3、天气状态基础：气象数据要素（降雨、蒸发、温度、风速、日照）及其对灌溉的影响
智慧灌溉决策模型的核心逻辑，是将“土壤实际缺水状态”与“未来天气补给/消耗趋势”进行叠加判断。如果只依赖土壤湿度传感器，系统往往只能在作物已经受到水分胁迫后才做出反应，属于“滞后控制”；而引入气象数据后，系统可以在降雨来临前自动暂停灌溉、在高温大风天气来临前提前补水，实现“前瞻控制”。本章将系统梳理五大关键气象要素——降雨、蒸发、温度、风速、日照——的物理含义、数据获取方式及其对灌溉决策的具体影响机制，并给出融合判断的量化方法。
上图展示了气象数据从采集到决策输出的完整链路。在实际系统中，五大气象要素并非独立作用，而是通过蒸散模型和水量平衡方程耦合在一起。下面逐一拆解每个要素的物理意义和决策权重。
3.1 降雨：灌溉决策的“第一否决项”
核心原理：降雨是自然界对土壤水分的直接补给。但并非所有降雨都能被作物利用，只有渗入根系层并储存在田间持水量范围内的部分才是“有效降雨”。降雨强度过大时，超过土壤入渗速率的水分会形成地表径流流失；降雨量过小时，可能仅湿润表层土壤，对深层根系无实际补给。
判断方法：有效降雨量（P_eff）通常采用 USDA-SCS 方法估算：
P_eff = P × (125 - 0.2 × P) / 125 （当 P ≤ 250mm 时）
P_eff = 125 + 0.1 × P （当 P > 250mm 时）其中 P 为单次降雨量（mm）。对于灌溉决策，更关键的是未来 24-72 小时的降雨预报。当预报降雨量超过 5mm 时，应暂停计划灌溉；超过 10mm 时，可考虑推迟灌溉 2-3 天；超过 20mm 时，需检查排水系统并暂停一切灌溉作业。
3.2 蒸发与蒸散：作物耗水的“总开关”
核心原理：蒸发（水面/土面蒸发）与蒸腾（作物叶片水分散失）合称蒸散（Evapotranspiration, ET）。参考蒸散量 ET₀ 是衡量大气蒸发潜力的标准指标，代表在充分供水条件下、标准高度草坪的蒸散速率。实际作物蒸散量 ET_c = ET₀ × Kc，其中 Kc 为作物系数，随作物生育阶段变化（如玉米苗期 Kc≈0.4，抽雄期 Kc≈1.2）。
计算方法：Penman-Monteith 公式是 FAO-56 推荐的标准方法，需要温度、湿度、风速、日照辐射数据：
ET₀ = [0.408 × Δ × (Rn - G) + γ × (900/(T+273)) × u₂ × (e_s - e_a)] / [Δ + γ × (1 + 0.34 × u₂)]其中 Δ 为饱和水汽压斜率，Rn 为净辐射，G 为土壤热通量，γ 为干湿表常数，u₂ 为 2m 高度风速，e_s 为饱和水汽压，e_a 为实际水汽压。当气象站数据不全时，可使用 Hargreaves 简化公式：ET₀ = 0.0023 × (T_mean + 17.8) × (T_max - T_min)^0.5 × Ra，其中 Ra 为地外辐射。
| 气象要素 | 对 ET₀ 的影响方向 | 敏感度 | 灌溉决策含义 |
|---|---|---|---|
| 温度升高 | 增加饱和水汽压差，ET₀ 上升 | 高（每升高 1°C，ET₀ 约增 3-5%） | 高温期需提前补水，缩短灌溉周期 |
| 风速增大 | 破坏冠层边界层，ET₀ 上升 | 中高（风速翻倍，ET₀ 增 15-25%） | 大风天增加灌溉量，或改为夜间灌溉 |
| 日照增强 | 净辐射增加，ET₀ 上升 | 高（辐射是主要能量来源） | 晴天多时需加大灌溉定额 |
| 湿度升高 | 水汽压差减小，ET₀ 下降 | 中 | 高湿天气可适当减少灌溉 |
3.3 温度：影响作物生理与土壤水分的“双重因子”
核心原理：温度通过三条路径影响灌溉决策：其一，高温增加大气蒸发需求，加速土壤水分消耗；其二，温度影响作物根系吸水能力和气孔开闭，极端高温（>35°C）会导致作物关闭气孔、蒸腾骤降，反而减少水分消耗；其三，低温（<5°C）时作物停止生长，蒸腾极低，灌溉需求几乎为零。
判断方法：在灌溉决策模型中，建议使用“有效积温”和“高温胁迫阈值”两个指标。有效积温（GDD）用于判断作物生育阶段，从而确定 Kc 值；高温阈值用于触发“降温灌溉”——当气温超过作物耐受上限时，即使土壤水分尚可，也应进行少量喷灌以降低冠层温度（如水稻在 35°C 以上时，浅水层灌溉可降温 2-3°C）。
3.4 风速：被低估的“隐形耗水加速器”
核心原理：风速通过破坏作物冠层附近的饱和水汽层，加速水分从叶片气孔和土壤表面逸散。在 Penman-Monteith 公式中，风速项直接参与空气动力学阻力的计算。当风速超过 3m/s 时，蒸散量显著增加；超过 5m/s 时，不仅蒸散加剧，还会造成喷灌漂移损失（水滴被风吹离目标区域）。
操作流程：
- 获取气象站 2m 高度风速数据（若为 10m 高度数据，需乘以 0.75 换算）；
- 计算日平均风速，并识别日最大风速时段（通常为 14:00-16:00）；
- 当风速 > 3m/s 时，将 ET₀ 修正系数设为 1.1-1.2；
- 当风速 > 5m/s 时，暂停喷灌作业，改用滴灌或推迟至傍晚进行；
- 夜间风速通常较低，可优先安排灌溉。
3.5 日照：驱动光合作用与能量平衡的“引擎”
核心原理：日照时数和太阳辐射强度决定了作物光合作用的能量来源，也是蒸散模型中的主要能量项（净辐射 Rn）。在 Penman-Monteith 公式中，Rn 是分子项的第一大贡献者。日照时数可通过气象站的日照计或卫星反演数据获取，太阳总辐射 Rs 可由日照时数估算：Rs = (a + b × n/N) × Ra，其中 n 为实际日照时数，N 为可照时数，a、b 为经验系数（通常 a=0.25，b=0.50）。
判断方法：在灌溉决策中，日照数据主要用于计算 ET₀ 和判断光合有效辐射。当连续阴天（日照时数 < 3h/天）时，ET₀ 显著下降，灌溉量应相应减少 20-30%；当晴天且日照时数 > 10h 时，ET₀ 达到峰值，需确保土壤水分充足以支持高蒸散需求。
3.6 五要素融合决策：从单因子到综合判断
实际灌溉决策不能仅依赖单一气象要素，而应通过“水量平衡 + 阈值触发”的融合框架进行判断。核心公式为：
净灌溉需水量 I_net = ET_c - P_eff - ΔS_w其中 ΔS_w 为土壤水分消耗量（由土壤湿度传感器实测），ET_c 为作物蒸散量（由气象数据计算），P_eff 为有效降雨量。当 I_net > 0 且土壤含水量低于灌溉下限阈值时，触发灌溉；当 I_net ≤ 0 时，即使土壤偏干，也应等待降雨补给。
| 天气场景 | 温度 | 风速 | 日照 | 降雨预报 | 决策建议 |
|---|---|---|---|---|---|
| 晴热大风 | 32°C | 4.5 m/s | 11h | 无 | 提前 1 天灌溉，增加 15% 定额，选择傍晚作业 |
| 阴雨将至 | 22°C | 2 m/s | 2h | 24h 内 15mm | 暂停灌溉，利用自然降雨补给 |
| 低温寡照 | 8°C | 1.5 m/s | 1h | 无 | 不灌溉，作物处于休眠期 |
| 高温高湿 | 35°C | 1 m/s | 8h | 午后雷阵雨 | 少量补水（常规 50%），防止冠层过热 |
3.7 案例拆解：华北平原冬小麦返青期灌溉决策
背景与约束：河北省某农场，种植冬小麦，正处于返青期（Kc=0.7），土壤为壤土，田间持水量 28%（体积含水率），灌溉下限设为 18%。气象站数据：3 月 20 日气温 8-18°C，风速 2.8m/s，日照 7.2h，无降雨。土壤湿度传感器显示 0-40cm 平均含水率 19.5%。
分析过程：
- 计算 ET₀：使用 Hargreaves 公式，Ra=25.1 MJ/m²·d，ET₀ ≈ 2.1 mm/d；
- 计算 ET_c = 2.1 × 0.7 = 1.47 mm/d；
- 未来 3 天天气预报：晴转多云，无降雨，气温略升；
- 土壤水分亏缺：当前含水率 19.5%，接近下限 18%，需补水；
- 净灌溉需水量：I_net = 1.47 × 3 - 0 - (19.5%-18%)×400mm（根系层深度）= 4.41 - 6 = -1.59mm（土壤尚可支撑 3 天）。
决策执行：虽然 I_net 为负，但考虑到 3 天后土壤含水率将降至 17.8%（低于下限），决定第 3 天傍晚进行灌溉，灌溉定额 = (28% - 18%) × 400mm × 0.5（灌溉效率）= 20mm。实际灌溉 22mm，用时 3.5 小时。
结果与复盘：灌溉后第 2 天土壤含水率回升至 24.5%，作物长势良好。复盘发现，若仅依赖土壤湿度传感器，系统会在当天就触发灌溉（因为 19.5% 已接近下限），但结合气象数据后，成功利用未来 3 天无降雨但蒸散不高的窗口期，避免了过早灌溉造成的养分淋失。
3.8 常见误区与总结复盘
误区一：将气象站数据直接用于田间决策，忽略局部差异。气象站距离农田可能数公里，温度、降雨、风速均有差异。建议在田间布设小型气象站，或对气象站数据进行地形修正。
误区二：过度依赖降雨预报。降雨预报存在不确定性，尤其是对流性降雨。建议采用“概率阈值”策略：当降雨概率 > 70% 且预报量 > 10mm 时才暂停灌溉；否则按正常计划执行。
误区三：忽略风速对喷灌的物理限制。许多系统只在温度、降雨维度做决策，未考虑风速导致的漂移损失和均匀度下降。
误区四：ET₀ 计算中使用了过时的气象数据。ET₀ 对数据时效性敏感，建议至少每日更新一次，若遇天气剧烈变化（如冷锋过境），应每 6 小时更新。