本開發方案涉及農業灌溉領域，尤其是一種基于采集到的土壤信息、氣象信息，通過作物灌溉用水需求模型計算后，能夠反饋調節用水信息進行灌溉的智能灌溉管理系統。

　　背景技術：

　　在我國農業用水約占用水總量的63%，傳統農業灌溉模式水資源浪費嚴重，使得我國農業用水的有效利用率僅為45%左右。我國農業領域由于水資源利用率低以及耕地管理效率低等問題，制約了農業的發展。在灌溉期澆水全憑農民的經驗和感覺，造成水資源的嚴重浪費，也使農作物不能得到最佳的生長環境，影響了農作物的產量和質量。依靠人工進行農業管理，不僅工作效率低、工作量大，而且不能長時間有效的進行作物需水情況監測，不利于灌溉的科學管理和先進灌溉技術的推廣。

　　隨著我國水資源供需矛盾日益尖銳，農業用水配額減少的問題日益突出，采用低能耗的以滴灌、噴灌、微灌為代表的自動化節水灌溉技術得到了迅速推廣及應用，農業自動化灌溉系統由傳統的充分灌溉向非充分灌溉轉變。通過對灌區資源進行自動化控制和優化配置，可以大大提高農業灌溉用水的利用率，緩解我國水資源緊缺的現狀。
 

 

　　技術實現要素：

　　有鑒于此，本發明提供一種智能灌溉管理系統，用以解決現有技術中存在的問題，可根據不同土壤與氣候情況，針對不同種類農作物的各生育階段，通過灌溉用水需求模型計算出需要灌水量，反饋調節用水信息進行灌溉的智能灌溉管理系統。

　　本發明采用以下技術方案：

　　一種智能灌溉管理系統，其中，包括智能感知平臺、無線傳輸平臺、云數據中心和應用管理平臺;所述智能感知平臺包括數據采集控制器、LoRa傳輸模塊、數據采集模塊與控制終端模塊;所述數據采集模塊包括土壤墑情傳感器、土壤溫度傳感器、水位傳感器、氣象環境傳感器;所述控制終端模塊包括水泵和電磁閥，所述電磁閥為多個，所述多個電磁閥均與數據采集控制器無線連接;所述無線傳輸平臺包括GPRS網絡和4G網絡;所述云數據中心包括云服務器、灌溉用水需求模型、作物需水預報與灌溉預報;所述灌溉用水需求模型根據智能感知平臺中數據采集模塊采集到的土壤墑情、土壤溫度、水位、氣象信息自動計算，發布作物需水預報與灌溉預報;所述應用管理平臺包括灌溉管理軟件和用戶終端，所述用戶終端包含PC端與手機端。

　　優選的，所述智能感知平臺包括數據采集控制器、LoRa傳輸模塊、數據采集模塊與控制終端模塊;所述數據采集模塊用于采集不同深度土壤水分含量數據、不同深度土壤溫度數據、地下水位數據、大氣溫度、大氣濕度、實施風速、光照強度等數據;所述LoRa傳輸模塊將數據采集模塊采集到的數據信息通過LoRa技術無線傳輸至數據采集控制器。

　　優選的，所述無線傳輸平臺將數據采集控制器收集到的數據，通過GPRS網絡或4G網絡遠程傳輸至云數據中心中的云服務器。

　　優選的，所述云服務器將通過無線傳輸平臺接收所述智能感知平臺采集到的信息，自動輸入所述灌溉用水需求模型;所述灌溉用水需求模型根據接收到的信息和預設的作物參數生成灌溉預報，并傳輸至應用管理平臺。

　　所述灌溉預報包括：預測土壤含水量θi隨時間的變化，當土壤含水量下降到適宜含水量下限時，由土壤田間持水量與含水量下限值間的差結合作物計劃濕潤層濕度，計算獲得作物單次灌溉需水量，即灌水定額;最后根據特定灌溉區域內不同作物種植面積，計算獲得區域灌溉需水量。

　　所述作物單次灌溉需水量預測公式如下：

　　式中，II為各類作物單次灌溉需水量，單位：m3/畝;θf為田間持水量;θi為預測土壤含水量;γ為土壤容重，單位：g/cm3，根據實測獲取;Hi為特定生育階段內計劃濕潤層深度，單位：m，根據當地作物估算。

　　所述預測土壤含水量θi的計算公式為：

　　式中，θi-1為上一時段土壤含水量;ETi-1為作物日耗水量(mm/d);Ri-1為計算時段內有效降雨量(mm)，可用氣象預報數據;ΔW為計劃濕潤層增加而增加的水量(mm)，根據已有研究成果結合當地作物估算;Fi-1為土壤深層滲漏量(mm)，取0;H為計劃濕潤層深度(mm)，根據當地作物估算;γ為土壤容重，單位：g/cm3;Gi-1為作物利用地下水量。

　　優選的，所述上一時段土壤含水量θi-1由計算機根據定點實測土壤墑情值與其對應的影像像元屬性值擬合求出，計算機程序自動調用擬合函數得到擬和方程，選取相關系數R方最大的擬合函數進行計算確定。

　　所述ETi-1為作物日耗水量是利用參考騰發量ET0和作物系數kc計算;所述ET0通過以下公式進行計算：

　　優選的，上述式中a、b、c均為待定系數，設置為可輸入變量;Tmax、Tmin分別為當日最高、最低氣，從上述數據采集模塊采集的氣象環境傳感器中數據;J為日序數，如1月12日，J=12;T為下一日平均溫度，從上述數據采集模塊采集的氣象環境傳感器中數據。

　　該方法創新性的將傳統的基于多個氣象參數的計算方法簡化為只需輸入降水量、最高氣溫、最低氣溫三個參數，極大的減輕的灌溉預報中面臨的氣象參數獲取難、類型多、輸入工作量大等問題。

　　當計算出的預測土壤含水量θi>土壤灌溉臨界點θk時，灌溉用水需求模型自動判斷無需灌溉，則返回模型繼續監測。當計算出的預測土壤含水量θi<土壤灌溉臨界點θk時，灌溉用水需求模型自動判斷需要灌溉，此時通過下述公式計算預測出區域灌溉需水量：

　　式中Wt為名稱為t的計算區域灌溉需水量;At為名稱為t的計算區域的面積，該面積通過遙感技術對區域作物種植結構進行目視解譯與監督分類來計算，由計算機軟件自我學習、判斷確定;Ii為第i旬的灌溉水量。

　　優選的，所述應用管理平臺根據接收到的灌溉預報，由灌溉管理軟件生成相應的灌溉策略，所述灌溉策略通過遠程傳輸至數據采集控制器，再通過LoRa傳輸模塊傳輸至控制終端模塊，并且同時將灌溉策略發送至用戶終端，用戶可在PC端與手機端同時查看;控制終端模塊根據接收到的命令，打開或關閉水泵與電磁閥。

　　優選的，控制終端模塊采用無線閥門控制器。所述無線閥門控制器包括控制器殼體，所述控制器殼體上設置有天線和支架，所述控制器殼體上設置有太陽能電池板，所述控制器殼體內設置有鋰電池、升壓模塊、儲能電路、閥門控制繼電器、DC-DC模塊、MCU和LoRa無線通信模塊，所述太陽能電池板與鋰電池電連接，為所述鋰電池充電;所述鋰電池分別與所述升壓模塊和DC-DC模塊電連接，為所述升壓模塊和DC-DC模塊供電;所述升壓模塊、儲能電路、閥門控制繼電器依次電連接，所述閥門控制繼電器、LoRa無線通信模塊均與所述MCU電連接;所述天線與LoRa無線通信模塊連接。

　　所述灌溉管理軟件不僅可以根據智能感知平臺采集到的數據通過灌溉用水需求模型自動生成灌溉策略，也可以通過用戶終端人工制定灌溉策略;所述人工制定灌溉策略包括水泵與電磁閥打開時間、開啟個數與灌水量。

　　本發明的有益效果為：

　　本發明提供一種智能灌溉管理系統，通過灌溉用水需求模型自動生成最佳灌溉策略，能夠更加合理、科學的利用水資源，避免水資源浪費;本發明實現自動控制的智能灌溉，極大提高了勞動生產力和減低了勞動成本。本發明能夠實現不同深度土壤水分、不同深度土壤溫度、地下水位、大氣溫度、大氣濕度、實施風速、光照強度等數據的自動采集與傳輸，不僅節省了人工實地測量的工作量，也保證了數據的連續;通過將現場灌溉狀態上傳到互聯網平臺，可以實時遠程監控運行狀態;能夠人工制定灌溉策略，避免因數據采集或傳輸發生故障而不能進行自動灌溉的情況發生。

　　本發明提供了一種作物日耗水量ETi-1的計算方法，該方法公式所需輸入參數僅為當日最高、最低氣溫與下一日平均溫度，這些數據都能可以從氣象站與天氣預報中簡單獲取，簡化原作物日耗水量通用公式—Penman-Montieth方程所需的參數種類與計算過程。該系統能夠根據實時監測到的土壤墑情、土壤溫度、氣象信息，遠程傳輸至云服務器中，結合作物生長需求，通過灌溉用水需求模型計算出需要灌水量，自動制定澆灌策略，控制灌溉，實現個性化澆灌。

　　具體實施方式

　　如圖1所示，本發明提供一種智能灌溉管理系統，包括智能感知平臺104、無線傳輸平臺103、云數據中心102和應用管理平臺101;所述智能感知平臺包括數據采集控制器、LoRa傳輸模塊、數據采集模塊與控制終端模塊;所述數據采集模塊包括土壤墑情傳感器、土壤溫度傳感器、水位傳感器、氣象環境傳感器;所述控制終端模塊包括水泵和電磁閥，所述電磁閥為多個，所述多個電磁閥均與數據采集控制器無線連接;所述無線傳輸平臺包括GPRS網絡和4G網絡;所述云數據中心包括云服務器、灌溉用水需求模型、作物需水預報與灌溉預報;所述灌溉用水需求模型根據智能感知平臺中數據采集模塊采集到的土壤墑情、土壤溫度、水位、氣象信息自動計算，發布作物需水預報與灌溉預報;所述應用管理平臺包括灌溉管理軟件和用戶終端，所述用戶終端包含PC端與手機端。

　　智能感知平臺包括數據采集控制器、LoRa傳輸模塊、數據采集模塊與控制終端模塊;所述數據采集模塊用于采集不同深度土壤水分含量數據、不同深度土壤溫度數據、地下水位數據、大氣溫度、大氣濕度、實施風速、光照強度等數據;所述LoRa傳輸模塊將數據采集模塊采集到的數據信息通過LoRa技術無線傳輸至數據采集控制器。

　　在一個實施例中，無線傳輸平臺將數據采集控制器收集到的數據，通過GPRS網絡或4G網絡遠程傳輸至云數據中心中的云服務器。

　　在一個實施例中，云服務器將通過無線傳輸平臺接收所述智能感知平臺采集到的信息，自動輸入所述灌溉用水需求模型;所述灌溉用水需求模型根據接收到的信息和預設的作物參數生成灌溉預報，并傳輸至應用管理平臺。

　　所述灌溉預報包括：預測土壤含水量θi隨時間的變化，當土壤含水量下降到適宜含水量下限時，由土壤田間持水量與含水量下限值間的差結合作物計劃濕潤層濕度，計算獲得作物單次灌溉需水量，即灌水定額;最后根據特定灌溉區域內不同作物種植面積，計算獲得區域灌溉需水量。

　　所述作物單次灌溉需水量預測公式如下：

　　式中，II為各類作物單次灌溉需水量，單位：m3/畝;θf為田間持水量;θi為預測土壤含水量;γ為土壤容重，單位：g/cm3，根據實測獲取;Hi為特定生育階段內計劃濕潤層深度，單位：m，根據當地作物估算。

　　所述預測土壤含水量θi的計算公式為：

　　式中，θi-1為上一時段土壤含水量;ETi-1為作物日耗水量(mm/d);Ri-1為計算時段內有效降雨量(mm)，可用氣象預報數據;ΔW為計劃濕潤層增加而增加的水量(mm)，根據已有研究成果結合當地作物估算;Fi-1為土壤深層滲漏量(mm)，取0;H為計劃濕潤層深度(mm)，根據當地作物估算;γ為土壤容重，單位：g/cm3;Gi-1為作物利用地下水量。

　　優選的，所述上一時段土壤含水量θi-1由計算機根據定點實測土壤墑情值與其對應的影像像元屬性值擬合求出，計算機程序自動調用擬合函數得到擬和方程，選取相關系數R方最大的擬合函數進行計算確定。

　　該方法借助遙感手段結合實測數據計算區域范圍內不同計算單元土壤墑情變化情況。系統使用Landsat8的相關波段柵格數據來獲取系統所需的灌區的初始土壤含水率的信息，然后將衛星影像進行輻射校正、大氣校正和圖像增強、數據融合等操作，來消除衛星成像過程中受到的影響、提高影像分辨率，如衛星速度變化、大氣與地物反射與發射電磁波的相互作用、隨機噪聲、可見光波段與全色波段融合等。經過對所得的衛星圖像的處理后，由影像的相關波段計算區域的歸一化植被指數(NDVI)，再由歸一化植被指數計算溫度植被干旱指數(TVDI)，建立TVDI與實地監測土壤含水率兩者之間的相關關系。

　　通過衛星影像獲取的灌區當前土壤含水率的柵格數據是由一個個的像元組成，像元的大小取決于影像的分辨率，每一個像元代表組成灌區的一塊面積，因為現在Landsat8的分辨率可以達到15m，所以假定每一個像元內的當前土壤含水率是一樣的，這樣每一個像元為一基本計算單元，相當于對灌區進行離散化，即單元格剖分。然后進行單元特性分析，即通過衛星影像柵格數據可以知道像元內當前土壤含水率。

　　所述ETi-1為作物日耗水量是利用參考騰發量ET0和作物系數kc計算。本發明為減輕模型使用人員的工作量，將ET0預測模型及作物系數、土壤系數的計算和預測方法帶入Penman-Montieth方程，可確定出參考騰發量ET0的計算模型。所述ET0通過以下公式進行計算：

　　優選的，上述式中a、b、c均為待定系數，設置為可輸入變量;Tmax、Tmin分別為當日最高、最低氣，從上述數據采集模塊采集的氣象環境傳感器中數據;J為日序數，如1月12日，J=12;T為下一日平均溫度，從上述數據采集模塊采集的氣象環境傳感器中數據。

　　當計算出的預測土壤含水量θi>土壤灌溉臨界點θk時，灌溉用水需求模型自動判斷無需灌溉，則返回模型繼續監測。當計算出的預測土壤含水量θi<土壤灌溉臨界點θk時，灌溉用水需求模型自動判斷需要灌溉，此時通過下述公式計算預測出區域灌溉需水量：

　　式中Wt為名稱為t的計算區域灌溉需水量;At為名稱為t的計算區域的面積，該面積通過遙感技術對區域作物種植結構進行目視解譯與監督分類來計算，由計算機軟件自我學習、判斷確定;Ii為第i旬的灌溉水量。

　　應用管理平臺根據接收到的灌溉預報，由灌溉管理軟件生成相應的灌溉策略，所述灌溉策略通過遠程傳輸至數據采集控制器，再通過LoRa傳輸模塊傳輸至控制終端模塊，并且同時將灌溉策略發送至用戶終端，用戶可在PC端與手機端同時查看;控制終端模塊根據接收到的命令，打開或關閉水泵與電磁閥。

　　灌溉管理軟件不僅可以根據智能感知平臺采集到的數據通過灌溉用水需求模型自動生成灌溉策略，也可以通過用戶終端人工制定灌溉策略;所述人工制定灌溉策略包括水泵與電磁閥打開時間、開啟個數與灌水量。

　　本發明的智能感知平臺通過土壤墑情傳感器、土壤溫度傳感器、水位傳感器采集墑情、溫度和水位信息，氣象環境傳感器采集現場的氣象環境信息，由數據采集控制器控制土壤墑情傳感器、土壤溫度傳感器、水位傳感器和氣象環境傳感器進行信息的采集，采集到的信息通過LoRa傳輸模塊傳輸至數據采集控制器。通過無線傳輸平臺的GPRS網絡、4G網絡等將信息發送給云數據中心的云服務器，云數據中心根據采集到的信息和預設的灌溉用水需求模型生成作物需水預報和灌溉預報，并傳輸給灌溉管理軟件，由灌溉管理軟件生成相應的灌溉策略，由智能終端控制灌溉管理軟件根據灌溉策略打開或關閉電磁閥，通過電磁閥的打開或關閉控制水泵的澆灌。

　　如圖2-圖8所示，在一個實施例中，控制終端模塊采用無線閥門控制器。無線閥門控制器包括控制器殼體1、太陽能電池板2、天線3和支架4，控制器殼體1上設置有天線3、支架4和太陽能電池板2，控制器殼體1內設置有鋰電池、升壓模塊、儲能電路、閥門控制繼電器、DC-DC模塊、MCU和LoRa無線通信模塊，太陽能電池板2與鋰電池電連接，為所述鋰電池充電;鋰電池分別與升壓模塊和DC-DC模塊電連接，為升壓模塊和DC-DC模塊供電;升壓模塊、儲能電路、閥門控制繼電器依次電連接，閥門控制繼電器、LoRa無線通信模塊均與所述MCU電連接;天線3與LoRa無線通信模塊連接。支架4上設置有連接脈沖閥的接線孔5，支架為圓柱體金屬支架，在支架上設置有防腐涂層。

　　如圖4所示，MCU為STM8L152C8T6芯片。如圖7、圖8所示，閥門控制繼電器包括1路脈沖閥電路和2路脈沖閥電路。1路脈沖閥電路包括電容C16、二極管D5、繼電器S1、電阻R15、R13、三極管Q2、電阻R17、電阻R19、三極管Q4、二極管D7、D9、D11、繼電器S3，電容C16的陰極接地、陽極接二極管D5的負極，電容C16、二極管D5的負極和繼電器S1的線圈共同接12V電壓，二極管D5的正極、繼電器S1共同連接到三極管Q2的集電極上，電阻R15一端接地，另一端與電阻R13共同連接到三極管Q2的基極，電阻R13另一端接MCU的H2+信號線，三極管Q2的發射極接地。二極管D7的正極接地，負極接繼電器S1的常閉開關，繼電器S1的常閉開關接地;繼電器S1的常開開關接12V電壓。二極管D9的正極接地，負極接繼電器S3的常閉開關，繼電器S3的常閉開關接地，常開開關接12V電壓。二極管D11的負極與繼電器S1的線圈共同連接至12V電壓，二極管D11與繼電器S1并聯，二極管D11的正極接三極管Q4的集電極，三極管Q4的發射極接地，基極分別連接電阻R17、R19的一端，電阻R17的另一端接MCU的H2-信號端，電阻R19的另一端接地。

　　2路脈沖閥電路包括二極管D6、繼電器S2、電阻R14、R16、三極管Q3、電阻R18、電阻R20、三極管Q5、二極管D8、D10、D12、繼電器S4。電阻R14一端連接H1+信號端，另一端分別連接電阻R16的一端和三極管Q3的基極，電阻R16另一端和三極管Q3的發射極接地。三極管Q3的集電極與繼電器S2的線圈連接，二極管D6與繼電器S2并聯，二極管D6的負極接12V電壓，繼電器S2的常開開關接12V電壓，常閉開關分別接地和二極管D8的負極，二極管D8的正極接地。二極管D12與繼電器S4并聯，二極管D12的負極接12V電壓，二極管D12的正極接三極管Q5的集電極，三極管Q5的發射極接地，基極分別接電阻R18和R20的一端，電阻R18的另一端接H1-信號端，電阻R20的另一端接地。繼電器S4的常開開關接12V電壓，常閉開關接地。電阻D10的負極接繼電器S4的常閉開關，正極接地。

　　無線閥門控制器的LoRa無線通信模塊將接收到的信號解析后送MCU，MCU處理后下發開或關閥的指令，這時候后面的升壓、儲能、繼電器等電路協同工作發出正/反向的脈沖從而控制脈沖閥工作。在正常工作狀態下，用戶可根據環境監測數據通過控制中心下發控制命令，由無線閥門控制器控制閥門的打開和關閉，當無線閥門控制器在成功執行完控制命令后會返回閥門的工作狀態，若控制中心在10秒左右沒有接收到設備的返回命令，則說明命令未能成功執行，這時可再次下發命令。無線閥門控制器在正常狀態下會通過LoRa無線通信模塊定時上傳實時環境數據和閥門狀態。

　　本發明大大優化了現有灌溉系統架構，極大節省了硬件成本的投入，在每個灌溉節點設置對應的電磁閥，通過水泵的入口處的電磁閥實現智能灌溉。通過氣象環境傳感器對現場數據采集，制定系統科學的灌溉方案。通過將現場各傳感器采集到的數據以及灌溉狀態上傳到互聯網平臺，可以實時遠程監控運行狀態。根據采集到的數據通過灌溉用水需求模型，生成作物需水預報和灌溉預報，判斷是否進行灌溉，以及計算灌溉強度是多大。本發明的灌溉預報包括灌溉啟動時間，灌溉時間，灌溉次數，水量等。

　　本發明的整個灌溉控制過程在應用管理平臺上通過移動終端上的灌溉管理軟件進行遠程控制，通過無線方式遠程對電磁閥和數據采集控制器進行控制，利用無線傳輸平臺在云服務器上進行數據交互。本發明實現了對田間氣象參數和灌溉參數的實時采集。

　　以上所述僅為本發明的較佳實施例，并不用以限制本發明，凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護范圍之內。