基于机器学习的农田秸秆还田智能化配比施肥调控种植方法与流程

本发明涉及智慧农业与农田施肥调控，具体涉及基于机器学习的农田秸秆还田智能化配比施肥调控种植方法。

背景技术：

1、秸秆还田是农田有机质提升和农业废弃物资源化利用的重要措施。通过将作物收获后的秸秆粉碎并还入土壤，可以补充土壤有机碳和部分氮、磷、钾等养分，改善土壤结构，并减少秸秆露天焚烧造成的环境问题。现有农田种植管理中，通常会在秸秆还田后继续按照测土配方施肥、目标产量施肥或经验施肥方式确定氮磷钾施用量，该类方式主要依据土壤养分检测值、作物需肥规律和目标产量水平进行肥料配比，对常规未还田地块具有一定适用性。

2、但是，秸秆还田后的养分转化过程并非立即与作物需肥过程同步。秸秆的还田量、粉碎长度、铺撒均匀度、入土深度、含水率、碳氮比以及还田层温湿度等条件不同，会导致不同地块甚至同一地块不同区域内的秸秆腐解速度存在明显差异。特别是在秸秆腐解初期，微生物分解高碳氮比秸秆时会固持土壤中的矿质氮，容易与作物苗期生长争夺有效氮素，造成前期根区供氮不足；而在腐解后期，秸秆中的氮、钾等养分又会逐步释放，若仍按常规追肥方案施肥，容易出现后期追肥量偏高、养分供应与作物吸收不同步的问题。

3、现有智能施肥或变量施肥技术虽然能够采集土壤养分、作物长势、气象环境等数据，并据此生成施肥建议或处方图，但多数方案仍以作物需肥量、土壤养分亏缺量或目标产量为主要决策依据，未将秸秆还田后的还田层状态、腐解阶段变化、微生物固氮增强期以及秸秆源养分释放过程作为施肥调控的核心中间变量。由此，在秸秆还田条件下，现有方法难以准确识别不同施肥分区的氮素竞争窗口，也难以根据秸秆腐解阶段动态调整腐解启动补偿肥、苗期追肥及后续追肥的氮肥分配量，导致施肥处方与秸秆腐解过程之间缺乏有效协同。因此，有必要提出一种能够结合秸秆还田状态、腐解阶段识别、氮素竞争窗口判断和变量施肥执行反馈的农田秸秆还田配比施肥调控种植方法。

技术实现思路

1、针对现有技术的不足，本发明提供了基于机器学习的农田秸秆还田智能化配比施肥调控种植方法，以解决现有技术中存在的技术问题。

2、本发明的上述技术目的是通过以下技术方案得以实现的：

3、基于机器学习的农田秸秆还田智能化配比施肥调控种植方法，包括以下步骤：

4、s1、在秸秆还田作业过程中，将目标农田划分为多个施肥分区，采集各施肥分区的秸秆还田作业数据，并根据秸秆还田作业数据建立对应施肥分区的还田层状态图谱，秸秆还田作业数据包括秸秆还田量、秸秆粉碎长度分布、秸秆铺撒均匀度、秸秆入土深度、还田层厚度、秸秆含水率和秸秆碳氮比；

5、s2、在播种前以及作物预设生育期节点，采集各施肥分区的土壤分层养分数据、还田层环境数据和作物长势数据，土壤分层养分数据包括矿质氮含量、速效磷含量、速效钾含量和有机质含量，还田层环境数据包括还田层温度、还田层含水率和还田层氧化还原电位；

6、s3、将还田层状态图谱、土壤分层养分数据、还田层环境数据和作物长势数据输入经田间样本训练得到的秸秆腐解状态识别模型，获得各施肥分区对应的秸秆腐解阶段标签，秸秆腐解阶段标签包括腐解启动期、微生物固氮增强期、缓慢释氮期和养分释放补偿期；

7、s4、根据秸秆腐解阶段标签、根区矿质氮含量、作物阶段需氮量和秸秆碳氮比，确定各施肥分区的氮素竞争窗口，并根据氮素竞争窗口确定各施肥分区在基肥、腐解启动补偿肥、苗期追肥、快速营养生长期追肥和产量形成前期追肥中的氮肥分配量，腐解启动补偿肥为秸秆还田后至苗期前施入的氮肥单元；

8、s5、根据各施肥分区的秸秆源氮释放预测量、秸秆源钾释放预测量、土壤速效养分亏缺量和作物阶段需肥量，生成对应施肥分区的配比施肥处方，配比施肥处方包括氮磷钾配比、肥料施用时期、肥料形态、施肥深度和单位面积施肥量；

9、s6、按照配比施肥处方控制变量施肥设备对目标农田进行分区施肥，并在施肥后采集各施肥分区的根区矿质氮变化数据、作物长势反馈数据和收获期产量数据，根据采集结果更新田间样本库，并利用更新后的田间样本库重新训练秸秆腐解状态识别模型。

10、优选地，s1中，将目标农田划分为多个施肥分区时，先获取目标农田的边界坐标和作业路径坐标，再按照秸秆还田机具的作业幅宽、变量施肥设备的单次排肥控制幅宽和作业路径方向确定施肥分区的坐标范围，并为每个施肥分区赋予分区编号；

11、所述还田层状态图谱包括施肥分区编号、施肥分区坐标范围以及与该施肥分区对应的秸秆还田作业数据。

12、优选地，s1中，所述秸秆还田量由收获机产量监测数据、作物秸秆谷物比和秸秆还田比例确定；

13、所述秸秆粉碎长度分布由秸秆还田后的地表图像提取得到；

14、所述秸秆铺撒均匀度由同一施肥分区内秸秆覆盖面积与该施肥分区面积的比值确定；

15、所述秸秆入土深度和还田层厚度由耕深传感器检测值与土壤剖面抽样值校正得到。

16、优选地，s2中，所述土壤分层养分数据分别采集自010cm土层、1020cm土层和2040cm土层；

17、所述作物预设生育期节点包括播种前、苗期、快速营养生长期、产量形成前期和收获期，且作物预设生育期节点按照目标作物对应的栽培技术规程确定；

18、所述作物长势数据包括叶色指数、冠层覆盖度、叶面积指数和植株氮素营养指数。

19、优选地，s3中，所述田间样本包括同一施肥分区在同一采样节点下的还田层状态图谱数据、土壤分层养分数据、还田层环境数据、作物长势数据和秸秆腐解阶段标签；

20、所述秸秆腐解阶段标签根据秸秆残余质量占比、还田层矿质氮变化量、还田层可溶性有机碳变化量和秸秆碳氮比变化量标注，其中，秸秆残余质量占比开始下降且还田层可溶性有机碳增加时标注为腐解启动期，根区矿质氮含量连续下降且秸秆碳氮比保持不低于播种前秸秆碳氮比的0.70倍时标注为微生物固氮增强期，秸秆残余质量占比继续下降且根区矿质氮含量停止连续下降时标注为缓慢释氮期，根区矿质氮含量达到根区供氮下限且秸秆碳氮比低于播种前秸秆碳氮比的0.70倍时标注为养分释放补偿期。

21、优选地，s3中，所述秸秆腐解状态识别模型为分类模型，分类模型包括特征预处理模块、分类器和输出模块；

22、所述特征预处理模块对输入特征进行标准化处理或归一化处理，输入特征包括秸秆还田量、秸秆粉碎长度分布、秸秆入土深度、还田层温度、还田层含水率、还田层氧化还原电位、根区矿质氮含量、速效钾含量、叶色指数和冠层覆盖度；

23、所述分类器采用随机森林分类器、梯度提升树分类器或支持向量机分类器中的任一种，输出模块输出腐解启动期、微生物固氮增强期、缓慢释氮期和养分释放补偿期中的一个秸秆腐解阶段标签。

24、优选地，s4中，所述作物阶段需氮量根据目标作物种类、目标产量水平和作物预设生育期节点确定；

25、根区供氮下限根据作物阶段需氮量、根系有效吸收土层厚度、土壤容重和施肥分区面积确定；

26、所述根区矿质氮含量由根系有效吸收土层内的硝态氮含量和铵态氮含量相加得到。

27、优选地，s4中，所述氮素竞争窗口的起始节点为同一施肥分区连续两个采样节点均满足如下条件时的较早采样节点：秸秆腐解阶段标签为微生物固氮增强期，根区矿质氮含量低于根区供氮下限，且秸秆碳氮比不低于该施肥分区播种前秸秆碳氮比的0.70倍；

28、所述氮素竞争窗口的终止节点为该施肥分区根区矿质氮含量达到根区供氮下限，且秸秆腐解阶段标签转换为缓慢释氮期或养分释放补偿期时的采样节点。

29、优选地，s4中，当施肥分区处于氮素竞争窗口内时，将该施肥分区中根区矿质氮含量低于根区供氮下限的差额计入腐解启动补偿肥和苗期追肥的氮肥分配量；

30、当施肥分区处于养分释放补偿期时，根据秸秆源氮释放预测量扣减快速营养生长期追肥或产量形成前期追肥的氮肥分配量。

31、优选地，s5中，所述秸秆源氮释放预测量和秸秆源钾释放预测量分别依据对应施肥分区的秸秆干物质还田量、秸秆氮含量、秸秆钾含量以及与秸秆腐解阶段标签对应的养分释放系数确定，秸秆氮含量和秸秆钾含量由还田前秸秆样品检测得到；

32、所述养分释放系数根据田间样本库中同一秸秆腐解阶段标签对应的秸秆残余质量占比、秸秆氮含量变化量和秸秆钾含量变化量确定；

33、s6中，所述变量施肥设备按照配比施肥处方中的施肥分区编号、单位面积施肥量、肥料形态和施肥深度生成施肥控制指令，并依据施肥控制指令调节排肥电机转速、排肥口开度和开沟器入土深度。

34、综上所述，本发明主要具有以下有益效果：

35、通过在秸秆还田作业过程中采集秸秆还田量、粉碎长度分布、铺撒均匀度、入土深度、还田层厚度、含水率及碳氮比等还田层状态数据，并将上述数据与土壤分层养分数据、还田层环境数据和作物长势数据关联形成施肥分区对应的还田层状态图谱，达到将秸秆还田后的空间差异、腐解基础条件和作物需肥状态进行分区表征的效果，避免传统测土配方施肥仅依据地块平均养分或目标产量确定施肥总量而忽略秸秆还田不均、入土深度不同、腐解速度不同所造成的施肥偏差。

36、通过利用秸秆腐解状态识别模型获得腐解启动期、微生物固氮增强期、缓慢释氮期和养分释放补偿期等秸秆腐解阶段标签，并根据腐解阶段标签、根区矿质氮含量、作物阶段需氮量和秸秆碳氮比确定氮素竞争窗口，达到将秸秆还田初期微生物固氮增强造成的根区供氮不足转化为可识别、可判断、可执行调控的施肥依据的效果，从而能够在氮素竞争窗口内合理确定腐解启动补偿肥和苗期追肥的氮肥分配量，并在养分释放补偿期根据秸秆源氮释放预测量扣减后续追肥量，减少前期缺氮和后期追肥过量并存的问题。

37、通过根据秸秆源氮释放预测量、秸秆源钾释放预测量、土壤速效养分亏缺量和作物阶段需肥量生成分区配比施肥处方，并由变量施肥设备按照施肥分区编号、单位面积施肥量、肥料形态和施肥深度执行施肥，同时将实际排肥量、根区矿质氮变化数据、作物长势反馈数据和收获期产量数据写入田间样本库，达到施肥处方生成、变量施肥执行和模型反馈更新相互闭环的效果，使后续种植季能够根据同类地块的真实腐解过程和施肥反馈修正秸秆腐解状态识别模型及养分释放系数，提高秸秆还田条件下配比施肥调控的适配性和连续种植管理的稳定性。