【技术实现步骤摘要】
本专利技术涉及农业信息化智慧灌溉，具体的说是一种降雨绿色智能拦提蓄补协同灌溉系统及灌溉方法。
技术介绍
1、灌溉作为农业生产中至关重要的环节，对作物的生长发育和产量品质有着直接而重要的影响。传统的灌溉管理方法主要依赖于人为经验和观测，需要从事多年的实践经验，具备专业的技术水平。然而，这种方法存在着灌溉启动阈值和单次灌溉量因个体差异而异、管理者之间存在较大差异的问题，不利于标准化和推广应用。人为经验管理也可能导致灌溉量过大，浪费水资源，与节水型社会的发展目标背道而驰。此外，高频次的作物灌溉增加了农业生产成本，耗费人力物力。
2、鉴此，提出一种智能灌溉系统成为必要，以实现灌溉的精准度。
技术实现思路
1、为了解决现有技术中的不足，本专利技术提供一种降雨绿色智能拦提蓄补协同灌溉系统及灌溉方法。该灌溉系统利用现代物联网设备，实时采集气象信息，并依靠沟道坝蓄水、光伏发电提水、土工膜窖高位储水、膜下滴灌补水，然后进行自动决策进行灌溉，实现水分管理的集约化、智能化和高效化，提高了灌溉的精准性，同时降低了农业生产成本。
2、为了实现上述目的，本专利技术采用的具体方案为：
3、一种降雨绿色智能拦提蓄补协同灌溉系统，包括：
4、数据采集装置，用于采集太阳辐射量、当地实时温度和天气数据；
5、灌溉装置，包括灌溉主管、与灌溉主管相连的若干滴灌带、控制灌溉主管通水与否的电磁阀、以及向灌溉主管通水的拦堤蓄水机构；所述拦堤蓄水机构包括沟道坝蓄水池、土工
6、主控制器，连接数据采集装置和灌溉装置，所述主控制器通过对数据采集装置采集的数据进行处理，制定出作物灌溉决策，然后控制灌溉装置进行灌溉。
7、进一步地，所述主控制器中设有用于对采集的数据进行处理的深度学习计算模块、用于做出作物灌溉决策的决策模块、和与电磁阀相连接的用于控制灌溉装置进行定量灌溉的灌溉执行模块。
8、进一步地，还包括光伏发电提水装置，所述光伏发电提水装置包括光伏板、与光伏板相连的逆变器，所述逆变器与水泵或灌溉执行模块相连接以提供电能。
9、进一步地，数据采集装置包括用于获取当地的太阳辐射量的太阳辐射量探头、用于获取当地实时温度的温度检测器、以及用于获取天气预报信息的天气数据实时采集单元；其中，天气数据实施采集单元采集当地日升日落时间、晴雨天、预计降雨时间及降雨量信息。
10、进一步地，深度学习计算模块通过处理数据采集装置所采集的日最高温度、日最低温度和太阳辐射量数据，能够计算出参考作物蒸发蒸腾量。
11、进一步地，作物灌溉决策包括：
12、根据前次灌溉时间及灌溉量，结合参考作物蒸发蒸腾量和温度变化，判断是否需要灌溉；根据日升日落时间、温度变化情况、预计降雨时间及降雨量信息，判断合适的灌溉时间；
13、根据作物需水量和本次预计灌溉时长，得到本次灌溉量。
14、一种降雨绿色智能拦提蓄补协同灌溉方法，主要包括如下步骤：
15、s1、根据作物生育期内气象站数据，用fao 56penman-monteith法计算出全因子下的参考作物蒸发蒸腾量，利用缺省因子的深度学习模型对参考作物蒸发蒸腾量进行训练学习，得到训练后的参考作物蒸发蒸腾量；
16、s2、用双作物系数法计算出不同作物不同生育期的作物系数；
17、s3、结合作物系数和训练后的参考作物蒸发蒸腾量计算作物日蒸腾量，根据作物日蒸腾量和有效降雨量计算出作物需水量；
18、s4、利用作物需水量计算本次预计灌溉时长；
19、s5、根据计算的作物需水量和本次预计灌溉时长，制定作物灌溉决策；
20、s6、主控制器根据制定的作物灌溉决策控制灌溉装置，以对所述农田进行灌溉。
21、进一步地，步骤s5中，将计算的作物需水量和本次预计灌溉时长作为输入参数，利用遗传算法中的适应度函数进行迭代和优化，寻找最优解的灌溉方案，然后根据得到的最优解灌溉方案制定灌溉决策。
22、进一步地，适应度函数计算作物灌溉量i满足：
23、i＝w.penalty(h,cwr)
24、其中，w是权重，用于平衡对作物需水量和灌溉时长的考虑；cwr为作物需水量；h为本次预计灌溉时长，penalty(x,y)是一个惩罚函数，用于量化超出作物需水量cwr和本次预计灌溉时长h的程度。
25、有益效果：
26、1)、本专利技术利用实时采集的温度和太阳辐射量作为输入参数，采用深度学习方法进行训练，得到训练后的参考作物蒸发蒸腾量et0，并结合双作物系数法计算作物日蒸腾量etc。相较于传统的土壤传感器和气象站，本方法减少了气象参数的需求，降低了灌溉系统的成本，并减轻了维护成本。
27、2)、本专利技术结合作物日蒸腾量和有效降雨量计算作物需水量，综合考虑降雨对灌溉影响的方式，提高了灌溉决策的全面性和科学性。同时，利用遗传算法结合作物需水量cwr和灌溉时长h找到最接近最优解的灌溉方案，使得系统更为灵活智能，从而优化灌溉计划，提高水资源利用效率，为作物提供最优化的灌溉方案，同时推动农业生产向更加智能化和可持续的方向发展。
本文档来自技高网...【技术保护点】
1.一种降雨绿色智能拦提蓄补协同灌溉系统，其特征在于，包括：
2.根据权利要求1所述的一种降雨绿色智能拦提蓄补协同灌溉系统，其特征在于，所述主控制器中设有用于对采集的数据进行处理的深度学习计算模块、用于做出作物灌溉决策的决策模块、和与电磁阀相连接的用于控制灌溉装置进行定量灌溉的灌溉执行模块。
3.根据权利要求2所述的一种降雨绿色智能拦提蓄补协同灌溉系统，其特征在于，还包括光伏发电提水装置，所述光伏发电提水装置包括光伏板、与光伏板相连的逆变器，所述逆变器与水泵或灌溉执行模块相连接以提供电能。
4.根据权利要求2所述的一种降雨绿色智能拦提蓄补协同灌溉系统，其特征在于，数据采集装置包括用于获取当地的太阳辐射量的太阳辐射量探头、用于获取当地实时温度的温度检测器、以及用于获取天气预报信息的天气数据实时采集单元；其中，天气数据实施采集单元采集当地日升日落时间、晴雨天、预计降雨时间及降雨量信息。
5.根据权利要求4所述的一种降雨绿色智能拦提蓄补协同灌溉系统，其特征在于，深度学习计算模块通过处理数据采集装置所采集的日最高温度、日最低温度和太阳辐射量
6.根据权利要求5所述的一种降雨绿色智能拦提蓄补协同灌溉系统，其特征在于，作物灌溉决策包括：
7.一种降雨绿色智能拦提蓄补协同灌溉方法，其特征在于，主要包括如下步骤：
8.根据权利要求7所述的一种降雨绿色智能拦提蓄补协同灌溉方法，其特征在于，步骤S5中，将计算的作物需水量和本次预计灌溉时长作为输入参数，利用遗传算法中的适应度函数进行迭代和优化，寻找最优解的灌溉方案，然后根据得到的最优解灌溉方案制定灌溉决策。
9.根据权利要求7所述的一种降雨绿色智能拦提蓄补协同灌溉方法，其特征在于，适应度函数计算作物灌溉量I满足：
...【技术特征摘要】
1.一种降雨绿色智能拦提蓄补协同灌溉系统，其特征在于，包括：
2.根据权利要求1所述的一种降雨绿色智能拦提蓄补协同灌溉系统，其特征在于，所述主控制器中设有用于对采集的数据进行处理的深度学习计算模块、用于做出作物灌溉决策的决策模块、和与电磁阀相连接的用于控制灌溉装置进行定量灌溉的灌溉执行模块。
3.根据权利要求2所述的一种降雨绿色智能拦提蓄补协同灌溉系统，其特征在于，还包括光伏发电提水装置，所述光伏发电提水装置包括光伏板、与光伏板相连的逆变器，所述逆变器与水泵或灌溉执行模块相连接以提供电能。
4.根据权利要求2所述的一种降雨绿色智能拦提蓄补协同灌溉系统，其特征在于，数据采集装置包括用于获取当地的太阳辐射量的太阳辐射量探头、用于获取当地实时温度的温度检测器、以及用于获取天气预报信息的天气数据实时采集单元；其中，天气数据实施采集单元采集当地日升日落时间、晴雨天...
【专利技术属性】
技术研发人员：赵西宁，陈虹吕，蔡耀辉，任利宇，高晓东，文明宜，
申请(专利权)人：西北农林科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。