本發(fā)明涉及生態(tài)循環(huán)，尤其涉及一種基于農(nóng)牧融合的生態(tài)循環(huán)管理方法。

背景技術(shù)：

1、現(xiàn)代生態(tài)循環(huán)農(nóng)業(yè)是將種植業(yè)、畜牧業(yè)、漁業(yè)等與加工業(yè)有機(jī)聯(lián)系的綜合經(jīng)營方式，利用微生物科技在農(nóng)、林、牧、副、漁多模塊間形成整體生態(tài)鏈的良性循環(huán)，為解決農(nóng)業(yè)污染、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、節(jié)約農(nóng)業(yè)資源、提高產(chǎn)出效果、改造農(nóng)業(yè)生態(tài)、保障食品安全等提供系統(tǒng)化解決方案。

2、在農(nóng)牧融合的生態(tài)系統(tǒng)中，作物種植和牲畜養(yǎng)殖通過有機(jī)肥料，如牲畜糞便和作物殘余物實(shí)現(xiàn)養(yǎng)分的循環(huán)利用，這種循環(huán)有助于減少化肥的使用，促進(jìn)土壤健康；然而當(dāng)前的養(yǎng)分管理大多是基于靜態(tài)的施肥計(jì)劃，忽略了作物生長周期、氣候變化、牲畜排泄物的變動(dòng)等動(dòng)態(tài)因素，導(dǎo)致養(yǎng)分供應(yīng)與作物需求之間不匹配，造成資源浪費(fèi)或養(yǎng)分不足；此外，在農(nóng)牧系統(tǒng)中存在大量潛在有價(jià)值的數(shù)據(jù)(如土壤養(yǎng)分水平、氣象條件、作物生長狀態(tài)、牲畜健康數(shù)據(jù)等)，現(xiàn)有方法缺乏有效數(shù)據(jù)整合和分析手段，未能充分利用這些數(shù)據(jù)來優(yōu)化管理決策；同時(shí)當(dāng)前的管理方法缺乏實(shí)時(shí)反饋機(jī)制，無法根據(jù)實(shí)際情況及時(shí)調(diào)整施肥策略；滯后管理方式會(huì)導(dǎo)致長期的養(yǎng)分失衡，影響作物產(chǎn)量和土壤健康。

3、而目前針對(duì)該類問題，通常采取定期土壤檢測，通過定期采集土壤樣本，分析土壤養(yǎng)分含量，并據(jù)此調(diào)整施肥計(jì)劃；這種方法能夠在一定程度上反映土壤的養(yǎng)分狀況，但由于檢測頻率低，難以跟上實(shí)際需求的變化；

4、而部分采用固定的輪作和輪牧制度，通過固定的作物輪作和牧草輪牧制度，嘗試平衡土壤養(yǎng)分的供給和需求；然而這種制度是基于長期平均效果，缺乏對(duì)短期變化的響應(yīng)能力；一定程度上緩解了管理中的問題，但仍存在局限性，主要表現(xiàn)為對(duì)動(dòng)態(tài)變化的反應(yīng)不足、數(shù)據(jù)利用率低以及反饋機(jī)制的滯后；因此亟需一種基于農(nóng)牧融合的生態(tài)循環(huán)管理方法來解決此類問題。

技術(shù)實(shí)現(xiàn)思路

1、為此，本發(fā)明提供一種基于農(nóng)牧融合的生態(tài)循環(huán)管理方法，用以克服現(xiàn)有技術(shù)中基于靜態(tài)的施肥計(jì)劃，忽略作物生長周期、氣候變化、牲畜排泄物的變動(dòng)等動(dòng)態(tài)因素，導(dǎo)致養(yǎng)分供應(yīng)與作物需求之間不匹配；缺乏有效的數(shù)據(jù)整合和分析手段，未能充分利用這些數(shù)據(jù)來優(yōu)化管理決策；缺乏實(shí)時(shí)反饋機(jī)制，無法根據(jù)實(shí)際情況及時(shí)調(diào)整施肥策略的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于農(nóng)牧融合的生態(tài)循環(huán)管理方法，包括：

3、步驟s1，動(dòng)態(tài)養(yǎng)分需求預(yù)測，利用數(shù)據(jù)挖掘技術(shù)，整合多源數(shù)據(jù)，構(gòu)建實(shí)時(shí)動(dòng)態(tài)耦合的養(yǎng)分管理模型，預(yù)測作物和土壤的養(yǎng)分需求；

4、步驟s2，實(shí)時(shí)反饋與自適應(yīng)調(diào)整，基于動(dòng)態(tài)養(yǎng)分需求預(yù)測模型的輸出，結(jié)合實(shí)時(shí)監(jiān)測技術(shù)，建立反饋機(jī)制，進(jìn)行施肥策略的自適應(yīng)調(diào)整；

5、步驟s3，數(shù)據(jù)驅(qū)動(dòng)的決策支持，基于對(duì)歷史數(shù)據(jù)的分析，識(shí)別影響?zhàn)B分供需的關(guān)鍵因素，優(yōu)化未來的施肥策略，提高管理決策的科學(xué)性和精準(zhǔn)性。

6、進(jìn)一步地，步驟s1中，動(dòng)態(tài)養(yǎng)分需求預(yù)測方式包括：

7、收集并整合來自土壤傳感器、氣象站、作物生長監(jiān)測和牲畜健康的多維數(shù)據(jù)，構(gòu)建完整的生態(tài)系統(tǒng)數(shù)據(jù)集；

8、采用深度學(xué)習(xí)算法對(duì)整合的數(shù)據(jù)進(jìn)行訓(xùn)練，構(gòu)建動(dòng)態(tài)耦合模型；

9、基于構(gòu)建的實(shí)時(shí)動(dòng)態(tài)耦合養(yǎng)分管理模型，實(shí)時(shí)預(yù)測作物在不同生長階段的具體養(yǎng)分需求。

10、進(jìn)一步地，步驟s1中，進(jìn)行多源數(shù)據(jù)收集，構(gòu)建完整的生態(tài)系統(tǒng)數(shù)據(jù)集，收集來自以下數(shù)據(jù)源的數(shù)據(jù)：

11、土壤數(shù)據(jù)集ds：包含土壤濕度hs、土壤溫度ts、土壤有機(jī)質(zhì)含量oms、土壤ph值phs；

12、氣象數(shù)據(jù)集dm：包括降水量pm、日照時(shí)長sm、氣溫tm、風(fēng)速wm；

13、作物生長數(shù)據(jù)集dc：作物葉面積指數(shù)laic、作物氮素吸收量nc、生長速率gc；

14、牲畜數(shù)據(jù)集dl：包括牲畜排泄物養(yǎng)分含量nl、牲畜飼料消耗量fl、排泄頻率rl；

15、設(shè)每個(gè)數(shù)據(jù)集dx中的變量為xi，進(jìn)行標(biāo)準(zhǔn)化：其中為標(biāo)準(zhǔn)化后的變量值，xi為原始數(shù)據(jù)值，μx為數(shù)據(jù)集dx中變量的均值，σx為數(shù)據(jù)集dx中變量的標(biāo)準(zhǔn)差；

16、將標(biāo)準(zhǔn)化后的數(shù)據(jù)整合為多維數(shù)據(jù)矩陣x：其中，分別為標(biāo)準(zhǔn)化后的土壤、氣象、作物和牲畜數(shù)據(jù)。

17、進(jìn)一步地，步驟s1中，采用長短期記憶網(wǎng)絡(luò)lstm構(gòu)建動(dòng)態(tài)耦合模型：lstm網(wǎng)絡(luò)能夠有效處理時(shí)間序列數(shù)據(jù)，適合此處的多源數(shù)據(jù)的耦合和動(dòng)態(tài)預(yù)測；

18、設(shè)定輸入層為整合后的多維數(shù)據(jù)矩陣x，輸出為作物不同生長階段的養(yǎng)分需求預(yù)測值np，lstm網(wǎng)絡(luò)架構(gòu)包括：ht＝ot*tanh(ct)，其中ft為遺忘門，控制之前狀態(tài)的影響；it為輸入門，控制新信息的輸入量；為候選記憶單元，表示新狀態(tài)的候選值；ct為記憶單元，存儲(chǔ)累積信息；ot為輸出門；ht為隱藏層狀態(tài)，即輸出；t為當(dāng)前時(shí)刻的時(shí)間索引，σ為sigmoid激活函數(shù)，wf，wi，wc，wo為權(quán)重矩陣，分別對(duì)應(yīng)遺忘門、輸入門、候選記憶單元和輸出門，每個(gè)權(quán)重矩陣用于連接當(dāng)前輸入和上一時(shí)刻的隱藏狀態(tài)，bf，bi，bc，bo為偏置項(xiàng)，分別對(duì)應(yīng)遺忘門、輸入門、候選記憶單元和輸出門，ht-1為前一時(shí)間步的隱藏狀態(tài)，包含之前時(shí)間步信息，xt為當(dāng)前時(shí)間步長的輸入數(shù)據(jù)，包括所有收集到的標(biāo)準(zhǔn)化后的多維數(shù)據(jù)，即土壤、氣象、作物生長和牲畜數(shù)據(jù)；

19、使用歷史數(shù)據(jù)和實(shí)時(shí)采集的數(shù)據(jù)，通過反向傳播算法bptt對(duì)lstm模型進(jìn)行訓(xùn)練，優(yōu)化模型參數(shù)θ＝{wf,wi,wc,wo,bf,bi,bc,bo}，最小化預(yù)測誤差l(θ)：其中np,t為第t個(gè)時(shí)間步的真實(shí)養(yǎng)分需求，為模型預(yù)測養(yǎng)分需求，n為時(shí)間序列中的總時(shí)間步數(shù)，t為當(dāng)前的時(shí)間步；

20、將實(shí)時(shí)收集的標(biāo)準(zhǔn)化數(shù)據(jù)輸入到訓(xùn)練好的lstm模型中，得到當(dāng)前時(shí)間步的養(yǎng)分需求預(yù)測值

21、根據(jù)lstm模型輸出的動(dòng)態(tài)調(diào)整施肥策略。

22、進(jìn)一步地，步驟s2中，實(shí)時(shí)反饋與自適應(yīng)調(diào)整方式包括：

23、持續(xù)監(jiān)測土壤條件、作物狀態(tài)和環(huán)境因素，將實(shí)時(shí)數(shù)據(jù)反饋到養(yǎng)分需求預(yù)測模型中；

24、通過分析實(shí)時(shí)監(jiān)測數(shù)據(jù)與預(yù)測結(jié)果的偏差，立即調(diào)整施肥方案；保障作物在各個(gè)生長階段都獲得最適宜養(yǎng)分。

25、進(jìn)一步地，步驟s2中進(jìn)行實(shí)時(shí)數(shù)據(jù)監(jiān)測，實(shí)時(shí)采集數(shù)據(jù)：

26、土壤條件：包括土壤濕度、土壤溫度、土壤ph值；

27、作物狀態(tài)：作物葉面積指數(shù)、氮素含量、生長速率；

28、環(huán)境因素：氣溫、降水量、風(fēng)速；

29、設(shè)實(shí)時(shí)數(shù)據(jù)矩陣為xreal(t)；

30、使用實(shí)時(shí)數(shù)據(jù)與動(dòng)態(tài)養(yǎng)分需求預(yù)測模型輸出進(jìn)行比對(duì)，計(jì)算偏差：

31、其中δt為時(shí)間步t的偏差矩陣，為預(yù)測模型在時(shí)間步t的輸出數(shù)據(jù)矩陣；

32、利用偏差矩陣δt，建立施肥策略的自適應(yīng)調(diào)整模型，設(shè)施肥量為f(t)，施肥量調(diào)整方式為：

33、f(t+1)＝f(t)+η·wδ·δ(t)，其中f(t)為時(shí)間步t的施肥量，η為學(xué)習(xí)率，控制調(diào)整幅度，wδ為權(quán)重矩陣，用于調(diào)整不同因素對(duì)施肥量的影響，δ(t)為偏差矩陣；

34、自適應(yīng)調(diào)整策略的優(yōu)化公式：

35、其中為更新前，后的權(quán)重矩陣，γ為權(quán)重更新的學(xué)習(xí)率，l(wδ)為損失函數(shù)，即施肥策略與實(shí)際需求之間的誤差平方和；

36、定義損失函數(shù)：其中np,real(t)為時(shí)間步t的實(shí)際養(yǎng)分需求，f(t)為時(shí)間步t的施肥量；

37、通過對(duì)wδ的迭代優(yōu)化，逐步提升施肥策略的準(zhǔn)確性；

38、基于調(diào)整后的施肥策略，實(shí)時(shí)更新土壤、作物和環(huán)境的監(jiān)測數(shù)據(jù)，繼續(xù)計(jì)算新的偏差矩陣δt并重復(fù)調(diào)整過程，形成自適應(yīng)的閉環(huán)反饋系統(tǒng)。

39、進(jìn)一步地，步驟s3中，數(shù)據(jù)驅(qū)動(dòng)的決策支持方式包括：

40、利用數(shù)據(jù)挖掘技術(shù)對(duì)累計(jì)的歷史數(shù)據(jù)進(jìn)行深度分析，提煉出對(duì)養(yǎng)分需求有顯著影響的關(guān)鍵因素；

41、基于歷史數(shù)據(jù)分析結(jié)果，對(duì)施肥策略進(jìn)行預(yù)先優(yōu)化，并通過模擬預(yù)測不同施肥方案的效果，輸出施肥決策。

42、進(jìn)一步地，步驟s3中進(jìn)行歷史數(shù)據(jù)分析與特征選擇：

43、設(shè)有歷史數(shù)據(jù)集xhist，其中包含不同時(shí)間步的多維數(shù)據(jù)xhist＝{x1,x2,...,xt}，每個(gè)數(shù)據(jù)向量xt包含n個(gè)特征，t指代1,2,...,t；

44、使用主成分分析pca提取出主要影響?zhàn)B分需求的特征：

45、xpca＝xhistwpca，其中xpca為降維后的特征矩陣，wpca為pca的特征向量矩陣，通過特征值分解獲得，xhist為歷史數(shù)據(jù)矩陣；

46、主成分得分pcs計(jì)算公式：其中pcsi為第i個(gè)主成分得分，wij為主成分分析中特征j在第i個(gè)主成分中的權(quán)重，xj為特征j的原始數(shù)據(jù)值。

47、進(jìn)一步地，步驟s3中進(jìn)行歷史數(shù)據(jù)分析與特征選擇方式還包括：

48、通過pcs的排序和貢獻(xiàn)率分析，確定對(duì)養(yǎng)分需求影響最大的前k個(gè)關(guān)鍵特征；

49、對(duì)于選定的k個(gè)關(guān)鍵特征，建立多元線性回歸模型量化特征對(duì)養(yǎng)分需求的影響：

50、其中np,hist(t)為時(shí)間步t的歷史養(yǎng)分需求，β0為截距項(xiàng)，βi為特征i的回歸系數(shù)，xi(t)為時(shí)間步t特征i的值，εt為誤差項(xiàng)；

51、采用t檢驗(yàn)法篩選出對(duì)養(yǎng)分需求最顯著的特征。

52、進(jìn)一步地，步驟s3中進(jìn)行施肥策略優(yōu)化方式為：

53、確定關(guān)鍵特征，利用關(guān)鍵特征作為優(yōu)化施肥策略的輸入；

54、定義施肥策略目標(biāo)：最大化作物產(chǎn)量，維持或提升土壤健康，最小化施肥成本；

55、通過多目標(biāo)優(yōu)化方法，找到能夠在多個(gè)目標(biāo)之間實(shí)現(xiàn)最佳平衡的施肥方案；

56、選用遺傳算法和粒子群優(yōu)化算法，輸入關(guān)鍵特征、目標(biāo)函數(shù)和約束條件生成多個(gè)可能的施肥策略；

57、根據(jù)優(yōu)化結(jié)果，篩選出施肥方案。

58、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

59、本發(fā)明，采用數(shù)據(jù)挖掘技術(shù)，整合土壤傳感器數(shù)據(jù)、氣象數(shù)據(jù)、作物生長數(shù)據(jù)和牲畜健康數(shù)據(jù)，構(gòu)建動(dòng)態(tài)耦合的養(yǎng)分管理模型；利用深度學(xué)習(xí)等算法，實(shí)時(shí)預(yù)測作物和土壤的養(yǎng)分需求，并根據(jù)預(yù)測結(jié)果調(diào)整施肥策略，克服了靜態(tài)管理局限性，實(shí)現(xiàn)精準(zhǔn)施肥。

60、本發(fā)明，結(jié)合實(shí)時(shí)監(jiān)測技術(shù)，根據(jù)實(shí)際環(huán)境和作物需求進(jìn)行實(shí)時(shí)調(diào)整；通過反饋機(jī)制系統(tǒng)持續(xù)優(yōu)化養(yǎng)分供應(yīng)，避免現(xiàn)有管理方案中滯后的問題，保證作物在不同生長階段得到適量的養(yǎng)分。

61、本發(fā)明，利用數(shù)據(jù)挖掘技術(shù)深入分析歷史數(shù)據(jù)，挖掘出影響?zhàn)B分供需的關(guān)鍵因素，制定科學(xué)施肥策略，顯著提高數(shù)據(jù)的利用率，減少管理決策中的不確定性。

62、解決了現(xiàn)有技術(shù)中基于靜態(tài)施肥計(jì)劃，忽略作物生長周期、氣候變化、牲畜排泄物的變動(dòng)等動(dòng)態(tài)因素，導(dǎo)致養(yǎng)分供應(yīng)與作物需求之間不匹配；缺乏有效的數(shù)據(jù)整合和分析手段，未能充分利用這些數(shù)據(jù)來優(yōu)化管理決策；缺乏實(shí)時(shí)反饋機(jī)制，無法根據(jù)實(shí)際情況及時(shí)調(diào)整施肥策略的問題。