CN119476832A 一种区域作物滚动修正智能灌溉决策方法 （东北农业大学）

候变化与田间管理变化进行实时动态调整灌溉2采用Sobol方法对作物生长模型参数进行敏感性分析，筛选出非敏感性参数与敏感性在本地化作物生长模型基础上，将规划年份相关数据输入至作将所得区域空间栅格长期灌溉制度作为参考灌溉制度，并应用于使用Sobol序列生成具有低差异的输入参3所述Sobol指数是用于衡量每个输入参数对模型输出的贡献程度的量化指标；通过编分析得到的敏感性指标，识别输入变量对作物S33:选择：通过非支配排序将个体分级并计算拥S35:评估：根据目标函数对新生成的个体进S38:输出结果：输出最优解集，即使得模拟值4obs和LAIisim分别为叶面积指数的实测值与模拟值，BioS42:设置约束条件：为反映实际生产中可用资S43:模型耦合：耦合作物模型与优化模型，S44:模型求解：采用NSGA_II算法求解优化模型，输出作物产量和灌水量的帕累托解S45:TOPSIS综合评价方法择优：帕累托解集择优，并采用5数据读取模块,用于实时读取农田信息数据库至系统中，包括但不限于作物土壤水分参考灌溉制度选择模块,用于决策者根据偏好角度从高水效、高产和节水区域空间栅格长期灌溉制度选择其一作为参考灌溉制度应用于灌溉智能预测模块,用于基于数据处理与存储模块提供的相关历史数据，利用机器学习算作物长势模块,用于导入数据处理与存储模块的相关数据，作物长势模块负责模拟时滚动修正模块,用于判断智能预测模块的气候预测结果和作物长势模块的灌溉效果是6SD为需水量。7来气候变化进行实时动态调整灌溉决策，以实现水资源利用效率和作物产量之间的新平[0012]采用Sobol方法对作物生长模型参数进行敏感性分析，筛选出非敏感性参数与敏8[0020]将所得区域空间栅格长期灌溉制度作为参考灌溉制度，[0029]所述Sobol指数是用于衡量每个输入参数对模型输出的贡献程度的量化指标；通所有参数共同相互作用而所引起的输出结果9[0037]分析得到的敏感性指标，识别输入变量对作物产量或其他目标变量的敏感性程[0052]S42:设置约束条件：为反映实际生产中可用资源的限制max与hmin分别为适宜水层深度上下限。[0077]数据读取模块,用于实时读取农田信息[0079]参考灌溉制度选择模块,用于决策者根据[0080]智能预测模块,用于基于数据处理与存储[0081]作物长势模块,用于导入数据处理与存储模[0082]滚动修正模块,用于判断智能预测模块的气候[0084]系统管理与维护模块,用于负责系有包含在本发明的发明宗旨范围内的合理的变换和组合均落入[0107]采用Sobol方法对作物生长模型参数进行敏感性分析，筛选出非敏感性参数与敏[0116]Sobol指数是用于衡量每个输入参数对模型输出的贡献程度的量化指标。通过编所有参数共同相互作用而所引起的输出结果[0124]分析得到的敏感性指标，识别输入变量对作物产量或其他目标变量的敏感性程产量对模型参数的敏感性皆不同。参数CVO(同化物转化为贮藏器官的效率)在各子区域皆[0127]各子区域确定需校准的模型参数后，联合NSGA-聂算法与作物模型进行模型参数[0128]步骤S2中确定需校准的模型参数后，步骤S3需联合NSGA-II算法与作物生长模型[0153]模型求解：采用NSGA_II算法求解优化模型，输出作物产量和灌水量的帕累托解max与hmin分别为适宜水层深度上下限。时决策精准灌溉的动态灌溉系统智能决策体系。包括建立基于遥感与物联网技术的农田[0178]S6:构建区域灌溉制度滚动修正系统；将所得区域空间栅格长期灌溉制度作为参格长期灌溉制度选择其一作为参考灌溉制度应用于灌溉