1.一种基于K‑means算法的微地形智能分区管理方法，其特征在于，该管理方法包括以下步骤：S1、获取微地形边界数据，并对该微地形边界内的灌溉作物进行分类；

S2、基于微地形坐标数据结合典型灌溉点位，利用Canopy算法确定子灌溉区域个数；

所述典型灌溉点位依据微地形的灌溉作物位置进行确定，包括以下步骤：选取乔木及灌木作为典型灌溉作物，并将乔木位置坐标及灌木质心坐标作为典型灌溉点位Pi，其中i代表第i个典型灌溉点位，取值为大于零的整数；

所述基于微地形坐标数据结合典型灌溉点位，利用Canopy算法确定子灌溉区域个数包括以下步骤：S21、取预设数量的典型灌溉点位的位置坐标作为原始数据集合，并从该原始数据集合中选取点P1作为第一个类，称作Canopy；

S22、从原始数据集合中选取点P2，计算点P2到点P1的距离，若该距离是否小于最大灌溉距离，若是则将点P2加入Canopy，若否则将点P2作为新的Canopy；

S23、判断所述距离是否小于平均灌溉距离，若否则忽略，若是则将点P2从原始数据集合中删除；

S24、对于原始数据集合中的其它典型灌溉点位继续执行S22及S23，直到集合为空，算法结束，完成聚类，其中Canopy的总数即为子灌溉区域个数K值；

S3、利用K‑means算法对子灌溉区域进行进一步划分，确定子灌溉区域的位置坐标；

所述利用K‑means算法对子灌溉区域进行进一步划分，确定子灌溉区域的位置坐标包括以下步骤：S31、根据子灌溉区域个数K值建立初始划分得到K个簇，并随机选取K个点作为初始质心；

S32、逐一计算每个典型灌溉点位与各个初始质心的距离，并将该距离加入最近的簇，计算每个簇的重心；

S33、重复执行S32，直到各个簇的重心在某个精度范围内不发生变化或达到最大迭代次数，则将得到的簇重心作为子灌溉区域的中心，即灌溉装置安置点；

S4、计算各子灌溉区域内灌溉权重和灌溉体积，得到各子灌溉区域的总灌溉流量。

2.根据权利要求1所述的一种基于K‑means算法的微地形智能分区管理方法，其特征在于，所述微地形坐标数据为微地形的边界坐标，且所述微地形坐标由GIS提供或手动输入。

3.根据权利要求1所述的一种基于K‑means算法的微地形智能分区管理方法，其特征在于，所述最大灌溉距离和平均灌溉距离为Canopy的两个距离阈值，且所述最大灌溉距离为灌溉装置正常工况下的最大工作距离，所述平均灌溉距离为灌溉装置正常工况下最大工作距离与最小工作距离的中间数。

4.根据权利要求1所述的一种基于K‑means算法的微地形智能分区管理方法，其特征在于，所述计算各子灌溉区域内灌溉权重和灌溉体积，得到各子灌溉区域的总灌溉流量包括以下步骤：S41、在微地形上建立三维直角坐标系，并采用（xk，yk，hk）表示微地形面上的点，其中，xk表示第k个子灌溉区域的横坐标，yk表示第k个灌溉分区的纵坐标，hk表示第k个灌溉分区的地面点距离参照高程的距离；

S42、计算各子灌溉区域的灌溉体积，计算公式如下：

；

其中，Sk表示第k个灌溉分区的面积；

S43、依据各子灌溉区域内灌溉权重和灌溉体积计算各子灌溉区域的总灌溉流量，计算公式如下：；

其中，Q表示总灌溉流量，w表示各子灌溉区域内灌溉权重，表示η为喷灌水利用系数，一般取0.7‑0.9。

5.根据权利要求4所述的一种基于K‑means算法的微地形智能分区管理方法，其特征在于，所述计算各子灌溉区域内灌溉权重和灌溉体积，得到各子灌溉区域的总灌溉流量之前还包括以下步骤：设置最大允许渗水深度为H，超过深度H的渗水即视为深层渗漏的无效灌溉水；

以微地形最低点位以下H高度的位置为参照高程线，超过该位置的渗透水即视为无效灌溉水。

6.根据权利要求4所述的一种基于K‑means算法的微地形智能分区管理方法，其特征在于，各个所述子灌溉区域之间均为相对独立单元，且各个所述子灌溉区域之间无需考虑水分的相互交换。

7.根据权利要求4所述的一种基于K‑means算法的微地形智能分区管理方法，其特征在于，所述各子灌溉区域内灌溉权重w依据不同类型需水作物在生长周期内需水量的不同而设定。