中子仪计数规律及测量时间的选择

根据中子仪计数规律的分析，在建立热中子计数量公式和得出总体方差随８ｓ计数次数增加的变化规律的基础上，认为在使用中子仪时测量时间的选择原则应为，一般测定以４－６次８ｓ计数为好，在精度要求较高时要选８次８ｓ计数，而对一些特殊的试验则要依其具体要求而定。     

驻波法土壤水分测量系统的数学分析

介电法土壤水分测量中所涉及的公式一般是非线性的,在公式推导和绘制理论上的关系曲线时比较困难。为此,采用Matlab解决了上述问题,根据驻波法测量系统实际硬件电路参数推导出输出阻抗和传递函数的数学模型,再利用Topp公式等理论建立了以土壤含水率为自变量的系统传递函数的数学模型。利用Matlab对上述模型进行了仿真,得到了输出阻抗、介电常数及系统传递函数与土壤含水率的关系曲线。通过相关实验研究,验证了该数学模型的可行性。     

华北土石山区土壤水分动态研究

通过对华北土石山区阴坡油松林、阴坡裸地和阳坡侧柏栎类混交林土壤水分研究可知,阴坡光照时间和强度较阳坡小,相应的林地蒸发散减少,有利于林地的蓄水,增加土壤的含水量。不同月份含水量的变化规律是一致的,阴坡油松林地>阴坡裸地>阳坡侧柏栎类混交林地;试验地的土壤含水量在生长季内总的变化趋势和降雨的趋势一致,都是先上升后下降,8月份达到最大;阳坡针阔混交林和油松林的土壤垂直变化规律基本一致,表层0~40 cm的土壤含水量差别不大,主要是7月份的土壤含水量变化比较大。从土壤含水量的最大值与最小值的差距可以看出,阳坡针阔混交林土壤含水量的差距最大为27.75%,变化最剧烈,阴坡油松林林地土壤含水量的差距最小,为13.07%,含水量变化不明显。年内与平均值的差距是裸地最大,阳坡针阔混交林林地最小。     

线区域尺度土壤水分实时测量方法研究

提出了一种线区域尺度的土壤水分测量方法,设计了基于频域振荡法实时检测植物根区尺度土壤水分信息的传感系统。系统由土壤水分传感器、PVC套管、电动机牵引系统以及控制器组成,控制器控制电动机牵引传感器在套管中往复运动,可以实时获取240 cm长度上的土壤体积含水率信息。土壤水分传感器的动态响应时间为32 ms,稳定性测试结果的标准差为0.006 1 V,与时域反射(TDR)土壤水分传感器测量结果的相关性决定系数达到0.989,满足区域性土壤水分实时检测的要求。野外试验证明:当传感系统埋设深度为30 cm时,与相距10 cm平行埋设的BD-Ⅲ型土壤水分传感器(精度为±2%)测量结果的均方误差小于0.5%,能够测量到因降水导致的土壤水分变化,验证了系统的有效性。     

中子仪测量草甸地土壤水分含量的标定研究——科尔沁沙地坨甸相间地区

中子仪是目前广泛用于土壤水分动态监测的重要仪器.采用503DR型智能中子仪对科尔沁沙地坨甸相间地区的草甸地各试验点土壤水分进行测量,并用三点平滑原理对草甸地进行了分层标定.结果表明,在科尔沁沙地的草甸地区通过分层标定法中子仪可以得到精确的标定,是掌握草句地土壤水分动态变化的重要前提性工作.     

中子散射法测量土壤水分时标定方法的概述

对近年来中子水分仪测定土壤容积含水量时的标定方法进行综述,总结了国内外常用的中子水分仪测定土壤容积含水量的原理,并从不同的标定地点、标定方法、标定方程、数据处理等方面分别论述,对各类测定方法的优缺点进行了简要评述;同时介绍了一些新兴的标定技术。     

土壤水分测量中相位差检测算法的实验与研究

TDR时域反射法是近些年发展起来的一种测定土壤含水量的新技术,因其快速、简便、高可靠性、高精度等优点受到越来越多的关注。为此,介绍一种在TDR时域反射法基础上发展起来的基于相位检测法的土壤水分测量技术,即基于相位检测的时域反射测量法(P-TDR)。针对时间差检测过程中的相位多值问题,提出了确定相位差测量值范围的解决算法,以及实际应用时的解决办法。同时,采用相位检测法设计的传感器对土壤水分测量的结果与烘干法的测量结果进行比较,验证了该方法的可靠性。     

气量失重法测量土壤水分技术在农业综合水土保持中的应用研究

利用气量失重法测量不同土地利用类型,土壤表层以下0～40 cm深度范围内土壤水分分布情况,进一步研究各种水土保持措施的保水效果.     

用中子仪测定土壤含水率时的标定问题研究

以均质沙壤土和由沙壤土与沙土组成的层状土为材料,在室内对中子水分探测仪进行了土壤水分标定试验.供试土壤装填在直径57 cm、高90 cm的塑料桶内,其中层状土的分层次序为沙壤土、沙土、沙壤土,每层厚度30 cm.试验中同时观测中子计数和土壤质量含水率;利用统计学方法分析中子计数与土壤含水率之间的相关关系.试验结果表明:中子计数与土壤含水率之间的标定关系存在有效适用范围,即当土壤含水率低于某一个值时,中子仪的标定关系与大于该值时的标定关系完全不同;中子仪在均质土壤中的标定关系可用线性关系表示,而且用整体标定的线性关系代替分层标定的线性关系仍然可以得到满意的精度;但是,中子仪在层状土壤中的标定关系表现出明显的非线性特点,如果用线性关系采标定,则只有用分层标定才能得到满意的精度.该研究结果时改进中子仪标定方法有帮助.     

遥感监测土壤含水量方法综述

土壤水分是陆地表面参数化的一个关键变量,土壤水分含量随时空的分布和变化对地—气间的热量平衡、土壤温度及农业墒情等都会产生显著的影响。常规的土壤水分测量方法采样速度慢、代表性差,无法实现大面积土壤水分的实时动态监测。随着农业信息化的发展,利用遥感技术监测土壤水分是目前定量遥感研究的前沿和难题之一。为此,阐述了土壤水分遥感信息模型方法,并对各方法所需要解决的关键问题及其优缺点做了评述。     

基于无人机多光谱遥感的土壤含水率反演研究

为研究无人机多光谱遥感技术对裸土土壤含水率的大范围快速测定和最佳监测深度的确定,以杨凌地区粘壤土为试验材料,分别配制成2种不同深度(5 cm和10 cm)、含水率为3%~30%的土壤样本。用无人机搭载多光谱相机对土样连续监测3 d,监测时刻均为15:00。采集6个波段(490、550、680、720、800、900 nm)处的土壤光谱反射率,同时对2种不同深度的土壤样本表层(约1 cm)含水率和整体含水率进行测定。分别采用偏最小二乘回归法、逐步回归法和岭回归法,建立不同波段光谱反射率因素反演土壤含水率的回归模型,并分析其定量关系。试验结果表明,逐步回归预测精度最佳,决定系数(R2)分别为0.775、0.764、0.798、0.694,而预测均方根误差(RMSE)分别为0.028、0.042、0.037、0.038;其次为岭回归法;偏最小二乘法的预测精度最低。综合比较得最佳回归方法为逐步回归法,最佳监测深度为土壤表层(约1 cm),其次为5 cm深度,最后为10 cm深度。     

基于准静态同轴探头模型的土壤复介电测量方法

末端开路同轴探头法测量土壤复介电值用于表征土壤含水率具有准确、快捷的优点。针对目前土壤介电同轴探头集总测量模型没有充分考虑探头的参数以及土壤体积对测量结果影响等问题,基于电磁场理论,对末端开路同轴探头建立了准静态数学模型,适用于土壤的复介电常数准确测量。通过全波软件仿真和模型计算结果对比,以无水乙醇介电实测值和理论值对比,验证模型的准确性。采用本文介电测量模型对不同含水率的黄绵土进行测量计算,复介电常数实部与实测土壤含水率二阶多项式拟合决定系数大于0.965,表明本文所提土壤介电测量方法适用于土壤复介电常数和含水率的测量。     

基于LM算法的土壤表层含水率遥感监测

为探讨数据挖掘技术中LM(Levenberg-Marquardt)算法在土壤表层(约1 cm)含水率遥感监测中的应用,选取黄绵土、粘黄土、红土为试验材料,配制含水率分别为0、6%、10%、14%、18%、22%的土壤样本,在09:00—10:00和15:00—16:00时间段进行可见光采样,并对图像亮度进行梯度处理,以此模拟全天光线变化。采用样本实测含水率及图像RGB三阶颜色矩数据作为数据集,对上午、下午样本和两时间段混合样本采用LM算法建立含水率回归模型,并与BP(Back propagation)算法和分类回归树(Classification and regression trees,CART)算法进行比较。结果表明,基于土壤表层RGB颜色矩的LM算法具有较好的应用效果,混合样本不同土样回归模型决定系数R~2分别为0. 958、0. 943、0. 949,均方根误差(RMSE)分别为1. 6%、2. 0%、1. 9%,相对分析误差(RPD)分别为4. 873、4. 183、4. 440。不同光照时的混合样品分析结果表明,LM算法适用于不同光线采集样品的土壤含水率监测,适用于土壤表层(约1 cm)含水率的监测。     

土壤剖面水分线性尺度测量方法

针对现有土壤水分点尺度下测量的局限性,提出了一种线性尺度下的土壤剖面水分测量方法,并设计了一种基于驻波比法的土壤剖面水分信息测量传感系统。借助HFSS高频电磁场仿真软件与网络矢量分析仪对传感器环形探头的电场强度分布情况与阻抗特性进行了分析研究,确定了环形探头适应性与敏感区域。以2种不同质地的土壤作为试验样本,对土壤水分传感器的输出与对应的测量值进行了多项式拟合,决定系数均达到了0.99以上,传感器的稳态与动态性能均能满足土壤剖面水分的测量要求。通过多层水分土柱穿层试验与对比试验表明,该系统能够满足线性尺度下土壤剖面水分的实时测量需求,具有较高的测量精度与稳定性。设计的土壤剖面水分线性测量系统的各项指标均达到实际应用的需求,具有较高的应用推广价值。     

尿素对土壤水分传感器测量精度的影响

土壤水分的精准测量对节水灌溉、墒情监测、水肥一体化等领域具有重要意义,土壤氮含量会影响水分传感器的测量。为了消除这种影响,设计了不同尿素质量对不同水分含量土壤样本的监测实验,采用高灵敏度水分传感器并对尿素干扰下的输出电压进行监测,通过称重法监测土壤样本的含水率,使用LCR电桥测试仪监测土壤样本的电容和电阻。为了研究氮含量影响水分测量的机理,根据实验数据建立了三元三次多项式、BP神经网络、深度学习3种预测模型,并对预测结果进行误差分析。结果表明,相同土壤含水率条件下,尿素质量与土壤水分传感器输出值呈周期性的振荡关系。3种预测模型的平均绝对误差分别为0.77%、0.64%、0.75%,BP神经网络模型有98%误差集中在0~2%区间,误差峰值仅为2.07%,确立BP神经网络模型为最佳抗尿素干扰水分预测模型。     

基于平行竞争PSO算法的土壤水分测量研究

为了提高测量土壤水分Van Genuchten方程求解的精度,提出平行竞争PSO算法。首先在PSO算法基础上,当粒子群最大半径值小于某个阈值时,竞争才被触发,同时最差粒子被重置,粒子被重置的比例随着迭代次数增加而非线性减少;接着粒子群分成若干子群,子群的群平均适应度与原始粒子群平均适应度相差不能小于设定的阈值,引入不同的共享因子对子群与子群、粒子与子群之间进行信息共享动态调节;最后粒子适应度函数由Van Genuchten方程参数构成,给出了算法流程。实验仿真显示本文算法对测试函数求解具有收敛速度较快、解精度较高的特点,测量粉壤土脱湿数据的相对误差最大为5%,吸湿数据的相对误差最大为4%,相比其他算法都较小。     

遥感计算土壤含水量方法的比较研究

对目前国内外遥感计算土壤含水量的主要方法进行了对比研究,对不同遥感卫星数据在计算土壤含水量中的应用情况进行分析,指出这些方法和数据的应用概况、适用条件、存在问题以及改进的措施。对研究遥感计算土壤含水量方法,具有一定的指导意义。     

基于无人机多光谱遥感的玉米根域土壤含水率研究

及时获取农田作物根域土壤墒情是实现精准灌溉的基础和关键。以内蒙古自治区达拉特旗昭君镇试验站大田玉米为研究对象,利用无人机遥感系统,分别在玉米营养生长期(Vegetative stage,V期)、生殖期(Reproductive stage,R期)和成熟期(Maturation stage,M期)获得7次玉米冠层多光谱正射影像,并同步采集玉米根域不同深度土壤含水率(Soil moisture content,SMC);然后,采用灰色关联法对提取的多种植被指数(Vegetation index,VI)进行筛选,选取与土壤含水率敏感的植被指数;最后,分别采用多元混合线性回归(Cubist)、反向传播神经网络(Back propagation neural network,BPNN)和支持向量机回归(Support vector machine regression,SVR)等机器学习方法,构建不同生育期的敏感植被指数与土壤含水率的关系模型。结果表明,3种机器学习方法中SVR模型在各生育期的建模与预测精度均最优,BPNN模型次之,Cubist模型最差;其中SVR模型在M期效果最优,其建模集和验证集R~2分别为0. 851和0. 875,均方根误差(Root mean square error,RMSE)均为0. 7%,标准均方根误差(Normalized root mean square error,nRMSE)分别为8. 17%和8. 32%,R期效果最差,其建模集和验证集R~2分别为0. 619和0. 517。