数字化灌溉—高效灌溉未来十年的展望

互推小编 2023-10-11

随着高新技术的应用，基础硬件的发展，新的物联网产品不断推出，以节水灌溉为基础的高效灌溉开始步入数字化时代。数字化灌溉将是中国灌溉事业未来十年的发展重点，作者对此进行深入分析。带着对这些问题的探讨，我们一起来看看数字化灌溉技术应用未来十年的发展前景。

灌溉网曾经有专文介绍了数字化农业和信息化农业的异同，假如你还理不清，那么请阅读《农业数字化与信息化的区别》把数字农业和信息农业问题再复习一遍。

现在数字化这个概念已经越来越被农业企业人士认可。数字灌溉=数字化平台+智能化决策系统（智慧灌溉）。是灌溉系统发展的高级阶段。数字化灌溉如何发展，关键的是看它的决策系统，如果没有智能化的决策，那么这个数字灌溉系统，基本上说只是一个花架子。

数字灌溉的水肥决策

灌溉要数字化，未来十年，首先需要有一定的硬件设施，包括物联网的传感器和云端的服务器计算系统，云端需要或者同时是在边缘端（田间地头）需要有水肥决策，要求其必须实现水肥协同。这就要求系统感知农田现有水分状况和养分状态，通过作物生长模型模拟水分和养分在土壤、作物中的变化，使水肥营养两者相互配合、相互协调、相互促进。

未来十年，智能水肥决策需要根据水肥平衡进行决策。系统需要根据作物需水、需肥规律、土壤保水、保肥能力、土壤供肥、保肥特性以及肥料效应，在灌溉的基础上，合理调配灌溉水中施用氮、磷、钾和中、微量元素的用量和比例。

采用现代灌溉施肥方式时，特别是高效灌溉的滴灌系统时，需要实行少量多次灌溉的原则。未来的决策引擎按照肥随水走、少量多次、分阶段施用的原则制定灌溉施肥计划或工作制度。采用天气、土壤和作物长势实时数据，把作物灌溉用肥按灌水时间和次数进行分配，充分利用灌溉系统进行施肥，适当增加施肥数量和次数，实现少量多次，精准用肥，提高养分利用率。

实现智能水肥决策的关键是能够准确的判断出作物的需求，要判断出作物的需求必须有一套数字化的模拟手段，仿真模拟出整个生育期生长的状况，根据作物生长的阶段给予合适的营养和水分。

人工智能实现对作物的数学模型输入参数进行分析，自动修正给出合适的模型参数，实现对作物生长过程的数字孪生和精准模拟是未来数字化灌溉的挑战。

作物生长孪生数字模型

作物生长模型，过去常说数学模型，就会想到它是由固定公式和数据表示的计算程序。

未来十年，在大数据时代，我们所称的数学模型不再是固定数据和公式的计算机程序。重要的是计算机程序及其输入数据也许是随机的。大量的变量数据和程序模拟表明，作物生长模型的输入数据不是一些固定参数，但还是有一定的规律可循。也就是说，大数据的基本功能和基本算法在灌溉决策中的应用是数字化灌溉应用的升级版。

可以进一步说，作物数学模型是将大数据应用于作物生长模型的具体体现。事实上，在大数据时代，人们不再研究用固定公式和程序表达的对象数字特征。

十年后要讨论的作物生长模型，无法想象在大数据时代，作物模型仍然是一个固定公式，有固定参数，用它还可以得到一个能够反映真实作物生长的模型。我们应该想象得到，作物生长在现实世界中不可能有固定的增长模式。因为作物生长是一个复杂的过程，影响因素很多，而且这些影响因素也是随机变化的，所以影响因素的程度和数据，也是一个随机变量。

在当今大数据时代，农作物的数学模型应该是一个不断迭代和升级的模型，但它有规律可循。

未来十年后，引入人工智能分析，通过学习足够数量的样本，机器可以从数据中训练出自己构建的模型。人工智能应用到作物生育期判断中来，通过特定作物生育期的图像数据，让计算机自动学习，最终训练出自动识别作物生育期的能力，从而确定各生育期如何施用肥料。

决策引擎采用人工智能包括机器学习、图像识别和专家系统等先进技术手段，人工智能技术进行作物缺水、耗水量和大元素营养成分缺失图像分析，判断作物缺素或缺水的程度是智能决策平台技术创新的挑战。

未来技术的应用

未来十年，数字技术在农业生产上的应用才是智慧农业或者说数字农业的关键，其余只能算是IT行业技术之农业行业的应用而已。用遥感技术进行作物产量预测方法将非常流行，同时采用水肥一体化技术提高作物产量的技术发展也很快。

遥感技术在灌溉技术的应用提高作物生长模型的优化精度，很明显，数字灌溉技术中的作物模型生长期的数据读取，让模型更加精准，智能化的决策更加能够提高作物的产量和品质。

遥感技术应用的作物种植面积比较大，能够保证在大面积时估算的相对误差比较少。

精准灌溉技术应用于作物种植的面积相对比较小，需要保证在小面积时候也能够准确地预测作物的产量或品质。

灌溉技术利用作物模型进行调参作为基础模型，是采用小面积的，精度更高的无人机或者摄像头采集现场图片，通过作物生长图片进行模型输入参数预测和调整。

数字灌溉技术作物模型应用的技术手段：

通过传感器和摄像头收集温湿度、土壤水分、CO2和辐射数据，叶、茎、根系和果实生长形态图像数据并进行作物模型参数校准。
利用机器学习图像实现生育期的识别。通过土壤水分得到各生长期需水量，得到生长期的需水量规律。找出作物需肥规律，实现按作物产量和品质需要施用的主要元素肥料的决策。
通过水分含量的变化分析得到作物需水量预报数据。
通过大数据分析找出作物对常规肥料的需肥规律。

气象数据的预测方面

为了预测作物的产量时，采用的是在预测前的，收集到的，所有的数据都可以用现场已经存在的，实测得到的数据，即已经发生的数据。采用这些数据进行作物产量的预报比较可靠。

智慧灌溉技术所采用的气象数据，多数是预报将会发生的数据，而不是已经存在的，实测的数据，这些数据会影响到作物模型对作物产量预测的准确程度和精度。采用这些数据对作物产量进行预估，会存在随机的误差，这个随机的误差需要通过技术分析手段消除误差。

数字灌溉技术必须要关注作物的生长细节同时，应用必须能够及时补充作物营养给它。按需补充水分和营养成分，从而提高作物的产量和品质是我们的目的。

水肥决策的目的是要实现作物灌溉施肥精准施用的原则。需要根据土壤水分平衡和作物需水规律和水源供水能力，考虑施肥与水分的偶合关系，运用灌溉工程设施、农艺技术、农业机械、生物技术和农场管理等措施，精准、合理调控灌溉用水和用肥，调控土壤水分和养分以满足作物水分和养分需求。数字化灌溉解决农民对作物灌水的忧愁。

未来十年后，数字化灌溉发展提高，进一步扩大为数字农业或智慧农业的一部分，数字农业和智慧农业的技术融合，它们彼此难舍难分。这些技术具体包括高阶信息化、农业生产自动化、管理现代化、流程标准化、商业多样化、用户定制化、渠道扁平化、技术智能化。

未来十年支撑灌溉系统和灌溉决策的智慧化，设备操作自动化的产品不断涌现出来，大数据和AI发展，结合高新技术，实现灌溉系统云平台技术的智能应用将成为可能。

[注：本文部分图片来自互联网！未经授权，不得转载！每天跟着我们读更多的书]