[发明专利]盐渍土水肥策略的获取方法、系统、存储介质和电子设备

说明书

本发明涉及农业技术领域，提供一种盐渍土水肥策略的获取方法、系统、存储介质和电子设备，所述方法包括：获取用于表示土壤盐渍化程度的土壤电导率在预设时间点的预设值，并确定与土壤盐渍化关联的每个参量在预设时间点的目标值；将所述预设值和所有目标值输入训练好的逆向残差神经网络，得到土壤电导率为预设值的土壤所对应的盐渍土水肥策略。构建的逆向残差神经网络能较好的拟合农田水利的实际应用场景，且逆向残差神经网络可直接根据土壤电导率的预设值所对应的目标土壤盐分模拟优化得到盐渍土水肥策略，模型精度较高，能满足模拟要求，为优化田间灌水施肥策略提供了强有力的技术手段，且提高了分析效率。

背景技术

盐渍土是我国最主要的中低产土壤类型之一，其生产力水平与土壤质量状况有非常密切的关系，不当利用会迅速导致土壤的退化和生产力水平降低。在淡水资源紧缺的盐渍化灌区，微咸水利用已成必然，但过量利用会加重土壤盐渍化，寻求微咸水安全利用的灌溉制度已成为领域内的当务之急。微咸水滴灌是一种应用广且节水效率高的灌水方法，“滴灌”这一灌溉方式可缩小微咸水对土壤盐分分布的影响范围。此外，合理的灌水量不仅保证作物的正常生长，且可降低微咸水对土壤的负效应。盐分胁迫下的水肥耦合机理更加复杂，过量施加氮肥会加重土壤次生盐渍化，进而抑制作物生长，拟定合理的施肥量是防止盐渍化土壤进一步恶化的保证。因此，土壤盐环境是盐渍化灌区优化水肥方案考虑的重要因素，准确分析土壤盐分与微咸水-肥料之间复杂的关系成为一个迫切急需解决的科学难题，对于改良盐渍土、节约淡水资源和提高土地利用效率具有重要意义。

当前，很多学者通过建立多元回归方程等线性方法得出优化水肥方案。在水肥与盐分结合方面，除了建立线性方程求解优化水肥耦合模式的方法外，还运用HYDRUS-1D模型模拟不同灌水施肥模式下盐渍化土壤含水率和盐分，通过人为分析水盐动态得出优化水肥，而模型中方程解法为Calerkin线性有限元法。这些传统数据分析方法长期以来被广泛应用，令人遗憾的是，这类方法假设指标之间为线性关系，而这一假设在现实情境中很难成立。此类方法无法分析指标间的非线性关系会导致人为地丢失某些未知特征，在一定程度上限制了分析的全面性，尤其是微咸水与肥料对盐渍土的作用机理更为复杂，线性分析方法无法获取水肥盐三者复杂的特征；此外，传统的模型模拟方法以灌水施肥为输入端，模拟预测土壤水盐动态，结合土壤水盐动态进一步进行多次筛选分析得出优化水肥，分析效率较低。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种盐渍土水肥策略的获取方法、系统、存储介质和电子设备。

本发明的一种盐渍土水肥策略的获取方法的技术方案如下：

获取用于表示土壤盐渍化程度的土壤电导率在预设时间点时的预设值，并确定与土壤盐渍化关联的每个参量在预设时间点时的目标值；

将所述预设值和所有目标值输入训练好的逆向残差神经网络，得到土壤电导率为预设值的土壤所对应的包括目标灌水量和目标施氮量的盐渍土水肥策略，其中灌水主要针对微咸水，淡水同样适用。

本发明的一种盐渍土水肥策略的获取方法的有益效果如下：

构建的逆向残差神经网络能较好的拟合农田水利的实际应用场景，且逆向残差神经网络可直接根据土壤电导率的预设值所对应的目标土壤盐分模拟优化得到盐渍土水肥策略，模型精度较高，能满足模拟要求，为优化田间灌水施肥策略提供了强有力的技术手段，且提高了分析效率。

在上述方案的基础上，本发明的一种盐渍土水肥策略的获取方法还可以做如下改进。

进一步，还包括：

搭建残差神经网络；

利用数据集对所述残差神经网络进行训练，并结合Adam优化算法，得到所述逆向残差神经网络，其中，所述数据集包括：在每个历史预设时间点时，每个参量的历史目标值、土壤电导率的历史预设值和历史目标灌水量和历史目标施氮量。

进一步，所述搭建残差神经网络还包括：