CN117796215A - 数据驱动的甘蔗精准施钠肥方法及系统 - Google Patents
数据驱动的甘蔗精准施钠肥方法及系统 Download PDFInfo
- Publication number
- CN117796215A CN117796215A CN202410064240.1A CN202410064240A CN117796215A CN 117796215 A CN117796215 A CN 117796215A CN 202410064240 A CN202410064240 A CN 202410064240A CN 117796215 A CN117796215 A CN 117796215A
- Authority
- CN
- China
- Prior art keywords
- sodium
- sugarcane
- fertilizer
- soil
- model
- 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
- 239000011734 sodium Substances 0.000 title claims abstract description 574
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 title claims abstract description 556
- 229910052708 sodium Inorganic materials 0.000 title claims abstract description 556
- 239000003337 fertilizer Substances 0.000 title claims abstract description 402
- 240000000111 Saccharum officinarum Species 0.000 title claims abstract description 387
- 235000007201 Saccharum officinarum Nutrition 0.000 title claims abstract description 387
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000002689 soil Substances 0.000 claims abstract description 238
- 159000000000 sodium salts Chemical class 0.000 claims abstract description 117
- 230000001965 increasing effect Effects 0.000 claims abstract description 41
- 230000004720 fertilization Effects 0.000 claims abstract description 28
- 230000008901 benefit Effects 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims abstract description 20
- 238000009826 distribution Methods 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 79
- 238000005457 optimization Methods 0.000 claims description 49
- 230000006870 function Effects 0.000 claims description 38
- 238000010521 absorption reaction Methods 0.000 claims description 29
- 238000006243 chemical reaction Methods 0.000 claims description 26
- 238000006460 hydrolysis reaction Methods 0.000 claims description 22
- 239000000872 buffer Substances 0.000 claims description 21
- 230000007062 hydrolysis Effects 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 16
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 claims description 14
- 230000005012 migration Effects 0.000 claims description 14
- 238000013508 migration Methods 0.000 claims description 14
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical group [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 claims description 12
- 230000029142 excretion Effects 0.000 claims description 11
- 230000035699 permeability Effects 0.000 claims description 11
- 238000005316 response function Methods 0.000 claims description 11
- 230000008878 coupling Effects 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 10
- 238000005859 coupling reaction Methods 0.000 claims description 10
- 235000002639 sodium chloride Nutrition 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 229920006395 saturated elastomer Polymers 0.000 claims description 7
- 239000011780 sodium chloride Substances 0.000 claims description 7
- 229910000029 sodium carbonate Inorganic materials 0.000 claims description 6
- 241000894007 species Species 0.000 claims description 6
- PMZURENOXWZQFD-UHFFFAOYSA-L Sodium Sulfate Chemical compound [Na+].[Na+].[O-]S([O-])(=O)=O PMZURENOXWZQFD-UHFFFAOYSA-L 0.000 claims description 5
- 229910052938 sodium sulfate Inorganic materials 0.000 claims description 5
- 235000011152 sodium sulphate Nutrition 0.000 claims description 5
- AKHNMLFCWUSKQB-UHFFFAOYSA-L sodium thiosulfate Chemical compound [Na+].[Na+].[O-]S([O-])(=O)=S AKHNMLFCWUSKQB-UHFFFAOYSA-L 0.000 claims description 4
- 235000019345 sodium thiosulphate Nutrition 0.000 claims description 4
- 239000007921 spray Substances 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- UIIMBOGNXHQVGW-DEQYMQKBSA-M Sodium bicarbonate-14C Chemical compound [Na+].O[14C]([O-])=O UIIMBOGNXHQVGW-DEQYMQKBSA-M 0.000 claims description 2
- 238000004891 communication Methods 0.000 claims description 2
- 235000017550 sodium carbonate Nutrition 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000011282 treatment Methods 0.000 description 24
- 230000000694 effects Effects 0.000 description 14
- 238000002474 experimental method Methods 0.000 description 13
- 238000003973 irrigation Methods 0.000 description 11
- 230000002262 irrigation Effects 0.000 description 11
- 238000007689 inspection Methods 0.000 description 9
- UIIMBOGNXHQVGW-UHFFFAOYSA-M Sodium bicarbonate Chemical compound [Na+].OC([O-])=O UIIMBOGNXHQVGW-UHFFFAOYSA-M 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 238000005507 spraying Methods 0.000 description 6
- 230000035784 germination Effects 0.000 description 5
- 229910001415 sodium ion Inorganic materials 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 230000020477 pH reduction Effects 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 229910000030 sodium bicarbonate Inorganic materials 0.000 description 4
- 235000017557 sodium bicarbonate Nutrition 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 description 3
- 229930006000 Sucrose Natural products 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000003306 harvesting Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 150000002500 ions Chemical class 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000004060 metabolic process Effects 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 150000003839 salts Chemical class 0.000 description 3
- 229960004793 sucrose Drugs 0.000 description 3
- 244000037364 Cinnamomum aromaticum Species 0.000 description 2
- 235000014489 Cinnamomum aromaticum Nutrition 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000035558 fertility Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 235000021049 nutrient content Nutrition 0.000 description 2
- 230000001766 physiological effect Effects 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 239000005720 sucrose Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- 206010016807 Fluid retention Diseases 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 241000826915 Saccharum officinarum complex Species 0.000 description 1
- 241000124033 Salix Species 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 230000009418 agronomic effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000005341 cation exchange Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 230000003301 hydrolyzing effect Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 239000003112 inhibitor Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002609 medium Substances 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 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
- 230000000704 physical effect Effects 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000001376 precipitating effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000003971 tillage Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Fertilizers (AREA)
Abstract
本发明提供了数据驱动的甘蔗精准施钠肥方法及系统，属于农业施肥技术领域。首先获取甘蔗种植区域数据，对数据预处理，得到标准数据；其次构建钠肥选择模型，模拟钠盐在土壤中的变化，分析钠盐对土壤的影响，选择最佳的钠肥种类；构建钠肥用量模型，模拟钠在土壤—甘蔗中的分布，评估钠肥用量对甘蔗的增产增糖效果；构建钠肥施用时期模型，求解最佳钠肥施用时期；构建钠肥施用方式模型，分析不同施用方式对甘蔗的影响，确定最佳的钠肥施用方式；最后得到最终的甘蔗施肥数据。本发明能实现对甘蔗的精准施钠肥，提高甘蔗的产量和糖度，节约资源和成本，给甘蔗生产带来显著的效益，也为其他作物的精准施肥提供借鉴和参考。
Description
技术领域
本发明属于农业施肥技术领域，具体涉及数据驱动的甘蔗精准施钠肥方法及系统。
背景技术
食糖是关系国计民生的重要战略物资，也是全球重要的大宗农产品之一，中国是食糖生产和消费大国。国家统计局数据显示：2016～2020年，我国糖料种植面积约160万公顷，2020年我国糖料产量为1.2亿吨；2019～2020年，我国食糖产量为1040万吨，消费量为1540万吨，供给率不足70％，糖料供求不平衡的现象影响国民经济的发展。
广西是我国乃至全球最适宜种植甘蔗的地区之一，是全国最大的蔗糖生产基地。2021年广西全区甘蔗种植面积约为111.52万公顷，占全国种植面积的70％左右，总产值7896.93万吨；蔗糖业从业人数占全区人口近40％，约2000万人。由此可见，甘蔗是广西重要的经济作物，是广西的支柱产业和农民增收最主要的经济来源之一。
制约广西甘蔗种植产业发展的主要问题：绝大部分还是小作坊的种植方式；受农村劳动力短缺的制约，收获时间较为随意；农业机械化普及率不高；严重缺乏技术人才。
肥料是作物单产和品质的关键影响因素。对广西糖企、农户、肥企的调查和肥料田间实验结果表明：广西蔗田氮磷钾大量元素施肥失调，普遍不施用中量和微量元素以及硅肥、生根粉、氮抑制剂等，这是目前甘蔗单产和糖度不高、不稳的主要原因之一。因此需要一种提高甘蔗单产和糖度的肥料施用方法。
发明内容
基于上述技术问题，本发明提供数据驱动的甘蔗精准施钠肥方法及系统，通过获取甘蔗种植区域数据，构建钠肥选择模型、钠肥用量模型、钠肥施用时期模型和钠肥施用方式模型，得到最终的甘蔗施肥数据，实现了甘蔗施钠肥的精准化和智能化。
本发明提供数据驱动的甘蔗精准施钠肥方法，所述方法包括：
步骤S1：获取甘蔗种植区域数据，对数据预处理，得到标准数据；
步骤S2：构建钠肥选择模型，具体包括：
基于土壤特性、水循坏和钠盐反应，构建一个包含土壤、水、钠盐三个组分的耦合模型，模拟钠盐在土壤中的分布和变化，分析钠盐对土壤的影响，选择最佳的钠肥种类；
步骤S3：构建钠肥用量模型，具体包括：
基于土壤的钠参数和甘蔗属性，构建一个包含土壤、甘蔗、钠三个组分的动态模型，模拟钠在土壤-甘蔗中的分布和变化，评估钠肥用量对甘蔗的增产增糖效果；
步骤S4：构建钠肥施用时期模型，具体包括：
基于钠肥、甘蔗品种和物候特征，构建一个包含甘蔗、钠、时间三个变量的优化模型，求解最佳钠肥施用时期；
步骤S5：构建钠肥施用方式模型，具体包括：
基于钠肥用量、施用次数和施用方式，构建非线性函数，分析不同钠肥施用方式对甘蔗的影响，确定最佳的钠肥施用方式；
步骤S6：根据所述钠肥选择模型、所述钠肥用量模型、所述钠肥施用时期模型和所述钠肥施用方式模型，得到最终的甘蔗施肥数据。
可选地，所述基于土壤特性、水循坏和钠盐反应，构建一个包含土壤、水、钠盐三个组分的耦合模型，具体包括：
式中，θ为土壤含水量，土壤含水量的范围是0≤θ≤θs，θs为土壤饱和含水量；q为土壤水流速度；Sw为水源项；为梯度算子；
式中，K为土壤水渗透率；h为土壤水压力头；z为重力势；
式中，Ci为第i种钠盐的浓度，Ci的范围为0≤Ci≤Cmax，Cmax为钠盐的最大溶解度；Ri为第i种钠盐的反应速率；Si为第i种钠盐的源项；
式中，n为钠盐的种类数；CT为总溶质浓度；Zi为第i种钠盐的电荷数；αi为第i种钠盐的水解系数；Ka为水解常数；βi为第i种钠盐的缓冲系数；Kb为缓冲常数；
钠肥选择模型的优化目标集合为：
minF(x)＝(CN(x)，Cs(x)，EC(x)，-pH(x)，-Y(x)，-B(x))T
s.t.EC≤ECmax，pH≥pHmin，Y≥Ymin，B≥Bmin
式中，x为钠肥的种类；F(x)为优化目标向量，每个分量都是一个评价指标；负号表示最大化；CN为土壤含钠量；为土壤最大含钠量；CS为土壤盐分；pH为土壤pH值；pHmin为土壤最低pH值；EC为土壤电导率；ECmax为最大电导率；Y为甘蔗产量；Ymin为甘蔗最低单产；B为甘蔗糖度；Bmin为甘蔗最低糖度。
可选地，所述基于土壤的钠参数和甘蔗属性，构建一个包含土壤、甘蔗、钠三个组分的动态模型，具体包括：
式中，CN为土壤含钠量；kr为土壤中钠的释放速率；km为土壤中钠的迁移系数；
式中，Nc为甘蔗中的钠含量；ka为甘蔗对钠的吸收速率；ku为甘蔗对钠的利用率；ke为甘蔗对钠的排泄率；
式中，Y为甘蔗产量；B为甘蔗糖度；f和g是钠对甘蔗产量和糖度的影响函数；
钠肥用量模型的优化目标集合为：
F(Nf，Ef，Bf)＝(min Nf，max Ef，max Bf)
式中，Nf为钠肥用量；Ef为钠肥效率；Bf为钠肥效益；F(Nf，Ef，Bf)为一个向量函数，它包含了三个优化目标，分别是钠肥用量Nf、钠肥效率Ef和钠肥效益Bf。
可选地，所述基于钠肥、甘蔗品种和物候特征，构建一个包含甘蔗、钠、时间三个变量的优化模型，具体包括：
R＝aNf 2+bNf+c
式中，E为甘蔗对钠的吸收效率；D为甘蔗对钠的需求量；T为钠肥的施用时期；Y为甘蔗产量；B为甘蔗糖度；Ymax为甘蔗最大产量；Bmax为甘蔗最大糖度；Nopt，I为第I个生长时期的甘蔗最佳钠用量；I为甘蔗的生长时期的序号；Topt为甘蔗最佳钠肥施用时期；R为甘蔗对钠的响应函数；a、b、c为系数；λ为甘蔗对钠肥施用时期的响应系数。
可选地，所述基于钠肥用量、施用次数和施用方式，构建非线性函数，具体包括：
Y，B＝f(x1，x2，x3，x4，z)
式中，Y为甘蔗产量；B为甘蔗糖度；f为非线性函数，采用机器学习或卷积神经网络进行拟合和优化；x1为钠肥的总用量；x2为钠肥的施用次数；x3为钠肥的施用方式；x4为钠肥的施用方法；z为其他影响因素；
给定z，找到最优的x1，x2，x3和x4，使得Y和B达到最大值，表示为：
约束条件为x1的取值范围为[0，100]；x2的取值范围为[1，4]；x3的取值为{基肥，追肥，叶面肥}；x4的取值为{撒施后土壤覆盖，溶液施用施入土壤，喷雾施用叶面}。
可选地，包括：
所述钠肥种类为碳酸钠、碳酸氢钠、氯化钠、硫酸钠和硫代硫酸钠；所述钠肥用量范围为7.5～75.0Na kg/ha。
本发明还数据驱动的甘蔗精准施钠肥系统，所述系统包括：
数据获取处理模块，用于获取甘蔗种植区域数据，对数据预处理，得到标准数据；
选择模型构建模块，用于构建钠肥选择模型，具体包括：
基于土壤特性、水循坏和钠盐反应，构建一个包含土壤、水、钠盐三个组分的耦合模型，模拟钠盐在土壤中的分布和变化，分析钠盐对土壤的影响，选择最佳的钠肥种类；
用量模型构建模块，构建钠肥用量模型，具体包括：
基于土壤的钠参数和甘蔗属性，构建一个包含土壤、甘蔗、钠三个组分的动态模型，模拟钠在土壤-甘蔗中的分布和变化，评估钠肥用量对甘蔗的增产增糖效果；
施用时期模型构建模块，构建钠肥施用时期模型，具体包括：
基于钠肥、甘蔗品种和物候特征，构建一个包含甘蔗、钠、时间三个变量的优化模型，求解最佳钠肥施用时期；
施用方式模型构建模块，构建钠肥施用方式模型，具体包括：
基于钠肥用量、施用次数和施用方式，构建非线性函数，分析不同钠肥施用方式对甘蔗的影响，确定最佳的钠肥施用方式；
施肥数据优化模块，根据所述钠肥选择模型、所述钠肥用量模型、所述钠肥施用时期模型和所述钠肥施用方式模型，得到最终的甘蔗施肥数据。
可选地，所述选择模型构建模块，具体包括：
式中，θ为土壤含水量，土壤含水量的范围是0≤θ≤θs，θs为土壤饱和含水量；q为土壤水流速度；Sw为水源项；为梯度算子；
式中，K为土壤水渗透率；h为土壤水压力头；z为重力势；
式中，Ci为第i种钠盐的浓度，Ci的范围为0≤Ci≤Cmax，Cmax为钠盐的最大溶解度；Ri为第i种钠盐的反应速率；Si为第i种钠盐的源项；
式中，n为钠盐的种类数；CT为总溶质浓度；Zi为第i种钠盐的电荷数；αi为第i种钠盐的水解系数；Ka为水解常数；βi为第i种钠盐的缓冲系数；Kb为缓冲常数；
钠肥选择模型的优化目标集合为：
min F(x)＝(CN(x)，CS(x)，EC(x)，-pH(x)，-Y(x)，-B(x))T
式中，x为钠肥的种类；F(x)为优化目标向量，每个分量都是一个评价指标；负号表示最大化；CN为土壤含钠量；为土壤最大含钠量；CS为土壤盐分；pH为土壤pH值；pHmin为土壤最低pH值；EC为土壤电导率；ECmax为最大电导率；Y为甘蔗产量；Ymin为甘蔗最低单产；B为甘蔗糖度；Bmin为甘蔗最低糖度。
可选地，所述用量模型构建模块，具体包括：
式中，CN为土壤含钠量；kr为土壤中钠的释放速率；km为土壤中钠的迁移系数；
式中，Nc为甘蔗中的钠含量；ka为甘蔗对钠的吸收速率；ku为甘蔗对钠的利用率；ke为甘蔗对钠的排泄率；
式中，Y为甘蔗产量；B为甘蔗糖度；f和g是钠对甘蔗产量和糖度的影响函数；
钠肥用量模型的优化目标集合为：
F(Nf，Ef，Bf)＝(min Nf，max Ef，max Bf)
式中，Nf为钠肥用量；Ef为钠肥效率；Bf为钠肥效益；F(Nf，Ef，Bf)为一个向量函数，它包含了三个优化目标，分别是钠肥用量Nf、钠肥效率Ef和钠肥效益Bf。
可选地，所述施用时期模型构建模块，具体包括：
R＝aNf 2+bNf+c
式中，E为甘蔗对钠的吸收效率；D为甘蔗对钠的需求量；T为钠肥的施用时期；Y为甘蔗产量；B为甘蔗糖度；Ymax为甘蔗最大产量；Bmax为甘蔗最大糖度；Nopt，I为第I个生长时期的甘蔗最佳钠用量；I为甘蔗的生长时期的序号；Topt为甘蔗最佳钠肥施用时期；R为甘蔗对钠的响应函数；a、b、c为系数；λ为甘蔗对钠肥施用时期的响应系数。
本发明与现有技术相比，具有以下有益效果：
本发明通过数据驱动的方法，根据具体的土壤和甘蔗属性，选择最适合的钠肥种类，确定最佳的钠肥用量，施用时期以及施用方式，以提高甘蔗的产量和糖度；根据实际情况优化了施肥方案，可以避免不必要的施肥浪费，降低施肥成本，提高农业经济效益；通过精准的施肥方法，减少了对土壤和水资源的浪费，降低了对环境的负面影响，符合可持续农业的发展理念。
附图说明
图1为本发明的数据驱动的甘蔗精准施钠肥方法流程图；
图2为本发明的数据驱动的甘蔗精准施钠肥系统结构图。
具体实施方式
下面结合具体实施案例和附图对本发明作进一步说明，但本发明并不局限于这些实施例。
实施例1
如图1所示，本发明公开数据驱动的甘蔗精准施钠肥方法，方法包括：
步骤S1：获取甘蔗种植区域数据，对数据预处理，得到标准数据。
步骤S2：构建钠肥选择模型，具体包括：
基于土壤特性、水循坏和钠盐反应，构建一个包含土壤、水、钠盐三个组分的耦合模型，模拟钠盐在土壤中的分布和变化，分析钠盐对土壤的影响，选择最佳的钠肥种类。
步骤S3：构建钠肥用量模型，具体包括：
基于土壤的钠参数和甘蔗属性，构建一个包含土壤、甘蔗、钠三个组分的动态模型，模拟钠在土壤一甘蔗中的分布和变化，评估钠肥用量对甘蔗的增产增糖效果。
步骤S4：构建钠肥施用时期模型，具体包括：
基于钠肥、甘蔗品种和物候特征，构建一个包含甘蔗、钠、时间三个变量的优化模型，求解最佳钠肥施用时期。
步骤S5：构建钠肥施用方式模型，具体包括：
基于钠肥用量、施用次数和施用方式，构建非线性函数，分析不同钠肥施用方式对甘蔗的影响，确定最佳的钠肥施用方式。
步骤S6：根据钠肥选择模型、钠肥用量模型、钠肥施用时期模型和钠肥施用方式模型，得到最终的甘蔗施肥数据。
下面对各个步骤进行详细论述：
步骤S1：获取甘蔗种植区域数据，对数据预处理，得到标准数据。
步骤S1具体包括：
土壤数据采集和处理，通过土壤传感器、土壤采样器、土壤分析仪等设备，实时采集甘蔗种植区域的土壤类型、酸碱度、含钠量、含水量、有机质含量、养分含量等数据，并进行数据预处理，形成土壤数据仓库；甘蔗数据采集和处理，采集甘蔗种植区域的甘蔗品种、生长阶段、生长状况、钠含量、产量、糖度等数据，并进行数据预处理，形成甘蔗数据仓库。
步骤S2：构建钠肥选择模型。
步骤S2具体包括：
基于土壤特性、水循坏和钠盐反应，构建一个包含土壤、水、钠盐三个组分的耦合模型，模拟钠盐在土壤中的分布和变化，分析钠盐对土壤的影响，选择最佳的钠肥种类，具体包括：
式中，θ为土壤含水量，土壤含水量的范围是0≤θ≤θs，θs为土壤饱和含水量；q为土壤水流速度；Sw为水源项；为梯度算子(在空间各方向上的全微分)；上式表示土壤含水量的变化，它等于水的流入和流出的差值加上水的源项，水的源项可以是正的或负的，表示水的产生或消耗，如降雨、灌溉、蒸发、渗透等。
式中，K为土壤水渗透率；h为土壤水压力头，h的范围为-∞<h≤0，保证了土壤水的流动方向，当h<0时，土壤水从高压区向低压区流动，当h＝0时，土壤水达到饱和状态，不再流动；z为重力势；上式表示土壤水流的方向和大小，它等于土壤水渗透率乘以土壤水压力头和重力势的梯度的负值，土壤水压力头和重力势的梯度表示土壤水的驱动力，土壤水渗透率表示土壤的导水能力，负号表示水流的方向与驱动力的方向相反。
式中，Ci为第i种钠盐的浓度，Ci的范围为0≤Ci≤Cmax，Cmax为钠盐的最大溶解度；Ri为第i种钠盐的反应速率，范围为-Ci≤Ri≤Cmax-Ci，保证了钠盐反应速率的合理性，避免了钠盐的过度生成或消耗的情况，钠盐反应速率表示钠盐在单位时间内发生的化学反应的程度，如水解、吸附、交换、沉淀等，它取决于钠盐的浓度、温度、pH值、催化剂等因素，钠盐反应速率的正负号表示钠盐的生成或消耗，正号表示钠盐的生成，负号表示钠盐的消耗，钠盐反应速率的大小表示钠盐的反应快慢，越接近Cmax或-Ci，表示反应越快，越接近0，表示反应越慢；Si为第i种钠盐的源项。
式中，n为钠盐的种类数；CT为总溶质浓度，它等于所有钠盐的浓度之和，总溶质浓度反映了土壤的盐分水平，对甘蔗的生长有重要影响；Zi为第i种钠盐的电荷数，表示电中性条件，它等于所有钠盐的电荷数和浓度的乘积之和，电中性条件保证了土壤中的正负离子的平衡，对土壤的酸碱度有重要影响；αi为第i种钠盐的水解系数；Ka为水解常数，表示水解平衡条件，它等于所有钠盐的水解系数和浓度的乘积之和，水解平衡条件反映了土壤中的水解反应的程度；βi为第i种钠盐的缓冲系数；Kb为缓冲常数，表示缓冲平衡条件，它等于所有钠盐的缓冲系数和浓度的乘积之和，缓冲平衡条件反映了土壤中的缓冲反应的程度。
钠肥选择模型的优化目标集合为：
min F(x)＝(CN(x)，Cs(x)，EC(x)，-pH(x)，-Y(x)，-B(x))T
式中，x为钠肥的种类；F(x)为优化目标向量，每个分量都是一个评价指标；负号表示最大化；CN为土壤含钠量，表示土壤中钠离子的浓度，为土壤最大含钠量；CS为土壤盐分，表示土壤中所有可溶性盐类的浓度，/>为土壤最大盐分；pH为土壤pH值，表示土壤的酸碱度，pHmin为土壤最低pH值；EC为土壤电导率，表示土壤的电解质含量，ECmax为最大电导率；Y为甘蔗产量，表示甘蔗的单产，Ymin为甘蔗最低单产；B为甘蔗糖度，表示甘蔗的含糖率，Bmin为甘蔗最低糖度；这个向量函数的优化目标是使得每个分量都达到最小值，即最优解；但是，这个向量函数的优化目标并不唯一，因为不同的评价指标之间可能存在冲突或权衡，如土壤pH值的提高可能会降低甘蔗糖度，土壤盐分的降低可能会降低甘蔗产量等。因此，钠肥选择模型的优化问题需要使用多目标优化中的加权法或层次分析法，来对不同的评价指标进行综合考虑，找出最优的钠肥种类，使得综合优化目标达到最优值，同时满足约束条件。钠肥选择模型的目标是在保证甘蔗产量和糖度的前提下，尽量降低土壤含钠量、盐分、电导率，提高土壤pH值，使土壤保持良好的生理活性和肥力。
本实施例中，钠肥选择模型的目的是根据土壤类型、酸碱度、含钠量等数据，分析不同钠盐对土壤的影响，选择最适合的钠肥，如碳酸钠(Na2CO3)、碳酸氢钠(NaHCO3)、氯化钠(NaCl)、硫酸钠(Na2SO4)和硫代硫酸钠(Na2S2O3)等，避免造成土壤盐渍化或酸化。钠肥选择模型的原理是基于钠盐的溶解度、水解度、离子平衡和缓冲能力等特性，分析钠盐在土壤中的迁移、转化和平衡过程，预测钠盐对土壤的盐渍化或酸化程度的影响，从而选择最佳的钠盐种类。钠肥选择模型的方法是建立一个包含土壤、水、钠盐三个组分的耦合模型，考虑土壤的物理性质(如孔隙度、渗透率、容重等)、化学性质(如酸碱度、阳离子交换容量、电导率等)和生物性质(如有机质、微生物等)，以及水的流动、蒸发、渗透等过程，以及钠盐的溶解、水解、吸附、交换、沉淀等反应，通过求解质量守恒、动量守恒和能量守恒等方程，模拟钠盐在土壤中的分布和变化，评估钠盐对土壤的盐渍化或酸化的影响。
本实施例中，首选确定钠盐的种类，这是钠肥选择模型的优化变量，也就是要求解的目标；不同的钠盐有不同的溶解度、水解度、离子平衡和缓冲能力等特性，因此会对土壤的盐渍化或酸化程度产生不同的影响；根据不同的钠盐种类，给出相应的钠盐浓度Ci、总溶质浓度CT、电荷数Zi、水解系数αi，缓冲系数βi等参数；根据土壤的类型、酸碱度、含钠量等数据，给出相应的土壤含水量θ、土壤水压力头h、土壤水渗透率K、水源项Sw、钠盐反应速率Ri、钠盐源项Si、水解常数Ka、缓冲常数Kb等参数，作为数值模型的输入条件。
其次根据数值模型的输入条件，利用数值方法进行离散化和求解，得到土壤含水量θ、土壤水流q、钠盐浓度Ci等变量在不同的时间和空间上的分布和变化，这是数值模型的输出结果。
然后根据数值模型的输出结果，利用一些公式或关系，计算出土壤含钠量CN、土壤盐分CS、土壤pH值pH、土壤电导率EC、甘蔗产量Y、甘蔗糖度B等评价指标的值，这是钠肥选择模型的评价结果。例如，土壤含钠量CN可以根据钠离子的浓度CNa+和总溶质浓度CT计算得到，土壤盐分CS可以根据总溶质浓度CT和水的密度ρw计算得到，土壤pH值pH可以根据水解平衡条件和缓冲平衡条件计算得到，土壤电导率EC可以根据土壤水流和钠盐浓度计算得到，甘蔗产量Y和甘蔗糖度B可以根据土壤含钠量、盐分、pH值、电导率等性质和甘蔗的生长模型计算得到，甘蔗的生长模型是根据甘蔗的生理过程、发育过程、环境因素和管理措施等因素建立的，使用Canegro模型来实现。
最后根据评价指标的值，利用多目标优化方法，对不同的钠盐种类和比例进行综合评价，选择最优的钠盐种类，使得评价指标达到最佳的水平，同时满足约束条件，这是钠肥选择模型的优化结果。
步骤S3：构建钠肥用量模型。
步骤S3具体包括：
基于土壤的钠参数和甘蔗属性，构建一个包含土壤、甘蔗、钠三个组分的动态模型，模拟钠在土壤-甘蔗中的分布和变化，评估钠肥用量对甘蔗的增产增糖效果，具体包括：
式中，CN为土壤含钠量；kr为土壤中钠的释放速率；km为土壤中钠的迁移系数；上式表示土壤中钠的含量随时间的变化率，它等于土壤中钠的释放速率和钠的迁移速率的负和，土壤中钠的含量会随着钠的释放和迁移而减少，释放和迁移的速度取决于土壤中钠的含量和其他参数(土壤的类型、结构、温度、湿度、pH值、盐分等)。
式中，Nc为甘蔗中的钠含量；ka为甘蔗对钠的吸收速率；ku为甘蔗对钠的利用率；ke为甘蔗对钠的排泄率；上式表示甘蔗中钠的含量随时间的变化率，它等于土壤中钠的迁移速率和甘蔗对钠的吸收速率、利用速率、排泄速率的差，甘蔗中钠的含量会随着土壤中钠的迁移和甘蔗对钠的吸收而增加，也会随着甘蔗对钠的利用和排泄而减少，迁移、吸收、利用和排泄的速度取决于土壤和甘蔗中钠的含量和其他参数(甘蔗的品种、生长阶段、生理状态、根系分布等)。
式中，Y为甘蔗产量；B为甘蔗糖度；f和g是钠对甘蔗产量和糖度的影响函数，具体表现为通过收集不同钠含量下的甘蔗产量和糖度的数据，用最小二乘法或非线性回归法求解出最能符合数据特征的函数形式和参数值。这样，就可以得到一个能够较好地描述钠对甘蔗产量和糖度的影响规律的函数，也可以用这个函数来预测不同钠含量下的甘蔗产量和糖度，从而为钠肥用量的优化提供依据。
钠肥用量模型的优化目标集合为：
F(Nf，Ef，Bf)＝(min Nf，max Ef，max Bf)
式中，Nf为钠肥用量，表示每公顷土地施用的钠肥量，单位为Na kg/ha；Ef为钠肥效率，表示每施用1kg钠肥所增加的甘蔗产量；Bf为钠肥效益，表示每施用1kg钠肥所增加的甘蔗收益，单位为元/kg；F(Nf，Ef，Bf)为一个向量函数，它包含了三个优化目标，分别是钠肥用量Nf、钠肥效率Ef和钠肥效益Bf；这个函数是在保证甘蔗产量Y和甘蔗糖度B不低于最低要求的前提下，尽量使钠肥用量Nf最小，钠肥效率Ef和钠肥效益Bf最大；这样，就可以达到节约资源、提高效果、增加收益的目的。
本实施例中，钠肥用量模型的目的是根据土壤含钠量、甘蔗品种、甘蔗生长阶段等数据，分析钠对甘蔗增产增糖的作用机理，确定最佳的钠用量范围，如7.5-75.0Na kg/ha，避免造成钠的过量或不足。钠肥用量模型的原理是基于钠在甘蔗生理代谢中的作用，分析钠对甘蔗生长发育、光合作用、糖分积累等过程的影响，从而确定钠对甘蔗产量和糖度的贡献，以及钠的最佳需求量和吸收效率。钠肥用量模型的方法是采用数学模型的方法，建立一个包含土壤、甘蔗、钠三个组分的动态模型，考虑土壤的钠含量、钠释放速率、钠迁移系数等参数，以及甘蔗的品种、生长阶段、钠吸收速率、钠利用率、钠排泄率等参数，通过求解微分方程，模拟钠在土壤-甘蔗中的分布和变化，评估钠对甘蔗的增产增糖的效果。
步骤S4：构建钠肥施用时期模型。
步骤S4具体包括：
基于钠肥、甘蔗品种和物候特征，构建一个包含甘蔗、钠、时间三个变量的优化模型，求解最佳钠肥施用时期，具体包括：
甘蔗的生长发育分为四个时期，分别为萌发期(S1)、分蘖期(S2)、抽穗期(S3)和灌浆期(S4)，每个时期的长度为T1、T2、T3和T4，单位为天；这意味着甘蔗的生长过程划分为四个阶段，每个阶段有不同的特征和需求；钠肥用量为N1、N2、N3和N4，单位为Na kg/ha；表示钠肥在不同的生长时期施用不同量，以满足甘蔗对钠的不同需求；甘蔗产量为Y，单位为kg/亩；甘蔗糖度为B，单位为％；表示甘蔗的产量和品质为目标变量，合理的钠肥施用提高它们的值；甘蔗对钠的吸收效率为E，单位为％；甘蔗对钠的需求量为D，单位为Na kg/ha；甘蔗对钠的响应函数为R(二次函数)，甘蔗对钠的增产效果随钠肥用量的增加而增加，但是增加的速度会逐渐减小，直到达到一个最大值，单位为kg/亩。甘蔗最大产量为Ymax，单位为kg/亩；甘蔗最大糖度为Bmax，单位为％；甘蔗最佳钠用量为Nopt，单位为Na kg/ha；甘蔗最佳钠肥施用时期为Topt，单位为天；甘蔗产量和品质有最大上限，而钠肥施用量和时期也有最优的方式，通过模型寻找最优值。
甘蔗产量和糖度分别与钠肥用量和施用时期有关，表示为：
Y＝f(Nf，T)，B＝g(Nf，T)
式中，f和g为函数；Nf为钠肥用量；T为钠肥的施用时期；表示甘蔗的产量和品质不仅取决于钠肥总量，还取决于钠肥施用的时间。
甘蔗产量和糖度分别受到钠肥用量和施用时期的正向和负向影响，表示为：
上式表示钠肥用量越多，甘蔗产量和品质越高，但是钠肥施用时期越晚，甘蔗产量和品质越低；因为钠肥施用时期会影响钠肥的有效性和利用率，以及甘蔗的生理代谢和适应性。
甘蔗产量和糖度分别存在一个最大值和一个最优值，表示为：
Y≤Ymax，B≤Bmax
Y＝Ymax，B＝Bmax，Nf＝Nopt，T＝Topt
甘蔗产量和品质存在理论上限，而钠肥施用量和时期也有一个最优的组合，当达到这些最优值时，甘蔗产量和品质也达到最大值。
甘蔗对钠吸收效率和需求量分别与钠肥用量和施用时期有关，表示为：
E＝h(Nf，T)，D＝i(Nf，T)
式中，h和i为函数；Nf为钠肥用量；T为钠肥的施用时期；表示甘蔗对钠的利用情况不仅取决于甘蔗本身的特性，还取决于钠肥的施用情况。
甘蔗对钠的吸收效率和需求量分别受到钠肥的施用量和施用时期的正向和负向影响，表示为：
上式表示钠肥用量越多，甘蔗对钠的吸收效率越高，但是钠肥的施用时期越晚，甘蔗对钠的吸收效率越低；钠肥用量越多，甘蔗对钠的需求量越低，但是钠肥的施用时期越早，甘蔗对钠的需求量越高；因为钠肥的施用时期会影响钠肥的有效性和利用率，以及甘蔗的生理代谢和适应性。
甘蔗对钠的吸收效率和需求量分别存在一个最大值和一个最小值，表示为：
E≤Emax，D≥Dmin
甘蔗对钠的吸收效率和需求量有一个最佳的平衡点，当钠肥的施用量和施用时期达到此平衡点，甘蔗产量和糖度也达到最大值，平衡点表示为：
R＝aNf 2+bNf+c
式中，Nopt为甘蔗的最佳钠用量；Topt为甘蔗的最佳钠肥施用时期；D为甘蔗对钠的需求量；E为甘蔗对钠的吸收效率；R为甘蔗对钠的响应函数；a，b，c为系数，根据实际情况具体设定；Ymax为甘蔗的最大产量；λ为甘蔗对钠肥施用时期的响应系数。甘蔗的最佳钠用量与甘蔗对钠的需求量和吸收效率成正比，与甘蔗对钠的响应函数和最大产量成反比。这意味着，当甘蔗对钠的需求量和吸收效率较高时，需要施用较多的钠肥，当甘蔗对钠的响应函数和最大产量较高时，需要施用较少的钠肥。甘蔗的最佳钠肥施用时期与甘蔗对钠肥施用时期的响应系数成反比，与甘蔗对钠的响应函数和最大产量成反比。这意味着，当甘蔗对钠肥施用时期的响应系数较高时，需要提前施用钠肥，当甘蔗对钠的响应函数和最大产量较高时，需要推迟施用钠肥。
甘蔗产量和糖度与钠肥用量和施用时期的关系模型，表示为：
式中，E为甘蔗对钠的吸收效率；D为甘蔗对钠的需求量；T为钠肥的施用时期；Y为甘蔗产量；B为甘蔗糖度；Ymax为甘蔗最大产量；Bmax为甘蔗最大糖度，Nopt，I为第I个生长时期的甘蔗最佳钠用量，I为甘蔗的生长时期的序号，取值为1、2、3、4，分别对应萌发期、分蘖期、抽穗期和灌浆期；Topt为甘蔗最佳钠肥施用时期。根据这个模型，可以通过优化算法来求解甘蔗的最佳钠用量和最佳钠肥施用时期，使得甘蔗的产量和糖度达到增产增糖效果。
步骤S5：构建钠肥施用方式模型。
步骤S5具体包括：
基于钠肥用量、施用次数和施用方式，构建非线性函数，分析不同钠肥施用方式对甘蔗的影响，确定最佳的钠肥施用方式，具体包括：
本实施例中，需考虑以下内容，首先钠肥的类型和含量，不同的钠盐对甘蔗的生理作用和土壤的改良效果有所不同，因此需要根据钠肥选择模型确定合适的钠肥类型和含量。一般来说，碳酸钠和碳酸氢钠适用于酸性土壤，可以提高土壤的PH值和钠离子的有效性；氯化钠和硫酸钠适用于中性或碱性土壤，可以提供钠离子和氯离子或硫酸根离子，增加土壤的渗透性和保水性。其次钠肥的施用时期和次数，不同的生长阶段对钠的需求量和敏感性有所不同，因此需要根据钠肥施用时期模型确定合适的钠肥施用时期和次数。一般来说，萌发期和分蘖期是钠肥施用的关键时期，可以促进甘蔗的萌发和分蘖，增加甘蔗的株数和茎粗；抽穗期和灌浆期是钠肥施用的辅助时期，可以增加甘蔗的穗长和穗粗，提高甘蔗的含糖量和产量。钠肥的施用次数应根据土壤的含钠量和甘蔗的生长状况进行调整，一般不超过4次。最后钠肥的施用方式和方法，不同的施用方式和方法对钠肥的吸收和利用有所影响，因此需要根据钠肥施用方式模型确定合适的钠肥施用方式和方法。一般来说，钠肥可以作为基肥、追肥或叶面肥施用，具体如下：
基肥，在甘蔗播种前或播种时，将钠肥与其他肥料混合均匀，施入甘蔗的栽培沟或穴中，覆盖土壤，使钠肥与土壤充分接触，利于甘蔗的吸收。基肥的施用量占总用量的50％，一般为3.75～37.5Na kg/ha。
追肥，在甘蔗生长期间，根据甘蔗的生长状况和土壤的含钠量，适时进行钠肥的追施，以补充甘蔗的钠需求。追肥的施用量占总用量的40％，一般为3～30Na kg/ha，分为两次施用，分别在分蘖期和抽穗期。追肥的方法有两种，一种是将钠肥撒施在甘蔗的行间，然后进行浅耕或灌溉，使钠肥溶解并渗入土壤；另一种是将钠肥溶解在水中，通过灌溉系统或喷雾器进行施用，使钠肥与水一起进入土壤。
叶面肥，在甘蔗生长期间，根据甘蔗的生理特征和气候条件，适时进行钠肥的叶面喷施，以增强甘蔗的抗逆性和光合效率。叶面肥的施用量占总用量的10％，一般为0.75～7.5Na kg/ha，分为两次施用，分别在萌发期和灌浆期。叶面肥的方法是将钠肥溶解在水中，按照一定的浓度和比例，通过喷雾器进行喷施，使钠肥均匀地覆盖在甘蔗的叶面上。
钠肥施用方式模型可以表示为：
Y，B＝f(x1，x2，x3，x4，z)
式中，Y为甘蔗产量；B为甘蔗糖度；f为非线性函数，采用机器学习或卷积神经网络进行拟合和优化；x1为钠肥的总用量；x2为钠肥的施用次数；x3为钠肥的施用方式；x4为钠肥的施用方法；z为其他影响因素，如土壤类型、酸碱度、甘蔗品种、甘蔗生长阶段、土壤含水量、气候条件、甘蔗生长状况等。
钠肥施用方式模型的目标是在给定的z下，找到最优的x1，x2，x3和x4，使得Y和B达到最大值，表示为：
需要满足以下约束条件：x1的取值范围为[0，100]，单位为Na kg/ha；x2的取值范围为[1，4]，单位为次；x3的取值为{基肥，追肥，叶面肥}，且满足x3＝基肥+追肥+叶面肥；x4的取值为{撒施后土壤覆盖，溶液施入土壤，喷雾施用叶面}，且满足x4＝撒施后土壤覆盖+溶液溶液施入土壤+喷雾施用叶面。
步骤S6：根据钠肥选择模型、钠肥用量模型、钠肥施用时期模型和钠肥施用方式模型，得到最终的甘蔗施肥数据。
步骤S6具体包括：
验证模型的准确性和适用性；检验模型是否能够反映甘蔗对钠的响应规律，是否能够适应不同的土壤、气候和品种条件，是否能够提高甘蔗的产量和糖度。
优化模型的参数和函数；通过数值分析或敏感性分析，找出影响模型效果的关键参数和函数，如钠的吸收速率、利用率、排泄率等，以及钠和施肥方式对甘蔗产量和糖度的影响函数，然后根据实际情况进行调整和优化，使模型更加贴近实际。
应用模型指导实践；根据模型的输出，制定合理的钠肥施用方案，包括钠肥的选择、用量、时期和方式，然后在甘蔗种植的过程中，按照方案进行施肥，同时观察和记录甘蔗的生长情况，评估施肥的效果，及时发现和解决问题。
本实施例中，后续可以将模型运行输出的施肥方案，通过智能灌溉系统、无人机喷洒系统、智能施肥机等方式，精准施用钠肥；使用钠肥效果评估和反馈功能对钠肥精准施用功能进行完善，通过收获检测、糖厂检验、田间巡查等方式，评估钠肥对甘蔗单产和糖度的影响，并根据评估结果，反馈给数据分析和模型运行，形成闭环优化。
钠肥施用主要包括以下几个方面：
智能灌溉系统，智能灌溉系统是一种基于精准灌溉施肥机的设备，能够实现对农田的精准灌溉和肥料施用；该系统通过传感器和控制系统实时监测土壤湿度、作物需水量和养分含量等关键参数；根据这些数据，系统可以精确计算出所需的灌溉和施肥量，并通过喷头或滴灌系统将水和肥料准确地送到植物根部，实现精准供给；该系统的特点是能够精确地控制灌溉量和施肥量，显著提高水肥利用率。
无人机喷洒系统，无人机喷洒系统是一种基于无人机的设备，能够实现对农田的精准喷施肥料；该系统通过无人机搭载喷洒装置，根据施肥方案，按照预设的航线和高度，自动对甘蔗进行喷施钠肥；该系统的特点是能够覆盖广阔的田间面积，减少人工劳动，提高施肥效率和均匀度。
智能施肥机，智能施肥机是一种基于智能控制的设备，能够实现对甘蔗的精准施肥；该系统通过搭载的GPS定位、传感器检测、无线通讯等技术，根据施肥方案，自动调节施肥量和速度，将钠肥均匀地撒入甘蔗的行间；该系统的特点是能够根据甘蔗的生长状况和土壤的含钠量，动态调整施肥量，避免过量或不足，提高钠肥的利用率。
钠肥效果评估和反馈功能主要包括以下几个方面：
收获检测，通过收获机、称重机、糖厂检验等设备，实时采集甘蔗种植区域的甘蔗单产和糖度等数据，并进行数据处理，形成产量数据仓库。产量数据可以帮助评估钠肥对甘蔗的增产增糖的效果，分析钠肥的投入产出比，提高钠肥的经济效益。
糖厂检验，通过糖厂检验，对甘蔗的糖度、纯度、还原糖、杂质等指标进行检测，评价甘蔗品质和加工性能，反映钠肥对甘蔗的综合效果。糖厂检验可以为甘蔗的加工和销售提供参考，也可以为钠肥的优化提供依据。
田间巡查，通过田间巡查，观察甘蔗的生长状况、病虫害情况、土壤状况等，及时发现和解决问题，监督和指导钠肥的施用和管理。田间巡查可以为钠肥的施用和监控提供现场支持，也可以为钠肥的效果评估和反馈提供补充信息。
实施例2
如图2所示，本发明公开数据驱动的甘蔗精准施钠肥系统，系统包括：
数据获取处理模块10，用于获取甘蔗种植区域数据，对数据预处理，得到标准数据。
选择模型构建模块20，用于构建钠肥选择模型，具体包括：
基于土壤特性、水循坏和钠盐反应，构建一个包含土壤、水、钠盐三个组分的耦合模型，模拟钠盐在土壤中的分布和变化，分析钠盐对土壤的影响，选择最佳的钠肥种类。
用量模型构建模块30，用于构建钠肥用量模型，具体包括：
基于土壤的钠参数和甘蔗属性，构建一个包含土壤、甘蔗、钠三个组分的动态模型，模拟钠在土壤一甘蔗中的分布和变化，评估钠肥用量对甘蔗的增产增糖效果。
施用时期模型构建模块40，用于构建钠肥施用时期模型，具体包括：
基于钠肥、甘蔗品种和物候特征，构建一个包含甘蔗、钠、时间三个变量的优化模型，求解最佳钠肥施用时期。
施用方式模型构建模块50，用于构建钠肥施用方式模型，具体包括：
基于钠肥用量、施用次数和施用方式，构建非线性函数，分析不同钠肥施用方式对甘蔗的影响，确定最佳的钠肥施用方式。
施肥数据优化模块60，根据钠肥选择模型、钠肥用量模型、钠肥施用时期模型和钠肥施用方式模型，得到最终的甘蔗施肥数据。
作为一种可选地实施方式，本发明选择模型构建模块20，具体包括：
式中，θ为土壤含水量，土壤含水量的范围是0≤θ≤θs，θs为土壤饱和含水量；q为土壤水流速度；Sw为水源项；为梯度算子。
式中，K为土壤水渗透率；h为土壤水压力头；z为重力势。
式中，Ci为第i种钠盐的浓度，Ci的范围为0≤Ci≤Cmax，Cmax为钠盐的最大溶解度；Ri为第i种钠盐的反应速率；Si为第i种钠盐的源项。
式中，n为钠盐的种类数；CT为总溶质浓度；Zi为第i种钠盐的电荷数；αi为第i种钠盐的水解系数；Ka为水解常数；βi为第i种钠盐的缓冲系数；Kb为缓冲常数。
钠肥选择模型的优化目标集合为：
min F(x)＝(CN(x)，CS(x)，EC(x)，-pH(x)，-Y(x)，-B(x))T
式中，x为钠肥的种类；F(x)为优化目标向量，每个分量都是一个评价指标；负号表示最大化；CN为土壤含钠量；为土壤最大含钠量；CS为土壤盐分；pH为土壤pH值；pHmin为土壤最低pH值；EC为土壤电导率；ECmax为最大电导率；Y为甘蔗产量；Ymin为甘蔗最低单产；B为甘蔗糖度；Bmin为甘蔗最低糖度。
作为一种可选地实施方式，本发明用量模型构建模块30，具体包括：
式中，CN为土壤含钠量；kr为土壤中钠的释放速率；km为土壤中钠的迁移系数。
式中，Nc为甘蔗中的钠含量；ka为甘蔗对钠的吸收速率；ku为甘蔗对钠的利用率；ke为甘蔗对钠的排泄率。
式中，Y为甘蔗产量；B为甘蔗糖度；f和g是钠对甘蔗产量和糖度的影响函数。
钠肥用量模型的优化目标集合为：
F(Nf，Ef，Bf)＝(min Nf，max Ef，max Bf)
式中，Nf为钠肥用量；Ef为钠肥效率；Bf为钠肥效益；F(Nf，Ef，Bf)为一个向量函数，它包含了三个优化目标，分别是钠肥用量Nf、钠肥效率Ef和钠肥效益Bf。
作为一种可选地实施方式，本发明施用时期模型构建模块，具体包括：
R＝aNf 2+bNf+c
式中，E为甘蔗对钠的吸收效率；D为甘蔗对钠的需求量；T为钠肥的施用时期；Y为甘蔗产量；B为甘蔗糖度；Ymax为甘蔗最大产量；Bmax为甘蔗最大糖度；Nopt，I为第I个生长时期的甘蔗最佳钠用量；I为甘蔗的生长时期的序号；Topt为甘蔗最佳钠肥施用时期；R为甘蔗对钠的响应函数；a、b、c为系数；λ为甘蔗对钠肥施用时期的响应系数。
实施例3
本发明通过对广西横州良圻糖厂和广西武鸣华侨农场进行甘蔗施钠肥实验，得到实验结果，实验结果如表1和表2所示，于2023年12月20-25日测产测糖。
首先进行甘蔗种子备选和实验地块准备，选择当地主栽甘蔗品种至少三个，本实施例选择桂糖42号、桂糖44号和柳城05/136；在甘蔗主产区，选择交通方便、地势相对平坦、肥力中等的近些年未做过肥料田间实验的无灌溉条件的地块，至少4块。
其次种植方式为新植两块地、宿根两块地；施肥方式按当地平均施肥状况确定氮、磷、钾单质肥料或复合肥的基肥和追肥使用数量，作为肥底，按当地现有栽培技术进行田间管理；然后针对钠肥的施用种类进行选择，优选钠肥为碳酸钠(Na2CO3)、碳酸氢钠(NaHCO3)、氯化钠(NaCl)、硫酸钠(Na2SO4)等，酸性土壤尽量选择碳酸钠(Na2CO3)、碳酸氢钠(NaHCO3)和硫代硫酸钠(Na2SO4)；保证钠肥尽量作为基肥一次性施用；钠肥也可以作为追肥施用；也可以分基肥和追肥同时施用；为安全起见，钠肥慎重作为叶面肥施用。
再次进行实验处理设置，如表1和表2所示，处理1(不施钠肥)、处理2、处理3、处理4、处理5，参考钠用量分别为：0.0、12、24、48、72Na kg/ha；小区面积100平方米；调查和测定每个处理区的甘蔗产量并折算成亩产(kg/亩)、糖度(％)和调查其他农艺性状；每个小区测定40棵甘蔗，取其平均数。
最后进行钠肥效果评价，与不施钠肥小区比较，每亩单产(kg/亩)提高5％以上为实验有效，糖度(％)提高0.3个百分点以上为实验有效。
表1甘蔗钠肥产量实验结果
根据表1所示，实验结果表明：(1)实验1中4个施钠处理平均增产14.09％，处理4增产最高为20.46％；(2)实验2中4个施钠处理平均增产9.17％，处理3增产最高为11.91％；(3)实验3中4个施钠处理平均增产12.41％，处理4增产最高为20.04％；(4)实验4中4个施钠处理平均增产6.76％，处理2增产最高为12.00％；(5)4个实验施钠平均增产10.61％，增产范围6.76％～14.09％；(6)钠肥用量为7.5～75.0Nakg/ha，主要作为基肥和追肥单独施用，或与其他肥料混合施用。
表2甘蔗钠肥糖度实验结果
根据表2所示，实验结果表明：(1)实验1中4个施钠处理平均增糖0.73％，处理3糖度增加最高为1.30％；(2)实验2中4个施钠处理平均增糖0.87％，处理3糖度增加最高为1.29％；(3)实验3中4个施钠处理平均增糖0.76％，处理2糖度增加最高为1.78％；(4)实验4中4个施钠处理平均增糖1.13％，处理4糖度增加最高为1.64％；(5)4个实验施钠平均增糖0.87％，增糖范围0.73％～1.13％；(6)钠肥用量为7.5～75.0Na kg/ha，主要作为基肥和追肥单独施用，或与其他肥料混合施用。
进一步分析经济效益，经济效益包括蔗农纯增收和糖厂纯收益，蔗农纯增收为：每公顷投入约90元估算，折算成每亩投入约6元，按现有平均单产5t/亩，估算增产10％即500kg/亩，按0.54元1公斤收购甘蔗价格估算，蔗农增收270元/亩；糖厂纯收益的增加是糖分(糖分＝测定的平均糖度×1.0825-7.703)增加部分，按现在广西产糖率12.5％计算，假设提高到13.0％，产糖率提高了0.5％，即由原来8吨甘蔗产1吨糖变成7.7吨甘蔗产一吨糖，糖厂用同样的成本购买甘蔗，但多产出了5.5吨/亩(每亩产蔗)×0.5％(产糖率提高)×6800元/吨(糖价)＝187元/亩；广西1000万亩甘蔗增收潜力为45.7亿元/年；投入产出比76倍以上；经济效益带动社会效益，增加糖厂经济效益和蔗农收益，有利于国内糖价的稳定。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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，均应包含在本发明的保护范围之内。
Claims (10)
1.数据驱动的甘蔗精准施钠肥方法，其特征在于，所述方法包括：
步骤S1：获取甘蔗种植区域数据，对数据预处理，得到标准数据；
步骤S2：构建钠肥选择模型，具体包括：
基于土壤特性、水循坏和钠盐反应，构建一个包含土壤、水、钠盐三个组分的耦合模型，模拟钠盐在土壤中的分布和变化，分析钠盐对土壤的影响，选择最佳的钠肥种类；
步骤S3：构建钠肥用量模型，具体包括：
基于土壤的钠参数和甘蔗属性，构建一个包含土壤、甘蔗、钠三个组分的动态模型，模拟钠在土壤-甘蔗中的分布和变化，评估钠肥用量对甘蔗的增产增糖效果；
步骤S4：构建钠肥施用时期模型，具体包括：
基于钠肥、甘蔗品种和物候特征，构建一个包含甘蔗、钠、时间三个变量的优化模型，求解最佳钠肥施用时期；
步骤S5：构建钠肥施用方式模型，具体包括：
基于钠肥用量、施用次数和施用方式，构建非线性函数，分析不同钠肥施用方式对甘蔗的影响，确定最佳的钠肥施用方式；
步骤S6：根据所述钠肥选择模型、所述钠肥用量模型、所述钠肥施用时期模型和所述钠肥施用方式模型，得到最终的甘蔗施肥数据。
2.根据权利要求1所述的数据驱动的甘蔗精准施钠肥方法，其特征在于，所述基于土壤特性、水循坏和钠盐反应，构建一个包含土壤、水、钠盐三个组分的耦合模型，具体包括：
式中，θ为土壤含水量，土壤含水量的范围是0≤θ≤θs，θs为土壤饱和含水量；q为土壤水流速度；Sw为水源项；为梯度算子；
式中，K为土壤水渗透率；h为土壤水压力头；z为重力势；
式中，Ci为第i种钠盐的浓度，Ci的范围为0≤Ci≤Cmax，Cmax为钠盐的最大溶解度；Ri为第i种钠盐的反应速率；Si为第i种钠盐的源项；
式中，n为钠盐的种类数；CT为总溶质浓度；Zi为第i种钠盐的电荷数；αi为第i种钠盐的水解系数；Ka为水解常数；βi为第i种钠盐的缓冲系数；Kb为缓冲常数；
钠肥选择模型的优化目标集合为：
min F(x)＝(CN(x)，CS(x)，EC(x)，-pH(x)，-Y(x)，-B(x))T
式中，x为钠肥的种类；F(x)为优化目标向量，每个分量都是一个评价指标；负号表示最大化；CN为土壤含钠量；为土壤最大含钠量；CS为土壤盐分；pH为土壤pH值；pHmin为土壤最低pH值；EC为土壤电导率；ECmax为最大电导率；Y为甘蔗产量；Ymin为甘蔗最低单产；B为甘蔗糖度；Bmin为甘蔗最低糖度。
3.根据权利要求1所述的数据驱动的甘蔗精准施钠肥方法，其特征在于，所述基于土壤的钠参数和甘蔗属性，构建一个包含土壤、甘蔗、钠三个组分的动态模型，具体包括：
式中，CN为土壤含钠量；kr为土壤中钠的释放速率；km为土壤中钠的迁移系数；
式中，Nc为甘蔗中的钠含量；ka为甘蔗对钠的吸收速率；ku为甘蔗对钠的利用率；ke为甘蔗对钠的排泄率；
式中，Y为甘蔗产量；B为甘蔗糖度；f和g是钠对甘蔗产量和糖度的影响函数；
钠肥用量模型的优化目标集合为：
F(Nf，Ef，Bf)＝(min Nf，max Ef，max Bf)
式中，Nf为钠肥用量；Ef为钠肥效率；Bf为钠肥效益；F(Nf，Ef，Bf)为一个向量函数，它包含了三个优化目标，分别是钠肥用量Nf、钠肥效率Ef和钠肥效益Bf。
4.根据权利要求1所述的数据驱动的甘蔗精准施钠肥方法，其特征在于，所述基于钠肥、甘蔗品种和物候特征，构建一个包含甘蔗、钠、时间三个变量的优化模型，具体包括：
R＝aNf 2+bNf+c
式中，E为甘蔗对钠的吸收效率；D为甘蔗对钠的需求量；T为钠肥的施用时期；Y为甘蔗产量；B为甘蔗糖度；Ymax为甘蔗最大产量；Bmax为甘蔗最大糖度；Nopt，I为第I个生长时期的甘蔗最佳钠用量；I为甘蔗的生长时期的序号；Topt为甘蔗最佳钠肥施用时期；R为甘蔗对钠的响应函数；a、b、c为系数；λ为甘蔗对钠肥施用时期的响应系数。
5.根据权利要求1所述的数据驱动的甘蔗精准施钠肥方法，其特征在于，所述基于钠肥用量、施用次数和施用方式，构建非线性函数，具体包括：
Y，B＝f(x1，x2，x3，x4，z)
式中，Y为甘蔗产量；B为甘蔗糖度；f为非线性函数，采用机器学习或卷积神经网络进行拟合和优化；x1为钠肥的总用量；x2为钠肥的施用次数；x3为钠肥的施用方式；x4为钠肥的施用方法；z为其他影响因素；
给定z，找到最优的x1，x2，x3和x4，使得Y和B达到最大值，表示为：
约束条件为x1的取值范围为[0，100]；x2的取值范围为[1，4]；x3的取值为{基肥，追肥，叶面肥}；x4的取值为{撒施后土壤覆盖，溶液施用施入土壤，喷雾施用叶面}。
6.根据权利要求1所述的数据驱动的甘蔗精准施钠肥方法，其特征在于，包括：
所述钠肥种类为碳酸钠、碳酸氢钠、氯化钠、硫酸钠和硫代硫酸钠；所述钠肥用量范围为7.5～75.0Na kg/ha。
7.数据驱动的甘蔗精准施钠肥系统，其特征在于，所述系统包括：
数据获取处理模块，用于获取甘蔗种植区域数据，对数据预处理，得到标准数据；
选择模型构建模块，用于构建钠肥选择模型，具体包括：
基于土壤特性、水循坏和钠盐反应，构建一个包含土壤、水、钠盐三个组分的耦合模型，模拟钠盐在土壤中的分布和变化，分析钠盐对土壤的影响，选择最佳的钠肥种类；
用量模型构建模块，用于构建钠肥用量模型，具体包括：
基于土壤的钠参数和甘蔗属性，构建一个包含土壤、甘蔗、钠三个组分的动态模型，模拟钠在土壤一甘蔗中的分布和变化，评估钠肥用量对甘蔗的增产增糖效果；
施用时期模型构建模块，用于构建钠肥施用时期模型，具体包括：
基于钠肥、甘蔗品种和物候特征，构建一个包含甘蔗、钠、时间三个变量的优化模型，求解最佳钠肥施用时期；
施用方式模型构建模块，用于构建钠肥施用方式模型，具体包括：
基于钠肥用量、施用次数和施用方式，构建非线性函数，分析不同钠肥施用方式对甘蔗的影响，确定最佳的钠肥施用方式；
施肥数据优化模块，根据所述钠肥选择模型、所述钠肥用量模型、所述钠肥施用时期模型和所述钠肥施用方式模型，得到最终的甘蔗施肥数据。
8.根据权利要求7所述的数据驱动的甘蔗精准施钠肥系统，其特征在于，所述选择模型构建模块，具体包括：
式中，θ为土壤含水量，土壤含水量的范围是0≤θ≤θs，θs为土壤饱和含水量；q为土壤水流速度；Sw为水源项；为梯度算子；
式中，K为土壤水渗透率；h为土壤水压力头；z为重力势；
式中，Ci为第i种钠盐的浓度，Ci的范围为0≤Ci≤Cmax，Cmax为钠盐的最大溶解度；Ri为第i种钠盐的反应速率；Si为第i种钠盐的源项；
式中，n为钠盐的种类数；CT为总溶质浓度；Zi为第i种钠盐的电荷数；αi为第i种钠盐的水解系数；Ka为水解常数；βi为第i种钠盐的缓冲系数；Kb为缓冲常数；
钠肥选择模型的优化目标集合为：
min F(x)＝(CN(x)，CS(x)，EC(x)，-pH(x)，-Y(x)，-B(x))T
式中，x为钠肥的种类；F(x)为优化目标向量，每个分量都是一个评价指标；负号表示最大化；CN为土壤含钠量；为土壤最大含钠量；CS为土壤盐分；pH为土壤pH值；pHmin为土壤最低pH值；EC为土壤电导率；ECmax为最大电导率；Y为甘蔗产量；Ymin为甘蔗最低单产；B为甘蔗糖度；Bmin为甘蔗最低糖度。
9.根据权利要求7所述的数据驱动的甘蔗精准施钠肥系统，其特征在于，所述用量模型构建模块，具体包括：
式中，CN为土壤含钠量；kr为土壤中钠的释放速率；km为土壤中钠的迁移系数；
式中，Nc为甘蔗中的钠含量；ka为甘蔗对钠的吸收速率；ku为甘蔗对钠的利用率；ke为甘蔗对钠的排泄率；
式中，Y为甘蔗产量；B为甘蔗糖度；f和g是钠对甘蔗产量和糖度的影响函数；
钠肥用量模型的优化目标集合为：
F(Nf，Ef，Bf)＝(min Nf，max Ef，max Bf)
式中，Nf为钠肥用量；Ef为钠肥效率；Bf为钠肥效益；F(Nf，Ef，Bf)为一个向量函数，它包含了三个优化目标，分别是钠肥用量Nf、钠肥效率Ef和钠肥效益Bf。
10.根据权利要求7所述的数据驱动的甘蔗精准施钠肥系统，其特征在于，所述施用时期模型构建模块，具体包括：
R＝aNf 2+bNf+c
式中，E为甘蔗对钠的吸收效率；D为甘蔗对钠的需求量；T为钠肥的施用时期；Y为甘蔗产量；B为甘蔗糖度；Ymax为甘蔗最大产量；Bmax为甘蔗最大糖度；Nopt，I为第I个生长时期的甘蔗最佳钠用量；I为甘蔗的生长时期的序号；Topt为甘蔗最佳钠肥施用时期；R为甘蔗对钠的响应函数；a、b、c为系数；λ为甘蔗对钠肥施用时期的响应系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410064240.1A CN117796215A (zh) | 2024-01-17 | 2024-01-17 | 数据驱动的甘蔗精准施钠肥方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410064240.1A CN117796215A (zh) | 2024-01-17 | 2024-01-17 | 数据驱动的甘蔗精准施钠肥方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117796215A true CN117796215A (zh) | 2024-04-02 |
Family
ID=90425533
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410064240.1A Pending CN117796215A (zh) | 2024-01-17 | 2024-01-17 | 数据驱动的甘蔗精准施钠肥方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117796215A (zh) |
-
2024
- 2024-01-17 CN CN202410064240.1A patent/CN117796215A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| Li et al. | Effects of irrigation and fertilization on grain yield, water and nitrogen dynamics and their use efficiency of spring wheat farmland in an arid agricultural watershed of Northwest China | |
| CN103858578B (zh) | 马铃薯种薯种植施肥调控的方法 | |
| CN104091067B (zh) | 一种基于临界氮浓度预测水稻植株各器官氮含量的方法 | |
| CN115413462B (zh) | 一种水稻氮肥施用量的确定方法 | |
| CN113039908A (zh) | 一种施肥和灌溉动态决策方法及系统 | |
| Zhang et al. | Coupling effects of irrigation amount and fertilization rate on yield, quality, water and fertilizer use efficiency of different potato varieties in Northwest China | |
| Zhou et al. | Optimization of irrigation and nitrogen fertilizer management for spring maize in northwestern China using RZWQM2 | |
| Wu et al. | Adaptation of cotton production to climate change by sowing date optimization and precision resource management | |
| Gao et al. | Optimal cooperative application solutions of irrigation and nitrogen fertilization for high crop yield and friendly environment in the semi-arid region of North China | |
| Fessehazion et al. | Evaluating of soil water balance (SWB-Sci) model for water and nitrogen interactions in pasture: Example using annual ryegrass | |
| Qu et al. | Optimizing irrigation and fertilization frequency for greenhouse cucumber grown at different air temperatures using a comprehensive evaluation model | |
| Peng et al. | Diurnal and seasonal CO2 exchange and yield of maize cropland under different irrigation treatments in semiarid Inner Mongolia | |
| Shi et al. | Modeling ammonia volatilization following urea and controlled-release urea application to paddy fields | |
| Naeem et al. | Recent change in ecosystem water use efficiency in China mainly dominated by vegetation greening and increased CO2 | |
| Hayashi et al. | Potential ammonia emission from flag leaves of paddy rice (Oryza sativa L. cv. Koshihikari) | |
| CN117796215A (zh) | 数据驱动的甘蔗精准施钠肥方法及系统 | |
| Ni et al. | Accurate model of nitrogen accumulation in transplanted rice under different nutrient distribution ratios | |
| CN109076757A (zh) | 一种基于土壤速效氮/速效磷的定量施氮方法 | |
| Dai et al. | Shallow groundwater enhances water productivity of maize in arid area | |
| CN112219518A (zh) | 一种测土配方施肥的方法 | |
| Wang et al. | Spatial distribution of soil organic carbon and its response to forest growth and soil layer in Cunninghamia lanceolata plantations in mid-subtropical China | |
| CN106385918A (zh) | 一种作物钾肥的施用方法 | |
| CN111398565A (zh) | 一种在田间原位状态下监测土壤氮素矿化特征的方法 | |
| Sun et al. | Responses of leaf nitrogen status and leaf area index to water and nitrogen application and their relationship with apple orchard productivity |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |