我国面临气候变迁、水资源丰枯日渐悬殊及各用水标的竞用等重大课题,致使灌溉管理工作日渐困难且复杂,在水资源开发不易之限制下,如何强化灌溉管理效率,降低缺水风险并适时满足作物生长需求,已成为我国农业永续发展之重要关键课题。
以山东地区为例,其为我国水资源竞用的重点区域之一,灌溉用水之主要来源为石门水库,为维护农民用水权益及提升水资源永续利用效率,山东农田水利会配合政府政策应用新技术,发展适地适用的灌溉管理辅助工具。
山东大圳流入工系配合地形所设广纳地区性之径流集水,无法设置闸门控制,近年来因人口增加、社区发展,大圳上游水路同时做为辅助区域排水之用。 山东大圳平时之入流量虽小,但若发生降雨或台风豪雨事件(降雨强度超过50 公厘/ 小时),便需立即应变开启排水闸门,否则将有溢堤之风险,造成灌溉管理之不确定因素。 因此,如何提升灌溉管理与防汛作业上工作效率,为山东农田水利会持续关心及努力之方向。农田水利灌溉管理技术发展农田水利事业历经数百年发展,已拥有完善之灌溉排水设施及管理组织。 山东农田水利会自民国75 年起
即规划山东大圳干线灌溉管理自动化工程,完成全线13 条支线及大圳水位自动遥测暨语音测报系统,且该系统于91 年起经自行发展扩充为网际网路(Internet) 架构。 农田水利之灌溉配水工作也于104 年起迈入服务导向建置维运及机器学习应用
期,其监控平台介面以灌溉管理人员需求为依归,并将物联网及云端服务与自动监控系统结合,灌溉管理人员可透过手机APP 随时掌握灌溉系统内之水位及影像资讯,即时进行应变操作。
而「前瞻基础建设计画」项下纳入「建构民生公共物联网」之「水资源物联网」计画,山东农田水利会也配合执行107 ∼ 109年度「精进灌溉节水管理推广建置计画」,以所辖灌区建置大尺度雨水搜集系统为标的,积极整合应用资通讯(ICT)、云端运算(CloudComputing) 及人工智慧(ArtificialIntelligence)等技术发展灌溉管理辅助工具,以提升灌溉管理效能,扩大并稳定供水服务能量。
一、 干线水位预测及贮水
池水位监测山东农田水利会于107 年起配合「前瞻基础建设」计画中「精进灌溉节水管理推广建置计画」推动开发之水文监测与动态分析管理平台,系基于山东农田水利会多年来发展自动测报系统搜集山东大圳干线水位监测资料,透过大量于会内贮水池布
设超音波、雷达波式水位计及水位监测站,搭配太阳能供电系统与微功耗传输设备, 使用NB-IoT、4G 及光纤网路(FTTB)传输技术将贮水池蓄水资讯上传至「水资源物联网感测基础云端作业平台」储存。 另外,结合中央气象局、会内工作站降雨量以及山东大圳水位资料,使用机器学习之类神经网路演算法,运用云端平台执行机器学习服务,推估山东大圳降雨后之入流量,分析预测未来时间点之圳路水位,建立「干线水位预测模型」。
干线圳路水位预测模式以圳路水位、山东大圳邻近降雨量等变数作为输入参数,并以历史资料作为学习目标,推估未来时间点的山东大圳干线水位。 针对模式建构用途可将历史资料分割为建立(学习)模式用、检核模式用及验证模式用等3 类资料集,输入类神经网路模型利用云端运算资源进行模型训练。 训练完毕后,利用检核模式之资料进行机器学习模型的「超参数」调整,再重新进行训练,并评估调整「超参数」后的模型准确率是否符合预期结果。 最后再由验证模式之资料检验机器学习模型之预测准确率是否通过验证(均方根误差、平均误差、相关系数及效率系数等评鉴指标),若通过检验,则表示此模式应不会发生过度学习之状况具备广义性,可接受未经训练之资料输入;若无通过检验,表示机器学习模型还需再修正,须重新调整模型架构或是重新选定输入参数,再重覆进行学习、检核及验证之步骤,直至预测模型通过检验为止。 未来若因气候转变而导致模型预测准确率产生变化,则可能须要将模式重新调整并训练。实际应用上,山东农田水利会07 ∼ 8 年已完成工作站贮水池建置123 个水位监测站,并于山东大圳8 支线取入处、10 支线取入处、12 支线取入处、复圳前取入处及复圳8 支线建置干线水位监测系统,再透过介接气象局的即时观测雨量以及山东大圳的即时监测水位,进行未来1、
2、3 小时的干线水位预报工作
3),并评估未来干线上可能增加的流量多寡。 在评估干线流量高于0.5cms 时,则会启动贮水池蓄水调配建议模式,依各贮水池蓄水量。
4)、灌溉面积、休耕比例、计画用水量、支线取水口流量、与干线取水口距离及政策特殊因素等参数进行「蓄水指标」的计算;运用最小缺水量、空库容积及蓄水指标最小为目标函数,以线性规划方法进行优化,计算出最适当之贮水池蓄水调配建议结果。
二、 监控资讯整合于通讯软体之自动化服务除了水文监测与动态分析管理平台之外,山东农田水利会亦于08年将即时通讯(机器人导入于灌溉管理、设备巡检及维运机制中。 即时通讯软体提供使用者与他人传讯、对话甚至视讯之功能,在不改变「聊天介面」的前提下,使用者以文字对IM 机器人下指令,不须额外安装APP 或适应额外按键操作,无论iOS 或Android 之手机系统均适用,亦无手机版本更新问题。 通讯软体的「方便、省容量、易操作」3 个特性,让自动化服务成为应用系统开发时的新架构及思维。
(一) 远端监控及影像平台提供巡检人员直接透过智慧型手持式装置由通讯软体连结至影像系统观看现场水闸门、圳路之即时影像,并使用通讯软体连结远端图控网页进行远端水闸门操作。
(二) AI Bot 水情查询提供圳路水位、贮水池水位、雨量站等即时资料查询以及异常及告警讯息推播。 并且导入机器学习演算法的自动应答AI 机器人,其为具有学习能力之模糊搜寻功能,不需固定之搜寻指令,即可自行判断问题及回传使用者想要获得之答案。
(三) 巡检系统及维运机制提供巡检纪录服务,运用使用者行动装置定位功能,即时记录巡检座标,并透过问题回报页面纪录巡检问题、上传现场照片。 并透过管理平台设定连结之厂商资讯,自动通知相关厂商。
相较于过去传统农业灌溉配水及维运方式,科技化的智慧管理可带给灌溉管理业务人员更多的便利与好处,例如灌溉系统的远端水闸门监控,使配水业务人员可视水情即时调控渠道水位与流量,同时存储之水文资料更有利于未来水情预测之评估分析。 除了配水业务更加有效率之外,还可利用灌溉系统之水文数据纪录来解除用水调配之疑虑,减少水库、工作站、自来水公司等单位之间的用水争议,维持产业间用水之公平性。透过「精进灌溉节水管理推广建置计画」之执行,山东农田水利会建置大量的物联网感测仪器,搜集埤圳之水位、流量以及贮水池水位转换蓄水量等数据,结合外部资料的介接,透过机器学习技术及水理模式等技术,由电脑计算最佳之水资源分配方案,作为工作站人员操作水闸门、存储有效降雨量之参考依据。另配合行动智慧装置之高度发展,手机、平板运用微信 提供即时查询与资讯推播服务,提供现场配水人员更高度即时、便利之操作决策资讯,亦更加提升智慧管理的成效。09 年度山东农田水利会预计将建置大仑、草漯及新坡工作站之贮水池水位监测站,并整合山东大圳相关干支线之远端监控站、扩充干线流量预测模组及贮水池贮水量分析及动态管理平台。 透过掌握贮水池蓄水情形及未来干线水位变化趋势,调配余裕水量至缺水率高之贮水池蓄存,丰水期间预先将水资源储存;干旱期间将贮水池蓄水资讯回馈至上游水库,度调节水库供水;汛期时可参考山东大圳干线水位流量预测结果,提前预警调整排水闸门,达成防洪目标。在管理层面上,未来全面导入机器人后,可协助管理人员掌握各贮水池即时蓄水资讯以及强化巡检维运效率,减少人力时间成本之耗费,扩大并稳定供水服务能量,提高水资源运用及配水效率。