Способ автоматизированного управления состоянием посевов



Способ автоматизированного управления состоянием посевов
Способ автоматизированного управления состоянием посевов
Способ автоматизированного управления состоянием посевов
Способ автоматизированного управления состоянием посевов
Способ автоматизированного управления состоянием посевов
Способ автоматизированного управления состоянием посевов
Способ автоматизированного управления состоянием посевов
Способ автоматизированного управления состоянием посевов
Способ автоматизированного управления состоянием посевов
Способ автоматизированного управления состоянием посевов
Способ автоматизированного управления состоянием посевов
Способ автоматизированного управления состоянием посевов
Способ автоматизированного управления состоянием посевов

 


Владельцы патента RU 2537912:

Государственное научное учреждение Агрофизический научно-исследовательский институт Российской академии сельскохозяйственных наук (ГНУ АФИ Россельхозакадемии) (RU)

Изобретение относится к области сельского хозяйства. Способ включает операции по получению информации о физических свойствах, химическом составе почвы и о погодных условиях на сельскохозяйственном поле, а также информации о фактическом урожае за предыдущий год на каждом фрагменте сельскохозяйственного поля, сопоставляемой с сигналами системы определения пространственных координат во время уборки урожая, использование математических моделей влияния почвенных и климатических факторов на конечный урожай, производство расчетов по параметрам основных технологий перед посевом растений и проведение технологических воздействий в реальном времени в соответствии с этими расчетами для каждого фрагмента сельскохозяйственного поля. Перед началом периода вегетации определяют оптимальную программу изменения средних по полю показателей развития растений и параметров почвенной среды путем поиска максимума по параметрам технологических операций критерия оптимальности, учитывающего разность между стоимостью урожая и затратами на его получение. В реальном времени при рабочем проходе сельскохозяйственной машины с орудиями измеряют ее пространственные координаты, периодически фиксируют сигналы от метеостанции о температуре окружающего воздуха, уровне солнечной радиации, интенсивности осадков. По измеренной информации уточняют параметры моделей растений и почвенной среды, для каждого фрагмента поля сравнивают измеренные значения показателей развития растений и параметров почвенной среды с их оптимальными средними значениями, по результатам сравнения формируют поправки к средним оптимальным значениям параметров технологических воздействий. Для каждого фрагмента поля определяют размер общего технологического воздействия, складывающегося из оптимального среднего и локальной поправки, которое по модемной связи передают в форме задания бортовому регулятору орудия машины, осуществляющего технологическое воздействие. Информацию о физических свойствах, химическом составе почвы и растений получают периодическим отбором проб на тестовых площадках, расположенных рядом с основным полем, на которых возделывается одна и та же культура, как и на основном поле, и которые отличаются друг от друга разными фиксированными уровнями поливов и дозами внесения минеральных удобрений и регуляторов роста и развития растений. Одновременно с отборами проб на тестовых площадках средствами авиационного дистанционного зондирования формируют мультиспектральные изображения тестовых площадок и основного поля, по полученной спектральной информации и отобранным пробам уточняют математическую модель оптических измерений, отражающую связь состояния посевов и почвенной среды на тестовых площадках с параметрами отражения во всех используемых спектрах, по спектральной информации, полученной по всей площади основного поля, посредством математической модели оптических измерений оценивают состояние посевов и почвенной среды на основном поле для каждого момента времени измерения, по полученным оценкам и сигналам от метеостанции о температуре окружающего воздуха, уровне солнечной радиации и интенсивности осадков уточняют параметры математических моделей состояния посевов и почвенной среды, по которым затем уточняют оптимальную программу изменения средних по полю показателей развития растений и параметров почвенной среды, в реальном времени. При рабочих проходах технологических машин одновременно с измерением пространственных координат повторно формируют мультиспектральную картину всей площади основного поля, по которой с заданным шагом оценивают состояние посевов и почвенной среды, полученные оценки на отдельных фрагментах поля сравнивают с их оптимальными средними значениями, полученными при формировании оптимальной программы изменения средних по полю показателей развития растений и параметров почвенной среды. По результатам сравнения формируют поправки к средним оптимальным значениям параметров технологических воздействий и для каждого фрагмента поля определяют размер общего технологического воздействия, складывающегося из оптимального среднего и локальной поправки в заданной пространственной координате. Способ позволяет повысить величину и надежность процесса формирования урожая при существенном уменьшении объемов ручного труда. 2 ил.

 

Изобретение относится к области сельского хозяйства и может быть использовано в автоматизированных системах управления земледельческими технологиями при использовании информации оптических зондирующих приборов и систем.

Известен способ управления состоянием посевов на основе информации оптических датчиков дистанционного зондирования, размещенных непосредственно на технологических машинах (см. в книге «Точное сельское хозяйство (precision agriculture)», под общей редакцией Д. Шпаара, А.В. Захаренко, В.П. Якушева, стр. 144, 145. Санкт-Петербург-Пушкин, 2009 г.). В указанном способе на основе информации об отражении света в ближней инфракрасной и красной областях спектра, формируемой оптическими датчиками, определяют индекс NDVI (Normalized Difference Vegetation Index), получаемый путем деления разности параметров отражения в ближнем инфракрасном и красном диапазонах на их сумму, по которому регулируют дозы внесения азотных удобрений, для чего сначала определяют содержание хлорофилла в растениях, на основании которого оценивают поглощение азота посевами, и затем рассчитывают дозы внесения азотных удобрений.

Недостатком данного способа является то, что индекс NDVI, как и содержание хлорофилла в растениях, не являются показателями роста и развития растений, по которым можно обеспечить получение заданной величины урожая в конце периода вегетации. Кроме того, в данных способах не используется информация о состоянии почвенной среды, в частности о содержании в ней минеральных удобрений и запасе влаги, влияющем на поглощение посевами питательных элементов из почвы. Неучет этой информации приводит к тому, что в систему «растение - почва» вносятся те удобрения, которые посев может получить из почвы с ближайшими осадками, что в свою очередь вызывает перерасход дорогостоящих удобрений и нарушает требуемый оптимальный ход развития посевов. Кроме того, на цвет посева влияет и содержание других химических элементов, которые приводят к дополнительным ошибкам в определении содержания самого хлорофилла. В данных способах не раскрыта сама операция оптимизации доз внесения удобрений, так как здесь не используются математические модели и алгоритмы оптимизации, что не позволяет прогнозировать ожидаемый результат от проведения технологической операции.

Частично вышеуказанные недостатки устранены в способе, в котором дозы внесения азотных удобрений определяют путем сравнения параметров отражения посевов на основном поле и на тестовых площадках, расположенных вблизи поля, и на которых возделывают такую же, как и на основном поле, сельскохозяйственную культуру и применяют одинаковую технологию. При этом каждая тестовая площадка имеет различные известные по своей величине дозы внесения азотных удобрений, а дозу внесения на основном поле определяют по разности параметров отражения между посевами на основном поле и тестовых площадках (см. «Материалы Всероссийской конференции «Математические модели и информационные технологии в сельскохозяйственной биологии: Итоги и перспективы», 14-15 октбяря 2010 г., Агрофизический НИИ, Санкт-Петербург, с. 72-75).

Недостатком указанного способа является то, что параметры отражения посевов на основном поле и тестовых площадках не являются показателями роста и развития растений, поэтому дозы удобрений, определяемые по разности этих параметров на основном поле и тестовых площадках, не являются оптимальными с точки зрения получения заданной продуктивности посевов. Кроме того, здесь также не учитывается наличие удобрений в почве, доступность которых зависит от влажности почвы, что приводит к перерасходу удобрений и дополнительным потерям урожая за счет полегания посевов.

Прототипом изобретения является способ автоматизированного управления формированием урожая, включающий в себя операции по получению информации о физических свойствах, химическом составе почвы и о погодных условиях на сельскохозяйственном поле, а также информации о фактическом урожае за предыдущий год на каждом фрагменте сельскохозяйственного поля, сопоставляемой с сигналами системы определения пространственных координат во время уборки урожая, использование математических моделей влияния почвенных и климатических факторов на конечный урожай, производство расчетов по параметрам основных технологий перед посевом растений и проведение технологических воздействий в реальном времени в соответствии с этими расчетами для каждого фрагмента сельскохозяйственного поля, при этом перед началом периода вегетации определяют оптимальную программу изменения средних по полю показателей развития растений и параметров почвенной среды путем поиска максимума по параметрам технологических операций критерия оптимальности, учитывающего разность между стоимостью урожая и затратами на его получение, в реальном времени при рабочем проходе сельскохозяйственной машины с орудиями измеряют ее пространственные координаты, периодически фиксируют сигналы от метеостанции о температуре окружающего воздуха, уровне солнечной радиации, интенсивности осадков, по измеренной информации уточняют параметры моделей состояния растений и почвенной среды, для каждого фрагмента поля сравнивают измеренные значения показателей развития растений и параметров почвенной среды с их оптимальными средними значениями, по результатам сравнения формируют поправки к средним оптимальным значениям параметров технологических воздействий, для каждого фрагмента поля определяют размер общего технологического воздействия, складывающегося из оптимального среднего и локальной поправки, которое по модемной связи передают в форме задания бортовому регулятору орудия машины, осуществляющего технологическое воздействие (RU 2264703 C2, A01B 79/02, 27.11.2005 бюл. №33).

Основным недостатком данного способа является то, что для уточнения параметров математических моделей состояния посевов и почвенной среды кроме телевизионной съемки растений, спектральной фотоэлектронной съемки поверхности почвы необходимы измерения влажности и плотности почвы по всей площади поля не менее одного раза в три дня, что в условиях вегетирующих растений требует больших затрат ручного труда. Кроме того, для повышения точности и надежности управления минеральным питанием посевов необходима математическая модель химического состояния почвенной среды, для уточнения параметров которой требуется информация о реальном содержании доступных форм азота N, калия K и фосфора P в почве, что существенно увеличивает затраты ручного труда для отбора проб.

Изобретение решает задачу повышения величины и надежности процесса формирования урожая при существенном уменьшении объемов ручного труда, затрачиваемого на измерения за счет повышения степени его автоматизации на стадии, предшествующей периоду вегетации растений, и в процессе их роста и развития.

Заявляемый способ автоматизированного управления состоянием посевов, как и прототип, включает в себя операции по получению информации о физических свойствах, химическом составе почвы и о погодных условиях на сельскохозяйственном поле, а также информации о фактическом урожае за предыдущий год на каждом фрагменте сельскохозяйственного поля, сопоставляемой с сигналами системы определения пространственных координат во время уборки урожая, использование математических моделей влияния почвенных и климатических факторов на конечный урожай, производство расчетов по параметрам основных технологий перед посевом растений и проведение технологических воздействий в реальном времени в соответствии с этими расчетами для каждого фрагмента сельскохозяйственного поля, при этом перед началом периода вегетации определяют оптимальную программу изменения средних по полю показателей развития растений и параметров почвенной среды путем поиска максимума по параметрам технологических операций критерия оптимальности, учитывающего разность между стоимостью урожая и затратами на его получение, в реальном времени при рабочем проходе сельскохозяйственной машины с орудиями измеряют ее пространственные координаты, периодически фиксируют сигналы от метеостанции о температуре окружающего воздуха, уровне солнечной радиации, интенсивности осадков, по измеренной информации уточняют параметры моделей растений и почвенной среды, для каждого фрагмента поля сравнивают измеренные значения показателей развития растений и параметров почвенной среды с их оптимальными средними значениями, по результатам сравнения формируют поправки к средним оптимальным значениям параметров технологических воздействий, для каждого фрагмента поля определяют размер общего технологического воздействия, складывающегося из оптимального среднего и локальной поправки, которое по модемной связи передают в форме задания бортовому регулятору орудия машины, осуществляющего технологическое воздействие.

Заявляемый способ отличается от прототипа тем, что информацию о физических свойствах, химическом составе почвы и растений получают периодическим отбором проб на тестовых площадках, расположенных рядом с основным полем, на которых возделывается одна и та же культура, как и на основном поле, и которые отличаются друг от друга разными фиксированными уровнями поливов и дозами внесения минеральных удобрений и регуляторов роста и развития растений, одновременно с отборами проб на тестовых площадках средствами авиационного дистанционного зондирования формируют мультиспектральные изображения тестовых площадок и основного поля, по полученной спектральной информации и отобранным пробам уточняют математическую модель оптических измерений, отражающую связь состояния посевов и почвенной среды на тестовых площадках с параметрами отражения во всех используемых спектрах, по спектральной информации, полученной по всей площади основного поля, посредством математической модели оптических измерений оценивают состояние посевов и почвенной среды на основном поле для каждого момента времени измерения, по полученным оценкам и сигналам от метеостанции о температуре окружающего воздуха, уровне солнечной радиации и интенсивности осадков уточняют параметры математических моделей состояния посевов и почвенной среды, по которым затем уточняют оптимальную программу изменения средних по полю показателей развития растений и параметров почвенной среды, в реальном времени при рабочих проходах технологических машин одновременно с измерением пространственных координат повторно формируют мультиспектральную картину всей площади основного поля, по которой с заданным шагом оценивают состояние посевов и почвенной среды, полученные оценки на отдельных фрагментах поля сравнивают с их оптимальными средними значениями, полученными при формировании оптимальной программы изменения средних по полю показателей развития растений и параметров почвенной среды, по результатам сравнения формируют поправки к средним оптимальным значениям параметров технологических воздействий и для каждого фрагмента поля определяют размер общего технологического воздействия, складывающегося из оптимального среднего и локальной поправки в заданной пространственной координате.

Повышение величины и надежности получения урожая при одновременном снижении объемов ручного труда, затрачиваемого на измерения, достигается за счет предварительной идентификации математической модели оптического измерения состояния посевов и почвенной среды на тестовых площадках и использования этой модели для оценивания состояния посевов и идентификации математических моделей состояния посевов и почвенной среды на основном поле, на основе которых формируется оптимальная программа технологических воздействий на основном поле, которая корректируется в реальном времени для всех пространственных координат.

На фиг. 1 представлена общая технологическая схема реализации заявляемого способа, а на фиг. 2 - блок-схема последовательности операций, необходимых для реализации способа.

Рядом с основным полем 1 (фиг. 1) с посевом сельскохозяйственной культуры размещены тестовые площадки 2 с такой же сельскохозяйственной культурой. Площадь каждой тестовой площадки составляет 20-30 м2, а их число 6-10 единиц. На основном поле 1 и на тестовых площадках 2 применяют одну и ту же технологию, включающую одинаковый набор технологических воздействий. При этом независимо от состояния посевов на каждой тестовой площадке реализуют свой набор фиксированных по величине технологических воздействий, таких как поливы, внесение минеральных удобрений и регуляторов роста и развития. Для получения спектральной оптической информации о состоянии посевов и почвенной среды используют беспилотный малый летательный аппарат 3, совершающий пролеты над основным полем 1 и тестовыми площадками 2 с заданной периодичностью. Информацию о состоянии посевов и почвенной среды на тестовых площадках и спектральную информацию с основного поля и тестовых площадок хранят в базе данных 4, соединенной с управляющим устройством 5, к выходу которого подключен исполнительный регулятор технологической машины 6.

Управляющее устройство 5 (фиг. 2) содержит блок идентификации математической модели оптических измерений 8, к которому подключен источник оптической спектральной информации, размещенный на беспилотном малом летательном аппарате 3, и блок ввода информации о состоянии посевов и почвенной среды 7, получаемой при отборе проб с тестовых площадок 2. Выход блока идентификации математической модели оптических измерений 8 соединен с блоком оперативного оценивания состояния посевов и почвенной среды основного поля 9, к которому подключен источник спектральной информации, размещенный на беспилотном малом летательном аппарате 3, и блок определения пространственных координат 10. Выход блока оперативного оценивания 9 соединен с блоком идентификации математических моделей состояния посевов и почвенной среды основного поля 11, к которому также подключена метеостанция 12, содержащая информацию о температуре воздуха, солнечной радиации и об интенсивности осадков. Выход блока идентификации 11 соединен с блоком формирования оптимальных программ технологических воздействий на основном поле 13. Такими технологическими воздействиями являются поливы и внесение минеральных удобрений, регуляторов роста и развития растений. Для коррекции управления в пространстве и времени управляющее устройство 5 содержит блок динамического оценивания состояния посевов и почвенной среды основного поля 14, к которому подключена метеостанция 12, источник оптической спектральной информации, размещенный на беспилотном малом летательном аппарате 3, и блок определения пространственных координат 10. Выход блока динамического оценивания 14 подключен к блоку формирования общего технологического управления 15, выход которого, в свою очередь, соединен с исполнительным регулятором технологической машины 6.

Способ автоматизированного управления состоянием посевов на примере многолетних трав осуществляется следующим образом. После сева культуры на основном поле 1 и тестовых площадках 2, весной, перед началом вегетации на основном поле 1 по всей площади вносят основную заправку минеральных удобрений, а на тестовых площадках 2 вносят разное количество минеральных удобрений из всего диапазона возможных значений доз, чем создают разные условия произрастания растений. Периодически не реже чем через 5 дней посредством малого летательного аппарата 3 получают спектральные оптические изображения тестовых площадок 2, которые связаны с состоянием почвенной среды и различны для отдельных площадок в силу различия уровня технологических воздействий. Одновременно на тестовых площадках 2 отбирают пробы почвы для определения реального состояния. По спектральной информации и отобранным пробам в блоке 8 осуществляют идентификацию математической модели оптического измерения состояния почвенной среды следующего вида:

где YG - вектор спектральных показателей почвенной среды, содержащий не менее 4-х различных спектральных областей; Хп - вектор состояния почвенной среды размерностью [4×1], компонентами которого являются: х1n - влажность корнеобитаемого слоя почвы, кг/кг; х2n - содержание доступного азота, г/кг; х3n - содержание доступного калия, г/кг; х4n - содержание доступного фосфора, г/кг; все состояния объединяются в вектор; Н - матрица параметров, оцениваемых по спектральным данным и анализам отбираемых проб методом наименьших квадратов; Еп - вектор случайных ошибок измерения оптических показателей с нулевым математическим ожиданием и матрицей ковариаций R.

Идентификацию модели оптических измерений состояния почвенной среды (1) производят до появления всходов, когда их проективная площадь составляет не более 25% от общей площади основного поля. С этого момента кроме отбора проб почвы отбирают и пробы растений, а кроме модели (1) в блоке 8 осуществляют идентификацию и модели оптического измерения состояния посевов следующего вида:

где Yx - вектор спектральных показателей посевов, содержащий не менее 3-х различных спектральных областей; p - вектор масштабных параметров, P - матрица параметров связи между состояниями посева и спектральными показателями; Хм - вектор состояния посевов размерностью [3×1], для многолетних трав имеющий следующие компоненты: х - общая масса на единице площади, кг/м2; х - сухая масса на единице площади, кг/м2; х - содержание азота в растениях, мг/кг; Ем - вектор случайных ошибок моделирования. Оценивание параметров модели (2) по отбираемым пробам растений и спектральным характеристикам осуществляют методом наименьших квадратов.

После получения 5-6 оценок параметров моделей (1), (2) для каждого очередной мультиспектральной картины основного поля в блоке 9 осуществляют текущую оценку состояния посевов и почвенной среды основного поля 1. Для этого одновременно используют модели оптических измерений (1), (2), текущие оптические спектральные измерения и пространственные координаты, формируемые блоком 10. При этом оценки состояния почвенной среды на основе модели (1) для текущих спектральных измерений оценки YG и пространственных координат (z, h) строят следующим образом:

где - оценка вектора состояния для малого участка поля с координатами (z, h), а все другие обозначения соответствуют обозначениям модели (1).

Оценки состояния посевов на основе модели (2), по измеренному вектору оптических показателей YX и пространственным координатам (z, h) определяют путем решения градиентным методом следующей оптимизационной задачи:

где X i ( z , h ) - оценка состояния посева для малого участка поля с координатами (z, h), а все другие обозначения соответствуют обозначениям модели (2).

Текущие оценки состояния посевов X м ( z , h ) и почвенной среды X п ( z , h ) вместе с информацией о метеорологических параметрах, формируемой метеостанцией 12, поступают на блок идентификации 11, в котором оценивают параметры математической модели состояния посевов

где X м Т = [ x 1 м x 2 м x 3 м ] - вектор состояния модели размерностью [3×1], компонентами которого для многолетних трав являются: х - общая масса на единице площади, кг/м2; х - сухая масса на единице площади, кг/м2; х - содержание азота в растениях, мг/кг; X ˙ i ( z , h ) - производная вектора состояния по времени; (z,h) - пространственные координаты малого участка поля; F - вектор климатических факторов размерностью [3×1], компонентами которого являются: f1 - среднесуточная температура окружающей среды, °C; f2 - суточный уровень осадков, мм; f3 - среднесуточный уровень радиации, Вт/м2; ξ - [3×1] вектор случайных ошибок моделирования, учитывающих все источники неопределенности в модели;

- динамическая матрица, параметры которой отражают инерционность процесса изменения состояния посевов; - матрица возмущений, отражающая чувствительность вектора состояния посевов к климатическим факторам; B i = [ b 11 b 12 b 13 b 14 0 0 b 23 b 24 b 31 b 32 0 0 ] i - матрица управлений, отражающая чувствительность вектора состояния к компонентам вектора состояния почвенной среды; z, h - пространственные переменные, t∈(t0,T) - время начала и окончания периода вегетации, Xм(t0,z,h)=Xм,0(z,h) - начальные условия отрастания многолетних трав;

а также математической модели состояния почвенной среды

где X n Т = [ x 1 n x 2 n x 3 n x 4 n ] - вектор состояния модели размерностью [4×1], компонентами которого являются: х1n - влажность корнеобитаемого слоя почвы, кг/кг; х2n - содержание доступного азота, г/кг; х3n - содержание доступного калия, г/кг; х4n - содержание доступного фосфора, г/кг; - производная по времени вектора состояния почвенной среды; U - вектор технологического управления размерностью [4×1], компонентами которого являются: u1 - расход воды при поливе, кг/м2; u2 - расход азотных удобрений, г/м2; u3 - расход калийных удобрений, г/м2; u4 - расход фосфорных удобрений, г/м2; Xп(t0,z,h)=Xn0(z,h) - состояние почвенной среды в начале периода вегетации; ζ - [4×1] вектор случайных помех в модели; - динамическая матрица, отражающая инерционность процесса изменения состояния почвенной среды; С п = [ c 11 c 12 c 13 c 21 c 22 c 23 c 31 c 32 c 33 c 41 c 42 c 43 ] n - матрица управлений, отражающая чувствительность вектора состояния почвенной среды к климатическим факторам; B п = [ b 11 b 12 b 13 b 14 b 21 b 22 b 23 b 24 b 31 b 32 b 33 b 34 b 41 b 42 b 43 b 44 ] n - матрица управлений, отражающая чувствительность вектора состояния почвенной среды к компонентам технологического управления; М п = [ m 11 m 12 m 13 m 21 m 22 m 23 m 31 m 32 m 33 m 41 m 42 m 43 ] n - матрица связи модели структуры биомассы, с моделью состояния почвенной среды, отражающая чувствительность состояния почвенной среды к состоянию посева.

Оценивание параметров математических моделей (5), (6) осуществляется путем решения следующей оптимизационной задачи:

где g1, g2 - весовые множители критерия адаптации (7), посредством которых устанавливают соотношение ошибок адаптации состояния посевов и состояния почвенной среды; m x м , m x п - моделируемые значения векторов состояния посевов и почвенной среды.

Оценки параметров математических моделей (5), (6) А м , А п , В м , В п , С м , С п , М поступают в блок формирования оптимальных программ управления 11. В блоке 11 выбирают такие программы технологического управления, которые обеспечивают максимум прибыли с единицы площади. С учетом введенных обозначений прибыль определяют следующим образом:

где с - цена единицы массы урожая, руб., H T = [ 0 1 0 ] - матрица выхода, посредством которой из всего вектора состояния посевов выделяют товарную часть, Т - индекс транспонирования вектора или матрицы.

При заданной прибыли П*, в блоке 11 минимизируют следующий критерий оптимальности управления, обеспечивающий достижение заданной прибыли с единицы площади поля, что равносильно минимизации отклонения от заданной прибыли

где ΩU - область допустимых с экологической точки зрения управлений.

Минимизацию критерия (9) осуществляют по следующей градиентной последовательности операций

U i * ( t ) = U i 1 * ( t ) , если U(t)∉ΩU,

где Δi - шаг оптимизации.

Результатом выполнения последовательности операций (10) является последовательность технологических воздействий U*(t), выполняемых в известные моменты времени, величина которых одинакова по всей площади основного поля.

В реальном времени, при выполнении технологических операций, по информации о текущих оптических спектральных параметрах YG, YХ, получаемой при пролетах малого летательного аппарата 3, текущей информации о метеорологических параметрах F, формируемой метеостанцией 12, и пространственным координатам (z, h), формируемым блоком 10, в блоке динамического оценивания 14 осуществляют оценивание текущего состояния посевов, информация о котором X м ( t , h , z ) поступает на блок формирования общего технологического управления 15. В блоке 15 оптимальную программу технологического управления U*(t) корректируют по площади основного поля по следующему закону:

где W*(t,h,z) - общее технологическое управление, реализуемое в пространственной координате (z, h) и в момент времени t, K - матрица параметров корректирующего регулятора.

Общее управление W*(t,h,z) в виде задающего сигнала передают на бортовой регулятор технологической машины 6, которая перемещается по основному полю 1 и выполняет технологические операции, которыми могут быть поливы, подкормки минеральными удобрениями или внесение регуляторов роста и развития.

Наличие тестовых площадок с разными фиксированными уровнями технологических воздействий, за счет чего создаются разные условия произрастания посевов, периодический отбор проб почвы и растений с этих площадок в сочетании с оптической спектральной информацией, получаемой со средств малой беспилотной авиации, позволяет оценить с достаточной точностью параметры математических моделей оптических измерений состояния посевов и почвенной среды. В свою очередь использование этих моделей в сочетании с оптической спектральной информацией по основному полю позволяет оценить с достаточной для управления точностью состояние посевов и почвенной среды на основном поле без отбора проб почвы и растений и на основании этих оценок идентифицировать и адаптировать в реальном времени математические модели состояния посевов и почвенной среды. Это позволяет оптимизировать программу технологического управления и корректировать ее по площади поля с учетом пространственной неоднородности состояния посевов и почвенной среды. В целом это позволяет увеличить урожайность культур не менее чем на 50% и надежность (вероятность) его получения до уровня 0,8-0,85 и за счет этого получить экономический эффект не менее 10-15 тыс. руб. для зерновых культур с одного гектара сельскохозяйственных земель.

Способ автоматизированного управления состоянием посевов, включающий в себя операции по получению информации о физических свойствах, химическом составе почвы и о погодных условиях на сельскохозяйственном поле, а также информации о фактическом урожае за предыдущий год на каждом фрагменте сельскохозяйственного поля, сопоставляемой с сигналами системы определения пространственных координат во время уборки урожая, использование математических моделей влияния почвенных и климатических факторов на конечный урожай, производство расчетов по параметрам основных технологий перед посевом растений и проведение технологических воздействий в реальном времени в соответствии с этими расчетами для каждого фрагмента сельскохозяйственного поля, при этом перед началом периода вегетации определяют оптимальную программу изменения средних по полю показателей развития растений и параметров почвенной среды путем поиска максимума по параметрам технологических операций критерия оптимальности, учитывающего разность между стоимостью урожая и затратами на его получение, в реальном времени при рабочем проходе сельскохозяйственной машины с орудиями измеряют ее пространственные координаты, периодически фиксируют сигналы от метеостанции о температуре окружающего воздуха, уровне солнечной радиации, интенсивности осадков, по измеренной информации уточняют параметры моделей растений и почвенной среды, для каждого фрагмента поля сравнивают измеренные значения показателей развития растений и параметров почвенной среды с их оптимальными средними значениями, по результатам сравнения формируют поправки к средним оптимальным значениям параметров технологических воздействий, для каждого фрагмента поля определяют размер общего технологического воздействия, складывающегося из оптимального среднего и локальной поправки, которое по модемной связи передают в форме задания бортовому регулятору орудия машины, осуществляющего технологическое воздействие, отличающийся тем, что информацию о физических свойствах, химическом составе почвы и растений получают периодическим отбором проб на тестовых площадках, расположенных рядом с основным полем, на которых возделывается одна и та же культура, как и на основном поле, и которые отличаются друг от друга разными фиксированными уровнями поливов и дозами внесения минеральных удобрений и регуляторов роста и развития растений, одновременно с отборами проб на тестовых площадках средствами авиационного дистанционного зондирования формируют мультиспектральные изображения тестовых площадок и основного поля, по полученной спектральной информации и отобранным пробам уточняют математическую модель оптических измерений, отражающую связь состояния посевов и почвенной среды на тестовых площадках с параметрами отражения во всех используемых спектрах, по спектральной информации, полученной по всей площади основного поля, посредством математической модели оптических измерений оценивают состояние посевов и почвенной среды на основном поле для каждого момента времени измерения, по полученным оценкам и сигналам от метеостанции о температуре окружающего воздуха, уровне солнечной радиации и интенсивности осадков уточняют параметры математических моделей состояния посевов и почвенной среды, по которым затем уточняют оптимальную программу изменения средних по полю показателей развития растений и параметров почвенной среды, в реальном времени, при рабочих проходах технологических машин одновременно с измерением пространственных координат повторно формируют мультиспектральную картину всей площади основного поля, по которой с заданным шагом оценивают состояние посевов и почвенной среды, полученные оценки на отдельных фрагментах поля сравнивают с их оптимальными средними значениями, полученными при формировании оптимальной программы изменения средних по полю показателей развития растений и параметров почвенной среды, по результатам сравнения формируют поправки к средним оптимальным значениям параметров технологических воздействий и для каждого фрагмента поля определяют размер общего технологического воздействия, складывающегося из оптимального среднего и локальной поправки в заданной пространственной координате.



 

Похожие патенты:

Изобретение относится к области лесного и сельского хозяйств. В способе укореняют клюкву болотную на минеральных почвах.
Изобретение относится к области сельского хозяйства, в частности к растениеводству. В способе при выращивании плодово-ягодных и лекарственных культур на мерзлотных почвах в качестве парозанимающей культуры используют ранние сорта картофеля.
Изобретение относится к области сельского хозяйства. В способе проводят предпосевную обработку поля, посев трав и их уборку.

Изобретение относится к области сельского хозяйства, в частности к кормопроизводству. Способ включает посев кукурузы в смеси с амарантом.

Изобретение относится к области сельского хозяйства, в частности к плодоводству. В способе проводят окулировку в побег текущего года.

Изобретение относится к области сельского хозяйства, в частности к плодоводству. Способ предусматривает перевод привитых деревьев персика на собственные корни привоя и ежегодное циклическое образование однолетних и двухгодичных вегетативных побегов для формирования полициклического куста персика вместо дерева.

Изобретение относится к области сельского хозяйства и селекции. В способе семена стевии замачивают на 8 часов в растворе Циркона, растворе гидроксикоричных кислот в спирте с концентрацией 0,1 г/л.

Изобретение относится к области сельского хозяйства. Способ включает внесение удобрения, в качестве которого используют сложный компост, включающий полуперепревший навоз КРС, фосфогипс и растительные остатки - солому пшеницы, отходы кормления животных, растительные остатки кукурузы, подсолнечника и сахарной свеклы, взятые в одинаковых пропорциях.

Изобретение относится к области экологии и сельского хозяйства. Способ включает внесение удобрения в виде компоста, состоящего из органических и минеральных компонентов, предпосевную обработку почвы и посев семян.
Изобретение относится к области сельского хозяйства. Способ включает внесение удобрения перед основной обработкой почвы.
Изобретение относится к области сельского хозяйства. В способе проводят предпосевную обработку поля, посев трав и их уборку.

Группа изобретений относится к области сельского хозяйства. Способ включает подрезание оснований и одновременное измельчение растительных и землистых кочек.

Способ посева семян включает приготовление питательной смеси, формирование из нее брикетов, помещение в них семян, образование борозд, внесение в них брикетов, закрытие борозд.

Способ включает прорезание щели, разгребание в стороны полевых остатков с одновременным рыхлением на заданную ширину, внесение удобрений на регулируемую глубину и прикатывание обработанной полосы.
Изобретение относится к области сельского хозяйства, в частности к биологической рекультивации, и может использоваться в земледелии на Крайнем Севере. В способе формируют почвенный и растительный покров с использованием семян трав.

Изобретение относится к области сельского хозяйства и мелиорации почв. Способ включает внесение органических и/или минеральных удобрений и гербицидов, зяблевую и поверхностную обработки почвы.

Изобретение относится к области сельского хозяйства, в частности к виноградарству. Способ включает исходно-однократный высев через ряд кустов винограда по 3-годичным агротехнологическим циклам в незасеянное в предыдущем цикле междурядье озимого тритикале чередующихся в циклах сортов.
Изобретение относится к области сельского хозяйства, в частности к интродукции, и может найти применение при внедрении новых сортов зернобобовых культур. В способе местные районированные сорта высевают широкорядно, на 2-3 недели раньше интродуцентов.

Изобретение относится к производству смесей однолетних злаковых и бобовых кормовых культур при использовании их на сено. Способ заключается в том, что используют многокомпонентные смеси горох + овес + ячмень в оптимальных соотношениях кормовых культур соответственно (20:50:30) или вика + овес + ячмень (20:50:30).

Изобретение относится к области сельского хозяйства. Способ включает раскладку поливного трубопровода, высадку рассады сельскохозяйственной культуры в точках размещения водовыпусков и вегетационные поливы.
Изобретение относится к области сельского хозяйства. Способ включает внесение глинистых отложений и последующую механическую обработку. При скашивании травостоя в период его созревания поперек склона и формирования из него мульчирующих кулис с расстоянием между ними 5-6 м участок покрывают измельченной цеолитосодержащей глиной-ирлитом. В междурядья кулис высевают капсулированный семенной материал, состоящий из смеси многолетних злаково-бобовых трав и ирлита в соотношении 1:2. Способ позволяет эффективно восстановить деградированные склоновые земли и снизить эрозионные процессы. 1 табл., 2 пр.
Наверх