一种柑橘园智慧灌溉方法及系统

摘要: 本发明涉及电子信息领域,特别是涉及一种柑橘园智慧灌溉方法及系统。背景技术:1、柑橘是我国南方丘陵地区特色农业的支柱产业,其产量与品质对土壤墒情条件高度敏感。以江...
一种柑橘园智慧灌溉方法及系统

本发明涉及电子信息领域,特别是涉及一种柑橘园智慧灌溉方法及系统。

背景技术:

1、柑橘是我国南方丘陵地区特色农业的支柱产业,其产量与品质对土壤墒情条件高度敏感。以江西省为例,全省柑橘种植广泛,但伏秋干旱频发,高温与干旱叠加极易引发果树水分胁迫,成为制约柑橘产业提质增效的关键瓶颈。当前,多数柑橘园仍沿用传统经验式灌溉,其主要凭人工观察和主观判断决定灌水时机与用量。虽然部分柑橘园已铺设管道滴灌设施,但普遍存在墒情监测滞后、灌溉决策粗放、智能化程度低等问题,导致灌溉水利用效率偏低,水资源浪费现象尤为突出。

2、针对上述问题,多地已尝试引入智慧灌溉系统,而现有方案多基于实时监测数据结合水量平衡方程制定灌溉方案,其本质上属于响应式调控,存在明显的决策滞后性,难以在果树发生水分胁迫前提前预判土壤墒情变化。近年来,部分系统开始引入机器学习模型进行墒情预测,但其在实际应用中普遍存在以下缺陷:一是土壤墒情数据多来源于点式传感器,监测范围有限,难以反映果园空间上的连续水分动态,导致灌溉决策依赖的空间数据分辨率不足;二是预测模型往往仅以单一类型数据作为输入,未充分考虑环境土壤性质、气象条件、植物生理状态等多元因素的协同影响,易出现过拟合或物理上不合理的预测结果;三是现有通信架构在南方丘陵地区复杂地形与网络环境下,数据传输稳定性不足,制约了系统的本地化部署;四是灌溉决策与柑橘不同物候期的需水规律结合不够紧密,未能实现分阶段、差异化的精准水分管理。

3、综上,当前智慧灌溉方案与丘陵山区柑橘园实际生产需求之间存在明显不匹配。因此,亟需研发一种适配南方丘陵柑橘园场景的智慧灌溉方法及系统,融合高分辨率多源数据,并利用ai智能算法进行墒情精准预测与灌溉决策,实现“被动响应”向“主动调控”的转变,以提升水资源利用效率,支撑柑橘产业的高质量发展。

技术实现思路

1、本技术的目的在于针对现有智慧灌溉方案与丘陵山区柑橘园实际应用的不匹配,提供一种柑橘园智慧灌溉方法及系统,通过多源数据高分辨率监测和ai模型实现土壤墒情超前预测,结合柑橘不同物候期水分阈值形成最佳灌溉方案,并进行智能化灌溉,解决传统灌溉决策滞后、精度不足与适配性差的问题,以提升柑橘园水资源利用效率与智能化管理水平。

2、本发明提供了一种柑橘园智慧灌溉方法,包括:

3、基于柑橘树不同物候期设置多个梯度亏缺灌溉处理方案,获取各处理方案下柑橘园的土壤墒情数据与果实品质指标,采用组合评价方法对所述灌溉处理方案进行综合评分,将综合评分最高的灌溉处理方案确定为该物候期的最佳灌溉方案,所述梯度亏缺灌溉处理方案为不同物候期下设置的不同土壤含水率维持区间的方案;

4、实时监测并采集柑橘园的多源感知数据,所述多源感知数据包括土壤墒情数据、气象环境数据以及反映植物蒸腾耗水状态的植物生理数据;

5、获取所述多源感知数据作为输入,利用预先训练好的ai墒情预测模型预测未来预设时间段内的土壤墒情变化趋势,输出未来预设时间段内的土壤墒情预测数据;

6、获取所述土壤墒情预测数据,将其与所述最佳灌溉方案中的水分阈值进行比较,并结合降雨预报数据,判断是否触发灌溉指令以及计算对应的灌溉水量,生成动态灌溉决策指令;

7、响应于所述动态灌溉决策指令,控制灌溉执行设备按照所述灌溉水量执行灌溉操作。

8、进一步的,上述柑橘园智慧灌溉方法,其中,所述采用组合评价方法对所述灌溉处理方案进行综合评分的步骤包括:

9、采用主成分分析法、熵权topsis分析法和隶属函数分析法分别对多个所述灌溉处理方案进行单一评价,得到各方案在每种单一评价方法下的综合得分和排名;

10、采用spearman相关分析计算各单一评价方法排名与组合评价排名之间的相关系数;

11、根据所述相关系数的比重确定各单一评价方法的权重;

12、根据所述权重对各单一评价方法的综合得分进行加权求和,得到每个所述灌溉处理方案的综合评分。

13、进一步的,上述柑橘园智慧灌溉方法,其中,所述土壤墒情数据通过下述方法获得:

14、在预设的多个点尺度位置上,基于时域反射原理分层采集土壤墒情实时数据;

15、在预设的线尺度或面尺度区域,沿水平方向和/或顺坡方向分层铺设分布式光纤,基于本地实测土壤分层颗粒级配与柑橘根系分布情况,通过主动加热方式监测浅层土壤(0-0.3m)的升温响应,并根据预设的光纤归一化累积升温值与土壤含水率的标定模型与深层土壤墒情推算模型,反演得到0-1m土壤线尺度或面尺度上的土壤含水率分布数据;

16、将所述点尺度的分层土壤墒情实时数据与所述线尺度或面尺度的土壤含水率分布数据进行协同处理,生成三维的土壤墒情数据。

17、进一步的,上述柑橘园智慧灌溉方法,其中,所述标定模型通过以下方式构建:

18、在所述分布式光纤的埋设位置,利用tdr传感器实时监测对应点位的土壤含水率;

19、根据所述分布式光纤监测的升温数据,计算光纤归一化累积升温值;

20、对同一位置获取的所述光纤归一化累积升温值与所述tdr传感器监测的土壤含水率进行函数拟合,建立所述标定模型;

21、所述光纤归一化累积升温值的计算公式为:

22、;

23、y=aebx;

24、其中,为归一化累积升温值,te为预设的停止加热时间,δt(t)为光纤实时升温值,为光纤加热功率,a和b均为常数,通过拟合得到;

25、所述深层土壤墒情推算模型通过以下方式构建:

26、根据长期tdr点尺度分层土壤墒情监测值构建不同深度土壤墒情推算模型,可实现通过光纤监测浅层土壤升温值来反演得到线尺度或面尺度上的土壤含水率分布数据,所述土壤墒情推算模型公式为:

27、sis0= (did0)a + s0(did0)2b + sc;

28、其中si为 0~di土层的水分储量,s0为土壤浅层 0~d0的水分储量,a、b 和 sc为常数,当 d=d0,s=s0,令 sc=0;当 d≠d0时,sc为一常数。

29、进一步的,上述柑橘园智慧灌溉方法,其中,所述植物生理数据通过布设于柑橘树干上的植物径流仪获取,具体包括:

30、利用所述植物径流仪实时采集柑橘树干的液流速率数据;

31、获取柑橘树的生理参数,所述生理参数至少包括茎干横截面积和植物表面积;

32、根据所述液流速率数据、所述茎干横截面积和所述植物表面积,计算蒸腾蒸发量,作为所述植物生理数据。

33、进一步的,上述柑橘园智慧灌溉方法,其中,所述ai墒情预测模型包括相互独立的水分消耗模型和水分补给模型,所述水分消耗模型用于基于环境特征数据与所述植物生理数据预测土壤水分的消耗量,所述环境特征数据至少包括空气相对湿度、环境温度、光合有效辐射;

34、所述水分补给模型用于基于降雨预报信息与历史灌溉数据预测土壤水分的补给量;

35、所述ai墒情预测模型根据如下公式确定所述土壤墒情预测数据:

36、;

37、其中,θ为土壤墒情预测数据,θt为当前时刻的土壤墒情数据,δθ1为所述水分消耗模型预测的消耗量,δθ2为所述水分补给模型预测的补给量。

38、进一步的,上述柑橘园智慧灌溉方法,其中,所述是否触发灌溉指令的步骤包括:

39、将所述土壤墒情预测数据与所述最佳灌溉方案中对应于当前物候期的土壤含水率下限阈值进行比较,若预测墒情在预报期内低于所述下限阈值,且降雨预报数据显示无有效降雨,则触发灌溉指令;

40、所述灌溉水量的计算方法为:基于根区水量平衡原理,计算使根区土壤含水率回升至所述最佳灌溉方案中对应于当前物候期的土壤含水率上限值所需的单次灌水定额。

41、本发明还公开了一种柑橘园智慧灌溉系统,包括:

42、方案确定模块,用于基于柑橘树不同物候期设置多个梯度亏缺灌溉处理方案,获取各处理方案下柑橘园的土壤墒情数据与果实品质指标,并采用组合评价方法对所述灌溉处理方案进行综合评分,将综合评分最高的灌溉处理方案确定为该物候期的最佳灌溉方案,所述梯度亏缺灌溉处理方案为不同物候期下设置的不同土壤含水率维持区间的方案;

43、多源信息感知模块,用于实时监测并采集柑橘园的多源感知数据,所述多源感知数据包括土壤墒情数据、气象环境数据以及反映植物蒸腾耗水状态的植物生理数据;

44、ai墒情预测模块,用于获取所述多源感知数据,并作为输入,利用预先训练好的ai墒情预测模型预测未来预设时间段内的土壤墒情变化趋势,输出未来预设时间段内的土壤墒情预测数据;

45、智慧灌溉决策模块,用于获取所述土壤墒情预测数据,将其与所述最佳灌溉方案中的水分阈值进行比较,并结合降雨预报数据,判断是否触发灌溉指令以及计算对应的灌溉水量,生成动态灌溉决策指令;

46、灌溉执行模块,用于响应于所述动态灌溉决策指令,控制灌溉执行设备按照所述灌溉水量执行灌溉操作。

47、进一步的,上述柑橘园智慧灌溉系统,其中,

48、所述ai墒情预测模块以xgboost水分消耗和水分补给双模型为核心,包括多源数据输入单元、模型训练单元和预测结果输出单元,所述多源数据输入单元用于对多源信息感知模块监测的数据进行时间空间对齐处理;所述模型训练单元用于采用历史土壤墒情、气象环境数据和植物生理数据进行初步模型训练,并通过实时监测的信息优化迭代;所述预测结果输出单元通过输入气象预报数据最终输出未来一定时段内分层土壤体积含水率预测值。

49、进一步的,上述柑橘园智慧灌溉系统,其中,

50、所述智慧灌溉决策模块包括灌溉判定单元、灌溉定额计算单元和灌溉频率调控单元;

51、所述灌溉判定单元用于根据柑橘不同物候期最佳灌溉制度主动设置柑橘对应的根区土壤墒情适宜区间,每日定时调用ai墒情预测模块生成未来一定时段内的分层土壤含水率预测序列,当预测墒情在预报期内低于对应物候期含水率下限,且无有效降雨预报时,触发灌溉指令;

52、所述灌溉定额计算单元用于基于根区水量平衡原理计算单次灌水定额,通过定量补水使灌溉后根区土壤含水率回升至最佳灌溉方案中土壤含水率上限值;

53、所述灌溉频率调控单元用于采用预测驱动型动态调频机制,根据实际土壤水分蒸发、柑橘物候期需水特性以及降雨预报,动态调整灌溉间隔。

54、本发明突破了传统基于实时数据的“响应式”灌溉模式,利用ai模型对未来土壤墒情进行超前预测,并以该预测结果作为灌溉触发条件,同时结合未来降雨预报与柑橘不同物候期的最佳水分阈值进行综合判定,实现了从“被动响应”向“主动调控”的转变,有效避免了因决策滞后导致的果树水分胁迫以及因未考虑天然降雨造成的无效灌溉,在保障柑橘产量与品质的同时显著提升了水资源利用效率。