论文部分内容阅读
变量灌溉是以节能增产为目的的现代灌溉技术。变量灌溉系统可以应对空间变化中不同的灌溉需求,从而提高水分的利用效率。我国整体变量灌溉技术应用水平较低。系统成本高和传感器布设困难成为制约变量灌溉技术发展的主要因素。本研究结合先进的无人机遥感系统、模糊决策理论和嵌入式控制系统,开发了一套基于无人机遥感与地面监测数据的变量灌溉系统,论文的主要研究内容和结果如下:(1)根据中心支轴式喷灌机工作原理,设计并实现了中心支轴式喷灌机变量灌溉控制系统。该系统由远程监控端、控制系统基站和电磁阀控制器组成,其中远程监控端由计算机监控界面和数据收发器构成,控制系统基站和电磁阀控制器的主控芯片是STM32F103C8T6。在系统设计中,控制系统基站根据远程监控端传来的电磁阀占空比控制图来控制电磁阀组开闭时间,从而实现变量灌溉。此外,系统集成了土壤水分感应继电器,根据土壤水分的变化,当监测点相对土壤水分含量大于40%时控制系统关闭。控制系统装机测试中,不同管理区域灌溉量变化趋势同设定的占空比变化相一致,占空比为1时的平均灌溉量是583 g,以此为基准,在控制系统作用下灌溉量的平均绝对误差为15.15%,实际灌溉量平均高于设定灌溉量9.29%。(2)遥感图像的数值是基于地理位置坐标进行选取,该形式不能被控制系统直接使用,由于中心支轴式喷灌机管理区域是扇形的,根据管理区域形状将遥感数据分区域保存并求平均值,可以简化控制系统设计。本研究在python开发平台上结合GDAL和Numpy工具包,开发了适应中心支轴式喷灌机的遥感图像解析工具,根据不同的分辨率要求和中心支轴的坐标,将灌溉区域内的遥感数据划分成不同半径等圆心角的扇形管理区域。此外,该工具可以将图像“非数”值置为零,使“非数”不参与决策,降低拼接和计算过程中出现的错误值对决策结果的影响。(3)设计模糊系统用于遥感数据决策,最终生成占空比控制图。本研究基于Matlab设计了两种可以生成占空比控制图的模糊决策系统。第一种模糊决策系统是根据多光谱反演模型,将管理区波段数据计算后得到作物水分胁迫指数(Crop water stress index,CWSI)和作物系数(Crop coefficient,Kc),然后参考FAO-56蒸散量计算公式计算参考蒸散量(ET0),进而得到实际作物蒸散量(ETc),ETc和降雨量组成了作物生长水分变化量,使用CWSI和作物生长水分变化量作为模糊输入,根据经验模型制定的模糊规则和模糊集合进行Mamdani模糊推理,最后通过中心平均解模糊的方式得到电磁阀占空比。第二种模糊决策系统是利用多光谱数据计算植被指数(Vegetation index,VI),将VI和原始的热红外数据作为模糊输入,根据实验区域内VI和热红外图像像元亮度值(Digital number,DN)的最值确定模糊集合,通过Mamdani推理法和中心解模糊法得到电磁阀占空比。此外,研究中还介绍了两种灌溉时间设定方法供系统使用。决策系统测试中,设计不同梯度的水分胁迫处理实验验证系统可靠性,结果显示,当不同处理区域的水分胁迫差异大于10%时,两种系统的输出结果均有良好的决策梯度。通过地面相对土壤水分含量和决策结果的对照验证,基于原始数据的模糊决策系统准确度达到了90%。(4)使用python和matlab并基于Py Qt平台开发了变量灌溉决策系统软件,可以实现遥感数据处理、电磁阀占空比控制图可视化和局部缺水信息3D分析,软件覆盖决策系统所有内容且各功能运行良好。