基于微环境信息的旱地农田水势软测量方法及软测量网络技术

一种基于微环境信息的旱地农田水势软测量方法及软测量网络，方法是选择确定农田水势软测量的辅助变量；按照辅助变量设置相应的传感器；对采集的数据进行数据处理，生成输入数据；构建农田水势软测量模型，采用由试验获得的样本数据对该软测量模型进行训练和检验；将预处理的数据送入农田水势软测量模型，得到农田水势估计值。软测量网络包括有多个子网络和精准灌溉决策中心，精准灌溉决策中心通过ＧＳＭ／ＧＰＲＳ分别与多个子网络进行数据通信，所述的子网络是由一个农田水势软测量站和多个网络节点组成的。本发明专利技术可实现农田水势的连续自动监测，能够及时准确地反映旱地作物生长过程中的水分胁迫状态；实现了多种农田小气候参数的连续自动监测。

【技术实现步骤摘要】

本专利技术涉及一种旱地农田水势软测量方法，特别是涉及一种基于微环境信息的旱地农田水势软测量方法及软测量网络。
技术介绍
现代农业正在向精准化方向迈进，作为精准农业重要子系统的精准灌溉(Precision Irrigation，PI)更加强调高新技术对高效节水型农业的支撑和保障作用。连续自动获取旱地农田水势(土壤水势ψs、作物叶水势ψL和大气水势ψa的统称)是实现精准灌溉的先决条件。其中，大气水势ψa的自动监测技术较为成熟；土壤水势ψs的自动监测技术也有了很大进步；现有三种作物叶水势检测方法中，液相平衡法和压力平衡法属于传统方法，检测过程均依靠手工操作，且需要切割活体样品，无法适应作物水势连续自动监测；气相平衡法相对较为先进，可以用于作物活体(叶片)水势的连续自动监测，但必须将作物叶片放置在密封良好的样品室内，且对温度测量精度和分辨度有非常高的要求(通常采用高精度热电偶温度传感器)。总体而言，旱地农作物叶水势自动监测技术尚处在发展初期，我国的作物叶水势检测仪器目前主要依赖进口，价格昂贵，维修不便，很难在设施农业和露地农田中推广使用，成为实现精准灌溉的瓶颈之一。 软测量(Soft-sensing)技术是依据某种最优准则，选择一组既与主导变量(Primary Variable)有密切关系又容易测量的辅助变量(SecondaryVariables)，构造某种软测量模型(Soft-Sensing Model)，通过软计算估计主导变量的先进检测技术，目前已在诸多工业过程控制中(石油化工、钢铁冶金等)得到成功应用。将软测量技术引入旱地农田水势自动监测，可利用与农田水势关系密切且易于自动监测的微环境信息，通过建立农田水势软测量模型，准确可靠地估算出旱地农田水势{ψs，ψL，ψa}。具有信息化程度高、成本低廉、易于推广等方面的优势，是解决旱地农作物叶水势连续自动监测问题的重要途径之一。
技术实现思路
本专利技术所要解决的技术问题是，提供一种能够为精准灌溉决策提供可靠的农田水势信息的基于微环境信息的旱地农田水势软测量方法及软测量网络。 本专利技术所采用的技术方案是一种基于微环境信息的旱地农田水势软测量方法及软测量网络，其中，基于微环境信息的旱地农田水势软测量方法，包括如下阶段 1)选择确定农田水势软测量中的辅助变量，这些辅助变量均是可测的作物微环境变量； 2)按照所确定的辅助变量，选择获取相应微环境信息的传感器及其布设位置； 3)对所采集的微环境数据进行数据预处理，生成农田水势软测量模型的输入数据； 4)构建农田水势软测量模型，并采用由试验获得的样本数据对该软测量模型进行训练和检验； 5)将经过数据预处理的微环境数据送入农田水势软测量模型，得到农田水势估计值{ψs*，ψL*，ψa*}，其中，ψs*是土壤水势估计值，ψL*作物叶水势估计值，ψa*是大气水势估计值。 阶段1所述的辅助变量包括如下四组共12种农田水势软测量中的辅助变量 第一组2种与大气水势ψa紧密关联的大气温度Ta和大气湿度RHa； 第二组4种与土壤水势ψs紧密关联，反映土壤水分及其它特性的土壤水分Ws和土壤温度Ts，反映土壤蒸发状态的地表温度Tsf和地表湿度RHsf； 第三组4种与作物叶水势ψL紧密关联，反映叶片蒸腾的叶片温度TL、叶片湿度RHL，反映作物水分胁迫的冠层温度TC以及影响作物蒸腾的冠层风速WS； 第四组2种与叶水势ψL紧密关联，反映作物光合作用的光辐射强度R和叶层与大气CO2浓度差值ΔCO2。 所述的按照阶段2所确定的辅助变量，选择获取相应微环境信息的传感器及其布设位置，是针对步骤1所确定的12种辅助变量确定作物微环境信息采集器中的传感器种类及设置位置。 阶段3所述的对所采集的微环境数据进行数据预处理，生成农田水势软测量模型的输入数据，是采用基于MMD的异常值侦测算法、滑动均值滤波和最小二乘平滑滤波叠加的随机噪声滤除方法、基于邻域均值算法的时间数据融合方法和基于加权平均算法的叶层温湿度空间融合方法进行的。 阶段4所述的农田水势软测量模型包括有大气水势、土壤水势和作物叶水势三个软测量模块，并嵌入在农田水势软测量站中运行。 所述的传感器设置位置如下 1)土壤温度Ts埋设在作物根部土壤之中； 2)土壤水分Ws埋设在靠近作物根部的土壤之中； 3)地表温湿度Tsf和RHsf布设在作物根部，距地面≤5mm处； 4)叶片温湿度TL和RHL根据作物植株高度，布设若干温湿度传感器； 5)叶层CO2浓度布设在中部叶层； 6)冠层温度TC布设在作物顶部，感温头从上方垂直向下对准作物冠层； 7)冠层风速WS布设在作物顶部； 8)光辐射强度R设置在作物顶部，感光部件垂直面向天空； 9)大气温湿度Ta和RHa布设在作物顶部； 10)大气CO2浓度布设在作物顶部。 所述的叶层温湿度空间融合方法，包括如下步骤 1)首先采用基于聚类分析的异常数据侦测算法(MMD算法)对所采集的微环境数据中的异常值进行侦测并加以剔除； 2)顺序采用滑动均值滤波和最小二乘平滑滤波两种方法进行随机噪声滤除；再采用邻域均值算法，对所采集的微环境数据进行时间融合处理； 3)采用加权平均算法，对多个叶层的温度TLi和多个叶层的湿度RHLi(i＝1，2，3，……n)，进行空间融合处理； 4)依据各叶层温湿度信息受干扰的程度，权值排列顺序为中间层＞下层＞上层。 用于基于微环境信息的旱地农田水势软测量方法中所用的农田水势软测量网络，包括有多个子网络和精准灌溉决策中心，精准灌溉决策中心通过GSM/GPRS分别与多个子网络进行数据通信，所述的子网络是由一个农田水势软测量站和多个网络节点组成的。 所述的农田水势软测量站包括有微处理器，分别与微处理器相连的无线传输模块、RS-485总线驱动器、GSM/GPRS模块、GPS模块以及LCD加触摸屏，所述的微处理器还连接灌溉设施。 所述的网络节点为微环境数据采集器，包括有微控制单元，配置在微控制单元上的8路温湿度数据采集通道、8路模拟量采集通道、数字红外测温模块接口和数字脉冲接口，以及设置在微控制单元上的RS-485通信接口、无线数传模块和SD卡接口。 本专利技术的基于微环境信息的旱地农田水势软测量方法及软测量网络，将软测量技术引入旱地农田水势自动监测，可利用与农田水势关系密切且易于自动监测的微环境信息，通过建立农田水势软测量模型，准确可靠地估算出旱地农田水势{ψs，ψL，ψa}。具有信息化程度高、成本低廉、易于推广等方面的优势，是解决旱地农作物叶水势连续自动监测问题的重要途径之一。本专利技术与传统检测方法及检测仪器相比，一是可实现农田水势的连续自动监测，能够及时准确地反映旱地作物生长过程中的水分胁迫状态，从而为精准灌溉提供科学依据；二是能够实现多参数自动监测，即在连续自动获取农田水势信息的同时，还实现了多种农田小气候参数的连续自动监测。 附图说明 图1是农田水势软测量原理示意图； 图2是农田水势软测量分层模型结构图； 图3是采用新型RBF网络软测量模型估计叶水势检验曲线(温室盆栽植物)； 图4是采用SVM软测量模型估计叶水势检验曲线(温室盆栽植物)； 图本文档来自技高网...

【技术保护点】
一种基于微环境信息的旱地农田水势软测量方法，其特征在于，包括如下阶段：　　１）选择确定农田水势软测量中的辅助变量，这些辅助变量均是可测的作物微环境变量；　　２）按照所确定的辅助变量，选择获取相应微环境信息的传感器及其布设位置；　　３）对所采集的微环境数据进行数据预处理，生成农田水势软测量模型的输入数据；　　４）构建农田水势软测量模型，并采用由试验获得的样本数据对该软测量模型进行训练和检验；　　５）将经过数据预处理的微环境数据送入农田水势软测量模型，得到农田水势估计值｛ψ↓［ｓ］↑［＊］，ψ↓［Ｌ］↑［＊］，ψ↓［ａ］↑［＊］｝，其中，ψ↓［ｓ］↑［＊］土壤水势估计值，ψ↓［Ｌ］↑［＊］是作物叶水势估计值，ψ↓［ａ］↑［＊］是大气水势估计值。

【技术特征摘要】

【专利技术属性】
技术研发人员：卢胜利，李辉，储健，刘玉亮，代方远，田立国，刘媛，王菁华，
申请(专利权)人：天津工程师范学院，
类型：发明
国别省市：12[中国|天津]