灌溉管理智能化和灌溉決策智慧化是灌區(qū)信息化的核心,對(duì)于提高水資源利用效率,實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化,促進(jìn)“鄉(xiāng)村振興”戰(zhàn)略實(shí)施具有重要意義。要實(shí)現(xiàn)精準(zhǔn)灌溉,快速準(zhǔn)確地獲取信息是基礎(chǔ),及時(shí)科學(xué)地灌溉決策是核心。本研究將信息融合技術(shù)引入到農(nóng)田灌溉領(lǐng)域,以冬小麥為研究對(duì)象,開展了基于多源信息融合的灌溉決策方法研究。通過3a的田間試驗(yàn)和室內(nèi)分析,分析了土壤水分、葉水勢(shì)、冠層溫度和氣孔導(dǎo)度等灌溉決策指標(biāo)的變化規(guī)律,構(gòu)建了基于高光譜的土壤水分估算模型,確定了冬小麥不同生育期、不同土層土壤水分的權(quán)重系數(shù),實(shí)現(xiàn)了土壤水分在點(diǎn)尺度和區(qū)域尺度的融合,構(gòu)建了不同灌溉決策指標(biāo)的隸屬度函數(shù),完成了多源灌溉決策信息在特征層和決策層的融合,解決了多源灌溉信息的融合難題。取得的主要成果如下:(1)系統(tǒng)分析了土壤水分、葉水勢(shì)、冠層溫度和氣孔導(dǎo)度等灌溉決策指標(biāo)的變化規(guī)律。采用留一交叉驗(yàn)證法,構(gòu)建了基于NVI的土壤水分估算模型,經(jīng)驗(yàn)證,所建模型的平均相對(duì)誤差MRE和均方根誤差RMSE分別為16.73%和0.0478。利用通徑分析方法,分析了葉水勢(shì)、冠層溫度和氣孔導(dǎo)度與氣象因素之間的關(guān)系,得出相對(duì)濕度對(duì)葉水勢(shì)的影響作用最明顯,飽和水汽壓差對(duì)冠層溫度和氣孔導(dǎo)度的影響作用最明顯。(2)實(shí)現(xiàn)了土壤水分在數(shù)據(jù)層的融合。采用自適應(yīng)加權(quán)平均融合算法,確定了冬小麥不同生育期、不同土層土壤水分的權(quán)重系數(shù),實(shí)現(xiàn)了土壤水分在點(diǎn)尺度的融合;利用貝葉斯最大熵方法,實(shí)現(xiàn)了三種不同來源土壤水分?jǐn)?shù)據(jù)的融合,結(jié)果表明,采用BME3(取土+EC-5傳感器+反演的土壤水分轉(zhuǎn)換成的高斯分布概率軟數(shù)據(jù))進(jìn)行融合,效果最好,完成了土壤水分在區(qū)域尺度的融合。(3)構(gòu)建了灌溉決策指標(biāo)的基本概率分配函數(shù),實(shí)現(xiàn)了多源灌溉信息在特征層的融合。采用模糊推理理論,對(duì)各灌溉決策因子屬性值進(jìn)行了模糊化,采用三角形隸屬度函數(shù),得到了土壤水分、氣孔導(dǎo)度、CWSI和葉水勢(shì)四個(gè)指標(biāo)的基本概率分配函數(shù),構(gòu)建了多個(gè)融合灌溉因子對(duì)灌溉決策的識(shí)別框架,為決策層融合提供基礎(chǔ)參數(shù)。(4)對(duì)D-S證據(jù)理論進(jìn)行了改進(jìn),實(shí)現(xiàn)了多源灌溉信息在決策層的融合。充分考慮灌溉決策的實(shí)際情況,對(duì)發(fā)生沖突的因子,引入距離函數(shù),將平均距離代替沖突證據(jù),解決了多源灌溉信息的融合問題及沖突因子的組合問題。利用實(shí)測(cè)數(shù)據(jù)對(duì)改進(jìn)算法進(jìn)行了驗(yàn)證,與經(jīng)典D-S證據(jù)理論相比,采用本文提出的改進(jìn)算法,灌溉決策的不確定性大大降低。
【學(xué)位單位】：中國(guó)農(nóng)業(yè)科學(xué)院
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2018
【中圖分類】：S274
【部分圖文】：

圖 3.5 葉水勢(shì)與氣象因子的通徑分析圖Fig. 3.5 Path analysis diagram of leaf water potential and meteorological factors層溫度變化規(guī)律分析同水分處理下的冠層溫度變化規(guī)律分析6 為 2016 年 4 月 8 日不同水分處理?xiàng)l件下的冬小麥冠層溫度日變化曲線。從圖水分處理?xiàng)l件下，冬小麥冠層溫度均呈現(xiàn)先上升后下降的趨勢(shì)，且呈現(xiàn)出明顯中，在 9:00 至 14:00 間，不同水分處理冬小麥的冠層溫度不斷升高，下午 1，這是由于隨著氣溫的升高、輻射強(qiáng)度和飽和水汽壓差的增大，蒸騰強(qiáng)度隨之水作用，冠層溫度不斷增加。之后在 15:00 至 17:00 間，隨著太陽(yáng)輻射的減弱，冠層溫度開始不斷下降，直至趨于平緩，并且，不同水分處理之間，冠層溫低水>中水>高水。這與史寶成（2008）、劉學(xué)著（1994）和司南（2016）等人

圖 3.9 冠層溫度與氣象因子的通徑分析圖Fig. 3.9 Path analysis diagram of canopy temperature and meteorological factors孔導(dǎo)度變化規(guī)律分析不同水分處理下的氣孔導(dǎo)度變化規(guī)律分析3.10 為 2016 年 4 月 8 日不同水分處理?xiàng)l件下的冬小麥氣孔導(dǎo)度日變化曲線。從同水分處理?xiàng)l件下，冬小麥葉片氣孔導(dǎo)度呈現(xiàn)先降低、后升高、再降低的變化和中水處理的氣孔導(dǎo)度均比高水處理的小，二者變化趨勢(shì)較一致，幾乎呈直線遞供應(yīng)充足，有利于氣孔的開放，高水處理的氣孔導(dǎo)度變化較大。中水和低水處上 9:00-10:00 左右，而高水處理的峰值出現(xiàn)在 10:00-11:00 左右。通過查看 4 月料發(fā)現(xiàn)，從 8:00 到 10:00，空氣溫度上升了 5.5℃，相對(duì)濕度從 79%迅速降到快速升高，空氣濕度減小，葉片細(xì)胞內(nèi)的 CO2濃度增加(徐莉平，2013)，受到由于其根系吸水不能滿足作物蒸騰的需要，作物需要通過關(guān)閉氣孔來減少體內(nèi)水則隨之減小。從本試驗(yàn)來看，水分脅迫會(huì)使氣孔導(dǎo)度峰值出現(xiàn)的時(shí)間提前，這

圖 3.12 氣孔導(dǎo)度與氣象因子的通徑分析圖Fig. 3.12 Path analysis diagram of canopy temperature and meteorological factors結(jié)主要分析了土壤水分、葉水勢(shì)、冠層溫度和氣孔導(dǎo)度灌溉決策指標(biāo)的變化規(guī)律，法，分析了各個(gè)氣象因子對(duì)灌溉指標(biāo)的直接影響和間接影響，得到了灌溉指標(biāo)對(duì)響應(yīng)因子，得出的主要結(jié)論如下： 水分變化規(guī)律水分處理?xiàng)l件下，在返青-拔節(jié)期，三個(gè)水分處理在 40-60 cm 土層的土壤水分變土壤水分曲線近似水平，原因可能是在該生育期冬小麥大部分根系主要分布在 4劃濕潤(rùn)層所處層次，作物主要消耗表層至 30 cm 土層的土壤水分；在拔節(jié)-抽穗期在 50-60 cm 土層的土壤水分均變化較小，原因可能是該生育期是小麥營(yíng)養(yǎng)生長(zhǎng)與期，作物為了保證正常生長(zhǎng)，根系不斷向縱深方向伸展以吸取水分和養(yǎng)分，計(jì)劃節(jié)期的 40 cm 左右，逐漸向縱深發(fā)展可能達(dá)到 60 cm 土層。到拔節(jié)-抽穗后期，

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔡甲冰;許迪;司南;魏征;;基于冠層溫度和土壤墑情的實(shí)時(shí)監(jiān)測(cè)與灌溉決策系統(tǒng)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年12期

2 楊昕馨;;基于改進(jìn)插值法的農(nóng)田土壤水分與養(yǎng)分空間變異研究[J];現(xiàn)代農(nóng)業(yè)科技;2015年18期

3 徐英;夏冰;;綜合BME和BNN法的農(nóng)田土壤水分與養(yǎng)分分布空間插值[J];農(nóng)業(yè)工程學(xué)報(bào);2015年16期

4 丁瓊;張佑麟;劉剛;徐振東;費(fèi)永俊;;水分脅迫對(duì)香樟和黑殼楠幼苗光合特性的影響[J];西南林業(yè)大學(xué)學(xué)報(bào);2015年04期

5 宋慶恒;劉英德;馬源;譚懿;;基于多傳感器數(shù)據(jù)融合的溫室溫濕度控制系統(tǒng)設(shè)計(jì)[J];江蘇農(nóng)業(yè)科學(xué);2015年06期

6 姚寧;周元?jiǎng)?宋利兵;劉健;李毅;吳淑芳;馮浩;何建強(qiáng);;不同水分脅迫條件下DSSAT-CERES-Wheat模型的調(diào)參與驗(yàn)證[J];農(nóng)業(yè)工程學(xué)報(bào);2015年12期

7 張若兮;楊勇;張楚天;;基于范疇型變量和貝葉斯最大熵的土壤有機(jī)質(zhì)空間預(yù)測(cè)[J];土壤通報(bào);2015年02期

8 齊學(xué)斌;黃仲冬;喬冬梅;張現(xiàn)超;李平;Mathiasn N Andersen;;灌區(qū)水資源合理配置研究進(jìn)展[J];水科學(xué)進(jìn)展;2015年02期

9 李波;韓麗麗;遲道才;王溥澤;;玉米光合指標(biāo)與土壤水分的關(guān)系研究[J];灌溉排水學(xué)報(bào);2015年01期

10 孫俊;金夏明;毛罕平;武小紅;楊寧;;高光譜圖像技術(shù)在摻假大米檢測(cè)中的應(yīng)用[J];農(nóng)業(yè)工程學(xué)報(bào);2014年21期

相關(guān)會(huì)議論文 前1條

1 王新;馬慶林;;一種新型的基本概率分配函數(shù)獲取方法及其應(yīng)用[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 張楚天;貝葉斯最大熵方法時(shí)空預(yù)測(cè)關(guān)鍵問題研究與應(yīng)用[D];華中農(nóng)業(yè)大學(xué);2016年

2 孫國(guó)祥;基于多信息融合的溫室黃瓜肥水一體化灌溉系統(tǒng)研究[D];南京農(nóng)業(yè)大學(xué);2016年

3 陸文星;信息缺失下的群決策方法與應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

4 楊天龍;面向網(wǎng)絡(luò)入侵檢測(cè)的串匹配算法優(yōu)化[D];哈爾濱工業(yè)大學(xué);2014年

5 馮鋒;基于軟集的不確定理論融合研究[D];陜西師范大學(xué);2012年

6 姚付啟;冬小麥高光譜特征及其生理生態(tài)參數(shù)估算模型研究[D];西北農(nóng)林科技大學(xué);2012年

7 孫銳;基于D-S證據(jù)理論的信息融合及在可靠性數(shù)據(jù)處理中的應(yīng)用研究[D];電子科技大學(xué);2012年

8 谷艷芳;不同水分處理下冬小麥光合產(chǎn)物分配格局、過程及調(diào)控機(jī)制的研究[D];河南大學(xué);2008年

9 龔本剛;基于證據(jù)理論的不完全信息多屬性決策方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2007年

10 王欣;多傳感器數(shù)據(jù)融合問題的研究[D];吉林大學(xué);2006年

相關(guān)碩士學(xué)位論文 前8條

1 司南;北京大興區(qū)冬小麥冠層溫度變化規(guī)律及相關(guān)影響因素研究[D];山東農(nóng)業(yè)大學(xué);2016年

2 夏冰;基于BME和NNE法的農(nóng)田土壤水分和養(yǎng)分空間插值[D];揚(yáng)州大學(xué);2015年

3 張杰;基于Zigbee和GPRS的果園智能灌溉控制系統(tǒng)設(shè)計(jì)[D];西北農(nóng)林科技大學(xué);2014年

4 鄭欽華;基于墑情監(jiān)測(cè)模型的膜下滴灌棉花水分管理決策支持系統(tǒng)[D];石河子大學(xué);2013年

5 李平;基于多源異類信息融合的異步電機(jī)故障診斷技術(shù)研究[D];湖南科技大學(xué);2013年

6 李麗;土壤水分對(duì)冬小麥生理生態(tài)特征影響的試驗(yàn)研究[D];南京信息工程大學(xué);2012年

7 蘇曉燕;基于多屬性數(shù)據(jù)融合決策的智能化農(nóng)業(yè)預(yù)警系統(tǒng)研究[D];上海交通大學(xué);2011年

8 張保梅;數(shù)據(jù)級(jí)與特征級(jí)上的數(shù)據(jù)融合方法研究[D];蘭州理工大學(xué);2005年

本文編號(hào)：2818392