基于物理时空多参数融合的节水灌溉管理WSN系统

郑运鸿，孔庆镇，杨 宁，黄 余

(1.厦门理工学院现代工程训练中心，福建 厦门 361021； 2.江苏大学后勤集团场馆管理中心，江苏 镇江 212013；3.江苏大学电气信息工程学院，江苏 镇江 212013)

0 引 言

全球范围内，灌溉用水都是最重要的水资源消耗之一。几乎60%的河流，湖泊，水库，泉水资源都用在灌溉上，灌溉方式几乎从人类开始耕种植物时就存在了，在中国最传统的向田地中泼水的灌溉方式也仍然被普遍利用，然而，随着水资源规模不断的减少，节水灌溉已成为现代农业研究的主流方向。

目前，国内外与节水灌溉相关的农业机械大多偏向喷施系统的研究，如赵伟霞等利用田间试验评估圆形喷灌机变量灌溉系统水量分布特性，提高节水喷灌效率[1]。张以升等利用平移式喷灌机行走速度及喷灌均匀度优化来提高节水喷灌效率[2]。然而，单单依靠机械来提高节水灌溉效率是一种粗放式开环的节水方法，只有准确测量作物的需水状态，进而进行有的放矢，按需分配水量才是精准农业的精髓所在。因此利用无线传感器网络(WSN)进行作物需水量监测进而实现闭环式的节水灌溉系统成为国内外研究热点[3-6]。

Kim利用WSN技术实现了田间土壤中水分信息的采集与定位，并利用WSN定位信息在基站中建立了土壤水分信息分布图，通过定期采样水分数据并更新分布图从而有效指导灌溉水量[6]。Dubey同样利用WSN技术通过土壤水分检测建立了远程灌溉控制系统，该系统还可以通过信号传输驱动喷灌终端改变灌溉方式，例如扇形分散式、喷洒式或滴灌式[7]。Zhang基于节点消息分享算法建立了土壤含水量检测系统，该系统有效提高了湿度传感器的检测精度，从而提高节水灌溉程度[8]。然而，由于考察物理信息量单一，且为充分考虑历史空间数据对灌溉水量的影响，使得当前的检测与判断方式仍具有较大的滞后性和较低的精确度[9,10]，因此，拟采用一种物理与时空多信息融合的方法来建立WSN从而有效提高检测精度、提高节水灌溉效率。

1 WSN结构设计

根据要求所设计的WSN的需水量监测需要考虑湿度，温度，风力等多参数的协同作用。同时还需考虑以往气候参数和现在情况的对比，例如，如果气温比以往降低了，那需水量也要相应减少，然而根据所历史数据的对比显示，该地块灌溉水量可能反而需要加大。图1为所设计系统的硬件结构图，图中WSN节点包含一组传感器，分别用来测量用来检测土壤的湿度和温度、空气的温度和流速以及每天的连续日照时长。每个节点都被放在耕地中既能代表区域特性由不妨碍农耕生产的位置，节点采用低功耗自适应分簇(LEACH)路由协议，非簇头节点间采集到的数据发送给簇头节点，簇头节点进行数据融合后发送至汇聚节点，汇聚节点将数据经网关节点输送至互联网，从而将各节点所收集到的数据传输给基站即灌溉管理终端，基站将定期扫描各传感器节点收集的数据进行历史存储。传感器节点配置的密度和方式与所监测地块的作物种类，土壤成分及季节密切相关。

图1 WSN灌溉管理系统的硬件组成Fig.1 Hardware components of WSN irrigation management system

图2为所设计系统的软件结构图，图中节点传输给基站的数据需要进行有效的计算，并与历史数据进行融合，从而实现当前灌溉水量的准确判断。

图2 WSN灌溉管理系统的软件组成Fig.2 Software components of WSN irrigation management system

2 数据融合算法实现

灌溉水量与地表径流量密切相关而气候(降雨量、湿度、温度及风力等)和植被种类均是影响地表径流量的主要因素。例如春季生长初期的植物对土壤水分依赖性很强，而土壤水分的含量又与上一冬季气候情况密切相关。当作物需水量满足供给平衡时，即作物水分蒸发量(ETc)、雨水中的可用水量(Pe)、生长初期根层土壤含水量(SM)和根毛从深层土壤的吸收量(GW)满足以下关系：

ETc-(Pe+SM+GM)=0

(1)

当作物需水量供给失衡时，则满足：

QWi=ETc-(Pe+SM+GM)

(2)

式中：QWi为区域i的灌溉需水量,这里可将雨水中的可用水量(Pe)、生长初期根层土壤含水量(SM)和根毛从深层土壤的吸收量(GW)视为土壤水分供给量K来统一考量。而根据文献[11]蒸发量ETc可由下式确定：

(3)

式中：ae为取值为1.3的固定参数；Rn是传感器检测到的光照辐射净能量值，而Δ则代表饱和蒸发曲线斜率，由传感器测量的空气温度T和气压计算得到，其计算公式为：

(4)

式中：T是空气温度；es是土壤温度，满足：

es=6.11×2.718

(5)

式(3)中，γ为散热参数，由距地面2 m处的空气速度u2决定：

γ=0.67×(1+0.33u2)

(6)

以上数据均由耕地上的传感器收集，目前的多参数融合式WSN节水灌溉系统大多利用公式(2)的计算值作为当前需水量的参考值进行灌溉管理，而所设计WSN节水灌溉系统拟综合考虑地理环境中以往的历史土壤的温湿度，空气温湿度、流速及每天日照时长等历史物理数据来综合计算需水量。因此，区域的历史水量QWh主要值由下面公式计算：

(7)

式中：Δh代表前期饱和水蒸气曲线斜率，由历史的空气温度和饱和水压信息计算得到；rh代表历史收集的空气冷却因素数值；Rnh是历史日照整个净辐射能量值。

另外，除了考虑历史水量QWh外还须将时空参数变异率QWr纳入计算体系，如下所示：

(8)

式中：Δy代表前一天的饱和水蒸气曲线斜率，由前一天收集到的空气温度和饱和水压信息计算得到；ry代表前一天收集的空气冷却因素数值；Rny是前一天整个日照净辐射能量。所以，所需的真实灌溉水量QWR满足下式：

QWR=QWi+(QWh-QWi)/QWh+QWr

(9)

如果没有可用的历史数据，所设计系统就会调整为只利用传感器传输的实时信息进行计算处理。

3 WSN灌溉管理实验及分析

图3为WSN灌溉管理实验区，该区位于江苏省镇江市世业洲，地理位置约北纬32°12′，东经119°27′。图3中有5块临近的土地种着不同庄稼。如图中A～E所示。

图3 实验区域分布图Fig.3 Experiment area distribution map

在各块土壤中布置具备温度、湿度、光照及风力采集功能的WSN节点。将各节点采集的数据通过汇聚节点和网关节点送入基站，各WSN节点搜集的空间物理信息按照公式(3)～(9)进行信息融合计算，得到的当前需水量QWi1～QWin分布。为了保证区域内的作物生长均不受水分条件的制约，这里按照需水量最大化的原则即按公式(10)确定各区域的当前需水量值QWi。

QWi=max{QWi1,QWi2,…,QWin}

(10)

将历时数据进行融合计算得到历史水量QWh、时空数据变异率QWr和当前需水量QWi代入公式(9)可得真实灌溉需水量QWR。如图4所示为A～E 5块耕地当前需水量QWi和历史水量QWh与真实灌溉需水量QWR之间的关系。

图4 QWi、QWh与QWR之间的关系Fig.4 The relationship among QWi, QWh and QWR

从图4中容易看出时空数据融合后计算得到的作物真实需水量基本均低于传感器计算测出的当前需水量。利用该方法实施节水灌溉管理一年，发现作物亩产与上年度基本持平，但平均节约水量较传统非时空融合条件下WSN管理模式提高约14%。

4 结 论

节水灌溉是当前现代精准农业的必然要求，WSN技术的应用也使得节水灌溉效果得到了明显提升，但当前大多数WSN系统由于监测变量单一等问题存在数据滞后及误差大等缺点。为此，提出了一种将与作物需水量相关的温度、湿度、光照及风力等物理数据及其历史时空数据进行有效融合，从而提高作物需水量监测精度，并提升节水灌溉管理水平的WSN系统。研究结果表明，时空数据融合后计算得到的作物真实需水量基本均低于传感器计算测出的当前需水量。利用该方法实施节水灌溉管理一年，发现作物亩产与上年度基本持平，但平均节约水量较传统非时空融合条件下WSN管理模式提高约14%。因此，所设计的基于物理时空多参数融合的节水灌溉管理WSN系统为无线传感器网络(WSN)技术在大田节水灌溉领域的推广应用提供了理论和实践指导。

[1] 赵伟霞, 李久生, 杨汝苗, 等. 田间试验评估圆形喷灌机变量灌溉系统水量分布特性[J]. 农业工程学报, 2014,30(22):53-62.

[2] 张以升, 朱德兰, 张 林, 等. 平移式喷灌机行走速度及喷灌均匀度试验研究[J]. 排灌机械工程学报, 2014,32(7):625-630.

[3] 蔡 镔, 袁 超, 顿文涛. 无线传感器网络在农业生产中的应用研究[J].江西农业学报, 2010，22(9):149-151.

[4] 高 峰,卢尚琼,徐青香,等.无线传感器网络在设施农业中的应用进展[J].浙江林学院学报,2010,27(5):762-769.

[5] Bradford R, Shenai K. Wireless sensor networks with embedded intelligence for agricultural applications[C]∥ Proc. 27th International Conference on Microelectronics, May, IEEE Computer Society，2010:311-314.

[6] Marino P, Fontan FP, Dominguez MA, et al. Deployment and implementation of an agricultural sensor network[C]∥ Proc. 2nd International Conference on Sensor Technology and Applications, Inst. of Elec. and Elec. Eng. Computer Society，2008:264-269.

[7] 冯友兵,张荣标,谷国栋.WSN在节水灌溉中的应用研究[J].中国农村水利水电,2007,(2):24-26.

[8] 刘 卉, 汪懋华, 王跃宣, 等. 基于无线传感器网络的农田土壤温湿度检测系统的设计与开发[J]. 吉林大学学报( 工学版),2008,38(3): 604-608.

[9] Luca B, Francesco C, Giovanni C, et al. Agricultural monitoring based on Wireless Sensor Network technology: real long life deployments for physiology and pathogens control[C]∥ Proc. 3rd International Conference on Sensor Technologies and Applications, IEEE Computer Society， 2009:372-377.

[10] Vossiek M, Wiebking L, Gulden P, et al. Wireless local positioning[J]. IEEE Microwave Magazine, 2003, 4(4 SPEC. ISS.): 77-86.

[11] Priestley CHB, Taylor RJ. On the assessment of surface heat flux and evaporation using large-scale parameters [J]. Monthly weather review, 1972,100(2):81-92.