作物需水量在农业灌溉中的应用研究*

杨德军 ，雷万荣 ，孙国亮

（武威职业学院，甘肃 武威 733000）

随着全球气候变暖，水资源短缺成为全世界面临的主要问题之一。我国水资源总量约为全球水资源总量的6%，但我国人口基数大，人均水资源占用量仅能达到世界平均水平的25%，水资源短缺问题更为突出[1-2]。农业灌溉用水是从事农业生产的重要投入成本，也是水资源利用的重要组成部分，用水过量或不足将导致作物产量和质量下降。随着现代科技的不断发展，农业生产已由传统模式向智能模式转变，尤其是智能灌溉在农业灌溉领域快速发展，是提升农业灌溉水资源利用率和节约水资源的有效手段。物联网技术结合智能化软件和硬件装备将不断推动农业智能灌溉领域的发展，促进适应地方特色的农业灌溉技术转型升级[3-4]。本文基于农业灌溉智能化发展研究进展，对灌溉过程中作物实际需水量进行分析，通过信息获取、建立需水量模型，与智能灌溉控制系统融合对作物生长过程中灌溉用水进行精准控制，可进一步提升水资源利用效率。

1 作物需水量理论计算模型

1.1 作物实际需水量影响因素

农业灌溉过程中农作物对水的需求量受多种因素的影响，主要有外部因素和内部因素两大方面[5]。内部因素主要是不同农作物类型及其不同生长阶段对水分的需求存在差异，外部因素主要包括温度、湿度、日照、风速、蒸腾蒸发及灌溉水量等[4]。在灌溉过程中如果不考虑作物在不同生长阶段自身对水的需求，依据经验实施传统大水漫灌将会影响作物最终产量及质量[6-7]。因此，需综合考虑各类气象因素及土壤墒情，同时结合作物实际情况建立不同类型作物各生长阶段需水量数据库，便于灌溉过程中对比和分析，实施按需灌溉。

1.2 需水量灌溉决策模型

农作物在生长过程中实际需水量随内外因素影响动态变化，受土壤含水量、降水、蒸腾等因素综合作用影响。因此，需要综合分析上述各影响因子，建立作物需水量灌溉决策模型。目前研究中主要采用直接测定和间接估算两种方法对作物需水量进行分析和计算。直接测定法主要有水平衡法、蒸发皿法等，间接估算法主要有彭曼公式法、Hargreaves 公式法等[8-9]。作物参考需水量是灌溉规划中作物需水平衡及其量化的重要依据，本文在研究过程中利用气象数据及土壤环境数据，选用目前普遍使用的彭曼公式法方程模型来计算作物参考需水量，公式如下所示：

式中，ET0为作物参考需水量；Δ 为蒸汽压斜率；Rn为太阳净辐射；G 为土壤热通量；y 为焓湿常数；T 为平均气温；u2为2 m 高处测得的平均风速；es-ea为蒸汽压差异[7]。上述相关参数通过数据采集设备和气象站数据获得，具体计算方法依据参考文献[9]。

2 基于需水量模型的灌溉系统构建

为实现灌溉智能化及灌溉用水精确控制，将灌溉区域按照实际灌溉控制需求划分为网格化灌溉单元，布置管网系统，结合物联网技术，根据田间数据按照需水量灌溉决策模型进行数据分析和处理，形成灌溉控制指令，最终通过无线通信网络将控制信号发送至田间灌溉执行设备，灌溉执行设备通过太阳能提供的电能驱动电磁阀的开启或者关闭，实现远程自动化、精准化灌溉，帮助用户实时监控田地灌溉需求情况，智能灌溉系统同时为用户提供手动和自动灌溉方案选择。

2.1 系统整体设计

2.1.1 灌溉执行设备

灌溉设备主要包括田间管道、电磁阀、水泵等。管道可选用PVC 材料或PE 材料，根据实际灌溉区域及作物类型划分灌溉单元，在灌溉网格以节省成本为设计要素进行主管、支管铺设，确保管网出水口能够满足系统对灌溉单元的灌溉动作控制。执行设备由微控制器和LoRa 射频组合模块构成，当接收器接收到远程服务器发送的灌溉指令后，通过继电器启动或关闭电源，控制水泵的开启或关闭。

2.1.2 数据采集设备

数据采集设备主要用于土壤数据及田间气象信息的采集，辅助智能灌溉系统进行灌溉决策分析。在灌溉区域布置网络节点设置土壤传感器，对田间土壤体积含水量、土壤温度、土壤电导率和土壤盐度进行监测[10]。由于作物需水量受气象条件影响较大，因此还需要不间断对灌溉区域气象数据进行采集。气象数据可以直接通过当地气象站获得，但考虑到气象数据的时效性及精确度对灌溉决策数据的影响，可以选择在灌溉区域附近布置微型气象监测系统来监测温度、空气相对湿度、风速、太阳辐射和降水量等气象数据[11]。数据采集设备将上述基础数据上传至服务器终端进行处理和分析后生成灌溉决策指令，然后进行灌溉，确保作物在生长过程中的实际用水需求得到满足。

2.1.3 无线通信设备

农业灌溉区域辐射范围一般较大，灌溉执行设备、数据采集网络节点与服务器终端通常相距几公里，甚至更远，由于覆盖范围较大，数据传输采用有线布置方式极为不便，且工程量大。因此，在系统通信方面选择无线通信方式进行数据传递。在灌溉实施过程中为将获取的气象数据及土壤湿度等数据通过无线传输方式传输至远程终端，所采用的无线网络传输协议必须保证远距离传输过程中能够有效发送和接收数据包，降低数据损耗和功率消耗[12]。LoRa 无线通信技术以扩频技术及其增益可大幅扩大无线传输范围，在农业大田灌溉中传输范围可达15 km 左右，工作频段较低，数据传输过程中受干扰程度低，具有功耗低、数据传输覆盖范围广、数据抗干扰能力强等特点，目前该技术已被广泛应用于物联网领域[13]。因此，在项目实施中选用数传电台，同时在灌溉执行设备上布置收发器，选用LoRa 无线通信技术进行数据双向传输，进一步降低智能灌溉控制系统数据通信部署成本，达到灌溉系统不同模块之间数据传输及通信的目的，实现系统低成本、低功耗、远程通信。

2.1.4 智能灌溉控制系统

智能灌溉控制系统主要包括计算机终端、数传电台、接收器及其他附属设备，用于分析和处理灌溉决策所需的信息，并与田间网络节点进行远程通信，为用户提供灌溉决策支持。通过系统，用户能够实时查看数据，选择灌溉方法，手动或自动发送灌溉指令对田间灌溉执行设备进行远程控制管理。数传电台布置于服务器与灌溉网络节点之间，用于传输数据和对灌溉执行设备发送灌溉执行指令。灌溉系统配备路由器连接网络，用于检索日常信息及本地数据库中气象站数据信息，同时将灌溉网络节点采集的气象、田间土壤信息等实时监测数据存储在数据库并进行分析和处理，计算作物参考需水量，当满足灌溉条件时，发送指令至灌溉执行设备实施灌溉动作。

田间灌溉网络节点主要由微控制器的开发板及收发器组成，通过RS485-UART 转换器，确保微控制器和土壤传感器之间的通信，并将传感器获取的数据经微控制器处理后由LoRa 无线通信网络传输至远程服务器。远程服务器端具备控制串口，接收数传电台传输的数据，对数据进行解码和分析处理，将命令对应到系统的按键之间，经485 通信线传输至电台，发送信号至该灌溉区域接收器，及时更新灌溉区域内电磁阀的状态，使电磁阀进行相应的启停动作。为满足用户个性化需求，系统提供给用户手动或自动两种方案操作灌溉区域内电磁阀的启停，对各电磁阀的开启状态进行直观查看。田间执行设备收到指令完成相应动作后，接收器及时将信号反馈至电台，并经485通信线传输至服务器进行决策分析。

2.2 智能控制系统灌溉决策设计

智能控制系统灌溉决策设计是实施灌溉过程的关键，涉及与底层数据采集设备、灌溉执行设备的数据通信以及灌溉指令准确发布。提供基于作物实际需水量的灌溉决策和基于土壤湿度的灌溉决策两种执行方案。基于作物实际需水量的灌溉方案将接收到的气象参数及土壤参数储存于数据库中，并根据系统数据库中预设的作物生长数据和作物需水模型计算作物参考需水量ET0值，当达到作物需水量阈值时，远程发送灌溉指令至田间灌溉执行设备，打开水泵进行灌溉；基于土壤湿度的灌溉通过微控制器从土壤传感器读取土壤湿度数据，通过无线通信网络发送至远程服务器，并将其存储在数据库中，当土壤水分值小于设定阈值时，远程服务器发送灌溉指令至田间执行设备，田间执行设备打开水泵开始灌溉，直至土壤湿度达到预设湿度水平后关闭水泵停止灌溉。

灌溉决策系统为用户提供远程灌溉控制服务，提供基于作物实际需水量和基于土壤湿度的灌溉计划选择，支持更改预设参数。在灌溉过程中，底层数据采集网络节点和气象监测系统根据土壤和环境参数值变化，实时向远程服务器提供数据，智能控制系统不断调整灌溉指令直至灌溉结束。

3 结论

本文基于作物实际需水量建立智能灌溉控制系统灌溉决策模型，通过大数据分析可满足不同类型作物在不同生长周期的灌溉用水需求，结合LoRa 无线通信技术、田间灌溉执行设备及数据采集设备可实现灌溉用水管理。通过对作物实施按需灌溉，进一步提高作物产量及质量，优化水资源配置，提升水资源利用效率。结合地方农业生产特点及作物特性，根据用户需求自主研发智能灌溉控制系统，进一步降低系统成本，为后期系统维护及改进提供理论及技术支持。