摘要：为了给基于频域反射法测量土壤质量含水率提供一种方法,设计了一种由圆管和探针组成的管针式土壤质量含水率测量探头。以杨凌地区的塿土为对象,分析了所设计探头间接测量土壤容重的误差;在信号源频率为50、100、150、300、500 MHz下,研究了土壤质量含水率（2.58%～21.43%）、土壤容重（0.80～1.30 g/cm3）和温度（10～50℃）对探针上的电压与信号源输出电压的比值（信号电压比）的影响;建立了信号电压比与土壤温度、容重和质量含水率之间的三元二次方程,分析了模型预测土壤含水率的可行性。结果表明：管针式探头间接测量土壤容重的绝对误差为-0.129～0.016 g/cm3;含水率、容重和温度均影响信号电压比,50、100、150 MHz下含水率对信号电压比影响较显著。在0.01的显著水平上,150 MHz下所建模型较优,其决定系数R2为0.849 6;对该模型的检验结果说明,计算的信号电压比与实际电压比的绝对误差为-0.166～0.159。基于该模型计算的土壤含水率与实际含水率的绝对误差为-3.440%～4.039%。

摘要：研究土壤含水率的测定对于农作物生长,灌溉及农业自动化发展具有重要意义。该文针对传统含水率传感器电极输出信号谐波失真较大的问题,设计了一种差分信号控制的土壤含水率传感器。鉴于传感器电极输出的信号失真是由于土壤非线性因素引起的,该文利用集成时基计时器设计差分输入信号控制电路,减少输出信号的总谐波失真度。此外,建立相应的数学模型,得到土壤阻抗与信号周期变化关系。构建传感器硬件结构,通过微处理控制器测量信号周期得出土壤含水率变化数值。试验表明,传感器输出端的信号总谐波失真较传统结构减少12.56%。土壤质量含水率在5%~30%时,土壤含水率测试最大误差不超过4.89%,土壤阻抗测试误差不超过2%。

摘要：设计了一种适用于快速测量土壤含水率的近红外传感器。发光二极管(LED)作为传感器的光源,中心波长为1 940 nm的光为测量光,1 800 nm为参考光,土壤含水率对这2个波长的光有不同的吸收特性。光源发出的光照射到土壤表面,经反射后进入光电转换器,将光信号转换为电信号,送至两级放大电路、模数转换器(A/D)、显示和存储设备,输出的反射光强与土壤含水率存在一定的关系。仪器性能试验表明:光源传感器到土壤表面的距离对采集信号的强度有一定影响,根据传感器的结构,可以选择一定的距离使反射信号的强度和稳定性最好。两波长光的反射光强随着土壤粒径的增大而减小;土壤含水率与相对吸收深度之间具有很好的线性相关性,回归分析的决定系数为0.863。

摘要：土壤中的水分影响土壤养分的溶解、转移和微生物的活动,是作物赖以生存的基本要素。土壤含水率的快速准确监测对于农业生产具有重要意义。该文设计了一种基于RC网络相频特性的土壤含水率传感器。不同含水率的土壤的介电常数的变化会导致RC电路网络的相频特性的变化。传感器通过感知这种变化进而确定土壤含水率。此外,针对RC网络电路元件参数和工作频率选择的问题,该文采用最优化方法求解从而使传感器在量程范围内具有最佳的灵敏度。其中最优的工作频率为f*=1.9412×108Hz,最优的串联电阻R*=13.1Ω。试验表明,该传感器对砖红壤土含水率的预测模型的决定系数R2为0.9889,实际预测误差≤4.58%。

摘要：为实现土壤含水率的快速准确监测,设计了一种基于LVDS差分传输线延时检测技术的土壤含水率传感器。该传感器将高频振荡信号分路为两通道LVDS差分信号,一个通道用于测试土壤含水率,另一个通道用于提供参考信号。由于土壤中水分的变化改变土壤介电常数,从而导致测试通道LVDS差分总线上信号传输延时的变化,则传感器检测该通道信号的传输延时就可以确定土壤含水率。为了获得LVDS总线设计线宽和线间距的最优值,以LVDS总线阻抗值均方误差最小化为目标,构建了线宽和线间距的最优化计算模型,并通过遗传算法求解出了最优线宽为0.178 9 mm和最优线间距为0.223 8 mm。试验表明,根据该参数设计的传感器在50 MHz频率时,对体积含水率8.31%以上的砖红壤土和黄壤土的预测模型为线性模型,决定系数R2为0.964 2,绝对预测误差在2.45%以内。

摘要：水资源是制约中国农业生产最重要的因素之一,土壤含水率的检测对农业生产实践具有至关重要的指导意义。该文根据土壤水分对不同光谱的吸收和反射特性,以发光二极管作为测量仪器光源,中心波长为1 940 nm的光为测量光,1 800 nm为参考光设计了专用的测量电路和相应的软件程序来测量土壤含水率。系统光源发出的光照射到土壤表面,经反射后光电转换器,再送至放大电路、模数转换器、显示和存储。试验表明:土壤含水率与相对吸收深度之间存在正比例关系,线性回归的确定系数为0.86。为了证明测量仪器的测量进度,将实际土壤含水率与仪器的测量结果进行比较修正,结果表明:烘干法与本仪器测量的土壤含水率的结果的均方根误差均为3.9%。因此,本次设计的测量仪器可满足对土壤含水率的测量要求,研究结果在指导农业生产,水资源合理利用,精细灌溉的实时监测中具有良好的应用前景。

摘要：针对现有电容式土壤含水率传感器对电导率敏感等问题,从电阻电容串联阶跃响应原理出发,采用峰值检测技术,设计高低频(100、50 MHz)激励下的数字型土壤含水率传感器,并提供一种融合高低频响应信号分析土壤等效相对介电常数的反函数模型。试验结果表明,传感器的高低频响应稳定时间在338~464 ms,建议传感器高低频切换间隔大于500 ms。在非导电液体介质中标定结果表明,高低工作频率下各自输出信号与液体相对介电常数符合指数模型,决定系数R^(2)大于0.98。在0~1000μS/cm范围内的溶液试剂中,基于反函数模型的高低频数据融合处理,电导率引起的测量相对介电常数的最大误差为1.775,对应最大引用误差2.16%。土壤实测表明,单频率传感器输出信号易受土壤电导率的影响,其引起的信号误差可大于100 mV,对应的体积含水率误差大于10%;而双频输出信号经反函数模型的数据融合处理后,结合Topp模型,电导率对传感器的影响最大误差为3.2%。

摘要：我国北方寒地温差大,土壤温差对近红外光谱测量土壤墒情有较大影响。针对这一问题,以北方寒地土壤为研究对象,探究大范围温度胁迫下(-20~40℃)土壤的近红外光谱与土壤不同含水率之间的关系预测模型方法。选取黑龙江八一农垦大学农学院试验基地中的黑土,经烘干、过筛等操作处理后配置含水率范围在15%~50%内八种不同湿度的土壤样品,建立北方寒地土壤大范围温度胁迫下土壤的近红外光谱信息与含水率之间的定量预测模型。在全波段光谱数据的基础上,结合五种不同光谱信号预处理方法,采用BP神经网络算法、优化支持向量机算法(SVM)、高斯过程算法(GP)三种智能算法建立北方寒地土壤近红外光谱与含水率的预测模型并验证模型的效果。利用69组数据进行训练建模,BP神经网络相关参数设置为学习速率0.05,最大训练次数设置为5000,隐层单元数确定为20;SVM采用径向基函数,并利用leave-one-out cross validation确定了最佳惩罚参数为0.87,使模型预测的准确性提高;高斯过程算法内部采用马顿核。模型的定量评估采用决定系数(R^(2))和均方根误差(RMSE)。结果表明,在建立的全部BP神经网络模型中,效果最佳的为S_G-BP神经网络模型,模型的R^(2)为0.9609,RMSE为2.3797;在SVM模型中SNV-SVM模型的效果最好,模型的R^(2)为0.9911,RMSE为1.0815;在GP模型中S_G-GP模型的效果最好,模型的R^(2)为0.928,RMSE为3.2581,综上基于SNV预处理的SVM模型训练效果最优。利用剩余的35组光谱数据作为预测集验证模型性能,经模型对比分析发现基于SVM算法的预测模型效果优于其他两种算法,其中基于S_G的SVM模型效果最优,其预测模型的R^(2)和差RMSE分别为0.9921和0.7369。综合建模集与预测集的参数最终确定基于S_G的SVM模型为最佳模型。此模型可以作为大范围温度胁迫条件下(寒地)的土壤含水率有效预测方法,为设计优化适宜寒地便携式近红外土壤含水率快速测量仪提供科学依据。

摘要：及时获取大田作物根区土壤含水率(Soil moisture content,SMC)对于实现精准灌溉至关重要。本研究采用无人机多光谱技术,通过连续2年(2021—2022年)田间试验,采集了大豆开花期不同土壤深度的SMC数据以及相应的无人机多光谱图像,建立了与作物参数具有较强相关性的植被指数及冠层纹理特征。通过分析植被指数和纹理特征与各深度土层SMC的相关性,分别筛选出与各深度土层SMC相关系数达显著相关(P<0.05)的参数作为模型的输入变量(组合1:植被指数;组合2:纹理特征;组合3:植被指数结合纹理特征),分别利用支持向量机(Support vector machine,SVM)、梯度提升模型(Extreme gradient boosting,XGBoost)和梯度提升决策树(Gradient boosting decision tree,GDBT)对各深度土层SMC进行建模。结果表明,与20~40 cm和40~60 cm土层深度相比,植被指数和纹理特征在0~20 cm土层深度中与SMC表现出更高的相关性。XGBoost模型为SMC估算的最佳建模方法,特别是对于0~20 cm土层深度。该深度估计模型验证集决定系数为0.881,均方根误差为0.7%,平均相对误差为3.758%。本研究结果为大豆根区SMC无人机多光谱监测提供了基础,为水分胁迫条件下作物生长的快速评估提供了参考。

摘要：为解决传统土壤含水率监测中所存在的监测区域面积小、采样率低等问题,设计和开发了基于无线传感器网络技术的土壤含水率监测系统,包括10个传感器节点,1个簇首和1个基站节点,可按任意时间间隔全自动地采集、处理、传输和存储地表以下4个不同土层土壤含水率变化状况;各类节点采用TinyOS操作系统,节点间通信遵循ZigBee协议;含水率测量采用EC-5传感器;太阳能供电模块的供电能力满足传感器节点及簇首的能耗需求;进行了数据包传输率试验,10个传感器节点中有7个的数据包正确传输率高于90%,1个节点的数据包正确传输率为89.2%,2个节点的传输率低于70%。造成2个节点数据包传输率较低的主要原因是太阳能供电电路制作,通过更换电路板解决了该问题。试验结果表明,系统能够实现稳定的数据传输,适合农田土壤含水率的实时监测。