大型灌区智慧灌溉系统开发与应用

李增焕，毛崇华，杨 铖，汪文超，吴志炎，崔远来，刘方平

(1.武汉大学水资源与水电工程科学国家重点实验室，武汉 430072；2.中工武大设计研究有限公司，武汉430070；3.江西省灌溉试验中心站，南昌 330201)

大型灌区具有工程分散性、水资源有限性、水情雨情变化性、农作物需水时效性、灌溉供水动态性等方面的特点，导致灌区水管理工作的复杂性。如何综合利用灌区各类监测信息和互联网技术，研发适用于大型灌区的智慧灌溉系统，已成为新时期灌区管理的重要任务之一。大型灌区与果园、草地及大棚等小型区域在区域特点及管理模式上的差异，使得其智慧灌溉系统开发思路不同。小型区域作物种类单一，可由土壤墒情、适宜水分上下限和物联网技术实现自动灌溉[1-4]，且基本没有考虑未来降雨对灌溉的影响，陈一飞等综合考虑降雨有效利用和受旱减产风险，开发了针对小型灌溉系统的智慧灌溉决策平台[5]。小型区域空间差异性小，信息监测只需考虑监测设备的稳定性、及时性等问题，而大型灌区空间变异性大，必须优化各类信息监测点布设。大型灌区采用2级或多级渠道进行输配水工作，渠系动态配水制度的优化是大型灌区智慧灌溉系统的特点。汪志农等[6]，赵文举等[7]对此开展了有效的研究，但如何提高模型适应性及将优化模型嵌入到软件管理平台有待研究。汪文超等考虑未来天气预报和灌区渠系结构，建立了智能化的渠灌区决策支持系统(WIDSS)[8]，但没有考虑渠系动态配水优化问题。本文基于物联网技术实现灌区实时信息监测技术，采用水文地质分析法实现监测点优化布设，结合实时灌溉预报模型和渠系动态配水模型实现灌区配水决策，同时结合互联网技术，构建基于B/S架构的大型灌区智慧灌溉系统，实现灌区智慧用水管理。

1 总体设计

总体设计包括系统架构设计、系统功能设计和数据库的设计。

1.1 系统架构

智慧灌溉系统包括实时信息监测子系统、通讯子系统、历史及实时数据管理子系统、实时灌溉预报及渠系动态配水子系统、闸门监测控制子系统、文件管理子系统共6大功能模块。实时信息监测子系统负责田间水层/土壤墒情、渠道水位/流量、闸门开度、气象信息、作物信息等数据的实时监测；通讯子系统将监测数据通过GPRS技术上传至服务器端，同时接收服务器端指令；历史及实时数据管理子系统负责对通讯子系统上传的监测数据进行分类、查询、展示等管理；实时灌溉预报及渠系动态配水子系统基于实时监测数据和天气预报数据进行实时灌溉预报和渠系动态配水决策；闸门监测控制子系统根据渠系配水决策结果对闸门进行远程启闭操作；此外，文件管理子系统负责为整个系统运行过程中的监测数据、基础数据、预报数据、配水数据，以文档或图表形式提供下载或打印接口。系统总体架构见图1。

图1 总体架构Fig.1 The system architecture

1.2 功能设计

系统功能见图2。

图2 系统功能Fig.2 The structure of system function

(1)实时信息监测。对灌区全范围内各类信息进行布点监测，监测点类型包括田间水层/土壤墒情、渠道水位/流量、闸门开度、气象信息、作物信息等。

(2)信息通讯。将监测点的模拟信号转换为数字信号，并通过GPRS技术进行信号传输，上传至服务器端的相应模块。

(3)历史及实时数据管理。对监测点的历史数据和当前实时数据进行展示，实时数据通过地图标注和表格形式展示，历史数据采用折线图和表格形式展示。

(4)实时灌溉预报及渠系动态配水。根据各类信息进行实时灌溉预报，包括天气预报、参考作物蒸发蒸腾量ET0预报、田间水层预报和灌水预报。从中国天气网上抓取天气预报数据，通过天气预报数据和2种模型计算ET0，根据水平衡原理进行灌溉预报，根据灌溉预报结果进行渠系动态配水，并生成渠系配水结果表。

(5)闸门监测控制。根据渠系配水结果进行相应的闸门启闭控制，同时监测闸门的实时闸前水位、流量和开度等信息。

(6)文件管理。对系统运行时的基础信息、监测信息、预报信息、配水信息、闸门信息等均提供图表文件下载和打印接口，以实现灌区用水调度的文件管理。

1.3 数据库设计

根据系统功能和信息类别，将数据库划分为监测数据库、决策数据库、基础数据库。

监测数据库包含监测点历史数据表、实时数据表、基本信息表，其中基本信息表存储监测点的地理位置，名称等信息。

决策数据库包含历史天气预报表、灌溉预报表和渠系配水表。

基础数据库包括灌区工程情况表、用户信息表以及实时灌溉预报和渠系动态配水模型所需的基本参数表。

2 监测点布设

各类信息监测点布设是否合理决定了监测信息是否能全面有效地反映灌区水情等信息状况。大型灌区设计灌溉面积在2万hm2以上，作物情况、水文条件、地形地理、工程情况复杂，监测点的布设应根据监测目的、布设原则和相关方法，逐层考虑、逐步细化。监测点布设整体思路见图3。

图3 监测点布设框架Fig.3 Framework of monitoring point layout

2.1 布点数量

田间水层/土壤墒情监测点的数量与灌区内作物种类和作物比例、土壤类型、地形地貌、气候条件等相关，实际布点时可根据作物、气候、土壤等因素进行分区，对每个区域进行监测布点。根据影响田间水层或土壤墒情的动态因素，可给出如下总表达式：

N=f1(A0)f2(P)f3(S)f4(F)f5(O)

(1)

式中：N为监测点数量；f1(A0)为大气因素项；f2(P)为作物因素项；f3(S)为土壤因素项；f4(F)为监测频率和精度项；f5(O)为其他因素项，包括地形地貌、系统结构、渠道拓扑关系等。

根据作物种类和地形地势进行分区，平原区地形平坦，田间水层/土壤墒情变化状况差异性小，1条支渠或666.7 hm2范围内可布设一个监测点；丘陵区地形差异性大，水情变化状况差异大，1条支渠或666.7 hm2范围内可布设2～3个监测点。分区内气候条件和水文条件变化较大的区域可增设监测点。若经费较少，在保证监测点稳定性和精度的前提下，平原地区监测点布设密度可适当降低至3～5条支渠或0.20～0.33 万hm2范围内布设一个监测点。

2.2 布点方式

针对不同水文监测对象，国内外学者对监测站点的布设提出了许多方法，如水文地质法、克里格方法、主成分分析法、信息熵法等[9]，针对反映灌区水情监测点的布设优化方式不多。采用水文地质法分区定点，分区内采用均匀布点方式，并通过聚类分析和经验知识加以优化。

3 模型开发

根据系统总体设计的要求，将灌区用水管理模型分为实时灌溉预报模型、渠系动态配水模型，模型以模块化的形式存储于服务器端的实时灌溉预报及动态用水决策子系统中。

3.1 实时灌溉预报模型

(1)ET0预报模型。系统采用2种ET0预报模型，包括逐日均值修正法和简化P-M法。

逐日均值修正法[10]：

(2)

简化P-M法[11]：

(3)

式中：ET0i为第i日参考作物蒸发蒸腾量，mm/d；Δ为温度～饱和水汽压关系曲线在T处的切线斜率；Rni为第i日净辐射，MJ/(m2·d)；G为第i-1日土壤热通量，MJ/(m2·d)；γ为湿度表常数，kPa/数；Ti为2 m高处温度，℃；u2为2 m高处风速，m/s；esi为饱和水汽压，kPa；eai为实际水汽压，kPa。

式(3)中，饱和水汽压esi、实际水汽压eai、温度～饱和水汽压曲线在T处的切线斜率Δ，均通过天气预报的最高温和最低温进行换算，2 m高处风速u2采用灌区多年日均值，净辐射Rni通过第i日实际日照时数ni计算，详细预报方法见文献[11]。

(2)作物腾发量计算模型。即：

ETCi=ET0iKCiKS

(4)

式中：KCi为作物系数；KS为土壤水分修正系数；ETCi为第i日作物蒸腾蒸发量，mm/d。

(3)田间水量平衡模型。即：

hi-hi-1-ETCi-1-Si-1+Pi-1-Di-1

(5)

式中：i为日期；hi-1、hi为第i-1日、第i日的田间水层深度；ETi-1为第i-1日作物蒸发蒸腾量；Si-1为第i-1日的田间渗漏量；Pi-1为第i-1日的有效降雨量；Di-i为第i-1日的排水量；所有变量单位均为mm。

(4)灌水量预报模型。即：

I=hmax-hmin

(6)

式中：I为灌水量；hmax为统一灌水中间日的作物适宜水层上限；hmin为统一灌水中间日的作物适宜水层下限，本系统中，hmin为统一灌水中间日的当前水深；所有变量单位均为mm。

3.2 渠系动态配水模型

3.2.1 建模思路

大型灌区渠系多在3级及以上，因支渠及以下渠道错综复杂，数量多，系统只考虑3级配水模型，即总干渠-干渠-支渠配水模型。3级渠系配水问题，即给定干渠和总干渠断面尺寸、工程参数及其下支渠的设计流量、需水量、设计长度、灌溉水利用系数等，确定支渠的实际流量和开闸时间，以保证干渠和总干渠开关闸操作次数少且流量平稳等多个目标。支渠流量可以在设计流量范围内变化，配水时间根据流量变化而变化，开闸时间在给定最大轮期内变化。

对下级渠道进行动态划分轮灌组，划分方式有2种：①延续时间相似，采用时间叠加的形式进行划分，即下级渠道同时开闸和关闸；②设计流量相似的渠道，采用平铺划分，即采用同一流量先后进行下级渠道放水。时间和流量相似的标准为划分调整流量不超过所有下级渠道设计流量的20%。

3.2.2 目标函数

多级渠系配水要尽可能考虑人为操作便利性，同时考虑渠系渗漏损失少和流量平稳输送等目标，以保证模型的实用性。本文采用干渠及总干渠闸门操作次数少、渠道输水平稳、渠系输水损失小这3个目标来评价模型结果优劣。

(1)闸门操作次数少。即：

(7)

式中：NUM为干渠及总干渠闸门操作总次数；COUNTIF为闸门操作计数函数；Qi为干渠流量，m3/s；Qz为总干渠流量，m3/s；i为干渠渠道序号；n为干渠渠道总数。

(2)渠道输水平稳。即：

(8)

式中：SCv为干渠及总干渠输水平稳的变异系数；Cv,i为第i条干渠的流量变异系数；Cv,z为总干渠的流量变异系数。

(3)渠系输水损失小。即：

(9)

(10)

(11)

Wd=qd(1-η)td

(12)

式中：Wloss为渠系总损失水量，m3；Wz为总干渠损失水量，m3；Wi为第i条干渠损失水量，m3；Wd为第d条支渠损失水量，m3；n、M分别为干渠的数量和支渠的数量；Qz为总干渠流量，m3/s；Qi为第i条干渠流量，m3/s；qd为第d条支渠流量，m3/s；tz为总干渠放水延续时间，s；ti为第i条干渠放水延续时间，s；td为第d条支渠放水延续时间，s；η为支渠灌溉水利用系数；β为干渠衬砌比例；A为渠床透水系数；m为渠床土壤透水指数；L为损失计算渠道长度， km。

3.2.3 约束条件

(1)支渠配水流量约束。支渠流量为设计流量的0.6～1.0倍，即：

qd=αqd设

(12)

式中：qd为第d条支渠实际配水流量，m3/s；qd设为该支渠设计流量，m3/s；α为实际流量与设计流量比值，取值为0.6～1.0。

(2)最大轮期约束。即：

t总

(13)

式中：t总为渠系总配水时间，s；tmax为允许最大总配水时间，s，根据预报的灌水中间日确定。

其他还有水量平衡约束、上下级渠道输水连续性约束等。以上模型属于非线性组合优化模型，可采用遗传算法或差分分组协同进化算法求解，具体求解方法限于篇幅略。

灌溉决策过程：每旬旬初进行灌溉预报决策，查询未来一旬内的天气预报，进行降雨预报和作物ET0预报，根据水量平衡原理，对所有站点进行田间水层预报，若所有站点未来一旬内均未出现缺水，则不灌溉；若部分或所有站点未来一旬内田间水层先后达到适宜水层下限，则统一灌水中间日和灌水定额，进行渠系配水，以保证各站点田间水层灌至适宜水层上限。

4 系统实现

4.1 功能实现

系统功能实现采用多种计算机语言或技术。其中，硬件数据传输通讯模块采用Python通讯程序，数据获取模块采用Windows定时任务和PHP、Bat程序，数据存储和操作模块采用MySQL语言和phpMyAdmin数据库管理工具，用户交互模块采用jQuery和Bootstrap框架。用户界面采用HTML、CSS、JavaScript语言，服务器端开发框架采用THINKPHP框架，开发语言采用PHP语言，IDE采用PhpStorm。根据1.2中的功能设计进行功能模块划分和代码实现。

(1)实时信息监测。灌区监测点通过Python程序实现远程数据收发，实时上传至云服务器的数据库模块，田间水层、渠道水位、闸门开度、实时气象等数据分表存储。

(2)历史及实时数据管理。采用百度地图API二次开发和DTGrid表格实现监测点数据实时查询，用户通过实时监测点类型选择，实现不同类型监测数据切换功能，其中Ajax技术实现前后台数据交互。

(3)实时灌溉预报及动态用水决策。通过PHP程序和Windows定时任务抓取中国天气网的预报数据，调用ET0预报模型程序，实现ET0预报计算，同时通过SQL语言查询最新监测数据，实现各站点灌溉预报。通过ECHARTS图表和DTGrid表格插件，对预报结果进行展现。采用SQL语言获取灌溉预报结果和灌区渠道工程情况，调用渠系动态配水模型程序，生成灌区配水结果表，表中包含每条干渠和支渠的配水流量、灌水量、开始时间、结束时间、延续时间。

(4)闸门监测控制。通过通讯子系统实时监测闸门开度并上传至服务器，通过PHP程序调用闸门信息，并使用DTGrid表格展现，其中通过“开”、“关”、“停”3个用户按钮，实现闸门操作，用户通过此接口将启闭命令通过GPRS技术传至闸门控制器，控制闸门启闭。因闸门属于重要建筑物，每个闸门均设置了操作密码，以防误操作。

(5)文件管理。系统运行过程中所有基础数据、监测数据、预报数据、配水结果、闸门开度表格等均提供EXCEL、TXT、CSV、PDF格式下载，同时提供打印接口。

4.2 基本操作

作物生育期间，在任一天登录系统，点击“信息中心”标签，实现对各类实时监测数据的查询、校核，以确保其准确性；点击“灌溉预报”标签，系统依次进行天气预报、ET0预报、水层预报和灌溉预报，得到灌区实时需水预报表；再点击“渠系配水”标签，系统实现渠系动态配水决策，得到渠系配水表；点击“闸门监控”标签，实现闸门远程操作；最后根据灌区管理者需求对不同的决策表格进行下载和保存。

5 系统应用

5.1 试验区概况

系统在江西省赣抚平原灌区西总干渠范围推广。西总干渠设计灌溉面积6.4 万hm2，2017年晚稻实际灌溉面积3.92 万hm2。重点试验区有2个：二干渠二分渠和二干渠夯里渠，2条渠道实际灌溉面积分别为573 hm2和200 hm2。

5.2 监测布点

基于灌区工程布置图和作物分区，结合灌区地形地貌和气候条件，确定监测点类型和位置，其中西总干示范区内总计布设田间水层/土壤墒情监测点20个，渠道水位/流量监测点 9个，闸门远程控制点1个，灌区已有水位/流量监测点数据接入10个，实际布局图见图4。

图4 系统监测点布局Fig.4 Layout of system monitoring points

5.3 实施效益

本系统2017年应用于赣抚平原灌区的晚稻生育期水管理。2017年晚稻生育期内降雨量为363.7 mm，相当于平水年降雨量，系统运行结果表明，西总干渠范围实际灌溉面积合计3.92 万hm2，实际统计结果表明晚稻期间毛灌水量比多年平均毛灌水量减少6 530 万m3，节水率15.3%。系统同时通过提高降雨利用率和降低渗漏损失实现节水，其中提高降雨利用率的途径是灌溉预报时考虑未来降雨的影响，提高灌溉实时性和有效性，减少排水损失；降低渗漏损失的途径是在渠系配水模型中保证各级渠道流量在0.6～1.0设计流量范围内，且尽可能逼近设计流量，减少渠系流量损失。

6 结论与展望

本文从总体设计、监测点布设、模型开发、系统应用4个方面详细阐述了智慧灌溉系统的开发流程。通过系统架构设计和功能设计，详细阐述了大型灌区智慧灌溉系统的开发思路，建立了适用于大型灌区的集实时信息监测、实时灌溉预报、渠系动态配水、闸门监测控制等多功能的通用型智慧灌溉系统。通过监测点布设原则及方法的研究，探讨了适用于大型灌区水情监测布点的合理方式，避免了信息孤岛等问题。通过实时灌溉预报模型和渠系动态配水模型的开发，建立了保证多级渠系闸门操作次数少且流量平稳的配水决策方案，可减少灌区配水流量损失，降低闸门人工操作成本。通过开发基于B/S架构的智慧灌溉系统，搭载互联网云服务器，实现用户联网访问，可极大地降低开发、运维等成本，同时采用先进的Bootstrap框架、ECHARTS、DTGrid插件，使用户界面更加简洁和美观，用户体验更加友好。

大型灌区用水管理中，监测点布设是系统稳定运行的保障，本文仅从监测点布设的原则、方法和流程等进行简要的定性分析，未做深入优化和探究，灌区监测布点的布局优化等应结合空间变异理论和实际情况进行综合分析和数学量化。此外，因赣抚平原灌区水源水量丰沛，系统未考虑水源缺水等情况，以后的系统升级中可作相应补充。