本发明属于农作物灌溉领域，特别涉及一种基于多源信息融合的作物节水灌溉决策方法及测控系统。
背景技术：
我国是世界上最大的粮食生产国和消费国，而作物的种植需要大量水资源的支撑，我国作物用水量占到总用水量的45％以上，堪称全社会的第一用水大户。但我国农业水资源十分短缺，并且随着经济的发展，水污染事件的频繁发生，缺水程度越发严重，缺水范围越来越大，水危机越来越向我们逼近，作为全社会第一用水大户的节水灌溉愈加紧迫。近年来，随着信息技术的快速发展，精准灌溉技术在农业中得到了越来越多的应用。传感器技术、无线网络、微型计算机技术、互联网的发展，基于精准灌溉技术的灌溉控制系统应用愈来愈广泛，出现了各种各样的灌溉控制方式，但灌溉控制方式与环境感知方式简单，没有实现多种环境参数的采集与复合处理。
目前，国内外节水灌溉领域工作者进行了很多针对节水灌溉领域的发明研究。中国专利(cn104855195a)公开了一种水稻节水灌溉方法，通过监测装置监测种植在不同土壤类型中的水稻各生育期的土壤埋水深度，并以合适的土壤埋水深度作为灌溉指标来确定灌溉水量，该专利不足之处在于只考虑了土壤埋水深度作为灌溉指标。中国专利(cn103583318a)公开了一种无源节水灌溉方法及其设施，方法是确定供水和停水的阈值，探测土壤含水量等墒情，当土壤湿度低于最低阈值，则供水，记录含水量，直至达到最大的阈值，命令停止供水，一轮控制结束，等待土壤含水量低于最低阈值时重复；该专利只考虑了土壤湿度这一个变量来决定是否灌溉。中国专利(cn105494033a)公开了一种基于作物需求的智能节水灌溉方法，该方法构建作物某生长周期i的需水量需求模型，和环境监测设备得到的土壤含水量数据，计算出不同生长周期作物的需水量需求，制定作物全生命周期的灌溉方案；该方法基于作物自身的生长规律的数学模型进行灌溉方案的制定，可用于灌溉受限的盆栽装置，但仅仅只考虑了作物自身的生长规律和土壤含水量。
技术实现要素：
针对以上技术背景的不足，本发明提出了一种基于多源信息融合的作物节水灌溉决策方法及测控系统，解决了灌溉控制方式与环境感知方式过于简单，没有实现多种环境参数的采集与复合处理的缺点。该系统将水分信息、作物需水信息知识库、作物蒸发蒸腾量进行基于支持度函数的数据融合，得到最优灌溉量需求并获得决策结果，从而实现农作物的精准灌溉。
本发明是采用以下技术方案实现上述技术目的的。
一种基于多源信息融合的作物节水灌溉决策方法，包括以下步骤：
步骤一，农田环境信息的采集，包括采集水分信息和气象信息；
步骤二，收集作物在不同生长时期的田中水势经验值，通过田中水势与田间含水量的关系，计算出作物在不同生长阶段对水分的要求，从而建立作物栽培过程需水信息知识库；
步骤三，根据步骤一中采集的气象信息及penman-monteith公式，计算参考作物蒸发蒸腾量；
步骤四，将实际作物蒸发蒸腾量、作物需水信息知识库需水信息分别与水分信息中的实际土壤含水量相减获得的灌溉量a和灌溉量b，进行基于支持度函数两个不同来源的灌溉量之间的融合，从而获得最优灌溉量融合值，得出最优灌溉量决策结果。
进一步，所述田中水势与水分信息的关系为
进一步，所述采集水分信息通过水分传感器采集，所述气象信息具体为温度、湿度、风速、光照、热通量及净辐射，气象信息通过温度传感器、湿度传感器、风速传感器、光照传感器、热通量传感器及净辐射传感器分别进行采集。
进一步，所述步骤三中penman-monteith公式为：
进一步，所述实际作物蒸发蒸腾量通过参考作物蒸发蒸腾量获得，具体公式为etc＝kc*et0，其中etc为实际作物蒸发蒸腾量，kc为作物系数，et0为参考作物蒸发蒸腾量。
进一步，所述步骤四中两个不同来源的灌溉量之间支持度函数为：
一种基于多源信息融合的作物节水灌溉测控系统，包括水分传感器、气象站、数据采集系统连接、计算机系统、灌溉控制系统、电磁阀及泵站，所述水分传感器、气象站分别与数据采集系统连接，所述数据采集系统与计算机系统、灌溉控制系统依次连接，所述灌溉控制系统分别与电磁阀、泵站连接，所述灌溉控制系统接收多源信息融合的最优灌溉量决策结果，调控水泵和电磁阀的起停运作，从而实现基于多源信息融合的作物精准灌溉；所述气象站包括温度传感器、湿度传感器、风速传感器、光照传感器、热通量传感器及净辐射传感器，各传感器采集相应的信息后发送给数据采集系统。
与现有技术相比，本发明具有如下有益效果：
在灌溉决策过程中结合了多种灌溉影响因素的采集与复合处理，将农田水分信息、作物需水信息知识库、作物蒸发蒸腾量进行融合之后获得了灌溉量，而不是单一的只考虑其中的某一个因素，使得灌溉决策能融合多方面因素，实现了合理精确的节水灌溉；采用基于支持度函数的数据融合算法，提高了信息融合的精确度，使得数据融合后产生的最优估计值更能真实的反映环境信息的变化，即获得的最佳灌溉量更具可靠性和准确性。
附图说明
图1为本发明节水灌溉测控系统结构示意图；
图2为本发明多源信息融合的作物节水灌溉决策框图。
图中：1-水分传感器，2-气象站，2-1-温度传感器，2-2-湿度传感器，2-3-风速传感器，2-4-光照传感器，2-5-热通量传感器，2-6-净辐射传感器，3-数据采集系统连接，4-计算机系统，5-灌溉控制系统，6-电磁阀，7-泵站。
具体实施方式
下面结合附图和具体实施例，对本发明的技术方案做进一步详细说明，但本发明的保护范围并不限于此。
本发明提出一种基于多源信息融合的作物节水灌溉决策方法及测控系统，将农田水分信息、作物需水信息知识库、作物蒸发蒸腾量信息进行基于支持度函数的多信息融合，得出作物精准灌溉决策方法，从而实现一种基于多信息融合的节水灌溉决策方法及测控系统。
以水稻生产过程为例进行描述，具体实施方法分以下步骤进行。
如图1所示，基于多源信息融合的作物节水灌溉测控系统，其特征在于，包括水分传感器1、气象站2、数据采集系统3、计算机系统4、灌溉控制系统5、电磁阀6及泵站7，水分传感器1、气象站2分别与数据采集系统3连接，实现农田信息的传输，数据采集系统3与计算机系统4、灌溉控制系统5依次连接，灌溉控制系统5分别与电磁阀6、泵站7连接，灌溉控制系统5接收多源信息融合的最优灌溉量决策结果，调控水泵和电磁阀的起停运作，从而实现基于多源信息融合的作物精准灌溉。
本实例中，所述数据采集系统3为adam-5000e分布式数据采集控制系统，所述计算机系统4为windows10系统，所述灌溉控制系统为tnl-gk5土壤水分智能灌溉控制系统。
步骤一、农田环境信息的采集，包括田间已有水分信息的采集和气象信息的采集，水分传感器1采集某时刻t田间水分信息，气象信息采集包括温度传感器2-1采集温度信息、湿度传感器2-2采集湿度信息、风速传感器2-3采集风速信息、光照传感器2-4采集光照信息、热通量传感器2-5采集土壤热通量信息、净辐射传感器2-6采集作物表面净辐射信息；本实例中，温湿度传感器为cg-02-485型温湿度传感器，风速传感器为rs485型风速传感器，光照传感器为qycg-11光照传感器，土壤热通量传感器为yoyi-trt1土壤热通量传感器，净辐射传感器为bl-jfs净辐射传感器。
步骤二、田中水势swp与田间含水量swc(步骤一中的水分信息)之间关系为：
其中spp为土壤中砂粒所占的比例；
通过表1中作物在不同生长时期的田中水势swp(经验值)和公式(1)，可以计算出水稻在不同生长阶段对水分的要求，即水稻栽培过程需水信息知识库。
表1水稻不同生长时期的田间水势值(mpa)
以粒径为0.02-2mm、砂粒含量spp为22.5％的土壤为例，水稻在不同生长时期的田间需水含水量swc可以如表2所示。
表2水稻不同生长时期的田间需水含水量(％)
步骤三，根据fao-56标准penman-monteith(彭曼-蒙太斯)公式，利用气象信息计算参考作物蒸发蒸腾量et0：
式中，et0为参考蒸发蒸腾量(mm/d)；rn为作物表面净辐射(mj/m2d)，由净辐射传感器2-6测得；g为土壤热通量(mj/m2d)，由热通量传感器2-5测得；γ为湿度计算常数；u2为2m高度风速(m/s)，由风速传感器2-3测得；t为平均空气温(℃)，由温度传感器2-1测得，δ为饱和蒸汽压温度斜率，计算表达式为：
es为饱和水汽压，计算表达式为：
es＝e0·exp[17.62t/(24.3+t)](4)
其中e0＝6.11hpa，是0℃时的饱和水汽压；
ea为实际水汽压，计算表达式为：
其中a是绝对湿度(g/m3)，由湿度传感器2-2测得，温度的适用范围为-45℃～60℃；es-ea饱和水汽压差。
参考作物蒸发蒸腾量并不是实际物蒸发蒸腾，需要根据所栽培作物的品种对作物参数进行修正，利用作物系数kc计算作物蒸发蒸腾量etc，将该信息作为预测预报信息，则作物蒸发蒸腾量计算表达式为：
etc＝kc*et0(6)
式中，etc为实际作物蒸发蒸腾量，即作物需水量，记t时刻实际作物蒸发蒸腾量为etc(t)；kc为作物系数，反映不同作物的区别，作物系数kc随着作物生长时间变化，可得到作物栽培过程中蒸发蒸腾量随温度、湿度、日序数的变化而产生相应的变化。水稻实际蒸发蒸腾量大于同期的参考作物蒸发蒸腾量，通过表3可以得知水稻作物系数。
表3水稻各阶段作物系数(以山东济宁站为例)
步骤四，将步骤一中测得的水分信息记为ci(t)，步骤二中作物灌溉信息知识库需水信息记为bj(t)，步骤三中某一时刻t作物实际作物蒸发蒸腾量记为ai(t)，定义该片作物面积为s，则基于作物灌溉信息知识库需水量为bj(t)*s，实际土壤含水量含水量为ci(t)*s(其中i,j分别为实际作物蒸发蒸腾量和作物灌溉信息知识库需水信息的采集次数，1≤i；j≤n，n为水分信息、实际作物蒸发蒸腾量以及作物灌溉需水信息知识库采集的次数上限，t为采集的某一时刻)；记di(t)为基于实际作物蒸发蒸腾量与实际土壤含水量获得的灌溉量a，记ej(t)为基于作物灌溉信息知识库需水信息与实际土壤含水量获得的灌溉量b。
di(t)＝ai(t)-ci(t)×s(6)
ej(t)＝(bj(t)-ci(t))×s(7)
将上述基于实际作物蒸发蒸腾量与实际土壤含水量获得的灌溉量a和基于作物灌溉信息知识库需水信息与实际土壤含水量获得的灌溉量b进行基于支持度函数的融合，从而获得而后的最优灌溉量；根据支持度函数定义，两个不同来源的灌溉量之间的支持度为：
其中sup(di(t),ej(t))为di(t)和ej(t)两个不同灌溉量之间的支持度，记为γij，k为控制支持度函数的幅度参数，β是支持度衰减因子，可根据式(8)来构建两个不同灌溉量之间的支持度矩阵：
其中t(di(t))，t(ej(t))为支持度总和，从而可以得出基于实际作物蒸发蒸腾量与实际土壤含水量获得的灌溉量a和基于作物灌溉信息知识库需水信息与实际土壤含水量获得的灌溉量b之间的最优权重wi和wj，记为：
wi＝1+t(di(t))＝1+t(ej(t))＝wj(10)
进一步获得融合后的最优灌溉量：
步骤五、根据步骤四获得精准灌溉量x(t)输入到作物灌溉决策测控系统(图1)中，获得精准灌溉决策结果。
步骤六、如图1所示，将步骤五中获得的精准灌溉决策结果数据输送到灌溉决策测控系统中，调控水泵和电磁阀的起停运作，从而实现基于多源信息融合的作物精准灌溉。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。