CN115606382B - 一种基于北斗导航的变量施肥方法及系统 - Google Patents
一种基于北斗导航的变量施肥方法及系统 Download PDFInfo
- Publication number
- CN115606382B CN115606382B CN202211095992.1A CN202211095992A CN115606382B CN 115606382 B CN115606382 B CN 115606382B CN 202211095992 A CN202211095992 A CN 202211095992A CN 115606382 B CN115606382 B CN 115606382B
- Authority
- CN
- China
- Prior art keywords
- preset
- land area
- fertilization
- fertility
- soil
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Soil Sciences (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Environmental Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Fertilizing (AREA)
Abstract
本发明涉及农业机械自动化技术领域,提供一种基于北斗导航的变量施肥方法,包括:采集预设土地区域的土壤肥力值和所述预设土地区域的土壤坐标,结合土壤常规项的预设肥力等级,生成所述预设土地区域的带坐标的肥力处方图;根据所述带坐标的肥力处方图、土壤常规项的预设肥力等级和施肥时期,计算当前时期所述预设土地区域的初始施肥处方图;计算所述预设土地区域的综合施肥量,并基于所述综合施肥量生成所述预设土地区域的目标施肥处方图;基于所述预设土地区域的目标施肥处方图,对所述预设土地区域进行变量施肥。基于北斗卫星导航系统的高精度定位,采样小车获取土壤信息,自动分析后,得出肥力处方图和施肥处方图,供无人变量施肥车精准施肥。
Description
技术领域
本发明涉及农业机械自动化技术领域,特别涉及一种基于北斗导航的变量施肥方法及系统。
背景技术
我国城镇化仍在继续,人口加速向主要的发达地区集聚,目前城镇常住人口已经超过9亿人。农村常住人口继续减少,而且老龄化趋势还在加剧,在未来较长时期内都将是乡村振兴必须要解决的重要难题。无人化农机自动作业和自动分析是一种解决方法。
此外,我国是水稻种植大国,为满足秧苗对土地矿质元素的需求,往往需要对水田进行施肥。而施肥太少,水稻生长营养需求得不到满足,产量减少;施肥太多,同样影响水稻长势的不一致,增加水稻倒伏的风险,造成土壤污染等问题。同时,同一块水田的不同区域位置肥力值也不尽相同。
常见的施肥方法是农户依靠经验对不同水田肥力进行判断而施肥,这种方法对农户要求高且误差非常大。另一种是测土配方施肥法,需要收集土样,对土样进行检验分析再进行施肥,这种方法采样效率低,采样数量有限,所得到的数据只能代表一整块水田的肥力值。以上传统方法都以一片田地或者一整块田地为最小单元,无法检测到一块水田内的各个区域的肥力值实时进行施肥量的调节。
发明内容
本发明为了解决上述问题,提供一种基于北斗导航的变量施肥方法及系统。
为了实现本发明以上发明目的,本发明是通过以下技术实现的:
本发明提供一种基于北斗导航的变量施肥方法,包括:
采集预设土地区域的土壤肥力值和所述预设土地区域的土壤坐标,结合土壤常规项的预设肥力等级,生成所述预设土地区域的带坐标的肥力处方图;
根据所述带坐标的肥力处方图、土壤常规项的预设肥力等级和施肥时期,计算当前时期所述预设土地区域的初始施肥处方图;
基于所述预设土地区域的目标施肥处方图,对所述预设土地区域进行变量施肥。
在一些实施例中,所述根据所述带坐标的肥力处方图、土壤常规项的预设肥力等级和施肥时期,计算当前时期所述预设土地区域的初始施肥处方图,包括:
计算所述预设土地区域的有效施肥量:
基于所述带坐标的肥力处方图、土壤常规项的预设肥力等级,计算所述预设土地区域的碱解氮施肥量:S(N)=a*s(n);速效磷施肥量:S(P)=a*s(p);有效钾施肥量:S(K)=a*s(k);
其中,a为所述预设土地区域的亩数;N为所述预设土地区域的平均碱解氮含量;所述预设土地区域的碱解氮的肥力等级对应的施肥量s(n);P为所述预设土地区域的平均速效磷含量;所述预设土地区域的速效磷的肥力等级对应的施肥量s(p);K为所述预设土地区域的平均有效钾含量;所述预设土地区域的有效钾的肥力等级对应的施肥量s(k);
基于所述碱解氮施肥量、所述速效磷施肥量、有效钾施肥量,计算所述预设土地区域的化肥施肥量:
所述预设土地区域所需的氯化钾施肥量S(KCl)=S(K)/60%;
所述预设土地区域所需的磷酸二铵施肥量S((NH4)2HPO4)=S(P)/46%;
所述预设土地区域所需的尿素施肥量:
S(CH4N2O2)=(S(N)-S((NH4)2HPO4)*18%)/46%。
在一些实施例中,所述采集预设土地区域的土壤肥力值和所述预设土地区域的土壤坐标,结合土壤常规项的预设肥力等级,生成所述预设土地区域的带坐标的肥力处方图,包括:
通过配置有北斗导航设备的土壤采样小车采集所述预设土地区域的土壤肥力值和所述预设土地区域的土壤坐标,得到所述预设土地区域的带坐标的土壤肥力数据;
通过克里金插值分析和重分类法,生成所述预设土地区域的带坐标的肥力处方图;
其中,所述预设土地区域的带坐标的肥力处方图为预设土地区域的土壤常规项的空间分布图。
在一些实施例中,所述根据所述带坐标的肥力处方图、土壤常规项的预设肥力等级和施肥时期,计算当前时期所述预设土地区域的初始施肥处方图,包括:
基于所述带坐标的肥力处方图、所述土壤常规项的预设肥力等级,计算所述预设土地区域中每个预设肥力等级的肥力目标值;
根据所述带坐标的肥力处方图和所述预设土地区域中每个预设肥力等级的肥力目标值,计算出所述预设土地区域中每个采样点的施肥目标值;
根据所述施肥时期、以及所述施肥时期的常规施肥量、所述预设土地区域中每个采样点的施肥目标值,生成当前时期所述预设土地区域的施肥处方图。
在一些实施例中,还包括:
根据所述带坐标的肥力处方图、土壤常规项的预设肥力等级、施肥时期和侧深施肥的变量,计算所述预设土地区域的目标施肥处方图。
在一些实施例中,在所述根据所述带坐标的肥力处方图、土壤常规项的预设肥力等级、施肥时期和侧深施肥的变量,计算所述预设土地区域的目标施肥处方图之前,还包括计算所述侧深施肥的变量,具体包括:
获取所述预设土地区域中每个采样点的电导率瞬时值和耕层深度的瞬时值;
比较所述预设土地区域中当前采样点的电导率瞬时值和所述预设土地区域的采样点的电导率平均值,得到电导率对应的减肥量;
比较所述预设土地区域中当前采样点的耕层深度瞬时值和所述预设土地区域的采样点的耕层深度平均值,得到耕层深度对应的减肥量;
基于所述电导率对应的减肥量和所述耕层深度对应的减肥量,计算得到综合减肥量。
在一些实施例中,所述比较所述预设土地区域中当前采样点的电导率瞬时值和所述预设土地区域的采样点的电导率平均值,得到电导率对应的减肥量,包括:
如果当前采样点的电导率瞬时值≤所述电导率平均值*0.6,则不进行减肥作业;
如果当前采样点的电导率瞬时值>所述电导率平均值*0.6,进行减肥作业;
其中,所述电导率对应的减肥量=((当前采样点的电导率瞬时值-所述电导率平均值*0.6)/所述电导率平均值*0.6)*15%*25kg/亩;若当前采样点的电导率瞬时值-所述电导率平均值*0.6)/电导率平均值*0.6>1时,则所述电导率对应的减肥量=1,所述电导率对应的减肥量小于1则所述电导率对应的减肥量为计算值。
在一些实施例中,所述比较所述预设土地区域中当前采样点的耕层深度瞬时值和所述预设土地区域的采样点的耕层深度平均值,得到耕层深度对应的减肥量,包括:
如果当前采样点的耕层深度瞬时值≤耕层深度平均值,则不进行减肥作业;
如果当前采样点的耕层深度瞬时值>耕层深度平均值,则进行减肥作业;
其中,耕层深度对应的减肥量=((当前采样点的耕层深度瞬时值-耕层深度平均值)/耕层深度平均值)*15%*25kg/亩;若(当前采样点的耕层深度瞬时值-耕层深度平均值)/耕层深度平均值>1时,则所述耕层深度对应的减肥量=1,所述耕层深度对应的减肥量小于1则所述耕层深度对应的减肥量为计算值。
在一些实施例中,所述基于所述电导率对应的减肥量和所述耕层深度对应的减肥量,计算得到综合减肥量,包括:
综合减肥量={((当前采样点的电导率瞬时值-所述电导率平均值*0.6)/所述电导率平均值*0.6)*15%+((当前采样点的耕层深度瞬时值-耕层深度平均值)/耕层深度平均值)*15%}*25。
在一些实施例中,所述基于所述预设土地区域的目标施肥处方图,对所述预设土地区域进行变量施肥,包括:
通过侧深施肥法,基于所述预设土地区域的目标施肥处方图,对所述预设土地区域进行变量施肥。
本发明提供的一种基于北斗导航的变量施肥方法及系统至少具有以下有益效果:
本发明提供一种基于北斗高精度定位的无人化精准变量施肥方法,基于北斗卫星导航系统的高精度定位,采样小车获取土壤信息,自动分析后,得出肥力处方图和施肥处方图,供无人变量施肥车精准施肥。
附图说明
下面将以明确易懂的方式,结合附图说明优选实施方式,对一种基于北斗导航的变量施肥方法及系统的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明中一种基于北斗导航的变量施肥方法的一个实施例的示意图;
图2是本发明一种采样数据示意图;
图3是本发明一种土壤常规五项氮肥的空间分布图;
图4是本发明一种土壤常规五项磷肥的空间分布图;
图5是本发明一种土壤常规五项钾肥的空间分布图;
图6是本发明一种土壤常规五项氮肥的施肥处方图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。
为使图面简洁,各图中只示意性地表示出了与本发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
另外,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。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,并获得其他的实施方式。
在一个实施例中,如图1所示,本发明提供一种基于北斗导航的变量施肥方法,包括:
S101采集预设土地区域的土壤肥力值和所述预设土地区域的土壤坐标,结合土壤常规项的预设肥力等级,生成所述预设土地区域的带坐标的肥力处方图。
具体的,预设土地区域的土壤坐标是通过北斗进行采集的。
北斗:北斗卫星导航系统是中国自行研制的全球卫星导航系统,也是继GPS、GLONASS之后的第三个成熟的卫星导航系统。北斗系统由空间段、地面段和用户段三部分组成,可在全球范围内全天候、全天时为各类用户提供高精度、高可靠定位、导航、授时服务,并且具备短报文通信能力,已经初步具备区域导航、定位和授时能力,定位精度为分米、厘米级别,测速精度0.2米/秒,授时精度10纳秒。
在本实施例中,采样小车配备北斗高精度导航设备,到达指定地块后,下地进行土壤采样活动。采样的路径由程序进行规划设置。
S102根据所述带坐标的肥力处方图、土壤常规项的预设肥力等级和施肥时期,计算当前时期所述预设土地区域的初始施肥处方图。
S103基于所述预设土地区域的目标施肥处方图,对所述预设土地区域进行变量施肥。
本发明涉及农业无人采样小车作业应用场景,平台系统自动根据采样结果绘制处方图,经数据综合分析后,得出施肥处方图的一种基于北斗高精度定位的无人化精准变量施肥方法。
在一个实施例中,所述根据所述带坐标的肥力处方图、土壤常规项的预设肥力等级和施肥时期,计算当前时期所述预设土地区域的初始施肥处方图,包括:
计算所述预设土地区域的有效施肥量:
基于所述带坐标的肥力处方图、土壤常规项的预设肥力等级,计算所述预设土地区域的碱解氮施肥量:S(N)=a*s(n);速效磷施肥量:S(P)=a*s(p);有效钾施肥量:S(K)=a*s(k);
其中,a为所述预设土地区域的亩数;N为所述预设土地区域的平均碱解氮含量;所述预设土地区域的碱解氮的肥力等级对应的施肥量s(n);P为所述预设土地区域的平均速效磷含量;所述预设土地区域的速效磷的肥力等级对应的施肥量s(p);K为所述预设土地区域的平均有效钾含量;所述预设土地区域的有效钾的肥力等级对应的施肥量s(k);
基于所述碱解氮施肥量、所述速效磷施肥量、有效钾施肥量,计算所述预设土地区域的化肥施肥量:
所述预设土地区域所需的氯化钾施肥量S(KCl)=S(K)/60%;
所述预设土地区域所需的磷酸二铵施肥量S((NH4)2HPO4)=S(P)/46%;
所述预设土地区域所需的尿素施肥量:
S(CH4N2O2)=(S(N)-S((NH4)2HPO4)*18%)/46%。
s(n)s(p)s(k)的值,参考如下表推荐值获取:
土壤肥力 | 碱解氮mg/kg | 推荐施肥总量(kg/亩) |
极低 | <150 | 7.5 |
低 | 150-200 | 6.5 |
中 | 200-250 | 5.5 |
高 | 250-300 | 5 |
极高 | >300 | 4.5 |
磷肥施肥指标
土壤肥力 | 有效磷mg/kg | 推荐施(P2O5)肥量(kg/亩) |
极低 | <15 | 4.5 |
低 | <25 | 3.5 |
中 | 25-40 | 2.5 |
高 | 40-45 | 1.5 |
极高 | >45 | 0.5 |
钾肥施肥指标
土壤肥力 | 速效钾mg/kg | 推荐施(K2O)肥量(kg/亩) |
低 | <130 | 4.5 |
中 | 130-200 | 3.5 |
高 | 200-230 | 2.5 |
极高 | >230 | 1.5 |
在一个实施例中,所述采集预设土地区域的土壤肥力值和所述预设土地区域的土壤坐标,结合土壤常规项的预设肥力等级,生成所述预设土地区域的带坐标的肥力处方图,包括:
通过配置有北斗导航设备的土壤采样小车采集所述预设土地区域的土壤肥力值和所述预设土地区域的土壤坐标,得到所述预设土地区域的带坐标的土壤肥力数据。
通过克里金插值分析和重分类法,生成所述预设土地区域的带坐标的肥力处方图。
其中,所述预设土地区域的带坐标的肥力处方图为预设土地区域的土壤常规项的空间分布图。
具体的,采集好的样本,使用土壤检测仪器进行分析,得出带有定位坐标值的如图2所示的格式数据,平台系统进行数据分析,通过克里金插值分析和重分类,针对指定区域地块生成土壤常规项氮磷钾的空间分布图。
在一个实施例中,所述根据所述带坐标的肥力处方图、土壤常规项的预设肥力等级和施肥时期,计算当前时期所述预设土地区域的初始施肥处方图,包括:
基于所述带坐标的肥力处方图、所述土壤常规项的预设肥力等级,计算所述预设土地区域中每个预设肥力等级的肥力目标值;
根据所述带坐标的肥力处方图和所述预设土地区域中每个预设肥力等级的肥力目标值,计算出所述预设土地区域中每个采样点的施肥目标值;
根据所述施肥时期、以及所述施肥时期的常规施肥量、所述预设土地区域中每个采样点的施肥目标值,生成当前时期所述预设土地区域的施肥处方图。
具体的,土壤检测常规五项包括:有机质,碱解氮,速效磷,速效钾,和土壤PH值测定。在本实施例中,施肥主要调整氮磷钾三项。如下表所示的土壤养分等级:
表1土壤养分等级
默认分五个等级,数值区间如上表1。氮磷钾分多个等级,可以在平台自定义等级个数,也可以自定义每个等级的范围。根据想达到的对应等级,计算得到作物需肥对应的施肥量,主要是N、P、K等级对应具体的N、P、K施肥纯量。
如表2所示的用户根据自己的需求,定义每个肥力要求的门限值,这里有默认值,系统也支持用户自己根据情况调整。
土壤肥力 | 碱解氮mg/kg | 有效磷mg/kg | 速效钾mg/kg |
极低 | 150 | 15 | 60 |
低 | 200 | 25 | 130 |
中 | 250 | 40 | 200 |
高 | 300 | 45 | 230 |
极高 | 350 | 50 | 260 |
表2土壤养分等级目标值
根据土壤养分等级划分,得出对应等级调整的目标值,根据差值进行计算每个采样点应该补肥的指标。
其中,差值是指每个点位的目标值和目前肥料含量值之间差值。
在一个实施例中,还包括:
根据所述带坐标的肥力处方图、土壤常规项的预设肥力等级、施肥时期和侧深施肥的变量,计算所述预设土地区域的目标施肥处方图。
每个点位的目标值和目前肥料含量值之间差值,是需要补肥的量。但往往不是通过一次补肥完成的。
以氮肥为例:表3氮肥施肥分期表:
每个施肥时期有对应的时间区间在系统中配置,同时每个时期的施肥量也需要精细划分。
施肥时间有默认值。但是地域不同,气候不同,施肥时间可能不同。所有系统提供配置界面,用户可以根据实际情况进行调整,配置到系统数据库后,系统自动根据当前施肥时间看在哪个区间,得出应该施基肥、调节肥、穗肥等。
针对某个作物,一个作业季可能会施几次肥,目前只考虑底肥。无论是旱田还是水田,首先针对某个区域,首先会有一个常规施肥量。常规施肥量包括施肥的肥料种类和每种肥料的施肥量。可以有多种,每一种肥料和使用量可能都不同。
其中,底肥指当年度第一次施肥。
在一个实施例中,在所述根据所述带坐标的肥力处方图、土壤常规项的预设肥力等级、施肥时期和侧深施肥的变量,计算所述预设土地区域的目标施肥处方图之前,还包括计算所述侧深施肥的变量,具体包括:
获取所述预设土地区域中每个采样点的电导率瞬时值和耕层深度的瞬时值;
比较所述预设土地区域中当前采样点的电导率瞬时值和所述预设土地区域的采样点的电导率平均值,得到电导率对应的减肥量;
比较所述预设土地区域中当前采样点的耕层深度瞬时值和所述预设土地区域的采样点的耕层深度平均值,得到耕层深度对应的减肥量;
基于所述电导率对应的减肥量和所述耕层深度对应的减肥量,计算得到综合减肥量。
在一个实施例中,所述比较所述预设土地区域中当前采样点的电导率瞬时值和所述预设土地区域的采样点的电导率平均值,得到电导率对应的减肥量,包括:
如果当前采样点的电导率瞬时值≤所述电导率平均值*0.6,则不进行减肥作业;
如果当前采样点的电导率瞬时值>所述电导率平均值*0.6,进行减肥作业;
其中,所述电导率对应的减肥量=((当前采样点的电导率瞬时值-所述电导率平均值*0.6)/所述电导率平均值*0.6)*15%*25kg/亩;若当前采样点的电导率瞬时值-所述电导率平均值*0.6)/电导率平均值*0.6>1时,则所述电导率对应的减肥量=1,所述电导率对应的减肥量小于1则所述电导率对应的减肥量为计算值。
示例性的,处方图计算逻辑举例:
用户选择目标产量和农作物(现在只能选择目标产量600kg/亩,农作物是水稻)。
假设农场土地区域A现在是a亩,现在打算种植水稻。
1、计算土地区域推荐有效施肥量:
根据区域A的检测报告得出平均碱解氮含量N(avg),N(avg)和施肥指标体系比较,确定区域A的检测碱解氮的水平等级和对应推荐的施肥量s(n)。区域A的推荐碱解氮施肥量为S(N)=a*s(n)。
以此类推,速效磷肥和有效钾肥推荐施肥量算法和氮肥相同。速效磷肥:S(P)=a*s(p);有效钾肥:S(K)=a*s(k)。
2、计算土地区域推荐化肥施肥量:
肥料类型 | 有效含量比例 |
尿素 | 含碱解氮46% |
磷酸二铵 | 含碱解氮18%,含速效磷46% |
氯化钾 | 含有效钾含量60% |
土地区域所需氯化钾施肥量S(KCl)=S(K)/60%。
土地区域所需磷酸二铵施肥量S((NH4)2HPO4)=S(P)/46%。
土地区域所需尿素施肥量:
S(CH4N2O2)=(S(N)-S((NH4)2HPO4)*18%)/46%。
3、计算施肥基追肥施肥量:
不同的农作物有不同的及追肥比例占比。例如:水稻氮肥基肥的比例为30%。基肥施肥量为:S(CH4N2O2)*30%。
在一个实施例中,所述比较所述预设土地区域中当前采样点的耕层深度瞬时值和所述预设土地区域的采样点的耕层深度平均值,得到耕层深度对应的减肥量,包括:
如果当前采样点的耕层深度瞬时值≤耕层深度平均值,则不进行减肥作业;
如果当前采样点的耕层深度瞬时值>耕层深度平均值,则进行减肥作业;
其中,耕层深度对应的减肥量=((当前采样点的耕层深度瞬时值-耕层深度平均值)/耕层深度平均值)*15%*25kg/亩;若(当前采样点的耕层深度瞬时值-耕层深度平均值)/耕层深度平均值>1时,则所述耕层深度对应的减肥量=1,所述耕层深度对应的减肥量小于1则所述耕层深度对应的减肥量为计算值。
在本实施例中,通过应用侧深施肥技术可以节省肥料。
影响侧深施肥减肥的因素有2个:耕层深度和电导率。电导率和肥力呈正相关关系。耕层深度较高的地方肥力一般比较丰富。根据经验,设定2种因素导致的最大减肥率均为15%。两种减肥因素互相独立,共同作用,所以最多减肥15%+15%=30%。用的肥料为侧深施肥专用肥,常规施肥25kg/亩。宽幅为2米。下位机500ms下发一次减肥运算。
侧深施肥插秧机到田里后,按照一定的规则首先采集50个点(过程采用常规施肥25kg/亩),之后插秧机继续前行,不断获取新的点,产生新的电导率σ和耕层深度的瞬时值。
在一个实施例中,所述基于所述电导率对应的减肥量和所述耕层深度对应的减肥量,计算得到综合减肥量,包括:
综合减肥量={((当前采样点的电导率瞬时值-所述电导率平均值*0.6)/所述电导率平均值*0.6)*15%+((当前采样点的耕层深度瞬时值-耕层深度平均值)/耕层深度平均值)*15%}*25。
在一些实施例中,所述基于所述预设土地区域的目标施肥处方图,对所述预设土地区域进行变量施肥,包括:
通过侧深施肥法,基于所述预设土地区域的目标施肥处方图,对所述预设土地区域进行变量施肥。
在一个实施例中,在所述采集预设土地区域的土壤肥力值和所述预设土地区域的土壤坐标,结合土壤常规项的预设肥力等级,生成所述预设土地区域的带坐标的肥力处方图之前,还包括:
基于用户输入的目标农作物和目标产量,确定所述预设土地区域。
本发明提供一种基于北斗高精度定位的无人化精准变量施肥方法,基于北斗卫星导航系统的高精度定位,采样小车获取土壤信息,自动分析后,得出肥力处方图和施肥处方图,供无人变量施肥车精准施肥。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各程序模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的程序模块完成,即将所述装置的内部结构划分成不同的程序单元或模块,以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中,也可是各个单元单独物理存在,也可以两个或两个以上单元集成在一个处理单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序单元的形式实现。另外,各程序模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述或记载的部分,可以参见其他实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其他的方式实现。示例性的,以上所描述的装置实施例仅仅是示意性的,示例性的,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,示例性的,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性、机械或其他的形式。
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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可能集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
应当说明的是,上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种基于北斗导航的变量施肥方法,其特征在于,包括:
采集预设土地区域的土壤肥力值和所述预设土地区域的土壤坐标,结合土壤常规项的预设肥力等级,生成所述预设土地区域的带坐标的肥力处方图;
根据所述带坐标的肥力处方图、土壤常规项的预设肥力等级和施肥时期,计算出当前时期每个点位的有效施肥量,进一步得出所述预设土地区域的初始施肥处方图;
计算所述预设土地区域的综合减肥量,并基于所述综合减肥量和所述初始施肥处方图生成所述预设土地区域的目标施肥处方图;具体包括:
获取所述预设土地区域中每个采样点的电导率瞬时值和耕层深度的瞬时值;
比较所述预设土地区域中当前采样点的电导率瞬时值和所述预设土地区域的采样点的电导率平均值,得到电导率对应的减肥量;
比较所述预设土地区域中当前采样点的耕层深度瞬时值和所述预设土地区域的采样点的耕层深度平均值,得到耕层深度对应的减肥量;
基于所述电导率对应的减肥量和所述耕层深度对应的减肥量,计算得到综合减肥量;
所述比较所述预设土地区域中当前采样点的电导率瞬时值和所述预设土地区域的采样点的电导率平均值,得到电导率对应的减肥量,包括:
如果当前采样点的电导率瞬时值≤所述电导率平均值*0.6,则不进行减肥作业;
如果当前采样点的电导率瞬时值>所述电导率平均值*0.6,进行减肥作业;
所述比较所述预设土地区域中当前采样点的耕层深度瞬时值和所述预设土地区域的采样点的耕层深度平均值,得到耕层深度对应的减肥量,包括:
如果当前采样点的耕层深度瞬时值≤耕层深度平均值,则不进行减肥作业;
如果当前采样点的耕层深度瞬时值>耕层深度平均值,则进行减肥作业;
基于所述电导率对应的减肥量和所述耕层深度对应的减肥量,计算得到综合减肥量,包括:综合减肥量={((当前采样点的电导率瞬时值-所述电导率平均值*0.6)/所述电导率平均值*0.6)*15%+((当前采样点的耕层深度瞬时值-耕层深度平均值)/耕层深度平均值)*15%}*25;设定电导率和耕层深度的最大减肥率均为15%,两种减肥因素互相独立,共同作用,最多减肥15%+15%=30%;
基于所述预设土地区域的目标施肥处方图,对所述预设土地区域进行变量施肥。
2.根据权利要求1所述的基于北斗导航的变量施肥方法,其特征在于,所述根据所述带坐标的肥力处方图、土壤常规项的预设肥力等级和施肥时期,计算当前时期所述预设土地区域的初始施肥处方图,包括:
计算所述预设土地区域的有效施肥量:
基于所述带坐标的肥力处方图、土壤常规项的预设肥力等级,计算所述预设土地区域的碱解氮施肥量:S(N)= a*s(n);速效磷施肥量:S(P)=a*s(p);有效钾施肥量:S(K)=a*s(k);
其中,a为所述预设土地区域的亩数;N为所述预设土地区域的平均碱解氮含量;所述预设土地区域的碱解氮的肥力等级对应的施肥量s(n);P为所述预设土地区域的平均速效磷含量;所述预设土地区域的速效磷的肥力等级对应的施肥量s(p);K为所述预设土地区域的平均有效钾含量;所述预设土地区域的有效钾的肥力等级对应的施肥量s(k);
基于所述碱解氮施肥量、所述速效磷施肥量、有效钾施肥量,计算所述预设土地区域的化肥施肥量:
所述预设土地区域所需的氯化钾施肥量S(KCl)=S(K)/60%;
所述预设土地区域所需的磷酸二铵施肥量S((NH4)2HPO4)=S(P)/46%;
所述预设土地区域所需的尿素施肥量:
S(CH4N2O2)= (S(N)-S((NH4)2HPO4)*18%)/46%。
3.根据权利要求1所述的基于北斗导航的变量施肥方法,其特征在于,所述采集预设土地区域的土壤肥力值和所述预设土地区域的土壤坐标,结合土壤常规项的预设肥力等级,生成所述预设土地区域的带坐标的肥力处方图,包括:
通过配置有北斗导航设备的土壤采样小车采集所述预设土地区域的土壤肥力值和所述预设土地区域的土壤坐标,得到所述预设土地区域的带坐标的土壤肥力数据;
通过克里金插值分析和重分类法,生成所述预设土地区域的带坐标的肥力处方图;
其中,所述预设土地区域的带坐标的肥力处方图为预设土地区域的土壤常规项的空间分布图。
4.根据权利要求1所述的基于北斗导航的变量施肥方法,其特征在于,所述根据所述带坐标的肥力处方图、土壤常规项的预设肥力等级和施肥时期,计算当前时期所述预设土地区域的初始施肥处方图,包括:
基于所述带坐标的肥力处方图、所述土壤常规项的预设肥力等级,计算所述预设土地区域中每个预设肥力等级的肥力目标值;
根据所述带坐标的肥力处方图和所述预设土地区域中每个预设肥力等级的肥力目标值,计算出所述预设土地区域中每个采样点的施肥目标值;
根据所述施肥时期、以及所述施肥时期的常规施肥量、所述预设土地区域中每个采样点的施肥目标值,生成当前时期所述预设土地区域的施肥处方图。
5.根据权利要求4所述的基于北斗导航的变量施肥方法,其特征在于,所述基于所述预设土地区域的目标施肥处方图,对所述预设土地区域进行变量施肥,包括:
通过侧深施肥法,基于所述预设土地区域的目标施肥处方图,对所述预设土地区域进行变量施肥。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211095992.1A CN115606382B (zh) | 2022-09-08 | 2022-09-08 | 一种基于北斗导航的变量施肥方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211095992.1A CN115606382B (zh) | 2022-09-08 | 2022-09-08 | 一种基于北斗导航的变量施肥方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115606382A CN115606382A (zh) | 2023-01-17 |
CN115606382B true CN115606382B (zh) | 2023-10-20 |
Family
ID=84858926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211095992.1A Active CN115606382B (zh) | 2022-09-08 | 2022-09-08 | 一种基于北斗导航的变量施肥方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115606382B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116520747B (zh) * | 2023-05-06 | 2023-11-03 | 江苏东久机械有限公司 | 一种变量施肥控制系统及方法 |
CN117158173A (zh) * | 2023-10-10 | 2023-12-05 | 常熟市农业科技发展有限公司 | 一种基于神经网络模型的农业高效率施肥系统及施肥方法 |
CN117631545B (zh) * | 2024-01-26 | 2024-03-26 | 鄂尔多斯应用技术学院 | 基于自主导航的农业机械控制优化方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103814664A (zh) * | 2012-11-16 | 2014-05-28 | 中国农业机械化科学研究院 | 氮磷钾变量施肥机及其施肥量作业处方的确定方法 |
CN109829589A (zh) * | 2019-02-14 | 2019-05-31 | 中科赛诺(北京)科技有限公司 | 制作土壤施肥处方图的方法、土壤精准施肥处方图及应用 |
CN110115142A (zh) * | 2019-04-25 | 2019-08-13 | 中科赛诺(北京)科技有限公司 | 一种基于遥感数据的农田变量施肥方法 |
CN114145116A (zh) * | 2021-11-30 | 2022-03-08 | 上海联适导航技术股份有限公司 | 一种基于土壤电导率的侧深施肥控制系统 |
CN114521376A (zh) * | 2022-02-11 | 2022-05-24 | 塔里木大学 | 应用于农机作业的田块尺度枣园变量网格施肥图制作方法 |
-
2022
- 2022-09-08 CN CN202211095992.1A patent/CN115606382B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103814664A (zh) * | 2012-11-16 | 2014-05-28 | 中国农业机械化科学研究院 | 氮磷钾变量施肥机及其施肥量作业处方的确定方法 |
CN109829589A (zh) * | 2019-02-14 | 2019-05-31 | 中科赛诺(北京)科技有限公司 | 制作土壤施肥处方图的方法、土壤精准施肥处方图及应用 |
CN110115142A (zh) * | 2019-04-25 | 2019-08-13 | 中科赛诺(北京)科技有限公司 | 一种基于遥感数据的农田变量施肥方法 |
CN114145116A (zh) * | 2021-11-30 | 2022-03-08 | 上海联适导航技术股份有限公司 | 一种基于土壤电导率的侧深施肥控制系统 |
CN114521376A (zh) * | 2022-02-11 | 2022-05-24 | 塔里木大学 | 应用于农机作业的田块尺度枣园变量网格施肥图制作方法 |
Non-Patent Citations (4)
Title |
---|
姚振领.简便计算施肥量 提高测土配方施肥效率.《中国农资》.2012,第22页. * |
杨佩珍 ; 金继运 ; 陆峥嵘 ; 毕经伟 ; .水稻高产精准施肥技术示范研究.上海交通大学学报(农业科学版).2008,(第02期),第49-53页. * |
柳云龙 ; 姜丽娜 ; .基于GIS的农田养分管理与推荐施肥系统设计与开发.农业网络信息.2007,(第08期),第23-26页. * |
蔡德利,王熙,庄伟东,王智敏,汪春.精准农业变量施肥技术要点及试验初报.黑龙江八一农垦大学学报.2004,(第03期),第45-48页. * |
Also Published As
Publication number | Publication date |
---|---|
CN115606382A (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115606382B (zh) | 一种基于北斗导航的变量施肥方法及系统 | |
CN108684278B (zh) | 智能配肥方法、装置和系统 | |
CN111557159B (zh) | 一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法 | |
CN108811651A (zh) | 一种测土配方施肥的方法 | |
CN109757175B (zh) | 一种基于无人机监测的玉米水肥一体化变量施肥方法 | |
CN109829589A (zh) | 制作土壤施肥处方图的方法、土壤精准施肥处方图及应用 | |
CN108370699A (zh) | 一种测土配方施肥的方法 | |
CN113396681A (zh) | 一种网格化的大田作物基肥施肥效果评估模型 | |
CN114521376B (zh) | 应用于农机作业的田块尺度枣园变量网格施肥图制作方法 | |
Penney et al. | Yield and nutrient mapping for site specific fertilizer management | |
Gotosa et al. | Maize nitrogen uptake and productivity under reduced and conventional tillage | |
CN110400097A (zh) | 一种测土施肥的一种信息化方法 | |
Jatav et al. | Spatial distribution of soil available Nutrients in the potato growing pockets of Hoshiarpur district of Punjab | |
CN113505987B (zh) | 一种基于大数据的苗木播种施肥一体化监管反馈系统 | |
CN111724073B (zh) | 一种模块化农业机械排放量计算及污染识别管控系统 | |
Wang et al. | Identifying and characterizing yield limiting soil factors with the aid of remote sensing and data mining techniques | |
CN103810640A (zh) | 手机定位式测土配方施肥服务平台实现方法及系统 | |
CN114747349A (zh) | 基于群体长势遥感检测与分级的小麦健壮群体培育方法 | |
Dampney et al. | Precision Agriculture in England: Current Practice and Research‐Based Advice to Farmers | |
CN111709653A (zh) | 一种农产品产地质量安全追溯的方法 | |
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 | |
CN113079784B (zh) | 一种基于quefts模型的区域化玉米专用肥配肥与施用方法 | |
Jena et al. | Modern concepts of Fertilizer Application | |
Zagórda et al. | Estimation of costs at application of precise fertilizers spreading | |
Kumar | Assessment of spatial variability of available nutrients in potato growing pockets of Agra district of Uttar Pradesh |
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 |