高明秀，张 治，赵庚星，李俊翰



基于WebGIS的农田水肥盐碱监测与调控管理系统

高明秀1,2，张 治3，赵庚星1,2※，李俊翰1,2

（1.山东农业大学资源与环境学院，泰安 271018；2.土肥资源高效利用国家工程实验室，泰安 271018；3.武汉大学测绘遥感信息工程国家重点实验室，武汉 430072）

监测水肥盐碱动态变化信息，分析诊断提出调控方案，提升盐碱农田生产管理水平。该文基于WebGIS平台、利用Silverlight与WCF技术研发盐碱农田水肥盐碱监测管理系统，基于统计学原理和作物水肥盐碱平衡与胁迫响应原理，构建了特征分析、诊断预警和调控决策3类15个模型，并进行系统集成应用。结果表明，系统融合数据采集、数据管理、统计分析、诊断预警、调控决策技术与实施管理措施形成了“六位一体”的全过程优化管理体系；模型数据处理分析结果科学有效，系统应用决策方案符合实际。在无棣县盐碱农田应用表明，管理方案有效缓解了水盐限制，促进了土壤肥力趋稳均衡，投入产出效益和生产决策效率明显提升；2014—2016年综合节水率达31.02%，氮磷钾节肥率分别达28.69%～63.14%、10.07%～67.98%、97.98%～100%，小麦玉米增产率接近预期。研究有助于利用信息技术手段推进盐碱农田水肥盐碱动态规律的探索和田间精准管理水平的提升。

监测；信息系统；管理；盐碱地；WebGIS；诊断预警；调控管理

0 引 言

精准农业是现代农业发展的方向，农田信息的快速采集、有序管理和科学分析是精准农业实现的重要基础和前提条件，因此构建农田信息监测和管理系统成为国内外精准农业研究的重要方向之一[1-3]。在国外，发达国家精准农业以信息采集为基础、以信息管理为纽带，促进了农业资源合理利用、节本增效和农业可持续发展[3-4]。在国内，农田信息管理系统研究也是近年来的持续热点，将3S技术与网络通信技术等结合起来进行土壤温度、水分、养分及农田作业的管理。冀荣华等[5]基于ZigBee无线传感器网络，运用嵌入式GIS远程管理田块基础数据。许鑫等[6]基于WebGIS开发小麦精准施肥决策系统，根据田块采样数据，利用空间插值技术生成精准施肥处方图。杜克明等[7]利用物联网监测点数据与基于WebGIS的面空间数据融合分析，提高了作物长势与灾害的综合诊断能力。夏于等[8]设计了基于物联网技术的小麦苗情远程诊断管理系统，实现监测、诊断、综合分析并提出管理方案。基于北斗卫星定位和网络信息技术，刘阳春等[9]建立了一种深松作业远程管理系统，隋铭明等[10]设计了秸秆机械化还田作业精准管理系统。鉴于气象因子传感器可靠性较强，农田小气候监测较为成熟[11]，但土壤养分监测管理成本高、难度大，仍存在较大难题[2,4]。总体而言，由于国内研究时间短、投入少、效果还十分有限[1,11]，农田信息管理系统试验或验证性研究较多[1,12]，或仅限于墒情等单一方面[13-14]，或偏重于数据的采集、处理和传输等方面[15-17]，直接面向基层应用（农业企业、家庭农场、种粮大户等）的较少，多种数据来源、作物生产关键因子多因素综合（水、肥、盐、碱等）监测与管理的成熟系统也不多见。同时，由于中国区域条件差异大，农业生产条件、种植方式、作物需求等千差万别，农田信息管理体现出明显的区域性和作物针对性[1]，这就要求农田信息监测和管理系统的研发必须结合区域特点和作物需求以满足应用。

环渤海低平原区是指渤海沿岸海拔低于20 m的低平原区，位于华北平原东部，属于黄淮海平原的一部分，由黄河、海河、滦河、辽河等河流冲积而成，主要涉及山东、河北、天津、辽宁三省一市，是重要的粮棉、果蔬产区[18]。近年来，该区在新增500×108kg粮食生产能力规划、盐碱地治理、渤海粮仓科技示范工程等国家战略推动下，成为农业开发热点区域，农业企业、家庭农场、种粮大户等发展迅速。但是，该区淡水资源匮乏、土壤瘠薄盐碱问题突出，农业生产效率和效益较低[18-19]。该文面向盐碱农田生产精准化、自动化发展需求，针对土壤水、肥、盐、碱等影响作物生长的关键因子时空变幅大、变动特征难把握的现实，设计开发基于WebGIS技术、Silverlight 5与WCF技术[20-21]的盐碱农田水肥盐碱监测与管理系统，构建集成分析决策模型，通过及时、准确的信息监测、分析和模块化决策、可视化呈现，以期为用户提供农田信息监测分析、诊断预警和调控决策的有效工具。

1 监测管理系统设计

1.1 总体架构

基于WebGIS服务，系统采用3层B/S（Browser/ Server，浏览器/服务器模式）架构：数据层、功能层和应用层（图1）。数据层用于数据存储和管理维护，使用SQL Sever数据库存储农田属性数据，使用文件地理数据库管理空间数据。功能层通过ADO.NET（Active Data Objects.NET）和ArcSDE实现对属性数据库和空间数据库的访问和调用，集成构建的系列模型，实现监测分析和决策运算；应用层通过浏览器提供可视化互动界面，实现信息查询、数据分析、结果呈现等人机交互功能。

1.2 功能结构

系统功能主要包括数据管理、信息查询、数据分析、结果呈现、用户管理5个子模块。（1）数据管理模块对盐碱农田各类属性数据和空间数据进行组织管理，并提供录入/导入、修改等相关数据操作。（2）信息查询模块为系统用户提供基于空间（地图）位置的田块空间数据、属性数据的查询，或根据条件筛选查询监测信息。（3）数据分析模块通过构建和集成监测分析模型，实现监测数据的描述性统计分析、诊断预警、调控决策数据运算和方案生成等。（4）结果呈现模块对信息查询和数据分析的结果进行可视化呈现。（5）用户管理模块通过不同用户权限和行为管理，实现系统正常运行并维护系统安全。

图1 系统总体架构图

1.3 数据库

系统数据库包括属性数据库和空间数据库。空间数据库主要存储各级行政区划图、案例区的农田地块图、监测点位图等图件等；属性数据包括案例区土地利用概况数据、物联网自动监测和人工监测的土壤水肥盐碱数据等。属性数据和空间数据通过ArcGIS字段绑定功能实现相互关联。

2 分析决策模型构建

监测分析决策模型主要包括基本特征模型、诊断预警模型和调控决策模型3类。

2.1 基本特征模型

基于统计学原理建立包括最低值、最高值、平均值、中间值、标准差和变异系数等统计量的盐碱农田基本特征模型（表1），通过系统运算给出反映农田水肥盐碱总体状况、分布状态、均匀、离散及变异程度的系列统计结果，帮助用户掌握农田总体特征和地块差异，为采取差别化管理措施奠定基础。

2.2 诊断预警模型

基于水肥盐碱平衡原理、作物养分需求及对水盐胁迫响应原理，构建诊断预警模型，划分预警等级、确定预警阈值。

2.2.1墒情诊断预警模型

土壤墒情诊断标准尚不统一，参照传统墒情判断方法、农业部[22]和水利部[23]墒情指标，根据土壤特性、作物需水规律及旱涝胁迫特性，构建基于土壤质量含水量（θ）的墒情诊断预警模型：

式中Y为根据土壤含水量θ（%）阈值确定的预警等级，分（渍涝）、（饱墒）、（适墒）、（黄墒）、（干旱）五级。当θ<时给出干旱预警；当≤θ时给出渍涝预警，根据土壤田间最大持水量（%）确定。传感器测得结果为体积含水量θ（%），采用关系式θ=θ/ρ×100%换算为质量含水量。土壤容重ρ（g/cm3）通过试验测得。阈值间断点、、、取值因土壤性质、作物种类而异，这里参考上述标准中小麦玉米墒情阈值[22-24]并根据研究区情况调整后分别赋值12%、15%、18.5%、30%。

表1 盐碱农田基本特征模型及其含义和作用

2.2.2 盐分诊断预警模型

土壤盐渍化一般根据土壤含盐量（g/kg）区间分为非盐渍化（0.0，1.0）、轻度[1.0，2.0）、中度[2.0，4.0）、重度[4.0，6.0）、盐土[6.0，∞）5级[26]。但该标准对作物耐盐性而言存在不足，因而本文根据作物对土壤盐分胁迫的响应范围，确定盐分预警值和预警等级，构建诊断预警模型：

式中Y为土壤含盐量预警等级，分（严重）、（重度）、（中度）、（轻度）四级，、、为预警值。综合小麦、玉米对土壤盐分胁迫的响应情况，结合近年渤海粮仓相关研究成果[27-30]，本文将预警值分别设定为=2、=3、=4。

2.2.3 酸碱诊断预警模型

土壤酸性或碱性过强，都会影响作物生长。土壤酸碱度预警模型为：

式中Y为土壤酸碱度诊断预警等级，分（严重）、（重度）、（中度）、（适宜）四级。、、、为各等级阈值间断点，根据土壤特性和作物生长适宜范围确定；本文根据小麦玉米适宜pH值范围，分别确定为6.5、7.5、8.5、9.0[26-27]，即6.5～7.5为适宜等级，7.5～8.5中等碱性、中度预警，8.5～9强碱性、重度预警，大于9极强碱性、严重预警。

2.2.4 养分丰缺诊断模型

土壤养分丰缺采用分级比较法进行诊断，对于某养分（如有机质、速效氮、有效磷、速效钾）数据集=｛1，2，…，X｝，根据以下模型诊断

式中Y为土壤养分丰缺等级，分（高）、（丰）、（中）、（低）、（极低）五级。X为土壤养分含量值。、、、为养分丰缺分级标准的区间断点数值，可根据全国及省级测土配方施肥技术标准相关养分分级标准结合实际情况确定，本文参照全国第二次土壤普查[26-27,31]和山东省土肥站土壤养分分级标准确定；=1,2,…,。

2.3 调控决策模型

在诊断预警基础上，构建水肥盐碱调控模型，根据土壤水、肥、盐、碱实际情况和作物生长发育需求，给出管理决策方案。

2.3.1 水盐调控决策模型

鉴于滨海盐碱地地下水埋深小、矿化度高、短期根治难度大、不经济的现实，水盐调控基于土壤水盐平衡原理、节水灌溉控盐促生去盐理念，水盐调控统筹兼顾，建立如下灌排决策方案模型

式中P为水盐调控方案，P为灌溉方案，P为排涝方案，Y为墒情预警等级，Y为土壤盐分预警等级。当Y=，即θ<，或Y=，，，即≤θ时提出灌溉方案，结合天气预测未来3天无降水时开始灌溉；鉴于淹水持续1天即对小麦生长发育产生显著影响[25]，因此当Y=时提出排涝方案，持续超24 h时作出决策开始排水，当Y=时停止。

鉴于盐碱农田水资源紧张，基于水盐关系原理，将水分和盐分调控综合考虑，以满足作物水分需求、充分调盐和节约用水为原则，在土壤水盐调控中同时考虑灌溉和调盐两方面需求，借鉴盐碱地冲洗定额模型[32]，设定水盐调控用水量系数计算模型为

式中为水盐调控用水量系数，即单位面积水盐调控所需用水量，m3/hm2；1为使耕层土壤含水量达到田间持水量时所需灌水量系数，m3/hm2；2为耕层土壤含水量达到田间持水量时起至耕层土壤含盐量达到允许含盐量时段内起调盐作用的部分灌水量系数，m3/hm2，即“调盐水量”；为调控期间蒸发损失的水量，m3/hm2；为调控期间的降水量，m3/hm2；为调控时非毛管孔隙下渗损失水量，m3/hm2；为耕层土壤中对盐分起淋洗作用的凝结水量，m3/hm2。

灌溉一般在无降水时进行，且灌溉时间很短，因而蒸发损失水量、降水量可以忽略。耕层中通过非毛管孔隙下渗损失水量和对盐分起淋洗作用的凝结水量均较小，也忽略。上式简化为：

式中为耕层土壤厚度，m；θ为耕层土壤田间持水量（干土质量%）；0为灌水前耕层土壤自然含水量（干土质量%）；ρ为耕层土壤干容重，kg/m3。

式中S为调盐前耕层土壤含盐量，g/kg；S为灌水调盐后耕层土壤的目标含盐量，g/kg；小麦、玉米为0.2%，取0.4 m。

根据式（6）～式（9），当土壤含盐量在允许范围内时，2=0，这时用水量系数=1即为无盐分威胁时的灌溉水量系数；当2>0时，总用水量系数包括1和2两部分，调水调盐同时进行。

农田水盐调控用水量计算模型为

式中F为农田灌水总量，m3；F为田块水盐调控所需灌水量，m3；S为田块面积，hm2；w为该田块水盐调控用水量系数；=1，2，…，。

2.3.2 酸碱调控决策模型

土壤酸碱度影响因素异常复杂，尚无定量调控方法。构建定量分段法调控决策模型如下

式中P为土壤酸碱度调控方案，Y为土壤酸碱度诊断预警等级；当Y=（即6.5≤pH值<7.5）时，给出方案1：土壤酸碱度适宜，不需调控；当Y=（即7.5≤pH值<8.5）、Y=（即8.5≤pH值<9）、Y=（即9

2.3.3 养分调控决策模型

土壤养分调控通过分区控制施肥量实现。根据土壤养分含量和作物养分需求量确定监测点肥料需求量计算模型；基于空间插值方法确定养分分区变量调控处方模型。

1）施肥量计算模型：监测点施肥量计算采用基于养分平衡施肥理论得到的施肥量模型

式中F为某种肥料的需要量，kg/hm2；为作物预期产量，kg/hm2，可参照前3 a平均单产和年均增产率为基础确定；N为百千克经济产量养分吸收量，kg；S为土壤养分测定值，mg/kg；2.25为土壤耕层养分测定值换算成1 hm2土壤养分含量的系数；R为土壤养分利用率，%；F为肥料养分含量，%；R为肥料当季利用率，%。

2）养分分区变量调控处方模型：精准施肥方案最终落实到地块，以分区变量施肥处方图形式呈现。分区变量施肥处方图采用反距离权重插值（IDW）模型[33]生成：

式中d2=(−X)2+(−Y)2；X，Y，Z分别为监测点坐标和肥料施用量值，=1,2,…,。

3 系统实现与应用

3.1 系统实现与部署

系统开发以Window Server 2008、ArcGIS Server、SQL Server 2008、IIS服务器等为平台，后台应用面向对象的C#语言进行编译，前台界面框架采用可扩展应用程序标记语言XAML作为RIA（Rich Internet applications）客户端开发技术。在构建属性与空间一体化数据库基础上，实现了数据的交互与共享，利用ArcGIS API for Silverlight技术，将空间分析功能整合到分析决策模块；采用REST（Representational state transfer）服务将监测分析模型封装成独立的REST服务接口，访问ArcGIS Server发布的地图数据及地理处理服务，简化了属性数据与空间数据同步更新与维护[20-21]。

系统部署于学校提供的服务器空间，将全国、山东省和无棣县行政区划图、企业农田地块图、人工和物联网监测点位图等导入空间数据库，将物联网自动采集和人工采集分析获取的农田地块土地利用、土壤水肥盐碱等导入属性数据库。本着总体均匀、全部覆盖原则，在案例区无棣县柳堡镇大面积盐碱农田依据土地初始条件（质地、含盐量、pH值、地下水埋深及养分等）差异疏密有致地部署24套“神农物联”自动采集设备[34]；在农田内部道路分隔形成的每个管理地块中各设置1个定位采样点，共35个人工样点（图2a）。

3.2 数据采集与处理

物联网每天自动采集土壤耕层含水量、pH值、电导率及地下水矿化度和气象数据；人工每隔30 d左右（封冻时除外，且根据降雨、灌溉微调）利用便携式EC110盐分计、ML3土壤水分温度速测仪和原位pH测定仪现场采集一次土壤含水量、含盐量、pH值，小麦、玉米种植前采集耕层土样，化验获取土壤养分等数据。根据传感器所测土壤数据与实验室分析数据相关关系对速测数据进行校正处理[28]。

3.3 调控体系及应用

以系统为核心，数据层、功能层和应用层协同，优化集成数据采集、数据管理、统计分析、诊断预警、调控决策技术和调控管理措施形成“六位一体”的全过程优化管理体系。其中，数据采集形成“物联网自动采集+人工采集”的并行互补方式，实现相互校验和精度保证；数据存储管理实现属性数据、空间数据统一、有序管理；统计分析、诊断预警、调控决策通过融合点数据监测和空间分析方法、可视化技术，实现模型化、标准化和可视化交互。

应用操作实现了面向用户的田块属性信息条件查询、数据时空动态分析、诊断预警和调控决策可视化管理、简易化操作。用户可通过鼠标点选、条件查询方式激发信息查询；通过兴趣时点选择或空间分析，激发特征统计分析或面状插值预测；系统通过图表给出监测结果和预警信号（图2b、2c）；根据水肥盐含量输入给出田块水盐统筹平衡调控灌水量和养分平衡调控补充量，并基于相应的空间预测模型，给出分区变量灌溉、养分调控方案（图2d）。

图2 系统部署与应用

4 应用结果与效果分析

4.1 应用结果分析

系统应用中，数据采集及时、校验传输顺畅，特征分析结果可靠，诊断预警信号和调控决策方案科学有效，取得良好的应用效果。

4.1.1 水肥盐碱基本特征

综合分析2014年1月至2016年12月的33期土壤含水量、含盐量和6期土壤pH值与养分有效数据，将研究区35个地块从南北、东西方向各分为3个区，分析土壤水肥盐碱时空特征（图3）。

1）土壤水盐特征：①各地块土壤含水量1.77%～39.45%，各期含水量5.95%～32.48%，不同地块不同时期差异较大；3a来有下降趋势，干旱特征日益明显，42.42%的时间未达适墒。每年有“两高两低”现象（图3a）：高点一般在7－8月和11月底至次年1月；低点一般在3月底4月初和5月底6月初。空间变异中等（：11%～58%），从南向北、从西向东升高（图3d）。②土壤含盐量0.55～22.10 g/kg，各期含盐量1.64～4.02 g/kg，总体为中度盐渍化，符合“春高夏低秋升冬潜伏”规律，3a来有降低趋势（图3b）。空间变异中等（：13%～92%），北高南低、东高西低（图3d）。③pH值7.28～8.88，各期平均值7.99～8.46，中等至强碱性。3a来有升高趋势（图3c，2=0.939）。空间变异弱（：1%～4%），北高南低、东高西低（图3d）。

2）土壤养分特征：①各地块有机质10.65～27.69g/kg，差异较大，各期平均值14.88～16.79 g/kg，3a来逐年增长但仍处中等水平（图3e，R²=0.9157）。空间变异中等（：9%～21%），从南向北、自西向东降低（图3d）。②各地块速效氮20.51～139.77 mg/kg，各期平均值44.96～83.87 mg/kg，总体中等至偏低水平。3a来先升后降（图3f）。空间变异中等（：17%～38%），从南向北、从西向东递减（图3d）。③各地块有效磷4.24～98.00 mg/kg，各期平均值23.59～41.16 mg/kg，总体处中等水平、先升后降特征（图3g）。空间变异中等（：27%～59%），南高中低北居中，西高东低（图3d）。④速效钾125.00～573.51 mg/kg，各期平均值195.43～410.04 mg/kg，总体处非常高的水平。3 a来呈下降趋势（图3h），受施肥量突变影响，2较小。空间变异中等（：15%～28%），从南向北、从东向西减少（图3d）。

图3 土壤水肥盐碱特征

4.1.2 水肥盐碱预警结果

3a诊断预警统计结果见表2～表5。（1）3a中，适墒饱墒合计点位占比、面积占比（下同）分别为49.53%和49.36，干旱分别高达30.30%和30.24%，黄墒分别为17.58%和17.68%，渍涝占比不高分别为2.60%和2.73%；（2）含盐量预警严重分别为12.21%和12.74%，重度分别为22.94%和22.75%，两者合计均超1/3，中度高达44.94%和44.31%，轻度仅为19.91%和20.20%；酸碱度预警以中度为主，分别为83.33%和83.33%，重度分别为15.24%和14.92%，适宜仅为0.71%和0.81%；预警占比有重度增长、中度下降趋势。（3）养分预警，有机质以中等为主，占比分别为92.86%、94.19%，丰等分别为7.14%和5.81%，没有高、低和极低预警。速效氮以中、低等级为主，二者合计占比84.29%和84.03%，高、丰2级不足10%，尚有超过5%的极低预警。有效磷以中等为主，占比61.43%和62.81%，高、丰2级合计30%左右，有6%以上处于低和极低级。速效钾以高等级占绝对优势（97.14%和96.88），丰级不足3%，没有中、低和极低预警。

表2 土壤墒情诊断预警结果

表3 土壤含盐量诊断预警结果

表4 土壤酸碱度诊断预警结果

表5 土壤养分诊断预警结果

注：表中土壤养分等级参照全国第二次土壤普查养分分级标准确定，区间从E至A依次为，有机质：（0，6）、[6，10）、[10，20）、[20，30）、[30，∞）；速效氮：（0，30）、[30，60）、[60，90）、[90，120）、[120，∞）；有效磷：（0，5）、[5，15）、[15，30）、[30，40）、[40，∞）；速效钾：（0，40）、[40，75）、[75，120）、[120，150）、[150，∞）；式（4）中a、b、c、d分别取对应值。

Note: The level of soil nutrients in the table is determined by the National Second Soil Census nutrient classification standards, and the interval from E to A is in turn, organic matter: (0, 6), [6, 10), [10, 20), [20 30), [30, ∞）; available nitrogen: (0, 30), [30, 60), [60, 90), [90,120), [120, ∞); available phosph: (0, 5), [5, 15), [15, 30), [30, 40), [40, ∞); available potassium: (0, 40), [40, 75), [75, 120), [120, 150), [150, ∞); and the corresponding values of a, b, c and d, are taken respectively in the formula (4).

4.1.3 水肥盐碱调控决策方案

根据监测预警结果和调控决策模型，分别提出基于监测点、地块的定量化水盐一体调控、酸碱度分段调控、养分变量调控方案和基于空间插值的分区变量调控处方图。

1）土壤水盐调控：根据式（5）～式（10），运算得出各地块单位面积灌溉水量、调盐水量和实际应灌水量。排涝方案按式（5）确定排水起止点，不计算水量。汇总各年小麦-玉米2季作物水盐调控决策方案结果见表6。3 a中，单位面积灌溉水量分别为1 290.04、787.21和1 052.73 m3/hm2，当年实际应灌水总量分别为3 482 194.40、2 124 898.68和2 841 616.87 m3，均呈先降后升、总体下降特征。

2）土壤酸碱调控：根据式（11），作出酸碱度调控方案，4避免施用碱性肥料；3施石膏（硫酸钙）或硫酸亚铁225 kg/hm2，或硫磺粉150 kg/hm2；2施石膏（硫酸钙）或硫酸亚铁375 kg/hm2，或硫磺粉300 kg/hm2；1施石膏（硫酸钙）或硫酸亚铁500 kg/hm2，或施用硫磺粉450 kg/hm2。石膏、硫酸亚铁和硫磺粉地表撒施旋耕入土。

3）土壤养分调控：根据式（12）～式（13），养分调控以尿素、过磷酸钙、硫酸钾为例（N、P2O5、K2O含量分别为46%、12%、50%），肥料当年利用率分别按65%、20%、50%，土壤养分利用率分别按50%、80%、50%计。每100 kg籽粒需N、P2O5、K2O量（kg）小麦分别按2.95、1.15、3.05，玉米分别按2.57、0.86、2.14计，2014－2016年增产率小麦分别以10%、10%、5%计、玉米以5%计，调控方案汇总结果如表7。从单位面积施用量看，氮肥呈先降后升（尿素玉米施用量从369.64降至268.23又升至427.86 kg/hm2，小麦施用量从307.22降至276.44又升至381.39 kg/hm2），磷肥总体上升（过磷酸钙玉米施用量从489.64升至625.78 kg/hm2，小麦施用量从867.32升至1 348.91 kg/hm2），钾肥几乎不需补充。

表6 土壤水盐调控方案统计

表7 土壤养分调控方案统计

4.2 应用效果分析

4.2.1 水盐限制变化

3 a来，案例区土壤含水量全年平均从16.21%降至14.61%，饱墒、适墒和黄墒占比有所下降，干旱占比有所增长（表2），限于水源匮乏，无论从时间还是空间上缺水干旱限制仍然严峻，但亦需注意关键时期（如7－8月）可能因降水集中引发渍涝。土壤含盐量总体呈下降趋势，3 a共降低0.40 g/kg，脱盐率达12.86%，各期同比也有明显下降（图3b）；盐分预警呈严重和重度下降、中度和轻度上升趋势（表3），反映出综合调控措施所起的作用。总体来看，在水源匮乏的情况下，土壤水盐限制得到一定程度的缓解。

4.2.2 土壤肥力变动

由表5、图3可见，3 a来，研究区土壤有机质总体增长9.59%，中等占比略降而丰等略升；速效氮先升后降、总体升高1.87%，低等预警有所减少，中、丰等级有所增长；有效磷总体升高2.89%，高、丰等级有所增长，中和极低等级有所减少；速效钾总体上虽有所降低（−24.62%），高等级有所减少，但丰等级占比有所增长（6.27%），仍处于较高水平。3 a来，案例区土壤虽然仍体现着“贫磷少氮富钾”的特点，但在连续耕种和调控管理作用下，土壤养分含量历经先上升后下降、回归的过程，逐渐趋于稳定，空间上趋于更加均衡，土壤肥力总体趋稳均衡。

4.2.3 投入产出效益

3 a来，案例区粮食生产实现了节本增效（表3）。小麦、玉米产量逐年提高，单产从2013年的4 552.5和4 695.00 kg/hm2，增长到2016年整体超6 000.00和7 000.00kg/hm2（2016年部分玉米青储、此为折算数），年均增长10.60%和16.36%，高产地块小麦玉米分别超7 500、9 000kg/hm2，总体与预期产量基本一致。从投入来看，水盐统筹调控方案与当地经验灌水量（2014－2016年分别为1 800、1 650、1 500 m3/hm2）相比，节水效果明显，3 a综合节水率达31.02%；养分平衡调控方案与经验施肥量相比，节肥效果显著，尿素、过磷酸钙、硫酸钾综合节肥率分别高达28.69%～63.14%、10.07%～67.98%、97.98%～100%。

4.2.4 生产决策效率

基于调控体系的应用，农田生产决策改变过去生产管理无记录、凭经验、靠估算，决策效率低、不精确、失误率高的状况，实现了生产管理按体系进行、流程清晰、决策有依据、准确率高，决策效率得以明显提高。用户通过数据分析从总体上把握农田状况，横向对比不同田块差异，观察掌握田块水肥盐碱动态变化趋势，根据监测数据偏离阈值（警界线）情况或基于GIS分级显示的空间预警结果获得预警信号（图2c中），参考调控决策方案及时实施管理。图3a中，养分呈现氮磷先上升后降低、钾总体降低的特征，体现出养分调控和减肥决策措施逐步发挥了作用。

5 讨 论

农田信息监测和管理系统建设是精准农业发展的重要方向，快速乃至实时探测农田信息是其基础，但迄今尚无直接检测土壤化学成分的有效传感器，土壤成分高精度实时测定仍是世界性难题[2]。本文旨在利用信息技术手段推进盐碱农田水肥盐碱动态规律的探索和田间精准管理水平的提升，通过构建模型、研发系统，取得较好效果。但是，鉴于不同区域种植制度、种植习惯不同，且不同作物及品种对水肥盐碱的需求、响应各不相同，今后对不同作物的阈值设定还需进一步细化。同时，根据减量化施肥要求，养分丰缺标准也需进一步研究，根据具体区域、土壤和作物情况修正。研究发现，土壤含盐量和pH值呈现“盐降碱升”现象，这与一般的土壤脱盐过程相似。土壤含水量减少，pH值有增高迹象，两者似有负相关关系，但并非简单的函数关系。有机质在施有机肥特别是双季秸秆还田作用下有增长趋势，但后期增长速度由快转慢，与玉米青储而还田量减少有关（图3c）。速效养分受到施肥量、施肥方式、作物吸收以及流失影响，波动性较大，使得调控意图在短期内难以显著表现（图3f、3g、3h）。这些现象都需要继续深化研究探讨其科学性。此外，限于黄河客水源可靠度低，管理系统作用的发挥受到很大限制，建议采取修建水库或河道拦截方式蓄水备用。

6 结 论

1）基于WebGIS平台，利用Silverlight 5与WCF技术，融合点数据监测和空间分析方法、可视化技术，开发了盐碱农田水肥盐碱监测与管理系统，融合数据采集、数据管理、统计分析、诊断预警、调控决策技术与实施管理措施形成了“六位一体”的全过程优化管理体系，为盐碱农田生产管理提供了一个有效的辅助决策工具。

2）基于统计学原理和作物水肥盐碱平衡与胁迫响应原理，构建了农田特征分析、诊断预警和调控决策3类15个模型，结果表明模型数据处理分析科学有效，系统应用决策方案符合实际。

3）在无棣县盐碱农田应用表明，管理方案有效缓解了土壤水盐限制，3a脱盐率达12.86%；促进了养分调控和减肥决策措施作用的发挥，土壤肥力总体趋稳均衡；投入产出效益和生产决策效率明显提升，2014－2016年综合节水率达31.02%，氮磷钾节肥率分别达28.69%～63.14%、10.07%～67.98%、97.98%～100%，小麦玉米年均增产10.60%和16.36%，接近预期。

[1] 陈威，郭书普. 中国农业信息化技术发展现状及存在的问题[J]. 农业工程学报，2013，29(22)：196－205.

Chen Wei, Guo Shupu. Current situation and existing problems of agricultural informatization in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(22): 196－205. (in Chinese with English abstract)

[2] 何东健，杨成海，杨青，等. 面向精准农业的农田土壤成分实时测定研究进展[J]. 农业工程学报，2012，28(7)：78－85.

He Dongjian, Yang Chenghai, Yang Qing, et al. Research progress of real-time measurement of soil attributes for precision agriculture[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(7): 78－85. (in Chinese with English abstract)

[3] Bongiovanni, Lowenberg Deboer. Precision agriculture and sustainability[J]. Precision Agriculture, 2004, 4(5): 361－363.

[4] Harmandeep Singh, Nitika Sharma. Decision support system for precision farming[J]. International Journal of Computers & Technology, 2013, 4(1): 76－81.

[5] 冀荣华，吴才聪，李民赞，等. 基于远程通讯的农田信息管理系统设计与实现[J]. 农业工程学报，2009，25(增刊2)：165－169.

Ji Ronghua, Wu Caicong, Li Minzan,et al. Development and implementation of field information management system based on telecommunications[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(Supp.2): 165－169. (in Chinese with English abstract)

[6] 许鑫，张浩，席磊，等.基于WebGIS的小麦精准施肥决策系统[J]. 农业工程学报，2011，27(增刊2)：94－98.

Xu Xin, Zhang Hao, Xi Lei, et al. Decision-making system for wheat precision fertilization based on WebGIS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(Supp.2): 94－98. (in Chinese with English abstract)

[7] 杜克明，褚金翔，孙忠富，等. WebGIS在农业环境物联网监测系统中的设计与实现[J]. 农业工程学报，2016，32(4)：171－178.

Du Keming, Chu Jinxiang, Sun Zhongfu,et al. Design and implementation of monitoring system for agricultural environment based on WebGIS with Internet of things[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(4): 171－178. (in Chinese with English abstract)

[8] 夏于，孙忠富，杜克明，等. 基于物联网的小麦苗情诊断管理系统设计与实现[J]. 农业工程学报，2013，29(5)：117－124.

Xia Yu, Sun Zhongfu, Du Keming, et al. Design and realization of IOT-based diagnosis and management system for wheat production[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(5): 117－124. (in Chinese with English abstract)

[9] 刘阳春，苑严伟，张俊宁，等. 深松作业远程管理系统设计与试验[J]. 农业机械学报，2016，47(增刊1)：43－48.

Liu Yangchun, Yuan Yanwei, Zhang Junning, et al. Design and experiment of remote management system for subsoiler[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(Supp.1): 43－48. (in Chinese with English abstract)

[10] 隋铭明，沈飞，徐爱国，等. 基于北斗卫星导航的秸秆机械化还田作业管理系统[J]. 农业机械学报，2016，47(1)：23－28.

Sui Mingming, Shen Fei, Xu Aiguo, et al.Management system for mechanized straw returning based on BDS[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(1): 23－28. (in Chinese with English abstract)

[11] 林兰芬，王瑞松，于鹏华. 基于GIS的农田小气候环境可视监测系统[J]. 农业机械学报，2015，46(3)：254－260.

Lin Lanfen, Wang Ruisong, Yu Penghua. GIS based visual monitoring system of farmland microclimate environment[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(3): 254－260. (in Chinese with English abstract)

[12] 孙玉文，沈明霞，张祥甫，等. 基于嵌入式ZigBee技术的农田信息服务系统设计[J]. 农业机械学报，2010，41(5)：148－151.

Sun Yuwen, Shen Mingxia, Zhang Xiangfu, et al. Design of embedded agricultural intelligence services system based on ZigBee technology[J].Transactions of the Chinese Society for Agricultural Machinery, 2010, 41(5): 148－151. (in Chinese with English abstract)

[13] Wei Yichang, Wang Zhenying, Wang Tongchao, et al. Design of real time soil moisture monitoring and precision irrigation systems[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(17): 80－86.

魏义长，王振营，王同朝，等. 土壤墒情实时监测与精准灌溉系统的设计[J]. 农业工程学报，2013，29(17)：80－86. (in English with Chinese abstract)

[14] 黄彦，司振江，陶延怀，等. 基于互联网的农田环境参数采集综合管理信息系统设计[J]. 中国农村水利水电，2016，58(8)：30－33.

Huang Yan, Si Zhenjiang, Tao Yanhuai, et al. Design of farmland environment parameter acquisition and integrated management information system based on the internet[J]. China Rural Water and Hydropower, 2016, 58(8): 30－33. (in Chinese with English abstract)

[15] 于婷婷，朱龙图，闫荆，等. 农田环境信息采集与远程监测系统[J]. 中国农机化学报，2016，37(6)：220－225.

Yu Tingting, Zhu Longtu, Yan Jing, et al. Remote collecting and monitoring system of field environment information[J]. Journal of Chinese Agricultural Mechanization, 2016, 37(6): 220－225. (in Chinese with English abstract)

[16] 邹金秋，周清波，杨鹏，等. 无线传感网获取的农田数据管理系统集成与实例分析[J]. 农业工程学报，2012，28(2)：142－147.

Zou Jinqiu, Zhou Qingbo, Yang Peng, et al. Integration and example analysis for farmland data management system of wireless sensor networks[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(2): 142－147. (in Chinese with English abstract)

[17] 王星明，杨玮，李民赞，等. 集成3S，ZigBee和射频识别的土壤采样远程智能管理系统[J]. 农业工程学报，2017，33(增刊1)：143－149.

Wang Xingming, Yang Wei, Li Minzan, et al. Remote intelligent management system for soil sampling based on 3S, ZigBee and radio frequency identification[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(Supp.1): 143－149. (in Chinese with English abstract)

[18] 李振声，欧阳竹，刘小京，等. 建设“渤海粮仓”的科学依据：需求、潜力和途径[J]. 中国科学院院刊，2011，26(4)：371－374.

Li Zhensheng, Ouyang Zhu, Liu Xiaojing, et al. Scientific basis for constructing the “Bohai Sea Granary”: Demands, potential and approches[J]. Bulletin of Chinese Academy of Sciences, 2011, 26(4): 371－374. (in Chinese with English abstract)

[19] 高明秀，李冉，巩腾飞，等. “渤海粮仓”建设推进策略分析[J]. 农业现代化研究，2015，36(2)：245－251.

Gao Mingxiu, Li Ran, Gong Tengfei, et al. The promoting strategy analysis on “Bohai Granary” construction[J]. Research of Agricultural Modernization, 2015, 36(2): 245－251. (in Chinese with English abstract)

[20] 孙培芬，王培，刘卉. 农田信息管理决策支持系统的设计与实现：基于Silverlight[J]. 农机化研究，2015，37(7)：156－159.

Sun Peifen, Wang Pei, Liu Hui. Design and implementation of farmland information management and decision support system based on Silverlight[J]. Journal of Agricultural Mechanization Research, 2015, 37(7): 156－159. (in Chinese with English abstract)

[21] 陆亚刚，邱知，游先祥，等. 基于SilverLight和REST的富网络地理信息系统框架设计[J]. 地球信息科学学报，2012，14(2)：192－198.

Lu Yagang, Qiu Zhi, You Xianxiang, et al. Design and implementation of rich webgis application framework based on Silverlight and REST services[J]. Journal of GEO-Information Science, 2012, 14(2): 192－198. (in Chinese with English abstract)

[22] 农业部. 全国土壤墒情监测工作方案（[农办农2012]14号）[Z]. 北京：农业部，2012.

[23] 水利部. SL568－2012，土壤墒情评价指标[S]. 北京：水利部，2012.

[24] 蒋丽娜，徐姗，常江，等. 持续淹水对小麦养分吸收动态和产量的影响[J]. 中国农学通报，2012，28(27)：113－117.

Jiang Lina, Xu Shan, Chang Jiang, et al. The effect of persistent flooding on the kinetic nutrient absorption and output of wheat[J]. Chinese Agricultural Science Bulletin, 2012, 28(27): 113－117. (in Chinese with English abstract)

[25] 雷志栋，杨诗秀，谢森传. 土壤水动力学[M]. 北京：清华大学出版社，1988.

[26] 鲍士旦. 土壤农化分析[M]. 北京：中国农业出版社，2000：178－200.

[27] 谢文军，张衍鹏，张淼，等. 滨海盐渍化土壤理化性质与小麦生产间的关系[J]. 土壤学报，2015，52(2)：461－466.

Xie Wenjun, Zhang Yanpeng, Zhang Miao, et al. Relationships between soil physichemical properties and wheat production in coastal saline soil[J]. Acta Pedologica Sinica, 2015, 52(2): 461－466. (in Chinese with English abstract)

[28] 薛敏，高明秀，王卓然，等. 环渤海盐碱地田块尺度水盐时空变异特征[J]. 江苏农业科学，2017，45(24)：267－271.

Xue Min, Gao Mingxiu, Wang Zhuoran, et al. Spatial- temporal variability of soil moisture and salinity in Bohai rim region at field scale[J]. Jiangsu Agricultural Sciences, 2017, 45(24): 267－271. (in Chinese with English abstract)

[29] 张同瑞，赵庚星，高明秀，等. 基于近地面多光谱的黄河三角洲典型地区土壤含盐量估算研究[J]. 光谱学与光谱分析，2016，36(1)：248－253.

Zhang Tongrui, Zhao Gengxing, Gao Mingxiu, et al. Soil salinity estimation based on near-ground multispectral imagery in typical area of the Yellow River Delta[J]. Spectroscopy and Spectral Analysis, 2016, 36(1): 248－253. (in Chinese with English abstract)

[30] 张同瑞，赵庚星，高明秀，等. 基于近地多光谱和OLI影像的黄河三角洲冬小麦种植区盐分估算及遥感反演：以山东省垦利县和无棣县为例[J]. 自然资源学报，2016，31(6)：1051－1060.

Zhang Tongrui, Zhao Gengxing, Gao Mingxiu, et al. Soil Salinity estimation and remote sensing inversion based on near-ground multispectral and TM imagery in winter wheat growing area in the Yellow River Delta: Case study in Kenli County and Wudi County, Shandong Province[J]. Journal of Natural Resouces, 2016, 31(6): 1051－1060. (in Chinese with English abstract)

[31] 全国土壤普查办公室. 中国土壤[M]. 北京：中国农业出版社，1998.

[32] 胡顺军，田长彦，宋郁东. 基于土壤饱和入渗理论计算盐碱地冲洗定额[J]. 土壤学报，2010，47(3)：563－567.

Hu Shunjun, Tian Changyan, Song Yudong. Calculation of salinity leaching quota based on saturated infiltration theory[J]. Acta Pedologica Sinica, 2010, 47(3): 563－567. (in Chinese with English abstract)

[33] 汤国安，杨昕. 地理信息系统空间分析实验教程（第二版）[M]. 北京：科学出版社，2012.

[34] 柳平增. 农业大数据平台在智慧农业中的应用：渤海粮仓科技示范工程大数据平台为例[J]. 高科技与产业化，2015，22(5)：68－71.

Monitoring and regulation management system of water, nutrient and salinity in farmland based on WebGIS

Gao Mingxiu1,2, Zhang Zhi3, Zhao Gengxing1,2※, Li Junhan1,2

(1.,,’271018,; 2.,271018,; 3.430072)

Monitoring the dynamic changes information of water, nutrient and salinity, analyzing and diagnosing, and putting forward regulation and control plan, are the basement of improving the production management level of saline alkali farmland. This paper developed a monitoring and regulation management system of water-nutrient-salt in saline alkali farmland based on WebGIS platform, Silverlight 5 and WCF (windows communication foundation) technology. And the technologies of point data monitoring, spatial analysis, and visualization were fused in the system. A series of models that included 15 models (3 kinds) for characteristics analysis, diagnosis and early warning, and control decision of farmland soil water, fertilizer, saline and alkali were set up. And the models were constructed based on the principle of statistics, the principle of water, fertilizer, salt and alkali balance of crop, and the stress response principle of crop to soil water, nutrient, salt and alkali. The system and the models were integrated and applied. The results showed that a whole process optimization management system of “integration of six aspects” was formed, providing an effective assistant decision-making tool for the production management of saline alkali farmland. The system integrated data collection, data management, statistical analysis, diagnosis and early warning, control and decision-making technology and implementation management measures. The results of data processing and analysis of the models were proved to be scientific and effective, and the system application decision was proved to be realistic. The system was applied in Wudi County, Shandong Province, China. The application results showed that the management plan proposed by the system effectively alleviated the salt and water restriction, and the desalination rate of soil salt reached 12.86% in 3 years. The scheme promoted the role of nutrient regulation and fertilizer reduction decision-making measures, and soil nutrient tended to be stable and balanced in space in general. The input-output benefits and production decision efficiency of agricultural production had been significantly improved. The comprehensive water saving rate in the years of 2014-2016 was up to 31.02%, and the nutrient saving rates of N (nitrogen), P (phosphorus) and K (potassium) were 28.69%-63.14%, 10.07%-67.98%, and 97.98%-100% respectively. Wheat and corn yield increased respectively by 10.60% and 16.36% annually, which were close to the expected. The study also found that soil salinity and pH value showed a phenomenon of “salt lowering and alkali rising”. Soil moisture had a negative correlation with pH value, but it was not a simple functional relationship. The organic matter increased under the effect of applying organic manure, especially the double-season crop straw returning to field, but its later growth rate was slowed down rapidly, which was related to the raising of corn silage and the decrease of organic matter returning to field. The effective nutrient was affected by the amount of fertilizer, the way of fertilization and the absorption and loss of crops, and the fluctuation was large. So regulatory intention in short term was difficult to be realized. All these phenomena need to be further studied and discussed. In addition, due to the low reliability of the Yellow River’s water sources, the role of the system was limited. It is suggested that reservoirs or river interception should be used to store water. The research is helpful to explore the dynamic rule of water, nutrient and salinity in saline alkali soil by means of information technology and improve the precision management in the field.

monitoring; information systems; management; saline alkali land; WebGIS; diagnosis and early warning; regulation and management

2018-04-10

2018-06-13

国家科技支撑计划项目课题（2013BAD05B06-5）；山东省重点研发计划项目（2017CXGC0301，2014ZZCX07106）；山东省高校“双一流”奖补资金项目（SYL2017XTTD02）。

高明秀，男，博士，副教授，从事土地资源与信息技术、盐碱地开发利用等研究。Email：mxgao@sdau.edu.cn

赵庚星，男，博士，教授，博士生导师，主要从事土地资源与信息技术等研究。Email：zhaogx@sdau.edu.cn

10.11975/j.issn.1002-6819.2018.17.013

S126

A

1002-6819(2018)-17-0089-11

高明秀，张 治，赵庚星，李俊翰. 基于WebGIS的农田水肥盐碱监测与调控管理系统[J]. 农业工程学报，2018，34(17)：89－99. doi：10.11975/j.issn.1002-6819.2018.17.013 http://www.tcsae.org

Gao Mingxiu, Zhang Zhi, Zhao Gengxing, Li Junhan. Monitoring and regulation management system of water, nutrient and salinity in farmland based on WebGIS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(17): 89－99. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.17.013 http://www.tcsae.org