【技术实现步骤摘要】
本专利技术涉及土壤墒情模型构建，具体为一种土壤墒情与施肥量关系模型的构建方法及系统。
技术介绍
1、在现代农业生产中，精准施肥和水分管理是提高作物产量和资源利用效率的关键。然而，由于土壤成分和环境条件的复杂性，传统的施肥方法往往难以精准匹配实际需求，导致肥料浪费或作物生长不良。
2、现有技术中的，公开号为cn109118382b公开了一种土壤墒情与施肥量关系模型的构建方法及应用，该方案虽然通过土壤参数与化肥使用量关系进行了研究，填补了土壤墒情参数对施肥量影响方面研究的空白，但没有考虑到不同地区的土质差别、环境差别等因素对肥料的水分渗透和利用率的影响，导致其最终的推荐施肥量不够精确，也不适合进行大面积推广。因此，如何构建一个能综合分析土壤成分、环境数据和施肥量的模型，以实现精确的施肥指导，成为现代农业生产中的一个重要技术问题。
3、在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本专利技术的目的在于提供一种土壤墒情与施肥量关系模型的构建方法及系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种土壤墒情与施肥量关系模型的构建方法，具体步骤包括：
4、s1：在不同地质区域分别划分若干组等面积的采样区，采集每个采样区的土壤样本，确定各个采样区中不同种类土壤颗粒的成分占比，再将每个采样区均分
5、s2:对每个采样区的环境数据和土壤数据进行采集，基于施肥试验中试验区的施肥量和土壤数据，生成肥料水分的渗透比例，并利用对照区的土壤数据对其进行修正；
6、s3：构建多元线性回归模型，研究土壤颗粒成分占比、环境数据、施肥量与土壤数据之间的关系，将采集到的土壤颗粒成分占比、环境数据、施肥量与土壤数据划分为训练集和验证集，利用训练集对多元线性回归模型进行训练，利用验证集对多元线性回归模型进行验证；
7、s4：采集实际播种区域的土壤颗粒成分占比、环境数据、土壤数据，代入多元线性回归模型，计算出对应的施肥量并作为最佳施肥量进行推荐。
8、优选的，所述环境数据包括环境温度和环境湿度所述土壤数据包括试验土壤湿度对照土壤湿度其中上标i表示采样区的编号，i＝1,2,3,…,m，m为采样区的总个数，下标j表示采样的数据编号，j＝1,2,3,…,n，n为采样的数据总个数，所述试验区和对照区的划分面积和采样深度相同。
9、优选的，采用筛分法生成土壤颗粒的成分占比，具体操作步骤为：
10、采集土壤样本时，分别在试验区和对照区采集等量土壤，混合后作为该采样区的土壤样本，再基于用户设定选用对应的低目筛网和高目筛网，并依次使用低目筛网、高目筛网对土壤样本进行筛分，将低目筛网上的土壤残留标定为大颗粒，高目筛网上的土壤残留标定为中颗粒，通过高目筛网的土壤标定为小颗粒；
11、分别测量大颗粒、中颗粒、小颗粒的重量，并与土壤样本的总重量进行比较，计算出大颗粒、中颗粒、小颗粒在土壤样本中的成分占比，并分别标定为δ1i、δ2i、δ3i，其中0≤δ1i,2i,3i≤1，且δ1i+2i+3i＝1。
12、优选的，生成肥料水分的渗透比例，并利用环境数据对其进行修正的方法为：
13、将水溶性肥料均分为若干份，阶段性地施加在试验区上，得到试验土壤湿度与阶段时间之间的变化曲线，当试验土壤湿度稳定后并施加下一份水溶性肥料，反复执行该步骤直至最终稳定下来的试验土壤湿度z表示试验土壤湿度为1.1倍对照土壤湿度时所对应的采样编号，统计施加的水溶性肥料的份数，计算每个试验区对应的肥料水分渗透比例，再取均值计算肥料水分的渗透比例τ，计算方式为：
14、
15、式中分别表示还未施加水溶性肥料时的试验土壤湿度和对照土壤湿度，分别表示最终稳定时的试验土壤湿度和对照土壤湿度，z∈j。
16、优选的，所述多元线性回归模型可以表示为：
17、
18、式中mf表示施肥量，k1～k6分别表示与大颗粒占比、中颗粒占比、小颗粒占比、环境温度、环境湿度、施肥量相关的线性参数，将训练集代入多元线性回归模型，拟合生成线性参数k1～k6的值，再将验证集中的大颗粒占比、中颗粒占比、小颗粒占比、环境温度、环境湿度、最终稳定下来的试验土壤湿度代入多元线性回归模型，求解出由多元线性回归模型计算的施肥量，并与验证集中实际的施肥量进行比对，当二者误差小于5％时认为模型优化完成。
19、优选的，模型优化完成后，将实际播种区域的大颗粒占比、中颗粒占比、小颗粒占比、环境温度、环境湿度、最终稳定下来的试验土壤湿度代入多元线性回归模型，求解出最终的推荐施肥量，其中最终稳定下来的试验土壤湿度取最终稳定下来的对照土壤湿度的1.1倍。
20、优选的，对实际播种区域施加水溶性肥料时，以p倍推荐施肥量对实际播种区域整体进行施肥，其中p值的计算方法为：
21、
22、式中s表示采样区的面积，s°表示实际播种区域的面积。
23、一种土壤墒情与施肥量关系模型的构建系统，所述构建系统采用上述的构建方法，包括：
24、传感模块，所述传感模块包括第一传感单元和第二传感单元，所述第一传感单元与数据分析模块电性连接，用于采集采样区的环境数据和土壤数据，所述第二传感单元与综合处理模块电性连接，用于采集实际播种区域的环境数据和土壤数据；
25、筛分模块，所述筛分模块与数据分析模块电性连接，用于对土壤样本进行筛分，并生成不同种类土壤颗粒的成分占比；
26、数据分析模块，所述数据分析模块与综合处理模块电性连接，用于根据试验区的施肥量、土壤数据生成肥料水分的渗透比例，再利用对照区的环土壤数据对其进行修正；
27、综合处理模块，所述综合处理模块用于构建多元线性回归模型并进行对应的优化和验证，再将实际播种区域的土壤颗粒成分占比、环境数据、土壤数据，代入多元线性回归模型，计算出对应的施肥量并作为最佳施肥量进行推荐。
28、与现有技术相比，本专利技术的有益效果是：
29、本专利技术通过构建多元线性回归模型，综合分析土壤颗粒成分占比、环境数据和施肥量之间的关系，精准预测施肥量。采用阶段性施肥与实时监测相结合的方法，精确计算肥料水分渗透比例，并利用环境数据进行动态修正。这种方法有效解决了现有技术中缺乏数据驱动的精准施肥指导的问题，提高了施肥策略的科学性和精准性。最终，优化了肥料资源的利用效率，减少了环境污染，促进了农业生产的可持续发展，实现了精准农业的目标。
本文档来自技高网...【技术保护点】
1.一种土壤墒情与施肥量关系模型的构建方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种土壤墒情与施肥量关系模型的构建方法，其特征在于：所述环境数据包括环境温度和环境湿度所述土壤数据包括试验土壤湿度对照土壤湿度其中上标i表示采样区的编号，i＝1,2,3,…,M，M为采样区的总个数，下标j表示采样的数据编号，j＝1,2,3,…,N，N为采样的数据总个数，所述试验区和对照区的划分面积和采样深度相同。
3.根据权利要求2所述的一种土壤墒情与施肥量关系模型的构建方法，其特征在于：采用筛分法生成土壤颗粒的成分占比，具体操作步骤为：
4.根据权利要求3所述的一种土壤墒情与施肥量关系模型的构建方法，其特征在于：生成肥料水分的渗透比例，并利用环境数据对其进行修正的方法为：
5.根据权利要求4所述的一种土壤墒情与施肥量关系模型的构建方法，其特征在于：所述多元线性回归模型可以表示为：
6.根据权利要求5所述的一种土壤墒情与施肥量关系模型的构建方法，其特征在于：模型优化完成后，将实际播种区域的大颗粒占比、中颗粒占比、小颗粒占比、环
7.根据权利要求6所述的一种土壤墒情与施肥量关系模型的构建方法，其特征在于：对实际播种区域施加水溶性肥料时，以P倍推荐施肥量对实际播种区域整体进行施肥，其中P值的计算方法为：
8.一种土壤墒情与施肥量关系模型的构建系统，其特征在于：所述构建系统采用权利要求1-7任一项所述的构建方法，包括：
...【技术特征摘要】
1.一种土壤墒情与施肥量关系模型的构建方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种土壤墒情与施肥量关系模型的构建方法，其特征在于：所述环境数据包括环境温度和环境湿度所述土壤数据包括试验土壤湿度对照土壤湿度其中上标i表示采样区的编号，i＝1,2,3,…,m，m为采样区的总个数，下标j表示采样的数据编号，j＝1,2,3,…,n，n为采样的数据总个数，所述试验区和对照区的划分面积和采样深度相同。
3.根据权利要求2所述的一种土壤墒情与施肥量关系模型的构建方法，其特征在于：采用筛分法生成土壤颗粒的成分占比，具体操作步骤为：
4.根据权利要求3所述的一种土壤墒情与施肥量关系模型的构建方法，其特征在于：生成肥料水分的渗透比例，并利用环境数据对其进行修正的方法为：
5.根据权...
【专利技术属性】
技术研发人员：魏志远，李玉芳，梁雨，
申请(专利权)人：中国热带农业科学院热带作物品种资源研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。