基于土壤養分遙感信息和作物模型確定作物需肥量的方法技術

本發明專利技術實施例公開了一種基于土壤養分遙感信息和作物模型確定作物需肥量的方法，通過數據獲取、確定肥料利用率和土壤有效養分校正系數以及構建模型等步驟，從而確定農作物需肥量。本發明專利技術提出一種以遙感數據為基礎，結合作物模型的方法，獲取了肥料利用率，分析土壤有效養分與土壤有效養分校正系數之間的相關關系，構建了土壤有效養分校正系數的估算模型，依據作物需肥要求下，生成作物需肥量的綜合方法。結果表明，該方法具有良好的穩健性及得到較高施肥量的精度。較高施肥量的精度。較高施肥量的精度。

【技術實現步驟摘要】
基于土壤養分遙感信息和作物模型確定作物需肥量的方法


[0001]本專利技術實施例涉及農業種植
，具體涉及一種基于土壤養分遙感信息和作物模型確定作物需肥量的方法。

技術介紹

[0002]肥料在作物增產中發揮重要的作用，對作物增產的貢獻率超過1/3，因此，在農業種植投入中，農民在肥料購買的投入較大，幾乎占總投入的一半，是實現節本增效和減少環境污染主要阻力之一。
[0003]盲目地增加肥料施用量，導致作物品質下降、肥料利用率降低、農田質量退化、水體富營養化、環境污染和農業生態系統脆弱，給農業生產、生態環境帶來無法估量的損失。如何經濟有效合理的施肥，提高肥料經濟效益和利用率，是當下現代農業生產中亟待解決的問題。
[0004]根據前人研究表明，在作物變量施肥中，關鍵是如何準確有效地獲得當季種植區域的肥料利用率和土壤有效養分校正系數。其中，肥料利用率是變化的，隨著肥料的種類、性質、土壤類型、作物種類、氣候條件、田間管理等因素的影響而有差別。由于土壤的緩沖性能，其有效養分也是一個動態的變化值，土壤養分含量只能代表有效養分的相對量，不能直接用來計算土壤的有效供應量，通過田間試驗來獲得土壤有效養分校正系數加以換算；土壤養分校正系數變化范圍較大、穩定性差，它隨土壤養分含量的不同而變化，在實際應用中進行施肥量估算時，很難準確把握土壤養分校正系數的數值，造成估算的施肥量不夠準確。
[0005]傳統獲得肥料利用率和土壤有效養分校正系數的方法對于數據的時效性要求都較高，土壤有效養分校正系數獲取過程也較為繁瑣，因此，本專利技術提出一種新的方法獲取土壤有效養分校正系數和肥料利用率，根據作物需肥要求，生成作物需肥量。

技術實現思路

[0006]為實現以上目的，本專利技術實施例提供一種基于土壤養分遙感信息和作物模型確定作物需肥量的方法。
[0007]為了實現上述目的，本專利技術的實施方式提供如下技術方案：
[0008]本專利技術的實施方式中，提供了一種基于土壤養分遙感信息和作物模型確定作物需肥量的方法，包括如下步驟：
[0009]S1：獲取遙感影像數據信息以及實測土壤養分數據信息，構建土壤養分遙感反演模型，得到研究區域土壤養分空間分布數據；
[0010]S2：獲取監測區域內實時氣象數據信息，形成精細化的網格氣象數據信息；
[0011]S3：根據遙感影像數據信息，獲得歸一化植被指數，結合精細化的網格氣象數據信息，構建作物遙感估產模型；
[0012]S4：根據實地調研研究區域的施肥量，結合“3414”測土配方試驗設置多個施肥區間，基于WOFOST作物模型，獲得當季不同作物下的肥料利用率；
[0013]S5：根據監測區域作物產量、土壤養分含量及元素當季利用率，基于WOFOST作物模型，獲得當季不同作物下土壤有效養分校正系數，確定各監測區下不同作物的需肥量，進而確定實際的施肥量。
[0014]進一步地，所述步驟S1中，實測土壤養分數據信息包括作物吸收養分量、肥料施用量、肥料中養分含量、目標產量和單位產物所需養分含量，作物吸收養分量具體包括施肥區作物吸收養分量和缺素區作物吸收養分量，土壤養分遙感模型采用XGBoots機器學習算法構建，構建土壤養分遙感反演模型，得到研究區域土壤養分空間分布情況。
[0015]進一步地，所述步驟S3中，作物遙感估產模型的構建方法為：下載包括空間分辨率為2m的遙感影像數據，通過軟件預處理，獲得歸一化植被指數，最后再結合所述精細化網格氣象數據形成作物遙感估產模型。
[0016]進一步地，所述步驟S4中，所述多個施肥區間包括四個施肥標準，分別為不施肥、0.5倍常規施肥、常規施肥和1.5倍常規施肥。
[0017]進一步地，所述肥料利用率指作物所能吸收肥料養分的比率，公式為：肥料利用率＝(施肥區作物吸收養分量kg/畝
?
缺素區作物吸收養分量kg/畝)/(肥料施用量kg/畝
×
肥料中養分含量％)
×
100％。
[0018]進一步地，所述土壤有效養分校正系數是作物吸收某種養分量占土壤中該有效養分總量的百分數，公式為：土壤有效養分校正系數＝(∣種植前土壤養分含量
?
收獲后土壤養分含量∣)/種植前土壤養分含量
×
100％。
[0019]進一步地，根據所述土壤有效養分校正系數確定土壤供肥量，其表達式為：土壤供肥量＝速效養分測定值
×
0.15
×
土壤有效養分校正系數。
[0020]進一步地，所述作物需肥量為作物生長所需要的肥料含量，其計算公式為：作物需肥量＝(目標產量kg
×
生產100公斤作物所需養分含量)/100。
[0021]進一步地，所述施肥量為根據預測產量所需要實際施用肥料的用量，具體的計算公式為：施肥量＝(作物需肥量
?
土壤供肥量)/(元素當季利用率
×
肥料中養分含量％)。
[0022]根據本專利技術的實施方式，與現有技術相該方法具有如下優點：
[0023]本專利技術提出了一種采用土壤養分遙感和作物模型相結合的估算作物需肥量的綜合方法，針對肥料利用率和土壤有效養分校正系數難獲取和時效性差的不足，使用基于遙感影像與作物模型相結合的數據融合方法，可以較好地解決作物變量施肥的方法對肥料利用率和土壤有效養分校正系數數據的時效性和有效性的要求較高問題。
[0024]相對于傳統獲得肥料利用率和土壤有效養分校正系數的方法對于數據的完整性和全面性要求都較高，肥料利用率和土壤有效養分校正系數的獲取過程也較為繁瑣，而本專利技術提出一種以遙感數據為基礎，結合作物模型的方法，獲取了肥料利用率，分析土壤有效養分與土壤有效養分校正系數之間的相關關系，構建了土壤有效養分校正系數的估算模型，依據作物需肥要求下，生成作物需肥量的綜合方法。結果表明，該方法具有良好的穩健性及得到較高施肥量的精度。
附圖說明
[0025]為了更清楚地說明本專利技術的實施方式或現有技術中的技術方案，下面將對實施方式或現有技術描述中所需要使用的附圖作簡單地介紹。顯而易見地，下面描述中的附圖僅
僅是示例性的，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖引申獲得其它的實施附圖。
[0026]本說明書所繪示的結構、比例、大小等，均僅用以配合說明書所揭示的內容，以供熟悉此技術的人士了解與閱讀，并非用以限定本專利技術可實施的限定條件，故不具技術上的實質意義，任何結構的修飾、比例關系的改變或大小的調整，在不影響本專利技術所能產生的功效及所能達成的目的下，均應仍落在本專利技術所揭示的
技術實現思路
得能涵蓋的范圍內。
[0027]圖1為本專利技術實施例提供的基于土壤養分遙感信息和作物模型確定作物需肥量的方法的流程圖；
[0028]圖2為本專利技術實施例提供的基于土壤養分遙感信息和作物模型確定作物需肥量的方法的實施流程框圖。
具體實施方式
[0029]以下本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于土壤養分遙感信息和作物模型確定作物需肥量的方法，其特征在于，包括如下步驟：S1：獲取遙感影像數據信息以及實測土壤養分數據信息，構建土壤5養分遙感反演模型，得到研究區域土壤養分空間分布數據；S2：獲取監測區域內實時氣象數據信息，形成精細化的網格氣象數據信息；S3：根據遙感影像數據信息，獲得歸一化植被指數，結合精細化的網格氣象數據信息，構建作物遙感估產模型；0S4：根據實地調研研究區域的施肥量，結合“3414”測土配方試驗設置多個施肥區間，基于WOFOST作物模型，獲得當季不同作物下的肥料利用率；S5：根據監測區域作物產量、土壤養分含量及元素當季利用率，基于WOFOST作物模型，獲得當季不同作物下土壤有效養分校正系數，確5定各監測區下不同作物的需肥量，進而確定實際的施肥量。2.如權利要求1所述的基于土壤養分遙感信息和作物模型確定作物需肥量的方法，其特征在于，所述步驟S1中，實測土壤養分數據信息包括作物吸收養分量、肥料施用量、肥料中養分含量、目標產量和單位產物所需養分含量，作物吸收養分量具體包括施肥區作物吸收養分量和缺0素區作物吸收養分量，土壤養分遙感模型采用XGBoots機器學習算法構建，構建土壤養分遙感反演模型，得到研究區域土壤養分空間分布情況。3.如權利要求2所述的基于土壤養分遙感信息和作物模型確定作物需肥量的方法，其特征在于，所述步驟S3中，作物遙感估產模型的構建方法為：下載包括空間分辨率為2m的遙感影像數據，通過軟件預處理，5獲得歸一化植被指數，最后再結合所述精細化網格氣象數據形成作物遙感估產模型。4.如權利要求3所述的基于土壤養分遙感信息和作物模型確定作物需肥量的方法，其特征在于，所述步驟S4中，所述多個施肥區間包括四個施肥標準，分別為不施肥、0.5倍常規施肥、常規...

【專利技術屬性】
技術研發人員：吳磊，孫世山，刁萬英，
申請(專利權)人：蘇州深藍空間遙感技術有限公司，
類型：發明
國別省市：