System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种分布式作物模型的构建方法技术_技高网

一种分布式作物模型的构建方法技术

技术编号:41708521 阅读:22 留言:0更新日期:2024-06-19 12:38
本发明专利技术公开了一种分布式作物模型的构建方法,通过网络开源数据集和田间实验数据收集区域内农业气象数据、土壤数据、作物种植分布数据、灌溉分布数据、作物生长发育相关数据,然后利用R语言编程将数据以格网储存并创建各个数据库,使用区域田间实验数据构建区域作物品种参数,调动数据库驱动模型批量模拟,最后获取模拟数据并绘制空间分布图。本发明专利技术能够实现基于物理过程的作物模型模拟区域作物生长发育。由于是基于格网数据的模拟,其模拟效果能考虑空间变异性与连续性。能够根据是否灌溉在批量运行时实现区别化模拟,且不再对非作物种植区的格网模拟,使区域作物模拟更精确、高效、贴切实际。模拟效果可以将以空间分布的可视化效果呈现。

【技术实现步骤摘要】

本专利技术属于作物生长模型,具体涉及一种分布式作物模型的构建方法


技术介绍

1、作物生长模拟模型简称作物模型,主要通过综合考虑作物本身的生理机制以及作物生长的影响因素(主要包括天气、土壤、品种和管理措施等),在田间尺度下对作物生长发育、产量形成等以特定时间步长进行动态模拟,并对环境及管理措施对作物生长发育产生的影响进行定量化分析,以此优化管理制度,提高种植效益和资源利用率。随着研究的深入,区域尺度的作物生长信息越来越受到重视,于是研究者们开始基于原有的田间尺度的作物模型转向区域化模拟的研究。分布式模型是模型按照离散程度分类中的一类,它可以理解为多个小单元的集合,原先的作物模型以整个田间尺度为模拟单位,属于集总式模型,将原有的作物模型转变为分布式作物模型,即研究单位从整个田间尺度变为多个小单元的集合,可以解决作物模型区域模拟的问题。模型按照其构建原理分类,可分为基于物理过程的模型和基于经验公式的模型。目前构建的分布式作物模型包括:(1)gri-dssat模型,它是以美国南部高精度雷达数据驱动的分布式作物模型,但其由于数据获取限制,只能用于美国境内模拟;(2)aquars、aquagis模型,它是基于aquacrop模型开发的,其参量少,算法简单,不是完全基于物理过程的模型。因此,为了更好的了解区域尺度的作物生长信息,构建一个适用于我国的基于物理过程的分布式作物模型十分重要。

2、本专利技术中所要用到的技术术语:

3、dssat模型:农业技术转让决策支持系统(decision support systemsforagrotechnology transfer,dssat)模型是基于土壤水分、碳和氮动力学发展的作物模型,它属于基于物理过程的模型,它针对不同作物开发了不同模块,迄今为止,以更新到4.8版本,即它可以实现超过42种作物模拟,且被应用于农场和精确管理、气候变异和气候变化影响的区域评估、基于基因的建模和育种选择、用水、温室气体排放以及通过土壤有机碳和氮平衡实现的长期可持续性的相关研究。dssat模型在模拟作物生育、产量方面有很好的表现。模拟在种植时或种植前通过模拟裸休耕期开始,一般按日进行,在特殊情况下,按小时进行,具体取决于不同的物理过程和作物模型。在每天结束时,植物和土壤的水、氮、磷和碳平衡以及作物的营养和生殖发育阶段都会更新。

4、模型数据库:数据库是以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。dssat模型需要输入每日天气数据、土壤表层和剖面信息以及详细的作物管理信息。作物遗传信息由dssat模型提供的作物种类文件和用户提供的栽培品种或品种信息定义。由于涉及区域模拟,涉及数据种类多和数据量大,所以希望将输入dssat模型的数据以一定方式存储到一起,方便模型调用且与dssat模型彼此独立。

5、r语言编程:r语言是为数学研究工作者设计的一种数学编程语言,主要用于统计分析、绘图、数据挖掘。它是解释运行的语言(与c语言的编译运行不同),执行速度比c语言慢得多,但它在语法层面提供了更加丰富的数据结构操作并且能够十分方便地输出文字和图形信息,所以它广泛应用于数学尤其是统计学领域。r语言在dssat模型的气候、土壤、管理措施等数据准备,自动化模拟和结果分析上都发挥着重要的作用。


技术实现思路

1、本专利技术的目的在于提供一种分布式作物模型的构建方法,以此来解决在背景中提出的问题。

2、为了实现上述目的,本专利技术的技术方案如下展开:

3、一种分布式作物模型的构建方法,包含以下几个步骤:

4、s1:数据采集。通过网络开源数据集和部分田间试验实验数据,收集农业气象数据、土壤数据、作物种植分布数据、灌溉分布数据、作物生长发育相关数据,并提取区域数据;

5、s2:以农业气象数据的格网为标准,将农业气象、土壤、种植分布和灌溉数据以格网储存,结合r语言编程实现格网数据的叠加、分层和编写dssat模型的输入文件构建各个数据库;

6、s21:构建农业气象数据库;

7、s22:构建土壤数据库;

8、s23:构建空间管理数据库;

9、s3:构建区域作物品种参数;

10、s4:结合r语言编程和s2、s3编写针对性的管理文件并驱动模型对区域内作物进行批量模拟;

11、s5:使用r语言编程获取dssat模型日模拟数据绘制空间分布图。

12、进一步的,步骤s1涉及数据主要的开源数据包括:era5、国家生态科学数据中心、国家冰川冻土沙漠科学数据中心、界土壤协调数据库hwsd v2.0,具体数据包括四个部分:①农业气象数据:日最高温度、最低温度、太阳辐射、降雨量的格网数据;

13、②土壤数据:土壤容积密度、土壤阳离子交换量、粘土含量(土壤颗粒直径<0.002mm)、砾石含量(颗粒直径>2mm)、有机碳含量、土壤酸碱度、壤土含量(土壤颗粒直径0.002~0.05mm之间)、总氮含量的土壤理化数据,田间持水率、凋萎系数、饱和含水量、饱和导水率的土壤水文数据和土壤含水量数据;

14、③种植和灌溉分布数据:作物种植分布数据农田灌溉分布数据;

15、④作物生长发育相关数据:作物生育期(播种期、开花期、成熟期)和产量数据。

16、进一步的,步骤s21的具体构建方法如下:使用r语言编程处理原数据,提取出区域总体的格网数和每个格网的经纬度及各格网每天的农业气象数据并在完成数据的单位转换后,编写输入dssat模型的气象文件,构成dssat模型的气象数据库,此阶段使用的r语言编程命名为weather_deal.r。

17、进一步的,步骤s22是具体构建方法如下:拟定土层划分为7个垂直分层(0~20cm、20~40cm、40~60cm、60~80cm、80~100cm、100~150cm、150~200cm),每层土的土壤水文、土壤水分数据由插值法取得,再利用arcgis和r语言编程实现数据重分配和单位转换,使每个格网和土壤数据相对应,最后用r语言编程编写输入dssat模型的土壤数据文件,形成dssat模型的土壤数据库,此阶段使用的r语言编程命名为soil_deal.r。

18、进一步的,步骤s23的具体构建方法如下:使用邻近插值法对作物种植分布数据进行重采样处理,处理成同气象数据相同分辨率的数据,再将处理后的数据和各网点对应起来,最后使用r语言编程处理格网信息,若格网有数据,设定格网值为1,无数据设定格网值为0;

19、同理将农田灌溉数据和各格网对应起来,使用r语言编程处理格网信息,若格网有数据,设定格网值为2,无数据设定格网值为0,最后通过r语言编程将每个格网的信息相叠加并存储为gm值,gm为0时,表示该格网既不是作物种植区又不是灌溉区,为1表示该格网是雨养的作物种植区,为2表示该格网有灌溉但不是作物种植区,为3表示该格网是有灌溉的作物种植区,至此完成空间本文档来自技高网...

【技术保护点】

1.一种分布式作物模型的构建方法,其特征在于,包含以下几个步骤:

2.根据权利1所述的一种分布式作物模型的构建方法,其特征在于,步骤S1涉及数据主要的开源数据包括:ERA5、国家生态科学数据中心、国家冰川冻土沙漠科学数据中心、界土壤协调数据库HWSD v2.0,具体数据包括四个部分:①农业气象数据:日最高温度、最低温度、太阳辐射、降雨量的格网数据;

3.根据权利1所述的一种分布式作物模型的构建方法,其特征在于,步骤S21的具体构建方法如下:使用R语言编程处理原数据,提取出区域总体的格网数和每个格网的经纬度及各格网每天的农业气象数据并在完成数据的单位转换后,编写输入DSSAT模型的气象文件,构成DSSAT模型的气象数据库,此阶段使用的R语言编程命名为weather_deal.R。

4.根据权利1所述的一种分布式作物模型的构建方法,其特征在于,步骤S22的具体构建方法如下:拟定土层划分为7个垂直分层(0~20cm、20~40cm、40~60cm、60~80cm、80~100cm、100~150cm、150~200cm),每层土的土壤水文、土壤水分数据由插值法取得,再利用ArcGIS和R语言编程实现数据重分配和单位转换,使每个格网和土壤数据相对应,最后用R语言编程编写输入DSSAT模型的土壤数据文件,形成DSSAT模型的土壤数据库,此阶段使用的R语言编程命名为soil_deal.R。

5.根据权利1所述的一种分布式作物模型的构建方法,其特征在于,步骤S23的具体构建方法如下:使用邻近插值法对作物种植分布数据进行重采样处理,处理成同气象数据相同分辨率的数据,再将处理后的数据和各网点对应起来,最后使用R语言编程处理格网信息,若格网有数据,设定格网值为1,无数据设定格网值为0;

6.根据权利1所述的一种分布式作物模型的构建方法,其特征在于,步骤S3的具体构建方法如下:使用R语言编程根据区域内农田实验的作物播种、开花、成熟、收获、产量和农田管理数据创建DSSAT模型的管理文件,管理文件中农业气象点使用的气象、土壤数据来源于其对应的格网的数据,然后通过调参率定得到作物品种参数。

7.根据权利1所述的一种分布式作物模型的构建方法,其特征在于,步骤S4的具体实施方法如下:使用R语言编程根据格网读取和调用对应的S2中的数据,其中读到S23的GM值为0和2就跳过该格网(既不运行该格网),读到1则编写雨养模式的管理文件,读到3则编写灌溉模式的管理文件,再结合S3中的品种参数使用R语言编程驱动DSSAT模型对区域内作物生长发育和产量进行批量模拟,此过程中编写管理程序的R语言编程命名为Manage.R,批量运行的命名为Run_all.R。

8.根据权利1所述的一种分布式作物模型的构建方法,其特征在于,步骤S5的具体实施方法如下:使用R语言编程获取DSSAT模型日模拟的格网数据(产量、叶面积指数、作物蒸散发等DSSAT模型可以模拟出的数据)结合格网经纬度信息绘制数据的空间分布图,此过程的R语言编程命名为Plot_deal.R。

...

【技术特征摘要】

1.一种分布式作物模型的构建方法,其特征在于,包含以下几个步骤:

2.根据权利1所述的一种分布式作物模型的构建方法,其特征在于,步骤s1涉及数据主要的开源数据包括:era5、国家生态科学数据中心、国家冰川冻土沙漠科学数据中心、界土壤协调数据库hwsd v2.0,具体数据包括四个部分:①农业气象数据:日最高温度、最低温度、太阳辐射、降雨量的格网数据;

3.根据权利1所述的一种分布式作物模型的构建方法,其特征在于,步骤s21的具体构建方法如下:使用r语言编程处理原数据,提取出区域总体的格网数和每个格网的经纬度及各格网每天的农业气象数据并在完成数据的单位转换后,编写输入dssat模型的气象文件,构成dssat模型的气象数据库,此阶段使用的r语言编程命名为weather_deal.r。

4.根据权利1所述的一种分布式作物模型的构建方法,其特征在于,步骤s22的具体构建方法如下:拟定土层划分为7个垂直分层(0~20cm、20~40cm、40~60cm、60~80cm、80~100cm、100~150cm、150~200cm),每层土的土壤水文、土壤水分数据由插值法取得,再利用arcgis和r语言编程实现数据重分配和单位转换,使每个格网和土壤数据相对应,最后用r语言编程编写输入dssat模型的土壤数据文件,形成dssat模型的土壤数据库,此阶段使用的r语言编程命名为soil_deal.r。

5.根据权利1所述的一种分布式作物模型的构建方法,其特征在于,步骤...

【专利技术属性】
技术研发人员:谢文馨姚宁何建强于强胡笑涛
申请(专利权)人:西北农林科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1