-
公开(公告)号:CN118536703A
公开(公告)日:2024-08-23
申请号:CN202410600073.8
申请日:2024-05-15
Applicant: 南京农业大学 , 南京农业大学泰州研究院
IPC: G06Q10/063 , G06Q50/02
Abstract: 本发明提供了一种基于遥感与水量平衡的高时空分辨率灌区稻田径流预测方法,基于遥感和调查数据确定区域尺度上稻田田块的初始灌溉时间/量以及田埂排水口高度空间分布;基于多源遥感获取灌区高时空分辨率蒸散发数据;基于观测水文数据提出渗漏定量模型,获取高时空分辨率稻田渗漏量数据;基于水量平衡方程在田块尺度上自动迭代模拟灌区稻田关键水文过程,精准预测稻田径流时空变化。本方法充分考虑了灌区不同田块初始灌溉时间/量以及田埂排水口高度的空间异质性,可以提高灌溉效率,同时也为农业面源污染流失评估提供精准的水情预报数据。
-
公开(公告)号:CN116541688B
公开(公告)日:2024-04-26
申请号:CN202310380233.8
申请日:2023-04-11
Applicant: 南京农业大学 , 南京农业大学泰州研究院
IPC: G06F18/213 , G01N33/18 , G06F18/10 , G06V20/10 , G06F123/02
Abstract: 本发明提供了一种基于遥感物候/植被信息的稻作灌区田面水氮浓度预测方法,运用GEE云平台,采用谐波分析提取水稻种植范围,通过双逻辑函数识别水稻主要物候时间;结合实地调研建立基于物候的施肥时间预测模型,建立基于水稻不同物候阶段LAI的施氮量反演模型,建立基于施肥后天数和施氮量的稻田田面水氮浓度预测模型;基于GEE云平台,运用施肥时间预测模型以及施氮量反演模型获取灌区内施肥时间及施氮量的时空变化,结合稻田田面水氮浓度预测模型,能够精准预测灌区稻田田面水氮浓度时空热点。本方法充分考虑了灌区不同田块施肥日期\量的时空变异性,并科学刻画出不同施肥日期\量下田面水氮浓度衰减规律,为面源氮污染物流失精准定量评估及减排提供保障。
-
公开(公告)号:CN116381176B
公开(公告)日:2024-04-12
申请号:CN202310380483.1
申请日:2023-04-11
Applicant: 南京农业大学 , 南京农业大学泰州研究院
Abstract: 本发明提供了一种基于低成本传感器和智能算法的灌区水体温室气体监测系统,通过低成本传感器监测系统实时监测灌区内池塘、河流的水环境参数(流量、水温、水深、pH、硝态氮、氨态氮、CO2溶解态浓度)和大气环境参数(CO2气体浓度),基于水环境参数和溶解态N2O实测数据集构建溶解态N2O智能算法,再通过温室气体水气界面交换模型实现灌区水环境的溶解态N2O和CO2及其排放通量同步监测,通过OneNET云服务器实现定时远程控制及灌区水生态系统的水质、溶解态N2O和CO2排放通量变化的可视化显示。本设计充分结合了传感器技术及智能算法的优势,既降低了成本,又实现了快速有效的灌区水生态系统N2O和CO2排放评估。
-
公开(公告)号:CN116541688A
公开(公告)日:2023-08-04
申请号:CN202310380233.8
申请日:2023-04-11
Applicant: 南京农业大学 , 南京农业大学泰州研究院
IPC: G06F18/213 , G01N33/18 , G06F18/10 , G06V20/10 , G06F123/02
Abstract: 本发明提供了一种基于遥感物候/植被信息的稻作灌区田面水氮浓度预测方法,运用GEE云平台,采用谐波分析提取水稻种植范围,通过双逻辑函数识别水稻主要物候时间;结合实地调研建立基于物候的施肥时间预测模型,建立基于水稻不同物候阶段LAI的施氮量反演模型,建立基于施肥后天数和施氮量的稻田田面水氮浓度预测模型;基于GEE云平台,运用施肥时间预测模型以及施氮量反演模型获取灌区内施肥时间及施氮量的时空变化,结合稻田田面水氮浓度预测模型,能够精准预测灌区稻田田面水氮浓度时空热点。本方法充分考虑了灌区不同田块施肥日期\量的时空变异性,并科学刻画出不同施肥日期\量下田面水氮浓度衰减规律,为面源氮污染物流失精准定量评估及减排提供保障。
-
公开(公告)号:CN116381176A
公开(公告)日:2023-07-04
申请号:CN202310380483.1
申请日:2023-04-11
Applicant: 南京农业大学 , 南京农业大学泰州研究院
Abstract: 本发明提供了一种基于低成本传感器和智能算法的灌区水体温室气体监测系统,通过低成本传感器监测系统实时监测灌区内池塘、河流的水环境参数(流量、水温、水深、pH、硝态氮、氨态氮、CO2溶解态浓度)和大气环境参数(CO2气体浓度),基于水环境参数和溶解态N2O实测数据集构建溶解态N2O智能算法,再通过温室气体水气界面交换模型实现灌区水环境的溶解态N2O和CO2及其排放通量同步监测,通过OneNET云服务器实现定时远程控制及灌区水生态系统的水质、溶解态N2O和CO2排放通量变化的可视化显示。本设计充分结合了传感器技术及智能算法的优势,既降低了成本,又实现了快速有效的灌区水生态系统N2O和CO2排放评估。
-
公开(公告)号:CN119066954A
公开(公告)日:2024-12-03
申请号:CN202411064087.9
申请日:2024-08-05
Applicant: 南京农业大学
IPC: G06F30/27 , G01N33/18 , G06F30/28 , G06Q50/02 , G06Q50/26 , G06N3/084 , G06N3/048 , G06F16/29 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 本发明提供了一种基于遥感和智能算法的稻田N2O温室气体排放监测方法,首先基于实测水质参数(水温、pH、总氮、无机氮)和溶解态N2O浓度数据,使用反向传播神经网络BPNN算法构建溶解态N2O预测模型;基于遥感的总氮、无机氮、pH以及水温反演算法,进一步与溶解态N2O预测模型、水‑气界面N2O排放模型相结合,最终构建了基于遥感和智能算法的稻田N2O温室气体排放监测方法,实现区域尺度不同田块N2O产生和排放的时空变化监测。该方法集成遥感技术和智能算法,能够提供高时空分辨率的监测数据,对探究复杂水肥管理下稻田N2O温室气体的产生与排放具有重要意义。
-
公开(公告)号:CN119541687A
公开(公告)日:2025-02-28
申请号:CN202411536346.3
申请日:2024-10-31
Applicant: 南京农业大学
Abstract: 本发明提供一种基于CH4MN模型的稻田甲烷排放预测方法,考虑了稻田甲烷排放微生物过程和土壤氮影响,减少模拟的不确定性,精准预测稻田甲烷排放。包括S1、获取稻田农业生产投入、水管理措施、气象数据,观测稻田土壤环境信息、水稻信息、微生物信息,作为CH4MN模型的输入数据;S2、基于CH4MN模型算法计算甲烷产生所需要的底物来源以及土壤环境、土壤氮素对有机质分解影响;S3、基于CH4MN模型算法计算土壤氧化还原电位、微生物、水稻植株对甲烷产生和氧化的影响;S4、使用步骤S1‑3计算的甲烷产生和氧化影响因子,基于CH4MN模型算法计算甲烷生成率以及排放率;S5、基于点位观测信息验证CH4MN模型精度。
-
公开(公告)号:CN119962346A
公开(公告)日:2025-05-09
申请号:CN202411894545.1
申请日:2024-12-20
Applicant: 南京农业大学
IPC: G06F30/27 , G06F30/28 , G16C20/30 , G06N7/01 , G06F119/12 , G06F119/08 , G06F119/14 , G06F111/08
Abstract: 本发明提供一种基于智能算法和过程模型的稻田NH3挥发模拟方法,针对田面水氨氮浓度、pH获取复杂,以及现有稻田NH3挥发过程模型对NH3(aq)和风速的不合理假设,提出解决方法,以提高模型使用效率,减少模拟的不确定性,精准预测稻田NH3挥发。发明内容包括:基于观测的施肥时间/量、田面水氨氮浓度数据,采用智能算法构建田面水氨氮浓度预测模型;基于JM模型,采用经验公式计算pH值,并修正模型中的NH3(aq)浓度和风速,从而构建NAU‑PNH3模型;基于点位观测信息验证NAU‑PNH3模型精度。该发明弥补了现有过程模型对关键参数假设的局限性,通过智能算法提高模型使用效率,为大范围预测稻田氨挥发排放与优化农业氮管理措施提供重要的科学支撑。
-
公开(公告)号:CN118737308A
公开(公告)日:2024-10-01
申请号:CN202410707496.X
申请日:2024-06-03
Applicant: 南京农业大学
Abstract: 本发明提供了一种基于遥感和智能算法的地表水体N2O温室气体排放监测方法,首先以地表水体为研究对象,通过实测水质数据,探究影响溶解态N2O的关键水质参数,使用深度神经网络算法构建溶解态N2O预测模型;利用多源遥感数据、地面高光谱信息及水质实测数据,构建水温、pH、溶解氧、无机氮的遥感反演算法;进一步与溶解态N2O预测模型、水‑气界面N2O排放模型相结合,最终构建了基于遥感和智能算法的地表水体N2O温室气体排放监测方法,实现基于遥感的地表水体N2O产生和排放的空间反演。本设计充分结合了遥感和智能算法的优势,更加全面、系统、准确地估算地表水体N2O产生和排放量,为水生态系统温室气体减排提供科学监测技术及数据支撑。
-
-
-
-
-
-
-
-