CN115455086A - 一种灌区农业灌溉用水量的估算方法及系统 - Google Patents

一种灌区农业灌溉用水量的估算方法及系统 Download PDF

Info

Publication number
CN115455086A
CN115455086A CN202211281635.4A CN202211281635A CN115455086A CN 115455086 A CN115455086 A CN 115455086A CN 202211281635 A CN202211281635 A CN 202211281635A CN 115455086 A CN115455086 A CN 115455086A
Authority
CN
China
Prior art keywords
data
irrigation area
irrigation
area
target
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
CN202211281635.4A
Other languages
English (en)
Inventor
王冬梅
宋瑞平
梁文广
王轶虹
石一凡
况曼曼
宋亚君
刘钰
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 WATER CONSERVANCY SCIENTIFIC RESEARCH INSTITUTE
Original Assignee
JIANGSU WATER CONSERVANCY SCIENTIFIC RESEARCH INSTITUTE
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 WATER CONSERVANCY SCIENTIFIC RESEARCH INSTITUTE filed Critical JIANGSU WATER CONSERVANCY SCIENTIFIC RESEARCH INSTITUTE
Priority to CN202211281635.4A priority Critical patent/CN115455086A/zh
Publication of CN115455086A publication Critical patent/CN115455086A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • 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
    • G06Q50/06—Energy or water supply
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Agronomy & Crop Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mining & Mineral Resources (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种灌区农业灌溉用水量的估算方法及系统，首先获取目标灌区的气候数据、土壤参数数据以及作物要素数据，并建立气候数据知识库、土壤数据库以及作物生理学数据库；基于气候数据知识库、土壤数据库以及作物生理学数据库得到先验知识库确定水资源消耗量计算模型的输入参数和初始条件；最后构建水资源消耗量计算模型，通过水资源消耗量计算模型对目标灌区的的灌溉用水量进行定量估算。本发明解决了人为计算实际用水资料中可能出现的误差，降低了人力、物力、财力的投入。为灌区农业灌溉用水量的计算提供技术支撑。

Description

一种灌区农业灌溉用水量的估算方法及系统
技术领域
本发明涉及农业水资源管理和用水监控领域，特别涉及一种灌区农业灌溉用水量的估算方法及系统。
背景技术
落实用水总量控制红线是实行最严格水资源管理制度的重要内容，我国作为农业大国，农业用水总量约占全国用水总量的60％以上，因此，及时准确掌握灌区农业灌溉用水量是实现水资源总量刚性约束的前提基础。
目前,灌区农业灌溉用水量的计算实行实际监测与未监测区典型推算相结合的方法。大中型水库灌区及大中型引河灌区由实测的用水资料统计，并确定农业灌溉水量；未监测区的农业灌溉用水量，以县(市、区)为单元，根据作物种植类型、地形地貌、取水类型及灌溉面积等条件选择不同的农业典型区进行监测，由典型区实测到的综合定额推算出未监测区农业灌溉用水量。实际监测的农业灌溉用水量加推算的未监测区农业灌溉用水量，得到区域农业灌溉用水总量。
但是当前农业灌溉用水量监测仍然是区域用水量监测最薄弱的工作环节，存在问题较多，主要涵盖以下几方面：1.监测范围不全面。灌溉用水往往同时存在多种取水方式，全部做到取水实测难度很大。2.典型灌区数量不足。全国大多数地区典型灌区密度不够，代表性有待提高。直接影响了全省农业灌溉用水量监测统计精度。3.监测制度、技术落后。部分地区农业灌溉用水量监测工作分属不同机构，不利于该项工作的协调开展。农业灌溉用水监测所采用的监测手段、监测方法较为落后、单一，科技含量低，这在一定程度上制约了监测水平的提升，受人为因素影响较大，数据的精确性和严肃性不足,影响了实际应用随着农田灌溉水有效利用系数测算、重点灌区水资源监测能力建设、灌溉试验站建设等工作的推进。
发明内容
基于此，本申请实施例提供了一种灌区农业灌溉用水量的估算方法及系统，能够解决现有技术中存在的问题。
第一方面，提供了一种灌区农业灌溉用水量的估算方法，该方法包括：
获取目标灌区的气候数据，根据所述目标灌区的气候数据建立气候数据知识库；
获取目标灌区的土壤参数数据，根据所述目标灌区的土壤参数数据建立土壤数据库；
获取目标灌区的作物要素数据，根据所述目标灌区的作物要素数据建立作物生理学数据库；
基于所述气候数据知识库、所述土壤数据库以及所述作物生理学数据库得到先验知识库，并根据所述先验知识库确定水资源消耗量计算模型的输入参数和初始条件；
设置目标灌区的灌溉制度，并基于水资源消耗量计算模型的输入参数和初始条件，构建水资源消耗量计算模型，通过所述水资源消耗量计算模型对目标灌区的的灌溉用水量进行定量估算。
可选地，获取目标灌区的气候数据，根据所述目标灌区的气候数据建立气候数据知识库，还包括：
根据目标灌区的气候数据确定目标灌区的潜在蒸散发数据；
所述潜在蒸散发数据通过第一公式进行确定，所述第一公式具体包括：
Figure BDA0003898541810000031
其中ET0为潜在蒸发量，Rn为净辐射，G为土壤热通量，γ为干湿表常数，T为日均温度，u2为2m风速，es和ea分别为饱和水汽压和实际水汽压，Δ为饱和水汽压曲线斜率。
可选地，根据所述目标灌区的作物要素数据建立作物生理学数据库，还包括：
确定目标灌区的冠层覆盖度和水分利用效率。
可选地，根据所述目标灌区的作物要素数据建立作物生理学数据库，包括：
基于预设的基准参数进行取值范围的确定，同时采用试错法进行修正，建立作物生理学数据库。
可选地，气候数据至少包含最低温度值、最高温度值、降水的每日测量值。
可选地，土壤参数至少包括土壤类型、表土质地、土壤参考深度、深层砾石含量、深层沙含量、深层淤泥含量、深层黏土含量。
可选地，作物要素至少包括作物类型、种植日期、收获日期。
可选地，设置目标灌区的灌溉制度，还包括：
确定目标灌区的田间管理参数，所述田间管理参数至少包括地膜覆盖度和围堰高度。
可选地，水资源消耗量计算模型具体为AquaCrop模型。
第二方面，提供了一种灌区农业灌溉用水量的估算系统，该系统包括：
获取模块，用于获取目标灌区的气候数据，根据所述目标灌区的气候数据建立气候数据知识库；获取目标灌区的土壤参数数据，根据所述目标灌区的土壤参数数据建立土壤数据库；获取目标灌区的作物要素数据，根据所述目标灌区的作物要素数据建立作物生理学数据库；
确定模块，用于基于所述气候数据知识库、所述土壤数据库以及所述作物生理学数据库得到先验知识库，并根据所述先验知识库确定水资源消耗量计算模型的输入参数和初始条件；
构建模块，用于设置目标灌区的灌溉制度，并基于水资源消耗量计算模型的输入参数和初始条件，构建水资源消耗量计算模型，通过所述水资源消耗量计算模型对目标灌区的的灌溉用水量进行定量估算。
本申请实施例提供的技术方案针对灌区灌溉用水量量化的问题，通过获取灌区气候数据、土壤参数、作物参数、灌区实际灌溉模式，建立作物、土壤、管理、气候要素与作物耗水量之间的关系，提出灌区水资源消耗量计算模型，量化确定灌区农业灌溉用水量。该方法需要的参数少，适用范围广，并且直观性强，精度高。解决了人为计算实际用水资料中可能出现的误差，降低了人力、物力、财力的投入。为灌区农业灌溉用水量的计算提供技术支撑。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中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示例性的，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，还可以根据提供的附图引申获得其它的实施附图。
图1为本申请实施例提供的一种灌区农业灌溉用水量的估算流程图；
图2为本申请实施例提供的一种气候要素数据集示意图；
图3为本申请实施例提供的不同灌溉制度的模型运行效果图；
图4为本申请实施例提供的净灌溉土壤水分阈值的模型运行效果图；
图5为本申请实施例提供的另一种实施流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在本发明的描述中，术语“包括”、“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包括了一系列步骤或单元的过程、方法、系统、产品或设备不必限于已明确列出的那些步骤或单元，而是还可包含虽然并未明确列出的但对于这些过程、方法、产品或设备固有的其它步骤或单元，或者基于本发明构思进一步的优化方案所增加的步骤或单元。
本申请现有的灌水用水量推算方法，通常通过统计实测的用水资料，来确定农业灌溉水量。与现有技术相区别，本发明具体采用AquaCrop模型与灌区灌溉用水量据链接的关键参数，来实现基于AquaCrop模型的灌区灌溉用水量定量估算，接下来，将对本发明实现灌区灌溉用水量定量估算的技术方案进行详细阐述。具体地，请参考图1，其示出了本申请实施例提供的一种灌区农业灌溉用水量的估算方法的流程图，该方法可以包括以下步骤：
步骤101，获取目标灌区的气候数据，根据目标灌区的气候数据建立气候数据知识库。
在本步骤中重点是对于目标灌区的气候要素数据进行获取并进行建立，具体地获取目标灌区气候数据，包含最低温度、最高温度、降水的每日测量值。根据所选择的灌区的基本情况、气候历史数据建立气候数据知识库，时间跨度越大，计算的灌溉用水量越精确。
在本申请中，气候数据知识库：确定研究区和研究时间跨度后，建立包括每天最高温度、最低温度、降水量、潜在蒸散发数据的数据集(即为气候数据知识库)，作为水资源消耗量计算模型的输入参数。
例如：获取六合区气候数据，包含最低温度、最高温度、降水的每日测量值。根据所选择的研究区的基本情况、气候历史数据建立气候数据知识库，时间跨度越大，计算的灌溉用水量越精确。本案例选择的时间跨度为，1982年5月1日到2018-10-30结束。
具体气候要素数据集如图2所示。
土壤数据库：确定研究区，建立至少包括土壤类型、表土质地、土壤参考深度、深层砾石含量、深层沙含量、深层淤泥含量、深层黏土含量的数据集(即为土壤)，作为水资源消耗量计算模型的输入参数。
示例：六合区新禹河灌区土壤基本参数。
作物生理学数据库：确定研究区主要种植作物后，建立包括获取灌区的作物类型、种植日期、收获日期。作物生长参数中的初始及最大冠层覆盖率、开花、衰老、成熟期等参数都可由田间实际观测所得,作物生产中的水分生产指数、作物收获指数、水分胁迫响应系数、盐分胁迫响应系数、温度胁迫响应系数可基于模型提供的基准参数进行取值范围的确定，同时运用“试错法”进行修正。作为水资源消耗量计算模型的输入参数。
具体地，可以获取灌区潜在蒸散发数据，如第一公式为：
Figure BDA0003898541810000061
式中ET0为潜在蒸发量(mm)；Rn为净辐射[MJ/(m2·d)]；G为土壤热通量[MJ/(m2·d)]；γ为干湿表常数；T为日均温度(℃)；u2为2m风速(m/s)；es和ea分别为饱和水汽压和实际水汽压(kPa)；Δ为饱和水汽压曲线斜率(kPa/℃)。
步骤102，获取目标灌区的土壤参数数据，根据目标灌区的土壤参数数据建立土壤数据库。
在本申请实施例中，获取灌区土壤参数，包括土壤类型、表土质地、土壤参考深度、深层砾石含量、深层沙含量、深层淤泥含量、深层黏土含量等数据。建立研究区土壤数据库。
在可选的实施例中，灌区土壤参数数据如表1所示：
表1灌区土壤基本参数数据表
Figure BDA0003898541810000071
步骤103，获取目标灌区的作物要素数据，根据目标灌区的作物要素数据建立作物生理学数据库。
在本申请中，为契合农田水利的建设以及用水调度的现实应用需求，在剖析现有的灌水用水量推算方法不足与欠缺的基础上，引入机理性强且所需输入参数较少的新型作物生长模型AquaCrop来模拟作物生长过程，并以作物、土壤、管理、气候要素，来作为AquaCrop模型与灌区灌溉用水量的链接的关键参数，进而开展基于AquaCrop模型的灌区农业灌溉用水量的估算研究。
其中，AquaCrop模型为国际粮农组织开发的一种水分驱动模型，AquaCrop模型通过综合分析作物物候、冠层覆盖度、根深、生物量和收获指数之间的相互作用，开展作物生长模拟、生物量模拟、产量估算和农田水分管理等研究；该模型所需的输入参数较少，且各参数更易获取和验证，在农业灌溉用水量估算方面较为高效。
在本实施例中，获取灌区的作物类型、种植日期、收获日期。作物生长参数中的初始及最大冠层覆盖率、开花、衰老、成熟期等参数都可由田间实际观测所得,作物生产中的水分生产指数、作物收获指数、水分胁迫响应系数、盐分胁迫响应系数、温度胁迫响应系数可基于模型提供的基准参数进行取值范围的确定，同时运用“试错法”进行修正。作物的其他参数计算公式：
冠层覆盖度(CC)是AquaCrop模型模拟作物生长过程的重要指标，计算公式为：
CC＝1.005(1-e-0.6LA)1.2 (2)
其中，LA为叶面积指数，取研究区内取长势均匀且具代表性的3株植株进行标记。每隔15d用钢尺(精度1mm)对所有绿叶进行测量,叶面积指数计算公式为：
Figure BDA0003898541810000081
式中LA为叶面积指数；p为棉花植株密度,单位株/hm2，m为标记测定株数；n为每株棉花叶片数,单位片/株，L为最大叶片长度,单位m Bj为最大叶片宽度,单位m；其中0.75为修正系数。
水分利用效率(WUE)是指消耗单位水分产出的生物量或产量,产量水分利用效率计算公式％为:
Figure BDA0003898541810000091
式中：WUE为作物水分利用效率(kg/(hm2.mm)；Y为作物籽粒产量(kg/hm2)；ET为作物生育期耗水量(mm)。
根据研究区概况数据、作物历史数据和研究区域的作物生理特征，建立先验知识库；先验知识库是确定水资源消耗量计算模型输入参数和初始条件的基础。其中根据先验知识库确定水资源消耗量计算模型的输入参数和初始条件。
步骤104，基于气候数据知识库、土壤数据库以及作物生理学数据库得到先验知识库，并根据先验知识库确定水资源消耗量计算模型的输入参数和初始条件。
步骤105，设置目标灌区的灌溉制度，并基于水资源消耗量计算模型的输入参数和初始条件，构建水资源消耗量计算模型，通过水资源消耗量计算模型对目标灌区的的灌溉用水量进行定量估算。
在本步骤中，设置目标灌区的灌溉制度还包括确定目标灌区的田间管理参数，所述田间管理参数至少包括地膜覆盖度和围堰高度。在本实施例中，设置为默认参数。
其中灌溉制度具体包括了：包括以下五种方式：
1.雨养(无灌溉)
2.如果土壤含水量降至指定阈值以下(或代表四个主要作物生长阶段(出苗、冠层生长、最大冠层、衰老)的四个阈值)，则触发灌溉。3.
3.每N天触发一次灌溉。
4.预设的灌溉时间表。
5.净灌溉(每天给所有隔间加满水源，保持土壤水分水平)。每天持续灌溉保持恒定水深。使土壤水分含量保持在指定水平以上。
在本实例中，出于演示目的，将研究一系列恒定土壤湿度阈值的产量和灌溉量，这意味着所有的灌溉方式土壤湿度阈值都相等。这些灌溉制度将在37年内进行比较。下面将为每种灌溉制度创建并运行一个结果，并保存最终输出，进行比较。
如图3，给出了不同灌溉制度的模型运行效果图，其中，图3具体为不同的灌溉制度，模型会输出不同预计总灌溉用水量。
如图4，给出了净灌溉土壤水分阈值的模型运行效果图，其中，图4具体为不同的净灌溉土壤水分阈值，模型会输出不同预计总灌溉用水量。
如图5，给出了一个应用上述灌区农业灌溉用水量的估算方法的可选的一种实施流程图，具体地包括有：
1.获取灌区气温、降水、二氧化碳浓度观测数据，并基于日净辐射、日均温度，风速等数据推测灌区日潜在蒸发量，建立研究区气候数据库。
2.获取灌区土壤参数，包括土壤类型、表土质地、土壤参考深度、深层砾石含量、深层沙含量、深层淤泥含量、深层黏土含量等数据。建立研究区土壤数据库。
3.获取灌区田间实际观测所得的作物生长参数，水分生产指数、作物收获指数、水分胁迫响应系数、盐分胁迫响应系数、温度胁迫响应系数可基于模型提供的基准参数进行取值范围的确定，同时运用“试错法”进行修正。建立作物生理学数据库。
4.获取当地确定的实际灌溉制度和田间管理制度。
5.构建水资源消耗量计算模型，实现灌区灌溉用水量定量估算。
本申请实施例还提供的一种灌区农业灌溉用水量的估算系统。系统包括：
获取模块，用于获取目标灌区的气候数据，根据目标灌区的气候数据建立气候数据知识库；获取目标灌区的土壤参数数据，根据目标灌区的土壤参数数据建立土壤数据库；获取目标灌区的作物要素数据，根据目标灌区的作物要素数据建立作物生理学数据库；
确定模块，用于基于气候数据知识库、土壤数据库以及作物生理学数据库得到先验知识库，并根据先验知识库确定水资源消耗量计算模型的输入参数和初始条件；
构建模块，用于设置目标灌区的灌溉制度，并基于水资源消耗量计算模型的输入参数和初始条件，构建水资源消耗量计算模型，通过水资源消耗量计算模型对目标灌区的的灌溉用水量进行定量估算。
本申请实施例提供的灌区农业灌溉用水量的估算系统用于实现上述灌区农业灌溉用水量的估算方法，关于灌区农业灌溉用水量的估算系统的具体限定可以参见上文中对于灌区农业灌溉用水量的估算方法的限定，在此不再赘述。上述灌区农业灌溉用水量的估算系统中的各个部分可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于设备中的处理器中，也可以以软件形式存储于设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种灌区农业灌溉用水量的估算方法，其特征在于，所述方法包括：
获取目标灌区的气候数据，根据所述目标灌区的气候数据建立气候数据知识库；
获取目标灌区的土壤参数数据，根据所述目标灌区的土壤参数数据建立土壤数据库；
获取目标灌区的作物要素数据，根据所述目标灌区的作物要素数据建立作物生理学数据库；
基于所述气候数据知识库、所述土壤数据库以及所述作物生理学数据库得到先验知识库，并根据所述先验知识库确定水资源消耗量计算模型的输入参数和初始条件；
设置目标灌区的灌溉制度，并基于水资源消耗量计算模型的输入参数和初始条件，构建水资源消耗量计算模型，通过所述水资源消耗量计算模型对目标灌区的的灌溉用水量进行定量估算。
2.根据权利要求1所述的方法，其特征在于，所述获取目标灌区的气候数据，根据所述目标灌区的气候数据建立气候数据知识库，还包括：
根据目标灌区的气候数据确定目标灌区的潜在蒸散发数据；
所述潜在蒸散发数据通过第一公式进行确定，所述第一公式具体包括：
Figure FDA0003898541800000011
其中ET0为潜在蒸发量，Rn为净辐射，G为土壤热通量，γ为干湿表常数，T为日均温度，u2为2m风速，es和ea分别为饱和水汽压和实际水汽压，Δ为饱和水汽压曲线斜率。
3.根据权利要求1所述的方法，其特征在于，根据所述目标灌区的作物要素数据建立作物生理学数据库，还包括：
确定目标灌区的冠层覆盖度和水分利用效率。
4.根据权利要求1所述的方法，其特征在于，根据所述目标灌区的作物要素数据建立作物生理学数据库，包括：
基于预设的基准参数进行取值范围的确定，同时采用试错法进行修正，建立作物生理学数据库。
5.根据权利要求1所述的方法，其特征在于，所述气候数据至少包含最低温度值、最高温度值、降水的每日测量值。
6.根据权利要求1所述的方法，其特征在于，所述土壤参数至少包括土壤类型、表土质地、土壤参考深度、深层砾石含量、深层沙含量、深层淤泥含量、深层黏土含量。
7.根据权利要求1所述的方法，其特征在于，所述作物要素至少包括作物类型、种植日期、收获日期。
8.根据权利要求1所述的方法，其特征在于，所述设置目标灌区的灌溉制度，还包括：
确定目标灌区的田间管理参数，所述田间管理参数至少包括地膜覆盖度和围堰高度。
9.根据权利要求1所述的方法，其特征在于，所述水资源消耗量计算模型具体为AquaCrop模型。
10.一种灌区农业灌溉用水量的估算系统，其特征在于，所述系统包括：
获取模块，用于获取目标灌区的气候数据，根据所述目标灌区的气候数据建立气候数据知识库；获取目标灌区的土壤参数数据，根据所述目标灌区的土壤参数数据建立土壤数据库；获取目标灌区的作物要素数据，根据所述目标灌区的作物要素数据建立作物生理学数据库；
确定模块，用于基于所述气候数据知识库、所述土壤数据库以及所述作物生理学数据库得到先验知识库，并根据所述先验知识库确定水资源消耗量计算模型的输入参数和初始条件；
构建模块，用于设置目标灌区的灌溉制度，并基于水资源消耗量计算模型的输入参数和初始条件，构建水资源消耗量计算模型，通过所述水资源消耗量计算模型对目标灌区的的灌溉用水量进行定量估算。
CN202211281635.4A 2022-10-19 2022-10-19 一种灌区农业灌溉用水量的估算方法及系统 Pending CN115455086A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211281635.4A CN115455086A (zh) 2022-10-19 2022-10-19 一种灌区农业灌溉用水量的估算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211281635.4A CN115455086A (zh) 2022-10-19 2022-10-19 一种灌区农业灌溉用水量的估算方法及系统

Publications (1)

Publication Number Publication Date
CN115455086A true CN115455086A (zh) 2022-12-09

Family

ID=84310136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211281635.4A Pending CN115455086A (zh) 2022-10-19 2022-10-19 一种灌区农业灌溉用水量的估算方法及系统

Country Status (1)

Country Link
CN (1) CN115455086A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116542428A (zh) * 2023-07-05 2023-08-04 中国科学院地理科学与资源研究所 一种区域灌溉需水量估算方法及装置
CN116686689A (zh) * 2023-08-01 2023-09-05 中山大学 考虑土壤和大气双重胁迫作用的灌溉控制方法、系统及介质
CN117313402A (zh) * 2023-10-16 2023-12-29 中国水利水电科学研究院 一种灌区多尺度节水潜力模拟评价方法
CN117313402B (zh) * 2023-10-16 2024-06-07 中国水利水电科学研究院 一种灌区多尺度节水潜力模拟评价方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116542428A (zh) * 2023-07-05 2023-08-04 中国科学院地理科学与资源研究所 一种区域灌溉需水量估算方法及装置
CN116542428B (zh) * 2023-07-05 2023-09-26 中国科学院地理科学与资源研究所 一种区域灌溉需水量估算方法及装置
CN116686689A (zh) * 2023-08-01 2023-09-05 中山大学 考虑土壤和大气双重胁迫作用的灌溉控制方法、系统及介质
CN116686689B (zh) * 2023-08-01 2024-03-19 中山大学 考虑土壤和大气双重胁迫作用的灌溉控制方法、系统及介质
CN117313402A (zh) * 2023-10-16 2023-12-29 中国水利水电科学研究院 一种灌区多尺度节水潜力模拟评价方法
CN117313402B (zh) * 2023-10-16 2024-06-07 中国水利水电科学研究院 一种灌区多尺度节水潜力模拟评价方法

Similar Documents

Publication Publication Date Title
Adhikari et al. Simulating future climate change impacts on seed cotton yield in the Texas High Plains using the CSM-CROPGRO-Cotton model
George et al. Development and testing of an irrigation scheduling model
Thorp et al. Cotton irrigation scheduling using a crop growth model and FAO-56 methods: Field and simulation studies
Bailey et al. A model for estimating soil moisture changes as an aid to irrigation scheduling and crop water‐use studies: I. Operational details and description
Kröbel et al. Development and evaluation of a new Canadian spring wheat sub-model for DNDC
CN115455086A (zh) 一种灌区农业灌溉用水量的估算方法及系统
DeJonge et al. Modeling of full and limited irrigation scenarios for corn in a semiarid environment
Raes et al. AquaCrop-The FAO crop model to simulate yield response to water
CN113822479B (zh) 一种兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法
Tolk et al. Sunflower water productivity in four Great Plains soils
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
CN113039908A (zh) 一种施肥和灌溉动态决策方法及系统
Burt et al. A parametric crop water use model
Morales-Santos et al. Assessment of the impact of irrigation management on soybean yield and water productivity in a subhumid environment
Ezekiel et al. Calibrating and validating AquaCrop model for maize crop in Northern zone of Nigeria
CN110432046B (zh) 一种温室内的智能灌溉系统
Hatiye et al. Estimation and characterization of deep percolation from rice and berseem fields using lysimeter experiments on sandy loam soil
Ali et al. Estimation of evapotranspiration using a simulation model
CN116090914B (zh) 微咸水用于农业灌溉的矿化度安全阈值识别方法及系统
CN117010717A (zh) 一种基于全局不确定性分析的作物精准灌溉用水决策方法
CN109239027B (zh) 一种作物生理性缺水诊断方法及系统
Schneider et al. Using a weighing lysimeter to determine a crop coefficient for a green roof to predict evapotranspiration with the FAO standardized Penman-Monteith equation
Markovska Modelling productivity of crops in short crop rotation at irrigation taking into account agroecological and technological factors
Ahmed et al. Potential applications of DSSAT, AquaCrop, APSIM models for crop water productivity and irrigation scheduling
CN117436710B (zh) 一种基于作物模型的干旱评估方法

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