CN116569721A - 基于虚实融合的苜蓿水肥调控方法 - Google Patents
基于虚实融合的苜蓿水肥调控方法 Download PDFInfo
- Publication number
- CN116569721A CN116569721A CN202310515761.XA CN202310515761A CN116569721A CN 116569721 A CN116569721 A CN 116569721A CN 202310515761 A CN202310515761 A CN 202310515761A CN 116569721 A CN116569721 A CN 116569721A
- Authority
- CN
- China
- Prior art keywords
- alfalfa
- water
- soil
- soil layer
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 375
- 235000017587 Medicago sativa ssp. sativa Nutrition 0.000 title claims abstract description 290
- 239000003337 fertilizer Substances 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000033228 biological regulation Effects 0.000 title claims abstract description 34
- 230000004927 fusion Effects 0.000 title claims abstract description 25
- 240000004658 Medicago sativa Species 0.000 title description 13
- 239000002689 soil Substances 0.000 claims abstract description 412
- 241000219823 Medicago Species 0.000 claims abstract description 277
- 230000012010 growth Effects 0.000 claims abstract description 104
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 238000003973 irrigation Methods 0.000 claims description 80
- 230000002262 irrigation Effects 0.000 claims description 80
- 230000006735 deficit Effects 0.000 claims description 30
- 230000007812 deficiency Effects 0.000 claims description 15
- 229920006395 saturated elastomer Polymers 0.000 claims description 11
- 230000008929 regeneration Effects 0.000 claims description 10
- 238000011069 regeneration method Methods 0.000 claims description 10
- 230000001502 supplementing effect Effects 0.000 claims description 9
- 230000005068 transpiration Effects 0.000 claims description 8
- 230000008020 evaporation Effects 0.000 claims description 7
- 238000001704 evaporation Methods 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 6
- 230000004720 fertilization Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 230000029553 photosynthesis Effects 0.000 claims description 5
- 238000010672 photosynthesis Methods 0.000 claims description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 5
- 230000003698 anagen phase Effects 0.000 claims description 4
- 239000003621 irrigation water Substances 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims 1
- 239000000047 product Substances 0.000 description 18
- 238000004088 simulation Methods 0.000 description 14
- 230000003993 interaction Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000005012 migration Effects 0.000 description 5
- 238000013508 migration Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 238000012271 agricultural production Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000035558 fertility Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 244000025254 Cannabis sativa Species 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000002881 soil fertilizer Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000000618 nitrogen fertilizer Substances 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 230000010399 physical interaction Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
- A01G25/167—Control by humidity of the soil itself or of devices simulating soil or of the atmosphere; Soil humidity sensors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于虚实融合的苜蓿水肥调控方法包括：从苜蓿所处的实际物理环境采集田间基础信息；在虚体信息空间构建与苜蓿所处的实际物理环境具有映射关系的数字孪生体模型；将田间基础信息传递到数字孪生体模型，以由该数字孪生体模型模拟出对应苜蓿的生物物理属性集合；根据田间基础信息确定当前苜蓿所处土壤的最适含水率；根据苜蓿的生物物理属性集合和调用数字孪生体模拟出的苜蓿未来土壤状态确定水肥施灌策略；将水肥施灌策略传递给施灌设备对苜蓿按照该水肥施灌策略进行施水和施肥，并将施水和施肥的参数同步到数字孪生体模型中。本方案能够提高苜蓿的水肥调控精度，为苜蓿提供一个较优的生长条件的同时，降低水肥资源的利用率。
Description
技术领域
本发明涉及气候环境、农业生产和计算机软件技术领域，特别涉及一种基于虚实融合的苜蓿水肥调控方法。
背景技术
我国苜蓿种植主要以三北地区为主，受区域气候条件、水资源短缺和土壤环境等因素的影响和制约，苜蓿种植面积日益扩大与当地农业生产资源短缺的矛盾日益尖锐。虚实融合技术能够通过在信息空间建立一个与物理世界运行性能完全一致的高保真仿真模型实现物理实体全生命周期的模拟，保证信息物理交互可靠、稳定、实时和安全运行。因此，利用虚实融合技术能够对苜蓿的生长状态进行监控，并以此为依据对苜蓿的水肥进行调控，以保证苜蓿具有一个较好的生长条件的同时，提高水肥资源的利用率。
目前在对苜蓿水肥进行调控时，通常通过建立作物生长信息历史数据库，将田间采集的历史数据存储到数据库中，然后应用算法对历史数据进行分析后实现农业资源调控管理和辅助决策。然而，复杂物理环境下苜蓿的生长是具有非线性特征的，田间水肥施灌过程与苜蓿生长动态和外部物理环境息息相关。比如，作物生长动态是大气动态-作物-土壤的紧密耦合过程，不同生长年型下的物理环境变化不尽相同，不同生长年限下的作物对物理环境的影响也不尽相同。而现有的方案虽然能够实现农业生产资源调控的辅助决策，但对作物进行水肥调控时，缺乏对作物生长状态及其与物理环境空间的反馈关注，导致水肥调控的准确性不高，进而影响苜蓿正常生长的同时，降低了水肥资源的利用率。
发明内容
有鉴于此，针对以上不足，有必要提出一种基于虚实融合的苜蓿水肥调控方法，提高苜蓿的水肥调控精度，为苜蓿提供一个较优的生长条件的同时，降低水肥资源的利用率。
本发明实施例提供了一种基于虚实融合的苜蓿水肥调控方法，包括：
从苜蓿所处的实际物理环境采集苜蓿所对应的田间基础信息；其中，所述田间基础信息包括当前田间的气候参量、土壤参量、水肥施灌参量和苜蓿生长参量；
在虚体信息空间构建与苜蓿所处的实际物理环境具有映射关系的数字孪生体模型；其中，所述数字孪生体模型能够模拟实际物理环境下具有耦合关系的气候状态、苜蓿生长状态和土壤状态；
将从实际物理空间采集到的所述田间基础信息传递到在虚体信息空间构建的所述数字孪生体模型，以由该数字孪生体模型模拟出对应苜蓿的生物物理属性集合；其中，该生物物理属性集合中包括：苜蓿的模拟生长状态和苜蓿所处土壤的模拟土壤状态；
根据所述田间基础信息，确定当前苜蓿所处土壤的最适含水率；
根据所述苜蓿的模拟生长状态、所处土壤的土壤状态、以及调用所述数字孪生体模拟出的苜蓿所处土壤的未来土壤状态，确定当前苜蓿的水肥施灌策略；
将所述水肥施灌策略传递给实际物理空间的施灌设备，对苜蓿按照该水肥施灌策略进行施水和施肥，并将施水和施肥的参数同步到所述数字孪生体模型中。
优选的，所述将从实际物理空间采集到的所述田间基础信息传递到在虚体信息空间构建的所述数字孪生体模型，以由该数字孪生体模型模拟出对应苜蓿的生物物理属性集合，包括：
利用所述数字孪生体模型模拟得到当前苜蓿的模拟生长状态；其中，所述生长状态包括苜蓿的生育期、叶面积指数、光合与呼吸作用、潜在产量和实际产量中的至少一个；
根据所述模拟生长状态和苜蓿的土壤水分损失，模拟得到苜蓿所处土壤各土层的实际含水率；其中，所述土壤水分损失包括：蒸发损失、蒸散损失、蒸腾损失和苜蓿根系吸水中的至少一个。
优选的，所述气候参量包括：降雨量；所述土壤参量包括：地表漫灌量和地下滴灌量；
所述根据所述模拟生长状态和苜蓿的土壤水分损失模拟得到苜蓿所处土壤各土层的实际含水率，包括：
对所述气候参量和土壤参量进行分析；
若所述地表漫灌量或所述降雨量大于0，则确定所述苜蓿的补水方式为地表漫灌，并采用循环结构对苜蓿所处土壤各土层的实际含水率进行计算；
若所述地下滴灌量大于0，则确定所述苜蓿的补水方式为地下滴灌，并结合观测点与滴头间的距离计算苜蓿所处土壤各土层的实际含水率。
优选的，所述土壤参量包括：土壤划分层数和各土层的厚度；
所述采用循环结构对苜蓿所处土壤各土层的实际含水率进行计算，包括：
针对每一个土层，均执行：
根据地表漫灌量、降雨量、未进入土壤的第一水分量和土壤划分层数，计算进入土壤当前土层的第二水分量；
确定当前土层所能保持的第三水分量；
根据所述第二水分量、所述第三水分量和当前土层的厚度，计算土壤当前土层的实际含水率。
优选的，所述水肥施灌参量包括：滴灌施水量；
所述结合观测点与滴头间的距离计算苜蓿所处土壤各土层的实际含水率，包括：
预先将所述滴头所能滴灌到的区域划分为若干个子球体区域；其中，每一个子球体区域对应一个有效施水率；
计算当前观测点与滴头之间的滴灌距离；
根据所述滴灌距离，确定当前观测点所对应的目标子球体区域；
根据所述滴灌施水量和所述目标子球体区域所对应的有效施水率，计算各土层土壤的实际含水率。
优选的，所述土壤参量包括：田间持水量；
所述根据所述田间基础信息确定当前苜蓿所处土壤的最适含水率，包括：
针对每一个土层，均执行：
判断对当前土层进行水分补给的施水方式；
若当前土层的施水方式为地表漫灌，则判断当前苜蓿所处的生育期；
若当前苜蓿所处的生育期为再生期或分枝期，则将所述田间持水量与第一预设比例的乘积确定为当前土层的最适含水率；
若当前苜蓿所处的生育期为现蕾期，则将所述田间持水量与第二预设比例的乘积确定为当前土层的最适含水率；
若当前土层的施水方式为地下滴灌，则判断当前苜蓿所处的生育期；
若当前苜蓿所处的生育期为再生期或分枝期，则将所述田间持水量与第一预设比例的乘积确定为当前土层的最适含水率；
若当前苜蓿所处的生育期为现蕾期，则将所述田间持水量与第三预设比例的乘积确定为当前土层的最适含水率。
优选的，所述根据所述苜蓿的模拟生长状态、所处土壤的土壤状态、以及调用所述数字孪生体模拟出的苜蓿所处土壤的未来土壤状态确定当前苜蓿的水肥施灌策略，包括：
针对每一个土层，均执行：
判断当前土层的实际含水率是否大于所述土壤的最适含水率；
若是，则确定当前土层不需要施水，并执行针对下一个土层的处理；
若否，则加载未来N天的气象数据，并在未来N天有雨时获取未来N天的准降雨量；以及，调用所述数字孪生体模型模拟得到在所述准降雨量的条件下未来各土层的实际含水率，并根据该准降雨量的条件下未来各土层的实际含水率计算各土层的水肥亏缺量；
根据各个土层得到的水肥亏缺量，确定当前苜蓿的水肥施灌策略。
优选的，所述土壤参量包括：各土层的饱和含水量和各土层的厚度；
所述根据该准降雨量的条件下未来各土层的实际含水率计算各土层的水肥亏缺量，包括：
判断在所述准降雨量条件下得到的未来当前土层的实际含水率是否大于所述土壤的最适含水率；
若是，则确定当前土层不需要施水，并执行针对下一个土层的处理；
若否，则计算在准降雨量条件下未来当前土层的实际含水率与当前土层的厚度的乘积得到当前土层的含水量，并计算当前土层的饱和含水量与所述当前土层的含水量的差值得到未来当前土层的水亏缺量。
优选的，所述苜蓿生长参量包括：苜蓿的生长茬次；
在得到当前土层的水亏缺量之后，进一步包括：
判断当前苜蓿的生长茬次是否为第一茬次；
若是，则将得到的当前土层的水亏缺量确定为当前土层的最终水亏缺量；
若否，则计算当前土层的水亏缺量与第四预设比例的乘积，得到当前土层的最终水亏缺量。
优选的，所述水肥施灌策略中，若所述苜蓿为首次水分补给，则按照预先设定的施肥量同时进行施肥。
由上述技术方案可知，本发明实施例提供得到基于虚实融合的苜蓿水肥调控方法中，通过构建与苜蓿所处的实际物理环境具有映射关系的数字孪生体模型，以及结合所采集到的实际物理环境中苜蓿的田间基础信息，能够通过数字孪生体模型模拟得到包含苜蓿生长状态、土壤状态的生物物理属性集合。进一步，根据得到的该生物物理属性集合以及利用数字孪生体模型预测出的未来土壤状态，即可确定出苜蓿的水肥施灌策略。最后，将该水肥施灌策略传递给实际物理空间的施灌设备进行施水施肥，并将施水施肥后的参数同步到数字孪生体模型中。由此可见，本方案通过建立苜蓿的数字孪生体对物理环境进行高保真模拟以及与实际物理环境的深度融合，能够增强物理环境作物生长状态及其与环境交互数据的可靠性和有效性，进而提高苜蓿水肥调控的精准性和实时性。此外，由于本方案是考虑了苜蓿生长的多项影响因素得到的水肥施灌策略，因此能够有效提高苜蓿的水肥利用率。
附图说明
图1为本发明实施例提供的一种基于虚实融合的苜蓿水肥调控方法的流程图。
具体实施方式
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，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。
基于现有的方案虽然能够实现农业生产资源调控的辅助决策，但对作物进行水肥调控时，缺乏对作物生长状态及其与物理环境空间的反馈关注，导致水肥调控的准确性不高，进而影响苜蓿正常生长的同时，降低了水肥资源的利用率等问题，本方案提出一种基于虚实融合的苜蓿水肥调控方法，将苜蓿的信息虚体构建到信息空间，建立与真实物理世界一致的苜蓿精准映射，并将得到的信息孪生体与水肥计算调控策略交互融合后反馈到苜蓿所处实际物理环境的物理实体，达到对苜蓿水肥进行精准调控的目的。
具体的，如图1所示，本发明实施例提供的一种基于虚实融合的苜蓿水肥调控方法，可以包括如下步骤：
步骤101：从苜蓿所处的实际物理环境采集苜蓿所对应的田间基础信息；其中，田间基础信息包括当前田间的气候参量、土壤参量、水肥施灌参量和苜蓿生长参量；
步骤102：在虚体信息空间构建与苜蓿所处的实际物理环境具有映射关系的数字孪生体模型；其中，数字孪生体模型能够模拟实际物理环境下具有耦合关系的气候状态、苜蓿生长状态和土壤状态；
步骤103：将从实际物理空间采集到的田间基础信息传递到在虚体信息空间构建的数字孪生体模型，以由该数字孪生体模型模拟出对应苜蓿的生物物理属性集合；其中，该生物物理属性集合中包括：苜蓿的模拟生长状态和苜蓿所处土壤的模拟土壤状态；
步骤104：根据田间基础信息，确定当前苜蓿所处土壤的最适含水率；
步骤105：根据苜蓿的模拟生长状态、所处土壤的土壤状态、以及调用数字孪生体模拟出的苜蓿所处土壤的未来土壤状态，确定当前苜蓿的水肥施灌策略；
步骤106：将水肥施灌策略传递给实际物理空间的施灌设备，对苜蓿按照该水肥施灌策略进行施水和施肥，并将施水和施肥的参数同步到数字孪生体模型中。
本实施例中，通过建立苜蓿的数字孪生体对物理环境进行高保真模拟以及与实际物理环境的深度融合，能够增强物理环境作物生长状态及其与环境交互数据的可靠性和有效性，进而提高苜蓿水肥调控的精准性和实时性。此外，由于本方案是考虑了苜蓿生长的多项影响因素得到的水肥施灌策略，因此能够有效提高苜蓿的水肥利用率。
在步骤101中，田间基础信息可以由田间设置的检测设备或试验人员持检测仪器到现场监测得到。比如，在田间设置温湿度传感器采集温湿度信息，由人员到田间采集土壤，对土壤的含水量、持水量、饱和含水量等参数进行测定、以及由人员采集水肥的施灌设备的参量等，以采集得到包括田间的气候参量、土壤参量、水肥施灌参量和苜蓿生长参量的田间基础信息。
在步骤102中，考虑在虚体信息空间构建与苜蓿所处的实际物理环境具有映射关系的数字孪生体模型，以模拟实际物理环境下具有耦合关系的气候状态、苜蓿生长状态和土壤状态。
比如，在一种实施例中，构建的数字孪生体模型主要可以由小气候状态子模型、苜蓿生长状态子模型和土壤水分状态子模型三部分组成。苜蓿生长状态子模型受大气动态、土壤基础、土壤水分、作物本身特性和管理方式的影响和制约。土壤水分状态子模型同时受大气动态、土壤、作物生长动态和不同灌溉方式及灌溉量的影响。基于气候、土壤和作物间的互作机理，可以定义一个大气动态-苜蓿-土壤的数字孪生体模型<Environment,Alfalfa,Soil,Manage>四元组。
1)Environment表示小气候状态子模型，在d时间状态下受太阳辐射函数U、昼温函数W和光合有效日长函数F的综合影响和制约，因此小气候状态子模型Environment表示为：
Environment＝[U(d),W(d),F(d)]
2)Alfalfa表示苜蓿生长状态子模型，在d时间状态下Environment会形成不同的苜蓿生长动态，将苜蓿在同一时间下的生长动态分为5种，其表示如下：
Alfalfa＝[A,RDS,LAI,Pr,PAR]
其中A为草龄、RDS为生育期、LAI为叶面积指数、Pr为潜在生产力、PAR为实际生产力。
3)Soil表示土壤水分状态子模型，在d时间状态下受小气候状态Environment、苜蓿生长状态Alfalfa、田间管理Manage的影响和制约，其表示为：
Soil＝[Environment(d),Alfalfa(d),Manage(d)]
其中田间管理属性Manage(d)由土壤基础饱和含水量、田间持水量、灌溉量、土层厚度、氮肥利用率和灌溉方式等构成。
此外，在Soil下形成不同土层垂直空间分布下的土壤水分动态。比如，可以根据苜蓿根系实际，将同一时间下的土层动态分为10层，其空间动态表示为：
Soild＝[Soil1,Soil2,Soil3,…,Soil10]
综合天气、苜蓿和各土层土壤基础和土壤状态得到当前时间下的土壤蒸发、蒸散动态，得到土壤水分亏缺因子SWDF。
4)苜蓿最终的产量受苜蓿潜在生产力Pr，苜蓿收获指数Hi，苜蓿水分亏缺因子SW和苜蓿肥力亏缺因子FD影响。
PAR＝[Pr,Hi,SW,FD]。
通过上述数字孪生体模型，能够精准的构建出苜蓿在实际物理环境和虚拟信息体中的映射关系，从而进一步实现对苜蓿生长状态和土壤状态等信息参量的模拟。
在步骤103中，考虑将从实际物理空间采集到的田间基础信息传递到构建的数字孪生体模型中，模拟得到对应苜蓿的生物物理属性集合。具体的，步骤103在将从实际物理空间采集到的田间基础信息传递到在虚体信息空间构建的数字孪生体模型，以由该数字孪生体模型模拟出对应苜蓿的生物物理属性集合时，可以通过如下方式实现：
利用数字孪生体模型模拟得到当前苜蓿的模拟生长状态；其中，生长状态包括苜蓿的生育期、叶面积指数、光合与呼吸作用、潜在产量和实际产量中的至少一个；
根据模拟生长状态和苜蓿的土壤水分损失，模拟得到苜蓿所处土壤各土层的实际含水率；其中，土壤水分损失包括：蒸发损失、蒸散损失、蒸腾损失和苜蓿根系吸水中的至少一个。
进一步，气候参量可以包括：降雨量；土壤参量包括：地表漫灌量和地下滴灌量；
在根据模拟生长状态和苜蓿的土壤水分损失模拟得到苜蓿所处土壤各土层的实际含水率时，可以通过如下方式实现：
对气候参量和土壤参量进行分析；
若地表漫灌量或降雨量大于0，则确定苜蓿的补水方式为地表漫灌，并采用循环结构对苜蓿所处土壤各土层的实际含水率进行计算；
若地下滴灌量大于0，则确定苜蓿的补水方式为地下滴灌，并结合观测点与滴头间的距离计算苜蓿所处土壤各土层的实际含水率。
在一种实施例中，土壤参量包括：土壤划分层数和各土层的厚度；
在采用循环结构对苜蓿所处土壤各土层的实际含水率进行计算时，可以通过如下方式得到：
针对每一个土层，均执行：
根据地表漫灌量、降雨量、未进入土壤的第一水分量和土壤划分层数，计算进入土壤当前土层的第二水分量；
确定当前土层所能保持的第三水分量；
根据第二水分量、第三水分量和当前土层的厚度，计算土壤当前土层的实际含水率。
在一种实施例中，水肥施灌参量包括：滴灌施水量；
在结合观测点与滴头间的距离计算苜蓿所处土壤各土层的实际含水率时，可以通过如下方式得到：
预先将滴头所能滴灌到的区域划分为若干个子球体区域；其中，每一个子球体区域对应一个有效施水率；
计算当前观测点与滴头之间的滴灌距离；
根据滴灌距离，确定当前观测点所对应的目标子球体区域；
根据滴灌施水量和目标子球体区域所对应的有效施水率，计算各土层土壤的实际含水率。
通过上述各实施例，能够综合考虑苜蓿的生长状态、苜蓿的水分损失等情况，准确地模拟出苜蓿所处土壤的各层实际含水率，进而为准确地确定苜蓿水分的亏缺量提供保证，实现对苜蓿的水肥精准施灌。
比如，步骤103具体可以通过如下方式得到：
第一步：小气候状态子模型主要由太阳辐射函数、昼温函数和日长函数构成，它们共同模拟形成影响苜蓿潜在生产力的参数集合Environment。
U＝1.18exp(1942/S)
W＝1.415+0.55logA
F＝10.5(0.05exp(0.168I)
其中S为太阳辐射量，A为昼温子函数，I为夜温函数，太阳辐射函数U、昼温函数W、光合有效日长函数F。
第二步：土壤水分状态子模型自适应模拟不同水分运移模式下的土壤水分动态趋势。若地表补水变量(降雨量或地表灌溉量)大于0，则模型自适应选择自上而下的水分运移模式，依次计算作物冠层截留量、径流量和进入土壤的水分，考虑多个土层的入渗，采用循环结构对各土层的土壤含水率进行计算。
pin＝surf+RN-Cap(d)-run
hold(l)＝(sat(l)-swc(l))·dlayer(l)
swc(l)＝swc(l*)+pin/dlayer(l)
其中L(d)为日叶面积指数，Cap(d)为日作物冠层截留量，Kp为模型参数，surf为地表灌溉量，pin为进入土壤的水分，RN为日降雨量，run为径流量，hold(l)为第l土层的田间持水量，sat(l)为第l土层的饱和含水量，swc(l)为第l土层的土壤含水率，swc(l*)为前一天第l土层的土壤含水率，dlayer(l)为第l土层的厚度。
若地下滴灌变量大于0，则模型自适应选择地下点源水分运移模式，依次计算椭球湿润体的水平距离和垂直距离，根据观测点距离滴头的距离计算各土层土壤含水率。
D＝d_num·0.85/num
其中D为总施水量，ks为土壤水力传导率，d_num为滴灌量，q为滴头流量，num为滴头数量，F为水平方向距离，E为垂直方向距离，A1和A2为常量(受土质和滴头的影响)，n1，n2为常量。
通过不同灌溉方式下的土壤水分运移状态模拟得到了第l土层的土壤含水率，再综合当日辐射量、日温度、作物叶面积指数动态及根系等计算当前土壤的潜在蒸发和蒸散、实际蒸发、潜在蒸腾和实际蒸腾等。最终得到每日苜蓿吸水量、日各土层的土壤实际含水率和水分亏缺因子(SW)，完成不同水分运移模式下的自适应土壤水分平衡模拟。
第三步：肥力平衡模拟子模型自适应土壤环境因素，综合考虑苜蓿生长草龄、生长状况、土壤状况、环境问题及经济成本，实行田间小区分区精准施肥方法。通过计算土壤供肥量和苜蓿需肥量、土壤供肥利用率及相关影响系数和施肥量等因素，建立土壤肥力模型，最终得到肥力亏缺因子(FD)。本方案中在水肥施灌策略中，可以考虑苜蓿是否为首次水分补给，若苜蓿为首次水分补给，则按照预先设定的施肥量同时进行施肥。
第四步：苜蓿生长状态子模型主要模拟作物的生长过程，可模拟生育期RDS、叶面积指数LAI、光合与呼吸作用，苜蓿潜在产量Pr和苜蓿实际产量PAR。苜蓿生长状态子模型最终受不同气候条件和土壤水肥亏缺因子的影响和制约。
PAR＝Pr·Hi·min(SW,FD)
其中，PAR为实际生产力；Hi是指的苜蓿收获指数；min()为最小值函数。
如此，通过上述各步骤模拟形成了完整的生物物理属性集合S_Alfalfa＝{Environment,Alfalfa,Soil,Manage}，进一步，通过将生成的该生物物理属性集合传输给基于预测的苜蓿水肥精准调控算法进行水肥调控策略制定，进而实现苜蓿水肥的精准调控。
在步骤104中，土壤参量可以包括：田间持水量；进而考虑根据田间基础信息来确定当前苜蓿所处土壤的最适含水率，具体可以包括如下内容：
针对每一个土层，均执行：
判断对当前土层进行水分补给的施水方式；
若当前土层的施水方式为地表漫灌，则判断当前苜蓿所处的生育期；
若当前苜蓿所处的生育期为再生期或分枝期，则将田间持水量与第一预设比例的乘积确定为当前土层的最适含水率；
若当前苜蓿所处的生育期为现蕾期，则将田间持水量与第二预设比例的乘积确定为当前土层的最适含水率；
若当前土层的施水方式为地下滴灌，则判断当前苜蓿所处的生育期；
若当前苜蓿所处的生育期为再生期或分枝期，则将田间持水量与第一预设比例的乘积确定为当前土层的最适含水率；
若当前苜蓿所处的生育期为现蕾期，则将田间持水量与第三预设比例的乘积确定为当前土层的最适含水率。
考虑到不同施水方式和不同生育期所需要的最适含水率是存在差异的，因此在本实施例中，通过区分土层的施水方式和生育期，能够使得苜蓿的最适含水率更加精准，从而在施水之后不仅能够使得苜蓿具有最优的生长条件，而且能够提高水肥的利用率。
例如，在一种实施例中，算法制定时考虑三北苜蓿主产区降雨量的补给，该区域每年的降雨主要集中在6～9月，而苜蓿每年收获3～4茬。因此，不同茬次不同生育期下的苜蓿需水量不尽相同，有效利用降雨量补给可减少冗余灌溉，提高水分利用效率，实施步骤如下：
第一步：载入当日苜蓿及其生长物理环境动态完整的生物物理属性集合S_Alfalfa＝{Environment,Alfalfa,Soil,Manage}，包括作物生长动态信息、土壤基础信息、不同土层当前土壤含水率和未来1d气象数据集等；
第二步：初始化土层厚度总数n、当前田间土壤田间持水量FC和是否灌溉标志flag；
第三步：判断不同灌溉方式下、不同茬次和不同生育期，不同生育期苜蓿对水分的需求不同，田间最适含水率阈值不同。漫灌方式下，再生期和分枝期的最适含水率为田间持水量FC的70％，现蕾期的最适含水率为田间持水量的80％；地下点源滴灌方式下，再生期和分枝期的最适含水率为田间持水量的70％，现蕾期的最适含水率为田间持水量的85％；
在步骤105中，考虑根据苜蓿的模拟生长状态、所处土壤的土壤状态、以及调用数字孪生体模拟出的苜蓿所处土壤的未来土壤状态，确定当前苜蓿的水肥施灌策略。具体的，可以通过如下方式实现：
针对每一个土层，均执行：
判断当前土层的实际含水率是否大于土壤的最适含水率；
若是，则确定当前土层不需要施水，并执行针对下一个土层的处理；
若否，则加载未来N天的气象数据，并在未来N天有雨时获取未来N天的准降雨量；以及，调用数字孪生体模型模拟得到在准降雨量的条件下未来各土层的实际含水率，并根据该准降雨量的条件下未来各土层的实际含水率计算各土层的水肥亏缺量；
根据各个土层得到的水肥亏缺量，确定当前苜蓿的水肥施灌策略。
进一步，土壤参量可以包括：各土层的饱和含水量和各土层的厚度。如此，在根据该准降雨量的条件下未来各土层的实际含水率计算各土层的水肥亏缺量时，可以通过如下方式实现：
判断在准降雨量条件下得到的未来当前土层的实际含水率是否大于土壤的最适含水率；
若是，则确定当前土层不需要施水，并执行针对下一个土层的处理；
若否，则计算在准降雨量条件下未来当前土层的实际含水率与当前土层的厚度的乘积得到当前土层的含水量，并计算当前土层的饱和含水量与当前土层的含水量的差值得到未来当前土层的水亏缺量。
由此可见，本方案充分考虑了未来N天的降雨量情况，通过数字孪生体模型模拟出考虑未来降雨情况下的各土层实际含水率，能够充分利用雨水为苜蓿进行补水，减少了冗余灌溉，提高了水分利用效率。
例如，接步骤104的实例，步骤105可具体通过如下方式实现：
第四步：判断当前土层土壤的实际含水率SWCL是否大于土壤最适含水率OPT_SWC，若为真，则水肥施灌量为0，退出当前循环；若为假，则加载未来1天的气象数据，判断是否降雨，若降雨量RN>0，则调用数字孪生体模拟未来1天的天气条件作物生长动态和各土层土壤在降雨条件下的实际含水率，若更新后的土壤实际含水率>土壤最适含水率，则不形成灌施策略等待降雨；若更新后的土壤实际含水率<土壤最适含水率，则调用亏缺量计算函数，计算在未来降雨条件下的亏缺量，形成降雨后的水肥灌施策略；若未来1天降雨量<0，则直接调用亏缺量计算函数，计算当前土层亏缺量；
第五步：循环执行步骤2～4，直至退出循环；
第六步：最终形成当前条件下的苜蓿水肥施灌策略集合Ive＝{SW_defict,SF_defict}。
当然，由于苜蓿所处的茬次不同，其所需要的施水量也是存在差异的。因此，苜蓿生长参量可以包括：苜蓿的生长茬次；如此，在得到当前土层的水亏缺量之后，可以进一步判断当前苜蓿的生长茬次是否为第一茬次；
若是，则将得到的当前土层的水亏缺量确定为当前土层的最终水亏缺量；
若否，则计算当前土层的水亏缺量与第四预设比例的乘积，得到当前土层的最终水亏缺量。
如此，本方案通过区分不同茬次的苜蓿，施以对应最优的施水量，能够满足不同茬次的水分需求，使得不同茬次的苜蓿都能具有最优的生长条件。
在步骤106中，考虑将水肥施灌策略传递给实际物理空间的施灌设备，对苜蓿按照该水肥施灌策略进行施水和施肥，并将施水和施肥的参数同步到数字孪生体模型中。
由此可见，本方案在得到水肥施灌策略之后传递给实际物理空间的施灌设备进行施水施肥，然后将施水施肥的参数同步到数字孪生体模型中，如此数字孪生体能够模拟出实时状态下的气候状态、苜蓿生长状态和土壤状态，实现对苜蓿的实时监控。
由此可见，本方案中虚实融合是数字孪生体和精准调控算法与实际田间物理环境之间交互的关键。通过定义交互模型交互集合I＝{Iev,Ive}，其中Iev为从实到虚的交互参数集合，Ive为从虚到实的交互参数集合。从实到虚的交互参数是除苜蓿属性集合外的所有物理环境实体属性集合，Iev＝{Soil,Environment,Manage}，Iev是信息空间数字孪生体和计算算法制定调控策略的物理基础。从虚到实的交互参数是信息虚体形成的水肥调控策略属性，Ive＝{SW_defict,SF_defict}，Ive通过实际施灌量转换计算后再反馈给实际物理环境执行，如此通过本方案至少可以具有如下有益效果：
(1)建立苜蓿数字孪生体对物理环境进行高保真模拟，增强了物理环境作物生长动态及其与环境互作数据的可靠性和有效性。
(2)通过考虑影响苜蓿生长的多项影响因素、设定调控因子阈值，融入未来天气和作物生长预测设计算法，有效提高了苜蓿主产区的降水补给利用率，总体降低了苜蓿灌溉总量，提高了水肥利用效率。
(3)通过苜蓿数字孪生体与计算算法和实际物理环境的深度交互融合，提高了苜蓿水肥调控的精准性和实时性。
容易理解的是，针对上述方法实施例，本方案还应该包括一种基于虚实融合的苜蓿水肥调控装置，该装置包括：采集模块、构建模块、传递模块、第一确定模块、第二确定模块和执行模块；
采集模块，配置成从苜蓿所处的实际物理环境采集苜蓿所对应的田间基础信息；其中，田间基础信息包括当前田间的气候参量、土壤参量、水肥施灌参量和苜蓿生长参量；
构建模块，配置成在虚体信息空间构建与苜蓿所处的实际物理环境具有映射关系的数字孪生体模型；其中，数字孪生体模型能够模拟实际物理环境下具有耦合关系的气候状态、苜蓿生长状态和土壤状态；
传递模块，配置成将从实际物理空间采集到的田间基础信息传递到在虚体信息空间构建的数字孪生体模型，以由该数字孪生体模型模拟出对应苜蓿的生物物理属性集合；其中，该生物物理属性集合中包括：苜蓿的模拟生长状态和苜蓿所处土壤的模拟土壤状态；
第一确定模块，配置成根据田间基础信息，确定当前苜蓿所处土壤的最适含水率；
第二确定模块，配置成根据苜蓿的模拟生长状态、所处土壤的土壤状态、以及调用数字孪生体模拟出的苜蓿所处土壤的未来土壤状态，确定当前苜蓿的水肥施灌策略；
执行模块，配置成将水肥施灌策略传递给实际物理空间的施灌设备，对苜蓿按照该水肥施灌策略进行施水和施肥，并将施水和施肥的参数同步到数字孪生体模型中。
在一种实施例中，传递模块在将从实际物理空间采集到的田间基础信息传递到在虚体信息空间构建的数字孪生体模型，以由该数字孪生体模型模拟出对应苜蓿的生物物理属性集合时，配置成执行如下操作：
利用数字孪生体模型模拟得到当前苜蓿的模拟生长状态；其中，生长状态包括苜蓿的生育期、叶面积指数、光合与呼吸作用、潜在产量和实际产量中的至少一个；
根据模拟生长状态和苜蓿的土壤水分损失，模拟得到苜蓿所处土壤各土层的实际含水率；其中，土壤水分损失包括：蒸发损失、蒸散损失、蒸腾损失和苜蓿根系吸水中的至少一个。
在一种实施例中，气候参量包括：降雨量；土壤参量包括：地表漫灌量和地下滴灌量；
传递模块在根据模拟生长状态和苜蓿的土壤水分损失模拟得到苜蓿所处土壤各土层的实际含水率时，配置成执行如下操作：
对气候参量和土壤参量进行分析；
若地表漫灌量或降雨量大于0，则确定苜蓿的补水方式为地表漫灌，并采用循环结构对苜蓿所处土壤各土层的实际含水率进行计算；
若地下滴灌量大于0，则确定苜蓿的补水方式为地下滴灌，并结合观测点与滴头间的距离计算苜蓿所处土壤各土层的实际含水率。
在一种实施例中，土壤参量包括：土壤划分层数和各土层的厚度；传递模块在采用循环结构对苜蓿所处土壤各土层的实际含水率进行计算时，配置成针对每一个土层执行如下操作：
根据地表漫灌量、降雨量、未进入土壤的第一水分量和土壤划分层数，计算进入土壤当前土层的第二水分量；
确定当前土层所能保持的第三水分量；
根据第二水分量、第三水分量和当前土层的厚度，计算土壤当前土层的实际含水率。
在一种实施例中，水肥施灌参量包括：滴灌施水量；传递模块在结合观测点与滴头间的距离计算苜蓿所处土壤各土层的实际含水率时，配置成执行如下操作：
预先将滴头所能滴灌到的区域划分为若干个子球体区域；其中，每一个子球体区域对应一个有效施水率；
计算当前观测点与滴头之间的滴灌距离；
根据滴灌距离，确定当前观测点所对应的目标子球体区域；
根据滴灌施水量和目标子球体区域所对应的有效施水率，计算各土层土壤的实际含水率。
在一种实施例中，土壤参量包括：田间持水量；第一确定模块在根据田间基础信息确定当前苜蓿所处土壤的最适含水率时，配置成针对每一个土层执行如下操作：
判断对当前土层进行水分补给的施水方式；
若当前土层的施水方式为地表漫灌，则判断当前苜蓿所处的生育期；
若当前苜蓿所处的生育期为再生期或分枝期，则将田间持水量与第一预设比例的乘积确定为当前土层的最适含水率；
若当前苜蓿所处的生育期为现蕾期，则将田间持水量与第二预设比例的乘积确定为当前土层的最适含水率；
若当前土层的施水方式为地下滴灌，则判断当前苜蓿所处的生育期；
若当前苜蓿所处的生育期为再生期或分枝期，则将田间持水量与第一预设比例的乘积确定为当前土层的最适含水率；
若当前苜蓿所处的生育期为现蕾期，则将田间持水量与第三预设比例的乘积确定为当前土层的最适含水率。
在一种实施例中，第二确定模块在根据苜蓿的模拟生长状态、所处土壤的土壤状态、以及调用数字孪生体模拟出的苜蓿所处土壤的未来土壤状态确定当前苜蓿的水肥施灌策略时，配置成针对每一个土层执行如下操作：
判断当前土层的实际含水率是否大于土壤的最适含水率；
若是，则确定当前土层不需要施水，并执行针对下一个土层的处理；
若否，则加载未来N天的气象数据，并在未来N天有雨时获取未来N天的准降雨量；以及，调用数字孪生体模型模拟得到在准降雨量的条件下未来各土层的实际含水率，并根据该准降雨量的条件下未来各土层的实际含水率计算各土层的水肥亏缺量；
根据各个土层得到的水肥亏缺量，确定当前苜蓿的水肥施灌策略。
在一种实施例中，土壤参量包括：各土层的饱和含水量和各土层的厚度；第二确定模块在根据该准降雨量的条件下未来各土层的实际含水率计算各土层的水肥亏缺量时，配置成执行如下操作：
判断在准降雨量条件下得到的未来当前土层的实际含水率是否大于土壤的最适含水率；
若是，则确定当前土层不需要施水，并执行针对下一个土层的处理；
若否，则计算在准降雨量条件下未来当前土层的实际含水率与当前土层的厚度的乘积得到当前土层的含水量，并计算当前土层的饱和含水量与当前土层的含水量的差值得到未来当前土层的水亏缺量。
在一种实施例中，苜蓿生长参量包括：苜蓿的生长茬次；第二确定模块进一步配置成如下操作：
判断当前苜蓿的生长茬次是否为第一茬次；
若是，则将得到的当前土层的水亏缺量确定为当前土层的最终水亏缺量；
若否，则计算当前土层的水亏缺量与第四预设比例的乘积，得到当前土层的最终水亏缺量。
在一种实施例中，第二确定模块确定的水肥施灌策略中，若苜蓿为首次水分补给，则按照预先设定的施肥量同时进行施肥。
本说明书还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行说明书中任一个实施例中的方法。
本说明书还提供了一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现说明书中任一个实施例中的方法。
上述装置内的各单元之间的信息交互、执行过程等内容，由于与本说明书方法实施例基于同一构思，具体内容可参见本说明书方法实施例中的叙述，此处不再赘述。
本发明实施例装置中的模块或单元可以根据实际需要进行合并、划分和删减。
本发明实施例装置中的模块或单元可以根据实际需要进行合并、划分和删减。以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
Claims (10)
1.一种基于虚实融合的苜蓿水肥调控方法，其特征在于，包括：
从苜蓿所处的实际物理环境采集苜蓿所对应的田间基础信息；其中，所述田间基础信息包括当前田间的气候参量、土壤参量、水肥施灌参量和苜蓿生长参量；
在虚体信息空间构建与苜蓿所处的实际物理环境具有映射关系的数字孪生体模型；其中，所述数字孪生体模型能够模拟实际物理环境下具有耦合关系的气候状态、苜蓿生长状态和土壤状态；
将从实际物理空间采集到的所述田间基础信息传递到在虚体信息空间构建的所述数字孪生体模型，以由该数字孪生体模型模拟出对应苜蓿的生物物理属性集合；其中，该生物物理属性集合中包括：苜蓿的模拟生长状态和苜蓿所处土壤的模拟土壤状态；
根据所述田间基础信息，确定当前苜蓿所处土壤的最适含水率；
根据所述苜蓿的模拟生长状态、所处土壤的土壤状态、以及调用所述数字孪生体模拟出的苜蓿所处土壤的未来土壤状态，确定当前苜蓿的水肥施灌策略；
将所述水肥施灌策略传递给实际物理空间的施灌设备，对苜蓿按照该水肥施灌策略进行施水和施肥，并将施水和施肥的参数同步到所述数字孪生体模型中。
2.根据权利要求1所述的基于虚实融合的苜蓿水肥调控方法，其特征在于，所述将从实际物理空间采集到的所述田间基础信息传递到在虚体信息空间构建的所述数字孪生体模型，以由该数字孪生体模型模拟出对应苜蓿的生物物理属性集合，包括：
利用所述数字孪生体模型模拟得到当前苜蓿的模拟生长状态；其中，所述生长状态包括苜蓿的生育期、叶面积指数、光合与呼吸作用、潜在产量和实际产量中的至少一个；
根据所述模拟生长状态和苜蓿的土壤水分损失，模拟得到苜蓿所处土壤各土层的实际含水率；其中，所述土壤水分损失包括：蒸发损失、蒸散损失、蒸腾损失和苜蓿根系吸水中的至少一个。
3.根据权利要求2所述的基于虚实融合的苜蓿水肥调控方法，其特征在于，所述气候参量包括：降雨量；所述土壤参量包括：地表漫灌量和地下滴灌量；
所述根据所述模拟生长状态和苜蓿的土壤水分损失模拟得到苜蓿所处土壤各土层的实际含水率，包括：
对所述气候参量和土壤参量进行分析；
若所述地表漫灌量或所述降雨量大于0，则确定所述苜蓿的补水方式为地表漫灌，并采用循环结构对苜蓿所处土壤各土层的实际含水率进行计算；
若所述地下滴灌量大于0，则确定所述苜蓿的补水方式为地下滴灌，并结合观测点与滴头间的距离计算苜蓿所处土壤各土层的实际含水率。
4.根据权利要求3所述的基于虚实融合的苜蓿水肥调控方法，其特征在于，所述土壤参量包括：土壤划分层数和各土层的厚度；
所述采用循环结构对苜蓿所处土壤各土层的实际含水率进行计算，包括：
针对每一个土层，均执行：
根据地表漫灌量、降雨量、未进入土壤的第一水分量和土壤划分层数，计算进入土壤当前土层的第二水分量；
确定当前土层所能保持的第三水分量；
根据所述第二水分量、所述第三水分量和当前土层的厚度，计算土壤当前土层的实际含水率。
5.根据权利要求3所述的基于虚实融合的苜蓿水肥调控方法，其特征在于，所述水肥施灌参量包括：滴灌施水量；
所述结合观测点与滴头间的距离计算苜蓿所处土壤各土层的实际含水率，包括：
预先将所述滴头所能滴灌到的区域划分为若干个子球体区域；其中，每一个子球体区域对应一个有效施水率；
计算当前观测点与滴头之间的滴灌距离；
根据所述滴灌距离，确定当前观测点所对应的目标子球体区域；
根据所述滴灌施水量和所述目标子球体区域所对应的有效施水率，计算各土层土壤的实际含水率。
6.根据权利要求1所述的基于虚实融合的苜蓿水肥调控方法，其特征在于，所述土壤参量包括：田间持水量；
所述根据所述田间基础信息确定当前苜蓿所处土壤的最适含水率，包括：
针对每一个土层，均执行：
判断对当前土层进行水分补给的施水方式；
若当前土层的施水方式为地表漫灌，则判断当前苜蓿所处的生育期；
若当前苜蓿所处的生育期为再生期或分枝期，则将所述田间持水量与第一预设比例的乘积确定为当前土层的最适含水率；
若当前苜蓿所处的生育期为现蕾期，则将所述田间持水量与第二预设比例的乘积确定为当前土层的最适含水率；
若当前土层的施水方式为地下滴灌，则判断当前苜蓿所处的生育期；
若当前苜蓿所处的生育期为再生期或分枝期，则将所述田间持水量与第一预设比例的乘积确定为当前土层的最适含水率；
若当前苜蓿所处的生育期为现蕾期，则将所述田间持水量与第三预设比例的乘积确定为当前土层的最适含水率。
7.根据权利要求2所述的基于虚实融合的苜蓿水肥调控方法，其特征在于，所述根据所述苜蓿的模拟生长状态、所处土壤的土壤状态、以及调用所述数字孪生体模拟出的苜蓿所处土壤的未来土壤状态确定当前苜蓿的水肥施灌策略，包括：
针对每一个土层，均执行：
判断当前土层的实际含水率是否大于所述土壤的最适含水率；
若是，则确定当前土层不需要施水，并执行针对下一个土层的处理；
若否，则加载未来N天的气象数据，并在未来N天有雨时获取未来N天的准降雨量；以及，调用所述数字孪生体模型模拟得到在所述准降雨量的条件下未来各土层的实际含水率，并根据该准降雨量的条件下未来各土层的实际含水率计算各土层的水肥亏缺量；
根据各个土层得到的水肥亏缺量，确定当前苜蓿的水肥施灌策略。
8.根据权利要求7所述的基于虚实融合的苜蓿水肥调控方法，其特征在于，所述土壤参量包括：各土层的饱和含水量和各土层的厚度；
所述根据该准降雨量的条件下未来各土层的实际含水率计算各土层的水肥亏缺量，包括：
判断在所述准降雨量条件下得到的未来当前土层的实际含水率是否大于所述土壤的最适含水率；
若是，则确定当前土层不需要施水，并执行针对下一个土层的处理；
若否，则计算在准降雨量条件下未来当前土层的实际含水率与当前土层的厚度的乘积得到当前土层的含水量，并计算当前土层的饱和含水量与所述当前土层的含水量的差值得到未来当前土层的水亏缺量。
9.根据权利要求8所述的基于虚实融合的苜蓿水肥调控方法，其特征在于，所述苜蓿生长参量包括：苜蓿的生长茬次；
在得到当前土层的水亏缺量之后，进一步包括：
判断当前苜蓿的生长茬次是否为第一茬次；
若是，则将得到的当前土层的水亏缺量确定为当前土层的最终水亏缺量；
若否，则计算当前土层的水亏缺量与第四预设比例的乘积，得到当前土层的最终水亏缺量。
10.根据权利要求1至9中任一所述的基于虚实融合的苜蓿水肥调控方法，其特征在于，所述水肥施灌策略中，若所述苜蓿为首次水分补给，则按照预先设定的施肥量同时进行施肥。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310515761.XA CN116569721A (zh) | 2023-05-08 | 2023-05-08 | 基于虚实融合的苜蓿水肥调控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310515761.XA CN116569721A (zh) | 2023-05-08 | 2023-05-08 | 基于虚实融合的苜蓿水肥调控方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116569721A true CN116569721A (zh) | 2023-08-11 |
Family
ID=87533380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310515761.XA Pending CN116569721A (zh) | 2023-05-08 | 2023-05-08 | 基于虚实融合的苜蓿水肥调控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116569721A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117236519A (zh) * | 2023-11-10 | 2023-12-15 | 中化现代农业有限公司 | 水肥调控方法、装置、电子设备和存储介质 |
-
2023
- 2023-05-08 CN CN202310515761.XA patent/CN116569721A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117236519A (zh) * | 2023-11-10 | 2023-12-15 | 中化现代农业有限公司 | 水肥调控方法、装置、电子设备和存储介质 |
| CN117236519B (zh) * | 2023-11-10 | 2024-04-09 | 中化现代农业有限公司 | 水肥调控方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3179319B1 (en) | Method for irrigation planning and system for its implementation | |
| 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 | |
| CN108958329B (zh) | 一种滴灌水肥一体化智能决策方法 | |
| CN108781926B (zh) | 基于神经网络预测的大棚灌溉系统及方法 | |
| Stewart et al. | Impact of weather analysis on agricultural production and planning decisions for the semiarid areas of Kenya | |
| CN104521699A (zh) | 田间智能灌溉在线控制管理方法 | |
| CN108077042A (zh) | 一种冬小麦全生育期灌溉预警决策方法 | |
| CN109874477A (zh) | 一种农业园区施肥机托管方法及系统 | |
| CN105494033B (zh) | 一种基于作物需求的智能节水灌溉方法 | |
| CN113039908A (zh) | 一种施肥和灌溉动态决策方法及系统 | |
| CN116569721A (zh) | 基于虚实融合的苜蓿水肥调控方法 | |
| CN113016450A (zh) | 一种温室作物灌溉方法及系统 | |
| Chopard et al. | Development of a decision support system to evaluate crop performance under dynamic solar panels | |
| CN112700035B (zh) | 一种区域尺度农作物分区水肥管理模式的优化方法 | |
| CN112042353A (zh) | 一种适用于日光温室的水肥精准决策方法及系统 | |
| CN115423643A (zh) | 水肥计算方法、装置、电子设备和存储介质 | |
| CN117063818A (zh) | 一种水肥精准调控系统 | |
| CN116415704A (zh) | 一种基于多数据融合与同化的区域精量灌溉方法及系统 | |
| CN113785759B (zh) | 一种作物间套作种植智能灌溉系统、方法及可存储介质 | |
| CN110059980A (zh) | 一种可控地下水位埋深作物水分敏感指数计算方法 | |
| CA3196136A1 (en) | Advanced crop manager for crops stress mitigation | |
| Liao et al. | Novel models for simulating maize growth based on thermal time and photothermal units: Applications under various mulching practices | |
| 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 | |
| CN113179923A (zh) | 一种农作物精确灌溉算法及控制系统 | |
| CN116090842A (zh) | 农田灌溉决策方法、装置、设备和存储介质 |
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 |