基于多源信息融合的灌溉决策方法研究

In order to eliminate the redundancy and contradiction between the multiple source irrigation information, and to reduce the uncertainty of irrigation decision-making information, and meanwhile, to resolve the information fusion problems appeared in the irrigation process, the multi-source information fusion methods of irrigation are presented by using tomato as the main research object, and the multi-source irrigation information are fused in the data level, feature level and decision level respectively. The following research work will be conducted in the project: (1) The distribution method is adopted to monitor the raw data consistency inspection, the algorithms of parameter estimation and adaptive weighted average are used to analyse the homogeneous data fusion in data layer, and the influence of the fusion results will be analyzed on crop community water conditions (2) research the fusion methods of heterogeneous data in the feature and decision level, and analyze the reasons for uncertainty probability appeared, in order to solve the reasoning and expressing problems of the uncertain factors, and deal with the combination problem of the conflicting irrigation factors; and (3) propose an information fusion method for the farmland irrigation. The implementation of the project has the practical significance in achieving the precision irrigation.

为了消除多源灌溉信息之间可能存在的冗余和矛盾，降低灌溉决策信息的不确定性与决策推理的模糊程度，提高灌溉决策的精度，解决目前灌溉决策过程中出现的信息融合问题，本课题以温室番茄为主要研究对象，对多源灌溉信息在数据层、特征层和决策层进行了融合。课题拟开展以下研究工作：（1）采用分布图法对监测的原始数据进行一致性检验，利用参数估计和自适应加权平均算法对同质数据进行数据层的融合，并分析融合结果对作物群体水分状况的影响；（2）研究异质数据在特征层和决策层的融合，分析出现不确定性概率的原因，解决不确定因素的推理和表达问题和冲突灌溉因子的组合问题；（3）提出一种适合于农田灌溉的信息融合方法。课题的实施对于实现作物的精准灌溉，实现高效、便捷的新一代灌溉管理及决策模式，具有一定的现实意义。

本研究以温室番茄为研究对象，开展了基于多源信息融合的灌溉决策方法研究。通过2a的田间试验和系统分析，探明了土壤水分、叶片温度、冠层温度和气孔导度等灌溉决策指标的变化规律，确定了番茄不同生育期、不同土层土壤水分的权重系数，实现了土壤水分在垂直尺度的融合，构建了不同灌溉决策指标的隶属度函数，完成了多源灌溉决策信息在特征层和决策层的融合，解决了多源灌溉信息的融合难题。取得的主要成果如下：.（1）探明了土壤水分、叶片温度、冠层温度和气孔导度等灌溉决策指标的变化规律，为信息融合提供基础参数。.（2）采用自适应加权平均融合算法，确定了番茄不同生育期、不同土层土壤水分的权重系数，实现了土壤水分在垂直尺度的融合。.（3）构建了灌溉决策指标的基本概率分配函数，实现了多源灌溉信息在特征层的融合。采用模糊推理理论，对各灌溉决策因子属性值进行了模糊化，采用三角形隶属度函数，得到了土壤水分、气孔导度和CWSI三个指标的基本概率分配函数，构建了多个融合灌溉因子对灌溉决策的识别框架，为决策层融合提供基础参数。.（4）对D-S证据理论进行了改进，实现了多源灌溉信息在决策层的融合。充分考虑灌溉决策的实际情况，对发生冲突的因子，引入距离函数，将平均距离代替冲突证据，解决了多源灌溉信息的融合问题及冲突因子的组合问题。利用实测数据对改进算法进行了验证，与经典D-S证据理论相比，采用本文提出的改进算法，灌溉决策的不确定性大大降低。.（5）构建了多指标灌溉决策系统。利用项目中提出的多源灌溉指标融合算法，建立了多指标灌溉决策模型，综合考虑土壤、作物和外部环境的影响，构建了基于WebGIS的多指标灌溉决策系统。