大數據及人工智能技術在灌溉領域的應用初探

2017-03-21 01:17:37王應海

節水灌溉 2017年3期

王應海

(北京東方潤澤生態科技股份有限公司，北京 100191)

1 概要

農民渴望對自己的土地狀態有動態的掌握，從作物的生長狀態到可能破壞作物生長的病蟲害、風、雨、雪、霜、熱、霧霾等，希望對天氣數據、GPS數據、土壤細節、種子、化肥和作物保護劑規格等影響農作物及土地的影響因素了如指掌，但是，在信息爆炸的今天，每個關鍵信息的背后都需要對海量信息進行處理。例如，1972-2013年,被登記審定的玉米品種總數為6 291個,在2013年現存的審定玉米品種數為4 882個，只有通過大數據數據挖掘，機器學習技術，幫助農民對關鍵決策做出科學決定：在哪里種植、用什么類型的種子以及預測最佳的播種時間等，以提高產量、降低成本。

另外，一旦播種完畢，圍繞著灌溉、施肥和保護作物的各種決策都對時間非常敏感，并且很大程度上受天氣的影響。如果農民知道第二天會有大雨，就會決定今天不施肥，因為肥料將會被大雨沖走。知道是否即將下雨也會影響何時灌溉。全世界有70%的淡水資源被用于農業，能夠更好地管理農業用水將會對全球淡水供應產生巨大的影響。因此，本文的關注點是大數據及人工智能技術在農業用水方面的應用。

2 作物需水量ETc

對于農業用水，作物需水量是農業生產中最為基礎的數據。是研究農田水分變化規律、水分資源開發利用、農田水利工程規劃和設計、分析和計算灌溉用水量等的依據之一。作物需水量是在正常生育狀況和最佳水、肥條件下，作物整個生育期中，農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量之和，以mm或m3/hm2計。影響田間作物需水量的主要因素有：氣象條件、作物種類、土壤性質和農業措施等。氣溫高，空氣干燥，風速大，作物需水量就大；生長期長、葉面積大、生長速度快、根系發達以及蛋白質或油脂含量高的作物需水量就大。

作物不同發育期的需水量差別很大。一般在整個生育期中，前期小，中期達最高峰，后期又減少。生殖生長時期，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，對生長發育極為不利，常造成大幅度減產。

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。在資料短缺時常采用彭曼公式等經驗或半經驗方法估計可能蒸散量。但是，上述方法均依賴于科研的方式和手段，需要人力、物力和時間投入，不能夠自動化的生成作物需水量數據用于指導生產。

從1990年5月專家咨詢(Expert Consultation)會議后，FAO Penman-Monteith 方法現被推薦為定義和計算參考作物騰發量(ET0)的標準方法。標準條件下的作物需水量ETc可通過Kc確定，即：

ETc=ET0Kc

需要實現自動化的測報作物需水量ETc，需要實現自動化的測報參考蒸發蒸騰量(ET0)及作物系數Kc。

3 大數據、人工智能與自動化測報參考作物蒸發蒸騰量(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日到當日，共歷時36年具體到天的參考蒸發蒸騰量(ET0)大數據平臺，該平臺同時還提供了預測未來7日的參考蒸發蒸騰量(ET0)數值服務。

參考蒸發蒸騰量ET0，顧名思義，它是一個參考值，是蒸發蒸騰量的參考、參照值。蒸發蒸騰是地球水循環中最重要的環節之一。水分從植物體表面(主要是葉子)以水蒸氣狀態散失到大氣中的過程叫做蒸騰，土壤中水分汽化進入大氣的過程叫做蒸發，合稱蒸發蒸騰。由于組成植物體中的水分與蒸發蒸騰所消耗的水分相比微乎其微，因此，可以認為植株的需水量就等于植株蒸騰量和棵間土壤蒸發量之和。與蒸發蒸騰量相關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、種植模式、土壤環境等)。

氣象因素具有大范圍內近似一致的特點，國際上一般認為一臺氣象站可代表10×10 km2范圍的氣象因素。同時，結合氣象遙感衛星、地面氣象雷達等現代科技，人們對氣象因素的掌握具備了高密度、全覆蓋性、準確性、預測性等特點。

利用氣象因素的這些特點，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，計算出參考蒸發蒸騰量(簡稱：ET0)；

第二步，考慮作物相關的影響因素，對參考蒸發蒸騰量進行調整或修正，修正系數稱之為作物系數Kc，即，ETc=ET0×Kc，完成對植物需水量的估算。

1992年，聯合國糧農組織FAO 將參考蒸發蒸騰量ET0定義為：“一種假想參照作物冠層的蒸發蒸騰量，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蒸騰量”。并且推薦彭曼公式為標準計算公式。

通過這個定義，一方面，把作物、土壤對植物需水量影響因素做了統一的約定，把氣象因素作為影響植物需水量的主要變量；另一方面，定義規定了參考作物的生長狀態非常美好，但是在生產實際中時常不具備完好的外界條件，因此，參考蒸發蒸騰量ET0表達的是參考的潛在蒸發蒸騰量。

對于ET0的計算，世界上公認理論上最嚴密，實用上最方便，計算精度最高的公式是彭曼公式。下面闡述了不同時段(從小時到月)ET0的計算方法。FAO Penman-Monteith方程如下：

(1)

式中：ET0為參考騰發量，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高處風速，m/s；es為飽和水氣壓，kPa；ea為實際水氣壓，kPa；es-ea為飽和水氣壓差，kPa；Δ為水氣壓曲線斜率，kPa/℃；γ為濕度計常數，kPa/℃。

由于insentek公司提供1 km精度的ET0數據，而兩臺氣象站的間隔遠大于1 km，因此，需要海量的地理信息數據、遙感衛星數據及模型對氣象站之間的氣象數據進行模擬處理，計算出FAO Penman-Monteith方程所需要的參數。另外，insentek公司鼓勵用戶直接使用“天圻”智慧型全電子免維護型氣象站自動獲得當地ET0數據。

4 大數據、人工智能與自動化測報作物系數Kc

Kc是參考蒸發蒸騰量ET0和作物需水量ETc的比值，ETc需要通過實驗的方式獲得。使用大型蒸滲儀可以獲得ETc數據，但實驗成本太高。基于智能管式多深度土壤水分傳感器監測到的海量土壤水分大數據、insentek公司采用數據挖掘、機器學習技術，將隱藏在海量數據中的信息和知識挖掘出來，人工智能自動獲得作物ETc數據。

例如，“智墑ET100”系統，能夠實時監測從地表到地下1 m深，間隔10 cm共10個土層的含水量變化動態。通過對作物耗水狀態的智能識別，部署在云端的程序可以自動找出并計算出符合作物需水量ETc概念、定義的數值。

智能程序進行數據挖掘的前提是實時獲得傳感器產生的海量數據。

以“智墑ET100”為例：

如果每間隔1 h采集一次數據，1天24 h可以采集到24×10土層=240個土壤水分數據，1年365 d可以采集到240×365=87 600條土壤水分數據。同時，“智墑ET100”可以根據土壤水分的變化動態，如識別到正在發生灌溉或降雨，則智能自動加密數據采集間隔，最密可以每間隔5 min采集一次數據。因此，一臺“智墑ET100”工作一年可采集到近10萬條連續變化的水分數據。

如果采用人工取土烘干的土壤水分數據獲得方式，假設一個人工作一天可以獲得45個烘干取土數據，則一臺“智墑ET100”一年測量產生的數據需要一個人工作約8年才可以獲得。同時，以3臺土壤烘干箱1.5KW功率連續工作計算，將約消耗約8 萬kWh的電能。

另外，云端對數據進行多維度處理，使得智墑能夠自動識別植物活動根系深度及分布比例，自動識別農作物是否缺水脅迫，進而可按天計算出土壤儲水量、農作物的實際蒸發蒸騰量ET。

結合用戶提供的作物類型數據，作物生長狀態，云端判斷作物耗水狀態后，智墑可以計算出具備地理位置信息的作物理想耗水量ET值，即視為作物在當前狀態下的需水量ETC數值。根據智墑的GPS定位數據，數據平臺自動獲得所在位置的考蒸發蒸騰量ET0數據。由此，自動化計算出農作物在當前生長階段當前位置環境下作物系數Kc。

5 大數據形成全生育期作物系數Kc曲線，自動化測報作物需水量

如圖1，由于研究條件的限制，即使在國外農業發達國家，在聯合國糧農組織的推薦方案中，也僅常常把作物全生育期的作物系數Kc劃分為Kcini、Kcmid和Kcend三個階段。基于上述作物系數KC可自動獲得的實現，insentek公司實現了連續的，有大量數據支撐的Kc數值曲線。由于作物系數Kc數值的大量豐富，為發現反應作物特性作物系數KC背后的更多、更穩定規律提供了可能。

6 構建地圖式分布全生育期動態作物系數Kc數據庫

結合作物分布圖，構建地圖式分布全生育期動態作物系數Kc數據庫。用戶確認選擇自己的作物類型后，系統通過用戶提供的位置信息，自動為用戶匹配推薦采用的作物系數Kc，基于1 km精度，提供36年歷史到天數據、同時提供預測未來15 d的參考蒸發蒸騰量ET0數據平臺，實現自動化實時測報作物日需水量。如圖2為某區域的作物連續3 a的作物系數KC圖，如圖3，通過大數據累計的KC及ET0數據得到的中國各區域作物需水量圖。