【技术实现步骤摘要】
本专利技术涉及一种基于多传感器融合的农田土壤监测方法，属于土壤监测。
技术介绍
1、
2、现阶段，在维持农业用水总量不增加的前提下，采用新技术实时监测农作物的水分需求，以进行及时、精确和合理的灌溉管理，从而降低灌溉水量并提高农作物产量，是一个值得深入研究的方向。如何快速、准确地获取土壤水分含量信息，成为实现精准灌溉和高效农业管理的关键问题，因此，迫切需要一种能够提供精确、实时土壤水分数据的高效监测技术方案。
技术实现思路
1、为此，本专利技术提供一种基于多传感器融合的农田土壤监测方法及系统，提高农田土壤水分信息的获取效率，提升农业用水的经济效益和环境可持续性。
2、为了实现上述目的，本专利技术提供如下技术方案：基于多传感器融合的农田土壤监测方法，包括：
3、获取埋入农田土壤表层的土壤水分传感器按照预设的采集周期采集的土壤水分数据；获取无人机搭载多光谱传感器采集的农田植被和土壤在预设波段的植被土壤光谱数据；获取气象传感器采集的农田环境数据，农田环境数据包括湿度、气压、风速和风向数据；
4、对获取的土壤水分数据、植被土壤光谱数据和农田环境数据进行数据预处理，数据预处理包括处理缺失值、异常值、噪声的滤除或平滑；对数据预处理后的土壤水分数据、植被土壤光谱数据和农田环境数据进行数据融合，并分析土壤水分数据、植被土壤光谱数据和农田环境数据之间的关系；
5、将数据预处理后的土壤水分数据、植被土壤光谱数据、农田环境数据和数据来源位置的地理
6、作为基于多传感器融合的农田土壤监测方法优选方案，对获取的农田环境数据以时间序列的方式进行记录，对获取的土壤水分数据添加水分时间戳，对获取的植被土壤光谱数据添加植被土壤时间戳；通过水分时间戳、植被土壤时间戳对农田环境数据进行关联；
7、还包括通过集成在土壤水分传感器、多光谱传感器和气象传感器的卫星定位组件，获取土壤水分传感器、多光谱传感器和气象传感器的地理坐标；
8、利用采集的农田环境数据判断是否调整土壤水分传感器、多光谱传感器的工作参数，工作参数包括测量频率和测量灵敏度。
9、作为基于多传感器融合的农田土壤监测方法优选方案，还包括构建三维水动力学模型，通过三维水动力学模型模拟土壤空间含水量的动态分布过程；采用交替方向的隐格式获取水分运动方程的数值解；
10、以根系吸水函数作为richards方程的汇项，模拟根区土壤水分运动与分布；
11、在voxel元上，采用空间碰撞检测方法获取每个根元生长区域的土壤含水量，采用电学阻力模拟法进行土壤含水量对根元库强的动态校正及对根元生长方向的校正。
12、作为基于多传感器融合的农田土壤监测方法优选方案，还包括利用土壤水分数据构建土壤水分监测模型，土壤水分监测模型为：
13、s＝a×(d-d0)+s0×[1+b×(d-d0)2]+sc
14、式中，s为0～d厘米土层的水分储量；s0为土壤表层0～d0厘米水分储量；a、b以及sc为常数，是表层与深层土壤水分储量之间非线性关系系数。
15、作为基于多传感器融合的农田土壤监测方法优选方案，还包括在分析土壤水分和植被的时空变化趋势过程中构建土壤水量平衡方程，土壤水量平衡方程表达式为：
16、δs＝p-et-r-d
17、式中，δs为土壤水分储量的变化量；p是降水量；et是蒸散发量；r是径流量；r深层排水或下渗量。
18、作为基于多传感器融合的农田土壤监测方法优选方案，还包括利用土壤水分监测模型和土壤水量平衡方程，对农田土壤灌溉时间和灌溉量进行推荐。
19、本专利技术还提供一种基于多传感器融合的农田土壤监测系统，包括：
20、数据获取模块，用于获取埋入农田土壤表层的土壤水分传感器按照预设的采集周期采集的土壤水分数据；获取无人机搭载多光谱传感器采集的农田植被和土壤在预设波段的植被土壤光谱数据；获取气象传感器采集的农田环境数据，农田环境数据包括湿度、气压、风速和风向数据；
21、数据处理模块，用于对获取的土壤水分数据、植被土壤光谱数据和农田环境数据进行数据预处理，数据预处理包括处理缺失值、异常值、噪声的滤除或平滑；对数据预处理后的土壤水分数据、植被土壤光谱数据和农田环境数据进行数据融合，并分析土壤水分数据、植被土壤光谱数据和农田环境数据之间的关系；
22、数据分析模块，用于将数据预处理后的土壤水分数据、植被土壤光谱数据、农田环境数据和数据来源位置的地理坐标进行关联，根据关联的数据来源位置的地理坐标将土壤水分数据、植被土壤光谱数据、农田环境数据绘制到电子地图上，以分析土壤水分和植被的时空变化趋势。
23、作为基于多传感器融合的农田土壤监测系统优选方案，所述数据获取模块中，对获取的农田环境数据以时间序列的方式进行记录，对获取的土壤水分数据添加水分时间戳，对获取的植被土壤光谱数据添加植被土壤时间戳；通过水分时间戳、植被土壤时间戳对农田环境数据进行关联；
24、所述数据获取模块还用于通过集成在土壤水分传感器、多光谱传感器和气象传感器的卫星定位组件，获取土壤水分传感器、多光谱传感器和气象传感器的地理坐标；
25、还包括工作参数调整模块，用于利用采集的农田环境数据判断是否调整土壤水分传感器、多光谱传感器的工作参数，工作参数包括测量频率和测量灵敏度。
26、作为基于多传感器融合的农田土壤监测系统优选方案，所述数据分析模块中，建立三维水动力学模型，通过三维水动力学模型模拟土壤空间含水量的动态分布过程；采用交替方向的隐格式获取水分运动方程的数值解；
27、所述数据分析模块中，以根系吸水函数作为richards方程的汇项，模拟根区土壤水分运动与分布；
28、所述数据分析模块中，在voxel元上，采用空间碰撞检测方法获取每个根元生长区域的土壤含水量，采用电学阻力模拟法进行土壤含水量对根元库强的动态校正及对根元生长方向的校正。
29、作为基于多传感器融合的农田土壤监测系统优选方案，所述数据分析模块中，利用土壤水分数据构建土壤水分监测模型，土壤水分监测模型为：
30、s＝a×(d-d0)+s0×[1+b×(d-d0)2]+sc
31、式中，s为0～d厘米土层的水分储量；s0为土壤表层0～d0厘米水分储量；a、b以及sc为常数，是表层与深层土壤水分储量之间非线性关系系数；
32、所述数据分析模块中，在分析土壤水分和植被的时空变化趋势过程中构建土壤水量平衡方程，土壤水量平衡方程表达式为：
33、δs＝p-et-r-d
34、式中，δs为土壤水分储量的变化量；p是降水量；et是蒸散发量；r是径流量；r深层排水或下渗量；<本文档来自技高网...
【技术保护点】
1.基于多传感器融合的农田土壤监测方法，其特征在于，包括：
2.根据权利要求1所述的基于多传感器融合的农田土壤监测方法，其特征在于，对获取的农田环境数据以时间序列的方式进行记录，对获取的土壤水分数据添加水分时间戳，对获取的植被土壤光谱数据添加植被土壤时间戳；通过水分时间戳、植被土壤时间戳对农田环境数据进行关联；
3.根据权利要求1所述的基于多传感器融合的农田土壤监测方法，其特征在于，还包括构建三维水动力学模型，通过三维水动力学模型模拟土壤空间含水量的动态分布过程；采用交替方向的隐格式获取水分运动方程的数值解；
4.根据权利要求3所述的基于多传感器融合的农田土壤监测方法，其特征在于，还包括利用土壤水分数据构建土壤水分监测模型，土壤水分监测模型为：
5.根据权利要求4所述的基于多传感器融合的农田土壤监测方法，其特征在于，还包括在分析土壤水分和植被的时空变化趋势过程中构建土壤水量平衡方程，土壤水量平衡方程表达式为：
6.根据权利要求5所述的基于多传感器融合的农田土壤监测方法，其特征在于，还包括利用土壤水分监测模型和土壤水量平衡
7.基于多传感器融合的农田土壤监测系统，其特征在于，包括：
8.根据权利要求7所述的基于多传感器融合的农田土壤监测系统，其特征在于，所述数据获取模块中，对获取的农田环境数据以时间序列的方式进行记录，对获取的土壤水分数据添加水分时间戳，对获取的植被土壤光谱数据添加植被土壤时间戳；通过水分时间戳、植被土壤时间戳对农田环境数据进行关联；
9.根据权利要求7所述的基于多传感器融合的农田土壤监测系统，其特征在于，所述数据分析模块中，建立三维水动力学模型，通过三维水动力学模型模拟土壤空间含水量的动态分布过程；采用交替方向的隐格式获取水分运动方程的数值解；
10.根据权利要求9所述的基于多传感器融合的农田土壤监测系统，其特征在于，所述数据分析模块中，利用土壤水分数据构建土壤水分监测模型，土壤水分监测模型为：
...【技术特征摘要】
1.基于多传感器融合的农田土壤监测方法，其特征在于，包括：
2.根据权利要求1所述的基于多传感器融合的农田土壤监测方法，其特征在于，对获取的农田环境数据以时间序列的方式进行记录，对获取的土壤水分数据添加水分时间戳，对获取的植被土壤光谱数据添加植被土壤时间戳；通过水分时间戳、植被土壤时间戳对农田环境数据进行关联；
3.根据权利要求1所述的基于多传感器融合的农田土壤监测方法，其特征在于，还包括构建三维水动力学模型，通过三维水动力学模型模拟土壤空间含水量的动态分布过程；采用交替方向的隐格式获取水分运动方程的数值解；
4.根据权利要求3所述的基于多传感器融合的农田土壤监测方法，其特征在于，还包括利用土壤水分数据构建土壤水分监测模型，土壤水分监测模型为：
5.根据权利要求4所述的基于多传感器融合的农田土壤监测方法，其特征在于，还包括在分析土壤水分和植被的时空变化趋势过程中构建土壤水量平衡方程，土壤水量平衡方程表达式为：
6.根据权利...
【专利技术属性】
技术研发人员：张吴平，李耀宇，李富忠，屈腾腾，邓子正，赵其昕，王国芳，张小英，邓林强，
申请(专利权)人：山西农业大学，
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。