CN117063686A - 玉米水肥一体灌溉方法 - Google Patents
玉米水肥一体灌溉方法 Download PDFInfo
- Publication number
- CN117063686A CN117063686A CN202311125579.XA CN202311125579A CN117063686A CN 117063686 A CN117063686 A CN 117063686A CN 202311125579 A CN202311125579 A CN 202311125579A CN 117063686 A CN117063686 A CN 117063686A
- Authority
- CN
- China
- Prior art keywords
- corn
- fertilizer
- water
- nitrogen concentration
- nitrogen
- 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
- 240000008042 Zea mays Species 0.000 title claims abstract description 140
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 140
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims abstract description 137
- 235000005822 corn Nutrition 0.000 title claims abstract description 137
- 239000003337 fertilizer Substances 0.000 title claims abstract description 131
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 125
- 230000002262 irrigation Effects 0.000 title claims abstract description 64
- 238000003973 irrigation Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 34
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 252
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 126
- 230000012010 growth Effects 0.000 claims abstract description 62
- 239000002689 soil Substances 0.000 claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 239000000618 nitrogen fertilizer Substances 0.000 claims abstract description 16
- 230000004720 fertilization Effects 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims abstract description 11
- 238000011282 treatment Methods 0.000 claims description 34
- 239000007788 liquid Substances 0.000 claims description 14
- 238000005303 weighing Methods 0.000 claims description 12
- 241000196324 Embryophyta Species 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 10
- 239000010413 mother solution Substances 0.000 claims description 9
- 238000007667 floating Methods 0.000 claims description 7
- 239000002028 Biomass Substances 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 4
- 208000003643 Callosities Diseases 0.000 claims description 3
- 206010020649 Hyperkeratosis Diseases 0.000 claims description 3
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 235000009973 maize Nutrition 0.000 claims description 3
- 210000000056 organ Anatomy 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000009423 ventilation Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 8
- 235000015097 nutrients Nutrition 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 6
- 229910052698 phosphorus Inorganic materials 0.000 description 6
- 239000011574 phosphorus Substances 0.000 description 6
- 235000016709 nutrition Nutrition 0.000 description 5
- 206010063385 Intellectualisation Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000035764 nutrition Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005070 ripening Effects 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- 208000035240 Disease Resistance Diseases 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009418 agronomic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000024346 drought recovery Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 229940053653 phosphorus / potassium Drugs 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000010496 root system development Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/22—Improving land use; Improving water use or availability; Controlling erosion
Landscapes
- Fertilizing (AREA)
Abstract
本发明提供玉米水肥一体灌溉方法，包括以下步骤：S1、根据玉米生长大数据建立基于冠层覆盖度的氮浓度临界模型和玉米需水模型；S2、基于红外波和短波红外监测设备，获得土壤水分空间分布；S3、采集时间序列的玉米长势监测彩色照片；S4、以彩色照片为基础，计算冠层覆盖度和玉米氮浓度；S5、根据已经建立的所述基于冠层覆盖度的氮浓度临界模型和所述玉米需水模型，计算玉米水和氮肥需求量；S6、根据确定好的玉米水肥需求量，进行水肥配比和水肥一体灌溉；本发明通过对作物进行实时生长监测和土壤水分监测，并进行自动计算，将此监测结果于作物生长曲线进行对比，及时进行水分和养分的补充，进行精准化施肥灌溉，达到经济效益和生态效益的平衡。
Description
技术领域
本发明属于农业技术领域，具体涉及一种玉米水肥一体灌溉方法。
背景技术
氮磷钾肥料是植物生长不可或缺的三种元素,以玉米为例，氮肥直接影响玉米产量，并且在整个生长周期内需求动态变化，并且直接影响玉米产量。磷素可促使玉米体内氮素和糖分很好的转化，氮磷配施可增效，促进根系发育和雌穗受精良好。在氮素充足而磷素缺少时，氮的代谢作用就要受到阻碍；磷能提高水分利用率，增强玉米的抗病性和促进早熟作用。
我国是农业大国，种植面积广阔，农田用水和肥料使用量巨大。目前，我国大部分水肥一体技术完全根据人的经验确定，“感觉”缺水了就洒水，“感觉”缺肥了，就施肥，而且都是人工进行开放阀门，并不能实现精准化、智能化。采用这种灌溉方式，水的利用率不足60％，化肥利用率仅为30％，不但造成了资源的极大浪费，而且由于化肥中氮、磷等元素的流失造成环境的污染。现有的水肥一体化灌溉只能解决减少劳动力，并不能实现智能化和精准化。玉米是我国三大主粮之一，因此，构建玉米水肥一体灌溉设施对玉米体质增效、节约水肥、达到精准灌溉具有重要意义。
发明内容
本发明的目的是克服现有技术的不足而提供一种玉米水肥一体灌溉方法，实现了精准化施肥灌溉，达到经济效益和生态效益的平衡、可持续发展。
为了实现上述目的，本发明提供如下技术方案：
玉米水肥一体灌溉方法，包括以下步骤：
S1、根据玉米生长大数据建立基于冠层覆盖度的氮浓度临界模型和玉米需水模型；
S2、基于红外波和短波红外监测设备，获得土壤水分空间分布；
S3、采集时间序列的玉米长势监测彩色照片；
S4、以彩色照片为基础，计算冠层覆盖度和玉米氮浓度；
S5、根据已经建立的所述基于冠层覆盖度的氮浓度临界模型和所述玉米需水模型，计算玉米水和氮肥需求量；
S6、根据确定好的玉米水肥需求量，水肥一体系统自动进行水肥配比和水肥一体灌溉。
进一步的，所述基于冠层覆盖度的氮浓度临界模型的建立步骤为：采用统计分析方法对玉米生长大数据中不同施氮处理下的玉米冠层覆盖度进行方差分析，将其分为氮素限制处理和非氮素限制处理两类；氮素限制处理是指增施氮肥导致冠层覆盖度显著增加的处理，非氮素限制处理定义为增施氮肥不会导致冠层覆盖度的增加，而器官氮浓度将显著增加的处理；
对于非氮素限制处理，其冠层覆盖度的均值代表最大冠层覆盖度；
对于氮素限制处理，将其冠层覆盖度与对应的氮浓度值进行线性拟合，得到线性曲线；采样日的临界氮浓度值由以上线性曲线与以最大冠层覆盖度为横坐标的垂线的交点的纵坐标决定；覆膜滴灌玉米的所述基于冠层覆盖度的氮浓度临界模型可以描述为：
式中，Nc代表临界氮浓度值(％)，CC代表冠层覆盖度的最大值；a和b均为模型的参数；a代表玉米地上部单位生物量的临界氮浓度值；b为控制临界氮浓度曲线斜率的统计参数；在玉米生长前期，叶片数量少，通风透光且遮蔽程度低，生物量积累速率慢，导致植株氮浓度下降较慢，则此取样时期的临界氮浓度值采用数值固定的临界氮浓度常数代替。
进一步的，所述基于冠层覆盖度的氮浓度临界模型为：
玉米四叶期的临界氮浓度值Nc＝3.19％，对应的CC为0.32；
玉米拔节期至吐丝期的临界氮浓度曲线为：
玉米成熟期无需施肥，无对应的临界氮浓度曲线。
进一步的，由于土壤本底值和基肥量不同，植株氮浓度存在很大的变异性；因此，所述基于冠层覆盖度的氮浓度临界模型还包括最大氮浓度极限曲线Nmax和最小氮浓度极限曲线Nmin：
Nmax＝2.047CC-0.437，
Nmin＝0.926CC-0.491，
氮素限制处理下的数据点均接近或低于Nc曲线，而非氮素限制处理下的数据点均接近或高于Nc曲线。
进一步的，所述玉米需水模型的建立步骤为：结合玉米生长大数据挖掘，对历史实验数据、文献数据、统计数据以及调访农民经验数据进行入库分析，进行拟合、推理、反演得到“健康作物”的全周期“生长曲线”，建立玉米生长模型，所述玉米生长模型体现玉米生长周期需要的水肥(氮肥)的量，以此玉米生长模型为样本建立玉米需水模型。
进一步的，根据地区历史实验数据、地区文献数据、地区统计数据以及调访的地区专家农民经验数据进行回归分析，得到健康理想状态下的当地玉米全周期需水曲线，根据当地玉米全周期需水曲线建立玉米需水模型。
进一步的，利用无人机拍摄玉米冠层动态图像，利用无人机搭载的红外波和短波红外监测设备获得土壤陆表水分指数构成土壤水分空间分布；
无人机的摄像头垂直向下，红外波和短波红外监测设备垂直向下；摄像头采用多光谱相机，分别是蓝绿红三个波段，中心波长分别为蓝(B)450nm±16nm；绿(G)：560nm±16nm；红(R)：650nm±16nm。
进一步的，在玉米生育期内间隔10～15天采集玉米长势监测彩色照片和土壤水分空间分布。
进一步的，以彩色照片为基础，计算冠层覆盖度的步骤为：
1)获取RGB颜色空间下的R、G、B颜色分量；
2)将RGB颜色空间转换为HIS颜色空间,并提取H及S颜色分量；使用K均值聚类算法分别对H及S颜色分量进行聚类分析，聚类数为3，获取2类颜色分量的二值图像，对二值图进行去噪和形态学开运算，断开细小黏连，去除毛刺使图像更为平滑；对去噪及形态学运算后的H和S颜色分量二值图进行相应的数学运算，获取目标图像。
进一步的，所述水肥一体系统包括肥料仓、称重传感器、吸肥电磁阀、吸肥器、灌溉区阀门、混合桶、浮球液位传感器、EC值检测器、pH值检测器、水泵管道系统以及控制系统；控制系统通过收集农田、环境、灌溉以及历史农业大数据进行综合分析，完成灌溉、施肥量和时间的精确控制，以及系统的只能启停等指令；肥料仓为多个，称重传感器、吸肥电磁阀、吸肥器与肥料仓一一对应；
肥料仓内装有不同成分的肥料母液，称重传感器为不同成分的肥料母液称重，之后控制系统开启吸肥电磁阀通过吸肥器将不同的肥料母液吸入到混合桶中，混合桶中通过浮球液位传感器控制清水量，控制肥料的精确配比；混合桶中的肥料液体通过水泵后分为两路，一路经灌溉区阀门连接至灌溉区水路，另一路经EC值检测器、pH值检测器监测后回到混合桶中；当肥料的EC值和pH值在要求范围内，打开灌溉区阀门向灌溉区水路送肥料液体。
本发明的有益效果是：
本发明通过玉米生长大数据分析建立基于冠层覆盖度的氮浓度临界模型和玉米需水模型；并且对作物进行实时生长监测和土壤水分监测，并且进行自动计算，将此监测结果于作物生长曲线进行对比，能够及时进行水分和养分的补充，进行精准化施肥灌溉，达到经济效益和生态效益的平衡、可持续发展；
水肥一体下发挥水肥的协同作用存在一定的阈值，在阈值范围内可以提高水肥利用率、提高产量，超出阈值利用率和产量都会下降；本发明能节水节肥，实时监测，动态跟踪，满足作物的营养需求，达到提质增效的目的；
本发明根据大数据挖掘总结多年的经验，把零星的研究结果集成到模型中，针对土壤的变化进行动态调整，加以人工干预。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。其中：
图1为本发明的彩色照片处理过程。
图2为本发明的所述基于冠层覆盖度的氮浓度临界模型曲线。
图3为本发明实施例的水肥一体系统的结构示意图。
图4为本发明的水肥一体系统的工作流程图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，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所获得的所有其它实施例，都属于本发明保护的范围。
在本发明的描述中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明而不是要求本发明必须以特定的方位构造和操作，因此不能理解为对本发明的限制。本发明中使用的术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接；可以是直接相连，也可以通过中间部件间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
玉米水肥一体灌溉方法，包括以下步骤：
S1、根据玉米生长大数据建立“健康作物”全周期的玉米生长模型，根据所述玉米生长模型获得于冠层覆盖度的氮浓度临界模型和玉米需水模型；
S2、基于红外波和短波红外监测设备，获得土壤水分空间分布；
S3、基于实时监测设备，采集时间序列的玉米长势监测彩色照片；彩色照片用于计算冠层盖度和氮浓度，近红外和段波红外用于获取土壤水分数据；
S4、以彩色照片为基础，计算冠层覆盖度和玉米氮浓度；
S5、根据已经建立的所述基于冠层覆盖度的氮浓度临界模型和所述玉米需水模型，计算玉米水和氮肥需求量；
S6、根据时序进行作物生长监测和土壤湿度监测，根据确定好的玉米水肥需求量，水肥一体系统自动进行水肥配比和水肥一体灌溉，达到玉米生长模型的健康生长曲线范围内即停止灌溉。
玉米全生育期所消耗的水分随气候、土壤、播期、品种及生育期等有很大的差异；各地生产实践证明，春玉米生育期长，耗水量多，其中晚熟品种比早熟品种生育期长，耗水多；根据数据来源的不同，将“健康作物”全周期的玉米生长模型分为通用曲线和地区曲线；通用曲线根据多个地区的历史数据分析总结，地区曲线是需要根据单个地区的特点进行经验回归，总结出适合当地的模型曲线，这样子能够获得比通用曲线更加精确的水肥实施效果；
以玉米需水模型的为例，通用曲线的玉米需水模型建立步骤如下：结合玉米生长大数据挖掘，对历史实验数据、文献数据、统计数据以及调访农民经验数据进行入库分析，进行拟合、推理、反演得到“健康作物”的全周期“生长曲线”，根据“健康作物”的全周期“生长曲线”，建立玉米生长模型；
所述玉米生长模型体现玉米生长周期需要的水肥的量，以此玉米生长模型为样本建立玉米需水模型；根据玉米生长大数据，通用曲线的玉米需水模型具有如下规律：
(1)播种至出苗消耗的水分少，但需有适当水分才利于出苗，土壤田坚持水量应保持60％～70％；
(2)苗期需水少，耐旱性强，土壤田间持水量应保持60％；
(3)拔节后需水增多，土壤田间持水量应保持70％～80％；
(4)抽穗开花期间需水最多，在抽穗前10天至抽穗后20天约一个月，是玉米需水的“临界期”，土壤田间持水量应达到80％；
(5)乳熟后需水逐渐减少，土壤田间持水量应在60％以下，以利于籽粒脱水和加速成熟。
以玉米需水模型的为例，地区曲线的玉米需水模型建立步骤如下：首先根据地区历史实验数据、地区文献数据、地区统计数据以及调访的地区专家农民经验数据进行回归分析，得到健康理想状态下的当地玉米全周期需水曲线，然后根据当地玉米全周期需水曲线建立玉米需水模型；由于每个地区的土壤和气候不同，这样是相对比较于通用区别的水肥灌溉量更精确的，然也可以用通用的曲线。
作物临界氮浓度指的是为获得作物最大生长所需的最小氮浓度，可用此来指导农作物对氮肥的需求，用于估算农作物对氮肥的需求；冠层覆盖度为作物冠层的垂直数字化投影所覆盖的土地面积比例，既能反应作物整个生长期内的动态变化，又能间接说明作物的蒸腾和光合作用；植株群体冠层覆盖度随着作物氮素施用量的增加先增加，氮肥供应量达到一定界限后，冠层覆盖度不再增加而是趋于平稳状态，且冠层覆盖度和植株氮浓度的关系可以用异速函数来描述；本发明利用无人机拍摄玉米冠层动态图像(普通照片)，建立基于冠层覆盖度的氮浓度临界模型，并与其农学参数模型进行比较，评估诊断氮营养状况的可靠性；
所述基于冠层覆盖度的氮浓度临界模型的建立步骤为：
1)采用统计分析方法对玉米生长大数据中不同施氮处理下的玉米冠层覆盖度进行方差分析，将其分为氮素限制处理和非氮素限制处理两类；氮素限制处理是指增施氮肥导致冠层覆盖度显著增加的处理，非氮素限制处理定义为增施氮肥不会导致冠层覆盖度的增加，而器官氮浓度将显著增加的处理；
2)对于非氮素限制处理，其冠层覆盖度的均值代表最大冠层覆盖度；
3)对于氮素限制处理，将其冠层覆盖度与对应的氮浓度值进行线性拟合，得到线性曲线；
4)采样日的临界氮浓度值由以上线性曲线与以最大冠层覆盖度为横坐标的垂线的交点的纵坐标决定；覆膜滴灌玉米的所述基于冠层覆盖度的氮浓度临界模型可以描述为：
式中，Nc代表临界氮浓度值(％)，CC代表冠层覆盖度的最大值；a和b均为模型的参数；a代表玉米地上部单位生物量的临界氮浓度值；b为控制临界氮浓度曲线斜率的统计参数；
在玉米生长前期，叶片数量少，通风透光且遮蔽程度低，生物量积累速率慢，导致植株氮浓度下降较慢，则此取样时期的临界氮浓度值采用数值固定的临界氮浓度常数代替；Nc常数为受氮素制约组的最小氮浓度(3.06％)和不受氮素制约组的最大氮浓度(3.32％)的平均值，经计算玉米四叶期植株氮浓度常数为3.19％，对应的CC为0.32；
采用同样的方法，还可建立基于冠层覆盖度的磷/钾浓度临界模型。
进一步的，所述基于冠层覆盖度的氮浓度临界模型为：
玉米四叶期的临界氮浓度值Nc＝3.19％，对应的CC为0.32；
如图2所示，玉米拔节期至吐丝期的临界氮浓度曲线为：
玉米成熟期无需施肥，无对应的临界氮浓度曲线。
进一步的，由于土壤本底值和基肥量不同，植株氮浓度存在很大的变异性；因此，如图2所示，所述基于冠层覆盖度的氮浓度临界模型还包括最大氮浓度极限曲线Nmax和最小氮浓度极限曲线Nmin；如图2所示，Nmax和Nmin曲线方程分别为：
Nmax＝2.047CC-0.437，
Nmin＝0.926CC-0.491，
构建的临界氮浓度曲线很好的区分了受氮素限制和不受氮素限制生长条件下的数据点；氮素限制处理下的数据点均接近或低于Nc曲线，而非氮素限制处理下的数据点均接近或高于Nc曲线；说明基于CC构建的Nc曲线模型可用于覆膜滴灌玉米氮营养诊断；
水肥一体下发挥水肥的协同作用存在一定的阈值，在阈值范围内可以提高水肥利用率、提高产量，超出阈值利用率和产量都会下降；本发明的肥料使用由基于冠层覆盖度的氮浓度临界模型指导，进行精准化施肥灌溉，能够达到经济效益和生态效益的平衡，满足作物的营养需求。
具体的，本发明利用无人机拍摄玉米冠层动态图像，利用无人机搭载的红外波和短波红外监测设备获得土壤陆表水分指数构成土壤水分空间分布；
无人机的摄像头垂直向下，红外波和短波红外监测设备垂直向下；摄像头采用多光谱相机，分别是蓝绿红三个波段，中心波长分别为蓝(B)450nm±16nm；绿(G)：560nm±16nm；红(R)：650nm±16nm；短波红外SWIR(Short-Wave Infrared)对植被含水量和土壤水分敏感，本发明用陆表水分指数(Land Surface Water Index,LSWI)表示，LSWI为近红外波段反射率(ρNIR)和短波红外波段反射率值(ρSWIR)的归一化差，计算公式为：
具体的，在玉米生育期内间隔10～15天采集玉米长势监测彩色照片和土壤水分空间分布。
具体的，以彩色照片为基础，计算冠层覆盖度的步骤为：
1)获取RGB颜色空间下的R、G、B颜色分量；
2)将RGB颜色空间转换为HIS颜色空间,并提取H及S颜色分量；使用K均值聚类算法分别对H及S颜色分量进行聚类分析，聚类数为3，获取2类颜色分量的二值图像，对二值图进行去噪和形态学开运算，断开细小黏连，去除毛刺使图像更为平滑；对去噪及形态学运算后的H和S颜色分量二值图进行相应的数学运算，获取目标图像；具体详见论文《覆膜玉米冠层图像分割方法》(张万红,刘文兆.覆膜玉米冠层图像分割方法[J].浙江大学学报：农业与生命科学版,2017,43(5):8.DOI:10.3785/j.issn.1008-9209.2017.01.071.)，图1为本实施例的照片处理过程示意图，照片识别使用MATLAB编写代码开发的数字图像识别系统，图1(a)照片的冠层覆盖度为0.129819。
所述水肥一体系统主要用于肥料的精准混合和灌溉，以及定量喷灌，达到精准施肥、节水灌溉的目的；
所述水肥一体系统包括肥料仓、称重传感器、吸肥电磁阀、吸肥器、灌溉区阀门Q5、混合桶、浮球液位传感器W、EC值检测器、pH值检测器、水泵管道系统以及控制系统；控制系统通过收集农田、环境、灌溉以及历史农业大数据进行综合分析，完成灌溉、施肥量和时间的精确控制，以及系统的只能启停等指令；肥料仓为多个，称重传感器、吸肥电磁阀、吸肥器与肥料仓一一对应，图3为本发明实施例的水肥一体系统的结构示意图，图中A、B、C、D为不同成分肥料仓，M1、M2、M3、M4为称重传感器，K1、K2、K3、K4为吸肥电磁阀，Q1、Q2、Q3、Q4为吸肥器，Q5为灌溉区阀门，W为浮球液位传感器；
4个肥料仓内装有不同成分的肥料母液，与之对应的4个称重传感器为不同成分的肥料母液称重，之后控制系统开启对应的吸肥电磁阀通过对应的吸肥器将不同的肥料母液吸入到混合桶中，混合桶中通过浮球液位传感器W控制清水量，控制肥料的精确配比；混合桶中的肥料液体通过水泵后分为两路，分别用于灌溉和监测，最终控制肥料的EC值和pH值在要求范围内，一路经灌溉区阀门Q5连接至灌溉区水路，另一路经EC值检测器、pH值检测器监测后回到混合桶中；当肥料的EC值和pH值在要求范围内，打开灌溉区阀门Q5向灌溉区水路送肥料液体；
EC值是指溶液中可溶性盐浓度或者液体肥料或种植介质中的可溶性离子浓度；不同基质含水量及基质EC值控制的灌溉对叶绿素含量、光合性能、干物质积累与分配、品质、植株元素积累吸收量、干物质积累量、产量、肥料利用率、氮代谢和基质酶活性等均有不同程度的影响；
所述水肥一体系统还包括控制中心，控制中心是整个水肥一体的中心枢纽，通过收集农田、环境、灌溉以及历史农业大数据进行综合分析，完成灌溉、施肥量和时间的精确控制，以及系统的只能启停等指令；所述控制中心的控制流程如图4所示。
该发明专利能够通过大数据分析玉米作物的全周期健康生长曲线，得到玉米生长模型，由此模型获得玉米生长周期需要的水肥的量，本实施例中肥料以氮肥的量为例，从而建立基于冠层覆盖度的氮浓度临界模型和玉米需水模型；本发明在玉米作物生长期间，对作物进行实时生长监测和土壤水分监测，并且进行自动计算，将此监测结果与米生长模型进行对比，控制水肥一体系统补充水肥，及时进行水分和养分的补充；既能够满足精准化、智能化，又能节水节肥，同时这种实时监测，动态跟踪满足营养需求，达到提质增效的目的。
可以理解的是，以上描述仅为示例性的，本申请实施例对此并不进行限定。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均在本发明待批权利要求保护范围之内。
Claims (10)
1.玉米水肥一体灌溉方法，其特征在于，包括以下步骤：
S1、根据玉米生长大数据建立基于冠层覆盖度的氮浓度临界模型和玉米需水模型；
S2、基于红外波和短波红外监测设备，获得土壤水分空间分布；
S3、采集时间序列的玉米长势监测彩色照片；
S4、以彩色照片为基础，计算冠层覆盖度和玉米氮浓度；
S5、根据已经建立的所述基于冠层覆盖度的氮浓度临界模型和所述玉米需水模型，计算玉米水和氮肥需求量；
S6、根据确定好的玉米水肥需求量，水肥一体系统自动进行水肥配比和水肥一体灌溉。
2.根据权利要求1所述的玉米水肥一体灌溉方法，其特征在于，所述基于冠层覆盖度的氮浓度临界模型的建立步骤为：采用统计分析方法对玉米生长大数据中不同施氮处理下的玉米冠层覆盖度进行方差分析，将其分为氮素限制处理和非氮素限制处理两类；氮素限制处理是指增施氮肥导致冠层覆盖度显著增加的处理，非氮素限制处理定义为增施氮肥不会导致冠层覆盖度的增加，而器官氮浓度将显著增加的处理；
对于非氮素限制处理，其冠层覆盖度的均值代表最大冠层覆盖度；
对于氮素限制处理，将其冠层覆盖度与对应的氮浓度值进行线性拟合，得到线性曲线；采样日的临界氮浓度值由以上线性曲线与以最大冠层覆盖度为横坐标的垂线的交点的纵坐标决定；覆膜滴灌玉米的所述基于冠层覆盖度的氮浓度临界模型可以描述为：
式中，Nc代表临界氮浓度值(％)，CC代表冠层覆盖度的最大值；a和b均为模型的参数；a代表玉米地上部单位生物量的临界氮浓度值；b为控制临界氮浓度曲线斜率的统计参数；在玉米生长前期，叶片数量少，通风透光且遮蔽程度低，生物量积累速率慢，导致植株氮浓度下降较慢，则此取样时期的临界氮浓度值采用数值固定的临界氮浓度常数代替。
3.根据权利要求2所述的玉米水肥一体灌溉方法，其特征在于：所述基于冠层覆盖度的氮浓度临界模型为：
玉米四叶期的临界氮浓度值Nc＝3.19％，对应的CC为0.32；
玉米拔节期至吐丝期的临界氮浓度曲线为：
玉米成熟期无需施肥，无对应的临界氮浓度曲线。
4.根据权利要求2所述的玉米水肥一体灌溉方法，其特征在于：由于土壤本底值和基肥量不同，植株氮浓度存在很大的变异性；因此，所述基于冠层覆盖度的氮浓度临界模型还包括最大氮浓度极限曲线Nmax和最小氮浓度极限曲线Nmin：
Nmax＝2.047CC-0.437，
Nmin＝0.926CC-0.491，
氮素限制处理下的数据点均接近或低于Nc曲线，而非氮素限制处理下的数据点均接近或高于Nc曲线。
5.根据权利要求1所述的玉米水肥一体灌溉方法，其特征在于：所述玉米需水模型的建立步骤为：结合玉米生长大数据挖掘，对历史实验数据、文献数据、统计数据以及调访农民经验数据进行入库分析，进行拟合、推理、反演得到“健康作物”的全周期“生长曲线”，建立玉米生长模型，所述玉米生长模型体现玉米生长周期需要的水肥(氮)的量，以此玉米生长模型为样本建立玉米需水模型。
6.根据权利要求1所述的玉米水肥一体灌溉方法，其特征在于：根据地区历史实验数据、地区文献数据、地区统计数据以及调访的地区专家农民经验数据进行回归分析，得到健康理想状态下的当地玉米全周期需水曲线，根据当地玉米全周期需水曲线建立玉米需水模型。
7.根据权利要求1所述的玉米水肥一体灌溉方法，其特征在于：利用无人机拍摄玉米冠层动态图像，利用无人机搭载的红外波和短波红外监测设备获得土壤陆表水分指数构成土壤水分空间分布；
无人机的摄像头垂直向下，红外波和短波红外监测设备垂直向下；摄像头采用多光谱相机，分别是蓝绿红三个波段，中心波长分别为蓝(B)450nm±16nm；绿(G)：560nm±16nm；红(R)：650nm±16nm。
8.根据权利要求1所述的玉米水肥一体灌溉方法，其特征在于：在玉米生育期内间隔10～15天采集玉米长势监测彩色照片和土壤水分空间分布。
9.根据权利要求1所述的玉米水肥一体灌溉方法，其特征在于：以彩色照片为基础，计算冠层覆盖度的步骤为：
1)获取RGB颜色空间下的R、G、B颜色分量；
2)将RGB颜色空间转换为HIS颜色空间,并提取H及S颜色分量；使用K均值聚类算法分别对H及S颜色分量进行聚类分析，聚类数为3，，获取2类颜色分量的二值图像，对二值图进行去噪和形态学开运算，断开细小黏连，去除毛刺使图像更为平滑；对去噪及形态学运算后的H和S颜色分量二值图进行相应的数学运算，获取目标图像。
10.根据权利要求1所述的玉米水肥一体灌溉方法，其特征在于：所述水肥一体系统包括肥料仓、称重传感器、吸肥电磁阀、吸肥器、灌溉区阀门、混合桶、浮球液位传感器、EC值检测器、pH值检测器、水泵管道系统以及控制系统；控制系统通过收集农田、环境、灌溉以及历史农业大数据进行综合分析，完成灌溉、施肥量和时间的精确控制，以及系统的只能启停等指令；肥料仓为多个，称重传感器、吸肥电磁阀、吸肥器与肥料仓一一对应；
肥料仓内装有不同成分的肥料母液，称重传感器为不同成分的肥料母液称重，之后控制系统开启吸肥电磁阀通过吸肥器将不同的肥料母液吸入到混合桶中，混合桶中通过浮球液位传感器控制清水量，控制肥料的精确配比；混合桶中的肥料液体通过水泵后分为两路，一路经灌溉区阀门连接至灌溉区水路，另一路经EC值检测器、pH值检测器监测后回到混合桶中；当肥料的EC值和pH值在要求范围内，打开灌溉区阀门向灌溉区水路送肥料液体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311125579.XA CN117063686A (zh) | 2023-09-01 | 2023-09-01 | 玉米水肥一体灌溉方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311125579.XA CN117063686A (zh) | 2023-09-01 | 2023-09-01 | 玉米水肥一体灌溉方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117063686A true CN117063686A (zh) | 2023-11-17 |
Family
ID=88702232
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311125579.XA Pending CN117063686A (zh) | 2023-09-01 | 2023-09-01 | 玉米水肥一体灌溉方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117063686A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102109471A (zh) * | 2010-11-30 | 2011-06-29 | 浙江大学 | 农作物冠层覆盖度与土壤面源污染物输出强度关系的定量评估方法 |
| CN107135916A (zh) * | 2017-05-12 | 2017-09-08 | 刘萍萍 | 一种远程精准灌溉施肥系统 |
| CN109757175A (zh) * | 2019-03-18 | 2019-05-17 | 中国农业科学院农业资源与农业区划研究所 | 一种基于无人机监测的玉米水肥一体化变量施肥方法 |
| US10386296B1 (en) * | 2017-12-06 | 2019-08-20 | Arable Labs, Inc. | Systems and methods for determination and application of nitrogen fertilizer using crop canopy measurements |
| CN110352832A (zh) * | 2019-05-14 | 2019-10-22 | 青岛农业大学 | 基于Spark的MLR模型红富士苹果树精准灌溉方法 |
| CN110411524A (zh) * | 2019-07-31 | 2019-11-05 | 农业农村部南京农业机械化研究所 | Pwm方式吸肥管道流量检测系统及控制方法 |
| CN209628093U (zh) * | 2019-02-19 | 2019-11-15 | 山东省计算中心（国家超级计算济南中心） | 一种适用于农业温室蔬菜水果种植的水肥系统 |
| CN209643352U (zh) * | 2019-02-18 | 2019-11-19 | 芭芭拉（厦门）农业科技有限公司 | 一种具有自检功能的水肥灌溉系统 |
| CN111418323A (zh) * | 2020-05-12 | 2020-07-17 | 中国科学院南京土壤研究所 | 一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法 |
| CN111557158A (zh) * | 2020-05-29 | 2020-08-21 | 珠江水利委员会珠江水利科学研究院 | 智能灌溉控制方法及系统 |
| CN116665073A (zh) * | 2023-06-26 | 2023-08-29 | 中国科学院东北地理与农业生态研究所 | 一种基于多源数据的玉米产量遥感估测方法 |
-
2023
- 2023-09-01 CN CN202311125579.XA patent/CN117063686A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102109471A (zh) * | 2010-11-30 | 2011-06-29 | 浙江大学 | 农作物冠层覆盖度与土壤面源污染物输出强度关系的定量评估方法 |
| CN107135916A (zh) * | 2017-05-12 | 2017-09-08 | 刘萍萍 | 一种远程精准灌溉施肥系统 |
| US10386296B1 (en) * | 2017-12-06 | 2019-08-20 | Arable Labs, Inc. | Systems and methods for determination and application of nitrogen fertilizer using crop canopy measurements |
| CN209643352U (zh) * | 2019-02-18 | 2019-11-19 | 芭芭拉（厦门）农业科技有限公司 | 一种具有自检功能的水肥灌溉系统 |
| CN209628093U (zh) * | 2019-02-19 | 2019-11-15 | 山东省计算中心（国家超级计算济南中心） | 一种适用于农业温室蔬菜水果种植的水肥系统 |
| CN109757175A (zh) * | 2019-03-18 | 2019-05-17 | 中国农业科学院农业资源与农业区划研究所 | 一种基于无人机监测的玉米水肥一体化变量施肥方法 |
| CN110352832A (zh) * | 2019-05-14 | 2019-10-22 | 青岛农业大学 | 基于Spark的MLR模型红富士苹果树精准灌溉方法 |
| CN110411524A (zh) * | 2019-07-31 | 2019-11-05 | 农业农村部南京农业机械化研究所 | Pwm方式吸肥管道流量检测系统及控制方法 |
| CN111418323A (zh) * | 2020-05-12 | 2020-07-17 | 中国科学院南京土壤研究所 | 一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法 |
| CN111557158A (zh) * | 2020-05-29 | 2020-08-21 | 珠江水利委员会珠江水利科学研究院 | 智能灌溉控制方法及系统 |
| CN116665073A (zh) * | 2023-06-26 | 2023-08-29 | 中国科学院东北地理与农业生态研究所 | 一种基于多源数据的玉米产量遥感估测方法 |
Non-Patent Citations (9)
| Title |
|---|
| 付江鹏 等: "基于冠层覆盖度的玉米植株临界氮浓度模型构建与产量预测", 植物营养与肥料学报, 31 October 2021 (2021-10-31), pages 1703 - 1713 * |
| 张万红 等: "覆膜玉米冠层图像分割方法", 浙江大学学报(农业与生命科学版), 31 October 2017 (2017-10-31), pages 649 - 656 * |
| 张阳: "基于LAI的吉林春玉米作物模型与遥感的同化及灌溉模拟", 农业科技辑, 15 January 2019 (2019-01-15), pages 8 * |
| 林文鹏 等: "基于光谱特征分析的主要秋季作物类型提取研究", 农业工程学报, 30 September 2006 (2006-09-30), pages 128 - 132 * |
| 蔡亮红;丁建丽;: "基于改进植被指数土壤水分遥感反演", 干旱区地理, no. 06, 15 November 2017 (2017-11-15) * |
| 邵振峰: "遥感图像解译", 31 May 2022, 武汉大学出版社, pages: 159 * |
| 郭金路;尹光华;谷健;刘作新;: "基于CROPWAT模型的阜新地区春玉米灌溉制度的确定", 生态学杂志, no. 12, 31 October 2016 (2016-10-31) * |
| 陶志强;SHAMIM ARA BAGUM;马玮;周宝元;付金东;崔日鲜;孙雪芳;赵明;: "运用光谱参数冠层覆盖度建立作物长势及氮营养状态模型", 光谱学与光谱分析, no. 01, 15 January 2016 (2016-01-15) * |
| 龚涛: "摄影测量学", 30 April 2014, 西南交通大学出版社, pages: 13 - 14 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110692338A (zh) | 水肥一体化灌溉系统控制方法及水肥一体化灌溉系统 | |
| CN111488017A (zh) | 基于物联网的智慧农业管理控制系统 | |
| CN109673480A (zh) | 一种智能水肥一体化喷灌系统及控制方法 | |
| CN101731072A (zh) | 富硒花生的生产方法 | |
| CN111639904A (zh) | 基于物联网的果蔬种植管理系统 | |
| CN111713317A (zh) | 一种基于大数据的农作物监测系统及监测方法 | |
| Haneklaus et al. | History of sulfur deficiency in crops | |
| Fessehazion et al. | Improving nitrogen and irrigation water use efficiency through adaptive management: A case study using annual ryegrass | |
| CN114723113A (zh) | 一种农业自动化生产管理系统 | |
| CN114501986A (zh) | 用于谷类作物授粉时间的方法和系统 | |
| CN108985664A (zh) | 一种智能农场现场监测管理系统及方法 | |
| CN113642729A (zh) | 基于机器学习的智能沼液施用方法、系统及存储介质 | |
| 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 | |
| AU2021105979A4 (en) | A method for greenhouse cultivation of stropharia rugosoannulata farl. ex murrill | |
| Sun et al. | Using UAV-based multispectral remote sensing imagery combined with DRIS method to diagnose leaf nitrogen nutrition status in a fertigated apple orchard | |
| CN111176238B (zh) | Aipa智慧决策型精准农业系统 | |
| CN117063686A (zh) | 玉米水肥一体灌溉方法 | |
| CN112950399A (zh) | 一种山兰米种植无公害防治系统及方法 | |
| Barsotti et al. | Assessing the freshwater fluxes related to beef cattle production: A comparison of integrated crop-livestock systems and a conventional grazing system | |
| CN114821253B (zh) | 一种喷滴灌水肥一体化系统的适用性调控方法及系统 | |
| Godoy et al. | The economics of monocropping and intercropping by smallholders: the case of coconuts in Indonesia | |
| CN109694268A (zh) | 一种以沙、煤渣为基质栽培西红柿的营养套餐及其应用 | |
| CN114862338A (zh) | 一种大数据农林智慧监测系统 | |
| CN115471354A (zh) | 一种植物的自动化种植系统及方法 | |
| Hasanov et al. | THE IMPORTANCE OF A SMART IRRIGATION INTRODUCTION SYSTEM BASED ON DIGITAL TECHNOLOGIES IN AGRICULTURE |
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 |