CN116542428B - 一种区域灌溉需水量估算方法及装置 - Google Patents
一种区域灌溉需水量估算方法及装置 Download PDFInfo
- Publication number
- CN116542428B CN116542428B CN202310815556.5A CN202310815556A CN116542428B CN 116542428 B CN116542428 B CN 116542428B CN 202310815556 A CN202310815556 A CN 202310815556A CN 116542428 B CN116542428 B CN 116542428B
- Authority
- CN
- China
- Prior art keywords
- target area
- soil moisture
- crop
- water demand
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 239000003621 irrigation water Substances 0.000 title claims abstract description 52
- 239000002689 soil Substances 0.000 claims abstract description 266
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 141
- 238000003973 irrigation Methods 0.000 claims abstract description 41
- 230000002262 irrigation Effects 0.000 claims abstract description 41
- 238000005259 measurement Methods 0.000 claims abstract description 31
- 239000010410 layer Substances 0.000 claims description 92
- 238000003860 storage Methods 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 19
- 239000002344 surface layer Substances 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 10
- 230000008595 infiltration Effects 0.000 description 17
- 238000001764 infiltration Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 17
- 230000008859 change Effects 0.000 description 10
- 238000001556 precipitation Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000001704 evaporation Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 241000220225 Malus Species 0.000 description 4
- 235000021016 apples Nutrition 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008020 evaporation Effects 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 125000003275 alpha amino acid group Chemical group 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000004880 explosion Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000011148 porous material Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000005068 transpiration Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000003673 groundwater Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 239000012615 aggregate Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000368 destabilizing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000002688 soil aggregate Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
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
-
- 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)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种区域灌溉需水量估算方法及装置，尤其涉及区域灌溉技术领域。包括：获取目标区域的作物灌溉资源数据，目标区域的作物灌溉资源数据包括：气象数据、土壤水分实测数据、土壤属性参数、归一化植被指数；根据气象数据、归一化植被指数确定目标区域的作物需水量；根据土壤水分实测数据、土壤属性参数确定目标区域的根层土壤水分；根据气象数据、所述目标区域的作物需水量确定目标区域的有效降雨量；基于目标区域的作物需水量、目标区域的根层土壤水分以及目标区域的有效降雨量确定目标区域的灌溉需水量。本公开实施例用于计算区域的灌溉需水量。
Description
技术领域
本公开涉及灌溉技术领域，尤其涉及一种区域灌溉需水量估算方法及装置。
背景技术
近年来，区域灌溉需水量的研究为缓解地区用水紧张和现代农业生产以及农业水资源精准管理提供帮助。然而现有技术中，在估算区域灌溉需水量的过程中，大多数只考虑到了作物需水量和降雨量之间的关系，未考虑到土壤水分的变化情况，因此，通过这样估算的区域灌溉需水量并不准确。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种区域灌溉需水量估算方法，可以使得估算的区域灌溉需水量更准确。
为了实现上述目的，本公开实施例提供的技术方案如下：
第一方面，提供一种区域灌溉需水量估算方法，包括：
获取目标区域的作物灌溉资源数据，所述目标区域的作物灌溉资源数据包括：气象数据、土壤水分实测数据、土壤属性参数、归一化植被指数；
根据所述气象数据、所述归一化植被指数确定目标区域的作物需水量；
根据所述土壤水分实测数据、所述土壤属性参数确定目标区域的根层土壤水分；
根据所述气象数据、所述目标区域的作物需水量确定目标区域的有效降雨量；
基于所述目标区域的作物需水量、所述目标区域的根层土壤水分以及所述目标区域的有效降雨量确定目标区域的灌溉需水量。
第二方面，提供一种区域灌溉需水量估算装置，包括：
获取模块，用于获取目标区域的作物灌溉资源数据，所述目标区域的作物灌溉资源数据包括：气象数据、土壤水分实测数据、土壤属性参数、归一化植被指数；
确定模块，用于根据所述气象数据、所述归一化植被指数确定目标区域的作物需水量；根据所述土壤水分实测数据、所述土壤属性参数确定目标区域的根层土壤水分；根据所述气象数据、所述目标区域的作物需水量确定目标区域的有效降雨量；基于所述目标区域的作物需水量、所述目标区域的根层土壤水分以及所述目标区域的有效降雨量确定目标区域的灌溉需水量。
第三方面，提供一种灌溉设备，包括：处理器、存储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，所述计算机程序被所述处理器执行时实现如第一方面或其任意一种可选的实施方式所述的区域灌溉需水量估算方法。
第四方面，提供一种计算机可读存储介质，包括：所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如第一方面或其任意一种可选的实施方式所述的区域灌溉需水量估算方法。
本公开实施例提供的区域灌溉需水量估算方法，通过获取目标区域的作物灌溉资源数据；根据气象数据、归一化植被指数确定目标区域的作物需水量；根据土壤水分实测数据、土壤属性参数确定目标区域的根层土壤水分；基于目标区域的作物需水量确定目标区域的有效降雨量；基于目标区域的作物需水量、目标区域的根层土壤水分以及目标区域的有效降雨量确定目标区域的灌溉需水量。通过这样的方案，在进行区域灌溉的过程中，考虑到一般土壤会占用一部分水量，此时目标区域的灌溉需水量通常会转化为目标区域的作物需水量和目标区域的根层土壤水分以及目标区域的有效降雨量，通过计算目标区域的根层土壤水分、目标区域的作物需水量以及目标区域的有效降雨量，从而得到准确性高的目标区域灌溉需水量。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例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简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的一种区域灌溉用水量估算方法的流程示意图；
图2为本公开实施例提供的一种作物需水量实际应用示意图；
图3为本公开实施例提供的一种目标区域的作物需水量的组成框图；
图4本公开实施例提供的另一种计算目标区域的灌溉需水量的流程示意图；
图5为本公开实施例提供的一种区域灌溉需水量估算装置示意图；
图6为本公开实施例提供一种灌溉设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
目前，区域灌溉需水量的研究为缓解地区用水紧张和现代农业生产以及农业水资源精准管理提供帮助。然而现有技术中，在估算区域灌溉需水量的过程中，大多数只考虑到了作物需水量和降雨量之间的关系，未考虑到土壤水分的变化情况，因此，通过这样估算的区域灌溉需水量并不准确。
为了解决上述问题，本公开实施例提供了一种区域灌溉需水量估算方法，本公开实施例提供的区域灌溉需水量估算方法，通过获取目标区域的作物灌溉资源数据；根据气象数据、归一化植被指数确定目标区域的作物需水量；根据土壤水分实测数据、土壤属性参数确定目标区域的根层土壤水分；基于目标区域的作物需水量确定目标区域的有效降雨量；基于目标区域的作物需水量、目标区域的根层土壤水分以及目标区域的有效降雨量确定目标区域的灌溉需水量。通过这样的方案，在进行区域灌溉的过程中，考虑到一般土壤会占用一部分水量，此时目标区域的灌溉需水量通常会转化为目标区域的作物需水量和目标区域的根层土壤水分以及目标区域的有效降雨量，通过精确的计算目标区域的根层土壤水分和目标区域的作物需水量以及目标区域的有效降雨量，从而得到准确性高的目标区域灌溉需水量。
如图1所示，为本公开实施例提供的一种目标区域灌溉用水量估算方法的流程示意图，该目标区域灌溉用水量估算方法包括但不限于以下步骤：
101、获取目标区域的作物灌溉资源数据。
在一些实施例中，目标区域的作物灌溉资源数据包括：气象数据、土壤水分实测数据、土壤属性参数、归一化植被指数等。
其中，气象数据是反映天气的一组数据，包括：例如降水量、气压、气温 、风向、风速、能见度、空气湿度等数据。
归一化植被指数（NDVI）是一种用来反映地表植被覆盖程度的指标，当具有较高的NDVI值时，植被较多。当NDVI较低时，植被较少或没有植被。一般通过测量近红外（植被强烈反射） 和红光（植被吸收）之间的差异来量化植被，应用于遥感影像。其中，遥感图像，或称遥感像片，是各种传感器所获信息的产物，是遥感探测目标的信息载体。就像我们生活中拍摄的照片一样，遥感图像同样可以“提取”出大量有用的信息。遥感图像可以辨别出很多信息，如水体、植被、土地、山地等等，从遥感图像上能辨别出较小的物体，如一棵树、一个人、一条交通标志线、一个足球场内的标志线等。
土壤水分实测数据是指对灌溉的目标区域进行实际测量的土壤含水量的数据，包括表层土壤水分实测数据和根层土壤水分实测数据，划分表层土壤和根层土壤以实际经验为主，本公开实施例不做限定。
土壤属性包括：土壤质地、土壤孔隙度，土壤水力等，其中，土壤孔隙度指单位体积内土壤孔隙所占的百分比，土壤孔隙指土壤是多孔体，土粒、土壤团聚体之间以及团聚体内部均有孔隙存在。土壤质地指土壤中不同大小直径的矿物颗粒的组合状况。土壤水力亦称土壤水文性质，是影响土壤水分运动过程的土壤属性，包括田间持水量处相对饱和度参数。其中，水分运动是指土壤等多孔介质中的水分在水势梯度驱动下的运动。
田间持水量指在地下水较深和排水良好的土地上充分灌水或降水后，允许水分充分下渗，并防止其水分蒸发，经过一定时间，土壤剖面所能维持的较稳定的土壤水含量。地下水是指赋存于地面以下岩石空隙中的水，狭义上是指地下水面以下饱和含水层中的水。
根据气象数据、归一化植被指数确定目标区域的作物需水量。
在一些实施例中，由于气象数据是一种栅格数据，利用归一化植被指数和气象数据分别逐栅格计算目标区域的作物系数与目标区域的参考作物蒸散量，最终通过栅格计算得到目标区域的作物需水量。其中栅格数据就是将空间分割成有规律的网格，每一个网格称为一个单元，并在各单元上赋予相应的属性值来表示实体的一种数据形式。
其中，作物需水量是指作物生长发育所需要消耗的水量。
在一些实施例中，根据获取的气象数据与第一哈格维斯公式计算目标区域的参考作物蒸散量。其中，哈格维斯公式（Hargreaves，HG)是由哈格维斯团队于1985年建立了Hargreaves公式，该公式只需日平均最高气温、日平均最低气温、日平均气温和外太空辐射就可以计算参考作物潜在的作物蒸散量。日平均最高气温、平均最低气温和日平均气温在绝大多数气象站点都有观测。外太空辐射资料可以根据当地纬度查阅FAO相关文献得到。参考作物蒸散量是指由大气状况决定的控制植物蒸散过程的能力或提供蒸发消耗的潜在能量的能力，也称做大可能蒸散量。
在一些实施例中，基于长短期记忆网络算法对每日温度进行预测，将预测的温度结果等气象数据作为第一哈格维斯公式的输入参数，基于哈格维斯公式计算以得到目标区域的参考作物蒸散量。其中长短期记忆网络（Long Short-Term Memory，简称LSTM）网络，是一种特殊的循环神经网络，它能够学习处理序列中的长期依赖性，而不会受到梯度爆炸的影响。梯度爆炸是指在深层网络或循环神经网络中，误差梯度可在更新中累积，变成非常大的梯度，然后导致网络权重的大幅更新，并因此使网络变得不稳定。在极端情况下，权重的值变得非常大以至于溢出，网络层之间的梯度（值大于 1.0）重复相乘导致的指数级增长会产生梯度爆炸。
在一些实施例中，受地区因素的影响，根据不同的区域，所定义的哈格维斯公式存在差异，本公开是以农田作为灌溉区域来展开计算的。哈格维斯公式具体可以表示为：
（1）
其中，为目标区域的参考作物蒸散量，Ra为无云时太阳总辐射，单位为MJ/（m2*d）；/>表示日最高气温，/>表示日最低气温，单位为℃。其中，太阳辐射量参数可以表示为：
（2）
其中为检验辐射调试系数单位为（℃），在沿海和内陆地区取值有所不同，E为温度指数。
一些实施例中，基于太阳辐射量参数公式，展开哈格维斯公式，基于气象数据与展开的哈格维斯公式计算所述目标区域的参考作物蒸散量。
示例性的，将公式（1）与公式（2）合并得到展开的哈格维斯公式，具体表示如下：
（3）
其中，为温度系数，/>为温度指数，/>为温度常数。
上述实施例中，通过使用哈格维斯公式计算已得到目标区域的参考作物蒸散量，并对哈格维斯公式进行优化，使用优化后的哈格维斯公式计算得到准确度较高的目标区域的参考作物蒸散量。
在一些实施例中，由于作物系数与归一化植被指数存在线性关系，通过目标区域的归一化植被指数与归一化植被指数对应的作物系数确定目标区域的作物系数，可以将计算出的目标区域的作物系数应用在缺少高程、地面覆被、热红外等数据的地区，计算该地区的作物需水量。其中，高程是指从一个点的沿铅垂线到基面距离，地面覆被土地覆被，是指能直接或通过遥感手段观测到的自然和人工植被及建筑物等地表覆盖物，是覆盖地表的自然和人工营造物的综合体。热红外是一个光谱名。红外谱段波长在0.76-1000微米之间，其中0.76-3.0微米为反射红外波段，3-18微米为发射红外波段。分为中红外、远红外和超远红外，他是产生热感的原因。
在一些实施例中，计算目标区域的作物系数与目标区域的参考作物蒸散量的乘积，以得到目标区域的作物需水量。其中，作物系数是指作物不同发育期中需水量与可能蒸散量的比值，常用Kc表示，在作物生长过程中的变化规律是前期由小到大，在作物生长旺盛时期达到最大（1.0左右），后期逐渐减小。作物系数是在特定环境条件和作物下获取，不同环境条件或作物都会引起作物系数的变化。作物系数常作为农田水利工程设计和管理的参考指标。
示例性的，通过计算区域作物系数与目标区域的参考作物蒸散量的乘积，以得到目标区域的作物需水量。具体可以表示为：
（4）
上述（4）中，为区域作物系数，/>为目标区域的参考作物蒸散量，/>为目标区域的作物需水量。
示例性的，图2为本公开实施例提供的一种作物需水量实际应用示意图；图2以某区域苹果为例，在不同的生育期，它的作物系数 (Kc) 不同，我们需要根据实际生育期结合归一化植被指数确定。图中表示不同时期某区域苹果的作物系数值的分布情况。
表1为具体苹果的生长时期的作物系数及对应的作物需水量
在一些实施例中，通过表1可以直观的了解该区域不同时期作物系数、作物蒸散量及作物需水量的变化以及之间的关系。
在一些实施例中，由于田间水分的主要消耗途径为土壤蒸发和作物蒸腾，因此灌溉主要就是补充蒸腾蒸发的耗水量，让土壤中的水分含量保持在有效水范围内。在不考虑有效降雨的一般情况下，我们需要使用参考作物来进行对比计算，从而得到在目标区域种植该参考作物时，作物的需水量。
上述实施例中,由于作物需水量受作物品种、土壤性质和含水情况、气象条件等多种因素的影响，变化十分复杂。为了研究它的基本规律，需要就选择一种作物作为参照作物，通过研究参考作物的需水量和气象因素之间的关系，从而获知在该目标区域种植上述的参考作物时，目标区域该参考作物的需水情况。
图3为本公开实施例提供的一种目标区域的作物需水量的组成框图；图3中，目标区域的作物需水量303由目标区域的参考作物蒸散量301和目标区域的作物系数302确定。
102、根据土壤水分实测数据、土壤属性参数确定目标区域的根层土壤水分。
在一些实施例中，从土壤水分实测数据中获取表层土壤水分实测数据和根层土壤水分实测数据，基于表层土壤水分实测数据、以及土壤属性参数确定目标区域的根层土壤水分，基于土壤水分实测数据计算目标区域的根层土壤水分与对应根层土壤水分实测数据之间的误差。
在一些实施例中，根据计算的需要，在进行土壤水分实际测量时，以天、小时，或者月为单位、对该目标区域的土壤进行实际测量，已得到按天划分的土壤水分实测数据、按小时划分的土壤水分实测数据、按月划分的土壤水分实测数据。
在一些实施例中，根据计算的需要，在进行土壤水分实际测量时，可以基于对土壤的深度进行实际的测量，已得到不同深度的土壤水分实测数据。
示例性的，在获取农田的土壤水分数据时，按照农田的土壤深度进行测量的水分实测数据包含3厘米土壤水分实测数据、5厘米的土壤水分实测数据、10厘米的土壤水分实测数据，基于实际计算的需要，将0-5厘米的土壤层对应的土壤水分实测数据作为表层实测土壤水分数据，将5-10厘米的土壤层的对应的土壤水分实测数据作为根层实测土壤水分数据。
在一些实施例中，在该地区发生降雨的情况下，不考虑水分的水平流动和毛细上升，短时间内表层土壤中的水分超过田间持水量的部分将全部流入深层土壤，可以将两层土壤间的水分联系通过入渗方程表示为：
（5）
式（5）中，为根层土壤饱和渗透率；/>为表层的土壤孔隙度；/>为表层土层深度；/>为表层土壤相对饱和度；/>为田间持水量处相对饱和度。
其中，毛细上升是指毛细管水从地下水面沿土层或岩层空隙上升。入渗方程是入渗率与时间之间的函数关系式。入渗率亦称入渗通量、入渗速度。入渗率是指入渗过程中单位时间内通过土壤表面单位面积入渗的水量。当水分供给无限制时，入渗率等于土壤的入渗能力。入渗过程中，最初的入渗率相对很大，随着时间延长，入渗率逐渐降低，当入渗达到某一时段后，入渗率则接近一个常数（即稳定入渗率）。
在一些实施例中，根层的土壤水分平衡由入渗和土壤水分流失这两个主要因素控制。用归一化的系数a和b表示为：
式（6）中表示凋萎系数，/>为表层的土壤孔隙度，/>为根层土壤的土壤孔隙度、为表层土层深度，/>为根层土层深度，/>为土壤水分损失。
在一些实施例中，基于式（5）土壤的入渗方程、目标区域的表层土壤水分实测数据、、/>，计算根层土壤水分，其表达式为：
（7）
式（7）中j为时间，为j时间的根层土壤饱和渗透率。/>为j时间对应的目标区域的根层土壤水分，/>为时间步长。
上述实施例中，考虑到根层土壤水分是作物吸水的重要来源，也作为重要变量参与了土壤水分传输。因而基于土壤水分实测数据以及土壤属性参数，通过分析表层土壤和根层土壤之间的渗漏关系，以及影响根层土壤水分的因素，从而确定目标区域的根层土壤水分。
在一些实施例中，基于表层土壤水分实测数据、土壤属性参数，计算目标区域的多组根层土壤水分。
在一些实施例中，基于预设的适应度函数计算多组根层土壤水分中每组根层土壤水分与根层土壤水分实测数据的误差值，以得到多组误差值，其中预设的适应度函数可以表示为：E=(S2模拟，S2实测)，其中，S2模拟为估算的多组区域的根层土壤水分中的任意一组，S2实测为土壤水分实测数据。E为误差值，其中，适应度函数是以估算的根层土壤水分与根层土壤水分实测数据的均方根误差做小作为适应度函数，适应度函数也叫评价函数，主要是通过个体特征从而判断个体的适应度，一般用于遗传算法中期。遗传算法是一种通过模拟自然进化过程搜索最优解的方法。该算法通过数学的方式,利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时,相对一些常规的优化算法,通常能够较快地获得较好的优化结果。
在一些实施例中，计算多组根层土壤水分中每组根层土壤水分与根层土壤水分实测数据的误差值，以得到多组误差值。从多组根层土壤水分中，确定多组误差值中最小误差值对应的目标组根层土壤水分，将目标组根层土壤水分作为所述目标区域的根层土壤水分。
上述实施例中，通过从计算的多组目标区域根层土壤水分中选择与根层土壤水分实测数据误差最小的根层土壤水分，从而得到估算最准确的目标区域根层土壤水分。
103、根据气象数据、目标区域的作物需水量确定目标区域的有效降雨量。
在一些实施例中，通过获取气象数据中的降水量数据，并分析降水量数据与气象数据的相关性，选取相关性最高的气象因子来得到目标区域的有效降雨量。其中，有效降雨量是指在作物生长发育时期满足作物蒸发蒸腾作用的部分水量。不包括地表径流和深层渗漏。进行有效降雨量计算需要逐日、逐旬或逐月计算。
在一些实施例中从气象数据中获取预设时长内的第一降雨量，若目标区域的作物需水量大于第一降雨量，则将第一降雨量作为目标区域的有效降雨量；若目标区域的作物需水量小于或等于第一降雨量，则将目标区域的作物需水量作为目标区域的有效降雨量。具体的计算公式可以表示为：
（8）
（9）
式（8）中P是预设时长内的第一降雨量，单位为mm；为目标区域预设时长内某一时段的作物需水量，单位为mm；/>是预设时长内某一时段的目标区域的有效降雨量，单位为mm；式（9）中，/>是预设时长内总的目标区域的有效降雨量，mm；m为预设时长（天数）。其中，预设时长可以以小时为单位，例如3个小时或者5个小时，也可以以天为单位，2天、5天等，这里以天为单位进行计算，预设时长的确定根据该目标区域的天气土壤等因素基于实际经验确定，本公开实施例不做限制。
上述实施例中，由于作物的用水除人工灌溉外，还和当地的降水量有关，降水越多，人工灌溉就少或者可以不需要灌溉，因此，通过获知目标区域的有效降雨量从而可以确定人工灌溉的需水量。
105、基于目标区域的作物需水量、目标区域的根层土壤水分以及目标区域的有效降雨量确定目标区域的灌溉需水量。
图4为本公开实施例提供的另一种计算目标区域的灌溉需水量的流程示意图，该方法包括但不限于一下步骤：
401、获取目标区域的作物灌溉资源数据。
402、根据气象数据、归一化植被指数确定目标区域的作物需水量。
针对步骤401和步骤402的描述可以参考步骤101和步骤102的内容，此处不再赘述。
403、获取第一时刻对应的表层土壤水分实测数据。
在一些实施例中，获取在第一时刻测量的目标灌溉区域的表层土壤水分实测数据。第一时刻可以是任意时刻。
404、根据土壤属性参数，以及第一时刻对应的表层土壤水分实测数据，计算第一时刻对应的目标区域的根层土壤水分。
针对步骤404的描述，可以参考上述步骤103的描述，此处不再赘述。
405、获取第二时刻对应的表层土壤水分实测数据。
其中，第二时刻为第一时刻之后经过预设时长所确定的时刻。
406、根据土壤属性参数，以及第二时刻对应的表层土壤水分实测数据，计算第二时刻对应的目标区域的根层土壤水分。
针对上述步骤406的描述，可以参考上述步骤103的描述，此处不再赘述。
407、根据第一时刻对应的目标区域的根层土壤水分，与第二时刻对应的目标区域的根层土壤水分，确定预设时长内的储水变化量。
在一些实施例中，将第一时刻对应的目标区域的根层土壤水分与第二时刻对应的目标区域的根层土壤水分的差值之和作为预设时长内的储水变化量。
408、根据气象数据、目标区域的作物需水量确定目标区域的有效降雨量。
针对步骤408的内容描述，可以参考上述步骤104，此处不再赘述。
409、根据储水变化量、目标区域的作物需水量以及目标区域的有效降雨量确定目标区域的灌溉需水量。
在一些实施例中，基于水量平衡原理确定的水量平衡方程，将上述计算的预设时长内的储水变化量、目标区域的作物需水量以及目标区域的有效降雨量作为水量平衡方程的输入参数，从而计算得到区域灌溉需水量。
其中，水量平衡是水文现象和水文过程分析研究的基础，也是水资源数量和质量计算及评价的依据。水量平衡可与能量平衡结合起来进行研究，即水热平衡的研究。它是现代自然地理学物质与能量交换研究的主要内容之一。水量平衡各要素组合特征（它们的数量和对比关系）构成地理地带划分的物理背景，常用以划分地理区域。
在一些实施例中，水量平衡方程可以表示为：
（10）
式（10）中，为第一降雨量，单位mm；/>为目标区域的灌溉需水量，单位mm；/>为作物需水量，单位为mm；/>为渗漏量，mm；R为径流量，mm。其中/>为根层土壤水分变化量，可以表示为：
（11）
式（11）中，表示单位时间间隔的储水变化量。/>代表水分输入和水分输出的差值，当/>≥0时，说明水分输入（/>和/>）高于（或等同于）水分输出（/>、/>和/>），此时无需进行补充灌溉；当/><0时，说明水分输入（/>和/>）低于水分输出（/>、/>和/>），此时需要在已有灌溉的基础上补充灌溉/>，使得水分达到平衡，满足目标区域的作物需水。
在一些实施例中，该目标区域对于降水量、灌溉用水和地表径流的描述是超过田间持水量的全部水量流入土壤，无径流发生，因此，确定R=0；受土壤性质、气象条件影响，进入土壤的降水量不能完全到达作物根层，因此，用目标区域的有效降雨量替代第一降雨量P，此外，在有灌溉需求时，说明此时土壤水分含量较低，土壤会将土壤中的水分锁住，不会出现向根层渗漏的情况，根层渗漏可以忽略不计，因此，D=0。上述可简化为：
(12)
上述实施例中，灌溉的目标是在适当的时间用是适当的水量进行灌溉，考虑到某一时期一定土壤体积内所得到的水分和被作物用去的、流失的水分之间的平衡关系，因此通过某一时段的目标区域的土壤储水变化量结合水量平衡来确定目标区域的灌溉需水量，从而获知该时段内目标区域是否需要灌溉，以及灌溉量是多少。
图5为本公开实施例提供的一种区域灌溉需水量估算装置示意图；如图所述，该装置包括：
获取模块501，用于获取目标区域的作物灌溉资源数据，所述目标区域的作物灌溉资源数据包括：气象数据、土壤水分实测数据、土壤属性参数、归一化植被指数。
确定模块502，用于根据所述气象数据、所述归一化植被指数确定目标区域的作物需水量；根据所述土壤水分实测数据、所述土壤属性参数确定目标区域的根层土壤水分；根据所述气象数据、所述目标区域的作物需水量确定目标区域的有效降雨量；基于所述目标区域的作物需水量、所述目标区域的根层土壤水分以及所述目标区域的有效降雨量确定目标区域的灌溉需水量。
在一些实施例中，确定模块502，具体用于：基于所述气象相关数据和第一哈格维斯公式，计算目标区域的参考作物蒸散量；获取与所述归一化植被指数对应的所述目标区域的作物系数；计算所述目标区域的作物系数与所述目标区域的参考作物蒸散量的乘积，以得到所述目标区域的作物需水量。
在一些实施例中，确定模块502，具体用于：从所述土壤水分实测数据中获取表层土壤水分实测数据；基于所述表层土壤水分实测数据、所述土壤属性参数确定所述目标区域的根层土壤水分。
在一些实施例中，所述目标区域的根层土壤水分包括：多组根层土壤水分，确定模块502，具体用于：基于所述表层土壤水分实测数据、所述土壤属性参数，计算多组根层土壤水分；从所述土壤水分实测数据中获取根层土壤水分实测数据；计算所述多组根层土壤水分中每组根层土壤水分与所述根层土壤水分实测数据的误差值，以得到多组误差值；从所述多组根层土壤水分中，确定所述多组误差值中最小误差值对应的目标组根层土壤水分；将所述目标组根层土壤水分作为所述目标区域的根层土壤水分。
在一些实施例中，确定模块502，具体用于：基于预设的适应度函数计算所述多组根层土壤水分中每组根层土壤水分与所述根层土壤水分实测数据的误差值，以得到多组误差值，其中，所述预设的适应度函数用于确定计算的根层土壤水分与根层土壤水分实测数据的最小误差。
在一些实施例中，确定模块502，具体用于：获取第一时刻对应的所述表层土壤水分实测数据；根据所述土壤属性参数，以及第一时刻对应的所述表层土壤水分实测数据，计算所述第一时刻对应的所述目标区域的根层土壤水分；获取第二时刻对应的所述表层土壤水分实测数据；所述第二时刻为所述第一时刻之后经过预设时长所确定的时刻；根据所述土壤属性参数，以及第二时刻对应的所述表层土壤水分实测数据，计算所述第二时刻对应的所述目标区域的根层土壤水分。
在一些实施例中，确定模块502，具体用于：从所述气象数据中获取所述预设时长内的第一降雨量；若所述目标区域的作物需水量大于所述第一降雨量，则将所述第一降雨量作为所述目标区域的有效降雨量；若所述目标区域的作物需水量小于或等于所述第一降雨量，则将所述目标区域的作物需水量作为所述目标区域的有效降雨量。
在一些实施例中，确定模块502，具体用于：根据所述第一时刻对应的所述目标区域的根层土壤水分，与所述第二时刻对应的所述目标区域的根层土壤水分，确定所述预设时长内的储水变化量；根据所述储水变化量、所述目标区域的作物需水量、以及所述目标区域的有效降雨量确定所述目标区域的灌溉需水量。
如图6所示，本公开实施例提供一种灌溉设备的结构示意图，该灌溉设备包括：处理器601、存储器602及存储在所述存储器602上并可在所述处理器601上运行的计算机程序，所述计算机程序被所述处理器601执行时实现上述方法实施例中的区域灌溉需水量估算方法的各个过程。且能达到相同的技术效果，为避免重复，这里不再赘述。
本发明实施例提供一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储计算机程序，该计算机程序被处理器执行时实现上述方法实施例中区域灌溉需水量估算方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，该计算机可读存储介质可以为只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等。
本发明实施例提供一种计算程序产品，该计算机程序产品存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例中区域灌溉需水量估算方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本领域技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。
本公开中，处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本公开中，存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
本公开中，计算机可读介质包括永久性和非永久性、可移动和非可移动存储介质。存储介质可以由任何方法或技术来实现信息存储，信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。根据本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种区域灌溉需水量估算方法，其特征在于，包括：
获取目标区域的作物灌溉资源数据，所述目标区域的作物灌溉资源数据包括：气象数据、土壤水分实测数据、土壤属性参数以及归一化植被指数；
根据所述气象数据、所述归一化植被指数确定目标区域的作物需水量；
根据所述土壤水分实测数据、所述土壤属性参数确定目标区域的根层土壤水分；
根据所述气象数据、所述目标区域的作物需水量确定目标区域的有效降雨量；
基于所述目标区域的作物需水量、所述目标区域的根层土壤水分以及所述目标区域的有效降雨量确定目标区域的灌溉需水量；
所述根据所述气象数据、所述归一化植被指数确定所述目标区域的作物需水量，包括：
基于所述气象数据和第一哈格维斯公式，计算目标区域的参考作物蒸散量；
获取与所述归一化植被指数对应的所述目标区域的作物系数；
计算所述目标区域的作物系数与所述目标区域的参考作物蒸散量的乘积，以得到所述目标区域的作物需水量；
所述根据所述气象数据和所述目标区域的作物需水量确定目标区域的有效降雨量，包括：
从所述气象数据中获取预设时长内的第一降雨量；
若所述目标区域的作物需水量大于所述第一降雨量，则将所述第一降雨量作为所述目标区域的有效降雨量；
若所述目标区域的作物需水量小于或等于所述第一降雨量，则将所述目标区域的作物需水量作为所述目标区域的有效降雨量。
2.根据权利要求1所述的方法，其特征在于，所述根据所述土壤水分实测数据、所述土壤属性参数确定所述目标区域的根层土壤水分，包括：
从所述土壤水分实测数据中获取表层土壤水分实测数据；
基于所述表层土壤水分实测数据、所述土壤属性参数确定所述目标区域的根层土壤水分。
3.根据权利要求2所述的方法，其特征在于，所述目标区域的根层土壤水分包括：多组根层土壤水分；
所述基于所述表层土壤水分实测数据、所述土壤属性参数确定所述目标区域的根层土壤水分，包括：
基于所述表层土壤水分实测数据、所述土壤属性参数，计算多组根层土壤水分；
从所述土壤水分实测数据中获取根层土壤水分实测数据；
计算所述多组根层土壤水分中每组根层土壤水分与所述根层土壤水分实测数据的误差值，以得到多组误差值；
从所述多组根层土壤水分中，确定所述多组误差值中最小误差值对应的目标组根层土壤水分；
将所述目标组根层土壤水分作为所述目标区域的根层土壤水分。
4.根据权利要求3所述的方法，其特征在于，所述计算所述多组根层土壤水分中每组根层土壤水分与所述根层土壤水分实测数据的误差值，以得到多组误差值，包括：
基于预设的适应度函数计算所述多组根层土壤水分中每组根层土壤水分与所述根层土壤水分实测数据的误差值，以得到多组误差值，其中，所述预设的适应度函数用于确定计算的根层土壤水分与根层土壤水分实测数据的最小误差。
5.根据权利要求 4所述的方法，其特征在于，所述基于所述表层土壤水分实测数据、所述土壤属性参数确定所述目标区域的根层土壤水分，包括：
获取第一时刻对应的所述表层土壤水分实测数据；
根据所述土壤属性参数，以及第一时刻对应的所述表层土壤水分实测数据，计算所述第一时刻对应的所述目标区域的根层土壤水分；
获取第二时刻对应的所述表层土壤水分实测数据，所述第二时刻为所述第一时刻之后经过预设时长所确定的时刻；
根据所述土壤属性参数，以及第二时刻对应的所述表层土壤水分实测数据，计算所述第二时刻对应的所述目标区域的根层土壤水分。
6.根据权利要求 1所述的方法，其特征在于，所述基于所述目标区域的作物需水量、所述目标区域的根层土壤水分以及所述目标区域的有效降雨量确定目标区域的灌溉需水量，包括：
根据第一时刻对应的所述目标区域的根层土壤水分，与第二时刻对应的所述目标区域的根层土壤水分，确定预设时长内的储水变化量；
根据所述储水变化量、所述目标区域的作物需水量以及所述目标区域的有效降雨量确定所述目标区域的灌溉需水量。
7.一种区域灌溉需水量估算装置，其特征在于，包括：
获取模块，用于获取目标区域的作物灌溉资源数据，所述目标区域的作物灌溉资源数据包括：气象数据、土壤水分实测数据、土壤属性参数以及归一化植被指数；
确定模块，用于根据所述气象数据、所述归一化植被指数确定目标区域的作物需水量；
根据所述土壤水分实测数据、所述土壤属性参数确定目标区域的根层土壤水分；
根据所述气象数据、所述目标区域的作物需水量确定目标区域的有效降雨量；
基于所述目标区域的作物需水量、所述目标区域的根层土壤水分以及所述目标区域的有效降雨量确定目标区域的灌溉需水量；
所述获取模块，具体用于：
基于所述气象数据和第一哈格维斯公式，计算目标区域的参考作物蒸散量；
获取与所述归一化植被指数对应的所述目标区域的作物系数；
计算所述目标区域的作物系数与所述目标区域的参考作物蒸散量的乘积，以得到所述目标区域的作物需水量；
所述确定模块，具体用于：
从所述气象数据中获取预设时长内的第一降雨量；
若所述目标区域的作物需水量大于所述第一降雨量，则将所述第一降雨量作为所述目标区域的有效降雨量；
若所述目标区域的作物需水量小于或等于所述第一降雨量，则将所述目标区域的作物需水量作为所述目标区域的有效降雨量。
8.一种灌溉设备，其特征在于，包括：处理器、存储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，所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的区域灌溉需水量估算方法。
9.一种计算机可读存储介质，其特征在于，包括：所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的区域灌溉需水量估算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310815556.5A CN116542428B (zh) | 2023-07-05 | 2023-07-05 | 一种区域灌溉需水量估算方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310815556.5A CN116542428B (zh) | 2023-07-05 | 2023-07-05 | 一种区域灌溉需水量估算方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116542428A CN116542428A (zh) | 2023-08-04 |
| CN116542428B true CN116542428B (zh) | 2023-09-26 |
Family
ID=87454472
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310815556.5A Active CN116542428B (zh) | 2023-07-05 | 2023-07-05 | 一种区域灌溉需水量估算方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116542428B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117063821B (zh) * | 2023-10-17 | 2024-02-02 | 潍坊种子谷农业科技发展有限公司 | 一种农业灌溉用智能调节系统及方法 |
| CN117111663B (zh) * | 2023-10-23 | 2023-12-26 | 沈阳仪表科学研究院有限公司 | 用于中药材灌溉的高稳态性阀门控制系统及方法 |
| CN117556695B (zh) * | 2023-11-11 | 2024-05-14 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于深度学习的作物根层土壤含水量模拟方法 |
| CN118071538A (zh) * | 2024-01-25 | 2024-05-24 | 珠江水利委员会珠江水利科学研究院 | 干湿变化的适应性策略生成方法、装置、设备及存储介质 |
| CN118195155B (zh) * | 2024-03-29 | 2024-09-17 | 中国水利水电科学研究院 | 一种确定旱区植被生态修复适宜种植间距的方法 |
| CN118428703B (zh) * | 2024-07-05 | 2024-10-08 | 浪潮智慧科技有限公司 | 一种针对灌溉区域的灌溉需求预测方法、设备及介质 |
| 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 (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104521699A (zh) * | 2014-11-18 | 2015-04-22 | 华北水利水电大学 | 田间智能灌溉在线控制管理方法 |
| CN106359005A (zh) * | 2016-08-31 | 2017-02-01 | 内蒙古农业大学 | 一种间作农田的自动灌溉装置及自动灌溉方法 |
| CN110367086A (zh) * | 2019-07-23 | 2019-10-25 | 山东开创云软件有限公司 | 一种灌溉方法及服务器 |
| CN112602563A (zh) * | 2020-12-15 | 2021-04-06 | 珠海市现代农业发展中心(珠海市金湾区台湾农民创业园管理委员会、珠海市农渔业科研与推广中心) | 一种节水灌溉系统及精准灌溉方法 |
| KR20210157020A (ko) * | 2020-06-19 | 2021-12-28 | 대한민국(농촌진흥청장) | 관수 결정 장치 및 방법 |
| CN114680029A (zh) * | 2022-02-17 | 2022-07-01 | 广东省科学院广州地理研究所 | 基于土壤与作物根系的灌溉方法、装置、设备及存储介质 |
| CN115455086A (zh) * | 2022-10-19 | 2022-12-09 | 江苏省水利科学研究院 | 一种灌区农业灌溉用水量的估算方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110580657B (zh) * | 2019-10-12 | 2020-06-16 | 中国水利水电科学研究院 | 农业灌溉需水量预测方法 |
-
2023
- 2023-07-05 CN CN202310815556.5A patent/CN116542428B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104521699A (zh) * | 2014-11-18 | 2015-04-22 | 华北水利水电大学 | 田间智能灌溉在线控制管理方法 |
| CN106359005A (zh) * | 2016-08-31 | 2017-02-01 | 内蒙古农业大学 | 一种间作农田的自动灌溉装置及自动灌溉方法 |
| CN110367086A (zh) * | 2019-07-23 | 2019-10-25 | 山东开创云软件有限公司 | 一种灌溉方法及服务器 |
| KR20210157020A (ko) * | 2020-06-19 | 2021-12-28 | 대한민국(농촌진흥청장) | 관수 결정 장치 및 방법 |
| CN112602563A (zh) * | 2020-12-15 | 2021-04-06 | 珠海市现代农业发展中心(珠海市金湾区台湾农民创业园管理委员会、珠海市农渔业科研与推广中心) | 一种节水灌溉系统及精准灌溉方法 |
| CN114680029A (zh) * | 2022-02-17 | 2022-07-01 | 广东省科学院广州地理研究所 | 基于土壤与作物根系的灌溉方法、装置、设备及存储介质 |
| CN115455086A (zh) * | 2022-10-19 | 2022-12-09 | 江苏省水利科学研究院 | 一种灌区农业灌溉用水量的估算方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 华北平原作物水分生产力区域分异规律模拟;陈超;于强;王恩利;夏军;;资源科学(第09期);全文 * |
| 簸箕李灌区田间灌溉需水量计算与研究;蔡甲冰;硕士电子期刊出版(第2004年第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116542428A (zh) | 2023-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116542428B (zh) | 一种区域灌溉需水量估算方法及装置 | |
| Kumari et al. | Satellite-driven land surface temperature (LST) using Landsat 5, 7 (TM/ETM+ SLC) and Landsat 8 (OLI/TIRS) data and its association with built-up and green cover over urban Delhi, India | |
| Kundu et al. | The value of remotely sensed surface soil moisture for model calibration using SWAT | |
| Ayala et al. | Modelling the hydrological response of debris‐free and debris‐covered glaciers to present climatic conditions in the semiarid Andes of central Chile | |
| Brauchli et al. | Influence of slope‐scale snowmelt on catchment response simulated with the Alpine3D model | |
| Welde | Identification and prioritization of subwatersheds for land and water management in Tekeze dam watershed, Northern Ethiopia | |
| Gao et al. | Estimation of daily actual evapotranspiration from remotely sensed data under complex terrain over the upper Chao river basin in North China | |
| Reinert et al. | DWD database reference for the global and regional ICON and ICON-EPS forecasting system | |
| Shamir et al. | Distributed snow accumulation and ablation modeling in the American River basin | |
| Fast et al. | Pseudovertical temperature profiles and the urban heat island measured by a temperature datalogger network in Phoenix, Arizona | |
| Bugaets et al. | Modeling the hydrological regime of small testbed catchments based on field observations: a case study of the Pravaya Sokolovka River, the Upper Ussuri River basin | |
| Kleissl et al. | New Mexico scintillometer network: supporting remote sensing and hydrologic and meteorological models | |
| McGlynn et al. | A data acquisition framework for prediction of runoff in ungauged basins | |
| Corbari et al. | Can satellite land surface temperature data be used similarly to river discharge measurements for distributed hydrological model calibration? | |
| Tarek et al. | Assessment of TRMM data for precipitation measurement in B angladesh | |
| Azmat et al. | Estimation of water resources availability and mini-hydro productivity in high-altitude scarcely-gauged watershed | |
| Ben Salah et al. | Runoff and sediment yield modeling using SWAT model: case of Wadi Hatab basin, central Tunisia | |
| Déry et al. | Blowing snow fluxes in the Cariboo Mountains of British Columbia, Canada | |
| Lee et al. | Exploring the long-term balance between net precipitation and net groundwater exchange in Florida seepage lakes | |
| Bian et al. | Simulation of evapotranspiration based on leaf area index, precipitation and pan evaporation: A case study of Poyang Lake watershed, China | |
| Nawri et al. | The ICRA atmospheric reanalysis project for Iceland | |
| Qiu et al. | Assessing soil moisture patterns using a soil topographic index in a humid region | |
| Pauwels et al. | Comparison of the estimated water and energy budgets of a large winter wheat field during AgriSAR 2006 by multiple sensors and models | |
| Barideh et al. | The challenge of reference evapotranspiration between the WaPOR data set and geostatistical methods | |
| Zhuo et al. | Evaluation of SMOS soil moisture retrievals over the central United States for hydro-meteorological application |
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 |