预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共20页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115963243A(43)申请公布日2023.04.14(21)申请号202310031014.9G06N3/0442(2023.01)(22)申请日2023.01.10G06N3/045(2023.01)(71)申请人贵州省土壤肥料研究所(贵州省生态农业工程技术研究中心)(贵州省农业资源与环境研究所)地址550000贵州省贵阳市花溪区小河区金农路(72)发明人张雅蓉朱华清杨叶华熊涵李渝刘彦伶黄兴成(74)专利代理机构佛山粤进知识产权代理事务所(普通合伙)44463专利代理师王余钱(51)Int.Cl.G01N33/24(2006.01)G06N3/049(2023.01)权利要求书4页说明书11页附图4页(54)发明名称基于养分动态监测的土壤氮磷养分流失阻控方法与系统(57)摘要本发明公开了一种基于养分动态监测的土壤氮磷养分流失阻控方法与系统,获取目标区域的土壤理化性质、地形信息及地表径流信息,根据土壤理化性质分析获取土壤氮磷养分的空间分布,匹配目标区域的气象条件获取土壤氮磷养分量的时序变化序列,获取养分流失特征,构建养分流失预测模型预设时间后的土壤氮磷预测流失量,判断对应预测时间段内养分流失的主要影响因素;通过养分流失阻控的相关知识图谱根据主要影响因素确定适用于目标区域的阻控方案。本发明通过对目标地区的养分动态监测掌握其养分流失规律,制定针对性的土壤氮磷养分流失方案,降低了土壤治理综合成本,增加土壤氮磷养分流失的阻控效率,使得阻控方案综合效益最优。CN115963243ACN115963243A权利要求书1/4页1.一种基于养分动态监测的土壤氮磷养分流失阻控方法,其特征在于,包括以下步骤:获取目标区域的土壤理化性质、地形信息及地表径流信息,根据所述土壤理化性质分析获取土壤氮磷养分的空间分布,结合地形信息对土壤氮磷养分空间分布进行可视化表示;根据所述土壤氮磷养分空间分布匹配目标区域的气象条件获取土壤氮磷养分量的时序变化序列,通过时序变化序列获取养分流失特征,构建养分流失预测模型,利用养分流失特征进行训练;基于养分流失预测模型获取目标区域的预设时间后的土壤氮磷预测流失量,并判断对应预测时间段内养分流失的主要影响因素;通过养分流失阻控的相关知识图谱根据主要影响因素确定适用于目标区域的阻控方法,根据目标区域的气象条件、土地利用类型、地表径流信息及地形信息调整阻控方法的参数,生成目标区域的阻控方案。2.根据权利要求1所述的一种基于养分动态监测的土壤氮磷养分流失阻控方法,其特征在于,获取目标区域的土壤理化性质、地形信息及地表径流信息,根据所述土壤理化性质分析获取土壤氮磷养分的空间分布,结合地形信息对土壤氮磷养分空间分布进行可视化表示,具体为:通过目标区域的土壤监测信息获取土壤理化性质,将不同监测点的土壤理化性质提取监测点位的土壤氮磷养分含量;将目标区域进行划分,获取各子区域中植被覆盖信息、地形信息及地表径流信息,生成各子区域的特征值,基于特征值进行各子区域的相似度计算;若任意两子区域的相似度大于预设相似度阈值,则将两子区域归为同一类型区域,标注同一类型区域中不含监测点的子区域,获取同一类型区域中土壤氮磷养分含量的均值,作为标记子区域的土壤氮磷养分含量;根据目标区域的地形信息生成三维地形模型,将各子区域的土壤氮磷养分含量根据土层深度进行可视化标注,获取土壤氮磷养分的空间分布。3.根据权利要求1所述的一种基于养分动态监测的土壤氮磷养分流失阻控方法,其特征在于,根据所述土壤氮磷养分空间分布匹配目标区域的气象条件获取土壤氮磷养分量的时序变化序列,通过时序变化序列获取养分流失特征,构建养分流失预测模型,利用养分流失特征进行训练,具体为:将土壤氮磷养分的空间分布结合目标区域的施肥量及施肥时间戳确定目标区域的初始土壤氮磷养分含量,根据所述初始土壤氮磷养分含量获取目标区域中土壤氮磷养分的各种存在形态;根据目标区域的气象条件获取地表径流量变化,根据所述地表径流量变化获取土壤氮磷养分的各种存在形态的含量变化,获取土壤氮磷养分的各种存在形态中含量变化最大的存在形态;计算土壤氮磷养分含量变化最大的存在形态对应的初始土壤氮磷养分含量及地表径流中氮磷养分含量的差值,根据所述差值结合各时间戳生成土壤氮磷养分含量的时序变化序列;利用通过遗传算法优化后的神经网络模型结合LSTM模型构建养分流失预测模型,通过2CN115963243A权利要求书2/4页遗传算法优化的神经网络学习并提取目标区域土壤氮磷养分含量与气象条件、植被覆盖信息及地形信息的变化规律,生成土壤氮磷养分含量变化的时序特征序列;将土壤氮磷养分含量变化的时序特征序列输入LSTM模型中对时序序列进行分析学习,进行预设时间后的土壤氮磷养分的预测流失