基于专家决策模型的智能节水灌溉系统的研究

摘要：为了能够更好地对田间农作物及时监测和精确管理，本文以玉米作物为例，设计了智能灌溉系统，并建立决策模型对作物进行精确管理。传感器节点及时监测到的土壤温度、湿度等环境变量数据通过ZigBee网络传输给汇聚节点，汇聚节点通过GPRS无线传输技术传给云平台，结合专家的经验和知识，综合考虑多个环境因子，计算作物的蒸腾量并通过建立农作物决策模型推出作物实际需水量、预报灌溉的时间，实现对玉米准时、准量的精准灌溉。

关键词：农业专家灌溉模型;智能灌溉系统;无线传感器

中图分类号：S-1

文献标识码：A

作者简介：李真真（1995-），女，硕士。研究方向：农业工程与信息技术。

1背景介绍

随着农业物联网信息技术的快速发展和专家决策智能灌溉系统在农业生产过程中的推广应用，使得农民可以越来越轻松、智能地种田。农业专家系统储存着与农业相关的资料，通过模拟专家解决问题的思维去推理、推测，并利用专家的经验和知识去解决农业生产过程中遇到的复杂难题。我国被称为农业大国，耕地面积广大，农业用水量是全国总用水量中占比最大的，占比60%。但是，我国农业灌溉用水被真正利用的只有45%[1]，这个数字表明，在灌溉和传输过程中有大部分水被浪费。而在发展先进的国家，农业灌溉用水的有效利用率是我国农业灌溉用水利用率的2倍，远远超过我国。我国农业用水量是最大的，利用率却是最低的，这成为制约我国农业可持续发展的一个重要因素。在农业水利灌溉上，农户更多的是凭借个人经验对农作物进行浇水，这种经验是模糊的、不确定的，缺乏理论依据，会造成农作物灌水量过多或过少，使农作物产量减少、水资源浪费。为了推进农业现代化，扩大农业发展规模，我国各地各高校在推动农业发展的道路上积极探索，并取得一些不错的成果。杨伟志等人设计的基于物联网和人工智能的柑橘灌溉专家系统，把采集到實时数据和天气预报作为灌溉决策的依据，专家系统通过运用人工智能自然语言处理技术，指导用户更好地管理柑橘园，使灌溉更合理、更科学。江苏大学沈建炜设计的基于物联网技术的蓝莓园，通过对传感器布点和无线通信组网方案的设计实现实时数据的采集，综合考虑温度、湿度、降雨量、风速等环境因素做灌溉预测。谢家兴设计的基于物联网的智能灌溉专家系统，通过采集多个环境变量，并考虑到干旱性气候因素，建立决策模型，实现对农作物精准灌溉。虞佳佳设计了基于物联网和专家决策系统的农田精准灌溉系统，是根据设计灌水的上下限，当田间水分超过设定上下限值时，电磁阀能够被系统及时控制，对作物定时灌溉，但是没有考虑降雨量等气候因素[2]。

本文设计的基于专家决策模型的智能灌溉系统，通过计算多个环境因子，实现农作物定时、定量灌溉，提高灌溉效率及准确性，达到节水、节肥的目的[3]。

2系统总体设计

2.1系统架构设计

PC端和手机端通过互联网可以接收到气象监测系统、墒情监测系统、物联视频监测系统、水流量监测系统传输的数据[4]，专家决策系统可以结合专家的知识对数据进行分析做出决策。气象监测系统可以监测到农田的温度、湿度、光照强度、雨量等，视频监测系统不仅可以对土壤墒情传感器实时监控，以防损害和及时发现问题、及时维修，还可以对田间作物长势进行实时监测，实时了解作物生长情况。

2.2传感器体系结构设计

传感器节点、Sink节点和管理节点3大部分构成传感器网络体系架构，如图2所示。在感测区域内放置多个传感器节点监测土壤信息，并将感知到的土壤信息数据以自组织多跳的方式传输给Sink节点，Sink节点把监测区域监测的数据进行汇总融合，最终把处理好的数据通过GPRS传给管理节点，用户通过网络与管理节点建立连接，获得监测的信息。与此同时，用户也可以通过管理节点反馈过来的数据对传感器节点发布监测命令。

2.3传感器的节点结构

传感器的节点结构由4部分组成，如图3所示。传感器模块的主要作用是在监测区域监测农作物的温湿度信息和数据转换;处理模块的主要作用是接收传感器模块传输过来的数据，并对数据进行处理;无线通信模块的主要作用是在监测区域各个传感器之间建立网络用来数据传输;能量供应模块主要作用是给传感器节点提供能量，本实验采用的是太阳能配合聚合物锂电池供电。

3专家决策系统设计

3.1数据库

在专家系统中会设计数据库，用来存储环境数据、用户信息。这些信息数据用作推理的依据，其中包括用户信息表和农作物环境信息表。用户信息表设计的属性有用户姓名、职务、联系电话、家庭住址;农作物环境信息表存储着地理空间信息，如经度、纬度、行政区域、海拔等信息，采集的土壤的湿度、温度、日降雨量、光照强度等实时环境信息。

3.2知识库

专家知识库用来存放农业领域专家的知识和经验，包括作物在不同生长时期的需水量、灌溉量和灌溉周期，综合考虑分析各种环境因素，设置在不同土壤种类下土壤含水量上下阈值。通过对作物专业理论知识的掌握，建立专家系统决策模型，对作物进行定时、定量灌溉。

3.3推理机

推理机是根据已获得的信息来匹配知识库中的规则，反复推理实现对问题的求解。在专家系统中，分别有正向推理、反向推理以及双向推理3种推理方式。本文结合实际情况采用双向推理方式，正向推理是从一些已知的事实，通过与知识库中的规则进行匹配，证明结论的成立，当规则库中的知识不充分时，就需要使用双向推理;反向推理和正向推理恰恰是相反的，其是以结论作为依据，从知识库中寻找证据，验证结论的正确性。

3.4模型库

模型库是将田间监测到的一些实时环境数据，如土壤温度、湿度、光照强度和降雨量等气候数据，利用数学公式，建立决策模型，对作物定时、定量灌溉。

3.4.1灌溉预报决策模型

3.4.1.1作物系数KC值的确定

作物系数Kc值是指在不同生育期作物需水量与作物蒸散量的比值，是对农田进行精准灌溉的重要依据。在试验场地环境和农作物种类不变的基础上，玉米从播种到成熟时期3个阶段的作物系数分别是0.75、0.95、1.02。

3.4.1.2计算参考作物的蒸发蒸腾量

Penman Monteith Equation是以空气的导热定律、水汽扩散原理和能量平衡原理为根据，是英国科学家H.L.彭曼在1948年提出的，是目前被人们普遍用来计算参考作物的蒸发蒸腾量的公式，参考作物需水量的计算公式为[5]：

3.4.2灌溉预报计算

灌溉预报模块是为了确定灌溉的时间间隔，使用户不是根据自己的经验盲目灌溉造成水资源浪费，而是在最佳的时间段进行灌溉[6]。要建立试验场地灌溉预报模型，选取水量平衡模型会更好适应作物灌溉。

4关键技术

专家决策系统的开发平台是MyEclipse，遵循模式为MVC（Model ViewController）3层设计模式，服务器端采用JSP+Java Bean+Serv-let开发模式，以分离Model（视图层）、View（模型层）和Cont-roller（控制器层）用户使用B/S（Brower/Server）模式，通过浏览器连接到服务器，系统通过ADO.NET技术访问SQL Server数据库，采用面向对象的程序设计语言Java编写。

5结论

本研究试验场地位于河南省原阳县河南农业大学教学试验基地内，占地面积1.33hm2。为了能够对灌区进行管理，设计了基于专家决策模型的智能灌溉系统，利用彭曼公式，水平衡原理，综合考虑各种环境因素，建立决策模型对灌区作物进行精确灌溉，提高作物产量，减少水肥的使用量，具有较高实用价值。

参考文献

[1]张志鹏.基于PLC的自动灌溉辅助系统的研究与实现[D].阿拉尔：塔里木大学，2019.

[2]虞佳佳.基于物联网和专家决策系统的农田精准灌溉系统[J].轻工机械，2014，32（01）：58-60.

[3]杨伟志，孙道宗，刘建梅，高鹏，尧港东，赖俊桂，王卫星.基于物联网和人工智能的柑橘灌溉专家系统[J].节水灌溉，2019（09）：116-120，124.

[4]沈燕，蒋辉霞，陈爽，何清燕，郑宇.智慧灌溉系统设计与应用——以盐边县桐子林镇智慧灌溉試点项目为例[J].四川农业与农机，2019（03）：19-20.

[5]金昕.彭曼公式在作物需水计算中的应用[J].江淮水利科技，2018（01）：28-30.

[6]杨翠娥.彭曼公式在确定农作物需水量灌溉定额中的应用[J].乡村科技，2017（32）：91-93.

[7]赵扬搏.船行灌区水稻需水监测及灌溉预报模型研究[D].扬州：扬州大学，2016.

[8]余国雄，王卫星，谢家兴，陆华忠，林进彬，莫昊凡.基于物联网的荔枝园信息获取与智能灌溉专家决策系统[J].农业工程学报，2016，32（20）：144-152.

（责任编辑 贾灿）