基于模糊控制理论的温室葡萄种植灌溉算法

王健　谢南　黄春营

摘要：结合温室环境下葡萄的需水特点提出上限灌溉和下限灌溉2种灌溉方式，同时结合葡萄生长周期及环境因素，给出一种运用模糊控制理论动态调节灌溉量并预测下次灌溉时间的智能控制算法，在不影响产量的基础上保证水资源的最大利用率。结果表明，该方法最大超调量为20%，响应时间为22 s，具有较高的稳定性与响应速度，与人工控制方式相比，在产量基本不变的条件下可达到节约17%水资源的效果，为葡萄自动化灌溉开辟了一条新途径。

关键词：葡萄种植；生长周期；动态调节；模糊控制；灌溉预测；算法；自动化灌溉

中图分类号： TP273+.5；S126文献标志码： A

文章编号：1002-1302（2017）14-0184-05

温室智能灌溉是通过传感器采集环境信息，对信息进行科学分析，并根据分析结果提供一套完整的灌溉方案。温室智能灌溉在互联网技术、通信技术、传感器技术的高速发展下得到可靠的技术支持[1-2]，在节省人力物力的情况下实现高产出，改变了人们的传统种植方式，得到世界范围内的高度关注。以色列、美国、荷兰等发达国家始终将农业现代化、提高水资源利用作为研究热点，并已达到相当高的水平，基本形成温室农业的高投入、高产出，温室电脑覆盖率达到80%以上，主流智能灌溉方式及系统[3-5]应用程度高很大程度提升了农业生产效率。我国是传统的农业大国，农业现代化水平与发达国家相比存在较大差距，实现农业现代化、提高灌溉技术的精准度及水资源利用效率成为当务之急[6-7]。

温室葡萄突破传统种植过程中受气候、地域等因素的制约，使葡萄生长在适宜的土壤、气候环境中。但目前温室内多以人工控制为主，通过滴灌、微喷灌等方式进行补水，自动化普及程度相对较低，缺乏符合葡萄生长周期需水特性的自动灌溉控制算法，在葡萄生长过程中会发生短暂缺水、过量灌溉的现象。因此，本研究以模糊控制理论为基础，结合5年生巨峰葡萄各时期生长周期的需水特性与环境因素，提出一种动态调节灌溉量的控制算法，在考虑巨峰葡萄不同生长周期所需空气温湿度及土壤相对湿度的情况下，判断是否需要进行灌溉，预计下次灌溉时间，以减少系统耗能及水资源的浪费，在不影响葡萄产量的基础上保证水资源的最大利用率。

1基本知识

葡萄（Vitis vinifera L.）为葡萄科葡萄属木质藤本果树，整个生长周期大体划分为生长期、休眠期2个部分。生长期是葡萄生长的关键时期，持续160～200 d，可细分为伤流期、新梢生长期、开花期、果粒膨大期、果粒成熟期（着色期）及落叶期[CM（25][KG*8]6个时期。休眠期同样对葡萄的生长起至关重要的作用，休眠时间不足将导致发芽不齐、果粒不饱满等[8]，而通过改变温室环境可使植物提前解除休眠，缩短整个生命周期。温室种植的目的是动态调控环境影响因素，使作物尽量在适宜的环境中生长，从而实现产量的最大化。因此，了解葡萄各个时期相关的环境影响因素至关重要[9]。巨峰为4倍体中熟葡萄品种，原产于日本，在中国有大范围的推广种植。巨峰葡萄属喜温作物，萌发速率随温度升高而加快[10-11]。巨峰葡萄在生长过程中对环境条件较为敏感，伤流期湿度较大有利于萌芽[12]；果实发育期蒸发蒸腾量较大，需水量也相对较大，对土壤湿度要求较高，及时补水灌溉是提高产量的关键；休眠期蒸发蒸腾量较小，土壤湿度过高将导致葡萄根部受冻[13]。本研究以5年生巨峰葡萄为对象，结合温室环境下葡萄的需水特点提出2种灌溉方式，同时结合葡萄生长周期及环境因素，给出一种运用模糊控制理论动态调节灌溉量并预测下次灌溉时间的智能控制算法。巨峰葡萄各生长时期所需的持续天数、适宜温湿度及土壤相对湿度见表1，并据此得出巨峰葡萄各生长周期适宜土壤湿度（THR）的数学变化公式，为：

2温室葡萄种植灌溉算法

2.1灌溉时间预测

温室种植葡萄可以调控温室内部的温湿度，使葡萄蒸发蒸腾量相对平稳，使葡萄生长保持较为稳定的环境。蒸发蒸腾是温室种植作物土壤水分流失的主要来源，通过蒸发蒸腾量可近似得出作物生长期间土壤水分的流失情况，从而预测灌溉量及灌溉时间。蒸发蒸腾量是植株间蒸发量与植株自身蒸腾量的合称，计算方法大体分为水平衡直接预测法、间接预测法，而水平衡直接预测法由于难以了解水分的交换情况而不常使用。间接预测法的典型计算方法[14]为：

2.2模糊决策

温室灌溉涉及的环境因素较多，是一种非线性、大惯性延时系统，难以建立准确的数学模型，因此，本研究使用模糊决策[17]来解决这一问题。

2.2.1模糊变量论域模糊决策控制器是一个双输入、单输出的决策系统，输入变量是传感器采集到的土壤湿度与该时刻最佳湿度的差值（E）及由计算得到的蒸腾蒸发量（ET），输出变量是灌溉量（WD），单位为mm。对于输入变量E，利用以下公式：

2.2.2模糊控制规则当土壤相对湿度在适宜范围内时，应针对蒸腾蒸发量的大小进行适量灌溉；当湿度严重不足时，无论葡萄蒸腾蒸发量大小都应进行大量灌溉；当湿度过大时，即使蒸腾蒸发量较大也应等湿度达到灌溉阈值时再进行灌溉，否则长时间过量灌溉会导致葡萄产量受到影响。推理规则形式如下：

2.3灌溉方式

在葡萄生长过程中，可能会因生长周期变化产生短暂缺水和过量灌溉问题。根据葡萄不同生长周期适宜土壤相对湿度的变化曲线，本研究提出2种不同的灌溉方式，分别是上限灌溉、下限灌溉。

2.3.1上限灌溉上限灌溉是指将最佳土壤湿度作为判断是否灌溉的阈值，如果当前土壤湿度低于最佳湿度，则运用模糊决策进行灌溉量的求解，并按量进行灌溉，这既可以使土壤湿度时刻保持在最佳湿度偏上的范围内，又可以有效解决由生长周期变化导致的短暂缺水问题（图2）。因此，该灌溉方式适用于需水趋势呈上升状态，且对水分虧缺较为敏感的生长周期使用，对应于葡萄开花期及正常休眠期。

2.3.2下限灌溉下限灌溉是指将土壤湿度下限作为判断是否灌溉的阈值，如果当前土壤湿度低于土壤湿度下限，则运用模糊决策进行灌溉量的求解，并按量进行灌溉，这既可以使土壤湿度在整个适宜范围内波动，在一定程度上缓解由生长周期变化导致的过量灌溉问题，又有利于节约水资源（图2）。因此，该灌溉方式适用于需水趋势呈下降状态，且水分亏缺对其影响较小的生长周期使用，对应于葡萄伤流期、新梢生长期、果粒膨大期、果粒成熟期、落叶期及低温预处理期。

2.4灌溉算法描述

基于模糊控制理论的温室葡萄种植灌溉算法的输入起始是天数D，输出是灌溉量WD或者预测的灌溉时间T，其流程（图3）为：

（1）输入数据D，判断生命周期是否结束，如“是”，则算法结束，否则执行（2）；

（2）根据D判断葡萄当前所处生长周期的最佳温度、空气相对湿度及土壤相对湿度，执行（3）；

（3）根据（2）中结果，对温室环境的温湿度进行调节，执行（4）；

（4）计算当前蒸发蒸腾量ETC，执行（5）；

（5）根据所处的生长周期决定灌溉方式和灌溉阈值，执行（6）；

（6）测量当前土壤湿度E，将其数值与（5）中阈值进行比较，如大于（5）中阈值则执行（8），否则执行（7）；

（7）模糊决策控制器对灌溉量进行决策，并进行灌溉，执行（6）；

（8）根据当前的蒸发蒸腾量ETC，计算下次灌溉的预计时间，执行（9）；

（9）判断在预计时间内是否发生葡萄生长周期的变化，如发生变化则执行（11），否则执行（10）；

（10）等待，当预定时刻到来时，执行（6）；

（11）判断是否到达周期变换时间点，到达则执行（1），否则等待时间点的到达。

3仿真试验与分析

通过Matlab仿真试验，可得到系统的响应曲线。由图4可见，该系统的最大超调量为20%， 响应时间为22 s，控制系统具有较快的响应速度及较高的稳定性。

2015年4月，在黑龙江省佳木斯市汤原县农业技术推广中心示范基地的6、7、8号温室葡萄大棚进行灌溉试验，采用微喷灌方式、3管式布管，间距为30 cm，滴头流量为1.5 L/h，通过人工调控设置起始土壤湿度为伤流期时最佳土壤湿度80%，6、7号大棚按原有控制方案进行灌溉，共执行灌溉操作28次，灌溉定额为840 mm；8号大棚按本研究方法进行灌溉，共执行灌溉操作26次，灌溉定额为698 mm（表3）。由图5可见，在葡萄整个生育过程中，8号大棚内的土壤湿度有98%以上时期处于适宜土壤湿度范围内。测产结果显示，8号大棚的葡萄产量为35 760 kg/hm2，6、7号大棚的葡萄产量分别为35 235、36 645 kg/hm2。由此可见，本研究控制系统与原有控制方式相比，在葡萄产量基本不变的前提下，可节约17%的水资源，有效实现了节水灌溉的目的。

4结论

结合葡萄需水特点，提出上限灌溉和下限灌溉2种灌溉方式，解决了由生长周期变化产生短暂缺水和过量灌溉的问题，同时，将模糊控制理论与葡萄种植灌溉相结合，根据作物生长周期及环境因素，提出一种动态调整灌溉量且预测下次灌溉时间的智能控制算法，该算法可通过土壤含水量来判断是否需要灌溉。通过仿真与实际灌溉试验，结果证明，基于模糊控制理论的温室葡萄种植灌溉可以使土壤湿度时刻维持在适宜范围内，且与传统控制方式的微喷灌相比，可节约17%的水资源，有效改善了传统温室种植葡萄水资源浪费的问题；该方法最大超调量为20%，响应时间为22 s，控制稳定性较好，响应时间快，便于实现，能够达到自动化灌溉的目的，在产量基本不变的前提下可有效节约人力物力，为温室葡萄的自动化灌溉开辟了一条新途径。

参考文献：

[1]张杰. 基于Zigbee和GPRS的果园智能灌溉控制系统设计[D]. 杨凌：西北农林科技大学，2014.

[2]罗杰. 基于模糊控制智能灌溉控制系统研究[D]. 长春：吉林大学，2011.

[3]Patil P，Desai B L. Intelligent irrigation control system by employing wireless sensor networks[J]. International Journal of Computer Applications，2013，79（11）：33-40.

[4]Dassanayake D K，Dassanayake H，Malano G M，et al. 18th world IMACS[C]. Cairns，Australia，2009：4409-4417.

[5]Papanikolaou C，Sakellariou-Makrantonaki M. The effect of an intelligent surface drip irrigation method on sorghum biomass，energy and water savings[J]. Irrigation Science，2013，31（4）：807-814.

[6]周兵. 基于ZigBee和模糊PID技术的温室灌溉系统的设计与研究[D]. 昆明：昆明理工大学，2014.

[7]袁洪波. 日光温室封闭式栽培系统关键技术研究[D]. 北京：中国农业大学，2015.

[8]周黎明，王春燕，张海艳. 温室葡萄休眠期温度及萌芽期间管理[J]. 吐鲁番科技，2011（1）：9-10.

[9]王海波，马宝军，王宝亮，等. 葡萄设施栽培的温湿度调控标准和调控技术[J]. 农业工程技术·温室园艺，2009（3）：19-20.

[10]司海娣，张亚红.日光温室葡萄促早栽培休眠期和生长期的温度变化[J]. 北方园艺，2010（15）：177-182.

[11]吴久赟，郭峰，陈玲，等. 不同休眠時间对葡萄萌芽期生长发育的影响[J]. 新疆农业科学，2015，52（4）：643-647.

[12]石雪晖，陈祖玉，刘昆玉，等. 空气相对湿度对野生葡萄的生理影响研究[J]. 中国生态农业学报，2005，13（4）：65-67.

[13]孙鲁龙，宋伟，杜远鹏，等. 简易覆盖对泰安地区酿酒葡萄园冬季土壤温湿度的影响[J]. 中外葡萄与葡萄酒，2015（4）：12-16.

[14]潘永安. 温室作物水分亏缺智能诊断系统研发[D]. 北京：中国科学院大学，2014.

[15]潘永安，范兴科. 气象资料缺测时Penman-Monteith温室修正式的应用[J]. 西北农林科技大学学报（自然科学版），2015，43（1）：117-124.

[16]曾辰. 极端干旱区成龄葡萄生长特征与水分高效利用[D]. 北京：中国科学院大学，2010.

[17]Ceballos M R，Gorricho J L，Gamboa O P，et al. Fuzzy system of irrigation applied to the growth of Habanero pepper（Capsicum chinense Jacq.）under protected conditions in Yucatan，Mexico Ceballos[J]. International Journal of Distributed Sensor Networks，2015，2015：1-13.