我国是一个农业大国，大力推广墒情监测和灌溉预报技术，对于指导我国大部分地区农业抗旱减灾和进行适时适量灌溉具有重要的作用。土壤水分亏缺常对作物的生长发育产生显著的影响，最终影响作物产量。土壤墒情监测预报和灌溉预报是指在某一地区，开展实时墒情预报，预测未来旱情发展变化，抓住合理的灌溉时机。墒情监测和灌溉预报，是实现作物适时适量灌溉的基础，是灌区节水灌溉管理与精准灌溉技术决策的依据[1].对于节水农业的发展、加强水资源的集约管理、水分利用效率的提高和生物产量的模拟预测，均具有重要意义和作用。

　　田间土壤水分的变化过程不仅与土壤特性有关，涉及到根系层与外界的水分交换，降水、灌溉、蒸腾、根系层下边界水分通量等。蒸腾、根系层下边界水分通量与气象、土壤水分等因子存在较为复杂的非线性关系，土壤水分变化规律也比较杂。因此土壤水分监测与灌溉预报是目前节水农业与精准灌溉研究的难点问题。虽然目前国内外关于土壤墒情预报的研究已经取得了很大的进展[2~5],但在许多方面还有所欠缺，在设备研制方面存在许多不足。

　　1 水分监测与灌溉预报系统结构

　　土壤水分监测系统与灌溉预报系统研制主要包括技术研究与实验研究两大部分。技术研究把农业技术、自动控制技术、信息处理技术、系统工程技术等应用于作物用水信息采集与管理，实现集信息采集-处理-决策-信息反馈-监控为一体的调度系统，以实现水资源的合理配置和灌溉系统的优化调度，土壤水分监测设备、作物信息采集设备、便携式灌溉预报装备的设计。实验研究包括主要作物的生长发育期用水数据、不同土壤的墒情数据、浅层地下水量数据的收集、测量与分析，并将研制的设备进行现场的调试与应用示范，分析并校正实验结果。

　　水分含量传感器及其设备设计是本系统的基础与难点之一，设计适用于多点、定位监测土壤剖面水分分布状况的新设备，适用于温室和田间条件的土壤水分自动监测新设备，以及相应的数据处理技术。土壤水分检测系统使用环境比工业方面更恶劣，如高温、高湿等，因此稳定性好、耐用性强的传感器才不容易出故障。目前的研究方向主要在消除土壤、环境对作物用水信息采集的过度干扰研究方面形成突破，使传感器具有快速、高精度的特点。目前发展起来的驻波比法，通过测量传输线两端的电压差即可获得土壤容积含水量信息。测量要求简单，精度高，线性度好，响应速度快，而且对土壤质地的影响小，适合应用于计算机采集系统。采用32位嵌入式控制器，进行土壤水分信息采集、处理与显示。连续自动监测的设备系统框图如图1所示。

　　2 土壤墒情预测与灌溉预报研究

　　基于环境信息的土壤墒情预测和灌溉预报技术，主要研究内容包括墒情监测、墒情预报、灌溉预报。通过对系统的目标分析，该系统提供灌区的土壤、作物、气象、地下水位等基础资料的输入功能。系统对资料归纳、汇总、处理后，对灌溉作物需水量和有关参数进行分析计算，对未来土壤墒情和旱情趋势做出预报。通过对土壤水分消退过程的监视，并结合作物生育期需水，拟定出作物灌溉计划。并根据各站实测土壤含水量对壤墒情预报值进行修正和对土壤水分进行动态模型预报，并修改和补充灌溉计划，结合灌区水源状况和工程能力，实现灌溉和抗旱决策的及时性和准确性。

　　2.1 土壤墒情监测

　　墒情监测是水资源合理利用，水资源科学管理和抗旱救灾决策的最重要的基础工作。气象条件、土壤的物理特性与土壤水分状态，作物种类及生长发育状况是墒情和旱情监测的四大要素[6].气象监测资料可由墒情监测区域内或邻近的气象站、水文站及农业管理站的气象观测资料取得。通过代表性地块附近的地下水测井，得到地下水位变化的观测数据。土壤水分常数通过实验室可以测得。土壤质地的判别方法采用国际标准分类方法来进行。作物生长状况通过实验研究确定，可选用已有的研究成果作为监测点的作物适宜土壤含水量，以指导灌区科学的用水灌溉。

　　2.2 墒情预测模型研究

　　墒情预测是灌溉预报的基础。墒情预测是以土壤水分动态模拟模型为基础，在模型有关输入量（气象、作物等）预报的基础上对土壤水分变化趋势所做的模拟。土壤水分状况受多种因素的影响，包括气象、土壤、作物、田间用水管理等。要做到正确预测土壤墒情，需监测气象条件、土壤的物理特性、土壤水分状态和作物种类及生长发育状况[7~8].根据2005年水利部发布的中华人民共和国行业标准5土壤墒情监测规范6确定墒情监测内容与方案，我们选择降水量、平均气温、平均蒸发量、土壤含水量作为预报需要的数据，预报适宜土壤含水量。

　　墒情预测模型如图2所示，其中墒情预测智能模型由神经网络构成。BP神经网络是解决非线性复杂动态系统建模与预测的现代方法[9~10],具有学习功能与抗干扰性，但是BP神经网络容易陷入局部极小值问题。

　　3 分布式灌溉

　　管理决策系统数字化灌溉管理决策系统是农业用水管理走向智能化、自动化和现代化的重要标志，综合应用地理信息系统、卫星遥感技术、全球定位系统、计算机、人工智能、信息技术，以及农业灌溉、气象学、系统工程等多学科的最新成果，提高调度的灵性、可靠性、实用性，是灌溉实时调度今后的发展趋势[11~12].

　　本系统基于作物-环境节水技术，将决策支持系统与控制系统有机集成，构建分布式、数字化的灌溉管理决策系统。该系统通过网络收集各监测点或监测站的土壤墒情等信息。对来自各监测站点的大量墒情与旱情信息的处理是本系统的难点之一，设计数据库的结构与信息规范处理是其关键技术。系统以模型库和知识库为支撑，对数据库中的实时信息进行计算，分析并给出作物精确灌溉时间、最佳灌水量、最佳开/关灌溉设备时间的决策结果。

　　其中，墒情监测、墒情预测和灌溉预报是灌溉决策的基础。模型库存储的是不同作物与土壤等用水信息与相应的农田灌溉的模型。知识库主要是农田灌溉方面专家的知识经验。决策和专家系统模块是在数据库、知识库和模型库的基础上，依据实时采集的数据信息，判断作物用水情况，并决定是否进行灌溉。可视化窗口模块把信息查询、数据采集和数据发送（控制）集成到工程控制界面。而网络接口实现的是不同灌区之间及其与总系统之间的通信和数据传输。

　　4 结 论

　　本文提出了一种新的土壤水分监测系统与灌溉预报系统，详细介绍了系统的组成。依据实时采集的数据信息，判断作物用水情况，通过网络收集各监测点或监测站的土壤墒情等信息，对来自各监测站点的大量墒情与旱情信息进行处理，采用智能方法，建立高准确度土壤墒情与灌溉预报的模型，研究以完备的环境信息数据库和知识库为支撑的人工智能预测预报模型，将在专家系统、人工神经网络技术等算法研究与机理分析方面形成突破点，使土壤墒情预测和灌溉预报模型准确可靠。数字化灌溉管理决策系统的研究，将在系统分布式与层次决策管理、模型管理、知识支持、测试数据技术规范等多方面提出新的先进方法，并在整个系统的可靠性和先进性方面实现创新。