隨著高新技術的應用，基礎硬件的發展，新的物聯網產品不斷推出，以節水灌溉為基礎的高效灌溉開始步入數字化時代。數字化灌溉將是中國灌溉事業未來十年的發展重點，作者對此進行深入分析。帶著對這些問題的探討，我們一起來看看數字化灌溉技術應用未來十年的發展前景。

灌溉網曾經有專文介紹了數字化農業和信息化農業的異同，假如你還理不清，那么請閱讀

《農業數字化與信息化的區別》

把數字農業和信息農業問題再復習一遍。

現在數字化這個概念已經越來越被農業企業人士認可。數字灌溉=數字化平臺+智能化決策系統（智慧灌溉）。是灌溉系統發展的高級階段。數字化灌溉如何發展，關鍵的是看它的決策系統，如果沒有智能化的決策，那么這個數字灌溉系統，基本上說只是一個花架子。

數字灌溉的水肥決策

灌溉要數字化，未來十年，首先需要有一定的硬件設施，包括物聯網的傳感器和云端的服務器計算系統，云端需要或者同時是在邊緣端（田間地頭）需要有水肥決策，要求其必須實現水肥協同。這就要求系統感知農田現有水分狀況和養分狀態，通過作物生長模型模擬水分和養分在土壤、作物中的變化，使水肥營養兩者相互配合、相互協調、相互促進。

未來十年，智能水肥決策需要根據水肥平衡進行決策。系統需要根據作物需水、需肥規律、土壤保水、保肥能力、土壤供肥、保肥特性以及肥料效應，在灌溉的基礎上，合理調配灌溉水中施用氮、磷、鉀和中、微量元素的用量和比例。

采用現代灌溉施肥方式時，特別是高效灌溉的滴灌系統時，需要實行少量多次灌溉的原則。未來的決策引擎按照肥隨水走、少量多次、分階段施用的原則制定灌溉施肥計劃或工作制度。采用天氣、土壤和作物長勢實時數據，把作物灌溉用肥按灌水時間和次數進行分配，充分利用灌溉系統進行施肥，適當增加施肥數量和次數，實現少量多次，精準用肥，提高養分利用率。

實現智能水肥決策的關鍵是能夠準確的判斷出作物的需求，要判斷出作物的需求必須有一套數字化的模擬手段，仿真模擬出整個生育期生長的狀況，根據作物生長的階段給予合適的營養和水分。

人工智能實現對作物的數學模型輸入參數進行分析，自動修正給出合適的模型參數，實現對作物生長過程的數字孿生和精準模擬是未來數字化灌溉的挑戰 。

作物生長孿生數字模型

作物生長模型，過去常說數學模型，就會想到它是由固定公式和數據表示的計算程序。

未來十年，在大數據時代，我們所稱的數學模型不再是固定數據和公式的計算機程序。重要的是計算機程序及其輸入數據也許是隨機的。大量的變量數據和程序模擬表明，作物生長模型的輸入數據不是一些固定參數，但還是有一定的規律可循。也就是說，大數據的基本功能和基本算法在灌溉決策中的應用是數字化灌溉應用的升級版。

可以進一步說，作物數學模型是將大數據應用于作物生長模型的具體體現。事實上，在大數據時代，人們不再研究用固定公式和程序表達的對象數字特征。

十年后要討論的作物生長模型，無法想象在大數據時代，作物模型仍然是一個固定公式，有固定參數，用它還可以得到一個能夠反映真實作物生長的模型。我們應該想象得到，作物生長在現實世界中不可能有固定的增長模式。因為作物生長是一個復雜的過程，影響因素很多，而且這些影響因素也是隨機變化的，所以影響因素的程度和數據，也是一個隨機變量。

在當今大數據時代，農作物的數學模型應該是一個不斷迭代和升級的模型，但它有規律可循。

未來十年后，引入人工智能分析，通過學習足夠數量的樣本，機器可以從數據中訓練出自己構建的模型。人工智能應用到作物生育期判斷中來，通過特定作物生育期的圖像數據，讓計算機自動學習，最終訓練出自動識別作物生育期的能力，從而確定各生育期如何施用肥料。

決策引擎采用人工智能包括機器學習、圖像識別和專家系統等先進技術手段，人工智能技術進行作物缺水、耗水量和大元素營養成分缺失圖像分析，判斷作物缺素或缺水的程度是智能決策平臺技術創新的挑戰。

未來技術的應用

未來十年，數字技術在農業生產上的應用才是智慧農業或者說數字農業的關鍵，其余只能算是IT行業技術之農業行業的應用而已。用遙感技術進行作物產量預測方法將非常流行，同時采用水肥一體化技術提高作物產量的技術發展也很快。

遙感技術在灌溉技術的應用提高作物生長模型的優化精度，很明顯，數字灌溉技術中的作物模型生長期的數據讀取，讓模型更加精準，智能化的決策更加能夠提高作物的產量和品質。

遙感技術應用的作物種植面積比較大，能夠保證在大面積時估算的相對誤差比較少。

精準灌溉技術應用于作物種植的面積相對比較小，需要保證在小面積時候也能夠準確的預測作物的產量或品質。

灌溉技術利用作物模型進行調參作為基礎模型，是采用小面積的，精度更高的無人機或者攝像頭采集現場圖片，通過作物生長圖片進行模型輸入參數預測和調整。

數字灌溉技術作物模型應用的技術手段：

通過傳感器和攝像頭收集溫濕度、土壤水分、CO2和輻射數據，葉、莖、根系和果實生長形態圖像數據并進行作物模型參數校準。

利用機器學習圖像實現生育期的識別。通過土壤水分得到各生長期需水量，得到生長期的需水量規律。找出作物需肥規律，實現按作物產量和品質需要施用的主要元素肥料的決策。

通過水分含量的變化分析得到作物需水量預報數據。

通過大數據分析找出作物對常規肥料的需肥規律。

氣象數據的預測方面

為了預測作物的產量時，采用的是在預測前的，收集到的，所有的數據都可以用現場已經存在的，實測得到的數據，即已經發生的數據。采用這些數據進行作物產量的預報比較可靠。

智慧灌溉技術所采用的氣象數據，多數是預報將會發生的數據，而不是已經存在的，實測的數據，這些數據會影響到作物模型對作物產量預測的準確程度和精度。采用這些數據對作物產量進行預估，會存在隨機的誤差，這個隨機的誤差需要通過技術分析手段消除誤差。

數字灌溉技術必須要關注作物的生長細節同時，應用必須能夠及時補充作物營養給它。按需補充水分和營養成分，從而提高作物的產量和品質是我們的目的。

水肥決策的目的是要實現作物灌溉施肥精準施用的原則。需要根據土壤水分平衡和作物需水規律和水源供水能力，考慮施肥與水分的偶合關系，運用灌溉工程設施、農藝技術、農業機械、生物技術和農場管理等措施，精準、合理調控灌溉用水和用肥，調控土壤水分和養分以滿足作物水分和養分需求。數字化灌溉解決農民的對作物灌水的憂愁。

未來十年后，數字化灌溉發展提高，進一步擴大為數字農業或智慧農業的一部分，數字農業和智慧農業的技術融合，它們彼此難舍難分。這些技術具體包括高階信息化、農業生產自動化、管理現代化、流程標準化、商業多樣化、用戶定制化、渠道扁平化、技術智能化。

未來十年支撐灌溉系統和灌溉決策的智慧化，設備操作自動化的產品不斷涌現出來，大數據和AI發展，結合高新技術，實現灌溉系統云平臺技術的智能應用將成為可能。