[發明專利]一種實時灌溉方法及系統

在審

• 申請號: 202011145200.8
• 申請日: 2020-10-23
• 公開（公告）號: CN112270124A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 顧哲;繳錫云;郭維華;李江
• 申請（專利權）人: 河海大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F111/06
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 張夢澤

本發明提供了一種實時灌溉方法及系統。系統包括訓練數據庫、驗證數據庫、實時決策數據庫、人工智能算法庫、決策因子庫和實時灌溉決策方法庫。選取決策因子；以歷史某幾年作物生育期的每日生長因素對人工智能算法進行訓練和驗證，獲取最優算法；獲取當前作物生育期內該作物前一日決策因子的值和當日影響因素的值，利用最優算法計算當日決策因子的值；根據當日決策因子的值與設定閾值的比較結果判斷是否需要灌溉并給出灌溉建議。利用本發明中提出的實時灌溉方法及系統可在不同地點針對不同作物準確快速地計算出最優灌溉量，靈活滿足灌溉所需。

技術領域

本發明涉及控制系統技術領域，特別是涉及一種實時灌溉方法及系統。

背景技術

灌溉決策是指根據作物需水規律，結合田間氣象、土壤、作物情況給出的灌溉與否及灌溉量的決定過程。實時灌溉決策對于指導作物實時灌溉實踐具有重要作用。

現有的灌溉決策方法主要包括四類：1)通過蒸散量和水量平衡估算土壤水分狀態，與定義的土壤含水量下限比較觸發灌溉；2)測量土壤含水量，與設定的土壤含水量下限比較觸發灌溉；3)通過測量與作物水分直接或間接相關的作物參數，與設定的該作物參數下限比較觸發灌溉，或將該作物參數轉換為土壤含水量后與設定的土壤含水量下限比較觸發灌溉；4)通過農業系統模型模擬作物生長過程和土壤水分運移，當土壤水分虧缺到一定程度或產生作物水分脅迫時觸發灌溉。

上述方法中的1)和4)沒有田間反饋量，視為開環控制。盡管開環控制的成本較低，但方法1)中易產生累計誤差，導致作物生育期后期的決策結果不準確；方法4)中通過農業系統模型模擬田間的整體情況，盡管可以對田間尺度和作物生育期進行較準確預測，但需要專門的計算機及相關設備來運行農業系統模型，并將農業系統模型的模擬結果轉化為特定的控制信號。

方法2)和3)采用的是田間測量值，可視為閉環控制。閉環控制往往因考慮田間變異性而需要增加監測成本，且田間變異性參數往往不能保證準確測量，例如當前土壤水分傳感器的精度較低。

發明內容

為了解決上述問題，本發明提供了一種實時灌溉方法及系統，可簡單、快速準確地實現作物灌溉量的實時計算，并給出合理的作物灌溉建議。

為實現上述目的，本發明提供了如下方案：

一種實時灌溉方法，包括以下步驟：

選取決策因素：土壤含水量、冠層溫度和作物水分脅迫中的一種為決策因子；

以作物歷史某幾年作物生育期內的前一日決策因子的值和當日影響因素的值為輸入，以當日決策因子的值為輸出，對人工智能算法進行訓練和驗證，以驗證結果最優的人工智能算法為最優算法；所述前一日決策因子的值和當日影響因素的值與當日決策因子的值具有關聯關系；

獲取該作物當前作物生育期內的前一日決策因子的值和當日影響因素的值，利用最優算法計算當日決策因子的值；

判斷當日決策因子的值是否超過設定閾值：

若否，則不建議灌溉；

若是，則建議灌溉，并根據當日決策因子的值計算出所需灌溉量。

所述以作物歷史某幾年作物生育期內的前一日決策因子的值和當日影響因素的值為輸入，以當日決策因子的值為輸出，對人工智能算法進行訓練和驗證，以驗證結果最優的人工智能算法為最優算法，具體過程包括：

以該作物某幾個作物生育期內的前一日決策因子的值和當日影響因素的值為輸入，以當日決策因子的值為輸出數據，對人工智能算法進行訓練，得到人工智能算法的訓練模型；

以該作物不同的幾個作物生育期內的前一日決策因子的值和當日影響因素的值為輸入，通過人工智能算法的訓練模型計算得到預測的當日決策因子的值，作為預測值；