基于專家決策模型的智能節水灌溉系統的研究

摘要：為了能夠更好地對田間農作物及時監測和精確管理，本文以玉米作物為例，設計了智能灌溉系統，并建立決策模型對作物進行精確管理。傳感器節點及時監測到的土壤溫度、濕度等環境變量數據通過ZigBee網絡傳輸給匯聚節點，匯聚節點通過GPRS無線傳輸技術傳給云平臺，結合專家的經驗和知識，綜合考慮多個環境因子，計算作物的蒸騰量并通過建立農作物決策模型推出作物實際需水量、預報灌溉的時間，實現對玉米準時、準量的精準灌溉。

關鍵詞：農業專家灌溉模型;智能灌溉系統;無線傳感器

中圖分類號：S-1

文獻標識碼：A

作者簡介：李真真（1995-），女，碩士。研究方向：農業工程與信息技術。

1背景介紹

隨著農業物聯網信息技術的快速發展和專家決策智能灌溉系統在農業生產過程中的推廣應用，使得農民可以越來越輕松、智能地種田。農業專家系統儲存著與農業相關的資料，通過模擬專家解決問題的思維去推理、推測，并利用專家的經驗和知識去解決農業生產過程中遇到的復雜難題。我國被稱為農業大國，耕地面積廣大，農業用水量是全國總用水量中占比最大的，占比60%。但是，我國農業灌溉用水被真正利用的只有45%[1]，這個數字表明，在灌溉和傳輸過程中有大部分水被浪費。而在發展先進的國家，農業灌溉用水的有效利用率是我國農業灌溉用水利用率的2倍，遠遠超過我國。我國農業用水量是最大的，利用率卻是最低的，這成為制約我國農業可持續發展的一個重要因素。在農業水利灌溉上，農戶更多的是憑借個人經驗對農作物進行澆水，這種經驗是模糊的、不確定的，缺乏理論依據，會造成農作物灌水量過多或過少，使農作物產量減少、水資源浪費。為了推進農業現代化，擴大農業發展規模，我國各地各高校在推動農業發展的道路上積極探索，并取得一些不錯的成果。楊偉志等人設計的基于物聯網和人工智能的柑橘灌溉專家系統，把采集到實時數據和天氣預報作為灌溉決策的依據，專家系統通過運用人工智能自然語言處理技術，指導用戶更好地管理柑橘園，使灌溉更合理、更科學。江蘇大學沈建煒設計的基于物聯網技術的藍莓園，通過對傳感器布點和無線通信組網方案的設計實現實時數據的采集，綜合考慮溫度、濕度、降雨量、風速等環境因素做灌溉預測。謝家興設計的基于物聯網的智能灌溉專家系統，通過采集多個環境變量，并考慮到干旱性氣候因素，建立決策模型，實現對農作物精準灌溉。虞佳佳設計了基于物聯網和專家決策系統的農田精準灌溉系統，是根據設計灌水的上下限，當田間水分超過設定上下限值時，電磁閥能夠被系統及時控制，對作物定時灌溉，但是沒有考慮降雨量等氣候因素[2]。

本文設計的基于專家決策模型的智能灌溉系統，通過計算多個環境因子，實現農作物定時、定量灌溉，提高灌溉效率及準確性，達到節水、節肥的目的[3]。

2系統總體設計

2.1系統架構設計

PC端和手機端通過互聯網可以接收到氣象監測系統、墑情監測系統、物聯視頻監測系統、水流量監測系統傳輸的數據[4]，專家決策系統可以結合專家的知識對數據進行分析做出決策。氣象監測系統可以監測到農田的溫度、濕度、光照強度、雨量等，視頻監測系統不僅可以對土壤墑情傳感器實時監控，以防損害和及時發現問題、及時維修，還可以對田間作物長勢進行實時監測，實時了解作物生長情況。

2.2傳感器體系結構設計

傳感器節點、Sink節點和管理節點3大部分構成傳感器網絡體系架構，如圖2所示。在感測區域內放置多個傳感器節點監測土壤信息，并將感知到的土壤信息數據以自組織多跳的方式傳輸給Sink節點，Sink節點把監測區域監測的數據進行匯總融合，最終把處理好的數據通過GPRS傳給管理節點，用戶通過網絡與管理節點建立連接，獲得監測的信息。與此同時，用戶也可以通過管理節點反饋過來的數據對傳感器節點發布監測命令。

2.3傳感器的節點結構

傳感器的節點結構由4部分組成，如圖3所示。傳感器模塊的主要作用是在監測區域監測農作物的溫濕度信息和數據轉換;處理模塊的主要作用是接收傳感器模塊傳輸過來的數據，并對數據進行處理;無線通信模塊的主要作用是在監測區域各個傳感器之間建立網絡用來數據傳輸;能量供應模塊主要作用是給傳感器節點提供能量，本實驗采用的是太陽能配合聚合物鋰電池供電。

3專家決策系統設計

3.1數據庫

在專家系統中會設計數據庫，用來存儲環境數據、用戶信息。這些信息數據用作推理的依據，其中包括用戶信息表和農作物環境信息表。用戶信息表設計的屬性有用戶姓名、職務、聯系電話、家庭住址;農作物環境信息表存儲著地理空間信息，如經度、緯度、行政區域、海拔等信息，采集的土壤的濕度、溫度、日降雨量、光照強度等實時環境信息。

3.2知識庫

專家知識庫用來存放農業領域專家的知識和經驗，包括作物在不同生長時期的需水量、灌溉量和灌溉周期，綜合考慮分析各種環境因素，設置在不同土壤種類下土壤含水量上下閾值。通過對作物專業理論知識的掌握，建立專家系統決策模型，對作物進行定時、定量灌溉。

3.3推理機

推理機是根據已獲得的信息來匹配知識庫中的規則，反復推理實現對問題的求解。在專家系統中，分別有正向推理、反向推理以及雙向推理3種推理方式。本文結合實際情況采用雙向推理方式，正向推理是從一些已知的事實，通過與知識庫中的規則進行匹配，證明結論的成立，當規則庫中的知識不充分時，就需要使用雙向推理;反向推理和正向推理恰恰是相反的，其是以結論作為依據，從知識庫中尋找證據，驗證結論的正確性。

3.4模型庫

模型庫是將田間監測到的一些實時環境數據，如土壤溫度、濕度、光照強度和降雨量等氣候數據，利用數學公式，建立決策模型，對作物定時、定量灌溉。

3.4.1灌溉預報決策模型

3.4.1.1作物系數KC值的確定

作物系數Kc值是指在不同生育期作物需水量與作物蒸散量的比值，是對農田進行精準灌溉的重要依據。在試驗場地環境和農作物種類不變的基礎上，玉米從播種到成熟時期3個階段的作物系數分別是0.75、0.95、1.02。

3.4.1.2計算參考作物的蒸發蒸騰量

Penman Monteith Equation是以空氣的導熱定律、水汽擴散原理和能量平衡原理為根據，是英國科學家H.L.彭曼在1948年提出的，是目前被人們普遍用來計算參考作物的蒸發蒸騰量的公式，參考作物需水量的計算公式為[5]：

3.4.2灌溉預報計算

灌溉預報模塊是為了確定灌溉的時間間隔，使用戶不是根據自己的經驗盲目灌溉造成水資源浪費，而是在最佳的時間段進行灌溉[6]。要建立試驗場地灌溉預報模型，選取水量平衡模型會更好適應作物灌溉。

4關鍵技術

專家決策系統的開發平臺是MyEclipse，遵循模式為MVC（Model ViewController）3層設計模式，服務器端采用JSP+Java Bean+Serv-let開發模式，以分離Model（視圖層）、View（模型層）和Cont-roller（控制器層）用戶使用B/S（Brower/Server）模式，通過瀏覽器連接到服務器，系統通過ADO.NET技術訪問SQL Server數據庫，采用面向對象的程序設計語言Java編寫。

5結論

本研究試驗場地位于河南省原陽縣河南農業大學教學試驗基地內，占地面積1.33hm2。為了能夠對灌區進行管理，設計了基于專家決策模型的智能灌溉系統，利用彭曼公式，水平衡原理，綜合考慮各種環境因素，建立決策模型對灌區作物進行精確灌溉，提高作物產量，減少水肥的使用量，具有較高實用價值。

參考文獻

[1]張志鵬.基于PLC的自動灌溉輔助系統的研究與實現[D].阿拉爾：塔里木大學，2019.

[2]虞佳佳.基于物聯網和專家決策系統的農田精準灌溉系統[J].輕工機械，2014，32（01）：58-60.

[3]楊偉志，孫道宗，劉建梅，高鵬，堯港東，賴俊桂，王衛星.基于物聯網和人工智能的柑橘灌溉專家系統[J].節水灌溉，2019（09）：116-120，124.

[4]沈燕，蔣輝霞，陳爽，何清燕，鄭宇.智慧灌溉系統設計與應用——以鹽邊縣桐子林鎮智慧灌溉試點項目為例[J].四川農業與農機，2019（03）：19-20.

[5]金昕.彭曼公式在作物需水計算中的應用[J].江淮水利科技，2018（01）：28-30.

[6]楊翠娥.彭曼公式在確定農作物需水量灌溉定額中的應用[J].鄉村科技，2017（32）：91-93.

[7]趙揚搏.船行灌區水稻需水監測及灌溉預報模型研究[D].揚州：揚州大學，2016.

[8]余國雄，王衛星，謝家興，陸華忠，林進彬，莫昊凡.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.

（責任編輯 賈燦）