CN119417639A 基于作物生长模型的作物精确管理方法及系统 （科芯(天津)生态农业科技有限公司）

基于作物生长模型的作物精确管理方法及本申请提供一种基于作物生长模型的作物集。利用贝叶斯法则动态调整作物生长模型参化策略平衡经济效益与环境保护。该方案实施2通过遥感技术及部署于田间的智能传感器和无人机，采集作物生数据以及农田的第二环境数据，并将所述第一环境数据和所述第二环境数据进行时空对根据所述综合环境数据集，通过贝叶斯更新法则对预先训练的基于所述作物产量预测结果及环境因素的不确定性对作物生成的影实施调整后的作物管理方案，实时获取作物的实际将所述综合环境数据集中的环境数据作为预先训练的作物生长从所述综合环境数据集中确定实际的作物生长情况，并将所述预测的作物通过贝叶斯更新法，基于所述生长情况差异结果调整所述作物生从调整后的模型参数的概率分布中随机抽取多个样本，每个样本代通过蒙特卡罗模拟方法将每组环境数据组合作为一个作物生长情景，通过量化所获取的环境因素的不确定性对作物生长的影响程度，3对于每个作物生长情景，计算所述作物生长情景下作物生长的关基于所述评估结果，评估不同环境因素对作物生长的关键指标的收集所有作物生长情景下调整后的作物产量的预测值，基于所述统计分析结果，确定作物产量的关键统计特性，以从所述综合环境数据集的环境数据中提取出用于反映作物实际生长状态的观测数据，通过贝叶斯更新法，基于所述生长情况差异结果调整所述作物生计算所述作物生长模型的每个模型参数在当前概率分布根据所述作物产量预测结果以及环境因素的不确定性对作物生长的基于决策者的偏好或特定情境下的优先级，从所述非劣解集中4根据所述作物产量预测结果以及环境因素的不确定性对经过多次迭代后，从调整后的多个操作参数组合中选择最采集模块，用于通过遥感技术及部署于田间的智能传感器和无人机，采生成模块，用于根据所述综合环境数据集，通过贝叶所述生成模块还用于基于所述作物产量预测结果及环境因素的不确定性对作物生成调整模块，用于实施调整后的作物管理方案，实为强化学习算法的输入，通过训练智能体在特定奖励机制下自动调整所述作物管理方案，要求1~7任一项所述的一种基于作物生长模型5[0003]目前，一些农业管理系统已经采用智能传感器网络和遥结果的影响；三是大多数现有方案未能结合经济效益与环境保护的双重目标来进行优化，6在所述作物生成情景下的作物生长情况，并根据所述作物生长情况计算作物产量的预测7[0028]从所述综合环境数据集的环境数据中提取出用于反映作物实际生长状态的观测数的概率分布，以使所述作物生长模型所预测的作物生长情况符合实际的作物生长情况，理方案能够最大程度地反映作物生长的实际需求和环境8境数据进行时空对齐，确保不同来源的环境数据在同一时间点和同一地理区域上的对应罗模拟方法模拟多个作物生长情景，并量化环境因素的不确定性对作物生成的影响程度，[0043]所述生成模块还用于基于所述作物产量预测结果及环境因素的不确定性对作物境数据进行时空对齐，确保不同来源的环境数据在同一时间点和同一地理区域上的对应9[0055]图2示出了本申请提供的一种基于作物生长模型的作物精确管理系统的结构示意[0060]图1为本申请实施例提供一种基于作物生长模型的作物精确管理方法的流程图，[0063]首先，部署于田间的智能传感器和无人机定期收集作物[0071]在获得作物生长预测和环境不确定性的影响评估后，粒寻找最优的操作参数设置。这些参数包括但不限于灌溉频率、肥料施用量、农药喷洒次数等。为了平衡经济效益与环境保护，引入了多目标优化模型，其中设定了若干个优化目标上传相关数据给云端系统。系统中的智能体根据上传的信息即时评估当前管理措施的效长模型所预测的作物生长情况符合实际的作物[0082]在一个小麦种植区的案例中，研究人员部署了多种传感器网络来监测土壤湿度、采用了蒙特卡罗模拟方法来评估环境因素不确定性对作物生长的影响。具体来说，从调整后的模型参数的概率分布中随机抽取多个样本，每个样本代表一组不同的环境数据组合区间的作物产量预测结果，其中置信区间表示在给定环境因素不确定性的条件下，作物产量以一定概率落在的数值范围内。规模的蒙特卡罗模拟实验。他们从调整后的模型参数概率分布中随机抽取了10，000个样[0091]为了解决环境因素不确定性对作物生长和产量预测的影步骤102中的所述通过量化所获取的环境因素的不确定性对作物生长的影响程度，调整所应的作物生长情景中适当增大或减小作物产量的预测值，以反映环境不确定性的真实影[0100]从所述综合环境数据集的环境数据中提取出用于反映作物实际生长状态的观测述作物生长模型所预测的作物生长情况更贴近实际的作做的目的是让模型能够不断学习并适应新的数据，从而改进其对未来作物生长的预测能被整合成一个综合环境数据集，并从中提取出反映苹果树实际生长状态的关键观测数据，[0106]研究人员将这些观测数据与预先训练好的苹果树生长模型的预测结果进行了对[0109]为了解决作物管理方案中经济效益与环境保护之间的平步骤103中的所述基于所述作物产量预测结果及环境因素的不确定性对作物生成的影响程每个解代表一个可行的作物管理方案。决策者可以根据自身偏好或特定情境下的优先级，减少环境影响的管理方案。他们首先根据作物产量预测结果和环境因素不确定性的影响，中的取值范围会根据作物产量预测结果和环境因素不确定性对作物生长的影响程度进行罗模拟的复杂模型。这种方法不仅能够动态调整作物生长模型的参数以适应新的观测数[0131]利用蒙特卡罗方法从调整后的模型参数的概率分布P(QIY,;;环境数据的方差；;变化量对作物产量的影响度量，wm是第m组环境数据组合的权重，是时间衰减因子，其中，在计算权重wm时，引入指数衰减因子以更好地;权重wm考虑了指数衰减因子和非线性影响后定义为：;其中p是控制权重衰减速度的参数，Dm是第mm组环境数据组合与实际;;;其中，Z是对应于所需置信水平的标准正态分布临界值（例如，95%置信水平时的比值获取。境因素相对于基准条件的变化及其对作物产[0153]：蒙特卡罗模拟次数或样本数量。表示从调整后的模型参数的概率分布行加权求和得到。f=0.1：控制权重衰减速度的参数；n=0.3：非线性影响系数；o=0.05：误差方差；=0.1置信水平的标准正态分布临界值；。;r(:;;;;;;对于m=1：;;高阶矩ky：;置信区间cr：;加权平均值ly=810吨/公顷；加权标准差oy=20吨/公顷；高阶矩y=3.5；则置信区间cr为：;[0171]此完整实施例展示了如何在小麦种植领域应用复杂化后的公式进行作物产量预[0172]图2为本申请实施例提供一种基于作物生长模型的作物精确管理系统的结构示意卡罗模拟方法模拟多个作物生长情景，并量化环境因素的不确定性对作物生成的影响程[0175]所述生成模块还用于基于所述作物产量预测结果及环境因素的不确定性对作物[0177]图2所述的基于作物生长模型的作物精确管理装置可以执行图1所示实施例所述[0178]在一个可能的设计中，图2所示实施例的基于作物生长模型的作物精确管理装置[0180]所述处理组件32用于上述图1所述实施例的基于作物生长模型的作物精确管理方任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（SRAM电可擦除可编程只读存储器（EEPROM可擦除可编[0184]输入/输出接口为处理组件和外围接口模块之间提供接口，上述外围接口