基于物聯網的農業痕量灌溉系統*

江顯群 陳武奮 葉廷東 周宏偉 林年旺 陳明敏

?

基于物聯網的農業痕量灌溉系統*

江顯群1陳武奮1葉廷東2周宏偉1林年旺1陳明敏1

（1.珠江水利委員會珠江水利科學研究院 2.廣東輕工職業技術學院）

為降低人工成本，減少農業用水，提高水資源利用率，提出一種基于物聯網的農業痕量灌溉系統。該系統通過ZigBee無線傳輸技術實時收集、傳輸農作物生態環境等參數，并利用需水模型對農作物生長階段進行分析，獲得最佳灌溉策略。試驗結果表明：通過建立農業痕量灌溉系統，農作物畝均增產20.53%、農田灌溉畝均用水量降低30%以上、節約人力成本50%以上；提高勞動生產效率；滿足農業水肥一體化灌溉目的。

物聯網；農作物；痕量灌溉；水肥一體化

0　引言

隨著我國經濟和社會的快速發展，水資源短缺問題已成為我國可持續發展的主要瓶頸之一。我國是發展中農業大國，水資源需求量大，但由于灌溉技術和施肥方式比較落后，大部分地區仍以傳統灌溉、經驗式施肥方式為主，導致農田灌溉用水效率低下、肥料吸收不均勻等問題[1-4]。2017年李凌雁等人提出一種基于分布式ZigBee和GPRS無線通信技術的大范圍遠程控制節水灌溉系統，實現了節水灌溉裝置的遠程監控和自動化調節[5]；2018年王燦等人針對傳統人工灌溉所帶來的水資源利用率低、人力資源浪費等問題，提出一種基于LoRa的智能灌溉系統設計方案，實現農業灌溉作業的精細化管理[6]。

本文從農業灌溉系統實際需求出發，設計一種基于物聯網的農業痕量灌溉系統，并對ZigBee無線通信、農作物需水智能決策和水肥一體化等關鍵技術進行研究，使系統能夠很好地滿足農業痕量灌溉需要。

1　系統總體設計

基于物聯網的農業痕量灌溉系統能夠實時監測農田土壤墑情、農作物生態環境和灌溉管道流量等信息。結合農作物生長階段對農作物需水、需肥信息做出精準決策分析，從而能夠精確控制灌溉系統的水肥量，實現農作物的精準灌溉。基于物聯網的農業痕量灌溉系統主要由監控中心單元、無線網絡單元和灌溉現地監控單元組成。監控中心單元實現對采集數據建模分析處理，制定灌溉水肥一體化灌溉策略；無線網絡單元由互聯網、無線通信網絡和局域網等組成，負責處理、傳遞感知層獲取的信息和執行控制器的命令；灌溉現地監控單元負責農作物生態環境信息采集、電磁閥設備控制、無線傳感網絡組網與協同信息處理。系統總體拓撲結構如圖1所示。

2　系統關鍵技術

基于物聯網的農業痕量灌溉系統關鍵技術主要有ZigBee無線通信技術、農作物需水智能決策技術和水肥一體化技術。

2.1　ZigBee無線通信技術

基于物聯網的農業痕量灌溉系統由大量的傳感器節點構成監控網絡，通過ZigBee無線通信技術將節點采集的氣象、墑情和電磁閥控制指令等信息傳輸到灌溉服務平臺。本文基于ZigBee無線通信技術設計了一種電磁閥智能控制器[7]。控制器采用模塊化設計方案，根據實現功能不同設計不同的硬件模塊，方便升級及功能擴展。電磁閥智能控制器包括核心處理模塊、485接口及供電模塊、電磁閥控制模塊，如圖2所示。

1）電磁閥智能控制器以MSP430為核心單元，基本電路包括晶振、看門狗、復位電路（ZigBee擴展I/O可復位、手動復位）、外部接口（I/O接口、外部中斷接口、串口擴展TTL、RS232、串口擴展RS485、SPI接口、IIC接口）、電源、擴展本地基礎Flash存儲、擴展外部EEPROM和RTC時鐘。

圖1　農業痕量灌溉系統網絡拓撲圖

圖2　電磁閥控制器現場示意圖

2）控制器能夠接入多路墑情傳感器，1路壓力變送器，預留溫濕度、風速風向、電磁流量計和智能水表等供電接口。傳感器電源可單獨控制開關。通訊接口采用485總線星型連接。

3）電磁閥控制模塊的控制信號通過光電隔離后驅動繼電器，通過繼電器控制電磁閥開關；同時流量開關的反饋信號經過光電隔離后傳遞給單片機，防止電磁閥啟閉對控制電路造成干擾；流量傳感器的脈沖信號通過光電隔離后接入單片機的外部中斷，可對灌溉量進行測量。

2.2　農作物需水智能決策技術

聯合國糧農組織推薦的FAO-56 PM公式是公認的用于估算參考作物蒸散量的標準[8]。FAO-56 PM公式為

其中，0為參考作物需水量；Δ代表飽和水汽壓與溫度關系曲線的斜率；R為凈輻射；為土壤熱通量；為濕度計常數；為2 m高處日平均氣溫；2為2 m高處的風速；（e?e）為水汽壓差。

FAO-56 PM公式計算作物需水量雖然準確且適用范圍廣泛，但需要監測大量氣象參數。而部分氣象參數檢測儀表價格昂貴，致使大部分氣象站不具備這樣的監測條件，因此限制了該公式的實際應用。

針對農作物需水規律錯綜復雜的特點，利用BP神經網絡的非線性、高維性、神經元之間的廣泛互連性以及自適應性，可建立與作物需水特性相適應的農作物需水預測模型。基于BP神經網絡參考農作物騰發量計算模型如圖3所示。

圖3　基于BP神經網絡參考農作物騰發量計算模型

根據項目實際情況，本文使用的數據樣本為示范田現場采集的數據（風速、濕度、溫度、日照時長）及根據FAO-56 PM公式計算所得的農作物需水量365組數據。采用隨機的方法產生訓練集及測試集，即將365組數據按時序打亂排列，從中隨機抽取320組作為模型訓練集，余下45組作為模型測試集。模型性能評價如圖4所示。

圖4為BP神經網絡與彭曼法計算0對比圖。由圖4可知：45組測試樣本中除個別數據外整體預測較好；預測模型均方根誤差約為0.410；相關系數約為0.829。

圖4　BP神經網絡模型性能評價

2.3　水肥一體化技術

水肥一體化技術是借助壓力系統（或地形自然落差）將可溶性固體或液體肥，按土壤養分含量和農作物需肥規律和特點，配兌成肥液與灌溉水相融液，通過管道和滴頭形成滴灌，可均勻、定時、定量，浸潤農作物根系發育生長區域，使根系土壤始終保持疏松和適宜的含水量[9-10]。

表1　玉米生育期施肥灌溉量

3　應用效益分析計算

該項目農田示范區為廣州市流溪河灌區管理處試驗田，面積約2000 m2（3畝），其中實施農業痕量灌溉系統的農田面積為667 m2（1畝）。將實施農業痕量灌溉與普通灌溉的效益情況進行比較，對比詳情如表2所示。

表2　農業痕量灌溉前后效益情況對比表

1）增產效益。對典型田塊的玉米農作物跟蹤記錄及對比分析，普通灌溉玉米年產量為865.0 kg/畝，農業痕量灌溉玉米年產量達到1042.6 kg/畝，相比普通灌溉玉米年增產177.6 kg/畝，玉米綜合價格按2.2元/kg計算，年增產效益為390.72元/畝。

2）省工效益。實施農業痕量灌溉系統，降低灌水勞動強度，節省大量勞動力。根據典型田塊調查統計數據分析，普通灌溉需要工日為12個/畝，實施農業痕量灌溉系統后只需6個/畝，年省工日6個/畝。每個工日按150元計算，農業痕量灌溉年省工效益為600元/畝，人力成本比普通灌溉節約50%以上。

3）水肥效益。根據對典型田塊調查數據分析，農業痕量灌溉系統運行后，農田灌溉畝均用水量小于400 m3，與普通灌溉相比，每畝可節水200 m3，農田灌溉畝均用水量降低30%以上，節約化肥28%。

4　結論

為降低人工成本，減少農業用水，提高水資源利用率，本文提出一種基于物聯網的農業痕量灌溉系統。通過示范驗證表明：實施農業痕量灌溉系統后，農作物畝均增產20%以上，灌溉用水量畝均節約30%以上，人力成本節省50%以上，達到節省人力物力，增產增收目的。

[1] 吳迪,劉天宇,宋濤,等.基于模糊控制的智能節水灌溉控制系統設計[J].江蘇農業科學,2018,46(23):245-249.

[2] 王玖林,趙成萍,嚴華.基于LoRa的節水灌溉系統設計與研究[J].節水灌溉,2017(12):104-106,111.

[3] 李惠鈞,李雙冰.基于移動互聯網的智能灌溉系統設計與開發[J].山西農經,2017(22):60.

[4] 師志剛,劉群昌,白美健,等.基于物聯網的水肥一體化智能灌溉系統設計及效益分析[J].水資源與水工程學報,2017, 28(3):221-227.

[5] 李凌雁,李鑫,曹世超.基于ZigBee和GPRS智能監測的節水灌溉裝置設計[J].農機化研究,2017,39(8):212-215,219.

[6] 王燦,王中華,王冬雪,等.基于LoRa的智能灌溉系統設計[J].計算機測量與控制,2018,26(8):217-221.

[7] 劉曉,張一銘,黃文強,等.基于AT89C51的節水灌溉系統設計[J].機械工程與自動化,2016(2):184-186.

[8] 江顯群,陳武奮.BP神經網絡與GA-BP農作物需水量預測模型對比[J].排灌機械工程學報,2018,36(8):762-766.

[9] 趙哲.節水灌溉系統設計中ZigBee技術的應用[J].水利技術監督,2015(6):11-14.

[10] 李曉花.農業節水灌溉智能控制系統設計[J].水利規劃與設計,2014(3):79-81.

Agricultural Trace Irrigation System Based on Internet of Things

Jiang Xianqun1Chen Wufen1Ye Tingdong2Zhou Hongwei1Lin Nianwang1Chen Mingmin1

(1.Pearl River Water Resources Commission of the Ministry of Water Resources .Guangdong Industry Technical College)

In order to reduce labor costs, reduce agricultural water use and improve water resources utilization, an agricultural trace irrigation system based on the Internet of Things was proposed and developed. Through ZigBee wireless transmission technology, the system collects and transmits the parameters of crop ecological environment in real time, and uses the crop water demand model to analyze the crop growth stage to obtain the best irrigation strategy, so as to realize the precision irrigation of crops. The results show that the average yield of crops per mu is increased by 20.53%, the average water consumption of farmland irrigation per mu is reduced by more than 30%, and the cost of manpower is saved by more than 50%. The construction of agricultural trace irrigation system can improve labor productivity and meet the purpose of integrated irrigation of water and fertilizer in agriculture.

Internet of Things; Crops; Trace Irrigation; Water and Fertilizer Integration

江顯群，男，1976 年生，工學碩士，主要研究方向：水利自動化與信息化。E-mail: scut_jiang@163.com

廣州市科技計劃項目（201604020049）