基于环境VPD决策的温室甜瓜灌溉系统设计与试验

2022-11-03刘杰成孔婷婷谢佳睿张梦池

农业机械学报 2022年10期

张智王正刘杰成孔婷婷谢佳睿张梦池

(1.西北农林科技大学园艺学院，陕西杨凌 712100； 2.农业农村部西北设施园艺重点实验室，陕西杨凌 712100)

0 引言

甜瓜是一种重要的园艺作物，我国甜瓜的栽培面积和产量均居于世界首位[1]。甜瓜在生长中对水分十分敏感，水分施用不恰当会对其产量和品质产生严重影响[2]，因此甜瓜种植中的水肥管理一直是研究的热点。科学的水肥管理不仅可以提高水肥利用效率、减少资源浪费，还能改善温室内温湿度状况，减少病害和用药，实现设施甜瓜种植的提质增效[3]。岳文俊等[4]的研究表明，60%的蒸发灌水处理下甜瓜的灌溉水生产率达到最高，80%的蒸发灌水处理能使果实的维生素C含量达到最高，而100%的蒸发灌水处理时甜瓜的产量能够达到最高；李建明等[5]的研究表明，80%的蒸发灌水处理能够使甜瓜果实的糖酸比达到最高；韩瑞锋[6]的研究发现，在果实膨大期补充120%的蒸腾蒸发灌溉量，能使温室中甜瓜形态与产量综合指标达到最佳；任瑞丹[7]研究发现120%的蒸腾蒸发灌溉量可以使甜瓜的有机肥利用效率最好。可见，甜瓜生长的不同指标对水分响应并不一致，而科学地兼顾多指标确定灌水水平是实现甜瓜栽培产量、品质、效率协同最优的关键。

当前我国农村人口老龄化程度日趋严重，传统的农业灌溉、施肥模式需要耗费大量人力物力，导致资源浪费严重、利用率低，已经不能适应现代农业水、肥、农艺一体化综合精准控制的时代要求[8]。因此，急需应用自动化技术实现水肥一体智能灌溉，推进集约型农业的健康快速发展[9-10]。袁洪波等[11]设计了温室水肥一体化营养液调控系统；蔡振华等[12]研制了微灌水肥作业自动化智能控制系统；黄语燕等[13]设计了水肥一体化循环灌溉系统；这些研究促进了水肥灌溉自动化设备硬件集成发展。在物联网与局域网络的研究中，蔡长青等[14]基于全球移动通信GSM模块设计了温室智能灌溉水肥一体化监控系统；GOAP等[15]通过物联网解决方案实现数据采集与智能处理，进而决策灌溉方案；ZigBee等技术也被应用于远程自动灌溉系统，这些研究使得水肥自动化设备得以实现远程联动，降低了人力资源的投入。在控制方法上，朱德兰等[16]基于模糊PID方法实现控制，快速平稳地满足实际施肥灌溉需求；李加念等[17]基于PWM(Pulse width modulation)以输出相应的占空比来控制吸肥电磁阀的开闭，来实现灌溉液中电导率(EC)的动态调控；这些控制方法的应用有效提升了设备的稳定性。然而，在控制决策上，目前灌溉系统仍多以简单阈值或单一指标的模型为主，忽略了作物生长对水分供应的响应，难以满足不同环境及生育期动态变化的水分需求，也限制了水分生产潜力的进一步提升。

本研究在建立甜瓜水分需求模型的基础上，构建自动灌溉系统，实现精准灌溉。以甜瓜产量、品质及水氮利用效率指标综合最优为目标，采用AHP(Analytic hierarchy process)模糊层级分析确定最优的水肥配方，引入聚类分析构建以环境饱和水汽压差(VPD)为决策依据的甜瓜全生育期自动灌溉决策模型，以此为基础，设计低成本、运行稳定的自动灌溉系统，以实现基于甜瓜生长需求的自动灌溉管理。

1 基于甜瓜综合生长最优的灌水量决策模型

1.1 基于最大隶属度的综合评价

甜瓜水肥试验于2020年3—11月进行，以灌水量和施氮量为试验因子，依据蒸腾蒸发量(ETc)设置3个灌水水平(W1：80%ETc,W2：100%ETc,W3：120%ETc)，依据目标产量法设计2个施氮水平(N1：183.7 kg/hm2,N2：369.5 kg/hm2)，完全组合共6个处理，测定产量、品质及效率3类共10个指标。兼顾产量、品质和效率，建立甜瓜生长综合评价体系，并根据各指标综合评分结果得到最佳水氮管理制度，来确定日最佳灌水量。

1.1.1甜瓜综合评价层次模型

本文兼顾“产量-品质-水氮利用效益”3方面构建了甜瓜综合评价层次模型(图1)。将甜瓜的所有指标分为三大类：产量效益(C1)、品质效益(C2)和水氮利用效益(C3)，指标层包含公顷产量(C11)、商品果率(C12)、可溶性固形物含量(C21)、可溶性总糖含量(C22)、可溶性蛋白含量(C23)、游离氨基酸含量(C24)、维生素C含量(C25)、硝酸盐含量(C26)、灌溉水利用效率(C31)、氮素利用效率(C32)10个指标。其中，品质指标均为试验测定；产量指标中，公顷产量为单株产量与种植密度乘积；商品果率为单位面积商品果数占单位面积总果实数百分比，商品果为质量大于0.5 kg且无开裂及表观破损的果实；效率指标中的水分利用效率(kg/m3)及氮素利用效率(kg/kg)按照文献[18-19]方法确定。

图1 甜瓜综合评价层级模型Fig.1 AHP evaluation hierarchy diagram

使用基于最大隶属度的AHP法对不同灌溉和施氮处理组合下的设施栽培甜瓜进行评价，利用最大隶属度对所有数据进行无量纲化处理，建立正负向评估结果和评价矩阵[20]。

本评估系统共包括10个指标，构建评估指标矩阵为

X=[C11C12C21C22C23C24C25C26C31C32]

评价的5个水平等级为

E={很好，好，中等，差，很差}

参照NY/T 427—2016以及文献[21-23]，甜瓜各指标的评估标准如表1所示。

表1 水氮处理下评价系统指标的评估标准Tab.1 Evaluation criteria of indicators in evaluation system of water-nitrogen coupling treatment

1.1.2基于模糊AHP的权重计算与评价结果

AHP层次分析法可以衡量两个指标的相对重要性并构建判断矩阵。本试验设计甜瓜各指标相对重要性和优劣顺序的调查问卷，并根据调查评分结果建立判断矩阵。利用Yaahp 10.01软件进行AHP法的权重计算[24]，判断矩阵分别为

权重计算结果如表2所示。

表2 AHP法权重计算结果Tab.2 Result of AHP method weight calculation

将各评价指标划分为正负向指标，利用三角形极值和梯形隶属函数计算隶属度。然后根据每个隶属度构造模糊综合评价矩阵R为

(1)

式中rij——指标隶属度

对于正向指标，评价等级为很好的隶属度计算公式为

(2)

评价等级为好、中等、差的隶属度计算公式为

(3)

评价等级为很差的隶属度计算公式为

(4)

式中x——实际值e——评价等级

对于负向指标，隶属度计算公式参考正向指标计算公式与文献[25-26]。

权重矩阵C和模糊评判矩阵R通过加权计算最终获得模糊综合评价结果矩阵B，即

(5)

(6)

式中ci——各处理中每一个指标的权重

bj——每个处理最终的综合评价结果

通过上述公式计算，各水氮处理的综合评价结果以及各等级隶属度排名如表3所示。从结果可以看出，灌水对甜瓜综合评分的影响由大到小依次为W3、W2、W1，且整体来说在低氮水平下更优。因此120%蒸腾蒸发量的灌水水平配施183.7 kg/hm2低氮水平营养液为甜瓜设施栽培中最佳水氮管理制度，产量品质效率协同最优。

表3 综合评价结果Tab.3 Comprehensive evaluation results

1.2 基于K-means的灌溉决策模型

1.2.1模型决策条件

基于甜瓜综合评价结果，以120%日蒸腾蒸发量为基准建立灌溉决策模型。以前期甜瓜栽培试验数据为基础，建立基于环境参数的灌溉方案。因环境温湿度存在耦合关系，引入饱和水汽压差(VPD，kPa)作为灌溉决策因子。VPD反映空气水势，影响着植物气孔的闭合，从而控制着植物蒸腾、光合等生理过程，对作物水分蒸腾蒸发有显著影响，其数值可由空气相对湿度(RH)和气温(T)计算，公式为[27-29]

(7)

1.2.2数据分析

将甜瓜生长分为伸蔓期、开花坐果期和结果期，对日均VPD与日灌水量进行分析。由于各个时期内日均VPD对应灌水量的数据点具有分散性的特点，数据散落面积大，因此引入K-means聚类分析方法建立甜瓜全生育期灌溉决策模型。其基本思想是:以空间中k个点为形心进行聚类，以数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。通过迭代的方法，逐次更新各簇的形心值，直至得到最好的聚类结果。算法具体流程如下[30]:①输入算法实现以及作图所需函数。②提取Excel表中的所有数据。③利用函数，确定形心点个数以及每一簇样本的大小。④更新形心点的位置，直到形心点位置不再发生变化。⑤画出聚类后的图形。

依据甜瓜生长特征，应用K-means聚类算法分析结果如图2所示。K-means算法能将数据进行优化处理，利用Python语言对该算法进行模型的编程。

图2 甜瓜开花坐果期K-means聚类分析结果Fig.2 K-means clustering analysis results of blossom and fruit setting period of melon

以开花坐果期为例，分析形心数分别为2、3、4时各簇的特征，具体参数如表4所示。当形心数为2时，样本分为两类，总方差为0.993 6，小于分组前方差，轮廓系数为0.71，但VPD在1.50～2.50 kPa时层次不明显，在实际灌溉中难以区分。形心数为4时，总方差为0.995 4，小于分组前方差，轮廓系数为0.65，VPD在1.00～2.50 kPa时层次不明显，实际灌溉中难以区分，因此形心数为4时的分类无现实意义。形心数为3时，第1簇形心坐标为(0.52，119.79)，日平均VPD在0～0.75 kPa之间，此簇灌水量最低；第2簇形心坐标为(1.33，421.13)，日平均VPD在0.75～2.00 kPa之间，此簇灌水量适宜，较第1簇增加，说明作物需水量随VPD升高而有明显提高；第3簇形心坐标为(2.61，657.87)，日平均VPD在2.00～4.00 kPa，尽管总方差略高但差异微小，而此时轮廓系数更大，组间轮廓清晰，界限明确，分类效果最好。且在VPD较高时，灌水量显著提高，说明温度、相对湿度是影响灌水量的重要因素。

表4 甜瓜开花坐果期各项参数Tab.4 Various parameters of melon blossom and fruit setting period

应用K-means聚类算法对甜瓜伸蔓期、开花坐果期和膨果期3个生育期分析，单株定量灌溉量如表5所示。在苗期不做处理，从伸蔓期开始按照VPD决策灌溉，超过VPD最大分类值时以最高量灌溉。

表5 甜瓜不同生育期内不同VPD区间的灌水量Tab.5 Irrigation amount for different VPD intervals in different growth periods of melon

2 灌溉系统设计

2.1 系统总体架构与硬件选型

灌溉系统由数据采集组件、通信组件、决策组件、监控组件、灌溉组件组成(图3、4)。其中数据采集组件由插针式土壤温湿度与EC传感器、环境光照与温湿度一体传感器和485型流量计构成。通信组件由485模块和4G物联模块构成。决策组件由STM32单片机与控制模型构成。监控组件由现场LCD监控显示屏和4G远程物联监控平台组成。灌溉组件包括储水桶、营养液储罐、继电器、潜水泵、供液支管、供液毛管和滴箭。

图3 基于环境VPD决策的温室甜瓜灌溉系统拓扑结构图Fig.3 Topology diagram of greenhouse melon irrigation system based on environmental VPD decision

图4 基于环境VPD决策的温室甜瓜灌溉系统布置示意图Fig.4 Layout diagram of greenhouse melon irrigation system based on environmental VPD decision1.SP3485模块 2.物联模块 3.STM32F103ZET6主控芯片 4.LCD 显示屏 5.四芯屏蔽线 6.电磁阀 7.潜水泵 8.485型流量计 9.环境光照与温湿度一体传感器 10.插针式土壤温湿度与EC传感器 11.滴箭

决策组件STM32F103ZET6主控芯片和通信组件485信号收发模块集成于单片机板上；数据采集组件插针式土壤温湿度与EC传感器、环境光照与温湿度一体传感器和485型流量计与通信组件485模块之间采用485协议有线连接；监控组件中现场LCD显示屏与单片机串口有线连接，远程监控平台通过4G模块与单片机串口有线连接收发数据。各传感器及流量计的实时数据和继电器开关状态信号经通信组件传输给决策组件，经模型决策后控制水泵及电磁阀的开关，所有检测数据实时传输给LCD监控与4G远程监控平台，实现灌溉控制。现场LCD监控显示屏和4G远程物联监控平台设有手动启停控制，并设置优先于自动控制逻辑，来应对农业生产上的特殊情况。

系统各组件部分的硬件参数如表6所示。试验棚种植甜瓜72株，依据需求选用400 L的卧式储水桶和60 L的营养液储液桶，灌溉组件中的支管、毛管和滴箭为原水肥试验配置，潜水泵根据管路长短和滴箭流量选型。

表6 系统硬件规格型号及价格Tab.6 Specifications and performance of system hardware

2.2 系统软件设计

基于环境VPD决策的温室甜瓜灌溉系统软件在Keil uVision5软件平台下开发，依靠C语言实现显示界面及控制逻辑与数据库的操作、组件间的通信。系统工作流程如图5所示。系统配备了手动模式，以备在停电、断网、自动控制模型故障时使用。

3 系统应用验证

3.1 试验场地与方法

试验在陕西省杨凌区锦田合作社的两个小跨度塑料拱棚中进行(34°17′N，108°02′E，海拔450 m)，拱棚长度8 m，跨度4 m，脊高2.1 m，两侧配电机控制顶侧通风系统开闭。甜瓜品种为千玉6号，采用基质盆栽，营养液为综合评价最优的肥料配方。2021年7月5日播种到72穴育苗盘，育苗基质为基质与珍珠岩混合基质，2021年8月5日定植，10月15日拉秧。试验组使用本系统进行甜瓜自动灌溉种植，对照组依托本地有经验的农民进行人工管理，2组种植田间管理方式一致。试验组中应用自动灌溉系统完成温室内温湿度、光照强度、基质温湿度和EC信息的采集及集中管理，并依据实时数据解析进行灌溉(图6)。2组均安装电子流量计，计量全生育期灌溉水用量。使用SPSS软件对2组甜瓜产量与品质进行分析。

3.2 试验结果与分析

应用本自动灌溉系统和对照组甜瓜整个生育期总用水量和果实品质对比如表7所示。试验处理甜瓜果实折算产量为9.79 t/hm2，相较于对照处理高2.2%，试验处理的甜瓜可溶性固形物含量和可溶性蛋白含量相较于对照处理分别高0.98%和12.8%，2组处理无显著差异；试验处理的甜瓜果实维生素C含量显著高于对照处理，达25.9%。从灌水量来看，试验处理的甜瓜平均每株全生育期总用水量比对照处理少15.9%，说明采用本系统种植甜瓜，在保证产量及品质的基础上，可有效节约水资源，也节省了大量人工成本。