基于水量平衡方程的‘陽光玫瑰’葡萄精量灌溉決策管理

崔冬冬，張倩，田曉旭，韓真，柳平增

（1. 山東農業大學信息科學與工程學院，山東泰安 271018；2. 山東省果樹研究所，山東泰安 271000；3. 山東農業大學水利土木工程學院，山東泰安 271018；4. 山東省葡萄研究院，山東濟南 250100）

葡萄是我國六大果樹樹種之一，全國葡萄種植面積達到80萬 hm2以上，是促進我國農村經濟以及農業可持續發展的重要手段[1]。葡萄葉面積大，蒸發量大，是需水量較大的果樹樹種之一。灌溉作為葡萄生產上重要的管理措施，不僅對植株的營養生長和生殖生長起著關鍵的調控作用，也關乎水資源的有效利用[2]。‘陽光玫瑰’葡萄作為近年來的明星品種，種植面積已超過6.7萬 hm2，精品果售價每千克80～200元，而精準灌溉是‘陽光玫瑰’葡萄品質和產量的重要保障。

隨著科學技術的發展，智慧灌溉正在逐漸代替傳統的灌溉模式。其中，建立作物灌溉決策模型是現代智慧灌溉發展的前沿技術，同時也是高效利用水資源的有效途徑之一。國外在灌溉決策管理方面已走在前面，如美國、以色列等發達國家結合先進的計算機技術、模糊控制、神經網絡及專家系統等，開發建立了基于土壤含水率、蒸騰量、作物需水量等多種形式的灌溉決策系統，做到根據水量平衡方程，實現按需、按量自動灌溉，開發了先進的精量灌溉決策系統[3]；Song等[4]采用深度置信網絡建立了田間玉米土壤含水量預測模型，預測效果準確可靠；Rachel等[5]將模糊控制算法應用于田間灌溉系統中，通過對灌溉系統進行優化，使番茄的生長環境適宜，從而提高了產量；Navarro-Hellín等[6]采用兩種機器學習技術PLSR和ANFIS建立了智能灌溉決策模型，其特點是使用土壤測量值來補充氣候參數從而準確預測作物的灌溉需水量。國內在灌溉決策管理方面也有研究，鄭欽華等[7]以氣象資料、農田墑情檢測資料和作物生育信息為基礎，以水量平衡方程為依據，設計開發了膜下滴灌棉花水分管理決策系統；王雷等[8]以冬小麥為研究對象，結合水量平衡方程原理，建立智能灌溉決策機制；蔡甲冰等[9]以冬小麥為研究對象基于作物冠層溫度建立了作物精細灌溉決策模型；張夢等[10]以溫室黃瓜為研究對象，將溫度、濕度、光照強度和莖流作為影響因素，通過MATLAB軟件建立了基于人工神經網絡灌溉預測模型。綜上所述，國內外相關研究聚焦于大田作物和溫室蔬菜精準灌溉模型建立、生長過程數字化研究等方面，并取得大量的研究成果，但是對果樹研究相對較少，特別是對葡萄的相關研究更少，這嚴重制約了葡萄產業發展與轉型升級，與當前我國葡萄產業的發展規模不相適應。

本研究為實現葡萄精量灌溉，以3年生溫室栽培的‘陽光玫瑰’葡萄為試材，根據葡萄不同生育階段的水分需求規律，構建基于水量平衡的精量灌溉決策模型，以主要根系吸水層（60 cm土層）為土壤計劃濕潤深層，將葡萄園土壤墑情監測系統得到的土壤含水量數據作為輸入項，同時以氣象因子為參數修正作物系數，結合天氣預報數據預測未來時段內灌溉方案，可為葡萄精量灌溉決策提供支持。在此基礎上，建立‘陽光玫瑰’葡萄數字化管理平臺，為‘陽光玫瑰’的精細化管理提供數據參考和支撐。

1 材料與方法

1.1 試驗地概況

試驗于2019年3月10日至10月15日在山東省農業科學院金牛山試驗示范基地進行（116.99°E，36.12°N）。屬于溫帶大陸性半濕潤季風氣候，雨熱同季，年均氣溫13 ℃，降水量688.3 mm，日照時數2536.2 h，無霜期195 d。土壤為砂壤土，排灌條件良好。試材為連棟溫室栽培的3年生‘陽光玫瑰’葡萄，大棚南北走向，單棟跨度6 m，肩高3 m，頂高4.8 m。葡萄采用H形棚架，株距2 m，行距6 m，起壟限根栽培模式。壟寬1.5 m，高0.5 m；限根栽培根域容積按照每平米葉面積需要0.05 m3土計算，每株葡萄栽培槽的長×寬×高為1.2 m×1 m×0.5 m。采用肥水一體化智能滴灌系統，每壟共4排滴灌帶，其他采用常規管理。

所需環境數據由安裝于田間的物聯網設備連續自動采集完成，傳感器采集數據每60 min上傳一次，采集的環境因子包括氣溫（℃）、有效光輻射（Klux）、空氣濕度（%）、土壤溫濕度（℃）、日照時數（h）等。進行數據采集時，劃分為4個區域，每個區域在中心位置設計一套傳感器，分別對每個區域進行環境數據采集。根據項目要求在園區內安裝氣象墑情監測站1處、低壓管道自動供水系統1套、過濾施肥系統1套、主管水量、壓力計量點1處，出水口控制點8處，出水口控制面積分別為2000 m2、4000 m2×3、4300 m2×2、6000 m2、10000 m2，采用滴灌的節水方式。

1.2 水量平衡方程

結合水量平衡方程原理建立葡萄灌溉決策模型，從而得出葡萄整個生育期需水量、灌溉時間以及灌溉量。水量平衡方程的基本原理認為土層中的水分處于一種動態平衡狀態，而且受降水、灌水量、植株蒸騰、地面蒸發、地表徑流、與地下水的交換等多種因素綜合作用的影響[11]。水量平衡方程的表達式如下所示[12]：

式中，Wt和W0為計劃時間段內土壤含水量；WT為由于計劃濕潤層增加而增加的水量；P0為保存在土壤計劃濕潤層內的有效雨量；K為計劃時間段內的地下水補給量；M為計劃時間段內的灌溉水量；ET為計劃時間段內的作物需水量。單位均為mm。

1.2.1Wt和W0

式中，Wt和W0為計劃時間段內的土壤含水量（mm）；Ht和H0為t時刻和初始時刻計劃濕潤層深度（mm）；θt和θ0為t時刻和初始時刻土壤含水率（體積含水率，%），θ0通過安裝于葡萄園的土壤墑情監測系統自動獲得。

1.2.2WT

在作物生育期內，土壤濕潤層的深度是不斷變化的，WT為由于濕潤層增加而增加的水量。WT的計算如下：

式中，H1和H2分別為計劃時間段初和計劃時間段末計劃濕潤層深度（mm）；θ—為（H2－H1）深度土層中的平均體積含水率（%）。

1.2.3 有效降雨量P0

有效降水量指降雨量減去地面徑流損失后剩余水量

式中，α為降雨入滲系數，當一次實際降雨量小于5 mm時，α取為0；當一次實際降雨量在5～50 mm之間時，α取值為0.8～1.0；當一次實際降雨量大于50 mm時，α取值為0.7～0.8[13]，本文采用避雨栽培，因此降雨量為0。

1.2.4 計劃時間段內的地下水補給量K

式中，k為計劃時間段內平均每晝夜地下水補給量。

1.2.5 作物需水量ET

實際作物需水量需要考慮作物與土壤因素進行修正，修正的方法為：

式中，ET0為參考作物蒸發蒸騰量（mm·d-1）；kc為作物系數，ET為實際作物需水量。ET0的計算公式采用FAO推薦的Penman-Monteith（PM）公式：

式中，ET0為參考作物蒸發蒸騰量（mm·d-1）；Rn為作物表面凈輻射 [MJ·(m-2·d-1)]；G為土壤熱通量密度[MJ·(m-2·d-1)]；T為2 m高處的平均氣溫（℃）；u2為2 m高處的風速（m·s-1）；es為飽和水汽壓（kPa）；ea為實際水汽壓（kPa）；△為溫度水汽壓曲線的斜率（kPa·℃-1）；γ為濕度計常數（kPa·℃-1）。Allen等[14]詳細闡述了此公式中各個參數的具體計算公式。

1.3 評價指標

下面公式描述的統計參數分別是回歸系數b、決定系數R2、相關系數r、平均絕對誤差MAE、均方根誤差RMSE、相對誤差RE、一致性指數d用于評價各個估算模型的性能，除上述指標外，還采用準確率進行評價。定義預報絕對誤差在±2 ℃以內的樣本個數占總樣本個數的百分比為相應的預報準確率[15]。

式中Oi為第i個觀測數據；Pi為第i個預測數據；O—為觀測數據組的平均值；P—為預測數據組的平均值；i＝1,2,…,n；n為統計樣本數。當b接近于1.0，R2＞0.80，RE≤0.20，d≥0.95時，說明該模型較好。

2 結果與分析

2.1 水量平衡方程的確定

2.1.1 土壤含水量確定

以山東省農科院金牛山‘陽光玫瑰’葡萄試驗示范基地土壤濕度傳感器自動采集的土壤墑情數據及氣象站自動采集的作物生長期環境數據為基礎，用水量平衡模型中葡萄園土壤計劃濕潤層內的含水量為研究對象，建立水量平衡模型，根據一段時間內輸入和輸出的土壤水分確定這段時間的土壤水分變化情況。本研究中葡萄采用是避雨栽培，水量平衡模型中忽略深層滲漏量，降雨通過種植行間的排水溝流出種植區，因此模型中忽略降雨的影響，種植區內的地下水位為10 m以上，模型中忽略地下水補給量的影響。因此，采用的水量平衡模型簡化為下式：

式中各個參數的代表意義參考1.2中的公式（1）。

精量灌溉的關鍵是預測未來一段時間土壤含水率的情況，即模型中的參數時段末土壤含水率Wt。模型中通過計算直接得到的參數是時段初土壤含水率W0、WT、M，通過間接方法估算得到作物需水量ET，因此決定水量平衡模型預測精度的關鍵是作物需水量的估算精度。

2.1.2 計劃濕潤層確定

土壤計劃濕潤層深度是指在旱田進行灌溉時，計劃調節控制土壤水分狀況的土層深度。該數據隨土壤性質、地下水埋深及作物根系活動層深度等因素的變化而變化。本研究中‘陽光玫瑰’是3年生果樹，采用限根栽培，主要根系活動層基本在60 cm以內，因此，生育階段內土壤計劃濕潤層深度采用60 cm。

2.1.3 土壤適宜含水率及其上下限

土壤適宜含水率因作物種類、生育階段、土壤類型而變化，一般通過灌溉試驗或調查總結生產經驗來確定。由于作物生育過程中不斷耗水的需要及農田灌溉的間歇性，土壤計劃濕潤層的含水量不會一直維持在適宜含水率而不變。為保證作物正常生長，土壤含水率應控制在允許最大和最小含水率之間。允許最大含水率的原則為農田土壤不產生深層滲漏，土壤含水率的上限是田間持水率，允許的最小含水率一般應大于凋萎系數[15-16]。

由表2可知,治療前,2組患者的SRSS評分并無明顯差異(P>0.05),但治療后,治療組SRSS評分顯著低于對照組(P<0.05)。

根據查閱文獻和專家經驗[17-18]，‘陽光玫瑰’葡萄萌芽期到開花期，土壤含水率應保持在65%～75%田間持水率；展葉期和果實膨大期，土壤含水率應保持在75%～85%田間持水率；果實成熟期，土壤含水率應保持在65%～75%田間持水率。

2.1.4 ‘陽光玫瑰’葡萄需水量的預測

根據FAO-56計算手冊可知，作物需水量是參考作物蒸發蒸騰量與作物系數的乘積，參照作物蒸發蒸騰量（ET0）的計算以氣象站自動采集的日最高最低溫度、相對濕度、2 m處風速、日照時數等參數作為輸入，具體公式見1.2公式（8），氣象站自動采集的數據為實時數據，可以計算得到作物日實際需水量。結合天氣預報數據的預測作物需水量，需要充分利用互聯網每天發布的天氣預報數據（http://www.weather.com.cn/ forecast/），將定性數據轉化為定量數據作為ET0的輸入變量進行預測[19]。

本研究天氣預報數據的預報尺度是7 d，每7 d進行一次灌溉預測，利用每天實時采集的數據對預報模型進行實時修正，以及模型的自反饋修正。

表1是2019年3—10月期間，1～7 d天氣預報數據的精度評價指標表。從表1中可以看出，隨著預見期天數的增加，最高和最低氣溫預報的準確率均呈現逐漸下降的趨勢。但相比而言，最高氣溫預報的準確率總體上高于最低氣溫預報的準確率，最高氣溫預報的均方根誤差（RMSE）隨預見期的增長逐漸增加，分別為2.03、2.31、2.48、2.72、2.98、3.24、3.47 ℃；平均絕對誤差（MSE）和均方根誤差呈現相同的變化趨勢，分別為1.34、1.59、1.77、2.01、2.27、2.44、2.61 ℃；氣溫預報的相關系數均達到0.95以上，該結果表明氣溫預報值和實測值之間相關性較高。總的來說，氣溫和風速預報準確率相對較高，而日照時數預報的準確率最低，原因可能是天氣類型預報不準確及解析過程中產生的誤差所引起。

表1 天氣預報精度評價指標值Table 1 Indicator for evaluating accuracy in weather forecast

表2為PM預報模型預報ET0的精度評價指標值。由表2可以看出，隨著預見期天數的增長，PM模型的預報準確率呈逐漸下降趨勢，但整體表現較好，預報的ET0平均準確率為97.26%，平均相對誤差為27.63%，平均均方根誤差為0.84 mm·d-1，平均R2為0.77，相對誤差RE、均方根誤差RMSE隨著預見期天數的增長稍有增加，但變化不大，R2和準確率具有相同的變化趨勢，平均R2相對較高。綜上所述，PM模型整體上預測準確率相對較高，可以用來準確預測ET0。

表2 ET0預報精度評價指標值Table 2 Indicator for evaluating accuracy in ET0 forecast

作物系數（Kc）是指作物不同生育階段中作物需水量與參照作物需水量的比值，其大小不僅與作物種類、發育階段有關，還與土壤蒸發、降雨或灌水等因素密切相關，其值反映了作物自身生物學特性。在標準無水分脅迫狀態下，分段單值作物系數法在灌溉規劃設計、灌溉管理以及基本灌溉制度的制定等許多方面得到廣泛應用[20]。

根據本地試驗基地多年葡萄生育期數據的平均值，結合FAO-56推薦的分段單值作物系數法，將‘陽光玫瑰’葡萄的生長期劃分為初期（S1）、中期（S2）和后期（S3）三個階段。其中，葡萄各生育階段在標準條件（無水分脅迫、耕作和水管理條件優良）下的基本作物系數分別為0.3、0.85、0.45，最大枝條長度為2 m。

當作物處于相對濕度不等于45%或風速大于或小于2 m·s-1的氣候條件時，對作物系數進行具體校正方法如下：

式中Kc(Tab)：為該生育階段的所對應的基本作物系數；u2為距離地面2 m高程處的平均風速（m·s-1）；RHmin為該生育階段的日最小相對濕度平均值（%）；h為該生育階段的平均作物高度（m）。在缺少相對濕度時，RHmax和RHmin可用日最高氣溫Tmax和最低氣溫Tmin代替計算，其中e0(Tmin)、e0(Tmax)分別參照FAO-56手冊計算。

式中：e0(Tmin)、e0(Tmax)分別為最低氣溫、最高氣溫時對應飽和水汽壓（kPa）。

2.1.5 灌水日期及灌水量預報

2.1.4 部分預測的需水量是預報灌水日期和灌水量的主要依據。灌溉日期的預測采用‘陽光玫瑰’生育期灌水下限為灌溉警戒線，灌溉日期即為計劃濕潤層內的土壤水分下降至適宜含水量下限值時的日期。灌水量的計算公式為：

式中：θmax是土壤最大含水率，即田間持水率（%）；θmin是土壤含水率的下限值（%）；是土壤容重（g·cm-3）；H是土壤計劃濕潤層深度（cm）。

2.1.6 土壤含水率的實時自反饋修正

實時灌溉預測的核心是土壤含水率的預測，影響整個預測結果精度的關鍵是初始狀態和實時狀態。本研究中預報的最大時間周期是7 d，自動土壤墑情數據設定每小時更新一次，即每次土壤墑情監測設備得到土壤含水率后，每小時更新的的實測數據便是下次預測灌水日期和灌水量的基礎依據，即預測數據根據設定好的規則和模型自動計算反饋。

2.2 土壤含水率實時預測結果分析

精量灌溉的工作過程是結合各類實時采集監測設 備，實時采集田間的土壤墑情數據和氣象數據，反饋給計算機終端設備，計算機接收信號后根據后臺的數據規則進行數據處理加工，模型計算分析，進而給出灌溉決策，為決策者進行灌溉決策提供服務。

圖1是基于天氣預報數據的‘陽光玫瑰’2019年生育階段的土壤水分狀況預測。由圖1可以看出，預測數據與實測數據的相對誤差平均值大約是1.51%，整體預測精度可以滿足要求。在‘陽光玫瑰’生長中期預測精度較高，個別日期預報誤差較大，其主要原因是當時天氣預報的誤差較大造成的葡萄需水量預測值偏大。

圖1 ‘陽光玫瑰’葡萄土壤水分預報值和實測值對比Figure 1 Comparison between forecast value and measured value of grape soil moisture

3 案例應用

以‘陽光玫瑰’果實膨大期（生長中期）為例，基于本文上述研究結果，通過對葡萄生產用戶的精量灌溉決策管理需求進行深入分析，設計了包括數據存儲層、業務層以及展示層的灌溉決策管理系統框架，內嵌了大數據應用分析、環境監測、灌溉管理、專家知識庫等功能，開發出‘陽光玫瑰’葡萄數字化管理平臺，為用戶實現精準化灌溉決策管理提供了保障。

3.1 系統設計

根據系統功能以及性能需求，結合數字化農業系統的架構特點，對‘陽光玫瑰’葡萄生產過程數字化系統進行整體的框架設計。該系統整體可分為數據存儲層、業務層以及展示層，其中數據存儲層采用MySQL數據庫，負責保存各種環境監測數據。業務層進行環境數據分析處理、灌溉農事管理等操作，展示層呈現分析后的結果。

本系統的核心業務功能主要包含以下內容：環境監測負責全天候24 h采集‘陽光玫瑰’種植園周圍的溫度、光照強度、含水量等數據，并將這些影響因素實時傳回后端服務器。傳輸的數據除了用作展示，還要經過分析處理，以此來監測‘陽光玫瑰’所處的生長狀況（圖2）。當傳感器監測的數據超出了預設的閾值，系統將根據規則庫和知識庫發送特定指令調整終端設備狀態，例如打開電磁閥、關閉電磁閥等。系統管理員負責整個系統的維護工作，分配系統權限，確保系統穩定運行。

圖2 ‘陽光玫瑰’葡萄生產數字化系統架構圖Figure 2 Digital system architecture of Shine-Muscat grape production process

3.2 系統實現

‘陽光玫瑰’葡萄數字化管理平臺，應用大數據、物聯網、移動互聯網等現代信息技術，實現對‘陽光玫瑰’葡萄生產信息的數據采集、數據存儲、數據處理、挖掘分析和分析建模，科學配置大數據應用分析、環境監測、灌溉施肥、生產過程管理、智能專家知識庫等，實現葡萄園灌溉的精準化、標準化、遠程化和自動化，加快推進果樹生產智能化、經營網絡化、管理高效化、服務便捷化。

數據采集模塊主要功能是對‘陽光玫瑰’葡萄園區內的環境數據、長勢數據、病蟲害、知識庫以及農事操作數據進行采集，環境數據通過物聯網設備進行實時的上傳，數據采集部分主要通過物聯網數據、人工采集數據、第三方接口等方式來實現對數據的更新與獲取。

（1）物聯網環境數據采集。物聯網數據的采集是由安裝在果園內的溫度傳感器、濕度傳感器、土壤濕度、土壤溫度傳感器等一系列物聯網設備，實現實時采集，通過網絡上傳至數據中心，并通過可視化的技術從數據庫將采集的實時數據展示在頁面中。

（2）生長數據采集。在‘陽光玫瑰’葡萄果實大小的采集過程中，使用果實大小傳感器進行測定。自動測量果實大小并傳遞到后臺數據庫，果實生長采集圖如圖3所示。‘陽光玫瑰’果實膨大期是需水量最大的時期，果實的體積和鮮質量增加最快，充足的水分供應可以滿足果實膨大對水分的需求。根據后臺數據庫數據分析，結合土壤濕度決定灌水次數，在持續晴天的情況下，每3 d左右應灌水1次。

圖3 環境數據、生長數據采集圖Figure 3 Environmental and growth data acquisition diagram

3.3 系統功能——灌溉管理

‘陽光玫瑰’灌溉管理包括田間自動灌溉控制和灌溉預測。自動灌溉控制根據土壤墑情監測設備采集的數據判斷是否需要灌溉，有手動和自動兩種模式供用戶選擇。如果土壤含水率達到灌水下限，用戶將會收到預警信息，提示灌溉，用戶可以選擇手動和自動模式灌溉。

灌溉預測是利用互聯網發布的天氣預報數據，參照作物蒸發量和作物系數進行需水量預測，根據水量平衡模型，得到未來一段時間‘陽光玫瑰’的灌水量和灌水日期，為精量灌溉提供決策服務。