青贮玉米智能化灌溉的探索与研究

胡 娜，杨 刚

（宁夏农垦勘测设计院（有限公司）,宁夏 银川 750011）

1 研究的目的和意义

近几年随着高效节水灌溉工程的快速发展,常规的滴灌工程没有达到预期的节水、节肥、节工、增效目标[1]。为了解决常规滴灌工程中出现的问题,在现有1000 亩青贮玉米高效节水灌溉示范区的基础上,改造出地桩,将现有的球阀更换为电磁阀控器,同时配置智能主控器,在田间设置土壤墒情监测点和气象数据监测点,利用物联网技术进行自动化操作,达到精准灌溉、精准施肥,发挥土地的最大化效益。然而,智慧农业的建设和推行仅仅依靠科技的力量是不够的,田间阀门的自动化控制依然处于试验阶段,土壤墒情监测、作物生长指标、作物营养成分等基础数据的监测结果都存在相应的仪器误差[2]。智慧农业的建立主要致力于自动化数据采集的准确性和田间仪器的实用性。我们通过人工采集、人工试验的方式与自动化监测设备的监测结果进行对比分析、找出规律,其间的差异力求通过人工专家干预的方式进行调整,使得田间基础数据更加符合示范区的实际数据。

2 环境条件分析

示范区位于宁夏回族自治区银川市贺兰县暖泉农场,目前1000 亩青贮玉米为常规的滴灌方式,将现状球阀改造为电磁阀控器,田间平均布设6 套数据采集器,每处数据采集器根据青贮玉米根系生长分20 cm、40 cm、60 cm布设3 个土壤水分传感器,可以实时的将土壤墒情、温度等信息传送至物联网智能控制平台,当控制平台显示土壤含水率达到青贮玉米生长最低值时,可通过智能控制平台或手机App打开电磁阀控器灌溉[3]。经示范区气象站数据监测可知：在青贮玉米整个生育期（4月～9月）,空气温度与光照度具有相同变化趋势,年际之间的变化幅度不大,满足了青贮玉米在生长时期所需的光温条件。蒸发量的高峰期集中在6 月下旬～8 月初,此时正是青贮玉米生长关键期,对于水肥条件的要求最为关键。湿度年际变化幅度较大,对于防治病虫害具有一定的指导意义。在整个生育期内降雨分布极不均匀,且有效降雨稀少,仅占全部降雨9.5%,因此如何合理灌溉,以作物定水,适水生产,显得尤为重要。

3 灌溉分析

3.1 土壤剖面层次结构

试验期间,在6个土壤传感器布设处开挖1.5 m×1.5 m×1.5 m的基坑,对土壤剖面结构及屋里特征进行分析,从耕作层、犁底层和心土层的分布来看,耕层深度在20 cm～30 cm之间,犁底层厚度达13 cm～27 cm不等说明每年犁地深度较浅,犁底层较厚。土壤剖面质地以沙壤土为主,夹带有壤土层、粘土层和沙土层,表现出剖面结构的复杂性,且分布不均匀,给农业措施或田间管理的统一带来不便。

3.2 灌溉频次分析

通过在7月～8月份对灌溉频次的调查分析,项目区内各轮灌组之间灌水频次差异较大,灌水平均时长8.1 h,最大13.3 h,最短时长为4.3 h。灌水间隔天数平均7.4 d,最长间隔时间10.0 d,最短间隔时间5.1 d。灌前土壤含水率平均为19.56%,最小值为10.61%。可见,各轮灌组平均灌水时长、间隔天数和灌前土壤含水率与灌水方案基本吻合。但最短时长、最短间隔天数和灌前土壤含水率太小,会导致整体灌水不均,植株旱象层次不齐,长势整齐度不够,灌溉前后水分含量变化及灌溉频次分析见表1。

表1 灌前灌后水分含量变化及灌溉频次分析

4 施肥分析

了解示范区土壤养分特征值,可以准确了解土壤的养分情况,若在数据积累过程中,将播种之前的土壤养分数据记录在内,就可以分析土壤元素的贡献效率,通过土壤-作物之间的养分可以更加准确的计算施肥量,达到精准施肥的目的,采集示范区土壤样品进行土壤养分特征值的检测,见表2。

表2 土壤养分特征值

示范区准确记录了青贮玉米整个种植过程中肥料的施用情况,在青贮玉米的抽雄期和吐丝期是需肥的高峰期,共施入纯氮元素15.84 kg/亩,纯磷元素10.46 kg/亩,纯钾元素2.58 kg/亩,这为后续建立水肥数字模型,提供数据基础,见表3。

表3 肥料中大量元素农田生产效率

示范区内氮素农田生产效率为159.72、磷素农田生产效率为241.87、钾素农田生产效率为980.62。若长期对肥料元素进行大量数据积累,可以对肥料的选择以及施肥量的实施具有一定的指导意义,并对后期建立水肥一体化数字模型,有一定的数据基础。

5 青贮玉米生长产量品质分析

示范区种植的青贮玉米品种为先玉1321和先玉1611,通过对示范区不同品种青贮玉米生长指标调查可知：不同品种间,田间表现性状不同,先玉1321 青贮玉米株高、穗位高、整株重明显高于先玉1611 品种。因此在种植过程中,需要将品种之间的差异性,以及品种区域适宜性考虑进去,适当的做一些品种筛选试验,对于后期研究与生产有很大的作用。

收获期,选取了25 个样本送试验室进行检测,符合青贮玉米品质分级及指标等级一级标准（GB/T 25882-2010）,测定结果见表4。

表4 青贮玉米产量品质测定

6 传感器准确性及稳定性分析

6.1 传感器准确性分析

本次研究重点是通过人工取样、试验得出的数据与土壤水分传感器采集的数据做对比,田间设备采集的数据是否准确,为后续模型建立提供基础保障。本次试验采用传统烘干称重法测定土壤含水量,分20 cm、40 cm、60 cm共3 个层次,试验区内进行6 点3 重复取样。

计算公式：

式中：SWC为土壤含水量,%；W1为土壤鲜样和铝盒的总质量,g；W2为烘干土样和铝盒的总质量,g；W3为空铝盒的质量,g。

在水分传感器所在位置取样,采用烘干法测定土壤质量含水率,并同时记录传感器所示含水率（体积含水率）,二者对比结果见表5。

表5 烘干法含水率与传感器含水率比对

结果表明：烘干法测定极差为0.26%～0.93%,变异系数1.69%～4.02%,传感器含水率测定极差为0.06%～1.55%,变异系数为0.24%～5.54%,均符合田间操作需求。

烘干含水率（质量含水率）与传感器含水率（体积含水率）之间呈极显著正相关,回归函数Y（传感器含水率）=1.5888X（质量含水率）-0.2783, R2=0.954,见图1。

图1 质量含水率与传感器含水率测定结果相关性

6.2 传感器稳定性分析

根据试验数据分析,各监测点基础水分含量高低均有,布局合理。每个点安装的三个传感器之间水分在3 h～6 h内变化不大,即在3 h～6 h间采集30～33组数据,其变异系数在0.15%～1.48%之间,水分传感器表现出良好的稳定性,见表6。

表6 各采样点3 h～6 h内传感器水分变化

6.3 水分含量的纵向与横向变化

纵向距离含水率是指自滴灌带以下20 cm、40 cm和60 cm处的含水率[4]。横向距离含水率是指自滴灌带以下20 cm处作为0 cm,再外移20 cm和40 cm处的含水率,旨在监测滴灌带以下20 cm、玉米株下20 cm以及株外20 cm处的土壤含水率,取样点位置见图2,结果表明：

图2 水分测定取样点示意图

1#点纵向距离平均含水率为14.8%,20 cm和40 cm含水率一致,60 cm含水率低至13.04%,与剖面层次有关,43 cm以下是沙土层,不保水。横向距离平均含水率为15.9%,三个点水分基本一致,说明1#点灌水程度良好,见图3；

图3 垂直距离与20 cm以下水平距离土壤质量含水率变化

2#点纵向距离平均含水率为16.6%,含水率随深度的增加而增加,从剖面结构来看,30 cm～65 cm均为犁底层和钙积层,质地粘重,形成水分聚集的现象。横向距离平均含水率三个点基本一致,灌水均匀；

3#点明显灌水不足,仅滴灌带以下20 cm处水分较高,再往下以及再往外土壤含水率下降突出；

4#点剖面90 cm以内为沙壤土,犁底层仅8 cm,水分下渗明显。横向距离质量含水率降低3 个百分点,即植株外侧土壤水分缺乏；

5#点53 cm以内均为砂土层,土壤水分变化不大；

6#点犁底层厚度14 cm,其下为黏土层,耕作层以下水分聚集,水分含量明显高于耕作层。

6.4 灌水上限与下限推荐值

由表7 看出,玉米滴管条件下,在20 cm深度处土壤含水量随灌水量的增加而升高,同时离滴灌带越远含水率愈低,滴灌带以下20 cm含水率较高,植株根系以下20 cm次之,植株外侧20 cm含水率最低。从产量分析结果来看,各处理间产量变化规律呈二次回归函数,且二次项系数为负值,符合生物学规律,回归函数达极显著正相关,最大拟合产量1107.9 kg/亩。处理Ⅳ的产量最高,处理Ⅲ、Ⅳ、Ⅴ的产量差异虽未达显著性水平,但处理Ⅴ的灌水量显然超出实际不便应用。因此,以第Ⅳ处理的水分指标来确定玉米滴灌下限、上限以及监测位置具有较强的现实意义。

在这三个位置点的数据变化中,滴灌带以下20 cm的水分会提早达到,此时并不能代表植株对水分的满足,而植株外侧20 cm、再向下20 cm的位置的含水量达到要求是比较切合实际的,它的含水量作为判断灌水是否满足的标准是可行的。拟推荐参数为表7中的株外20 cm、深度20 cm处的参数。即当该处的体积含水率达到18.03%±0.67%时为灌水指标下限,开始灌溉,当含水率达到22.84%±1.16%时为灌水上限,停止灌溉。

表7 滴灌玉米耕层20 cm水平距离灌水前后土壤含水率变化

7 结语

针对示范区青贮玉米环境分析、灌溉分析、施肥分析、传感器准确性及稳定性分析,青贮玉米智能化水肥一体化灌溉方式较传统滴灌方式在节水、节劳、节肥方面效益显著。在后期工作中,记录、统计、分析各个维度的数据,通过长系列的数据积累,初步建立青贮玉米水肥一体化灌溉数字模型。在灌溉过程中,由于各种灌溉决策因子在监测过程中,受到仪器本身精度、人为操作的影响,监测信息还存在一定的不确定性、模糊性,并且各个灌溉决策因子存在不同的量纲。因此在青贮玉米水肥一体化灌溉数字模型在使用过程中,将不确定性和模糊性的多源灌溉决策信息进行有机融合,以进一步提高灌溉决策的可靠性,为精准农业、智慧农业奠定基础。