基于作物生境与生理大数据应用的水肥一体化决策系统设计

谭剑锋，张丽慧，刘海峰,2，谢秋波,2，陈万云

(1.广州市健坤网络科技发展有限公司，广东 广州 510630；2.广东省现代农业装备研究所，广东 广州 510630）

0 引言

作物生境，即作物生长所依赖的环境，作物生理，即作物生长时因环境影响或自身代谢活动发生的生理变化，两者是作物生长“外在与内在”的重要参数，也是对作物产量有直接影响的重要因子。随着物联网（IOT）技术在农业生产过程中的应用和发展，针对作物生境与生理的信息数据采集手段已日渐成熟，其中包括温度、湿度、光照、营养元素、光合作用情况等数据采集[1-3]。基于物联网技术的水肥一体化应用系统在我国现代农业种植上应用已初具规模，但大部分系统的设计思路是部署物联网设备，进行数据的采集，通过开发赋值，与采集数据进行简单比对后，通过系统控制实现水肥一体化化灌溉的自动化[4]。该模式下，只实现作物生境与生理数据的表层应用，在一定程度上实现了广义的精准水肥供给，但未实现作物大数据对作物产量提质增产的价值挖掘。

大数据是涵盖规模、类型、价值、速度、精度和复杂度等基本特征的数据集及其相关的一系列技术体系[5]。物联网技术结合大数据技术，精确计算最优化配置模式，帮助作物水肥管理，实现生产需求变化与资源变化的深度耦合，做到作物生产的“全要素、全过程、全系统”综合分析应用。依靠数据驱动是水肥一体化的精准调控机制升级的必然趋势[6]。

本系统聚焦作物产量，通过建立作物生境与关键生理态势感知体系，构建作物实时数据与农艺理论数据结合的数据资源池，并配备可实现高精度调控的在线式水肥一体化施肥设备等硬件设备，融合硬、软件同步开发，设计一套新型的水肥一体化决策系统应用，为水肥一体化技术应用的数字化、信息化提升提供借鉴。

1 作物生境与生理的关键参数

作物生长环境关键因素有环境温度、湿度、光照、根际环境等。其中，根际环境（root zone，RZ）是指作物生长、吸收、分泌过程中形成的物理、化学、生物学性质不同于土体的、复杂的、动态的微型生态系统。光合作用活动是影响作物产量的最为关键生理活动，同时生境的变化也时刻影响着作物生理代谢的进程变化。

1.1 作物生境的关键参数

作物生长环境因素主要包括环境温度、湿度、根际环境，其中，根际环境涵盖基质含水量、pH、电导率（EC）、N、P、K、Ca 元素含量等重要参数。

1.1.1 温度、湿度

温度是影响植物生长发育、作物产量和品质的主要环境因素之一。高温直接影响光合作用的进行，主要表现为气孔限制和非气孔限制。气孔限制主要表现在由于高温胁迫条件下，作物气孔导度受限，从而导致CO2供应不足，光合速率降低；非气孔限制则是在高温胁迫下，参与光合作用的关键酶活性受到抑制，叶肉细胞的气体吸收扩散受阻，CO2溶解量下降，光合作用场所稳定性下降，最终导致光合作用活动减缓[7]。

空气湿度对作物在逆境环境下的适应性调节尤为重要，在高温胁迫下，提高空气湿度可明显提高番茄叶片的气孔导度，从而提高番茄的耐热性。因为随着湿度的升高，SOD 活性增强，从而可缓解高温胁迫对番茄植株的伤害[8]。

1.1.2 光照

作物的生物量积累主要依靠光合作用产生，通过固定CO2实现碳的积累。光照的强弱直接影响作物对CO2固定及营养元素吸收利用，从而影响作物的产量和品质。持续的弱光环境会导致果蔬类作物初花期推迟、开花高峰期延迟、开花指数下降，最终出现减产降质等现象[9]。过强的光照会导致植株叶片光合速率下降，是非气孔限制因素导致的结果[10]。

1.1.3 根际环境

根系是作物进行营养吸收的重要器官，根际环境是根系进行营养吸收、转运输送的主要场所。根际环境中含水量高，直接影响作物器官的组成细胞渗透压以及呼吸作用的进行，从而影响作物生长的异化与同化的发生过程；pH、EC 的失衡，影响根系对营养元素吸收；N、P、K、Ca 等元素的含量变化，引起根际环境的EC、pH 发生变化，根际环境的改变也同步导致作物各器官的酶活性发展变化，从而引起作物生理活动的变化。

1.2 作物生理的关键参数

光合作用所产生的有机物，即作物积累的生物量，通过不同的同化反应，最终成为作物产量积累。蒸腾作用影响着光合作用的进行，其中关键因素是叶片蒸腾速率、气孔导度、叶绿素含量等，其作用机理为：①叶片蒸腾作用，是水分从活的植物体表面（主要是叶片）以水蒸汽状态散失到大气中的过程。水分经历过程一般为根际环境中水分经过根器官中的根毛吸收并经根内导管运输到茎器官，再由茎内导管运输到叶内导管，最后通过叶片中气孔散发到大气中。其中蒸腾作用带动水分的运输，从而带动部分离子态矿质元素吸收与运输[11]。如香紫苏在生长过程中，光照强度和叶温与蒸腾速率之间均呈现明显的正相关[12]。蒸腾速率直接反映作物蒸腾作用的强弱。②气孔是植物叶片与外界进行气体交换的主要通道，它在控制水分损失和获得碳素即生物量产生之间的平衡中起着关键的作用。气孔导度反映气孔的开度，直接与蒸腾作用成正比。③叶绿素是光合作用的重要场所，叶绿素的含量高低，可以反映作物光合作用的进程速度、量级变化。在作物栽培管理上，叶绿素的含量直接反映植物的健康状况，叶绿素含量非生理性整体降低一般认为代表植物发生病变，叶绿素解体导致出现黄化现象。

2 系统设计

综合作物生境与生理对作物产量的影响，系统充分考虑多元信息采集、操作执行设备等硬件、大数据分析技术等软件技术，进行一体化通盘考虑，对系统进行整体部署、分部细化的设计工作。

基于作物生境与生理大数据应用的水肥一体化决策系统组成如图1 所示，由硬件设备和应用软件系统组成。硬件设备主要由物联网传感器、作物生理感知设备、在线式水肥一体化设备组成；物联网传感器与作物生理感知设备完成作物生境与生理参数的信息数据采集，在线式水肥一体化设备构成大数据决策的执行硬件机构，精准调控水肥供应的频次和量级。应用软件主要包括3 大核心组件：数据资源库、大数据分析运算、可视化操作前端。

图1 基于作物生境与生理大数据应用的水肥一体化决策系统结构图

2.1 物联网感知

针对基质栽培，其需重点部署的物联网设备包括但不限于：可采集环境的温度、湿度、风速、光照强度、降雨量等多参数的气象站，基质含水量传感器，光合有效辐射传感器，可采集根际环境的温度、含水量、EC、pH、有效钾、有效磷、有效氮等参数的根际综合传感器，可实现作物所需营养液元素含量检测，并可自动上存数据的监测装置等。

2.1.1 多参数气象站

气象站是一种集气象数据采集、存储、传输和管理于一体的无人值守的气象数据采集设备。它可根据监测类别的需求进行选型配置，以同时监测大气温度、风向、风速、大气压、雨量、光照、日照时数、太阳总辐射、紫外线辐射等诸多外部大环境气象要素，是一种多应用集成终端。同时，气象站中集成物联网传输网络中继器模块，提供无线物联网设备的网络接入支撑。

2.1.2 基质含水量传感器

基质栽培有别于土壤栽培，其含水量与土壤有较大差异。常用于无土栽种的泥炭土，是一种由大量分解不充分的植物残体积累并形成泥炭层的土壤，常作为栽培用介质使用，具备吸水保水的特性，含水率（质量比）可高达700%[13]。常规应用于土壤的墒情传感器无法正确测量基质含水量。基质含水量传感器一般采用电容检测法，即将电容接入电路中，电容变化引起频率变化，通过测定频率的变化值得到基质含水量[14]，传感器在使用起始时必须依据栽种基质的类别进行标定。

2.1.3 光合有效辐射传感器

太阳辐射中对植物光合作用有效的光谱成分称为光合有效辐射，波长范围380～710 nm，光合有效辐射平均约占太阳总辐射的50%[15]。光合有效辐射是影响光合作用的关键因子，光合有效辐射传感器能直接测量作物对光照的利用情况，同时传感器集可集成物联网数据传输模块，实现数据的连续在线监测，为后续的数据统计分析提供数据源采集保障。

2.1.4 根际环境传感器

光谱检测技术应用在检测领域已经较为成熟。检测样品基本在某一光谱段中有一个吸收峰或者反射峰，且斜率较大，光谱采集设备具有高灵敏探测能力，通过系统的分析比对，能准确检测出样品中相关成分的含量[3]。

根际环境传感器是多项关键因素检测术的集成，其集成了特殊发光特性OLED 材料，实现全光谱激发，高精度光谱感知元件可采集被测对象在全光谱照射下的反射特性，并利用微电脑控制器进行电信号的去杂，借助机器学习等算法工具自校正，最终完成数据的测量。同时，为确保数据的准确性，针对同一被测数据需要做理化试验来标定曲线图，目的是分析某些物质是否只在某个波段下有光反应或者在多个波段下均有光反应，通过机器学习的方法，拟合出此物质含量和光谱图的线性关系，由此构建出一个可预测物质含量的模型，最终可通过光谱图无损探测出样品中物质的含量。应用于根际环境的光谱应用传感器可对根际环境中的温度、EC、pH、含水量、有效钾、有效磷、有效氮等进行连续在线式监测。多光谱技术—根际环境传感器设备实物如图2所示。

图2 多光谱技术—根际环境传感器

2.2 作物生理感知

作物的生理活动是一个持续发展的过程，通过检测仪器进行定时检测，获取可靠的生理进程关键参数指标，并通过设备集成的无线数据通讯模块，实现数据的汇集。

2.2.1 植物营养元素检测仪

植物营养元素检测仪可实现土壤、基质、营养液中矿质元素含量，其主要利用基于Android 系统的便携式分光光度检测设备，通过生物化学方式方法进行矿质元素的测定，其中包括铵态氮、速效磷、有效钾、有机质、pH 等含量测定，同时支持测试数据的记录，并可实现数据的自动上存到系统。

2.2.2 植物蒸腾速率测定仪

植物蒸腾速率可用于测量作物叶片中不同时间段的叶片蒸腾速率、空气温度、空气湿度、光合有效辐射、叶片温度等相关数据。其中光合有效辐射测量范围应满足0～3 000 µmol .mm2/s，精度<5 µmol .m2/s；通过连续测量样品叶片蒸腾速率并计算出平均值，最终输出可靠的检测结果。

2.2.3 叶绿度检测仪

常规的叶绿素含量测量方法是采用化学、物理综合方法进行测定，其测量步骤繁琐，且属于有损检测方式。本系统应用叶绿度检测仪进行评估叶片叶绿素含量。叶绿度（SPAD）检测仪是利用叶片中叶绿素对红光（峰波长为650 nm）、红外线（峰波长为940 nm）2 种不同波长光线吸收不相同的原理，通过2 种波长范围内的透光系数来确定叶片当前叶绿素的相对数量，从而评估当前叶片中叶绿素的相对含量。该传感器的优点是无损检测、快速高效。

2.3 在线式水肥一体施肥设备

在线式水肥一体化施肥设备的整体结构包括注肥系统、混肥系统、控制系统、检测系统和其他配件等。设备基于大数据技术，为满足作物生境与生理的实时数据采集和运算分析、以及对肥料浓度调节的精准化执行要求，采用通用智能模块化设计及逻辑化关联处理，组件间可相互兼容，即插即用，且对施肥设备中的文丘里管合适的流量和压力、吸肥效率和稳定性、灵敏度、控制精度等方面进行了优化，最终设备如图3 所示。同时，系统集成了各类传感器，包括阀门状态传感器，水泵状态传感器，控制器状态传感器等元件，可对整体运行状态进行感知。设备运行是通过文丘里吸肥器作为吸肥动力，联通多个营养液原液通道，通过其高精度控制阀门、高灵敏度传感器，实现水肥施用控制的快速响应。并可通过应用软件模块实现设备的可视化操作。

图3 在线式水肥一体化施肥设备

2.4 大数据分析应用

基于温度、湿度、光照等关键因素开展水肥一体化调控的相关研究及应用的报道较多，但主要集中在1 个或2 个因素对作物生长的影响，缺乏综合考虑多因素及其耦合作用。多项试验结果表明作物生境与生理的各项因素之间存在两两交互，多方交互、拮抗作用等影响关系[16]。作物的产量受到环境、生理变化的多方共同影响，利用大数据运输技术，对作物生长关键参数进行分析，是对作物生长规律及其后续发展预测的关键。本系统设计主要包括3部分，即数字资源库、大数据分析运算及可视化操作前端应用。

2.4.1 数据资源库

本系统大数据分析应用的数据资源库包括2 大核心组成：作物生境与生理参数数据资源和农艺理论数据资源。

作物生境与生理参数数据资源主要包括以下作物关键参数：①作物生境关键因素：环境温度（℃）、相对湿度（%）、光照有效辐射量（W/m2）；②营养液：有效氮含量（mg/L）、有效磷含量（mg/L）、有效钾含量（mg/L）、EC（ms/cm）、pH；③根际环境：有效氮含量（mg/L）、有效磷含量（mg/L）、有效钾含量（mg/L）、EC（ms/cm）、pH；④生理参数：叶绿度、蒸腾速率（g/m/h）。

同时，基于作物基质栽培的研究及应用已达到一定的水平，整合前期理论研究数据，构建作物农艺数据资源库，可为大数据分析运算提供重要的数据支撑。

2.4.2 大数据分析运算

利用建设的物联网感知和作物生理感知硬件设备采集样本庞大的生境与生理数据，通过大数据分析技术，建立多因素耦合模型，全面考虑因素间交叉相互影响等，同时结合农艺理论数据，综合研判，输出具备相对实体性的水肥一体化精准调控决策。基于以上的思路，系统的设计核心要点是对作物感知、大数据运算、决策输出以及水肥供给需求的快速响应。系统设计应用逻辑体系见图4。系统设计特点如下：①物联网感知应由物联传感器+生理或生境检测仪器的数据采集，能实现采集数据的自动化，根据对样本密度的要求，甚至可以按秒级别进行数据采集；并采用无线网络实现数据的传输，提高部署的便捷性。②建立数据标准，其中包括统一的数据采集规范、表结构，加快全量数据处理速度。③运用R 语言、Python 语言等建立数据分析模块，具有较高实用性。④通过大数据分析法，对庞大的数据进行综合运算，模拟出基于作物生境与生理的栽培管理模型，并通过新型在线式水肥一体化施肥设备，实现水肥变量的可控可调。

图4 作物生境与生理大数据应用的水肥一体化决策系统—大数据分析运算应用图

2.4.3 可视化操作前端

为了提高应用的普遍适用性和使用的便捷性，本系统同步设计可直观操作、查看运行状态的可视化前端应用。如图5 所示，通过简洁的大屏显示，实现“一屏感知与调控”，其特点包括：把物联网感知数据的数值与变化趋势进行展示；通过建立3D 模型实现设备部署的可视化；在3D 模型的基础上集成设备的远程调控，极大提高了操作的便捷性。

图5 作物生境与生理大数据应用的水肥一体化决策系统—可视化操作前端

本系统针对在线式水肥一体化施肥设备的操作，开发可视化操作界面，如图6 所示，可视化操作前端应用具有较高便捷性，可对水肥一体化系统的各个部件的运行情况实时掌握，可通过界面对在线式水肥一体化施肥设备进行控制、操作，对综合大数据分析下形成的灌溉策略，可进行快速响应。

图6 作物生境与生理多因子耦合的水肥一体化灌溉调控应用平台可视化图

3 结语

水肥一体化技术应用是设施农业的关键应用，是作物栽培管理中解决灌溉、营养供给，同时实现精准化、少人化甚至无人化的关键技术。随着大数据对农业产业发展影响的逐步加深，建立物联网感知、作物生理感知、农艺理论数据等海量数据的汇集，依靠数据驱动，利用大数据技术，深挖数据的价值，构建作物栽培模型，驱动栽培管理调控决策形成是水肥一体化技术应用进行数字化、信息化革新的关键途径。不断深化大数据技术在农业生产上的应用及推广，强化数据驱动决策的作用，才能推动现代农业往“数量+质量+效益”并重的集约化发展方向，才能走上高效、安全、资源节约、环境友好的现代农业发展道路。