【技术实现步骤摘要】
本申请实施例涉及灌溉，尤其涉及一种农田土壤墒情预测与灌溉方法。
技术介绍
1、在传统农田灌溉管理中，灌溉决策多依赖人工经验或基于固定阈值的静态模型，缺乏对土壤水分动态变化及环境条件的实时响应能力。现有技术通常采用单一传感器监测表层土壤含水量，但受限于传感器精度、盐分干扰及深层水分渗透特性，难以准确反映作物根系层的实际水分需求。此外，气象因素（如降雨、蒸发）与作物生长阶段的影响未被系统整合，导致灌溉时机和水量控制不精准，易引发水资源浪费或作物水分胁迫。同时，随着全球人口的增长和气候变化的加剧，农业生产面临着越来越严峻的挑战。在农田灌溉管理中，如何精准地预测土壤墒情（即土壤中水分的含量和状态）并据此制定合理的灌溉策略，是实现节水灌溉和提高作物产量的关键。
技术实现思路
1、本申请实施例提供一种农田土壤墒情预测与灌溉方法 ，用于改善相关技术中，土壤墒情预测和灌溉策略效果较差的技术问题。
2、为达到上述目的，本申请的实施例采用如下技术方案：
3、本申请提供一种农田土壤墒情预测与灌溉方法 ，应用于农田灌溉方法，所述方法包括：获取多源数据，所述多源数据包括土壤传感器数据、遥感数据、气象数据以及作物参数中的一个或多个；基于所述多源数据获取第一土壤墒情，所述第一土壤墒情用于指示当前土壤中水分的含量；根据所述第一土壤墒情和所述多源数据预测第二土壤墒情，所述第二土壤墒情用于指示在未来一定时段内土壤中水分的含量；当所述第二土壤墒情小于预设墒情时，基于所述第二土壤墒情和目标墒情生成
4、在一种可能的实现方式中，所述遥感数据包括雷达回波强度和降雨强度，所述气象数据包括云图移动速度，所述基于所述多源数据获取第一土壤墒情，包括：
5、基于所述雷达回波强度和所述云图移动速度获取雷达决策系数，所述雷达决策系数用于指示依据雷达测得的雷达土壤含水量对于所述第一土壤墒情的决策影响力；
6、基于所述降雨强度和所述作物参数获取传感器决策系数，所述传感器决策系数用于指示依据土壤传感器测得的传感器土壤含水量对于所述第一土壤墒情的决策影响力，所述作物参数包括当前作物的根系深度；
7、根据所述雷达决策系数、所述传感器决策系数、所述雷达土壤含水量以及传感器土壤含水量得到所述第一土壤墒情。
8、在一种可能的实现方式中，所述土壤传感器包括第一传感器和第二传感器，所述第一传感器包括电容式传感器，所述第二传感器包括频域反射式传感器。
9、在一种可能的实现方式中，所述根据所述雷达决策系数、所述传感器决策系数、所述雷达土壤含水量以及传感器土壤含水量得到所述第一土壤墒情，包括：
10、获取基于所述第一传感器测得的当前区域的第一初始含水量，以及基于所述第二传感器测得的当前区域的第二初始含水量；
11、根据当前土壤盐分和补偿公式对所述第一传感器进行修正，得到第三初始含水量，所述补偿公式为：
12、
13、其中，为第一初始含水量，为第三初始含水量，ec为土壤电导率,k1为电导率对含水量读数的线性影响系数；
14、当所述第二初始含水量和所述第三初始含水量之间的误差值超出误差阈值时，选择与当前区域相邻区域处的所述第一传感器的第三初始含水量作为当前区域的所述传感器土壤含水量。
15、在一种可能的实现方式中，所述根据所述雷达决策系数、所述传感器决策系数、所述雷达土壤含水量以及传感器土壤含水量得到所述第一土壤墒情，还包括：
16、当所述第二初始含水量和所述第三初始含水量之间的误差值超出误差阈值时，将根据当前区域的所述第二初始含水量和所述第三初始含水量进行加权融合得到的第四初始含水量作为当前区域的所述传感器土壤含水量。
17、在一种可能的实现方式中，所述基于所述雷达回波强度和所述云图移动速度获取雷达决策系数包括：
18、根据所述雷达回波强度、所述云图移动速度以及第一决策系数公式得到雷达决策系数，所述第一决策系数公式为：
19、
20、其中，为雷达决策系数，为雷达回波强度，为云图移动速度，、为权重系数。
21、在一种可能的实现方式中，所述基于所述降雨强度和所述作物参数获取传感器决策系数，包括：
22、根据所述降雨强度、所述作物参数以及第二决策系数公式得到传感器决策系数，所述第二决策系数公式为：
23、
24、其中，为传感器决策系数，为反映土壤允许水分通过能力的渗透系数，为降雨强度，为作物根系深度，为根系参考深度。
25、在一种可能的实现方式中，所述根据所述第一土壤墒情和所述多源数据预测第二土壤墒情，包括：
26、基于所述第一土壤墒情、所述多源数据以及预测模型来预测第二土壤墒情，所述预测模型为：
27、
28、其中，为第二土壤墒情，为第一土壤墒情，为未来时段内的累计降水量，为未来时段内的平均气温，为作物根系深度，k为对应土壤类型的水分自然衰减系数，、、为基于历史数据拟合的环境耦合系数，为土壤保水基底项。
29、在一种可能的实现方式中，所述基于所述第二土壤墒情和目标墒情生成灌溉指令，包括：
30、获取当前区域的田间持水量和土壤饱和导水率，所述田间持水量为土壤最大持水能力，所述土壤饱和导水率为水分在饱和土壤中单位时间的垂直渗透距离；
31、基于目标墒情、所述第二土壤墒情以及所述作物参数得到灌溉量；
32、根据所述土壤饱和导水率和目标湿润深度得到所述灌溉单次时间，并根据所述第一土壤墒情和田间持水量得到所述灌溉间隔时间。
33、在一种可能的实现方式中，所述获取当前区域的田间持水量和土壤饱和导水率，包括：
34、根据当前区域的归一化差异水分指数、当前区域的初始田间持水量以及第一修正公式得到田间持水量，所述第一修正公式为：
35、
36、其中，为田间持水量，为初始田间持水量，学习率，为归一化差异水分指数实测值与目标值的偏差，为ndwi偏差阈值；
37、根据当前区域的渗透速率、当前区域的初始土壤饱和导水率以及第二修正公式得到土壤饱和导水率，所述第一修正公式为：
38、
39、其中，为土壤饱和导水率，为初始土壤饱和导水率，为渗透速率，指单位时间内水分在土壤中的垂直渗透深度，为基准渗透速率，为归一化系数,为调节系数，指示渗透速率偏差对渗透速率的影响强度。
40、这样，本申请通过融合土壤传感器、遥感、气象及作物参数等多源数据，实现了农田墒情的未来趋势预测，并根据预测的墒情生成具体的变量灌溉指令，如单次时长和间隔，提升灌溉效率的同时减少水资源浪费与土壤盐渍化风险。
本文档来自技高网...【技术保护点】
1.一种农田土壤墒情预测与灌溉方法，应用于农田灌溉方法，其特征在于，所述方法包括：
2.根据权利要求1所述的农田土壤墒情预测与灌溉方法，其特征在于，所述遥感数据包括雷达回波强度和降雨强度，所述气象数据包括云图移动速度，所述基于所述多源数据获取第一土壤墒情，包括：
3.根据权利要求2所述的农田土壤墒情预测与灌溉方法，其特征在于，所述土壤传感器包括第一传感器和第二传感器，所述第一传感器包括电容式传感器，所述第二传感器包括频域反射式传感器。
4.根据权利要求3所述的农田土壤墒情预测与灌溉方法，其特征在于，所述根据所述雷达决策系数、所述传感器决策系数、所述雷达土壤含水量以及传感器土壤含水量得到所述第一土壤墒情，包括：
5.根据权利要求4所述的农田土壤墒情预测与灌溉方法，其特征在于，所述根据所述雷达决策系数、所述传感器决策系数、所述雷达土壤含水量以及传感器土壤含水量得到所述第一土壤墒情，还包括：
6.根据权利要求2所述的农田土壤墒情预测与灌溉方法，其特征在于，所述基于所述雷达回波强度和所述云图移动速度获取雷达决策系数包括：
...【技术特征摘要】
1.一种农田土壤墒情预测与灌溉方法，应用于农田灌溉方法，其特征在于，所述方法包括：
2.根据权利要求1所述的农田土壤墒情预测与灌溉方法，其特征在于，所述遥感数据包括雷达回波强度和降雨强度，所述气象数据包括云图移动速度，所述基于所述多源数据获取第一土壤墒情，包括：
3.根据权利要求2所述的农田土壤墒情预测与灌溉方法，其特征在于，所述土壤传感器包括第一传感器和第二传感器，所述第一传感器包括电容式传感器，所述第二传感器包括频域反射式传感器。
4.根据权利要求3所述的农田土壤墒情预测与灌溉方法，其特征在于，所述根据所述雷达决策系数、所述传感器决策系数、所述雷达土壤含水量以及传感器土壤含水量得到所述第一土壤墒情，包括：
5.根据权利要求4所述的农田土壤墒情预测与灌溉方法，其特征在于，所述根据所述雷达决策系数、所述传感...
【专利技术属性】
技术研发人员：王芳，赵月彬，宋文涛，吴建军，吴翠翠，禇兆辉，邢艳秋，孔令强，徐哓青，
申请(专利权)人：山东圣甲虫环境工程有限公司，
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。