【技术实现步骤摘要】
本专利技术涉及农业作物排涝减产计算，尤其涉及一种基于作物模型的排涝预测、作物减产计算方法及系统。
技术介绍
1、预测洪涝灾害对农作物生产带来影响是农业风险管理的重要组成部分，它有助于构建更加科学合理的农业管理体系，帮助农户及农场提前做好防洪排涝准备，事后进行科学减产计算。
2、现有技术通常通过卫星遥感得到洪涝灾害对农作物生产带来的减产百分比的情况。然而卫星遥感只能够实时监测作物生长状况，不能直接预测未来的农作物减产情况，并且光学遥感受天气条件限制较大，云层、雾气等会妨碍数据采集，同时作物冠层也会影响遥感卫星对于农田水层的判断，降低数据可用性和连续性，现有的通过卫星遥感的方法更无法提前应对洪涝灾害进行决策和管理，存在滞后性。
3、因此，亟需一种基于作物模型的排涝预测、作物减产计算方法及系统，能够精确测算自然排涝天数以及是否需要人工排涝，计算洪涝灾害对农作物生产带来的减产百分比，从而辅助进行农业决策和管理。
技术实现思路
1、为了解决上述技术问题，本专利技术提供了一种基于作物模型的排涝预测、作物减产计算方法及系统，能够精确测算自然排涝天数以及是否需要人工排涝，计算洪涝灾害对农作物生产带来的减产百分比，从而辅助进行农业决策和管理。
2、本专利技术提供了一种基于作物模型的排涝预测、作物减产计算方法，包括如下步骤：
3、s1、获取气象数据、农事数据和土壤数据；
4、s2、根据土壤数据计算水土特征数据；其中，水土特征数据包括饱和含水量
5、s3、根据水土特征数据计算农田排涝天数；
6、s4、根据农田排涝天数计算作物根部死亡率；
7、s5、根据气象数据、农事数据、水土特征数据和作物根部死亡率，得到作物减产百分比。
8、进一步的，s1中，气象数据包括温度、风速、水面蒸发速率、降水量、径流和太阳辐照量；
9、农事数据包括农田面积、种植品种、下种日期、下种量、灌溉日期、灌溉量、施肥日期、施肥量和施肥种类；
10、土壤数据包括土壤中的砂土百分比含量、壤土百分比含量、黏土百分比含量、土壤孔隙度、土壤容重和有机质含量数据。
11、进一步的，s2中，根据土壤数据计算水土特征数据包括：
12、s21、根据土壤普查数据，将土壤按照深度分为n层；
13、s22、根据土壤数据计算每一层土壤的饱和含水量初始值；
14、计算公式如下：
15、smn1=-0.251sand+0.195clay+0.011som+0.006(sand×som)-0.027(clay×som)+0.452(sand×clay)+0.299；
16、其中，clay表示黏土百分比含量，sand表示砂土百分比含量，som表示有机质含量，smn1表示第n层土壤的第一饱和含水量初始值；
17、smn1'=(smn1)+[1.283×(smn1)²-0.374×(smn1)-0.015]；
18、其中，smn1'表示第n层土壤的第一饱和含水量修正值；
19、smn2=0.287sand+0.034clay+0.022som-0.018(sand×som)-0.027(clay×som)-0.584(sand×clay)+0.078；
20、其中，smn2表示第n层土壤的第二饱和含水量初始值；
21、smn2'= (smn2)+(0.636×(smn2)-0.107)；
22、其中，smn2'表示第n层土壤的第二饱和含水量修正值；
23、smn=smn1'+smn2'-0.097sand+0.043；
24、其中，smn表示第n层土壤的饱和含水量初始值；
25、s23、根据每一层土壤的土壤紧实度和土壤紧实比例计算土壤紧实度修正系数；
26、计算公式如下：
27、dfin=c1v×cw1+c2v×cw2；
28、其中，dfin表示第n层土壤的土壤初始密度，c1v表示第n层土壤中排名第一的紧实度土壤的紧实度取值，c2v表示第n层土壤中排名第二的紧实度土壤的紧实度取值，cw1表示第n层土壤中排名第一的紧实度土壤的占比，cw2表示第n层土壤中排名第二的紧实度土壤的占比；
29、dfn=dfin×[0.9+(day-agro_date+train×10）0.1×(1/365)]；
30、其中，dfn表示第n层土壤的土壤紧实度修正系数，day表示当前日期，train表示降雨次数，agro_date表示下种日期即土壤最后一次扰动时间；
31、s24、根据土壤紧实度修正系数和饱和含水量初始值计算每一层土壤的饱和含水量修正值；
32、计算公式如下：
33、smn0=1-((1-smn)×dfn)；
34、其中，smn0表示第n层土壤的饱和含水量修正值；
35、s25、根据每一层土壤的饱和含水量初始值和饱和含水量修正值计算每一层土壤的田间持水量和饱和导水率；
36、计算公式如下：
37、smnf=smn1'-0.2(smn-smn0)；
38、其中，smnf表示第n层土壤的田间持水量；
39、kn0=1930(smn0-smn2')(3-bl)；
40、其中，kn0表示第n层土壤的饱和导水率，bl表示土壤水分张力对数曲线的斜率；
41、s26、根据土壤数据计算每一层土壤的萎蔫点；
42、计算公式如下：
43、；
44、其中，θr表示萎蔫点，ø表示土壤孔隙度。
45、进一步的，s21中，将土壤按照深度分为n层，n为8；将土壤按照深度分为8层包括：
46、l1=4.5cm、l2=9.1cm、l3=16.6cm、l4=28.9cm、l5=49.3cm、l6=82.9cm、l7=138.3cm、和l8=229.6cm。
47、进一步的，s3中，根据水土特征数据计算农田排涝天数包括：
48、s31、根据降水量和径流计算农田留存水量，如遇多日连续或间断降水，以(c-sm10×l1-…-smn0×ln)等于零为一个降水周期；
49、在(sm10×l1-…-smn0×ln)>0 时，存水c需要加上累计降水；
50、排涝天数需要加上之前的自然日，即在地表水排干之前以第一次降水时间为初始时间进行计算。
51、s32、根据每层土壤的饱和含水量和饱和导水率计算每层土壤饱和吸水所需时长；
52、计算公式如下：
53、tn=(smn0-sn0)×ln/min(d1，…，dn）；
54、其中，tn表示第n层土壤饱和吸水所需时长，sn0表示第n层土壤的当前含水本文档来自技高网...
【技术保护点】
1.一种基于作物模型的排涝预测、作物减产计算方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于作物模型的排涝预测、作物减产计算方法，其特征在于，所述S1中，气象数据包括温度、风速、水面蒸发速率、降水量、径流和太阳辐照量；
3.根据权利要求2所述的一种基于作物模型的排涝预测、作物减产计算方法，其特征在于，所述S2中，根据土壤数据计算水土特征数据包括：
4.根据权利要求3所述的一种基于作物模型的排涝预测、作物减产计算方法，其特征在于，所述S21中，将土壤按照深度分为n层，n为8；将土壤按照深度分为8层包括：
5.根据权利要求3所述的一种基于作物模型的排涝预测、作物减产计算方法，其特征在于，所述S3中，根据水土特征数据计算农田排涝天数包括：
6.根据权利要求1所述的一种基于作物模型的排涝预测、作物减产计算方法，其特征在于，所述S4中，根据农田排涝天数计算作物根部死亡率包括：
7.根据权利要求1所述的一种基于作物模型的排涝预测、作物减产计算方法，其特征在于，所述S5中，根据气象数据、农事数据、水土特征
8.一种基于作物模型的排涝预测、作物减产计算系统，用于实现上述权利要求1-7任一项所述的一种基于作物模型的排涝预测、作物减产计算方法，其特征在于，系统包括如下模块：
...【技术特征摘要】
1.一种基于作物模型的排涝预测、作物减产计算方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于作物模型的排涝预测、作物减产计算方法，其特征在于，所述s1中，气象数据包括温度、风速、水面蒸发速率、降水量、径流和太阳辐照量；
3.根据权利要求2所述的一种基于作物模型的排涝预测、作物减产计算方法，其特征在于，所述s2中，根据土壤数据计算水土特征数据包括：
4.根据权利要求3所述的一种基于作物模型的排涝预测、作物减产计算方法，其特征在于，所述s21中，将土壤按照深度分为n层，n为8；将土壤按照深度分为8层包括：
5.根据权利要求3所述的一种基于作物...
【专利技术属性】
技术研发人员：冯斌，
申请(专利权)人：天津田艺科技有限公司，
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。