基于实时气象信息的灌溉决策支持系统研究

顾 巍，杨 琳，李泰来

(中工武大设计研究有限公司，武汉 430074)

决策支持系统是一种面向问题的基于计算机技术的信息系统，其一般由数据库、模型库及人机交互模块3个基础部分组成。决策支持系统最初由美国学者Scott Morton提出，并与20世纪90年代应用于灌溉管理中。随着计算机技术、3S技术发展并与决策支持系统的结合，使得灌溉管理决策软件的发展取得了良好的进展[1]。CROPWA在考虑土壤边界条件及水分平衡原理，编制了灌溉决策软件[2]。Mateos在水量平衡模型下开发了灌溉用水管理工具SIMIS，提供了长中短期不同的灌水方案[3]。Bazzani 提出多尺度分析的灌溉决策支持系统DSIRR，该系统对灌水决策、水价等对灌溉效果的影响[4]。我国在应用于灌溉的决策支持系统上的研究起步较晚，近年来已有许多学者在结合GIS、实时预报等技术的研究及报道[5-7]。本系统在功能设计、数据准确性及软件设计等方面具有较大的改进，具有更高的实用性。本文对有系统的相关内容进行介绍，为类似的研究开发工作提供参考。

1 系统功能设计

本系统主要设计了以下几方面的功能。

(1)气象信息采集。系统可通过自动气象站采集灌区气压、大气温度、大气湿度、风速等气象信息。系统可储存气象站所采集的历史数据，为作物需水量的计算、灌溉计划的制订提供数据基础。

(2)灌溉需水量计算。作物日蓄水量ET值的计算是定制灌溉计划的关键。本文综合考虑气象、作物及土壤含水率等信息，计算作物日需水量ET值，计算模型中所需要的实时数据主要来源与小型气象站和田间土壤墒情监测设备。

(3)灌溉计划制定。结合作物日需水量ET值，根据灌区的灌溉管网及作物实际情况，制定适宜合理的灌溉计划。

(4)灌溉自动控制。自动灌溉功能可通过控制水泵、电磁阀等设备执行制定的灌溉计划。

(5)实时计划修正。根据实时的气象信息对灌溉计划进行修正调整，如在灌溉过程中突遇到降雨，系统可自动对灌溉计划进行修正。

(6)人工干预功能。 可通过实时反馈的信息，提供人工干预功能，对灌溉计划进行动态修正。

2 系统结构设计

2.1 系统逻辑结构

系统主要辅助决策者制定灌溉计划及控制灌溉运行，其系统逻辑结构图如图1所示。

图1 系统逻辑结构图

登录系统后，进入系统灌溉计划功能，制定灌溉计划的步骤如下：①通过自动气象站中所采集的气象历史数据，采用Penman-Monteith法计算参考作物需水量ET0值。结合作物生产情况和土壤水分影响，计算作物日需水量。②结合当前实时土壤湿度，计算灌水量并根据灌区实际情况制定灌溉计划，并结合用户的实际需求为用户提供人工调整计划功能。③系统自动执行灌溉计划，当气象站监测到降雨时，灌溉计划暂停并对计划的灌水量进行修正。如降雨量满足灌溉需求，则灌溉计划停止；如降雨量不满足灌溉需求，则以修正后的灌溉计划继续执行灌溉。④当计划执行完毕后，打印输出计划及灌溉结果，结束灌溉。

2.2 数据库设计

系统的实时监测的土壤墒情信息、气象信息等数据，通过数据库管理系统存入数据库中，并利用数据分析技术对数据进行加工、纠错处理，以利于系统制订方案的模型使用。系统采用SQL Server 2008数据库，数据库可存储实时气象数据，气象数据的采集周期为1 min，系统可通过数据库查询当前及历史气象数据信息。数据库可存储制定的灌溉计划，并记录计划执行过程中的命令及信息，为灌溉结果的评价提供依据。

3 数学模型

(1)作物需水量计算。本系统采用Penman-Monteith法计算参考作物蒸腾蒸散发量ET0值，需要输入的参数如：饱和水汽压-温度曲线斜率、输入冠层净辐射、土壤热通量、湿度计常数、日平均气温、2 m 高度的风速、饱和水汽压、实际水汽压，需通过小型气象站采集气象数据。采用该方法结合作物的修正系数及土壤水分胁迫系数[8]，采用间接法计算作物需水量，如公式(1)所示。

ETi=ET0iKciKwi

(1)

式中：ETi为第i天的实际作物蒸发量；ET0i为第i天的参考作物蒸发量；Kci为作物修正系数；Kwi为土壤水分胁迫系数。

其中作物修正系数Kci采用作物生育期累计天数变化方法进行计算；Kwi土壤修正系数采用结合当前土壤含水率、作物适宜土壤水分上、下限及田间持水率进行计算，并引入经验系数对不同作物类型进行修正。具体公式参考文献[8]中内容。

(2)土壤含水率计算。本文采用水量平衡法预测土壤墒情，作物计划湿润层的水量平衡方程为：

Wi=Wi-1+P01+WTi-ETi+Mi+Ki

(2)

式中：Wi-1、Wi分别为第i时段初和时段末的计划湿润层的土壤含水量；P01为第i时段的有效降雨量；WTi为第i时段由计划湿润层增加而产生的水量；ETi为作物需水量；Mi为第i时段的灌溉量；Ki为第i时段的地下水补给量。为提高系统精度，时段初的值都采用实时监测的数据对其进行修正。

(3)数据修正。在系统设计中，主要关注的是当前所采集上数据的正确性，在系统的错误中，由于传输故障造成的数据缺失时，数据通常为缺省值0。以土壤湿度数据为例，当前时段的湿度与前时段及灌溉过程相关。如系统查询当前突然湿度为0，则判断为错误数据，需对数据进行纠错。

采用同一灌溉状态中的数据对错误数据进行修正，如一次灌溉过程中所采集的数据作为错误数据修正的参考数据。模型分为灌溉期间和非灌溉期间的数据修正，在灌溉期间采用同一灌溉期的数据对错误数据进行修正；在非灌溉期，利用非灌溉期中所采集的数据对错误数据进行修正。将灌溉过程中细分之后，每个灌溉期的土壤湿度数据变化的趋势可认为是单调增或减的，有利于趋势曲线的拟合和数据分析。在此基础上，本文采用数据分析中的线性外推方法对错误数据进行修正。数据分析技术是一种数据处理和知识发现技术，可以从农业信息数据中的关联并提高数据的可靠性，国内一些学者在数据分析和农业相结合的领域进行了研究[9-11].

本文采用数据分析方法中的线性外推方法来修正错误的数据，因为在灌水的过程中，如灌水过程均匀时土壤湿度的变化是一个接近线性的过程。线性外推法是一种研究随时间变化而线性变化的事物，可以用来推断事物未来的变化。在文中，利用其可推断未知数据的特点，以错误数据前时段和后时段的数据为依据，分别从数据前相关时段和数据后相关时段推求得到当前数据的修正值，并取平均值作物当前数据的值代替错误数据。以此方法结合灌溉状态的划分，能方便快速的修正错误的数据，为系统制定灌溉计划与决策提供保障。

4 系统应用

系统采用C++语言进行开发，选用C++ builder 2010为开发平台，结合SQL Server 2008数据库软件对数据进行管理。开发完成的系统适用于Windows XP/2007/2008操作系统，运行状态稳定。

本系统应用于湖北某农业种植园区，试验区灌溉系统完备，系统设立了小型气象站、田间土壤墒情监测、自动灌溉控制等设备，为园区的种植灌溉决策提供了较好的辅助，不仅实现了灌溉的适时适量，同时节省了大量的劳动力，取得较为理想的效果。

5 结 语

在考虑实时气象、作物需水量、土壤墒情等信息，结合彭曼公式、水量平衡理论，并叙述了各个参数的计算及修正方法。系统功能完善，具有先进智能的灌溉计划制定、实时气象信息修正灌溉计划功能，同时利用了数据分析技术保障了系统中决策数据的正确性。系统界面友好、操作简单，且具有人工干预灌溉功能，较好的增强了系统人机交互性，具有较强的普适性，易于实际推广。在实际中应用表明本系统能有效的辅助种植管理，起到节水、增效及节省人工的作用。再进一步的工作，系统将融合3S技术，利用其强大的空间技术分析能力来进一步优化灌溉预报，提高预报精度，具有较大的扩展空间。

[1] 马孝义， 王波雷，张建兴，等. 灌区用水决策支持系统的现状及展望[J]，水土保持研究,2008,15(4):28-32,36.

[2] Smith M. CROPWAT: a computer program for irrigation planning and management[M]. Food & Agriculture Orgaization of the United Nations, 1992.

[3] Mateos L, I Lopez-Cortijo, J A Sagardoy. SIMIS: the FAO decision support system for irrigation scheme management[J]. Agricultural Water Management, 2002,56:193-206.

[4] Bazzani G M．A decision support for an integrated multi-scale analysis of irrigation: DSIRR[J]．Journal of Environmental Management, 2005,77(4):301-314.

[5] 杨宝祝，赵春江，孙 想，等．节水灌溉专家决策系统的研究与应用[J] ．节水灌溉, 2002,(2):17-19,23．

[6] 朱 艳,胡继超,曹卫星，等. 基于作物模型的农田水分管理决策支持系统研究[J].水土保持学报，2005,19(2)：160-162,198.

[7] 谭君位, 崔远来，张培青. 实时灌溉预报与灌溉用水决策支持系统研究与应用[J]. 中国农村水利水电, 2015,(7):1-4,9.

[8] 张振伟, 马建琴. 基于日需水量的作物非充分实时灌溉预报模型及应用[J]. 水电能源科学, 2014, 32(4):167-170.

[9] 郑向群, 高怀友, 周 军，等. 农业环境信息数据分析中数据挖掘技术的应用[J]. 农业环境与发展, 2003,20(1):35-37.

[10] 张小娟, 蒋云钟, 赵红莉，等. 基于数据挖掘技术的遥感ET数据分析[J]. 人民黄河, 2007, 29(8):33-34.

[11] 刘春玲, 崔凌云, 贾冬青，等. 数据挖掘技术在农业领域的应用[J]. 农机化研究, 2010, 32,(7):201-204.