3.5.1.3 灌区模型库
针对安地灌区水资源相对紧缺的现状，结合安地灌区实际，创建安地灌区智慧灌溉决策模型库。灌区模型库根据灌区农业产业数据和基础布局数据，融合工况、水情、墒情、气候等数据，实现灌区的灌溉需水量实时预报，开展灌溉方案的智能化决策，提出灌区多级渠系的优化配水方案。因此，该模型库主要包括种植物遥感识别模型、深度学习的多源感知实时灌溉预报模型、基于强化学习的智能灌溉决策模型、渠系多目标动态配水模型、灌区工程安全评估模型。安地灌区已经初步搭建实时灌溉预报模型，目前正处于模型运行结果验证阶段，下一步将构建深化学习算法，构建基于多源感知的实时灌溉预报模型。
（1）种植物遥感识别模型
①总体目标
传统的种植物监测往往通过大量的人工实地考察和经验判断进行，效率低、时效慢、覆盖面小、成本高，难以进行实时精细的监测。
基于遥感数据，得到已知植物的多光谱图像，进行光谱特征提取，构建已知植物的光谱模型，对图片作业区域进行基础块划分。对每个基础块进行多光谱图像采集，并输出到图像处理站进行光谱特征提取。图像处理站提取到各个基础块的光谱特征之后，将光谱特征与光谱模型进行对比分析，得到各个基础块内是否有光谱模型所对应的植物，以及该植物的生长信息。
②建设内容
开展农业遥感系统的高分辨率卫片（利用卫星遥感监测等技术手段制作的叠加监测信息及有关要素后形成的专题影像图片，简称卫片）数据采集，包括影像收集与处理、作物种植类型识别、外企调查，为种植物智能识别模型提供数据支撑，使所采集的基础数据与智能模型融合。
通过借助卫星遥感影像，在全灌区范围内开展主要作物的监测调查工作，最终在调查数据的帮助下，实现灌区农业产业结构的常态化监测及评价，精准摸清灌区范围内种植结构家底。
A.卫星遥感影像的收集与处理
基于灌区亚米级卫星遥感数据、米级卫星遥感数据和中分卫星遥感数据，通过对原始影像的收集、预处理、影像分析处理等工作，获得高质量的卫星遥感影像数据。影像处理主要包含正射校正、配准、去云、影像融合、镶嵌和裁切等。
B.外业调查
外业调查主要是采集灌区作物样本。外业实地调查成果数据主要用于灌区种植类型识别与结果精度验证。
C.构建数据库
基于多源遥感数据、外业调查数据、灌区训练样本数据等构建数据库，并将数据库汇聚到灌区数据前置库中。
D.种植物类型识别模型
依据高精度的卫片，实现灌区内不同时段典型作物种植面积监测，提取作物种植面积。构建种植物类型识别模型，主要针对灌区的种植结构，构建样本模型，运用作物生长期植株水分敏感波段的植被水分指数、遥感蒸散发模型、垂直干旱指数（PDI），实现对灌区地块级种植结构的监测。
E.定期模型强化
由于样本训练模型存在一定的衰减，识别精度会逐渐变差，因此，模型需要用最新的数据做定期训练。用于模型训练的服务器，会每个月定期从数据库中提取最新录入的数据，做完数据预处理和模型自动训练，然后替换旧模型，最后重启线上服务，保证模型能够持续稳定地提供植物识别服务。
（2）深度学习的实时灌溉预报模型
①总体目标
实时灌溉预报模型主要用于预报未来一个时段内灌区的农业灌溉需水量，为实时掌握灌区用水需求、开展灌溉决策和配水调度提供科学依据，也为灌区用水的精细化管理奠定基础。实时灌溉预报模型包含作物需水量预报模型、降雨量预报模型和灌水量预报模型。
通过构建灌区实时灌溉预报模型，实现灌区作物旱情预警及需水预报数字化。同时，以模型预报的需水量数据为灌区水资源动态配水优化调度提供支撑。
②建设内容
基于多源感知的实时灌溉预报模型的建设内容主要包含以下3个方面：
A.灌区基础情况调研及相关资料收集分析
包括灌区可用水源分析及作物种植结构调研，灌区系列历史气象资料收集分析，灌区各级渠道、田间灌溉水利用系数资料，灌区渠系分布资料，灌区近3年放水资料等。
B.灌区作物需水量预报模型构建及验证
涵盖P-M模型程序开发及构建，灌区30年ET0计算，ET0i预报模型程序开发及调试，灌区作物系数Kc计算分析，灌区土壤水分系数Ks计算分析，ETci预报模型程序开发及调试，作物需水量预报模型预报精度评价等。
C.灌区实时灌溉预报模型构建及验证
主要包括气象预报数据抓取，田间水位监测、分析及校正，土壤墒情分析及校正，水田作物田间水层动态模型开发及调试，旱作物土壤水分动态模型开发及调试，实时灌溉预报模型集成及率定，典型田块模型预测、精度验证，灌区面上农业灌溉需水量模型预测、精度验证等。
（3）灌区渠系多目标动态配水模型
①总体目标(https://www.daowen.com)
安地灌区由1条主干渠、3条干渠和64条支渠（其中灌区管辖5条）组成，该模型通过实时灌溉预报（基于多源感知的实时灌溉预报模型）及智能灌溉决策（基于强化学习的智能灌溉决策模型），获得未来一段时期（周或旬）不同区域需要灌溉的日期和水量。之后，结合灌区的实时工情、水情等信息，开展智慧决策调度，以提高输水效率，减少渠系输水损失。要求流量输送平稳，以渠系输水过程流量变化小为目标，合理进行渠系配水，保证水源通过各级渠系“适时、适量”进入所需的灌溉区域，满足作物精准灌溉的需求。
通过构建灌区渠系动态优化配水的多目标、大系统分解协调模型，以干渠各时段流量作为协调变量，进行干支渠子系统层和总系统协调层模型协调。
②建设内容
灌区动态配水模型的建设内容主要包含以下3个方面：
A.灌区可用水源调查分析
涵盖灌区30年降雨资料收集分析、灌区可用水源调查分析、灌区主要干支渠系调研分析、灌区来水分析。
B.灌区渠系动态优化配水模型构建
包括灌区系统概化图、数学模型构建、模型求解等。
C.渠系动态优化配水模型率定及验证
结合灌区实际，开展模型率定与验证，将优化配水结果与相应水平年的灌区用水量进行对比，分析模型运行结果和节水成效。
（4）基于强化学习的智能灌溉决策模型
①总体目标
基于强化学习的智能灌溉决策模型采用人工智能技术，通过机器强化学习获得经验并吸取教训，不断优化灌溉决策。通过将强化学习思想应用于灌溉决策的学习过程，利用与环境的交互过程中获得的奖赏指导灌溉决策，在环境中不断地尝试和探索，从而得到目标灌溉区域的最优灌溉决策。
②建设内容
A.灌区长系列环境参数获取
收集灌区长系列环境参数，包括天气预报、土壤墒情、水层深度、作物生长发育时期、灌区历史灌水量及灌水日期等数据，构建灌区环境参数数据库。
B.智能灌溉决策模型构建
具体内容包括：获取目标灌溉区域的当前环境参数；利用初始化的决策值函数，根据当前环境参数确定当前灌溉决策；根据当前灌溉决策的回馈奖励，更新初始化的决策值函数；利用更新后的决策值函数，确定目标灌溉区域在新的环境参数下的灌溉决策。
C.模型预测精度验证
从灌区选取典型灌片，设置对比实验，验证模型节水成效、预报精度及模型的实际运行效果。
（5）灌区工程安全监测模型
①总体目标
在灌区安全监测数据的基础上建立灌区工程安全监测模型。该模型主要包含渡槽安全监测模型、渠系风险分析模型、入侵监测分析模型、视频AI预警分析模型。
②建设内容
A.渡槽安全监测模型
渡槽安装监测自动化采集设备，通过无线传输传至安全监测云平台，通过模型设置渡槽安全监测预警级别、预警参数、预警方式、预警逻辑。
B.渠系风险分析模型
根据渠系的历史水位资料，设置渠系警戒水位、预警级别、预警方式、预警逻辑等内容，构建渠系的漫堤风险分析模型以及预警模型。
C.入侵监测分析模型
基于安地灌区的安全防范考虑，对有设置主动安全入侵预警功能的警戒摄像头构建入侵监测分析模型。入侵监测分析主要实现对预警类别、预警方式、预警广播音频内容、预警逻辑的设置。
D.视频AI预警分析模型
该模型将数据传输到金华数字河湖管理平台，并读取金华数字河湖管理平台传回的视频预警信息。预警类型主要包含漂浮物和人员监测预警。