CN117437080B - 一种农田土壤水肥营养补给系统及方法 - Google Patents

一种农田土壤水肥营养补给系统及方法 Download PDF

Info

Publication number
CN117437080B
CN117437080B CN202311753463.0A CN202311753463A CN117437080B CN 117437080 B CN117437080 B CN 117437080B CN 202311753463 A CN202311753463 A CN 202311753463A CN 117437080 B CN117437080 B CN 117437080B
Authority
CN
China
Prior art keywords
water
fertilizer
period
growth
plant
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
Application number
CN202311753463.0A
Other languages
English (en)
Other versions
CN117437080A (zh
Inventor
徐宝刚
梁斌
徐连法
何世朋
胡常富
栾群
冯培军
李红建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Huijinhai Intelligent Agricultural Research Institute Co ltd
Zhihe Shangnong Shandong Agricultural Technology Service Co ltd
Weifang Huijinhai Internet Of Things Technology Co ltd
Qingdao Agricultural University
Original Assignee
Shandong Huijinhai Intelligent Agricultural Research Institute Co ltd
Zhihe Shangnong Shandong Agricultural Technology Service Co ltd
Weifang Huijinhai Internet Of Things Technology Co ltd
Qingdao Agricultural University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Huijinhai Intelligent Agricultural Research Institute Co ltd, Zhihe Shangnong Shandong Agricultural Technology Service Co ltd, Weifang Huijinhai Internet Of Things Technology Co ltd, Qingdao Agricultural University filed Critical Shandong Huijinhai Intelligent Agricultural Research Institute Co ltd
Priority to CN202311753463.0A priority Critical patent/CN117437080B/zh
Publication of CN117437080A publication Critical patent/CN117437080A/zh
Application granted granted Critical
Publication of CN117437080B publication Critical patent/CN117437080B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C21/00—Methods of fertilising, sowing or planting
    • A01C21/007—Determining fertilization requirements
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C21/00—Methods of fertilising, sowing or planting
    • A01C21/005—Following a specific plan, e.g. pattern
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C23/00—Distributing devices specially adapted for liquid manure or other fertilising liquid, including ammonia, e.g. transport tanks or sprinkling wagons
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C23/00—Distributing devices specially adapted for liquid manure or other fertilising liquid, including ammonia, e.g. transport tanks or sprinkling wagons
    • A01C23/007—Metering or regulating systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Soil Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Environmental Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Analysis (AREA)
  • Water Supply & Treatment (AREA)
  • Computational Mathematics (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Evolutionary Biology (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Animal Husbandry (AREA)
  • Algebra (AREA)
  • Agronomy & Crop Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Fertilizing (AREA)

Abstract

本发明公开了一种农田土壤水肥营养补给系统及方法，获取植物在生长时间内连续两个周期内的长势差值和水肥损耗量，将长势差值与水肥损耗量进行比值得到损耗比；获取当前周期内的生长高度值，将当前周期内的生长高度值与监测初始周期生长高度值进行差值计算得到长势当前差，将长势当前差与损耗比进行比值计算得到水肥预估损耗量；获取土壤需要水肥补给的水肥分界值，将水肥分界值与监测初始周期水肥值进行差值计算得到水肥预留耗损量；将水肥预估损耗量与水肥预估损耗量处理得到水肥补给信号，对水肥预估损耗量大于等于水肥预留耗损量时间节点的周期进行获取，对补给周期内的每天水肥损耗量进行监测，确定水肥损耗趋势，对水肥补给方向进行调控。

Description

一种农田土壤水肥营养补给系统及方法
技术领域
本发明涉及水肥补给技术领域，具体涉及一种农田土壤水肥营养补给系统及方法。
背景技术
随着网络技术、信息技术的飞速发展，赋予了农业信息化建设丰富的内涵，形成以物联网为基础对作物生长的最佳条件进行精准调控，达到增产、改善品质、调节生长周期、节水节肥、减少环境污染、提高经济效益的目的。
水稻的种植过程包括育苗、插秧、施肥、除草、防虫治病等多个环节，在水稻生长过程中，需要保持适宜的水肥营养补给；
尤其在水稻分蘖期，水稻的生长速度快，对于农田土壤水肥的需求和要求极高，若土壤水肥含量不够不能得到有效补充，则导致水稻生长受限，若土壤水肥含量过多，则可能导致烧苗，造成减产，因此，在水稻分蘖期对于农田土壤水肥营养补给时间点的把控则尤为重要。
基于此，本发明提供了一种农田土壤水肥营养补给系统及方法，实现对农田土壤水肥营养补给时间点实时监测和控制，保证水稻的科学合理生长。
发明内容
本发明的目的在于提供一种农田土壤水肥营养补给系统及方法，对补给周期内每天的土壤水肥含量进行监测，在补给周期内按时间顺序将相邻天内的土壤水肥含量进行差值计算，即得到补给周期内每天的水肥损耗量，通过对补给周期内每天的水肥损耗量的走势进行识别，从而对植物后续生长过程中水肥需求量进行评估，从而便于管控人员对水肥补给量进行调控，实用性强，避免水肥补充过多或不足的现象。
本发明所解决的技术问题为：
本发明的目的可以通过以下技术方案实现：
一种农田土壤水肥营养补给方法，包括以下步骤:
步骤一：获取植物在生长时间内连续两个周期内的长势差值和水肥损耗量，将长势差值与水肥损耗量进行比值得到损耗比；
步骤二：获取当前周期内的生长高度值，将当前周期内的生长高度值与监测初始周期生长高度值进行差值计算，得到长势当前差，将长势当前差与损耗比进行比值计算得到水肥预估损耗量；
步骤三：获取土壤需要水肥补给的水肥分界值，将水肥分界值与监测初始周期水肥值进行差值计算，得到水肥预留耗损量；
步骤四：将水肥预估损耗量与水肥预估损耗量进行比较；
若水肥预估损耗量≥水肥预留耗损量，则表示当前土壤缺少水肥，得到水肥补给信号；
若水肥预估损耗量＜水肥预留耗损量，则表示当前土壤不缺少水肥，得到水肥正常信号；
步骤五：基于水肥补给信号，对水肥预估损耗量大于等于水肥预留耗损量时间节点的周期进行获取，将该周期记为补给周期，对补给周期内的每天水肥损耗量进行监测，确定水肥损耗趋势，对水肥补给方向进行调控。
作为本发明进一步的方案：步骤一中，长势差值的获取过程为：
将整个植物生长时间分为若干个等时长且连续的时间段，将每个时间段分别记为一个独立周期；
获取植物在两个相邻独立周期内的生长高度值，将两个相邻独立周期内的生长高度值进行差值计算即得到植物在生长时间内连续两个周期的长势差值。
作为本发明进一步的方案：所述生长高度值为植物在周期结束后高度与植物在该周期开始前高度的差值。
作为本发明进一步的方案：步骤一中，水肥损耗量的获取过程为：
将整个植物生长时间分为若干个等时长且连续的时间段，将每个时间段分别记为一个独立周期；
获取植物在两个相邻独立周期内的土壤水肥含量，将两个相邻独立周期内的土壤水肥含量进行差值计算即得到植物在生长时间内连续两个周期的水肥损耗量。
作为本发明进一步的方案：将植物在生长时间内连续两个周期的长势差值标记为ZSC；
将植物在生长时间内连续两个周期的水肥损耗量标记为SFH;
通过公式计算得到植物在生长时间内的损耗比SHB，其中， 为植物生长系数。
作为本发明进一步的方案：植物生长系数Fi的获取过程包括：
对植物在生长时间内连续两个周期的温度求和取均值得到周期温度，并标记为Zw；
对植物在生长时间内连续两个周期的光照强度求和取均值得到周期光照强度，并标记为Ze；
对植物在生长时间内连续两个周期的湿度求和取均值得到周期湿度，并标记为Zs；
对植物在生长时间内连续两个周期的土壤含水量求和取均值得到周期土壤含水量，并标记为Zt；
对周期温度Zw、周期光照强度Ze、周期湿度Zs和周期土壤含水量Zt进行量化处理，提取周期温度Zw、周期光照强度Ze、周期湿度Zs和周期土壤含水量Zt的数值，并将其代入公式中计算；
即通过公式 计算得到植物生长系数Fi，其中zw为植物生长周期内最佳温度，为植物生长周期内最佳光 照强度，zs为植物生长周期内最佳湿度，zt为植物生长周期内最佳土壤含水量。
作为本发明进一步的方案：步骤二中，将当前时间所对应的周期记为当前周期，获取当前周期内植物的实际生长高度；
将当前周期内的当前生长高度值与监测初始周期内的初始生长高度值作差值，得到长势当前差。
作为本发明进一步的方案：步骤三中，水肥分界值为农田土壤水肥营养需要补给时土壤水肥含量临界值。
作为本发明进一步的方案：步骤五中，对补给周期内每天的土壤水肥含量进行监测，将补给周期内每天的土壤水肥含量；
在补给周期内按时间顺序将相邻天内的土壤水肥含量进行差值计算，即得到补给周期内每天的水肥损耗量；
构建X-Y二维平面坐标系，对补给周期内每天的水肥损耗量进行处理得到补给周期水肥趋势图；
基于补给周期水肥趋势图得到农田土壤水肥损耗趋势，基于水肥损耗趋势对水肥补给方向进行调控。
一种农田土壤水肥营养补给系统,包括：
损耗评估模块，所述损耗评估模块用于获取植物在生长时间内连续两个周期内的长势差值和水肥损耗量，将长势差值与水肥损耗量进行比值得到损耗比，并将损耗比传送至云管控平台；
水肥评估模块，所述水肥评估模块用于获取当前周期内的生长高度值，将当前周期内的生长高度值与监测初始周期生长高度值进行差值计算，得到长势当前差，将长势当前差与损耗比进行比值计算得到水肥预估损耗量，并将水肥预估损耗量传送至云管控平台；
水肥补给分析模块，所述水肥补给分析模块接收云管控平台传送的损耗比和水肥预估损耗量，获取土壤需要水肥补给的水肥分界值，将水肥分界值与监测初始周期水肥值进行差值计算，得到水肥预留耗损量；
将水肥预估损耗量与水肥预估损耗量进行比较；
若水肥预估损耗量≥水肥预留耗损量，则表示当前土壤缺少水肥，得到水肥补给信号；
若水肥预估损耗量＜水肥预留耗损量，则表示当前土壤不缺少水肥，得到水肥正常信号；
并将水肥补给信号和水肥正常信号发送至云管控平台；
决策调控模块，所述决策调控模块接收云管控平台传送的水肥补给信号，基于水肥补给信号，对水肥预估损耗量大于等于水肥预留耗损量时间节点的周期进行获取，将该周期记为补给周期，对补给周期内的每天水肥损耗量进行监测，确定水肥损耗趋势，对水肥补给方向进行调控。
本发明的有益效果：
本发明对植物生长时间内连续两个周期内的长势差值和水肥损耗量进行获取，通过对长势差值与水肥损耗量进行处理得到损耗比，在损耗比的获取过程中，将植物在生长周期内的温度、光照强度、湿度和土壤含水量进行处理作为植物生长系数，使植物在周期内的损耗比更加精准，数据可靠性更强，在水肥预估损耗量的获取过程中，将植物的生长高度作为测量值，该测量值通过人工实地测量或通过遥感技术监测得到，使该测量值更加精准，从而使得到的长势当前差更加精准，而进一步的，将植物生长高度作为测量值相较于测量土壤水肥含量成本更低，可操作性更强。
本发明通过长势当前差与损耗比进行比值计算得到水肥预估损耗量，由于农田土壤中水肥含量对植物高度影响因素较大，即将植物生长高度作为确定水肥预估损耗量的处理方式，使得到的水肥预估损耗量更加精准，将水肥预估损耗量与水肥预留耗损量进行比较，从而能够快速对农田土壤是否需要水肥补给进行识别。
本发明对补给周期内每天的土壤水肥含量进行监测，在补给周期内按时间顺序将相邻天内的土壤水肥含量进行差值计算，即得到补给周期内每天的水肥损耗量，通过对补给周期内每天的水肥损耗量的走势进行识别，从而对植物后续生长过程中水肥需求量进行评估，从而便于管控人员对水肥补给量进行调控，实用性强，避免水肥补充过多或不足的现象。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明实施例中一种农田土壤水肥营养补给方法的流程图；
图2是本发明实施例中获取长势当前差的流程图；
图3是本发明实施例中农田土壤水肥营养系统的框图。
具体实施方式
下面将结合本发明实施例中的附图，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它实施例，都属于本发明保护的范围。
实施例1
请参阅图1-图2所示，本发明为一种农田土壤水肥营养补给方法，包括以下步骤：
步骤一：获取植物在生长时间内连续两个周期内的长势差值和水肥损耗量，将长势差值与水肥损耗量进行比值得到损耗比；
步骤二：获取当前周期内的生长高度值，将当前周期内的生长高度值与监测初始周期生长高度值进行差值计算，得到长势当前差，将长势当前差与损耗比进行比值计算得到水肥预估损耗量；
步骤三：获取土壤需要水肥补给的水肥分界值，将水肥分界值与监测初始周期水肥值进行差值计算，得到水肥预留耗损量；
步骤四：将水肥预估损耗量与水肥预估损耗量进行比较；
若水肥预估损耗量≥水肥预留耗损量，则表示当前土壤缺少水肥，得到水肥补给信号；
若水肥预估损耗量＜水肥预留耗损量，则表示当前土壤不缺少水肥，得到水肥正常信号；
步骤五：基于水肥补给信号，对水肥预估损耗量大于等于水肥预留耗损量时间节点的周期进行获取，将该周期记为补给周期，对补给周期内的每天水肥损耗量进行监测，确定水肥损耗趋势，对水肥补给方向进行调控。
步骤一中，植物在生长时间内连续两个周期的选定原则为：
将整个植物生长时间分为若干个等时长且连续的时间段，将每个时间段分别记为一个独立周期；
将第一时间段记为第一周期；
将第二时间段记为第二周期；
步骤一中，长势差值的获取过程包括：
获取植物在周期内的生长高度值，生长高度值为植物在周期结束后高度与植物在该周期开始前高度的差值；
具体的，植物在周期结束后高度与植物在该周期开始前高度的差值获取过程为：将农田划分为m个植物生长区域，抽取n个植物生长区域，n＜m，分别对每个植物生长区域内植物高度在周期开始前进行第一次测量（平均高度），在该周期结束后对植物生长区域内植物高度进行第二次测量（平均高度），将第二次测量结果与第一次测量结果作差值即计算得到该植物在植物生长区域内周期的高度差，对抽取的多个植物生长区域的高度差求和取均值，即得到该周期内生长高度值；
按照上述方式分别获得第一周期内植物的生长高度值和第二周期内植物的生长高度值；
将第二周期内植物的生长高度值与第一周期内植物的生长高度值作差值，即得到植物在生长时间内连续两个周期的长势差值；
其中，植物生长区域内植物高度能够通过遥感卫星技术监测得到，也能够通过人工测量得到。
步骤一中，水肥损耗量的获取过程包括：
对植物生长区域在第一周期的周期开始前和周期结束后的土壤进行取样，完成对土壤水肥含量进行检测，将第一周期在周期开始前的土壤水肥含量标记为第一初始土壤水肥含量，将第一周期在周期结束后的土壤水肥含量标记为第一结束土壤水肥含量，将第一初始土壤水肥含量与第一结束土壤水肥含量进行差值计算得到第一土壤水肥含量；
植物生长区域在第二周期的周期开始前和周期结束后的土壤进行取样，完成对土壤水肥含量进行检测，将第二周期在周期开始前的土壤水肥含量标记为第二初始土壤水肥含量，将第二周期在周期结束后的土壤水肥含量标记为第二结束土壤水肥含量，将第二初始土壤水肥含量与第二结束土壤水肥含量进行差值计算得到第二土壤水肥含量；
将第一土壤水肥含量与第二土壤水肥含量作差值计算并取绝对值，即得到植物在生长时间内连续两个周期的水肥损耗量；
其中，土壤水肥含量是通过EC值检测法测量得到或通过氮、磷、钾含量检测法检测土壤中氮、磷、钾含量得到；
步骤一中，损耗比的获取过程包括：
将植物在生长时间内连续两个周期的长势差值标记为ZSC；
将植物在生长时间内连续两个周期的水肥损耗量标记为SFH;
通过公式计算得到植物在生长时间内的损耗比SHB，其中， 为植物生长系数；
植物生长系数Fi的获取过程包括：
获取第一周期内平均温度和第二周期内平均温度，将第一周期内平均温度与第二周期内平均温度求和取均值得到周期温度，并标记为Zw；
获取第一周期内平均光照强度和第二周期内光照强度，将第一周期内光照强度与第二周期内光照强度求和取均值得到周期光照强度，并标记为Ze；
获取第一周期内平均湿度和第二周期内平均湿度，将第一周期内平均湿度与第二周期内平均湿度求和取均值得到周期湿度，并标记为Zs；
获取第一周期内土壤平均含水量和第二周期内土壤平均含水量，将第一周期内土壤平均含水量与第二周期内土壤平均含水量求和取均值得到周期土壤含水量，并标记为Zt；
对周期温度Zw、周期光照强度Ze、周期湿度Zs和周期土壤含水量Zt进行量化处理，提取周期温度Zw、周期光照强度Ze、周期湿度Zs和周期土壤含水量Zt的数值，并将其代入公式中计算；
即通过公式 计算得到植物生长系数Fi，其中zw为植物生长周期内最佳温度，为植物生长周期内最佳光 照强度，zs为植物生长周期内最佳湿度，zt为植物生长周期内最佳土壤含水量。
在一个具体的实施例，植物以水稻分蘖期为例；
在水稻分蘖期的最佳温度区间为25-30℃，本实施例中，zw取27.5℃；
在水稻分蘖期的最佳光照强度区间为30000-50000Lux，本实施例中，取40000Lux；
在水稻分蘖期的最佳湿度区间为65%-75%，本实施例中，zs取70%；
在水稻分蘖期的最佳土壤含水量区间为70%-90%，本实施例中，zt取80%。
步骤二中，长势当前差的获取过程包括：
在植物的生长时间内取任一周期记为监测初始周期(可以为上述记载的第二周期)，并获得监测初始周期结束后植物的实际生长高度；
将监测初始周期内植物实际生长高度记为初始生长高度值；
将当前时间所对应的周期记为当前周期，获取当前周期内植物的实际生长高度；
将当前周期内植物的实际生长高度记为当前生长高度值；
将当前周期内的当前生长高度值与监测初始周期内的初始生长高度值作差值，得到长势当前差；
在一个具体的实施例中，将长势当前差标记为ZSD；
通过公式计算得到水肥预估损耗量SFy。
步骤三中，水肥分界值为农田土壤水肥营养需要补给时土壤水肥含量临界值，即：
农田土壤中的土壤水肥含量低于水肥分界值时，需要对农田进行水肥补给；
农田土壤中的土壤水肥含量高于水肥分界值时，不需要对农田进行水肥补给；
监测初始周期水肥值为监测初始周期结束时农田的水肥值,标记为SFc
具体的，将农田土壤水肥营养需要补给时的水肥分界值标记为SFj，通过公式计算得到水肥预留耗损量SFs。
步骤四中，得到水肥补给信号时，将水肥补给信号发送至农田土壤水肥营养补给管控平台，管控平台将水肥补给信号发送至管理人员手机终端，通过管理人员控制农田土壤水肥营养补给系统向农田进行水肥补给。
步骤五中，对补给周期内每天的土壤水肥含量进行监测，将补给周期内每天的土壤水肥含量记为SFi，i=1，2，……，i；其中i为补给周期内所监测的天数；
在补给周期内按时间顺序将相邻天内的土壤水肥含量进行差值计算，即得到补给周期内每天的水肥损耗量；
具体的：
将补给周期内的第一天土壤水肥含量与补给周期内的第二天土壤水肥含量差值计算，即得到补给周期内第一天水肥损耗量；
将补给周期内的第二天土壤水肥含量与补给周期内的第三天土壤水肥含量差值计算，即得到补给周期内第二天水肥损耗量；
依此类推，得到补给周期内的每天水肥损耗量；
建立X-Y二维平面坐标系，将补给周期的天数作为X轴，将补给周期内每天的水肥损耗量作为Y轴；
对补给周期的每天按照时间顺序作为X值在X轴上进行设置，再将每天所对应的水肥损耗量作为Y值在坐标系内进行描点，再将坐标系内的点按时间顺序进行平滑连线，得到补给周期水肥损耗趋势图；
对补给周期水肥趋势图进行识别，具体包括：
若补给周期水肥趋势图整体为倾斜向上的线型时，则表示在补给周期内植物每天所消耗的土壤水肥含量大，农田土壤对水肥的需求量大，则在农田土壤水肥营养补给过程中，加大水肥含量的补给；
若补给周期水肥趋势图整体为倾斜向下的线型时，则表示在补给周期内植物每天所消耗的土壤水肥含量小，农田土壤对水肥的需求量小，则在农田土壤水肥营养补给过程中，降低水肥含量的补给；
若补给周期水肥趋势图整体为波动的线型时，则表示在补给周期内植物每天所消耗的土壤水肥含量处于动态恒指状态，将补给周期内水肥损耗量最大的一天和水肥损耗量最小的一天去除，对补给周期内剩余天内的水肥损耗量求和取均值，得到农田土壤水肥营养补给过程中的水肥补给量，以该水肥补给量进行补给。
实施例2
请参阅图3所示，本发明为一种农田土壤水肥营养补给系统，包括：
损耗评估模块、水肥评估模块、水肥补给分析模块、决策调控模块和云管控平台；
损耗评估模块、水肥评估模块、水肥补给分析模块和决策调控模块与云管控平台电性连接；
损耗评估模块用于获取植物在生长时间内连续两个周期内的长势差值和水肥损耗量，将长势差值与水肥损耗量进行比值得到损耗比，并将损耗比传送至云管控平台；
水肥评估模块用于获取当前周期内的生长高度值，将当前周期内的生长高度值与监测初始周期生长高度值进行差值计算，得到长势当前差，将长势当前差与损耗比进行比值计算得到水肥预估损耗量，并将水肥预估损耗量传送至云管控平台；
水肥补给分析模块接收云管控平台传送的损耗比和水肥预估损耗量，获取土壤需要水肥补给的水肥分界值，将水肥分界值与监测初始周期水肥值进行差值计算，得到水肥预留耗损量；
将水肥预估损耗量与水肥预估损耗量进行比较；
若水肥预估损耗量≥水肥预留耗损量，则表示当前土壤缺少水肥，得到水肥补给信号；
若水肥预估损耗量＜水肥预留耗损量，则表示当前土壤不缺少水肥，得到水肥正常信号；
并将水肥补给信号和水肥正常信号发送至云管控平台；
决策调控模块接收云管控平台传送的水肥补给信号，基于水肥补给信号，对水肥预估损耗量大于等于水肥预留耗损量时间节点的周期进行获取，将该周期记为补给周期，对补给周期内的每天水肥损耗量进行监测，确定水肥损耗趋势，对水肥补给方向进行调控。
上述实施例中，周期的天数包括但不限于3天、5天或7天。
本发明的核心点之一：在于对植物生长时间内连续两个周期内的长势差值和水肥损耗量进行获取，通过对长势差值与水肥损耗量进行处理得到损耗比，在损耗比的获取过程中，将植物在生长周期内的温度、光照强度、湿度和土壤含水量进行处理作为植物生长系数，使植物在周期内的损耗比更加精准，数据可靠性更强；
本发明的核心点之一：在于水肥预估损耗量的获取过程中，将植物的生长高度作为测量值，该测量值通过人工实地测量或通过遥感技术监测得到，使该测量值更加精准，从而使得到的长势当前差更加精准，而进一步的，将植物生长高度作为测量值相较于测量土壤水肥含量成本更低，可操作性更强；
本发明的核心点之一：在于通过长势当前差与损耗比进行比值计算得到水肥预估损耗量，由于农田土壤中水肥含量对植物高度影响因素较大，即将植物生长高度作为确定水肥预估损耗量的处理方式，使得到的水肥预估损耗量更加精准，将水肥预估损耗量与水肥预留耗损量进行比较，从而能够快速对农田土壤是否需要水肥补给进行识别；
本发明的核心点之一：在于对补给周期内每天的土壤水肥含量进行监测，在补给周期内按时间顺序将相邻天内的土壤水肥含量进行差值计算，即得到补给周期内每天的水肥损耗量，通过对补给周期内每天的水肥损耗量的走势进行识别，从而对植物后续生长过程中水肥需求量进行评估，从而便于管控人员对水肥补给量进行调控，实用性强，避免水肥补充过多或不足的现象。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (5)

1.一种农田土壤水肥营养补给方法，其特征在于，包括以下步骤:
步骤一：获取植物在生长时间内连续两个周期内的长势差值和水肥损耗量，将长势差值与水肥损耗量进行比值得到损耗比；
长势差值的获取过程为：
将整个植物生长时间分为若干个等时长且连续的时间段，将每个时间段分别记为一个独立周期；
获取植物在两个相邻独立周期内的生长高度值，将两个相邻独立周期内的生长高度值进行差值计算即得到植物在生长时间内连续两个周期的长势差值；
水肥损耗量的获取过程为：
将整个植物生长时间分为若干个等时长且连续的时间段，将每个时间段分别记为一个独立周期；
获取植物在两个相邻独立周期内的土壤水肥含量，将两个相邻独立周期内的土壤水肥含量进行差值计算即得到植物在生长时间内连续两个周期的水肥损耗量；
将植物在生长时间内连续两个周期的长势差值标记为ZSC；
将植物在生长时间内连续两个周期的水肥损耗量标记为SFH;
通过公式计算得到植物在生长时间内的损耗比SHB，其中，fi为植物生长系数；
植物生长系数fi的获取过程包括：
对植物在生长时间内连续两个周期的温度求和取均值得到周期温度，并标记为Zw；
对植物在生长时间内连续两个周期的光照强度求和取均值得到周期光照强度，并标记为Ze；
对植物在生长时间内连续两个周期的湿度求和取均值得到周期湿度，并标记为Zs；
对植物在生长时间内连续两个周期的土壤含水量求和取均值得到周期土壤含水量，并标记为Zt；
对周期温度Zw、周期光照强度Ze、周期湿度Zs和周期土壤含水量Zt进行量化处理，提取周期温度Zw、周期光照强度Ze、周期湿度Zs和周期土壤含水量Zt的数值，并将其代入公式中计算；
即通过公式计算得到植物生长系数fi，其中zw为植物生长周期内最佳温度，ze为植物生长周期内最佳光照强度，zs为植物生长周期内最佳湿度，zt为植物生长周期内最佳土壤含水量；
步骤二：获取当前周期内的生长高度值，将当前周期内的生长高度值与监测初始周期生长高度值进行差值计算，得到长势当前差，将长势当前差与损耗比进行比值计算得到水肥预估损耗量；
长势当前差的获取具体过程包括：
在植物的生长时间内取任一周期记为监测初始周期，并获得监测初始周期结束后植物的实际生长高度；
将监测初始周期内植物实际生长高度记为初始生长高度值；
将当前时间所对应的周期记为当前周期，获取当前周期内植物的实际生长高度；
将当前周期内植物的实际生长高度记为当前生长高度值；
将当前周期内的当前生长高度值与监测初始周期内的初始生长高度值作差值，得到长势当前差；
步骤三：获取土壤需要水肥补给的水肥分界值，将水肥分界值与监测初始周期水肥值进行差值计算，得到水肥预留耗损量；
水肥分界值为农田土壤水肥营养需要补给时土壤水肥含量临界值；
步骤四：将水肥预估损耗量与水肥预留耗损量进行比较；
若水肥预估损耗量≥水肥预留耗损量，则表示当前土壤缺少水肥，得到水肥补给信号；
若水肥预估损耗量＜水肥预留耗损量，则表示当前土壤不缺少水肥，得到水肥正常信号；
步骤五：基于水肥补给信号，对水肥预估损耗量大于等于水肥预留耗损量时间节点的周期进行获取，将该周期记为补给周期，对补给周期内的每天水肥损耗量进行监测，确定水肥损耗趋势，对水肥补给方向进行调控。
2.根据权利要求1所述的一种农田土壤水肥营养补给方法,其特征在于，所述生长高度值为植物在周期结束后高度与植物在该周期开始前高度的差值。
3.根据权利要求1所述的一种农田土壤水肥营养补给方法,其特征在于，步骤三中，水肥分界值为农田土壤水肥营养需要补给时土壤水肥含量临界值。
4.根据权利要求1所述的一种农田土壤水肥营养补给方法,其特征在于，步骤五中，对补给周期内每天的土壤水肥含量进行监测，将补给周期内每天的土壤水肥含量；
在补给周期内按时间顺序将相邻天内的土壤水肥含量进行差值计算，即得到补给周期内每天的水肥损耗量；
构建X-Y二维平面坐标系，对补给周期内每天的水肥损耗量进行处理得到补给周期水肥趋势图；
基于补给周期水肥趋势图得到农田土壤水肥损耗趋势，基于水肥损耗趋势对水肥补给方向进行调控。
5.一种农田土壤水肥营养补给系统,其特征在于，包括：
损耗评估模块，所述损耗评估模块用于获取植物在生长时间内连续两个周期内的长势差值和水肥损耗量，将长势差值与水肥损耗量进行比值得到损耗比，并将损耗比传送至云管控平台；
水肥损耗量的获取过程为：
将整个植物生长时间分为若干个等时长且连续的时间段，将每个时间段分别记为一个独立周期；
获取植物在两个相邻独立周期内的土壤水肥含量，将两个相邻独立周期内的土壤水肥含量进行差值计算即得到植物在生长时间内连续两个周期的水肥损耗量；
将植物在生长时间内连续两个周期的长势差值标记为ZSC；
将植物在生长时间内连续两个周期的水肥损耗量标记为SFH;
通过公式计算得到植物在生长时间内的损耗比SHB，其中，fi为植物生长系数；
植物生长系数fi的获取过程包括：
对植物在生长时间内连续两个周期的温度求和取均值得到周期温度，并标记为Zw；
对植物在生长时间内连续两个周期的光照强度求和取均值得到周期光照强度，并标记为Ze；
对植物在生长时间内连续两个周期的湿度求和取均值得到周期湿度，并标记为Zs；
对植物在生长时间内连续两个周期的土壤含水量求和取均值得到周期土壤含水量，并标记为Zt；
对周期温度Zw、周期光照强度Ze、周期湿度Zs和周期土壤含水量Zt进行量化处理，提取周期温度Zw、周期光照强度Ze、周期湿度Zs和周期土壤含水量Zt的数值，并将其代入公式中计算；
即通过公式计算得到植物生长系数fi，其中zw为植物生长周期内最佳温度，ze为植物生长周期内最佳光照强度，zs为植物生长周期内最佳湿度，zt为植物生长周期内最佳土壤含水量；
水肥评估模块，所述水肥评估模块用于获取当前周期内的生长高度值，将当前周期内的生长高度值与监测初始周期生长高度值进行差值计算，得到长势当前差，将长势当前差与损耗比进行比值计算得到水肥预估损耗量，并将水肥预估损耗量传送至云管控平台；
长势当前差的获取具体过程包括：
在植物的生长时间内取任一周期记为监测初始周期，并获得监测初始周期结束后植物的实际生长高度；
将监测初始周期内植物实际生长高度记为初始生长高度值；
将当前时间所对应的周期记为当前周期，获取当前周期内植物的实际生长高度；
将当前周期内植物的实际生长高度记为当前生长高度值；
将当前周期内的当前生长高度值与监测初始周期内的初始生长高度值作差值，得到长势当前差；
水肥补给分析模块，所述水肥补给分析模块接收云管控平台传送的损耗比和水肥预估损耗量，获取土壤需要水肥补给的水肥分界值，将水肥分界值与监测初始周期水肥值进行差值计算，得到水肥预留耗损量；
水肥分界值为农田土壤水肥营养需要补给时土壤水肥含量临界值；
将水肥预估损耗量与水肥预留耗损量进行比较；
若水肥预估损耗量≥水肥预留耗损量，则表示当前土壤缺少水肥，得到水肥补给信号；
若水肥预估损耗量＜水肥预留耗损量，则表示当前土壤不缺少水肥，得到水肥正常信号；
并将水肥补给信号和水肥正常信号发送至云管控平台；
决策调控模块，所述决策调控模块接收云管控平台传送的水肥补给信号，基于水肥补给信号，对水肥预估损耗量大于等于水肥预留耗损量时间节点的周期进行获取，将该周期记为补给周期，对补给周期内的每天水肥损耗量进行监测，确定水肥损耗趋势，对水肥补给方向进行调控。
CN202311753463.0A 2023-12-20 2023-12-20 一种农田土壤水肥营养补给系统及方法 Active CN117437080B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311753463.0A CN117437080B (zh) 2023-12-20 2023-12-20 一种农田土壤水肥营养补给系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311753463.0A CN117437080B (zh) 2023-12-20 2023-12-20 一种农田土壤水肥营养补给系统及方法

Publications (2)

Publication Number Publication Date
CN117437080A CN117437080A (zh) 2024-01-23
CN117437080B true CN117437080B (zh) 2024-03-19

Family

ID=89553803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311753463.0A Active CN117437080B (zh) 2023-12-20 2023-12-20 一种农田土壤水肥营养补给系统及方法

Country Status (1)

Country Link
CN (1) CN117437080B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105123373A (zh) * 2015-07-16 2015-12-09 广西壮族自治区林业科学研究院 提高岑溪软枝油茶造林抗旱能力的苗木培育方法
CN112488467A (zh) * 2020-11-16 2021-03-12 中国科学院合肥物质科学研究院 一种基于多尺度生境信息的水培作物施肥装置
CN112947641A (zh) * 2021-02-04 2021-06-11 安徽析数科技有限公司 一种用于农业生产监测的数学分析模型
CN114946447A (zh) * 2022-05-25 2022-08-30 宁波云笈科技有限公司 一种基于人工智能的植物生长参数决策方法和系统
CN115152553A (zh) * 2022-06-29 2022-10-11 宿迁市宿豫区农业技术推广中心 一种番薯水肥一体化种植方法
CN116300461A (zh) * 2023-03-23 2023-06-23 广西国控林业投资股份有限公司 一种高落差油茶种植上下部水肥均匀控制方法
CN116530286A (zh) * 2023-04-12 2023-08-04 上海华维可控农业科技集团股份有限公司 用于生态高标农田下的水肥一体化灌溉管理系统及方法
CN116755376A (zh) * 2023-08-17 2023-09-15 山东福禾菌业科技股份有限公司 一种基于农业物联网的监控方法及系统
CN117016136A (zh) * 2023-09-05 2023-11-10 中国水利水电科学研究院 一种基于作物模型的水肥施灌动态决策方法
CN117063818A (zh) * 2023-08-21 2023-11-17 齐鲁师范学院 一种水肥精准调控系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105123373A (zh) * 2015-07-16 2015-12-09 广西壮族自治区林业科学研究院 提高岑溪软枝油茶造林抗旱能力的苗木培育方法
CN112488467A (zh) * 2020-11-16 2021-03-12 中国科学院合肥物质科学研究院 一种基于多尺度生境信息的水培作物施肥装置
CN112947641A (zh) * 2021-02-04 2021-06-11 安徽析数科技有限公司 一种用于农业生产监测的数学分析模型
CN114946447A (zh) * 2022-05-25 2022-08-30 宁波云笈科技有限公司 一种基于人工智能的植物生长参数决策方法和系统
CN115152553A (zh) * 2022-06-29 2022-10-11 宿迁市宿豫区农业技术推广中心 一种番薯水肥一体化种植方法
CN116300461A (zh) * 2023-03-23 2023-06-23 广西国控林业投资股份有限公司 一种高落差油茶种植上下部水肥均匀控制方法
CN116530286A (zh) * 2023-04-12 2023-08-04 上海华维可控农业科技集团股份有限公司 用于生态高标农田下的水肥一体化灌溉管理系统及方法
CN116755376A (zh) * 2023-08-17 2023-09-15 山东福禾菌业科技股份有限公司 一种基于农业物联网的监控方法及系统
CN117063818A (zh) * 2023-08-21 2023-11-17 齐鲁师范学院 一种水肥精准调控系统
CN117016136A (zh) * 2023-09-05 2023-11-10 中国水利水电科学研究院 一种基于作物模型的水肥施灌动态决策方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
基于互联网+智慧灌溉服务平台系统构建研究;秦良;信息化研究;20211220;第1卷(第1期);全文 *
我国水溶性肥料产业发展趋势与挑战;陈清;张强;常瑞雪;陈宏坤;陈丽;梁斌;李俊良;;植物营养与肥料学报;20171125(第06期);全文 *
物联网全自动精准水肥智能管理系统与装备;_徐宝刚;物联网全自动精准水肥智能管理系统与装备_徐宝刚;20231201;第1卷(第1期);全文 *
陈清 ; 张强 ; 常瑞雪 ; 陈宏坤 ; 陈丽 ; 梁斌 ; 李俊良 ; .我国水溶性肥料产业发展趋势与挑战.植物营养与肥料学报.2017,(第06期),全文. *

Also Published As

Publication number Publication date
CN117437080A (zh) 2024-01-23

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
CN113049750B (zh) 一种基于高通量气孔导度诊断植物水分胁迫的方法及系统
CN117063818A (zh) 一种水肥精准调控系统
CN113673490B (zh) 一种物候期自适应的作物生理参数遥感估测方法及系统
CN112042353A (zh) 一种适用于日光温室的水肥精准决策方法及系统
CN115938083B (zh) 一种基于移动终端农业监测预警方法及系统
CN116301138B (zh) 基于日光温室的农业大棚智能化监管系统
CN111459033A (zh) 水、肥精量灌溉的灰色预测模糊pid控制方法及设备
CN111062699A (zh) 一种农作物全生长周期智能服务模型的构建方法及系统
CN109213240A (zh) 一种基于自适应控制的草莓大棚无线监测与控制系统
CN117437080B (zh) 一种农田土壤水肥营养补给系统及方法
CN114092776A (zh) 应用于智慧农业的多传感器数据融合方法
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
CN116578047A (zh) 一种用于辣椒生产的精细化智能控制方法及系统
CN116569721A (zh) 基于虚实融合的苜蓿水肥调控方法
KR20210059070A (ko) 농작물 재배 모니터링 시스템 및 이를 이용한 농작물 재배 모니터링 방법
CN116090842A (zh) 农田灌溉决策方法、装置、设备和存储介质
CN115793756A (zh) 用于调节植物生长周期的种植柜环境控制系统
Wang et al. Research on application of smart agriculture in cotton production management
KR100372361B1 (ko) 토양 수분측정 시스템
KR20210056213A (ko) 농장 운영정보 제공 시스템
CN117575174B (zh) 智能农业监测与管理系统
Tang et al. A Deep Learning-Based Intelligent Irrigation System Utilizing Multimodal Information Fusion
KR102471743B1 (ko) 스마트팜의 미래 생산량 예측 방법

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