传感器模型驱动精密灌溉的控制策略

文摘

提高农业灌溉系统的效率大大有助于可持续水资源管理。这个改进可以通过一个自动灌溉系统,包括实时控制策略的基础上,水,土壤和作物的关系。本文提出了模型驱动控制策略应用于一个灌溉系统,为了使大型农田用水的有效利用,也就是说,应用在正确的地方正确的水量在正确的时刻。该模型使用一个感官土壤湿度和气象变量预测算法,以确定最佳的作物所需的水量。这个建议的方法是基于实证评估与传统的灌溉系统的定义时期和一个基本的土壤湿度控制系统。结果表明,使用模型预测控制在一个灌溉系统实现更高的效率,显著降低水的消耗。

1。介绍

全球农业代表主要的水消费;本部门使用大约70%的全球可用的淡水资源,主要是在作物灌溉活动。世界平均水平的农业灌溉效率约为50% - -60%,主要是由于管理不善的自然资源(1]。水资源管理不足导致不仅浪费这一至关重要的液体,也显著减少对作物生产力。

精密灌溉是指根据作物灌溉调度的管理要求。应用于作物的水量是基于测量土壤、作物和天气变量反映植物的状态(2]。精确灌溉的主要目标之一是水的增加效率,减少能源消耗,和农作物产量的最大化,通过使用无线传感器网络等技术,移动设备、遥感、实时控制和信息系统。

如今,大多数的商业自动化灌溉系统提供的市场(Acclima绿啄木鸟,水印,十边形)编程灌溉在预定义的时间的时间间隔。灌溉计划的定义是离线的,它通常是基于用户经验知识对作物的需求,土壤特性以及天气因素(3]。一些农民使用作物蒸散()数据来确定灌溉计划。蒸散是水丢失引起的土壤表面蒸发和作物蒸腾;因此应用用于补充水量的水被植物和环境。最近,市场出现了新的商业自动控制器控制水的使用,根据土壤水分测量通过实现闭环控制灌溉。这些控制器激活灌溉土壤水分传感器检测时在一个预定义的下限阈值和禁用灌溉如果土壤湿度高于上限(4,5]。开关控制也可以实现基于直接植物树冠测量,如作物水分胁迫指数可以通过测量空气和树冠的温度,以及大气蒸汽压(6]。然而,由于实际困难在获得实时测量树冠,很难找到任何商业灌溉控制器根据直接测量。

近年来,农业工程师和控制社区已经增加了他们的分析和实现实时闭环灌溉控制系统,由于使用精密灌溉控制技术已经证明获得的大量的水储蓄。两个主要的研究方法可以观察到在这个领域:建模和实现。

对于第一种方法,重点是分析土壤的动力学,作物,天气条件为了正常灌溉过程模型。文献[7)实现了一种无线传感器网络自动化葡萄栽培灌溉系统;工作侧重于建模过程动力学使用水平衡模型提出的(8]。在[2]soil-plant-atmosphere模型被开发来模拟水运输在作物领域和设计和测试基于模型的灌溉控制策略如PID (Proportional-Integral-Derivative)控制和MPC(模型预测控制)。文献[9)提出了一种预测控制算法调度灌溉事件和使用测量天气数据来评估仿真模型。文献[10]调查土壤水分传感器定位和准确性可能如何影响土壤水分的性能基于表面在不同条件下滴灌调度。然而,一般来说这些方法并不处理系统实现时的实现细节大型农田。

第二个研究方法主要涉及集成等技术的无线传感器网络,实时控制器,实现自动灌溉系统和信息系统。在[11自动灌溉系统,基于无线网络的土壤水分和土壤温度传感器,开发优化水用于农作物;系统评价在有机鼠尾草温室湿度或温度激活开关灌溉控制。在[12)商业种植园进行不同的实验为了管理灌溉基于土壤水分测量验证可行性实现开关控制伍迪和蔬菜作物。在[13一个无线传感器网络开发获取字段土壤属性数据(土壤水分、导电性和土壤温度),相对于预定义的阈值,因此激活或停用滴灌。在[14)自动闭环灌溉控制系统是在灌溉决策是网站开发的基于反馈土壤水分条件下,通过控制开关时间喷水灭火喷嘴组。虽然这些方法考虑详细的实现问题,但不包括过程动力学模型,因此控制器设计简单和经验。

工作提出了本文描述的实现一个自动精密灌溉系统考虑模型驱动方法,实验过程动力学的识别和验证,以设计一个预测算法实现了一个嵌入式系统平台,实现优化用水农业活动。这项工作扩展了初步结果(15),一个闭环灌溉模拟模型预测控制策略。本文数学模型细化和验证实验,预测算法实现在嵌入式平台为了自动化滴灌字段,和结果评估作物比较典型的商业上可用的方法。

模型预测控制(MPC)是一种基于数值优化的最优控制策略在一个有限的视野,为用16]。MPC需要一个沉重的计算负载实现优化,在控制输入和未来预计使用过程反应的数学模型和优化根据代价函数。模型预测控制提出了适合大型配水系统的技术。在[17),MPC用于生成流控制策略从水源到消费者和灌区实现安全卷在大坝和流控制稳定。在[18),提出了一种分层系统控制灌溉运河,在一个集中的预测控制器控制流入运河和协调本地控制器通过修改设定值。在[19],MPC是用来保持导航的水位运河水位同时减少偏差。在建议的方法预测算法最小化控制信号(有效灌溉),同时保持特定的阈值(避免水分胁迫)下土壤水分和考虑外部扰动(蒸散)预测过程动力学。

本文的其余部分的结构如下。部分2介绍了水文平衡,蒸发蒸腾和土壤湿度的概念。然后,在节3正式定义的过程模型和控制器设计策略的定义。部分4介绍了模型参数估计基于直接测量土壤水分和天气状况,同时也介绍了预测模型的计算结果与传统的灌溉系统基于时间的定义和基本的土壤湿度控制系统。最后,部分5总结了纸。

2。预赛

2.1。水文平衡

农业灌溉系统的动态过程可以被描述为使用水文平衡模型(8]。这个模型建立,改变水储存在一个时期在一个特定的位置是水流入的结果(灌溉、降水、和毛细上升)-水外流(蒸发,植物蒸腾,水径流和深层渗透),如图1。

利用土壤水分为了测量领域蓄水,水文平衡动力学可以被定义为 在根区土壤水分变化在哪里取决于有效的灌溉、降雨毛细上升、作物蒸散、深渗透由于径流和水外流。

如果一个干燥平原灌溉土地面积是,(假设没有降雨),(假设没有深水用于毛细上升),和(假设没有径流由于平原土地)术语可以被从水平衡,和简化动力学可以表示为 在土壤水分变化仅仅依赖于有效的灌溉、作物蒸散,深度渗透。

2.2。土壤水分蒸发蒸腾损失总量

作物蒸散代表水丢失引起的土壤表面蒸发和作物蒸腾。蒸散率通常是用毫米(mm)表示每单位时间(通常是天)。表达率的水量损失从剪裁表面单位水的深度。土壤水分蒸发蒸腾损失总量的1毫米/一天相当于每天10000升每公顷的丧失。

作物蒸散取决于天气因素和作物特性(作物类型、发展阶段)。根据(8),可以计算任何作物的需水量增加天气因素的蒸散系数取决于作物特定特征,如用 在哪里是恒定的作物系数取决于作物类型和发展阶段;这个常数是全球皆知,它是独立于环境条件。参考蒸散只取决于气象参数,它可以通过使用联合国粮农组织Penman-Monteith方法(20.),这就需要测量太阳辐射、风速、空气温度和空气相对湿度变量。

2.3。土壤水分

在农业土壤水分具有重要的作用。土壤水分是指数量的水在土壤中,它被描述为体积含水量()。体积含水量()水的体积为一个特定的体积百分比: 在哪里是体积单位的含水量为一个特定的样本吗是样本总量(土壤+水+空气)。

在任何作物,土壤水分需要维护以上永久萎蔫点和低于田间持水量。永久萎蔫点是植物的土壤水分水平不能再从土壤中吸收水分。田间持水量的量水储存在土壤重力水的体积后排水。可用的水容量土壤水是作物,可用和它代表的土壤水分范围值,高于永久萎蔫点低于田间持水量,如图2。点低于田间持水量在作物成为强调被称为最大允许损耗(疯了);低于这一水平的作物能够接收水从土壤;然而一段时间后它将成为压力。这个值表示为百分之一可用的水容量,通常代表了50%的作物。

田间持水量和永久萎蔫点深受土壤结构类,(21];例如,粉砂壤土类型的土壤(经常用于农业用途)典型值的范围来体积含水量对可用的水容量。

3所示。材料和方法

3.1。植物动力学模型

基于水文平衡(2),灌溉系统的动态过程可以被描述为一个框图和两个输入(有效灌溉和参考蒸散)和一个输出(土壤水分),如图3。

请注意,参考蒸散()是用来代替作物蒸散(),因为只取决于外部气象参数。另一方面,的结果繁殖作物系数()根据(3),所以它是假定是一个常数,属于内部过程动力学的灌溉系统。还要注意,深度渗透不存在的,因为它假定水渗流的灌溉系统显然是土壤水分(成正比7),然后(2)可以写成 在哪里是一个常量值表示土壤水分之间的比例关系和深度渗透,从一开始就代表了时滞的灌溉,直到传感器检测到一个土壤水分的变化。

由于一个离散的模型是必需的,然后通过使用欧拉近似土壤水分的变化 在哪里采样间隔。使用(6)(5),是由离散时间动态 没有普遍性的损失,,可以作为前三个离散系数,吸收系数,,。也认为明显比。

现在(7)可以通过使用一阶状态空间表示为新配方 在哪里,,系数定义的动态过程,可以从直接测量获得的蒸散,土壤水分,有效的灌溉。

3.2。系数估计

尽管土壤水分动力学可以定义为一个众所周知的随机微分方程(2),大面积的土壤水分变化估计是高度复杂的,由于测量以及大空间变化过程的存在(灌溉、渗透、蒸发蒸腾等),不同空间和时间(22]。由于土壤水分具有高度非线性行为,因为测量土壤水分变化的空间规模小如米。此外,排水率取决于地形变化,水运动取决于大规模异构性,几乎可以被量化,甚至蒸散变化空间由于土壤和植被变化和及时。因此系数,,从(8)是时变和难以估计。

然而,土壤水分通用动力公司是简单直观;参见图4。灌溉增加了土壤水分饱和水平。然后多余的水正在迅速枯竭,直到达到田间持水量。低于田间持水量,水分是撤回以较慢的速度,根据作物蒸散。因此,土壤水分的斜率代表白天水枯竭率高(高)在夜间和低(低)。当土壤湿度到达凋萎点,植物不能再从土壤中提取的水。下面凋萎点消耗的速度更慢,主要取决于土壤特性。

因此,为了简化动力学模型,使一个适当的参数估计,并降低复杂性造成的空间和时间变化的测量,两个因素进行了进行模型识别过程:(我)土壤水分测量可能涉及一大群节点分布在一大片土地;因此,为了获得一个代表灌区土壤水分值,需要数据聚合方法总结一群土壤水分传感器提供的信息。根据(23测量精度是大大改善时,增加土壤水分传感器的数量。(2)自从crop-water-soil动力学不同取决于土壤体积含水量水平在图中指定4,然后参数估计,,得到每一层;即对应于一组参数水平低于永久萎蔫点,另一个可用的水位(田间持水量和永久萎蔫点之间),和另一个重力水的水平。在每个水平被认为是定常参数。

系统辨识的目的(8)是写成 然后(9)可以简化为 在哪里 是解释变量向量,可以从直接测量获得是已知的输出和估计参数向量。

假设有一个估计的参数向量;然后在时间评估可以获得的 的最小二乘估计在哪里最小化代价函数定义为 扩大二次项 因为在最小二乘,然后运用偏导数(14)可以估计参数向量 在哪里

现在,递归最小二乘法用于缓解实现实时算法。递归最小二乘法是一个在线实现的最小二乘法估计参数预测和纠正利用当前测量(24)的形式 在哪里先验估计误差和吗是适应增益,可以更新

通过使用(17)和(18),可以实现离线算法来估计系数,,所示的算法1。

执行这个递归算法后的样品直接获得的过程;因此和是已知的和可用的。目前估计等于之前的估计加一个修正项。偏差的修正项正比于实际观察到的预测值。适应获得更新在每个迭代中实现快速收敛。最后,系数是来自最后评估的循环。

3.3。模型预测控制

实现闭环灌溉系统的控制器,模型预测控制(MPC)技术的使用是为了减少控制信号(有效灌溉),同时保持特定的阈值(避免水分胁迫)下土壤水分和通过考虑外部扰动(参考蒸散)算法2)。图5显示了一个反馈回路的控制目标是使土壤含水量在一定的门槛,为了有一个健康的和富有成效的作物。因此,过程变量是土壤水分,是参考价值(土壤湿度设定点)和错误值获得的结果之间的差异过程中价值和参考价值。

灌溉系统的环境影响因素建模作为一个外部干扰,所以参考蒸散代表了干扰信号影响的过程。通过了解扰动模型,那么系统可能预测干扰效果和反应之前,这些效应影响过程的输出。

鉴于一个闭环的灌溉系统的动态模型定义为(8),控制器知道由于在线估计内部过程动力学模型获得(17利用递归最小二乘法)。在控制器内,数值优化算法是基于当前执行误差和干扰的测量;这些信息应用于内部模型和找到一个最优解在有限的范围内,以下哪一个二次成本函数最小化基于误差和控制信号, 在矩阵是半正定矩阵是正定,代表了重量的误差和控制行动,分别在成本函数。同时,和分别表示预测的误差和控制工作在执行。

最优输入序列最小化的问题用 受 灌溉在指定的时间在哪里只能有两个值;灌溉是(= 0)或(=)。土壤水分值由传感器提供的测量范围限制。

算法决定了“当”开始灌溉和水作物需要“多少”。因此,最优输入序列通过调节土壤水分低阈值和灌溉期最优值。

该算法从通过阅读当前土壤湿度值、灌溉、和参考蒸散;这些被认为是初始条件和代表,,。然后,对于每一个预定义的值的组合土壤水分低阈值向量和灌溉期向量,该算法估计序列的下一个状态的预测有限的地平线,而更新输入,应用控制规则,计算总成本。最后,该算法找到最优的组合和提供最好的控制规则,以确定最优输入序列。

4所示。实验和结果

4.1。实验平台设置

实验平台由一个描述的数据采集和控制系统(25),模块化和可扩展的设计方法被认为是为了提供不同级别的访问不同的数据内容。在较低的层面上,从传感器原始数据是可用的,上级更精炼和巩固信息可从系统中获取。实验平台分为三个访问级别(字段、数据和用户),它能够控制四个灌区,如图6。

在领域层面,有四个灌溉可以控制的区域,其中每个区域包括两个传感器节点和一个执行器节点。天气请注意,只有一个节点可用于四个灌区,由于环境变量几乎完全相同的值字段。执行器节点控制灌溉水流阀和措施;同时每个传感器节点包含三个土壤水分传感器测量体积含水量在作物根级别。天气传感器和执行器节点是用低成本实现董事会Arduino单片机ATmega328大型基础(https://www.arduino.cc/)。土壤测量是由使用十边形设备(http://www.decagon.com/10)商品体积含水量传感器,如图7。传感器位于作物根水平,测量范围从0%到60%的体积含水量校准时,分辨率为0.1%。致动器的节点(见图7)一个雨鸟的灌溉阀(雨鸟公司,http://www.rainbird.com/)是用来激活或禁用田间灌溉,和猎人流同步(http://www.hunterindustries.com/)传感器是用来测量水流。天气节点被用来计算参考蒸散从环境变量根据Penman-Monteith,十边形PYR传感器测量太阳辐射,从十边形的戴维斯杯风速计测量风速,和十边形VP-4传感器用来获得空气温度、空气相对湿度,气压,如图8。

在数据层面,一个无线传感器网络(WSN)是实现控制节点产生聚合信息来自不同传感器的原始数据。内部IEEE 802.15.4标准提供服务的基础上实现无线个域网的基础通信协议(http://www.zigbee.org/)。无线个域网已成为无线传感器网络的实际标准由于低成本,低功耗和小通信数据包大小。由射频无线通信元素实现数码网络国际Xbee (https://www.digi.com/)收发器运行在2.4 Ghz的数据率9600个基点,开放田地覆盖率为1.6公里。控制器节点的主要元素是一个高性能单片机芯片内dsPIC33F Explorer 16板(http://www.microchip.com/);参见图8。控制任务执行Erika实时内核(Erika企业,http://erika.tuxfamily.org/);单片机的实时内核提供了能力安排几个期刊的任务。该模块具有双重网络访问,因为它与无线传感器网络通信,还包括一个远程通信访问与数据服务器通过GPRS标准。GPRS元素由一个SIMComm SIM900 (http://www.sim.com/)集成电路实现了调制解调器的功能。

在用户层面,数据服务器模块是实现多核戴尔PowerEdge服务器(http://www.dell.com/),包括web服务、互联网接入和数据库,以存储历史信息从中央模块可以位于偏远地区。数据库是实现通过开源平台Django (https://www.djangoproject.com/)。用户可以通过网页访问的数据。

4.2。植物动态验证

过程动态数据(土壤水分、参考蒸散和灌溉)被21天的数据采集系统。第一个实验场对应的灌溉面积近似20×10米;六个传感器节点分布在字段。滴灌是为了水被草覆盖面积;灌溉过程是手动激活与不同的时间在不同天为了值低于永久萎蔫点直到饱和。传感器位于震源深度20厘米来测量土壤水分在草根层面。草的过程识别使用,而不是一个特定的作物,因为草;也就是说,。

数据被捕获后,离线递归最小二乘算法定义的(17)和(18)是在Matlab上执行(http://www.mathworks.com/)为了获得过程动力学系数,,,每一个三个水位体积:(我)重力水(超过田间持水量):取决于动力学过程高的价值,而没有影响;在灌溉瞬间有很大的影响。(2)可用水资源(低于田间持水量,以上永久萎蔫点):动态过程取决于主要,但也有影响;也有类似的影响在重力水平。(3)无效水(低于永久萎蔫点):取决于动力学过程低价值和没有影响;相比与其他的影响也相对较低的水平。

一旦得到了模型系数,估算模型与直接测量验证。在相同的实验场,验证运行进行了随机治疗10天在每一个月的4月,5月,6月,7月和8月。图9显示了天结果对应于6月;可以看到流程模型产生一个良好的估算土壤水分的行为与相关系数,平均价值五个月,如表所示1。

4.3。评估方法

自动灌溉系统的目的是使一个有效的使用水和能源运用适量的水,在正确的时间在正确的位置,以避免,两、作物水分胁迫和水浪费。提出了许多不同的商业和研究方法;在分析基于这些方法如何应用控制工程实现自动灌溉系统,五种不同的治疗方法被定义为目的的这项工作。

0级(经验开放循环灌溉)。没有自动化的元素,灌溉是手动进行基于经验和劳动的农民。这种方法仍然是广泛应用于今天的农业。这种方法不考虑评估。

1级(基于时间的开环灌溉)。激活的自动化系统由一个计时器的泵和阀门在预定义的基础上;没有使用传感元素。基于农民灌溉决策定义离线和经验知识。

2级(前馈开环灌溉)。在这种类型的策略控制器适用于灌溉补充水消耗的作物和环境。灌溉系统必须能够通过使用传感系统测量作物蒸散或收购来自公共附近气象站的数据。典型的农民每周进行这个过程。

3级(闭环灌溉)。控制器适用于灌溉,当传感器检测到测量低于一个预定义的阈值低,已经达到一个高阈值时停止灌溉。典型土壤含水量作为测量变量。

四级(基于模型的闭环灌溉)。控制系统包含了描述过程动态数学模型,并使用前馈和反馈策略实施先进控制律,实现最优的解决方案。一个模型预测控制算法实现为了寻找一个最优灌溉输入序列的基础上(20.)和(21)。

4.4。结果与讨论

第二个实验场对应的四个连续灌溉方面大概20×10米,总面积为80×10米,为了评估四种灌溉方法。土壤的类型是一样的在第一个试验田,并且两个字段都是在同一物理位置。滴灌是用于水青椒作物。惠普3/4水泵的最大流量170升每分钟是用来提供灌溉用水;每个区域有一个开关阀激活灌溉。每个灌溉区域包含70沥干架为了提供560升/小时的区域;总共有6个土壤水分传感器位于每个区域,见图10由红白的圆圈表示。评价是在9月和10月的几个月进行的。实验场位于德里西亚斯城外,吉娃娃,在墨西哥(经度,纬度:28.169149:−105.502768)。

比较了四种评估灌溉方法的积累误差和控制工作。在这两种情况下,价值越低性能就越好。

积累误差表明良好的系统是保持土壤水分水平接近的参考价值。最大允许损耗水平(疯狂)被认为是过程设定值或参考价值,低于这个水平以来作物变得紧张和上面的水可能被浪费。错误显示了当前土壤湿度值和设定值之间的区别,用体积含水量的百分比表示(VWC)所定义的(4)。积累误差代表的总和在评估期间在采样时刻的错误。

控制努力表明有效的系统,以减少水的消耗。控制工作是由有效的灌溉和表达升水应用于作物。

被定义为积累误差和控制工作 在哪里是评估一次,之间的区别是土壤水分的参考价值和过程输出(当前土壤湿度)在即时吗,有效控制信号(灌溉)在即时吗。采样周期这个评估是两分钟,MPC有限的地平线是一个星期。的时滞从(8)= 20分钟和矩阵和从(19)的值和分别是为了给更多的重量控制动作(灌溉)而不是错误,由于主要目的是节约用水。

在30天的评估周期,用水量结果为每个评估方法如表所示2。第三列表示保存水通过四级的比例与其他方法相比。

在图11用水量的演变为每个方法是观察到的第一个15天的评估期。

灌溉减少误差结果和四级误差百分比相比与其他方法如表所示3。

在图12灌溉的进化错误为每个方法是观察到的第一个15天的评估期。

一般四级方法(MPC控制器)提供了最好的性能考虑引用误差和控制工作参数。MPC控制器的实现需要一个密集的计算负载;然而,高性能嵌入式设备和实时内核支持复杂算法的实现,如所需的MPC控制器。也相对缓慢的过程动力学的灌溉系统有助于实现一个实时预测控制策略。

5。结论

本文提出了使用模型驱动精密灌溉的控制策略。考虑到灌溉系统的动态过程可以用水文平衡模型,描述蒸发蒸腾和土壤水分变量可以感觉到为了实现一个模型预测控制(MPC)最小化控制信号(有效灌溉),同时保持特定的阈值(避免水分胁迫)下土壤水分和考虑外部扰动(参考蒸散)预测过程动力学。

递归最小二乘算法被用于估计模型系数。这些系数已经验证通过灌溉系统的直接测量。然后提出了预测控制策略在嵌入式平台上实现,为了评估拟议的灌溉方法对农民所使用的传统方法。实验结果表明,模型预测控制策略的使用在一个灌溉系统达到一个更高的控制效率,显著降低控制努力(用水)。

未来的工作将集中在直接获得植物进行在线参数估计算法和测量通过成像设备为了评估作物发展和MPC模型中包含这个元素作为一个变量。

相互竞争的利益

作者宣称没有利益冲突有关的出版。

确认

作者要感谢“洋底Mixto德持有la Investigacion Cientifica y Tecnologica CONACyT,“▽Estado de吉娃娃,墨西哥,”资助这个项目。

引用

1. 联合国教科文组织水在一个变化的世界:联合国世界水资源发展报告3联合国教科文组织发布,巴黎,法国,2009年。
2. r·罗梅罗液压的建模和控制soilplantatmosphere连续木本作物[博士。论文)、系统工程、自动,塞维利亚大学,2011。
3. r·罗梅罗j·l·Murielb Garciab,和d·穆尼奥斯de la Penac”研究自动灌溉控制:最先进的和最近的结果,“农业水管理卷,114年,页59 - 66,2012。视图:出版商的网站|谷歌学术搜索
4. b . Cardenas-Lailhacar m . d .公爵和g·l·米勒,“基于传感器的自动化灌溉bermudagrass,在潮湿的天气条件下,“灌溉和排水工程》杂志上,卷134,不。2、120 - 128年,2008页。视图:出版商的网站|谷歌学术搜索
5. b . Cardenas-Lailhacar m . d .公爵和g·l·米勒,“基于传感器的自动化灌溉在bermudagrass干燥的天气条件下,“灌溉和排水工程》杂志上,卷136,不。3、184 - 193年,2010页。视图:出版商的网站|谷歌学术搜索
6. 伊斯坦布尔~圣文亚当,y l .后面瞎跑,伊斯坦布尔~圣文亚当et al ., t .“作物水分胁迫指数评估滴灌灌溉调度的西兰花(芸苔属植物oleraceal . var。italica),“农业水管理,卷98,不。1,第156 - 148页,2010。视图:出版商的网站|谷歌学术搜索
7. 美国Ooi i Mareels:厄尔·g·邓恩,g·托马斯,“葡萄栽培田间灌溉系统工程方法”《17 IFAC世界大会首尔,韩国,2008年7月。视图:谷歌学术搜索
8. r·艾伦·l·佩雷拉、d . Raes和m·史密斯,作物蒸散:准则计算作物水分需求,粮农组织灌溉和排水纸56,联合国粮食及农业组织(粮农组织),罗马,意大利,1998年。
9. 美国萨利姆,b . Kithsiri l .悦m . Halmamuge和h . Malano“实时灌溉调度模型预测控制,”学报第4 IFAC会议建模和控制农业埃斯波,芬兰,2013年。视图:谷歌学术搜索
10. k . x Soulis、美国Elmaloglou和n . Dercas”调查的影响土壤水分传感器定位和基于土壤水分精度滴灌调度系统中,“农业水管理卷,148年,第268 - 258页,2015年。视图:出版商的网站|谷歌学术搜索
11. j·古铁雷斯,j . f . Villa-Medina a . Nieto-Garibay和m . a . Porta-Gandara”自动灌溉系统使用无线传感器网络和GPRS模块,“IEEE仪表和测量,卷63,不。1,第176 - 166页,2014。视图:出版商的网站|谷歌学术搜索
12. h . Navarro-Hellin r·托雷斯- f . Soto-Valles c . Albaladejo-Perez j . A . Lopez-Riquelme和r . Domingo-Miguel”无线传感器有效的灌溉用水管理架构,”农业水管理卷,151年,第74 - 64页,2015年。视图:出版商的网站|谷歌学术搜索
13. 李z n . Wang t . s .香港a·弗兰岑和j·n·李,“闭环滴灌控制使用混合无线传感器和致动器网络,”中国科学信息科学,54卷,不。3、577 - 588年,2011页。视图:出版商的网站|谷歌学术搜索
14. y金、r·g·埃文斯和w·m·球队“闭环评价特定站点的灌溉与无线传感器网络,”灌溉和排水工程》杂志上,卷135,不。1,25-31,2009页。视图:出版商的网站|谷歌学术搜索
15. c . Lozoya c·门多萨l . Mejia et al .,“模型预测控制闭环灌溉,”《19 IFAC世界大会开普敦,南非,2014年8月。视图:谷歌学术搜索
16. j . Maciejowski预测控制与约束,Prentice Hall,伦敦,英国,2000年第1版,。
17. 诉Puig, c . Ocampo-Martinez j . Romera et al .,”模型预测控制相结合的灌溉和供水系统:应用到瓜迪亚纳河”学报》第九届IEEE国际会议上网络、传感和控制(ICNSC 12),第90 - 85页,北京,中国,2012年4月。视图:出版商的网站|谷歌学术搜索
18. a . Sadowska b .德舒特,P.-J。范Overloop”Delivery-oriented灌溉渠的分级预测控制:事件驱动和一个完全时间驱动方法,项目”IEEE控制系统技术,23卷,不。5,1701 - 1716年,2015页。视图:出版商的网站|谷歌学术搜索
19. k·霍法,m . Petreczky l . Rajaoarisoa e . Duviella和k . Chuquet“MPC控制水位在导航艾斯cuinchy-fontinettes案例研究,”13日欧洲控制研讨会论文集(ECC的14)IEEE,页1337 - 1342年,斯特拉斯堡,法国,2014年6月。视图:出版商的网站|谷歌学术搜索
20. j . Guevara-Diaz”,用1998 Penman-Monteith粮农组织的公式来确定参考蒸散,“泰拉,22卷,不。31日,31 - 72年,2006页。视图:谷歌学术搜索
21. d·罗土壤科学方法和应用约翰·威利和儿子,纽约,纽约,美国第1版,1994年版。
22. s . Ghosh d·m·贝尔j·s·克拉克,a·e·盖尔芬德和p·g . Flikkema”过程建模为土壤水分利用传感器网络数据,”统计方法,17卷,第112 - 99页,2014年。视图:出版商的网站|谷歌学术搜索|MathSciNet
23. c . Lozoya g·门多萨,c·门多萨诉托雷斯,m级,“实验评价数据聚合方法应用于土壤水分测量,”《IEEE传感器IEEE,页134 - 137年,瓦伦西亚,西班牙,2014年11月。视图:出版商的网站|谷歌学术搜索
24. l . Ljung为用户系统标识:理论普伦蒂斯霍尔,新泽西,新泽西,美国,第二版,1999年版。
25. c . Lozoya a Aguilar和c·门多萨,“面向服务的设计方法为精确农业数据记录仪,”IEEE拉丁美洲事务,14卷,不。4、1683 - 1688年,2016页。视图:出版商的网站|谷歌学术搜索

版权

版权©2016 Camilo Lozoya等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。