英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
摘 要
这项工作的目标是开发一种在智能手机平台上运行的棉花易用且引人注目的灌溉调度工具。驱动棉花智能灌溉应用程序（棉花应用程序）的模型是一个交互式的基于ET的土壤水分平衡模型。棉花应用使用来自气象站网络，土壤参数，作物物候，作物系数和灌溉应用的气象数据，以百分比和英寸水计算根区土壤水分亏缺（RZSWD）。当RZSWD超过40％，发生物理变化时，以及在最近的气象站记录下雨时，棉花应用程序会向用户发送通知。它在iOS和Android操作系统上运行，并于2014年3月发布。土壤水分平衡模型在2012和2013年使用复制地块实验和商业领域的数据进行了校准和验证。棉花应用程序在现场试验中进行了三年评估，与其他灌溉计划工具相比，表现良好。其地理覆盖范围目前仅限于美国佐治亚州和佛罗里达州，因为它能够使用这些州的气象站网络的气象数据。目前正在开发新版本，该版本将使用国家网格化气象数据集。
1.绪论
棉花（Gossypium hirsutum L.）是世界上最重要的纤维作物，也是美国最重要的农作物之一，2014年其产值超过50亿美元。它生长在美国南半部的17个州，年产量从5.1至630万公顷。棉花是一种密集管理的作物，在物候阶段需要不同数量的水以使产量最大化（Vellidis等，2009,2011）。
在美国，过去二十年间，灌溉下的棉花作物稳步增加，因为灌溉既可以降低作物损失的风险，也可以增强弹性和产量稳定性。目前约有40％的美国棉花正在灌溉，但许多棉花种植区域（如德克萨斯州高原，亚利桑那州和加利福尼亚州）的灌溉用水正受到限制，而在水资源丰富的地区，水的竞争正在迅速增加。因此，代表种植者的组织正在投资开发提高灌溉用水效率的灌溉调度工具。作为回应，对这个主题进行了大量的研究。棉花的需水量是物候阶段的一个功能（图。1）。蒸散量（ET）也是估算棉花日耗水量的重要因素，并且已经开发了几种使用估算的crop ET（ETc）来制定灌溉建议的棉花灌溉调度工具。这些模型通常使用代表作物声学阶段的作物系数（Kc）来从参考ET（ETo）计算ETc，如方程（1）（Jensen，1968; Doorenbos和Pruitt，1975,1977; Burman等，1980a，1980b; Allen等，1998）。ETc = ETotimes;Kc（1）仅使用ETc估算灌溉需求的模型简单易用，但它们不考虑土壤剖面中的水分，有时会导致灌溉用水的过度施用。结合土壤水分平衡提高了精度，但同时也增加了所需参数的数量以及模型的复杂性。由地方，州和地区气象站网络发布的基于ET的灌溉计划（即温度，太阳辐射，相对湿度，风速和降雨量）所需的在线环境测量的日益增加有助于开发各种各样的基于网络的灌溉调度工具。佛罗里达大学的PeanutFARM（田间农艺资源经理; http：//agronomy.ifas.ufl.edu/ peanutfarm）是一个基于网络的东南花生产灌溉调度工具。 PeanutFARM使用累积调整生长度天数（aGDD）（Rowland et al。，2006）和ET从气象站网络估算作物用水量并提供每日灌溉建议。华盛顿州立大学的AgWeatherNet（http://weather.wsu.edu）使用美国西部和加拿大九个气象站网络的气象数据，为56种农艺和园艺作物开发灌溉调度推荐。阿肯色州灌溉调度大学（http://irrigweb.uaex.edu）还开发包括棉花在内的多种农作物的灌溉计划。它已经以各种形式提供了20年，并且最近在网上提供。所有这些基于网络的工具都需要定期进行，有时每天与用户进行交互，并且/或者只能通过台式或便携式计算机进行有效访问，这使得他们在整个生长季节一致地使用起来很麻烦。最近的技术进步，通过手持设备（如平板电脑和智能手机）进行网络访问提供了一个新平台，在该平台上提供复杂且易于使用的基于ET的灌溉调度工具。智能手机工具（通常称为智能手机应用程序或应用程序）正在以每种可想象的用途的指数速率开发。应用程序的功能与应用程序中的网络工具不同驱动棉花应用程序的模型是一个交互式的基于ET的土壤水分平衡模型。它使用气象数据，土壤参数，作物物候，作物系数和灌溉应用来估计根区土壤水分亏缺（RZSWD）的百分比，并随着用户始终与智能手机上的用户交往，随时随地可访问，并通过通知吸引用户（Migliaccio等，2015,2016）。有些应用程序使用类似于文本消息的通知来提示用户对重要事件作出响应，并且无需每天与该工具进行交互。
农业研究人员和推广专家正在进入战场，并提供从害虫识别到灌溉调度等各种用途的应用程序。 Migliaccio等人。 （2016年）发布了一套智能灌溉应用程序，最近发布的应用程序为鳄梨，柑橘，棉花，花生，草莓，草皮和蔬菜提供实时灌溉计划。有关下载这些应用程序的信息和链接可以在www上找到。 smartirrigationapps.org。本文描述了棉花智能钻孔。
2.材料和方法
驱动棉花应用程序的模型是一个交互式的基于ET的土壤水分平衡模型。它使用气象数据，土壤参数，作物物候，作物系数和灌溉应用来估计根区土壤水分亏缺（RZSWD）的百分比，并随着用户始终与智能手机上的用户交往，随时随地可访问，并通过通知吸引用户（Migliaccio等，2015,2016）。有些应用程序使用类似于文本消息的通知来提示用户对重要事件作出响应，并且无需每天与该工具进行交互。
农业研究人员和推广专家正在进入战场，并提供从害虫识别到灌溉调度等各种用途的应用程序。 Migliaccio等人。 （2016年）发布了一套智能灌溉应用程序，最近发布的应用程序为鳄梨，柑橘，棉花，花生，草莓，草皮和蔬菜提供实时灌溉计划。有关下载这些应用程序的信息和链接可以在www上找到。 smartirrigationapps.org。本文描述了棉花智能钻孔。农业研究人员和推广专家正在进入战场，并提供从害虫识别到灌溉调度等各种用途的应用程序。 Migliaccio等人。 （2016年）发布了一套智能灌溉应用程序，最近发布的应用程序为鳄梨，柑橘，棉花，花生，草莓，草皮和蔬菜提供实时灌溉计划。关下载这些应用程序的信息和链接可以在www上找到。 smartirrigationapps.org。本文介绍了2014年发布的棉花智能应用程序（以下简称棉花应用程序）。我们的目标是开发一种新颖的基于ET的棉花灌溉调度工具，它需要最少的用户交互，将其交付给用户在智能手机平台上，并且胜过许多其他灌溉调度工具，并将这两种信息提供给用户。该模型不提供灌溉应用建议。但是，用户可以利用RZSWD信息做出适当的灌溉决策。
2.1模型
该模型使用Penman-Monteith方程利用气象资料计算ETo（Allen et al。，1998）。 这种方法也被称为粮农组织56，被广泛接受用于灌溉排程。 然后该模型使用Kc来估计ETc，如等式（1）。 对于一年生作物，Kc随着物候阶段而变化。 Kc通常从出苗后的小值开始，当作物具有最大的需水量时增加到1.0或更高。 随着作物到达成熟并开始衰老，Kc下降。 图1给出了米西斯和路易斯安那州棉花的水分利用和作物系数函数（Perry and Barnes，2012）。 我们使用这些和其他研究的信息来开发一个原型Kc曲线。
RZSWD大于25毫米，在24小时内不大可能超过这个数量渗入土壤剖面。使用最小值是因为在24小时内降水量少于3.8毫米对土壤水分没有明显的影响。所有这些参数用于计算根部土壤水分含量（RZSWD），单位为英寸，％RZSWD
在2012年和2013年期间，我们在格鲁吉亚西南部的卡米拉附近的佐治亚大学Stripling灌溉研究园（SIRP）上使用了四个大地块来校准模型，2013年我们使用了位于佐治亚州西南部的五个生产地来验证模型。佐治亚大学智能传感器阵列（UGA SSA）都配备了这些地块和场地。 UGA SSA是一种完全无线的土壤湿度传感系统，可测量0.2,0.4和0.6米的土壤水分张力（8,16和24英寸）使用Watermarkreg;（Irrometer，River-美国加利福尼亚州）土壤湿度传感（Vellidis等，2013; Liakos等，2015）。我们使用2012年和2013年的样地土壤水分张力数据追溯调整模型的Kc曲线，使50％RZSWD与加权根区平均土壤水分张力在40 kPa和50 kPa之间相吻合。我们的灌溉调度经验表明，这个范围对于棉花来说是一个很好的灌溉阈值（Vellidis et al。，2016）。加权平均土壤水分张力用以下加权公式计算：
在0:2时的kPa：在0:4时的kPatimes;0：5times;kPa在0:4的情况下times;：3
在0：6 m？times;0：2（3）的情况下
2013年，我们使用2012年生长季节后进行的模型调整来安排田块灌溉。在这两年中，两个地块进行了保护性耕作，另外两个进行了传统耕作。该模型目前不占耕作系统，因此所有地块都以同样的方式灌溉。
五个生产场地中的每一个都配备了UGA SSA的10个节点，因此可以从50个不同地点获得土壤水分张力数据。各个生产者在这些领域管理灌溉。由于土壤变化大，土壤中的土壤水分张力数据也很不稳定。验证过程包括追溯地将这个模型应用到这50个地点的每一个地点，利用当地的降水和灌溉深度，通过连接到数据记录器的现场翻斗雨量计观察并观察RZSWD的模式。我们的基准是50％RZSWD与加权根区平均土壤水分张力约为40-50 kPa一致我们的棉花应用程序的设计原则是它应该提供我们可以为用户提供的最准确的，特定地点的实时信息。此外，棉花应用程序将需要最少的用户输入，在必要时它会通过发送通知来向用户请求。用户无需定期检查棉花应用程序。
3.app交互
最后，棉花应用程序将提供随时可用的输出和参与。Cotton App旨在在iOS和Android平台上运行。它是使用Applereg;提供的官方工具和编程语言开发的（Objective C和iOSDK）和Googlereg;（Java和Android SDK）。 Cotton App com-通过特定的Web实用程序通过服务器和数据库通信，这些实用程序以JSON（JavaScript Object Notation）格式返回数据。代码脚本安排在基于UNIX的服务器的Crontab程序中，以检索，处理和存储来自FAWN和GAEMN的天气数据，以运行土壤水分平衡模型。通知通过Apple Push Notification Service（APNS）和Google Cloud Messaging（GCM）协议发送给用户。图3显示了棉花应用程序，服务器和自动气象站网络之间的信息流。在初始设置之后，用户被引导至现场设置屏幕。用户可以注册多个字段，但一次只能注册一个字段。现场注册从现场位置开始。默认情况下，Cotton App将智能手机位置的地图固定在地图上，但用户可以通过将其拖动到所需的位置来重新定位引脚（图4）。准确定位场地的位置非常重要，因为它用于定位距离场地最近的气象站。用户然后输入唯一的字段名称和种植日期。棉花应用程序自动选择最近的气象站，但也显示接下来的四个最接近的气象站，用户可以选择其中任何一个。最后，用户选择土壤类型来自表1中的选项，灌溉系统类型和默认灌溉率。缺省灌溉率是用户在灌溉过程中通常应用的灌溉量。主用户界面屏幕（图5）是特定领域的，但用户可以通过从左到右或从右到左轻扫屏幕来移动字段。屏幕顶部的圆圈表示用户注册的字段数量（图5中有六个）。圆圈以注册字段的顺序添加，实心圆圈表示当前正在显示的字段。编辑栏按钮允许用户编辑在现场设置期间输入的任何信息。在此之下，Cotton App显示当前的RZSWD。左边的条形图从0％到100％RZSWD缩放，随着土壤水分耗尽而向下移动。在酒吧右侧，RZSWD显示数字，在括号内显示重新填充概况所需的灌溉用水量。灌溉时，用户必须通过按添加灌溉按钮来记录灌溉情况。棉花应用程序然后将缺省灌溉量（乘以效率因子）记入土壤水分平衡模型。喷洒符号表示已添加灌溉事件，灌溉对RZSWD的影响在条形图上显示为较淡的蓝色阴影（图5）。
在条形图下方，屏幕显示当天添加到模型的有效灌溉量和有效降雨量。如果大于或小于缺省灌溉添加到现场，或者如果最近的气象站记录的降雨量与现场收到的降雨量不同，用户可以通过触摸See details按钮来调整数量（图5 ）。灌溉和降雨量可追溯至过去九天。当降水数据准确时，棉花应用程序将表现最佳，提供这些数据的最佳方式是使用当地雨量计调整气象站记录的降雨数据。
将过去一天的天气数据上传到服务器后，每天清晨一次运行土壤水分平衡模型。在模型运行后用户第一次打开棉花应用程序时，显示会进行更新。如果用户添加或移除灌溉事件，修正降雨量或改变任何可能影响RZSWD的田间参数（如土壤类型），模型也会运行并显示更新。棉花应用程序允许用户查看当天和过去九天的RZSWD，灌溉和雨水数据以及生长阶段数据。可以通过沿RZSWD显示下方的十个圆圈系列轻扫来查看过去的数据。当天由最右边的圈子表示。
3结论
图8显示了2012年（顶部）和2013年（底部）的SIRP保护和传统耕作地块的校准结果。 2012年，利用文献中的Kc曲线对模型进行灌溉。生长季节结束后，通过调整Kc来校准Kc曲线，这样当来自UGA SSA传感器的平均加权土壤水张力大约在40和50 kPa之间时，会发生50％的RZSWD。 2013年，利用校准的Kc曲线对地块进行灌溉。 Kc曲线在2013年生长季节之后重新校准，并在2015年生长季节之后再次进行调整。目前的Kc曲线如图2所示。
图9显示了五个商业棉田中的四个在UGA SSA地点的2013年验证结果。使用2013年校准Kc曲线对模型进行验证。为了量化棉花应用
全文共6359字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[12018]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
