数字化作物模型

数字化灌溉重点从水肥高效利用角度，综合气象、土壤、作物习性和农事操作四类要素，构建一种简便实用的作物综合模型，称为数字化作物模型。

数字化作物模型首先通过传感器采集代替人工收集的方式，获取作物、土壤、气象、种植和水肥管理过程等数据，将各类数据带入决策模型经过模型运算，可生成当前是否需要进行施肥、灌溉，以及具体的施肥灌溉计划，用户按照计划操作田间自控设备进行施肥灌溉，以使作物得到科学、可靠的水肥供给。

决策模型的依据是作物的需水、需肥规律，由于作物各生育阶段的需水、需肥规律是变化的，决策时需依据多种指标综合判断作物当前生育阶段，用于推求预测时段作物需水需肥参数。土壤是供水供肥的介质和基础，不同类型的土壤对水肥贮存和供给的能力不同，需根据土壤质地类型和肥力测试情况，得到土壤供水和供肥相关参数

对于灌溉，根据土壤水分平衡方程，考虑时段内作物需水量、实测土壤墒情数据（土壤水分贮存情况）、时段内气象预报数据（降水），以及作物生长（根系深度）、土壤参数（降水利用参数和供水参数），计算时段的灌溉需水量。

对于施肥，根据适宜的目标产量、单位产量养分参数、各生育期需肥参数、土壤供肥参数等，计算各生育阶段作物生长所需养分量（元素），并根据选择施用的肥料、施肥设备等，计算所需施肥量。

基于计算的作物需水、需肥，综合考虑灌溉设备参数、作物适宜施肥浓度、水资源供给等限制条件，就可以制定出最终的灌溉施肥计划。

对于大型灌区考虑灌区内用水量调配，模型中气象预报采用国家5km×5km预报数据，最长可预测未来10天的水肥方案，并随着预报数据每日更新，每天以最新预报数据进行动态滚动计算，保证模型结果能快速适应气象变化。

数字化作物模型模拟生长过程，通过周边环境的天气状况得到作物的灌溉需水量，通过土壤内水分含量分布和作物根系状态分析取得满足灌溉时分段灌水的时间分区大小，在根据目标产量法预测肥料用量匹配，最终提供农事操作的决策结果。在模型中，由作物模型的动态耗水量计算出实时动态Kc值，通过作物生长图像深度分析给出生育期和灌溉用水量预测，测土后土壤供养模型分析出作物大元素，特别是氮元素动态缺量大小，最终给出预估作物产量，在各生育期应用的灌溉施肥数量，以及作物各生育期需要采取的合适农技技术措施。根据气候预测目标产量，由实际产量确定施肥量和灌溉水量。实现以水定产，以产定肥的施肥灌溉决策制度。

在作物模型算法基础上，构建了决策管理系统，利用大数据分析和决策展示应用功能，针对不同区域和不同农作条件，给出最佳的水肥应用方案，配合灌溉方式制定作物灌溉计划和施肥制度，指导农事操作。

具体操作是采用作物生长模型，模拟作物生长过程，取得灌溉需水量，通过养分专家系统分析得出肥料与产量的预测，最终提供后台智能分析结果，指导农户或农场管理决策，它是给用户提供一种农业种植生产中如何根据作物生长状况进行管理的工具。采用作物生长和智能决策数学模型及其分析方法为主，溶入知识学习、机器学习和人工智能技术。通过物联网传感系统、当地气象预报数据，提供当地、当时生长环境参数，经过大数据深度分析，预测未来气象的发展状态，根据预测的影响作物生长的关键数据如ETo的数据，作物生长模拟结果和灌溉用水量预测，作物施肥综合分析，作物生长图像和遥感图像深度分析给出生育期或大元素缺乏等结论，最终给出作物采用的合适农技技术措施，以便得到高产、优质的农业产品。

智慧水肥一体化物联网系统软件平台重点集中处理作物、以及与作物相关的肥料及其水肥相关的内容，实现智慧农场管理中水肥一体化内容。

它采用作物生长模型，模拟作物生长过程，取得灌溉需水量，通过肥料效应分析理论得出肥料与产量的预测，最终提供后台智能分析结果，指导农户或农场管理决策，它是给用户提供一种农业种植生产中如何根据作物生长状况进行管理的工具。具体地说，它采用作物生长和智能决策数学模型及其大数据分析方法，通过物联网传感系统、当地气象预报数据，提供当地、当时生长环境参数，经过大数据深度分析，预测未来气象的发展状态，根据预测的影响作物生长的关键数据如ETo的数据，作物生长模拟结果和灌溉用水量预测，作物施肥综合分析，作物生长图像和遥感图像深度分析，最终给出作物采用的合适农技技术措施，以便得到高产、优质的农业产品。