基于WebGIS的農田水肥鹽堿監測與調控管理系統

高明秀，張 治，趙庚星，李俊翰

?

基于WebGIS的農田水肥鹽堿監測與調控管理系統

高明秀1,2，張 治3，趙庚星1,2※，李俊翰1,2

（1.山東農業大學資源與環境學院，泰安 271018；2.土肥資源高效利用國家工程實驗室，泰安 271018；3.武漢大學測繪遙感信息工程國家重點實驗室，武漢 430072）

監測水肥鹽堿動態變化信息，分析診斷提出調控方案，提升鹽堿農田生產管理水平。該文基于WebGIS平臺、利用Silverlight與WCF技術研發鹽堿農田水肥鹽堿監測管理系統，基于統計學原理和作物水肥鹽堿平衡與脅迫響應原理，構建了特征分析、診斷預警和調控決策3類15個模型，并進行系統集成應用。結果表明，系統融合數據采集、數據管理、統計分析、診斷預警、調控決策技術與實施管理措施形成了“六位一體”的全過程優化管理體系；模型數據處理分析結果科學有效，系統應用決策方案符合實際。在無棣縣鹽堿農田應用表明，管理方案有效緩解了水鹽限制，促進了土壤肥力趨穩均衡，投入產出效益和生產決策效率明顯提升；2014—2016年綜合節水率達31.02%，氮磷鉀節肥率分別達28.69%～63.14%、10.07%～67.98%、97.98%～100%，小麥玉米增產率接近預期。研究有助于利用信息技術手段推進鹽堿農田水肥鹽堿動態規律的探索和田間精準管理水平的提升。

監測；信息系統；管理；鹽堿地；WebGIS；診斷預警；調控管理

0 引 言

精準農業是現代農業發展的方向，農田信息的快速采集、有序管理和科學分析是精準農業實現的重要基礎和前提條件，因此構建農田信息監測和管理系統成為國內外精準農業研究的重要方向之一[1-3]。在國外，發達國家精準農業以信息采集為基礎、以信息管理為紐帶，促進了農業資源合理利用、節本增效和農業可持續發展[3-4]。在國內，農田信息管理系統研究也是近年來的持續熱點，將3S技術與網絡通信技術等結合起來進行土壤溫度、水分、養分及農田作業的管理。冀榮華等[5]基于ZigBee無線傳感器網絡，運用嵌入式GIS遠程管理田塊基礎數據。許鑫等[6]基于WebGIS開發小麥精準施肥決策系統，根據田塊采樣數據，利用空間插值技術生成精準施肥處方圖。杜克明等[7]利用物聯網監測點數據與基于WebGIS的面空間數據融合分析，提高了作物長勢與災害的綜合診斷能力。夏于等[8]設計了基于物聯網技術的小麥苗情遠程診斷管理系統，實現監測、診斷、綜合分析并提出管理方案。基于北斗衛星定位和網絡信息技術，劉陽春等[9]建立了一種深松作業遠程管理系統，隋銘明等[10]設計了秸稈機械化還田作業精準管理系統。鑒于氣象因子傳感器可靠性較強，農田小氣候監測較為成熟[11]，但土壤養分監測管理成本高、難度大，仍存在較大難題[2,4]。總體而言，由于國內研究時間短、投入少、效果還十分有限[1,11]，農田信息管理系統試驗或驗證性研究較多[1,12]，或僅限于墑情等單一方面[13-14]，或偏重于數據的采集、處理和傳輸等方面[15-17]，直接面向基層應用（農業企業、家庭農場、種糧大戶等）的較少，多種數據來源、作物生產關鍵因子多因素綜合（水、肥、鹽、堿等）監測與管理的成熟系統也不多見。同時，由于中國區域條件差異大，農業生產條件、種植方式、作物需求等千差萬別，農田信息管理體現出明顯的區域性和作物針對性[1]，這就要求農田信息監測和管理系統的研發必須結合區域特點和作物需求以滿足應用。

環渤海低平原區是指渤海沿岸海拔低于20 m的低平原區，位于華北平原東部，屬于黃淮海平原的一部分，由黃河、海河、灤河、遼河等河流沖積而成，主要涉及山東、河北、天津、遼寧三省一市，是重要的糧棉、果蔬產區[18]。近年來，該區在新增500×108kg糧食生產能力規劃、鹽堿地治理、渤海糧倉科技示范工程等國家戰略推動下，成為農業開發熱點區域，農業企業、家庭農場、種糧大戶等發展迅速。但是，該區淡水資源匱乏、土壤瘠薄鹽堿問題突出，農業生產效率和效益較低[18-19]。該文面向鹽堿農田生產精準化、自動化發展需求，針對土壤水、肥、鹽、堿等影響作物生長的關鍵因子時空變幅大、變動特征難把握的現實，設計開發基于WebGIS技術、Silverlight 5與WCF技術[20-21]的鹽堿農田水肥鹽堿監測與管理系統，構建集成分析決策模型，通過及時、準確的信息監測、分析和模塊化決策、可視化呈現，以期為用戶提供農田信息監測分析、診斷預警和調控決策的有效工具。

1 監測管理系統設計

1.1 總體架構

基于WebGIS服務，系統采用3層B/S（Browser/ Server，瀏覽器/服務器模式）架構：數據層、功能層和應用層（圖1）。數據層用于數據存儲和管理維護，使用SQL Sever數據庫存儲農田屬性數據，使用文件地理數據庫管理空間數據。功能層通過ADO.NET（Active Data Objects.NET）和ArcSDE實現對屬性數據庫和空間數據庫的訪問和調用，集成構建的系列模型，實現監測分析和決策運算；應用層通過瀏覽器提供可視化互動界面，實現信息查詢、數據分析、結果呈現等人機交互功能。

1.2 功能結構

系統功能主要包括數據管理、信息查詢、數據分析、結果呈現、用戶管理5個子模塊。（1）數據管理模塊對鹽堿農田各類屬性數據和空間數據進行組織管理，并提供錄入/導入、修改等相關數據操作。（2）信息查詢模塊為系統用戶提供基于空間（地圖）位置的田塊空間數據、屬性數據的查詢，或根據條件篩選查詢監測信息。（3）數據分析模塊通過構建和集成監測分析模型，實現監測數據的描述性統計分析、診斷預警、調控決策數據運算和方案生成等。（4）結果呈現模塊對信息查詢和數據分析的結果進行可視化呈現。（5）用戶管理模塊通過不同用戶權限和行為管理，實現系統正常運行并維護系統安全。

圖1 系統總體架構圖

1.3 數據庫

系統數據庫包括屬性數據庫和空間數據庫。空間數據庫主要存儲各級行政區劃圖、案例區的農田地塊圖、監測點位圖等圖件等；屬性數據包括案例區土地利用概況數據、物聯網自動監測和人工監測的土壤水肥鹽堿數據等。屬性數據和空間數據通過ArcGIS字段綁定功能實現相互關聯。

2 分析決策模型構建

監測分析決策模型主要包括基本特征模型、診斷預警模型和調控決策模型3類。

2.1 基本特征模型

基于統計學原理建立包括最低值、最高值、平均值、中間值、標準差和變異系數等統計量的鹽堿農田基本特征模型（表1），通過系統運算給出反映農田水肥鹽堿總體狀況、分布狀態、均勻、離散及變異程度的系列統計結果，幫助用戶掌握農田總體特征和地塊差異，為采取差別化管理措施奠定基礎。

2.2 診斷預警模型

基于水肥鹽堿平衡原理、作物養分需求及對水鹽脅迫響應原理，構建診斷預警模型，劃分預警等級、確定預警閾值。

2.2.1墑情診斷預警模型

土壤墑情診斷標準尚不統一，參照傳統墑情判斷方法、農業部[22]和水利部[23]墑情指標，根據土壤特性、作物需水規律及旱澇脅迫特性，構建基于土壤質量含水量（θ）的墑情診斷預警模型：

式中Y為根據土壤含水量θ（%）閾值確定的預警等級，分（漬澇）、（飽墑）、（適墑）、（黃墑）、（干旱）五級。當θ<時給出干旱預警；當≤θ時給出漬澇預警，根據土壤田間最大持水量（%）確定。傳感器測得結果為體積含水量θ（%），采用關系式θ=θ/ρ×100%換算為質量含水量。土壤容重ρ（g/cm3）通過試驗測得。閾值間斷點、、、取值因土壤性質、作物種類而異，這里參考上述標準中小麥玉米墑情閾值[22-24]并根據研究區情況調整后分別賦值12%、15%、18.5%、30%。

表1 鹽堿農田基本特征模型及其含義和作用

2.2.2 鹽分診斷預警模型

土壤鹽漬化一般根據土壤含鹽量（g/kg）區間分為非鹽漬化（0.0，1.0）、輕度[1.0，2.0）、中度[2.0，4.0）、重度[4.0，6.0）、鹽土[6.0，∞）5級[26]。但該標準對作物耐鹽性而言存在不足，因而本文根據作物對土壤鹽分脅迫的響應范圍，確定鹽分預警值和預警等級，構建診斷預警模型：

式中Y為土壤含鹽量預警等級，分（嚴重）、（重度）、（中度）、（輕度）四級，、、為預警值。綜合小麥、玉米對土壤鹽分脅迫的響應情況，結合近年渤海糧倉相關研究成果[27-30]，本文將預警值分別設定為=2、=3、=4。

2.2.3 酸堿診斷預警模型

土壤酸性或堿性過強，都會影響作物生長。土壤酸堿度預警模型為：

式中Y為土壤酸堿度診斷預警等級，分（嚴重）、（重度）、（中度）、（適宜）四級。、、、為各等級閾值間斷點，根據土壤特性和作物生長適宜范圍確定；本文根據小麥玉米適宜pH值范圍，分別確定為6.5、7.5、8.5、9.0[26-27]，即6.5～7.5為適宜等級，7.5～8.5中等堿性、中度預警，8.5～9強堿性、重度預警，大于9極強堿性、嚴重預警。

2.2.4 養分豐缺診斷模型

土壤養分豐缺采用分級比較法進行診斷，對于某養分（如有機質、速效氮、有效磷、速效鉀）數據集=｛1，2，…，X｝，根據以下模型診斷

式中Y為土壤養分豐缺等級，分（高）、（豐）、（中）、（低）、（極低）五級。X為土壤養分含量值。、、、為養分豐缺分級標準的區間斷點數值，可根據全國及省級測土配方施肥技術標準相關養分分級標準結合實際情況確定，本文參照全國第二次土壤普查[26-27,31]和山東省土肥站土壤養分分級標準確定；=1,2,…,。

2.3 調控決策模型

在診斷預警基礎上，構建水肥鹽堿調控模型，根據土壤水、肥、鹽、堿實際情況和作物生長發育需求，給出管理決策方案。

2.3.1 水鹽調控決策模型

鑒于濱海鹽堿地地下水埋深小、礦化度高、短期根治難度大、不經濟的現實，水鹽調控基于土壤水鹽平衡原理、節水灌溉控鹽促生去鹽理念，水鹽調控統籌兼顧，建立如下灌排決策方案模型

式中P為水鹽調控方案，P為灌溉方案，P為排澇方案，Y為墑情預警等級，Y為土壤鹽分預警等級。當Y=，即θ<，或Y=，，，即≤θ時提出灌溉方案，結合天氣預測未來3天無降水時開始灌溉；鑒于淹水持續1天即對小麥生長發育產生顯著影響[25]，因此當Y=時提出排澇方案，持續超24 h時作出決策開始排水，當Y=時停止。

鑒于鹽堿農田水資源緊張，基于水鹽關系原理，將水分和鹽分調控綜合考慮，以滿足作物水分需求、充分調鹽和節約用水為原則，在土壤水鹽調控中同時考慮灌溉和調鹽兩方面需求，借鑒鹽堿地沖洗定額模型[32]，設定水鹽調控用水量系數計算模型為

式中為水鹽調控用水量系數，即單位面積水鹽調控所需用水量，m3/hm2；1為使耕層土壤含水量達到田間持水量時所需灌水量系數，m3/hm2；2為耕層土壤含水量達到田間持水量時起至耕層土壤含鹽量達到允許含鹽量時段內起調鹽作用的部分灌水量系數，m3/hm2，即“調鹽水量”；為調控期間蒸發損失的水量，m3/hm2；為調控期間的降水量，m3/hm2；為調控時非毛管孔隙下滲損失水量，m3/hm2；為耕層土壤中對鹽分起淋洗作用的凝結水量，m3/hm2。

灌溉一般在無降水時進行，且灌溉時間很短，因而蒸發損失水量、降水量可以忽略。耕層中通過非毛管孔隙下滲損失水量和對鹽分起淋洗作用的凝結水量均較小，也忽略。上式簡化為：

式中為耕層土壤厚度，m；θ為耕層土壤田間持水量（干土質量%）；0為灌水前耕層土壤自然含水量（干土質量%）；ρ為耕層土壤干容重，kg/m3。

式中S為調鹽前耕層土壤含鹽量，g/kg；S為灌水調鹽后耕層土壤的目標含鹽量，g/kg；小麥、玉米為0.2%，取0.4 m。

根據式（6）～式（9），當土壤含鹽量在允許范圍內時，2=0，這時用水量系數=1即為無鹽分威脅時的灌溉水量系數；當2>0時，總用水量系數包括1和2兩部分，調水調鹽同時進行。

農田水鹽調控用水量計算模型為

式中F為農田灌水總量，m3；F為田塊水鹽調控所需灌水量，m3；S為田塊面積，hm2；w為該田塊水鹽調控用水量系數；=1，2，…，。

2.3.2 酸堿調控決策模型

土壤酸堿度影響因素異常復雜，尚無定量調控方法。構建定量分段法調控決策模型如下

式中P為土壤酸堿度調控方案，Y為土壤酸堿度診斷預警等級；當Y=（即6.5≤pH值<7.5）時，給出方案1：土壤酸堿度適宜，不需調控；當Y=（即7.5≤pH值<8.5）、Y=（即8.5≤pH值<9）、Y=（即9

2.3.3 養分調控決策模型

土壤養分調控通過分區控制施肥量實現。根據土壤養分含量和作物養分需求量確定監測點肥料需求量計算模型；基于空間插值方法確定養分分區變量調控處方模型。

1）施肥量計算模型：監測點施肥量計算采用基于養分平衡施肥理論得到的施肥量模型

式中F為某種肥料的需要量，kg/hm2；為作物預期產量，kg/hm2，可參照前3 a平均單產和年均增產率為基礎確定；N為百千克經濟產量養分吸收量，kg；S為土壤養分測定值，mg/kg；2.25為土壤耕層養分測定值換算成1 hm2土壤養分含量的系數；R為土壤養分利用率，%；F為肥料養分含量，%；R為肥料當季利用率，%。

2）養分分區變量調控處方模型：精準施肥方案最終落實到地塊，以分區變量施肥處方圖形式呈現。分區變量施肥處方圖采用反距離權重插值（IDW）模型[33]生成：

式中d2=(?X)2+(?Y)2；X，Y，Z分別為監測點坐標和肥料施用量值，=1,2,…,。

3 系統實現與應用

3.1 系統實現與部署

系統開發以Window Server 2008、ArcGIS Server、SQL Server 2008、IIS服務器等為平臺，后臺應用面向對象的C#語言進行編譯，前臺界面框架采用可擴展應用程序標記語言XAML作為RIA（Rich Internet applications）客戶端開發技術。在構建屬性與空間一體化數據庫基礎上，實現了數據的交互與共享，利用ArcGIS API for Silverlight技術，將空間分析功能整合到分析決策模塊；采用REST（Representational state transfer）服務將監測分析模型封裝成獨立的REST服務接口，訪問ArcGIS Server發布的地圖數據及地理處理服務，簡化了屬性數據與空間數據同步更新與維護[20-21]。

系統部署于學校提供的服務器空間，將全國、山東省和無棣縣行政區劃圖、企業農田地塊圖、人工和物聯網監測點位圖等導入空間數據庫，將物聯網自動采集和人工采集分析獲取的農田地塊土地利用、土壤水肥鹽堿等導入屬性數據庫。本著總體均勻、全部覆蓋原則，在案例區無棣縣柳堡鎮大面積鹽堿農田依據土地初始條件（質地、含鹽量、pH值、地下水埋深及養分等）差異疏密有致地部署24套“神農物聯”自動采集設備[34]；在農田內部道路分隔形成的每個管理地塊中各設置1個定位采樣點，共35個人工樣點（圖2a）。

3.2 數據采集與處理

物聯網每天自動采集土壤耕層含水量、pH值、電導率及地下水礦化度和氣象數據；人工每隔30 d左右（封凍時除外，且根據降雨、灌溉微調）利用便攜式EC110鹽分計、ML3土壤水分溫度速測儀和原位pH測定儀現場采集一次土壤含水量、含鹽量、pH值，小麥、玉米種植前采集耕層土樣，化驗獲取土壤養分等數據。根據傳感器所測土壤數據與實驗室分析數據相關關系對速測數據進行校正處理[28]。

3.3 調控體系及應用

以系統為核心，數據層、功能層和應用層協同，優化集成數據采集、數據管理、統計分析、診斷預警、調控決策技術和調控管理措施形成“六位一體”的全過程優化管理體系。其中，數據采集形成“物聯網自動采集+人工采集”的并行互補方式，實現相互校驗和精度保證；數據存儲管理實現屬性數據、空間數據統一、有序管理；統計分析、診斷預警、調控決策通過融合點數據監測和空間分析方法、可視化技術，實現模型化、標準化和可視化交互。

應用操作實現了面向用戶的田塊屬性信息條件查詢、數據時空動態分析、診斷預警和調控決策可視化管理、簡易化操作。用戶可通過鼠標點選、條件查詢方式激發信息查詢；通過興趣時點選擇或空間分析，激發特征統計分析或面狀插值預測；系統通過圖表給出監測結果和預警信號（圖2b、2c）；根據水肥鹽含量輸入給出田塊水鹽統籌平衡調控灌水量和養分平衡調控補充量，并基于相應的空間預測模型，給出分區變量灌溉、養分調控方案（圖2d）。

圖2 系統部署與應用

4 應用結果與效果分析

4.1 應用結果分析

系統應用中，數據采集及時、校驗傳輸順暢，特征分析結果可靠，診斷預警信號和調控決策方案科學有效，取得良好的應用效果。

4.1.1 水肥鹽堿基本特征

綜合分析2014年1月至2016年12月的33期土壤含水量、含鹽量和6期土壤pH值與養分有效數據，將研究區35個地塊從南北、東西方向各分為3個區，分析土壤水肥鹽堿時空特征（圖3）。

1）土壤水鹽特征：①各地塊土壤含水量1.77%～39.45%，各期含水量5.95%～32.48%，不同地塊不同時期差異較大；3a來有下降趨勢，干旱特征日益明顯，42.42%的時間未達適墑。每年有“兩高兩低”現象（圖3a）：高點一般在7－8月和11月底至次年1月；低點一般在3月底4月初和5月底6月初。空間變異中等（：11%～58%），從南向北、從西向東升高（圖3d）。②土壤含鹽量0.55～22.10 g/kg，各期含鹽量1.64～4.02 g/kg，總體為中度鹽漬化，符合“春高夏低秋升冬潛伏”規律，3a來有降低趨勢（圖3b）。空間變異中等（：13%～92%），北高南低、東高西低（圖3d）。③pH值7.28～8.88，各期平均值7.99～8.46，中等至強堿性。3a來有升高趨勢（圖3c，2=0.939）。空間變異弱（：1%～4%），北高南低、東高西低（圖3d）。

2）土壤養分特征：①各地塊有機質10.65～27.69g/kg，差異較大，各期平均值14.88～16.79 g/kg，3a來逐年增長但仍處中等水平（圖3e，R2=0.9157）。空間變異中等（：9%～21%），從南向北、自西向東降低（圖3d）。②各地塊速效氮20.51～139.77 mg/kg，各期平均值44.96～83.87 mg/kg，總體中等至偏低水平。3a來先升后降（圖3f）。空間變異中等（：17%～38%），從南向北、從西向東遞減（圖3d）。③各地塊有效磷4.24～98.00 mg/kg，各期平均值23.59～41.16 mg/kg，總體處中等水平、先升后降特征（圖3g）。空間變異中等（：27%～59%），南高中低北居中，西高東低（圖3d）。④速效鉀125.00～573.51 mg/kg，各期平均值195.43～410.04 mg/kg，總體處非常高的水平。3 a來呈下降趨勢（圖3h），受施肥量突變影響，2較小。空間變異中等（：15%～28%），從南向北、從東向西減少（圖3d）。

圖3 土壤水肥鹽堿特征

4.1.2 水肥鹽堿預警結果

3a診斷預警統計結果見表2～表5。（1）3a中，適墑飽墑合計點位占比、面積占比（下同）分別為49.53%和49.36，干旱分別高達30.30%和30.24%，黃墑分別為17.58%和17.68%，漬澇占比不高分別為2.60%和2.73%；（2）含鹽量預警嚴重分別為12.21%和12.74%，重度分別為22.94%和22.75%，兩者合計均超1/3，中度高達44.94%和44.31%，輕度僅為19.91%和20.20%；酸堿度預警以中度為主，分別為83.33%和83.33%，重度分別為15.24%和14.92%，適宜僅為0.71%和0.81%；預警占比有重度增長、中度下降趨勢。（3）養分預警，有機質以中等為主，占比分別為92.86%、94.19%，豐等分別為7.14%和5.81%，沒有高、低和極低預警。速效氮以中、低等級為主，二者合計占比84.29%和84.03%，高、豐2級不足10%，尚有超過5%的極低預警。有效磷以中等為主，占比61.43%和62.81%，高、豐2級合計30%左右，有6%以上處于低和極低級。速效鉀以高等級占絕對優勢（97.14%和96.88），豐級不足3%，沒有中、低和極低預警。

表2 土壤墑情診斷預警結果

表3 土壤含鹽量診斷預警結果

表4 土壤酸堿度診斷預警結果

表5 土壤養分診斷預警結果

注：表中土壤養分等級參照全國第二次土壤普查養分分級標準確定，區間從E至A依次為，有機質：（0，6）、[6，10）、[10，20）、[20，30）、[30，∞）；速效氮：（0，30）、[30，60）、[60，90）、[90，120）、[120，∞）；有效磷：（0，5）、[5，15）、[15，30）、[30，40）、[40，∞）；速效鉀：（0，40）、[40，75）、[75，120）、[120，150）、[150，∞）；式（4）中a、b、c、d分別取對應值。

Note: The level of soil nutrients in the table is determined by the National Second Soil Census nutrient classification standards, and the interval from E to A is in turn, organic matter: (0, 6), [6, 10), [10, 20), [20 30), [30, ∞）; available nitrogen: (0, 30), [30, 60), [60, 90), [90,120), [120, ∞); available phosph: (0, 5), [5, 15), [15, 30), [30, 40), [40, ∞); available potassium: (0, 40), [40, 75), [75, 120), [120, 150), [150, ∞); and the corresponding values of a, b, c and d, are taken respectively in the formula (4).

4.1.3 水肥鹽堿調控決策方案

根據監測預警結果和調控決策模型，分別提出基于監測點、地塊的定量化水鹽一體調控、酸堿度分段調控、養分變量調控方案和基于空間插值的分區變量調控處方圖。

1）土壤水鹽調控：根據式（5）～式（10），運算得出各地塊單位面積灌溉水量、調鹽水量和實際應灌水量。排澇方案按式（5）確定排水起止點，不計算水量。匯總各年小麥-玉米2季作物水鹽調控決策方案結果見表6。3 a中，單位面積灌溉水量分別為1 290.04、787.21和1 052.73 m3/hm2，當年實際應灌水總量分別為3 482 194.40、2 124 898.68和2 841 616.87 m3，均呈先降后升、總體下降特征。

2）土壤酸堿調控：根據式（11），作出酸堿度調控方案，4避免施用堿性肥料；3施石膏（硫酸鈣）或硫酸亞鐵225 kg/hm2，或硫磺粉150 kg/hm2；2施石膏（硫酸鈣）或硫酸亞鐵375 kg/hm2，或硫磺粉300 kg/hm2；1施石膏（硫酸鈣）或硫酸亞鐵500 kg/hm2，或施用硫磺粉450 kg/hm2。石膏、硫酸亞鐵和硫磺粉地表撒施旋耕入土。

3）土壤養分調控：根據式（12）～式（13），養分調控以尿素、過磷酸鈣、硫酸鉀為例（N、P2O5、K2O含量分別為46%、12%、50%），肥料當年利用率分別按65%、20%、50%，土壤養分利用率分別按50%、80%、50%計。每100 kg籽粒需N、P2O5、K2O量（kg）小麥分別按2.95、1.15、3.05，玉米分別按2.57、0.86、2.14計，2014－2016年增產率小麥分別以10%、10%、5%計、玉米以5%計，調控方案匯總結果如表7。從單位面積施用量看，氮肥呈先降后升（尿素玉米施用量從369.64降至268.23又升至427.86 kg/hm2，小麥施用量從307.22降至276.44又升至381.39 kg/hm2），磷肥總體上升（過磷酸鈣玉米施用量從489.64升至625.78 kg/hm2，小麥施用量從867.32升至1 348.91 kg/hm2），鉀肥幾乎不需補充。

表6 土壤水鹽調控方案統計

表7 土壤養分調控方案統計

4.2 應用效果分析

4.2.1 水鹽限制變化

3 a來，案例區土壤含水量全年平均從16.21%降至14.61%，飽墑、適墑和黃墑占比有所下降，干旱占比有所增長（表2），限于水源匱乏，無論從時間還是空間上缺水干旱限制仍然嚴峻，但亦需注意關鍵時期（如7－8月）可能因降水集中引發漬澇。土壤含鹽量總體呈下降趨勢，3 a共降低0.40 g/kg，脫鹽率達12.86%，各期同比也有明顯下降（圖3b）；鹽分預警呈嚴重和重度下降、中度和輕度上升趨勢（表3），反映出綜合調控措施所起的作用。總體來看，在水源匱乏的情況下，土壤水鹽限制得到一定程度的緩解。

4.2.2 土壤肥力變動

由表5、圖3可見，3 a來，研究區土壤有機質總體增長9.59%，中等占比略降而豐等略升；速效氮先升后降、總體升高1.87%，低等預警有所減少，中、豐等級有所增長；有效磷總體升高2.89%，高、豐等級有所增長，中和極低等級有所減少；速效鉀總體上雖有所降低（?24.62%），高等級有所減少，但豐等級占比有所增長（6.27%），仍處于較高水平。3 a來，案例區土壤雖然仍體現著“貧磷少氮富鉀”的特點，但在連續耕種和調控管理作用下，土壤養分含量歷經先上升后下降、回歸的過程，逐漸趨于穩定，空間上趨于更加均衡，土壤肥力總體趨穩均衡。

4.2.3 投入產出效益

3 a來，案例區糧食生產實現了節本增效（表3）。小麥、玉米產量逐年提高，單產從2013年的4 552.5和4 695.00 kg/hm2，增長到2016年整體超6 000.00和7 000.00kg/hm2（2016年部分玉米青儲、此為折算數），年均增長10.60%和16.36%，高產地塊小麥玉米分別超7 500、9 000kg/hm2，總體與預期產量基本一致。從投入來看，水鹽統籌調控方案與當地經驗灌水量（2014－2016年分別為1 800、1 650、1 500 m3/hm2）相比，節水效果明顯，3 a綜合節水率達31.02%；養分平衡調控方案與經驗施肥量相比，節肥效果顯著，尿素、過磷酸鈣、硫酸鉀綜合節肥率分別高達28.69%～63.14%、10.07%～67.98%、97.98%～100%。

4.2.4 生產決策效率

基于調控體系的應用，農田生產決策改變過去生產管理無記錄、憑經驗、靠估算，決策效率低、不精確、失誤率高的狀況，實現了生產管理按體系進行、流程清晰、決策有依據、準確率高，決策效率得以明顯提高。用戶通過數據分析從總體上把握農田狀況，橫向對比不同田塊差異，觀察掌握田塊水肥鹽堿動態變化趨勢，根據監測數據偏離閾值（警界線）情況或基于GIS分級顯示的空間預警結果獲得預警信號（圖2c中），參考調控決策方案及時實施管理。圖3a中，養分呈現氮磷先上升后降低、鉀總體降低的特征，體現出養分調控和減肥決策措施逐步發揮了作用。

5 討 論

農田信息監測和管理系統建設是精準農業發展的重要方向，快速乃至實時探測農田信息是其基礎，但迄今尚無直接檢測土壤化學成分的有效傳感器，土壤成分高精度實時測定仍是世界性難題[2]。本文旨在利用信息技術手段推進鹽堿農田水肥鹽堿動態規律的探索和田間精準管理水平的提升，通過構建模型、研發系統，取得較好效果。但是，鑒于不同區域種植制度、種植習慣不同，且不同作物及品種對水肥鹽堿的需求、響應各不相同，今后對不同作物的閾值設定還需進一步細化。同時，根據減量化施肥要求，養分豐缺標準也需進一步研究，根據具體區域、土壤和作物情況修正。研究發現，土壤含鹽量和pH值呈現“鹽降堿升”現象，這與一般的土壤脫鹽過程相似。土壤含水量減少，pH值有增高跡象，兩者似有負相關關系，但并非簡單的函數關系。有機質在施有機肥特別是雙季秸稈還田作用下有增長趨勢，但后期增長速度由快轉慢，與玉米青儲而還田量減少有關（圖3c）。速效養分受到施肥量、施肥方式、作物吸收以及流失影響，波動性較大，使得調控意圖在短期內難以顯著表現（圖3f、3g、3h）。這些現象都需要繼續深化研究探討其科學性。此外，限于黃河客水源可靠度低，管理系統作用的發揮受到很大限制，建議采取修建水庫或河道攔截方式蓄水備用。

6 結 論

1）基于WebGIS平臺，利用Silverlight 5與WCF技術，融合點數據監測和空間分析方法、可視化技術，開發了鹽堿農田水肥鹽堿監測與管理系統，融合數據采集、數據管理、統計分析、診斷預警、調控決策技術與實施管理措施形成了“六位一體”的全過程優化管理體系，為鹽堿農田生產管理提供了一個有效的輔助決策工具。

2）基于統計學原理和作物水肥鹽堿平衡與脅迫響應原理，構建了農田特征分析、診斷預警和調控決策3類15個模型，結果表明模型數據處理分析科學有效，系統應用決策方案符合實際。

3）在無棣縣鹽堿農田應用表明，管理方案有效緩解了土壤水鹽限制，3a脫鹽率達12.86%；促進了養分調控和減肥決策措施作用的發揮，土壤肥力總體趨穩均衡；投入產出效益和生產決策效率明顯提升，2014－2016年綜合節水率達31.02%，氮磷鉀節肥率分別達28.69%～63.14%、10.07%～67.98%、97.98%～100%，小麥玉米年均增產10.60%和16.36%，接近預期。

[1] 陳威，郭書普. 中國農業信息化技術發展現狀及存在的問題[J]. 農業工程學報，2013，29(22)：196－205.

Chen Wei, Guo Shupu. Current situation and existing problems of agricultural informatization in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(22): 196－205. (in Chinese with English abstract)

[2] 何東健，楊成海，楊青，等. 面向精準農業的農田土壤成分實時測定研究進展[J]. 農業工程學報，2012，28(7)：78－85.

He Dongjian, Yang Chenghai, Yang Qing, et al. Research progress of real-time measurement of soil attributes for precision agriculture[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(7): 78－85. (in Chinese with English abstract)

[3] Bongiovanni, Lowenberg Deboer. Precision agriculture and sustainability[J]. Precision Agriculture, 2004, 4(5): 361－363.

[4] Harmandeep Singh, Nitika Sharma. Decision support system for precision farming[J]. International Journal of Computers & Technology, 2013, 4(1): 76－81.

[5] 冀榮華，吳才聰，李民贊，等. 基于遠程通訊的農田信息管理系統設計與實現[J]. 農業工程學報，2009，25(增刊2)：165－169.

Ji Ronghua, Wu Caicong, Li Minzan,et al. Development and implementation of field information management system based on telecommunications[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(Supp.2): 165－169. (in Chinese with English abstract)

[6] 許鑫，張浩，席磊，等.基于WebGIS的小麥精準施肥決策系統[J]. 農業工程學報，2011，27(增刊2)：94－98.

Xu Xin, Zhang Hao, Xi Lei, et al. Decision-making system for wheat precision fertilization based on WebGIS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(Supp.2): 94－98. (in Chinese with English abstract)

[7] 杜克明，褚金翔，孫忠富，等. WebGIS在農業環境物聯網監測系統中的設計與實現[J]. 農業工程學報，2016，32(4)：171－178.

Du Keming, Chu Jinxiang, Sun Zhongfu,et al. Design and implementation of monitoring system for agricultural environment based on WebGIS with Internet of things[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(4): 171－178. (in Chinese with English abstract)

[8] 夏于，孫忠富，杜克明，等. 基于物聯網的小麥苗情診斷管理系統設計與實現[J]. 農業工程學報，2013，29(5)：117－124.

Xia Yu, Sun Zhongfu, Du Keming, et al. Design and realization of IOT-based diagnosis and management system for wheat production[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(5): 117－124. (in Chinese with English abstract)

[9] 劉陽春，苑嚴偉，張俊寧，等. 深松作業遠程管理系統設計與試驗[J]. 農業機械學報，2016，47(增刊1)：43－48.

Liu Yangchun, Yuan Yanwei, Zhang Junning, et al. Design and experiment of remote management system for subsoiler[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(Supp.1): 43－48. (in Chinese with English abstract)

[10] 隋銘明，沈飛，徐愛國，等. 基于北斗衛星導航的秸稈機械化還田作業管理系統[J]. 農業機械學報，2016，47(1)：23－28.

Sui Mingming, Shen Fei, Xu Aiguo, et al.Management system for mechanized straw returning based on BDS[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(1): 23－28. (in Chinese with English abstract)

[11] 林蘭芬，王瑞松，于鵬華. 基于GIS的農田小氣候環境可視監測系統[J]. 農業機械學報，2015，46(3)：254－260.

Lin Lanfen, Wang Ruisong, Yu Penghua. GIS based visual monitoring system of farmland microclimate environment[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(3): 254－260. (in Chinese with English abstract)

[12] 孫玉文，沈明霞，張祥甫，等. 基于嵌入式ZigBee技術的農田信息服務系統設計[J]. 農業機械學報，2010，41(5)：148－151.

Sun Yuwen, Shen Mingxia, Zhang Xiangfu, et al. Design of embedded agricultural intelligence services system based on ZigBee technology[J].Transactions of the Chinese Society for Agricultural Machinery, 2010, 41(5): 148－151. (in Chinese with English abstract)

[13] Wei Yichang, Wang Zhenying, Wang Tongchao, et al. Design of real time soil moisture monitoring and precision irrigation systems[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(17): 80－86.

魏義長，王振營，王同朝，等. 土壤墑情實時監測與精準灌溉系統的設計[J]. 農業工程學報，2013，29(17)：80－86. (in English with Chinese abstract)

[14] 黃彥，司振江，陶延懷，等. 基于互聯網的農田環境參數采集綜合管理信息系統設計[J]. 中國農村水利水電，2016，58(8)：30－33.

Huang Yan, Si Zhenjiang, Tao Yanhuai, et al. Design of farmland environment parameter acquisition and integrated management information system based on the internet[J]. China Rural Water and Hydropower, 2016, 58(8): 30－33. (in Chinese with English abstract)

[15] 于婷婷，朱龍圖，閆荊，等. 農田環境信息采集與遠程監測系統[J]. 中國農機化學報，2016，37(6)：220－225.

Yu Tingting, Zhu Longtu, Yan Jing, et al. Remote collecting and monitoring system of field environment information[J]. Journal of Chinese Agricultural Mechanization, 2016, 37(6): 220－225. (in Chinese with English abstract)

[16] 鄒金秋，周清波，楊鵬，等. 無線傳感網獲取的農田數據管理系統集成與實例分析[J]. 農業工程學報，2012，28(2)：142－147.

Zou Jinqiu, Zhou Qingbo, Yang Peng, et al. Integration and example analysis for farmland data management system of wireless sensor networks[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(2): 142－147. (in Chinese with English abstract)

[17] 王星明，楊瑋，李民贊，等. 集成3S，ZigBee和射頻識別的土壤采樣遠程智能管理系統[J]. 農業工程學報，2017，33(增刊1)：143－149.

Wang Xingming, Yang Wei, Li Minzan, et al. Remote intelligent management system for soil sampling based on 3S, ZigBee and radio frequency identification[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(Supp.1): 143－149. (in Chinese with English abstract)

[18] 李振聲，歐陽竹，劉小京，等. 建設“渤海糧倉”的科學依據：需求、潛力和途徑[J]. 中國科學院院刊，2011，26(4)：371－374.

Li Zhensheng, Ouyang Zhu, Liu Xiaojing, et al. Scientific basis for constructing the “Bohai Sea Granary”: Demands, potential and approches[J]. Bulletin of Chinese Academy of Sciences, 2011, 26(4): 371－374. (in Chinese with English abstract)

[19] 高明秀，李冉，鞏騰飛，等. “渤海糧倉”建設推進策略分析[J]. 農業現代化研究，2015，36(2)：245－251.

Gao Mingxiu, Li Ran, Gong Tengfei, et al. The promoting strategy analysis on “Bohai Granary” construction[J]. Research of Agricultural Modernization, 2015, 36(2): 245－251. (in Chinese with English abstract)

[20] 孫培芬，王培，劉卉. 農田信息管理決策支持系統的設計與實現：基于Silverlight[J]. 農機化研究，2015，37(7)：156－159.

Sun Peifen, Wang Pei, Liu Hui. Design and implementation of farmland information management and decision support system based on Silverlight[J]. Journal of Agricultural Mechanization Research, 2015, 37(7): 156－159. (in Chinese with English abstract)

[21] 陸亞剛，邱知，游先祥，等. 基于SilverLight和REST的富網絡地理信息系統框架設計[J]. 地球信息科學學報，2012，14(2)：192－198.

Lu Yagang, Qiu Zhi, You Xianxiang, et al. Design and implementation of rich webgis application framework based on Silverlight and REST services[J]. Journal of GEO-Information Science, 2012, 14(2): 192－198. (in Chinese with English abstract)

[22] 農業部. 全國土壤墑情監測工作方案（[農辦農2012]14號）[Z]. 北京：農業部，2012.

[23] 水利部. SL568－2012，土壤墑情評價指標[S]. 北京：水利部，2012.

[24] 蔣麗娜，徐姍，常江，等. 持續淹水對小麥養分吸收動態和產量的影響[J]. 中國農學通報，2012，28(27)：113－117.

Jiang Lina, Xu Shan, Chang Jiang, et al. The effect of persistent flooding on the kinetic nutrient absorption and output of wheat[J]. Chinese Agricultural Science Bulletin, 2012, 28(27): 113－117. (in Chinese with English abstract)

[25] 雷志棟，楊詩秀，謝森傳. 土壤水動力學[M]. 北京：清華大學出版社，1988.

[26] 鮑士旦. 土壤農化分析[M]. 北京：中國農業出版社，2000：178－200.

[27] 謝文軍，張衍鵬，張淼，等. 濱海鹽漬化土壤理化性質與小麥生產間的關系[J]. 土壤學報，2015，52(2)：461－466.

Xie Wenjun, Zhang Yanpeng, Zhang Miao, et al. Relationships between soil physichemical properties and wheat production in coastal saline soil[J]. Acta Pedologica Sinica, 2015, 52(2): 461－466. (in Chinese with English abstract)

[28] 薛敏，高明秀，王卓然，等. 環渤海鹽堿地田塊尺度水鹽時空變異特征[J]. 江蘇農業科學，2017，45(24)：267－271.

Xue Min, Gao Mingxiu, Wang Zhuoran, et al. Spatial- temporal variability of soil moisture and salinity in Bohai rim region at field scale[J]. Jiangsu Agricultural Sciences, 2017, 45(24): 267－271. (in Chinese with English abstract)

[29] 張同瑞，趙庚星，高明秀，等. 基于近地面多光譜的黃河三角洲典型地區土壤含鹽量估算研究[J]. 光譜學與光譜分析，2016，36(1)：248－253.

Zhang Tongrui, Zhao Gengxing, Gao Mingxiu, et al. Soil salinity estimation based on near-ground multispectral imagery in typical area of the Yellow River Delta[J]. Spectroscopy and Spectral Analysis, 2016, 36(1): 248－253. (in Chinese with English abstract)

[30] 張同瑞，趙庚星，高明秀，等. 基于近地多光譜和OLI影像的黃河三角洲冬小麥種植區鹽分估算及遙感反演：以山東省墾利縣和無棣縣為例[J]. 自然資源學報，2016，31(6)：1051－1060.

Zhang Tongrui, Zhao Gengxing, Gao Mingxiu, et al. Soil Salinity estimation and remote sensing inversion based on near-ground multispectral and TM imagery in winter wheat growing area in the Yellow River Delta: Case study in Kenli County and Wudi County, Shandong Province[J]. Journal of Natural Resouces, 2016, 31(6): 1051－1060. (in Chinese with English abstract)

[31] 全國土壤普查辦公室. 中國土壤[M]. 北京：中國農業出版社，1998.

[32] 胡順軍，田長彥，宋郁東. 基于土壤飽和入滲理論計算鹽堿地沖洗定額[J]. 土壤學報，2010，47(3)：563－567.

Hu Shunjun, Tian Changyan, Song Yudong. Calculation of salinity leaching quota based on saturated infiltration theory[J]. Acta Pedologica Sinica, 2010, 47(3): 563－567. (in Chinese with English abstract)

[33] 湯國安，楊昕. 地理信息系統空間分析實驗教程（第二版）[M]. 北京：科學出版社，2012.

[34] 柳平增. 農業大數據平臺在智慧農業中的應用：渤海糧倉科技示范工程大數據平臺為例[J]. 高科技與產業化，2015，22(5)：68－71.

Monitoring and regulation management system of water, nutrient and salinity in farmland based on WebGIS

Gao Mingxiu1,2, Zhang Zhi3, Zhao Gengxing1,2※, Li Junhan1,2

(1.,,’271018,; 2.,271018,; 3.430072)

Monitoring the dynamic changes information of water, nutrient and salinity, analyzing and diagnosing, and putting forward regulation and control plan, are the basement of improving the production management level of saline alkali farmland. This paper developed a monitoring and regulation management system of water-nutrient-salt in saline alkali farmland based on WebGIS platform, Silverlight 5 and WCF (windows communication foundation) technology. And the technologies of point data monitoring, spatial analysis, and visualization were fused in the system. A series of models that included 15 models (3 kinds) for characteristics analysis, diagnosis and early warning, and control decision of farmland soil water, fertilizer, saline and alkali were set up. And the models were constructed based on the principle of statistics, the principle of water, fertilizer, salt and alkali balance of crop, and the stress response principle of crop to soil water, nutrient, salt and alkali. The system and the models were integrated and applied. The results showed that a whole process optimization management system of “integration of six aspects” was formed, providing an effective assistant decision-making tool for the production management of saline alkali farmland. The system integrated data collection, data management, statistical analysis, diagnosis and early warning, control and decision-making technology and implementation management measures. The results of data processing and analysis of the models were proved to be scientific and effective, and the system application decision was proved to be realistic. The system was applied in Wudi County, Shandong Province, China. The application results showed that the management plan proposed by the system effectively alleviated the salt and water restriction, and the desalination rate of soil salt reached 12.86% in 3 years. The scheme promoted the role of nutrient regulation and fertilizer reduction decision-making measures, and soil nutrient tended to be stable and balanced in space in general. The input-output benefits and production decision efficiency of agricultural production had been significantly improved. The comprehensive water saving rate in the years of 2014-2016 was up to 31.02%, and the nutrient saving rates of N (nitrogen), P (phosphorus) and K (potassium) were 28.69%-63.14%, 10.07%-67.98%, and 97.98%-100% respectively. Wheat and corn yield increased respectively by 10.60% and 16.36% annually, which were close to the expected. The study also found that soil salinity and pH value showed a phenomenon of “salt lowering and alkali rising”. Soil moisture had a negative correlation with pH value, but it was not a simple functional relationship. The organic matter increased under the effect of applying organic manure, especially the double-season crop straw returning to field, but its later growth rate was slowed down rapidly, which was related to the raising of corn silage and the decrease of organic matter returning to field. The effective nutrient was affected by the amount of fertilizer, the way of fertilization and the absorption and loss of crops, and the fluctuation was large. So regulatory intention in short term was difficult to be realized. All these phenomena need to be further studied and discussed. In addition, due to the low reliability of the Yellow River’s water sources, the role of the system was limited. It is suggested that reservoirs or river interception should be used to store water. The research is helpful to explore the dynamic rule of water, nutrient and salinity in saline alkali soil by means of information technology and improve the precision management in the field.

monitoring; information systems; management; saline alkali land; WebGIS; diagnosis and early warning; regulation and management

2018-04-10

2018-06-13

國家科技支撐計劃項目課題（2013BAD05B06-5）；山東省重點研發計劃項目（2017CXGC0301，2014ZZCX07106）；山東省高校“雙一流”獎補資金項目（SYL2017XTTD02）。

高明秀，男，博士，副教授，從事土地資源與信息技術、鹽堿地開發利用等研究。Email：mxgao@sdau.edu.cn

趙庚星，男，博士，教授，博士生導師，主要從事土地資源與信息技術等研究。Email：zhaogx@sdau.edu.cn

10.11975/j.issn.1002-6819.2018.17.013

S126

A

1002-6819(2018)-17-0089-11

高明秀，張 治，趙庚星，李俊翰. 基于WebGIS的農田水肥鹽堿監測與調控管理系統[J]. 農業工程學報，2018，34(17)：89－99. doi：10.11975/j.issn.1002-6819.2018.17.013 http://www.tcsae.org

Gao Mingxiu, Zhang Zhi, Zhao Gengxing, Li Junhan. Monitoring and regulation management system of water, nutrient and salinity in farmland based on WebGIS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(17): 89－99. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.17.013 http://www.tcsae.org