本开发方案涉及农业灌溉领域，尤其是一种基于采集到的土壤信息、气象信息，通过作物灌溉用水需求模型计算后，能够反馈调节用水信息进行灌溉的智能灌溉管理系统。
背景技术：
在我国农业用水约占用水总量的63%，传统农业灌溉模式水资源浪费严重，使得我国农业用水的有效利用率仅为45%左右。我国农业领域由于水资源利用率低以及耕地管理效率低等问题，制约了农业的发展。在灌溉期浇水全凭农民的经验和感觉，造成水资源的严重浪费，也使农作物不能得到最佳的生长环境，影响了农作物的产量和质量。依靠人工进行农业管理，不仅工作效率低、工作量大，而且不能长时间有效的进行作物需水情况监测，不利于灌溉的科学管理和先进灌溉技术的推广。
随着我国水资源供需矛盾日益尖锐，农业用水配额减少的问题日益突出，采用低能耗的以滴灌、喷灌、微灌为代表的自动化节水灌溉技术得到了迅速推广及应用，农业自动化灌溉系统由传统的充分灌溉向非充分灌溉转变。通过对灌区资源进行自动化控制和优化配置，可以大大提高农业灌溉用水的利用率，缓解我国水资源紧缺的现状。
技术实现要素：
有鉴于此，本发明提供一种智能灌溉管理系统，用以解决现有技术中存在的问题，可根据不同土壤与气候情况，针对不同种类农作物的各生育阶段，通过灌溉用水需求模型计算出需要灌水量，反馈调节用水信息进行灌溉的智能灌溉管理系统。
本发明采用以下技术方案：
一种智能灌溉管理系统，其中，包括智能感知平台、无线传输平台、云数据中心和应用管理平台;所述智能感知平台包括数据采集控制器、LoRa传输模块、数据采集模块与控制终端模块;所述数据采集模块包括土壤墒情传感器、土壤温度传感器、水位传感器、气象环境传感器;所述控制终端模块包括水泵和电磁阀，所述电磁阀为多个，所述多个电磁阀均与数据采集控制器无线连接;所述无线传输平台包括GPRS网络和4G网络;所述云数据中心包括云服务器、灌溉用水需求模型、作物需水预报与灌溉预报;所述灌溉用水需求模型根据智能感知平台中数据采集模块采集到的土壤墒情、土壤温度、水位、气象信息自动计算，发布作物需水预报与灌溉预报;所述应用管理平台包括灌溉管理软件和用户终端，所述用户终端包含PC端与手机端。
优选的，所述智能感知平台包括数据采集控制器、LoRa传输模块、数据采集模块与控制终端模块;所述数据采集模块用于采集不同深度土壤水分含量数据、不同深度土壤温度数据、地下水位数据、大气温度、大气湿度、实施风速、光照强度等数据;所述LoRa传输模块将数据采集模块采集到的数据信息通过LoRa技术无线传输至数据采集控制器。
优选的，所述无线传输平台将数据采集控制器收集到的数据，通过GPRS网络或4G网络远程传输至云数据中心中的云服务器。
优选的，所述云服务器将通过无线传输平台接收所述智能感知平台采集到的信息，自动输入所述灌溉用水需求模型;所述灌溉用水需求模型根据接收到的信息和预设的作物参数生成灌溉预报，并传输至应用管理平台。
所述灌溉预报包括：预测土壤含水量θi随时间的变化，当土壤含水量下降到适宜含水量下限时，由土壤田间持水量与含水量下限值间的差结合作物计划湿润层湿度，计算获得作物单次灌溉需水量，即灌水定额;最后根据特定灌溉区域内不同作物种植面积，计算获得区域灌溉需水量。
所述作物单次灌溉需水量预测公式如下：
式中，II为各类作物单次灌溉需水量，单位：m3/亩;θf为田间持水量;θi为预测土壤含水量;γ为土壤容重，单位：g/cm3，根据实测获取;Hi为特定生育阶段内计划湿润层深度，单位：m，根据当地作物估算。
所述预测土壤含水量θi的计算公式为：
式中，θi-1为上一时段土壤含水量;ETi-1为作物日耗水量(mm/d);Ri-1为计算时段内有效降雨量(mm)，可用气象预报数据;ΔW为计划湿润层增加而增加的水量(mm)，根据已有研究成果结合当地作物估算;Fi-1为土壤深层渗漏量(mm)，取0;H为计划湿润层深度(mm)，根据当地作物估算;γ为土壤容重，单位：g/cm3;Gi-1为作物利用地下水量。
优选的，所述上一时段土壤含水量θi-1由计算机根据定点实测土壤墒情值与其对应的影像像元属性值拟合求出，计算机程序自动调用拟合函数得到拟和方程，选取相关系数R方最大的拟合函数进行计算确定。
所述ETi-1为作物日耗水量是利用参考腾发量ET0和作物系数kc计算;所述ET0通过以下公式进行计算：
优选的，上述式中a、b、c均为待定系数，设置为可输入变量;Tmax、Tmin分别为当日最高、最低气，从上述数据采集模块采集的气象环境传感器中数据;J为日序数，如1月12日，J=12;T为下一日平均温度，从上述数据采集模块采集的气象环境传感器中数据。
该方法创新性的将传统的基于多个气象参数的计算方法简化为只需输入降水量、最高气温、最低气温三个参数，极大的减轻的灌溉预报中面临的气象参数获取难、类型多、输入工作量大等问题。
当计算出的预测土壤含水量θi>土壤灌溉临界点θk时，灌溉用水需求模型自动判断无需灌溉，则返回模型继续监测。当计算出的预测土壤含水量θi<土壤灌溉临界点θk时，灌溉用水需求模型自动判断需要灌溉，此时通过下述公式计算预测出区域灌溉需水量：
式中Wt为名称为t的计算区域灌溉需水量;At为名称为t的计算区域的面积，该面积通过遥感技术对区域作物种植结构进行目视解译与监督分类来计算，由计算机软件自我学习、判断确定;Ii为第i旬的灌溉水量。
优选的，所述应用管理平台根据接收到的灌溉预报，由灌溉管理软件生成相应的灌溉策略，所述灌溉策略通过远程传输至数据采集控制器，再通过LoRa传输模块传输至控制终端模块，并且同时将灌溉策略发送至用户终端，用户可在PC端与手机端同时查看;控制终端模块根据接收到的命令，打开或关闭水泵与电磁阀。
优选的，控制终端模块采用无线阀门控制器。所述无线阀门控制器包括控制器壳体，所述控制器壳体上设置有天线和支架，所述控制器壳体上设置有太阳能电池板，所述控制器壳体内设置有锂电池、升压模块、储能电路、阀门控制继电器、DC-DC模块、MCU和LoRa无线通信模块，所述太阳能电池板与锂电池电连接，为所述锂电池充电;所述锂电池分别与所述升压模块和DC-DC模块电连接，为所述升压模块和DC-DC模块供电;所述升压模块、储能电路、阀门控制继电器依次电连接，所述阀门控制继电器、LoRa无线通信模块均与所述MCU电连接;所述天线与LoRa无线通信模块连接。
所述灌溉管理软件不仅可以根据智能感知平台采集到的数据通过灌溉用水需求模型自动生成灌溉策略，也可以通过用户终端人工制定灌溉策略;所述人工制定灌溉策略包括水泵与电磁阀打开时间、开启个数与灌水量。
本发明的有益效果为：
本发明提供一种智能灌溉管理系统，通过灌溉用水需求模型自动生成最佳灌溉策略，能够更加合理、科学的利用水资源，避免水资源浪费;本发明实现自动控制的智能灌溉，极大提高了劳动生产力和减低了劳动成本。本发明能够实现不同深度土壤水分、不同深度土壤温度、地下水位、大气温度、大气湿度、实施风速、光照强度等数据的自动采集与传输，不仅节省了人工实地测量的工作量，也保证了数据的连续;通过将现场灌溉状态上传到互联网平台，可以实时远程监控运行状态;能够人工制定灌溉策略，避免因数据采集或传输发生故障而不能进行自动灌溉的情况发生。
本发明提供了一种作物日耗水量ETi-1的计算方法，该方法公式所需输入参数仅为当日最高、最低气温与下一日平均温度，这些数据都能可以从气象站与天气预报中简单获取，简化原作物日耗水量通用公式—Penman-Montieth方程所需的参数种类与计算过程。该系统能够根据实时监测到的土壤墒情、土壤温度、气象信息，远程传输至云服务器中，结合作物生长需求，通过灌溉用水需求模型计算出需要灌水量，自动制定浇灌策略，控制灌溉，实现个性化浇灌。
具体实施方式
如图1所示，本发明提供一种智能灌溉管理系统，包括智能感知平台104、无线传输平台103、云数据中心102和应用管理平台101;所述智能感知平台包括数据采集控制器、LoRa传输模块、数据采集模块与控制终端模块;所述数据采集模块包括土壤墒情传感器、土壤温度传感器、水位传感器、气象环境传感器;所述控制终端模块包括水泵和电磁阀，所述电磁阀为多个，所述多个电磁阀均与数据采集控制器无线连接;所述无线传输平台包括GPRS网络和4G网络;所述云数据中心包括云服务器、灌溉用水需求模型、作物需水预报与灌溉预报;所述灌溉用水需求模型根据智能感知平台中数据采集模块采集到的土壤墒情、土壤温度、水位、气象信息自动计算，发布作物需水预报与灌溉预报;所述应用管理平台包括灌溉管理软件和用户终端，所述用户终端包含PC端与手机端。
智能感知平台包括数据采集控制器、LoRa传输模块、数据采集模块与控制终端模块;所述数据采集模块用于采集不同深度土壤水分含量数据、不同深度土壤温度数据、地下水位数据、大气温度、大气湿度、实施风速、光照强度等数据;所述LoRa传输模块将数据采集模块采集到的数据信息通过LoRa技术无线传输至数据采集控制器。
在一个实施例中，无线传输平台将数据采集控制器收集到的数据，通过GPRS网络或4G网络远程传输至云数据中心中的云服务器。
在一个实施例中，云服务器将通过无线传输平台接收所述智能感知平台采集到的信息，自动输入所述灌溉用水需求模型;所述灌溉用水需求模型根据接收到的信息和预设的作物参数生成灌溉预报，并传输至应用管理平台。
所述灌溉预报包括：预测土壤含水量θi随时间的变化，当土壤含水量下降到适宜含水量下限时，由土壤田间持水量与含水量下限值间的差结合作物计划湿润层湿度，计算获得作物单次灌溉需水量，即灌水定额;最后根据特定灌溉区域内不同作物种植面积，计算获得区域灌溉需水量。
所述作物单次灌溉需水量预测公式如下：
式中，II为各类作物单次灌溉需水量，单位：m3/亩;θf为田间持水量;θi为预测土壤含水量;γ为土壤容重，单位：g/cm3，根据实测获取;Hi为特定生育阶段内计划湿润层深度，单位：m，根据当地作物估算。
所述预测土壤含水量θi的计算公式为：
式中，θi-1为上一时段土壤含水量;ETi-1为作物日耗水量(mm/d);Ri-1为计算时段内有效降雨量(mm)，可用气象预报数据;ΔW为计划湿润层增加而增加的水量(mm)，根据已有研究成果结合当地作物估算;Fi-1为土壤深层渗漏量(mm)，取0;H为计划湿润层深度(mm)，根据当地作物估算;γ为土壤容重，单位：g/cm3;Gi-1为作物利用地下水量。
优选的，所述上一时段土壤含水量θi-1由计算机根据定点实测土壤墒情值与其对应的影像像元属性值拟合求出，计算机程序自动调用拟合函数得到拟和方程，选取相关系数R方最大的拟合函数进行计算确定。
该方法借助遥感手段结合实测数据计算区域范围内不同计算单元土壤墒情变化情况。系统使用Landsat8的相关波段栅格数据来获取系统所需的灌区的初始土壤含水率的信息，然后将卫星影像进行辐射校正、大气校正和图像增强、数据融合等操作，来消除卫星成像过程中受到的影响、提高影像分辨率，如卫星速度变化、大气与地物反射与发射电磁波的相互作用、随机噪声、可见光波段与全色波段融合等。经过对所得的卫星图像的处理后，由影像的相关波段计算区域的归一化植被指数(NDVI)，再由归一化植被指数计算温度植被干旱指数(TVDI)，建立TVDI与实地监测土壤含水率两者之间的相关关系。
通过卫星影像获取的灌区当前土壤含水率的栅格数据是由一个个的像元组成，像元的大小取决于影像的分辨率，每一个像元代表组成灌区的一块面积，因为现在Landsat8的分辨率可以达到15m，所以假定每一个像元内的当前土壤含水率是一样的，这样每一个像元为一基本计算单元，相当于对灌区进行离散化，即单元格剖分。然后进行单元特性分析，即通过卫星影像栅格数据可以知道像元内当前土壤含水率。
所述ETi-1为作物日耗水量是利用参考腾发量ET0和作物系数kc计算。本发明为减轻模型使用人员的工作量，将ET0预测模型及作物系数、土壤系数的计算和预测方法带入Penman-Montieth方程，可确定出参考腾发量ET0的计算模型。所述ET0通过以下公式进行计算：
优选的，上述式中a、b、c均为待定系数，设置为可输入变量;Tmax、Tmin分别为当日最高、最低气，从上述数据采集模块采集的气象环境传感器中数据;J为日序数，如1月12日，J=12;T为下一日平均温度，从上述数据采集模块采集的气象环境传感器中数据。
当计算出的预测土壤含水量θi>土壤灌溉临界点θk时，灌溉用水需求模型自动判断无需灌溉，则返回模型继续监测。当计算出的预测土壤含水量θi<土壤灌溉临界点θk时，灌溉用水需求模型自动判断需要灌溉，此时通过下述公式计算预测出区域灌溉需水量：
式中Wt为名称为t的计算区域灌溉需水量;At为名称为t的计算区域的面积，该面积通过遥感技术对区域作物种植结构进行目视解译与监督分类来计算，由计算机软件自我学习、判断确定;Ii为第i旬的灌溉水量。
应用管理平台根据接收到的灌溉预报，由灌溉管理软件生成相应的灌溉策略，所述灌溉策略通过远程传输至数据采集控制器，再通过LoRa传输模块传输至控制终端模块，并且同时将灌溉策略发送至用户终端，用户可在PC端与手机端同时查看;控制终端模块根据接收到的命令，打开或关闭水泵与电磁阀。
灌溉管理软件不仅可以根据智能感知平台采集到的数据通过灌溉用水需求模型自动生成灌溉策略，也可以通过用户终端人工制定灌溉策略;所述人工制定灌溉策略包括水泵与电磁阀打开时间、开启个数与灌水量。
本发明的智能感知平台通过土壤墒情传感器、土壤温度传感器、水位传感器采集墒情、温度和水位信息，气象环境传感器采集现场的气象环境信息，由数据采集控制器控制土壤墒情传感器、土壤温度传感器、水位传感器和气象环境传感器进行信息的采集，采集到的信息通过LoRa传输模块传输至数据采集控制器。通过无线传输平台的GPRS网络、4G网络等将信息发送给云数据中心的云服务器，云数据中心根据采集到的信息和预设的灌溉用水需求模型生成作物需水预报和灌溉预报，并传输给灌溉管理软件，由灌溉管理软件生成相应的灌溉策略，由智能终端控制灌溉管理软件根据灌溉策略打开或关闭电磁阀，通过电磁阀的打开或关闭控制水泵的浇灌。
如图2-图8所示，在一个实施例中，控制终端模块采用无线阀门控制器。无线阀门控制器包括控制器壳体1、太阳能电池板2、天线3和支架4，控制器壳体1上设置有天线3、支架4和太阳能电池板2，控制器壳体1内设置有锂电池、升压模块、储能电路、阀门控制继电器、DC-DC模块、MCU和LoRa无线通信模块，太阳能电池板2与锂电池电连接，为所述锂电池充电;锂电池分别与升压模块和DC-DC模块电连接，为升压模块和DC-DC模块供电;升压模块、储能电路、阀门控制继电器依次电连接，阀门控制继电器、LoRa无线通信模块均与所述MCU电连接;天线3与LoRa无线通信模块连接。支架4上设置有连接脉冲阀的接线孔5，支架为圆柱体金属支架，在支架上设置有防腐涂层。
如图4所示，MCU为STM8L152C8T6芯片。如图7、图8所示，阀门控制继电器包括1路脉冲阀电路和2路脉冲阀电路。1路脉冲阀电路包括电容C16、二极管D5、继电器S1、电阻R15、R13、三极管Q2、电阻R17、电阻R19、三极管Q4、二极管D7、D9、D11、继电器S3，电容C16的阴极接地、阳极接二极管D5的负极，电容C16、二极管D5的负极和继电器S1的线圈共同接12V电压，二极管D5的正极、继电器S1共同连接到三极管Q2的集电极上，电阻R15一端接地，另一端与电阻R13共同连接到三极管Q2的基极，电阻R13另一端接MCU的H2+信号线，三极管Q2的发射极接地。二极管D7的正极接地，负极接继电器S1的常闭开关，继电器S1的常闭开关接地;继电器S1的常开开关接12V电压。二极管D9的正极接地，负极接继电器S3的常闭开关，继电器S3的常闭开关接地，常开开关接12V电压。二极管D11的负极与继电器S1的线圈共同连接至12V电压，二极管D11与继电器S1并联，二极管D11的正极接三极管Q4的集电极，三极管Q4的发射极接地，基极分别连接电阻R17、R19的一端，电阻R17的另一端接MCU的H2-信号端，电阻R19的另一端接地。
2路脉冲阀电路包括二极管D6、继电器S2、电阻R14、R16、三极管Q3、电阻R18、电阻R20、三极管Q5、二极管D8、D10、D12、继电器S4。电阻R14一端连接H1+信号端，另一端分别连接电阻R16的一端和三极管Q3的基极，电阻R16另一端和三极管Q3的发射极接地。三极管Q3的集电极与继电器S2的线圈连接，二极管D6与继电器S2并联，二极管D6的负极接12V电压，继电器S2的常开开关接12V电压，常闭开关分别接地和二极管D8的负极，二极管D8的正极接地。二极管D12与继电器S4并联，二极管D12的负极接12V电压，二极管D12的正极接三极管Q5的集电极，三极管Q5的发射极接地，基极分别接电阻R18和R20的一端，电阻R18的另一端接H1-信号端，电阻R20的另一端接地。继电器S4的常开开关接12V电压，常闭开关接地。电阻D10的负极接继电器S4的常闭开关，正极接地。
无线阀门控制器的LoRa无线通信模块将接收到的信号解析后送MCU，MCU处理后下发开或关阀的指令，这时候后面的升压、储能、继电器等电路协同工作发出正/反向的脉冲从而控制脉冲阀工作。在正常工作状态下，用户可根据环境监测数据通过控制中心下发控制命令，由无线阀门控制器控制阀门的打开和关闭，当无线阀门控制器在成功执行完控制命令后会返回阀门的工作状态，若控制中心在10秒左右没有接收到设备的返回命令，则说明命令未能成功执行，这时可再次下发命令。无线阀门控制器在正常状态下会通过LoRa无线通信模块定时上传实时环境数据和阀门状态。
本发明大大优化了现有灌溉系统架构，极大节省了硬件成本的投入，在每个灌溉节点设置对应的电磁阀，通过水泵的入口处的电磁阀实现智能灌溉。通过气象环境传感器对现场数据采集，制定系统科学的灌溉方案。通过将现场各传感器采集到的数据以及灌溉状态上传到互联网平台，可以实时远程监控运行状态。根据采集到的数据通过灌溉用水需求模型，生成作物需水预报和灌溉预报，判断是否进行灌溉，以及计算灌溉强度是多大。本发明的灌溉预报包括灌溉启动时间，灌溉时间，灌溉次数，水量等。
本发明的整个灌溉控制过程在应用管理平台上通过移动终端上的灌溉管理软件进行远程控制，通过无线方式远程对电磁阀和数据采集控制器进行控制，利用无线传输平台在云服务器上进行数据交互。本发明实现了对田间气象参数和灌溉参数的实时采集。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
