农田灌溉是农业种植与生产过程中的关键环节，对提高作物产量起着决定性的作用。我国水资源短缺的情况日益严重，农田灌溉用水占总用水量的比例不断降低，缺水已成为农业可持续发展的制约因素。

　　近年来，我国采用传统的渠道防渗技术、喷灌技术、微灌技术在农业基础建设方面取得了显著成效，然而随着农业生产的规模化，对农业灌溉灵活、准确、快捷的要求也越来越高，目前的灌溉方式还存在一些问题仍以传统经验生产为主，农田灌溉精度难以保证，缺乏量化指标和配套集成技术监测与控制都采用人工管理，管理水平滞后，存在劳动强度大、人机交互能力差等弊端，严重影响农作物品质和产量。

　　因此，高效、智能灌溉技术随之涌现，依靠人工智能算法科学计算灌水定额，确保农田含水量保持在适宜作物生长的状态，成为解决水资源不足、缓解农业用水供需矛盾的有效途径。

　　美国、以色列等发达国家于20世纪70年代就开始了智能化灌溉技术的研究。目前，美国利用“3S”技术获取、传送、处理各类农业信息，确定农田土壤水分变化情况和适宜的灌水区与灌水量，科学指导农业灌溉。智能灌溉技术的研究和推广也受到我国政府的高度关注。

　　国家“十三五”规划对做好新时期农业农村工作作出了重要部署，大规模推进农业节水灌溉技术，加快智能灌溉控制系统的研发，到2020年农田灌溉水有效利用系数提高到0．55以上。智能化灌溉是实现节水的必要保障，以下将多种智能灌溉技术进行分析和比较，为智能化准确灌溉系统的设计提供参考。

　　河南林硕农业

　　无线传感网络技术

　　无线传感网络(wirelesssensornetwork，WSN)技术在智能灌溉中的应用是将智能传感器按照一定的布局安装在灌溉农田内，然后通过无线通信方式实时监测、感知和采集网络覆盖区域内环境和监测对象的信息，再发送到信息采集站或灌溉系统集控中心，避免了灌溉现场布线带来的各种问题。

　　WSN主要由传感节点(终端)、路由节点(路由器)、协调节点(协调器)组成，分别负责灌溉区域内的信息采集和数据转换、控制信息的交换、传感器网络的配置和管理。WSN具有容量大、功耗低、可靠性强等优点，可应用于较大规模的作物生产基地，促进了智能农业和精准农业的发展。

　　将WSN技术应用在现代农业灌溉中，实现对、土壤酸碱度、土壤含水率的监测，突破了地域限制，提高了数据的共享性，根据当前环境参数合理计算灌水定额，达到了节水的目的。此外，WSN在农田灌溉中的应用还应结合大数据技术、智能控制技术，充分进行数据挖掘，准确计算灌区需水量，在无人值守的情况下完成智能灌溉。

　　模糊控制理论

　　模糊控制(fuzzycontrol，FC)在智能灌溉中的应用是把基于丰富的种植经验总结出来的、用自然语言表述的灌溉策略，或通过大量实际灌溉数据总结出来的控制规则，用计算机予以实现的智能化灌溉控制。

　　土壤湿度作为作物生长的重要环境变量，在农田灌溉中，通常把土壤湿度和土壤湿度变化率分别作为模糊控制器的输入信号，经过模糊化(D/F)变换成模糊量，送入含有模糊规则的模糊推理模块(Ｒ)，经过近似推理得出结论———模糊集合，然后被清晰化模块(F/D)变换成清晰量，再输出到下一级去调节被控对象，使其输出满意的结果，完成灌溉系统模糊控制。

　　模糊控制方法

　　模糊控制具有较强的知识表达能力和推理能力，经过模糊逻辑推理可以实现类似人的决策过程。利用具有智能属性的模糊控制器，可以解决农业灌溉中控制精度低的问题，国内外的研究焦点都集中在模糊控制方法上。

　　综上所述，将模糊控制技术应用于智能灌溉可以抛开被控对象的数学模型，解决了灌溉过程中的非线性问题，提高了灌溉精度，但是针对某种作物，模糊控制规则和隶属函数的获取与确定需要丰富的种植经验，并且控制规则一旦确定，在灌溉系统运行过程中不易更改。

　　因此有必要使用粒子群优化算法、遗传算法对模糊规则进行动态寻优，能在线修改模糊控制规则，改善系统的控制品质。

　　神经网络理论

　　人工神经网络(artificialneuralnetworks，ANN)技术在智能灌溉中的应用是指计算机语言模拟人脑神经的决策方式指导灌溉，其实质为采用某种网络拓扑结构而构成的农田环境信息智能处理系统。在现代农业灌溉问题上，通过调整大量并行互联节点间的连接关系，人工神经网络能够适应于复杂环境和多目标控制要求，以完成对信息的处理。神经网络还可以与其他类型的控制原理相结合，产生性能更为优异的灌溉控制系统。

　　神经网络控制方法

　　神经网络应用于灌溉领域可以解决灌溉控制领域难以解决的两大难题:一是被控对象(土)存在不确定性和非线性特性;另一个是农田多环境因子之间的相互耦合。

　　因此，人工神经网络引起了广大智慧农业工作者的极大关注。有学者抽取表征土壤入渗性能的关键特征值，基于神经网络，利用试验数据回归建立了灌溉水入渗深度预测模型，可以根据作物需求控制灌溉水湿润至合理深度，减少深层渗漏。

　　神经网络与模糊控制技术的融合

　　模糊控制算法解决了现代农业智能灌溉系统中自然语言和人类思维推理表达的数学化问题，使机器能模拟人脑的感知、推理等智能行为。

　　但是，在模糊控制系统的应用过程中，还有不少工作，如大量数据的处理、操作经验的归纳总结，特别是灌溉系统中模糊规则的形成、隶属函数的选型、调整等工作，还得依赖人工完成。

　　因此，可以将神经网络和模糊控制融合在一起，这样就克服了模糊控制器不具备自学习能力的缺点，从而使机器能更好地模拟人类智能而提高灌溉效率。

　　人工神经网络技术在现代农业智能灌溉领域的学习、预测和优化等方面表现出了很好的智能特性，也解决了复杂的农田环境下多目标控制问题，不足是神经网络的结构和类型难以确定，无法保证结果的正确性，算法易陷入局部。

　　专家系统控制理论

　　专家系统控制(expertsystemcontrol，ESC)技术是智能控制的重要分支之一。现代农业智能灌溉领域的专家系统实质上是一类包含大量专门农业知识和经验的程序系统，它应用人工智能技术和计算机技术，根据农业灌溉专家提供的知识和经验进行推理和判断，使机器模拟人类专家解决智能灌溉问题的计算机程序系统。

　　专家系统控制方法

　　传统农作物种植多以经验为主，农业专家系统是将农业技术与信息技术进行了融合，综合分析各类农业领域相关知识、经验、数据、模型后，通过计算得出好的解决方案，用于指导智慧农业生产的一种高新科技。当农业专家系统运用在农业灌溉时，可以大大提高灌溉的智能性，使灌溉系统具有诊断、决策及预测等功能。获取农作物的生长信息及各生长阶段的需求进行合理灌溉是节水灌溉的关键。专家系统控制技术汇集了农业领域多位专家的知识和经验，解决了复杂的灌溉问题，表现出较强的工作能力，而且能够准确、迅速、不知疲倦地工作。

　　作物生长信息知识库能够根据不同作物不同时期的生长需求，自动形成好的控制方案，按其所需提供适宜的灌水计划。纵观专家系统的整个设计过程不难发现，知识获取成为构建灌溉领域专家系统的瓶颈，当外界环境变化较大时，需要通过编程的方式才能充实和完善知识库中的知识。