大數(shù)據(jù)及人工智能技術(shù)在灌溉領(lǐng)域的應(yīng)用初探

王 應(yīng) 海

(北京東方潤澤生態(tài)科技股份有限公司，北京 100191)

1 概 要

農(nóng)民渴望對自己的土地狀態(tài)有動(dòng)態(tài)的掌握，從作物的生長狀態(tài)到可能破壞作物生長的病蟲害、風(fēng)、雨、雪、霜、熱、霧霾等，希望對天氣數(shù)據(jù)、GPS數(shù)據(jù)、土壤細(xì)節(jié)、種子、化肥和作物保護(hù)劑規(guī)格等影響農(nóng)作物及土地的影響因素了如指掌，但是，在信息爆炸的今天，每個(gè)關(guān)鍵信息的背后都需要對海量信息進(jìn)行處理。例如，1972-2013年,被登記審定的玉米品種總數(shù)為6 291個(gè),在2013年現(xiàn)存的審定玉米品種數(shù)為4 882個(gè)，只有通過大數(shù)據(jù)數(shù)據(jù)挖掘，機(jī)器學(xué)習(xí)技術(shù)，幫助農(nóng)民對關(guān)鍵決策做出科學(xué)決定：在哪里種植、用什么類型的種子以及預(yù)測最佳的播種時(shí)間等，以提高產(chǎn)量、降低成本。

另外，一旦播種完畢，圍繞著灌溉、施肥和保護(hù)作物的各種決策都對時(shí)間非常敏感，并且很大程度上受天氣的影響。如果農(nóng)民知道第二天會(huì)有大雨，就會(huì)決定今天不施肥，因?yàn)榉柿蠈?huì)被大雨沖走。知道是否即將下雨也會(huì)影響何時(shí)灌溉。全世界有70%的淡水資源被用于農(nóng)業(yè)，能夠更好地管理農(nóng)業(yè)用水將會(huì)對全球淡水供應(yīng)產(chǎn)生巨大的影響。因此，本文的關(guān)注點(diǎn)是大數(shù)據(jù)及人工智能技術(shù)在農(nóng)業(yè)用水方面的應(yīng)用。

2 作物需水量ETc

對于農(nóng)業(yè)用水，作物需水量是農(nóng)業(yè)生產(chǎn)中最為基礎(chǔ)的數(shù)據(jù)。是研究農(nóng)田水分變化規(guī)律、水分資源開發(fā)利用、農(nóng)田水利工程規(guī)劃和設(shè)計(jì)、分析和計(jì)算灌溉用水量等的依據(jù)之一。作物需水量是在正常生育狀況和最佳水、肥條件下，作物整個(gè)生育期中，農(nóng)田消耗于蒸散的水量。一般以可能蒸散量表示，即為植株蒸騰量與株間土壤蒸發(fā)量之和，以mm或m3/hm2計(jì)。影響田間作物需水量的主要因素有：氣象條件、作物種類、土壤性質(zhì)和農(nóng)業(yè)措施等。氣溫高，空氣干燥，風(fēng)速大，作物需水量就大；生長期長、葉面積大、生長速度快、根系發(fā)達(dá)以及蛋白質(zhì)或油脂含量高的作物需水量就大。

作物不同發(fā)育期的需水量差別很大。一般在整個(gè)生育期中，前期小，中期達(dá)最高峰，后期又減少。生殖生長時(shí)期，往往是需水臨界期。如禾谷類作物的孕穗期，對缺水最為敏感，此期缺水，對生長發(fā)育極為不利，常造成大幅度減產(chǎn)。

確定作物需水量的基本方法有水量平衡法和能量平衡法。前者可用簡測法、坑測法和田測法；后者測定項(xiàng)目有凈輻射量、亂流熱通量、土壤吸收或放出的熱量等。在資料短缺時(shí)常采用彭曼公式等經(jīng)驗(yàn)或半經(jīng)驗(yàn)方法估計(jì)可能蒸散量。但是，上述方法均依賴于科研的方式和手段，需要人力、物力和時(shí)間投入，不能夠自動(dòng)化的生成作物需水量數(shù)據(jù)用于指導(dǎo)生產(chǎn)。

從1990年5月專家咨詢(Expert Consultation)會(huì)議后，F(xiàn)AO Penman-Monteith 方法現(xiàn)被推薦為定義和計(jì)算參考作物騰發(fā)量(ET0)的標(biāo)準(zhǔn)方法。標(biāo)準(zhǔn)條件下的作物需水量ETc可通過Kc確定，即：

ETc=ET0Kc

需要實(shí)現(xiàn)自動(dòng)化的測報(bào)作物需水量ETc，需要實(shí)現(xiàn)自動(dòng)化的測報(bào)參考蒸發(fā)蒸騰量(ET0)及作物系數(shù)Kc。

3 大數(shù)據(jù)、人工智能與自動(dòng)化測報(bào)參考作物蒸發(fā)蒸騰量(ET0)

2016年5月，insentek公司首次公布了其覆蓋全中國、1 km精度、具備1981年1月1日到當(dāng)日，共歷時(shí)36年具體到天的參考蒸發(fā)蒸騰量(ET0)大數(shù)據(jù)平臺(tái)，該平臺(tái)同時(shí)還提供了預(yù)測未來7日的參考蒸發(fā)蒸騰量(ET0)數(shù)值服務(wù)。

參考蒸發(fā)蒸騰量ET0，顧名思義，它是一個(gè)參考值，是蒸發(fā)蒸騰量的參考、參照值。蒸發(fā)蒸騰是地球水循環(huán)中最重要的環(huán)節(jié)之一。水分從植物體表面(主要是葉子)以水蒸氣狀態(tài)散失到大氣中的過程叫做蒸騰，土壤中水分汽化進(jìn)入大氣的過程叫做蒸發(fā)，合稱蒸發(fā)蒸騰。由于組成植物體中的水分與蒸發(fā)蒸騰所消耗的水分相比微乎其微，因此，可以認(rèn)為植株的需水量就等于植株蒸騰量和棵間土壤蒸發(fā)量之和。與蒸發(fā)蒸騰量相關(guān)的因素可以分為兩大類：氣象因素；作物因素(作物的葉面指數(shù)、種植模式、土壤環(huán)境等)。

氣象因素具有大范圍內(nèi)近似一致的特點(diǎn)，國際上一般認(rèn)為一臺(tái)氣象站可代表10×10 km2范圍的氣象因素。同時(shí)，結(jié)合氣象遙感衛(wèi)星、地面氣象雷達(dá)等現(xiàn)代科技，人們對氣象因素的掌握具備了高密度、全覆蓋性、準(zhǔn)確性、預(yù)測性等特點(diǎn)。

利用氣象因素的這些特點(diǎn)，對作物需水量的估算可以分為以下兩步去完成：

第一步，考慮氣象因素對植物需水量的影響，計(jì)算出參考蒸發(fā)蒸騰量(簡稱：ET0)；

第二步，考慮作物相關(guān)的影響因素，對參考蒸發(fā)蒸騰量進(jìn)行調(diào)整或修正，修正系數(shù)稱之為作物系數(shù)Kc，即，ETc=ET0×Kc，完成對植物需水量的估算。

1992年，聯(lián)合國糧農(nóng)組織FAO 將參考蒸發(fā)蒸騰量ET0定義為：“一種假想?yún)⒄兆魑锕趯拥恼舭l(fā)蒸騰量，假想作物的高度為0.12 m，固定的冠層阻力為 70 s/m，反射率為 0.23，非常類似于表面開闊、高度一致、生長旺盛、完全覆蓋地面而不缺水的綠色草地的蒸發(fā)蒸騰量”。并且推薦彭曼公式為標(biāo)準(zhǔn)計(jì)算公式。

通過這個(gè)定義，一方面，把作物、土壤對植物需水量影響因素做了統(tǒng)一的約定，把氣象因素作為影響植物需水量的主要變量；另一方面，定義規(guī)定了參考作物的生長狀態(tài)非常美好，但是在生產(chǎn)實(shí)際中時(shí)常不具備完好的外界條件，因此，參考蒸發(fā)蒸騰量ET0表達(dá)的是參考的潛在蒸發(fā)蒸騰量。

對于ET0的計(jì)算，世界上公認(rèn)理論上最嚴(yán)密，實(shí)用上最方便，計(jì)算精度最高的公式是彭曼公式。下面闡述了不同時(shí)段(從小時(shí)到月)ET0的計(jì)算方法。FAO Penman-Monteith方程如下：

(1)

式中：ET0為參考騰發(fā)量，mm/d；Rn為作物表面凈輻射，MJ/(m2·d)；G為土壤熱通量密度，MJ/(m2·d)；T為2 m高處氣溫，℃；u2為2 m高處風(fēng)速，m/s；es為飽和水氣壓，kPa；ea為實(shí)際水氣壓，kPa；es-ea為飽和水氣壓差，kPa；Δ為水氣壓曲線斜率，kPa/℃；γ為濕度計(jì)常數(shù)，kPa/℃。

由于insentek公司提供1 km精度的ET0數(shù)據(jù)，而兩臺(tái)氣象站的間隔遠(yuǎn)大于1 km，因此，需要海量的地理信息數(shù)據(jù)、遙感衛(wèi)星數(shù)據(jù)及模型對氣象站之間的氣象數(shù)據(jù)進(jìn)行模擬處理，計(jì)算出FAO Penman-Monteith方程所需要的參數(shù)。另外，insentek公司鼓勵(lì)用戶直接使用“天圻”智慧型全電子免維護(hù)型氣象站自動(dòng)獲得當(dāng)?shù)谽T0數(shù)據(jù)。

4 大數(shù)據(jù)、人工智能與自動(dòng)化測報(bào)作物系數(shù)Kc

Kc是參考蒸發(fā)蒸騰量ET0和作物需水量ETc的比值，ETc需要通過實(shí)驗(yàn)的方式獲得。使用大型蒸滲儀可以獲得ETc數(shù)據(jù)，但實(shí)驗(yàn)成本太高?；谥悄芄苁蕉嗌疃韧寥浪謧鞲衅鞅O(jiān)測到的海量土壤水分大數(shù)據(jù)、insentek公司采用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)技術(shù)，將隱藏在海量數(shù)據(jù)中的信息和知識(shí)挖掘出來，人工智能自動(dòng)獲得作物ETc數(shù)據(jù)。

例如，“智墑ET100”系統(tǒng)，能夠?qū)崟r(shí)監(jiān)測從地表到地下1 m深，間隔10 cm共10個(gè)土層的含水量變化動(dòng)態(tài)。通過對作物耗水狀態(tài)的智能識(shí)別，部署在云端的程序可以自動(dòng)找出并計(jì)算出符合作物需水量ETc概念、定義的數(shù)值。

智能程序進(jìn)行數(shù)據(jù)挖掘的前提是實(shí)時(shí)獲得傳感器產(chǎn)生的海量數(shù)據(jù)。

以“智墑ET100”為例：

如果每間隔1 h采集一次數(shù)據(jù)，1天24 h可以采集到24×10土層=240個(gè)土壤水分?jǐn)?shù)據(jù)，1年365 d可以采集到240×365=87 600條土壤水分?jǐn)?shù)據(jù)。同時(shí)，“智墑ET100”可以根據(jù)土壤水分的變化動(dòng)態(tài)，如識(shí)別到正在發(fā)生灌溉或降雨，則智能自動(dòng)加密數(shù)據(jù)采集間隔，最密可以每間隔5 min采集一次數(shù)據(jù)。因此，一臺(tái)“智墑ET100”工作一年可采集到近10萬條連續(xù)變化的水分?jǐn)?shù)據(jù)。

如果采用人工取土烘干的土壤水分?jǐn)?shù)據(jù)獲得方式，假設(shè)一個(gè)人工作一天可以獲得45個(gè)烘干取土數(shù)據(jù)，則一臺(tái)“智墑ET100”一年測量產(chǎn)生的數(shù)據(jù)需要一個(gè)人工作約8年才可以獲得。同時(shí)，以3臺(tái)土壤烘干箱1.5KW功率連續(xù)工作計(jì)算，將約消耗約8 萬kWh的電能。

另外，云端對數(shù)據(jù)進(jìn)行多維度處理，使得智墑能夠自動(dòng)識(shí)別植物活動(dòng)根系深度及分布比例，自動(dòng)識(shí)別農(nóng)作物是否缺水脅迫，進(jìn)而可按天計(jì)算出土壤儲(chǔ)水量、農(nóng)作物的實(shí)際蒸發(fā)蒸騰量ET。

結(jié)合用戶提供的作物類型數(shù)據(jù)，作物生長狀態(tài)，云端判斷作物耗水狀態(tài)后，智墑可以計(jì)算出具備地理位置信息的作物理想耗水量ET值，即視為作物在當(dāng)前狀態(tài)下的需水量ETC數(shù)值。根據(jù)智墑的GPS定位數(shù)據(jù)，數(shù)據(jù)平臺(tái)自動(dòng)獲得所在位置的考蒸發(fā)蒸騰量ET0數(shù)據(jù)。由此，自動(dòng)化計(jì)算出農(nóng)作物在當(dāng)前生長階段當(dāng)前位置環(huán)境下作物系數(shù)Kc。

5 大數(shù)據(jù)形成全生育期作物系數(shù)Kc曲線，自動(dòng)化測報(bào)作物需水量

如圖1，由于研究條件的限制，即使在國外農(nóng)業(yè)發(fā)達(dá)國家，在聯(lián)合國糧農(nóng)組織的推薦方案中，也僅常常把作物全生育期的作物系數(shù)Kc劃分為Kcini、Kcmid和Kcend三個(gè)階段?；谏鲜鲎魑锵禂?shù)KC可自動(dòng)獲得的實(shí)現(xiàn)，insentek公司實(shí)現(xiàn)了連續(xù)的，有大量數(shù)據(jù)支撐的Kc數(shù)值曲線。由于作物系數(shù)Kc數(shù)值的大量豐富，為發(fā)現(xiàn)反應(yīng)作物特性作物系數(shù)KC背后的更多、更穩(wěn)定規(guī)律提供了可能。

6 構(gòu)建地圖式分布全生育期動(dòng)態(tài)作物系數(shù)Kc數(shù)據(jù)庫

結(jié)合作物分布圖，構(gòu)建地圖式分布全生育期動(dòng)態(tài)作物系數(shù)Kc數(shù)據(jù)庫。用戶確認(rèn)選擇自己的作物類型后，系統(tǒng)通過用戶提供的位置信息，自動(dòng)為用戶匹配推薦采用的作物系數(shù)Kc，基于1 km精度，提供36年歷史到天數(shù)據(jù)、同時(shí)提供預(yù)測未來15 d的參考蒸發(fā)蒸騰量ET0數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)自動(dòng)化實(shí)時(shí)測報(bào)作物日需水量。如圖2為某區(qū)域的作物連續(xù)3 a的作物系數(shù)KC圖，如圖3，通過大數(shù)據(jù)累計(jì)的KC及ET0數(shù)據(jù)得到的中國各區(qū)域作物需水量圖。

圖2 連續(xù)3 a的作物系數(shù)Kc圖

圖3 基于作物系數(shù)Kc與ET0數(shù)據(jù)的中國作物需水量圖

7 數(shù)據(jù)接入智能灌溉控制器，基于傳感器數(shù)據(jù)實(shí)現(xiàn)灌溉閉環(huán)自動(dòng)控制

科學(xué)灌溉必須要實(shí)現(xiàn)閉環(huán)控制。Insentek公司研發(fā)生產(chǎn)的I2EG生態(tài)智能網(wǎng)關(guān)，基于智墑提供的土壤環(huán)境及作物狀態(tài)信息，天圻提供的氣象數(shù)據(jù)信息，E生態(tài)數(shù)據(jù)平臺(tái)的人工智能數(shù)據(jù)處理結(jié)果，綜合灌溉系統(tǒng)的基礎(chǔ)數(shù)據(jù)、精準(zhǔn)天氣預(yù)報(bào)、作物耗水歷史記錄及耗水趨勢模型，智能作出灌溉決策。見圖4、圖5。

圖4 降雨量及ET0預(yù)測數(shù)據(jù)

圖5 自動(dòng)計(jì)算儲(chǔ)水量、蓄水潛力

8 結(jié) 語

大數(shù)據(jù)及人工智能技術(shù)為人類帶來了全新的解決問題的方法和途徑。本文就大數(shù)據(jù)及人工智能技術(shù)在農(nóng)業(yè)灌溉相關(guān)領(lǐng)域的幾個(gè)應(yīng)用情況做了介紹。但這一切的根本前提是：擁有海量、可靠的技術(shù)數(shù)據(jù)。這些數(shù)據(jù)應(yīng)該由性能可靠的傳感器實(shí)時(shí)采集獲得。

[1] 張建軍. 土壤水分變化與灌溉量預(yù)報(bào)[J]. 現(xiàn)代農(nóng)業(yè)科學(xué)，2009,16(5).

[2] 雷志棟. 土壤水研究進(jìn)展評述[J]. 水科學(xué)進(jìn)展，1999,10(3).

[3] 侍克斌，門 旗. 新疆和田地區(qū)棉花優(yōu)化灌溉制度研究[J]. 灌溉排水學(xué)報(bào)，2013,32(3).

[4] 王新等. T-ET函數(shù)法作物需水規(guī)律和灌溉制度模型研究[J]. 干旱地區(qū)農(nóng)業(yè)研究，2012,30(3).