基于自适应算法的PLC滴灌控制系统
陕西中际现代包装科技有限公司滴灌部
1、介绍
水资源正在成为一种珍贵的资源。城镇的市民使用成千上万立方的水来浇灌花园和绿地。他们依赖于使用固定灌溉计划的控制器。而这些控制器通常被编程为满足最大用水量，最终在凉爽的或阴天的日子里浪费了大量的水。农民的滴灌和喷灌系统也使用固定的灌溉控制器，因此在凉爽的日子里也浪费了大量的水，而且在生长季节开始，庄稼对水的需求是最小的。
本工作目的是开发开发自动的灌溉系统，使用单一的气候标准调整作物所需要的灌水深度。标准如：气温，总日照量和总风量都可以被PLC测量，然后调节灌溉计划到可以被观察的状态，从而合理地节约灌溉用水的数量。
因此，本工作倾向于开发一个便宜的灌溉控制器，自适应于每天的气候条件，不需要昂贵的传感器和豪华的气候站。同时它也是可靠的，易于部署的，可以在恶劣的室外环境工作，不需要监视或日常巡视。
2、目前的灌溉控制器
水在逐渐的成为最珍贵的自然资源之一。面对未来的水需求，需要有进取性的保护措施。这就要求灌溉系统为园林提供水，要基于作物的实际水需求量。已经有许多种类型的灌溉控制器被开发出来，为园林提供自动控制供水程序。已经知道的灌溉控制器，有简单的程序，在固定灌溉计划上控制灌水程序深度，也有复杂的设备，根据从昂贵的气候站获得的数据，改变灌水深度。
至于简单类型的灌溉控制器，农民、市民和绿地的商业主，常常设置一个包含特定运行时间和日期的灌水计划，而且控制器不管季节和气候条件都执行相同的计划。有时技术员可能手动调节灌水计划，但是经常是在1年中仅做几次调节，并且是凭着技术员的感觉而不是实际需水量。在春末，经常在一部分作物由于缺水而变成褐色时做一个改变。另一个改变是在秋末发生，业主猜想蔬菜不再需要同样多的水。这些灌溉计划的改变常常不足以获得有效的灌水。
复杂点的灌溉控制器计算日蒸散量以建立需要给庄稼提供的水的数量。蒸散包括从土壤和植物直接蒸发掉的水以及从植物表面蒸腾的水。潜在的蒸发量,ETo，能从现场（或者附近的气象站）收集的数据计算出来。标准的方法包括，通过Penman一Monteith方法计算ETo，使用的数据来源于一系列传感器（温度计，风速计，日射强度计和RH传感器）。
这个方法通常被认为是比较可靠的，因为它基于物理原理，而且考虑了大量的气候因素（影响参考蒸散量）。在广泛的地区和气候，它是最有可能正确预测ETo的方法，并适用于缺乏数据的环境下的应用。Penman一Monteith方法的表达式如下：
式中：
ETo-参考蒸散量 mm/天
Rn-作物表面净辐射量 MJ 平方米/天
G-土壤热流量密度 MJ 平方米/天
T-2米高处气温 ℃
u2-2米高处风速 m/s
ex-饱和水气压 kPa
ea-实际气压
ex-ea水气压力差 kPa
△-坡度水气压力曲线 kPa/℃
γ-心理测量常量 kPa//℃
基于Penman一Monteith公式的灌溉系统最大缺点是：计算ETo时，获取和处理必要信息的成本，这限制了这些系统在大灌溉区域的使用。这也促进了健壮和实用的方法的研究，减少计算潜在蒸散量的天气参数的数目，有一系列不同的算法创建出来，如 Hargreaves-Samani,Priestley-Taylor方法等，它们只使用一个或两个气候参数。
简单的说，这些方法可以表示为：
Priestley-Taylor方法
它是Penman-Monteith公式的简化形式，只需要辐射和温度来计算ETo。因为ETo更依赖于和湿度及风速有关的辐射。Priestley-Taylor方法可以表示为：
式中α和β是校正系数。此模型是在瑞士校正，并得到α和β的值分别是0.98和0.94。
Makkingk 方法
它是Priestley-Taylor方法的简化形式。等式表示为：
式中α通常是0.61，而β是-0.012
Turc方法
这个方法也只使用两个参数，并且是特别为西欧（法国）的潮湿气候设计的。方法理论是基于平均日辐射量和温度值。可以表示为：
式中α是0.01333，Rs用 MJ/(平米.天)表示。
Jesnsen-Haise方法
这是一个类似的方法，经过推导适用于美国干旱地区。
式中α是0.025，而β是0.08
Hargreaves-Samani 方法表示为：
式中：
Tmax-最大气温℃
Tmin-最小气温℃
Ra-地外辐射 MJ/(平米.天)
α-校正系数，实验室系数是0.0023
地外辐射的数值可以查表，不需要现场测量就可以使用，因为这些值是以位置和月份的函数形式给定。在本实验条件下（纬度39度北），地外辐射值看表1：
表1. 葡萄牙南方平均月辐射值
--------------------------------------------
月 5 6 7 8 9
--------------------------------------------
Ra 16.4 17.2 16.7 15.3 12.8
--------------------------------------------
Teixieira研究了6种不同的方法来估计ETo，得出结论是：
只使用一个温度参数的Hargreaves-Samani方法得到结果和其他5个方法相近，既然它是唯一个不需要测量辐射的方法，就能不使用任何额外的传感器来估计ETo值。
已经证明，因为Hargreaves-Samani方法使用单一的参数，它会随地区变化而有大的变化，因此需要做地区性的校正。所以校正参数（0.0023）在不同位置会有不同的值。在前述工作中，作者根据实验地区的条件校正了模型。
有人校正Hargreaves-Samani公式，并修改它的原始系数（0.0023）为0.0026。在分立的工作中，对Hargreaves-Samani方法，改型Hargreaves-Samani方法及Thornthwaite方法预测的日常ETo值做比较，经过与衡重蒸散计测量的日常MTo值对比，发现Hargreaves-Samani方法的精确度要比Thornthwaite方法高。
温度是大气蒸发力量的指标，这是一个可靠的设定，是基于温度计算的方法的基础，如Thornthwaite。这些基于温度的方法在无法获得其他气象数据时非常有用，尽管它们也能获得超过0.92的R方值，然而有作者认为它们生成的估计值不如那些把其他天气因素考虑进计算的方法可靠。已经观察到，Hargreaves-Samani方法对温度变化非常敏感，在这时，它的相对灵敏度随着地区和月份变化。
我们知道，作物失水与入射的太阳光能量有关，因此可以开发一个简单模型关联太阳辐射和蒸散量，通过把测量过的净总辐射和估算的参考蒸散量关联，使用30年的观察数据得到一个简单模型，并且得到净总辐射与蒸散量之间很高的关联系数（0.97）。在只能测量净总辐射的地区，使用这个简单的模型来计算蒸散量，而不是使用非常复杂的Penman-Monteith模型。
土壤热流量，G，是土壤之间来回传递的能量。当土壤是温热时（通常是白天），G是正数；而当土壤变冷时，G是负数。热流量通用单位是 瓦/平米。G值与受到的总辐射相比很小。
最初，当作物开始生长时，它的水需求量相对比较小，随着生长周期开始增加。因此有必要计算实际的作物蒸发量，ETc，它与参考蒸散量相反。根据FAO56方法理论，给参考蒸散量乘以一个作物系数Kc得到Etc。
ETc = Kc * ETo
它也介绍了不同作物在不同生长时期的Kc值。如玉米，Kc值和生长阶段时长如图1所示：
图1玉米不同生长阶段的持续时间，和与其对应的Kc值，符合 FAO56方法理论。生长阶段的时长由气候和不同的物种决定。
PLC是可编程逻辑控制器，广泛用于制造流程。它有一个处理器，某些形式的键盘和显示屏，有模拟/数字输入端口，还能通过继电器控制一些电子设备。最初，PLC昂贵而且容量有限，但最近几年，PLC已经有了很大的
演变，如今已把大量功能压缩到像手机那么大的盒子里。因此，由于过去10年中电子工程的进步，有可能在单独的田地部署便宜的计算和控制设备，而且全自动控制水应用程序。
前面已经提到过，本研究的目的是开发一个经济的使用PLC的滴灌控制器，自动的调节应用深度以符合实际的天气条件，使用简单的天气标准，然后相应的执行灌溉。系统应当便宜且可靠，以便大量生产，并被农民、市民和公司（所在国家在一年中某些时间需要灌溉）所接受。
3、材料和方法
3.1 PLC和控制器
研究了许多种的PLC，包括：西门子 MicroMaster，Ibercom uPLC及Bipom MM-51。经过仔细的考虑选择了Industrologic IC51控制器，原因是它独特的特征，如它有8个输出继电器，使得它可以同时孔子和8个独立的灌溉区域。它的处理器是Atmel AT89C51，可以配置到8个12位A/D输入，这对读入空气温度值很重要。它的低成本和模块化（可以使用或不使用触摸板和LCD）也是被考虑到的附加因素。
Industrologic IC51使用的编程语言是为其量身定做的简化Basic。 控制器的内存有限，（8KB EEPROM），简化Basic是仅有的有效的编程工具。它比西门子Logo!使用的软件要好一些，当然没有其他PLC使用的Bascom Basic语言的灵活性和扩展性。
图2 它使用了Atmel的处理器，可以方便的通过RS232界面进行编程（左边）。8个继电器是焊在主板上的，且容易使用（顶端）。它有实时时钟和备份电池（右边），这简化了灌溉编程。
精确度1%的1K热电偶用来测量空气温度。它是使用一个1k的电阻以半双工的方式连接到一个模拟量I/O端口上。热电偶临近田地放置，要放在通风阴凉的地方，以免读数受阳光直射影响，并避免作物蒸腾导致的温度降低。
灌溉系统通过连接到IC51上继电器的电磁阀管理。这种安排允许控制器在没有人监督时能够控制灌溉事件。系统由12V太阳能板供电，它也通过充电器给备用电池（12V，7A）充电，。光电系统用来给灌溉系统的电磁阀供电。
3.2 灌溉程序
PLC编程为每小时读一次温度，每24小时周期末计算平均，最大和最小温度。根据这些温度信息，PLC使用Hargreaves-Samani公式计算ETo。使用IC51编程的最大难点是它使用8位表现数字，因此需要避免使用较大的数字。而且简化Basic也没有许多数学函数来用，如，平方根函数就得在程序中放入平方根表进行查表。程序的流程图参见表2。
表2 灌溉管理程序流程图
--------------------------------------------
读日期和作物生长阶段
读热电偶电压
计算温度
仍然需要每天管理时间和测量次数
等待下一次温度测量
计算平均，最大和最小温度
如果是灌溉时间
计算ETo
根据日期建立Kc
计算ETc
在不同片区执行灌溉
连续每小时做温度测量
--------------------------------------------
3.3 温度测量
一个没有回答过的问题是，热敏电阻应该放在什么高度上，因为植物冠层上方温度随着高度变化。为了回答这个问题，把一些热敏电阻沿着一根杆以0.5米间距放置，高度从0.5米到2.5米（注：植物冠层上方），在植物3个月的生长期内，测量温度变化。图3显示24小时内不同高度的温度差异。数据说明，在一天当中，读取的温度值在2.5米高度是最大，而在0.5米处最小。
图3 地面和不同高度的空气温度的演变图。来自于土壤的热流量也被测量。可以观察到，土壤温度的日变化相对很小。
上述说明，Hargreaves-Samani等式中的Tmax-Tmin部分随高度而增加，因此计算出更高的ETo值。为估计传感器放置高度对ETo的有效影响，ETo参数在研究的不同高度上进行计算，结果如图4。因此决定使用1.5米高度处的读数，目的是可以获得一个平均值，并因此获得一个更精确和现实的气温测量。
结果表明，使用地面温度计算ETo非常容易令人误解，因为地面水平相对很小幅度的温度会导致Hargreaves-Samani等式低估ETo的值。
图4 利用不同高度测量的温度，以10天为期计算的ETo。
数据也显示出往返于土壤的热通量，G，在平衡气温方面的影响。根据图3和热量吸收逐渐下降，而后在图5显示数据，土壤在白天吸收热量，在14：00左右有最大的吸收率，6000W/平方米。在那以后，热量吸收逐渐下降，并且在18：00以后，土壤不再从空气中吸收热量，实际上还会向大气返回一些热量。大约在7：00左右，从土壤流向大气的热通量到达最大值，正好是在日出之前，值多达3700W/平方米。在季节里，平均热通量是2.8W/平方米。
图5 每小时，往返于土壤的热通量。正值说明热量是传递给土壤的。
来自于土壤的热流量与空气和土壤之间的温度梯度（△t），二者之间的关系也值得研究。为便于进行研究，作图：横轴为土壤散发到空气中的小时流量，纵轴为空地之间的温度坡度。
图6 空地温度坡度与往返于土壤的热流量关系
结果（图6）表明在一定时间内空地温度坡度的值范围近似为-10℃~10℃。空地温度坡度对于热流量的分析（图6）揭示热流量与温度坡度成比例，如此可以假设它是部分的被温度坡度所驱动，因为土壤通常不受阳光直接辐射。
3.4 实验设计
位于葡萄牙埃武拉，一块2000平方米的田地，经过整理并种上玉米。埃武拉是地中海气候，夏天干燥（7-9月），冬天多雨。这块地是肥沃的沙壤土。田地被分成6块，两种方案各分配3块地。
方案A：使用商业灌溉控制器，在生长季开始设定固定的灌溉深度。
方案B：本工作开发的自适应PLC控制器，支持计算日ETo和通用作物系数Kc。
实验田所在地区，年平均最大需水量是5.36毫米/天，标准灌溉控制器参数依此值设定。
5月20（第141天）种植的玉米，行距75厘米，使用不同品种的杂交玉米（图7）。玉米的株距是12厘米。
图7 7月20试验田的鸟瞰图，显示出玉米成行。图像的最前面能看到供水管，它把水输送到不同的区块。
图8 九月初，8天的日温度变化曲线
灌溉带线每隔1行放置。滴头间距是20厘米，流速是1升/秒。水是从附近的井泵送过来，在过滤以后输送到滴灌线。管道中平均压力保持在1.2公斤/平方米。
依照上面所述的两个方案，每隔一天的早上6：00执行灌溉，直到收获。每小时气温，以及每天灌溉都被观察并记录。
4、结果
使用CR10数据记录仪和位于不同高度（0.5，1.5，2和2.5米）的热电偶记录每小时温度。在第245天到第252天之间记录的每小时温度采样如图8所示。每天温度变化范围在11℃和23℃之间。可以看到，在日温度图形中有一个很大的波动，甚至在平静的夏天里相对较短的时间里，在日温度起伏里也有很大的波动。
也注意到，在0.5米高处温度波动最小，可能和来往于土壤的热量有关。结果表明，2米处的温度轻微高于0.5米处的温度，温度差异多达2.2℃，然而在9点，温度坡度反过来了，温度差异变成-1.6℃了（图9）。平均来看，0.5米处的叶子比2米以上的叶子要暖和0.1℃。位于树冠顶部（1.5，2和2.5米）的传感器记录了最大的日温度幅度。
图9 树冠顶端部分（2米高）和低端部分（0.5米高）之间温度坡度的每小时变化
图10显示，季末一个45天期的日ETo计算值。可以看到，控制器能调整ETo以适应于日温度变化，而标准控制器继续使用预先编好的灌溉深度。
和每日计算ETo同等重要的是，使用作物系数，Kc值以作物的生长期为基础，调整计算出的参考蒸散量以适应于它们的实际需求。Kc值随着作物的生长和生物质能（生物质能，是指通过光合作用而形成的各种有机体，包括所有的动植物和微生物。）的增加而逐渐增加，这样在开花阶段它能保证提供足够的用水，在那时玉米的Kc值达到1.2。当玉米粒形成后，Kc值逐渐减少，从而在季末节省大量的水。
图10 实验最近45天内，自适应控制器计算的ETo与标准控制器使用的ETo之间的对比。
图11显示，两种方案在本季最近45天内的实际灌溉深度和日Kc值。一旦开花结束并形成玉米粒，自适应控制器使用递减的Kc值，以迎合玉米对水需求的减少，致使在灌溉上发生很大的、逐渐的减少。
整个生长季，自适应控制器的平均用水量是4.79毫米/天，而标准控制器是5.36毫米/天。
结果表明，程序能很好的响应温度变化，而且能正确地匹配灌溉和田地里的ETo，ETc。
在本次实验中，使用自适应控制器获得的实际节水量大约是12%，总玉米产量也比使用标准灌溉控制器增加了一些。产量增加不大，不是非常令人满意。
图11 自适应控制器在ETo和Kc基础上计算的日ETc值，与标准控制器使用的固定ETo值的比较。
5、结论
本工作开发了一个自适应灌溉控制器，并且在2000平方米的玉米地做了试验。使用便宜的PLC作为系统的核心，每小时在高度1.5米处进行测温。温度值被记录下来，并被PLC用来计算玉米地的日蒸散量。然后，使用FAO56 提出的方法和Kc值把这些蒸散量转变为ETc值。
程序使用这些信息计算作物每日需要的准确灌溉深度，以保证最大产量。灌溉的进行使用了滴灌系统，滴头间距0.2米，而且流速是1升/秒。
第1年的结果是令人满意的，与使用标准灌溉控制器和固定灌溉深度的灌溉相比，节省水12%，而且在作物产量上也有一些增加。
注意到在玉米的特定情况下，作物系数值的使用非常重要，它在生长季的开始和结束期间导致大量的水节约。
也发现，来自于土壤的热量影响树冠上的温度坡度。土壤充当一个散热器，在白天，它使树冠低端部分轻微凉爽。在某些情况下，树冠上端和低端的温度差异达到2.2℃。在晚上，土壤释放出热量，帮助增加树冠同一低端部分的温度。这热量效应导致树冠的上端和低端部分之间温度差异有1.6℃。
要让普通的农民广泛使用这种类型的自动控制器仍然有两个主要的挑战。一个是需要调整作物系数Kc以适应作物的生长周期。尽管可以在作物品种有关的通用信息的基础上得到Kc，最好还是为控制器发明一个方法，至少能够检测开花期，并自动地调整Kc。
另一个主要剩下的问题是需要检测降雨。尽管在地中海气候，整个玉米生长期内没有下雨的期望，但在公共花园的情况下，系统需要能够检测下雨，在那里草一年到头在生长，因此灌溉计划中需要做必要的修改。
致谢
The development of this study was funded by the Fundação para a Ciência e a Tecnologia (FCT)
research project PTDC/AGR-AAM/81271/2006: “Desenvolvimento dum controlador de rega
adaptativo, autónomo e automático”.
参考
[1] Baptista, J.M, Almeida M.C., Silva A.C.M., Ribeiro R., Fernando R.M., Serafim A., Alves I.,
Cameira M.R. (2001) Programa Nacional para o uso eficiente da água , LNEC
[2] Allen, R.G.; Pereira, L.S.; Raes, D. and Smith, M. (1998). Crop evapotranspiration. Guidelines for computing crop water requirement. FAO Irrigation and Drainage Paper . 56, FAO, Rome
[3] Jensen, M. E. and Haise H.R. (1963) Estimating evapotranspiration from solar radiation. Journal of Irrigation and Drainage Division, Proc. Amer. Soc. Civil Eng . 89:15–41.
[4] Priestley, C. H. B. and Taylor R.J. (1972) On the assessment of the surface heat flux and
evaporation using large-scale parameters. Monthly Weather Review 100: 81–92
[5] Igbadun, H., H. Mahoo, A. Tarimo and B. Salim (2006) Performance of Two Temperature-Based Reference Evapotranspiration Models in the Mkoji Sub-Catchment in Tanzania Agricultural Engineering International: the CIGR Ejournal. Manuscript LW 05 008. Vol. VIII. March
[6] La Loggia, F., Pennisi, M. and Sardo, V. (1997) Hargreaves-Samani method and evapotranspiration pan in the estimation of reference evapotranspiration. Acta Hort. (ISHS) 449:113-118
[7] Wu I., (1997) A Simple Evapotranspiration Model for Hawaii: The Hargreaves Model,
CTAHR Fact Sheet, Engineer’s Notebook no. 106 [8] Priestley, C.H.B., Taylor R.J., (1972) On the assessment of surface heat flux and evaporation using large-scale parameters. Monthly Weather Review, 100(2): 81-92.
[9] De Bruin H.A.R. (1983) a model for the Priestley-Taylor parameter. J. Clim. Appl.
Meteorol. 22,pp.572-578 [10] Xu C., Singh V.P. (2002) Cross Comparision of Empirical Equations for Calculating Potential Evapotranspiraton with Data from Switzerland,
Water Resources Management, Volume 16, Number 3, pp.197-219.
[11] Makkink GF. (1957) Testing the Penman formula by means of lysimeters. Journal of the
Institution of Water Engineers 11: 277±288 [12] Jensen, M.E., Haise, H.R., (1963), Estimating
evapotranspiration from solar radiation. J. Irrig. Drainage Div. ASCE, 89: 15-41.
[13] Samani Z. (2000) Estimating Solar Radiation and Evapotranspiration using minimum
climatological data. J. Irrig. and Drain. Engrg. Volume 126, Issue 4, pp. 265-267 (July/August)
[14] Teixiera, J, Shahidian, S., Rolim, J., (2008) Regional analysis and calibration for the South of
Portugal of a simple evapotranspiration model for use in an autonomous landscape irrigation
controller, WSEAS Transactions on Environment and Development, Issue 8, Volume 4, August.
[15] Gavilán P., Estévez J., Berengena J. 2008 Comparison of Standardized Reference Evapotranspiration Equations in Southern Spain J. Irrig. and Drain. Engrg. Volume 134, Issue 1, pp. 1-12 (January/February)
[16] Sepaskhah, A.R., Razzaghi F., (2009) Evaluation of the adjusted Thornthwaite and
Hargreaves- Samani methods for estimation of daily evapotranspiration in a semi-arid region of
Iran, Archives of Agronomy and Soil Science,55:1, 51 – 66.
[17] Shahidian S., Serralheiro R.P., Teixeira J.L, Santos F.L., Oliveira M.R.G., Costa J.L., Toureiro
C., Haie N. 2007 Desenvolvimento de um controlador de rega autónomo, automático e
adaptivo- Estudo comparativo de cinco métodos para o cálculo da ETo. IV Congresso Nacional y I
Congresso Ibérico de Agroengenhieria.
[18] Lee T.S., Najim M., Aminul M.H. 2004,Estimating evapotrans piration of irrigated rice at the West Coast of the Peninsular of Malaysia, Journal of Applied Irrigation Science , Vol. 39. No 1/2004, pp.103 – 117
[19] McKenney, M. S. and N. J. Rosenberg, 1993: Sensitivity of some potential evapotranspiration
estimation methods to climate change. - Agricultural and Forest Meteorology 64, 81-110.
[20] Jablouna M., Sahli A., 2007 Evaluation of FAO-56 methodology for estimating reference
evapotranspiration using limited climatic data: Application to Tunisia Agricultural Water
Management Volume 95, Issue 6, June 2008, Pages 707-715
[21] Allen, R., Pereira, L.S., Raes D., Smith M., 1998 Crop evapotranspiration- Guidelines for
computing crop water requirements. FAO Irrigation and Drainage Paper , 56, Rome.
[22] Hajare H.V., Raman N.S., Dharkar E.J. (2008) New Technique for Evaluation of Crop Water Requirement. WSEAS Transactions on Environment and Development , Issue 5, Volume 4, May pp.436-446
[23] Souza M., Pereira S.L., Fontana C.F., and Dias E.M., (2008) Integrated Management and
Optimization of the Sanitation Cycle Using Intelligent Automation Systems and Communication Networks, WSEAS Transactions on Systems and Control, Issue 4, Volume 3, April.