Tên đề tài: “Mô hình hóa và dự báo ảnh hưởng của độ cứng bề mặt đất đến khả năng quang hợp và năng suất của cây lúa”

Tác giả: Bùi Văn Hữu Khóa: 2019

Ngành: Kỹ thuật điều khiển và tự động hóa; Mã số: 9520216. Nhóm ngành: Kỹ thuật

Người hướng dẫn: PGS.TS. Ngô Quang Hiếu - Trường Đại học Cần Thơ

  1. Tóm tắt nội dung luận án

Đồng bằng sông Cửu Long là nơi sản xuất và cung cấp phần lớn lương thực trong và ngoài nước. Việc thâm canh lúa 3 vụ/năm, việc làm đất không hợp lý và lực nén của máy móc trên ruộng làm tầng đất canh tác bị nén dẽ. Các nội dung nghiên cứu chủ yếu được thực hiện tại một số ruộng tại các tỉnh tại tỉnh An Giang, Long An và Hậu Giang từ năm 2019–2023 nhằm khảo sát sự ảnh hưởng của độ cứng đất đến sự sinh trưởng, năng suất lúa và xây dựng các mô hình dự đoán số chồi và năng suất lúa. Mối tương quan giữa dung trọng, độ xốp, độ cứng đất, NDVI, NDRE với sinh trưởng và năng suất lúa được đánh giá bằng kiểm định tương quan Pearson. Ứng dụng Curve Fitting trong phần mềm Matlab và mạng nơron nhân tạo được sử dụng để xây dựng mô hình dự đoán số lượng chồi và năng suất lúa theo độ cứng đất và NDVI, NDRE. Kết quả nghiên cứu cho thấy độ cứng đất tăng dần theo độ sâu và khác nhau giữa các vị trí trong ruộng lúa. Độ cứng của tầng đất 0–20 cm có mối tương quan thuận với số lượng chồi lúa, các mô hình có thể dự đoán hiệu quả số lượng chồi lúa theo giá trị độ cứng của lớp đất 0–20 cm tại thời điểm dưới 40 ngày sau khi cấy. Độ cứng của tầng đất 10 cm có mối tương quan thuận với năng suất lúa, mô hình dự đoán năng suất lúa được xây dựng theo độ cứng đất ở độ sâu 10 cm từ bề mặt. NDVI và NDRE tăng và giảm đều sau khi đạt giá trị lớn nhất (0,79–0,86) trong giai đoạn lúa làm đồng. NDVI và NDRE có mối quan hệ cao với chiều cao cây, số chồi và năng suất thành phần của cây lúa. Các mạng nơron nhân tạo được xây dựng, huấn luyện và kiểm tra cho kết quả dự đoán năng suất lúa với độ tin cậy cao. Ngoài ra, độ cứng của lớp đất 0–20 cm khoảng 230 kPa và 338 kPa ở hai vụ Đông Xuân và Hè Thu có thể là giá trị tối ưu để nông dân biết được mức độ làm đất phù hợp cho việc trồng lúa. Độ cứng của lớp đất ở tầng đất 10 cm từ 165–190 kPa có thể là giá trị tối ưu của việc làm đất để trồng lúa với năng suất cao nhất trong vụ Hè Thu. Những kết quả nghiên cứu này có thể giúp nông dân và nhà quản lý biết được mức độ làm đất tối ưu cho việc trồng lúa cũng như dự đoán sớm năng suất lúa. Ngoài ra, bản đồ phân bố năng suất lúa và độ cứng đất vụ Đông Xuân 2022 và Hè Thu 2022 được xây dựng từ NDVI và NDRE.

  1. Những kết quả mới của luận án

Luận án đã đạt được những điểm mới như sau:

  • Xác định được mối quan hệ giữa độ cứng đất với sự sinh trưởng và năng suất lúa.
  • Xây dựng được mô hình toán để dự đoán sự sinh trưởng và năng suất lúa thông qua độ cứng đất.
  • Xác định được mối quan hệ giữa NDVI và NDRE được thu thập bởi UAV với sự sinh trưởng và năng suất lúa.
  • Xây dựng được mô hình mạng nơ-ron nhân để dự đoán NS lúa thông qua NDVI và NDRE.
  • Lập được các bản đồ phân bố năng suất lúa và độ cứng đất thông qua NDVI và NDRE.
  1. Các ứng dụng/khả năng ứng dụng trong thực tiễn, các vấn đề cần tiếp tục nghiên cứu

Các mô hình toán và mô hình mạng nơ-ron nhân tạo được xây dựng trong các nội dung nghiên cứu có thể áp dụng để dự đoán sự sinh trưởng và năng suất lúa OM18 hoặc đài thơm 8 tại một số khu vực canh tác lúa trên địa bàn tỉnh An Giang, Long An và Hậu Giang. Ngoài ra, việc lập được bản đồ phân bố độ cứng đất thông qua NDVI và NDRE cũng như giá trị phù hợp của độ cứng đất được xác định trong nghiên cứu này để người dân có các biện pháp canh tác hay cải tạo đất phù hợp cho lúa phát triển mạnh và đạt năng suất cao trong vụ lúa mới.

Thesis title: Modeling and forecasting the impact of soil compaction on photosynthesis and yield of rice

- Major: Control Engineering and Automation                Code: 9520216

- Full name of PhD student: Bui Van Huu                      Year: 2019, period 1

- Scientific supervisor: Assoc. Prof. Ngo Quang Hieu

- Educational institution: College of Engineering, Can Tho University

  1. Content of thesis summary

The Mekong Delta is where it produces and supplies the majority of food for domestic and foreign. Intensive rice cultivation of 3 crops/year, land reclamation inconsequential and the pressure of machinery on the fields causes compaction of the arable soil layer. The main research contents were conducted in a number of fields in An Giang, Long An and Hau Giang provinces from 2019–2023 to investigate the influence of soil compaction on rice growth and yield and build models to predict the number of shoots and rice yield. The correlation between the density, porosity, compaction of soil, NDVI, NDRE with rice growth and yield was evaluated by Pearson correlation test. Curve Fitting application in Matlab software and artificial neural network were used to build models to predict the number of tillers and rice yield according to soil compaction and NDVI, NDRE. Research results show that soil compaction gradually increased with depth and differed between locations in the paddy rice field. The compaction of the 0–20 cm soil layer had a positive correlation with the number of rice tillers, the models can effectively predict the number of rice tillers according to the compaction of the 0–20 cm soil layer at times below 40 days after transplanting. The compaction of the 10 cm soil layer had a positive correlation with rice yield. The rice yield prediction model was built according to the soil compaction at a depth of 10 cm from the surface. NDVI and NDRE increased and decreased steadily after reaching the maximum value (0.79–0.86) during the paddy field period. NDVI and NDRE had a high relationship with plant height, number of tillers and component yield of rice. Artificial neural networks were built, trained and tested to predict rice yield with high reliability. In addition, the compaction of the 0–20 cm soil layer was about 230 kPa and 338 kPa in the Winter-Spring and Summer-Autumn crops, which can be the optimal value for farmers to know the appropriate level of soil preparation for planting. The compaction of the 10 cm soil layer from 165–190 kPa can be the optimal value of land preparation to grow rice with the highest yield in the Summer-Autumn crop. These research results can help farmers and managers know the optimal level of land preparation for rice cultivation as well as early prediction of rice yield. In addition, the distribution maps of rice yield and soil compaction in the Winter-Spring 2022 and Summer-Autumn 2022 crops were constructed from NDVI and NDRE.

  1. The novel aspects from the thesis

The dissertation achieved the following innovations:

  • Identified the relationship between soil compaction and rice growth, rice yield;
  • Established a mathematical model to predict rice growth and rice yield based on soil compaction;
  • Identified the relationship between NDVI, NDRE collected by UAV and rice growth, rice yield;
  • Established a neural network model to predict rice yield based on NDVI and NDRE;
  • Created the distribution maps of rice yield and soil compaction based on NDVI and NDRE.
  1. Application prospect and suggestions for further study

The mathematical models and artificial neural network models developed in the research can be applied to predict the growth and yield of OM18 or Dai Thom 8 rice varieties in various rice cultivation areas in An Giang, Long An, and Hau Giang provinces. In addition, the establishment of a soil compaction distribution map through NDVI and NDRE as well as the appropriate value of soil compaction were identified in this study so that farmers can have appropriate cultivation or soil improvement measures to enhance rice growth and achieve high yield in the new rice crop.        

 

Hướng dẫn HVCH nhập Kế hoạch học tập lên Hệ thống quản lý

Số lượt truy cập

21926257
Hôm nay
Tuần này
Tháng này
Tổng số lượt truy cập
9006
52092
32328
21926257
Vinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.x