基于土壤电导率的水稻侧深变量施肥控制系统研究

《Frontiers in Plant Science》：Study on the variable side - deep fertilization control system for rice based on soil electrical conductivity

本文设计了一种基于土壤电导率（EC）实时检测的水稻侧深变量施肥控制系统，解决了现有施肥装置依赖经验设定、无法根据土壤肥力动态调整导致肥料利用率低的问题。研究通过建立RBF神经网络EC校准模型和增量PID闭环控制算法，实现了精准变量施肥，田间试验验证了系统在EC检测精度（平均相对误差2.70%）和施肥响应（平均响应时间1.28秒）方面的优异性能，为水稻精准农业提供了有效的装备与技术支撑。

　　

1 引言

作为主要的水稻生产国，中国稻田传统上采用固定速率施肥，施用量多凭经验确定，易导致过量施肥，肥料利用率低下。以最常用的氮肥为例，发达国家利用率约为50%–60%，而中国仅为30%–50%。过量施肥不仅降低粮食生产的边际效益、增加投入成本，还对水资源、土壤质量和环境产生不利影响。变量施肥（VRF）系统是精准农业的关键组成部分，能有效减少肥料浪费，同时提高农业生产的经济效益。一般而言，VRF系统由感知（检测）子系统和施肥（应用）子系统组成：感知子系统获取田间理化信息以支持决策，并指导应用子系统执行相应操作。获取此类田间信息的常用方法包括土壤电导率（EC）传感、处方图生成和作物生长状况监测。

土壤EC是表征土壤环境的关键参数，直接反映土壤中的盐分含量，并受土壤各种理化性质的影响。近年来，由于土壤EC的经济可行性和实用性，它作为评估土壤肥力和生产力的有效指标，越来越多地应用于变量施肥系统的检测子系统中。

2 土壤EC检测系统研究

为建立土壤EC检测系统的校准模型，研究了土壤EC在不同影响因素下的响应规律，并基于RBF神经网络建立了土壤EC校准模型。

2.1 土壤EC_a检测原理

常见的土壤表观电导率（EC_a）检测方法主要包括电流-电压法、土壤浸提法、时域反射法（TDR）和电磁感应法。由于本检测系统主要工作环境为水田，田间条件复杂，EC检测系统不得干扰水稻插秧机的作业，且其安装位置限于单个车轮。电流-电压法具有灵敏度高、集成能力强等特点，因此本系统采用基于电流-电压法的土壤EC_a测量方法。

2.2 土壤EC对不同因素的响应规律研究

为探究土壤EC在不同影响因素下的响应规律，需识别影响EC测量的主要因素。先前研究表明，土壤温度、土壤含水量和电极插入深度均与EC相关。因此，本研究选择这三个因素研究其对EC的影响。

2.3 PSO–RBF土壤EC校准模型的构建

为最大限度减少不可控环境因素的干扰，采用具有强大处理非线性关系能力的径向基函数（RBF）神经网络构建土壤EC校准模型。确定系数（R2）和均方根误差（RMSE）作为模型的性能评价指标。建立了三层RBF神经网络（输入层、隐藏层和输出层）来开发基于电流-电压法的土壤EC校准模型。选择土壤温度、电极插入深度、土壤含水量和土壤EC_a作为四个输入变量，输出层包含一个神经元，代表优化后的土壤EC。为进一步增强模型的全局优化能力，引入粒子群优化（PSO）算法来优化RBF网络的参数。

3 变量施肥系统设计

3.1 施肥系统结构设计

以久保田水稻插秧机为主体，改进形成水稻插秧同步侧深施肥一体机。信息感知单元中的温湿度传感器和深度检测传感器负责实时监测机器作业时的土壤状况和耕深，与EC_a检测模块的信号一起作为主控单元的输入。编码器持续监测排肥状态并将信息反馈给肥量控制系统，形成闭环控制机制。

3.2 施肥量模型的建立

施肥量计算主要采用养分平衡法、养分丰缺指标法和肥料效应函数法。其中，养分平衡法通过测量土壤养分含量及相应的基础产量来估算土壤养分供应能力。与其他两种方法相比，土壤养分含量与土壤EC显示出更强的相关性。因此，本研究采用养分平衡法计算施肥量。

3.3 施肥控制系统闭环控制算法

PID控制算法作为一种经典的反馈控制方法，有多种类型以适应不同的系统需求。增量PID控制在工程实践中具有结构简单、易于实现、参数整定和维护相对方便等优点。相比之下，模糊控制、模型预测控制等先进控制方法在复杂工况下通常具有更强的适应性，但其算法复杂度更高，对计算资源和实现条件要求更高，难以在大规模农业生产中实现稳定、实时的部署。因此，本研究选择增量PID作为驱动电机的闭环控制策略。

4 结果与分析

4.1 EC检测精度测试

为评估土壤EC校准模型的性能，进行了田间精度测试。结果表明，基于车载系统传感器信号，使用PSO–RBF模型估算的土壤EC生成的插值图与使用浸提法获得的土壤EC数据生成的插值图，其空间分布特征总体一致，且均随土壤温度和含水量变化呈现规律性变化。将参考EC值与EC校准模型输出的电导率进行比较，RMSE为16.3 μS/cm，平均相对误差为2.70%。

4.2 变量施肥控制系统响应性能测试

为验证变量施肥系统控制器的响应时间和施肥机构的一致性是否满足设计要求，进行了动态测试。测试包括排肥器一致性测试和变量施肥控制系统响应速度测试。

4.2.1 排肥器一致性测试

为验证变量施肥系统中施肥机构的一致性，在室内施肥试验台上进行了测试。使用该系统，各行排肥量变异系数最大为3.98%，平均变异系数为3.08%，均低于标准规定的13.00%限值。这表明所有行的排肥均匀稳定。

4.2.2 变量施肥控制系统响应速度测试

为验证变量施肥系统的响应速度和精度，进行了响应测试。测试结果表明，在增量施肥作业条件下，系统表现出理想的动态特性。施肥量随电导率输入信号的增加而减少，实际施用量与实时施肥模型计算结果之间的误差小于5%。最大响应时间为1.60秒，平均响应时间为1.28秒。

4.3 田间试验

为评估系统作业稳定性和变量施肥效果，进行了田间试验。结果表明，对于两个试验田，常规施肥量本应为387 kg/hm2和450 kg/hm2。应用变量施肥系统后，实际施用量分别为347 kg/hm2和385 kg/hm2，减肥率分别为10.34%和14.44%，平均减肥率为12.39%。这表明系统在作业过程中能有效节约肥料，显著降低生产成本。

5 讨论

所开发的稻株变量侧深施肥系统集成了多传感器数据融合，包括双电极EC传感器、超声波传感器和温湿度传感器，以实时监测稻田条件。系统通过基于PSO–RBF的校准模型校正表观土壤EC_a，并基于施肥决策模型确定施肥量。

6 结论

本研究开发了一种基于多传感器数据融合和PSO–RBF土壤EC校准模型的水稻变量侧深施肥系统。该系统实现了精确的EC校正、可靠的控制性能和稳定的肥料输送。田间验证显示，土壤EC校正的平均相对误差为2.70%，平均节肥率为12.39%。所提出的系统为水稻施肥的机械化和智能化提供了理论和技术基础，为基于土壤EC的变量施肥的实际应用提供了一种可行的方法，有助于提高肥料利用效率，促进农业可持续发展。