基于大數據系統模型的灌溉決策系統研究

摘" 要：我國部分南方丘陵區域因地下水分布不均，作物澆灌主要依賴于干渠供給，但調度方式不夠精確。該研究提供一種基于農業大數據系統模型的灌溉決策系統，借助無線通信技術、自動控制技術及傳感器技術等現代技術，開發一套集信息采集、遠程自動控制、設備運行狀態監測及灌溉過程調控等功能于一體的智能化灌溉決策系統，有效提高農業灌溉自動化程度和精細化水平，同時還可以對系統和各輪灌區的用水量進行精準計量，符合現代智慧農業的發展需求。

關鍵詞：智能灌溉；物聯網；農業大數據；灌溉調控；富硒茶園

中圖分類號：S36" " " " 文獻標志碼：A" " " " " 文章編號：2096-9902（2023）07-0011-03

Abstract： Due to the uneven distribution of groundwater in some hilly areas of southern China， crop irrigation mainly depends on the supply of main canals， but the dispatching mode is not accurate enough. This paper studies and provides an irrigation decision-making system based on agricultural big data system model， with the help of modern technologies such as wireless communication technology， automatic control technology and sensor technology. A smart irrigation decision-making system is developed， which integrates the functions of information collection， remote automatic control， equipment running state monitoring and irrigation process regulation， so as to effectively improve the automation and refinement level of agricultural irrigation. At the same time， it can also accurately measure the water consumption of the system and each round of irrigation areas， which meets the needs of the development of modern smart agriculture.

Keywords： smart irrigation; Internet of Things; agricultural big data; irrigation regulation; selenium-rich tea garden

農業自古以來是國家發展的重要基礎和保障，中國農業用水約占用水總量的70%，但農業水資源利用率卻只有40%[1]。傳統的水利調度都是基于在季節性中，人對農田管理的經驗反饋來進行的，這種調度方式僅是由下至上的人為反饋，并不能算作系統的農業灌溉調度[2]。眾所周知，在我國南部丘陵區域，水利資源分布極不均勻，雖然總體上河流、干渠分布眾多，基本上可以滿足區域內的灌溉使用，但是在部分坡地區域，特別是陡坡地帶，水利資源較為匱乏。因此在這種地形下種植的茶樹等作物，需要采用干渠引導和地下水灌溉2種方式進行調節來滿足生長需求，便于成片生長的茶園能夠更好地吸收土壤中及后期人為補充的硒等生長元素[3]。而對于同一個區域，比如在同一個縣，不同的地方地下水分布也是極度不均衡的。因此，有些地方能夠保證正常的作物澆灌，而在其他的一些地方，作物澆灌主要依賴于干渠供給。在這種情況下，如果調度不精確，采用由下往上的反饋式調節，很容易造成調度不均衡。因此，本研究針對水利調度和信息化管理問題，設計一種基于農業大數據系統模型的灌溉決策系統，以期促進農業用水科技化、信息化，并提高農業水資源的利用效率。

1" 智能灌溉決策模型設計框架

在前期充分調研南方某省的丘陵區域氣候數據的基礎上，項目組建立基于農業大數據系統的模型，這種模型通過分割模塊、區塊補償模塊和決策模塊等多個模塊，結合土壤墑情與氣候數據的輸入，形成了灌溉決策系統結構，如圖1所示。

在這種由土壤墑情實時數據與氣候歷史及最新數據的動態決策系統中，數據采集模塊采用基于衛星圖像抓取區域內的農田分布數據，以及區域內所有的干渠分布數據；記錄區域內每一干渠的主流經線路，以及每一干渠上的所有支渠的支流經線路。分割模塊是基于區域內干渠分布數據、每一干渠的主流經線路及每一干渠上的所有支渠的支流經線路將區域內的農田劃分為若干個區塊，并使得每一區塊內或者相鄰兩個區塊之間至少具有一干渠/支渠流經。

建立起的農業大數據系統模型，是基于GIS地圖來配置區域內所有干渠分布、每一干渠的主流經線路，以及每一干渠上的所有支渠的支流經線路，同時對應的配置每一區塊分布。另外區塊補償模塊用于獲取每一區塊內自有灌溉系統，基于每一區塊的自有灌溉系統來估算對應區塊的灌溉能力，以及基于每一區塊的自有灌溉系統來估算對區塊的覆蓋范圍，并將對應區塊的灌溉能力及自有灌溉系統對區塊的覆蓋范圍換算得到自有灌溉系統的第一灌溉供水量。

特別值得強調的是決策模型，具有2類輸入端：第一輸入端，用于基于接口輸入每一區塊內的土壤墑情數據；第二輸入端，用于基于接口輸入區域內的氣象數據；另外氣象模型用于基于氣象數據來模擬氣象數據對每一區塊的影響；而處理模塊則連接至農業大數據系統模型，用于基于每一區塊內第一農田數量及土壤墑情數據來計算每一區塊的第一灌溉用水量；并且決策模塊具有決策控制單元、決策神經網絡及多個區塊計算單元。

2" 智能灌溉系統測試與分析

基于氣候大數據及實時土壤墑情等數據建立智能灌溉決策系統模型后，通過決策神經網絡連接所述決策控制單元和氣象模型，通過決策神經網絡基于區塊對應的等級、每一區塊的第二灌溉用水量及結合氣象模型模擬氣象數據對每一區塊的影響來生成對每一干渠及每一干渠對應的支渠的調度。具體來說，以該處丘陵區域的某處富硒茶園為實驗測試對象，測試分為4個部分，包括終端與云平臺的連接測試、終端節點采集數據測試、數據傳輸級上位機平臺測試及系統整體運行測試。

首先對系統硬件終端與云端的通信進行測試，可以看出終端的傳感器采集到的土壤溫濕度數據已成功上傳華為云平臺。其可顯示數據上報時間、設備ID、土壤溫濕度數據、當時及近期的天氣狀況、歷史氣候預警信息及干支流水渠的徑流數值。

其次對終端節點數據采集測試結果如圖2所示，以土壤濕度傳感器為例，將終端監控節點上電之后，通過改變土壤濕度，采集的信息也隨之變化，表明該終端節點采集信息成功。將土壤濕度傳感器表面用水擦拭之后，可以看見土壤濕度數據明顯變化。以同樣方式測試干支流水渠的徑流數值，通過改變傳感器附近的水流，可見采集的信息立刻變化。同時通過臨時水壩封堵一處水渠，水流迅速減少并在數十分鐘后停止，傳感器數值即刻顯示異常。

再次對數據傳輸至上位機平臺測試結果如圖3所示，終端監控節點接收到的傳感器數值能夠通過上位機交互界面實時查看，并能夠通過時間軸的波峰低谷來判斷數據的正常與異常，以及發展趨勢。通過點擊某一點的位置還能查看具體時間，表明大數據系統能夠通過某一時刻干支渠徑流及農作物所處土壤的干濕度等數據，計算出是否需要干預及如何干預的決策。圖上顯示土壤濕度值為0是因為并未將土壤濕度器放于含水土壤中，該測試表明數據可以上傳至上位機平臺并有效顯示。

最后對系統整體測試，在實時測試中，每一所述區塊計算單元對應連接一個區塊，以及所述區塊計算單元連接區塊補償模塊，通過區塊決策單元用于在排除氣象因素下，基于每一區塊的第一灌溉用水量和第一灌溉供水量的差值來計算每一區塊的第二灌溉用水量；通過決策控制單元連接至第一輸入端及每一所述區塊計算單元，通過決策控制單元用于基于每一區塊的土壤墑情數據和對應的第二灌溉用水量來設置一個調度時序，基于調度時序將區塊用水劃分成多個等級。抓取區域內的農田分布數據以及區域內干渠分布數據；基于每一區塊內第一農田數量及土壤墑情數據來計算每一區塊的第一灌溉用水量；在排除氣象因素下，基于每一區塊的第一灌溉用水量和第一灌溉供水量的差值來計算每一區塊的第二灌溉用水量；基于每一區塊的土壤墑情數據和對應的第二灌溉用水量來設置一個調度時序，基于調度時序將區塊用水劃分成多個等級；基于區塊對應的等級、每一區塊的第二灌溉用水量及結合氣象模型模擬氣象數據對每一區塊的影響來生成對每一干渠及每一干渠對應的支渠的調度。

測試結果表明，云平臺可以正常進行數據接收和轉發，土壤濕度傳感器與水流傳感器數據收集正常運行，上位機管理系統的數據顯示及數據處理正常運行，系統整體可以正常執行灌溉操作，運行良好。

3" 智能灌溉的大數據系統完善

在本系統中，通過控制干支渠徑流，控制策略可以讓硬件終端按時按需準確地將水送到區域內的農作物根系，之后可以將水資源高效利用和生長元素添加、病蟲害防治結合起來，使整個系統的功能更加多樣化與智能化，來提升農作物產量。如借鑒荷蘭的精準農業，設計的農業檢測系統可以通過采集器向監控人員提供土壤墑情信息和區域每種作物的生長情況，大大降低了區域農作物病蟲害和水資源的浪費，有效減少作物對化學農藥的依賴性[4]。

隨著計算機的相關技術及物聯網技術的日益進步，智能灌溉系統在智能花園、溫室大棚和足球場（包括高爾夫球場）等場景中，融合傳感器技術、自動控制技術以及無線通信技術來控制噴水噴灌將會十分普及[5]，結合本系統的框架和實驗測算，更好地調節農業生產的環境，則可應用大數據策略，云服務平臺上獲取國家氣象局天氣預報信息，根據天氣狀況和作物需要進行數據分析處理以關聯圖表顯示歷史，為農業專家提供決策支持亦或是在處理模塊自動實現智能調節，實現精準灌溉[6]。試驗結果顯示，在這種處理中，為了更好實現復雜農業環境下的系統穩定，應該提供Web版、桌面版和移動應用版（包括各類簡便小程序）來供選擇使用，便于其隨時隨地進行操作管理。

這一操作終端的多樣化完善，隨著5G的運用，移動互聯網的廣泛普及，越來越多的年輕群體返鄉從事現代農業行業將會逐漸普遍化。其中智能灌溉作為一種解決現代農業中水資源浪費嚴重問題的智能化手段，還需要應用更多的數據化手段來科學決策，這其中的傳感器如何更加廣泛地普惠介入，值得項目組下一步進行深入分析研究如何通過數據計算互通來利用更少的硬件介入實現更廣的灌溉智能化調節，同時測試中也暴露出水流調節的裝置問題，現實中的水流如何被土壤高效吸收的確值得大數據系統進一步深化，如何計算損耗的公式來進一步完善徑流的調節。

4" 結論

項目組通過華為云平臺遠程實時監測和控制，根據土壤墑情數據和對應的第二灌溉用水量來設置調度時序，實現了干支流水渠的調度分配。以某丘陵富硒茶園為實驗對象進行測試，結果也表明本系統可以精確調度灌溉用水，保證坡地茶園的正常灌溉，減少人力成本、改善茶園的灌溉效果，且這種智能灌溉系統工作穩定，能夠使得茶園作物較好地吸收硒這種元素。

參考文獻：

[1] 岳學軍，蔡雨霖，王林惠，等.農情信息智能感知及解析的研究進展[J].華南農業大學學報，2020（6）：14-28.

[2] 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（8）：217-221.

[3] 趙云鵬，張立軍.農業節水灌滋技術措施[J].現代農業科技，2020（15）：174-175.

[4] 劉昊，李靜，魯旭濤.5G背景下智慧農業通信節點部署策略[J].西安交通大學學報，2020（10）：45-53.

[5] 蔡紹博，夏志波.基于LoRa與MQTT通信的智慧富硒茶園環境信息智能監測系統[J].科技風，2022（17）：4-6.

[6] 潘壇，夏至波.基于ZigBee網絡與嵌入式3S技術的農田信息監測系統設計[J].農村實用技術，2022（2）：68-69.