CN116380708B - 灌溉量预测方法、装置、系统、设备及介质 - Google Patents
灌溉量预测方法、装置、系统、设备及介质 Download PDFInfo
- Publication number
- CN116380708B CN116380708B CN202310187835.1A CN202310187835A CN116380708B CN 116380708 B CN116380708 B CN 116380708B CN 202310187835 A CN202310187835 A CN 202310187835A CN 116380708 B CN116380708 B CN 116380708B
- Authority
- CN
- China
- Prior art keywords
- current
- evapotranspiration
- irrigation
- crop
- sample
- 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
- 238000003973 irrigation Methods 0.000 title claims abstract description 183
- 230000002262 irrigation Effects 0.000 title claims abstract description 183
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000007613 environmental effect Effects 0.000 claims abstract description 65
- 238000005286 illumination Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 12
- 239000007788 liquid Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 239000000758 substrate Substances 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 230000005068 transpiration Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000011490 mineral wool Substances 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000012271 agricultural production Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
- G01N5/04—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder
-
- 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
- A01G31/00—Soilless cultivation, e.g. hydroponics
- A01G31/02—Special apparatus therefor
-
- 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
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
- A01G9/247—Watering arrangements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/20—Reduction of greenhouse gas [GHG] emissions in agriculture, e.g. CO2
- Y02P60/21—Dinitrogen oxide [N2O], e.g. using aquaponics, hydroponics or efficiency measures
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Ecology (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Pathology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种灌溉量预测方法、装置、系统、设备及介质,涉及作物灌溉领域,该方法包括:输入目标灌溉区域的当前环境参数至参比蒸散量预测模型,获取所述参比蒸散量预测模型输出的当前参比蒸散量;根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量;根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量;所述参比蒸散量预测模型是以所有样本环境参数以及与每一样本环境参数对应的样本参比蒸散量训练得到的。本发明能够动态获取分时段的作物系数,从而使得作物在某一阶段的灌溉量更贴近于实际需求,实现了对于作物的精准灌溉。
Description
技术领域
本发明涉及作物灌溉领域,尤其涉及一种灌溉量预测方法、装置、系统、设备及介质。
背景技术
目前对于无土栽培作物的作物灌溉,通常采用彭曼模型(FAO-56Penman–Monteith)结合作物生长气象环境进行计算获取参考作物蒸散量,采用蒸渗仪获取作物实际蒸腾量,然而由于成本及试验条件限制,无法分时段实现作物的精准灌溉。
发明内容
本发明提供一种灌溉量预测方法、装置、系统、设备及介质,用以解决现有技术中没有分时段实现作物精准灌溉的技术缺陷,提供了一种结合当前时段对应的作物系数预测下一时段灌溉量的技术方案。
第一方面,本发明提供了一种灌溉量预测方法,包括:
输入目标灌溉区域的当前环境参数至参比蒸散量预测模型,获取所述参比蒸散量预测模型输出的当前参比蒸散量;
根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量;
根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量;
所述参比蒸散量预测模型是以所有样本环境参数以及与每一样本环境参数对应的样本参比蒸散量训练得到的。
根据本发明提供的灌溉量预测方法,在输入目标灌溉区域的当前环境参数至参比蒸散量预测模型之前,还包括:
根据目标灌溉区域对应的气象站获取目标区域的当前环境参数;
所述当前环境参数包括当前温度、当前湿度、当前光照值以及当前风速;
所述目标灌溉区域为无土栽培环境的温室区域;
或,所述目标灌溉区域为基质栽培环境的温室区域,所述基质为土壤。
根据本发明提供的灌溉量预测方法,所述根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量,包括:
获取所述观测容器在上一所述预设时段下的第一重量;
获取所述观测容器当前时刻的第二重量;
根据所述第一重量与所述第二重量的差值确定所述重量差值,并确定所述重量差值为当前作物蒸散量。
根据本发明提供的灌溉量预测方法,在输入目标灌溉区域的当前环境参数至参比蒸散量预测模型之前,还包括:
获取目标灌溉区域每一历史时刻对应的温度、湿度、光照值以及风速,确定所有样本环境参数;
根据参比蒸散量计算模型处理每一样本环境参数,获取每一样本环境参数对应的样本参比蒸散量;
根据所有样本环境参数以及与每一样本环境参数对应的样本参比蒸散量构建所述参比蒸散量预测模型;
所述参比蒸散量计算模型至少包括彭曼模型、Hargreaves-Samani估算模型或者贝塞尔方程模型。
根据本发明提供的灌溉量预测方法,所述根据参比蒸散量计算模型处理每一样本环境参数,包括:
在获取到温度、湿度、光照值以及风速的情况下,根据所述彭曼模型处理每一样本环境参数;
在缺少湿度、光照值以及风速中任一参数的情况下,根据所述Hargreaves-Samani估算模型处理每一样本环境参数;
在缺少温度参数的情况下,根据所述贝塞尔方程模型处理每一样本环境参数。
根据本发明提供的灌溉量预测方法,所述根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量,包括:
根据所述当前作物蒸散量以及所述当前参比蒸散量的商值确定所述作物系数;
获取预设时段内的灌溉量与预设作物系数的对应关系,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量。
第二方面,提供了一种基于所述的灌溉量预测方法的灌溉量预测系统,包括:观测容器,所述观测容器包括:
栽培槽,用于栽培作物;
分设在所述栽培槽两侧端部的重量测量传感器,用于获取栽培槽的重量;
采集控制器,用于获取当前环境参数,所述当前环境参数包括当前温度、当前湿度、当前光照值以及当前风速;
流量计,用于获取未被栽培槽吸收的灌溉液;
其中,所述栽培槽与水平方向间的夹角大于预设角度,以使得所述栽培槽两个侧端分别处于第一高位以及第二高位,所述第一高位大于所述第二高位,所述流量计设置在所述栽培槽靠近第二高位的侧端。
第三方面,提供了一种灌溉量预测装置,包括:
获取单元:用于输入目标灌溉区域的当前环境参数至参比蒸散量预测模型,获取所述参比蒸散量预测模型输出的当前参比蒸散量;
第一确定单元:用于根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量;
第二确定单元:用于根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量;
所述参比蒸散量预测模型是以所有样本环境参数以及与每一样本环境参数对应的样本参比蒸散量训练得到的。
第四方面,本发明还提供一种电子设备,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,所述处理器执行所述程序时实现所述的灌溉量预测方法。
第五方面,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如上述任一种所述灌溉量预测方法。
本发明提供了一种灌溉量预测方法、装置、系统、设备及介质,本发明旨在实现无土栽培模式下,作物系数的实时计算,通过输入当前环境参数至参比蒸散量预测模型,获取当前参比蒸散量,再根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量,最后根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,进而确定目标灌溉区域在下一所述预设时段内的灌溉量,本发明能够动态获取分时段的作物系数,从而使得作物在某一阶段的灌溉量更贴近于实际需求,实现了对于作物的精准灌溉。
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是本发明提供的灌溉量预测方法的流程示意图之一;
图2是本发明提供的确定当前作物蒸散量的流程示意图;
图3是本发明提供的灌溉量预测方法的流程示意图之二;
图4是本发明提供的确定下一所述预设时段内的灌溉量的流程示意图;
图5是本发明提供的灌溉量预测系统的结构示意图之一;
图6是本发明提供的灌溉量预测系统的结构示意图之二;
图7是本发明提供的灌溉量预测装置的结构示意图;
图8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作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。
当前在实际农业生产过程中会采用作物灌溉管理策略,而作物灌溉量往往会依托部分经验公式进行估值计算,然而对于工厂化大规模生产依托人工经验决策的方法已无法满足当前产业需求。其中,对于作物系数的确定体现的尤为明显,而对于无土栽培领域,尤其是对于分时段的精准灌溉需求,采用人工经验决策的方法已经无法满足实际现场生产需求。基于上述技术问题,本发明提供了一种灌溉量预测方法、装置、系统、设备及介质,旨在实现无土栽培模式下,作物系数的实时动态计算,图1是本发明提供的灌溉量预测方法的流程示意图之一,本发明公开了一种灌溉量预测方法,包括:
步骤101、输入目标灌溉区域的当前环境参数至参比蒸散量预测模型,获取所述参比蒸散量预测模型输出的当前参比蒸散量;
步骤102、根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量;
步骤103、根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量;
所述参比蒸散量预测模型是以所有样本环境参数以及与每一样本环境参数对应的样本参比蒸散量训练得到的。
在步骤101中,目标灌溉区域为无土栽培环境下的温室区域,所述当前环境参数包括当前温度、当前湿度、当前光照值以及当前风速中的至少一种,其可以通过相应的传感器获取,例如,温度传感器、湿度传感器、风速计、光照传感器,还可以通过气象站所发布的当前区域的气象信息获取。
所述参比蒸散量预测模型用于基于当前环境参数确定当前参比蒸散量,其是根据所有样本环境参数以及与每一样本环境参数对应的样本参比蒸散量训练得到的,即在所述目标灌溉区域,获取其历史记载的环境参数,并根据仪器测量或者选用各计算模型的形式,确定每一环境参数所对应的参比蒸散量,将每一样本环境参数以及每一样本环境参数对应的样本参比蒸散量作为一个样本,确定所有样本,并构建所述参比蒸散量预测模型。
在本发明中,通过输入目标灌溉区域的当前环境参数至参比蒸散量预测模型,获取所述参比蒸散量预测模型输出的当前参比蒸散量,降低了在获取当前参比蒸散量时,对于当前参比蒸散量测量仪器以及常规计算当前参比蒸散量模型的依赖,降低模型对传感器种类、数量或类型的依赖。
在步骤102中,根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量,所述观测容器设置于所述目标灌溉区域内,其可以为所述目标灌溉区域的一部分,也可以为所述目标灌溉区域的全部区域,由于相隔一段时间,作物会由于蒸腾作用蒸发掉一部分水分,故观测一段时间内,观测容器的重量差值,即为当前作物蒸散量。
在步骤103中,本发明旨在实时动态的获取每一时段的作物系数,以根据不同时段下不同的作物系数对目标灌溉区域的不同所述预设时段内的灌溉量进行调整,以满足在环境参数发生改变的情况下,作物灌溉量的需求变化。
可选地,在输入目标灌溉区域的当前环境参数至参比蒸散量预测模型之前,还包括:
根据目标灌溉区域对应的气象站获取目标区域的当前环境参数;
所述当前环境参数包括当前温度、当前湿度、当前光照值以及当前风速;
所述目标灌溉区域为无土栽培环境的温室区域;
或,所述目标灌溉区域为基质栽培环境的温室区域,所述基质为土壤。
本发明不仅能够通过各类传感器获取目标区域的当前环境参数,还可以根据目标灌溉区域对应的气象站获取目标区域的当前环境参数,所述当前环境参数至少包括当前温度、当前湿度、当前光照值以及当前风速,主要适用于采用岩棉或基质栽培的作物在全生长期内其作物系数无人自主进行逐时逐日计算。本发明对于作物参比蒸散的计算采用神经网络模型,仅需将温室区域内作物生长所需的参数,诸如温度、湿度、光照、风速等气象环境参数输入模型,即可获取当前参比蒸散量,可在提高计算精度的同时并简化现场软硬件配置需求。本发明能够简化当前工厂化灌溉管理方式并为科学化的灌溉量设置提供相应理论依据。
本发明提供了一种灌溉量预测方法、装置、系统、设备及介质,本发明旨在实现无土栽培模式下,作物系数的实时计算,通过输入当前环境参数至参比蒸散量预测模型,获取当前参比蒸散量,再根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量,最后根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,进而确定目标灌溉区域在下一所述预设时段内的灌溉量,本发明能够动态获取分时段的作物系数,从而使得作物在某一阶段的灌溉量更贴近于实际需求,实现了对于作物的精准灌溉。
图2是本发明提供的确定当前作物蒸散量的流程示意图,所述根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量,包括:
步骤1021、获取所述观测容器在上一所述预设时段下的第一重量;
步骤1022、获取所述观测容器当前时刻的第二重量;
步骤1023、根据所述第一重量与所述第二重量的差值确定所述重量差值,并确定所述重量差值为当前作物蒸散量。
在步骤1021中,获取所述观测容器在上一所述预设时段下的第一重量,所述预设时段可以为1小时、5小时或24小时,例如,在24小时前,获取所述观测容器的第一重量,例如,所述第一重量为10kg。
在步骤1022中,获取所述观测容器在当前时刻的第二重量,例如,所述第二重量为8.8kg。
在步骤1023中,根据所述第一重量与所述第二重量的差值确定所述重量差值,若所述第一重量为10kg,所述第二重量为8.8kg,则所述重量差值为1.2kg,所述当前作物蒸散量为1.2kg。
图3是本发明提供的灌溉量预测方法的流程示意图之二,在输入目标灌溉区域的当前环境参数至参比蒸散量预测模型之前,还包括:
步骤201、获取目标灌溉区域每一历史时刻对应的温度、湿度、光照值以及风速,确定所有样本环境参数;
步骤202、根据参比蒸散量计算模型处理每一样本环境参数,获取每一样本环境参数对应的样本参比蒸散量;
步骤203、根据所有样本环境参数以及与每一样本环境参数对应的样本参比蒸散量构建所述参比蒸散量预测模型;
所述参比蒸散量计算模型至少包括彭曼模型、Hargreaves-Samani估算模型或者贝塞尔方程模型。
在步骤201中,获取目标灌溉区域每一历史时刻对应的温度、湿度、光照值以及风速,确定所有样本环境参数,本发明旨在根据每一历史时刻对应的温度、湿度、光照值以及风速,以及与之相对应的样本参比蒸散量构建参比蒸散量预测模型,故对应于每一历史时刻,尽可能地去采集历史时段的各类环境参数,然后并不是所有的环境参数都能够被完全获取到,有的样本能够获取到全部参数,有的只能获取到部分参数。
在步骤202中,根据参比蒸散量计算模型处理每一样本环境参数,获取每一样本环境参数对应的样本参比蒸散量,所述参比蒸散量计算模型至少包括彭曼模型、Hargreaves-Samani估算模型或者贝塞尔方程模型,本发明能够在所获取到的参数的数量、类型不同的情况下,采用不同的参比蒸散量计算模型处理每一样本环境参数,以使得所获取的每一样本环境参数对应的样本参比蒸散量更贴近于实际情况,通过选用最适合的模型确定样本参比蒸散量的方式,能够提高样本参数的准确性,进而提高预测精准度。
在步骤203中,根据所有样本环境参数以及与每一样本环境参数对应的样本参比蒸散量构建所述参比蒸散量预测模型,本发明能够根据无土栽培作物的观测容器,实时动态获取作物蒸散量,在一个可选地实施例中,种植现场安装有对应气象站点,所述气象站点至少配备光照传感器,而温度传感器以及湿度传感器可配置,也可根据以往历史数据采用均值计算获取。
可选地,所述根据参比蒸散量计算模型处理每一样本环境参数,包括:
在获取到温度、湿度、光照值以及风速的情况下,根据所述彭曼模型处理每一样本环境参数;
在缺少湿度、光照值以及风速中任一参数的情况下,根据所述Hargreaves-Samani估算模型处理每一样本环境参数;
在缺少温度参数的情况下,根据所述贝塞尔方程模型处理每一样本环境参数。
本发明可以采用彭曼模型、Hargreaves-Samani估算模型或所述贝塞尔方程模型等各类经典及修正模型处理每一样本环境参数,各类模型均具有相应优缺点,例如彭曼模型应用范围最广,但其对气象传感器种类及精度均有一定要求,不适用于条件简陋地区;Hargreaves-Samani估算模型较简单,仅需温度传感器即可,但其在干旱地区应用适应性较好,在湿润区误差较大,故本申请结合所获取的参数的数量、种类不同,采用不同的模型处理每一样本环境参数。
本发明通过气象传感器获取生长区域的环境参数,主要为温湿度、光照、风速,可通过仪器测量或上述方式选用模型,计算出对应的参比蒸散量,将其作为神经网络训练样本数据,输入数据类型为环境参数,输出数据类型为比蒸散量,对神经网络进行训练,通过构建输入层、隐含层、输出层的层网络,确定模型系数,进而构建神经网络模型;将训练完成的模型移植至嵌入式系统中,系统通过采集生产现场气象站中的温湿度、光照、风速,采用模型计算对应的参比蒸散量;最后根据系统实时获取作物蒸散量,自动计算出当前作物系数。
图4是本发明提供的确定下一所述预设时段内的灌溉量的流程示意图,所述根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量,包括:
步骤1031、根据所述当前作物蒸散量以及所述当前参比蒸散量的商值确定所述作物系数;
步骤1032、获取预设时段内的灌溉量与预设作物系数的对应关系,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量。
在步骤1031中,根据所述当前作物蒸散量以及所述当前参比蒸散量的商值确定所述作物系数,其可以参考公式:
Kc=ETc/ETo (1)
式(1)中,Kc为作物系数,ETc为当前作物蒸散量,ETo为当前参比蒸散量。
在步骤1032中,依照预设时段内的灌溉量与预设作物系数的对应关系,确定目标灌溉区域在下一所述预设时段内的灌溉量,例如,所述预设作物系数为1的情况下,所述预设时段内的灌溉量为10L,则当所述作物系数为0.99时,所述下一所述预设时段内的灌溉量为9.9L,当所述作物系数为1.61时,所述下一所述预设时段内的灌溉量为16.1L。
图5是本发明提供的灌溉量预测系统的结构示意图之一,图6是本发明提供的灌溉量预测系统的结构示意图之二,本发明公开了一种基于所述的灌溉量预测方法的灌溉量预测系统,包括:观测容器,所述观测容器包括:
栽培槽3,用于栽培作物;
分设在所述栽培槽3两侧端部的重量测量传感器1,用于获取栽培槽的重量;
采集控制器2,用于获取当前环境参数,所述当前环境参数包括当前温度、当前湿度、当前光照值以及当前风速;
流量计4,用于获取未被栽培槽3吸收的灌溉液;
其中,所述栽培槽3与水平方向间的夹角大于预设角度,以使得所述栽培槽3两个侧端分别处于第一高位以及第二高位,所述第一高位大于所述第二高位,所述流量计4设置在所述栽培槽3靠近第二高位的侧端。
可选地,对于所述观测容器,所述栽培槽3下方可以设置一个重量测量传感器,也可以设置两个重量测量传感器1,所述重量测量传感器1分设在所述栽培槽3两侧端部,并将其作为支架提供支撑的作用。
可选地,预设角度为2°,两个重量测量传感器的支架在进行安装时,将所述支架设置为2°的水利坡度,使得在对栽培槽3上的作物进行作物灌溉时,灌溉液将利用所述水利坡度从所述第一高位流向所述第二高位。
可选地,所述流量计4设置在所述栽培槽3靠近第二高位的侧端,在栽培槽3的靠近第二高位的下方开设有排液体口,并在排液口下方安装有相应的流量计4。
可选地,两个重量测量传感器1通过数据总线接入采集控制器2,所述栽培槽的重量为两个重量测量传感器1所测得的重量之和,所述流量计4用于获取未被栽培槽3吸收的灌溉液,此时,当前作物的灌溉量即为所述两个重量测量传感器1所测得的重量之和与所述流量计4所获取结果的相加量。
可选地,在工作状态下,将岩棉或基质放于栽培槽3内,并在岩棉或基质上进行作物种植,当采用营养液进行灌溉时,过量的营养液可从排液口排出,流量计4对排液量进行计算,此外重量传感器可准确的计算出当前灌溉量与排液量,此外作物生长现场的气象环境传感器也通过数据总线接入采集控制器2中,采集控制器2每间隔预设时间对基质称重量及各类如温度、湿度、风速、光照等气象环境参数进行动态采集,通过采集控制器2中嵌入的神经网络模型可以逐时或逐日的计算出参比蒸散量,并结合当前作物的蒸腾量,动态实时获取对应的作物系数。
由于无土栽培方式多采用日光温室或玻璃温室进行实际农业生产,而目前的参比蒸散计算公式均用于室外大田校准计算,并不适用于温室内环境,因此在日光温室或玻璃温室内直接采用FA0-56计算参比蒸散误差较大,本发明采用神经网络模型,将温室内作物生长的所需的诸如温度、湿度、光照、风速等气象环境参数输入至模型中,通过模型计算获取参比蒸散,提高计算精度并简化为获取高精度数据所需的现场软硬件配置条件。
本发明提供一种基于神经网络的灌溉量预测系统,通过将重量及气象环境数据总线接入采集控制器,可进行整个作物生长期内全程自主无人逐时或逐日计算出对应的作物系数,作物系数实时计算方法及装置主要适用于采用岩棉或基质的无土栽培模式,计算方法适合任何可采用岩棉或基质种植的作物种类,本发明中对于作物参比蒸散的计算采用神经网络模型,可在提高计算精度的同时并简化现场软硬件配置条件。
本发明提供了一种灌溉量预测方法、装置、系统、设备及介质,本发明旨在实现无土栽培模式下,作物系数的实时计算,通过输入当前环境参数至参比蒸散量预测模型,获取当前参比蒸散量,再根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量,最后根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,进而确定目标灌溉区域在下一所述预设时段内的灌溉量,本发明能够动态获取分时段的作物系数,从而使得作物在某一阶段的灌溉量更贴近于实际需求,实现了对于作物的精准灌溉。
图7是本发明提供的灌溉量预测装置的结构示意图,本发明提供了一种灌溉量预测装置,包括获取单元51:用于输入目标灌溉区域的当前环境参数至参比蒸散量预测模型,获取所述参比蒸散量预测模型输出的当前参比蒸散量,所述获取单元51的工作原理可以参考前述步骤101,在此不予赘述。
所述灌溉量预测装置还包括第一确定单元52:用于根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量,所述第一确定单元52的工作原理可以参考前述步骤102,在此不予赘述。
所述灌溉量预测装置还包括第二确定单元53:用于根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量,所述第二确定单元53的工作原理可以参考前述步骤103,在此不予赘述。
所述参比蒸散量预测模型是以所有样本环境参数以及与每一样本环境参数对应的样本参比蒸散量训练得到的。
本发明提供了一种灌溉量预测方法、装置、系统、设备及介质,本发明旨在实现无土栽培模式下,作物系数的实时计算,通过输入当前环境参数至参比蒸散量预测模型,获取当前参比蒸散量,再根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量,最后根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,进而确定目标灌溉区域在下一所述预设时段内的灌溉量,本发明能够动态获取分时段的作物系数,从而使得作物在某一阶段的灌溉量更贴近于实际需求,实现了对于作物的精准灌溉。
图8是本发明提供的电子设备的结构示意图。如图8所示,该电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行灌溉量预测方法,该方法包括:输入目标灌溉区域的当前环境参数至参比蒸散量预测模型,获取所述参比蒸散量预测模型输出的当前参比蒸散量;根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量;根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量;所述参比蒸散量预测模型是以所有样本环境参数以及与每一样本环境参数对应的样本参比蒸散量训练得到的。
此外,上述的存储器830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计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的一种灌溉量预测方法,该方法包括:输入目标灌溉区域的当前环境参数至参比蒸散量预测模型,获取所述参比蒸散量预测模型输出的当前参比蒸散量;根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量;根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量;所述参比蒸散量预测模型是以所有样本环境参数以及与每一样本环境参数对应的样本参比蒸散量训练得到的。
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提供的灌溉量预测方法,该方法包括:输入目标灌溉区域的当前环境参数至参比蒸散量预测模型,获取所述参比蒸散量预测模型输出的当前参比蒸散量;根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量;根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量;所述参比蒸散量预测模型是以所有样本环境参数以及与每一样本环境参数对应的样本参比蒸散量训练得到的。
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 (6)
1.一种灌溉量预测方法,其特征在于,包括:
输入目标灌溉区域的当前环境参数至参比蒸散量预测模型,获取所述参比蒸散量预测模型输出的当前参比蒸散量;
根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量;
根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量;
所述参比蒸散量预测模型是以所有样本环境参数以及与每一样本环境参数对应的样本参比蒸散量训练得到的;
所述根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量,包括:
获取所述观测容器在上一所述预设时段下的第一重量;
获取所述观测容器当前时刻的第二重量;
根据所述第一重量与所述第二重量的差值确定所述重量差值,并确定所述重量差值为当前作物蒸散量;
在输入目标灌溉区域的当前环境参数至参比蒸散量预测模型之前,还包括:
获取目标灌溉区域每一历史时刻对应的温度、湿度、光照值以及风速,确定所有样本环境参数;
根据参比蒸散量计算模型处理每一样本环境参数,获取每一样本环境参数对应的样本参比蒸散量;
根据所有样本环境参数以及与每一样本环境参数对应的样本参比蒸散量构建所述参比蒸散量预测模型;
所述参比蒸散量计算模型至少包括彭曼模型、Hargreaves-Samani估算模型或者贝塞尔方程模型;
所述根据参比蒸散量计算模型处理每一样本环境参数,包括:
在获取到温度、湿度、光照值以及风速的情况下,根据所述彭曼模型处理每一样本环境参数;
在缺少湿度、光照值以及风速中任一参数的情况下,根据所述Hargreaves-Samani估算模型处理每一样本环境参数;
在缺少温度参数的情况下,根据所述贝塞尔方程模型处理每一样本环境参数;
所述根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量,包括:
根据所述当前作物蒸散量以及所述当前参比蒸散量的商值确定所述作物系数;
获取预设时段内的灌溉量与预设作物系数的对应关系,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量。
2.根据权利要求1所述的灌溉量预测方法,其特征在于,在输入目标灌溉区域的当前环境参数至参比蒸散量预测模型之前,还包括:
根据目标灌溉区域对应的气象站获取目标区域的当前环境参数;
所述当前环境参数包括当前温度、当前湿度、当前光照值以及当前风速;
所述目标灌溉区域为无土栽培环境的温室区域;
或,所述目标灌溉区域为基质栽培环境的温室区域,所述基质为土壤。
3.根据权利要求1-2中任一项所述的灌溉量预测方法,其特征在于,所述观测容器包括:
栽培槽,用于栽培作物;
分设在所述栽培槽两侧端部的重量测量传感器,用于获取栽培槽的重量;
采集控制器,用于获取当前环境参数,所述当前环境参数包括当前温度、当前湿度、当前光照值以及当前风速;
流量计,用于获取未被栽培槽吸收的灌溉液;
其中,所述栽培槽与水平方向间的夹角大于预设角度,以使得所述栽培槽两个侧端分别处于第一高位以及第二高位,所述第一高位大于所述第二高位,所述流量计设置在所述栽培槽靠近第二高位的侧端。
4.一种基于权利要求1-2中任一项所述的灌溉量预测方法的灌溉量预测装置,其特征在于,包括:
获取单元:用于输入目标灌溉区域的当前环境参数至参比蒸散量预测模型,获取所述参比蒸散量预测模型输出的当前参比蒸散量;
第一确定单元:用于根据目标灌溉区域内观测容器在预设时段内的重量差值确定当前作物蒸散量;
第二确定单元:用于根据所述当前参比蒸散量以及所述当前作物蒸散量确定作物系数,以根据所述作物系数确定目标灌溉区域在下一所述预设时段内的灌溉量;
所述参比蒸散量预测模型是以所有样本环境参数以及与每一样本环境参数对应的样本参比蒸散量训练得到的。
5.一种电子设备,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1-2中任一项所述的灌溉量预测方法。
6.一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1-2中任一项所述的灌溉量预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310187835.1A CN116380708B (zh) | 2023-02-22 | 2023-02-22 | 灌溉量预测方法、装置、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310187835.1A CN116380708B (zh) | 2023-02-22 | 2023-02-22 | 灌溉量预测方法、装置、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116380708A CN116380708A (zh) | 2023-07-04 |
CN116380708B true CN116380708B (zh) | 2024-02-06 |
Family
ID=86970250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310187835.1A Active CN116380708B (zh) | 2023-02-22 | 2023-02-22 | 灌溉量预测方法、装置、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116380708B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117678506B (zh) * | 2024-02-02 | 2024-04-26 | 水利部牧区水利科学研究所 | 一种基于天气预报的可视化灌溉决策辅助系统及控制方法 |
CN118469093B (zh) * | 2024-07-10 | 2024-10-01 | 北京市农林科学院智能装备技术研究中心 | 灌区作物需水量确定方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108575673A (zh) * | 2018-01-17 | 2018-09-28 | 中国农业科学院农业资源与农业区划研究所 | 基于当天气象预报信息的旱区作物灌溉施肥方法及系统 |
CN110754344A (zh) * | 2019-10-08 | 2020-02-07 | 京蓝物联技术(北京)有限公司 | 基于气象预告的灌溉决策方法及装置 |
CN110896761A (zh) * | 2019-09-18 | 2020-03-24 | 北京农业信息技术研究中心 | 一种温室的灌溉决策方法及系统 |
CN110896836A (zh) * | 2019-11-13 | 2020-03-24 | 北京农业智能装备技术研究中心 | 一种无土栽培营养液管控方法及系统 |
CN111833202A (zh) * | 2020-07-14 | 2020-10-27 | 中国水利水电科学研究院 | 考虑作物系数动态变化与降雨的农田蒸散量短期预测方法 |
CN112329212A (zh) * | 2020-10-16 | 2021-02-05 | 华中科技大学 | 一种农作物的灌溉方法、装置、系统和可读存储介质 |
CN113016450A (zh) * | 2021-03-22 | 2021-06-25 | 北京农业智能装备技术研究中心 | 一种温室作物灌溉方法及系统 |
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 |
CN115443889A (zh) * | 2022-08-24 | 2022-12-09 | 中国农业大学 | 作物精准灌溉方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT201900009735A1 (it) * | 2019-06-21 | 2020-12-21 | Soonapse S R L | Sistema per l’ottimizzazione dell’uso dell’acqua nell’irrigazione sulla base del calcolo predittivo del potenziale idrico del terreno |
-
2023
- 2023-02-22 CN CN202310187835.1A patent/CN116380708B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108575673A (zh) * | 2018-01-17 | 2018-09-28 | 中国农业科学院农业资源与农业区划研究所 | 基于当天气象预报信息的旱区作物灌溉施肥方法及系统 |
CN110896761A (zh) * | 2019-09-18 | 2020-03-24 | 北京农业信息技术研究中心 | 一种温室的灌溉决策方法及系统 |
CN110754344A (zh) * | 2019-10-08 | 2020-02-07 | 京蓝物联技术(北京)有限公司 | 基于气象预告的灌溉决策方法及装置 |
CN110896836A (zh) * | 2019-11-13 | 2020-03-24 | 北京农业智能装备技术研究中心 | 一种无土栽培营养液管控方法及系统 |
CN111833202A (zh) * | 2020-07-14 | 2020-10-27 | 中国水利水电科学研究院 | 考虑作物系数动态变化与降雨的农田蒸散量短期预测方法 |
CN112329212A (zh) * | 2020-10-16 | 2021-02-05 | 华中科技大学 | 一种农作物的灌溉方法、装置、系统和可读存储介质 |
CN113016450A (zh) * | 2021-03-22 | 2021-06-25 | 北京农业智能装备技术研究中心 | 一种温室作物灌溉方法及系统 |
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 |
CN115443889A (zh) * | 2022-08-24 | 2022-12-09 | 中国农业大学 | 作物精准灌溉方法及装置 |
Non-Patent Citations (1)
Title |
---|
干旱区灌溉饲草料地载畜量计算方法;廖梓龙;魏永富;郭中小;徐晓民;龙胤慧;宋一凡;;农业工程学报(第22期);第87-94页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116380708A (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116380708B (zh) | 灌溉量预测方法、装置、系统、设备及介质 | |
CN107945042B (zh) | 一种作物生长灌溉决策控制系统 | |
EP3179319B1 (en) | Method for irrigation planning and system for its implementation | |
CN108446997B (zh) | 一种基于多源信息融合的作物节水灌溉决策方法及测控系统 | |
CN109558973B (zh) | 一种水质与水生态一体化预警系统、控制设备和存储介质 | |
US20120253529A1 (en) | Controlling a Resource Demand System | |
CN112715322B (zh) | 一种农业灌溉用水获取方法和装置 | |
CN111316802B (zh) | 基于大型喷灌机的作物水肥监测方法、装置、设备及介质 | |
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 | |
CN112931166B (zh) | 一种变量灌溉管理决策方法 | |
CN114365682B (zh) | 一种设施栽培土壤水分预测方法、装置及电子设备 | |
Suciu et al. | Efficient IoT system for precision agriculture | |
CN115455086A (zh) | 一种灌区农业灌溉用水量的估算方法及系统 | |
CN110432046B (zh) | 一种温室内的智能灌溉系统 | |
CN110896836B (zh) | 一种无土栽培营养液管控方法及系统 | |
CN105993720B (zh) | 一种日光温室基质袋培作物灌水量的模拟计算方法 | |
CN110210142B (zh) | 一种南方大型灌区水稻实时需水量测算方法 | |
CN111008770B (zh) | 智能灌溉方法及装置 | |
CN108491963A (zh) | 一种考虑植被生长季节演替的蒸散发计算方法 | |
CN110692500B (zh) | 一种潮汐育苗标定与灌溉装置及方法 | |
CN116090842A (zh) | 农田灌溉决策方法、装置、设备和存储介质 | |
CN111080465A (zh) | 基于气象和生物因子计算夏玉米实际作物系数的方法 | |
CN117436710B (zh) | 一种基于作物模型的干旱评估方法 | |
CN114041360B (zh) | 一种人工复垦区植物固碳量化方法 | |
CN112989259B (zh) | 盆栽试验作物系数确定方法及装置 |
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 |