白秋產

摘要： 針對基于物聯(lián)網的智能灌溉系統(tǒng)對灌溉水量計算精度不足的問題，提出一種基于物聯(lián)網的智能農田灌溉系統(tǒng)。綜合考慮土壤的濕度與溫度、空氣的濕度與溫度、風速、光照時間等環(huán)境因素，此外也考慮雨水、土壤中根區(qū)域的水量、作物蒸發(fā)量以及通過毛細上升到達作物根部的地下水量等自然補水因素，并利用自然環(huán)境的歷史數據，進一步提高灌溉水量的預測精度。物聯(lián)網使用高能效的無線傳感器網絡協(xié)議，使網絡的生命期最大化。真實的農田試驗結果表明，本系統(tǒng)可有效地降低農田灌溉的用水量，并且在傳感器網絡的周期與灌溉水量之間達到較好的平衡。

關鍵詞： 智能農業(yè)；智能灌溉系統(tǒng)；灌溉水量；物聯(lián)網；環(huán)境因素；預測精度；傳感器網絡；路由協(xié)議；網絡生命期

中圖分類號： S277.9；S126 文獻標志碼： A

文章編號：1002-1302（2017）22-0247-05

農業(yè)是社會經濟的支柱性產業(yè)，尤其是農村地區(qū)對農業(yè)經濟的依賴度極高[1]。據分析[2]，世界上約有60%的水資源用于農作物灌溉，所以提高灌溉水資源利用效率可極大地降低農業(yè)生產的成本，高效的智能灌溉系統(tǒng)是農業(yè)工程領域的一個重點。

許多研究人員利用物聯(lián)網采集農田環(huán)境、土壤的參數，根據指定的環(huán)境調節(jié)灌溉的供水量與灌溉時間[3]。將物聯(lián)網與農業(yè)生產結合，主要有以下幾個優(yōu)點：（1）基于可用的水供應制定農田的灌溉計劃[4]；（2）最小化人力成本、管理成本與時間[5]；（3）提前預測水澇等自然災害，通過適當地抽水防止農田被破壞；（4）協(xié)調農業(yè)生產的各個環(huán)節(jié)；（5）基于傳感器網絡建立知識庫，用于對未來的預測[6]。王連勝等根據物聯(lián)網的基本原理和體系結構，提出基于物聯(lián)網的現(xiàn)代農業(yè)節(jié)水灌溉網絡體系[7]；安進強等通過ZigBee網絡實現(xiàn)園區(qū)土壤墑情信息的共享，根據采集到的土壤墑情信息制定灌溉決策[8]。雖然許多研究通過物聯(lián)網技術實現(xiàn)了農田自動灌溉系統(tǒng)，但此類方案考慮的環(huán)境因素并不全面，對灌溉用水量的預測也并不精準。

為對農田灌溉水量實現(xiàn)精準的預測效果，應當全面考慮土壤、空氣環(huán)境與當地的氣候條件。本研究基于無線傳感器網絡 （wireless sensor network，簡稱WSN）[9]設計一個集成的系統(tǒng)，綜合考慮土壤的濕度與溫度、空氣的濕度與溫度、風速與光照時間等環(huán)境因素，此外也考慮雨水、土壤中根區(qū)域的水量、作物蒸發(fā)量以及通過毛細上升[10]到達作物根部的地下水量等自然補水因素，并且利用自然環(huán)境的歷史數據，進一步提高灌溉水量的預測精度。本系統(tǒng)實現(xiàn)自動的灌溉系統(tǒng)，根據自然環(huán)境的變化調節(jié)灌溉的用水量與時間，提高灌溉的水資源利用率。

1 總體架構

本系統(tǒng)根據環(huán)境、氣候參數（濕度、溫度、風力），并將歷史與當前的氣候狀態(tài)進行比較，綜合計算農田所需的灌溉水量。例如，如果當前的氣溫降低，則植物所需的水量應減少。本模型的復雜度為2n+n，其中n是簇內節(jié)點的數量。

自動灌溉管理系統(tǒng)的試驗田如圖1所示，4個相鄰的農田種植了不同的作物。智能灌溉管理系統(tǒng)包含2個子系統(tǒng)：第1個子系統(tǒng)使用WSN從田地采集數據，如圖2-a所示；第2個子系統(tǒng)根據感應的信息進行決策，智能控制系統(tǒng)的流程如圖2-b所示。

WSN的傳感器主要檢測6個環(huán)境參數：土壤的濕度與溫度、空氣的濕度與溫度、風速與光照時間段。每個傳感器放置于田地中合適的位置，將采集的環(huán)境信息傳遞至基站。田地中傳感器周期性檢測氣候狀態(tài)與土壤狀態(tài)通過無線網絡將數據傳遞至基站。因為傳感器使用電池供電，所以能量效率是一個重要的性能指標，并設置專門的傳感器檢測農田的水位。根據不同的農田（不同的作物）與環(huán)境（不同的光照、溫度、緯度等）配置監(jiān)控系統(tǒng)的參數，然后基于傳感器網絡采集的環(huán)境信息進行智能灌溉系統(tǒng)的控制決策。

本系統(tǒng)使用路由協(xié)議組織分層的傳感器網絡，傳感器節(jié)點隨機分布于感興趣的區(qū)域內，基站位于遠距離的檢測中心。基站使用交流電源供電，所以能量充沛。

為提高農業(yè)生產效率，須將灌溉的水量最小化，本系統(tǒng)則基于傳感器采集的信息估算農田所需的水量。為提高水量的估計準確率，將歷史數據與當前數據進行比較，從而達到最優(yōu)的決策。

影響地表徑流的因素主要有2個：氣候環(huán)境（降水量、濕度、風速、蒸發(fā)量）與植被的類型。灌溉系統(tǒng)的一個重要參數是作物生長季的土壤濕度，此外是地下水的水量信息，可通過毛細上升被植物利用。

為實現(xiàn)對目標田地灌溉水量的決策，須要加上雨水水量（Pe，kg/m2）、土壤中根區(qū)域的水量（SM，kg/m2）、[KG*5]作物蒸散量

[ETc， kg/（m2·d）]以及通過毛細上升到達作物根部的地下水量（GW，kg/m2）。如果土壤是黏性的，水分可直接升高到地面，但毛細上升速度很慢；如果土壤是輕土壤，其毛細上升高度極為有限，但速度較快。如果毛細上升的速度足以滿足植被的水量需求，則作物會穩(wěn)定地生長，并滿足下式：

4 總結

本研究使用WSN設計智能的農田灌溉系統(tǒng)，自動灌溉系統(tǒng)使用路由協(xié)議ECHERP，該協(xié)議可獲得較好的能量效率。本系統(tǒng)可根據不同應用場景的環(huán)境參數與作物類型，設置最為有效的灌溉管理機制，通過設置合適的傳感器協(xié)議的周期，

可在傳感器網絡生命期與農田灌溉水量之間實現(xiàn)較好的平衡。

參考文獻：

[1] 王 成，費智慧，葉琴麗，等. 基于共生理論的村域尺度下農村居民點空間重構策略與實現(xiàn)[J]. 農業(yè)工程學報，2014，30（3）：205-214.

[2]李合青，來智勇，張 鑫. 基于 ZigBee 的溫室智能灌溉執(zhí)行子系統(tǒng)的設計與實現(xiàn)[J]. 農機化研究，2014（1）：95-98.

[3]葛文杰，趙春江. 農業(yè)物聯(lián)網研究與應用現(xiàn)狀及發(fā)展對策研究[J]. 農業(yè)機械學報，2014，45（7）：222-230.

[4]張俊濤，李 媛，陳曉莉. 基于無線傳感網絡的果樹精準灌溉系統(tǒng)[J]. 農機化研究，2014（2）：183-187.

[5]王福平，馮盼盼. 基于GPRS和ZigBee的智能灌溉監(jiān)控系統(tǒng)的設計[J]. 江蘇農業(yè)科學，2014，42（12）：404-406.

[6]郭國法，許 萌，張開生. 基于ZigBee無線傳感器網絡的智能節(jié)水灌溉系統(tǒng)設計[J]. 江蘇農業(yè)科學，2015，43（11）：513-518.

[7]王連勝，夏冬艷，汪 源，等. 基于物聯(lián)網的現(xiàn)代農業(yè)節(jié)水灌溉研究[J]. 科學技術與工程，2011，11（30）：7393-7396.

[8]安進強，魏 凱，王立乾，等. 基于物聯(lián)網的精確灌溉控制技術研究[J]. 西北農林科技大學學報（自然科學版），2013，41（12）：220-226.

[9]蔡 鑌，馬玉芳，趙振華，等. 基于無線傳感器網絡的溫室生態(tài)智能監(jiān)控系統(tǒng)研究[J]. 河南農業(yè)大學學報，2014，48（2）：167-171.

[10] 杜紅普，劉 波，王華軍，等. 基于土水特征曲線預測多孔介質毛細上升過程[J]. 工程地質學報，2013，21（3）：345-350.

[11]Vercauteren N，Bou-Zeid E，Huwald H，et al. Estimation of wet surface evaporation from sensible heat flux measurements[J]. Water Resources Research，2009，45（6）：735-742.

[12]Ishengoma F R. A novel design of IEEE 802.15.4 and solar based autonomous water quality monitoring prototype using ECHERP[J]. Eprint Arxiv，2014，2（1）：24-36.endprint