一种智慧水肥一体化灌溉方法及系统与流程

1.本发明涉及施肥灌溉技术领域，更具体的说是涉及一种智慧水肥一体化灌溉方法及系统。


背景技术：

2.通过滴灌水肥一体化技术将作物所需的水分和肥料直接运送到作物根区，实现水肥一体化，已成为解决农业用水短缺和水肥利用率低的一种重要方法，在世界范围内得到广泛应用。但是，现有滴灌水肥一体化技术主要存在两方面问题。
3.一方面，传统滴灌水肥一体化技术对运行管理参数的选取是根据灌溉水需求进行的。但是除灌溉水外，肥料也是滴灌系统发挥效益的关键。传统技术中仅依据灌溉水进行运行管理参数的选取的原则已不能满足灌溉水和肥料协同发展的需求。另一方面，当作物出现根部施肥不便时，如在作物生长后期，根系活力衰退，吸肥能力降低；或者当土壤环境对作物生长不利时，如水分过多、干旱、土壤过酸、过碱，造成作物根系吸收受阻，作物需要迅速恢复生长，而以根施方法不能及时满足作物需要时；某些肥料如磷、铁、锰、铜、锌肥等，如果作根施，易被土壤固定，影响施用效果；一些果树和其他深根系作物某些营养元素吸收量比较少，采用传统的施肥方法难以施到根系吸收部位，也不能充分发挥其肥效。
4.因此，如何提出一种智慧水肥一体化灌溉方法及系统，实时分析作物生长状态，并根据作物生长状态在根部施肥的基础上，应用叶面施肥技术，迅速补充营养、充分发挥肥料作用、实现增产增收是本领域技术人员亟需解决的问题。


技术实现要素：

5.有鉴于此，本发明提供了一种智慧水肥一体化灌溉方法及系统，在根部施肥的基础上，正确应用叶面施肥技术，充分发挥肥料作用，实现增产、增收。为了实现上述目的，本发明采用如下技术方案：
6.一种智慧水肥一体化灌溉方法，其特征在于，包括：
7.获取作物与作物生长所需的环境条件信息，构建数据集；
8.通过所述数据集训练作物生长预测模型；
9.获取采集系统的监测数据，构建灌溉子单元的实时数据集；
10.通过所述作物生长预测模型对灌溉子单元的实时数据集进行分析，预测作物生长趋势和缺乏条件，根据预测结果输出调整方案，通过灌溉支管路或无人机喷洒管路进行定点调整。
11.可选的，所述作物与作物生长所需的环境条件信息包括作物信息、作物各个生长时段所需的环境因素和元素信息、缺乏相应元素或环境条件引发的疾病以及对患病作物的救治措施。
12.可选的，所述作物生长预测模型为深度卷积神经网络模型，所述作物生长预测模型的构建步骤包括：
13.获取作物与作物生长所需的环境条件信息，作为输入数据；
14.将所述输入数据进行归一化处理，将所述输入数据分为训练集和测试集；
15.将所述训练集输入深度卷积神经网络中进行训练，得到预测神经网络模型；
16.将灌溉子单元的实时数据集输入所述作物生长预测模型中，得到所述作物生长趋势和缺乏条件。
17.可选的，所述采集系统的监测数据包括：土壤温度、土壤湿度、光照强度、土壤元素浓度、土壤ph值、土壤透气程度和作物根系存水强度。
18.可选的，所述根据预测结果输出调整方案，通过灌溉支管路或无人机喷洒管路进行定点调整包括：
19.获取所述作物生长趋势和缺乏条件，当作物生长缺水时，确定缺水的灌溉子单元，通过相应的灌溉支管路进行补水；
20.获取所述作物生长趋势和缺乏条件，当作物生长缺乏常见元素时，确定缺乏元素的灌溉子单元，通过相应的灌溉支管路进行元素补充；
21.获取所述作物生长趋势和缺乏条件，当作物生长缺乏稀有元素时，确定缺乏元素的灌溉子单元，通过对无人机喷洒叶面肥进行元素补充。
22.可选的，所述灌溉支管路包括灌溉渠、灌溉管路、滴灌渠或滴灌管路。
23.可选的，一种智慧水肥一体化灌溉系统，包括：进水管路、加肥管路、冲洗管路、灌溉管路、无人机喷洒管路、回水净化管路、控制系统和采集系统；
24.所述控制系统与采集系统信号连接，所述控制系统控制连接进水管路、加肥管路、冲洗管路、灌溉管路、无人机喷洒管路和回水净化管路；
25.所述进水管路包括依次连接的净水池、进水泵、流量计和进水电磁阀，所述进水管路与混合搅拌罐连接；
26.所述加肥管路包括多个加肥子管路，所述多个加肥子管路与混合搅拌罐连接，所述加肥子管路包括依次连接的肥料罐、加肥开关电磁阀和流量计；
27.所述冲洗管路包括依次连接的净水池、进水泵、冲洗开关电磁阀、加肥开关电磁阀、流量计和混合搅拌罐；
28.所述灌溉管路包括依次连接的灌溉电磁阀、灌溉泵、灌溉总管路、灌溉支管路和灌溉子单元，所述灌溉总管路与多个所述灌溉支管路连接，所述灌溉支管路包括依次连接的流量计、灌溉支路开关电磁阀；
29.所述无人机喷洒管路包括依次连接的混合搅拌罐、无人机喷洒开关电磁阀、喷洒泵和无人机。
30.可选的，所述控制系统为plc控制系统，所述控制系统用于接收采集系统的数据并输出控制信号。
31.可选的，所述采集系统包括风速传感器、ccd相机、gps定位模块、温度传感器、湿度传感器、光照传感器和土壤肥料养分检测仪，所述采集系统与控制系统信号连接。
32.可选的，还包括回水净化管路，所述回水净化管路包括依次连接的混合搅拌罐、排水电磁阀、废水池、净化池和净水池，所述回水净化管路将冲洗管路产生的废水经过废水池沉淀和净化池净化输出至净水池中。
33.经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种智慧水肥一
体化灌溉方法及系统，具有如下有益效果：
34.本发明通过获取作物与作物生长所需的环境条件信息，构建数据集；通过所述数据集训练作物生长预测模型；获取采集系统的监测数据，构建灌溉子单元的实时数据集；通过所述作物生长预测模型对灌溉子单元的实时数据集进行分析，预测作物生长趋势和缺乏条件，根据预测结果输出调整方案，通过灌溉支管路或无人机喷洒管路进行定点调整。
35.本发明根据各种作物的不同生长发育阶段对营养元素的需求情况以及作物突发的疾病来选择作物所需营养元素进行水肥灌溉。本发明所述无人机喷洒叶面肥通过选择适当的喷施时间，根据温度、湿度、风力等情况，选择无风阴天或湿度较大、蒸发量小的上午9时以前，最适宜的是在下午4时以后进行，如遇喷后3-4小时下雨，则需进行补喷。
36.本发明将所述叶面施肥与土壤施肥相结合，根据营养元素的需求，对需求量大的营养元素如氮、磷、钾等进行根部吸收，对需求量少的微量元素采用叶面施肥，各种养分能够很快地被作物叶片吸收。将叶面施肥与根部施肥相结合，在根部施肥的基础上，正确应用叶面施肥技术，充分发挥肥料的增产、增收作用，实现既经济、效果又好的施肥措施。
附图说明
37.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
38.图1为本发明提供的一种智慧水肥一体化灌溉系统结构示意图。
39.图2为本发明提供的一种智慧水肥一体化灌溉方法流程示意图。
40.其中，1-净水池，2-进水泵，3-进水管路，4-冲洗管路，5-肥料罐，6-加肥管路，7-灌溉泵，8-灌溉总管路，9-灌溉支管路，10-灌溉子单元，11-喷洒泵，12-无人机，13-混合搅拌罐，14-废水池，15-净化池，16-控制系统，17-采集系统。
具体实施方式
41.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
42.本发明实施例公开了一种智慧水肥一体化灌溉方法，如图2所示，包括：
43.获取作物与作物生长所需的环境条件信息，构建数据集；
44.通过所述数据集训练作物生长预测模型；
45.获取采集系统17的监测数据，构建灌溉子单元10的实时数据集；
46.通过所述作物生长预测模型对灌溉子单元10的实时数据集进行分析，预测作物生长趋势和缺乏条件，根据预测结果输出调整方案，通过灌溉支管路9或无人机喷洒管路进行定点调整。
47.进一步，还包括环境预测模型，预测当前环境，根据预测结果输出二次调整方案。
48.更进一步，取待预测区域的过去一段时间的降雨数据，包括降雨量、降雨时长，降
雨环境数据等；
49.对所述降雨数据进行降维处理，获得多个降雨要素；
50.对所述降雨要素进行聚类分析获得多个聚类，作为多个降雨分型，降雨分型包括阵雨、小雨、中雨、暴雨等；
51.采用降雨模型对多个降雨分型进行训练，得到不同的降雨分型下降雨预测模型；所述降雨模型为：
52.定义降雨系数h为：其中，ws为降雨量，w
av
为平均降雨量，
53.由于h随着w的增大而减小，采用指数函数进行拟合，即：
54.h＝bwm，两边取对数得logh＝logb+mlogw，
55.因此，采用最小二乘法得到b及m的值，b与m为待拟合参数，得到降雨模型：ws＝(bw
amv
+1)w
av
，对得到的t个聚类对应的降雨分型，分别进行训练，得到不同的降雨分型下降雨预测模型。
56.对待预测区域的未来一段时间的降雨进行预测，并计算预测结果的降雨分型，根据预测区域与t个聚类中心的欧式距离判断未来时间内的降雨分型，采用对应的降雨分型的降雨预测模型预测降雨量。
57.进一步的，所述作物与作物生长所需的环境条件信息包括作物信息、作物各个生长时段所需的环境因素和元素信息、缺乏相应元素或环境条件引发的疾病以及对患病作物的救治措施。
58.进一步的，所述作物生长预测模型为深度卷积神经网络模型，所述作物生长预测模型的构建步骤包括：
59.获取作物与作物生长所需的环境条件信息，作为输入数据；
60.将所述输入数据进行归一化处理，将所述输入数据分为训练集和测试集；
61.将所述训练集输入深度卷积神经网络中进行训练，得到预测神经网络模型；
62.将灌溉子单元10的实时数据集输入所述作物生长预测模型中，得到所述作物生长趋势和缺乏条件。
63.深度卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，卷积神经网络仿造生物的视知觉机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征，例如对像素进行学习、有稳定的效果且对数据没有额外的特征工程要求。
64.进一步的，所述作物生长预测模型的构建步骤包括：
65.步骤一，获取作物与作物生长所需的环境条件信息数据集，包括：作物信息、作物拍摄图像、作物各时段的图像、环境因素、元素因素和土壤影响因素作为输入数据，作物疾病种类以及对患病作物的救治措施作为输出数据，并对输入数据进行预处理；
66.步骤二，建立以特征标签为数据集的深度卷积神经网络cnn；
67.步骤三，利用深度学习技术进行拟合训练和特征学习，算出cnn的最佳参数；
68.步骤四，在cnn中输入需要预测的作物实时数据；
69.步骤五，结合深度学习在训练集先验分布的基础上预测出与作物实时数据对应的
最可能的输出值，输出值对应作物生长趋势和缺乏条件。
70.进一步的，所述采集系统17的监测数据包括：土壤温度、土壤湿度、光照强度、土壤元素浓度、土壤ph值、土壤透气程度和作物根系存水强度。
71.进一步的，所述根据预测结果输出调整方案，通过灌溉支管路9或无人机喷洒管路进行定点调整包括：
72.获取所述作物生长趋势和缺乏条件，当作物生长缺水时，根据gps定位确定缺水的灌溉子单元10，通过相应的灌溉支管路9进行补水；
73.获取所述作物生长趋势和缺乏条件，当作物生长缺乏常见元素时，根据gps定位确定缺乏元素的灌溉子单元10，通过相应的灌溉支管路9进行元素补充；
74.获取所述作物生长趋势和缺乏条件，当作物生长缺乏稀有元素时，根据gps定位确定缺乏元素的灌溉子单元10，通过无人机12喷洒叶面肥进行元素补充。某些肥料如磷、铁、锰、铜、锌肥等，如果作根施，易被土壤固定，影响施用效果，而采用叶面喷施就不会受土壤条件的限制。又如，一些果树和其他深根系作物某些营养元素吸收量比较少，如果采用传统的施肥方法难以施到根系吸收部位，也不能充分发挥其肥效，而叶面喷施则可取得较好的效果。同样，各种微量元素是作物生长发育过程中必不可少的营养物质，但施用量很少，例如钼肥，每亩施用量仅几十克，如果以根施方法则不易施匀。只有采取叶面喷施，才能达到经济有效。
75.进一步的，所述灌溉支管路9包括灌溉渠、灌溉管路、滴灌渠或滴灌管路。
76.在具体实施方式中，一种智慧水肥一体化灌溉系统，如图1所示，包括：进水管路3、加肥管路6、冲洗管路4、灌溉管路、无人机喷洒管路、回水净化管路、控制系统16和采集系统17；所述控制系统16与采集系统17信号连接，所述控制系统16控制连接进水管路3、加肥管路6、冲洗管路4、灌溉管路、无人机喷洒管路和回水净化管路；所述进水管路3包括依次连接的净水池1、进水泵2、流量计和进水电磁阀，所述进水管路与混合搅拌罐13连接；所述加肥管路6包括多个加肥子管路，所述多个加肥子管路与混合搅拌罐13连接，所述加肥子管路包括依次连接的肥料罐5、加肥开关电磁阀和流量计；所述冲洗管路4包括依次连接的净水池1、进水泵2、冲洗开关电磁阀、加肥开关电磁阀、流量计和混合搅拌罐13；所述灌溉管路包括依次连接的灌溉电磁阀、灌溉泵7、灌溉总管路8、灌溉支管路9和灌溉子单元10，所述灌溉总管路8与多个所述灌溉支管路9连接，所述灌溉支管路9包括依次连接的流量计、灌溉支路开关电磁阀；所述无人机喷洒管路包括依次连接的混合搅拌罐13、无人机喷洒开关电磁阀、喷洒泵11和无人机12。
77.在具体实施方式中，一种智慧水肥一体化灌溉系统，包括：
78.获取所述作物生长趋势和缺乏条件，当作物生长缺水时，根据gps定位确定缺水的灌溉子单元10，通过相应的灌溉支管路9进行补水包括：依次打开进水泵2、进水电磁阀、灌溉电磁阀、灌溉支路开关电磁阀，通过进水泵2和灌溉泵7的配合向相应的灌溉子单元10供水，通过流量计计算供水量，通过采集系统17实时采集灌溉子单元10的信息；
79.获取所述作物生长趋势和缺乏条件，当作物生长缺乏常见元素时，根据gps定位确定缺乏元素的灌溉子单元10，通过相应的灌溉支管路9进行元素补充包括：依次打开进水泵2、进水电磁阀、加肥开关电磁阀、灌溉电磁阀、灌溉支路开关电磁阀，通过控制系统16控制进水量和加肥量，通过混合搅拌罐13进行混合，通过灌溉泵7的向相应的灌溉子单元10供
水，通过采集系统17实时采集灌溉子单元10的信息；
80.获取所述作物生长趋势和缺乏条件，当作物生长缺乏稀有元素时，根据gps定位确定缺乏元素的灌溉子单元10，通过对无人机12喷洒叶面肥进行元素补充包括：依次打开进水泵2、进水电磁阀、加肥开关电磁阀、无人机喷洒开关电磁阀和喷洒泵11，通过控制系统16控制进水量和加肥量，通过混合搅拌罐13进行混合，通过喷洒泵11的向无人机12供应混合肥料，所述无人机12根据gps定位自动向相应的灌溉子单元进行叶面肥喷洒。
81.在所述混合搅拌罐13停止使用之后，通过冲洗管路4对加肥管路6和混合搅拌罐13进行冲洗，包括依次打开进水泵2、冲洗开关电磁阀和排水电磁阀，通过控制进水泵2向混合搅拌罐13内供水冲洗加肥管路6和混合搅拌罐13，废水经排水电磁阀排到废水池14，经过净化池15净化后回流到净水池1。
82.进一步的，所述控制系统16为plc控制系统，所述控制系统16用于接收采集系统17的数据并输出控制信号。所述采集系统17包括风速传感器、ccd相机、gps定位模块、温度传感器、湿度传感器、光照传感器和土壤肥料养分检测仪，所述采集系统17与控制系统16信号连接。
83.可编程逻辑控制器plc，一种具有微处理机的数字电子设备，用于自动化控制的数字逻辑控制器，可以将控制指令随时加载内存内储存与执行。可编程控制器由内部cpu，指令及资料内存、输入输出单元、电源模组、数字模拟等单元组成。所述plc控制系统中内置控制程序、作物生长预测模型，根据通过所述作物生长预测模型对灌溉子单元10的实时数据集进行分析，预测作物生长趋势和缺乏条件，根据预测结果输出调整方案，通过灌溉支管路9或无人机喷洒管路进行定点调整。
84.进一步的，还包括回水净化管路，所述回水净化管路包括依次连接的混合搅拌罐13、排水电磁阀、废水池14、净化池15和净水池1，所述回水净化管路将冲洗管路4产生的废水经过废水池14沉淀和净化池15净化输出至净水池1中。
85.本发明提出一种智慧水肥一体化灌溉方法及系统，根据各种作物的不同生长发育阶段对营养元素的需求情况以及作物突发的疾病来选择作物所需营养元素进行水肥灌溉。本发明所述无人机喷洒叶面肥通过选择适当的喷施时间，根据温度、湿度、风力等情况，选择无风阴天或湿度较大、蒸发量小的上午9时以前，最适宜的是在下午4时以后进行，如遇喷后3-4小时下雨，则需进行补喷。
86.本发明将所述叶面施肥与土壤施肥相结合，根据营养元素的需求，对量大的营养元素如氮、磷、钾等进行根部吸收，对微量元素采用叶面施肥，将叶面施肥与根部施肥相结合，在根部施肥的基础上，正确应用叶面施肥技术，充分发挥肥料的增产、增收作用，实现既经济、效果又好的施肥措施。
87.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
88.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明
将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种智慧水肥一体化灌溉方法，其特征在于，包括：获取作物与作物生长所需的环境条件信息，构建数据集；通过所述数据集训练作物生长预测模型；获取采集系统(17)的监测数据，构建灌溉子单元(10)的实时数据集；通过所述作物生长预测模型对灌溉子单元(10)的实时数据集进行分析，预测作物生长趋势和缺乏条件，根据预测结果输出调整方案，通过灌溉支管路(9)或无人机喷洒管路进行定点调整。2.根据权利要求1所述的一种智慧水肥一体化灌溉方法，其特征在于，所述作物与作物生长所需的环境条件信息包括作物信息、作物各个生长时段所需的环境因素和元素信息、缺乏相应元素或环境条件引发的疾病以及对患病作物的救治措施。3.根据权利要求1所述的一种智慧水肥一体化灌溉方法，其特征在于，所述作物生长预测模型为深度卷积神经网络模型，所述作物生长预测模型的构建步骤包括：获取作物与作物生长所需的环境条件信息，作为输入数据；将所述输入数据进行归一化处理，将所述输入数据分为训练集和测试集；将所述训练集输入到深度卷积神经网络中进行训练，得到预测神经网络模型；将灌溉子单元(10)的实时数据集输入至所述作物生长预测模型中，得到所述作物的生长趋势和缺乏条件。4.根据权利要求1所述的一种智慧水肥一体化灌溉方法，其特征在于，所述采集系统(17)的监测数据包括：土壤温度、土壤湿度、光照强度、土壤元素浓度、土壤ph值、土壤透气程度和作物根系存水强度。5.根据权利要求1所述的一种智慧水肥一体化灌溉方法，其特征在于，所述根据预测结果输出调整方案，通过灌溉支管路(9)或无人机喷洒管路进行定点调整包括：获取所述作物的生长趋势和缺乏条件，当作物生长缺水时，确定缺水的灌溉子单元(10)，通过相应的灌溉支管路(9)进行补水；获取所述作物的生长趋势和缺乏条件，当作物生长缺乏常见元素时，确定缺乏元素的灌溉子单元(10)，通过相应的灌溉支管路(9)进行元素补充；获取所述的作物生长趋势和缺乏条件，当作物生长缺乏稀有元素时，确定缺乏元素的灌溉子单元(10)，通过对无人机(12)喷洒叶面肥进行元素补充。6.根据权利要求1所述的一种智慧水肥一体化灌溉方法，其特征在于，所述灌溉支管路(9)包括灌溉渠、灌溉管路、滴灌渠或滴灌管路。7.一种智慧水肥一体化灌溉系统，应用上述权利要求1-6任一项所述的一种智慧水肥一体化灌溉方法，其特征在于，包括：进水管路(3)、加肥管路(6)、冲洗管路(4)、灌溉管路、无人机喷洒管路、回水净化管路、控制系统(16)和采集系统(17)；所述控制系统(16)与采集系统(17)信号连接，所述控制系统(16)分别控制连接进水管路(3)、加肥管路(6)、冲洗管路(4)、灌溉管路、无人机喷洒管路和回水净化管路；所述进水管路(3)包括依次连接的净水池(1)、进水泵(2)、流量计和进水电磁阀，所述进水管路与混合搅拌罐(13)连接；所述加肥管路(6)包括多个加肥子管路，所述多个加肥子管路与混合搅拌罐(13)连接，所述加肥子管路包括依次连接的肥料罐(5)、加肥开关电磁阀和流量计；
所述冲洗管路(4)包括依次连接的净水池(1)、进水泵(2)、冲洗开关电磁阀、加肥开关电磁阀、流量计和混合搅拌罐(13)；所述灌溉管路包括依次连接的灌溉电磁阀、灌溉泵(7)、灌溉总管路(8)、灌溉支管路(9)和灌溉子单元(10)，所述灌溉总管路(8)与多个所述灌溉支管路(9)连接，所述灌溉支管路(9)包括依次连接的流量计和灌溉支路开关电磁阀；所述无人机喷洒管路包括依次连接的混合搅拌罐(13)、无人机喷洒开关电磁阀、喷洒泵(11)和无人机(12)。8.根据权利要求7所述的一种智慧水肥一体化灌溉系统，其特征在于，所述控制系统(16)为plc控制系统，所述控制系统(16)用于接收采集系统(17)的数据并输出控制信号。9.根据权利要求7所述的一种智慧水肥一体化灌溉系统，其特征在于，所述采集系统(17)包括风速传感器、ccd相机、gps定位模块、温度传感器、湿度传感器、光照传感器和土壤肥料养分检测仪，所述采集系统(17)与控制系统(16)信号连接。10.根据权利要求7所述的一种智慧水肥一体化灌溉系统，其特征在于，还包括回水净化管路，所述回水净化管路包括依次连接的混合搅拌罐(13)、排水电磁阀、废水池(14)、净化池(15)和净水池(1)，所述回水净化管路将冲洗管路(4)产生的废水经过废水池(14)沉淀和净化池(15)净化输出至净水池(1)中。

技术总结
本发明公开了一种智慧水肥一体化灌溉方法及系统，涉及施肥灌溉技术领域，包括：获取作物与作物生长所需的环境条件信息，构建数据集；通过所述数据集训练作物生长预测模型；获取采集系统的监测数据，构建灌溉子单元的实时数据集；通过所述作物生长预测模型对灌溉子单元的实时数据集进行分析，预测作物生长趋势和缺乏条件，根据预测结果输出调整方案，通过灌溉支管路或无人机喷洒管路进行定点调整。本发明将所述叶面施肥与土壤施肥相结合，根据营养元素的需求，将叶面施肥与根部施肥相结合，充分发挥肥料的增产、增收作用，实现既经济、效果又好的施肥措施。又好的施肥措施。又好的施肥措施。


技术研发人员：郑振浩 谢豪军 王其尚 张育斌 王飞 秦方锦 李林章
受保护的技术使用者：宁波市农业技术推广总站
技术研发日：2023.07.26
技术公布日：2023/10/5