1.一种土壤墒情人工智能控制方法，其特征在于，包括以下步骤：

(1)、区域划分模块根据植被和土地的类型不同将区域划分为不同的灌溉区域，并在对应的灌溉区域内设置对应的喷头和水分传感器，其中，所述水分传感器为多组，每组水分传感器为两个，其中一个设置在土壤表层，为表层水分传感器，用于采集土壤表层的土壤表层含水量；另一个设置在同一位置的土壤深层，为深层水分传感器，用于采集土壤深层的土壤深层含水量；

(2)、通过土壤墒情检测模块收集该灌溉区域内的水分传感器的数据，通过植被模块来对该灌溉区域内的植被的种类和形貌进行识别，通过风力检测模块来收集该灌溉区域内的风力信息，通过温度检测模块来收集该灌溉区域内的温度信息，并将这些收集到的数据信息传递给后台处理模块；

(3)、后台处理模块接收到这些数据信息后，通过对植被模块所采集到的植被的种类和形貌信息来确定该植被的生长期；并通过数据分析模块确定植被在该生长期内适宜的土壤含水量的范围以及该灌溉区域内的单位时间内的土壤深层的深层土壤水分消耗率，并通过预判模块对下一个单位时间内的深层土壤水分消耗率进行预判，以此计算下一个单位时间内的土壤深层含水量是否低于植被在该生长期内适宜的土壤含水量的下限值；具体步骤为：(3-1)、通过数据分析模块分析单位时间内起始时的土壤深层含水量和结束时的土壤深层含水量，通过以下公式计算单位时间内的深层土壤实际水分消耗率：其中：θ上一段起始为单位时间内起始时的土壤深层含水量，θ上一段最终为该单位时间内终止时的土壤深层含水量，t为单位时段的时长，μ1为该单位时间内的深层土壤实际水分消耗率；

(3-2)、若μ1＞0，则将μ1作为下一个单位时间内的深层土壤水分预期消耗率，并将该深层土壤实际水分消耗率和对应的温度和风力数据记录在信息存储模块中，作为该温度和风力下的深层土壤水分预期消耗率的参考指标；若μ1＜0；则从信息存储模块中提取相同风力和温度下的深层土壤水分预期消耗率，作为下一单位时间内的深层土壤水分预期消耗率；

(3-3)、然后确定是否存在临界点：所述是否存在临界点为在下一个单位时间段是否存在某个时刻的土壤深层含水量低于植被在该生长期内适宜的土壤含水量的下限值；

θ起始-μ×t＜θ下限

若上式成立，则存在临界点；临界点为：

其中：t临为临界点所对应的时刻；θ起始为下一单位时间段起始时的土壤深层含水量；μ为下一个单位时间段的深层土壤水分预期消耗率，t为单位时间段的时长，θ下限为植被在该生长期内适宜的土壤含水量的下限值；

(3-4)、若存在临界点，则在下个单位时间段中的t临时刻的土壤深层含水量将会低于植被在该生长期内适宜的土壤含水量的下限值，则需要对该灌溉区域内进行水分补偿；

(4)、在进行水分补偿时，通过天气预测模块对下一单位时间段的天气进行预测，对预测数据进行分析，判断是该单位时间段内是否有降雨，若无降雨，然后对比实际的土壤深层含水量与临界点进行对比，当实际的土壤深层含水量到达临界点时，则启动干预模块，控制喷头进行间歇式灌溉；若有降雨，则先不启动干预模块，等待降雨完后判断该灌溉区域内的土壤深层含水量是否到达植被在该生长期内适宜的土壤含水量的上限值，如果没有，则启动干预模块进行间歇式灌溉。

2.根据权利要求1所述的土壤墒情人工智能控制方法，其特征在于，在步骤(2)中，所述植被模块通过摄像头对植被的种类和形貌进行拍摄和识别，并将所采集的数据信息传递给数据分析模块，所述数据分析模块依据这些数据信息来确定植被的种类、对应的生长期及确定该植被在该生长期内的适宜土壤含水量的范围。

3.根据权利要求1所述的土壤墒情人工智能控制方法，其特征在于，在步骤(3)中，所述信息存储模块预先通过互联网和种植经验将各种植被在不同生长期的适宜土壤含水量存储在其数据库内，同时根据记录不同温度和风力下的且数值为正值的深层土壤实际水分消耗率，构建不同植被在不同温度和风力下的深层土壤水分预期消耗率的数据库，作为对下一单位时间内的深层土壤水分预期消耗率的参考指标。

4.根据权利要求1所述的土壤墒情人工智能控制方法，其特征在于，在步骤(4)中，所述间歇式灌溉的步骤为：在进行喷水时，当土壤表层的土壤表层含水量到达植被的适宜土壤含水量的上限值时则停止喷水，让水分有足够的时间下渗；当土壤表层含水量又到达植被的适宜土壤含水量的下限值时，所述干预模块控制喷头重新喷水，重复上述操作，直到土壤深层的土壤深层含水量到达植被的适宜的土壤含水量的上限值。

5.一种用于权利要求1-5任一项所述的土壤墒情的人工智能控制方法的人工智能控制系统，其特征在于，包括区域分布模块、收集信息模块、后台分析处理模块以及干预模块，其中，所述区域分布模块包括区域划分模块、喷头分布模块、水分传感器分布模块，其中，所述区域划分模块用于根据不同的植被和土地的情况划分出不同的灌溉区域；所述喷头分布模块和所述水分传感器分布模块设置在对应的灌溉区域内，其中，所述喷头分布模块用于给灌溉区域进行灌溉，包括多个喷头以及供液装置；所述水分传感器分布模块包括多组水分传感器，所述水分传感器用于检测该灌溉区域内的土壤表层的土壤表层含水量和土壤深层的土壤深层含水量；

所述收集信息模块包含土壤墒情检测模块、天气预测模块、植被模块、风力检测模块以及温度检测模块；其中，所述土壤墒情检测模块用于收集同一个灌溉区域的水分传感器的数据信息；所述天气预测模块是通过网络获得实时的气象数据；所述植被模块用于确定该区域的植被种类，通过摄像头对该植被的种类和形貌进行识别；所述风力检测模块通过风力传感器收集该灌溉区域的风力信息；所述温度检测模块是通过温度传感器来收集该灌溉区域的温度数据；

所述后台分析处理模块包括信号接收模块、数据分析模块、信息存储模块、信息发送模块；其中，

所述信号接收模块用于接收收集信息模块中所采集的所有数据信息，并接收用户的控制信息；所述信息存储模块用于预先通过互联网和种植经验将各种植被在不同生长期的适宜土壤含水量存储在其数据库内，同时根据记录不同温度和风力下的数值为正值的深层土壤实际水分消耗率；所述信息发送模块是通过网络将收集的墒情信息、植被种类信息、风力信息、温度信息发送给用户手机，供用户实时参考；

所述数据分析模块包括植被适宜土壤含水量模块、土壤水分消耗率模块以及预判模块，其中，所述植被适宜土壤含水量模块是根据植被模块所采集的数据从信息存储模块中提取植被适宜的土壤含水量；所述土壤水分消耗率模块是计算该灌溉区域的深层土壤的水分在某个单位时间段的深层土壤实际水分消耗率；

所述预判模块用于根据土壤水分消耗率模块计算所得的深层土壤实际水分消耗率来判断下个单位时间段中的土壤深层含水量是否低于植被在该生长期内适宜的土壤含水量的下限值，并通过天气预测模块中的天气信息，判断是否需要通过干预模块来控制喷头分布模块进行灌溉。

6.根据权利要求5所述的土壤墒情人工智能控制系统，其特征在于，所述用户的控制指令包括用户所预设的单位时间段的时长。

7.根据权利要求6所述的土壤墒情人工智能控制系统，其特征在于，每组水分传感器为两个，其中一个设置在土壤表层，为表层水分传感器，用于采集土壤表层的土壤表层含水量；另一个设置在同一位置的土壤深层，为深层水分传感器，用于采集土壤深层的土壤深层含水量。