本发明涉及农作物精准种植数字管控，具体为一种无人农业精准种植智能管控方法。
背景技术：
1、无人农业和精准种植可以充分利用农业数据资源，在兼顾生态环境的同时，降低从业者数量和素质要求，提高农产品产量品质，相关领域研究近年来发展迅速。
2、随着智慧农业的快速发展，物联网和大数据技术已广泛应用于农业管理系统，公告号为cn114221979a的中国发明专利公开了基于综合环境因子的智能种植工厂香菇生长预测模块评估系统及方法，设计了一种综合环境因子耦合下香菇生长预测模型，模型的建立基于图像识别技术来分析环境数据对作物生长的影响，受制于农业生产中的图像数据量庞大且受季节性、地域性、光照不均、土壤颜色变化等因素限制，此类以植物形态学特征为依据构建的模型多用于预估农产品质量、产量。
3、公告号为cn109102422a的中国发明专利公开的一种大数据农业管理系统、公告号为cn109583301a的中国发明专利公开的一种农作物生长过程最优外部种植条件预测方法及装置、公告号为cn114386662a的中国发明专利公开的一种基于大数据的农业信息采集系统及采集方法，以上发明专利的数据基础均来自图像识别技术，或以单一的生长模型为辅助构建产量质量预测模型，其受制于单一地点环境数据、视觉识别数据库和技术的局限性，主要服务于市场预测、寻找相似品种的环境条件、产业链管理等方面。
4、在生产调控方面，为进一步提高生产精度和农产品产量，公告号为cn112215716a的中国发明专利公开了一种农作物生长干预方法、装置、设备及存储介质，包括：获取与待干预农作物对应的农事数据和目标气象数据；并根据农作物的生长阶段确定农作物在预设适宜度值下对应的第一气象条件；通过预置农业气象监测预警评估模型，对目标气象数据和第一气象条件进行评估处理，得到目标气象数据的评估结果，并将评估结果与预设气象灾害预警标准进行比对，判断农作物在第二气象条件下生长是否适宜；若否，则生成气象灾害预警信息，并将其发送至业务单位，提示对农作物进行干预。
5、上述专利公开的干预方法，以及公告号为cn112070297a的中国发明专利公开的农事活动的天气指标预测方法、装置、设备及存储介质、公告号为cn105959396a的中国发明专利公开的农业信息发送方法、装置及系统、公告号为cn116977111a的中国发明专利公开的一种基于智慧ai农业的玉米种植决策管控系统等，均是基于农业气象数据来构建气候适宜度评价模型，开展分区域、分作物、分灾种的精细化农业气象服务，通过传感器数据比对预设阈值驱动设备参与环境调控，此类单维度环境因素驱动的异常预警在防灾减灾方面成效显著，但未能处理不同农作物在不同物候期对环境的不同需求，以及环境因子间的相互影响，形成的农事决策相对分散且独立，无法满足现代农业发展对精准管控的需求，应用局限性在受生态环境、农事水平、农业人口三重限制下的我国西北部地区体现尤为明显。
技术实现思路
1、本发明的目的在于提供一种无人农业精准种植智能管控方法，构建了一个适用于无人农业的精准种植大模型，综合农作物在不同物候期对不同环境数据的不同需求和受胁迫程度，关注环境数据影响之间的关联及其与农作物生长状态的耦合作用，应用适生模型、水肥耦合模型、农业气象、物候期特性等方面的农业科研成果，更全面地反映农作物对环境的实际响应，更准确的驱动设备参与生产，保障农事操作精准介入、因时制宜。从而解决了上述背景技术中提出的问题。
2、本发明采用的技术方案如下：
3、一种无人农业精准种植智能管控方法，包括以下步骤：
4、步骤一：综合作物种类、种植模式和地块位置，针对性采集农业气象数据，农作物建模数据、环境变量数据；
5、步骤二：利用大数据工具hadoop和mongodb配合hdfs分布式文件系统和mapreduce计算框架构建大数据平台；
6、步骤三：利用深度神经网络算法结合apriori、gri和carma对大量多源异构数据进行关联度挖掘分析，建立精准种植模型；
7、步骤四：对物联网采集的环境数据进行多要素交叉综合分析，利用“环境数据－精准种植大模型－短临农气数据”三重动态验证分析形成精准种植决策。
8、进一步的，步骤一中，所述农业气象数据包括近30年气象数据、传感器实时气象数据和短时临近天气预报数据，农业气象数据为world clim公布的生物气候变量原始数据，具体包括剔除平均值后的逐月最低温度、最高温度、降水量、太阳辐射、风速和水汽压差，空间分辨率为30”。
9、进一步的，步骤一中，所述农作物建模数据包括最适生模型数据、水肥耦合模型数据、主要物候时段、灾害指标、重要农事适宜度指标数据，所述最适生模型数据和水肥耦合模型数据是通过动态模拟生理发育时间来精确划分作物发育阶段，再利用回归方程量化为模型构件的，基本构成分为动态养分模块、水分平衡模块、作物发育模块、极端胁迫模块。
10、进一步的，所述动态养分模块用植株干物质(plant dry matter，pdm)或叶片干物质(leaf dry matter，ldm)的临界氮浓度稀释曲线反应作物氮素需求量和转运量，公式如下：
11、nc＝as-b
12、式中，nc为临界氮浓度(％)，s为所选当前类型的积累量(t·hm-2)、a为所选类型积累量1t时的临界氮浓度(％)，b为对应作物氮稀释系数；
13、所述水分平衡模块用联合国粮食及农业组织fao的penman formula，测算；
14、所述极端胁迫模块使用高温累积度日数、低温累积度日数、半致死温度、水分胁迫参数反映极端环境对作物生长发育的影响，并作为单一环境参数临界值(threshold)作用于整个系统。
15、所述数据的数据格式均采用wofost 6.0标准，便于修正各模块自身不精确性带来的误差，及后续扩展使用欧盟联合研究中心jrc发布的mars项目框架下的tropfor、daast等工具，保障模型的共享价值和数据的动态性及通用性。
16、进一步的，步骤四中，三重动态验证的具体步骤如下：
17、s1.传感器环境数据上传大数据平台；
18、s2.比对极端胁迫模块中的环境参数临界值(threshold)，如有因素超过则以此因素为单一条件调用投入品及农事数据库进行干预，否则进入步骤s3；
19、s3.比对相应物候期验证模型，筛选不利因子建组，形成评价指标体系；
20、s4.多因素交叉综合分析并计算评价指标体系的综合分析值，如大于等于标准值1，以交叉综合分析结果为条件调用投入品及农事数据库，否则进入步骤s5；
21、s5.分析短临天气预报数据在内的农气数据，推送s4形成的数字化决策至物联网设备；遇农业气象因子剧烈变化，将短临天气预报数据与s3形成的不利因子组进行多因素交互方差分析，推送数字化决策至物联网设备。
22、步骤s4中，在多因素交叉综合分析并计算评价指标体系的综合分析值时，系统先将不利因子按重要性进行排序，具体的，最重要的不利因子权重为1，其他不利因子则按照重要性分配具有相应减量的权重；评价指标体系的综合分析值计算表达式如下：
23、
24、式中：u为评价指标体系的综合分析值；qi为第i个不利要素因子的量化值；wi为第i个不利要素因子的权重；n为评价要素因子的总个数；
25、在计算量化值时，为标准化评价不同量纲、不同数值范围、不同时期的要素因子的贡献值，需要使用均方差结合指数滑动方法将每个要素因子的值映射到0到1的范围，来转换为相对统一的尺度，并赋予近期数据更高的权重来反映其变化趋势，具体的计算公式如下：
26、ema(t)＝α×x(t)+(1-α)×ema(t-1)
27、其中ema(t)代表在时间t的指数滑动平均值，x(t)代表在时间t的原始数据，α是一个介于0和1之间的平滑参数。
28、综上所述，由于采用了上述技术方案，本发明的有益效果是：
29、1.本发明构建了一个适用于无人农业的精准种植大模型，综合了不同农作物在不同物候期对环境数据的不同需求和受环境胁迫的程度、环境数据之间的关联影响和农作物生长状态的耦合作用、最适生模型、水肥耦合模型、农业气象、物候期特性等方面的科研成果，可以更全面地反映农作物对环境的实际响应。
30、2.本发明应用大数据技术结合深度学习算法，系统识别农作物生长状态相关的异常环境因子关联，而非基于各单一因素的分析；提供精准高效的综合环境调控决策，而非孤立的异常提示；建立农业生产全过程监控预测科学化、药水肥精准化、管控智能化、生产自动化的“环境数据－精准种植模型－短临农气数据”无人农业精准种植大数据模型和农业生产管理逻辑，更准确的驱动设备参与农业生产，保障农事操作精准介入、因时制宜。
31、3.本发明将短临农气数据作为验证农事介入决策有效性的判断依据，避免施肥、植保、浇水等农事效果受未来天气影响，推动农业投入品减量增效，进一步提升基于环境需求驱动农事介入的整体操控系统的合理性和有效性，确保数字化农业管理与农业实践更为贴近，实现农业生产生态全面管理。
1.一种无人农业精准种植智能管控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种无人农业精准种植智能管控方法，其特征在于，步骤一中，所述农业气象数据包括近30年气象数据、传感器实时气象数据和短时临近天气预报数据，农业气象数据为world clim公布的生物气候变量原始数据，具体包括剔除平均值后的逐月最低温度、最高温度、降水量、太阳辐射、风速和水汽压差，空间分辨率为30”。
3.根据权利要求1所述的一种无人农业精准种植智能管控方法，其特征在于，步骤一中，所述农作物建模数据包括最适生模型数据、水肥耦合模型数据、主要物候时段、灾害指标、重要农事适宜度指标数据，所述最适生模型数据和水肥耦合模型数据是通过动态模拟生理发育时间来精确划分作物发育阶段，再利用回归方程量化为模型构件的，基本构成分为动态养分模块、水分平衡模块、作物发育模块、极端胁迫模块。
4.根据权利要求3所述的一种无人农业精准种植智能管控方法，其特征在于，所述动态养分模块用植株干物质或叶片干物质的临界氮浓度稀释曲线反应作物氮素需求量和转运量，公式如下：
5.根据权利要求3所述的一种无人农业精准种植智能管控方法，其特征在于，所述数据的数据格式均采用wofost 6.0标准，便于修正各模块自身不精确性带来的误差，及后续扩展使用欧盟联合研究中心jrc发布的mars项目框架下的tropfor、daast工具，保障模型的共享价值和数据的动态性及通用性。
6.根据权利要求1所述的一种无人农业精准种植智能管控方法，其特征在于，步骤四中，三重动态验证的具体步骤如下：
7.根据权利要求6所述的一种无人农业精准种植智能管控方法，其特征在于，步骤s4中，在多因素交叉综合分析并计算评价指标体系的综合分析值时，系统先将不利因子按重要性进行排序，具体的，最重要的不利因子权重为1，其他不利因子则按照重要性分配具有相应减量的权重；评价指标体系的综合分析值计算表达式如下：
