基于多模态感知与生长模型的作物水肥智能决策方法与流程

本发明公开一种基于多模态感知与生长模型的作物水肥智能决策方法，属于农业信息智能决策。

背景技术：

1、在精准农业中，水肥管理是影响作物产量与品质的关键环节。传统的水肥决策方法多依赖种植者的经验判断或基于单一环境传感器阈值触发灌溉施肥，缺乏对作物实时生长状态的综合感知能力。近年来，虽然出现了利用遥感图像或茎秆微变传感器进行作物需水诊断的技术尝试，但现有方案通常仅考虑单一感知模态，难以全面反映作物的水分、养分和胁迫状态，导致决策依据不充分。同时，大多数现有水肥决策系统采用固定的作物生长模型，该模型一般基于理想环境条件下建立的生长曲线，无法有效响应真实种植环境中温度、水分、光照等因素的动态变化，更未考虑不同作物品种特有的遗传基因对环境因子的差异化响应机制，从而使得水肥施用指令与实际作物的需求之间存在较大偏差。

2、针对上述问题，已有部分研究尝试将作物生长模型与环境传感器数据同化，通过不断校正模型参数来提高预测精度。然而，这类方法通常依赖大量历史数据对模型进行反复训练或参数标定，计算复杂度高且难以推广到不同的品种和种植区域。更重要的是，现有技术中缺少一种将作物遗传信息中的环境响应基因位点表达阈值引入水肥决策的可行方案。作物的生长发育从根本上受遗传基因调控，在不同环境条件下同一品种的基因表达活性会发生变化，进而影响水肥吸收与利用效率。

3、现有决策方法忽略这一遗传调控层面的信息，导致当种植环境偏离品种适宜范围时，决策结果与作物的实际耐受能力和响应特征相脱节，轻则造成水肥浪费，重则引发作物生长发育受阻甚至减产。

技术实现思路

1、为解决上述技术缺陷，本发明提出一种将多模态作物感知信息、作物遗传基因环境响应阈值、动态生长模型模拟预测以及环境-基因相容性评价相结合的水肥智能决策方法。该方法通过采集植株冠层热红外图像、茎秆微变直径和叶片光谱反射率等多维感知信息作为初始状态，利用作物品种的基因位点表达阈值对实时环境参数进行转化，生成环境影响配置因子，并以此因子对生长模型的关键参数进行针对性修正，进而模拟不同水肥组合下未来的生长状态。在此基础上，引入环境与遗传基因的相容性预评价机制，动态调整目标生长指标，使得可行性评价能够适应逆境环境下作物合理的生长变异范围，最终输出水肥施用指令。该方法不依赖于海量历史数据训练或数据归一化等预处理操作，能够直接在边缘计算节点上执行，显著提高了不同种植环境和作物品种条件下的水肥决策适应性与准确性。

2、本技术提供一种基于多模态感知与生长模型的作物水肥智能决策方法，包括以下步骤：

3、步骤一，采集作物植株的多个感知模态的实时信息，包括植株冠层热红外图像、茎秆微变直径和叶片光谱反射率；

4、步骤二，根据作物品种的遗传基因信息提取与环境响应相关的基因位点表达阈值，获取种植环境的实时参数，包括土壤水分含量、空气温度和光照强度；

5、步骤三，将所述实时参数与所述基因位点表达阈值进行比对，确定各基因位点的表达活性等级，并基于所述表达活性等级生成环境影响配置因子；

6、步骤四，调用预设的生长模型，将当前作物植株的感知模态实时信息作为初始状态输入生长模型，并利用所述环境影响配置因子对生长模型的参数进行修正，预测作物在多种水肥组合方案中的生长状态模拟结果；

7、步骤五，针对每一种水肥组合方案，提取其对应的生长状态模拟结果中的关键形态参数与生理参数，分别与对应时间节点的目标生长指标进行比较，计算各参数与目标指标之间的偏差累积量，根据所述偏差累积量判定该水肥组合方案的可行性评分；

8、步骤六，选取可行性评分最高的水肥组合方案作为当前决策周期内的水肥施用指令输出。

9、进一步地，所述步骤二中具体包括：

10、解析作物品种的基因组序列，从中识别出至少一个与环境因子呈调控关系的基因位点，所述环境因子包括温度、水分和光照；

11、为每一个识别出的基因位点获取其对应的表达调控区间，由最低激活阈值和最高抑制阈值构成；

12、当环境因子参数低于最低激活阈值时该基因位点处于未表达状态，当环境因子参数介于最低激活阈值与最高抑制阈值之间时该基因位点处于正常表达状态，当环境因子参数高于最高抑制阈值时该基因位点处于超表达抑制状态；

13、将各基因位点的表达调控区间按照环境因子的类型进行归类存储，形成作物在当前种植环境下对特定环境因子响应的基因表达阈值数据库。

14、进一步地，所述步骤三中具体包括:

15、针对每一个基因位点，选取与该基因位点对应的环境因子类型的实时参数值；将该实时参数值与该基因位点的最低激活阈值及最高抑制阈值进行比较；

16、若实时参数值低于最低激活阈值，则将该基因位点的表达活性等级判定为休眠级,若实时参数值高于或等于最低激活阈值且低于或等于最高抑制阈值，则将该基因位点的表达活性等级判定为激活级,若实时参数值高于最高抑制阈值，则将该基因位点的表达活性等级判定为抑制级；

17、为每一种表达活性等级分配权重系数，休眠级对应第一权重系数，激活级对应第二权重系数，抑制级对应第三权重系数；

18、将所有基因位点的权重系数按照其对应环境因子类型进行合成，生成针对温度、水分和光照三类环境因子的环境影响配置因子向量。

19、进一步地，所述步骤四中具体包括：

20、读取预设的生长模型，包含用于描述作物干物质积累的生理发育时间函数、用于描述作物器官伸长的形态建成函数、用于描述光合产物分配的源库关系函数以及用于描述物候阶段转换的积温函数；

21、根据温度因子的数值调整每日温度对生理发育时间贡献的加权值，使高温或低温环境下的生理发育时间相对于最适温度环境发生压缩或拉伸；

22、根据水分因子的数值调整茎秆直径增长速率和叶面积扩展速率的基准值，使水分胁迫环境下的形态建成速度相比于充分供水环境发生比例性减缓；

23、根据光照因子的数值调整单位叶面积的光合固碳效率，使弱光环境下的干物质积累速率相对于充足光照环境发生比例性下降；

24、根据三种环境因子的综合作用调整各物候阶段转换所需的累积温度阈值，使逆境环境下作物物候进程提前或推迟；

25、完成修正后将当前作物植株的感知模态实时信息作为初始状态值输入修正后的生长模型，分别代入多种水肥组合方案对应的水肥供给参数，计算作物在未来多个时间节点的生物量、器官尺寸和物候阶段的数值，得到每一水肥组合方案下的生长状态模拟结果。

26、进一步地，所述步骤五中提取的生长状态模拟结果中的关键形态参数包括植株株高、茎秆直径和冠层覆盖度，生理参数包括叶片叶绿素含量和干物质累积量；

27、所述对应时间节点的目标生长指标根据作物品种的遗传基因信息中的理想株型标准和生育阶段标准预先设定；

28、计算各参数与目标指标之间的偏差累积量，具体包括：对于每一个时间节点，分别计算植株株高模拟值与株高目标值的第一差值绝对值，茎秆直径模拟值与直径目标值的第二差值绝对值，冠层覆盖度模拟值与覆盖度目标值的第三差值绝对值，叶片叶绿素含量模拟值与叶绿素目标值的第四差值绝对值，干物质累积量模拟值与累积量目标值的第五差值绝对值；

29、将第一差值绝对值、第二差值绝对值、第三差值绝对值、第四差值绝对值和第五差值绝对值分别乘以其对应的参数权重系数后求和，得到该时间节点的单点偏差值；

30、将所有未来多个时间节点的单点偏差值进行累加，得到所述偏差累积量；

31、将偏差累积量的数值与预设的可行性阈值区间进行比较，若偏差累积量小于第一阈值则判定为高可行性评分，若介于第一阈值与第二阈值之间则判定为中可行性评分，若大于第二阈值则判定为低可行性评分。

32、进一步地，所述步骤六具体包括：

33、在所有水肥组合方案中比较各自的可行性评分，选择可行性评分最高的方案作为优选方案；

34、从该优选方案中提取水肥施用参数包括单次灌溉水量、单次施肥量、水肥混合比例、施用间隔天数和施用时段；

35、将所述水肥施用参数按照当前决策周期的起始时间进行格式化，生成水肥施用指令序列，包含在决策周期内的多个施用时间点及其对应的水肥参数；

36、将所述水肥施用指令序列发送至田间水肥执行设备，由执行设备按照指令序列中的时间点和参数进行自动灌溉和施肥操作。

37、进一步地，在步骤五中针对每一种水肥组合方案计算偏差累积量之前，执行环境-基因相容性预评价，包括：

38、提取环境影响配置因子中的温度因子、水分因子和光照因子的数值与获取的作物遗传基因信息中各环境响应基因位点的正常表达活性区间；

39、判断当前环境影响配置因子的各分量是否全部落入对应基因位点的正常表达活性区间内；

40、若存在任一环境因子的配置因子分量超出对应基因位点的正常表达活性区间，则判定当前种植环境与该作物品种的遗传基因存在不相容状态；

41、对于每一个超出正常表达活性区间的环境因子，计算其配置因子分量与该区间边界的最小偏离幅度，将各环境因子的最小偏离幅度进行几何平均得到不相容程度值；

42、根据不相容程度值所处的范围，从预设的多种策略中选择一种应对策略，若不相容程度值低于第一程度阈值，则维持原有水肥组合方案的模拟预测流程，但在后续偏差累积量计算中增加环境胁迫惩罚项；若不相容程度值介于第一程度阈值与第二程度阈值之间，则对生长模型中的基因表达调控模块进行参数临时调整，将生长模型的预测结果调整为包含环境胁迫下的表型可塑性参数；若不相容程度值高于第二程度阈值，则直接停止当前水肥组合方案的可行性评价，将其可行性评分为不可行值；

43、将经过预评价处理后的水肥组合方案送入偏差累积量计算步骤，并确保只有未被判定为不可行值的方案参与可行性评分的竞争。

44、进一步地，在步骤六输出水肥施用指令之前，还包括实施条件验证步骤：

45、获取当前决策周期内种植环境的未来变化预测信息，包括未来若干天的气温预测序列、降水概率和光照强度预测；

46、将选定的水肥组合方案中要求的灌溉和施肥时间点与未来变化预测信息进行比对，若预测到在灌溉后的预定时间窗口内存在超过作物耐涝阈值的强降雨事件，则将该水肥组合方案中的灌溉量调整为减少后的修正灌溉量；

47、若预测到在施肥后的预定时间窗口内存在超过作物耐旱阈值的高温干旱天气，则将该水肥组合方案中的施肥方式由一次性施用改为分次施用；

48、完成调整后将最终的水肥施用指令输出。

49、进一步地，所述预设的生长模型为基于功能-结构模型的作物生长模拟器，包含三维虚拟植物结构模块、光合作用模块、呼吸消耗模块、碳氮分配模块和器官发生模块；

50、三维虚拟植物结构模块根据作物拓扑结构规则生成植株的节点和节间单元，光合作用模块根据光照和co2浓度计算各叶片的光合速率，呼吸消耗模块根据温度计算维持呼吸和生长呼吸的消耗速率，碳氮分配模块根据源库关系和物候阶段将光合产物分配到根茎叶果实各器官，器官发生模块根据累积热单元和基因型参数控制新叶萌发和花芽分化；

51、在调用该生长模型时，分别将不同水肥组合方案对应的土壤水分供给曲线和氮素供给曲线作为边界条件输入碳氮分配模块和器官发生模块，所述土壤水分供给曲线由灌溉量和土壤蒸发蒸腾模型联合确定，所述氮素供给曲线由施肥量和土壤氮素矿化模型联合确定。

52、进一步地，所述步骤五中的对应时间节点的目标生长指标根据步骤三生成的环境影响配置因子进行动态调整：

53、对于温度因子，若温度因子指示当前环境偏离作物最适生长温度，则将目标生长指标中的株高增长速率和叶面积扩展速率下调，下调幅度与温度因子的偏离程度呈非线性正相关，且偏离越严重下调幅度衰减越快；

54、对于水分因子，若水分因子指示当前环境存在水分胁迫，则将目标生长指标中的茎秆直径和干物质累积量下调，将根冠比指标上调，作为作物在缺水环境下优先根系生长的适应性策略的映射；

55、对于光照因子，若光照因子指示当前环境光强不足，则将目标生长指标中的冠层覆盖度和叶片叶绿素含量上调，将单位干物质对应的光合产物分配比例向下调整；

56、将经过动态调整后的目标生长指标用于后续的偏差累积量计算，使得可行性评价能够适应不同环境条件下作物合理的生长变异范围。

57、本发明公开一种基于多模态感知与生长模型的作物水肥智能决策方法，属于农业信息智能决策技术领域。采集作物植株的多模态感知信息和环境响应相关的基因位点表达阈值并获取实时环境参数，通过与基因位点表达阈值进行比对，确定各基因位点的表达活性等级生成环境影响配置因子，调用预设的生长模型，将感知信息作为初始状态输入模型，并利用环境影响配置因子对模型参数进行修正，预测不同水肥组合方案下的未来生长状态模拟结果，计算偏差累积量，判定各方案的可行性评分，选取最高的方案作为当前决策周期的水肥施用指令输出。本发明通过引入遗传基因对环境响应的评价机制，实现种植环境对作物生长影响的量化配置，有效提升水肥决策的适应性和可靠性。