作物需水量（共4篇）
作物需水量 篇1
作物需水量作为农田水利工程规划、设计与灌溉用水管理的重要参数,长期以来一直为水利科学界所重视[1]。作物需水量受气象、土壤、作物条件的影响,其中以气象条件和土壤含水率的影响最显著,气温愈高、日照时间愈长、太阳辐射愈强、空气湿度愈低、风速愈大,需水量愈大,因而它空间上往往表现出很大的差异性。传统作物需水量数据往往只是某一点上的数据,而这些定点数据大多不能直接用于其他点上,更不能代替某一较大面积上的平均值,但是,我们又不可能无限制地增多监测的站点,这就要求我们根据已有站点数据采用科学的方法实现点到面得尺度转换,并且尽可能的提高预测的精度[2]。
人工神经网络,是模拟生物神经网络进行信息处理的一种数学模型。它以对大脑的生理研究成果为基础,其目的在于模拟大脑的某些机理和机制,实现一些特定的功能。人工神经网络是由基本单元即神经元大规模并行、互相连接而成的非线性动力学系统。神经计算具有分布式存贮、并行处理和自适应学习的特点,显示运算迅速、响应灵活、容错性好。神经网络方法可直接使用样本数据实现输入层与输出层之间的非线性映射。其中多层前馈神经网络(BP网络)具有良好的非线性映射能力,结构简单,性能良好。
GIS里所采用的地统计学方法是以反映变量空间结构特征的结构函数(如半变异函数)为基础,以取得估计方差最小为目标,在无偏性约束条件下求优的一种估计方法[3]。地统计学作为为研究土壤水、 盐以及泥沙的空间迁移、扩散和分布关系等强有力的工具,近些年来在作物需水量的估值和空间结构分析方面也得到了初步应用。
在已知作物需水量具有很大空间差异性的基础上,本文将作物需水量实际监测站点的地理坐标以及高程作为输入层,通过BP神经网络对分析数据进行加密插值,进而应用地统计学的空间分析功能与GIS的空间数据管理功能,实现对空间作物需水量的预测。
1主要分析方法及其结果分析
1.1数据来源
本文采用的是河南省冬小麦的作物需水量数据。数据主要来源于“全国灌溉试验数据库”和通过常规气象观测资料结合作物需水量公式计算的结果。数据主要由监测点坐标值以及高程,冬小麦实际作物需水量组成。空间数据主要有全国行政区域图以及国际科学数据服务平台免费提供的SRTM90密分辨率原始高程数据。
1.2软件工具
本研究采用分析软件有美国MathWorks公司出品的商业数学软件MATLAB以及美国环境系统研究所(ERSI)的GIS桌面平台系统ArcGisDesktop9.3。MATLAB的神经网络工具箱提供了许多进行神经网络设计和分析的工具函数,使用者可以直接应用相应的函数来解决实际问题。ArcGisDesktop9.3是一个集成了众多高级GIS应用的软件套件,它包含了一套带有用户界面组件的Windows桌面应用(ArcMap,ArcCatalog,ArcToobox以及ArcGlobe)。
1.3研究方法
1.3.1使用BP网络对作物需水量进行加密插值
由于观测站点的限制,能获取的点的信息也相对有限,为了增加区域作物需水量估算的精度,就必须增加区域内点的数量。本文利用点的坐标以及高程进行网络学习,再利用学习好的网络对点进行加密。
BP网络是指在具有非线形传递函数神经元构成的前馈网络中采用误差反传(Back Propagition-BP)算法作为学习算法的前馈网络。它是一种多层前馈网络,通常由输入层、输出层和若干个隐含层构成。层与层之间的神经元之间采用全互联的连接方式,而同层内的神经元之间没有连接。
由监测点获得的河南省冬小麦的作物需水量一共有25个,取其中的的20个点作为训练的样本资料,其余5个点作为校核的样本资料。
将点样本的坐标X、Y以及高程Z作为网络的输入层节点,作物需水量作为输出层节点。为了加快网络的收敛性,首先必须对数据进行归一化处理[4]。MATLAB提供了premnmx函数进行数据归一化,在预测完成过后再利用postmnmx函数对数据的量纲和量级进行还原。
确定网络拓扑结构。采用3层BP网络模型,拓扑结构如图1所示。由于确定BP网络隐含层节点没有规范方法,采用公式(1)给定的区间进行试算,最终确定BP网络的拓扑结构为3∶7∶1。
式中:nh、ni、nj分别为BP网络输入层、隐含层、和输出层的节点数。
隐含层的激活函数采用S型正切函数Tansig,输出层的激活函数采用线性函数Purelin。采用学习率Ir=0.02进行训练。网络训练的结果如表1所示。
从表1结果可以看出,训练精度最大相对误差为5.31%,说明结果精度较高,可满足要求。
再使用训练好的网络对校核样本的5个数据进行检验,检验结果如表2所示。
从预测结果来看,预报值与实测值最大相对误差不到6%,所有结果从定性上都是一致的,说明利用该BP网络,可以进行作物需水量的加密插值。
选取需要加密插值的点,将各点坐标X、Y以及高程Z作为输入节点,利用训练好的BP网络进行点的预测。由于空间插值过程中数据缺乏区域的插值误差较大,所以加密插值的点主要集中在已知点间跨度较大的区域,加密后的点由原来的25个增加到加密完成后的42个,如图2所示。
1.3.2使用GIS里的协克里金法对作物需水量进行空间插值
克里金插值法是地统计学的重要组成部分,也是地统计学的核心。协克里金法用1个或多个次要变量对所感兴趣的变量进行插值估算,它不仅结合了空间的相关性,也考虑到了变量间的相关性。本文采用协克里金法将高程Z作为一个协变量进行作物需水量的空间插值[5]:
式中:ET(x)为x点处插得的作物需水量;ETui为第i个点的已知作物需水量;Z(x)为x点处的高程;n为已知点的个数;mz、mET为高程和作物需水量的全局平均值;λi、λ为协克里金插值权重系数。
式(2)中的插值权重系数可以通过相应的线性方程组求得。计算公式如下:
式中:μ(x)、μ(u)为考虑权重系数约束条件的拉格朗日算子;γzET(x-xi)为位置x与xi处第1类与第2类信息的交叉变异函数值,其计算公式如下:
式中:n(h)为相距h的采样点的配对数。协克里金内插的关键是估计交叉变异函数。本文把作物需水量点的高程作为第2影响因素引入到作物需水量的空间插值上来。
利用ARCGIS里Geostatistical Analyst中提供的协克里金法对加密过后的作物需水量进行空间插值,在地统计学方法中通常采用预测误差的均值(Mean)、预测误差的均方根(Root-Mean-Square)、平均预测标准差( Average Standard Error)、平均标准差 ( Mean Standardized)、标准均方根预测误差 (Root-Mean-Square Standardized) 5个指标来评价其预测精度。河南省作物需水量的预测误差如表3所示。从表3中5个误差的结果可以看出,使用协克里金法对河南省冬小麦作物需水量进行空间插值的预测精度较高。
图3为使用协克里金插值的河南省冬小麦作物需水量空间分布图。由图3可以看出,河南省冬小麦的作物需水量存在着较大的空间变异性,总体趋势是作物需水量由南向北递增。由于河南省地形较平坦,河南省冬小麦作物需水量受地形影响较小,受纬度影响较大。
将实测点的作物水量值与空间插值后的值作比较,以检验空间预测的结果,如表4所示。
从表4的结果可以看出,除站点19的误差为9.86%外,其余站点的预测精度都相对较高,整体预测精度都在10%以下,说明该方法对河南省冬小麦作物需水量的空间预测具有较好的预测精度。
2结论
本文在实测河南省冬小麦作物需水量的基础上,利用实测站点的地理坐标X、Y以及高程Z作为输入节点,通过BP神经网络对分析数据进行加密插值,并采用GIS中的协克里金法结合高程Z作为一个协变量进行作物需水量的空间插值,得到了精度较高的作物需水量空间分布图。通过对预测结果的分析,发现使用该方法对于河南省冬小麦作物需水量的预测具有较好的预测精度,方法有一定的参考价值。
GIS里除采用协克里金法外,还可以采用多种插值方法,对某一地区的预测具体采取何种方法,应以达到最高插值精度为准。影响作物需水量的因素除了地理坐标以及高程外,坡度、坡向、大气湿度、温度、风向等都会对某一地区的作物需水量产生影响。今后的研究应结合以上因素作进一步考虑。
参考文献
[1]陈玉民.中国主要作物需水量与灌溉[M].北京:水利电力出版社,1995.
[2]李恩羊.地质统计学在作物需水量研究中的应用[J].武汉水利电力学院学报,1991,(1):1-9.
[3]李恩羊,袁新.作物需水量的最优估计[J].水利学报,1989,(10):45-49.
[4]张良均.神经网络实用教程[M].北京:机械工业出版社,1995.
[5]徐天献,王玉宽,傅斌.四川省降水分布的插值分析[J].人民长江,2010,(10):9-12.
[6]王芬,彭国照.基于双层神经网络与GIS可视化的土壤重金属污染评价[J].农业工程学报,2010,(4):162-168.
[7]王景雷,孙景生.基于GIS和地统计学的图作物需水量等值线[J].农业工程学报,2004,(5):51-54.
[8]王景雷.作物需水量空间分布及监测站点布设研究——以河南省冬小麦为例[D].郑州:华北水利水电学院,2004.
[9]刘钰,汪林.中国主要作物灌溉需水量空间分布特征[J].农业工程学报,2009,(12):6-12.
[10]Kang-tsung Chang.地理信息系统导论[M].北京:科学出版社,2010.
[11]高瑞忠,朝伦巴根.基于随机样本的神经网络模型估算参考作物腾发量[J].农业工程学报,2009,(12):42-45.
[12]王景雷,孙景生.区域作物需水量估算存在的问题及解决途径[J].节水灌溉,2005,(3):4-7.
作物需水量 篇2
农业是北京市水资源消耗的大户,受水资源总量减少和生活、工业以及生态用水竞争的影响,1980年以来农业用水量持续下降,其在全市总用水量中所占的比重也呈下降趋势。1980-1984年北京市农业平均年用水量为2.88×109m3,2000年降至1.65×109m3,2005年只有1.32×109m3[4]。与此同时,农业用水占全市总用水量的比例也由20世纪80年代初的61%左右降为2005年的38.3%。农用水主要依靠地下水,地下水在农业用水量中所占比重一直呈显著增长趋势,由1980年的65.8%增加到2001年的75.6%[5]。由于长期开采地下水,导致地下水位以每年1.3m的速度下降,以至于在北京平原地区出现了2000km2的地下水漏斗区,对北京市的生态环境和农业的可持续发展造成了严重威胁[6]。
作物需水量占据农业总用水的大部分,掌握作物需水规律,对于制定农田灌溉制度,提高水分利用效率,调整作物种植结构,缓解水资源供需矛盾,以及制定农业用水规划等具有重要的意义[7,8]。国内一些学者对作物需水量以及与降水时空耦合、作物耗水特性和农田水分平衡状况等方面有一定研究[9,10,11],但针对北京地区作物需水量以及区域农田水量平衡等方面的系统研究并不多见。
本研究以京郊农田为例,分析了10种主要作物需水量与亏水量的多年变化趋势,在此基础上,以2006年作物种植结构为现状年依据,对天然状态下的区域农田水量平衡进行了分析,以便为区域水资源的高效利用、灌溉制度改进和种植结构调整提供科学依据。
1 材料与方法
1.1 数据来源
选取北京市20个气象站点1961-2006年(部分数据为1976-2006年)地面观测气象资料,包括逐日最高气温、最低气温、相对湿度、平均风速、日照时数以及降水量等,计算了京郊地区10种主要农作物的长时序逐日需水量,并统计为平均逐月需水量。
1.2 作物需水量的计算
作物需水量是指在适宜土壤水分和肥力水平下,经过正常生长发育并获得高产条件下全生育期所消耗的水量。本文作物需水量采用联合国粮农组织推荐的作物系数法计算,公式如下:
式中,ETc为充分供水条件下的作物生育期内的需水量(mm),京郊地区主要农作物的生育时期通过田间调查与统计,列于表1;Kc为作物系数;ETo为参考作物腾发量(mm),两者采用联合国粮农组织推荐的方法计算,即分段单值平均法计算作物系数和Penman-Montieth公式计算参考作物腾发量。
FAO对参考作物腾发量定义为一种假想参照作物冠层的腾发速率,假设作物高度为0.12m,固定的叶面阻力为70m/s,反射率为0.23,非常类似于表面开阔、高度一致、生长旺盛、完全覆盖地面而不缺水的绿色草地的蒸发蒸腾量[12]。根据这一定义,Penman-Monteith方程的具体表达式如下:
式中ETo—参考作物腾发量(mm/d);Rn—冠层表面净辐射(MJ/m2·d);G—土壤热通量(MJ/m2·d);T—平均气温(℃);ea—饱和水气压(k Pa);ed—实际水气压(kPa);Δ—饱和水气压-温度曲线斜率(kPa/℃);r—湿度计常数(kPa/℃);U2—2m处的风速(m/s)。
分段单值平均法计算作物系数将作物系数的变化过程概化为几个阶段,根据各阶段叶面蒸腾和土面蒸发的变化规律,用一个时段的平均值表示该阶段的作物系数,具体的计算方法可见文献[9]。本文将计算的作物系数统计为逐月平均值,用于统计作物逐月需水量。
1.3 t-检验方法
利用t-检验方法来确定主要作物需水量及亏水量的变化趋势[13]。t-检验方法的无效假设为斜率系数等于0。用t统计量检验斜率与0是否有显著差异,如果存在显著差异,则说明存在线性趋势,若斜率>0则说明需水量(亏水量)呈线性增加趋势,斜率<0则需水量(亏水量)呈线性下降趋势。
2 结果与分析
2.1 主要农作物多年平均需水量分析
图1是京郊地区主要粮食作物全生育期需水量年变化曲线。从图中可以看出冬小麦的需水量历年变化量在373.2-523.1mm之间,年际间变化较大,最大值与最小值相差149.9mm。夏玉米的需水量在284.4-342.4mm之间,年际间变化比较平缓。夏玉米的生育期主要处在6-8月份的雨季,对降水的利用效率较高,个别年份降水即可满足夏玉米生长需要,甚至略有水分盈余。对于春玉米来说,年需水量变化范围在360-440.7mm之间。春大豆的年需水量保持在369.9-452.2mm之间,其变化趋势与春玉米相似。薯类作物的年需水量在437.0-522.3mm之间,最大值与最小值之间相差85.3mm。水稻属高耗水作物,对水分需求较大,其需水量在664.2-794.5mm之间,年际间最大差值130.3mm,生育期内水分需求远远超过其他粮食作物。
图2显示了京郊地区主要经济作物的年需水量变化曲线。对于棉花来说,年需水量变化范围在475.7-580.6mm之间,平均年需水量为524.2mm。花生的年需水量的变化范围在420.2-507.6mm,多年平均需水量则为458.8mm。瓜类作物由于生育时期较短,年需水量与其它经济作物相比较少,多年需水量在306.6-372.2mm之间变化,多年平均需水量则为338.4mm。近年来,北京地区蔬菜种植面积呈增长趋势,其需水量在486.3-600.4mm之间,年际间相差较大,表现出需水量的不稳定性,最大值与最小值之间相差达114.1mm,多年平均需水量则为530.6mm,在经济作物中属于高耗水作物。
通过对北京地区主要作物年需水量变化状况的分析可知,受气象条件变化的影响,京郊地区主要农作物的年需水量随年份的变化在一定范围内上下波动。具体到每一种作物,由于其生理特性各异,年平均需水量差异较明显。就粮食作物来说,水稻的需水量最高,达729.2mm,是本地区年需水量最多的作物,其他粮食作物年需水量按照由高到低排序为甘薯>冬小麦>春大豆>春玉米>夏玉米。在经济作物中,蔬菜的年需水量最高,为530.6mm,其次为棉花、花生,西瓜由于生长期较短,年需水量最少。综合粮食作物与经济作物来看,需水量排序为水稻>蔬菜>棉花>甘薯>花生>冬小麦>春大豆>春玉米>西瓜>夏玉米。
京郊地区主要农作物需水量的增加趋势,对该地区的农业用水量状况造成了一定影响,另外还取决于自然降水的变化,通过统计多年北京地区作物生育期内有效降水(计算方法参见文献[14])的变化趋势(表2),发现夏玉米、春玉米、大豆、水稻和花生生育期内亏水量在0.05置信水平呈显著上升趋势,分别达到每10年增加11.0、11.6、13.4、12.2和14.5mm,对比需水量变化趋势,五种作物的亏水量比需水量的变化趋势分别增加了3.1、1.7、3.2、2.2和3.0mm。其他作物亏水量变化趋势不明显,其中西瓜的亏水量呈不显著下降趋势。
2.3 区域作物需水量的分布
作物需水量受多种因素的影响,不同作物种类、不同品种,其需水量不同,同一种作物品种,在不同生育时期和不同气象年型下,需水量也不相同。就区域水平来说,某种作物的总需水量还受种植业构成的影响。本研究以2006年京郊种植业构成作为现状年依据,对区域农田作物需水量需求状况进行了分析。按照现状年种植业构成来看,10种主要农作物的播种面积占当年总播种面积的95%以上,基本可以反映本地区农田作物需水量状况。
注:置信水平α=0.05,资料长度=46,t0.05=2.01;*为显著趋势
京郊地区主要农作物农田多年平均逐月需水量值见表3。从表3可以看出,京郊地区主要农作物生育期的总需水量为1293.8×106m3(折合单位面积需水量为425mm,下同),其中蔬菜由于播种面积大,为本地区需水量最多的作物,达到379.1×106m3(530.6mm),其次为春玉米、冬小麦和夏玉米,需水量分别为291.7×106m3(400.8mm)、285.1×106m3(308.6mm)和194.6×106m3(452.2mm),上述四种作物的需水量占到了总需水量的88.9%。从区域作物需水量的时间分布来看,大部分作物的需水量呈单峰状分布,即在生育前期需水量较小,随作物生育进程前进需水量增加,在生育中期达到最大,生育末期需水量逐渐减少。5-8月份为作物需水量较大的时段,需水量达974.3×106m3,占总需水量的75.3%,9月份正逢春播与夏播作物的收获期,需水量在156.5×106m3。
2.5 不同降水年型农田水分平衡分析
作物需水量与有效降水量的差值反映了农田水分平衡状况。不同水文年型下,作物的农田水分盈亏状况不同。掌握不同水文年型农田水分平衡状况,对于灌溉计划的制定及实现水资源的高效利用有重要的意义[11]。
利用经验频率法对京郊地区46年的降水数据进行了统计,从中选择25%、50%和75%降水保证率年份代表湿润年、平水年和枯水年,分别对应1998、2005和2002年。表4表示不同水文年型下,京郊农田的水量平衡情况。从表中可以看出无论是湿润年、平水年还是枯水年,有效降水均不能保证作物的水分需求,在天然状态下,农田水分以亏缺为主。三种水文年型下,农田的总亏水量分别为486.61×106m3、551.94×106m3、641.79×106m3,且随着降水量的减少,亏缺量呈增大的趋势。从不同作物亏水量的绝对值来说,蔬菜的亏水量最大,三种水文年型下的平均亏水量为234.62×106m3,其次为冬小麦和春玉米,平均亏水量分别为158.21×106m3和69.63×106m3。而从有效降水对作物需水满足度的角度来看,夏玉米和春玉米对降水的有效利用程度最高,三种年型下对有效降水占总需水量的比例平均值分别为79.0%和76.1%,大豆的降水有效利用率排在第三位,三种年型下的平均值为64.7%,而蔬菜和冬小麦的有效降水利用率最低,只有38.1%和44.5%。
3 结论和讨论
通过对农田水量平衡的分析可以得出,农田水分亏缺即为理论上的净灌溉量。京郊地区主要农作物即使在平水年的条件下也需551.94×106m3的净灌溉水资源。当前,北京市的农田灌溉水主要是以开采地下水为主。受水资源短缺的影响,地下水资源多年超采总量已达39.56×108m3,平均每年超采1.13×108m3[16]。从作物需水量以及作物对降水的有效利用方面来看,春玉米具有较高的节水潜力。当前北京市主要种植模式为冬小麦-夏玉米一年两熟制,在平水年下,该模式的净灌水量为191.46×106m3,假如以春玉米一熟制代替麦-玉两熟模式,一年即可节省净灌溉用水161.85×106m3,赵华甫[17]的研究表明,北京地区麦-玉两熟制和春玉米一熟制的经济效益并无显著差异,前者的经济效益虽然较后者略高,但却要多付出将近1倍的劳动时间和投资。本文的研究结果也说明春玉米一熟制替代麦-玉两熟制的节水效益是显著的,仅此一项改变,即可扭转地下水资源的超采状况。而对于蔬菜作物来说,虽然需水量较多,但与其他作物相比经济效益较高,对于蔬菜类作物的结构调整尚需要进一步研究。
本文对京郊地区10种主要农作物需水量与亏水量近46年的变化趋势、不同水文年型下的农田水分平衡等方面进行了研究,主要研究结论如下:
(1)京郊地区10种主要农作物的多年平均需水量排序为水稻>蔬菜>棉花>甘薯>花生>冬小麦>春大豆>春玉米>西瓜>夏玉米;分析近46年来作物需水量的变化趋势,除冬小麦为不显著增加外,其他作物在0.05的置信水平上达到显著增加,按照增加多少排序为薯类>花生>棉花>大豆>水稻>春玉米>西瓜>蔬菜>夏玉米;就亏水量趋势来说,夏玉米、春玉米、大豆、水稻和花生生育期内缺水量在0.05置信水平呈显著上升趋势,其他作物趋势不明显,其中西瓜呈不显著下降的趋势。
(2)以2006年为例,统计10种主要农作物的播种面积,得出天然状态下农田的作物需水量为1293.8×106m3,蔬菜、春玉米、冬小麦和夏玉米的需水量分别为379.1×106m3、291.7×106m3、285.1×106m3和194.6×106m3,上述四种作物的需水量占总需水量的88.9%;5到8月份为作物需水量较大的时段,需水量达974.3×106m3,占总需水量的75.3%。
作物需水量 篇3
对作物需水状况进行准确、快速和可靠的评价,是以实时监测和诊断与作物需水状况密切相关的作物水分信息为基础的。作物需水信息采集不仅是实施灌溉决策和管理的重要基础,也是现代节水农业技术体系和精量灌溉工程的一个重要组成部分[1]。
现代电子技术以及移动无线通讯技术的发展为农业信息的采集提供了有效的途径。国外已经形成了较为成熟的农业信息采集设备的系列产品,而国内在这方面的研究起步较晚,还没有形成成熟的产品。例如,王艳玲等采用C8051F020单片机作为中央处理器设计了基于GPRS的农田环境信息远程监测系统[2];李兴霞等基于嵌入式技术,采用ARM7处理器和GPRS通信方式设计研究了农田环境信息采集系统,实现了农田信息的实时采集[3]。这些远程数据采集系统的研究在通道数的扩展及系统的功耗上还存在一定的问题。
为此,设计了一种以德州仪器(TI)公司的超低功耗MSP430F149单片机为核心芯片、西门子公司MC39i为无线传输模块的多通道数据采集系统,用于作物需水信息(包括气象要素、土壤湿度)的采集。该系统能够实现多路作物需水信息的采集、存储、显示和与上位机无线传输,为实时诊断作物水分状况提供了依据和保证。
1 系统结构设计
作物需水信息实时采集系统结构如图1所示。该系统主要模块包括传感器模块、微处理器模块、数据存储模块、无线传输模块、电源模块、LCD显示及控制键盘电路。微控制器采用MSP430F149超低功耗混合信号控制器。
系统采用气象变送器及土壤传感器将采集到的标准电压信号传给单片机内置的ADC进行A/D转换,经过CPU进行数据处理,存储到数据存储器,能实现LCD显示,并通过GPRS进行无线传输至上位机。
2 硬件电路设计
2.1 处理器及外围电路
MSP430单片机是TI公司的一种基于16位RISC架构的超低功耗工业级混合信号微控制器。本系统采用的MSP430F149具有2kB RAM与64kB FLASH,能处理大量代码与数据。除了正常工作模式外,还有5种低功耗电压1.8～3.6V,超低功耗掉电模式仅0.1μA,待机模式1.1μA,活动模式也只有280μA(2.2V,1MHz)[4]。片内集成了丰富的外设,有USART串行收发模块和A/D转换模块等。另外,它可在线编程,不用外部编程电压,使用十分方便,而且开发工具很多,易于完成软件的设计、调试及其测试,在很大程度上缩短了开发周期。微处理器外围电路如图2所示。
2.2 实时时钟电路
本系统采用DS1302时钟芯片来获取数据采集时间,以实现系统数据的实时管理。DS1302是美国DALLAS公司推出的一种高性能、低功耗的实时时钟芯片,附加31字节静态RAM,采用SPI三线接口与CPU进行同步通信,能够计算秒、分、时、日、周、月、年,1个月小于31天时可以自动调整,且自动补偿2100年之前的闰年日期。时钟的工作格式可以是24h或带AM/PM指示的12h格式。DS1302实时时钟芯片硬件电路原理图如图3所示。DS1302与MSP430F149采用共同的复位信号,在系统上电时即可复位。此外,DS1302接有备用电池,保证系统断电时仍可保持精确的计时。
2.3 数据存储电路
本文采用的AT24C512是Atmel公司生产的64kB(512Kbit)的串行电可擦除的可编程存储器(EEPROM)。该芯片采用I2C总线设计;与1MHz(5V),400kHz(2.7V),100kHz(1.8V)I2C总线兼容;100 000次编程/擦写周期;内部有512页,每一页为128字节,存储容量为65 536Byte;任一单元的地址为16位,地址范围为0000～0FFFFH;单电源,读写电压为1.8～5.5V;数据可保存40年;写保护功能,当WP为高电平时,进入写保护状态;CMOS低功耗技术,最大写入电流为3mA;自动定时的写周期;采用8引脚封装,具有结构紧凑、存储量大的特点。电路原理图,如图4所示。
2.4 LCD液晶显示及控制键盘电路
系统采用3.3V低电压、低功耗的CH12864B液晶模块显示采集到的作物需水信号及其对应的采集通道号。该模块是一种具有4位/8位并行、2线或3线串行多种接口方式,利用其灵活的接口方式和简单、方便的操作指令,可以构成全中文人机交互图形界面,可以显示8×4行16×16点阵的汉字,也可以完成图形显示。
键盘由16个4×4阵列按键组成,分别为数字键0～9、确定(ENTER)、退出(ESC)、关机/小数点(OFF/.)、通道选择/液晶背光开启关闭(C/U/BL)。同时,通过对键盘的操作可以实现对采集时间、采集通道输入的设置,结合LCD使得每操作一步都会在液晶上显示出来,并作相应的提示,真正达到了人机交互的效果。
2.5 GPRS无线传输模块
GPRS无线数据传输模块选用的是GF-2008AW型GPRS DTU,内置西门子MC39i模块,主要由射频天线,内部Flash,SRAM,GSM基带处理器及匹配电源和一个40脚的ZIF插座组成。GSM基带处理器是核心部件,用来处理外部系统通过串口发送AT指令;射频天线部分主要实现信号的调制和解调,以及外部射频信号与内部基带处理器之间的信号转换;匹配电源为处理器及射频部分提供所需的电压[6]。MC39i模块的功能是将数据或命令通过与其连接的天线发射出去,或接受远端数据中心发送来的数据,再将接收到的数据或者命令进行相应的处理后送入微控制器中。该模块与MSP430F149之间采用RS232串口通信来完成数据交换,其接口电路采用MAX3232芯片实现。MAX3232是3.0～5.5V供电、低功率的RS232收发器,支持高达1Mbps的通信速率,仅需要4个0.1μF的电容作为外部元件即能够工作。电路原理图如图5所示。
3 软件设计
3.1 主程序流程
图6是作物需水信息远程实时采集系统主程序流程图。单片机系统启动后,先进行系统初始化。初始化子程序包括时钟、I/O端口、定时器、串口、液晶显示模块和ADC设置等一些参数的初始化。进入定时器中断后,开启数据采样通道,分别采集系统确定的各指标要素(气象要素与土壤水分)。对采集的模拟量信号进行A/D转换,转换完的数字信号存储到数据存储芯片AT24C512。微控制器将新数据写入LCD显示寄存器,更新LCD的显示内容。如果微控制器接收到上位机发来的通信信号,便会调用GPRS传输子程序以判断上位机发来的握手信号,若信号符合约定,则控制器就进行GPRS无线传输,将采集到的数据传至上位机。
3.2 各模块软件设计
系统采用IAR公司提供的开发调试环境IAR Embedded Workbench IDE进行软件的编译调试以及目标代码的下载,采用C语言和汇编语言作为系统软件的开发语言。
3.2.1 A/D初始化子程序
系统采用模/数转换的序列通道多次转换模式,对选定的多通道进行连续转换。由ADC12CTL1的CSTARTADDx位定义了第一个转换存储器的首地址。转换结果将顺序地存放在转换存储寄存器中。当由ADC12MCTLx寄存器中EOS位定义的最后一个通道转换完成之后,一次序列通道转换完成,触发信号会触发下一次序列通道转换[7]。本文中A0通道采集电位器的模拟电压,A1～A3通道分别采集空气温湿度变送器及土壤水分传感器输出的0～2.0V DC电压值,对其进行A/D转换。先对使用序列通道多次转换模式下的模/数转换模块的初始化设计程序如下:
#include<msp430x14x.h>
void ADC12init(void)
{
P6SEL |= BIT0 + BIT1 + BIT2 + BIT3;
//使能A/D输入通道A0～A3
ADC12CTL0=ADC12ON+SHT0_8+MSC+REFON+REF2_5V;
//打开ADC模块,延长采样时间以避免结果溢出
//序列多次转换
ADC12CTL1 = SHP+CONSEQ_3;
//SHP为1表示SIMPCON信号源于采样定时器,脉冲采样模式
//CONSEQ_3表示序列通道多次转换模式
ADC12MCTL0 = INCH_0 + SREF_1;
//VR+ = VREF+ and VR— = AVSS, 通道A0
ADC12MCTL1 = INCH_1 + SREF_1;
//VR+ = VREF+ and VR— = AVSS, 通道A1
ADC12MCTL2 = INCH_2 + SREF_1;
//VR+ = VREF+ and VR— = AVSS, 通道A2
ADC12MCTL3 = INCH_3+SREF_1+EOS;
//VR+ = VREF+ and VR— = AVSS, 通道A3,结束本次序列转换
ADC12IE = BIT3;
//使能中断ADC12IFG.3
ADC12CTL0 |= ENC;
//置位ENC,为开始转换做准备
}
由ADC12CTL1的CSTARTADDx位定义了第一个转换存储器的首地址。转换结果将顺序地存放在转换存储寄存器中。当由ADC12MCTLx寄存器中EOS位定义的最后一个通道转换完成之后,一次序列通道转换完成,触发信号会触发下一次序列通道转换。本文中A0通道采集电位器两端的模拟电压,A1～A3通道分别采集空气温湿度变送器以及土壤水分传感器输出的0～2.0V DC电压值,对其进行A/D转换。
ADC内核将模拟信号转换成12位数字信号并存入转换存储寄存器。内核使用两个参考电压,即VR+和VR-作为转换范围的上、下限和读数的满量程值和“0”值。转换值在输入信号大于或者等于VR+时为满量程值,小于或等于VR-时为“0”。输入通道和参考电平由转换存储控制寄存器定义。输入模拟电压最终转换结果公式为[8]
其中,NADC为A/D转换后的数值;Vin为输入的模拟电压值;VR+为参考电压的正端;VR-为参考电压的负端。
3.2.2 串口通信初始化子程序
MSP430F149包含两个USART模块(USART0和USART1),系统选用USAR0模块。串口UART0初始化程序如下:
void init_uart0(void)
//初始化UART0
{ unsigned int I;
WDTCTL=WDTPW+WDTHOLD;
//停止看门狗
P3SEL |= 0x30;
//P3.4和P3.5用作USART0 TXD/RXD
ME1 |= UTXE0 + URXE0;
//使能USART0 TXD/RXD
UCTL0 |= CHAR;
//字符长为8位
UTCTL0 |= SSEL0;
//选择时钟为ACLK
UBR00=0x03;
UBR10=0x00;
//波特率为9600、32K时钟
UMCTL0 = 0x4A;
//波特率调整
UCTL0&=～SWRST;
//UCTL0寄存器的第0位复位后,USART才能重新被允许
IE1 |=URXIE0+UTXIE0;
//使能接收/接收中断
}
3.2.3 实时时钟子程序
MCU通过其GPIO的P2.5,P2.6,P2.7端口与DS1302的SCLK,I/O及3个引脚连接,通过这3个I/O可以执行对DS1302的全部操作。初始化DS1302,对DS1302写入1个字节的数据程序如下:
//使用P2口, DS_RST = P2.7, DS_SCL = P2.5, DS_SDA = P2.6
//typedefined unsigned char uchar;
//typedef unsigned int uint;
void Reset_DS1302(void)
{
DS_RST_OUT;
//RST对应的IO设置为输出状态
DS_SCL_OUT;
//SCLK对应的IO设置为输出状态
DS_SCL0;
//SCLK=0
DS_RST0;
//RST=0
delay(10);
DS_SCL1;
//SCLK=1
}
void Write1Byte(uchar wdata)
{
uchar i;
DS_SDA_OUT;
//SDA对应的IO设置为输出状态
DS_RST1;
//REST=1;
for(i = 8; i > 0; i--)
{
if(wdata&0x01) DS_SDA1;
else DS_SDA0;
DS_SCL0;
delay(10);
DS_SCL1;
delay(10);
wdata >>= 1;
}
4 试验与结果分析
4.1 传感器选型
本文选用邯郸市清胜电子科技有限公司的CG-01空气温湿度变送器以及FDS-100土壤水分传感器,如图7和图8所示。CG-01变送器供电电压为7～12VDC;模拟信号输出0～2V,对应温度为-30～70℃,精度达到±0.2℃,对应湿度为 0～100%,精度达到±3%。FDS-100土壤水分传感器的测量原理是FDR频域法;量程为0～100%;精度在0～50%时可达±2%;工作电压7～24V;输出信号形式为模拟输出电压0～2V DC;响应时间小于1s。
试验中采集系统实物图如图9所示。
4.2 实验结果分析
对各通道A/D转换后的数值进行平滑滤波,取32次平均值。在实验室中通过调节电位器得到8组0～2.5V范围内的不同电压,对输出的每组电压进行采集,将12864液晶显示的电压值与VICTOR VC890D型数字万用表测得的电压进行对比。A0通道的部分电压测量数据如表1所示。
由表1的数据可以看出,通过系统采集并进行A/D转换、处理和显示的电压值与数字万用表测得的实际电压值很接近,甚至完全一样,可知系统的稳定性较高,采用第一组数据计算系统的百分误差为2.56%,计算公式为
5 结论
本文提出了一种基于超低功耗MSP430F149单片机、以计算作物需水量的彭曼—蒙特斯公式中的主要气象要素(温度、湿度、日照时数、风速、辐射)和土壤湿度作为采集对象的作物需水信息远程实时采集系统,设计了系统的实时时钟电路、数据存储模块、LCD液晶显示及控制键盘等电路,开发了系统各模块的控制软件,实现了通道选择、数据采集、数据处理、液晶显示等功能。系统充分利用了单片机内部的12位A/D转换模块完成对外部模拟量数据的采集转换与显示。经过试验,系统采集信号百分误差为2.56%,测试结果表明系统稳定性较高,能够很好地完成数据的采集及显示。
参考文献
[1]徐更琪,吴普特,韩文霆.作物需水信息实时监测与无线远程传输系统[J].农机化研究,2010,32(2):162-165.
[2]王艳玲.基于GPRS的农田信息远程监测系统研究[D].镇江:江苏大学,2008.
[3]李兴霞.基于嵌入式技术的农田环境信息采集系统的研究[D].哈尔滨:哈尔滨工程大学,2009.
[4]胡大可.MSP430系列FLASH型超低功耗16位单片机[M].北京:北京航空航天大学出版社,2001.
[5]魏小龙.MSP430系列单片机接口技术及系统设计实例[M].北京:北京航空航天大学出版社,2002.
[6]北京嘉复欣科技有限公司.GF-2008AW GPRS DTU使用手册[Z].北京:北京嘉复欣科技有限公司,2007.
[7]洪利,章扬,李世宝.MSP430单片机原理与应用实例详解[M].北京:北京航空航天大学出版社,2010.
作物需水量 篇4
根据以往经验分析,旱稻出苗—分蘖、分蘖—孕穗、孕穗—抽穗期作物耗水量对产量以及性状的影响至关重要。调亏灌溉旱稻产量性状试验设19个处理方案,主要研究3阶段作物灌溉水量对作物产量性状的影响,而产量的好坏通常是由千粒质量、有效穗、穗粒数来决定。为提出一个节水效率较高、产量较高的生物工程节水技术方案,必须准确反映水分在不同时期对产量性状的影响,通常都是建立各生育期供水充足程度XI=ET/ETm与产量比Y/ym之间的关系。其中,国际上用的比较多的有Stewart模型、Jensen模型、h.blank等几种模型[4,5,6,7];但考虑不同时期灌溉水量并利用统计回归模型和模糊数学来确定节水效率较高、产量较高的生物工程节水技术方案的还很少。本文将数学建模与模糊概率综合评价模型结合起来确定出一种理论上相对比较满意、产量较高的生物工程节水技术方案,可将很多对产量性状产生影响的因素的不确定性转化为确定性,这对试验结果和试验方案的优化具有重要意义[1,2]。
1 数据资料及研究方法
1.1 数据来源
试验在湖南农业大学资环院实验场地进行,整个生育期日期为出苗—分蘖 (5月2日-5月21日)、分蘖—孕穗 (5月22日-6月12日)、孕穗—抽穗 (6月13日-7月14日)、抽穗—乳熟(7月15日-8月19日)。试验品种为巴西陆稻IAPAR9,采用盆栽,灌溉期为121天。
研究方法采用多阶段—多水平,即出苗—分蘖期土壤水分含量为田间持水率的45%～55%,55%～65%,65%～75%3个处理;分蘖—孕穗期分为55%～65%,65%～75%,75%～85%3个处理;孕穗—抽穗期分为70%～80%,80%～90%2个处理。第4阶段不作试验处理,土壤水分保持在70%～80%。充分灌水处理(第19个处理方案)各阶段的水分含量为75%～85%,75%～85%,80%～90%,70%～80%。试验共设19个处理方案(1～19),其中设充分供水区作为对照。
1.2 数据资料
产量、千粒质量、有效穗,穗粒数与灌溉水量表,如表1所示。
1.3 研究方法
1.3.1 建立3个阶段灌溉水量与作物产量性状之间的统计回归数学模型
应用Matlab7.0(R14)软件进行计算,得到3个阶段灌溉水量与产量性状之间的拟合曲线和拟合多项式,用多元线性回归法和逐步回归法求出产量性状与3阶段作物灌溉水量之间的统计回归数学模型[2]。
1.3.2 模糊数学与统计回归模型的结合
以低产、中产、高产作为评判对象,产量、千粒质量、有效穗、穗粒数作为被评判对象的各因素,建立产量、千粒质量、有效穗、穗粒数属于低产、中产、高产的隶属度函数,并得到低产、中产、高产的判断集和模糊关系矩阵R,建立一级模糊概率综合评判模型,确定理论满意的旱稻高产节水灌溉技术方案。
2 结果与分析
2.1H1,H2,H3与产量Yc、千粒质量Yq、有效穗Ys、穗粒数Yz统计回归数学模型
分别以3个阶段灌溉水量H1,H2,H3为应变量,产量Yc、千粒质量Yq、有效穗Ys、穗粒数Yz为响应变量,建立合乎机理规律的统计回归数学模型,通过逐步回归和显著性检验找到对产量性状有显著影响的阶段灌溉水量[8]。
H1,H2,H3与产量Yc统计回归数学模型为
Yc=4.270 8-0.505 1(H2-0.468 7)4+0.989 3(H2-0.468 7)( H3-5.149 9)
二三阶段对产量的影响都比较显著。
H1,H2,H3与千粒质量Yq模型为Yq=28.585 9-1 324.59(H1-0.205 2)4,第一阶段的灌溉水量对千粒质量的影响比较显著。
H1,H2,H3与有效穗Ys模型为Ys =22.702 6+1.118 4(H3-4.818 8)+2.774 5(H2-0.436) (H3-4.818 8)。
可以看出,第二三阶段的灌溉水量对有效穗的影响比较显著。
H1,H2,H3与穗粒数Yz模型为Yz=103.98+14.346 5(H2-0.280 6)(H3-4.859 8)。
第二三阶段的灌溉水量对有穗粒数的影响比较显著。
2.2 模糊概率综合评判模型的确定与结果
2.2.1 确定V,U[9]
因素论域为U={产量,千粒质量,有效穗,穗粒数} 。
评判对象集合V={低产,中产,高产}。
计算得到系统聚类树如图1所示。
由此得到分类为{低产,中产,高产}时,各方案所属类型为
低产:{1} ;中产:{2 3 4 18 };高产{5 6 7 8 9 10 11 12 13 14 15 16 17 19}。
2.2.2 确定隶属度函数[1,9]
1)高产隶属度函数。产量高产隶属度函数为
undefined
千粒质量高产隶属度函数为
undefined
穗粒数高产隶属度函数为
undefined
有效穗高产隶属度函数为
undefined
2)中产隶属度函数。
产量中产隶属度函数为
undefined
千粒质量中产隶属度函数为
undefined
有效穗中产隶属度函数为
undefined
穗粒数中产隶属度函数为
undefined
3)低产隶属度函数。产量低产隶属度函数为
A1c(x) =1- A2c(x)- A3c(x)
千粒质量低产隶属度函数为
A1q(x)=1- A2q(x)- A3q(x)
有效穗低产隶属度函数为
A1ss(x)=1- A2ss(x)- A3ss(x)
穗粒数低产隶属度函数为
A1z(x)=1- A2z(x)- A3z(x)
2.2.3 由U→V确定的模糊关系矩阵R
模糊关系矩阵R为
undefined
=
undefined
2.2.4 求U上的权重模糊子集
经过对以往100次试验所得数据分析计算,确定A=(0.49,0.17,0.17,0.17),则一级模糊概率综合评判模型为B={ 0.49,0.17,0.17,0.17 }。
2.3确定理论满意方案及对应产量、千粒质量、有效穗、穗粒数
为找到一个在一定的灌溉水量下,产量较高、节水效率较高的生物工程技术方案,根据隶属度最大原则, 隶属度为1,从旱稻方面来考虑,只要满足1=X (0.49, 0.17, 0.17, 0.17)。
根据实际数据分析,如果有x=(1,1,1,1),则满足产量性状最优方案。实际上,极小解有很多,不是唯一一个[5]。
当X=(1,1,1,1)时,分别求得隶属度函数对应产量,千粒质量、有效穗以及穗粒数如表2所示。
结合产量Yc、千粒质量Yq、有效穗Ys、穗粒数Yz统计回归数学模型,经过选择计算,在满足H1,H2,H3都大于0的情况下,得到理论上经济产量比较高的旱稻节水灌溉技术方案如表3所示。
H0为播种—出苗期的灌溉水量
综合考虑高产下5～18,19共14个处理和理论相对满意方案,当A=(0.49 0.17 0.17 0.17)时,计算出每个处理对应的隶属度 B5,…,B19,则
Bi=(0.49 0.17 0.17 0.17)。(r1i ,r2i ,r3i ,r4i)T
根据隶属度最大原则,将隶属度由大到小排列,相对比较满意的处理依次为理论满意方案,第6,8,12,11,13,15,7,5,19,17,16,14,10,9个处理方案。
3 结语
1)统计回归模型认为分蘖—孕穗、孕穗—抽穗期的灌溉水量对产量、有效穗、穗粒数有显著性影响;对千粒质量有显著性影响的阶段为出苗—分蘖期。该模型能反映旱稻孕穗—抽穗期的灌溉水量对产量的影响最大,不能减少,分蘖—孕穗期的灌溉水量次之,可适当减少灌溉水量,但不能太多;出苗—分蘖期灌溉水量对产量的影响最小,可在出苗—分蘖、分蘖—孕穗期适当节水这一亏缺节水特性。
2)结合模糊数学建立对产量性状进行评价的一级模糊综合评判模型,确定出理论上相对满意的、产量较高、节水效率较高的生物工程节水技术方案,该方案土壤水分含量接近于7,8,11,12等4个处理。
3)利用模糊概率综合评判法对19个方案和相对满意方案的产量性状进行综合评判,得出高产满意方案依次为理论满意方案,第6,8,12,11,13,15,7,5,19,17,16,14,10,9个方案。
考虑不同时期灌溉水量并利用统计回归模型和模糊数学来确定一定的灌溉水量下、产量较高、节水效率较高的生物工程技术方案、并进行综合评判是可行的。
摘要：对调亏灌溉旱稻产量性状试验数据进行了分析研究,建立产量、千粒质量、有效穗、穗粒数与作物3阶段灌溉水量之间的统计回归数学模型,找出对产量、千粒质量、有效穗、穗粒数有显著影响的变量。建立了一级模糊概率综合评判模型,确定理论上满意的旱稻节水灌溉技术方案并进行综合评判,这对探索旱稻亏缺节水灌溉规律,提出一种节水效率较高、经济效益较好的生物工程节水技术具有重要的现实意义。
关键词：旱稻,统计回归,模糊概率,产量性状
参考文献
[1]杨纶标,高英仪.模糊数学原理及应用[M].广州:华南理工大学出版社,2004.
[2]陈仲生.基于Matlab7.0的统计信息处理[M].长沙:湖南科学技术出版社,2005.
[3]闻新,周露.MATLAB模糊逻辑工具箱的分析与应用[M].北京:科学出版社,2005.
[4]张祖莲.中稻水分生产函数及优化灌溉制度研究[J].节水灌溉,2001(6):20-22.
[5]盛锦山,曹桂兰.巴西陆稻在中国[J].世界农业,2000(8):18-20.
[6]金康书,钱秋平.巴西陆稻的应用价值及高产栽培技术[J].中国农业,2001(2):25.
[7]姚帮松,董成森.作物非充分灌溉研究进展[J].湖南农业科学,2003,7(4):42-44.
[8]丛湖平.统计学[M].北京:高等教育出版社,1998.