步骤四中分析得到目标稻田的排水量,具体分析方法为:
将目标稻田的当前水位h当前、耐淹水位h耐淹、降雨水分补偿比例系数α和占地面积s稻田代入公式得到目标稻田的排水量Q,其中χ表示预设的目标稻田的排水量修正因子,β表示预设的目标稻田降雨水分补偿比例系数的修正因子,e表示自然常数。
在一种可能的设计中,所述步骤五中分析得到目标稻田的排水沟渠位置,具体方法为:
按照预设的等面积原则对目标稻田区域进行划分,得到目标稻田的各子区域,通过激光测距仪获取目标稻田中各子区域中心点处水面与土壤层之间的垂直距离,将其记为da,a表示目标稻田中第a个子区域的编号,a=1,2,...,b,将目标稻田中各子区域中心点处水面与土壤层之间的垂直距离代入公式得到目标稻田中各子区域的地面下沉比例系数δa,其中ε表示预设的目标稻田中子区域的地面下沉比例系数修正因子,b表示目标稻田中子区域的总数量;
将目标稻田中各子区域的地面下沉比例系数与预设的地面下沉比例系数阈值进行比较,若目标稻田中某子区域的地面下沉比例系数大于预设的地面下沉比例系数阈值,则将目标稻田中该子区域记为标记子区域,筛选出各标记子区域,通过距离传感器获取各标记子区域中心点到目标稻田各条边界线的垂直距离,将其记为各标记子区域到目标稻田各条边界线的距离,将各标记子区域到目标稻田各条边界线的距离与设定距离阈值进行比较,若某标记子区域到目标稻田某条边界线的距离小于设定距离阈值,则将该标记子区域记为目标稻田该条边界线的可排水区域,筛选出目标稻田各条边界线的各可排水区域,统计目标稻田各条边界线的可排水区域数量,将最多可排水区域数量对应的目标稻田边界线记为目标稻田排水边界线;
获取目标稻田排水边界线所在的区域,将其记为排水边界区域,按照设定的等面积原则对排水边界区域进行划分,得到各排水边界子区域,通过高清摄像机对各排水边界子区域进行垂直拍摄,得到各排水边界子区域的图像,根据各排水边界子区域的图像,分析得到各排水边界子区域的水稻生长茂密系数,将各排水边界子区域的水稻生长茂密系数进行相互比较,将最小水稻生长茂密系数对应的排水边界子区域记为排水沟渠布设区域,进一步将排水沟渠布设区域中心点位置记为目标稻田的排水沟渠位置。
在一种可能的设计中,所述步骤六中分析得到目标稻田排水沟渠的断面面积,具体方法为:
第二方面,本发明还提供智能排水监测系统,包括:目标稻田基本信息获取模块:用于获取目标稻田的基本信息,其中基本信息包括耐淹水位、耐淹历时、水稻承受水流速度和占地面积;
目标稻田排水需求判断模块:用于获取目标稻田的当前水位,根据目标稻田的当前水位和耐淹水位,判断目标稻田是否有排水需求,若目标稻田有排水需求,则执行降雨水分补偿比例系数获取模块;
降雨水分补偿比例系数获取模块:用于获取目标稻田降雨等待期内各天的水分蒸发量和目标稻田降雨期内各天的降雨量,分析得到目标稻田的降雨水分补偿比例系数;
目标稻田排水量获取模块:用于根据目标稻田的当前水位、耐淹水位、降雨水分补偿比例系数和占地面积,分析得到目标稻田的排水量;
目标稻田排水沟渠位置选取模块:用于获取目标稻田的地势信息和水稻生长茂密信息,分析得到目标稻田的排水沟渠位置;
目标稻田排水沟渠面积获取模块:用于根据目标稻田的排水量、耐淹历时和水稻承受水流速度,分析得到目标稻田排水沟渠的断面面积;
排水沟渠信息发送模块:用于将目标稻田的排水沟渠位置和目标稻田排水沟渠的断面面积发送至农田排水管理部门;
数据库:用于存储水稻在各生长周期对应的根茎粗度范围、允许浸泡分枝点数量、耐淹历时和水稻承受水流速度。
第三方面,本发明还提供智能排水监测存储介质,所述智能排水监测存储介质烧录有计算机程序,所述计算机程序在服务器的内存中运行时实现本发明所述的智能排水监测方法。
相较于现有技术,本发明的有益效果如下:
1.本发明提供的智能排水监测方法、系统及存储介质,通过获取目标稻田的基本信息和当前水位,判断目标稻田是否有排水需求,获取目标稻田的降雨水分补偿比例系数,进一步分析得到目标稻田的排水量,并获取目标稻田的排水沟渠位置和目标稻田排水沟渠的断面面积,将其发送至农田排水管理部门,从而实现稻田的智能排水。
2.本发明通过在目标稻田中选取各样本水稻,获取目标稻田中各样本水稻的根茎粗度,得到目标稻田中各样本水稻的生长周期,进一步得到目标稻田的生长周期,根据目标稻田的生长周期,得到目标稻田允许浸泡的分枝点数量,进而分析得到目标稻田的耐淹水位,结合稻田水稻的实际生长情况和水稻植株生长特征与耐淹水位之间的关联,分析得到稻田真实的生长周期和耐淹水位,进而提高稻田耐淹水位分析结果的精准性和可靠性。
3.本发明通过获取目标稻田距离最近一次降雨的水分蒸发量和最近一次降雨的降雨量,分析得到目标稻田的降雨水分补偿比例系数,根据目标稻田的当前水位、耐淹水位、降雨水分补偿比例系数和占地面积,分析得到目标稻田的排水量,在分析稻田的排水量时,考虑到近期降雨的情况,在原有耐淹水位基础上作出调整,最大程度上保护稻田免受内涝和渍害的威胁。
4.本发明通过获取目标稻田的地势信息和水稻生长茂密信息,分析得到目标稻田的排水沟渠位置,在地势较低且水稻稀疏的地方布设排水沟渠,不仅可以借助地势,加快排水速度,减少挖沟渠的工作量,同时避免挖沟渠时损坏水稻,进而最大程度降低排水沟渠对水稻生长的影响。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明的方法流程示意图。
图2为本发明的系统模块连接图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明的第一方面提供智能排水监测方法,包括如下步骤:
步骤一、目标稻田基本信息获取:获取目标稻田的基本信息,其中基本信息包括耐淹水位、耐淹历时、水稻承受水流速度和占地面积。
示例性地,所述步骤一中获取目标稻田的基本信息,具体方法为:
按照预设的样本水稻选取原则在目标稻田中选取各样本水稻,通过高清摄像机获取目标稻田中各样本水稻的图像,根据目标稻田中各样本水稻的图像,得到目标稻田中各样本水稻的根茎粗度,提取数据库中存储的水稻在各生长周期对应的根茎粗度范围,将目标稻田中各样本水稻的根茎粗度与水稻在各生长周期对应的根茎粗度范围进行比较,若目标稻田中某样本水稻的根茎粗度处于水稻在某生长周期对应的根茎粗度范围之内,则将该生长周期记为目标稻田中该样本水稻的生长周期,筛选得到目标稻田中各样本水稻的生长周期,统计各生长周期对应的样本水稻数量,将最多样本水稻数量对应的生长周期记为目标稻田的生长周期;
根据目标稻田中各样本水稻的图像,构建目标稻田中各样本水稻的空间模型,得到目标稻田各样本水稻中各分枝点的高度;
提取数据库中存储的水稻在各生长周期对应的允许浸泡分枝点数量,根据目标稻田的生长周期,筛选得到目标稻田允许浸泡的分枝点数量,将目标稻田各样本水稻中各分枝点按照从下往上的顺序进行排序,根据目标稻田允许浸泡的分枝点数量,匹配得到目标稻田各样本水稻中允许浸泡的最后一个分枝点,获取目标稻田各样本水稻中允许浸泡最后一个分枝点的高度,将其记为目标稻田各样本水稻的耐淹水位,将目标稻田各样本水稻的耐淹水位进行平均值计算,得到目标稻田的耐淹水位,将其记为h耐淹;
提取数据库中存储的水稻在各生长周期对应的耐淹历时和水稻承受水流速度,根据目标稻田的生长周期,筛选得到目标稻田的耐淹历时和水稻承受水流速度,将其分别记为t耐淹和v承受;
通过无人机携带的高清摄像机对目标稻田进行垂直拍摄,获取目标稻田的整体图像,根据目标稻田的整体图像,得到目标稻田的占地面积,将其记为s稻田。
在本实施例中,本发明通过在目标稻田中选取各样本水稻,获取目标稻田中各样本水稻的根茎粗度,得到目标稻田中各样本水稻的生长周期,进一步得到目标稻田的生长周期,根据目标稻田的生长周期,得到目标稻田允许浸泡的分枝点数量,进而分析得到目标稻田的耐淹水位,结合稻田水稻的实际生长情况和水稻植株生长特征与耐淹水位之间的关联,分析得到稻田真实的生长周期和耐淹水位,进而提高稻田耐淹水位分析结果的精准性和可靠性。
步骤二、目标稻田排水需求判断:获取目标稻田的当前水位,根据目标稻田的当前水位和耐淹水位,判断目标稻田是否有排水需求,若目标稻田有排水需求,则执行步骤三。
示例性地,所述步骤二的具体分析过程为:
按照预设的水位监测点布设原则在目标稻田布设各水位监测点,通过水位传感器测量目标稻田中各水位监测点的水位,对目标稻田中各水位监测点的水位进行平均值计算,得到目标稻田的当前水位,将其记为h当前;
将目标稻田的当前水位与耐淹水位进行比较,若目标稻田的当前水位大于或等于耐淹水位,表明目标稻田有排水需求,并执行步骤三,反之,表明目标稻田没有排水需求。
步骤三、降雨水分补偿比例系数获取:获取目标稻田降雨等待期内各天的水分蒸发量和目标稻田降雨期内各天的降雨量,分析得到目标稻田的降雨水分补偿比例系数。
示例性地,所述步骤三中分析得到目标稻田的降雨水分补偿比例系数,具体过程为:
通过气象监测平台,获取目标稻田所在地区最近一次降雨的间隔时长和降雨的持续时长,将其分别记为目标稻田的降雨等待期和降雨期,并从气象监测平台获取目标稻田降雨等待期内各天的最高气温和目标稻田降雨期内各天的降雨量,将目标稻田降雨等待期内各天的最高气温与预设的各水分蒸发量对应的最高气温参考范围进行比对,筛选得到目标稻田降雨等待期内各天的水分蒸发量,将目标稻田降雨等待期内各天的水分蒸发量和目标稻田降雨期内各天的降雨量分别记为和i表示目标稻田降雨等待期内第i天的编号,i=1,2,...,n,j表示目标稻田降雨期内第j天的编号,j=1,2,...,m;
步骤四、目标稻田排水量获取:根据目标稻田的当前水位、耐淹水位、降雨水分补偿比例系数和占地面积,分析得到目标稻田的排水量。
示例性地,所述步骤四中分析得到目标稻田的排水量,具体分析方法为:
将目标稻田的当前水位h当前、耐淹水位h耐淹、降雨水分补偿比例系数α和占地面积s稻田代入公式得到目标稻田的排水量Q,其中χ表示预设的目标稻田的排水量修正因子,β表示预设的目标稻田降雨水分补偿比例系数的修正因子,e表示自然常数。
在本实施例中,本发明通过获取目标稻田距离最近一次降雨的水分蒸发量和最近一次降雨的降雨量,分析得到目标稻田的降雨水分补偿比例系数,根据目标稻田的当前水位、耐淹水位、降雨水分补偿比例系数和占地面积,分析得到目标稻田的排水量,在分析稻田的排水量时,考虑到近期降雨的情况,在原有耐淹水位基础上作出调整,最大程度上保护稻田免受内涝和渍害的威胁。
步骤五、目标稻田排水沟渠位置选取:获取目标稻田的地势信息和水稻生长茂密信息,分析得到目标稻田的排水沟渠位置。
示例性地,所述步骤五中分析得到目标稻田的排水沟渠位置,具体方法为:
按照预设的等面积原则对目标稻田区域进行划分,得到目标稻田的各子区域,通过激光测距仪获取目标稻田中各子区域中心点处水面与土壤层之间的垂直距离,将其记为da,a表示目标稻田中第a个子区域的编号,a=1,2,...,b,将目标稻田中各子区域中心点处水面与土壤层之间的垂直距离代入公式得到目标稻田中各子区域的地面下沉比例系数δa,其中ε表示预设的目标稻田中子区域的地面下沉比例系数修正因子,b表示目标稻田中子区域的总数量;
将目标稻田中各子区域的地面下沉比例系数与预设的地面下沉比例系数阈值进行比较,若目标稻田中某子区域的地面下沉比例系数大于预设的地面下沉比例系数阈值,则将目标稻田中该子区域记为标记子区域,筛选出各标记子区域,通过距离传感器获取各标记子区域中心点到目标稻田各条边界线的垂直距离,将其记为各标记子区域到目标稻田各条边界线的距离,将各标记子区域到目标稻田各条边界线的距离与设定距离阈值进行比较,若某标记子区域到目标稻田某条边界线的距离小于设定距离阈值,则将该标记子区域记为目标稻田该条边界线的可排水区域,筛选出目标稻田各条边界线的各可排水区域,统计目标稻田各条边界线的可排水区域数量,将最多可排水区域数量对应的目标稻田边界线记为目标稻田排水边界线;
获取目标稻田排水边界线所在的区域,将其记为排水边界区域,按照设定的等面积原则对排水边界区域进行划分,得到各排水边界子区域,通过高清摄像机对各排水边界子区域进行垂直拍摄,得到各排水边界子区域的图像,根据各排水边界子区域的图像,分析得到各排水边界子区域的水稻生长茂密系数,将各排水边界子区域的水稻生长茂密系数进行相互比较,将最小水稻生长茂密系数对应的排水边界子区域记为排水沟渠布设区域,进一步将排水沟渠布设区域中心点位置记为目标稻田的排水沟渠位置。
需要说明的是,所述根据各排水边界子区域的图像,分析得到各排水边界子区域的水稻生长茂密系数,具体过程为:
通过图像处理技术,得到各排水边界子区域图像的各灰度值,将各排水边界子区域图像的各灰度值与预设的水稻图像灰度值范围进行比较,若某排水边界子区域图像的某灰度值属于预设的水稻图像灰度值范围内,则将该排水边界子区域图像的该灰度值记为水稻灰度值,筛选出各排水边界子区域图像的各水稻灰度值,获取各排水边界子区域图像中各水稻灰度值对应区域的面积,对各排水边界子区域图像中各水稻灰度值对应区域的面积进行累加,得到各排水边界子区域的水稻面积,将其记为x表示第x个排水边界子区域的编号,x=1,2,...,y,将各排水边界子区域的水稻面积代入公式得到各排水边界子区域的水稻生长茂密系数φx,其中表示预设的排水边界子区域的水稻生长茂密系数修正因子,s设表示预设的排水边界子区域的总面积。
在本实施例中,本发明通过获取目标稻田的地势信息和水稻生长茂密信息,分析得到目标稻田的排水沟渠位置,在地势较低且水稻稀疏的地方布设排水沟渠,不仅可以借助地势,加快排水速度,减少挖沟渠的工作量,同时避免挖沟渠时损坏水稻,进而最大程度降低排水沟渠对水稻生长的影响。
步骤六、目标稻田排水沟渠面积获取:根据目标稻田的排水量、耐淹历时和水稻承受水流速度,分析得到目标稻田排水沟渠的断面面积。
示例性地,所述步骤六中分析得到目标稻田排水沟渠的断面面积,具体方法为:
在本实施例中,本发明通过目标稻田的排水量、耐淹历时和水稻承受水流速度,分析得到目标稻田排水沟渠的断面面积,分析排水沟渠的断面面积时,综合考虑排水时间和排水速度,寻求均衡点,既保证快速排水,缩短排水时间,又不至于速度过快使得水稻倒伏。
步骤七、排水沟渠信息发送:将目标稻田的排水沟渠位置和目标稻田排水沟渠的断面面积发送至农田排水管理部门。
第二方面,本发明还提供智能排水监测系统,包括目标稻田基本信息获取模块、目标稻田排水需求判断模块、降雨水分补偿比例系数获取模块、目标稻田排水量获取模块、目标稻田排水沟渠位置选取模块、目标稻田排水沟渠面积获取模块、排水沟渠信息发送模块和数据库。
所述目标稻田基本信息获取模块分别与目标稻田排水需求判断模块和数据库连接,降雨水分补偿比例系数获取模块分别与目标稻田排水需求判断模块和目标稻田排水量获取模块连接,目标稻田排水量获取模块分别与目标稻田排水沟渠位置选取模块和目标稻田排水沟渠面积获取模块连接,排水沟渠信息发送模块分别与目标稻田排水沟渠位置选取模块和目标稻田排水沟渠面积获取模块连接。
所述目标稻田基本信息获取模块用于获取目标稻田的基本信息,其中基本信息包括耐淹水位、耐淹历时、水稻承受水流速度和占地面积;
所述目标稻田排水需求判断模块用于获取目标稻田的当前水位,根据目标稻田的当前水位和耐淹水位,判断目标稻田是否有排水需求,若目标稻田有排水需求,则执行降雨水分补偿比例系数获取模块;
所述降雨水分补偿比例系数获取模块用于获取目标稻田降雨等待期内各天的水分蒸发量和目标稻田降雨期内各天的降雨量,分析得到目标稻田的降雨水分补偿比例系数;
所述目标稻田排水量获取模块用于根据目标稻田的当前水位、耐淹水位、降雨水分补偿比例系数和占地面积,分析得到目标稻田的排水量;
所述目标稻田排水沟渠位置选取模块用于获取目标稻田的地势信息和水稻生长茂密信息,分析得到目标稻田的排水沟渠位置;
所述目标稻田排水沟渠面积获取模块用于根据目标稻田的排水量、耐淹历时和水稻承受水流速度,分析得到目标稻田排水沟渠的断面面积;
所述排水沟渠信息发送模块用于将目标稻田的排水沟渠位置和目标稻田排水沟渠的断面面积发送至农田排水管理部门;
所述数据库用于存储水稻在各生长周期对应的根茎粗度范围、允许浸泡分枝点数量、耐淹历时和水稻承受水流速度。
第三方面,本发明还提供智能排水监测存储介质,包括存储器和处理器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器中存储的计算机程序;
所述计算机程序用于执行本发明所述的智能排水监测方法。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.智能排水监测方法,其特征在于,包括如下步骤:
步骤一、目标稻田基本信息获取:获取目标稻田的基本信息,其中基本信息包括耐淹水位、耐淹历时、水稻承受水流速度和占地面积;
步骤二、目标稻田排水需求判断:获取目标稻田的当前水位,根据目标稻田的当前水位和耐淹水位,判断目标稻田是否有排水需求,若目标稻田有排水需求,则执行步骤三;
步骤三、降雨水分补偿比例系数获取:获取目标稻田降雨等待期内各天的水分蒸发量和目标稻田降雨期内各天的降雨量,分析得到目标稻田的降雨水分补偿比例系数;
步骤四、目标稻田排水量获取:根据目标稻田的当前水位、耐淹水位、降雨水分补偿比例系数和占地面积,分析得到目标稻田的排水量;
步骤五、目标稻田排水沟渠位置选取:获取目标稻田的地势信息和水稻生长茂密信息,分析得到目标稻田的排水沟渠位置;
步骤六、目标稻田排水沟渠面积获取:根据目标稻田的排水量、耐淹历时和水稻承受水流速度,分析得到目标稻田排水沟渠的断面面积;
步骤七、排水沟渠信息发送:将目标稻田的排水沟渠位置和目标稻田排水沟渠的断面面积发送至农田排水管理部门。
2.根据权利要求1所述的智能排水监测方法,其特征在于:所述步骤一中获取目标稻田的基本信息,具体方法为:
按照预设的样本水稻选取原则在目标稻田中选取各样本水稻,通过高清摄像机获取目标稻田中各样本水稻的图像,根据目标稻田中各样本水稻的图像,得到目标稻田中各样本水稻的根茎粗度,提取数据库中存储的水稻在各生长周期对应的根茎粗度范围,将目标稻田中各样本水稻的根茎粗度与水稻在各生长周期对应的根茎粗度范围进行比较,若目标稻田中某样本水稻的根茎粗度处于水稻在某生长周期对应的根茎粗度范围之内,则将该生长周期记为目标稻田中该样本水稻的生长周期,筛选得到目标稻田中各样本水稻的生长周期,统计各生长周期对应的样本水稻数量,将最多样本水稻数量对应的生长周期记为目标稻田的生长周期;
根据目标稻田中各样本水稻的图像,构建目标稻田中各样本水稻的空间模型,得到目标稻田各样本水稻中各分枝点的高度;
提取数据库中存储的水稻在各生长周期对应的允许浸泡分枝点数量,根据目标稻田的生长周期,筛选得到目标稻田允许浸泡的分枝点数量,将目标稻田各样本水稻中各分枝点按照从下往上的顺序进行排序,根据目标稻田允许浸泡的分枝点数量,匹配得到目标稻田各样本水稻中允许浸泡的最后一个分枝点,获取目标稻田各样本水稻中允许浸泡最后一个分枝点的高度,将其记为目标稻田各样本水稻的耐淹水位,将目标稻田各样本水稻的耐淹水位进行平均值计算,得到目标稻田的耐淹水位,将其记为h耐淹;
提取数据库中存储的水稻在各生长周期对应的耐淹历时和水稻承受水流速度,根据目标稻田的生长周期,筛选得到目标稻田的耐淹历时和水稻承受水流速度,将其分别记为t耐淹和v承受;
通过无人机携带的高清摄像机对目标稻田进行垂直拍摄,获取目标稻田的整体图像,根据目标稻田的整体图像,得到目标稻田的占地面积,将其记为s稻田。
3.根据权利要求2所述的智能排水监测方法,其特征在于:所述步骤二的具体分析过程为:
按照预设的水位监测点布设原则在目标稻田布设各水位监测点,通过水位传感器测量目标稻田中各水位监测点的水位,对目标稻田中各水位监测点的水位进行平均值计算,得到目标稻田的当前水位,将其记为h当前;
将目标稻田的当前水位与耐淹水位进行比较,若目标稻田的当前水位大于或等于耐淹水位,表明目标稻田有排水需求,并执行步骤三,反之,表明目标稻田没有排水需求。
4.根据权利要求2所述的智能排水监测方法,其特征在于:所述步骤三中分析得到目标稻田的降雨水分补偿比例系数,具体过程为:
通过气象监测平台,获取目标稻田所在地区最近一次降雨的间隔时长和降雨的持续时长,将其分别记为目标稻田的降雨等待期和降雨期,并从气象监测平台获取目标稻田降雨等待期内各天的最高气温和目标稻田降雨期内各天的降雨量,将目标稻田降雨等待期内各天的最高气温与预设的各水分蒸发量对应的最高气温参考范围进行比对,筛选得到目标稻田降雨等待期内各天的水分蒸发量,将目标稻田降雨等待期内各天的水分蒸发量和目标稻田降雨期内各天的降雨量分别记为和i表示目标稻田降雨等待期内第i天的编号,i=1,2,...,n,j表示目标稻田降雨期内第j天的编号,j=1,2,...,m;
6.根据权利要求1所述的智能排水监测方法,其特征在于:所述步骤五中分析得到目标稻田的排水沟渠位置,具体方法为:
按照预设的等面积原则对目标稻田区域进行划分,得到目标稻田的各子区域,通过激光测距仪获取目标稻田中各子区域中心点处水面与土壤层之间的垂直距离,将其记为da,a表示目标稻田中第a个子区域的编号,a=1,2,...,b,将目标稻田中各子区域中心点处水面与土壤层之间的垂直距离代入公式得到目标稻田中各子区域的地面下沉比例系数δa,其中ε表示预设的目标稻田中子区域的地面下沉比例系数修正因子,b表示目标稻田中子区域的总数量;
将目标稻田中各子区域的地面下沉比例系数与预设的地面下沉比例系数阈值进行比较,若目标稻田中某子区域的地面下沉比例系数大于预设的地面下沉比例系数阈值,则将目标稻田中该子区域记为标记子区域,筛选出各标记子区域,通过距离传感器获取各标记子区域中心点到目标稻田各条边界线的垂直距离,将其记为各标记子区域到目标稻田各条边界线的距离,将各标记子区域到目标稻田各条边界线的距离与设定距离阈值进行比较,若某标记子区域到目标稻田某条边界线的距离小于设定距离阈值,则将该标记子区域记为目标稻田该条边界线的可排水区域,筛选出目标稻田各条边界线的各可排水区域,统计目标稻田各条边界线的可排水区域数量,将最多可排水区域数量对应的目标稻田边界线记为目标稻田排水边界线;
获取目标稻田排水边界线所在的区域,将其记为排水边界区域,按照设定的等面积原则对排水边界区域进行划分,得到各排水边界子区域,通过高清摄像机对各排水边界子区域进行垂直拍摄,得到各排水边界子区域的图像,根据各排水边界子区域的图像,分析得到各排水边界子区域的水稻生长茂密系数,将各排水边界子区域的水稻生长茂密系数进行相互比较,将最小水稻生长茂密系数对应的排水边界子区域记为排水沟渠布设区域,进一步将排水沟渠布设区域中心点位置记为目标稻田的排水沟渠位置。
8.智能排水监测系统,其特征在于,包括:
目标稻田基本信息获取模块:用于获取目标稻田的基本信息,其中基本信息包括耐淹水位、耐淹历时、水稻承受水流速度和占地面积;
目标稻田排水需求判断模块:用于获取目标稻田的当前水位,根据目标稻田的当前水位和耐淹水位,判断目标稻田是否有排水需求,若目标稻田有排水需求,则执行降雨水分补偿比例系数获取模块;
降雨水分补偿比例系数获取模块:用于获取目标稻田降雨等待期内各天的水分蒸发量和目标稻田降雨期内各天的降雨量,分析得到目标稻田的降雨水分补偿比例系数;
目标稻田排水量获取模块:用于根据目标稻田的当前水位、耐淹水位、降雨水分补偿比例系数和占地面积,分析得到目标稻田的排水量;
目标稻田排水沟渠位置选取模块:用于获取目标稻田的地势信息和水稻生长茂密信息,分析得到目标稻田的排水沟渠位置;
目标稻田排水沟渠面积获取模块:用于根据目标稻田的排水量、耐淹历时和水稻承受水流速度,分析得到目标稻田排水沟渠的断面面积;
排水沟渠信息发送模块:用于将目标稻田的排水沟渠位置和目标稻田排水沟渠的断面面积发送至农田排水管理部门;
数据库:用于存储水稻在各生长周期对应的根茎粗度范围、允许浸泡分枝点数量、耐淹历时和水稻承受水流速度。
9.智能排水监测存储介质,其特征在于:所述智能排水监测存储介质烧录有计算机程序,所述计算机程序在服务器的内存中运行时实现上述权利要求1-7任一项所述的智能排水监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211209724.8A CN115439005A (zh) | 2022-09-30 | 2022-09-30 | 智能排水监测方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211209724.8A CN115439005A (zh) | 2022-09-30 | 2022-09-30 | 智能排水监测方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115439005A true CN115439005A (zh) | 2022-12-06 |
Family
ID=84251839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211209724.8A Pending CN115439005A (zh) | 2022-09-30 | 2022-09-30 | 智能排水监测方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115439005A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117473791A (zh) * | 2023-12-22 | 2024-01-30 | 水发科技信息(山东)有限公司 | 一种基于人工智能的公共数据储存管理系统 |
-
2022
- 2022-09-30 CN CN202211209724.8A patent/CN115439005A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117473791A (zh) * | 2023-12-22 | 2024-01-30 | 水发科技信息(山东)有限公司 | 一种基于人工智能的公共数据储存管理系统 |
CN117473791B (zh) * | 2023-12-22 | 2024-03-29 | 水发科技信息(山东)有限公司 | 一种基于人工智能的公共数据储存管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shiferaw | Estimating soil loss rates for soil conservation planning in the Borena Woreda of South Wollo Highlands, Ethiopia | |
Jasrotia et al. | Water balance approach for rainwater harvesting using remote sensing and GIS techniques, Jammu Himalaya, India | |
Pandey et al. | Identification of critical erosion prone areas in the small agricultural watershed using USLE, GIS and remote sensing | |
Vanmaercke et al. | A comparison of measured catchment sediment yields with measured and predicted hillslope erosion rates in Europe | |
US20070208510A1 (en) | Method of identifying and localizing drainage tile problems | |
KR20180000619A (ko) | Gis 기반 토사유실 평가 방법 | |
Marek et al. | Calibration and validation of the SWAT model for predicting daily ET over irrigated crops in the Texas High Plains using lysimetric data | |
Levin et al. | The spatial and temporal variability of sand erosion across a stabilizing coastal dune field | |
Cariveau et al. | Effects of surrounding land use on playa inundation following intense rainfall | |
Maclean et al. | A high-resolution model of soil and surface water conditions | |
Johansson et al. | Hydrological and meteorological investigations in a periglacial lake catchment near Kangerlussuaq, west Greenland–presentation of a new multi-parameter data set | |
CN116645789A (zh) | 一种基于无人机测绘的土地自然灾害预警管控系统 | |
CN115439005A (zh) | 智能排水监测方法、系统及存储介质 | |
Wale et al. | Hydrological Balance of Lake Tana Upper Blue Nile Basin, Ethiopia | |
Teng et al. | An integrated model for prediction of hydrologic anomalies for habitat suitability of overwintering geese in a large floodplain wetland, China | |
Calverley et al. | The past and present nesting ecology of Nile crocodiles in Ndumo Game Reserve, South Africa: Reason for concern? | |
Warren et al. | Validation of the USPED Erosion and Deposition Model at Schofield Barracks, O ‘ahu, Hawai ‘i | |
Gosejohan et al. | Hydrologic influences on plant community structure in vernal pools of northeastern California | |
Pedersen et al. | Spatial distribution of Svalbard rock ptarmigan based on a predictive multi‐scale habitat model | |
Gali et al. | Identifying potential locations for grassed waterways using terrain attributes and precision conservation technologies | |
CN110688990B (zh) | 一种水稻种植候选区确定方法 | |
Gumindoga | Hydrologic impacts of Landuse change in the Upper Gilgel Abay River Basin, Ethiopia; TOPMODEL Application. | |
Corbane et al. | Assessing the variability of soil surface characteristics in row-cropped fields: the case of Mediterranean vineyards in Southern France | |
Taghvaeian | Water and energy balance of a riparian and agricultural ecosystem along the Lower Colorado River | |
Thiaw et al. | Mapping of soil erosion risk in the Diarha watershed using RUSLE, RS and GIS |
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 |