白秋产

摘要： 针对基于物联网的智能灌溉系统对灌溉水量计算精度不足的问题，提出一种基于物联网的智能农田灌溉系统。综合考虑土壤的湿度与温度、空气的湿度与温度、风速、光照时间等环境因素，此外也考虑雨水、土壤中根区域的水量、作物蒸发量以及通过毛细上升到达作物根部的地下水量等自然补水因素，并利用自然环境的历史数据，进一步提高灌溉水量的预测精度。物联网使用高能效的无线传感器网络协议，使网络的生命期最大化。真实的农田试验结果表明，本系统可有效地降低农田灌溉的用水量，并且在传感器网络的周期与灌溉水量之间达到较好的平衡。

关键词： 智能农业；智能灌溉系统；灌溉水量；物联网；环境因素；预测精度；传感器网络；路由协议；网络生命期

中图分类号： S277.9；S126 文献标志码： A

文章编号：1002-1302（2017）22-0247-05

农业是社会经济的支柱性产业，尤其是农村地区对农业经济的依赖度极高[1]。据分析[2]，世界上约有60%的水资源用于农作物灌溉，所以提高灌溉水资源利用效率可极大地降低农业生产的成本，高效的智能灌溉系统是农业工程领域的一个重点。

许多研究人员利用物联网采集农田环境、土壤的参数，根据指定的环境调节灌溉的供水量与灌溉时间[3]。将物联网与农业生产结合，主要有以下几个优点：（1）基于可用的水供应制定农田的灌溉计划[4]；（2）最小化人力成本、管理成本与时间[5]；（3）提前预测水涝等自然灾害，通过适当地抽水防止农田被破坏；（4）协调农业生产的各个环节；（5）基于传感器网络建立知识库，用于對未来的预测[6]。王连胜等根据物联网的基本原理和体系结构，提出基于物联网的现代农业节水灌溉网络体系[7]；安进强等通过ZigBee网络实现园区土壤墒情信息的共享，根据采集到的土壤墒情信息制定灌溉决策[8]。虽然许多研究通过物联网技术实现了农田自动灌溉系统，但此类方案考虑的环境因素并不全面，对灌溉用水量的预测也并不精准。

为对农田灌溉水量实现精准的预测效果，应当全面考虑土壤、空气环境与当地的气候条件。本研究基于无线传感器网络 （wireless sensor network，简称WSN）[9]设计一个集成的系统，综合考虑土壤的湿度与温度、空气的湿度与温度、风速与光照时间等环境因素，此外也考虑雨水、土壤中根区域的水量、作物蒸发量以及通过毛细上升[10]到达作物根部的地下水量等自然补水因素，并且利用自然环境的历史数据，进一步提高灌溉水量的预测精度。本系统实现自动的灌溉系统，根据自然环境的变化调节灌溉的用水量与时间，提高灌溉的水资源利用率。

1 总体架构

本系统根据环境、气候参数（湿度、温度、风力），并将历史与当前的气候状态进行比较，综合计算农田所需的灌溉水量。例如，如果当前的气温降低，则植物所需的水量应减少。本模型的复杂度为2n+n，其中n是簇内节点的数量。

自动灌溉管理系统的试验田如图1所示，4个相邻的农田种植了不同的作物。智能灌溉管理系统包含2个子系统：第1个子系统使用WSN从田地采集数据，如图2-a所示；第2个子系统根据感应的信息进行决策，智能控制系统的流程如图2-b所示。

WSN的传感器主要检测6个环境参数：土壤的湿度与温度、空气的湿度与温度、风速与光照时间段。每个传感器放置于田地中合适的位置，将采集的环境信息传递至基站。田地中传感器周期性检测气候状态与土壤状态通过无线网络将数据传递至基站。因为传感器使用电池供电，所以能量效率是一个重要的性能指标，并设置专门的传感器检测农田的水位。根据不同的农田（不同的作物）与环境（不同的光照、温度、纬度等）配置监控系统的参数，然后基于传感器网络采集的环境信息进行智能灌溉系统的控制决策。

本系统使用路由协议组织分层的传感器网络，传感器节点随机分布于感兴趣的区域内，基站位于远距离的检测中心。基站使用交流电源供电，所以能量充沛。

为提高农业生产效率，须将灌溉的水量最小化，本系统则基于传感器采集的信息估算农田所需的水量。为提高水量的估计准确率，将历史数据与当前数据进行比较，从而达到最优的决策。

影响地表径流的因素主要有2个：气候环境（降水量、湿度、风速、蒸发量）与植被的类型。灌溉系统的一个重要参数是作物生长季的土壤湿度，此外是地下水的水量信息，可通过毛细上升被植物利用。

为实现对目标田地灌溉水量的决策，须要加上雨水水量（Pe，kg/m2）、土壤中根区域的水量（SM，kg/m2）、[KG*5]作物蒸散量

[ETc， kg/（m2·d）]以及通过毛细上升到达作物根部的地下水量（GW，kg/m2）。如果土壤是黏性的，水分可直接升高到地面，但毛细上升速度很慢；如果土壤是轻土壤，其毛细上升高度极为有限，但速度较快。如果毛细上升的速度足以满足植被的水量需求，则作物会稳定地生长，并满足下式：

4 总结

本研究使用WSN设计智能的农田灌溉系统，自动灌溉系统使用路由协议ECHERP，该协议可获得较好的能量效率。本系统可根据不同应用场景的环境参数与作物类型，设置最为有效的灌溉管理机制，通过设置合适的传感器协议的周期，

可在传感器网络生命期与农田灌溉水量之间实现较好的平衡。

参考文献：

[1] 王 成，费智慧，叶琴丽，等. 基于共生理论的村域尺度下农村居民点空间重构策略与实现[J]. 农业工程学报，2014，30（3）：205-214.

[2]李合青，来智勇，张 鑫. 基于 ZigBee 的温室智能灌溉执行子系统的设计与实现[J]. 农机化研究，2014（1）：95-98.

[3]葛文杰，赵春江. 农业物联网研究与应用现状及发展对策研究[J]. 农业机械学报，2014，45（7）：222-230.

[4]张俊涛，李 媛，陈晓莉. 基于无线传感网络的果树精准灌溉系统[J]. 农机化研究，2014（2）：183-187.

[5]王福平，冯盼盼. 基于GPRS和ZigBee的智能灌溉监控系统的设计[J]. 江苏农业科学，2014，42（12）：404-406.

[6]郭国法，许 萌，张开生. 基于ZigBee无线传感器网络的智能节水灌溉系统设计[J]. 江苏农业科学，2015，43（11）：513-518.

[7]王连胜，夏冬艳，汪 源，等. 基于物联网的现代农业节水灌溉研究[J]. 科学技术与工程，2011，11（30）：7393-7396.

[8]安进强，魏 凯，王立乾，等. 基于物联网的精确灌溉控制技术研究[J]. 西北农林科技大学学报（自然科学版），2013，41（12）：220-226.

[9]蔡 镔，马玉芳，赵振华，等. 基于无线传感器网络的温室生态智能监控系统研究[J]. 河南农业大学学报，2014，48（2）：167-171.

[10] 杜红普，刘 波，王华军，等. 基于土水特征曲线预测多孔介质毛细上升过程[J]. 工程地质学报，2013，21（3）：345-350.

[11]Vercauteren N，Bou-Zeid E，Huwald H，et al. Estimation of wet surface evaporation from sensible heat flux measurements[J]. Water Resources Research，2009，45（6）：735-742.

[12]Ishengoma F R. A novel design of IEEE 802.15.4 and solar based autonomous water quality monitoring prototype using ECHERP[J]. Eprint Arxiv，2014，2（1）：24-36.endprint