基于农业旱情综合监测的农排管理系统

谷充，邢子涯，姬哲，岳纲毅，王自强，李帅，翟阳钊，韩振磊

（1.国网河南省临颍县供电公司，河南 漯河462400；2.国网河南省电力公司，郑州450000；3.河南汇众基业农业科技有限公司，河南 漯河462400）

旱灾是指某一区域因长期缺少降雨而导致的土壤水分减少、 作物因水分降低而枯死的自然灾害[1]。 从古至今旱灾对人类的影响十分严重，造成环境破坏，阻碍经济发展，尤其是对人类最基本的温饱造成影响。2011 年非洲之角的饥荒是21 世纪最严重的自然灾难之一，影响了超过1 300 万人[2]，并造成了灾难性的生命损失。 我国2000 年发生的严重旱灾，波及20 多个省份[3]。 2010 年，我国因旱作物受灾面积达1 325.861 万hm2， 其中成灾898.647 万hm2，绝收267.226 万hm2，有3 334.52万农村人口、2 440.83 万头大牲畜因旱发生饮水困难，全国因旱损失粮食168.48 亿kg，造成经济作物损失387.93 亿元， 直接经济总损失达1 509.18亿元[4]。 2021 年我国南方地区、北方地区及西南局部均遭到轻度旱灾[5]。 据联合国发布的《2022 年干旱数字报告》显示，进入21 世纪以来，全球干旱次数和持续时间已经增加了29%[6]。 干旱会破坏植株正常的生理生化代谢，导致光合作用下降[7]，影响作物正常生长发育。 棉花虽然是耐旱作物，但受旱也会造成棉花花粉败育、蕾铃脱落加重、铃重降低、未成熟棉铃提早吐絮， 导致棉花产量和纤维品质降低[8]。

我国对防旱抗旱工作的力度逐年加大，如2014 年中央财政下拨补助资金100 亿元， 支持列入《全国抗旱规划实施方案（2014―2016 年）》范围的25 个省（自治区、直辖市）实施2014 年抗旱应急水源工程项目，提高抗旱应急保障能力[9]。 旱情监测在国内外也有很多的研究成果，如基于气象站点数据的旱情监测、基于遥感数据的旱情监测。 基于气象数据旱情监测的方法： 在国外，Plamer[10]在1965 年提出帕默尔干旱指数 （Plamer drought severity index,PDSI） 并应用到多个地区的干旱监测中，McKee 等[11]在1993 年提出计算旱情变化状况的标准化降水指数（standardized precipitation index,SPI）；在国内，也有许多学者针对旱灾做过研究，如费龙等[12]使用Z 指数发现在朝鲜北部旱灾发生频率比南部要高很多， 且证明了Z 指数相比PDSI 指数表现更优。 基于遥感数据监测旱情的方法：詹志明等[13]提出垂直干旱指数（perpendicular dryness index,PDI）进行干旱监测，后来汤诗怡等[14]使用PDI 进行长期旱情监测发现PDI 能够准确监测土壤水分变化。由于旱情问题越来越受到国家的重视，利用降水指数估计旱情的研究也经历了重大的进步。 综上所述，目前很多国内外的旱情研究科研团队在对旱情的监测上多利用季节性降水指标，如预测降水异常情况来反映旱情。也有利用其他技术指标的干旱监测，如Mu 等[15]提出了干旱严重指数（drought severity index, DSI），童德明[16]在山东省的干旱情况监测中发现，DSI 可以准确描述该地区的典型干旱发生情况。 曹言等[17]利用微波遥感法验证监测干旱的可能性。虽然季节性降水是容易获得的气象指标，但笔者等认为，未来在干旱监测方面不应该只关注某一指标， 应该进行多指标的监测和预测，如温度变化、蒸发量变化、土壤水分含量等。

在对旱情的研究中发现旱情监测的难度极大，主要包括监测站点较多，数据采集较难且监测数据维度较大等。笔者等结合智能数字电力系统来部署监测站点，并将监测站点采集到的多维度数据进行统一聚合，最终建立监测平台，针对聚合结果可以对旱情做出监测和智能决策，以提升棉花等作物的生产效率，降低旱情带来的产量损失。

1 基于智能数字电力的农业旱情监测应用平台建设目标及架构设计

1.1 系统建设目标及旱情等级设定

随着近些年数据挖掘技术在棉花等作物上的成功应用[18]，笔者等也将设计数据挖掘技术应用在旱情监测中。数据挖掘主要是应用一些专门算法从大量数据中发现隐藏于其中的信息。本系统主要的建设目标是结合水文指标（如土壤湿度指数）、温度指标、实时气象观测指标等，监测特定地区的旱情，并确定目标区域干旱等级和风险。 根据国家标准《气象干旱等级》[19]，将干旱分为无旱、轻旱、中旱、重旱、特旱5 个等级。 针对不同干旱等级及时采取不同措施，确保作物产量和水分供给，减轻干旱影响。

1.2 系统总体设计

根据旱情监测所需数据及特点，设计的基于智能数字电力的农业旱情监测应用平台总架构可分为数据采集组和中心站2 个部分，数据采集组负责数据采集（井水位指标、土壤水分含量指标、温度指标等）， 中心站负责将数据采集组采集到的多处数据进行整合， 并通过模型进行数据分析与旱情监测。 图1 为系统总体设计架构图。

图1 基于智能数字电力的农业旱情监测系统架构图

图1 中数据采集组N的大小取决于实地选取监测点的多少。数据采集组中，除传感器组件（井水位监测器、土壤水分传感器、蒸发量传感器、温度传感器、风力传感器等）外，还包含其他硬件，如太阳能电源、数据传输硬件、人工智能（artificial intelligence,AI）摄像头等。 硬件之间的链路设计方式见图2。

图2 数据采集器电路设计图

在设计采集电路时，采取模块化组合设计。 模块化设计是将复杂的功能分解为小模块，其中每个小模块仅负责本身的简单任务，最终将各模块进行组合，形成复杂功能。 模块化组合设计具有以下优点：（1）维修便利。 在实际应用中，设备会出现各种各样的问题，导致需要不断维护和更换设备。 而采用模块化设备时，可以很便捷地找出使用中出现的问题，并进行相应模块设备的维修或更换。（2）升级容易。 当某项功能需要升级时，工作人员仅需对相应功能模块进行更换即可。

在图2 电路设计中电源控制模块的作用是选择合适的供电源，以便在太阳能电池板电量不足的情况下及时更换供电源。而智能保护器可更好地保护电路，防止短路等问题发生。

2 农业旱情等级监测模型设计与响应决策

2.1 监测模型设计

在中心站的重要目标是对采集的数据进行科学分析，这一部分的设计被称为模型设计。 模型设计是最重要的一步，决定最终的旱情监测结果。 为了更好地使用多指标数据进行旱情监测，应结合机器学习的方式对收集的数据进行综合分析决策，总体设计思路见图3。

其中，机器学习模型为随机森林（random forest）。 随机森林模型是2001 年Leo Breiman 提出的一种决策算法[20]。 通过重采样技术，从训练集S中随机抽取K个样本重新组成新的训练集， 然后根据新训练集生成K个决策树， 最终的决策结果由决策树投票形成的分数而定。决策树模型由树结构分类器组成，其中每棵树分类器在输入特征后均有自己的输出类别。 如收集标注S个数据样本，每个样本有M个特征（温度、湿度、土壤水分含量等），在随机森林模型中每个决策树的训练特征相同，但每棵决策树会根据同样的数据学习归纳出属于自己的分类方法。在本系统的模型训练中采取随机取样方法，以保证有重复样本被不同决策树分类。 具体的实现过程如下：（1）将数据集N分为训练集S，测试集T， 特征维度d。 选择超参数（决策树数量t_num，树深度t_d，节点特征数量F，节点最终信息增益m）；（2）FORiin（1:t_num）：从S中有放回地抽取和S大小相等的训练集Si， 从根节点开始训练；（3）作为回归问题，从F维特征中随机选择f（f＜F）维特征进行监测；（4）利用选择的f维特征寻找效果最好的阈值th；（5）END。

在数据采集组将数据传输至中心站后，中心站使用随机森林模型对收集的数据进行综合分析，实现旱情监测。其监测过程如下：（1）将采集的数据输入到训练过的随机森林模型中；（2）ifv（当前节点对应特征值）＜th（当前节点阈值）：进入左节点；（3）else:进入右节点；（4）重复步骤2～3，直到达到叶子节点， 并输出监测结果；（5） 每棵决策树均执行步骤2～4， 得到所有决策树的监测结果R＝｛r1,r2, …,rt_num｝；（6）对得到的监测结果进行统筹分类，分类结果按决策树分类器的投票情况而定；（7） 输出决策结果，并显示在系统中，若监测旱情等级过高则发出报警通知。

2.2 响应决策

针对不同的旱情应采取不同的应对措施，做到科学决策、统筹调度、应急管控。本设计的农业旱情等级监测模型会结合农业土壤墒情监测结果及土地网格信息区块针对不同的旱情监测结果，推送信息给决策中心及土地网格管理人，给出不同的决策预警。系统使用气象干旱等级标准中依据降水量距平百分率（precipitation anomaly in percentage, PA）划分干旱等级[19]（表1），根据当地应对旱情的经验，给出对应旱情等级的响应决策。

表1 基于降水量距平百分率（PA）的干旱等级划分

（1）轻旱。根据系统统计数据，此时作物受灾面积占比为5%～15%，应采取下列预警措施：做好实时气象情况的监测，及时掌握当地雨水情况。 在旱情刚发生时，要及时关注旱情发展动态，指导人员进行应对旱情的灌溉提醒，决策中心应急小组提前做好防御措施。 根据旱情形势变化，及时发布旱情预警信息，做到旱情早发现，早安排，早行动[21]。 同时储备一定的抗旱物资，并对受影响地区的抗旱设备进行检查和维修。

（2） 中旱。 此时作物受灾面积占比达15%～35%，应采取下列预警措施：加强人员值班关注旱情态势，指导人员进行科学灌溉以应对旱情，加强农业排灌用电监测。农业排灌台区用电负荷仅限于排灌使用， 排灌台区用电量可反映灌溉区域分布、强度， 有助于决策中心统筹协调电力确保抗旱应急，实时监测抗旱动态，提前做好防御措施。

（3） 重旱。 此时受灾作物面积占比达35%～65%，应采取下列预警措施：决策中心可统筹协调电力抗旱应急，实时监测抗旱动态，应在轻旱和中旱措施的基础上进一步加强灌溉保障措施，如暂停高耗水产业的用水，以力保抗旱供电。

（4）特旱。此时受灾作物面积占比高达65%，应采取如下预警措施：决策中心可统筹协调电力抗旱应急，实时监测抗旱动态，进一步加强灌溉保障等措施，暂停产业用水，限时限量供应居民用水，合理统筹优化农业供水。

3 基于智能数字电力的农业旱情监测应用平台使用案例

3.1 临颍县使用案例

河南省临颍县地处中原腹地， 是传统农业大县，农业经济全省领先，被确定为国家粮食核心区产量大县、 国家新增粮食能力千亿斤规划重点县、全国农业标准化示范县等。 现管辖15 个乡镇，369个行政村，总面积82 100 hm2，有效耕地面积5.62 hm2，含高标准农田4.13 hm2， 建设有农业排灌台区1 445 个，农业灌溉机井总数为10 728 眼。 其中供电公司投资建设台区1 030 个，含低压部分台区共有678 个；县发改委、水利、农业部门等多方投资建设的有415 个。

为保障临颍县的作物产量稳定，加强农田机井基础设施建设， 进行旱情监控是十分重要的工作。因此， 基于本研究提出的监测模型打造数字化平台，建立“一图统管、一网通办”的农田设施管理体系，推出智慧农业数字化服务平台。 该平台采用浏览器—服务器（browser/server,B/S）架构，具有指挥决策管理中心、业务应用系统、管护APP（手机应用程序）。 基于GIS 地理大数据、电力信息大数据，对农排台区、灌溉机井、农田网格信息等采集入库，建立对象可视化管理系统。该系统具备：（1）电力设施智能状态监测、预警告知、安全防护等功能；（2）机井设施的位置查询、使用状况与水位监测功能；（3）农业土壤墒情监测及气象数据智能分析功能；（4）设施巡视、维护维修等管理功能。 通过数字化分析技术指导农业生产灌溉、气象灾害预防集成全流程农业智慧管理服务平台，可实现管护人巡视、农户通过微信小程序一键报修、 管护中心接收报修信息、推送精准定位、开展故障抢修，确保农田设施安全防护，打通服务农田“最后一百米”，确保高标准农田设施的良性运行， 助力农业生产数字化转型升级。图4 为临颍县数字田园管理服务平台首页。

图4 临颍县数字化平台首页

3.2 各个乡镇使用案例

该数字化平台覆盖临颍县各个乡镇， 将全县5.62 hm2可耕地划定为1 399 网格， 并设定了367位网格长、237 位管护员， 有力提升了农业生产协作组织管护能力。农田网格管理以农业农村局为主导，按照《漯河市人民政府办公室关于印发漯河市高标准农田设施网格化管理实施方案等八个方案的通知》的有关要求，按照临颍县农田设施网格化管理要求，设立三级网格管理机制（网格长、监督员、技术服务员），按照“组织建设在网格、技术服务在网格、设施管理在网格、结构调整在网格、群众自治在网格、金融投保在网格、监督整改在网格”的工作思路，网格管理运行注重协作，协调配合、共同做好农业灌溉用电设施建设与管理工作。数字服务平台推出网格管理小程序， 并设有二维码快捷报修、信息查询等功能，不仅可提升农田设备设施维护效率，也可提升农业生产可持续保障能力，能在减轻农民负担的同时进一步提高作物产量。图5 为杜曲镇数字田园管理服务平台首页。

如图6 所示， 该平台可展示地区农田网格信息，以及农排台区、机井位置等基本情况。该系统实现了农业信息、电力信息共享，可反映出用电区域、排灌用电量多少， 为决策中心提供相应的数据支持；同时记录有该地区管护人员基本信息，方便在台区运行异常时，及时联系管护人员。

图6 临颍县数字农排管理中心

4 平台“以电折水、以电节水”的防旱应用

以电折水的原理是对耗电量与取水量的关系建模，分析电量与水量之间的关系。 由于国内农田地区机井数量巨大，如果对每个机井安装计量设备则会造成较大投资，故在平台中采取“以电折水”的方案对地区机井抽水量进行监测。“以电折水”在我国很多地区已进行推广应用， 如江苏省金湖县在2017 年进行了“以电折水”计量试点，2018 年开始全面推行[22]。 “以电折水”具有先进性，使用该方法可节约投资或不增加投资， 同时具有较高的准确率，通过数字化达到精准掌握、降本增效的双重效果。 使用“以电折水、以电节水”的方式可以有效解决农户缺乏节约用水意识需要节水灌溉提醒，以减少水资源浪费的问题。 图7 为本系统使用的“以电折水”示意图。

图7 “以电折水”示意图

图7 中电表的作用主要是负责保护电路及其他硬件设备以防止短路失火等。电源的作用是为抽水泵、计量终端硬件等设备提供电能。 电折水计量终端硬件是本设计的核心，主要功能是当农户在终端设备上刷卡时进行用电计数并将用电量通过无线方式发送到平台后端统计处理。

5 总结

农业旱灾等气象灾害作为近年来发生频率高、危害性大、持续时间长的自然灾害，严重影响人类生活及社会稳定发展。对于旱情的发生过程、预警、应对措施、管控，未得到系统管理，多部门管理很难协同。本文通过研究与实践，从旱情预警、巡视运维到管理决策，形成农业管理的长效机制。 将硬件和软件相结合对旱情等级进行监测，并将等级监测模型嵌入到数字化服务平台，可为有关部门及时提出应对决策提供一定的参考。该体系可指导农业生产灌溉、气象灾害预防，有效破解农田基础设施“重建轻管”、运维管护效率低等难题，使农田管理实现平台化、网格化、数据化、可视化，以及电力、农业信息互通，可打通农田服务的“最后一百米”，助力智慧电力赋能数字化农业转型高质量发展，可为棉花等农作物的智能化高质量发展提供重要参考。