一种秸秆还田与生物炭施用的闭环自适应控制方法

本发明涉及农业智能控制，涉及但不限定于一种秸秆还田与生物炭施用的闭环自适应控制方法。

背景技术：

1、秸秆还田和生物炭的施用，都是将农作物秸秆“变废为宝”回归土壤的两种方式。前者是将秸秆直接处理后施入，后者则是先将秸秆热解制成“生物炭”再施用。二者的结合，并引入闭环自适应控制，可理解为一个能根据实时土壤状况，自动、精准地决策如何施用这两种物料，以达成最佳土壤改良效果的智能系统。对于秸秆还田，该方法为历史悠久的培肥方式，即把小麦、玉米等作物的秸秆，采用直接覆盖、粉碎翻压或堆沤腐熟等方式处理后，再放回田里。为土壤提供有机质、氮磷钾等养分，改善土壤结构，增加保水保肥能力；对于生物炭施用，该方法为秸秆的升级版再利用，将秸秆在缺氧或限氧条件下高温热解，会生成一种类似木炭的物质即生物炭。生物炭拥有极其丰富的孔隙结构和巨大的比表面积，稳定不易分解。因此，施用生物炭不仅能直接改良土壤结构，更重要的是能像一个海绵一样，长效固碳减排，并吸附和缓释养分，减少流失。

2、采集土壤的实时指标数据（有机质、ph值等），根据指标数据结果采用自适应的生物炭、秸秆还田等施肥方式，以达到高效率因地制宜控制的目的。在自适应的实施过程中，会出现相同土壤指标下，不同施肥历史（化肥vs有机肥）导致土壤缓冲能力差异，进而影响后续施肥响应（仅分析当前数据造成的截面效应），即：两块地当前ph、ec、有机质完全相同，但一部分土壤长期施有机肥，另一部分土壤长期施化肥。施入等量生物炭（或秸秆还田）后，生物炭响应平缓，秸秆还田会因土壤系统响应稳定性差而出现ph陡升、微量元素（zn/fe）缺素，造成施肥选择和施肥量的控制误差，影响土壤的产量。

技术实现思路

1、有鉴于此，本发明实施例提供一种秸秆还田与生物炭施用的闭环自适应控制方法，旨在克服现有技术的缺陷，针对施肥选择和施肥量的控制误差，影响作物产量的问题。

2、本发明实施例的技术方案具体如下：

3、本发明实施例提供一种秸秆还田与生物炭施用的闭环自适应控制方法，包括：

4、配置预试验，将预试验区域划分为若干个试验小区；在预设的多个时间节点，分别采集每个试验小区的各待施肥土壤区域在每次检测下的多维度土壤指标的时间序列数据，所述多维度土壤指标至少包括ph值；

5、对各待施肥土壤区域的各维度土壤指标的时间序列数据分别进行dfa算法分析，得到各维度对应的标度指数，并基于各所述标度指数计算各待施肥土壤区域的响应缓冲量；将所述响应缓冲量与预设的范围阈值进行比较，从各待施肥土壤区域中筛选出敏感性土壤区域；

6、以各敏感性土壤区域的历史多维度土壤指标的时间序列数据为输入，构建时序预测模型，输出各敏感性土壤区域的多维度土壤指标的预测序列；根据各敏感性土壤区域的ph值的预测序列和各待施肥土壤区域的ph值在不同时刻的变化序列，计算各敏感性土壤区域的土壤酸化率；

7、基于各敏感性土壤区域的各维度土壤指标之间的相关性，计算各敏感性土壤区域的多指标协同敏感性；根据所述土壤酸化率以及所述多指标协同敏感性，计算敏感性土壤区域的土壤响应类型得分值；根据所述土壤响应类型得分值和预设的原施用量，计算秸秆还田与生物炭优化后的施用量，并实现自适应施肥。

8、在一些实施例中，所述并基于各所述标度指数计算各待施肥土壤区域的响应缓冲量，包括：

9、通过如下公式计算各待施肥土壤区域的响应缓冲量：

10、

11、其中，表示第个待施肥土壤区域的响应缓冲量；表示土壤指标的维度序号；为第个待施肥土壤区域下，第个维度土壤指标的时间序列数据经dfa算法分析得到的标度指数。

12、在一些实施例中，所述根据各敏感性土壤区域的ph值的预测序列和各待施肥土壤区域的ph值在不同时刻的变化序列，计算各敏感性土壤区域的土壤酸化率，包括：

13、通过如下公式计算各敏感性土壤区域的土壤酸化率：

14、

15、其中，表示第个敏感性土壤区域的土壤酸化率；表示第个敏感性土壤区域的ph值预测序列的均值；表示第个敏感性土壤区域的历史基线ph均值；表示第个敏感性土壤区域的ph值预测序列的趋势强度得分，通过时间序列分解的趋势强度算法分解得到趋势分量与残差分量后，基于所述趋势分量的方差和所述残差分量的方差计算得到趋势强度得分。

16、在一些实施例中，所述根据所述土壤酸化率以及所述多指标协同敏感性，计算敏感性土壤区域的土壤响应类型得分值，包括：

17、通过如下公式计算敏感性土壤区域的土壤响应类型得分值：

18、

19、其中，表示第个敏感性土壤区域的土壤响应类型得分值；表示第个敏感性土壤区域的土壤酸化率；表示第个敏感性土壤区域的多指标协同敏感性；表示归一化函数。

20、在一些实施例中，所述实现自适应施肥，包括：

21、依据所述秸秆还田优化后的施用量和生物炭优化后的施用量，向对应的敏感性土壤区域施加对应的物料，完成物料施用后，持续监测所述敏感性土壤区域的多维度指标，利用监测得到的土壤指标时间序列数据更新所述时序预测模型的参数，迭代优化下一周期的物料施用量，实现秸秆还田与生物炭的闭环自适应施肥。

22、本发明实施例提供的技术方案带来的有益效果至少包括：

23、在本发明实施例中，依据响应缓冲量确定敏感性土壤域；通过响应结果样本对敏感性土壤域进行预测处理，得到预测集；分析预测集单维指标酸化率，结合多维指标同步敏感性，确定土壤响应类型得分值，反馈控制施用类型及其施用量，达到自适应精准施肥的目的。对土壤进行施肥过程中，不同的土壤具备不同的施肥需求，秸秆还田的成本相较于生物炭要低很多，通过分析土壤相关指标，根据不同的指向结果配备对应的秸秆还田或生物炭进行自适应施肥操作，提高施肥效率，降低施肥成本。由于当前状态下对土壤施肥仅针对该时刻，缺乏对前、后时刻的关注度，因而不同的施肥方式（化肥与有机肥）对于土壤产生的影响不一样，为了消除因土壤施肥类型不同导致的后续施肥量的控制误差，通过设计小剂量施用并对其进行预测，依据不同时间阶段的预测结果进行后续的土壤响应类型的判断，进而反馈控制施用类型及其施用量，提高施肥精准度。不同的历史施肥结果对不同量的秸秆还田与生物炭施用的需求不同，超量的需求或者不足的需求都会导致产生土壤指标偏离正常基准值的影响，通过分析预测结果，对土壤的酸化率以及多维指标之间的同步敏感性进行量化，结合不同土壤类型对于施用量的反馈程度，自适应控制施肥量以及施肥类型，提高利用效率。

1.一种秸秆还田与生物炭施用的闭环自适应控制方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述并基于各所述标度指数计算各待施肥土壤区域的响应缓冲量，包括：

3.根据权利要求2所述的方法，其特征在于，所述将所述响应缓冲量与预设的范围阈值进行比较，从各待施肥土壤区域中筛选出敏感性土壤区域，包括：

4.根据权利要求1所述的方法，其特征在于，所述根据各敏感性土壤区域的ph值的预测序列和各待施肥土壤区域的ph值在不同时刻的变化序列，计算各敏感性土壤区域的土壤酸化率，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于各敏感性土壤区域的各维度土壤指标之间的相关性，计算各敏感性土壤区域的多指标协同敏感性，包括：

6.根据权利要求1所述的方法，其特征在于，所述根据所述土壤酸化率以及所述多指标协同敏感性，计算敏感性土壤区域的土壤响应类型得分值，包括：

7.根据权利要求1所述的方法，其特征在于，所述根据所述土壤响应类型得分值和预设的原施用量，计算秸秆还田与生物炭优化后的施用量，包括：

8.根据权利要求7所述的方法，其特征在于，所述实现自适应施肥，包括：