CN116362402A - 一种基于天气预报与表型信息监测的灌溉制度优化*** - Google Patents
一种基于天气预报与表型信息监测的灌溉制度优化*** Download PDFInfo
- Publication number
- CN116362402A CN116362402A CN202310347974.6A CN202310347974A CN116362402A CN 116362402 A CN116362402 A CN 116362402A CN 202310347974 A CN202310347974 A CN 202310347974A CN 116362402 A CN116362402 A CN 116362402A
- Authority
- CN
- China
- Prior art keywords
- irrigation
- forecast
- water
- crop
- water demand
- 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
- 230000002262 irrigation Effects 0.000 title claims abstract description 176
- 238000003973 irrigation Methods 0.000 title claims abstract description 176
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 119
- 239000002689 soil Substances 0.000 claims abstract description 60
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000005457 optimization Methods 0.000 claims abstract description 32
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 235000016709 nutrition Nutrition 0.000 claims abstract description 18
- 230000035764 nutrition Effects 0.000 claims abstract description 18
- 230000007812 deficiency Effects 0.000 claims abstract description 17
- 239000003337 fertilizer Substances 0.000 claims abstract description 6
- 239000003621 irrigation water Substances 0.000 claims description 30
- 238000012937 correction Methods 0.000 claims description 28
- 230000005855 radiation Effects 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 8
- 238000001556 precipitation Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000001704 evaporation Methods 0.000 claims description 3
- 230000008020 evaporation Effects 0.000 claims description 3
- 230000004720 fertilization Effects 0.000 claims description 3
- 230000004907 flux Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 235000015097 nutrients Nutrition 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 4
- 238000013439 planning Methods 0.000 description 3
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于天气预报与表型信息监测的灌溉制度优化***,考虑了1~90d中任意预报周期参照作物需水量预报模型,且各预报模型参数以分布式校验参数为主,可为任意预报周期下规模化参照作物需水量预报提供技术支持。本发明中灌溉制度优化状态量中涉及了区域水分亏缺图分析模块如土壤墒情、土壤盐渍化与氮营养指数等高通量表型监测数据,充分考虑了区域尺度上水‑盐‑肥等时空变异影响,确保规模化模拟初始状态量准确可靠,为规模化农业用水优化管理提供了技术方法与数据支撑。
Description
技术领域
本发明属于农业灌溉技术领域,具体涉及一种基于天气预报与表型信息监测的灌溉制度优化***的设计。
背景技术
优化灌溉制度作为管理节水中重要的研究领域之一,国内外相关的专家学者对此开展了大量研究工作,在多年灌溉试验数据整理分析的基础上,提出诸多用于灌溉制度优化的方法。灌溉试验处理下的灌溉制度优选方法是主要的灌溉制度优化方法之一,但该种方法受物力、人力等限制,难以同时开展不同区域长时间序列多种灌溉水平下灌溉制度试验研究工作,同时受地下水位、土壤含水量、土壤质地及土壤盐渍化等在区域尺度上空间变异性的影响,以站点尺度的灌溉制度优选方法难以进行规模化推广应用。
由于水-肥-盐一体化模型能综合考虑作物生长与大气、土壤质地、土壤养分及土壤含水量等环境因素的影响,具有充分的理论依据和较广泛的时空适应性,考虑水-肥-盐等影响下作物生长模拟模型发展迅速,其在作物灌溉制度优化方面的应用也逐渐增多,但该方面研究多以站点田间试验对模型参数进行率定,以此为基础多采用历史气象数据下不同水文年的灌溉制度优化研究,部分研究结合区域土壤质地等参数对该方法进行区域应用。以水-肥-盐一体化模型为基础的灌溉制度优化方法与以灌溉试验处理为基础的灌溉制度优选方法类似,研究获得的灌溉制度优化方案属于静态的,能够用于农业节水规划与水资源规划等涉水规划中主要农作物灌溉制度数据支撑,但是该类灌溉制度优化方案以历史气象数据作为灌溉制度优化前提,而每年实际气象条件是动态变化的,典型年气象在实际中不会重现,所以上述灌溉制度优化方案仅能作为借鉴并不能直接用于生产实际。
因此部分学者就基于土壤水量平衡实时灌溉预报方法开展研究,该研究多以FAO56推荐彭曼公式为基本原理且预报周期以7-15天为主,其中涉及土壤水量平衡相关参数如深层渗漏与径流等参数测定难度大,该类参数多采取忽略方式处理,导致该方法模拟不够准确;因预报周期短,难以对灌区用水进行动态化与精细化管理。
发明内容
本发明的目的是为了解决现有静态的灌溉制度优化方案难以对灌区用水进行动态化与精细化管理的问题,提出了一种基于天气预报与表型信息监测的灌溉制度优化***。
本发明的技术方案为:一种基于天气预报与表型信息监测的灌溉制度优化***,包括依次通信连接的数据采集模块、参照作物需水量预报模块、区域水分亏缺图谱动态分析模块、实时动态灌溉制度优化模块、灌溉需水量计算模块和灌溉预报查询发布模块;数据采集模块用于采集指定灌溉分区灌溉制度动态优化的基础数据,基础数据包括天气预报数据和高通量表型监测数据;参照作物需水量预报模块用于根据数据采集模块采集的基础数据计算指定灌溉分区任意站点不同预报周期的参照作物需水量预报值;区域水分亏缺图谱动态分析模块用于根据数据采集模块采集的基础数据分析指定灌溉分区某种作物生育时段内基于高通量表型监测信息的水-肥-盐灌溉状态量的时空分布情况,为该作物灌溉制度动态优化各生育期的状态量提供基础数据;实时动态灌溉制度优化模块用于在水分亏缺图谱条件下动态优化指定灌溉分区不同预报周期指定作物的灌溉制度方案;灌溉需水量计算模块用于计算指定灌溉分区不同预报周期的灌溉需水量;灌溉预报查询发布模块用于对指定灌溉分区不同预报周期的灌溉需水量进行查询与发布。
进一步地,数据采集模块包括天气预报数据采集及解析单元、高通量表型监测数据采集单元和灌溉水有效利用系数采集单元;天气预报数据采集及解析单元用于采集指定灌溉分区内及分区邻近区域1~90d预见期的天气预报数据,并将天气预报数据中的天气类型与风力等级分别解析为日照时数和2m高处风速;高通量表型监测数据采集单元用于采集指定灌溉分区涉及水-肥-盐的高通量表型监测数据;灌溉水有效利用系数采集单元用于采集指定灌溉分区的灌溉水有效利用系数历史监测数据。
进一步地,天气预报数据包括最高气温、最低气温、天气类型、风力等级和降水量,日照时数的解析公式为:
n=aN
其中n表示预测日照时数,a表示天气类型系数,N表示理论日照时数,ωs表示日落时相位角。
2m高处风速的解析公式为:
其中U2表示2m高处风速,Uz表示Zm高处风速,Z表示风速测定高度。
进一步地,涉及水-肥-盐的高通量表型监测数据包括各作物的作物分布、灌溉面积、土壤墒情、氮营养指数和土壤盐渍化数据。
进一步地,参照作物需水量预报模块计算指定灌溉分区任意站点不同预报周期的参照作物需水量预报值的方法为:
S1、在任意站点特定的预报周期下,根据数据采集模块获得的最高气温、最低气温、日照时数和2m高处风速,采用PMF模型、PMT模型、HG模型、MC模型、MK模型和PT模型分别计算指定灌溉分区某气象站点下不同预报周期的参照作物需水量。
PMF模型计算得到的参照作物需水量ET0,PMF为:
Rso=(as+bs)Ra
其中Δ表示饱和水汽压与气温关系曲线的斜率,Rn表示作物表面净辐射,G表示土壤热通量,γ表示湿度计常数,T表示2m高处日平均气温,es表示饱和水汽压,ea表示实际水汽压,Rs表示太阳短波辐射,Rso表示晴空太阳辐射,Ra表示天顶辐射,Tmax,K表示24h最高绝对温度,Tmin,K表示24h最低绝对温度,as、bs均为短波辐射比例系数,GSC表示太阳辐射常数,dr表示日地相对距离,表示纬度,δ表示太阳磁偏角,Tmax表示2m高处最高气温,Tmin表示2m高处最低气温,RHmean表示平均相对湿度。
PMT模型计算得到的参照作物需水量ET0,PMT为:
其中KRS表示地区调整系数。
HG模型计算得到的参照作物需水量ET0,HG为:
其中C、E、Tx均为HG模型的地区校正参数。
MC模型计算得到的参照作物需水量ET0,MC为:
ET0,MC=K·W1.8T
其中K、W均为MC模型的地区校正参数。
MK模型计算得到的参照作物需水量ET0,MK为:
其中a、b均为MK模型的地区校正参数,λ表示蒸发潜热。
PT模型计算得到的参照作物需水量ET0,PT为:
其中p、q均为PT模型的地区校正参数。
S2、以均方根误差RMSE最小为目标,选择该气象站点在不同预报周期的适宜参照作物需水量预报模型ETopsij:
ETopsij=f(PMF,PMT,HG,MC,MK,PT)ij
其中ETopsij表示第j个气象站点在第i个预报周期的适宜参照作物需水量预报模型,f(·)表示以均方根误差RMSE最小为目标的参照作物需水量预报模型选取函数。
S3、根据适宜参照作物需水量预报模型ETopaij计算得到最近一年该气象站点不同预报周期的参照作物需水量预报值。
其中表示第m年第j个气象站点在第i个预报周期的动态修正系数,/>表示第m-1年第j个气象站点在第i个预报周期的参照作物需水量实际平均值,/>表示第m-1年第j个气象站点在第i个预报周期的参照作物需水量预报平均值。
进一步地,区域水分亏缺图谱动态分析模块用于对各作物的作物分布、灌溉面积、土壤墒情、氮营养指数和土壤盐渍化数据进行解译与提取,并根据氮营养指数和土壤盐渍化数据分析各作物缺肥阈值及其土壤盐碱化阈值。
进一步地,实时动态灌溉制度优化模块包括水-肥-盐一体化模型构建单元和作物灌溉制度模拟单元;水-肥-盐一体化模型构建单元用于构建指定灌溉分区天气预报数据驱动的水-肥-盐一体化模型;作物灌溉制度模拟单元用于模拟指定灌溉分区不同预报周期的主要农作物灌溉制度方案。
进一步地,水-肥-盐一体化模型构建单元将数据采集模块采集的1~90d预报时段内最高气温和最低气温,以及参照作物需水量预报模块计算得到的参照作物需水量预报值作为输入数据集,结合指定分区的土壤质地、土壤墒情、氮营养指数和土壤盐渍化数据,构建指定灌溉分区天气预报数据驱动的水-肥-盐一体化模型。
进一步地,作物灌溉制度模拟单元以指定灌溉分区的土壤墒情、氮营养指数和土壤盐渍化数据为状态量,根据各主要农作物生育时段水分敏感性设置土壤水分灌溉下限,并根据灌溉方式确定灌水定额,模拟指定灌溉分区不同预报周期的主要农作物灌溉制度方案;在进行下个预报周期灌溉制度模拟时,上个预报周期时段内数据模拟采用实际气象数据、实际降水量及实际灌溉量,并结合指定灌溉分区的土壤墒情、氮营养指数和土壤盐渍化数据的实际监测值,根据施肥管理与盐渍化控制要求,对模拟计算的灌水定额进行修正。
进一步地,灌溉需水量计算模块根据实时动态灌溉制度优化模块获取的各作物灌水定额和数据采集模块采集的作物种植结构和用水效率系数计算指定灌溉分区不同预报周期的作物灌溉需水量。
本发明的有益效果是:
(1)本发明考虑了1~90d中任意预报周期参照作物需水量预报模型,且各预报模型参数以分布式校验参数为主,可为任意预报周期下规模化参照作物需水量预报提供技术支持,为站点与不同区域尺度参照作物需水量动态预报提供了技术支撑。
(2)本发明采用中长期天气预报数据+水-肥-盐一体化模型的耦合方法,模拟过程中充分考虑土壤水平衡中各分量,模型模拟精度较高,且充分考虑水肥盐等因素对作物水分响应机制影响,灌溉制度优化结果与实际情况更相符。
(3)本发明中灌溉制度优化状态量中涉及了区域水分亏缺图分析模块如土壤墒情、土壤盐渍化与氮营养指数等高通量表型监测数据,充分考虑了区域尺度上水-盐-肥等时空变异影响,确保规模化模拟初始状态量准确可靠,为区域尺度精准模拟提供了数据支撑。
(4)本发明提出了考虑不同预报周期下区域灌溉制度优化方法,突破了现有技术中短期预报周期仅能用于站点或田间尺度作物灌溉制度优化实践,实现了区域尺度上拓展,为不同规模下主要农作物灌溉成果应用提供了技术支持。
附图说明
图1所示为本发明实施例提供的一种基于天气预报与表型信息监测的灌溉制度优化***结构框图。
图2所示为本发明实施例提供的冬小麦分布图。
图3所示为本发明实施例提供的土壤墒情分布图。
具体实施方式
现在将参考附图来详细描述本发明的示例性实施方式。应当理解,附图中示出和描述的实施方式仅仅是示例性的,意在阐释本发明的原理和精神,而并非限制本发明的范围。
本发明实施例提供了一种基于天气预报与表型信息监测的灌溉制度优化***,如图1所示,包括依次通信连接的数据采集模块、参照作物需水量预报模块、区域水分亏缺图谱动态分析模块、实时动态灌溉制度优化模块、灌溉需水量计算模块和灌溉预报查询发布模块。
其中,数据采集模块用于采集指定灌溉分区灌溉制度动态优化的基础数据,基础数据包括天气预报数据和高通量表型监测数据;参照作物需水量预报模块用于根据数据采集模块采集的基础数据计算指定灌溉分区任意站点不同预报周期的参照作物需水量预报值;区域水分亏缺图谱动态分析模块用于根据数据采集模块采集的基础数据分析指定灌溉分区某种作物生育时段内基于高通量表型监测信息的水-肥-盐灌溉状态量的时空分布情况,为该作物灌溉制度动态优化各生育期的状态量提供基础数据;实时动态灌溉制度优化模块用于在水分亏缺图谱条件下动态优化指定灌溉分区不同预报周期指定作物的灌溉制度方案;灌溉需水量计算模块用于计算指定灌溉分区不同预报周期的灌溉需水量;灌溉预报查询发布模块用于对指定灌溉分区不同预报周期的灌溉需水量进行查询与发布。
如图1所示,数据采集模块包括天气预报数据采集及解析单元、高通量表型监测数据采集单元和灌溉水有效利用系数采集单元。
其中,天气预报数据采集及解析单元用于采集指定灌溉分区内及分区邻近区域1~90d预见期的天气预报数据,并将天气预报数据中的天气类型与风力等级分别解析为日照时数和2m高处风速。
本发明实施例中,天气预报数据包括最高气温、最低气温、天气类型、风力等级和降水量。
本发明实施例中,日照时数的解析公式为:
n=aN
其中n表示预测日照时数,a表示天气类型系数,天气类型为晴、晴到多云、多云、阴、雨时分别对应取值0.9、0.7、0.5、0.3、0.1,N表示理论日照时数,ωs表示日落时相位角。
2m高处风速的解析公式为:
其中U2表示2m高处风速,UZ表示Zm高处风速,Z表示风速测定高度。
风力等级与10m高处的风速数值一一对应,风力等级共划为12级,具体对应数值如表1所示。
表1
高通量表型监测数据采集单元用于采集指定灌溉分区涉及水-肥-盐的高通量表型监测数据
本发明实施例中,涉及水-肥-盐的高通量表型监测数据包括各作物的作物分布、灌溉面积、土壤墒情、氮营养指数和土壤盐渍化数据。
灌溉水有效利用系数采集单元用于采集指定灌溉分区的灌溉水有效利用系数历史监测数据。
本发明实施例中,灌溉水有效利用系数历史监测数据包括大、中、小型渠灌区及井灌区的灌溉水有效利用系数。
本发明实施例中,参照作物需水量预报模块计算指定灌溉分区任意站点不同预报周期的参照作物需水量预报值的方法为:
S1、在任意站点特定的预报周期下,根据数据采集模块获得的最高气温、最低气温、日照时数和2m高处风速,采用PMF模型、PMT模型、HG模型、MC模型、MK模型和PT模型分别计算指定灌溉分区某气象站点下不同预报周期的参照作物需水量。
本发明实施例中,在利用各个模型计算参照作物需水量之前,首先以FAO56-PM计算得到的参照作物需水量的值作为基准值,基于最小二乘法的原理对HG模型、MC模型、MK模型和PT模型在每一个气象站点的参数进行率定,以得到HG模型、MC模型、MK模型和PT模型中的地区校正参数。
PMF模型计算得到的参照作物需水量ET0,PMF为:
Rso=(as+bs)Ra
其中Δ表示饱和水汽压与气温关系曲线的斜率,Rn表示作物表面净辐射,G表示土壤热通量,γ表示湿度计常数,T表示2m高处日平均气温,es表示饱和水汽压,ea表示实际水汽压,Rs表示太阳短波辐射,Rso表示晴空太阳辐射,Ra表示天顶辐射,Tmax,K表示24h最高绝对温度,Tmin,K表示24h最低绝对温度,as、bs均为短波辐射比例系数,GSC表示太阳辐射常数,dr表示日地相对距离,表示纬度,δ表示太阳磁偏角,Tmax表示2m高处最高气温,Tmin表示2m高处最低气温,RHmean表示平均相对湿度。
PMT模型计算得到的参照作物需水量ET0,PMT为:
其中KRS表示地区调整系数,内陆地区取0.16,沿海地区取0.19。PMT模型与PMF模型的区别仅在于太阳短波辐射Rs和实际水汽压ea的计算方式不同,其余参数的计算与PMF模型完全相同。
HG模型计算得到的参照作物需水量ET0,HG为:
其中C、E、Tx均为HG模型的地区校正参数,根据各气象站点经纬度取值从HG模型校正参数分布图中获取。
MC模型计算得到的参照作物需水量ET0,MC为:
ET0,MC=K·W1.8T
其中K、W均为MC模型的地区校正参数,根据各气象站点经纬度取值从MC模型校正参数分布图中获取。
其中a、b均为MK模型的地区校正参数,根据各气象站点经纬度取值从MK模型校正参数分布图中获取,λ表示蒸发潜热。
PT模型计算得到的参照作物需水量ET0,PT为:
其中p、q均为PT模型的地区校正参数,根据各气象站点经纬度取值从PT模型校正参数分布图中获取。
S2、以均方根误差RMSE最小为目标,选择该气象站点在不同预报周期的适宜参照作物需水量预报模型ETopsij:
ETopsij=f(PMF,PMT,HG,MC,MK,PT)ij
其中ETopsij表示第j个气象站点在第i个预报周期的适宜参照作物需水量预报模型,f(·)表示以均方根误差RMSE最小为目标的参照作物需水量预报模型选取函数。
均方根误差RMSE的计算公式为:
其中xi表示第i个预测数据,yi表示第i个观测数据,i=1,2,…,n,n为统计样本数。
S3、根据适宜参照作物需水量预报模型ETopsij计算得到最近一年该气象站点不同预报周期的参照作物需水量预报值。
其中表示第m年第j个气象站点在第i个预报周期的动态修正系数,/>表示第m-1年第j个气象站点在第i个预报周期的参照作物需水量实际平均值,/>表示第m-1年第j个气象站点在第i个预报周期的参照作物需水量预报平均值。
本发明实施例中,区域水分亏缺图谱动态分析模块用于对各作物的作物分布、灌溉面积、土壤墒情、氮营养指数和土壤盐渍化数据进行解译与提取,并根据氮营养指数和土壤盐渍化数据分析各作物缺肥阈值及其土壤盐碱化阈值。其中作物分布图(以冬小麦为例)如图2所示,土壤墒情分布图如图3所示。
如图1所示,实时动态灌溉制度优化模块包括水-肥-盐一体化模型构建单元和作物灌溉制度模拟单元。
其中水-肥-盐一体化模型构建单元用于构建指定灌溉分区天气预报数据驱动的水-肥-盐一体化模型。
水-肥-盐一体化模型构建单元将数据采集模块采集的1~90d预报时段内最高气温和最低气温,以及参照作物需水量预报模块计算得到的参照作物需水量预报值作为输入数据集,结合指定分区的土壤质地、土壤墒情、氮营养指数和土壤盐渍化数据,构建指定灌溉分区天气预报数据驱动的水-肥-盐一体化模型。
作物灌溉制度模拟单元用于模拟指定灌溉分区不同预报周期的主要农作物灌溉制度方案。
作物灌溉制度模拟单元以指定灌溉分区的土壤墒情、氮营养指数和土壤盐渍化数据为状态量,根据各主要农作物生育时段水分敏感性设置土壤水分灌溉下限,并根据灌溉方式确定灌水定额,模拟指定灌溉分区不同预报周期的主要农作物灌溉制度方案;在进行下个预报周期灌溉制度模拟时,上个预报周期时段内数据模拟采用实际气象数据、实际降水量及实际灌溉量,并结合指定灌溉分区的土壤墒情、氮营养指数和土壤盐渍化数据的实际监测值,根据施肥管理与盐渍化控制要求,对模拟计算的灌水定额进行修正。
本发明实施例中,灌溉需水量计算模块根据实时动态灌溉制度优化模块获取的各作物灌水定额和数据采集模块采集的作物种植结构和用水效率系数计算指定灌溉分区不同预报周期的作物灌溉需水量。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (10)
1.一种基于天气预报与表型信息监测的灌溉制度优化***,其特征在于,包括依次通信连接的数据采集模块、参照作物需水量预报模块、区域水分亏缺图谱动态分析模块、实时动态灌溉制度优化模块、灌溉需水量计算模块和灌溉预报查询发布模块;
所述数据采集模块用于采集指定灌溉分区灌溉制度动态优化的基础数据,所述基础数据包括天气预报数据和高通量表型监测数据;
所述参照作物需水量预报模块用于根据数据采集模块采集的基础数据计算指定灌溉分区任意站点不同预报周期的参照作物需水量预报值;
所述区域水分亏缺图谱动态分析模块用于根据数据采集模块采集的基础数据分析指定灌溉分区某种作物生育时段内基于高通量表型监测信息的水-肥-盐灌溉状态量的时空分布情况,为该作物灌溉制度动态优化各生育期的状态量提供基础数据;
所述实时动态灌溉制度优化模块用于在水分亏缺图谱条件下动态优化指定灌溉分区不同预报周期指定作物的灌溉制度方案;
所述灌溉需水量计算模块用于计算指定灌溉分区不同预报周期的灌溉需水量;
所述灌溉预报查询发布模块用于对指定灌溉分区不同预报周期的灌溉需水量进行查询与发布。
2.根据权利要求1所述的灌溉制度优化***,其特征在于,所述数据采集模块包括天气预报数据采集及解析单元、高通量表型监测数据采集单元和灌溉水有效利用系数采集单元;
所述天气预报数据采集及解析单元用于采集指定灌溉分区内及分区邻近区域1~90d预见期的天气预报数据,并将天气预报数据中的天气类型与风力等级分别解析为日照时数和2m高处风速;
所述高通量表型监测数据采集单元用于采集指定灌溉分区涉及水-肥-盐的高通量表型监测数据;
所述灌溉水有效利用系数采集单元用于采集指定灌溉分区的灌溉水有效利用系数历史监测数据。
4.根据权利要求2所述的灌溉制度优化***,其特征在于,所述涉及水-肥-盐的高通量表型监测数据包括各作物的作物分布、灌溉面积、土壤墒情、氮营养指数和土壤盐渍化数据。
5.根据权利要求3所述的灌溉制度优化***,其特征在于,所述参照作物需水量预报模块计算指定灌溉分区任意站点不同预报周期的参照作物需水量预报值的方法为:
S1、在任意站点特定的预报周期下,根据数据采集模块获得的最高气温、最低气温、日照时数和2m高处风速,采用PMF模型、PMT模型、HG模型、MC模型、MK模型和PT模型分别计算指定灌溉分区某气象站点下不同预报周期的参照作物需水量;
所述PMF模型计算得到的参照作物需水量ET0,PMF为:
Rso=(as+bs)Ra
其中Δ表示饱和水汽压与气温关系曲线的斜率,Rn表示作物表面净辐射,G表示土壤热通量,γ表示湿度计常数,T表示2m高处日平均气温,es表示饱和水汽压,ea表示实际水汽压,Rs表示太阳短波辐射,Rso表示晴空太阳辐射,Ra表示天顶辐射,Tmax,K表示24h最高绝对温度,Tmin,K表示24h最低绝对温度,as、bs均为短波辐射比例系数,GSC表示太阳辐射常数,dr表示日地相对距离,表示纬度,δ表示太阳磁偏角,Tmax表示2m高处最高气温,Tmin表示2m高处最低气温,RHmean表示平均相对湿度;
所述PMT模型计算得到的参照作物需水量ET0,PMT为:
其中KRS表示地区调整系数;
所述HG模型计算得到的参照作物需水量ET0,HG为:
其中C、E、Tx均为HG模型的地区校正参数;
所述MC模型计算得到的参照作物需水量ET0,MC为:
ET0,MC=K·W1.8T
其中K、W均为MC模型的地区校正参数;
所述MK模型计算得到的参照作物需水量ET0,MK为:
其中a、b均为MK模型的地区校正参数,λ表示蒸发潜热;
所述PT模型计算得到的参照作物需水量ET0,PT为:
其中p、q均为PT模型的地区校正参数;
S2、以均方根误差RMSE最小为目标,选择该气象站点在不同预报周期的适宜参照作物需水量预报模型ETopsij:
ETopsij=f(PMF,PMT,HG,MC,MK,PT)ij
其中ETopsij表示第j个气象站点在第i个预报周期的适宜参照作物需水量预报模型,f(·)表示以均方根误差RMSE最小为目标的参照作物需水量预报模型选取函数;
S3、根据适宜参照作物需水量预报模型ETopsij计算得到最近一年该气象站点不同预报周期的参照作物需水量预报值;
其中表示第m年第j个气象站点在第i个预报周期的动态修正系数,/>表示第m-1年第j个气象站点在第i个预报周期的参照作物需水量实际平均值,/>表示第m-1年第j个气象站点在第i个预报周期的参照作物需水量预报平均值;
6.根据权利要求4所述的灌溉制度优化***,其特征在于,所述区域水分亏缺图谱动态分析模块用于对各作物的作物分布、灌溉面积、土壤墒情、氮营养指数和土壤盐渍化数据进行解译与提取,并根据氮营养指数和土壤盐渍化数据分析各作物缺肥阈值及其土壤盐碱化阈值。
7.根据权利要求4所述的灌溉制度优化***,其特征在于,所述实时动态灌溉制度优化模块包括水-肥-盐一体化模型构建单元和作物灌溉制度模拟单元;
所述水-肥-盐一体化模型构建单元用于构建指定灌溉分区天气预报数据驱动的水-肥-盐一体化模型;
所述作物灌溉制度模拟单元用于模拟指定灌溉分区不同预报周期的主要农作物灌溉制度方案。
8.根据权利要求7所述的灌溉制度优化***,其特征在于,所述水-肥-盐一体化模型构建单元将数据采集模块采集的1~90d预报时段内最高气温和最低气温,以及参照作物需水量预报模块计算得到的参照作物需水量预报值作为输入数据集,结合指定分区的土壤质地、土壤墒情、氮营养指数和土壤盐渍化数据,构建指定灌溉分区天气预报数据驱动的水-肥-盐一体化模型。
9.根据权利要求7所述的灌溉制度优化***,其特征在于,所述作物灌溉制度模拟单元以指定灌溉分区的土壤墒情、氮营养指数和土壤盐渍化数据为状态量,根据各主要农作物生育时段水分敏感性设置土壤水分灌溉下限,并根据灌溉方式确定灌水定额,模拟指定灌溉分区不同预报周期的主要农作物灌溉制度方案;在进行下个预报周期灌溉制度模拟时,上个预报周期时段内数据模拟采用实际气象数据、实际降水量及实际灌溉量,并结合指定灌溉分区的土壤墒情、氮营养指数和土壤盐渍化数据的实际监测值,根据施肥管理与盐渍化控制要求,对模拟计算的灌水定额进行修正。
10.根据权利要求7所述的灌溉制度优化***,其特征在于,所述灌溉需水量计算模块根据实时动态灌溉制度优化模块获取的各作物灌水定额和数据采集模块采集的作物种植结构和用水效率系数计算指定灌溉分区不同预报周期的作物灌溉需水量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310347974.6A CN116362402A (zh) | 2023-04-03 | 2023-04-03 | 一种基于天气预报与表型信息监测的灌溉制度优化*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310347974.6A CN116362402A (zh) | 2023-04-03 | 2023-04-03 | 一种基于天气预报与表型信息监测的灌溉制度优化*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116362402A true CN116362402A (zh) | 2023-06-30 |
Family
ID=86937680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310347974.6A Pending CN116362402A (zh) | 2023-04-03 | 2023-04-03 | 一种基于天气预报与表型信息监测的灌溉制度优化*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116362402A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117502199A (zh) * | 2024-01-04 | 2024-02-06 | 呼伦贝尔林业集团有限公司 | 一种草原生态恢复用灌溉*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106557658A (zh) * | 2016-11-10 | 2017-04-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种气候变化背景下灌溉需水量计算***及其方法 |
CN110692338A (zh) * | 2019-10-30 | 2020-01-17 | 北京农业智能装备技术研究中心 | 水肥一体化灌溉***控制方法及水肥一体化灌溉*** |
US20210247544A1 (en) * | 2019-10-12 | 2021-08-12 | China Institute Of Water Resources And Hydropower Research | Method for forecasting an agricultural irrigation water requirement |
-
2023
- 2023-04-03 CN CN202310347974.6A patent/CN116362402A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106557658A (zh) * | 2016-11-10 | 2017-04-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种气候变化背景下灌溉需水量计算***及其方法 |
US20210247544A1 (en) * | 2019-10-12 | 2021-08-12 | China Institute Of Water Resources And Hydropower Research | Method for forecasting an agricultural irrigation water requirement |
CN110692338A (zh) * | 2019-10-30 | 2020-01-17 | 北京农业智能装备技术研究中心 | 水肥一体化灌溉***控制方法及水肥一体化灌溉*** |
Non-Patent Citations (3)
Title |
---|
张倩: "基于天气预报信息解析的冬小麦灌溉预报研究", 《中国博士学位论文全文数据库农业科技辑》, 15 January 2016 (2016-01-15), pages 17 - 18 * |
王君勤等: "中国不同气候区参考作物蒸散量计算模型适用性评价", 《节水灌溉》, no. 3, 10 March 2022 (2022-03-10), pages 2 * |
赵晗: "基于区域作物有效降水量的河北平原灌溉水利用系数估算", 《中国优秀硕士学位论文全文数据库农业科技辑》, 15 March 2020 (2020-03-15), pages 17 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117502199A (zh) * | 2024-01-04 | 2024-02-06 | 呼伦贝尔林业集团有限公司 | 一种草原生态恢复用灌溉*** |
CN117502199B (zh) * | 2024-01-04 | 2024-03-22 | 呼伦贝尔林业集团有限公司 | 一种草原生态恢复用灌溉*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Assessing the impact of urban expansion on potential crop yield in China during 1990–2010 | |
Yu et al. | Modeling a wheat–maize double cropping system in China using two plant growth modules in RZWQM | |
Vazifedoust et al. | Assimilation of satellite data into agrohydrological models to improve crop yield forecasts | |
CN104521699A (zh) | 田间智能灌溉在线控制管理方法 | |
CN101916337B (zh) | 一种基于地理信息***的水稻生产潜力动态预测方法 | |
Hazarika et al. | Estimation of net primary productivity by integrating remote sensing data with an ecosystem model | |
CN108958329B (zh) | 一种滴灌水肥一体化智能决策方法 | |
US11944048B2 (en) | Decision-making method for variable rate irrigation management | |
CN110501761B (zh) | 一种不同预见期区域作物ETc预测预报方法 | |
Yang et al. | Impacts of diffuse radiation fraction on light use efficiency and gross primary production of winter wheat in the North China Plain | |
CN110826797B (zh) | 基于多目标综合评价体系确定最佳农业种植***的方法 | |
CN102413160A (zh) | 一种猕猴桃果园精准管理*** | |
CN106485002A (zh) | 在复杂地形气候区域估算太阳辐射和甘蔗潜在产量的方法 | |
KR102374864B1 (ko) | 영농형 태양광 발전 시스템의 관리 장치, 방법 및 시스템 | |
CN110599360A (zh) | 一种干旱区农作物生长季蒸散发高分辨率遥感估算方法 | |
CN113039908A (zh) | 一种施肥和灌溉动态决策方法及*** | |
CN116362402A (zh) | 一种基于天气预报与表型信息监测的灌溉制度优化*** | |
CN110210142B (zh) | 一种南方大型灌区水稻实时需水量测算方法 | |
Zhang et al. | Developing a process-based and remote sensing driven crop yield model for maize (PRYM–Maize) and its validation over the Northeast China Plain | |
CN114418235A (zh) | 一种农作物生长状况确定方法及*** | |
CN113009108A (zh) | 一种基于水热条件预测土壤有机碳含量的预测方法 | |
Farukh et al. | Trend and variability analysis of sunshine duration in divisional headquarters of Bangladesh | |
He et al. | Characteristics of winter wheat evapotranspiration in Eastern China and comparative evaluation of applicability of different reference evapotranspiration models | |
CN115392016A (zh) | 一种基于遥感数据同化的青贮玉米生长发育预测方法 | |
Ying et al. | Calibration and validation of SiBcrop Model for simulating LAI and surface heat fluxes of winter wheat in the North China Plain |
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 |