基于物联网的农田智能灌溉系统

江苏农业科学２０１７年第４５卷第２２期　一２４７一　

白秋产．基于物联网的农田智能灌溉系统［Ｊ］．江苏农业科学，２０１７，４５（２２）：２４７—２５１　ｄｏｉ：１０．１５８８９￣．ｉｓｓｎ．１００２—１３０２．２０１７．２２．０６７　

基于物联网的农田智能灌溉系统　

白秋产　

（淮阴工学院自动化学院，江苏淮安２２３００３）　

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…。据分析　，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　。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　；（２）最小化人力成本、管理成本与　

收稿日期：２０１６—１０—２ｌ　基金项目：江苏省淮安社会发展项目（编号：ＨＡＳ２０１３０４６）。　作者简介：白秋产（１９７１一），男，陕西咸阳人，硕士，副教授，研究方向　

为检测与控制、信息处理。Ｅ—ｍｍｌ：ｂｑｅｂｚｎ＠１６３．ｃｏｍ。　时间　；（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，用于对未来的预测　。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　；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　】。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）　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　

系统默认的第１次采集的环境温度值为９．８２℃，系统从　

０９：０ｏ开始运行，此时便开始第２次环境温度信息采集，通过　这２个数据进行决策，此时系统得出的决策信息精确性比较　

差，执行模块对第１次决策信息不进行操作，因此系统实际控　

制继电器是从第２次决策开始。　

４结论　

本试验对马铃薯不同储藏阶段中的一个储藏阶段的模糊　

控制环境参数调节系统进行阐述，该系统主要是利用模糊控　制技术，通过传感器采集环境参数信息，开发设计１套马铃薯　

储藏环境管理平台，能够在平台上监控马铃薯储藏库的实时　

环境信息并进行控制。结果表明，该系统能够根据马铃薯储　

藏库的环境变化达到适时、适度的自动控制效果。　

参考文献：　

［１］田世龙，李守强，李　梅，等．西北马铃薯贮藏现状分析及建议　

［ｊ］．农业工程技术（农产品加工业），２０１２（８）：３６一加．　［２］熊新荣，胡兵，王小娟，等．马铃薯储藏库的温湿度控制方案研　究［Ｊ］．陕西农业科学，２０１５，６１（１０）：４３－４６．　［３］尹飞凰，高舸．适宜马铃薯储藏的环境参数智能调节系统［Ｊ］．　

江苏农业科学，２０１４，４２（９）：３７４—３７６．　［４］吴琼，张长利，董守田．马铃薯贮藏环境监测系统设计［Ｊ］．农　

机化研究，２０１３，３５（１）：１３８—１４０，１６３．　［５］邰明，李双田．基于ＲＳ４８５通信方式的多单片机控制系统［Ｊ］．　微计算机应用，２００８，２９（７）：１０９一ｌｌ２．　［６］吴晓玲，任晓月，陈彦云，等．贮藏温度对马铃薯营养物质含量及　

酶活性的影响［Ｊ］．江苏农业科学，２０１２，４ｏ（５）：２２０—２２２．　［７］邱中华，李雷．Ｄ．ｃ．隶属函数模糊集及其应用（Ⅱ）——Ｄ．ｃ．　隶属函数模糊集的万能逼近性［Ｊ］．模糊系统与数学，２００６，２０　

（２）：５０—６０．　［８］王福平，丁思发，段明辉．引黄灌溉中专家决策系统的设计与实　

现［Ｊ］．节水灌溉，２０１５（１）：８２—８５．　［９］何春晗，任开春，苏丹．模糊控制器的设计与阈值误差的选取　

［Ｊ］．工业控制计算机，２００９，２２（１Ｏ）：４０—４１．　［１０］刘永，彭正洪．基于ＭＡＴＬＡＢ的模糊逻辑控制系统的设计与　仿真［Ｊ］．武汉大学学报（工学版），２００８，４１（２）：１３２—１３５．　

［１１］罗斌，冯辉，唐义锋．ＭＡＴＬＡＢ软件在系统稳定性分析与仿　真中的应用［Ｊ］．佳木斯大学学报（自然科学版），２０１０，２８（４）：　

５３０—５３３．

　．－——２４８－－——　江苏农业科学２０１７年第４５卷第２２期　

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＋ｒ／，，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２一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２一ｂ所示。　

图１　种植不同作物的田地　

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，ｋｓ／ｍ　）、土壤中根区域的水量（ＳＭ，ｋｓ／１１１　）、作物蒸散量　荔＼一　＼　五

五　五　舌　

ａ．使用ＷＳＮ从田地采集数据的子系统　

ｂ．智能控制系统的流程　图２　基于物联网的农田智能灌溉系统的２个子系统　

［ＥＴｃ，ｋｓ／（ｍ　・ｄ）］以及通过毛细上升到达作物根部的地下　

水量（ＧＷ，ｋｓ／ｍ　）。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：　

ＥＴｃ一（Ｐｅ＋ＳＭ＋ＧＷ）＝０。　（１）　如果这些自然的水资源无法满足作物生长需求，则说明　水平衡为赤字状态。为使作物稳定地生长，为作物提供的水　

量［ＩＲｎ，ｋｓ／（ｍ　・ｄ）］应等于下式：　

ＩＲｎ＝ＥＴｃ一（Ｐｅ＋ＳＭ＋ＧＷ）。　（２）　式中：ＥＴｃ可表示为　

ＥＴｃ＝ＥＴｏｋ。。　（３）　

式中：．Ｉ｝　是作物系数；ＥＴｏ是参考的作物蒸发量，ｋｓ／（ｍ　・　

ｄ），计算方法为　ＥＴｏ＝０．００２　３Ｒａ（　一＋ｌ７．８）ＴＤ￣　。　（４）　

式中：如是理论的太阳辐射值，单位为蒸发的水深度　

（ｍｍ／ｄ）；　是平均气温，℃；ＴＤ是最大、最小气温之间的　

差值。　

可表示为下式：　Ｐｅ＝，（Ｄ）（１．２５Ｐｔ　一２．９３）１０“删”　。　（５）　

式中：Ｐｔ是全年的降水量，ｋｓ／（ｍ　・ｄ）；Ｄ是下次灌溉前土壤　

所允许的水分减少量，ｋｓ／

（ｍ　・ｄ）；函数　Ｄ）是一个适应度　－，（Ｄ）＝０・５３＋Ｏ．０１１　６Ｄ－８．９４×１０～　Ｄ　＋２．３２×１０—７Ｄ３一　ｆ６）　水平衡模型中ＳＭ的贡献较为重要，结合气候特征、土壤　表面模型与地一气的交互作用来控制土壤的水量。Ｇ　对作　物的水需求具有一部分的作用，毛细上升依赖土壤特征以及　

地表到地Ｆ水位的距离。　

．。．本研究主要通过ｗｓＮ来采集数据，并将数据发送到数据　中，然后自动灌溉系统使用采集的数据进行分析与预测。　因此，本研究的　、ＳＭ、ＧＷ等３个因素并未被深入地分析，　假设通过专门的传感器获得这３个参数值。所以将Ｐｅ、ＳＭ、　ＣＷ总结为１个参数值．ｉ｝：　

Ｐｅ＋ＳＭ＋ＧＷ＝ｋ。　（７）　本框架中考虑居等于田地区域的降水量，ｋｓ／（ｍ：．ｄ）　基于传感器采集的信息计算植物与土壤的蒸发量之和，表示　为ＥＴｃ。蒸发速度依赖气候条件，所以温度、风速或者日照的　提高都会使蒸发速度增加，而对湿度则有相反的影响。　本研究使用文献［１　１］的模型计算总蒸发量，公式为：　

＝　Ａ×　Ｒｎ。　（８）　

式中：　是一个固定值，设为１．３；假设Ａ表示蒸发的曲线斜　

率，ＰａＰＣ，通过传感器采集的气温与水压信息计算：　

Ａ＝　４　０９８×ｅ．　丽。　（９）　

式中：　表示气温，ｏＣ；　表示土壤温度，ｈ・Ｐａ；计算方法如下　

ｅｓ＝（６．１１　ｘ２．７１８　）。　ｆｌＯ）　式（８）中：　代表空气的冷因子，（ｈ・Ｐａ）／￣，冷因子依赖２　ｍ　高度的气流速度，可通过传感器数据计算获得：　

…　７　［０・６７×（１＋Ｏ．３３×Ｕ２）］。　（１１）　式中：ｕ　是２　ｍ高的气流速度。　

Ｒ　表示传感器发射的净辐射总能量［ｋＪ／（ｍ。．ｄ）１：　

＝Ｓ　一Ｌ　。　（１２）　式中：Ｓ　为输入的总微波辐射；三　是净辐射；ｎ表示传感器编　

号，这２个值都通过传感器采集的土壤与空气湿度而来。　图１是一个４块相邻田地的试验场景，将每个田地分为　多个区，为各区分配适当的传感器。例如，可将田地Ａ分为２　个区，然后基于每个区的特征与传感器采集的实际数据计算