高明秀，張 治，趙庚星，李俊翰

?

基于WebGIS的農(nóng)田水肥鹽堿監(jiān)測與調(diào)控管理系統(tǒng)

高明秀1,2，張 治3，趙庚星1,2※，李俊翰1,2

（1.山東農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，泰安 271018；2.土肥資源高效利用國家工程實驗室，泰安 271018；3.武漢大學(xué)測繪遙感信息工程國家重點實驗室，武漢 430072）

監(jiān)測水肥鹽堿動態(tài)變化信息，分析診斷提出調(diào)控方案，提升鹽堿農(nóng)田生產(chǎn)管理水平。該文基于WebGIS平臺、利用Silverlight與WCF技術(shù)研發(fā)鹽堿農(nóng)田水肥鹽堿監(jiān)測管理系統(tǒng)，基于統(tǒng)計學(xué)原理和作物水肥鹽堿平衡與脅迫響應(yīng)原理，構(gòu)建了特征分析、診斷預(yù)警和調(diào)控決策3類15個模型，并進行系統(tǒng)集成應(yīng)用。結(jié)果表明，系統(tǒng)融合數(shù)據(jù)采集、數(shù)據(jù)管理、統(tǒng)計分析、診斷預(yù)警、調(diào)控決策技術(shù)與實施管理措施形成了“六位一體”的全過程優(yōu)化管理體系；模型數(shù)據(jù)處理分析結(jié)果科學(xué)有效，系統(tǒng)應(yīng)用決策方案符合實際。在無棣縣鹽堿農(nóng)田應(yīng)用表明，管理方案有效緩解了水鹽限制，促進了土壤肥力趨穩(wěn)均衡，投入產(chǎn)出效益和生產(chǎn)決策效率明顯提升；2014—2016年綜合節(jié)水率達(dá)31.02%，氮磷鉀節(jié)肥率分別達(dá)28.69%～63.14%、10.07%～67.98%、97.98%～100%，小麥玉米增產(chǎn)率接近預(yù)期。研究有助于利用信息技術(shù)手段推進鹽堿農(nóng)田水肥鹽堿動態(tài)規(guī)律的探索和田間精準(zhǔn)管理水平的提升。

監(jiān)測；信息系統(tǒng)；管理；鹽堿地；WebGIS；診斷預(yù)警；調(diào)控管理

0 引 言

精準(zhǔn)農(nóng)業(yè)是現(xiàn)代農(nóng)業(yè)發(fā)展的方向，農(nóng)田信息的快速采集、有序管理和科學(xué)分析是精準(zhǔn)農(nóng)業(yè)實現(xiàn)的重要基礎(chǔ)和前提條件，因此構(gòu)建農(nóng)田信息監(jiān)測和管理系統(tǒng)成為國內(nèi)外精準(zhǔn)農(nóng)業(yè)研究的重要方向之一[1-3]。在國外，發(fā)達(dá)國家精準(zhǔn)農(nóng)業(yè)以信息采集為基礎(chǔ)、以信息管理為紐帶，促進了農(nóng)業(yè)資源合理利用、節(jié)本增效和農(nóng)業(yè)可持續(xù)發(fā)展[3-4]。在國內(nèi)，農(nóng)田信息管理系統(tǒng)研究也是近年來的持續(xù)熱點，將3S技術(shù)與網(wǎng)絡(luò)通信技術(shù)等結(jié)合起來進行土壤溫度、水分、養(yǎng)分及農(nóng)田作業(yè)的管理。冀榮華等[5]基于ZigBee無線傳感器網(wǎng)絡(luò)，運用嵌入式GIS遠(yuǎn)程管理田塊基礎(chǔ)數(shù)據(jù)。許鑫等[6]基于WebGIS開發(fā)小麥精準(zhǔn)施肥決策系統(tǒng)，根據(jù)田塊采樣數(shù)據(jù)，利用空間插值技術(shù)生成精準(zhǔn)施肥處方圖。杜克明等[7]利用物聯(lián)網(wǎng)監(jiān)測點數(shù)據(jù)與基于WebGIS的面空間數(shù)據(jù)融合分析，提高了作物長勢與災(zāi)害的綜合診斷能力。夏于等[8]設(shè)計了基于物聯(lián)網(wǎng)技術(shù)的小麥苗情遠(yuǎn)程診斷管理系統(tǒng)，實現(xiàn)監(jiān)測、診斷、綜合分析并提出管理方案?；诒倍沸l(wèi)星定位和網(wǎng)絡(luò)信息技術(shù)，劉陽春等[9]建立了一種深松作業(yè)遠(yuǎn)程管理系統(tǒng)，隋銘明等[10]設(shè)計了秸稈機械化還田作業(yè)精準(zhǔn)管理系統(tǒng)。鑒于氣象因子傳感器可靠性較強，農(nóng)田小氣候監(jiān)測較為成熟[11]，但土壤養(yǎng)分監(jiān)測管理成本高、難度大，仍存在較大難題[2,4]?？傮w而言，由于國內(nèi)研究時間短、投入少、效果還十分有限[1,11]，農(nóng)田信息管理系統(tǒng)試驗或驗證性研究較多[1,12]，或僅限于墑情等單一方面[13-14]，或偏重于數(shù)據(jù)的采集、處理和傳輸?shù)确矫鎇15-17]，直接面向基層應(yīng)用（農(nóng)業(yè)企業(yè)、家庭農(nóng)場、種糧大戶等）的較少，多種數(shù)據(jù)來源、作物生產(chǎn)關(guān)鍵因子多因素綜合（水、肥、鹽、堿等）監(jiān)測與管理的成熟系統(tǒng)也不多見。同時，由于中國區(qū)域條件差異大，農(nóng)業(yè)生產(chǎn)條件、種植方式、作物需求等千差萬別，農(nóng)田信息管理體現(xiàn)出明顯的區(qū)域性和作物針對性[1]，這就要求農(nóng)田信息監(jiān)測和管理系統(tǒng)的研發(fā)必須結(jié)合區(qū)域特點和作物需求以滿足應(yīng)用。

環(huán)渤海低平原區(qū)是指渤海沿岸海拔低于20 m的低平原區(qū)，位于華北平原東部，屬于黃淮海平原的一部分，由黃河、海河、灤河、遼河等河流沖積而成，主要涉及山東、河北、天津、遼寧三省一市，是重要的糧棉、果蔬產(chǎn)區(qū)[18]。近年來，該區(qū)在新增500×108kg糧食生產(chǎn)能力規(guī)劃、鹽堿地治理、渤海糧倉科技示范工程等國家戰(zhàn)略推動下，成為農(nóng)業(yè)開發(fā)熱點區(qū)域，農(nóng)業(yè)企業(yè)、家庭農(nóng)場、種糧大戶等發(fā)展迅速。但是，該區(qū)淡水資源匱乏、土壤瘠薄鹽堿問題突出，農(nóng)業(yè)生產(chǎn)效率和效益較低[18-19]。該文面向鹽堿農(nóng)田生產(chǎn)精準(zhǔn)化、自動化發(fā)展需求，針對土壤水、肥、鹽、堿等影響作物生長的關(guān)鍵因子時空變幅大、變動特征難把握的現(xiàn)實，設(shè)計開發(fā)基于WebGIS技術(shù)、Silverlight 5與WCF技術(shù)[20-21]的鹽堿農(nóng)田水肥鹽堿監(jiān)測與管理系統(tǒng)，構(gòu)建集成分析決策模型，通過及時、準(zhǔn)確的信息監(jiān)測、分析和模塊化決策、可視化呈現(xiàn)，以期為用戶提供農(nóng)田信息監(jiān)測分析、診斷預(yù)警和調(diào)控決策的有效工具。

1 監(jiān)測管理系統(tǒng)設(shè)計

1.1 總體架構(gòu)

基于WebGIS服務(wù)，系統(tǒng)采用3層B/S（Browser/ Server，瀏覽器/服務(wù)器模式）架構(gòu)：數(shù)據(jù)層、功能層和應(yīng)用層（圖1）。數(shù)據(jù)層用于數(shù)據(jù)存儲和管理維護，使用SQL Sever數(shù)據(jù)庫存儲農(nóng)田屬性數(shù)據(jù)，使用文件地理數(shù)據(jù)庫管理空間數(shù)據(jù)。功能層通過ADO.NET（Active Data Objects.NET）和ArcSDE實現(xiàn)對屬性數(shù)據(jù)庫和空間數(shù)據(jù)庫的訪問和調(diào)用，集成構(gòu)建的系列模型，實現(xiàn)監(jiān)測分析和決策運算；應(yīng)用層通過瀏覽器提供可視化互動界面，實現(xiàn)信息查詢、數(shù)據(jù)分析、結(jié)果呈現(xiàn)等人機交互功能。

1.2 功能結(jié)構(gòu)

系統(tǒng)功能主要包括數(shù)據(jù)管理、信息查詢、數(shù)據(jù)分析、結(jié)果呈現(xiàn)、用戶管理5個子模塊。（1）數(shù)據(jù)管理模塊對鹽堿農(nóng)田各類屬性數(shù)據(jù)和空間數(shù)據(jù)進行組織管理，并提供錄入/導(dǎo)入、修改等相關(guān)數(shù)據(jù)操作。（2）信息查詢模塊為系統(tǒng)用戶提供基于空間（地圖）位置的田塊空間數(shù)據(jù)、屬性數(shù)據(jù)的查詢，或根據(jù)條件篩選查詢監(jiān)測信息。（3）數(shù)據(jù)分析模塊通過構(gòu)建和集成監(jiān)測分析模型，實現(xiàn)監(jiān)測數(shù)據(jù)的描述性統(tǒng)計分析、診斷預(yù)警、調(diào)控決策數(shù)據(jù)運算和方案生成等。（4）結(jié)果呈現(xiàn)模塊對信息查詢和數(shù)據(jù)分析的結(jié)果進行可視化呈現(xiàn)。（5）用戶管理模塊通過不同用戶權(quán)限和行為管理，實現(xiàn)系統(tǒng)正常運行并維護系統(tǒng)安全。

圖1 系統(tǒng)總體架構(gòu)圖

1.3 數(shù)據(jù)庫

系統(tǒng)數(shù)據(jù)庫包括屬性數(shù)據(jù)庫和空間數(shù)據(jù)庫?？臻g數(shù)據(jù)庫主要存儲各級行政區(qū)劃圖、案例區(qū)的農(nóng)田地塊圖、監(jiān)測點位圖等圖件等；屬性數(shù)據(jù)包括案例區(qū)土地利用概況數(shù)據(jù)、物聯(lián)網(wǎng)自動監(jiān)測和人工監(jiān)測的土壤水肥鹽堿數(shù)據(jù)等。屬性數(shù)據(jù)和空間數(shù)據(jù)通過ArcGIS字段綁定功能實現(xiàn)相互關(guān)聯(lián)。

2 分析決策模型構(gòu)建

監(jiān)測分析決策模型主要包括基本特征模型、診斷預(yù)警模型和調(diào)控決策模型3類。

2.1 基本特征模型

基于統(tǒng)計學(xué)原理建立包括最低值、最高值、平均值、中間值、標(biāo)準(zhǔn)差和變異系數(shù)等統(tǒng)計量的鹽堿農(nóng)田基本特征模型（表1），通過系統(tǒng)運算給出反映農(nóng)田水肥鹽堿總體狀況、分布狀態(tài)、均勻、離散及變異程度的系列統(tǒng)計結(jié)果，幫助用戶掌握農(nóng)田總體特征和地塊差異，為采取差別化管理措施奠定基礎(chǔ)。

2.2 診斷預(yù)警模型

基于水肥鹽堿平衡原理、作物養(yǎng)分需求及對水鹽脅迫響應(yīng)原理，構(gòu)建診斷預(yù)警模型，劃分預(yù)警等級、確定預(yù)警閾值。

2.2.1墑情診斷預(yù)警模型

土壤墑情診斷標(biāo)準(zhǔn)尚不統(tǒng)一，參照傳統(tǒng)墑情判斷方法、農(nóng)業(yè)部[22]和水利部[23]墑情指標(biāo)，根據(jù)土壤特性、作物需水規(guī)律及旱澇脅迫特性，構(gòu)建基于土壤質(zhì)量含水量（θ）的墑情診斷預(yù)警模型：

式中Y為根據(jù)土壤含水量θ（%）閾值確定的預(yù)警等級，分（漬澇）、（飽墑）、（適墑）、（黃墑）、（干旱）五級。當(dāng)θ<時給出干旱預(yù)警；當(dāng)≤θ時給出漬澇預(yù)警，根據(jù)土壤田間最大持水量（%）確定。傳感器測得結(jié)果為體積含水量θ（%），采用關(guān)系式θ=θ/ρ×100%換算為質(zhì)量含水量。土壤容重ρ（g/cm3）通過試驗測得。閾值間斷點、、、取值因土壤性質(zhì)、作物種類而異，這里參考上述標(biāo)準(zhǔn)中小麥玉米墑情閾值[22-24]并根據(jù)研究區(qū)情況調(diào)整后分別賦值12%、15%、18.5%、30%。

表1 鹽堿農(nóng)田基本特征模型及其含義和作用

2.2.2 鹽分診斷預(yù)警模型

土壤鹽漬化一般根據(jù)土壤含鹽量（g/kg）區(qū)間分為非鹽漬化（0.0，1.0）、輕度[1.0，2.0）、中度[2.0，4.0）、重度[4.0，6.0）、鹽土[6.0，∞）5級[26]。但該標(biāo)準(zhǔn)對作物耐鹽性而言存在不足，因而本文根據(jù)作物對土壤鹽分脅迫的響應(yīng)范圍，確定鹽分預(yù)警值和預(yù)警等級，構(gòu)建診斷預(yù)警模型：

式中Y為土壤含鹽量預(yù)警等級，分（嚴(yán)重）、（重度）、（中度）、（輕度）四級，、、為預(yù)警值。綜合小麥、玉米對土壤鹽分脅迫的響應(yīng)情況，結(jié)合近年渤海糧倉相關(guān)研究成果[27-30]，本文將預(yù)警值分別設(shè)定為=2、=3、=4。

2.2.3 酸堿診斷預(yù)警模型

土壤酸性或堿性過強，都會影響作物生長。土壤酸堿度預(yù)警模型為：

式中Y為土壤酸堿度診斷預(yù)警等級，分（嚴(yán)重）、（重度）、（中度）、（適宜）四級。、、、為各等級閾值間斷點，根據(jù)土壤特性和作物生長適宜范圍確定；本文根據(jù)小麥玉米適宜pH值范圍，分別確定為6.5、7.5、8.5、9.0[26-27]，即6.5～7.5為適宜等級，7.5～8.5中等堿性、中度預(yù)警，8.5～9強堿性、重度預(yù)警，大于9極強堿性、嚴(yán)重預(yù)警。

2.2.4 養(yǎng)分豐缺診斷模型

土壤養(yǎng)分豐缺采用分級比較法進行診斷，對于某養(yǎng)分（如有機質(zhì)、速效氮、有效磷、速效鉀）數(shù)據(jù)集=｛1，2，…，X｝，根據(jù)以下模型診斷

式中Y為土壤養(yǎng)分豐缺等級，分（高）、（豐）、（中）、（低）、（極低）五級。X為土壤養(yǎng)分含量值。、、、為養(yǎng)分豐缺分級標(biāo)準(zhǔn)的區(qū)間斷點數(shù)值，可根據(jù)全國及省級測土配方施肥技術(shù)標(biāo)準(zhǔn)相關(guān)養(yǎng)分分級標(biāo)準(zhǔn)結(jié)合實際情況確定，本文參照全國第二次土壤普查[26-27,31]和山東省土肥站土壤養(yǎng)分分級標(biāo)準(zhǔn)確定；=1,2,…,。

2.3 調(diào)控決策模型

在診斷預(yù)警基礎(chǔ)上，構(gòu)建水肥鹽堿調(diào)控模型，根據(jù)土壤水、肥、鹽、堿實際情況和作物生長發(fā)育需求，給出管理決策方案。

2.3.1 水鹽調(diào)控決策模型

鑒于濱海鹽堿地地下水埋深小、礦化度高、短期根治難度大、不經(jīng)濟的現(xiàn)實，水鹽調(diào)控基于土壤水鹽平衡原理、節(jié)水灌溉控鹽促生去鹽理念，水鹽調(diào)控統(tǒng)籌兼顧，建立如下灌排決策方案模型

式中P為水鹽調(diào)控方案，P為灌溉方案，P為排澇方案，Y為墑情預(yù)警等級，Y為土壤鹽分預(yù)警等級。當(dāng)Y=，即θ<，或Y=，，，即≤θ時提出灌溉方案，結(jié)合天氣預(yù)測未來3天無降水時開始灌溉；鑒于淹水持續(xù)1天即對小麥生長發(fā)育產(chǎn)生顯著影響[25]，因此當(dāng)Y=時提出排澇方案，持續(xù)超24 h時作出決策開始排水，當(dāng)Y=時停止。

鑒于鹽堿農(nóng)田水資源緊張，基于水鹽關(guān)系原理，將水分和鹽分調(diào)控綜合考慮，以滿足作物水分需求、充分調(diào)鹽和節(jié)約用水為原則，在土壤水鹽調(diào)控中同時考慮灌溉和調(diào)鹽兩方面需求，借鑒鹽堿地沖洗定額模型[32]，設(shè)定水鹽調(diào)控用水量系數(shù)計算模型為

式中為水鹽調(diào)控用水量系數(shù)，即單位面積水鹽調(diào)控所需用水量，m3/hm2；1為使耕層土壤含水量達(dá)到田間持水量時所需灌水量系數(shù)，m3/hm2；2為耕層土壤含水量達(dá)到田間持水量時起至耕層土壤含鹽量達(dá)到允許含鹽量時段內(nèi)起調(diào)鹽作用的部分灌水量系數(shù)，m3/hm2，即“調(diào)鹽水量”；為調(diào)控期間蒸發(fā)損失的水量，m3/hm2；為調(diào)控期間的降水量，m3/hm2；為調(diào)控時非毛管孔隙下滲損失水量，m3/hm2；為耕層土壤中對鹽分起淋洗作用的凝結(jié)水量，m3/hm2。

灌溉一般在無降水時進行，且灌溉時間很短，因而蒸發(fā)損失水量、降水量可以忽略。耕層中通過非毛管孔隙下滲損失水量和對鹽分起淋洗作用的凝結(jié)水量均較小，也忽略。上式簡化為：

式中為耕層土壤厚度，m；θ為耕層土壤田間持水量（干土質(zhì)量%）；0為灌水前耕層土壤自然含水量（干土質(zhì)量%）；ρ為耕層土壤干容重，kg/m3。

式中S為調(diào)鹽前耕層土壤含鹽量，g/kg；S為灌水調(diào)鹽后耕層土壤的目標(biāo)含鹽量，g/kg；小麥、玉米為0.2%，取0.4 m。

根據(jù)式（6）～式（9），當(dāng)土壤含鹽量在允許范圍內(nèi)時，2=0，這時用水量系數(shù)=1即為無鹽分威脅時的灌溉水量系數(shù)；當(dāng)2>0時，總用水量系數(shù)包括1和2兩部分，調(diào)水調(diào)鹽同時進行。

農(nóng)田水鹽調(diào)控用水量計算模型為

式中F為農(nóng)田灌水總量，m3；F為田塊水鹽調(diào)控所需灌水量，m3；S為田塊面積，hm2；w為該田塊水鹽調(diào)控用水量系數(shù)；=1，2，…，。

2.3.2 酸堿調(diào)控決策模型

土壤酸堿度影響因素異常復(fù)雜，尚無定量調(diào)控方法。構(gòu)建定量分段法調(diào)控決策模型如下

式中P為土壤酸堿度調(diào)控方案，Y為土壤酸堿度診斷預(yù)警等級；當(dāng)Y=（即6.5≤pH值<7.5）時，給出方案1：土壤酸堿度適宜，不需調(diào)控；當(dāng)Y=（即7.5≤pH值<8.5）、Y=（即8.5≤pH值<9）、Y=（即9

2.3.3 養(yǎng)分調(diào)控決策模型

土壤養(yǎng)分調(diào)控通過分區(qū)控制施肥量實現(xiàn)。根據(jù)土壤養(yǎng)分含量和作物養(yǎng)分需求量確定監(jiān)測點肥料需求量計算模型；基于空間插值方法確定養(yǎng)分分區(qū)變量調(diào)控處方模型。

1）施肥量計算模型：監(jiān)測點施肥量計算采用基于養(yǎng)分平衡施肥理論得到的施肥量模型

式中F為某種肥料的需要量，kg/hm2；為作物預(yù)期產(chǎn)量，kg/hm2，可參照前3 a平均單產(chǎn)和年均增產(chǎn)率為基礎(chǔ)確定；N為百千克經(jīng)濟產(chǎn)量養(yǎng)分吸收量，kg；S為土壤養(yǎng)分測定值，mg/kg；2.25為土壤耕層養(yǎng)分測定值換算成1 hm2土壤養(yǎng)分含量的系數(shù)；R為土壤養(yǎng)分利用率，%；F為肥料養(yǎng)分含量，%；R為肥料當(dāng)季利用率，%。

2）養(yǎng)分分區(qū)變量調(diào)控處方模型：精準(zhǔn)施肥方案最終落實到地塊，以分區(qū)變量施肥處方圖形式呈現(xiàn)。分區(qū)變量施肥處方圖采用反距離權(quán)重插值（IDW）模型[33]生成：

式中d2=(?X)2+(?Y)2；X，Y，Z分別為監(jiān)測點坐標(biāo)和肥料施用量值，=1,2,…,。

3 系統(tǒng)實現(xiàn)與應(yīng)用

3.1 系統(tǒng)實現(xiàn)與部署

系統(tǒng)開發(fā)以Window Server 2008、ArcGIS Server、SQL Server 2008、IIS服務(wù)器等為平臺，后臺應(yīng)用面向?qū)ο蟮腃#語言進行編譯，前臺界面框架采用可擴展應(yīng)用程序標(biāo)記語言XAML作為RIA（Rich Internet applications）客戶端開發(fā)技術(shù)。在構(gòu)建屬性與空間一體化數(shù)據(jù)庫基礎(chǔ)上，實現(xiàn)了數(shù)據(jù)的交互與共享，利用ArcGIS API for Silverlight技術(shù)，將空間分析功能整合到分析決策模塊；采用REST（Representational state transfer）服務(wù)將監(jiān)測分析模型封裝成獨立的REST服務(wù)接口，訪問ArcGIS Server發(fā)布的地圖數(shù)據(jù)及地理處理服務(wù)，簡化了屬性數(shù)據(jù)與空間數(shù)據(jù)同步更新與維護[20-21]。

系統(tǒng)部署于學(xué)校提供的服務(wù)器空間，將全國、山東省和無棣縣行政區(qū)劃圖、企業(yè)農(nóng)田地塊圖、人工和物聯(lián)網(wǎng)監(jiān)測點位圖等導(dǎo)入空間數(shù)據(jù)庫，將物聯(lián)網(wǎng)自動采集和人工采集分析獲取的農(nóng)田地塊土地利用、土壤水肥鹽堿等導(dǎo)入屬性數(shù)據(jù)庫。本著總體均勻、全部覆蓋原則，在案例區(qū)無棣縣柳堡鎮(zhèn)大面積鹽堿農(nóng)田依據(jù)土地初始條件（質(zhì)地、含鹽量、pH值、地下水埋深及養(yǎng)分等）差異疏密有致地部署24套“神農(nóng)物聯(lián)”自動采集設(shè)備[34]；在農(nóng)田內(nèi)部道路分隔形成的每個管理地塊中各設(shè)置1個定位采樣點，共35個人工樣點（圖2a）。

3.2 數(shù)據(jù)采集與處理

物聯(lián)網(wǎng)每天自動采集土壤耕層含水量、pH值、電導(dǎo)率及地下水礦化度和氣象數(shù)據(jù)；人工每隔30 d左右（封凍時除外，且根據(jù)降雨、灌溉微調(diào)）利用便攜式EC110鹽分計、ML3土壤水分溫度速測儀和原位pH測定儀現(xiàn)場采集一次土壤含水量、含鹽量、pH值，小麥、玉米種植前采集耕層土樣，化驗獲取土壤養(yǎng)分等數(shù)據(jù)。根據(jù)傳感器所測土壤數(shù)據(jù)與實驗室分析數(shù)據(jù)相關(guān)關(guān)系對速測數(shù)據(jù)進行校正處理[28]。

3.3 調(diào)控體系及應(yīng)用

以系統(tǒng)為核心，數(shù)據(jù)層、功能層和應(yīng)用層協(xié)同，優(yōu)化集成數(shù)據(jù)采集、數(shù)據(jù)管理、統(tǒng)計分析、診斷預(yù)警、調(diào)控決策技術(shù)和調(diào)控管理措施形成“六位一體”的全過程優(yōu)化管理體系。其中，數(shù)據(jù)采集形成“物聯(lián)網(wǎng)自動采集+人工采集”的并行互補方式，實現(xiàn)相互校驗和精度保證；數(shù)據(jù)存儲管理實現(xiàn)屬性數(shù)據(jù)、空間數(shù)據(jù)統(tǒng)一、有序管理；統(tǒng)計分析、診斷預(yù)警、調(diào)控決策通過融合點數(shù)據(jù)監(jiān)測和空間分析方法、可視化技術(shù)，實現(xiàn)模型化、標(biāo)準(zhǔn)化和可視化交互。

應(yīng)用操作實現(xiàn)了面向用戶的田塊屬性信息條件查詢、數(shù)據(jù)時空動態(tài)分析、診斷預(yù)警和調(diào)控決策可視化管理、簡易化操作。用戶可通過鼠標(biāo)點選、條件查詢方式激發(fā)信息查詢；通過興趣時點選擇或空間分析，激發(fā)特征統(tǒng)計分析或面狀插值預(yù)測；系統(tǒng)通過圖表給出監(jiān)測結(jié)果和預(yù)警信號（圖2b、2c）；根據(jù)水肥鹽含量輸入給出田塊水鹽統(tǒng)籌平衡調(diào)控灌水量和養(yǎng)分平衡調(diào)控補充量，并基于相應(yīng)的空間預(yù)測模型，給出分區(qū)變量灌溉、養(yǎng)分調(diào)控方案（圖2d）。

圖2 系統(tǒng)部署與應(yīng)用

4 應(yīng)用結(jié)果與效果分析

4.1 應(yīng)用結(jié)果分析

系統(tǒng)應(yīng)用中，數(shù)據(jù)采集及時、校驗傳輸順暢，特征分析結(jié)果可靠，診斷預(yù)警信號和調(diào)控決策方案科學(xué)有效，取得良好的應(yīng)用效果。

4.1.1 水肥鹽堿基本特征

綜合分析2014年1月至2016年12月的33期土壤含水量、含鹽量和6期土壤pH值與養(yǎng)分有效數(shù)據(jù)，將研究區(qū)35個地塊從南北、東西方向各分為3個區(qū)，分析土壤水肥鹽堿時空特征（圖3）。

1）土壤水鹽特征：①各地塊土壤含水量1.77%～39.45%，各期含水量5.95%～32.48%，不同地塊不同時期差異較大；3a來有下降趨勢，干旱特征日益明顯，42.42%的時間未達(dá)適墑。每年有“兩高兩低”現(xiàn)象（圖3a）：高點一般在7－8月和11月底至次年1月；低點一般在3月底4月初和5月底6月初?？臻g變異中等（：11%～58%），從南向北、從西向東升高（圖3d）。②土壤含鹽量0.55～22.10 g/kg，各期含鹽量1.64～4.02 g/kg，總體為中度鹽漬化，符合“春高夏低秋升冬潛伏”規(guī)律，3a來有降低趨勢（圖3b）?？臻g變異中等（：13%～92%），北高南低、東高西低（圖3d）。③pH值7.28～8.88，各期平均值7.99～8.46，中等至強堿性。3a來有升高趨勢（圖3c，2=0.939）?？臻g變異弱（：1%～4%），北高南低、東高西低（圖3d）。

2）土壤養(yǎng)分特征：①各地塊有機質(zhì)10.65～27.69g/kg，差異較大，各期平均值14.88～16.79 g/kg，3a來逐年增長但仍處中等水平（圖3e，R2=0.9157）?？臻g變異中等（：9%～21%），從南向北、自西向東降低（圖3d）。②各地塊速效氮20.51～139.77 mg/kg，各期平均值44.96～83.87 mg/kg，總體中等至偏低水平。3a來先升后降（圖3f）?？臻g變異中等（：17%～38%），從南向北、從西向東遞減（圖3d）。③各地塊有效磷4.24～98.00 mg/kg，各期平均值23.59～41.16 mg/kg，總體處中等水平、先升后降特征（圖3g）?？臻g變異中等（：27%～59%），南高中低北居中，西高東低（圖3d）。④速效鉀125.00～573.51 mg/kg，各期平均值195.43～410.04 mg/kg，總體處非常高的水平。3 a來呈下降趨勢（圖3h），受施肥量突變影響，2較小?？臻g變異中等（：15%～28%），從南向北、從東向西減少（圖3d）。

圖3 土壤水肥鹽堿特征

4.1.2 水肥鹽堿預(yù)警結(jié)果

3a診斷預(yù)警統(tǒng)計結(jié)果見表2～表5。（1）3a中，適墑飽墑合計點位占比、面積占比（下同）分別為49.53%和49.36，干旱分別高達(dá)30.30%和30.24%，黃墑分別為17.58%和17.68%，漬澇占比不高分別為2.60%和2.73%；（2）含鹽量預(yù)警嚴(yán)重分別為12.21%和12.74%，重度分別為22.94%和22.75%，兩者合計均超1/3，中度高達(dá)44.94%和44.31%，輕度僅為19.91%和20.20%；酸堿度預(yù)警以中度為主，分別為83.33%和83.33%，重度分別為15.24%和14.92%，適宜僅為0.71%和0.81%；預(yù)警占比有重度增長、中度下降趨勢。（3）養(yǎng)分預(yù)警，有機質(zhì)以中等為主，占比分別為92.86%、94.19%，豐等分別為7.14%和5.81%，沒有高、低和極低預(yù)警。速效氮以中、低等級為主，二者合計占比84.29%和84.03%，高、豐2級不足10%，尚有超過5%的極低預(yù)警。有效磷以中等為主，占比61.43%和62.81%，高、豐2級合計30%左右，有6%以上處于低和極低級。速效鉀以高等級占絕對優(yōu)勢（97.14%和96.88），豐級不足3%，沒有中、低和極低預(yù)警。

表2 土壤墑情診斷預(yù)警結(jié)果

表3 土壤含鹽量診斷預(yù)警結(jié)果

表4 土壤酸堿度診斷預(yù)警結(jié)果

表5 土壤養(yǎng)分診斷預(yù)警結(jié)果

注：表中土壤養(yǎng)分等級參照全國第二次土壤普查養(yǎng)分分級標(biāo)準(zhǔn)確定，區(qū)間從E至A依次為，有機質(zhì)：（0，6）、[6，10）、[10，20）、[20，30）、[30，∞）；速效氮：（0，30）、[30，60）、[60，90）、[90，120）、[120，∞）；有效磷：（0，5）、[5，15）、[15，30）、[30，40）、[40，∞）；速效鉀：（0，40）、[40，75）、[75，120）、[120，150）、[150，∞）；式（4）中a、b、c、d分別取對應(yīng)值。

Note: The level of soil nutrients in the table is determined by the National Second Soil Census nutrient classification standards, and the interval from E to A is in turn, organic matter: (0, 6), [6, 10), [10, 20), [20 30), [30, ∞）; available nitrogen: (0, 30), [30, 60), [60, 90), [90,120), [120, ∞); available phosph: (0, 5), [5, 15), [15, 30), [30, 40), [40, ∞); available potassium: (0, 40), [40, 75), [75, 120), [120, 150), [150, ∞); and the corresponding values of a, b, c and d, are taken respectively in the formula (4).

4.1.3 水肥鹽堿調(diào)控決策方案

根據(jù)監(jiān)測預(yù)警結(jié)果和調(diào)控決策模型，分別提出基于監(jiān)測點、地塊的定量化水鹽一體調(diào)控、酸堿度分段調(diào)控、養(yǎng)分變量調(diào)控方案和基于空間插值的分區(qū)變量調(diào)控處方圖。

1）土壤水鹽調(diào)控：根據(jù)式（5）～式（10），運算得出各地塊單位面積灌溉水量、調(diào)鹽水量和實際應(yīng)灌水量。排澇方案按式（5）確定排水起止點，不計算水量。匯總各年小麥-玉米2季作物水鹽調(diào)控決策方案結(jié)果見表6。3 a中，單位面積灌溉水量分別為1 290.04、787.21和1 052.73 m3/hm2，當(dāng)年實際應(yīng)灌水總量分別為3 482 194.40、2 124 898.68和2 841 616.87 m3，均呈先降后升、總體下降特征。

2）土壤酸堿調(diào)控：根據(jù)式（11），作出酸堿度調(diào)控方案，4避免施用堿性肥料；3施石膏（硫酸鈣）或硫酸亞鐵225 kg/hm2，或硫磺粉150 kg/hm2；2施石膏（硫酸鈣）或硫酸亞鐵375 kg/hm2，或硫磺粉300 kg/hm2；1施石膏（硫酸鈣）或硫酸亞鐵500 kg/hm2，或施用硫磺粉450 kg/hm2。石膏、硫酸亞鐵和硫磺粉地表撒施旋耕入土。

3）土壤養(yǎng)分調(diào)控：根據(jù)式（12）～式（13），養(yǎng)分調(diào)控以尿素、過磷酸鈣、硫酸鉀為例（N、P2O5、K2O含量分別為46%、12%、50%），肥料當(dāng)年利用率分別按65%、20%、50%，土壤養(yǎng)分利用率分別按50%、80%、50%計。每100 kg籽粒需N、P2O5、K2O量（kg）小麥分別按2.95、1.15、3.05，玉米分別按2.57、0.86、2.14計，2014－2016年增產(chǎn)率小麥分別以10%、10%、5%計、玉米以5%計，調(diào)控方案匯總結(jié)果如表7。從單位面積施用量看，氮肥呈先降后升（尿素玉米施用量從369.64降至268.23又升至427.86 kg/hm2，小麥?zhǔn)┯昧繌?07.22降至276.44又升至381.39 kg/hm2），磷肥總體上升（過磷酸鈣玉米施用量從489.64升至625.78 kg/hm2，小麥?zhǔn)┯昧繌?67.32升至1 348.91 kg/hm2），鉀肥幾乎不需補充。

表6 土壤水鹽調(diào)控方案統(tǒng)計

表7 土壤養(yǎng)分調(diào)控方案統(tǒng)計

4.2 應(yīng)用效果分析

4.2.1 水鹽限制變化

3 a來，案例區(qū)土壤含水量全年平均從16.21%降至14.61%，飽墑、適墑和黃墑?wù)急扔兴陆?，干旱占比有所增長（表2），限于水源匱乏，無論從時間還是空間上缺水干旱限制仍然嚴(yán)峻，但亦需注意關(guān)鍵時期（如7－8月）可能因降水集中引發(fā)漬澇。土壤含鹽量總體呈下降趨勢，3 a共降低0.40 g/kg，脫鹽率達(dá)12.86%，各期同比也有明顯下降（圖3b）；鹽分預(yù)警呈嚴(yán)重和重度下降、中度和輕度上升趨勢（表3），反映出綜合調(diào)控措施所起的作用?？傮w來看，在水源匱乏的情況下，土壤水鹽限制得到一定程度的緩解。

4.2.2 土壤肥力變動

由表5、圖3可見，3 a來，研究區(qū)土壤有機質(zhì)總體增長9.59%，中等占比略降而豐等略升；速效氮先升后降、總體升高1.87%，低等預(yù)警有所減少，中、豐等級有所增長；有效磷總體升高2.89%，高、豐等級有所增長，中和極低等級有所減少；速效鉀總體上雖有所降低（?24.62%），高等級有所減少，但豐等級占比有所增長（6.27%），仍處于較高水平。3 a來，案例區(qū)土壤雖然仍體現(xiàn)著“貧磷少氮富鉀”的特點，但在連續(xù)耕種和調(diào)控管理作用下，土壤養(yǎng)分含量歷經(jīng)先上升后下降、回歸的過程，逐漸趨于穩(wěn)定，空間上趨于更加均衡，土壤肥力總體趨穩(wěn)均衡。

4.2.3 投入產(chǎn)出效益

3 a來，案例區(qū)糧食生產(chǎn)實現(xiàn)了節(jié)本增效（表3）。小麥、玉米產(chǎn)量逐年提高，單產(chǎn)從2013年的4 552.5和4 695.00 kg/hm2，增長到2016年整體超6 000.00和7 000.00kg/hm2（2016年部分玉米青儲、此為折算數(shù)），年均增長10.60%和16.36%，高產(chǎn)地塊小麥玉米分別超7 500、9 000kg/hm2，總體與預(yù)期產(chǎn)量基本一致。從投入來看，水鹽統(tǒng)籌調(diào)控方案與當(dāng)?shù)亟?jīng)驗灌水量（2014－2016年分別為1 800、1 650、1 500 m3/hm2）相比，節(jié)水效果明顯，3 a綜合節(jié)水率達(dá)31.02%；養(yǎng)分平衡調(diào)控方案與經(jīng)驗施肥量相比，節(jié)肥效果顯著，尿素、過磷酸鈣、硫酸鉀綜合節(jié)肥率分別高達(dá)28.69%～63.14%、10.07%～67.98%、97.98%～100%。

4.2.4 生產(chǎn)決策效率

基于調(diào)控體系的應(yīng)用，農(nóng)田生產(chǎn)決策改變過去生產(chǎn)管理無記錄、憑經(jīng)驗、靠估算，決策效率低、不精確、失誤率高的狀況，實現(xiàn)了生產(chǎn)管理按體系進行、流程清晰、決策有依據(jù)、準(zhǔn)確率高，決策效率得以明顯提高。用戶通過數(shù)據(jù)分析從總體上把握農(nóng)田狀況，橫向?qū)Ρ炔煌飰K差異，觀察掌握田塊水肥鹽堿動態(tài)變化趨勢，根據(jù)監(jiān)測數(shù)據(jù)偏離閾值（警界線）情況或基于GIS分級顯示的空間預(yù)警結(jié)果獲得預(yù)警信號（圖2c中），參考調(diào)控決策方案及時實施管理。圖3a中，養(yǎng)分呈現(xiàn)氮磷先上升后降低、鉀總體降低的特征，體現(xiàn)出養(yǎng)分調(diào)控和減肥決策措施逐步發(fā)揮了作用。

5 討 論

農(nóng)田信息監(jiān)測和管理系統(tǒng)建設(shè)是精準(zhǔn)農(nóng)業(yè)發(fā)展的重要方向，快速乃至實時探測農(nóng)田信息是其基礎(chǔ)，但迄今尚無直接檢測土壤化學(xué)成分的有效傳感器，土壤成分高精度實時測定仍是世界性難題[2]。本文旨在利用信息技術(shù)手段推進鹽堿農(nóng)田水肥鹽堿動態(tài)規(guī)律的探索和田間精準(zhǔn)管理水平的提升，通過構(gòu)建模型、研發(fā)系統(tǒng)，取得較好效果。但是，鑒于不同區(qū)域種植制度、種植習(xí)慣不同，且不同作物及品種對水肥鹽堿的需求、響應(yīng)各不相同，今后對不同作物的閾值設(shè)定還需進一步細(xì)化。同時，根據(jù)減量化施肥要求，養(yǎng)分豐缺標(biāo)準(zhǔn)也需進一步研究，根據(jù)具體區(qū)域、土壤和作物情況修正。研究發(fā)現(xiàn)，土壤含鹽量和pH值呈現(xiàn)“鹽降堿升”現(xiàn)象，這與一般的土壤脫鹽過程相似。土壤含水量減少，pH值有增高跡象，兩者似有負(fù)相關(guān)關(guān)系，但并非簡單的函數(shù)關(guān)系。有機質(zhì)在施有機肥特別是雙季秸稈還田作用下有增長趨勢，但后期增長速度由快轉(zhuǎn)慢，與玉米青儲而還田量減少有關(guān)（圖3c）。速效養(yǎng)分受到施肥量、施肥方式、作物吸收以及流失影響，波動性較大，使得調(diào)控意圖在短期內(nèi)難以顯著表現(xiàn)（圖3f、3g、3h）。這些現(xiàn)象都需要繼續(xù)深化研究探討其科學(xué)性。此外，限于黃河客水源可靠度低，管理系統(tǒng)作用的發(fā)揮受到很大限制，建議采取修建水庫或河道攔截方式蓄水備用。

6 結(jié) 論

1）基于WebGIS平臺，利用Silverlight 5與WCF技術(shù)，融合點數(shù)據(jù)監(jiān)測和空間分析方法、可視化技術(shù)，開發(fā)了鹽堿農(nóng)田水肥鹽堿監(jiān)測與管理系統(tǒng)，融合數(shù)據(jù)采集、數(shù)據(jù)管理、統(tǒng)計分析、診斷預(yù)警、調(diào)控決策技術(shù)與實施管理措施形成了“六位一體”的全過程優(yōu)化管理體系，為鹽堿農(nóng)田生產(chǎn)管理提供了一個有效的輔助決策工具。

2）基于統(tǒng)計學(xué)原理和作物水肥鹽堿平衡與脅迫響應(yīng)原理，構(gòu)建了農(nóng)田特征分析、診斷預(yù)警和調(diào)控決策3類15個模型，結(jié)果表明模型數(shù)據(jù)處理分析科學(xué)有效，系統(tǒng)應(yīng)用決策方案符合實際。

3）在無棣縣鹽堿農(nóng)田應(yīng)用表明，管理方案有效緩解了土壤水鹽限制，3a脫鹽率達(dá)12.86%；促進了養(yǎng)分調(diào)控和減肥決策措施作用的發(fā)揮，土壤肥力總體趨穩(wěn)均衡；投入產(chǎn)出效益和生產(chǎn)決策效率明顯提升，2014－2016年綜合節(jié)水率達(dá)31.02%，氮磷鉀節(jié)肥率分別達(dá)28.69%～63.14%、10.07%～67.98%、97.98%～100%，小麥玉米年均增產(chǎn)10.60%和16.36%，接近預(yù)期。

[1] 陳威，郭書普. 中國農(nóng)業(yè)信息化技術(shù)發(fā)展現(xiàn)狀及存在的問題[J]. 農(nóng)業(yè)工程學(xué)報，2013，29(22)：196－205.

Chen Wei, Guo Shupu. Current situation and existing problems of agricultural informatization in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(22): 196－205. (in Chinese with English abstract)

[2] 何東健，楊成海，楊青，等. 面向精準(zhǔn)農(nóng)業(yè)的農(nóng)田土壤成分實時測定研究進展[J]. 農(nóng)業(yè)工程學(xué)報，2012，28(7)：78－85.

He Dongjian, Yang Chenghai, Yang Qing, et al. Research progress of real-time measurement of soil attributes for precision agriculture[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(7): 78－85. (in Chinese with English abstract)

[3] Bongiovanni, Lowenberg Deboer. Precision agriculture and sustainability[J]. Precision Agriculture, 2004, 4(5): 361－363.

[4] Harmandeep Singh, Nitika Sharma. Decision support system for precision farming[J]. International Journal of Computers & Technology, 2013, 4(1): 76－81.

[5] 冀榮華，吳才聰，李民贊，等. 基于遠(yuǎn)程通訊的農(nóng)田信息管理系統(tǒng)設(shè)計與實現(xiàn)[J]. 農(nóng)業(yè)工程學(xué)報，2009，25(增刊2)：165－169.

Ji Ronghua, Wu Caicong, Li Minzan,et al. Development and implementation of field information management system based on telecommunications[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(Supp.2): 165－169. (in Chinese with English abstract)

[6] 許鑫，張浩，席磊，等.基于WebGIS的小麥精準(zhǔn)施肥決策系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報，2011，27(增刊2)：94－98.

Xu Xin, Zhang Hao, Xi Lei, et al. Decision-making system for wheat precision fertilization based on WebGIS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(Supp.2): 94－98. (in Chinese with English abstract)

[7] 杜克明，褚金翔，孫忠富，等. WebGIS在農(nóng)業(yè)環(huán)境物聯(lián)網(wǎng)監(jiān)測系統(tǒng)中的設(shè)計與實現(xiàn)[J]. 農(nóng)業(yè)工程學(xué)報，2016，32(4)：171－178.

Du Keming, Chu Jinxiang, Sun Zhongfu,et al. Design and implementation of monitoring system for agricultural environment based on WebGIS with Internet of things[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(4): 171－178. (in Chinese with English abstract)

[8] 夏于，孫忠富，杜克明，等. 基于物聯(lián)網(wǎng)的小麥苗情診斷管理系統(tǒng)設(shè)計與實現(xiàn)[J]. 農(nóng)業(yè)工程學(xué)報，2013，29(5)：117－124.

Xia Yu, Sun Zhongfu, Du Keming, et al. Design and realization of IOT-based diagnosis and management system for wheat production[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(5): 117－124. (in Chinese with English abstract)

[9] 劉陽春，苑嚴(yán)偉，張俊寧，等. 深松作業(yè)遠(yuǎn)程管理系統(tǒng)設(shè)計與試驗[J]. 農(nóng)業(yè)機械學(xué)報，2016，47(增刊1)：43－48.

Liu Yangchun, Yuan Yanwei, Zhang Junning, et al. Design and experiment of remote management system for subsoiler[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(Supp.1): 43－48. (in Chinese with English abstract)

[10] 隋銘明，沈飛，徐愛國，等. 基于北斗衛(wèi)星導(dǎo)航的秸稈機械化還田作業(yè)管理系統(tǒng)[J]. 農(nóng)業(yè)機械學(xué)報，2016，47(1)：23－28.

Sui Mingming, Shen Fei, Xu Aiguo, et al.Management system for mechanized straw returning based on BDS[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(1): 23－28. (in Chinese with English abstract)

[11] 林蘭芬，王瑞松，于鵬華. 基于GIS的農(nóng)田小氣候環(huán)境可視監(jiān)測系統(tǒng)[J]. 農(nóng)業(yè)機械學(xué)報，2015，46(3)：254－260.

Lin Lanfen, Wang Ruisong, Yu Penghua. GIS based visual monitoring system of farmland microclimate environment[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(3): 254－260. (in Chinese with English abstract)

[12] 孫玉文，沈明霞，張祥甫，等. 基于嵌入式ZigBee技術(shù)的農(nóng)田信息服務(wù)系統(tǒng)設(shè)計[J]. 農(nóng)業(yè)機械學(xué)報，2010，41(5)：148－151.

Sun Yuwen, Shen Mingxia, Zhang Xiangfu, et al. Design of embedded agricultural intelligence services system based on ZigBee technology[J].Transactions of the Chinese Society for Agricultural Machinery, 2010, 41(5): 148－151. (in Chinese with English abstract)

[13] Wei Yichang, Wang Zhenying, Wang Tongchao, et al. Design of real time soil moisture monitoring and precision irrigation systems[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(17): 80－86.

魏義長，王振營，王同朝，等. 土壤墑情實時監(jiān)測與精準(zhǔn)灌溉系統(tǒng)的設(shè)計[J]. 農(nóng)業(yè)工程學(xué)報，2013，29(17)：80－86. (in English with Chinese abstract)

[14] 黃彥，司振江，陶延懷，等. 基于互聯(lián)網(wǎng)的農(nóng)田環(huán)境參數(shù)采集綜合管理信息系統(tǒng)設(shè)計[J]. 中國農(nóng)村水利水電，2016，58(8)：30－33.

Huang Yan, Si Zhenjiang, Tao Yanhuai, et al. Design of farmland environment parameter acquisition and integrated management information system based on the internet[J]. China Rural Water and Hydropower, 2016, 58(8): 30－33. (in Chinese with English abstract)

[15] 于婷婷，朱龍圖，閆荊，等. 農(nóng)田環(huán)境信息采集與遠(yuǎn)程監(jiān)測系統(tǒng)[J]. 中國農(nóng)機化學(xué)報，2016，37(6)：220－225.

Yu Tingting, Zhu Longtu, Yan Jing, et al. Remote collecting and monitoring system of field environment information[J]. Journal of Chinese Agricultural Mechanization, 2016, 37(6): 220－225. (in Chinese with English abstract)

[16] 鄒金秋，周清波，楊鵬，等. 無線傳感網(wǎng)獲取的農(nóng)田數(shù)據(jù)管理系統(tǒng)集成與實例分析[J]. 農(nóng)業(yè)工程學(xué)報，2012，28(2)：142－147.

Zou Jinqiu, Zhou Qingbo, Yang Peng, et al. Integration and example analysis for farmland data management system of wireless sensor networks[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(2): 142－147. (in Chinese with English abstract)

[17] 王星明，楊瑋，李民贊，等. 集成3S，ZigBee和射頻識別的土壤采樣遠(yuǎn)程智能管理系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報，2017，33(增刊1)：143－149.

Wang Xingming, Yang Wei, Li Minzan, et al. Remote intelligent management system for soil sampling based on 3S, ZigBee and radio frequency identification[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(Supp.1): 143－149. (in Chinese with English abstract)

[18] 李振聲，歐陽竹，劉小京，等. 建設(shè)“渤海糧倉”的科學(xué)依據(jù)：需求、潛力和途徑[J]. 中國科學(xué)院院刊，2011，26(4)：371－374.

Li Zhensheng, Ouyang Zhu, Liu Xiaojing, et al. Scientific basis for constructing the “Bohai Sea Granary”: Demands, potential and approches[J]. Bulletin of Chinese Academy of Sciences, 2011, 26(4): 371－374. (in Chinese with English abstract)

[19] 高明秀，李冉，鞏騰飛，等. “渤海糧倉”建設(shè)推進策略分析[J]. 農(nóng)業(yè)現(xiàn)代化研究，2015，36(2)：245－251.

Gao Mingxiu, Li Ran, Gong Tengfei, et al. The promoting strategy analysis on “Bohai Granary” construction[J]. Research of Agricultural Modernization, 2015, 36(2): 245－251. (in Chinese with English abstract)

[20] 孫培芬，王培，劉卉. 農(nóng)田信息管理決策支持系統(tǒng)的設(shè)計與實現(xiàn)：基于Silverlight[J]. 農(nóng)機化研究，2015，37(7)：156－159.

Sun Peifen, Wang Pei, Liu Hui. Design and implementation of farmland information management and decision support system based on Silverlight[J]. Journal of Agricultural Mechanization Research, 2015, 37(7): 156－159. (in Chinese with English abstract)

[21] 陸亞剛，邱知，游先祥，等. 基于SilverLight和REST的富網(wǎng)絡(luò)地理信息系統(tǒng)框架設(shè)計[J]. 地球信息科學(xué)學(xué)報，2012，14(2)：192－198.

Lu Yagang, Qiu Zhi, You Xianxiang, et al. Design and implementation of rich webgis application framework based on Silverlight and REST services[J]. Journal of GEO-Information Science, 2012, 14(2): 192－198. (in Chinese with English abstract)

[22] 農(nóng)業(yè)部. 全國土壤墑情監(jiān)測工作方案（[農(nóng)辦農(nóng)2012]14號）[Z]. 北京：農(nóng)業(yè)部，2012.

[23] 水利部. SL568－2012，土壤墑情評價指標(biāo)[S]. 北京：水利部，2012.

[24] 蔣麗娜，徐姍，常江，等. 持續(xù)淹水對小麥養(yǎng)分吸收動態(tài)和產(chǎn)量的影響[J]. 中國農(nóng)學(xué)通報，2012，28(27)：113－117.

Jiang Lina, Xu Shan, Chang Jiang, et al. The effect of persistent flooding on the kinetic nutrient absorption and output of wheat[J]. Chinese Agricultural Science Bulletin, 2012, 28(27): 113－117. (in Chinese with English abstract)

[25] 雷志棟，楊詩秀，謝森傳. 土壤水動力學(xué)[M]. 北京：清華大學(xué)出版社，1988.

[26] 鮑士旦. 土壤農(nóng)化分析[M]. 北京：中國農(nóng)業(yè)出版社，2000：178－200.

[27] 謝文軍，張衍鵬，張淼，等. 濱海鹽漬化土壤理化性質(zhì)與小麥生產(chǎn)間的關(guān)系[J]. 土壤學(xué)報，2015，52(2)：461－466.

Xie Wenjun, Zhang Yanpeng, Zhang Miao, et al. Relationships between soil physichemical properties and wheat production in coastal saline soil[J]. Acta Pedologica Sinica, 2015, 52(2): 461－466. (in Chinese with English abstract)

[28] 薛敏，高明秀，王卓然，等. 環(huán)渤海鹽堿地田塊尺度水鹽時空變異特征[J]. 江蘇農(nóng)業(yè)科學(xué)，2017，45(24)：267－271.

Xue Min, Gao Mingxiu, Wang Zhuoran, et al. Spatial- temporal variability of soil moisture and salinity in Bohai rim region at field scale[J]. Jiangsu Agricultural Sciences, 2017, 45(24): 267－271. (in Chinese with English abstract)

[29] 張同瑞，趙庚星，高明秀，等. 基于近地面多光譜的黃河三角洲典型地區(qū)土壤含鹽量估算研究[J]. 光譜學(xué)與光譜分析，2016，36(1)：248－253.

Zhang Tongrui, Zhao Gengxing, Gao Mingxiu, et al. Soil salinity estimation based on near-ground multispectral imagery in typical area of the Yellow River Delta[J]. Spectroscopy and Spectral Analysis, 2016, 36(1): 248－253. (in Chinese with English abstract)

[30] 張同瑞，趙庚星，高明秀，等. 基于近地多光譜和OLI影像的黃河三角洲冬小麥種植區(qū)鹽分估算及遙感反演：以山東省墾利縣和無棣縣為例[J]. 自然資源學(xué)報，2016，31(6)：1051－1060.

Zhang Tongrui, Zhao Gengxing, Gao Mingxiu, et al. Soil Salinity estimation and remote sensing inversion based on near-ground multispectral and TM imagery in winter wheat growing area in the Yellow River Delta: Case study in Kenli County and Wudi County, Shandong Province[J]. Journal of Natural Resouces, 2016, 31(6): 1051－1060. (in Chinese with English abstract)

[31] 全國土壤普查辦公室. 中國土壤[M]. 北京：中國農(nóng)業(yè)出版社，1998.

[32] 胡順軍，田長彥，宋郁東. 基于土壤飽和入滲理論計算鹽堿地沖洗定額[J]. 土壤學(xué)報，2010，47(3)：563－567.

Hu Shunjun, Tian Changyan, Song Yudong. Calculation of salinity leaching quota based on saturated infiltration theory[J]. Acta Pedologica Sinica, 2010, 47(3): 563－567. (in Chinese with English abstract)

[33] 湯國安，楊昕. 地理信息系統(tǒng)空間分析實驗教程（第二版）[M]. 北京：科學(xué)出版社，2012.

[34] 柳平增. 農(nóng)業(yè)大數(shù)據(jù)平臺在智慧農(nóng)業(yè)中的應(yīng)用：渤海糧倉科技示范工程大數(shù)據(jù)平臺為例[J]. 高科技與產(chǎn)業(yè)化，2015，22(5)：68－71.

Monitoring and regulation management system of water, nutrient and salinity in farmland based on WebGIS

Gao Mingxiu1,2, Zhang Zhi3, Zhao Gengxing1,2※, Li Junhan1,2

(1.,,’271018,; 2.,271018,; 3.430072)

Monitoring the dynamic changes information of water, nutrient and salinity, analyzing and diagnosing, and putting forward regulation and control plan, are the basement of improving the production management level of saline alkali farmland. This paper developed a monitoring and regulation management system of water-nutrient-salt in saline alkali farmland based on WebGIS platform, Silverlight 5 and WCF (windows communication foundation) technology. And the technologies of point data monitoring, spatial analysis, and visualization were fused in the system. A series of models that included 15 models (3 kinds) for characteristics analysis, diagnosis and early warning, and control decision of farmland soil water, fertilizer, saline and alkali were set up. And the models were constructed based on the principle of statistics, the principle of water, fertilizer, salt and alkali balance of crop, and the stress response principle of crop to soil water, nutrient, salt and alkali. The system and the models were integrated and applied. The results showed that a whole process optimization management system of “integration of six aspects” was formed, providing an effective assistant decision-making tool for the production management of saline alkali farmland. The system integrated data collection, data management, statistical analysis, diagnosis and early warning, control and decision-making technology and implementation management measures. The results of data processing and analysis of the models were proved to be scientific and effective, and the system application decision was proved to be realistic. The system was applied in Wudi County, Shandong Province, China. The application results showed that the management plan proposed by the system effectively alleviated the salt and water restriction, and the desalination rate of soil salt reached 12.86% in 3 years. The scheme promoted the role of nutrient regulation and fertilizer reduction decision-making measures, and soil nutrient tended to be stable and balanced in space in general. The input-output benefits and production decision efficiency of agricultural production had been significantly improved. The comprehensive water saving rate in the years of 2014-2016 was up to 31.02%, and the nutrient saving rates of N (nitrogen), P (phosphorus) and K (potassium) were 28.69%-63.14%, 10.07%-67.98%, and 97.98%-100% respectively. Wheat and corn yield increased respectively by 10.60% and 16.36% annually, which were close to the expected. The study also found that soil salinity and pH value showed a phenomenon of “salt lowering and alkali rising”. Soil moisture had a negative correlation with pH value, but it was not a simple functional relationship. The organic matter increased under the effect of applying organic manure, especially the double-season crop straw returning to field, but its later growth rate was slowed down rapidly, which was related to the raising of corn silage and the decrease of organic matter returning to field. The effective nutrient was affected by the amount of fertilizer, the way of fertilization and the absorption and loss of crops, and the fluctuation was large. So regulatory intention in short term was difficult to be realized. All these phenomena need to be further studied and discussed. In addition, due to the low reliability of the Yellow River’s water sources, the role of the system was limited. It is suggested that reservoirs or river interception should be used to store water. The research is helpful to explore the dynamic rule of water, nutrient and salinity in saline alkali soil by means of information technology and improve the precision management in the field.

monitoring; information systems; management; saline alkali land; WebGIS; diagnosis and early warning; regulation and management

2018-04-10

2018-06-13

國家科技支撐計劃項目課題（2013BAD05B06-5）；山東省重點研發(fā)計劃項目（2017CXGC0301，2014ZZCX07106）；山東省高?！半p一流”獎補資金項目（SYL2017XTTD02）。

高明秀，男，博士，副教授，從事土地資源與信息技術(shù)、鹽堿地開發(fā)利用等研究。Email：mxgao@sdau.edu.cn

趙庚星，男，博士，教授，博士生導(dǎo)師，主要從事土地資源與信息技術(shù)等研究。Email：zhaogx@sdau.edu.cn

10.11975/j.issn.1002-6819.2018.17.013

S126

A

1002-6819(2018)-17-0089-11

高明秀，張 治，趙庚星，李俊翰. 基于WebGIS的農(nóng)田水肥鹽堿監(jiān)測與調(diào)控管理系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報，2018，34(17)：89－99. doi：10.11975/j.issn.1002-6819.2018.17.013 http://www.tcsae.org

Gao Mingxiu, Zhang Zhi, Zhao Gengxing, Li Junhan. Monitoring and regulation management system of water, nutrient and salinity in farmland based on WebGIS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(17): 89－99. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.17.013 http://www.tcsae.org