基于物联网的农业痕量灌溉系统*

江显群 陈武奋 叶廷东 周宏伟 林年旺 陈明敏



基于物联网的农业痕量灌溉系统*

江显群1陈武奋1叶廷东2周宏伟1林年旺1陈明敏1

（1.珠江水利委员会珠江水利科学研究院 2.广东轻工职业技术学院）

为降低人工成本，减少农业用水，提高水资源利用率，提出一种基于物联网的农业痕量灌溉系统。该系统通过ZigBee无线传输技术实时收集、传输农作物生态环境等参数，并利用需水模型对农作物生长阶段进行分析，获得最佳灌溉策略。试验结果表明：通过建立农业痕量灌溉系统，农作物亩均增产20.53%、农田灌溉亩均用水量降低30%以上、节约人力成本50%以上；提高劳动生产效率；满足农业水肥一体化灌溉目的。

物联网；农作物；痕量灌溉；水肥一体化

0　引言

随着我国经济和社会的快速发展，水资源短缺问题已成为我国可持续发展的主要瓶颈之一。我国是发展中农业大国，水资源需求量大，但由于灌溉技术和施肥方式比较落后，大部分地区仍以传统灌溉、经验式施肥方式为主，导致农田灌溉用水效率低下、肥料吸收不均匀等问题[1-4]。2017年李凌雁等人提出一种基于分布式ZigBee和GPRS无线通信技术的大范围远程控制节水灌溉系统，实现了节水灌溉装置的远程监控和自动化调节[5]；2018年王灿等人针对传统人工灌溉所带来的水资源利用率低、人力资源浪费等问题，提出一种基于LoRa的智能灌溉系统设计方案，实现农业灌溉作业的精细化管理[6]。

本文从农业灌溉系统实际需求出发，设计一种基于物联网的农业痕量灌溉系统，并对ZigBee无线通信、农作物需水智能决策和水肥一体化等关键技术进行研究，使系统能够很好地满足农业痕量灌溉需要。

1　系统总体设计

基于物联网的农业痕量灌溉系统能够实时监测农田土壤墒情、农作物生态环境和灌溉管道流量等信息。结合农作物生长阶段对农作物需水、需肥信息做出精准决策分析，从而能够精确控制灌溉系统的水肥量，实现农作物的精准灌溉。基于物联网的农业痕量灌溉系统主要由监控中心单元、无线网络单元和灌溉现地监控单元组成。监控中心单元实现对采集数据建模分析处理，制定灌溉水肥一体化灌溉策略；无线网络单元由互联网、无线通信网络和局域网等组成，负责处理、传递感知层获取的信息和执行控制器的命令；灌溉现地监控单元负责农作物生态环境信息采集、电磁阀设备控制、无线传感网络组网与协同信息处理。系统总体拓扑结构如图1所示。

2　系统关键技术

基于物联网的农业痕量灌溉系统关键技术主要有ZigBee无线通信技术、农作物需水智能决策技术和水肥一体化技术。

2.1　ZigBee无线通信技术

基于物联网的农业痕量灌溉系统由大量的传感器节点构成监控网络，通过ZigBee无线通信技术将节点采集的气象、墒情和电磁阀控制指令等信息传输到灌溉服务平台。本文基于ZigBee无线通信技术设计了一种电磁阀智能控制器[7]。控制器采用模块化设计方案，根据实现功能不同设计不同的硬件模块，方便升级及功能扩展。电磁阀智能控制器包括核心处理模块、485接口及供电模块、电磁阀控制模块，如图2所示。

1）电磁阀智能控制器以MSP430为核心单元，基本电路包括晶振、看门狗、复位电路（ZigBee扩展I/O可复位、手动复位）、外部接口（I/O接口、外部中断接口、串口扩展TTL、RS232、串口扩展RS485、SPI接口、IIC接口）、电源、扩展本地基础Flash存储、扩展外部EEPROM和RTC时钟。

图1　农业痕量灌溉系统网络拓扑图

图2　电磁阀控制器现场示意图

2）控制器能够接入多路墒情传感器，1路压力变送器，预留温湿度、风速风向、电磁流量计和智能水表等供电接口。传感器电源可单独控制开关。通讯接口采用485总线星型连接。

3）电磁阀控制模块的控制信号通过光电隔离后驱动继电器，通过继电器控制电磁阀开关；同时流量开关的反馈信号经过光电隔离后传递给单片机，防止电磁阀启闭对控制电路造成干扰；流量传感器的脉冲信号通过光电隔离后接入单片机的外部中断，可对灌溉量进行测量。

2.2　农作物需水智能决策技术

联合国粮农组织推荐的FAO-56 PM公式是公认的用于估算参考作物蒸散量的标准[8]。FAO-56 PM公式为

其中，0为参考作物需水量；Δ代表饱和水汽压与温度关系曲线的斜率；R为净辐射；为土壤热通量；为湿度计常数；为2 m高处日平均气温；2为2 m高处的风速；（e−e）为水汽压差。

FAO-56 PM公式计算作物需水量虽然准确且适用范围广泛，但需要监测大量气象参数。而部分气象参数检测仪表价格昂贵，致使大部分气象站不具备这样的监测条件，因此限制了该公式的实际应用。

针对农作物需水规律错综复杂的特点，利用BP神经网络的非线性、高维性、神经元之间的广泛互连性以及自适应性，可建立与作物需水特性相适应的农作物需水预测模型。基于BP神经网络参考农作物腾发量计算模型如图3所示。

图3　基于BP神经网络参考农作物腾发量计算模型

根据项目实际情况，本文使用的数据样本为示范田现场采集的数据（风速、湿度、温度、日照时长）及根据FAO-56 PM公式计算所得的农作物需水量365组数据。采用随机的方法产生训练集及测试集，即将365组数据按时序打乱排列，从中随机抽取320组作为模型训练集，余下45组作为模型测试集。模型性能评价如图4所示。

图4为BP神经网络与彭曼法计算0对比图。由图4可知：45组测试样本中除个别数据外整体预测较好；预测模型均方根误差约为0.410；相关系数约为0.829。

图4　BP神经网络模型性能评价

2.3　水肥一体化技术

水肥一体化技术是借助压力系统（或地形自然落差）将可溶性固体或液体肥，按土壤养分含量和农作物需肥规律和特点，配兑成肥液与灌溉水相融液，通过管道和滴头形成滴灌，可均匀、定时、定量，浸润农作物根系发育生长区域，使根系土壤始终保持疏松和适宜的含水量[9-10]。

表1　玉米生育期施肥灌溉量

3　应用效益分析计算

该项目农田示范区为广州市流溪河灌区管理处试验田，面积约2000 m2（3亩），其中实施农业痕量灌溉系统的农田面积为667 m2（1亩）。将实施农业痕量灌溉与普通灌溉的效益情况进行比较，对比详情如表2所示。

表2　农业痕量灌溉前后效益情况对比表

1）增产效益。对典型田块的玉米农作物跟踪记录及对比分析，普通灌溉玉米年产量为865.0 kg/亩，农业痕量灌溉玉米年产量达到1042.6 kg/亩，相比普通灌溉玉米年增产177.6 kg/亩，玉米综合价格按2.2元/kg计算，年增产效益为390.72元/亩。

2）省工效益。实施农业痕量灌溉系统，降低灌水劳动强度，节省大量劳动力。根据典型田块调查统计数据分析，普通灌溉需要工日为12个/亩，实施农业痕量灌溉系统后只需6个/亩，年省工日6个/亩。每个工日按150元计算，农业痕量灌溉年省工效益为600元/亩，人力成本比普通灌溉节约50%以上。

3）水肥效益。根据对典型田块调查数据分析，农业痕量灌溉系统运行后，农田灌溉亩均用水量小于400 m3，与普通灌溉相比，每亩可节水200 m3，农田灌溉亩均用水量降低30%以上，节约化肥28%。

4　结论

为降低人工成本，减少农业用水，提高水资源利用率，本文提出一种基于物联网的农业痕量灌溉系统。通过示范验证表明：实施农业痕量灌溉系统后，农作物亩均增产20%以上，灌溉用水量亩均节约30%以上，人力成本节省50%以上，达到节省人力物力，增产增收目的。

[1] 吴迪,刘天宇,宋涛,等.基于模糊控制的智能节水灌溉控制系统设计[J].江苏农业科学,2018,46(23):245-249.

[2] 王玖林,赵成萍,严华.基于LoRa的节水灌溉系统设计与研究[J].节水灌溉,2017(12):104-106,111.

[3] 李惠钧,李双冰.基于移动互联网的智能灌溉系统设计与开发[J].山西农经,2017(22):60.

[4] 师志刚,刘群昌,白美健,等.基于物联网的水肥一体化智能灌溉系统设计及效益分析[J].水资源与水工程学报,2017, 28(3):221-227.

[5] 李凌雁,李鑫,曹世超.基于ZigBee和GPRS智能监测的节水灌溉装置设计[J].农机化研究,2017,39(8):212-215,219.

[6] 王灿,王中华,王冬雪,等.基于LoRa的智能灌溉系统设计[J].计算机测量与控制,2018,26(8):217-221.

[7] 刘晓,张一铭,黄文强,等.基于AT89C51的节水灌溉系统设计[J].机械工程与自动化,2016(2):184-186.

[8] 江显群,陈武奋.BP神经网络与GA-BP农作物需水量预测模型对比[J].排灌机械工程学报,2018,36(8):762-766.

[9] 赵哲.节水灌溉系统设计中ZigBee技术的应用[J].水利技术监督,2015(6):11-14.

[10] 李晓花.农业节水灌溉智能控制系统设计[J].水利规划与设计,2014(3):79-81.

Agricultural Trace Irrigation System Based on Internet of Things

Jiang Xianqun1Chen Wufen1Ye Tingdong2Zhou Hongwei1Lin Nianwang1Chen Mingmin1

(1.Pearl River Water Resources Commission of the Ministry of Water Resources .Guangdong Industry Technical College)

In order to reduce labor costs, reduce agricultural water use and improve water resources utilization, an agricultural trace irrigation system based on the Internet of Things was proposed and developed. Through ZigBee wireless transmission technology, the system collects and transmits the parameters of crop ecological environment in real time, and uses the crop water demand model to analyze the crop growth stage to obtain the best irrigation strategy, so as to realize the precision irrigation of crops. The results show that the average yield of crops per mu is increased by 20.53%, the average water consumption of farmland irrigation per mu is reduced by more than 30%, and the cost of manpower is saved by more than 50%. The construction of agricultural trace irrigation system can improve labor productivity and meet the purpose of integrated irrigation of water and fertilizer in agriculture.

Internet of Things; Crops; Trace Irrigation; Water and Fertilizer Integration

江显群，男，1976 年生，工学硕士，主要研究方向：水利自动化与信息化。E-mail: scut_jiang@163.com

广州市科技计划项目（201604020049）