智慧灌溉大數(shù)據(jù)管理平臺(tái)設(shè)計(jì)與應(yīng)用

摘要：以粗放型為主的漫灌方式浪費(fèi)水資源，探索高效節(jié)水農(nóng)業(yè)灌溉意義重大。本研究研制了集數(shù)據(jù)采集、數(shù)據(jù)管理、數(shù)據(jù)可視化、分析決策和遠(yuǎn)程管理為一體的智慧灌溉大數(shù)據(jù)管理平臺(tái)，旨在以數(shù)字化管理與智能化控制方式提升水資源利用效率。平臺(tái)利用嵌入式、物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、3S（GIS、GPS、RS）等技術(shù)，采取“1+1+N”的設(shè)計(jì)模式，構(gòu)建作物需水預(yù)報(bào)模型與灌溉決策模型，基于B/S構(gòu)架和Java語(yǔ)言，設(shè)計(jì)了1個(gè)灌溉數(shù)據(jù)中心、1個(gè)灌溉數(shù)據(jù)管理系統(tǒng)、4個(gè)應(yīng)用系統(tǒng)，打造了智慧灌溉大數(shù)據(jù)管理平臺(tái)。平臺(tái)在河北、河南、山東、江蘇等地區(qū)設(shè)有多個(gè)示范基地，匯聚了8個(gè)科研小組、24個(gè)試驗(yàn)基地的有關(guān)多種作物的生長(zhǎng)、灌溉、氣象、土壤等數(shù)據(jù)，平均采集數(shù)據(jù)18829條/天，幫助管理人員摸清家底；集成了多個(gè)團(tuán)隊(duì)的軟件系統(tǒng)和62套物聯(lián)網(wǎng)設(shè)備，及時(shí)、定量地呈現(xiàn)了農(nóng)作物生長(zhǎng)狀況及環(huán)境狀態(tài)，實(shí)現(xiàn)了農(nóng)作區(qū)動(dòng)態(tài)監(jiān)測(cè)，助力生產(chǎn)決策；生成農(nóng)作物需水預(yù)報(bào)和灌溉決策方案，完成了遠(yuǎn)程灌溉目標(biāo)，并且經(jīng)過(guò)實(shí)地試驗(yàn)，驗(yàn)證了自動(dòng)灌溉的有效性，將灌溉水有效利用系數(shù)最高提升了31%以上；形成了大田產(chǎn)業(yè)、溫室中心、數(shù)字科研和區(qū)域灌溉等不同專題可視化布局，滿足多種農(nóng)業(yè)場(chǎng)景應(yīng)用需求。為農(nóng)業(yè)生產(chǎn)和跨區(qū)域管理提供了便捷工具，為農(nóng)業(yè)灌溉數(shù)字化系統(tǒng)搭建和應(yīng)用提供了參考。

關(guān)鍵詞：智慧灌溉；大數(shù)據(jù)；作物需水預(yù)報(bào)；平臺(tái)設(shè)計(jì)；物聯(lián)網(wǎng)

1? 引言

人類用于生活和農(nóng)業(yè)生產(chǎn)的水資源日益緊缺，因此提高用水效率具有重要意義[1]。水利部門發(fā)布的2022年《中國(guó)水資源公報(bào)》顯示，全國(guó)降水量和水資源量比多年平均值少，但全國(guó)用水總量高于多年平均值，其中農(nóng)業(yè)用水的消耗量為2516.8億m?，占用水總量的 76.0%，相較2021年，2022年農(nóng)業(yè)用水量增加137.0億m?，農(nóng)田灌溉水的有效利用系數(shù)為0.572，較2021年增加0.004，與多年平均上升率基本一致，農(nóng)業(yè)灌溉水有效利用率呈現(xiàn)逐年緩慢上升趨勢(shì)[2]。盡管近年來(lái)國(guó)內(nèi)在提升灌溉效率方面取得了一定進(jìn)展，但其發(fā)展仍然相對(duì)緩慢，遠(yuǎn)低于發(fā)達(dá)國(guó)家0.7—0.8的水平[3]。并且多數(shù)農(nóng)田依舊以粗放型漫灌為主，沒(méi)有考慮土壤特性的時(shí)空變化以及影響作物蒸散量的天氣因素的變化，僅以人工經(jīng)驗(yàn)為指導(dǎo)，經(jīng)常導(dǎo)致水資源浪費(fèi)或灌水不足[4-5]。在農(nóng)業(yè)用水效率較高的以色列和美國(guó)，節(jié)水灌溉技術(shù)已經(jīng)廣泛應(yīng)用，例如，以色列約75%的灌溉區(qū)采用了節(jié)水滴灌技術(shù)，并將17%的農(nóng)業(yè)預(yù)算用于農(nóng)業(yè)科技研發(fā)，有一百多家企業(yè)生產(chǎn)研發(fā)監(jiān)測(cè)分析工具，借此確定作物和土壤的需水量，通過(guò)信息化、數(shù)字化手段精準(zhǔn)調(diào)控農(nóng)業(yè)灌溉[6-7]；美國(guó)在2018年使用噴灌和微滴灌等精細(xì)節(jié)水的壓力灌溉系統(tǒng)的比例已經(jīng)升至72%，其利用無(wú)人機(jī)、傳感器、數(shù)據(jù)分析等技術(shù)開展灌溉活動(dòng)，并且充分考慮區(qū)域種植模式、當(dāng)?shù)貧夂驐l件以及地表和地下水資源的可用性[8]。我國(guó)與灌溉效率較高的國(guó)家相比，主要存在高效節(jié)水灌溉技術(shù)未全面推廣、灌溉水量與作物需水不匹配、缺少科學(xué)精準(zhǔn)的水量調(diào)度等問(wèn)題[9]。實(shí)現(xiàn)高效節(jié)水灌溉需基于農(nóng)作物特性及環(huán)境條件，科學(xué)分析其生長(zhǎng)需水量，避免過(guò)度灌溉，并選擇合適的灌溉方式實(shí)現(xiàn)精準(zhǔn)化灌溉，減少灌溉水損耗[4]。此外，當(dāng)前我國(guó)從事農(nóng)業(yè)生產(chǎn)人口年齡普遍老齡化，勞動(dòng)力緊缺，人力成本上漲。根據(jù)第三次全國(guó)農(nóng)業(yè)普查數(shù)據(jù)顯示，我國(guó)農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)人員年齡在55歲以上占33.6%，但35歲以下人員僅占19.2%，其中經(jīng)濟(jì)發(fā)達(dá)的東部地區(qū)勞動(dòng)力老齡化更加嚴(yán)重，55歲以上農(nóng)業(yè)從業(yè)人員比全國(guó)平均水平高4%[10]。

隨著近期物聯(lián)網(wǎng)、大數(shù)據(jù)等科學(xué)技術(shù)的快速發(fā)展以及國(guó)家對(duì)數(shù)字農(nóng)業(yè)的大力推動(dòng)，農(nóng)業(yè)不斷與新技術(shù)融合，產(chǎn)生了更加高效的農(nóng)業(yè)生產(chǎn)和管理模式，傳統(tǒng)農(nóng)業(yè)正在加快轉(zhuǎn)型，向高質(zhì)量發(fā)展邁進(jìn)[11]。智慧灌溉是實(shí)現(xiàn)農(nóng)業(yè)灌溉的高效節(jié)水的新興技術(shù)模式，將農(nóng)業(yè)灌溉與物聯(lián)網(wǎng)、大數(shù)據(jù)、傳感器等技術(shù)結(jié)合，實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)農(nóng)業(yè)生產(chǎn)環(huán)境中的溫度、濕度、光照、土壤水分、作物生長(zhǎng)狀況等信息，并對(duì)數(shù)據(jù)進(jìn)行分析和處理，實(shí)現(xiàn)農(nóng)業(yè)灌溉的智慧決策與高效管理[12]。智慧灌溉系統(tǒng)的實(shí)現(xiàn)包括數(shù)據(jù)采集、無(wú)線通信、數(shù)據(jù)處理、灌溉控制、異常檢測(cè)等五大方面內(nèi)容[13]，關(guān)于智慧灌溉系統(tǒng)的構(gòu)建，近年來(lái)國(guó)內(nèi)外已有不少學(xué)者開展了相關(guān)研究與應(yīng)用，主要采用機(jī)器學(xué)習(xí)、人工智能、無(wú)人機(jī)和物聯(lián)網(wǎng)等前沿技術(shù)實(shí)現(xiàn)[14]。國(guó)內(nèi)方面，沈建煒等人[15]基于物聯(lián)網(wǎng)技術(shù)，根據(jù)實(shí)時(shí)采集的土壤墑情數(shù)據(jù)及環(huán)境數(shù)據(jù)，構(gòu)建了藍(lán)莓園的智能灌溉決策系統(tǒng)，但系統(tǒng)尚未實(shí)現(xiàn)數(shù)據(jù)可視化，應(yīng)用功能較為單一。付少華等人[16]基于物聯(lián)網(wǎng)收集到的土壤溫度、濕度、pH值等數(shù)據(jù)，以環(huán)境參數(shù)與設(shè)定閾值的比較作為灌溉決策依據(jù)實(shí)現(xiàn)自動(dòng)灌溉，也設(shè)計(jì)了移動(dòng)設(shè)備APP實(shí)現(xiàn)手動(dòng)遠(yuǎn)程控制灌溉。魯旭濤等[17]利用飛蛾撲火算法優(yōu)化通信節(jié)點(diǎn)部署，通過(guò)水田信息及氣象參數(shù)構(gòu)建了針對(duì)水田的最優(yōu)灌溉決策模型及精準(zhǔn)灌溉系統(tǒng)。國(guó)外方面，美國(guó)、以色列等國(guó)家已有公司開展了較為成熟的智慧灌溉系統(tǒng)應(yīng)用和服務(wù)，例如，美國(guó)WaterBit和美國(guó)電話電報(bào)公司（AT & T）合作構(gòu)建了一種維護(hù)成本低、易于安裝的智慧灌溉系統(tǒng)，利用太陽(yáng)能傳感器檢測(cè)和分析土壤水分，可以精確計(jì)劃和控制灌溉，并使用全球SIM卡和物聯(lián)網(wǎng)方式發(fā)送數(shù)據(jù)到云平臺(tái)，為用戶提供可手機(jī)訪問(wèn)數(shù)據(jù)及控制灌溉服務(wù)[18]；以色列的Phytech平臺(tái)利用傳感器監(jiān)測(cè)作物及環(huán)境，采用人工智能和機(jī)器學(xué)習(xí)分析現(xiàn)場(chǎng)物聯(lián)網(wǎng)數(shù)據(jù)流并解譯為直觀的作物狀態(tài)，為灌溉調(diào)度提供建議，并在移動(dòng)端提供應(yīng)用程序可供隨時(shí)查看與操作[19]。此外，也有學(xué)者開展了針對(duì)智慧灌溉系統(tǒng)的研究，ROY等[20]通過(guò)物聯(lián)網(wǎng)傳感器數(shù)據(jù)構(gòu)建了基于農(nóng)民需求的動(dòng)態(tài)灌溉調(diào)度系統(tǒng)，設(shè)計(jì)了隨作物不同生長(zhǎng)時(shí)期需求調(diào)整的自動(dòng)灌溉模式以及根據(jù)農(nóng)民經(jīng)驗(yàn)或?qū)＜抑R(shí)的遠(yuǎn)程手動(dòng)灌溉模式。TACE等[21]基于土壤濕度、空氣濕度、溫度和降雨傳感器采集數(shù)據(jù)，研究不同機(jī)器學(xué)習(xí)算法應(yīng)用于灌溉決策支持模型中的準(zhǔn)確率，提出了一種低消耗、低成本、可在不同環(huán)境下部署的智能灌溉系統(tǒng)。與發(fā)達(dá)國(guó)家相比，我國(guó)研究多關(guān)注灌溉決策模型以及通信網(wǎng)絡(luò)的優(yōu)化，在以下方面存在不足：（1）收集數(shù)據(jù)種類少、規(guī)模小、實(shí)時(shí)性不足。（2）集成多種傳感器能力弱。（3）實(shí)際應(yīng)用少，使用門檻高。

基于此，本研究設(shè)計(jì)了智慧灌溉大數(shù)據(jù)管理平臺(tái)（簡(jiǎn)稱“平臺(tái)”），計(jì)劃運(yùn)用系列現(xiàn)代信息技術(shù)，集成多種信息采集和灌溉設(shè)備，收集作物生長(zhǎng)、氣象、土壤、通量等數(shù)據(jù)，構(gòu)建智慧灌溉決策和農(nóng)作物需水預(yù)報(bào)模型，打造環(huán)境實(shí)時(shí)監(jiān)測(cè)、數(shù)據(jù)上圖分析、設(shè)備遠(yuǎn)程可控、作物精準(zhǔn)灌溉的綜合管理平臺(tái)，為使用人員提供決策工具和數(shù)據(jù)服務(wù)，提高水資源利用率。同時(shí)，試圖通過(guò)此平臺(tái)的應(yīng)用打通數(shù)據(jù)隔離壁壘，逐步積累灌溉相關(guān)的海量數(shù)據(jù)，促進(jìn)農(nóng)業(yè)科學(xué)研究數(shù)據(jù)的共建共享，為未來(lái)全方位智慧灌溉提供支撐。平臺(tái)在中國(guó)農(nóng)業(yè)科學(xué)院新鄉(xiāng)綜合試驗(yàn)基地和華北試驗(yàn)基地應(yīng)用示范，后續(xù)將進(jìn)一步完善并逐步向全國(guó)推廣。

2? 平臺(tái)需求分析

智慧灌溉是水資源的按需分配自動(dòng)灌溉，具有實(shí)時(shí)性、精準(zhǔn)性和自動(dòng)化等特性，故智慧灌溉大數(shù)據(jù)管理平臺(tái)應(yīng)滿足以下要求：（1）所存儲(chǔ)數(shù)據(jù)應(yīng)豐富、連續(xù)，具有時(shí)效性、連續(xù)性和空間性。數(shù)據(jù)是實(shí)現(xiàn)智慧灌溉的基礎(chǔ)保障，尤其是土壤、氣象以及作物生理性質(zhì)等方面的數(shù)據(jù)。土壤和氣象數(shù)據(jù)要具備時(shí)效性，并且連續(xù)采集，不宜中斷，最低收集間隔不建議大于1天，地理學(xué)第二定律的空間異質(zhì)性要求土壤數(shù)據(jù)應(yīng)包含空間信息[22]。（2）應(yīng)能夠遠(yuǎn)程控制硬件設(shè)備，實(shí)現(xiàn)智能決策與自動(dòng)控制。遠(yuǎn)程控制主要為遠(yuǎn)程調(diào)取物聯(lián)網(wǎng)傳感器、監(jiān)控?cái)z像頭等設(shè)備數(shù)據(jù)以及遠(yuǎn)程開啟和關(guān)閉灌溉設(shè)備，遠(yuǎn)程操作可極大降低生產(chǎn)和管理成本，是智能決策與自動(dòng)控制的直接執(zhí)行途徑。（3）應(yīng)集成作物需水規(guī)律和灌溉預(yù)測(cè)模型，提前預(yù)報(bào)灌溉方案。農(nóng)作物需水規(guī)律指農(nóng)作物在不同生長(zhǎng)周期對(duì)水的需求特性，灌溉預(yù)測(cè)模型指基于土壤水分和氣象數(shù)據(jù)，結(jié)合農(nóng)作物需水要求，預(yù)測(cè)未來(lái)補(bǔ)水量，形成最適合農(nóng)作物生長(zhǎng)的灌溉方案，這是實(shí)現(xiàn)智慧灌溉的關(guān)鍵。

3? 平臺(tái)設(shè)計(jì)

3.1? 平臺(tái)構(gòu)架設(shè)計(jì)

平臺(tái)采取“1+1+N”的設(shè)計(jì)模式，指1個(gè)數(shù)據(jù)中心、1個(gè)管理系統(tǒng)、N個(gè)應(yīng)用系統(tǒng)。數(shù)據(jù)中心負(fù)責(zé)儲(chǔ)存并處理各方面數(shù)據(jù)，是整個(gè)平臺(tái)的數(shù)據(jù)匯聚地，包括但不限于氣象、土壤、作物、灌溉、基地、設(shè)備、人員等。管理平臺(tái)指對(duì)平臺(tái)中各類關(guān)鍵要素進(jìn)行控制，包括人的管理（開通賬號(hào)、配置功能權(quán)限）、數(shù)據(jù)管理（增加、刪除、修改、查詢）和系統(tǒng)管理（監(jiān)控各應(yīng)用系統(tǒng)訪問(wèn)量、資源消耗量）。應(yīng)用系統(tǒng)泛指基于平臺(tái)數(shù)據(jù)，面向特定人群和特定問(wèn)題而定制開發(fā)的各個(gè)應(yīng)用系統(tǒng)，系統(tǒng)形態(tài)包括web系統(tǒng)、APP、移動(dòng)小程序、客戶端離線工具，此部分可靈活增加。

平臺(tái)的架構(gòu)如圖1所示，共分為5層，自下而上分別為基礎(chǔ)支撐層、數(shù)據(jù)管理層、業(yè)務(wù)支撐層、應(yīng)用服務(wù)層和展示層[23]。最底層的基礎(chǔ)支撐層為平臺(tái)提供運(yùn)行環(huán)境，包括硬件、軟件和服務(wù)，采用集群虛擬化技術(shù)，實(shí)現(xiàn)平臺(tái)快速上線、歷史版本切換、異常監(jiān)測(cè)等功能。數(shù)據(jù)管理層采用多種數(shù)據(jù)庫(kù)存儲(chǔ)和管理，滿足文本、圖片、地理空間等不同數(shù)據(jù)類型存儲(chǔ)要求，同時(shí)利用主從備份機(jī)制實(shí)現(xiàn)數(shù)據(jù)實(shí)時(shí)備份，進(jìn)一步保障數(shù)據(jù)安全。業(yè)務(wù)支撐層處理系統(tǒng)的業(yè)務(wù)邏輯和核心功能，采用“中臺(tái)”方式設(shè)計(jì)，包括數(shù)據(jù)中臺(tái)和業(yè)務(wù)中臺(tái)，前者完成數(shù)據(jù)從接收、處理、過(guò)濾到統(tǒng)計(jì)的全流程操作；后者針對(duì)應(yīng)用系統(tǒng)需求，將關(guān)鍵業(yè)務(wù)研發(fā)成獨(dú)立的小工具，供應(yīng)用服務(wù)層使用。此種設(shè)計(jì)可減少重復(fù)開發(fā)，降低平臺(tái)后期維護(hù)成本。應(yīng)用服務(wù)層是為使用人員提供可視化界面的軟件系統(tǒng)，為避免單個(gè)系統(tǒng)功能過(guò)于復(fù)雜，將滿足特定角色人群使用（例如一線生產(chǎn)者、企業(yè)管理人員、政府監(jiān)管者）或者同類應(yīng)用場(chǎng)景的功能抽取成獨(dú)立的應(yīng)用系統(tǒng)，便于系統(tǒng)后期迭代升級(jí)。展示層指呈現(xiàn)軟件系統(tǒng)的終端設(shè)備，根據(jù)不同角色用戶特點(diǎn)和使用習(xí)慣，提供大屏、中屏、小屏等多種展示形式。

3.2? 功能設(shè)計(jì)

平臺(tái)功能設(shè)計(jì)以種植區(qū)環(huán)境監(jiān)測(cè)、數(shù)據(jù)分析、設(shè)備控制為目標(biāo)，根據(jù)不同應(yīng)用場(chǎng)景設(shè)計(jì)了5個(gè)子系統(tǒng)，分別是數(shù)據(jù)管理系統(tǒng)、數(shù)字科研服務(wù)系統(tǒng)、溫室中心控制系統(tǒng)、大田產(chǎn)業(yè)管控系統(tǒng)、區(qū)域灌溉預(yù)報(bào)系統(tǒng)。除數(shù)據(jù)管理系統(tǒng)外，各個(gè)版塊相互獨(dú)立，每個(gè)子系統(tǒng)分配獨(dú)立賬號(hào)，各版塊的數(shù)據(jù)和功能互不可見，除非管理員給賬號(hào)分配多個(gè)子系統(tǒng)權(quán)限，通過(guò)此方式可實(shí)現(xiàn)數(shù)據(jù)共建共享和安全保障。各子系統(tǒng)主要功能如圖2所示，內(nèi)容如下：（1）數(shù)據(jù)管理系統(tǒng)負(fù)責(zé)維護(hù)整個(gè)平臺(tái)的基礎(chǔ)要素和公共內(nèi)容。包括三方面：a）創(chuàng)建用戶、分配權(quán)限；b）為其他子系統(tǒng)管理設(shè)備、農(nóng)作物和基地，各業(yè)務(wù)系統(tǒng)不再維護(hù)此類公共對(duì)象，減少冗余，也便于后期向第三方單位提供數(shù)據(jù)服務(wù)；c）管理通用方法，例如決策模型、統(tǒng)計(jì)分析等。（2）數(shù)字科研服務(wù)系統(tǒng)提供科研相關(guān)功能，以數(shù)據(jù)可視化為主。通過(guò)基地選擇可查看各地情況，以圖表形式展示實(shí)時(shí)信息和歷史數(shù)據(jù)；（3）溫室中心控制系統(tǒng)為設(shè)施農(nóng)業(yè)服務(wù)，核心功能為智能決策。以溫室三維模型為載體呈現(xiàn)每個(gè)灌溉設(shè)備和物聯(lián)網(wǎng)傳感器的空間位置分布，可遠(yuǎn)程開啟和關(guān)閉灌溉設(shè)備；（4）大田產(chǎn)業(yè)管控系統(tǒng)負(fù)責(zé)大田場(chǎng)景的數(shù)據(jù)服務(wù)，顯示大田土壤水分、氣象類別、光照強(qiáng)度等維度，同時(shí)結(jié)合監(jiān)測(cè)的數(shù)據(jù)，自動(dòng)展示分析后的作物需水預(yù)報(bào)結(jié)果，輔助農(nóng)田灌溉決策；（5）區(qū)域灌溉預(yù)報(bào)系統(tǒng)為華北基地群的管理提供服務(wù)，此為中國(guó)農(nóng)業(yè)科學(xué)院管理的24個(gè)試驗(yàn)基地，收集并展示基地實(shí)況、天氣預(yù)報(bào)、農(nóng)作物種植情況、土壤墑情。

3.3? 數(shù)據(jù)采集方式設(shè)計(jì)

豐富的農(nóng)業(yè)數(shù)據(jù)是實(shí)現(xiàn)智慧灌溉的基礎(chǔ)，是體現(xiàn)平臺(tái)價(jià)值的關(guān)鍵要素。研究灌溉水的有效利用需要掌握農(nóng)作物用水的規(guī)律，氣象、土壤特性和作物生理特性是其中重要影響因素[5]，因此平臺(tái)集成氣象、通量、土壤、農(nóng)作物等四大類數(shù)據(jù)，主要通過(guò)三種方式采集：設(shè)備采集、網(wǎng)絡(luò)抓取和人工填報(bào)。（1）設(shè)備采集主要是利用各類物聯(lián)網(wǎng)傳感器，采集種植環(huán)境及農(nóng)作物自身信息，如風(fēng)速、氣溫、濕度、土壤濕度、水汽、冠層溫度等數(shù)據(jù)。市場(chǎng)上此類傳感器數(shù)據(jù)共享方式主要有兩種：（a）支持接口形式，設(shè)備供應(yīng)商直接提供數(shù)據(jù)共享服務(wù)；（b）存儲(chǔ)在采集設(shè)備或特定電腦中，不直接對(duì)外共享。前者比較簡(jiǎn)單，后者不利于數(shù)據(jù)傳輸，為了提高此類場(chǎng)景下數(shù)據(jù)共享的時(shí)效性以及便利度，本平臺(tái)結(jié)合數(shù)據(jù)存放位置和形式，研發(fā)了共享工具，操作人員經(jīng)授權(quán)后在設(shè)備上安裝此工具，可定時(shí)將數(shù)據(jù)推送到平臺(tái)服務(wù)器中。本平臺(tái)中主要數(shù)據(jù)的采集與傳輸方式見表1。此外，還通過(guò)攝像頭定點(diǎn)巡航功能實(shí)現(xiàn)農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)，遠(yuǎn)程掌握歷史和實(shí)時(shí)情況；（2）網(wǎng)絡(luò)抓取主要目的是采集天氣預(yù)報(bào)信息，通過(guò)第三方服務(wù)平臺(tái)獲取，每天自動(dòng)采集一次未來(lái)七天氣象預(yù)報(bào)信息，為農(nóng)作物需水預(yù)報(bào)模型提供數(shù)據(jù)支撐。（3）人工采集主要內(nèi)容為統(tǒng)計(jì)農(nóng)作物種類、株高、葉寬等信息，通過(guò)excel表格導(dǎo)入系統(tǒng)。為保證數(shù)據(jù)的時(shí)效性以及連續(xù)性，實(shí)現(xiàn)精準(zhǔn)實(shí)時(shí)監(jiān)控，本研究采用較短時(shí)間間隔獲取傳感器數(shù)據(jù)，大部分指標(biāo)采集頻率為1次/30分鐘。

3.4? 關(guān)鍵模型構(gòu)建

智慧灌溉離不開基于環(huán)境信息和農(nóng)作物生長(zhǎng)規(guī)律的決策分析以及需水預(yù)報(bào)，經(jīng)過(guò)反復(fù)論證和對(duì)比，本研究構(gòu)建了兩個(gè)核心模型：基于Penman-Monteith 模型的作物需水預(yù)報(bào)模型及基于環(huán)境監(jiān)測(cè)分析的智慧決策模型。

3.4.1? 作物需水量預(yù)報(bào)模型

作物需水量是指在合適的土壤條件和高產(chǎn)目標(biāo)

下，正常生長(zhǎng)發(fā)育作物的蒸騰量與其所在土面的蒸發(fā)量之和，這是確定作物灌溉水量的重要依據(jù)[24]。本平臺(tái)主要采用參考作物系數(shù)法[25-26]計(jì)算作物實(shí)際需水量，計(jì)算公式如下：

（1）

式中：ETC為作物實(shí)際需水量，KC為作物系數(shù)，ET0為作物參考蒸散量。

通過(guò)反復(fù)對(duì)比，研究最終選取Penman-Monteith

模型（后稱PM模型）對(duì)ET0進(jìn)行計(jì)算。PM模型綜合考慮了氣象因素與作物生理特性，普適性較強(qiáng)，并且在氣象數(shù)據(jù)充足的條件下，模型可計(jì)算出較為精確的ET0值[27-28]。具體表達(dá)式如下：

（2）

式中：ET0為日參考作物需水量（mm/d）；Rn為凈輻射（MJ/（m2d））；G為土壤熱通量。（MJ/（m2·d））；γ為濕度計(jì)常數(shù)（kPa/?C）；T為地面以上2 m高處的日平均氣溫（?C）；u2為地面以上2 m高處的風(fēng)速（m/s）；es為飽和水汽壓（kPa）； ea為實(shí)際水汽壓（kPa）；?為飽和水汽壓與溫度關(guān)系曲線的斜率（kPa/?C）。

模型中的參數(shù)計(jì)算公式如下：

（3）

（4）

（5）

（6）

（7）

（8）

（9）

式中，Rns為凈短輻射（MJ/（m2d））；Rnl為凈長(zhǎng)輻射（MJ/（m2d））；RA為碧空太陽(yáng)總輻射（MJ/（m2d））；RS為短波輻射（MJ/（m2d））；RSO為晴空太陽(yáng)輻射（MJ/（m2d））；Tmax，K 為最大絕對(duì)溫度，Tmin，K 為最大絕對(duì)溫度（K=℃+273.16）；e0（Tmax） 為最大絕對(duì)溫度時(shí)候的飽和水汽壓（kPa）；e0（Tmin） 為最大絕對(duì)溫度時(shí)候的飽和水汽壓（kPa）。

平臺(tái)提供當(dāng)日及未來(lái)6天的作物需水預(yù)報(bào)，其中，當(dāng)日預(yù)測(cè)中的數(shù)據(jù)大部分來(lái)源于實(shí)地的物聯(lián)網(wǎng)傳感器，其中太陽(yáng)輻射、風(fēng)速、水汽等數(shù)據(jù)來(lái)源于通量塔，風(fēng)速和溫度取自基地氣象站；未來(lái)時(shí)間的預(yù)測(cè)數(shù)據(jù)源于氣象預(yù)報(bào)。農(nóng)作物系數(shù)KC來(lái)源于平臺(tái)中存儲(chǔ)的作物資料庫(kù)；因氣象數(shù)據(jù)以天為單位，土壤熱通量取值為0。

3.4.2? 智慧灌溉決策模型

智慧灌溉決策指在一定周期內(nèi)，根據(jù)氣象預(yù)報(bào)、傳感器回傳數(shù)據(jù)，系統(tǒng)自動(dòng)制定灌溉方案，此環(huán)節(jié)以農(nóng)作物需水預(yù)報(bào)及自然降雨量為依據(jù)，計(jì)算如何以最少灌溉量使農(nóng)作物生長(zhǎng)環(huán)境保持在最適合的水分范圍[17]。智慧灌溉決策模型流程如圖3所示，模型分為兩個(gè)階段：灌溉方案制定階段和精準(zhǔn)灌溉實(shí)施階段。前者指根據(jù)系統(tǒng)中知識(shí)庫(kù)確定農(nóng)作物生長(zhǎng)最適需水量范圍，結(jié)合傳感器監(jiān)測(cè)的實(shí)際土壤含水量和降雨量，計(jì)算需要灌溉的水量。后者提供兩種實(shí)施模式：自動(dòng)化模式與半自動(dòng)化模式。自動(dòng)化模式指根據(jù)上一階段生成的灌溉方案自動(dòng)控制是否啟動(dòng)灌溉設(shè)備及灌溉水量，無(wú)需人為干預(yù)，半自動(dòng)化模式指將方案推送給操作人員，尤其是決定是否操作開啟或關(guān)閉電磁閥，防止因誤判或設(shè)備臨時(shí)故障造成較大損失。

4? 平臺(tái)實(shí)現(xiàn)

為了智慧灌溉大數(shù)據(jù)管理平臺(tái)后期的可維護(hù)性和擴(kuò)展性，基于前后端分離方式開發(fā)。前端通過(guò)VUE和ElementUI框架開發(fā)，利用Echarts圖表庫(kù)、Cesium引擎等工具實(shí)現(xiàn)數(shù)據(jù)統(tǒng)計(jì)、分析及三維可視化功能。后端基于Java語(yǔ)言開發(fā)，使用目前主流的Spring MVC 框架，借助WebGIS技術(shù)展示空間數(shù)據(jù)，如物聯(lián)網(wǎng)傳感器位置、基地分布、灌溉設(shè)備位置、高分影像等。通過(guò)螢石開放平臺(tái)集成各地區(qū)攝像頭，并利用流媒體技術(shù)實(shí)現(xiàn)視頻實(shí)時(shí)播放及歷史回放。數(shù)據(jù)存儲(chǔ)方面，同時(shí)應(yīng)用MySQL、MongoDB和GeoDB三種數(shù)據(jù)庫(kù)，分別存放農(nóng)田灌溉中的文本、圖像和空間數(shù)據(jù)，借助SuperMap的Iserver發(fā)布遙感影像和三維模型，通過(guò)MySQL的主從復(fù)制方式實(shí)現(xiàn)數(shù)據(jù)備份，避免因軟硬件故障或人為誤操作導(dǎo)致的數(shù)據(jù)丟失或損壞，保障數(shù)據(jù)安全。系統(tǒng)部署方面，平臺(tái)通過(guò)Apache Tomcat發(fā)布，運(yùn)行在獨(dú)立物理機(jī)服務(wù)器上，利用虛擬集群方式實(shí)現(xiàn)數(shù)據(jù)和業(yè)務(wù)分離，滿足響應(yīng)速度和并發(fā)要求。

5? 平臺(tái)應(yīng)用

5.1? 實(shí)現(xiàn)數(shù)據(jù)匯聚，摸清家底

本平臺(tái)打通了多個(gè)科研團(tuán)隊(duì)數(shù)據(jù)不共享的壁壘，通過(guò)在河南、河北、山東、江蘇等地建立的24個(gè)試驗(yàn)基地，匯聚了8個(gè)科研小組62套多種品牌物聯(lián)網(wǎng)設(shè)備監(jiān)測(cè)的數(shù)據(jù)，其中土壤墑情監(jiān)測(cè)設(shè)備45套、氣象站6套、通量塔1套、作物長(zhǎng)勢(shì)監(jiān)測(cè)設(shè)備1套、灌溉設(shè)備4套、監(jiān)控設(shè)備5套。此外，還通過(guò)人工采集、網(wǎng)絡(luò)抓取等方式補(bǔ)充了精細(xì)化管理所需數(shù)據(jù)，集成了大豆、棉花、小麥、水稻、油菜、玉米等多種農(nóng)作物生長(zhǎng)數(shù)據(jù)，以及農(nóng)作物種植區(qū)的氣象、土壤、灌溉等對(duì)象的歷史數(shù)據(jù)，積累了海量有關(guān)農(nóng)業(yè)灌溉的數(shù)據(jù)，粗略統(tǒng)計(jì)每天采集18 829條數(shù)據(jù)，占用存儲(chǔ)空間58G，為相關(guān)研究提供了有力的數(shù)據(jù)支撐，如圖4所示。多源異構(gòu)的大數(shù)據(jù)經(jīng)平臺(tái)統(tǒng)一的處理形成標(biāo)準(zhǔn)化、規(guī)范化的資源，可避免重復(fù)采集數(shù)據(jù)，提高數(shù)據(jù)利用率，同時(shí)可幫助管理人員摸清“家底”。

5.2? 實(shí)現(xiàn)農(nóng)作區(qū)動(dòng)態(tài)監(jiān)測(cè)，輔助宏觀決策

通過(guò)系列軟硬件集成實(shí)現(xiàn)了農(nóng)作區(qū)的動(dòng)態(tài)監(jiān)測(cè)，有效地呈現(xiàn)其動(dòng)態(tài)發(fā)展過(guò)程，及時(shí)、定量地反映了農(nóng)作物生長(zhǎng)狀況及環(huán)境狀態(tài)，輔助生產(chǎn)決策。根據(jù)平臺(tái)中已收集數(shù)據(jù)的特點(diǎn)及采集方式，按時(shí)間狀態(tài)分為兩類：實(shí)時(shí)傳輸型數(shù)據(jù)和定期收集型數(shù)據(jù)。實(shí)時(shí)傳輸型數(shù)據(jù)主要包括：（1）氣象數(shù)據(jù)，例如風(fēng)向、溫度、風(fēng)速、濕度、光照等；（2）通量數(shù)據(jù)，如水汽、紅外溫度、潛熱、顯熱、凈輻射等，如圖5（a）所示；（3）土壤數(shù)據(jù)，例如土壤水分、土壤溫度、地下水位，其中土壤水分是判定灌溉與否及數(shù)量的重要指標(biāo)，需要盡可能高頻率顯示。圖5（b）為2022年3－4月新鄉(xiāng)綜合試驗(yàn)基地冬小麥種植區(qū)地下20 cm、40 cm、60 cm和80 cm的土壤水分逐日分布圖，其中4月11日降雨促使土壤水分含量劇烈上升。（4）園區(qū)實(shí)景；這類數(shù)據(jù)通過(guò)物聯(lián)網(wǎng)傳感器或攝像頭采集，時(shí)間頻率較高。定期收集型數(shù)據(jù)主要為農(nóng)作物生長(zhǎng)相關(guān)數(shù)據(jù)，如株高、葉寬、葉長(zhǎng)、土壤養(yǎng)分、干物重等，圖5（c）展示了新鄉(xiāng)綜合試驗(yàn)基地2019年冬小麥干物重逐月變化情況，此類數(shù)據(jù)需要人工測(cè)量，通過(guò)統(tǒng)計(jì)圖直觀反映變化趨勢(shì)。

5.3? 實(shí)現(xiàn)農(nóng)作物需水預(yù)報(bào)，達(dá)成遠(yuǎn)程灌溉目標(biāo)

平臺(tái)基于2023年12月新鄉(xiāng)綜合試驗(yàn)基地天氣預(yù)報(bào)及傳感器數(shù)據(jù)，利用作物需水預(yù)報(bào)模型實(shí)現(xiàn)了未來(lái)一周的冬小麥需水預(yù)報(bào)，如圖5（d）所示，未來(lái)7天（12月4日到12月10日）需水量范圍為3.29－3.91 mm/d，需水程度先略微上升，后逐步下降。此方式定量、直觀地向管理及生產(chǎn)人員提供灌溉參考，再結(jié)合土壤水分監(jiān)測(cè)、灌溉區(qū)域?qū)崟r(shí)監(jiān)控，相關(guān)人員可遠(yuǎn)程灌溉并查驗(yàn)灌溉效果。據(jù)評(píng)估，在新鄉(xiāng)綜合試驗(yàn)基地應(yīng)用此套集成系統(tǒng)可節(jié)省灌溉活動(dòng)15%的人員投入，并將灌溉水有效利用系數(shù)提高了31%以上。

5.4? 實(shí)現(xiàn)專題可視化，滿足多場(chǎng)景需求

平臺(tái)針對(duì)科研、大田、溫室、基地群等應(yīng)用場(chǎng)景設(shè)計(jì)對(duì)應(yīng)子系統(tǒng)，根據(jù)使用人員特點(diǎn)選擇性地展示數(shù)據(jù)，實(shí)現(xiàn)了農(nóng)業(yè)灌溉多樣化服務(wù)的應(yīng)用系統(tǒng)。例如面向科研人員的數(shù)據(jù)查閱需求，系統(tǒng)呈現(xiàn)農(nóng)作物生長(zhǎng)以及水、氣、熱等環(huán)境信息，并提供歷史數(shù)據(jù)變化過(guò)程以及詳細(xì)數(shù)據(jù)下載功能。對(duì)于大田生產(chǎn)的場(chǎng)景，系統(tǒng)提供監(jiān)測(cè)設(shè)備位置分布、作物耗水預(yù)報(bào)和遠(yuǎn)程灌溉功能，生產(chǎn)者足不出戶可遠(yuǎn)程開啟或關(guān)閉灌溉設(shè)備電磁閥，減少巡田工作。針對(duì)設(shè)施農(nóng)業(yè)的應(yīng)用，重在結(jié)合各類傳感器數(shù)據(jù)實(shí)現(xiàn)智能決策，并可借助攝像頭查看是否完成操作，實(shí)現(xiàn)無(wú)人化生產(chǎn)。面向多個(gè)基地的管理需求，實(shí)現(xiàn)“一圖覽全貌”，從多個(gè)維度知曉不同地區(qū)基地情況，如圖6展示的天氣、監(jiān)控、基地位置、種植作物、土壤溫度、土壤含水量等，實(shí)現(xiàn)跨區(qū)域、跨層級(jí)、跨業(yè)務(wù)的管理?？傊脚_(tái)的構(gòu)建為灌溉領(lǐng)域管理、科研和生產(chǎn)團(tuán)隊(duì)提供了一個(gè)集數(shù)據(jù)存儲(chǔ)、研究、管控服務(wù)為一體的工具，探索了以數(shù)據(jù)為基礎(chǔ)的農(nóng)業(yè)灌溉，也為跨團(tuán)隊(duì)交流合作搭建了橋梁。

6? 結(jié)論與展望

本平臺(tái)應(yīng)用嵌入式、物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、3S等技術(shù)，采取“1+1+N”的模式，構(gòu)建了智慧灌溉大數(shù)據(jù)管理平臺(tái)。形成 1個(gè)數(shù)據(jù)中心、1個(gè)管理平臺(tái)，4個(gè)應(yīng)用系統(tǒng)，整合了多個(gè)科研團(tuán)隊(duì)的物聯(lián)網(wǎng)傳感器監(jiān)測(cè)數(shù)據(jù)、網(wǎng)絡(luò)抓取數(shù)據(jù)和人工采集數(shù)據(jù)，每天匯總1.88萬(wàn)條數(shù)據(jù)，可通過(guò)圖、表、三維模型等多種方式呈現(xiàn)有關(guān)灌溉的農(nóng)作物生理狀態(tài)、氣象、土壤等多方面信息，實(shí)現(xiàn)了農(nóng)業(yè)灌溉大數(shù)據(jù)的匯總分析與集成管理。利用作物需水預(yù)報(bào)模型、智慧灌溉決策模型及物聯(lián)網(wǎng)灌溉設(shè)備，實(shí)現(xiàn)了智慧灌溉目標(biāo)。通過(guò)在新鄉(xiāng)綜合試驗(yàn)基地應(yīng)用，成功驗(yàn)證了作物需水預(yù)報(bào)與智慧灌溉決策的有效性，將灌溉水有效利用系數(shù)提高了31%以上，初步形成了以數(shù)據(jù)服務(wù)生產(chǎn)的管理模式。平臺(tái)為科研人員、基地管理者、一線生產(chǎn)員分別提供數(shù)據(jù)共享、精細(xì)化管理、遠(yuǎn)程控制等服務(wù)。

平臺(tái)的優(yōu)勢(shì)為：（1）打通了6大類62套物聯(lián)網(wǎng)傳感器，解決了多源數(shù)據(jù)無(wú)法快速、自動(dòng)化匯聚的難題，實(shí)用性強(qiáng)；（2）集成了主流的作物需水預(yù)報(bào)模型Penman-Monteith和智慧灌溉決策模型，解決了數(shù)據(jù)采集和決策分析相互脫節(jié)的問(wèn)題；（3）提供灌溉設(shè)備遠(yuǎn)程控制功能，分專題可視化，按應(yīng)用場(chǎng)景提供服務(wù)，響應(yīng)不同業(yè)務(wù)人員需求。

目前，平臺(tái)已經(jīng)積累了豐富的農(nóng)業(yè)灌溉數(shù)據(jù)，在數(shù)據(jù)收集、數(shù)據(jù)分析、數(shù)據(jù)可視化、遠(yuǎn)程控制等方面取得了一些進(jìn)步，但在應(yīng)用中也面臨了不少問(wèn)題，未來(lái)研究將在如下方面提升：（1）研制或集成更多自動(dòng)化程度高的數(shù)據(jù)采集設(shè)備。目前平臺(tái)中大部分?jǐn)?shù)據(jù)雖然已經(jīng)實(shí)現(xiàn)自動(dòng)化獲取，但也有部分?jǐn)?shù)據(jù)依舊通過(guò)傳統(tǒng)人工測(cè)量方式上傳，如農(nóng)作物的株高、葉長(zhǎng)、葉寬等，雖然結(jié)果較為準(zhǔn)確，但成本高、效率低，采集過(guò)程也對(duì)農(nóng)作物形成一定干擾，未來(lái)通過(guò)研制或集成相關(guān)設(shè)備，探索替代人工的高效采集方法，實(shí)現(xiàn)農(nóng)業(yè)數(shù)據(jù)的全自動(dòng)化采集；（2）探索更加高效的數(shù)據(jù)傳輸技術(shù)。平臺(tái)目前使用4G網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)傳輸，對(duì)于存儲(chǔ)空間較大的數(shù)據(jù)例如高分影像，直接網(wǎng)絡(luò)傳輸?shù)乃俣葻o(wú)法滿足應(yīng)用需求，平臺(tái)后續(xù)將嘗試5G網(wǎng)絡(luò)；（3）建立可持續(xù)的數(shù)據(jù)共享機(jī)制。當(dāng)前平臺(tái)已接入8個(gè)灌溉領(lǐng)域團(tuán)隊(duì)的科研設(shè)備與數(shù)據(jù)，未來(lái)計(jì)劃向領(lǐng)域內(nèi)其他團(tuán)隊(duì)繼續(xù)推廣，需要建立開放共享的合作機(jī)制，引導(dǎo)數(shù)據(jù)協(xié)同利用。（4）加強(qiáng)數(shù)據(jù)分析和評(píng)價(jià)，挖掘數(shù)據(jù)利用價(jià)值。平臺(tái)現(xiàn)已通過(guò)數(shù)據(jù)分析實(shí)現(xiàn)了作物需水預(yù)報(bào)與智慧灌溉決策，下一步將深化數(shù)據(jù)分析與評(píng)價(jià)，豐富系統(tǒng)知識(shí)庫(kù)，將原始數(shù)據(jù)轉(zhuǎn)譯為農(nóng)業(yè)決策與行動(dòng)指南，此外，進(jìn)一步探索數(shù)據(jù)定性描述，讓非專業(yè)人員也能讀懂?dāng)?shù)據(jù)，擴(kuò)大灌溉大數(shù)據(jù)的應(yīng)用場(chǎng)景與服務(wù)人群。未來(lái)農(nóng)業(yè)灌溉必將向智慧化、數(shù)字化方向縱深發(fā)展，平臺(tái)今后也將不斷探索和深化農(nóng)業(yè)灌溉大數(shù)據(jù)的應(yīng)用與管理，努力為水資源集約利用提供有效工具。

參考文獻(xiàn)

[1] UN WATER. Sustainable Development Goal 6 synthesis report on water and sanitation[M]. New York： The United Nations New York， 2018， 10017.

[2] 中華人民共和國(guó)水利部. 中國(guó)水資源公報(bào)2022[M]. 北京：中國(guó)水利水電出版社， 2023.

[3] YANG L， HENG T， YANG G， et al. Analysis of factors influencing effective utilization coefficient of irrigation water in the Manas River Basin. Water， 2021，13（2）：189. https：//doi.org/10.3390/w13020189.

[4] 張亮，周薇，李道西.農(nóng)業(yè)高效節(jié)水灌溉模式選擇研究進(jìn)展[J].排灌機(jī)械工程學(xué)報(bào)，2019，37（5）：447-453.

[5] BWAMBALE E， ABAGALE F K， ANORNU G K. Smart irrigation monitoring and control strategies for improving water use efficiency in precision agriculture： A review[J]. Agricultural Water Management， 2022，260：107324. https：//doi.org/10.1016/j.agwat.2021.107324.

[6] 袁紫晉，毛克彪，曹萌萌，等.國(guó)內(nèi)外農(nóng)業(yè)大數(shù)據(jù)發(fā)展的現(xiàn)狀與存在的問(wèn)題[J].中國(guó)農(nóng)業(yè)信息，2021，33（3）：1-12.

[7] 綜述：缺水國(guó)家以色列的“指尖”節(jié)水農(nóng)業(yè)[EB/OL]. （2022-03-22） [2023-12-17]. http：//www.xinhuanet.com/tech/2022-03/22/c_1128492406. htm.

[8] Irrigation & Water Use[EB/OL]. （2023-09-08）[2023-12-17]. https：// www.ers.usda.gov/topics/farm-practices-management/irrigation-water-use/.

[9] 康紹忠.貫徹落實(shí)國(guó)家節(jié)水行動(dòng)方案? 推動(dòng)農(nóng)業(yè)適水發(fā)展與綠色高效節(jié)水[J].中國(guó)水利，2019（13）：1-6.

[10] 國(guó)家統(tǒng)計(jì)局. 第三次全國(guó)農(nóng)業(yè)普查主要數(shù)據(jù)公報(bào)（第五號(hào)）[EB/OL]. （2017-12-16）[2023-11-08]. http：//www.stats.gov.cn/sj/tjgb/nypcgb/ qgnypcgb/202302/t20230206_1902105.html.

[11] 中華人民共和國(guó)國(guó)務(wù)院. 國(guó)務(wù)院關(guān)于印發(fā)“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃的通知[EB/OL]. （2022-01-12）[2023-11-08]. https：//www.gov. cn/zhengce/zhengceku/2022-01/12/content_5667817.htm.

[12] 陸紅飛，王濤，喬冬梅，等.物聯(lián)網(wǎng)在農(nóng)業(yè)灌溉中的應(yīng)用：從灌溉自動(dòng)化到智慧灌溉[J].灌溉排水學(xué)報(bào)，2023，42（1）：87-99.

[13] OBAIDEEN K， YOUSEF B A， AlMALLAHI M N， et al. An overview of smart irrigation systems using IoT[J/OL]. Energy Nexus， 2022：100124. https：//doi.org/10.1016/j.nexus.2022.100124.

[14] GAMAL Y， SOLTAN A， SAID L A， et al. Smart irrigation systems： Overview[J/OL]. IEEE Access， 2023. https：//doi.org/10.1109/ACCESS. 2023.3251655.

[15] 沈建煒，李林，魏新華.丘陵地區(qū)藍(lán)莓園智能灌溉決策系統(tǒng)設(shè)計(jì)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2018，49（S1）：379-386.

[16] 付少華，蘭壬庚，李偉，等.智慧農(nóng)業(yè)灌溉系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].節(jié)水灌溉，2022（2）：71-74.

[17] 魯旭濤，張麗娜，劉昊，等.智慧農(nóng)業(yè)水田作物網(wǎng)絡(luò)化精準(zhǔn)灌溉系統(tǒng)設(shè)計(jì)[J].農(nóng)業(yè)工程學(xué)報(bào)，2021，37（17）：71-81.

[18] WaterBit Uses AT&T Connectivity in Smart Irrigation Solution [EB/OL]. （2018-01-23）[2023-12-17]. https：//about.att.com/story/waterbit _attconnectivity.html.

[19] Phytech Plant-Based Irrigation[EB/OL]. （2022-01-31）[2023-12-17]. https：//www.aginfo.net/report/52017/Farm-of-the-Future/Phytech-Plant-Based-Irrigation.

[20] ROY S K， MISRA S， RAGHUWANSHI N S. AgriSens： IoT-based dynamic irrigation scheduling system for water management of irrigated crops[J]. IEEE Internet of Things Journal， 2020，8（6）： 5023-5030. https：//doi.org/10.1109/JIOT.2020.3036126.

[21] TACE Y， TABAA M， ELFILALI S， et al. Smart irrigation system based on IoT and machine learning[J]. Energy Reports， 2022，8： 1025-1036. https：//doi.org/10.1016/j.egyr.2022.07.088.

[22] 許海婷，黃娟萍，朱永華，等.淮北平原冬小麥土壤含水率時(shí)空特征分析[J].灌溉排水學(xué)報(bào)，2021，40（7）：1-8.

[23] 張杰，王川，董曉霞，等.基于裂變模式的農(nóng)業(yè)農(nóng)村信息快速調(diào)查及分析平臺(tái)開發(fā)與應(yīng)用[J].中國(guó)農(nóng)業(yè)科學(xué)，2022，55（21）：4158-4174.

[24] 劉鈺，汪林，倪廣恒，等.中國(guó)主要作物灌溉需水量空間分布特征[J].農(nóng)業(yè)工程學(xué)報(bào)，2009，25（12）：6-12.

[25] ALLEN R G， PEREIRA L S， RAES D. Crop evapotranspiration- guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56[Z]. 1998： 300， D5109.

[26] 宋妮，孫景生，王景雷，等.基于Penman修正式和Penman-Monteith公式的作物系數(shù)差異分析[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29（19）：88-97.

[27] KUMAR R， JAT M K， SHANKAR V. Methods to estimate irrigated reference crop evapotranspiration–a review[J]. Water Science and Technology， 2012，66（3）：525-535. https：//doi.org/10.2166/wst.2012. 191.

[28] PEREIRA L S， ALLEN R G， SMITH M， et al. Crop evapotranspiration estimation with FAO56： Past and future[J]. Agricultural Water Management， 2015，147：4-20. https：//doi.org/10.1016/j.agwat.2014. 07.031.

引用格式：張杰，黃仲冬，梁志杰，李世娟，劉升平.智慧灌溉大數(shù)據(jù)管理平臺(tái)設(shè)計(jì)與應(yīng)用[J].農(nóng)業(yè)大數(shù)據(jù)學(xué)報(bào)，2024，6（1）： 82-93. DOI： 10.19788/j.issn.2096- 6369.000007.

CITATION： ZHANG Jie， HUANG ZhongDong， LIANG ZhiJie， LI ShiJuan， LIU ShengPing. Design and Application of Smart Irrigation Big Data Management Platform[J]. Journal of Agricultural Big Data， 2024，6（1）： 82-93. DOI： 10.19788/j.issn.2096-6369.000007.

Design and Application of Smart Irrigation Big Data Management Platform

ZHANG Jie1，2， HUANG ZhongDong3， LIANG ZhiJie3， LI ShiJuan1，2， LIU ShengPing1，2*

1. Agricultural Information Institute， Chinese Academy of Agricultural Sciences， Beijing 100081， China; 2. Key Laboratory of Agricultural Blockchain Application， Ministry of Agriculture and Rural Affairs， Beijing 100081， China; 3. Institute of Farmland Irrigation， Chinese Academy of Agricultural Sciences， Xinxiang 453002， Henan， China

Abstract： Predominantly extensive flood irrigation method leads to wastage of water resources. Therefore， exploring efficient and water-saving agricultural irrigation methods is crucial. This study has developed an intelligent irrigation big data management platform that integrates data collection， management， visualization， analysis， decision-making， and remote management. Its goal is to improve water resource utilization efficiency through digital management and intelligent control. The platform utilizes embedded systems， the Internet of Things（IoT）， and Internet technologies， as well as "3S" （GIS， RS， and GPS） technology. It follows the design model of "1+1+N" and includes the construction of a crop water requirement forecasting model， an irrigation decision-making model， an irrigation data center， an irrigation data management system， and four application systems. The entire platform is based on the B/S architecture and programmed using the Java language. The platform has been successfully implemented in several demonstration bases across regions such as Hebei， Henan， Shandong， Jiangsu， etc. It has gathered data on the growth， irrigation， weather， soil， and other aspects of various crops from 8 research teams and 24 experimental bases. On average， it collects 18 829 pieces of data per day， helping management personnel understand the overall situation. It integrates software systems from multiple teams and 62 sets of IoT devices to present the growth and environmental status of crops in a timely and quantitative manner， achieving dynamic monitoring of agricultural areas and assisting production decisions. It has also generated crop water demand forecasts and irrigation decision-making plans， accomplished remote irrigation targets， and through field experiments， validated the effectiveness of automatic irrigation， increasing the irrigation water utilization efficiency by more than 31% at its highest. The platform meets the application needs of different agricultural scenarios through thematic visualizations such as field industry， greenhouse center， digital scientific research， and regional irrigation. The smart irrigation big data management platform serves as a convenient tool for agricultural production and cross-regional management. Its construction and application provide valuable references for the development of digital agricultural irrigation systems.

Keywords： smart irrigation; big data; crop water requirement forecasting; platform design; IoT