本發(fā)明涉及農(nóng)業(yè)精準管理領域，尤其涉及一種基于無人機空地協(xié)同的作物養(yǎng)分實時反演及精準變量施肥方法。

背景技術：

1、隨著全球人口的不斷增長和農(nóng)業(yè)需求的日益增加，提升作物產(chǎn)量和農(nóng)業(yè)資源利用效率成為了當前農(nóng)業(yè)發(fā)展的重要目標。傳統(tǒng)農(nóng)業(yè)依賴于大規(guī)模的施肥和灌溉方式，然而，隨著化肥的過度使用，土壤質(zhì)量退化、環(huán)境污染以及作物營養(yǎng)不均衡等問題愈加突出。因此，精確的作物養(yǎng)分管理和精準施肥技術的研究成為了農(nóng)業(yè)科技領域的熱點。

2、近年來，無人機技術、傳感器技術以及大數(shù)據(jù)分析技術的快速發(fā)展，為精準農(nóng)業(yè)提供了新的機遇。無人機能夠在較短時間內(nèi)覆蓋大面積農(nóng)田，并通過搭載多種傳感器，實時采集作物生長、土壤養(yǎng)分、氣象環(huán)境等數(shù)據(jù)。這些數(shù)據(jù)的獲取能夠為作物的養(yǎng)分需求提供精確的指導，進而實現(xiàn)定量、定時、定地的精準施肥，顯著提升了施肥的效率和作物的產(chǎn)量，同時減少了資源浪費和環(huán)境污染。

3、但現(xiàn)有的作物養(yǎng)分管理和施肥技術不能實時反映作物的動態(tài)生長情況與環(huán)境條件變化，且缺少高效的空地協(xié)同作業(yè)機制，故一種基于無人機空地協(xié)同的作物養(yǎng)分實時反演及精準變量施肥方法應運而生。

技術實現(xiàn)思路

1、本發(fā)明提供一種基于無人機空地協(xié)同的作物養(yǎng)分實時反演及精準變量施肥方法，以解決現(xiàn)有的作物養(yǎng)分管理和施肥技術不能實時反映作物的動態(tài)生長情況與環(huán)境條件變化，導致施肥策略難以適應快速變化的農(nóng)田環(huán)境，從而造成施肥效率低下，甚至可能出現(xiàn)施肥過量或不足的情況；難以精準推算作物的養(yǎng)分需求，缺少高效的空地協(xié)同作業(yè)機制，作業(yè)效率低且資源利用率不高；以及難以實時調(diào)整施肥量和施肥位置，以應對作物生長過程中的動態(tài)變化與不確定性，導致施肥精度和作物響應之間存在較大差距的問題。

2、本發(fā)明的一種基于無人機空地協(xié)同的作物養(yǎng)分實時反演及精準變量施肥方法，包括以下步驟：

3、s1、通過無人機和地面?zhèn)鞲衅骶W(wǎng)絡協(xié)同采集多源數(shù)據(jù)，并同步整合多源數(shù)據(jù)，得到原始數(shù)據(jù)矩陣；對原始數(shù)據(jù)矩陣進行預處理操作，得到預處理后的數(shù)據(jù)；對預處理后的數(shù)據(jù)進行融合，得到融合數(shù)據(jù)矩陣；基于融合數(shù)據(jù)矩陣，通過多維空間和時間耦合機制，結(jié)合遞歸權重機制，計算作物對養(yǎng)分的預測需求值；基于作物對養(yǎng)分的預測需求值，推算作物養(yǎng)分需求的時間動態(tài)特性；

4、s2、基于作物對養(yǎng)分的預測需求值，采用精準變量施肥算法計算施肥量分布；基于施肥量分布，優(yōu)化無人機和地面水肥設備的作業(yè)路徑，得到空中和地面協(xié)同施肥的最優(yōu)路徑；通過反饋調(diào)整機制，動態(tài)優(yōu)化施肥量分布。

5、優(yōu)選的，所述s1，具體包括：

6、采用時間積分操作將預處理后的數(shù)據(jù)融合成高維矩陣，公式如下：

7、

8、其中，d是融合數(shù)據(jù)矩陣；t0和分別是數(shù)據(jù)采集的起始時間和當前時間；rvi是紅邊波段反射率；g是綠光波段反射率；b是藍光波段反射率；ndvi是歸一化植被指數(shù)，表示作物健康指標；e是環(huán)境因子；rvi、g、b、ndvi、e來自預處理后的數(shù)據(jù)。

9、優(yōu)選的，所述s1，具體包括：

10、根據(jù)融合數(shù)據(jù)矩陣的空間變化特性和作物健康指標，通過梯度與曲率分析，并結(jié)合遞歸權重機制，綜合分析作物的空間分布動態(tài)對養(yǎng)分反演的貢獻。

11、優(yōu)選的，所述s1，具體包括：

12、通過多維空間和時間耦合機制，捕捉作物養(yǎng)分的動態(tài)分布特征和空間非線性變化規(guī)律，并通過作物對養(yǎng)分的預測需求公式計算作物對養(yǎng)分的預測需求值；作物對養(yǎng)分的預測需求公式為：

13、

14、其中，是第k次遞歸的反演作物養(yǎng)分需求值，表示作物在當前時刻對養(yǎng)分的預測需求值；表示融合數(shù)據(jù)矩陣在橫向空間維度上的一階梯度變化；是融合數(shù)據(jù)矩陣在縱向空間維度上的二階導數(shù)，表示養(yǎng)分分布的曲率或變化的劇烈程度；(x，y)是空間坐標；ω是時間遞歸權重因子；是第k-1次遞歸的反演作物養(yǎng)分需求值，表示歷史反演結(jié)果。

15、優(yōu)選的，所述s1，具體包括：

16、當滿足設定的收斂條件時，輸出最終反演結(jié)果；基于最終反演結(jié)果，利用目標養(yǎng)分需求、作物對養(yǎng)分的預測需求值及環(huán)境條件的動態(tài)變化，計算養(yǎng)分需求的即時變化率。

17、優(yōu)選的，所述s2，具體包括：

18、精準變量施肥算法通過動態(tài)非線性分布模型利用施肥量分布公式計算每個地塊的施肥量，施肥量分布公式為：

19、

20、其中，f(x，y，t)是在空間位置(x，y)和時間t上的施肥量分布；c是施肥濃度因子；nopt表示目標養(yǎng)分需求；npred是作物在當前時刻對養(yǎng)分的預測需求值；e是環(huán)境因子；ndvi是歸一化植被指數(shù)，表示作物健康指標；是第k次遞歸的反演作物養(yǎng)分需求在時間t上的變化率。

21、優(yōu)選的，所述s2，具體包括：

22、無人機和地面水肥設備根據(jù)空間和時間上的施肥量分布分別執(zhí)行空中和地面作業(yè)；通過平衡無人機和地面水肥設備的施肥量之間的差異，同時最小化無人機和地面水肥設備作業(yè)路徑的冗余，優(yōu)化無人機和地面水肥設備的作業(yè)路徑。

23、優(yōu)選的，所述s2，具體包括：

24、作業(yè)路徑優(yōu)化公式為：

25、

26、其中，popt(t)是空中和地面協(xié)同施肥的最優(yōu)路徑；fuav和fground分別為空中和地面的施肥量分布；t1和t2分別是空中和地面協(xié)同施肥任務的起始時間點和終止時間點；λ是空地協(xié)同平衡因子。

27、優(yōu)選的，所述s2，具體包括：

28、反饋調(diào)整機制通過結(jié)合空中和地面協(xié)同施肥的最優(yōu)路徑與作物養(yǎng)分需求的動態(tài)變化趨勢，對施肥量分布進行實時優(yōu)化調(diào)整。

29、本發(fā)明的技術方案的有益效果是：

30、1、通過無人機和地面?zhèn)鞲衅骶W(wǎng)絡的協(xié)同工作，實現(xiàn)了對農(nóng)田環(huán)境和作物狀態(tài)的全方位實時監(jiān)控，提供了精準的作物養(yǎng)分需求反演結(jié)果，反演結(jié)果結(jié)合時空分布特性，使得施肥策略能夠更精確地匹配作物的實際需求，減少肥料浪費，提升資源利用率；通過將來自無人機和地面?zhèn)鞲衅鞯亩嘣磾?shù)據(jù)進行同步整合、預處理和融合，能夠捕捉作物與環(huán)境的動態(tài)耦合特性；通過多層遞歸和時空梯度分析，不僅能準確預測作物的養(yǎng)分需求，還能夠?qū)崟r追蹤其動態(tài)變化，從而及時調(diào)整施肥策略，實現(xiàn)養(yǎng)分的精準補給。

31、2、精準變量施肥算法通過動態(tài)非線性分布模型來計算施肥量分布，通過結(jié)合環(huán)境條件及作物的養(yǎng)分需求的動態(tài)變化，確保施肥策略更加高效和精準，最大限度減少環(huán)境波動對施肥效果的影響，從而提高作物產(chǎn)量與肥料使用效率；通過無人機與地面水肥設備的高效協(xié)同作業(yè)路徑優(yōu)化，不僅可以優(yōu)化施肥量分布，還能減少設備作業(yè)路徑冗余，降低作業(yè)時間，提高施肥作業(yè)的整體效率。

32、3、反饋調(diào)整機制通過實時監(jiān)測作物狀態(tài)和作業(yè)路徑的變化，能夠動態(tài)調(diào)整施肥量分布，確保施肥策略能夠靈活應對作物需求的波動，進一步提高施肥作業(yè)的精準性和協(xié)同性；通過精準的變量施肥，作物能夠在不同生長階段獲得所需養(yǎng)分，從而提高作物的產(chǎn)量和質(zhì)量。同時，施肥量分布的優(yōu)化和精準控制，大大減少了環(huán)境污染和肥料浪費，提升了農(nóng)業(yè)生產(chǎn)的可持續(xù)性。