基于多源感知融合与状态评估的农业生产动态优化方法与流程

本技术涉及智慧农业和农业水肥智能调控，尤其涉及一种基于多源感知融合与状态评估的农业生产动态优化方法。

背景技术：

1、水肥一体化技术通过灌溉管网将灌溉水与可溶性肥料输送至作物根区，能够减少人工操作，并为农业生产中的分区供水和定量施肥提供设备基础。随着农业园区和高标准农田逐步配置土壤传感器、气象监测设备、图像采集设备以及水肥一体化设备，农业生产过程能够持续获得土壤墒情、气象环境、作物长势和水肥作业等数据。

2、现有水肥作业方式通常采用预先设定的灌溉周期、固定水肥配比或者单一土壤含水率阈值。当同一农业生产区域内存在作物种类、生育阶段、土壤条件和管网运行状态差异时，统一的水肥作业参数难以同时适应各区域的实际需求。单一指标还容易受到传感器漂移、短时气象变化和局部土壤差异的影响，使作业触发时机及作业量出现偏差。

3、农业生产区域内不同数据的采样周期和更新速度也不一致。例如，气象数据可以按分钟更新，土壤数据通常按较长周期采集，作物冠层图像反映的生长变化则更为缓慢。若直接将不同时间、不同来源的数据用于水肥决策，过期数据、异常数据和低可靠度数据可能对判断结果产生不利影响。同时，作物在不同生育阶段对水分、养分和环境条件的敏感程度并不相同，固定的数据权重和固定阈值难以持续反映生产状态。

4、因此，现有技术需要解决的关键问题是：如何在生产分区层面合理利用土壤、气象、作物生长和水肥作业等多源数据，形成清楚且可执行的状态评估结果，并据此动态确定水肥作业参数，使水肥供给能够与各生产分区的实际状态相匹配。

技术实现思路

1、本技术提供一种基于多源感知融合与状态评估的农业生产动态优化方法，用以解决现有农业水肥作业方式难以综合利用不同来源、不同更新周期的感知数据，进而导致各生产分区的水肥作业参数与实际生产状态匹配不足的问题。

2、本技术提供一种基于多源感知融合与状态评估的农业生产动态优化方法，包括以下步骤：

3、s1、获取农业生产区域内各生产分区的作物种类、生育阶段以及各生产分区与供水支路、施肥支路之间的对应关系，形成分区基础信息；

4、s2、按照预设采样周期采集各生产分区的土壤含水率、土壤电导率、气象参数、作物生长参数和水肥作业参数，形成与所述分区基础信息对应的多源感知数据；

5、s3、对所述多源感知数据进行时间对齐、异常值剔除和标准化处理，并根据各类数据的可靠度、时效性及其与当前生育阶段的关联程度进行加权融合，得到各生产分区的融合状态数据；

6、s4、将所述融合状态数据与当前生育阶段对应的目标状态数据进行比较，对各生产分区的水分状态、养分状态和作物生长状态进行评估，得到状态评估结果；

7、s5、根据所述状态评估结果确定各生产分区的灌溉量、施肥量、肥液浓度和作业时长，生成水肥作业控制参数，按照所述水肥作业控制参数控制水肥一体化设备执行水肥作业，并根据作业后的多源感知数据修正下一控制周期的水肥作业控制参数。

8、作为本技术的一可选方案，步骤s1中，按照如下方式形成分区基础信息：

9、根据田块边界和水肥一体化管网中能够独立启闭的阀控区域，将所述农业生产区域划分为能够独立执行水肥作业的多个生产分区；

10、从种植计划中读取各生产分区的作物种类和播种日期，根据所述作物种类、播种日期及当前日期确定生育阶段，并根据田间生长记录对所述生育阶段进行校正；

11、从所述水肥一体化设备的管网配置数据中读取各生产分区对应的供水支路标识和施肥支路标识，将所述作物种类、生育阶段、供水支路标识和施肥支路标识与生产分区标识关联存储，形成所述分区基础信息。

12、作为本技术的一可选方案，步骤s2中，按照预设采样周期采集各生产分区的土壤含水率、土壤电导率、气象参数、作物生长参数和水肥作业参数包括：

13、采用布置于各生产分区作物根系层的土壤传感器采集所述土壤含水率和土壤电导率；采用农业生产区域内的气象监测设备采集所述气象参数，所述气象参数包括空气温度、空气相对湿度、降雨量和太阳辐射强度；根据各生产分区的冠层图像提取冠层覆盖度和叶色指数，作为所述作物生长参数；从所述水肥一体化设备获取供水流量、管路压力、肥液电导率和累计作业时间，作为所述水肥作业参数。

14、作为本技术的一可选方案，步骤s3中，所述时间对齐包括按照同一采样周期对各类多源感知数据进行分组，并选取各采样周期结束时刻之前的最近有效采样值；所述异常值剔除包括剔除超出对应感知设备测量范围的数据以及相邻采样周期变化量超过预设变化阈值的数据；所述标准化处理按照下式进行：

15、；

16、其中，为第个生产分区中第类多源感知数据的标准化值，为对应的有效采样值，和分别为第类多源感知数据的预设上限值和预设下限值，且大于；当某类多源感知数据在当前采样周期内不存在有效采样值时，将该类数据标记为无效数据，并使其不参与当前控制周期的加权融合。

17、作为本技术的一可选方案，步骤s3中，分别针对水分状态、养分状态和作物生长状态确定参与融合的多源感知数据；根据各类多源感知数据在当前控制周期内的有效采样比例确定可靠度系数，根据有效采样时刻与当前控制时刻之间的时间间隔确定时效性系数，并从与所述作物种类及当前生育阶段对应的关联参数表中读取生育阶段关联系数；按照下式确定各类多源感知数据对应的融合权重：

18、；

19、并按照下式得到各生产分区的融合状态数据：

20、；

21、其中，为第个生产分区中第类多源感知数据针对第类状态的融合权重，为可靠度系数，为时效性系数，为生育阶段关联系数，为第个生产分区的第类融合状态数据，为标准化值，为参与对应状态融合的数据类别数量，分别表示水分状态、养分状态和作物生长状态；各融合权重之和为1。

22、作为本技术的一可选方案，步骤s4中，根据所述分区基础信息，从预设目标状态表中读取与各生产分区的作物种类和当前生育阶段对应的水分目标区间、养分目标区间和作物生长目标区间；将各类融合状态数据分别与对应目标区间进行比较，当融合状态数据低于对应目标区间的下限值时，将水分状态、养分状态或作物生长状态分别确定为水分亏缺、养分不足或长势偏弱；当融合状态数据位于对应目标区间内时，确定为适宜状态；当融合状态数据高于对应目标区间的上限值时，分别确定为水分过量、养分过量或长势偏旺。

23、作为本技术的一可选方案，步骤s4中，当融合状态数据位于对应目标区间之外时，按照下式计算状态偏离度：

24、；

25、其中，为第个生产分区的第类状态偏离度，为对应融合状态数据与距离较近的目标区间边界值之间的差值绝对值，和分别为对应目标区间的下限值和上限值；当融合状态数据位于对应目标区间内时，取0；将所述状态偏离度依次与第一偏离阈值和第二偏离阈值进行比较，得到轻度偏离、中度偏离和重度偏离的状态等级，所述第二偏离阈值大于所述第一偏离阈值，并将状态类型、偏离方向和状态等级共同作为所述状态评估结果。

26、作为本技术的一可选方案，步骤s5中，从与各生产分区的作物种类和当前生育阶段对应的水肥作业参数表中读取基准灌溉量、基准施肥量和供水支路的设定流量；根据水分状态的偏离方向和状态等级确定灌溉修正系数，根据养分状态的偏离方向和状态等级确定施肥修正系数，并按照下式确定灌溉量、施肥量、肥液浓度和作业时长：

27、；

28、；

29、；

30、；

31、其中，为第个生产分区的灌溉量，为基准灌溉量，为灌溉修正系数，为施肥量，为基准施肥量，为施肥修正系数，为肥液浓度，为作业时长，为设定流量；水分状态或养分状态为适宜状态时，对应修正系数取0，处于亏缺或不足状态时对应修正系数取正值，处于过量状态时对应修正系数取负值，且所述灌溉修正系数和施肥修正系数均大于-1。

32、作为本技术的一可选方案，步骤s5中，按照所述水肥作业控制参数执行水肥作业包括：

33、开启目标生产分区对应的供水支路和控制阀，启动供水泵并输送清水，直至供水流量和管路压力达到稳定状态；

34、启动施肥装置，按照所述肥液浓度调节肥料注入速率，并在累计施肥量达到所述施肥量时停止注肥；

35、继续输送清水，直至累计供水量达到所述灌溉量，随后停止供水并关闭对应控制阀；

36、当多个生产分区的设定流量之和超过水肥一体化设备的额定供水流量时，按照状态偏离度由大到小的顺序对所述多个生产分区分批执行水肥作业，并使每一批次的设定流量之和不超过所述额定供水流量。

37、作为本技术的一可选方案，步骤s5中，在完成水肥作业并经过预设响应时间后，再次采集对应生产分区的土壤含水率、土壤电导率和作物生长参数，形成作业后的多源感知数据；根据作业前、后的多源感知数据确定水分状态变化量和养分状态变化量，并分别与当前水肥作业控制参数对应的预期状态变化量进行比较；当实际状态变化量低于预期状态变化量且二者差值超过预设反馈阈值时，增大下一控制周期中对应的灌溉修正系数或施肥修正系数；当实际状态变化量高于预期状态变化量且二者差值超过所述预设反馈阈值时，减小下一控制周期中对应的灌溉修正系数或施肥修正系数；当二者差值未超过所述预设反馈阈值时，保持对应修正系数不变；当作业后的多源感知数据被标记为无效数据时，不执行修正。

38、与现有技术相比，本技术具有如下有益效果：

39、1.本技术提供的基于多源感知融合与状态评估的农业生产动态优化方法，首先获取农业生产区域内各生产分区的作物种类、生育阶段以及生产分区与供水支路、施肥支路之间的对应关系，并以此形成分区基础信息，使后续数据处理和水肥作业均以能够独立管理的生产分区为对象。相较于对整个农业生产区域采用统一水肥参数的方式，该处理能够区分不同生产分区在作物种类、生育阶段及水肥输送条件方面的差异，并明确后续控制参数对应的实际作业区域和执行支路。在此基础上，按照预设采样周期分别采集各生产分区的土壤含水率、土壤电导率、气象参数、作物生长参数和水肥作业参数，使土壤状态、外部环境、作物生长表现以及水肥设备实际运行情况能够共同参与后续判断，而不是仅依据单一土壤含水率或预设灌溉周期作出决策。由此，可以在生产分区层面形成与实际种植对象和水肥控制条件相对应的数据基础，有助于减少统一作业参数不能反映分区差异以及单一监测指标代表性不足的问题。

40、2.针对不同来源数据采样时间不一致、数值尺度不同以及部分数据可能受到设备异常或短时扰动影响的问题，本技术对多源感知数据依次进行时间对齐、异常值剔除和标准化处理。时间对齐使进入同一控制周期的数据具有相应的时间对应关系，避免将更新时刻相差较大的数据直接组合；异常值剔除能够降低明显异常数据对后续评估结果的影响；标准化处理则使土壤、气象、作物生长和水肥作业等不同量纲的数据具备进行综合处理的基础。进一步地，本技术并非对各类数据采用固定权重，而是同时考虑数据可靠度、数据时效性以及数据与当前生育阶段的关联程度进行加权融合。这样，当某类数据可靠度较低或距当前控制时刻较远时，其对融合结果的影响能够相应减弱；当作物进入对某类状态因素较为敏感的生育阶段时，与该状态因素关联程度较高的数据能够在融合过程中发挥更适当的作用。通过上述处理得到的融合状态数据能够较为综合地反映各生产分区当前的生产状态，有助于降低过期数据、异常数据、低可靠度数据以及固定权重对状态判断产生的不利影响，提高不同控制周期之间状态数据的可比性和状态表征的合理性。

41、3.在获得融合状态数据后，本技术将其与当前生育阶段对应的目标状态数据进行比较，分别对各生产分区的水分状态、养分状态和作物生长状态进行评估，从而把来源不同、含义不同的感知数据转换为能够直接支持水肥决策的状态评估结果。由于目标状态数据与当前生育阶段相对应，状态评估不再始终采用固定判断标准，而能够随作物生长过程的变化反映不同阶段的水肥需求差异。随后，根据状态评估结果分别确定各生产分区的灌溉量、施肥量、肥液浓度和作业时长，生成能够由水肥一体化设备执行的水肥作业控制参数，使状态评估结果能够进一步落实为具体的供水和施肥动作。水肥作业完成后，再利用作业后的多源感知数据修正下一控制周期的水肥作业控制参数，使后续参数能够根据实际作业响应进行调整，而不是长期沿用固定参数。由此形成从分区感知、数据融合、状态评估到参数生成、作业执行和反馈修正的连续闭环，有助于提高水肥供给与各生产分区实际生产状态之间的匹配程度，并降低因固定作业参数造成水肥供给不足或供给偏多的可能性。