基于数据和机理双驱动的虾稻种养区灌溉预报方法及系统与流程
本发明属于农业水土工程与智慧灌溉,具体涉及一种基于数据和机理双驱动的虾稻种养区灌溉预报方法及系统。
背景技术:
1、虾稻综合种养模式将水稻种植与克氏原螯虾即小龙虾养殖有机结合,综合效益显著,已在江汉平原等区域大面积推广,是保障粮食安全与促进农民增收的重要产业形态。与普通稻田相比,虾稻田经常会配套环形养虾沟,田间水分调控需同时兼顾水稻各生育期需水规律、小龙虾持续生存所需最低水层,同时满足溶解氧、水温等水质约束条件。田间水分消耗组分复杂,包含水稻冠层蒸发蒸腾、虾沟自由水面蒸发、耕作层垂向渗漏及稻田与虾沟之间的侧渗交换四类水分转化关系。与此同时,小龙虾养殖对溶解氧、水温等水质指标较为敏感,在高温、高密度养殖阶段水质易恶化,必须通过周期性换水实现水质调控。上述因素共同造成虾稻种养区灌溉用水呈现需水机理复杂、水层水质双重约束、灌水补水与水质换水联动的鲜明特点,给田间灌溉预报带来极大技术挑战。
2、现有灌溉预报方法多针对普通稻田或旱作物构建,采用统一的作物系数法和田间水量平衡计算灌溉需水量,未考虑虾稻种养区稻田与虾沟分区耗水、沟田侧渗交换及水质换水需求,无法直接适用于虾稻种养区;另一方面,灌区管理实践中积累的用水计划申报数据蕴含了基层管理者的灌溉决策经验,现有方法缺乏对这类管理经验数据的有效挖掘,更缺乏将机理模型与数据驱动模型耦合的灌溉预报手段,导致预报精度难以满足实际需求。随着数字孪生灌区建设的推进,亟需研发适配虾稻种养区水分转化特性的精准灌溉预报方法,为数字孪生灌区模型构建与智慧灌区建设提供支撑。
3、因此,研发一种机理模型与数据驱动模型双驱动的虾稻种养区灌溉预报方法与系统,实现虾稻种养区灌水时间、灌水定额与换水量的精准预报,是当前虾稻种养区灌溉管理亟待解决的技术难题。
技术实现思路
1、针对现有技术存在的不足,本发明提供一种基于机理和数据双驱动的虾稻种养区灌溉预报方法及系统,用以解决现有灌溉预报方法无法适配虾稻种养区稻田-虾沟分区耗水与沟田侧渗特性、缺乏水质换水耦合预报、灌区管理经验数据利用率低、机理模型与数据模型缺乏耦合的技术问题,实现虾稻种养区灌水时间、灌水定额和水质换水量的精准预报与智能决策。
2、为了实现上述目的,本发明采用如下技术方案:
3、一种基于数据和机理双驱动的虾稻种养区灌溉预报方法,包括如下步骤:
4、步骤s1.获取灌区多源数据;基于灌区田块空间结构信息,将虾稻种养田块划分为稻田区与虾沟区,确定虾沟面积比;
5、步骤s2.根据所述气象预报数据以及当前所处的水稻生育阶段信息,按水稻生育期和非水稻生育期确定全田总蒸发蒸腾量预报值;
6、步骤s3.根据水稻不同生育期和/或田间水层及地下水埋深数据,预报田间渗漏量,获取田间渗漏量预报值;
7、步骤s4.根据虾稻共养阶段与虾稻分养阶段的不同水层差异状态,分别预报稻田与虾沟之间的侧渗水量,获取侧渗水量预报值;
8、步骤s5.基于水层水量平衡原理构建机理预报模型,所述机理预报模型按水稻与小龙虾联合约束确定田间水层下限与适宜水层上限,基于预见期降雨预报与耗水预报成果逐日递推田间水层,水层降至田间水层下限时触发灌溉并核定灌水定额,结合预见期降雨动态顺延灌水时间;
9、步骤s6.根据虾沟水质监测数据或水质预报数据,按水质控制指标阈值判定换水时机,并核定换水量,将换水量纳入水层水量平衡统一调度;
10、步骤s7.将灌区历年灌溉用水计划上报数据整编为管理者经验样本库,训练数据驱动灌溉预报模型,并将所述数据驱动灌溉预报模型与基于水量平衡的机理预报模型进行耦合,合成最终灌溉预报成果;
11、步骤s8.根据最终灌溉预报成果分级发布灌水时间、灌水定额与换水量预报成果,并驱动灌排作业;利用实测数据滚动修正数据驱动灌溉预报模型参数以及与机理预报模型的耦合权重,形成闭环运行。
12、进一步地,所述多源数据包括气象监测数据、气象预报数据、田间水层与地下水埋深数据、水质监测数据、种养殖生产数据及灌区历年灌溉用水计划上报数据。
13、进一步地,所述步骤s2包括如下子步骤:
14、根据预见期气象预报中的天气类型确定天气类型修正系数,并基于所述天气类型修正系数与多年平均参考作物蒸发蒸腾量计算得到逐日参考作物蒸发蒸腾量预报值;
15、在水稻生育期内,根据水稻所处生育期确定作物系数,将所述作物系数乘以所述参考作物蒸发蒸腾量预报值,得到稻田区蒸发蒸腾量预报值;
16、虾沟区水面蒸发量预报时,采用气象部门发布的水面蒸发预报值;在无水面蒸发预报值时,采用道尔顿型经验模型计算虾沟区水面蒸发量预报值;
17、当处于水稻生育期内,按照稻田面积占比与虾沟面积占比,对所述稻田区蒸发蒸腾量预报值与虾沟区水面蒸发量预报值进行加权求和,合成全田总蒸发蒸腾量;当处于非水稻生育期内,全田总蒸发蒸腾量直接采用所述虾沟水面蒸发量预报值。
18、进一步地,所述田间渗漏量的预报方式包括经验值法和经验模型法;其中经验值法为:利用田间试验观测数据,按水稻不同的生育阶段,分别确定田间日渗漏量经验值,形成分生育期渗漏量参数表;
19、经验模型法为:对具备基本监测条件的田块,建立与田面水深、地下水埋深及土壤特性相关的渗漏量经验模型,基于所述渗漏量经验模型计算预报田间渗漏量,渗漏量经验模型为:
20、
21、式中:为田间日渗漏量(mm/d),为田面水深(田面水深是以虾沟沟底作为基准),为地下水埋深,、为基准水深与基准地下水埋深,为基准渗漏强度,为经验指数,、利用田间实测渗漏数据按最小二乘准则率定。
22、进一步地,所述步骤s4具体包括:
23、在虾稻共养阶段,根据稻田区因蒸发蒸腾和垂向渗漏造成的水位消落深度、以及虾沟区因水面蒸发和垂向渗漏造成的水位消落深度,计算稻田区与虾沟区之间的水位消落深度差,并结合稻田面积占比、虾沟面积占比及田块总面积,概化得到侧渗交换水量;
24、在虾稻分养阶段,按达西定律计算侧渗水量,所述达西定律的计算中涉及沟田接触带土壤饱和渗透系数、侧渗过水断面平均深度、稻田与虾沟换算至同一高程基准后的水位差、渗径长度、沟田接触带长度及计算时段长。
25、进一步地,所述步骤s5包括:
26、根据水稻各生育期适宜水层与小龙虾生存所需最低水层的联合约束,确定田间水层下限与适宜水层上限,其中所述田间水层下限取水稻各生育期适宜水层下限与维持小龙虾生存所需水层下限的较大值,所述适宜水层上限取水稻各生育期适宜水层上限与维持小龙虾生存所需水层上限的较小值;
27、以当前实测水层为初始条件,输入预见期降雨预报并耦合全田总蒸发蒸腾量预报值、田间渗漏量预报值、侧渗水量预报值,采用两级水量平衡计算模式逐日递推田间水层:首先对虾稻种养单元全田进行水量平衡计算,再引入稻田与虾沟之间的侧渗交换量分别得到稻田实际水层与虾沟实际水层;
28、当递推水层降至田间水层下限时触发灌溉,将田间水层恢复至适宜水层上限核定灌水定额;若递推显示未来预见期内水层在降雨补充后不低于田间水层下限,则灌水时间顺延;
29、当判定需要换水时,将换水量计入水层递推的灌水量项。
30、进一步地,所述步骤s6包括:
31、基于预见期气温预报,按一阶热交换模型逐日预测虾沟水温;
32、基于饱和溶解氧与水温的关系以及复氧-耗氧平衡方程,结合复氧系数、基准水温下的综合耗氧速率及温度修正系数,逐日预测虾沟溶解氧浓度;
33、选取溶解氧和水温为换水控制指标,预设水质换水阈值,任一指标越限即判定需要换水;定义溶解氧和水温的归一化越限度,对于溶解氧指标,越限度取阈值与预测值之差与阈值之比;对于水温指标,越限度取预测值与阈值之差与阈值之比;
34、对越限的控制指标,按混合稀释物料平衡原理,由换水前田间水体指标值、引水源指标值与换水后目标值反演理论换水量,并引入虾沟置换效率系数对反演换水量进行修正;多项指标同时越限时,分别反演各指标所需换水量后取大值核定;
35、在水质监测资料不足时,退化为比例系数法核定换水量;以基础换水比例乘以越限程度动态调整因子作为实际换水比例,乘以田间蓄水总量后核定换水量;
36、所述田间蓄水总量按稻田区与虾沟区分区蓄水之和确定,虾稻共养阶段按全田统一田面水层深度与虾沟沟深计算;虾稻分养阶段或晒田期田面无水层时,稻田区蓄水量取零。
37、进一步地,所述数据驱动灌溉预报模型的训练方式包括:
38、收集灌区用水户历年按田块基础信息及申报需水日期、申报需水量格式上报的灌溉用水计划数据,连同对应时段的降雨、气温、田间水层监测数据,构建管理者经验样本库;
39、以所述管理者经验样本库为训练样本,构建基于神经网络的数据驱动灌溉预报模型,同时采用决策树算法从同一样本库提取条件-灌水规则库,对所述数据驱动灌溉预报模型的预报结果进行校验;
40、训练过程中,将数据驱动灌溉预报模型输出的预报灌水量按田块总面积折算为水层深度后代入水量平衡方程逐日递推田间水层,以递推水层越出水层上下限区间的越界深度平方和计算机理约束罚项,将所述机理约束罚项与样本拟合误差加权求和,构成训练目标函数。
41、进一步地,所述数据驱动灌溉预报模型与机理预报模型的耦合预报方式包括:
42、将数据驱动模型输出值与历史样本对应的机理模型回放预报值之差作为机理预报偏差修正量,以机理模型预报值与所述机理预报偏差修正量之和作为最终预报值;
43、当数据驱动模型未收敛时,按机理模型与数据驱动模型的历史预报误差方差倒数确定耦合权重进行加权融合,所述耦合权重随两类模型的滚动预报误差动态调整。
44、另一方面,本发明提供一种基于数据和机理双驱动的虾稻种养区灌溉预报系统,包括:
45、数据采集模块,其用于获取灌区多源数据;基于灌区田块空间结构信息,将虾稻种养田块划分为稻田区与虾沟区,确定虾沟面积比;
46、机理预报模型,内置分区蒸发蒸腾预报单元、渗漏量预报单元、侧渗量预报单元、水层水量平衡灌溉预报单元及水质预测与换水预报单元;
47、所述分区蒸发蒸腾预报单元用于根据所述气象预报数据以及当前所处的水稻生育阶段信息,按水稻生育期和非水稻生育期确定全田总蒸发蒸腾量预报值;
48、所述渗漏量预报单元用于根据水稻不同生育期和/或田间水层及地下水埋深数据,预报田间渗漏量,获取田间渗漏量预报值;
49、所述侧渗量预报单元用于根据虾稻共养阶段与虾稻分养阶段的不同水层差异状态,分别预报稻田与虾沟之间的侧渗水量,获取侧渗水量预报值;
50、所述水层水量平衡灌溉预报单元用于基于水层水量平衡原理构建机理预报模型,所述机理预报模型按水稻与小龙虾联合约束确定田间水层下限与适宜水层上限,基于预见期降雨预报与耗水预报成果逐日递推田间水层,水层降至田间水层下限时触发灌溉并核定灌水定额,结合预见期降雨动态顺延灌水时间;
51、所述水质预测与换水预报单元根据虾沟水质监测数据或水质预报数据,按水质控制指标阈值判定换水时机,并核定换水量,将换水量纳入水层水量平衡统一调度;
52、双驱动耦合模块,其用于将灌区历年灌溉用水计划上报数据整编为管理者经验样本库,训练数据驱动灌溉预报模型,并将所述数据驱动灌溉预报模型与基于水量平衡的机理预报模型进行耦合,合成最终灌溉预报成果;
53、滚动修正模块,其用于根据最终灌溉预报成果分级发布灌水时间、灌水定额与换水量预报成果,并驱动灌排作业;利用实测数据滚动修正数据驱动灌溉预报模型参数以及与机理预报模型的耦合权重,形成闭环运行;
54、预报发布与执行模块,其用于将灌水时间、灌水定额与换水量分级推送至管理单位与用水户,并驱动泵站、闸门执行灌排作业。
55、与现有技术相比,本发明具有如下有益效果:
56、1、本发明针对虾稻种养区稻田-虾沟并存的田间结构,提出虾沟面积比确定方法与分区蒸发蒸腾预报模型,将水稻蒸发蒸腾、虾沟水面蒸发统一到全田耗水预报中,克服了普通灌溉预报方法不区分沟田耗水差异的缺陷,预报机理贴合虾稻种养区实际。
57、2、本发明按种养模式概化的稻田-虾沟侧渗量预报方法:共养阶段按"蒸发差异致水位不平、一日内恢复持平"概化沟田水分交换,分养阶段按达西定律计算非持平期侧渗量,填补了虾稻种养区沟田侧渗定量预报的空白。
58、3、本发明将水层水量平衡灌溉预报与水质预测、换水量预报耦合,实现灌水与换水的统一调度,换水量按水质恢复目标反演并结合虾沟置换效率修正核定,克服了经验比例法核定换水量的任意性;预报成果同时满足水稻需水与虾类水质调控的双重要求,贴合虾稻种养生产实际,实用性强。
59、4、本发明提出机理模型与数据驱动模型残差耦合的预报机制,将灌区用水计划申报数据中蕴含的管理者经验显性化并用于修正机理预报偏差,并将水量平衡机理作为软约束嵌入数据驱动模型训练目标函数,从训练机制上抑制违背机理的预报输出,显著提升了资料不均衡条件下的灌溉预报精度与稳健性。
60、5、本发明全程自动化运行,逐日滚动预报、闭环修正,可直接嵌入数字孪生灌区平台,为虾稻种养区智慧灌溉提供模型支撑,具备广阔的推广应用前景。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com