CN114965941A - 一种盐碱土壤理化特性多尺度智能感知方法及*** - Google Patents
一种盐碱土壤理化特性多尺度智能感知方法及*** Download PDFInfo
- Publication number
- CN114965941A CN114965941A CN202210396713.9A CN202210396713A CN114965941A CN 114965941 A CN114965941 A CN 114965941A CN 202210396713 A CN202210396713 A CN 202210396713A CN 114965941 A CN114965941 A CN 114965941A
- Authority
- CN
- China
- Prior art keywords
- soil
- information
- node
- saline
- data
- 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
- 239000002689 soil Substances 0.000 title claims abstract description 395
- 239000003513 alkali Substances 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 58
- 239000000126 substance Substances 0.000 title claims abstract description 31
- 241000854291 Dianthus carthusianorum Species 0.000 claims abstract description 55
- 238000012544 monitoring process Methods 0.000 claims abstract description 54
- 238000007781 pre-processing Methods 0.000 claims abstract description 41
- 230000007613 environmental effect Effects 0.000 claims abstract description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 87
- 239000007789 gas Substances 0.000 claims description 42
- 150000002500 ions Chemical class 0.000 claims description 42
- 230000002262 irrigation Effects 0.000 claims description 42
- 238000003973 irrigation Methods 0.000 claims description 42
- 239000005416 organic matter Substances 0.000 claims description 42
- 230000005284 excitation Effects 0.000 claims description 39
- 241000196324 Embryophyta Species 0.000 claims description 37
- 230000006872 improvement Effects 0.000 claims description 36
- 230000003628 erosive effect Effects 0.000 claims description 33
- 238000005259 measurement Methods 0.000 claims description 31
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000005516 engineering process Methods 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 8
- 239000002680 soil gas Substances 0.000 claims description 8
- 230000000813 microbial effect Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 5
- 239000002101 nanobubble Substances 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 abstract description 5
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 18
- 150000003839 salts Chemical group 0.000 description 17
- 230000006870 function Effects 0.000 description 15
- 239000011780 sodium chloride Substances 0.000 description 13
- 230000008901 benefit Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 9
- 244000005700 microbiome Species 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 239000011734 sodium Substances 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000035882 stress Effects 0.000 description 7
- 238000012795 verification Methods 0.000 description 7
- 210000004027 cell Anatomy 0.000 description 6
- 238000010276 construction Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 239000003337 fertilizer Substances 0.000 description 4
- 230000012010 growth Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000004060 metabolic process Effects 0.000 description 4
- 230000008635 plant growth Effects 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 210000000170 cell membrane Anatomy 0.000 description 3
- 230000008723 osmotic stress Effects 0.000 description 3
- 241000186361 Actinobacteria <class> Species 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 2
- 244000015113 Salicornia europaea Species 0.000 description 2
- 235000003042 Salicornia europaea Nutrition 0.000 description 2
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 229960000892 attapulgite Drugs 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- PASHVRUKOFIRIK-UHFFFAOYSA-L calcium sulfate dihydrate Chemical compound O.O.[Ca+2].[O-]S([O-])(=O)=O PASHVRUKOFIRIK-UHFFFAOYSA-L 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000035558 fertility Effects 0.000 description 2
- 238000002386 leaching Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 229910052625 palygorskite Inorganic materials 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000029553 photosynthesis Effects 0.000 description 2
- 238000010672 photosynthesis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005067 remediation Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 235000005827 Arthrocnemum glaucum Nutrition 0.000 description 1
- 235000006469 Batis maritima Nutrition 0.000 description 1
- 239000002028 Biomass Substances 0.000 description 1
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 241000192125 Firmicutes Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 244000303040 Glycyrrhiza glabra Species 0.000 description 1
- 235000006200 Glycyrrhiza glabra Nutrition 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- 108010064851 Plant Proteins Proteins 0.000 description 1
- 108091032917 Transfer-messenger RNA Proteins 0.000 description 1
- 230000036579 abiotic stress Effects 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010612 desalination reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- LPLVUJXQOOQHMX-QWBHMCJMSA-N glycyrrhizinic acid Chemical compound O([C@@H]1[C@@H](O)[C@H](O)[C@H](O[C@@H]1O[C@@H]1C([C@H]2[C@]([C@@H]3[C@@]([C@@]4(CC[C@@]5(C)CC[C@@](C)(C[C@H]5C4=CC3=O)C(O)=O)C)(C)CC2)(C)CC1)(C)C)C(O)=O)[C@@H]1O[C@H](C(O)=O)[C@@H](O)[C@H](O)[C@H]1O LPLVUJXQOOQHMX-QWBHMCJMSA-N 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 235000011477 liquorice Nutrition 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000008558 metabolic pathway by substance Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002114 nanocomposite Substances 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036542 oxidative stress Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 230000006461 physiological response Effects 0.000 description 1
- 235000021118 plant-derived protein Nutrition 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000001243 protein synthesis Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- -1 salt ions Chemical class 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910000029 sodium carbonate Inorganic materials 0.000 description 1
- 229910001415 sodium ion Inorganic materials 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 230000014616 translation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- 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
-
- 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
- A01G29/00—Root feeders; Injecting fertilisers into the roots
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/245—Earth materials for agricultural purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/246—Earth materials for water content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Environmental Sciences (AREA)
- Dispersion Chemistry (AREA)
- Water Supply & Treatment (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Soil Sciences (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明属于盐碱土壤监测技术领域,公开了一种盐碱土壤理化特性多尺度智能感知方法及***,布置土壤性能传感器,汇聚无线传感器网络节点和多个采集土壤环境参数的土壤性能传感器节点,多个土壤性能传感器节点通过节点竞选确定簇首并分簇;簇内的土壤性能传感器节点将采集的土壤环境参数传送至对应的簇首;汇聚无线传感器网络节点汇总各簇首收集的土壤环境参数并通过无线发送至土壤信息智能监控预处理模块,实现感知土壤的信息;构建土壤理化特性数据库模型。本发明感知节点被布置到多个需要监测的区域,并能统一协调进行同步数据采集,单一节点能够同时获取多个环境参数;本发明基于人工智能的土壤信息感知的方法,实时获取土壤特性信息。
Description
技术领域
本发明属于盐碱土壤监测技术领域,尤其涉及一种盐碱土壤理化特性多尺度智能感知方法及***。
背景技术
目前,土壤盐渍化会造成生物多样性的减少,土壤退化,严重威胁生态环境,给农牧业等生产带来巨大损失。土壤盐渍化越来越成为影响植物生长、分布和产量的非生物因素。影响了土地资源的可持续发展,因而备受社会广泛关注。滨海盐渍土受海水浸渍,盐分组成以氯化钠为主,因地势低平,排水不顺畅,土壤脱盐较为困难,大多数处于未垦状态,即便种植作物、牧草或绿化植物,也常受盐分胁迫而生长不好,产量低而不稳。滨海地区是我国经济活动最为频繁的地区,加强滨海地区的生态建设,构建绿色投资环境,显得越来越重要。但滨海地区NaCl含量和地下水位高,成为限制植物成活、生长的最为直接的因素。因此,开展盐渍土的改良,不仅可以合理有效地开发和利用滨海盐碱地,提升农牧业的发展,而且有助于盐碱地经济、社会效益与生态效益的同步提高,对于实现滨海盐碱地的生产、生活与生态安全具有重要意义。
盐渍地的治理和利用,是一个长期和复杂的过程,涉及到多种学科,世界各国都进行了相关研究和治理。澳大利亚学者研究了土地盐渍化的影响以及合理利用和管理盐渍地。美国学者对盐渍地耕层盐分组成、水盐运动预测理论以及盐碱地的改良做了相关研究。巴基斯坦实施了防治土壤盐渍化的治理计划。澳大利亚、加拿大等国家还发明了精确盐渍地改良技术。世界各国对盐渍地的研究和治理,从20世纪初的盐渍地地形、地貌研究发展到了现在注重水盐平衡管理和利用抗盐性植物改善盐渍地生态环境。
盐渍化土壤的高盐分使土壤溶液的水势降低,使土壤中溶液比植物根系水势低,植物不能正常从土壤中正常吸收水分,严重时可能造成植物水分的丧失,造成植物死亡。大多数植物的渗透胁迫临界浓度为40mmol/L NaCl。土壤中盐分高于0.4%时,植物细胞便会向外渗脱水,植物生长缓慢,严重时会死亡。
植物在盐渍地中短期是受渗透胁迫影响,随着时间的推移,盐离子进入到植物根系细胞,对植物产生生理毒害,造成离子胁迫。由于植物从盐渍地土壤中吸收大量Na+离子,影响了其他营养元素的吸收,造成生长不正常。由于植物对Na+和Cl-的过度吸收,K+和Ca2+吸收减少,植物细胞结构完整性和正常生理生化功能将遭到破坏。Na+/K+是衡量植物在盐环境下生理响应的重要指标。研究表明,外界盐浓度增加时,K+会由根部转移到周围介质中,或者被Na+代替,K+的减少会造成细胞光合速率降低。同时,Na+还会取代细胞膜上的Ca2+,破坏细胞膜结构完整性及功能,影响代谢平衡,损害植物的生长及发育。杨国会等通过不同浓度NaCl处理甘草,造成细胞内电解质外渗,细胞质膜的完整性遭到破坏。另外Na+的积累还会导致叶片活性氧的产生,生理生化活动受到影响,造成氧化胁迫伤害。
盐胁迫下植物细胞结构和功能遭到破坏,细胞正常代谢发生紊乱,植物的正常代谢、光合作用、植物蛋白的合成等受到严重影响,抑制植物的生长。随着盐浓度的升高,均会出现株高降低、根长缩短、叶面积减小、以及相关生物量等下降的趋势。
综合国内外研究,对盐渍地的改良和利用手段主要分为物理手段、化学手段和生物手段。虽然物理和化学手段改良盐渍地具有见效快的特点,但投资大、维护成本高,易造成次生盐渍化。生物手段改良盐渍化土壤,可以起到覆盖土壤的作用,减少水土流失,增强土地肥力,降低土壤返盐的可能性。生物手段是我国滨海地区、内陆灌溉区改良盐渍化的重要方法。盐胁迫是植物受高盐环境中Mg2+、Na+、Ca2+、CO32-、Cl-以及SO42-等离子组成的可溶性盐的影响,不能正常生长、开花、结果等。我国盐渍地对植物的盐胁迫主要来自于Na+和Cl-。盐胁迫是一种非生物逆境,影响植物生长的整个生命周期,对植物产生离子胁迫和渗透胁迫,破坏其生物膜,使植物生理代谢发生紊乱,影响植物光合性能、呼吸代谢和物质代谢。
盐碱地土壤改良技术的方法研究。根据已发表国内期刊可知,山东师范大学、石河子大学、中国海洋大学、华北水利水电大学等高校、科研院、企业对透水铺装结构均进行了土壤改良技术的研究。华北水利水电大学在盐碱地预测方面,卫星遥感技术在20世纪七十年代用于检测土壤的动态变化,同时利用ENVI、ERDAS对遥感影像进行处理;丁绍武等在盐碱地微生物改良方面,微生物菌肥作为一种新型的肥料为盐碱地改良提供了物质技术支撑;刘洋洋等在盐碱地水利改良方面,包括灌水洗盐、排水洗盐、竖井排灌、劣质水灌溉以及改排为蓄技术;从20世纪30年代开始,美国、澳大利亚、印度、埃及等国家就开展了研究并取得了良好的效果,例如对植物耐盐碱性的研究和耐盐碱植物的培育,利用高聚物土壤改良剂改良盐碱地,利用水利工程进行排水减盐等一系列的改良措施。美国学者将凹凸棒石(ATP)、磷石膏(PG)、风化煤(WC)组成纳米复合材料SSRA,添加到传统肥料(TF)中,开发了一种新型的盐碱土壤微生物修复肥料SSRF。澳大利亚的科学家从被石油污染的盐渍土中,提取出耐卤降解的细菌,并研究细菌的基因组列,了解在盐水环境中微生物降解碳氢化合物机理。埃及的学者在极端栖息地研究盐渍化土壤及微生物,分离出新的嗜碱菌如厚壁菌门、放线菌,并将微生物作为一种生物肥料,开发出细菌、真菌、放线菌等,提高土壤溶解固体磷酸盐能力,同时提出将多种微生物混合使用。印度为了培育水稻的抗洪、耐盐、抗倒伏能力,通过杂交进行菌株的进化,已研制出耐盐菌株和耐盐品种,如T.892等;印度还种植玻璃麦汁、巴里拉、盐麦汁,这些植物将碱土中的碳酸钠进行隔离,并提出可利用生物多样性恢复土壤肥力。
综上,纵观国内外盐碱地的改良技术,主要有物理改良、生物改良、化学改良、工程改良,因此我国在开发利用盐碱地的过程中,各种技术措施要结合起来使用,同时要注意因地制宜、综合治理、生态优先的原则。
发明内容
针对现有技术存在的问题,本发明提供了一种盐碱土壤理化特性多尺度智能感知方法及***。
本发明是这样实现的,一种盐碱土壤理化特性多尺度智能感知方法,包括:
布置土壤性能传感器,汇聚无线传感器网络节点和多个采集土壤环境参数的土壤性能传感器节点,多个土壤性能传感器节点通过节点竞选确定簇首并分簇;
簇内的土壤性能传感器节点将采集的土壤环境参数传送至对应的簇首;
汇聚无线传感器网络节点汇总各簇首收集的土壤环境参数并通过无线发送至土壤信息智能监控预处理模块,实现感知土壤的信息;
构建土壤理化特性数据库模型。
可选的,所述土壤的土壤环境参数的信息包含:pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子。
可选的,所述土壤性能传感器的布置包括:
在需要改良的盐碱土壤区域内布置多个土壤性能传感器,获取不同时刻多个土壤性能传感器的土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子信息的测量数据,对任一时刻的测量数据进行稀疏表示以获取稀疏系数;将所述需要改良的盐碱土壤区域划分为具有若干相同六边形结构或盐碱植被分布的网格,在所述网格的每一个节点处布置一个土壤性能传感器;
基于所述稀疏系数与测量矩阵,在对应的空间位置进行土壤性能传感器的信号采集,得到测量信号;对得到的测量信号采用基于压缩感知重构算法进行重构,得到变换域稀疏信号,获取测量数据估计值;
将不同时刻的测量数据与对应的测量数据估计值进行比较获取其误差,基于所述误差最小的测量数据估计值,确定土壤性能传感器的部署数量和部署位置。
可选的,随机生成一个单位矩阵I∈onesM×N,在所述单位矩阵中随机选取M行向量,由所述M行向量构成的矩阵即为所述测量矩阵;其中,M<<N;其中,所述测量矩阵每行只有一个元素为1,每列至多有一个元素为1;
可选的,所述多个土壤性能传感器节点通过节点竞选确定簇首,具体包括:
土壤性能传感器采集土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据,遍历土壤性能传感器网络中所有的节点信息发送给土壤信息智能监控预处理模块,土壤信息智能监控预处理模块保存各节点的信息,并根据节点信息建立虚拟拓扑结构;
在土壤性能传感器的无线传感器网络中,每个节点采用十进制的编码方式进行编码;
无线传感器网络的节点将激励值明文发送至土壤性能传感器节点,将激励值输入物理不克隆函数结构得到相应的新激励值,使用新激励值作为加密密钥加密激励值得到密文,将密文发送给无线传感器网络的节点,将对应激励值的激励另一相应对作为解密密钥得到结果,并与激励值对比;
与激励值对比成功后,土壤信息智能监控预处理模块收到所有土壤性能传感器节点信息,计算所有土壤性能传感器的数据,与每个节点的数据进行对比,大于其平均数据值得进入候选种群;
计算每个节点的适应度函数值,适应度值由高到低进行排序,得到适应度值高的节点进入将适应度值高的作为最优的节点,即为簇首。
可选的,簇首确定后需要进行:
簇首节点选定后,首先广播自己成为簇首的消息,土壤性能传感器的节点根据接收到的消息强度决定加入哪个簇群,并告知相应的簇头,完成簇的建立过程;簇首的节点釆时分多址技术的方式,为簇内成员分配传送数据的时隙。土壤性能传感器的节点将采集的数据传送到簇头节点,簇头节点对釆集的数据进行数据融合后将信息传送给点;每个簇采用不同的方式进行通信来减少其他簇内节点的干扰;稳定阶段持续一段时间后,无线传感器网络重新进入簇的建立阶段,进行下一轮的簇重建,不断循环。
可选的,所述土壤环境参数的无线发送,具体包括:
开启所述无线传感器网络节点与所述土壤信息智能监控预处理模块的初始化,以使各自进入土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子信息的数据待传输状态;
通过所述无线传感器网络节点发射的无线信号进行配对识别,并判断所述无线传感器网络节点与所述土壤信息智能监控预处理模块是否配对;
如果所述无线传感器网络节点与所述土壤信息智能监控预处理模块配对,则所述土壤信息智能监控预处理模块进入土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子信息的数据接收状态;
对接收的所述土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据进行过滤处理,将过滤后的所述土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据进行放大处理,对放大处理后的所述土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子信息的数据进行转换处理;
所述土壤信息智能监控预处理模块接收所述无线传感器网络节点发射的数字信号;
通过所述土壤信息智能监控预处理模块的数据转换模块将接收到的所述数字信号转换为数据流,土壤理化特性数据库中进行存储。
本发明的另一目的在于提供一种实施所述盐碱土壤理化特性多尺度智能感知方法的盐碱土壤理化特性多尺度智能感知***,所述盐碱土壤理化特性多尺度智能感知***包括:
智能监控模块,用于采集土壤的PH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子信息的数据;
土壤信息智能监控预处理模块,用于汇聚无线传感器网络节点汇总各簇首收集的土壤环境参数;
土壤理化特性数据库,用于存储土壤环境参数;
加气滴灌设备,用于把掺气水输送到作物根区进行灌溉,通过调控土壤气体环境,改善植物根系和土壤微生物呼吸,间接影响土壤理化性质,形成对盐碱地的改良。
进一步,所述加气滴灌设备包括:纳米气泡发生器、水箱、变频水泵、输送管道、开关、压力表和滴灌带;
纳米气泡发生器通过输送袋与水箱连接,水箱通过输送管道与开关连接,输送管道上安装有变频水泵,输送管道与滴灌带通过转接头连接。
进一步,所述输送管道与滴灌带之间安装有开关合压力表。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明感知节点被布置到多个需要监测的区域,并能统一协调进行同步数据采集,单一节点能够同时获取多个环境参数;本发明基于人工智能的土壤信息感知的方法,实时获取土壤特性信息,了解土壤盐碱性变化,通过大数据分析土壤信息,智能地制定耦合治理方案,进行土壤盐碱改良;优化盐碱土壤改良技术,对合理利用盐碱地,提高土地生产力,缓解耕地少、后备土地资源不足矛盾,实现农业可持续发展具有重要意义。
本发明应用基于人工智能的土壤信息感知的技术,实时获取土壤特性信息,了解土壤盐碱性变化,通过大数据分析土壤信息,智能地制定耦合治理方案,进行土壤盐碱改良。
本发明通过土壤性能传感器的布置,可实现土壤理化特性数据库模型的构建及劣化预警阈值的建立和新型的滴灌设备,对盐碱地的治理可以起到很好的效果,对于城市建设、保护环境也具有重要的意义。本发明在需要改良的盐碱土壤区域对应设置多个土壤性能传感器,以土壤性能传感器测量得到的关于盐碱土壤信息的测量数据为基准,通过稀疏表示以及重构算法,最终得到逼近测量数据的测量数据估计值,以合理部署传感器,在保证盐碱土壤信息测量准确性的基础上,能够降低传感器的实际使用数量,有效降低成本;本发明采用NSL0重构算法对土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息进行重构,对得到的变换域稀疏信号进行处理,收敛速度快,重构效率高等优点。在重构运算过程中,通过优化测量矩阵,以使所获取的测量数据估计值中的数据能够更好逼近实测数据,提高土壤性能传感器数量和位置部署的合理性和测量准确性。
本发明选择无线传感器网络中的簇首节点时,首先是把土壤性能传感器的节点按照指定的簇首数量划分成若干个分簇,然后根据无线传感器网络能量消耗计算土壤性能传感器的节点的最优传输路径,最后把确定下来的簇首的节点信息发布到整个无线传感器网络中,网络整体能量消耗最少;本发明的无线传感器网络的节点将激励值明文发送至土壤性能传感器节点,使用新激励值作为加密密钥加密激励值得到密文,将密文发送给无线传感器网络的节点,将对应激励值的激励另一相应对作为解密密钥得到结果,并与激励值对比,便于土壤信息智能监控预处理模块与土壤性能传感器的匹配,提高了数据的隐私性和安全性,同时为准确获知土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据提供了保障。
本发明汇聚无线传感器网络节点汇总各簇首收集的土壤环境参数并通过无线发送至土壤信息智能监控预处理模块中的无线发送通过配对识别,提高了设备的精准匹配率,一定程度上保证了土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据的安全性,同时,便于土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据汇总和分析处理,为盐碱土壤理化特性多尺度感知提供了保障;本发明对接收的所述土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据进行过滤处理、放大处理,和转换处理,保证了数据的质量,减小了无线传输的数据和实际数据间的误差,实现高精度无线传输,提高了对无线传输电路的体验感,有效地提高了产品的整体使用性能。
本发明的智能监控模块布设在排碱层上,实现多地点、多参数的监测功能;感知节点被布置到多个需要监测的区域,并能统一协调进行同步数据采集,单一节点能够同时获取多个环境参数,***感知土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息。布置土壤性能传感器,***感知土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息,实现对土壤理化性能的全方位感知,构建土壤理化特性数据库模型。本发明采用加气装置连接地下滴灌***,把掺气水输送到作物根区进行灌溉;通过调控土壤气体环境,改善植物根系和土壤微生物呼吸,间接影响土壤理化性质,形成对盐碱地的改良。
本发明采用加气装置连接地下滴灌***,把掺气水输送到作物根区进行灌溉;通过调控土壤气体环境,改善植物根系和土壤微生物呼吸,间接影响土壤理化性质,形成对盐碱地的改良。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,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。
图1是本发明实施例提供的盐碱土壤理化特性多尺度智能感知方法流程图;
图2是本发明实施例提供的土壤性能传感器的布置流程图;
图3是本发明实施例提供的多个土壤性能传感器节点通过节点竞选确定簇首流程图;
图4是本发明实施例提供的汇聚无线传感器网络节点汇总各簇首收集的土壤环境参数并通过无线发送至土壤信息智能监控预处理模块流程图;
图5是本发明实施例提供的盐碱土壤理化特性多尺度智能感知***的结构示意图;
图6是本发明实施例提供的加气滴灌设备的结构示意图;
图中:1、智能监控模块;2、土壤信息智能监控预处理模块;3、土壤理化特性数据库;4、加气滴灌设备;5、纳米气泡发生器;6、水箱;7、变频水泵;8、输送管道;9、开关;10、压力表;11、滴灌带。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1:
如图1所示,本发明实施例提供的盐碱土壤理化特性多尺度智能感知方法包括以下步骤:
S101:布置土壤性能传感器,汇聚无线传感器网络节点和多个采集土壤环境参数的土壤性能传感器节点,多个土壤性能传感器节点通过节点竞选确定簇首并分簇;
S102:簇内的土壤性能传感器节点将采集的土壤环境参数传送至对应的簇首;
S103:汇聚无线传感器网络节点汇总各簇首收集的土壤环境参数并通过无线发送至土壤信息智能监控预处理模块,实现感知土壤的信息;
S104:构建土壤理化特性数据库模型。
本发明感知节点被布置到多个需要监测的区域,并能统一协调进行同步数据采集,单一节点能够同时获取多个环境参数;本发明基于人工智能的土壤信息感知的方法,实时获取土壤特性信息,了解土壤盐碱性变化,通过大数据分析土壤信息,智能地制定耦合治理方案,进行土壤盐碱改良;优化盐碱土壤改良技术,对合理利用盐碱地,提高土地生产力,缓解耕地少、后备土地资源不足矛盾,实现农业可持续发展具有重要意义。
本发明应用基于人工智能的土壤信息感知的技术,实时获取土壤特性信息,了解土壤盐碱性变化,通过大数据分析土壤信息,智能地制定耦合治理方案,进行土壤盐碱改良。
实施例2:
在实施例1的基础上,本发明实施例提供的土壤的信息包含:pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等。
本发明实现了感知土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息,信息全面,能够真实的反应土壤的状况,便于准确的了解土壤特性信息,了解土壤盐碱性变化,为进行土壤的盐碱改良提供准确的数据参数,实现了对土壤理化性能的全方位感知。
实施例3:
如图2所示,在实施例1的基础上,本发明实施例提供的土壤性能传感器的布置包括:
S301:在需要改良的盐碱土壤区域内布置多个土壤性能传感器,获取不同时刻多个土壤性能传感器的土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的测量数据,对任一时刻的测量数据进行稀疏表示以获取稀疏系数;将所述需要改良的盐碱土壤区域划分为具有若干相同六边形结构或盐碱植被分布的网格,在所述网格的每一个节点处布置一个土壤性能传感器;
S302:基于所述稀疏系数与测量矩阵,在对应的空间位置进行土壤性能传感器的信号采集,得到测量信号;对得到的测量信号采用NSL0重构算法进行重构,得到变换域稀疏信号,获取测量数据估计值;随机生成一个单位矩阵I∈onesM×N,在所述单位矩阵中随机选取M行向量,由所述M行向量构成的矩阵即为所述测量矩阵;其中,M<<N;其中,所述测量矩阵每行只有一个元素为1,每列至多有一个元素为1;
S303:将不同时刻的测量数据与对应的测量数据估计值进行比较获取其误差,基于所述误差最小的测量数据估计值,确定土壤性能传感器的部署数量和部署位置。
本发明通过土壤性能传感器的布置,可实现土壤理化特性数据库模型的构建及劣化预警阈值的建立和新型的滴灌设备,对盐碱地的治理可以起到很好的效果,对于城市建设、保护环境也具有重要的意义。本发明在需要改良的盐碱土壤区域对应设置多个土壤性能传感器,以土壤性能传感器测量得到的关于盐碱土壤信息的测量数据为基准,通过稀疏表示以及重构算法,最终得到逼近测量数据的测量数据估计值,以合理部署传感器,在保证盐碱土壤信息测量准确性的基础上,能够降低传感器的实际使用数量,有效降低成本;本发明采用基于压缩感知NSL0重构算法对土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息进行重构,对得到的变换域稀疏信号进行处理,收敛速度快,重构效率高等优点。在重构运算过程中,通过优化测量矩阵,以使所获取的测量数据估计值中的数据能够更好逼近实测数据,提高土壤性能传感器数量和位置部署的合理性和测量准确性。
实施例4:
如图3所示,在实施例1的基础上,本发明实施例提供的多个土壤性能传感器节点通过节点竞选确定簇首,具体包括:
S401:土壤性能传感器采集土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据,遍历土壤性能传感器网络中所有的节点信息发送给土壤信息智能监控预处理模块,土壤信息智能监控预处理模块保存各节点的信息,并根据节点信息建立虚拟拓扑结构;
S402:在土壤性能传感器的无线传感器网络中,每个节点采用十进制的编码方式进行编码;
S403:无线传感器网络的节点将激励值明文发送至土壤性能传感器节点,将激励值输入物理不克隆函数结构得到相应的新激励值,使用新激励值作为加密密钥加密激励值得到密文,将密文发送给无线传感器网络的节点,将对应激励值的激励另一相应对作为解密密钥得到结果,并与激励值对比;
S404:与激励值对比成功后,土壤信息智能监控预处理模块收到所有土壤性能传感器节点信息,计算所有土壤性能传感器的数据,与每个节点的数据进行对比,大于其平均数据值得进入候选种群;
S405:计算每个节点的适应度函数值,适应度值由高到低进行排序,得到适应度值高的节点进入S406;
S406:将适应度值高的作为最优的节点,即为簇首。
本发明选择无线传感器网络中的簇首节点时,首先是把土壤性能传感器的节点按照指定的簇首数量划分成若干个分簇,然后根据无线传感器网络能量消耗计算土壤性能传感器的节点的最优传输路径,最后把确定下来的簇首的节点信息发布到整个无线传感器网络中,网络整体能量消耗最少;本发明的无线传感器网络的节点将激励值明文发送至土壤性能传感器节点,使用新激励值作为加密密钥加密激励值得到密文,将密文发送给无线传感器网络的节点,将对应激励值的激励另一相应对作为解密密钥得到结果,并与激励值对比,便于土壤信息智能监控预处理模块与土壤性能传感器的匹配,提高了数据的隐私性和安全性,同时为准确获知土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据提供了保障。
实施例5:
在实施例4的基础上,本发明实施例提供的簇首确定后需要进行:
簇首节点选定后,首先广播自己成为簇首的消息,土壤性能传感器的节点根据接收到的消息强度决定加入哪个簇群,并告知相应的簇头,完成簇的建立过程;簇首的节点釆时分多址技术的方式,为簇内成员分配传送数据的时隙。土壤性能传感器的节点将采集的数据传送到簇头节点,簇头节点对釆集的数据进行数据融合后将信息传送给点;每个簇采用不同的方式进行通信来减少其他簇内节点的干扰;稳定阶段持续一段时间后,无线传感器网络重新进入簇的建立阶段,进行下一轮的簇重建,不断循环。
本发明设置多个土壤性能传感器,并汇聚无线传感器网络节点和多个采集土壤环境参数的土壤性能传感器节点,多个土壤性能传感器节点通过节点竞选确定簇首并分簇,确定簇首后进行簇群的建立,并进行分簇,能够将无线传感器网络节点和多个采集土壤环境参数快速汇集,从而能够更加准确的得到土壤环境参数,为下一步对盐碱土壤的改进提供重要的数据参考。
实施例6:
如4所示,实施例1的基础上,本发明实施例提供的汇聚无线传感器网络节点汇总各簇首收集的土壤环境参数并通过无线发送至土壤信息智能监控预处理模块具体包括:
S501:开启所述无线传感器网络节点与所述土壤信息智能监控预处理模块的初始化,以使各自进入土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据待传输状态;
S502:通过所述无线传感器网络节点发射的无线信号进行配对识别,并判断所述无线传感器网络节点与所述土壤信息智能监控预处理模块是否配对;
S503:如果所述无线传感器网络节点与所述土壤信息智能监控预处理模块配对,则所述土壤信息智能监控预处理模块进入土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据接收状态;
S504:对接收的所述土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据进行过滤处理,将过滤后的所述土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据进行放大处理,对放大处理后的所述土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据进行转换处理;
S505:所述土壤信息智能监控预处理模块接收所述无线传感器网络节点发射的数字信号;
S506:通过所述土壤信息智能监控预处理模块的数据转换模块将接收到的所述数字信号转换为数据流,土壤理化特性数据库中进行存储。
本发明汇聚无线传感器网络节点汇总各簇首收集的土壤环境参数并通过无线发送至土壤信息智能监控预处理模块中的无线发送通过配对识别,提高了设备的精准匹配率,一定程度上保证了土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据的安全性,同时,便于土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据汇总和分析处理,为盐碱土壤理化特性多尺度感知提供了保障;本发明对接收的所述土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据进行过滤处理、放大处理,和转换处理,保证了数据的质量,减小了无线传输的数据和实际数据间的误差,实现高精度无线传输,提高了对无线传输电路的体验感,有效地提高了产品的整体使用性能。
实施例7:
在实施例1的基础上,本发明实施例提供的构建土壤理化特性数据库模型的错误记录定位可验证检测采用向量承诺树,具体包括:
(1)生成密钥VCT.KeyGen(1k,q,Q):输入安全参数k、每个承诺单元的大小q和整个消息的大小Q(Q=poly(k)),密钥生成算法VCT.KeyGen(1k,q,Q)输出公共参数集PP和向量承诺树的高度n,从根到最深的非叶子节点;消息空间记为承诺空间记为
(2)计算承诺VCT.ComPP(m1,…,mQ,f):输入含有Q个消息的序列和映射函数f:根据公共参数PP,承诺算法VCT.ComPP(m1,…,mQ,f)输出附加信息aux和承诺集合C,其中C中的每个值是对含有消息或承诺的承诺单元所做的向量承诺;
(3)打开承诺VCT.OpenPP(m,i,aux,AC,f):输入数据库中索引为i的消息m、附加信息aux、访问控制参数AC=(μ,ν)∈Zn×Zq×ν和映射函数f:只有当AC满足访问控制规则时,打开算法VCT.OpenPP(m,i,aux,AC,f)才输出证据集合m是所有Q个被承诺消息中的第i个;打开算法由原始承诺者或其他合法用户运行;
(4)验证承诺VCT.VerPP(C,m,i,Λi,AC):输入承诺集合C、索引为i的消息m、证据集合Λi和访问控制参数AC,验证函数VCT.VerPP(C,m,i,Λi,AC)输出或(⊥,Ω);输出意味着AC不满足访问控制策略;否则,只有当Λi是一个有效证据,证明C是对序列(m1,…,mQ)生成的,其中m=mi,则验证函数才并输出否则,输出(⊥,Ω),其中Ω是错误记录所在范围;
(5)更新承诺VCT.VerPP(C,m,i,Λi,AC):输入承诺集合C、第i个位置上的原消息mi和新消息m′i以及映射函数f:承诺更新算法VCT.UpdatePP(C,mi,m′i,i,f)输出新的承诺集合C′和更新信息集合U;承诺更新算法由生成C并拟将其中第i个消息mi更新为m′i的原始承诺者运行;
(6)更新证据VCT.ProofUpdatePP(C,Λj,m′i,i,U):输入承诺集合C、证据集合Λi、拟替换外包数据库中第i个记录的新消息m′i、更新信息U和映射函数f:证据更新算法VCT.ProofUpdatePP(C,Λj,m′i,i,U,f)输出新的证据集合Λ′j;证据更新算法由任何拥有对应C中第j个消息的证据集合Λj的用户运行,计算对新的承诺集合C′有效的证据集合Λ′j。
本发明采用向量承诺树实现密钥参数总量的控制;另外,在向量承诺树中,不同单元可以对应不同的访问许可,不同单元中的元素相对独立,它们可以被分别同时处理,这使得分布式和分层验证变为可能。本发明的数据库分层验证方法根据用户权限允许数据用户验证外包数据库的一部分;另外,如果一条记录被篡改,本发明的数据库分层验证方法还可以给出错误记录索引所在的位置范围。本发明提高了土壤理化特性数据库模型的工作效率,进而保证了数据存储的安全性。
实施例8:
如图5所示,在实施例1的基础上,本发明实施例提供的盐碱土壤理化特性多尺度智能感知***包括:智能监控模块1、土壤信息智能监控预处理模块2、土壤理化特性数据库3、加气滴灌设备4。
智能监控模块1,用于采集土壤的PH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据;
土壤信息智能监控预处理模块2,用于汇聚无线传感器网络节点汇总各簇首收集的土壤环境参数;
土壤理化特性数据库3,用于存储土壤环境参数;
加气滴灌设备4,用于把掺气水输送到作物根区进行灌溉,通过调控土壤气体环境,改善植物根系和土壤微生物呼吸,间接影响土壤理化性质,形成对盐碱地的改良。
本发明的智能监控模块布设在排碱层上,实现多地点、多参数的监测功能;感知节点被布置到多个需要监测的区域,并能统一协调进行同步数据采集,单一节点能够同时获取多个环境参数,***感知土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息。布置土壤性能传感器,***感知土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息,实现对土壤理化性能的全方位感知,构建土壤理化特性数据库模型。本发明采用加气装置连接地下滴灌***,把掺气水输送到作物根区进行灌溉;通过调控土壤气体环境,改善植物根系和土壤微生物呼吸,间接影响土壤理化性质,形成对盐碱地的改良。
实施例9:
如图6所示,本发明实施例提供的加气滴灌设备4包括:纳米气泡发生器5、水箱6、变频水泵7、输送管道8、开关9、压力表10、滴灌带11。
纳米气泡发生器5通过输送袋与水箱6连接,水箱6通过输送管道8与开关9连接,输送管道8上安装有变频水泵7,输送管道8与滴灌带11通过转接头连接,输送管道8与滴灌带11之间安装有开关9、压力表10。
使用时,开启纳米气泡发生器5产生气泡,进入水箱6内,产生掺杂气泡的水,然后开启变频水泵7,变频水泵7抽取水箱6内掺杂气泡的水,打开开关9,掺杂气泡的水进入滴灌带11,然后输送到作物根区进行灌溉;压力表10实时监测水的压力,可以根据实时情况实时调整变频水泵7,进而控制水的压力。
本发明采用加气装置连接地下滴灌***,把掺气水输送到作物根区进行灌溉;通过调控土壤气体环境,改善植物根系和土壤微生物呼吸,间接影响土壤理化性质,形成对盐碱地的改良。
土壤盐渍化已成为全球问题。在人口逐年增加,耕地逐年减少的情况下,开发利用盐碱地具有重大战略意义。我国人多地少,城市化和工业化进程占据了大量耕地,而由于灌溉不当造成大量耕地盐碱化,18亿亩耕地红线越来越难以守住。另一方面,我国约15亿亩盐碱地80%处于荒芜状态。所以,开发利用盐碱地对于国家经济发展、粮食和能源安全都具有重大意义。将根据东营现场的盐碱地情况,基于现有的喷灌***,研发适用于东营实际盐碱地情况的滴灌设备。山东东营市主要为滨海盐渍化,其盐渍化土地面积约44.29万hm2,占市总面积的50%以上,其中,重度盐渍化土壤和盐碱光板地23.63万hm2,约占市总土地面积的28.4%。盐碱地的治理是东营城市治理的关键。本发明提出新的排碱层结构,及智能滴灌装置,实现对土壤理化性质的实时感知,得到土壤盐碱值的预警***,自动控制滴管设备,对土壤进行加气。通过本发明形成盐碱地的监测-分析-预警-多尺度调控的成套技术方案和设备,形成盐碱地处理的自身技术体系。
本发明可以广泛运用于城市建设当中,找到有效的盐碱地治理方案,实现了盐碱土壤的感知-分析-调控治理的一体化、智能化技术;应用基于人工智能的土壤信息感知的技术,实时获取土壤特性信息,了解土壤盐碱性变化,通过大数据分析土壤信息,智能地制定耦合治理方案,进行土壤盐碱改良,调控土壤气体环境,改善植物根系和土壤微生物呼吸,可间接影响土壤理化性质,创造了适合植物生长生存条件,实现农业的可持续发展,为路桥在今后的盐碱地治理上提供技术支持。同时,为今后的盐碱地改良提供技术支持。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行***,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明较优的具体的实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种盐碱土壤理化特性多尺度智能感知方法,其特征在于,包括:
布置土壤性能传感器,汇聚无线传感器网络节点和多个采集土壤环境参数的土壤性能传感器节点,多个土壤性能传感器节点通过节点竞选确定簇首并分簇;
簇内的土壤性能传感器节点将采集的土壤环境参数传送至对应的簇首;
汇聚无线传感器网络节点汇总各簇首收集的土壤环境参数并通过无线发送至土壤信息智能监控预处理模块,实现感知土壤的信息;
构建土壤理化特性数据库模型。
2.如权利要求1所述的盐碱土壤理化特性多尺度智能感知方法,其特征在于,所述土壤的土壤环境参数的信息包含:pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子。
3.如权利要求1所述的盐碱土壤理化特性多尺度智能感知方法,其特征在于,所述土壤性能传感器的布置包括:
在需要改良的盐碱土壤区域内布置多个土壤性能传感器,获取不同时刻多个土壤性能传感器的土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子信息的测量数据,对任一时刻的测量数据进行稀疏表示以获取稀疏系数;将所述需要改良的盐碱土壤区域划分为具有若干相同六边形结构或盐碱植被分布的网格,在所述网格的每一个节点处布置一个土壤性能传感器;
基于所述稀疏系数与测量矩阵,在对应的空间位置进行土壤性能传感器的信号采集,得到测量信号;对得到的测量信号采用基于压缩感知重构算法进行重构,得到变换域稀疏信号,获取测量数据估计值;
将不同时刻的测量数据与对应的测量数据估计值进行比较获取其误差,基于所述误差最小的测量数据估计值,确定土壤性能传感器的部署数量和部署位置。
4.如权利要求3所述的盐碱土壤理化特性多尺度智能感知方法,其特征在于,随机生成一个单位矩阵I∈onesM×N,在所述单位矩阵中随机选取M行向量,由所述M行向量构成的矩阵即为所述测量矩阵;其中,M<<N;其中,所述测量矩阵每行只有一个元素为1,每列至多有一个元素为1。
5.如权利要求1所述的盐碱土壤理化特性多尺度智能感知方法,其特征在于,所述多个土壤性能传感器节点通过节点竞选确定簇首,具体包括:
土壤性能传感器采集土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据,遍历土壤性能传感器网络中所有的节点信息发送给土壤信息智能监控预处理模块,土壤信息智能监控预处理模块保存各节点的信息,并根据节点信息建立虚拟拓扑结构;
在土壤性能传感器的无线传感器网络中,每个节点采用十进制的编码方式进行编码;
无线传感器网络的节点将激励值明文发送至土壤性能传感器节点,将激励值输入物理不克隆函数结构得到相应的新激励值,使用新激励值作为加密密钥加密激励值得到密文,将密文发送给无线传感器网络的节点,将对应激励值的激励另一相应对作为解密密钥得到结果,并与激励值对比;
与激励值对比成功后,土壤信息智能监控预处理模块收到所有土壤性能传感器节点信息,计算所有土壤性能传感器的数据,与每个节点的数据进行对比,大于其平均数据值得进入候选种群;
计算每个节点的适应度函数值,适应度值由高到低进行排序,得到适应度值高的节点进入将适应度值高的作为最优的节点,即为簇首。
6.如权利要求5所述的盐碱土壤理化特性多尺度智能感知方法,其特征在于,簇首确定后需要进行:
簇首节点选定后,首先广播自己成为簇首的消息,土壤性能传感器的节点根据接收到的消息强度决定加入哪个簇群,并告知相应的簇头,完成簇的建立过程;簇首的节点釆时分多址技术的方式,为簇内成员分配传送数据的时隙。土壤性能传感器的节点将采集的数据传送到簇头节点,簇头节点对釆集的数据进行数据融合后将信息传送给点;每个簇采用不同的方式进行通信来减少其他簇内节点的干扰;稳定阶段持续一段时间后,无线传感器网络重新进入簇的建立阶段,进行下一轮的簇重建,不断循环。
7.如权利要求1所述的盐碱土壤理化特性多尺度智能感知方法,其特征在于,所述土壤环境参数的无线发送,具体包括:
开启所述无线传感器网络节点与所述土壤信息智能监控预处理模块的初始化,以使各自进入土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子信息的数据待传输状态;
通过所述无线传感器网络节点发射的无线信号进行配对识别,并判断所述无线传感器网络节点与所述土壤信息智能监控预处理模块是否配对;
如果所述无线传感器网络节点与所述土壤信息智能监控预处理模块配对,则所述土壤信息智能监控预处理模块进入土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子信息的数据接收状态;
对接收的所述土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据进行过滤处理,将过滤后的所述土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子等信息的数据进行放大处理,对放大处理后的所述土壤的pH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子信息的数据进行转换处理;
所述土壤信息智能监控预处理模块接收所述无线传感器网络节点发射的数字信号;
通过所述土壤信息智能监控预处理模块的数据转换模块将接收到的所述数字信号转换为数据流,土壤理化特性数据库中进行存储。
8.一种实施权利要求1~7任意一项所述盐碱土壤理化特性多尺度智能感知方法的盐碱土壤理化特性多尺度智能感知***,其特征在于,所述盐碱土壤理化特性多尺度智能感知***包括:
智能监控模块,用于采集土壤的PH值、含水量、含气量、孔隙度、有机物组分、无机物组分及有害侵蚀性离子信息的数据;
土壤信息智能监控预处理模块,用于汇聚无线传感器网络节点汇总各簇首收集的土壤环境参数;
土壤理化特性数据库,用于存储土壤环境参数;
加气滴灌设备,用于把掺气水输送到作物根区进行灌溉,通过调控土壤气体环境,改善植物根系和土壤微生物呼吸,间接影响土壤理化性质,形成对盐碱地的改良。
9.如权利要求8所述的盐碱土壤理化特性多尺度智能感知***,其特征在于,所述加气滴灌设备包括:纳米气泡发生器、水箱、变频水泵、输送管道、开关、压力表和滴灌带;
纳米气泡发生器通过输送袋与水箱连接,水箱通过输送管道与开关连接,输送管道上安装有变频水泵,输送管道与滴灌带通过转接头连接。
10.如权利要求9所述的盐碱土壤理化特性多尺度智能感知***,其特征在于,所述输送管道与滴灌带之间安装有开关合压力表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210396713.9A CN114965941A (zh) | 2022-04-15 | 2022-04-15 | 一种盐碱土壤理化特性多尺度智能感知方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210396713.9A CN114965941A (zh) | 2022-04-15 | 2022-04-15 | 一种盐碱土壤理化特性多尺度智能感知方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114965941A true CN114965941A (zh) | 2022-08-30 |
Family
ID=82977801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210396713.9A Pending CN114965941A (zh) | 2022-04-15 | 2022-04-15 | 一种盐碱土壤理化特性多尺度智能感知方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114965941A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116868713A (zh) * | 2023-05-25 | 2023-10-13 | 中电建路桥集团有限公司 | 一种基于人工智能感知的盐碱土壤改良方法及*** |
CN117250161A (zh) * | 2023-11-17 | 2023-12-19 | 黑龙江省农业科学院黑河分院 | 一种大豆耐盐碱鉴定池的实时监测*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106375940A (zh) * | 2016-08-29 | 2017-02-01 | 北京农业信息技术研究中心 | 农业感知数据稀疏向量采集与空间耦合方法 |
CN108353771A (zh) * | 2018-05-03 | 2018-08-03 | 水利部牧区水利科学研究所 | 一种智能滴灌控制*** |
CN108737069A (zh) * | 2018-04-18 | 2018-11-02 | 西安电子科技大学 | 一种支持错误记录定位可验证数据库的检测方法 |
CN109003431A (zh) * | 2018-09-04 | 2018-12-14 | 广州巨枫科技有限公司 | 高精度低成本的农田土壤质量智能监测*** |
CN110955212A (zh) * | 2019-12-05 | 2020-04-03 | 河南工业大学 | 一种基于物联网的智慧农业信息处理*** |
-
2022
- 2022-04-15 CN CN202210396713.9A patent/CN114965941A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106375940A (zh) * | 2016-08-29 | 2017-02-01 | 北京农业信息技术研究中心 | 农业感知数据稀疏向量采集与空间耦合方法 |
CN108737069A (zh) * | 2018-04-18 | 2018-11-02 | 西安电子科技大学 | 一种支持错误记录定位可验证数据库的检测方法 |
CN108353771A (zh) * | 2018-05-03 | 2018-08-03 | 水利部牧区水利科学研究所 | 一种智能滴灌控制*** |
CN109003431A (zh) * | 2018-09-04 | 2018-12-14 | 广州巨枫科技有限公司 | 高精度低成本的农田土壤质量智能监测*** |
CN110955212A (zh) * | 2019-12-05 | 2020-04-03 | 河南工业大学 | 一种基于物联网的智慧农业信息处理*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116868713A (zh) * | 2023-05-25 | 2023-10-13 | 中电建路桥集团有限公司 | 一种基于人工智能感知的盐碱土壤改良方法及*** |
CN117250161A (zh) * | 2023-11-17 | 2023-12-19 | 黑龙江省农业科学院黑河分院 | 一种大豆耐盐碱鉴定池的实时监测*** |
CN117250161B (zh) * | 2023-11-17 | 2024-02-13 | 黑龙江省农业科学院黑河分院 | 一种大豆耐盐碱鉴定池的实时监测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112765800B (zh) | 一种分布式水资源配置模型的设计方法 | |
Zang et al. | Impact of landscape patterns on ecological vulnerability and ecosystem service values: An empirical analysis of Yancheng Nature Reserve in China | |
Su et al. | Quantifying the spatiotemporal dynamics and multi-aspect performance of non-grain production during 2000–2015 at a fine scale | |
CN114965941A (zh) | 一种盐碱土壤理化特性多尺度智能感知方法及*** | |
Aerts et al. | Climate Change in contrasting river basins | |
Wang et al. | Assessing the changes in land use and ecosystem services in an oasis agricultural region of Yanqi Basin, Northwest China | |
Pourmohammadali et al. | Effects of soil properties, water quality and management practices on pistachio yield in Rafsanjan region, southeast of Iran | |
Liu et al. | Simulating warmer and drier climate increases root production but decreases root decomposition in an alpine grassland on the Tibetan plateau | |
Huang et al. | Landscape dynamics facilitated non-point source pollution control and regional water security of the Three Gorges Reservoir area, China | |
Gerten | A vital link: water and vegetation in the Anthropocene | |
Klante et al. | Brownification in Lake Bolmen, Sweden, and its relationship to natural and human-induced changes | |
Wu et al. | Dynamics of landscape ecological quality based on benefit evaluation coupled with the rocky desertification control in South China Karst | |
Engel et al. | Biofuels and water quality: challenges and opportunities for simulation modeling | |
Bertin et al. | Effects of wind‐driven spatial structure and environmental heterogeneity on high‐altitude wetland macroinvertebrate assemblages with contrasting dispersal modes | |
Zhang et al. | Soil environmental deterioration and ecological rehabilitation | |
Huang et al. | Linking landscape dynamics to the relationship between water purification and soil retention | |
Liu et al. | A threshold‐like effect on the interaction between hydrological connectivity and dominant plant population in tidal marsh wetlands | |
Xu et al. | Bundling evaluating changes in ecosystem service under karst rocky desertification restoration: projects a case study of Huajiang-Guanling, Guizhou province, Southwest China | |
Viola et al. | The state of water resources in major Mediterranean islands | |
Miao et al. | Measurement of cultivated land ecosystem resilience in black soil region of Northeast China under the background of cultivated land protection policy in China: Case study of Qiqihar City | |
Ielpo et al. | Tools based on multivariate statistical analysis for classification of soil and groundwater in Apulian agricultural sites | |
CN114902936B (zh) | 基于传感器感知技术的智能排碱层结构及*** | |
Zhao et al. | How soil salinization and alkalinization drive vegetation change in salt-affected inland wetlands | |
Ding et al. | Analysis of health assessment of water resources of Futuan River in Rizhao City by 5G wireless communication | |
Murray-Darling Basin Commission et al. | Dryland salinity management in the Murray-Darling Basin |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220830 |
|
RJ01 | Rejection of invention patent application after publication |