劉永華+俞衛(wèi)東+沈明霞+孫玉文+熊迎軍

摘要：精準(zhǔn)灌溉施肥技術(shù)是精確施肥和精確灌溉相結(jié)合的產(chǎn)物，精準(zhǔn)灌溉施肥關(guān)鍵技術(shù)涉及到作物生長信息檢測(cè)、營養(yǎng)液管理、決策支持系統(tǒng)?；诠庾V技術(shù)、機(jī)器視覺技術(shù)的植物生長信息快速無損檢測(cè)技術(shù)已成為精準(zhǔn)農(nóng)業(yè)的關(guān)鍵技術(shù)之一。營養(yǎng)液的配制及使用過程中的調(diào)節(jié)是精準(zhǔn)灌溉施肥系統(tǒng)的核心，目前主要有基于電導(dǎo)率（EC）值的營養(yǎng)液管理方式、養(yǎng)分添加的營養(yǎng)液管理方式和基于作物模型的營養(yǎng)液管理方式。在精準(zhǔn)灌溉施肥決策方面，研究農(nóng)作物不同生長發(fā)育階段與土壤、氣象、管理措施的定量關(guān)系，為生成不同尺度的變量處方提供了依據(jù)，并對(duì)精準(zhǔn)灌溉施肥技術(shù)進(jìn)行了展望。

關(guān)鍵詞：精準(zhǔn)；灌溉；施肥；信息采集；營養(yǎng)液；決策支持系統(tǒng)

中圖分類號(hào)：S147.3 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1002-1302（2014）08-0384-04

水肥資源是農(nóng)業(yè)可持續(xù)發(fā)展的物質(zhì)保證，隨著我國傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)轉(zhuǎn)型，水肥資源浪費(fèi)現(xiàn)象越來越突出。據(jù)統(tǒng)計(jì)，近年來我國化肥產(chǎn)量 6 620萬t/年，化肥施用量 4 124萬t/年，總產(chǎn)量和總消費(fèi)量均占世界的1/3以上，單位面積農(nóng)用化肥施用量434.3 kg/hm2，是國際公認(rèn)的化肥施用安全上限225 kg/hm2的1.93倍。同時(shí)，我國農(nóng)業(yè)水資源利用大多采用大水漫灌的方式，水資源利用率不高，農(nóng)業(yè)的單位面積水資源利用率僅為以色列的1/6～1/5^[1]。水肥資源的不合理利用以及粗放式管理對(duì)我國傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)轉(zhuǎn)型升級(jí)構(gòu)成了重大挑戰(zhàn)，其解決措施是大力研究與推廣精準(zhǔn)灌溉施肥技術(shù)。

精準(zhǔn)灌溉施肥技術(shù)是通過施肥裝置將營養(yǎng)液注入到灌溉系統(tǒng)中，使肥料隨灌溉水一起輸送到田間的一種先進(jìn)的施肥方式，它根據(jù)植物對(duì)水分、肥料的需求狀況來進(jìn)行自動(dòng)水肥管理，是精確施肥和精確灌溉相結(jié)合的產(chǎn)物^[2-3]。通過精確控制灌溉及施肥時(shí)間，不但可以有效提高水肥資源利用率，提高養(yǎng)分的有效性，促進(jìn)作物根系對(duì)養(yǎng)分的吸收，而且有助于提高作物產(chǎn)量和質(zhì)量，節(jié)省資源，減少環(huán)境污染，提高勞動(dòng)生產(chǎn)效率。精準(zhǔn)灌溉施肥技術(shù)已逐漸成為一種在技術(shù)上高度密集配套，生產(chǎn)及管理上集約化、自動(dòng)化、現(xiàn)代化程度很高的農(nóng)藝生產(chǎn)技術(shù)體系。本研究系統(tǒng)分析了智能化精準(zhǔn)灌溉施肥關(guān)鍵技術(shù)及其存在的問題，并就智能化精準(zhǔn)灌溉施肥技術(shù)研究方向進(jìn)行展望，旨在為進(jìn)一步深化智能化精準(zhǔn)灌溉施肥技術(shù)研究提供參考。

1 精準(zhǔn)灌溉施肥技術(shù)

1.1 精準(zhǔn)灌溉施肥類型

灌溉施肥類型包括按比例施肥和定量供肥等^[4]。按比例施肥法有文丘里注入法和供肥泵法，它是以恒定的營養(yǎng)液成分比例向灌溉系統(tǒng)中供肥，施肥速率與灌溉速率有相關(guān)性，施肥量一般用灌溉系統(tǒng)中營養(yǎng)液的養(yǎng)分濃度表示。定量供肥也稱總量控制，整個(gè)施肥過程中養(yǎng)分濃度是變化的，施肥量一般用kg/hm2表示。定量供肥系統(tǒng)投入較小，操作簡(jiǎn)單，但不能實(shí)現(xiàn)精確施肥，適用于保肥能力較強(qiáng)的土壤。按比例供肥系統(tǒng)價(jià)格昂貴，但可以實(shí)現(xiàn)精確施肥，主要用于輕質(zhì)土和沙質(zhì)土等保肥能力差的土壤，以及在無土栽培系統(tǒng)中應(yīng)用廣泛^[5-7]。

1.2 精準(zhǔn)灌溉施肥系統(tǒng)組成

精準(zhǔn)灌溉施肥系統(tǒng)總體分為4個(gè)部分：信息采集系統(tǒng)、智能控制系統(tǒng)、灌溉施肥決策支持系統(tǒng)和具有故障診斷的遠(yuǎn)程監(jiān)控系統(tǒng)（圖1）。

1.2.1 信息采集系統(tǒng)

信息采集系統(tǒng)主要是由植物生長環(huán)境信息采集系統(tǒng)及植物生理信息采集系統(tǒng)組成。生長環(huán)境信息包括溫度、濕度、光照等環(huán)境因子信息，電導(dǎo)率（EC）、pH值、溶解氧（DO）及營養(yǎng)液成分。植物生理信息采集則是利用現(xiàn)代高科技檢測(cè)手段，通過檢測(cè)葉、莖、果等作物生長器官的形態(tài)或生理變化，可以更直接、快速、靈敏地反映植物體內(nèi)水分及營養(yǎng)缺損狀況，從而為灌溉施肥提供更加科學(xué)合理的依據(jù)^[8]。近年來，隨著精準(zhǔn)農(nóng)業(yè)技術(shù)的發(fā)展，研究植物生理信息采集已成為精準(zhǔn)灌溉施肥技術(shù)的基礎(chǔ)。

1.2.2 智能控制系統(tǒng)

智能控制系統(tǒng)包括設(shè)施環(huán)境控制子系統(tǒng)、灌溉控制子系統(tǒng)、營養(yǎng)液控制子系統(tǒng)。根據(jù)不同植物對(duì)生長環(huán)境要求，通過控制濕簾-風(fēng)機(jī)系統(tǒng)、加溫系統(tǒng)、遮陰系統(tǒng)、補(bǔ)光系統(tǒng)等機(jī)構(gòu)，可將設(shè)施環(huán)境調(diào)控到植物生長的理想狀態(tài)。灌溉控制子系統(tǒng)是根據(jù)植物需水情況，利用噴滴灌技術(shù)實(shí)現(xiàn)實(shí)時(shí)精準(zhǔn)灌溉。營養(yǎng)液控制子系統(tǒng)包括配肥系統(tǒng)、營養(yǎng)液輸送等系統(tǒng)，其中配肥系統(tǒng)主要包括母液罐、文丘里吸肥器、混合罐、電磁閥、混肥管路^[8]；營養(yǎng)液輸送系統(tǒng)根據(jù)控制區(qū)域的要求將電磁閥打開或關(guān)閉。

1.2.3 灌溉施肥決策支持系統(tǒng)

智能灌溉施肥決策支持系統(tǒng)應(yīng)用數(shù)據(jù)倉庫和聯(lián)機(jī)分析處理（OLAP）新技術(shù)，建立植物生長模型，將專家系統(tǒng)和數(shù)據(jù)開采技術(shù)結(jié)合，為農(nóng)業(yè)灌溉和施肥進(jìn)行輔助決策，進(jìn)一步提高農(nóng)業(yè)灌溉和施肥決策的準(zhǔn)確性、科學(xué)性及智能化水平。

1.2.4 具有故障診斷的遠(yuǎn)程監(jiān)控系統(tǒng)

利用物聯(lián)網(wǎng)技術(shù)可以實(shí)現(xiàn)對(duì)灌溉施肥系統(tǒng)的網(wǎng)絡(luò)在線監(jiān)控，從而提高設(shè)施園藝栽培智能化水平，達(dá)到節(jié)省人力、物力的目的。同時(shí)，系統(tǒng)具有遠(yuǎn)程故障診斷功能，能夠在線監(jiān)控故障現(xiàn)象，并將故障現(xiàn)象上傳到指揮系統(tǒng)，從而快速解決故障，提高系統(tǒng)無故障運(yùn)行水平。

2 精準(zhǔn)灌溉施肥關(guān)鍵技術(shù)研究進(jìn)展

2.1 作物生長信息檢測(cè)技術(shù)研究進(jìn)展

作物生長信息快速檢測(cè)是現(xiàn)代精準(zhǔn)農(nóng)業(yè)的關(guān)鍵技術(shù)之一。只有準(zhǔn)確獲取植物生長信息，及時(shí)了解作物生長養(yǎng)分缺損情況，才能實(shí)現(xiàn)精準(zhǔn)水肥調(diào)控。近年來，隨著現(xiàn)代信息技術(shù)及控制技術(shù)的快速發(fā)展，一些新的檢測(cè)技術(shù)和方法被應(yīng)用于精準(zhǔn)灌溉施肥系統(tǒng)中，提高了作物生長營養(yǎng)成分缺損的診斷水平，為科學(xué)合理灌溉施肥提供了科學(xué)依據(jù)。

2.1.1 基于光譜分析技術(shù)的快速無損檢測(cè)技術(shù)

利用光譜分析技術(shù)測(cè)量作物氮含量的研究與應(yīng)用很多。一些學(xué)者研究了水稻氮素含量與光譜特性的相關(guān)性^[9-11]。研究發(fā)現(xiàn)，用光譜技術(shù)能較好檢測(cè)玉米、小麥氮素含量^[12-13]。李映雪等、田永超等研究指出，冠層信息、葉面積指數(shù)等冠層特性與植物養(yǎng)分存在相關(guān)關(guān)系^[14-15]。在植物養(yǎng)分傳感器方面，國內(nèi)外對(duì)靜態(tài)檢測(cè)傳感儀器方面的研究較多，動(dòng)態(tài)式的農(nóng)業(yè)物聯(lián)網(wǎng)方面的研究和應(yīng)用比較鮮見。聶鵬程研究了基于可見/近紅外光譜植物養(yǎng)分的快速無損感知技術(shù)，提出了以可見/近紅外光譜技術(shù)為基礎(chǔ)的植物養(yǎng)分測(cè)定方法，提取了13個(gè)作物養(yǎng)分檢測(cè)特征波段和 3個(gè)作物生理信息檢測(cè)特征波段，開發(fā)了實(shí)時(shí)動(dòng)態(tài)植物養(yǎng)分與生理信息檢測(cè)傳感器，并結(jié)合農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng)與農(nóng)業(yè)自動(dòng)化控制技術(shù)，進(jìn)行自動(dòng)肥水管理研究與開發(fā)^[16]。endprint

一般光譜分析技術(shù)路線如圖2所示。獲取植物光譜數(shù)據(jù)時(shí)，由于儀器或檢測(cè)環(huán)境、光源、電子元件的漂移，往往導(dǎo)致光譜信息中夾雜著很多噪聲。為了最大限度地挖掘獲取光譜信息中的有效信息，去除噪聲等因素對(duì)模型預(yù)測(cè)性能的影響，一般須要對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理。根據(jù)樣本集測(cè)量值與預(yù)測(cè)值之間的相關(guān)系數(shù)和均方根誤差來判斷所建模型的預(yù)測(cè)性能，模型相關(guān)系數(shù)越大，均方根誤差越小，則模型的預(yù)測(cè)能力越好。基于光譜技術(shù)的植物養(yǎng)分、植物冠層信息和植物生理信息感知方法，并通過試驗(yàn)數(shù)據(jù)建模，找出植物養(yǎng)分信息與生理信息的檢測(cè)特征波段，根據(jù)獲得的特征波段，為開發(fā)適用于農(nóng)業(yè)物聯(lián)網(wǎng)實(shí)時(shí)動(dòng)態(tài)植物養(yǎng)分與生理信息檢測(cè)傳感器提供依據(jù)^[17-18]。

2.1.2 基于機(jī)器視覺技術(shù)的作物生長信息無損檢測(cè)技術(shù)

機(jī)器視覺技術(shù)是通過在種植區(qū)安裝攝像機(jī)對(duì)作物生長進(jìn)行實(shí)時(shí)監(jiān)測(cè)來實(shí)現(xiàn)的。一是對(duì)葉面積、徑粗、葉柄角等幾何參數(shù)進(jìn)行測(cè)定，為作物生長模型有關(guān)功能提供幾何參數(shù)，并由幾何信息對(duì)植物生長狀態(tài)作出判斷。二是提取圖像顏色信息，判斷植物生長狀態(tài)，主要是通過顏色信息對(duì)植物進(jìn)行營養(yǎng)診斷^[19]。將計(jì)算機(jī)視覺技術(shù)應(yīng)用到作物營養(yǎng)液調(diào)控及供給方面，按照各種作物的需求來供應(yīng)作物營養(yǎng)，提高營養(yǎng)液灌溉的準(zhǔn)確度^[20]。

基于機(jī)器視覺的圖像處理系統(tǒng)包括圖像采集、圖像處理、數(shù)據(jù)處理、專家?guī)欤ㄗ魑飯D像數(shù)據(jù)庫和作物生長專家數(shù)據(jù)庫）、環(huán)境信息、數(shù)據(jù)輸出、執(zhí)行機(jī)構(gòu)等7大部分。圖像采集部分主要是由攝像頭、圖像采集卡組成，完成作物圖像的采集和輸入。圖像處理主要完成圖像的預(yù)處理、特征提取、模式識(shí)別、作物營養(yǎng)狀況判斷。專家?guī)齑鎯?chǔ)了作物生長過程中不同狀態(tài)的圖像信息及專家信息，并存儲(chǔ)采集的圖像和處理結(jié)果、環(huán)境信息，以便用戶查詢及系統(tǒng)自學(xué)習(xí)等。數(shù)據(jù)處理部分完成環(huán)境信息及圖像信息的綜合處理，提出控制策略。環(huán)境信息部分完成環(huán)境參數(shù)（如溫度、濕度、光照等）的采集及輸入。數(shù)據(jù)輸出部分是指圖像和結(jié)果的顯示及控制信息的輸出。執(zhí)行機(jī)構(gòu)部分是指按上位機(jī)給定的信息，調(diào)整營養(yǎng)液的配制及灌溉量，并完成營養(yǎng)液的供給。

利用光譜分析技術(shù)及基于機(jī)器視覺技術(shù)進(jìn)行作物生長信息檢測(cè)有其特有優(yōu)勢(shì)，但也存在一些問題，主要有：（1）設(shè)備昂貴，一般農(nóng)業(yè)用戶還不能承受；（2）開發(fā)周期長，須要對(duì)相關(guān)作物進(jìn)行長時(shí)間的機(jī)理分析才能找到相關(guān)特征值，而開發(fā)植物生理檢測(cè)的實(shí)用化傳感器周期則更長；（3）檢測(cè)精確度還有待提高，光譜分析技術(shù)及基于機(jī)器視覺技術(shù)分析采樣植物的部位，采樣生長的時(shí)間都有待進(jìn)一步深入研究，從而提高準(zhǔn)確性。

2.2 營養(yǎng)液管理技術(shù)研究進(jìn)展

營養(yǎng)液是將含有植物生長發(fā)育所必需的各種營養(yǎng)元素的化合物按一定數(shù)量和比例溶于水中配制而成的溶液^[21]。作物的生長速度和品質(zhì)在很大程度上取決于營養(yǎng)液各營養(yǎng)元素的配比和濃度是否合適，以及營養(yǎng)液管理是否能滿足作物不同生長階段的要求，因此營養(yǎng)液的配制及使用過程中的調(diào)節(jié)是精準(zhǔn)灌溉施肥系統(tǒng)的核心^[22]。

營養(yǎng)液管理主要是指在作物栽培過程中循環(huán)使用的營養(yǎng)液的管理。營養(yǎng)液必須含有作物生長所需的12種礦物元素，礦物質(zhì)元素中，作物對(duì)氮（N）、磷（P）、鉀（K）、鈣（Ca）、鎂（Mg）、硫（S）等6種元素的需求量較大（均占作物干質(zhì)量的0.1%以上），被稱為大量元素；作物對(duì)鐵（Fe）、硼（B）、錳（Mn）、銅（Cu）、鋅（Zn）、鉬（Mo）等6種元素的需求量較?。ň甲魑锔少|(zhì)量的 0.1%以下），被稱為微量元素。在作物生長過程中，作物根系不斷從營養(yǎng)液中吸收水分、養(yǎng)分、氧氣，從而使?fàn)I養(yǎng)液濃度、成分、pH值、溶解氧等不斷變化；此外外界環(huán)境的改變也時(shí)刻影響營養(yǎng)液的溫度。因此必須對(duì)營養(yǎng)液進(jìn)行檢測(cè)和調(diào)控，使其適應(yīng)作物生長需要。對(duì)營養(yǎng)液的管理主要考慮這幾個(gè)方面：（1）營養(yǎng)液濃度。營養(yǎng)液濃度通常用EC表示，代表營養(yǎng)液總鹽分的離子濃度，營養(yǎng)液濃度直接影響作物產(chǎn)量和品質(zhì)，不同作物、同一作物不同發(fā)育期與不同季節(jié)營養(yǎng)液濃度管理均有差別。（2）pH值。大多數(shù)作物根系在pH值6.5左右的微酸性環(huán)境下生長良好，但是營養(yǎng)液在循環(huán)使用中因鹽類的生理反應(yīng)等原因，pH值常發(fā)生變化，會(huì)對(duì)根系正常生長和功能產(chǎn)生影響。當(dāng)pH值過高時(shí)，用HNO3、H3PO4中和調(diào)整；當(dāng)pH值過低時(shí)，用NaOH、KOH中和調(diào)節(jié)。（3）DO。營養(yǎng)液中溶解氧濃度的高低直接影響作物根系的呼吸，靠自然擴(kuò)散遠(yuǎn)遠(yuǎn)不能滿足作物根系對(duì)氧的需求。目前生產(chǎn)上普遍采用營養(yǎng)液循環(huán)流動(dòng)方式來提高營養(yǎng)液的溶解氧濃度。（4）液溫。營養(yǎng)液溫度對(duì)作物生長影響很大，作物根系適宜的液溫范圍比地上部適宜溫度范圍要窄，且根系溫度主要受液溫影響。液溫過低，則根系生長不良，功能降低；液溫過高，則易產(chǎn)生生理障礙。

目前生產(chǎn)上對(duì)營養(yǎng)液的管理主要是檢測(cè)營養(yǎng)液EC值及pH值，對(duì)營養(yǎng)液營養(yǎng)成分還不能做到實(shí)時(shí)在線監(jiān)測(cè)。由于作物生長過程中存在對(duì)離子的選擇性吸收，因此植物經(jīng)過一段時(shí)期生長后，營養(yǎng)液離子會(huì)失去均衡性，雖然EC測(cè)量值在設(shè)定范圍內(nèi)，滿足預(yù)設(shè)要求，但由于營養(yǎng)液氮、磷、鉀等養(yǎng)分比例被打破，造成植物生長營養(yǎng)虧缺，從而影響植物正常生長。因此今后要加強(qiáng)營養(yǎng)液成分在線監(jiān)測(cè)的研究，開發(fā)營養(yǎng)液修復(fù)技術(shù)，確保營養(yǎng)液養(yǎng)分均衡合理。

2.3 精準(zhǔn)灌溉施肥決策支持系統(tǒng)

對(duì)獲取的各種信息進(jìn)行分析、處理、管理是農(nóng)業(yè)生產(chǎn)決策必不可少的環(huán)節(jié)。決策支持系統(tǒng)（decision support system，DSS）是以計(jì)算機(jī)技術(shù)為基礎(chǔ)的輔助管理人員進(jìn)行決策的知識(shí)信息系統(tǒng)，誕生于20世紀(jì)70年代。它涉及到計(jì)算機(jī)軟件和硬件、信息論、人工智能、經(jīng)濟(jì)數(shù)學(xué)、管理科學(xué)等許多學(xué)科，能夠有效地改善管理人員的決策能力，提高決策的科學(xué)性和信息化程度^[23]。要實(shí)現(xiàn)精確灌溉與施肥，則要充分利用現(xiàn)代化的計(jì)算機(jī)人工智能技術(shù)手段，通過模型技術(shù)和人工智能技術(shù)建立決策管理系統(tǒng)。endprint

精準(zhǔn)灌溉施肥決策支持系統(tǒng)要研究農(nóng)作物不同生長發(fā)育階段與土壤、氣象、管理措施的定量關(guān)系，為生成不同尺度的變量處方提供理論依據(jù)。其核心問題是施肥量的確定，其難點(diǎn)在于決策模型的制定。目前國內(nèi)外就精準(zhǔn)施肥決策支持系統(tǒng)研究很多。Pokrajac等給出了一個(gè)基于神經(jīng)網(wǎng)絡(luò)的決策支持系統(tǒng)，用于提供精準(zhǔn)施肥的決策^[24]；滕青芳等利用神經(jīng)網(wǎng)絡(luò)建立了土壤施肥模型^[25]；蘭維娟等將徑向基函數(shù)網(wǎng)絡(luò)應(yīng)用于變量施肥決策^[26-27]。

以上決策支持系統(tǒng)研究為精準(zhǔn)灌溉施肥提供了有益探索，但模型的準(zhǔn)確性和通用性還有待進(jìn)一步研究。在精準(zhǔn)灌溉施肥決策系統(tǒng)研究方面，今后要繼續(xù)加強(qiáng)作物生長模型研究及需水、需肥信息監(jiān)測(cè)研究，綜合考慮土壤、作物、氣象等環(huán)境因子的影響，開展作物灌溉施肥預(yù)報(bào)決策和相應(yīng)智能控制決策研究與開發(fā)。特別是針對(duì)灌溉施肥系統(tǒng)復(fù)雜、模糊、高度非線性等問題，可考慮采用模糊邏輯和人工神經(jīng)網(wǎng)絡(luò)技術(shù)來提高灌溉施肥決策系統(tǒng)的可靠性和通用性。

3 研究展望

隨著我國現(xiàn)代農(nóng)業(yè)的發(fā)展，現(xiàn)代農(nóng)業(yè)生產(chǎn)對(duì)精準(zhǔn)灌溉施肥技術(shù)的要求越來越高，加強(qiáng)對(duì)精準(zhǔn)灌溉施肥的研究也就顯得更加重要。研究作物對(duì)水分、肥料的需求，從而進(jìn)行科學(xué)合理灌溉已成為共識(shí)，在以下幾方面還要加強(qiáng)研究。

3.1 生物信息傳感技術(shù)研究

深入開展作物生理研究，研究作物長勢(shì)與水分、營養(yǎng)元素之間的關(guān)系，作物生長狀態(tài)與營養(yǎng)成分虧缺之間的定量關(guān)系，開發(fā)相應(yīng)的生物信息傳感器，直接對(duì)植物生理進(jìn)行監(jiān)測(cè)，從而為精準(zhǔn)灌溉施肥決策提供原始數(shù)據(jù)。雖然研究者已在作物生長信息檢測(cè)方面做了大量研究工作，但能大面積推廣的相關(guān)實(shí)用儀器設(shè)備還未出現(xiàn)。未來還要繼續(xù)加強(qiáng)無損監(jiān)測(cè)技術(shù)、作物生長信息傳感器方面的研究，實(shí)時(shí)獲取作物水分、養(yǎng)分信息，并精確了解作物養(yǎng)分、水分狀況，依據(jù)作物水分、養(yǎng)分狀況進(jìn)行精準(zhǔn)灌溉施肥管理。

3.2 營養(yǎng)液成分在線檢測(cè)技術(shù)研究

目前主要是通過測(cè)量EC值和pH值來進(jìn)行營養(yǎng)液濃度調(diào)控，雖然已出現(xiàn)對(duì)K+、Ca2+、NO-3、Mg2+等離子濃度的在線監(jiān)測(cè)技術(shù)，但總體上說，大部分營養(yǎng)液離子要人工分析，檢測(cè)時(shí)間長，營養(yǎng)液供給系統(tǒng)無法動(dòng)態(tài)地反映作物對(duì)某種營養(yǎng)元素的需求，無法按照作物生理生長特性供應(yīng)營養(yǎng)液，不能滿足對(duì)營養(yǎng)液實(shí)時(shí)精細(xì)化管理需要。今后要繼續(xù)加強(qiáng)營養(yǎng)液離子在線監(jiān)測(cè)技術(shù)研究，開發(fā)相應(yīng)的傳感器或離子選擇電極，實(shí)現(xiàn)相應(yīng)離子的在線監(jiān)測(cè)。

3.3 作物需水、需肥模型研究

研究作物產(chǎn)量與需水量、施肥量之間的定量關(guān)系，分析氮、磷、鉀等營養(yǎng)養(yǎng)分及灌溉對(duì)作物產(chǎn)量的影響，綜合考慮土壤水分、土壤養(yǎng)分、肥料利用率、最高產(chǎn)量及經(jīng)濟(jì)效益等指標(biāo)，建立作物需肥模型及作物需水模型，為精準(zhǔn)施肥提供科學(xué)依據(jù)，從而更好地實(shí)現(xiàn)精準(zhǔn)灌溉施肥。

參考文獻(xiàn)：

[1]趙春江. 對(duì)我國未來精準(zhǔn)農(nóng)業(yè)發(fā)展的思考[J]. 農(nóng)業(yè)網(wǎng)絡(luò)信息，2010（4）：5-8.

[2]朱兆良. 合理使用化肥 充分利用有機(jī)肥 發(fā)展環(huán)境友好的施肥體系[J]. 中國科學(xué)院院刊，2003，18（2）：89-93.

[3]嚴(yán) 昶. 灌溉施肥自動(dòng)化控制系統(tǒng)研究[D]. 武漢：華中農(nóng)業(yè)大學(xué)，2008.

[4]李 凱，毛罕平，李百軍. 混藥混肥裝置控制性能分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（1）：50-53.

[5]魏正英，葛令行，趙萬華，等. 灌溉施肥自動(dòng)控制系統(tǒng)的研究與開發(fā)[J]. 西安交通大學(xué)學(xué)報(bào)，2008，42（3）：347-349，363.

[6]劉愛民，封志明，徐麗明. 精準(zhǔn)農(nóng)業(yè)技術(shù)體系[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2000（3）：124-125.

[7]李金風(fēng)，姜 娟，趙 斌. 關(guān)于平衡施肥中土壤供肥性能的研究[J]. 土壤通報(bào)，2002，33（5）：351-355.

[8]伍德林，毛罕平. 溫室作物需水信息指標(biāo)及濕度控制策略研究進(jìn)展[J]. 中國農(nóng)村水利水電，2007（1）：35-40.

[9]朱 艷，李映雪，周冬琴，等. 稻麥葉片氮含量與冠層反射光譜的定量關(guān)系[J]. 生態(tài)學(xué)報(bào)，2006，26（10）：3463-3469.

[10]薛利紅，曹衛(wèi)星，羅衛(wèi)紅，等. 基于冠層反射光譜的水稻群體葉片氮素狀況監(jiān)測(cè)[J]. 中國農(nóng)業(yè)科學(xué)，2003，36（7）：807-812.

[11]薛利紅，曹衛(wèi)星，羅衛(wèi)紅，等. 光譜植被指數(shù)與水稻葉面積指數(shù)相關(guān)性的研究[J]. 植物生態(tài)學(xué)報(bào)，2004，28（1）：47-52.

[12]姚 霞，劉小軍，王 薇，等. 基于減量精細(xì)采樣法估算小麥葉片氮積累量的最佳歸一化光譜指數(shù)[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2010，21（12）：3175-3182.

[13]姚 霞，朱 艷，田永超，等. 小麥葉層氮含量估測(cè)的最佳高光譜參數(shù)研究[J]. 中國農(nóng)業(yè)科學(xué)，2009，42（8）：2716-2725.

[14]李映雪，朱 艷，田永超，等. 小麥葉片氮素含量與冠層反射光譜指數(shù)的定量關(guān)系[J]. 作物學(xué)報(bào)，2006，32（2）：203-209.

[15]田永超，曹衛(wèi)星，姜 東，等. 不同水氮條件下水稻冠層反射光譜與植株含水率的定量關(guān)系[J]. 植物生態(tài)學(xué)報(bào)，2005，29（2）：318-323.

[16]聶鵬程. 植物信息感知與自組織農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng)研究[D]. 杭州：浙江大學(xué)，2012.

[17]王 植，周連第，李 紅，等. 桃樹葉片氮素含量的高光譜遙感監(jiān)測(cè)[J]. 中國農(nóng)學(xué)通報(bào)，2011，27（4）：85-90.

[18]張曉文，蘇伯平，孫淑彬，等. 設(shè)施農(nóng)業(yè)精準(zhǔn)灌溉監(jiān)控系統(tǒng)的研究與開發(fā)[J]. 中國農(nóng)機(jī)化，2005（1）：30-32.

[19]毛罕平，徐貴力，李萍萍. 基于計(jì)算機(jī)視覺的番茄營養(yǎng)元素虧缺的識(shí)別[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（2）：73-75.

[20]張 亮，毛罕平，左志宇. 基于計(jì)算機(jī)視覺技術(shù)的溫室營養(yǎng)液調(diào)控系統(tǒng)研究[J]. 中國農(nóng)機(jī)化，2005（1）：50-53.

[21]李式軍，郭世榮. 設(shè)施園藝學(xué)[M]. 北京：中國農(nóng)業(yè)出版社，2002.

[22]倪紀(jì)恒，毛罕平，馬萬征. 溫室營養(yǎng)液管理策略的研究進(jìn)展[J]. 蔬菜，2011（6）：45-47.

[23]陳桂芬. 數(shù)據(jù)挖掘與精準(zhǔn)農(nóng)業(yè)智能決策系統(tǒng)[M]. 北京：科學(xué)出版社，2011.

[24]Pokrajac D，Obradovic Z. A neural network-based method for site-specific fertilization recommendation[C]. California，USA：ASAE Annual International Meeting，Sacramento，2001.

[25]滕青芳，秦春林，黨建武. 利用神經(jīng)網(wǎng)絡(luò)建立土壤施肥模型的應(yīng)用研究[J]. 蘭州鐵道學(xué)院學(xué)報(bào)：自然科學(xué)版；2002，21（4）：54-57.

[26]蘭維娟，毛鵬軍，杜東亮，等. 基于徑向基函數(shù)網(wǎng)絡(luò)的變量施肥決策研究[J]. 安徽農(nóng)業(yè)科學(xué)；2007，35（21）：6505-6507.

[27]李 淼，方德洲，張 建，等. 一種基于支持向量機(jī)的模糊施肥預(yù)測(cè)方法研究[J]. 計(jì)算機(jī)應(yīng)用與軟件；2009，26（2）：50-52.endprint