土壤含水量传感器的研究和实验

阐述了果树土壤含水量传感器的研究现状、传感器的基本原理、结构组成、信号转换调节电路和标定测量方法、实验结果等。土壤含水量传感器将成本低廉的石膏块法加以改进。将平行电极改为同心螺旋电极，较之传统的石膏块平衡速度提高，响应时间缩短。研究表明。植物的蒸腾流速率与土壤含水量密切相关。蒸腾流速率随土壤含水量的增加而增强。在土壤含水量达到一定程度后。蒸腾流速率才不受其影响。     

面向车载式测量的土壤含水量与电导率复合传感器设计

基于介电方法设计了符合车载测量要求的四环电极结构土壤含水量与电导率复合传感器。分别在NaCl电导率溶液、含水土样和混合土样中进行标定试验分析,结果证实了复合传感器的可行性。通过分析混合土样中含水量和电导率与传感器输出信号之间的相关性,分别建立土壤含水量与电导率的统计预测模型。     

土壤含水量测定方法研究进展

对土壤含水量的各种测量方法、原理及其优缺点进行了分析对比，指出利用土壤水分传感器法量测土壤含水量既反映了土壤水分的动态情况，又安全可靠，快速直读；特别是通过使用接口电路形成的智能化仪表，具有不破坏土壤结构且能定点定位自动监测土壤水分、控制灌溉水量等自动化功能，已成为目前土壤水分测定的主要研究发展方向。     

土壤含水量检测电路的研制

首先介绍了FDR系统的测量原理、测量方法及其在土壤水分监测中的应用.然后利用FDR和单片机AT89S8252研制开发了土壤含水量检测电路,该电路由水分传感器、信号调理电路、显示电路、微处理器等几部分组成,测量的数据可经由串口传到上位机。试验表明:利用本电路与烘干称重法分别测定土样的体积含水率,其相对误差不超过3%,具有测量准确度高、测量速度快、显示直观、价格低廉、操作方便等特点。     

几种土壤密度随土壤含水量变化的模拟研究

以湖北地区的黄棕壤、红壤、潮土、水稻土为供试土壤,研究了土壤密度随土壤含水量的变化,并进行了数值模拟,结果表明,所有供试土壤随着重量含水量的降低,土壤密度都会逐渐增大,土壤密度(B)随含水量(θg)变化的关系可用指数模型B=a e-bθg描述,且其精度较高.模型中不同土壤的a值和b值有所不同,一般土壤黏粒含量高,黏粒中...     

土壤含水量(土壤湿度)数据在智能灌溉决策系统中的应用研究

土壤含水量是灌溉管理中最基础的数据。讨论了智能灌溉决策中对土壤含水量数据的客观需求,如何采集、处理可供智能灌溉决策系统使用的土壤含水量数据。     

土壤组成与性质对近红外光谱检测土壤含水量的影响

以湖北地区的红壤、黄棕壤和潮土为供试土壤,研究了外源添加黏土矿物(高岭石、水云母、针铁矿、蒙脱石、蛭石)含量、有机质含量和模拟土壤颗粒大小、土壤水稳性团聚体大小对近红外光谱检测土壤含水量的影响,并分别建立了相关模式方程.结果表明,土壤的光谱特性是土壤中多因子作用的综合结果,土壤组成与性质明显地影响着近红外光谱检测土壤水分时土壤光谱反射率的变化.在土壤中添加这些黏土矿物和有机质,其光谱反射率下降;在沙土、粉沙土范围内,土壤颗粒直径由大变小,其光谱反射率增大,但至<0.002 mm黏粒时,其反射率减小;土壤水稳性团聚体由大变小,其光谱反射率增大.     

冻融过程对FDR测量土壤体积含水量的影响

为研究冻融过程对FDR测量土壤体积含水量的影响,采用基于FDR技术的土壤水分传感器TDR-3,通过室内温度实验箱控制环境温度范围为-20～20 ℃,对冻融过程中黏性土样体积含水量进行了测试分析．结果表明:采用FDR测量黏性土样体积含水量,在土样未进行冻融前,温度在0 ℃以上时,FDR的测量值随温度呈线性变化,随着温度的升高而增大,随着温度的降低而减小;黏性土样冻融过程中,在冻结过程中,FDR的测量值随着温度的降低逐渐减小;在融化过程中,随着温度的升高,FDR的测量值逐渐增大;相同温度条件下,黏性土冻结过程中FDR的测量值明显大于黏性土融化过程中FDR的测量值,0℃时两者差值最大,该差值受土壤初始体积含水量和冻融温度的影响．研究成果对于提高FDR测量冻融过程中土壤体积含水量的可靠性具有重要意义．     

基于太阳能的土壤含水率远程实时监测仪研制

为实现土壤含水率实时监测及数据的远程传输,以太阳能电池及锂电池作为整个系统的能量供给,采用电场法测量土壤含水率;通过GSM网络,利用短消息实现土壤含水率数据的实时传输。电源模块实现太阳能的收集及存储,并对整个系统的电源实现管理。系统将土壤含水率转换成电压信号后,对其整流、A/D转换、计算等相关处理后得到土壤的含水率。利用实时时钟电路与SD卡,可实现每天的数据存储。土壤含水率及系统状态异常信息可通过短消息发送到指定手机或终端。试验表明,当被监测的紫色土或黄壤含水率低于30%时,测量误差小于6%。系统每6h测量并存储一次监测数据,每24h发送一次,其余时间处于休眠状态。在该条件下,3 W的太阳能电池能满足系统的能量需求。如果太阳能电源模块出现故障,导致锂电池无法充电时,系统能发送警告短消息,提醒用户及时排除故障。     

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。     

电容式粮食含水率测量仪的设计

为了克服温度和容积密度对电容式粮食含水率测量仪精度的影响,设计了能够同时检测粮食电容、温度和容积密度的硬件电路和程序.电容传感器为同轴圆筒型,以数字式温度传感器DS18B20检测温度,由应变片组成的桥式电路检测质量,进而计算容积密度.根据得到的电容、温度和容积密度值,基于数据融合技术可得到被测样品的含水率.     

电容式粮食含水率测量仪的设计

为了克服温度和容积密度对电容式粮食含水率测量仪精度的影响,设计了能够同时检测粮食电容、温度和容积密度的硬件电路和程序。电容传感器为同轴圆筒型,以数字式温度传感器DS18B20检测温度,由应变片组成的桥式电路检测质量,进而计算容积密度。根据得到的电容、温度和容积密度值,基于数据融合技术可得到被测样品的含水率。     

农田土壤含水率和坚实度采集仪设计与试验

设计了可以定位、快速、同步测量农田土壤含水率和坚实度的采集仪。在探讨该仪器测量原理和软硬件设计的基础上,对其测量的准确性进行了试验分析。某苗圃地,选定5m×5m的30个采样点,用农田信息采集仪和烘干法分别测量各点的土壤含水率,并对测量值进行简单相关分析,其相关系数为0.9179,达到极显著性相关。以同样的方式,采用农田信息采集仪和SC900型数字土壤坚实度仪,分别测量30个采样点10cm和20cm深度处的土壤坚实度值,并对两种方法在两个深度时的测量值进行相关性分析,其相关系数分别为0.8267和0.9245,达到极显著性相关。试验结果表明,该采集仪对农田土壤含水率和坚实度测量的准确性可满足农业生产要求。     

基于电容式湿度传感器的植物粉料含水率测量

提出了一种基于电容式湿度传感器的植物粉料含水率测量方法。由电容式湿度传感器和数据采集卡组成的测量系统获取植物粉料含水率数据,应用一阶差分法剔除奇异值后,通过惯性滤波法处理数据。由菊花粉含水率的13个测量值与烘干法测得的真值对比试验结果可知,测量值与真值之间的最大相对误差为1.61%,平均相对误差为0.76%,均小于5%(测量样品数为5时置信区间为95%),表明该方法能够用于测量低水分植物粉料的含水率。     

基于平衡水分模型的稻谷含水率实时监测系统

基于静力学谷物平衡水分模型,利用无线传感器网络及嵌入式技术设计了仓储中稻谷含水率实时监测系统.通过试验验证改进Henderson、改进Chung-Pfost和改进Owin模型及对应参数的稻谷含水率预测误差和精度,结果表明改进Chung-Pfost模型具有准确预测的精度,且当参数A=363.06、B=0.1804、C=26.674时该模型的预测精度较高.通过测试传感器节点的传输质量,表明系统能够实现数据稳定的传输.     

农田土壤含水率和坚实度采集仪设计与试验

设计了可以定位、快速、同步测量农田土壤含水率和坚实度的采集仪.在探讨该仪器测量原理和软硬件设计的基础上,对其测量的准确性进行了试验分析.某苗圃地,选定5 m × 5 m的30个采样点,用农田信息采集仪和烘干法分别测量各点的土壤含水率,并对测量值进行简单相关分析,其相关系数为0.917 9,达到极显著性相关.以同样的方式,采用农田信息采集仪和SC900型数字土壤坚实度仪,分别测量30个采样点10 cm和20 cm深度处的土壤坚实度值,并对两种方法在两个深度时的测量值进行相关性分析,其相关系数分别为0.826 7和0.924 5,达到极显著性相关.试验结果表明,该采集仪对农田土壤含水率和坚实度测量的准确性可满足农业生产要求.     

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。     

基于高光谱和机器学习模型的冬小麦土壤含水率监测研究

为及时获取大田作物根区土壤含水率(Soil moisture content, SMC),实现精准灌溉,运用高光谱技术,通过连续2年(2019—2020年)田间试验采集了冬小麦拔节期不同土层深度SMC及高光谱数据,构建了3类植被指数(蓝、黄和红边面积等三边光谱参数,与冬小麦根区SMC相关性最高的任意两波段植被指数和前人研究与作物参数相关性较好的经验植被指数)并筛选与各土层深度SMC相关系数最高的植被指数,随后将筛选后的植被指数作为模型输入,分别采用随机森林(Random forest, RF)、反向神经网络(Back propagation neural network, BPNN)和极限学习机(Extreme learning machine, ELM)构建冬小麦拔节期不同土层深度SMC估算模型。结果表明,绝大部分三边参数、任意两波段植被指数和经验植被指数在深度0～20 cm土层的SMC相关系数较20～40 cm和40～60 cm更高,在深度0～20 cm土层两波段组合构建的光谱指数与SMC的相关系数最高,均超过0.8,其中RI与SMC的相关系数最高,为0.851,其波长组合为675...     

土壤墒情数据的精度控制式压缩算法

为了解决采集土壤墒情数据量庞大而造成的不能长期保存数据的问题,进行了土壤墒情数据压缩方法的研究.根据土壤墒情数据在一定时间内总是在某个范围内波动的特点和压缩性能的要求,提出了一种精度控制式压缩算法.该算法压缩时只存储相对压缩点的增量或减量超过设定精度的采集点和前一个采集点的数据,过滤掉大部分不符合条件的数据.解压缩时,将相邻两个存储点数据的差值均匀分配给中间被过滤掉的数据,实现数据的恢复.实验表明,该压缩算法具有压缩率高和精度可控的优点,实用性强.