智能化精準灌溉施肥技術研究現狀與展望

劉永華+俞衛東+沈明霞+孫玉文+熊迎軍

摘要：精準灌溉施肥技術是精確施肥和精確灌溉相結合的產物，精準灌溉施肥關鍵技術涉及到作物生長信息檢測、營養液管理、決策支持系統。基于光譜技術、機器視覺技術的植物生長信息快速無損檢測技術已成為精準農業的關鍵技術之一。營養液的配制及使用過程中的調節是精準灌溉施肥系統的核心，目前主要有基于電導率（EC）值的營養液管理方式、養分添加的營養液管理方式和基于作物模型的營養液管理方式。在精準灌溉施肥決策方面，研究農作物不同生長發育階段與土壤、氣象、管理措施的定量關系，為生成不同尺度的變量處方提供了依據，并對精準灌溉施肥技術進行了展望。

關鍵詞：精準；灌溉；施肥；信息采集；營養液；決策支持系統

中圖分類號：S147.3 文獻標志碼：A

文章編號：1002-1302（2014）08-0384-04

水肥資源是農業可持續發展的物質保證，隨著我國傳統農業向現代農業轉型，水肥資源浪費現象越來越突出。據統計，近年來我國化肥產量 6 620萬t/年，化肥施用量 4 124萬t/年，總產量和總消費量均占世界的1/3以上，單位面積農用化肥施用量434.3 kg/hm2，是國際公認的化肥施用安全上限225 kg/hm2的1.93倍。同時，我國農業水資源利用大多采用大水漫灌的方式，水資源利用率不高，農業的單位面積水資源利用率僅為以色列的1/6～1/5^[1]。水肥資源的不合理利用以及粗放式管理對我國傳統農業向現代農業轉型升級構成了重大挑戰，其解決措施是大力研究與推廣精準灌溉施肥技術。

精準灌溉施肥技術是通過施肥裝置將營養液注入到灌溉系統中，使肥料隨灌溉水一起輸送到田間的一種先進的施肥方式，它根據植物對水分、肥料的需求狀況來進行自動水肥管理，是精確施肥和精確灌溉相結合的產物^[2-3]。通過精確控制灌溉及施肥時間，不但可以有效提高水肥資源利用率，提高養分的有效性，促進作物根系對養分的吸收，而且有助于提高作物產量和質量，節省資源，減少環境污染，提高勞動生產效率。精準灌溉施肥技術已逐漸成為一種在技術上高度密集配套，生產及管理上集約化、自動化、現代化程度很高的農藝生產技術體系。本研究系統分析了智能化精準灌溉施肥關鍵技術及其存在的問題，并就智能化精準灌溉施肥技術研究方向進行展望，旨在為進一步深化智能化精準灌溉施肥技術研究提供參考。

1 精準灌溉施肥技術

1.1 精準灌溉施肥類型

灌溉施肥類型包括按比例施肥和定量供肥等^[4]。按比例施肥法有文丘里注入法和供肥泵法，它是以恒定的營養液成分比例向灌溉系統中供肥，施肥速率與灌溉速率有相關性，施肥量一般用灌溉系統中營養液的養分濃度表示。定量供肥也稱總量控制，整個施肥過程中養分濃度是變化的，施肥量一般用kg/hm2表示。定量供肥系統投入較小，操作簡單，但不能實現精確施肥，適用于保肥能力較強的土壤。按比例供肥系統價格昂貴，但可以實現精確施肥，主要用于輕質土和沙質土等保肥能力差的土壤，以及在無土栽培系統中應用廣泛^[5-7]。

1.2 精準灌溉施肥系統組成

精準灌溉施肥系統總體分為4個部分：信息采集系統、智能控制系統、灌溉施肥決策支持系統和具有故障診斷的遠程監控系統（圖1）。

1.2.1 信息采集系統

信息采集系統主要是由植物生長環境信息采集系統及植物生理信息采集系統組成。生長環境信息包括溫度、濕度、光照等環境因子信息，電導率（EC）、pH值、溶解氧（DO）及營養液成分。植物生理信息采集則是利用現代高科技檢測手段，通過檢測葉、莖、果等作物生長器官的形態或生理變化，可以更直接、快速、靈敏地反映植物體內水分及營養缺損狀況，從而為灌溉施肥提供更加科學合理的依據^[8]。近年來，隨著精準農業技術的發展，研究植物生理信息采集已成為精準灌溉施肥技術的基礎。

1.2.2 智能控制系統

智能控制系統包括設施環境控制子系統、灌溉控制子系統、營養液控制子系統。根據不同植物對生長環境要求，通過控制濕簾-風機系統、加溫系統、遮陰系統、補光系統等機構，可將設施環境調控到植物生長的理想狀態。灌溉控制子系統是根據植物需水情況，利用噴滴灌技術實現實時精準灌溉。營養液控制子系統包括配肥系統、營養液輸送等系統，其中配肥系統主要包括母液罐、文丘里吸肥器、混合罐、電磁閥、混肥管路^[8]；營養液輸送系統根據控制區域的要求將電磁閥打開或關閉。

1.2.3 灌溉施肥決策支持系統

智能灌溉施肥決策支持系統應用數據倉庫和聯機分析處理（OLAP）新技術，建立植物生長模型，將專家系統和數據開采技術結合，為農業灌溉和施肥進行輔助決策，進一步提高農業灌溉和施肥決策的準確性、科學性及智能化水平。

1.2.4 具有故障診斷的遠程監控系統

利用物聯網技術可以實現對灌溉施肥系統的網絡在線監控，從而提高設施園藝栽培智能化水平，達到節省人力、物力的目的。同時，系統具有遠程故障診斷功能，能夠在線監控故障現象，并將故障現象上傳到指揮系統，從而快速解決故障，提高系統無故障運行水平。

2 精準灌溉施肥關鍵技術研究進展

2.1 作物生長信息檢測技術研究進展

作物生長信息快速檢測是現代精準農業的關鍵技術之一。只有準確獲取植物生長信息，及時了解作物生長養分缺損情況，才能實現精準水肥調控。近年來，隨著現代信息技術及控制技術的快速發展，一些新的檢測技術和方法被應用于精準灌溉施肥系統中，提高了作物生長營養成分缺損的診斷水平，為科學合理灌溉施肥提供了科學依據。

2.1.1 基于光譜分析技術的快速無損檢測技術

利用光譜分析技術測量作物氮含量的研究與應用很多。一些學者研究了水稻氮素含量與光譜特性的相關性^[9-11]。研究發現，用光譜技術能較好檢測玉米、小麥氮素含量^[12-13]。李映雪等、田永超等研究指出，冠層信息、葉面積指數等冠層特性與植物養分存在相關關系^[14-15]。在植物養分傳感器方面，國內外對靜態檢測傳感儀器方面的研究較多，動態式的農業物聯網方面的研究和應用比較鮮見。聶鵬程研究了基于可見/近紅外光譜植物養分的快速無損感知技術，提出了以可見/近紅外光譜技術為基礎的植物養分測定方法，提取了13個作物養分檢測特征波段和 3個作物生理信息檢測特征波段，開發了實時動態植物養分與生理信息檢測傳感器，并結合農業物聯網系統與農業自動化控制技術，進行自動肥水管理研究與開發^[16]。endprint

一般光譜分析技術路線如圖2所示。獲取植物光譜數據時，由于儀器或檢測環境、光源、電子元件的漂移，往往導致光譜信息中夾雜著很多噪聲。為了最大限度地挖掘獲取光譜信息中的有效信息，去除噪聲等因素對模型預測性能的影響，一般須要對光譜數據進行預處理。根據樣本集測量值與預測值之間的相關系數和均方根誤差來判斷所建模型的預測性能，模型相關系數越大，均方根誤差越小，則模型的預測能力越好。基于光譜技術的植物養分、植物冠層信息和植物生理信息感知方法，并通過試驗數據建模，找出植物養分信息與生理信息的檢測特征波段，根據獲得的特征波段，為開發適用于農業物聯網實時動態植物養分與生理信息檢測傳感器提供依據^[17-18]。

2.1.2 基于機器視覺技術的作物生長信息無損檢測技術

機器視覺技術是通過在種植區安裝攝像機對作物生長進行實時監測來實現的。一是對葉面積、徑粗、葉柄角等幾何參數進行測定，為作物生長模型有關功能提供幾何參數，并由幾何信息對植物生長狀態作出判斷。二是提取圖像顏色信息，判斷植物生長狀態，主要是通過顏色信息對植物進行營養診斷^[19]。將計算機視覺技術應用到作物營養液調控及供給方面，按照各種作物的需求來供應作物營養，提高營養液灌溉的準確度^[20]。

基于機器視覺的圖像處理系統包括圖像采集、圖像處理、數據處理、專家庫（作物圖像數據庫和作物生長專家數據庫）、環境信息、數據輸出、執行機構等7大部分。圖像采集部分主要是由攝像頭、圖像采集卡組成，完成作物圖像的采集和輸入。圖像處理主要完成圖像的預處理、特征提取、模式識別、作物營養狀況判斷。專家庫存儲了作物生長過程中不同狀態的圖像信息及專家信息，并存儲采集的圖像和處理結果、環境信息，以便用戶查詢及系統自學習等。數據處理部分完成環境信息及圖像信息的綜合處理，提出控制策略。環境信息部分完成環境參數（如溫度、濕度、光照等）的采集及輸入。數據輸出部分是指圖像和結果的顯示及控制信息的輸出。執行機構部分是指按上位機給定的信息，調整營養液的配制及灌溉量，并完成營養液的供給。

利用光譜分析技術及基于機器視覺技術進行作物生長信息檢測有其特有優勢，但也存在一些問題，主要有：（1）設備昂貴，一般農業用戶還不能承受；（2）開發周期長，須要對相關作物進行長時間的機理分析才能找到相關特征值，而開發植物生理檢測的實用化傳感器周期則更長；（3）檢測精確度還有待提高，光譜分析技術及基于機器視覺技術分析采樣植物的部位，采樣生長的時間都有待進一步深入研究，從而提高準確性。

2.2 營養液管理技術研究進展

營養液是將含有植物生長發育所必需的各種營養元素的化合物按一定數量和比例溶于水中配制而成的溶液^[21]。作物的生長速度和品質在很大程度上取決于營養液各營養元素的配比和濃度是否合適，以及營養液管理是否能滿足作物不同生長階段的要求，因此營養液的配制及使用過程中的調節是精準灌溉施肥系統的核心^[22]。

營養液管理主要是指在作物栽培過程中循環使用的營養液的管理。營養液必須含有作物生長所需的12種礦物元素，礦物質元素中，作物對氮（N）、磷（P）、鉀（K）、鈣（Ca）、鎂（Mg）、硫（S）等6種元素的需求量較大（均占作物干質量的0.1%以上），被稱為大量元素；作物對鐵（Fe）、硼（B）、錳（Mn）、銅（Cu）、鋅（Zn）、鉬（Mo）等6種元素的需求量較小（均占作物干質量的 0.1%以下），被稱為微量元素。在作物生長過程中，作物根系不斷從營養液中吸收水分、養分、氧氣，從而使營養液濃度、成分、pH值、溶解氧等不斷變化；此外外界環境的改變也時刻影響營養液的溫度。因此必須對營養液進行檢測和調控，使其適應作物生長需要。對營養液的管理主要考慮這幾個方面：（1）營養液濃度。營養液濃度通常用EC表示，代表營養液總鹽分的離子濃度，營養液濃度直接影響作物產量和品質，不同作物、同一作物不同發育期與不同季節營養液濃度管理均有差別。（2）pH值。大多數作物根系在pH值6.5左右的微酸性環境下生長良好，但是營養液在循環使用中因鹽類的生理反應等原因，pH值常發生變化，會對根系正常生長和功能產生影響。當pH值過高時，用HNO3、H3PO4中和調整；當pH值過低時，用NaOH、KOH中和調節。（3）DO。營養液中溶解氧濃度的高低直接影響作物根系的呼吸，靠自然擴散遠遠不能滿足作物根系對氧的需求。目前生產上普遍采用營養液循環流動方式來提高營養液的溶解氧濃度。（4）液溫。營養液溫度對作物生長影響很大，作物根系適宜的液溫范圍比地上部適宜溫度范圍要窄，且根系溫度主要受液溫影響。液溫過低，則根系生長不良，功能降低；液溫過高，則易產生生理障礙。

目前生產上對營養液的管理主要是檢測營養液EC值及pH值，對營養液營養成分還不能做到實時在線監測。由于作物生長過程中存在對離子的選擇性吸收，因此植物經過一段時期生長后，營養液離子會失去均衡性，雖然EC測量值在設定范圍內，滿足預設要求，但由于營養液氮、磷、鉀等養分比例被打破，造成植物生長營養虧缺，從而影響植物正常生長。因此今后要加強營養液成分在線監測的研究，開發營養液修復技術，確保營養液養分均衡合理。

2.3 精準灌溉施肥決策支持系統

對獲取的各種信息進行分析、處理、管理是農業生產決策必不可少的環節。決策支持系統（decision support system，DSS）是以計算機技術為基礎的輔助管理人員進行決策的知識信息系統，誕生于20世紀70年代。它涉及到計算機軟件和硬件、信息論、人工智能、經濟數學、管理科學等許多學科，能夠有效地改善管理人員的決策能力，提高決策的科學性和信息化程度^[23]。要實現精確灌溉與施肥，則要充分利用現代化的計算機人工智能技術手段，通過模型技術和人工智能技術建立決策管理系統。endprint

精準灌溉施肥決策支持系統要研究農作物不同生長發育階段與土壤、氣象、管理措施的定量關系，為生成不同尺度的變量處方提供理論依據。其核心問題是施肥量的確定，其難點在于決策模型的制定。目前國內外就精準施肥決策支持系統研究很多。Pokrajac等給出了一個基于神經網絡的決策支持系統，用于提供精準施肥的決策^[24]；滕青芳等利用神經網絡建立了土壤施肥模型^[25]；蘭維娟等將徑向基函數網絡應用于變量施肥決策^[26-27]。

以上決策支持系統研究為精準灌溉施肥提供了有益探索，但模型的準確性和通用性還有待進一步研究。在精準灌溉施肥決策系統研究方面，今后要繼續加強作物生長模型研究及需水、需肥信息監測研究，綜合考慮土壤、作物、氣象等環境因子的影響，開展作物灌溉施肥預報決策和相應智能控制決策研究與開發。特別是針對灌溉施肥系統復雜、模糊、高度非線性等問題，可考慮采用模糊邏輯和人工神經網絡技術來提高灌溉施肥決策系統的可靠性和通用性。

3 研究展望

隨著我國現代農業的發展，現代農業生產對精準灌溉施肥技術的要求越來越高，加強對精準灌溉施肥的研究也就顯得更加重要。研究作物對水分、肥料的需求，從而進行科學合理灌溉已成為共識，在以下幾方面還要加強研究。

3.1 生物信息傳感技術研究

深入開展作物生理研究，研究作物長勢與水分、營養元素之間的關系，作物生長狀態與營養成分虧缺之間的定量關系，開發相應的生物信息傳感器，直接對植物生理進行監測，從而為精準灌溉施肥決策提供原始數據。雖然研究者已在作物生長信息檢測方面做了大量研究工作，但能大面積推廣的相關實用儀器設備還未出現。未來還要繼續加強無損監測技術、作物生長信息傳感器方面的研究，實時獲取作物水分、養分信息，并精確了解作物養分、水分狀況，依據作物水分、養分狀況進行精準灌溉施肥管理。

3.2 營養液成分在線檢測技術研究

目前主要是通過測量EC值和pH值來進行營養液濃度調控，雖然已出現對K+、Ca2+、NO-3、Mg2+等離子濃度的在線監測技術，但總體上說，大部分營養液離子要人工分析，檢測時間長，營養液供給系統無法動態地反映作物對某種營養元素的需求，無法按照作物生理生長特性供應營養液，不能滿足對營養液實時精細化管理需要。今后要繼續加強營養液離子在線監測技術研究，開發相應的傳感器或離子選擇電極，實現相應離子的在線監測。

3.3 作物需水、需肥模型研究

研究作物產量與需水量、施肥量之間的定量關系，分析氮、磷、鉀等營養養分及灌溉對作物產量的影響，綜合考慮土壤水分、土壤養分、肥料利用率、最高產量及經濟效益等指標，建立作物需肥模型及作物需水模型，為精準施肥提供科學依據，從而更好地實現精準灌溉施肥。

參考文獻：

[1]趙春江. 對我國未來精準農業發展的思考[J]. 農業網絡信息，2010（4）：5-8.

[2]朱兆良. 合理使用化肥 充分利用有機肥 發展環境友好的施肥體系[J]. 中國科學院院刊，2003，18（2）：89-93.

[3]嚴 昶. 灌溉施肥自動化控制系統研究[D]. 武漢：華中農業大學，2008.

[4]李 凱，毛罕平，李百軍. 混藥混肥裝置控制性能分析[J]. 農業機械學報，2003，34（1）：50-53.

[5]魏正英，葛令行，趙萬華，等. 灌溉施肥自動控制系統的研究與開發[J]. 西安交通大學學報，2008，42（3）：347-349，363.

[6]劉愛民，封志明，徐麗明. 精準農業技術體系[J]. 農業機械學報，2000（3）：124-125.

[7]李金風，姜 娟，趙 斌. 關于平衡施肥中土壤供肥性能的研究[J]. 土壤通報，2002，33（5）：351-355.

[8]伍德林，毛罕平. 溫室作物需水信息指標及濕度控制策略研究進展[J]. 中國農村水利水電，2007（1）：35-40.

[9]朱 艷，李映雪，周冬琴，等. 稻麥葉片氮含量與冠層反射光譜的定量關系[J]. 生態學報，2006，26（10）：3463-3469.

[10]薛利紅，曹衛星，羅衛紅，等. 基于冠層反射光譜的水稻群體葉片氮素狀況監測[J]. 中國農業科學，2003，36（7）：807-812.

[11]薛利紅，曹衛星，羅衛紅，等. 光譜植被指數與水稻葉面積指數相關性的研究[J]. 植物生態學報，2004，28（1）：47-52.

[12]姚 霞，劉小軍，王 薇，等. 基于減量精細采樣法估算小麥葉片氮積累量的最佳歸一化光譜指數[J]. 應用生態學報，2010，21（12）：3175-3182.

[13]姚 霞，朱 艷，田永超，等. 小麥葉層氮含量估測的最佳高光譜參數研究[J]. 中國農業科學，2009，42（8）：2716-2725.

[14]李映雪，朱 艷，田永超，等. 小麥葉片氮素含量與冠層反射光譜指數的定量關系[J]. 作物學報，2006，32（2）：203-209.

[15]田永超，曹衛星，姜 東，等. 不同水氮條件下水稻冠層反射光譜與植株含水率的定量關系[J]. 植物生態學報，2005，29（2）：318-323.

[16]聶鵬程. 植物信息感知與自組織農業物聯網系統研究[D]. 杭州：浙江大學，2012.

[17]王 植，周連第，李 紅，等. 桃樹葉片氮素含量的高光譜遙感監測[J]. 中國農學通報，2011，27（4）：85-90.

[18]張曉文，蘇伯平，孫淑彬，等. 設施農業精準灌溉監控系統的研究與開發[J]. 中國農機化，2005（1）：30-32.

[19]毛罕平，徐貴力，李萍萍. 基于計算機視覺的番茄營養元素虧缺的識別[J]. 農業機械學報，2003，34（2）：73-75.

[20]張 亮，毛罕平，左志宇. 基于計算機視覺技術的溫室營養液調控系統研究[J]. 中國農機化，2005（1）：50-53.

[21]李式軍，郭世榮. 設施園藝學[M]. 北京：中國農業出版社，2002.

[22]倪紀恒，毛罕平，馬萬征. 溫室營養液管理策略的研究進展[J]. 蔬菜，2011（6）：45-47.

[23]陳桂芬. 數據挖掘與精準農業智能決策系統[M]. 北京：科學出版社，2011.

[24]Pokrajac D，Obradovic Z. A neural network-based method for site-specific fertilization recommendation[C]. California，USA：ASAE Annual International Meeting，Sacramento，2001.

[25]滕青芳，秦春林，黨建武. 利用神經網絡建立土壤施肥模型的應用研究[J]. 蘭州鐵道學院學報：自然科學版；2002，21（4）：54-57.

[26]蘭維娟，毛鵬軍，杜東亮，等. 基于徑向基函數網絡的變量施肥決策研究[J]. 安徽農業科學；2007，35（21）：6505-6507.

[27]李 淼，方德洲，張 建，等. 一種基于支持向量機的模糊施肥預測方法研究[J]. 計算機應用與軟件；2009，26（2）：50-52.endprint