作物需水量在農業灌溉中的應用研究*

楊德軍 ，雷萬榮 ，孫國亮

（武威職業學院，甘肅 武威 733000）

隨著全球氣候變暖，水資源短缺成為全世界面臨的主要問題之一。我國水資源總量約為全球水資源總量的6%，但我國人口基數大，人均水資源占用量僅能達到世界平均水平的25%，水資源短缺問題更為突出[1-2]。農業灌溉用水是從事農業生產的重要投入成本，也是水資源利用的重要組成部分，用水過量或不足將導致作物產量和質量下降。隨著現代科技的不斷發展，農業生產已由傳統模式向智能模式轉變，尤其是智能灌溉在農業灌溉領域快速發展，是提升農業灌溉水資源利用率和節約水資源的有效手段。物聯網技術結合智能化軟件和硬件裝備將不斷推動農業智能灌溉領域的發展，促進適應地方特色的農業灌溉技術轉型升級[3-4]。本文基于農業灌溉智能化發展研究進展，對灌溉過程中作物實際需水量進行分析，通過信息獲取、建立需水量模型，與智能灌溉控制系統融合對作物生長過程中灌溉用水進行精準控制，可進一步提升水資源利用效率。

1 作物需水量理論計算模型

1.1 作物實際需水量影響因素

農業灌溉過程中農作物對水的需求量受多種因素的影響，主要有外部因素和內部因素兩大方面[5]。內部因素主要是不同農作物類型及其不同生長階段對水分的需求存在差異，外部因素主要包括溫度、濕度、日照、風速、蒸騰蒸發及灌溉水量等[4]。在灌溉過程中如果不考慮作物在不同生長階段自身對水的需求，依據經驗實施傳統大水漫灌將會影響作物最終產量及質量[6-7]。因此，需綜合考慮各類氣象因素及土壤墑情，同時結合作物實際情況建立不同類型作物各生長階段需水量數據庫，便于灌溉過程中對比和分析，實施按需灌溉。

1.2 需水量灌溉決策模型

農作物在生長過程中實際需水量隨內外因素影響動態變化，受土壤含水量、降水、蒸騰等因素綜合作用影響。因此，需要綜合分析上述各影響因子，建立作物需水量灌溉決策模型。目前研究中主要采用直接測定和間接估算兩種方法對作物需水量進行分析和計算。直接測定法主要有水平衡法、蒸發皿法等，間接估算法主要有彭曼公式法、Hargreaves 公式法等[8-9]。作物參考需水量是灌溉規劃中作物需水平衡及其量化的重要依據，本文在研究過程中利用氣象數據及土壤環境數據，選用目前普遍使用的彭曼公式法方程模型來計算作物參考需水量，公式如下所示：

式中，ET0為作物參考需水量；Δ 為蒸汽壓斜率；Rn為太陽凈輻射；G 為土壤熱通量；y 為焓濕常數；T 為平均氣溫；u2為2 m 高處測得的平均風速；es-ea為蒸汽壓差異[7]。上述相關參數通過數據采集設備和氣象站數據獲得，具體計算方法依據參考文獻[9]。

2 基于需水量模型的灌溉系統構建

為實現灌溉智能化及灌溉用水精確控制，將灌溉區域按照實際灌溉控制需求劃分為網格化灌溉單元，布置管網系統，結合物聯網技術，根據田間數據按照需水量灌溉決策模型進行數據分析和處理，形成灌溉控制指令，最終通過無線通信網絡將控制信號發送至田間灌溉執行設備，灌溉執行設備通過太陽能提供的電能驅動電磁閥的開啟或者關閉，實現遠程自動化、精準化灌溉，幫助用戶實時監控田地灌溉需求情況，智能灌溉系統同時為用戶提供手動和自動灌溉方案選擇。

2.1 系統整體設計

2.1.1 灌溉執行設備

灌溉設備主要包括田間管道、電磁閥、水泵等。管道可選用PVC 材料或PE 材料，根據實際灌溉區域及作物類型劃分灌溉單元，在灌溉網格以節省成本為設計要素進行主管、支管鋪設，確保管網出水口能夠滿足系統對灌溉單元的灌溉動作控制。執行設備由微控制器和LoRa 射頻組合模塊構成，當接收器接收到遠程服務器發送的灌溉指令后，通過繼電器啟動或關閉電源，控制水泵的開啟或關閉。

2.1.2 數據采集設備

數據采集設備主要用于土壤數據及田間氣象信息的采集，輔助智能灌溉系統進行灌溉決策分析。在灌溉區域布置網絡節點設置土壤傳感器，對田間土壤體積含水量、土壤溫度、土壤電導率和土壤鹽度進行監測[10]。由于作物需水量受氣象條件影響較大，因此還需要不間斷對灌溉區域氣象數據進行采集。氣象數據可以直接通過當地氣象站獲得，但考慮到氣象數據的時效性及精確度對灌溉決策數據的影響，可以選擇在灌溉區域附近布置微型氣象監測系統來監測溫度、空氣相對濕度、風速、太陽輻射和降水量等氣象數據[11]。數據采集設備將上述基礎數據上傳至服務器終端進行處理和分析后生成灌溉決策指令，然后進行灌溉，確保作物在生長過程中的實際用水需求得到滿足。

2.1.3 無線通信設備

農業灌溉區域輻射范圍一般較大，灌溉執行設備、數據采集網絡節點與服務器終端通常相距幾公里，甚至更遠，由于覆蓋范圍較大，數據傳輸采用有線布置方式極為不便，且工程量大。因此，在系統通信方面選擇無線通信方式進行數據傳遞。在灌溉實施過程中為將獲取的氣象數據及土壤濕度等數據通過無線傳輸方式傳輸至遠程終端，所采用的無線網絡傳輸協議必須保證遠距離傳輸過程中能夠有效發送和接收數據包，降低數據損耗和功率消耗[12]。LoRa 無線通信技術以擴頻技術及其增益可大幅擴大無線傳輸范圍，在農業大田灌溉中傳輸范圍可達15 km 左右，工作頻段較低，數據傳輸過程中受干擾程度低，具有功耗低、數據傳輸覆蓋范圍廣、數據抗干擾能力強等特點，目前該技術已被廣泛應用于物聯網領域[13]。因此，在項目實施中選用數傳電臺，同時在灌溉執行設備上布置收發器，選用LoRa 無線通信技術進行數據雙向傳輸，進一步降低智能灌溉控制系統數據通信部署成本，達到灌溉系統不同模塊之間數據傳輸及通信的目的，實現系統低成本、低功耗、遠程通信。

2.1.4 智能灌溉控制系統

智能灌溉控制系統主要包括計算機終端、數傳電臺、接收器及其他附屬設備，用于分析和處理灌溉決策所需的信息，并與田間網絡節點進行遠程通信，為用戶提供灌溉決策支持。通過系統，用戶能夠實時查看數據，選擇灌溉方法，手動或自動發送灌溉指令對田間灌溉執行設備進行遠程控制管理。數傳電臺布置于服務器與灌溉網絡節點之間，用于傳輸數據和對灌溉執行設備發送灌溉執行指令。灌溉系統配備路由器連接網絡，用于檢索日常信息及本地數據庫中氣象站數據信息，同時將灌溉網絡節點采集的氣象、田間土壤信息等實時監測數據存儲在數據庫并進行分析和處理，計算作物參考需水量，當滿足灌溉條件時，發送指令至灌溉執行設備實施灌溉動作。

田間灌溉網絡節點主要由微控制器的開發板及收發器組成，通過RS485-UART 轉換器，確保微控制器和土壤傳感器之間的通信，并將傳感器獲取的數據經微控制器處理后由LoRa 無線通信網絡傳輸至遠程服務器。遠程服務器端具備控制串口，接收數傳電臺傳輸的數據，對數據進行解碼和分析處理，將命令對應到系統的按鍵之間，經485 通信線傳輸至電臺，發送信號至該灌溉區域接收器，及時更新灌溉區域內電磁閥的狀態，使電磁閥進行相應的啟停動作。為滿足用戶個性化需求，系統提供給用戶手動或自動兩種方案操作灌溉區域內電磁閥的啟停，對各電磁閥的開啟狀態進行直觀查看。田間執行設備收到指令完成相應動作后，接收器及時將信號反饋至電臺，并經485通信線傳輸至服務器進行決策分析。

2.2 智能控制系統灌溉決策設計

智能控制系統灌溉決策設計是實施灌溉過程的關鍵，涉及與底層數據采集設備、灌溉執行設備的數據通信以及灌溉指令準確發布。提供基于作物實際需水量的灌溉決策和基于土壤濕度的灌溉決策兩種執行方案。基于作物實際需水量的灌溉方案將接收到的氣象參數及土壤參數儲存于數據庫中，并根據系統數據庫中預設的作物生長數據和作物需水模型計算作物參考需水量ET0值，當達到作物需水量閾值時，遠程發送灌溉指令至田間灌溉執行設備，打開水泵進行灌溉；基于土壤濕度的灌溉通過微控制器從土壤傳感器讀取土壤濕度數據，通過無線通信網絡發送至遠程服務器，并將其存儲在數據庫中，當土壤水分值小于設定閾值時，遠程服務器發送灌溉指令至田間執行設備，田間執行設備打開水泵開始灌溉，直至土壤濕度達到預設濕度水平后關閉水泵停止灌溉。

灌溉決策系統為用戶提供遠程灌溉控制服務，提供基于作物實際需水量和基于土壤濕度的灌溉計劃選擇，支持更改預設參數。在灌溉過程中，底層數據采集網絡節點和氣象監測系統根據土壤和環境參數值變化，實時向遠程服務器提供數據，智能控制系統不斷調整灌溉指令直至灌溉結束。

3 結論

本文基于作物實際需水量建立智能灌溉控制系統灌溉決策模型，通過大數據分析可滿足不同類型作物在不同生長周期的灌溉用水需求，結合LoRa 無線通信技術、田間灌溉執行設備及數據采集設備可實現灌溉用水管理。通過對作物實施按需灌溉，進一步提高作物產量及質量，優化水資源配置，提升水資源利用效率。結合地方農業生產特點及作物特性，根據用戶需求自主研發智能灌溉控制系統，進一步降低系統成本，為后期系統維護及改進提供理論及技術支持。