论文部分内容阅读
土壤墒情主要用于反映两个方面的含水量:一是农作物耕作层的土壤含水量;二是农作物对土壤水分的吸收量。土壤墒情对于农作物的根系生长起到了直接的影响,是一项重要的因素。但是从当前的情况看,土壤墒情绝大多数的检测和预告方法都比较的费时费力,而且在时效性方面也比较差,难以对土壤墒情变化情况进行及时反映。在互联网及信息技术的快速发展下,土壤墒情预告如果使用更多的信息化技术,则能对土壤墒情的数据处理效率进行有效的提升,最终强化我国农业用水的效率,成为抗旱部门的重要决策依据。所以此次研究以农田土壤墒情预告系统模型的构建作为对象,对以下内容进行了深入研究:(1)土壤墒情的数据采集是第一步,所以首先对土壤水分数据采集的相关移动终端进行设计,此次设计的是ASW-4移动终端,这种型号的移动终端可以对土壤样本里的水分含量进行快速的测量,而这些数据还能利用GPRS发回数据中心,同时还具备了GPS功能,这种功能可以对采样点坐标的相关信息进行定位。ASW-4移动终端相对来说成本比较低,而且在操作方面非常的简便,一般不受地理位置的限制,有着很高的灵活性,在配合固定监测站的情况下,就能够在区域覆盖方面能够做到均匀而全面。(2)此次设计开发的农田土壤墒情信息系统是以GIS技术为基础的。这个系统能够对ASW-4移动终端传输过来的数据进行接收,同时还对扩展接口进行了预留,此外还能对固定监测站的数据进行相应的接收。在功能方面,不但有数据采集,还有数据管理、数据储存、数据显示以及数据传输等功能,对于采样点的土壤含水量变化能够实时监测与预告,并通过图形的方式展现出来。系统结合了土壤水分和农作物生长期,可以作出比较精确的土壤墒情分析,进而掌握监测区域土壤墒情的整体趋势。(3)此次研究的BP神经网络学习样本的数据采集点为新乡市原阳县元武镇固定墒情监测站,通过BP神经网络技术构建土壤墒情预告系统模型。经过相关的分析,预告模型的输入变量为三个层次的土壤样本含水量、研究区的降水量、平均温度、空气湿度以及日照时间,而输出变量则是次日土壤样本第二层次的含水量,通过该流程实现土壤墒情预告模型的构建,最后采用遗传算法对BP神经网络进行优化,目的是为了提升预告模型的信息预告精度。此次研究成果已在新乡市卫滨区、牧野区、获嘉县、原阳县、延津县等地进行了推广使用,按照实际应用情况,系统可以稳定地运行,提高了监测效率与和预告效率,确保了当地的农业生产。