1.一种基于经验模型的水资源调度优化方法，其特征在于，具体步骤包括：步骤1：将农田中种植作物的生长周期划分为不同的生长阶段，采集每个生长阶段的多组历史灌溉数据，所述历史灌溉数据包括灌溉量、环境数据、灌溉前一天和后一天的农田光谱反射数据；

步骤2：构建作物生长系数模型，输入采集的每个生长阶段的历史灌溉数据，确定作物各个生长阶段的调整系数，依据待灌溉农田内的种植作物的生长阶段，确定当前作物调整系数；

步骤3：采集环境数据和前一天待灌溉农田的光谱反射数据构成实时数据集，依据实时数据集生成作物生长阶段系数，基于作物生长阶段系数和当前作物调整系数构建分析模型，生成作物需水量；

步骤4：采集多组待灌溉农田的土壤样本，对土壤样本进行分析，获得土壤质地数据、有机质含量数据和土壤有效水分含量数据，依据土壤质地数据、有机质含量数据和土壤有效水分含量数据生成用于反映土壤保水能力的土壤类型指数；

步骤5：基于作物需水量和土壤类型指数构建最佳灌溉量模型，结合待灌溉农田的面积，确定待灌溉农田的最佳灌溉量，采集灌区内各个待灌溉农田的作物类型，并结合农田的土壤类型指数确定灌溉优先级；

步骤6：获取灌区内的灌溉的总供水量，并按照灌溉优先级和农田的最佳灌溉量对灌区内的各个农田的灌溉水资源进行调配；

所述灌溉量为单位面积的灌溉水量，农田光谱反射数据包括近红外波段的反射率、红光波段的反射率、红边波段的反射率、蓝光波段的反射率和短红外波段的反射率，近红外波段的波长范围为 ，红光波段的波长范围为 ，短红外波段波长范围为 ，红边波段的波长范围为 ，蓝光波段

的波长范围为 ，所述环境数据包括农田所处环境的平均温度、平均湿度和平均光照强度；

构建作物生长系数模型所依据的逻辑为：

依据历史灌溉数据中每天的农田光谱反射数据生成当天作物的植被指数、叶绿素指数和水分指数；

将历史灌溉数据中，每天对应的植被指数、叶绿素指数和水分指数，以及对应的平均温度、平均湿度和平均光照度相结合，生成历史作物生长系数；

将每组历史灌溉数据的灌溉量、环境数据、灌溉前一天、后一天的农田光谱反射数据对应的历史作物生长系数相关联，构成环境因子数据集，构成的环境因子数据集为：其中， 表示第 类作物中，处于第个生长阶段的第 组历史数据构成的环境因子数据集， 、 和 分别表示第 类作物中，处于第个生长阶段的第 组历史灌溉数据中 前一天和后一天的历史作物生长系数、灌溉量 ；

根据相同作物种类、相同生长阶段对应的多组环境因子数据集，筛选出灌溉效果指数最大的环境因子数据集，将该环境因子数据集对应的灌溉量设定为最佳灌溉参考量，灌溉效果指数生成所依据的逻辑为：其中， 表示第 类作物中，处于第个生长阶段的第 组历史数据构成的环境因子数据集的灌溉效果指数；

构建作物生长系数模型，确定该作物种类、该生长阶段的调整系数，所依据的公式为：其中， 表示第 类、处于第 个生长阶段的作物的调整系数， 表示第 类、处于第个生长阶段的作物对应的最佳灌溉参考量， 表示最佳灌溉参考量对应的环境因子数据集中，灌溉前一天的历史作物生长系数，表示种植作物的类型的编号，表示生成阶段的编号，表示历史数据的编号；

生成对应作物的植被指数、叶绿素指数和水分指数，所依据的公式为：其中， 、 和 分别表示植被指数、叶绿素指数和水分指数， 、 、 、 和分别表示近红外波段的反射率、红光波段的反射率、红边波段的反射率、蓝光波段的反射率和短红外波段的反射率；

依据植被指数、叶绿素指数和水分指数，以及平均温度、平均湿度和平均光照度生成历史作物生长系数，所依据的公式为：其中， 表示历史作物生长系数，、和 分别表示农田环境的平均温度、平均湿度和平均光照强度；

依据待灌溉农田内的种植作物的生长阶段，确定当前作物调整系数所依据的逻辑为：遍历基于历史灌溉数据构建的各个种类作物的各个生长阶段的调整系数，寻找作物种类相同且生长阶段相同的历史灌溉数据生成的调整系数，将其定义为当前作物调整系数；

根据实时数据集生成作物生长阶段系数的具体逻辑为：

依据实时数据集中前一天待灌溉农田的光谱反射数据生成作物的判断植被指数、判断叶绿素指数和判断水分指数，所依据的公式为：其中， 、 和 分别表示判断植被指数、判断叶绿素指数和判断水分指数， 、、 、 、 分别表示实时数据集中前一天待灌溉农田的光谱反射数据中的近红外波段的反射率、红光波段的反射率、红边波段的反射率、蓝光波段的反射率和短红外波段的反射率；

依据判断植被指数、判断叶绿素指数和判断水分指数，以及实时数据集中的环境数据生成作物生长阶段系数，所依据的公式为：其中， 表示作物生长阶段系数， 、 和 分别表实时数据集中前一天待灌溉农田的环境数据中的平均温度、平均湿度和平均光照强度。

2.根据权利要求1所述的一种基于经验模型的水资源调度优化方法，其特征在于：构建分析模型，生成作物需水量所依据的公式为：其中， 表示作物需水量，用于反映作物单位面积的需水量， 表示作物生长阶段系数，表示当前作物调整系数。

3.根据权利要求1所述的一种基于经验模型的水资源调度优化方法，其特征在于：生成土壤类型指数的方法为：在待灌溉的农田中设置至少五个采集点，且所有采集点呈直线排列，相邻采集点之间的间距相同，在每个采集点采集等量的土壤样本，所有土壤样本采集的土壤深度相同，对所有采集的土壤样本的土壤质地数据、有机质含量数据和土壤有效水分含量数据进行分析生成土壤类型指数，所依据的公式为：其中， 表示土壤类型指数， 、 和 分别表示第 个采集点的土壤质地数据、有机质含量数据和土壤有效水分含量数据，表示采样点的编号，表示采集点的数量，；

所述土壤质地数据生成所依据的公式为：

其中， 和 分别为第 个采集点的土壤样本中粘粒相对含量和粉粒相对含量，、分别为粘粒权重系数、粉粒权重系数， ， ；

有机质含量数据为土壤样本中有机成分的质量百分比，土壤有效水分含量数据为土壤样本中水分的体积百分比。

4.根据权利要求1所述的一种基于经验模型的水资源调度优化方法，其特征在于：确定待灌溉农田的最佳灌溉量所依据的逻辑为：其中， 表示待灌溉农田的最佳灌溉量， 表示作物需水量， 表示土壤类型指数，表示待灌溉农田的面积。

5.根据权利要求1所述的一种基于经验模型的水资源调度优化方法，其特征在于：采集所有灌区内各个待灌溉农田的作物类型，并结合农田的土壤类型指数确定灌溉优先级的方法为；

依据农田内种植的作物类型赋予类型权重，其中作物类型包括粮食作物、经济作物、蔬菜作物、果树作物和其他作物，粮食作物的类型权重为 ，经济作物的类型权重为 ，蔬菜作物的类型权重为 ，果树作物和其他作物的类型权重为 ， ，且；

依据农田内种植的作物类型的类型权重和农田土壤的土壤类型指数生成优先级，所依据的公式为：其中， 表示灌区内待灌溉的第 块农田的优先级， 和 分别表示灌区内待灌溉的第 块农田的类型权重和土壤的土壤类型指数，表示灌区内待灌溉农田的编号，，表示灌区内待灌溉农田的总数；

对灌区内的各个农田的灌溉水资源进行调配的逻辑为：

其中， 表示灌区内待灌溉的第 块农田的分配水量， 表示灌区内待灌溉的第块农田的最佳灌溉量， 表示灌区内灌溉的总水量, 表示灌区内待灌溉的第 块农田的面积。