导读：

针对传统园林灌溉依赖人工经验、水资源利用率低、养护管理粗放等问题，本文设计一种AI智联驱动的园林绿地精准灌溉系统。系统融合物联网多源感知、LoRa与5G异构网络传输、云边协同架构及人工智能算法，构建“感知–传输–决策–执行”一体化智能灌溉体系。通过土壤墒情传感器、多光谱监测仪、气象站与智能摄像机获取多维数据，采用LSTM模型实现土壤湿度预测，结合随机森林算法优化灌溉决策，并支持病虫害图像识别与水肥药协同调控。测试与分析表明，该系统可实现按需精准供水，有效减少水资源浪费，预期节水率达30%以上，同时降低人工成本、改善植物生长环境。研究成果可为城市园林智慧化、精细化、节水化管理提供技术支撑与实践参考。

作者信息：

赵珮君, 刘利华*：河北工程大学水利水电学院，河北 邯郸；傅渝亮：华北水利水电大学水利学院，河南 郑州

论文详情

系统总体设计

系统总体框图如图 1 所示。

硬件系统设计

土壤水分直接反映根区水分状况，决定灌溉必要性，是精准灌溉决策的最关键参数。系统选用基 于频域反射原理的土壤温湿度传感器，工作电压 3.3~5.5 V，测量精度为土壤湿度 ±2%，温度 ±0.3℃。 传感器采用针式探针结构，可插入土壤不同深度(10 cm, 30 cm, 60 cm)，实现剖面水分分布监测。

为突破仅依靠土壤参数判断灌溉需求的局限，系统集成了多光谱植被监测仪和智能摄像机两类视觉 感知设备。

执行控制单元由 STM32 微控制器、电磁阀、流量计及无线控制终端组成。

软件系统与核心算法

系统软件平台采用微服务架构部署于云服务器，主要包括数据接入服务、设备管理服务、算法引擎 服务与可视化服务四大模块。

精准灌溉不仅需要感知当前土壤湿度，更需预判未来变化趋势。系统以长短期记忆网络(LSTM)构建土壤湿度时序预测模型。该网络通过输入门、遗忘门与输出门的门控机制，有效克服了传统循环神经网络的长期依赖问题，适合处理土壤水分随天气与植物蒸腾作用的非线性变化。

系统拟融合卷积神经网络与迁移学习，构建病虫害图像识别模型。基础网络采用 ResNet-50 架构，在 ImageNet 数据集上预训练后，使用园林植物病虫害图像数据集进行微调。

系统采用随机森林算法对灌溉时机与水量进行决策。模型输入包括 LSTM 预测的未来土壤湿度、降雨概率、植被指数、植物与土壤类型、蒸散量等特征，输出推荐灌溉时长。训练数据来源于历史监测记录，模型通过集成学习降低过拟合风险。

完整的灌溉决策流程如图 2 所示。

应用效益分析

相较于传统灌溉方式，本智能灌溉系统可显著提升水资源利用效率，通过实时感知土壤墒情、植被 需水状态等关键参数，实现按需精准供水，从源头减少漫灌、过量灌溉带来的水资源浪费；同时系统可接入气象预报数据，在降雨来临前自动暂停或调整灌溉计划，进一步规避无效灌溉。综合测算，在园林绿地常态化运行条件下，该系统预期可实现节水 30%以上，节水效益突出。

系统的实际落地应用受到多方面因素的制约，可归纳为技术与非技术两个层面。技术层面，传感器 长期户外运行易受腐蚀或根系干扰，需要定期校准或更换；LoRa 信号在茂密植被区域可能出现衰减，应合理增设网关或中继节点；边缘计算设备的防水与散热也需专门防护。非技术层面，初期建设成本相对较高、部分园区缺乏专业运维人员、视频监控涉及公众隐私需符合数据安全法规，以及不同管理部门之 间的协调难度，均为推广过程中需要正视的问题。

针对上述制约因素，可采取以下应对策略：采用可插拔式传感器以降低更换成本，在信号薄弱区混 合使用其他物联网通信方式，选用工业级防护外壳，并探索第三方托管的运维模式。数据安全方面应对视频流进行匿名化处理并实行分级权限管理，同时积极对接地方智慧城市项目以争取资金支持。

结论

面向城市园林灌溉管理的现实需求，本文围绕 AI 智联与物联网技术，开展了园林绿地精准灌溉及监测系统的研究。系统整合土壤墒情、植被生长、气象环境等多类型感知设备，依托无线网络实现数据实时传输与远程监控，可根据植物需水规律自动调整灌溉策略，完成精准灌溉与动态管控。系统在运行过程中能够持续采集、存储灌溉与环境数据，为园林养护管理提供量化依据，随着数据不断积累，可借助人工智能算法持续优化决策模型，推动灌溉管理向智能化、精细化方向升级。该研究可为缓解城市绿化用水压力、提升园林养护效率提供技术参考，也为智慧园林建设提供可行思路。尽管系统在实际落地过 程中仍面临初期建设成本、现场适配及技术维护等方面的挑战，但随着相关技术的不断成熟与完善，上述问题将逐步得到改善，系统具备较好的应用与发展潜力。

基金项目：

河北工程大学大学生创新创业训练计划资助项目(X202610076174)；

河北省高等学校科学研究项目科学技术类青年基金项目(QN2026546)

原文链接：

https://doi.org/10.12677/airr.2026.153070