一种基于光辐射的智能灌溉系统的制作方法

本发明是关于一种基于光辐射的智能灌溉系统，属于自动灌溉技术领域。

背景技术：

我国是一个水资源严重短缺的国家，水资源供需矛盾突出仍然是可持续发展的主要瓶颈。农业是用水大户，近年来农业用水量约占经济社会用水总量的62％，部分地区高达90％以上，农业用水效率不高，节水潜力很大。同时我国还面临着土地资源和农业劳动力紧缺的严峻形势。大力发展以规模化、节约化和园区化为特征的现代农业，转变农业方式，实现资源节约，提高土地产出率、劳动生产率以及资源的利用率是必然要求。灌溉自动化是现代设施农业的重要技术环节，一般与微灌施肥技术结合应用，可最大限度的减少灌溉施肥用工，实现定量精确供水供肥，促进作物优质、高产，是今后发展的方向。目前，我国常用的智能灌溉系统主要有两种，一种是依据墒情进行智能灌溉决策的灌溉系统，另一种是人工设定时序自动灌溉系统。

依据墒情进行智能灌溉决策的灌溉系统应用较为广泛，其最大的限制因素是设施内土壤墒情分布均匀性差，主要原因包括设施内棚膜上附着的露水通常在棚膜下凹处聚集并滴入土壤；自然降水会在通风口处进入设施土壤；传统地面灌溉条件下地势高低也是影响墒情分布的重要因素。由于土壤墒情传感器价格较高，生产中每个设施一般只能布置1个墒情传感器，在设施内的土壤墒情分布均匀性差的条件下，墒情传感器的埋设位置就成为了决策是否成功的关键。

人工设定时序自动灌溉系统需要根据农事生产经验，综合考虑作物、茬口及天气的不断变化，对管理者生产技术水平要求较高，且需要大量的手动调节，人工干扰因素大，比如，遇到连续阴天时，必须人工关闭时序自动灌溉系统或减少灌溉水量，否则会导致设施内湿度过高，甚至导致作物感染病害，难以真正实现精准化灌溉。

技术实现要素：

针对上述问题，本发明的目的是提供一种能够真正实现精确化灌溉的基于光辐射的智能灌溉系统。

为实现上述目的，本发明采取以下技术方案：一种基于光辐射的智能灌溉系统，包括光照监测装置和灌溉控制系统；所述光照监测装置放置在设施内的环境监测节点处，用于采集设施内的光照强度数据；所述灌溉控制系统定时对所述光照监测装置进行数据采集，并将采集的光照强度数据累计计算获得光辐射累计能量，将设定时间段内的光辐射累计能量与预先设定的临界能量进行比较，当光辐射累计能量大于预先设定的临界能量时，所述灌溉控制系统执行预设灌溉策略，并发送信号到灌溉控制柜，控制相应设施所对应输水管路的电磁阀开启，向所述设施进行灌溉，达到灌溉策略设定的灌溉要求，所述电磁阀关闭，完成此次灌溉，等待进入下一次灌溉。

优选地，所述光照监测装置采用光照传感器，所述光照传感器的个数根据所监测的设施个数进行确定。

优选地，所述灌溉控制系统采用单片机。

优选地，所述灌溉控制系统根据光照强度数据计算得到光辐射累计能量的计算过程为：①假定光照传感器采集数据的时间间隔T；②各采集时刻光照强度传感器获得的光照强度值为r₁、r₂、r₃…r_i；③各时段间隔内平均光照强度：r_1,2＝(r₁+r₂)/2，r_2,3＝(r₂+r₃)/2…r_i，i+1＝(r_i+r_i+1)/2；④各时段间隔内平均辐射能量：R_1,2＝60T(r₁+r₂)/2，R_2,3＝60T(r₂+r₃)/2…R_i,i+1＝60T(r_i+r_j)/2；⑤各时间段内的光辐射累计能量：R₁＝R_1,2，R₂＝R₁+R_2,3，R₃＝R₂+R_3,4…R_i+1＝R_i+R_i,i+1。

优选地，所述灌溉策略为：a)上午日出后所述智能灌溉系统启动，光辐射能量开始累积，当R_i+1>R时，输水管路所述电磁阀开启，进行灌溉，光辐射能量自动进入下一累计过程，其中，R值为预先设定的临界能量，根据作物品种和生育时期调整，调节R值能够实现对灌水定额和灌溉周期的调整；b)确定灌水定额及灌溉时长：灌水定额I＝K*R，其中，K为需水系数，R为预先设定的临界能量；灌溉时长：t＝6*I/(De*q)，其中，De为滴头密度，q为滴头流量。

本发明由于采取以上技术方案，其具有以下优点：1、与现有技术的依据土壤墒情进行灌溉决策的方法相比，本发明灌溉决策依据光辐射与作物耗水量之间的定量关系进行灌溉决策，准确性大大提高，真正实现了精确化灌溉。2、本发明的灌溉控制系统执行预设灌溉策略，灌溉控制系统发送信号到灌溉控制柜，控制相应设施(温室或大棚)所对应输水管路的电磁阀开启，向该设施进行灌溉，达到设定的灌溉时间后，电磁阀关闭，此次灌溉过程结束，等待进入下一次灌溉，由于本发明是基于光辐射与作物耗水量之间的定量关系，在连续阴天时根据作物需水量的降低相应减少或停止灌溉，实现确定量的灌溉决策，与人工设定的时序自动灌溉相比更加精确，有效节省人工成本，减少人为干扰因素。本发明可以广泛应用于温室或大棚等设施的农业灌溉中。

附图说明

图1是本发明基于光辐射的智能灌溉系统结构示意图；

图2是本发明基于光辐射的智能灌溉系统的灌溉策略流程图；

图3是本发明实施例中本发明智能灌溉系统与对照系统分别对番茄生长指标的影响示意图，其中，图(a)是智能灌溉系统与对照系统分别对番茄株高的影响示意图，图(b)是智能灌溉系统与对照系统分别对番茄叶片数的影响示意图；图(c)是智能灌溉系统与对照系统分别对番茄株茎粗的影响示意图；图(d)是智能灌溉系统与对照系统分别对番茄顶部第四叶叶长的影响示意图。

具体实施方式

以下结合附图来对本发明进行详细的描绘。然而应当理解，附图的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。

1948年英国科学家彭曼根据能量平衡原理、水汽扩散原理和空气的热导定律首次提出了彭曼公式的基本型式：

$E_0=\frac{1}{L}\·\frac{\frac{\mathrm{\Δ}}{\mathrm{\γ}}{H}_0+{\mathrm{LE}}_{\mathrm{\α}}}{1+\frac{\mathrm{\Δ}}{\mathrm{\γ}}}---\left(1\right)$

式中，E₀为水面蒸发量，L为蒸发潜热，E_α为水面附近的空气干燥力，H₀为为辐射平衡值，γ为湿度计常数，Δ为饱和水汽压-温度曲线斜率。

1979年，联合国粮食与农业组织FAO给出了参考作物腾发量的推荐公式：

${\mathrm{ET}}_0=\frac{\frac{p_0\mathrm{\Δ}}{p\mathrm{\γ}}{R}_n+E_{\mathrm{\α}}}{\frac{p_0\mathrm{\Δ}}{p\mathrm{\γ}}+1.0}---\left(2\right)$

几经修正，1992年，联合国粮食与农业组织FAO给出了最新的彭曼-蒙蒂斯公式：

${\mathrm{ET}}_0=\frac{0.408\mathrm{\Δ}(R_n-G)+\mathrm{\γ}\frac{900}{T+273}{\mathrm{\μ}}_2(e_s-e_a)}{\mathrm{\Δ}+\mathrm{\γ}(1+0.34{\mathrm{\μ}}_2)}---\left(3\right)$

式中，ET₀为参考作物腾发量，单位mm/d；R_n为作物冠层顶的净辐射，单位MJ/(m²·day)；G为土壤热流强度，单位MJ/(m²·day)；T为2m高度处的日平均气温，单位℃；μ₂为2m高度处的风速，单位m/s；e_s为饱和水汽压，单位Kpa；e_a为实际水汽压，单位Kpa；为标准大气压与实际大气压之间的比值：该值仅与海拔高度L_H和气温T_a有关；Δ为饱和水汽压-温度曲线斜率，该值仅与气温T_a有关；γ为湿度计常数，γ＝0.6455+0.00064T_a，该值与气温T_a有关，单位kPa/℃；E_α为水面附近的空气干燥力，该值与饱和水汽压、实际水汽压、风速及其修正系数有关。

由于在设施内，2m处风速μ₂近似为0，土壤热流G较净太阳辐射R_n较小，所以彭曼-蒙蒂斯公式(3)可以近似简化为：

${\mathrm{ET}}_0=\frac{0.408\mathrm{\Δ}(R_n-G)}{\mathrm{\Δ}}=0.408(R_n-G)=0.408R_n---\left(4\right)$

由公式(4)可以看出，参考作物腾发量ET₀与净辐射R_n呈正相关关系。而作物蒸发蒸腾量可用公式ET＝ET₀·K_c(K_c为作物系数)表示，所以作物蒸发蒸腾量与太阳净辐射呈正相关关系，即可近似的建立公式ET＝K·R_n，K＝0.408·Kc。也就是说，可以根据净辐射量得出作物的蒸腾蒸发量，从而给出作物灌溉策略。

基于上述原理，本发明的基于光辐射的智能灌溉系统，包括光照监测装置1和灌溉控制系统2；光照监测装置1放置在温室或大棚等设施3的环境监测节点，用于采集设施内的光照强度数据，灌溉控制系统2定时对光照监测装置1进行数据采集，并将采集的光照强度数据累计计算获得光辐射累计能量，将设定时间段内的光辐射累计能量与预先设定的临界能量进行比较，当光辐射累计能量大于预先设定的临界能量时，灌溉控制系统执行预设灌溉策略，并发送信号到灌溉控制柜4，控制相应设施所对应输水管路的电磁阀5开启，向该设施3进行灌溉，达到灌溉策略设定的灌溉要求，电磁阀5关闭，此次灌溉过程结束，等待进入下一次灌溉过程。

上述实施例中，光照监测装置1可以采用光照传感器，光照传感器的个数根据所监测的温室或大棚个数进行确定，通常一个温室或大棚内放置一个光照传感器。

上述各实施例中，灌溉控制系统2可以采用单片机。

上述各实施例中，如图2所示，光照强度数据是一个瞬时值，而光辐射累计能量是经过一定时间光辐射累计后的总辐射能量，光辐射累计能量的计算过程为：

①假定光照传感器采集数据的时间间隔T，单位min，本实施例中取T＝10min，以此为例，不限于此；

②各采集时刻光照强度值为r₁、r₂、r₃…r_i；

③各时段间隔内平均光照强度(单位W/cm²)：r_1,2＝(r₁+r₂)/2，r_2,3＝(r₂+r₃)/2…r_i，_i+1＝(r_i+r_i+1)/2；

④各时段间隔内平均辐射能量(单位J/cm²)：R_1,2＝60T(r₁+r₂)/2，R_2,3＝60T(r₂+r₃)/2…R_i,i+1＝60T(r_i+r_j)/2；

⑤各时间段内的光辐射累计能量：R₁＝R_1,2，R₂＝R₁+R_2,3，R₃＝R₂+R_3,4…R_i+1＝R_i+R_i,i+1。

上述各实施例中，本发明的灌溉控制系统2制定的灌溉策略为：

a)上午日出后智能灌溉系统启动，光辐射能量开始累积，当R_i+1>R时，R为预先设定的临界能量，，输水管路电磁阀开启，开始进行灌溉，光辐射能量自动进入下一累计过程，R值根据作物品种和生育时期调整，调节R值可实现对灌水定额(单次灌溉用水量)和灌溉周期(2次灌溉的时间间隔)的调整；

b)确定灌水定额及灌溉时长：

灌水定额I(m³/hm²)＝K*R，其中，K为需水系数，单位为10^-8m³/J，R为预先设定的临界能量，单位为J/cm²；

灌溉时长：t(min)＝6*I/(De*q)，其中，De为滴头密度，可调，个/m²，q为滴头流量，L/h。

下面通过具体实施例验证本发明的基于光辐射的智能灌溉系统的准确性。

1、试验方法，本实施例的具体试验参数：

供试作物品种：番茄，品种“浙粉702”。

试验地点：北京市顺义区木林镇王泮庄村塑料大棚，土壤栽培。

试验时间：2015年4月2日-2015年7月8日。

试验设计：试验设置2个处理，每个处理3次重复。

处理1采用本发明的基于光辐射智能灌溉系统，番茄灌水定额I(m³/hm²)＝K*R，其中，K为需水系数，单位为10^-8m³/J；R为净辐射能量，单位为J/cm²。

处理2采用现有技术基于土壤墒情的自动灌溉系统，相关参数见表1，灌水定额W＝10p×h×γ×(θ_后-θ_前)。

表1依据土壤墒情进行番茄灌溉决策的参数

注：土壤质地为中壤土，土壤容重γ＝1.40克/立方厘米，田间持水量24％。土壤湿润比p取70％。

2、试验结果与分析

2.1)基于光辐射的智能灌溉系统对番茄生长指标的影响

本试验条件下，番茄的株高、茎粗(生长点向下第四片展开叶的基部茎粗)、叶片数、生长点向下第四片展开叶的叶长和叶宽在各个处理之间均未表现出明显的差异。如图3(a)所示，从株高来看，番茄自4月2日定植后，2周内的株高生长很缓慢，之后株高迅速增加，一直到打顶时株高增加速率基本不变；如图3(b)所示，番茄叶片数的变化趋势与株高变化趋势基本一致；生长点向下第4片展开叶的基部茎粗在定植后1周内变化很小，之后开始迅速增加，如图3(c)所示，至5月14日达到峰值，之后开始逐渐降低；如图3(d)所示，生长点向下第四片叶的叶长的变化趋势与茎粗的变化趋势基本一致。

2.2)基于光辐射的智能灌溉对番茄产量和水分生产效率的影响

依据光辐射的智能灌溉系统处理的番茄产量较土壤墒情的灌溉决策相比显著增产520kg/667m²，番茄单果重虽略高于土壤墒情的灌溉决策所对应的番茄单果重，但是差异未达到显著水平。依据光辐射的智能灌溉处理番茄全生育期灌溉量为136.2m³/667m²，较对照节水12.7m³/667m²，单方水产出番茄达到60.4kg/m³，较土壤墒情的灌溉决策增加7.3kg/m³，如表2所示。

表2依据光辐射的智能灌溉对番茄产量和水分生产效率的影响

注：表中数据为对番茄生长指标的影响(平均数±标准差)，LSD法测验，P＝0.05。

上述实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。