現代農業智能灌溉技術的研究現狀與展望

李德旺+許春雨+宋建成

摘要：現代農業是采用計算機網絡技術、自動控制技術、人工智能技術、數據庫技術進行科學管理的社會化農業。智能化灌溉是現代農業的重要標志，也是現代化農業重要的建設任務。我國水資源缺乏，耕地面積廣闊，灌溉水利用系數低，因此智能灌溉技術的研究成為近些年的研究熱點。我國的智能灌溉技術較國外發展晚，在技術成本、技術創新、技術融合等方面都與國外先進技術存在一定差距。為了推動農業領域的技術進步，促進我國傳統農業向優質高效農業轉變，本文著眼于智能灌溉的技術層面，結合具體案例分層次分析了無線傳感網絡技術、模糊控制技術、神經網絡技術、專家系統技術在現代農業灌溉中的應用現狀，并展望了未來高效智能灌溉技術的發展方向。

關鍵詞：現代農業；智能灌溉；WSN；智能控制；研究現狀

中圖分類號： S24；TP273+.5文獻標志碼： A文章編號：1002-1302（2017）17-0027-05

通信作者：許春雨，博士，副教授，碩士生導師，主要研究方向為智能控制技術與電力電子變換技術。E-mail：xuchunyu@tyut.edu.cn。農田灌溉是農業種植與生產過程中的關鍵環節，對提高作物產量起著決定性的作用。我國水資源短缺的情況日益嚴重，農田灌溉用水占總用水量的比例不斷降低，導致農作物產量嚴重降低，缺水已成為農業可持續發展的制約因素。近年來，我國采用傳統的渠道防滲技術、噴灌技術、微灌技術在農業基礎建設方面取得了顯著成效[1-2]，然而隨著農業生產的規模化，對農業灌溉靈活、準確、快捷的要求也越來越高，目前的灌溉方式還存在一些問題：（1）仍以傳統經驗生產為主，農田灌溉精度難以保證，缺乏量化指標和配套集成技術[3]；（2）監測與控制都采用人工管理，管理水平滯后，存在勞動強度大[4]、人機交互能力差等弊端，嚴重影響農作物品質和產量。因此，高效、智能灌溉技術隨之涌現，依靠人工智能算法科學計算灌水定額，確保農田含水量保持在適宜作物生長的最佳狀態，成為解決水資源不足、緩解農業用水供需矛盾的有效途徑。

美國、以色列等發達國家于20世紀70年代就開始了智能化灌溉技術的研究[5]。目前，美國利用“3S”技術獲取、傳送、處理各類農業信息，確定農田土壤水分變化情況和適宜的灌水區與灌水量，科學指導農業灌溉。智能灌溉技術的研究和推廣也受到我國政府的高度關注。國家“十三五”規劃對做好新時期農業農村工作作出了重要部署，大規模推進農業節水灌溉技術，加快智能灌溉控制系統的研發，到2020年農田灌溉水有效利用系數提高到0.55以上。智能化灌溉是實現節水的必要保障，本文將多種智能灌溉技術進行分析和比較，并展望了未來高效智能灌溉技術的發展方向，以期為智能化精準灌溉系統的設計提供參考。

1無線傳感網絡技術在智能灌溉中的應用

無線傳感網絡（wireless sensor network，WSN）技術在智能灌溉中的應用是將智能傳感器按照一定的布局安裝在灌溉農田內，然后通過無線通信方式實時監測、感知和采集網絡覆蓋區域內環境和監測對象的信息，再發送到信息采集站或灌溉系統集控中心，避免了灌溉現場布線帶來的各種問題。WSN主要由傳感節點（終端）、路由節點（路由器）、協調節點（協調器）組成，分別負責灌溉區域內的信息采集和數據轉換、控制信息的交換、傳感器網絡的配置和管理。

WSN具有容量大、功耗低、可靠性強等優點，可應用于較大規模的作物生產基地[6-8]，促進了智能農業和精準農業的發展。無線傳感網絡的拓撲結構如圖1所示。

前人基于WSN研發了一套自動灌溉系統，把土壤溫濕度傳感器置于田間，用ZigBee網絡進行數據傳輸，采用智能算法進行水量規劃，該系統功耗低，自動化程度高，在應用過程中取得較好效果，但是，該研究只使用了1種ZigBee網絡，而ZigBee技術是一種短距離的無線通信技術，不適用于大規模作物種植基地的遠程控制。

張俊濤等采用ZigBee技術與GPRS網絡相結合的體系結構監測農田環境，根據土壤的綜合狀況確定果樹的合理需水量，滿足了農田灌溉遠程監控的應用需求，有效地提高了果樹產量[9]。該研究把面向短距離的ZigBee網絡與面向遠距離的GPRS相結合，兩者優勢互補，實現大范圍的農田數據監測。但是，土壤是個非線性、滯后的復雜系統，該研究缺乏對農田多環境因子進行智能處理，不能夠預測未來幾天作物的需水量。

綜上所述，將WSN技術應用在現代農業灌溉中，實現對農作物的生長狀況、土壤酸堿度、土壤含水率的監測，突破了地域限制，提高了數據的共享性，根據當前環境參數合理計算灌水定額，達到了節水的目的。此外，WSN在農田灌溉中的應用還應結合大數據技術、智能控制技術，充分進行數據挖掘，精準計算灌區需水量，在無人值守的情況下完成智能灌溉。

2模糊控制技術在智能灌溉中的應用

2.1模糊控制理論

模糊控制（fuzzy control，FC）在智能灌溉中的應用是把基于豐富的種植經驗總結出來的、用自然語言表述的灌溉策略，或通過大量實際灌溉數據總結出來的控制規則，用計算機予以實現的智能化灌溉控制[10]。它與傳統控制方法最大的不同在于不需要知道被控對象的數學模型。

土壤是一個慣性、非線性系統，且作物全生育期包含多環境變量，很難建立精確統一的數學模型，將模糊控制用于灌溉過程非常合適，效果較為明顯。常用的模糊控制器結構如圖2所示。土壤濕度作為作物生長的重要環境變量，在農田灌溉中，通常把土壤濕度和土壤濕度變化率分別作為模糊控制器的輸入信號，經過模糊化（D/F）變換成模糊量，送入含有模糊規則的模糊推理模塊（R），經過近似推理得出結論——模糊集合，然后被清晰化模塊（F/D）變換成清晰量，再輸出到下一級去調節被控對象，使其輸出滿意的結果，完成灌溉系統模糊控制。

2.2模糊控制方法

模糊控制具有較強的知識表達能力和推理能力，經過模糊邏輯推理可以實現類似人的決策過程。利用具有智能屬性的模糊控制器，可以解決農業灌溉中控制精度低的問題，國內外的研究焦點都集中在模糊控制方法上。

徐凱等采用模糊算法，根據需水規律精確調控葡萄不同發育階段的土壤水勢，自動完成灌溉，增強了系統的魯棒性和適應性，在減少灌溉用水需求的同時提高了葡萄的品質[11]。但該研究只采用了一種模糊控制算法，一個系統的灌溉任務有多重性和時變性，需要采用多種智能技術相結合的方式完成任務集合的處理，實現智能節水灌溉。為了更好地改善模糊控制的穩態性能和控制精準度，科研人員將模糊控制與傳統的PID控制相結合，提出了模糊PID控制方法，應用于智能灌溉控制系統，可以提升其動態性能。

張伶鳦等提出了基于調虧理論和模糊控制的寒地水稻智能灌溉策略，建立了多因素控制規則庫，實現灌溉時間模糊控制，調虧灌溉節水率達到20.5%，得到了較為有效的控制效果[12]。

綜上所述，將模糊控制技術應用于智能灌溉可以拋開被控對象的數學模型，解決了灌溉過程中的非線性問題，提高了灌溉精度，但是針對某種作物，模糊控制規則和隸屬函數的獲取與確定需要極其豐富的種植經驗，并且控制規則一旦確定，在灌溉系統運行過程中不易更改。因此有必要使用粒子群優化算法、遺傳算法對模糊規則進行動態尋優，能在線修改模糊控制規則，改善系統的控制品質。

3神經網絡技術在智能灌溉中的應用

3.1神經網絡理論

人工神經網絡（artificial neural networks，ANN）技術在智能灌溉中的應用是指計算機語言模擬人腦神經的決策方式[13]指導灌溉，其實質為采用某種網絡拓撲結構而構成的農田環境信息智能處理系統。在現代農業灌溉問題上，通過調整大量并行互聯節點間的連接關系，人工神經網絡能夠適應于復雜環境和多目標控制要求，以完成對信息的處理。神經網絡還可以與其他類型的控制原理相結合，產生性能更為優異的灌溉控制系統。

3.2神經網絡控制方法

神經網絡應用于灌溉領域可以解決灌溉控制領域難以解決的兩大難題：一是被控對象（土壤）存在不確定性和非線性特性；另一個是農田多環境因子之間的相互耦合。因此，人工神經網絡引起了廣大智慧農業工作者的極大關注。

有學者抽取表征土壤入滲性能的關鍵特征值，基于神經網絡，利用試驗數據回歸建立了灌溉水入滲深度預測模型，可以根據作物需求控制灌溉水濕潤至合理深度，減少深層滲漏。但該研究只提取了4個特征值建立了入滲識別模型，且只進行了室內驗證，預測深度與實際深度誤差不超過10%，室內環境與復雜的農田環境差異較大，該模型預測的準確性難以保證。

遲道才等提出了神經網絡和灰色預測方法相結合的并聯灰色神經網絡組合模型來預測灌溉用水量，提高了預測精度，可應用于長期灌溉用水量預測，具有很好的應用前景[14]。趙天圖等設計了基于ZigBee與BP神經網絡的棉田自動灌溉控制系統，使用無線傳感網絡獲取農田環境狀況，并建立BP神經網絡的監測預警模型，試驗結果表明，該系統能夠實現數據采集，適用于棉田灌溉的實時監控[15]。上述研究利用神經網絡技術能夠完成運算、推理、識別及灌溉控制任務，具有較高的智能水平，但是未能全面、系統地確定網絡的結構和類型，計算過程中有可能造成網絡訓練失敗。

3.3神經網絡與模糊控制技術的融合

模糊控制算法解決了現代農業智能灌溉系統中自然語言和人類思維推理表達的數學化問題，使機器能模擬人腦的感知、推理等智能行為。但是，在模糊控制系統的應用過程中，還有不少工作，如大量數據的處理、操作經驗的歸納總結，特別是灌溉系統中模糊規則的形成、隸屬函數的選型、調整等工作，還得依賴人工完成。因此，可以將神經網絡和模糊控制融合在一起，這樣就克服了模糊控制器不具備自學習能力的缺點，從而使機器能更好地模擬人類智能而提高灌溉效率。

前人設計了自適應神經模糊算法有效分配水資源的Smith預估控制器。自適應神經-模糊控制器結合Smith預估，并設置了動態變化參數，提高水資源利用率的同時也增強了系統的魯棒性，獲得了較好的灌溉效果。李建軍等提出基于BP神經網絡預測的模糊PID優化算法，試驗結果表明，該算法在水肥控制系統中擁有更強的適應性和魯棒性，解決了灌水系統的大時滯現象和非線性控制問題，有較高的使用價值[16]。

綜上所述，人工神經網絡技術在現代農業智能灌溉領域的學習、預測和優化等方面表現出了很好的智能特性和極好的應用前景，也解決了復雜的農田環境下多目標控制問題，不足是神經網絡的結構和類型難以確定，無法保證結果的絕對正確性，算法易陷入局部最優。

4專家系統控制技術在智能灌溉中的應用

4.1專家系統控制理論

專家系統控制（expert system control，ESC）技術是智能控制的重要分支之一。現代農業智能灌溉領域的專家系統實質上是一類包含大量專門農業知識和經驗的程序系統，它應用人工智能技術和計算機技術，根據農業灌溉專家提供的知識和經驗進行推理和判斷，使機器模擬人類專家[17]解決智能灌溉問題的計算機程序系統。農業專家系統的基本結構如圖3所示，包括知識庫、推理機、數據庫、知識獲取機構、解釋機構以及人機界面等模塊。

4.2專家系統控制方法

傳統農作物種植多以經驗為主，農業專家系統是將農業技術與信息技術進行了融合，綜合分析各類農業領域相關知識、經驗、數據、模型后，通過計算得出最優的解決方案，用于指導智慧農業生產的一種高新科技。當農業專家系統運用在農業灌溉時，可以大大提高灌溉的智能性，使灌溉系統具有診斷、決策及預測等功能。

研究人員設計了作物灌溉專家系統，建立了專家知識庫，利用作物灌溉知識，根據種植日期和作物類型設計詳細的灌溉計劃，并通過試驗證明該系統能夠應用于所有農作物，該作物灌溉專家系統使人類專家的知識突破了時間和空間的限制，提高了灌溉精度，帶來了巨大的社會效益和經濟效益，但是該系統不具備自我學習和在系統運行過程中自我完善和發展的能力。

余國雄等設計了基于農業物聯網的荔枝園信息獲取與智能灌溉專家決策系統，該專家系統根據采集到的環境數據，建立多參數模型，結合專家知識，計算作物需水量，預報灌溉時間，系統預測能達到75%的準確率，說明系統的預測實時性比較好[18]。王福平等根據小麥各個生長時期灌溉策略的不同，基于模糊控制技術設計出節水灌溉專家決策系統，該系統能夠達到適時適量灌溉，保證小麥在生長周期中各個階段都處于最優的生長環境[19]。

綜上所述，獲取農作物的生長信息及各生長階段的需求進行合理灌溉是節水灌溉的關鍵。專家系統控制技術匯集了農業領域多位專家的知識和經驗，解決了復雜的灌溉問題，表現出較強的工作能力，而且能夠準確、迅速、不知疲倦地工作。作物生長信息知識庫能夠根據不同作物不同時期的生長需求，自動形成最優控制方案，按其所需提供適宜的灌水計劃。縱觀專家系統的整個設計過程不難發現，知識獲取成為構建灌溉領域專家系統的瓶頸，當外界環境變化較大時，需要通過編程的方式才能充實和完善知識庫中的知識。

5智能灌溉技術的展望

國家“十三五”發展規劃明確指出，要大力推進“互聯網+”現代農業建設步伐，應用物聯網、云計算、大數據、移動互聯等現代信息技術，建設現代農業產業科技創新中心，重點突破農機裝備、智能農業、生態環保等領域關鍵技術。

智能節水灌溉的核心是開發出在無人干預的情況下能自主根據作物需水量和地塊形狀在不同位置灌溉不同水量的農機裝備。人工智能技術與自動控制技術、無線傳感網絡技術相結合，并靈活應用數據挖掘技術，根據不同作物不同時期的生長需求，自動形成最優控制方案，實現對作物的精準灌溉，提高了灌溉系統的智能化。

筆者通過對目前國內外節水灌溉技術的研究現狀進行分析，結合筆者在實驗室的基礎研究，提出了今后智能節水灌溉技術的發展趨勢。

5.1物聯網技術在智能灌溉中的應用

物聯網在互聯網基礎上進行延伸和擴展[20]，是一種可實現信息全面感知、可靠傳輸和智能處理的網絡[21-22]。我國提出了“感知中國”的物聯網發展戰略，“現代農業物聯網” 就是物聯網發展戰略中最重要的應用方向之一。

在現代農業領域，通過將物聯網應用到農業灌溉，實現“智慧農業”。隨著物聯網技術的發展，農業物聯網將成為必然趨勢，能夠根據用戶的需求，實時監控土壤的溫濕度、葉面濕度、空氣溫濕度等環境參數，并采用無線信號收發模塊傳輸數據、開關或調節指定設備。農業物聯網可為實現農田節水灌溉智能化管理提供科學依據。

5.2大數據、云計算技術在智能灌溉中的應用

大數據（big data）技術是在獲取、存儲、管理、分析方面超過傳統數據庫軟件工作能力的數據集合。農田環境復雜，作物需水量影響因素多，數據信息量大，大數據技術的特色在于對海量農田環境數據信息進行充分挖掘，提高數據的“加工能力”，保證灌溉決策的正確性。

云計算（cloud computing）是一種新提出的計算模式，應用在現代農業灌溉領域的技術實質是計算、存儲、服務器、應用軟件等IT軟件、硬件資源的虛擬化。智能灌溉系統立足現代農業，融入國際領先的“物聯網、云計算、移動互聯網”技術，借助電腦、智能手機，實現對農業生產現場氣象、土壤、水源環境的實時監測。每戶一部云端服務器，使農民足不出戶就能遠程監控園區的作物情況并進行灌溉設備的遠程控制，為廣大農業工作者提供一套高效便捷、功能強大的農業管理系統，實現智能化管理。

在智能灌溉領域，大數據技術與云計算技術緊密結合，建立數據監測、網絡通訊、數據云計算、管理決策為一體的智能灌溉系統，更好地為智慧農業服務。

5.3智能控制技術的融合

目前，國內采用的人工智能技術針對某一灌溉控制任務，多著眼于數學語言進行描述，多局限于單項智能技術的應用。實際上，一個系統的灌溉任務有多重性和時變性，需要采用多種智能技術相結合的方式，完成任務集合的處理，實現智能節水灌溉。

使用智能控制技術能夠根據作物需求進行合理灌溉，但是如前所述，每種智能控制技術都有各自的優缺點。因此，有必要對多種智能控制方法進行融合，通過定性和定量相結合的方法，針對被控對象和灌溉任務的復雜性、不確定性和多變性，有效自主地實現復雜信息的處理、優化和判斷，最終達到智能節水灌溉的目的。

結合作者在實驗室的研究基礎，在物聯網的3層網絡架構（信息感知層、通信與網絡傳輸層和應用服務層）的基礎上，提出一套完整的智能灌溉控制系統設計方案，包括信息采集、設備自動控制和信息發布與智能決策3個部分，總體設計框架如圖4所示。

該系統采用WSN節點采集不同地塊單元的氣象、土壤、作物生長信息，以無線通信方式傳送給智慧農業電信服務站，完成網絡覆蓋區域內環境信息聯網，遠程集控計算機可把獲取到的數據信息發送到不同的云端服務器，亦可運用大數據技術對獲取到的數據進行智能處理，根據處理結果作出灌溉決策，智慧泵站管理中心的無線通訊終端接收集控計算機發送的指令，執行灌溉決策。

6結論

本研究針對農田灌溉水利用系數低、管理水平落后等問題，從技術角度，分層次介紹和分析了無線傳感網絡技術、模糊控制技術、神經網絡技術、專家系統技術在現代農業灌溉中的應用現狀，并展望了未來智能灌溉技術的發展方向。通過上述論述和分析，可以得出如下結論：

我國農田面積廣闊，采用WSN 獲取農田環境參數，對農作物的生長狀況、土壤酸堿度、土壤含水率進行監測，突破了地域限制，提高了數據的共享性，科學計算灌水定額，保證作物生長保持最佳狀態。

土壤是個非線性、滯后的復雜系統，無法獲得被控對象清晰的數學模型，因此有必要引進模糊控制、神經網絡、專家系統等智能控制算法，根據環境信息的變化做出適應性反應，為作物創造適宜的生長環境，提高產量。

隨著農業生產的規模化，對農業灌溉靈活、準確和快捷的要求也越來越高，農業物聯網技術、完善的農業知識信息庫在農業灌溉領域的應用逐漸成熟，各智能算法相互融合，注重大數據技術和云計算技術的緊密結合。

筆者提出了一套完整的智能灌溉系統設計方案，融合了

物聯網、大數據、云計算、智能控制技術，可實現農業灌溉的自動化、信息化、智能化。

參考文獻：

[1]鄧 升，邵光成，卜昊，等. 蘇北平原區渠道防滲工程評價和方案優選方法[J]. 排灌機械工程學報，2014，32（3）：225-230.

[2]金永奎，易明珠，顏愛忠. 高效節水灌溉自動控制模式研究及應用[J]. 中國農機化學報，2016，37（5）：253-257.

[3]張新星，楊振杰，彭云，等. 我國節水灌溉的現狀與分析[J]. 安徽農業科學，2014，42（33）：11972-11974.

[4]許志方，董文楚. 論我國噴微灌發展前景和實施建議[J]. 節水灌溉，2004（3）：1-4.

[5]金宏智，嚴海軍，錢一超. 國外節水灌溉工程技術發展分析[J]. 農業機械學報，2010（9）：60-62.

[6]郁曉慶，吳普特，韓文霆，等. 基于無線傳感網絡的農田灌溉遠程監控系統[J]. 排灌機械工程學報，2013，31（1）：66-69.

[7]謝家興，余國雄，王衛星，等. 基于無線傳感網絡的荔枝園智能節水灌溉雙向通信和控制系統[J]. 農業工程學報，2015，31（增刊2）：124-130.

[8]崔天時，孫建偉，呂信超，等. 基于 GPRS 的農田灌溉系統[J]. 農機化研究，2016（10）：193-197.

[9]張俊濤，李媛，陳曉莉. 基于無線傳感網絡的果樹精準灌溉系統[J]. 農機化研究，2014（2）：183-187.

[10]王志良，劉欣，劉磊. 物聯網控制基礎[M]. 西安：西安電子科技大學出版社，2014.

[11]徐凱，苗玉彬. 基于模糊控制的葡萄精確閥值灌溉研究[J]. 中國農機化學報，2015，36（4）：268-270.

[12]張伶鳦，王潤濤，張長利，等. 基于調虧理論和模糊控制的寒地水稻智能灌溉策略[J]. 農業工程學報，2016，32（13）：52-58.

[13]吳曉強，黃云戰，趙永杰. 基于模糊神經網絡的溫室溫濕度智能控制系統研究[J]. 中國農機化學報，2016，37（4）：63-66，84.

[14]遲道才，唐延芳，顧拓，等. 灌溉用水量的并聯型灰色神經網絡預測[J]. 農業工程學報，2009，25（5）：26-29.

[15]趙天圖，馬蓉，劉南江，等. 基于ZigBee技術與BP神經網絡的棉田自動灌溉控制系統設計[J]. 節水灌溉，2016（11）：111-114.

[16]李建軍，許燕，張冠，等. 基于BP神經網絡預測和模糊控制的灌溉控制器設計[J]. 機械設計與研究，2015（10）：150-154.

[17]石琳，陳帝伊，馬孝義. 專家系統在農業上的應用概況及前景[J]. 農機化研究，2011，33（1）：215-218.

[18]余國雄，王衛星，謝家興，等. 基于物聯網的荔枝園信息獲取與智能灌溉專家決策系統[J]. 農業工程學報，2016，32（20）：144-152.

[19]王福平，丁思發，段明輝. 引黃灌溉中專家決策系統的設計與實現[J]. 節水灌溉，2015（1）：82-85.

[20]熊茂華，熊昕. 物聯網技術與應用開發[M]. 西安：西安電子科技大學出版社，2014.

[21]李燈華，李哲敏，許世衛，等. 先進國家農業物聯網的最新進展及對我國的啟示[J]. 江蘇農業科學，2016，44（10）：1-5.

[22]袁小平，徐江，侯攀峰. 基于物聯網的智慧農業監控系統[J]. 江蘇農業科學，2015，43（3）：376-378.章雙杰，王靖，楊建生，等. 長三角地區兼用型鴨全基因組遺傳多樣性分析[J]. 江蘇農業科學，2017，45（17）：32-35.