一种无人机精准变量施肥方法及系统技术方案

本发明专利技术涉及农作物生产技术领域，且公开了一种无人机精准变量施肥方法，包括以下步骤；S1：选取无人机精准变量施肥农作物试验区；S2：设计无人机精准变量施肥农作物试验计划；S3：通过无人机精准变量施肥系统对步骤S2中的试验计划进行解析；S4：通过步骤S3中得出的试验解析对农作物在生长关键生育时期所需的施肥量进行延伸分析，解决了小麦生产上仍然存在施肥方式不科学，肥料效率低下，单位肥料利用率不高等问题，本发明专利技术利用无人机遥感在农作物生产管理上的机动灵活性和高空间分辨率等特点，在进行冬小麦氮肥营养诊断的基础上，依据光谱诊断的施肥模型，建立冬小麦返青期和抽穗期等关键生育期追肥推荐模型，实现冬小麦的氮肥精准管理。准管理。准管理。

【技术实现步骤摘要】
一种无人机精准变量施肥方法及系统


[0001]本专利技术涉及农作物施肥
，具体为一种无人机精准变量施肥方法及系统。

技术介绍

[0002]小麦是我国重要的三大粮食作物之一，小麦的稳产与高产对于保障国家粮食安全起着举足轻重的作用，而氮肥是促进小麦有机氮化合物合成、增加同化物和光合作用必需的大量元素，也是形成籽粒产量的重要因子，所以氮肥管理是小麦生产管理中最重要的环节之一，如何做到定量施肥、按需施肥是国内外学者研究小麦氮肥精准管理的热点，随着农业信息技术的发展，国内外学者从19世纪后期就开始研究科学定量的推荐施肥技术，建立在传统实验室化验、肥料窗口法、叶色卡片法、光谱反射法、高光谱遥感、卫星遥感法等氮肥营养诊断的基础上进行科学氮肥管理方法先后应运而生，尤其是农业遥感技术的成熟，作物氮肥管理正由定性或半定量向精准变量方向发展，由传统实验室化验向便捷化监测方向发展，实时、便捷、精准的施肥是小麦科学管理的重要手段。
[0003]由于近二十年来测土配方施肥技术的普及，小麦的施肥管理水平有了较大提高，逐渐改变一刀切、一次性施肥的传统经验施肥方式，正向着多次、定性施肥方向发展，尽管如此，小麦生产上仍然存在施肥方式不科学，肥料效率低下，单位肥料利用率不高等问题，因此提出一种无人机精准变量施肥方法及系统。

技术实现思路

[0004]本专利技术提供如下技术方案：一种无人机精准变量施肥方法，包括以下步骤；
[0005]S1：选取无人机精准变量施肥农作物试验区；
[0006]S2：设计无人机精准变量施肥农作物试验计划；
[0007]S3：通过无人机精准变量施肥系统对步骤S2中的试验计划进行解析；
[0008]S4：通过步骤S3中得出的试验解析对农作物在生长关键生育时期所需的施肥量进行延伸分析。
[0009]通过采用上述技术方案；利用无人机遥感在农作物生产管理上的机动灵活性、操作简单、成本低、时效性高和高空间分辨率等特点，在进行冬小麦氮肥营养诊断的基础上，依据光谱诊断的施肥模型，建立冬小麦返青期、拔节期和抽穗期等关键生育期追肥推荐模型，实现冬小麦的氮肥精准管理。
[0010]优选的，所述步骤S1中所选的无人机精准变量施肥农作物试验区的年均温度为15.0℃，年均降雨量为907mm，无霜期为200d，土壤为典型的砂姜黑土。
[0011]通过采用上述技术方案；对试验区的信息进行全面掌握，结合试验区气候、土壤和降雨量等信息对试验区农作物的施肥量进行精准研究，提高试验区研究的效率。
[0012]优选的，所述步骤S2中设计的无人机精准变量施肥农作物试验计划为试验区主栽品种为皖麦38，为冬小麦，试验区面积为10m
×
5m，采用播种量为90～120kg/hm2的10～12cm等行距机械化播种，采用氮肥单因素120kg/hm2的梯度试验，3次重复，每个梯度设3个试验
区，45个试验区随机排列，磷、钾肥全部作为基肥施用。
[0013]通过采用上述技术方案；设计梯度试验，并多次重复降低试验研究的误差，提高试验研究的精准度，并对试验研究内冬小麦在不同生长时期进行深度研究。
[0014]优选的，所述步骤S3中通过无人机精准变量施肥系统对步骤S2中的试验计划进行解析，以得到最优冬小麦氮肥营养诊断的指标。
[0015]通过采用上述技术方案；对试验设计得出的结果进行深入剖析，以便于对不同时期的冬小麦进行灵活运用。
[0016]优选的，所述步骤S4中对农作物在生长关键生育时期所需的施肥量进行延伸分析包括植被指数与冬小麦各关键生育时期施氮量和产量的关系、氮肥效应曲线和冬小麦关键生育期追肥推荐模型的建立。
[0017]通过采用上述技术方案；对冬小麦在生长过程中的不同时期进行不同肥料量的施加，保证施肥的效果。
[0018]优选的，所述植被指数与冬小麦各关键生育时期施氮量和产量的关系为通过冬小麦返青期、拔节期和抽穗期累积氮肥施用量和产量统计数据与DVI相关关系分析，建立DVI与冬小麦关键生育时期施肥量及产量的回归模型，所述氮肥效应曲线为通过冬小麦全生育期不同处理总施氮量与小麦籽粒产量的回归关系拟合，得到冬小麦的氮肥效应曲线，所述冬小麦关键生育期追肥推荐模型的建立为根据小麦关键生育时期的施氮总量与DVI值线性关系、最佳施肥量、最高施肥量可得基于DVI值的定量追肥模型。
[0019]通过采用上述技术方案；冬小麦累积氮肥施用量与DVI呈线性回归关系，两者的决定系数在三个关键生育期拔节期最高(R2＝0.8012)、返青期最低(R2＝0.5732)，这是由于返青期小麦覆盖度不高导致光谱反射率受土壤背景影响较大，拔节期小麦对氮肥需求敏感和水肥充足，而抽穗期充足或过量的氮肥积累使小麦吸收养分饱和，冬小麦三个生育时期的DVI值和产量之间表现为二次函数曲线的关系，以抽穗期的相关性最好(R2＝0.8882)，当DVI值高到一定程度时产量稍有下降，这表明小麦吸收氮肥达到过饱和时会抑制有机氮化合物合成，导致产量下降。
[0020]优选的，所述步骤S3中的无人机精准变量施肥系统包括数据收集模块、数据处理模块和数据结果分析模块，所述数据收集模块的输出端与数据处理模块的输入端连接，数据处理模块的输出端与数据结果分析模块的输入端连接。
[0021]通过采用上述技术方案；对试验计划中的数据进行收集和处理，整合数据形成试验结构，并对试验结果进行分析。
[0022]优选的，所述数据收集模块采用无人机光谱数据获取，所述无人机光谱数据获取通过eBeeSQ固定翼无人机采集数据，无人机主要参数为飞行高度100～2000m，飞控软件规划自主飞行，4个独立波段(R、G、B、NIR)，1个RGB摄像头，相机分辨率(单色：120万像素，RGB：1600万像素)，120m高度地面分辨率(单色：0.15m，RGB：0.03m)，将无人机与eMtionAg软件连接并使用软件规划好无人机飞行参数(飞行航线、飞行高度等)，无人机在飞行过程中，多光谱传感器会根据图像的40％重叠度按照一定频率对地面的数据进行采集，本次研究采集的相片数共382张。
[0023]通过采用上述技术方案；保证对试验计划中的冬小麦进行全面和准确的信息收集。
[0024]优选的，所述数据处理模块采用Pix4Dmapper Pro无人机处理软件对无人机影像数据预处理，使用ENVI5.1对光谱数据提取，数据统计分析和绘图运用Excel、SPSS11.0和Origin9.1。
[0025]通过采用上述技术方案；对数据收集模块收集的信息进行处理，并整合得出试验结果。
[0026]优选的，所述数据结果分析模块通过无人机影像提取R、G、B、NIR四个波段的反射率，计算归一化植被指数NDVI等10个典型植被指数值，并与反映小麦氮肥营养状况的农学参数如叶片氮含量、叶片氮积累量和植株氮浓度等进行相关分析，以期得到最优冬小麦氮肥营养诊断的指标。
[0027]通过采用上述技术方案；本专利技术主要选取冬小麦拔节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机精准变量施肥方法，其特征在于：包括以下步骤；S1：选取无人机精准变量施肥农作物试验区；S2：设计无人机精准变量施肥农作物试验计划；S3：通过无人机精准变量施肥系统对步骤S2中的试验计划进行解析；S4：通过步骤S3中得出的试验解析对农作物在生长关键生育时期所需的施肥量进行延伸分析。2.根据权利要求1所述的一种无人机精准变量施肥方法，其特征在于：所述步骤S1中所选的无人机精准变量施肥农作物试验区的年均温度为15.0℃，年均降雨量为907mm，无霜期为200d，土壤为典型的砂姜黑土。3.根据权利要求1所述的一种无人机精准变量施肥方法，其特征在于：所述步骤S2中设计的无人机精准变量施肥农作物试验计划为试验区主栽品种为皖麦38，为冬小麦，试验区面积为10m
×
5m，采用播种量为90～120kg/hm2的10～12cm等行距机械化播种，采用氮肥单因素120kg/hm2的梯度试验，3次重复，每个梯度设3个试验区，45个试验区随机排列，磷、钾肥全部作为基肥施用。4.根据权利要求1所述的一种无人机精准变量施肥方法，其特征在于：所述步骤S3中通过无人机精准变量施肥系统对步骤S2中的试验计划进行解析，以得到最优冬小麦氮肥营养诊断的指标。5.根据权利要求1所述的一种无人机精准变量施肥方法，其特征在于：所述步骤S4中对农作物在生长关键生育时期所需的施肥量进行延伸分析包括植被指数与冬小麦各关键生育时期施氮量和产量的关系、氮肥效应曲线和冬小麦关键生育期追肥推荐模型的建立。6.根据权利要求5所述的一种无人机精准变量施肥方法，其特征在于：所述植被指数与冬小麦各关键生育时期施氮量和产量的关系为通过冬小麦返青期、拔节期和抽穗期累积氮肥施用量和产量统计数据与差值植被指数差值植被指数(DVI)相关关系...

【专利技术属性】
技术研发人员：李新伟，李军，刘吉凯，苏祥祥，陶新宇，年颖，岳虎，刘庆洋，王伟强，祝雪晴，
申请(专利权)人：安徽科技学院，
类型：发明
国别省市：