中国是农业大国，水资源长期匮乏以及时空分布不均、灌溉方式粗放落后等因素一直制约着中国农业生产力和农业经济的高质量发展。随着新时代下科学技术的高速发展，国内外许多研究人员在计算机科学、信息技术及智能化等多种领域取得丰厚的研究成果，并将其应用在农业生产中，提高了农业生产力水平。因此，为实现农业水资源的高效利用及农业作物增产提质，对人工智能算法、作物灌溉模型进行深入研究，并将其应用在现代农业灌溉中，对农业经济发展具有重大战略意义。本文着重探讨智慧灌溉的概念及研究意义，以及国内外智慧灌溉模型、智慧灌溉算法、智慧灌溉的应用等方面的研究进展。 智慧灌溉的概念及研究意义
智慧灌溉（smart irrigation）的概念最早由Rath A T于1980年提出，即在传统的人工灌溉或单一机械化灌溉方式的基础上，应用物联网技术、人工智能技术、大数据技术等现代技术，实现农田灌溉的高效化、精准化，以及节省灌溉管理人工成本。智慧灌溉的整体系统架构主要涉及几个关键技术：无线通信技术、节水灌溉技术、灌溉决策与模型、传感器技术等。无线通信技术，目前主要包括红外技术、蓝牙通信技术、zigbee技术、Lora技术等，是物联网技术的一环，能够实现整个灌溉控制系统各模块之间命令下发与数据交互[1]；节水灌溉技术主要包括滴灌技术、微喷灌技术、微润灌技术等，相比传统灌溉方式能够实现水资源利用率的最大化，是智慧灌溉的关键一环；实现智慧灌溉的精准化灌溉，就需要最优的灌溉决策模型，灌溉模型算法是建立在诸多大田灌溉试验下得出的经验性数学模型与算法，以初始土壤含水率、可用灌水量、田间气温、湿度、光照强度等为输入变量，可得出适用于作物生长的最优灌溉次数和灌溉定额[2]；田间各项土壤墒情数据的获取和精准灌溉的实现离不开传感器技术，选择合适且高精度的传感器有利于整个农田灌溉系统的构建。 全球淡水需求的70%以上集中在农田灌溉中，世界各国（地区）的发展对水资源的需求也日益增大，有效提高农业水资源利用率，提高作物产量也一直是全球各国（地区）普遍面临的难题[3]。物联网成为进一步提升农业灌溉效率的重要抓手，物联网技术、计算机技术的成熟，也进一步推动了智慧灌溉系统与平台的研究与建设[4]。因此，为解决当下农业用水匮乏这个全人类共同面临的难题，智能灌溉技术的深入研究是大势所需。 智慧灌溉模型的研究进展
Hook[5]于1986—1987年在高平原不同地点测定了玉米、小麦、高粱和大豆各片区的土壤含水量，从高平原自动天气数据网（AWDN）收集的地表天气数据作为模型的输入，该模型估计每天时间步长的蒸散量（ET）和土壤含水量。大气水分需求根据Penman方法计算的潜在蒸散量（ETp）显示，利用该方法可较为准确估计美国高平原地区合理平坦地形下的土壤水分状况；朱自玺等[6]认为对未来土壤水分有影响的因子主要有地下水补给量、作物耗水量和有效降水量，此外，灌溉后所引起的产量反应和所投入的费用也影响着灌溉决策的制定，因此于1995年提出了基于土壤-植物-大气系统的土壤水分预报模型和冬小麦优化灌溉模型，并论证该模型的可行性；张兵等[7]于2005年建立了适合中国国情的基于灌水收益最大的多作物多约束非线性优化灌溉模型，该模型充分考虑到灌溉水量、作物水分需求、作物种植结构等重要因素，同时应用遗传算法的搜寻功能，对模型的实数编码解空间进行搜索，求解结果显示该模型很好地解决了玉米和小麦联合种植的优化灌溉问题；张振伟等[8]在基于实时土壤水分监测数据和气象信息的条件下，提出了基于日需水量的作物非充分实时灌溉预报模型，并给出了该实时灌溉模型所涉及的短期作物系数、土壤水分修正、计划湿润层深等参数的模拟与修正办法，为验证该模型在实际灌溉及作物生产的可行性，以冬小麦为例提出了不同天气类型下日需水量的计算方法，进行了在线实时灌溉预报，证实该方法能够有效提高农业灌溉水利用率。 近年来，国内外学者在前人研究结果的基础上进行了深入研究，马超等[9]构建了基于AquaCrop模型和NSGA-Ⅱ算法的水稻灌溉制度模拟优化模型，并以产量最大、氮磷流失量最小、灌水次数最少的3种目标组合下的灌溉制度优化模型进行研究，提出适应不同生育期降水年型的稳产-控污-提效灌溉制度，结果表明该水稻灌溉制度模拟优化模型的优化效果极佳；朱晨曦等[10]以Penman-Monteith模型为对照组，以开花坐果期和果实膨大期的番茄为研究对象，以超前决策灌溉模型计算灌溉量处理的番茄为试验组，通过春秋两茬试验，分析比较不同灌溉模型对土壤含水量、番茄生理指标、产量、品质与水分利用效率的影响，并利用熵权-TOPSIS法评价不同处理番茄的综合指标。结果表明：与对照相比，超前决策灌溉模型处理土壤含水量的波动较小，光合能力、植株产量与水分利用效率显著提高，验证了超前决策灌溉模型在番茄栽培中的可行性；Abioye等[11]开发一种基于滴灌试验的模型预测控制（MPC）策略，该策略将土壤含水量精准地控制在作物的田间持水量和作物临界枯萎点以上，同时制定并开展灌溉以弥补温室环境中因蒸发蒸腾而造成的土壤和植物水分损失。 智慧灌溉算法的研究进展
近年来，人工智能算法研究与应用在多领域的兴起，在一定意义上也促进了人工智能算法在智慧灌溉领域的研究和应用，人工智能算法在智慧灌溉领域的应用，能够有效实现高效、精准与科学灌溉。李莉等[12]采用土壤水分传感器对草莓果期基质含水率进行实时监测，通过分析基质含水率随时间变化的规律，并结合日平均温度进行K-means聚类分析，提出了一种基于K-means聚类算法的草莓灌溉策略，通过测定在该灌溉策略下果期内草莓每次灌溉基质含水率，确定该方法能有效提高水肥利用率，实现节水节肥；苗犇犇等[13]利用CART算法对环境因子与灌溉之间的相关性进行分析，并与逻辑回归、支持向量机等预测模型进行对比，采用Penman-Monteith公式等对灌溉量进行精确计算，再通过田间试验对本研究获得的灌溉方法进行验证，解决茶园灌溉系统中长期存在的灌溉时机与灌溉量难以确定的问题；崔瑜等[14]设计了一种新的自适应柯西变异蝴蝶优化算法(ACBOA)，并将所提出的算法与蝴蝶优化算法(BOA)、人工蜂群算法(ABC)、果蝇优化算法(FOA)等其他群智能优化算法进行比较，仿真结果表明：经过ACBOA优化后SMWSNs的覆盖率最高。最后在台架测试平台上进行灌溉控制试验，验证了ACBOA优化覆盖后的SMWSNs采集土壤湿度信息的准确性，并为SMWSNs节点覆盖面积达到最大时部署节点数量减少的问题提供有效解决办法；Mokhtar等[15]通过多种机器学习算法模型预测绿豆的灌溉需水量，总共应用了6个模型，即支持向量回归器（SVR）、随机森林（RF）、深度神经网络（DNN）、卷积神经网络（CNN）、长短期记忆（LSTM）和混合CNN-LSTM。将最高和最低温度、相对湿度、风速、降水量、根深、基本作物系数、土壤蒸发量、地表润湿率以及暴露和土壤润湿率等10个变量作为模型的输入数据，并将其组合，设计了8个输入场景，经过对比分析得知在这些模型中，混合CNN-LTSM的估计精度最高，SVR模型的估计精度最低；Hassan[16]提出了一种节能资源分配算法（EERAA），以在现实场景下延长基于无线电无线传感器网络的智能灌溉系统的寿命，结果表明所提出的算法在总功率约束和可容忍干扰的情况下能够实现CR-WSN的平均容量最大化。 智慧灌溉应用的研究进展
智能化节水灌溉系统的研究与应用对于农业资源的合理利用、农业生产效率的提高、农业节能减排等都具有积极意义，智慧灌溉技术的推广应用也有助于打破传统的农业生产模式，促进农业现代化发展。因此，智能化灌溉系统的设计研究仍然是许多国内外研究人员和工程技术人员所研究的重点内容。 近年来，国内学者在智慧灌溉系统的研究与设计中取得了一定研究进展。李凌雁等[18]提出了一种基于分布式ZigBee和GPRS无线通信技术的大范围远程控制节水灌溉系统，该系统以单片机作为控制器，将土壤湿度测试数据进行传输和保存，通过设定阈值控制零压启动电磁阀实施灌溉操作，并采用无线传感网络和GPRS将采集的数据进行远程传输，实现了定时定量和精确化灌溉；孟祥等[19]设计了一种基于LoRa通信技术的农田智能灌溉系统，该系统主要包括作物信息采集单元、LoRa无线通信单元、智能决策单元和灌溉输出模块，通过蓝莓试验田和玉米试验田试验测试得到土壤含水率均方差分别为1.80和4.83，拥有较高的精度；惠瑞晗等[20]设计了一套基于P-M模型的包含数据采集节点、无线通信节点、云平台决策终端、灌溉应用节点4个功能模块的棉田智能灌溉系统，并以该系统的3种模式与传统的灌溉方式进行试验对比，验证了棉田智能灌溉系统的有效性和可行性；段志霞等[21]设计了一套基于微积分控制的智能灌溉动态监控系统，该系统有助于解决当前农田灌溉水肥配比不均匀、不精确的问题。 国外有关智能灌溉方面的研究与应用起步较早，许多国外专家学者已经针对各种应用场景或实际应用需求完成了智能灌溉系统的设计。早在20世纪初，日本学者Nakano等[22]根据农业专家提供的专业知识，提出了一套基于模糊控制和开关控制的温室甜瓜智能灌溉系统，该系统能够利用配置各种气象信息传感器的模糊控制系统预测土壤含水量的变化，从而实现灌溉水量的精准控制和甜瓜品质的提升。随着信息技术和物联网技术的不断兴起，许多基于复杂理论的灌溉控制系统也能够落地实现。摩洛哥研究人员Zouizza等[23]设计了一个人工智能驱动的数字应用程序，该程序利用了基于物联网的精准农业灌溉系统和CNN-LSTM模型，它通过移动通讯技术和人工智能算法提供了一个全面的反馈系统，使农民能够自动化、优化和简化灌溉过程；也门学者Abuzanouneh等[24]设计了一种用于精准农业的物联网和ML智能灌溉系统，该系统可以感知农田的参数，并做出适当的灌溉决策，且该系统应用的IoTML SIS模型可以与物联网系统中的土壤湿度、环境湿度、温度传感器和光传感器相适配，而且所提出的IoTML SIS模型具有较好的性能，最大精度为0.975；印度研究人员Suresh等[25]为解决印度国内一直存在的农业水资源大量浪费的问题，设计了一种新的物联网深度学习智能灌溉系统（IoTDL-SIS），涵盖土壤湿度、温度，空气温度和湿度传感器，用于数据采集。传感器数据被传输到Arduino模块，进而传输到云服务器以进行进一步处理。云服务器使用3个不同的过程执行数据分析过程，即回归、聚类和二元分类。首先，利用基于深度支持向量机（DSVM）的回归方法对大气压力、降水、太阳辐射和风速等土壤和环境参数进行了预测。其次，将这些结果输入聚类技术，以最小化预测误差。第三，基于深度置信网络模型的人工免疫优化算法（AIOA）接收以估计的天气数据为输入的聚类数据，并进行分类处理。结果分析表明，与其他最新技术相比，该智能灌溉系统具有良好的性能，精度为0.971。 实际案例分析
江西省红壤总面积13966万亩，约占江西总面积的56％，自然肥力高，省内气候及土壤条件都很优越，非常适合柑橘尤其是脐橙生长。江西省抚州市南丰县农村生态水利科研示范基地占地560亩，其中果园的面积约416亩，种植柑橘约11900棵。柑橘种植已经成为当地农业支柱型产业，呈现规模化、品牌化发展；水资源缺乏以及水资源供应量的季节性不均衡、加之人力成本的提高致使柑橘园管理成本提高，管理人员的减少使得柑橘灌溉施肥不能及时进行，这些原因已成为制约丘陵地区柑橘产量和品质提升的一个重要因素。通过引入智慧灌溉系统，科学地、系统地研究南丰地区蜜橘果园的水分运动及水分调控以解决当地蜜橘生长、品质、产量等问题。系统以基于ARM Cortex M3内核的32位通用微控制器芯片为中央处理器，嵌入式操作系统Free RTOS为透水砼渗灌系统终端部分软件层面开发逻辑控制功能的开发平台，以中国移动物联网平台One NET为媒介，实现用户与大田终端设备的数据交互。构建物联网+透水砼渗灌智能化灌溉新技术，使产量、水分利用效率分别增加了15.69%、48.76%，通过智慧灌溉系统解决蜜桔灌溉施肥的问题，以节约劳动力，提高水肥利用效率，提升蜜桔产量品质，可优化当地蜜橘灌溉模式。 结语
本文就智能化节水灌溉技术的概念以及代表性学者们的研究成果进行阐述与介绍，智能化灌溉技术对于解决世界各国（地区）面临的水资源匮乏问题有着指导作用，同时也能够助推农业领域高质量发展以及新质生产力的蓬勃发展，采用智能化灌溉技术使农业管理更加高效、智能，降低人力成本，促进农业产业结构调整，为后续的深入研究提供切入点与研究依据。
扫码关注我们
|
