土壤墒情监测技术研究现状与发展趋势

doi:10.12398/j.issn.2096-7217.2024.03.006

智能化农业装备学报（中英文） ›› 2024, Vol. 5 ›› Issue (3): 51-62.DOI: 10.12398/j.issn.2096-7217.2024.03.006

土壤墒情监测技术研究现状与发展趋势

高宁¹^,²(), 张安琪²^,³, 梅鹤波², 杨兴华¹^,², 甘蕾², 孟志军¹^,²^,³()

^1.黑龙江八一农垦大学工程学院，黑龙江大庆，163319
^2.北京市农林科学院智能装备技术研究中心，北京市，100097
^3.智能农业动力装备全国重点实验室，北京市，100097

收稿日期:2024-03-05 修回日期:2024-07-03 出版日期:2024-08-15 发布日期:2024-08-15
通讯作者: 孟志军，男，1975年生，河南潢川人，博士，研究员；研究方向为农机智能装备。E-mail： mengzj@nercita.org.cn
作者简介:高宁，男，1997年生，山东菏泽人，硕士研究生；研究方向为农机专用传感器。E-mail： gaoning5998@163.com
基金资助:
国家重点研发计划项目(2021YFD2000402-2);山东省重点研发计划（重大科技创新工程）项目(2022CXGC010608);云南省陈立平专家工作站(202105AF150030)

Current status and development trends of soil moisture monitoring technologies

GAO Ning¹^,²(), ZHANG Anqi²^,³, MEI Hebo², YANG Xinghua¹^,², GAN Lei², MENG Zhijun¹^,²^,³()

^1.College of Engineering, Heilongjiang Bayi Agricultural University, Daqing 163319, China
^2.Intelligent Equipment Research Center, Beijing Academy of Agriculture and Forestry Sciences, Beijing 100097, China
^3.State Key Laboratory of Intelligent Agricultural Power Equipment, Beijing 100097, China

Received:2024-03-05 Revised:2024-07-03 Online:2024-08-15 Published:2024-08-15
Contact: MENG Zhijun

摘要/Abstract

摘要：

随着农业生产对田间管理要求的不断提升，传统的农机设备已逐渐难以适应现代智慧农业的生产需求。在这一背景下，土壤墒情监测技术作为现代农田管理中获取土壤含水率信息的关键手段，正扮演着推动农机向自动化、智能化发展的重要角色。为此，深入梳理和分析国内外土壤墒情监测技术研究现状，重点围绕土壤墒情监测的方式及原理、模型构建算法以及信号处理方法这3个方面技术的研究进展进行阐述，通过对比分析，归纳与总结了国内外在监测方式、原理、模型构建算法和信号处理方法上的异同以及实际应用中存在的问题和面临的挑战，并提出了土壤墒情监测技术在这3个方面未来的发展趋势：土壤墒情监测方式方面，构建多源土壤墒情监测信息平台，以实现更全面的数据收集和分析；模型构建算法方面，通过采用机器学习和深度学习算法，为不同土壤环境和作业场景量身定制模型算法模块，提高监测设备准确性和适用性；信号处理方面，加强多源信号融合技术的应用，降低作业环境对监测设备的影响。

关键词: 土壤墒情, 机载式监测, 原位监测, 机器学习, 深度学习, 信号处理

Abstract:

As agricultural production continues to increase its requirements for field management， traditional agricultural machinery and equipment have gradually become difficult to meet the production needs of modern smart agriculture. In this context， soil moisture monitoring technology， as a key means of obtaining soil moisture information in modern agricultural management， is playing an important role in promoting the development of agricultural machinery towards intelligence and automation. Therefore， this study thoroughly reviews and analyzes the current research status of soil moisture monitoring technology at home and abroad， focusing on the research progress of three aspects of soil moisture monitoring methods and principles， model construction algorithms， and signal processing methods. Through comparative analysis， the differences and similarities in monitoring methods， principles， model construction algorithms， and signal processing methods at home and abroad， as well as the problems and challenges in practical applications， are summarized. The future development trends of soil moisture monitoring technology in these three aspects are proposed： in terms of soil moisture monitoring methods， a multi-source soil moisture monitoring information platform is constructed to achieve more comprehensive data collection and analysis； In terms of model construction algorithms， machine learning and deep learning algorithms are adopted to customize model algorithm modules for different soil environments and working scenarios， improving the accuracy and applicability of monitoring equipment； In terms of signal processing， the application of multi-source signal fusion technology is strengthened to reduce the impact of the working environment on monitoring equipment.

Key words: soil moisture, airborne monitoring, in situ monitoring, machine learning, deep learning, signal processing

中图分类号:

S233

高宁, 张安琪, 梅鹤波, 杨兴华, 甘蕾, 孟志军. 土壤墒情监测技术研究现状与发展趋势[J]. 智能化农业装备学报（中英文）, 2024, 5(3): 51-62.

GAO Ning, ZHANG Anqi, MEI Hebo, YANG Xinghua, GAN Lei, MENG Zhijun. Current status and development trends of soil moisture monitoring technologies[J]. Journal of Intelligent Agricultural Mechanization, 2024, 5(3): 51-62.

图/表 16

参考文献 61

1	梅多平. 乡村振兴背景下的粮食安全与农户增收策略［J］. 甘肃农业， 2022（4）： 9-11.
2	袁寿其，李红，王新坤. 中国节水灌溉装备发展现状、问题、趋势与建议［J］. 排灌机械工程学报， 2015， 33（1）： 78-92.
	YUAN Shouqi， LI Hong， WANG Xinkun. Status， problems， trends and suggestions for water-saving irrigation equipment in China ［J］. Journal of Drainage and Irrigation Machinery Engineering， 2015， 33（1）： 78-92.
3	张亮，周薇，李道西. 农业高效节水灌溉模式选择研究进展［J］. 排灌机械工程学报， 2019， 37（5）： 447-453.
	ZHANG Liang， ZHOU Wei， LI Daoxi. Research progress in irrigation mode selection of high-efficiency water-saving agriculture ［J］. Journal of Drainage and Irrigation Machinery Engineering， 2019， 37（5）： 447-453.
4	邵长亮，吴东丽. 土壤水分测量方法适用性综述［J］. 气象科技， 2019， 47（1）： 1-9.
	SHAO Changliang， WU Dongli. Review of applicability of soil moisture measurement techniques ［J］. Meteorological Science and Technology， 2019， 47（1）： 1-9.
5	张晓虎，李新平. 几种常用土壤含水量测定方法的研究进展［J］. 陕西农业科学， 2008（6）： 114-117.
6	张文瀚，杜克明，孙彦坤，等. 基于探地雷达的田块尺度下不同深度土壤含水量监测［J］. 智慧农业（中英文）， 2022， 4（1）： 84-96.
	ZHANG Wenhan， DU Keming， SUN Yankun， et al. Monitoring specified depth soil moisture in field scale with ground penetrating radar ［J］. Smart Agriculture， 2022， 4（1）： 84-96.
7	常丹，李旭，刘建坤，等. 土体含水率测量方法研究进展及比较［J］. 工程勘察， 2014， 42（9）： 17-22， 35.
	CHANG Dan， LI Xu， LIU Jiankun， et al. Study progress and comparison of soil moisture content measurement methods ［J］. Geotechnical Investigation & Surveying， 2014， 42（9）： 17-22， 35.
8	，土壤墒情监测规范［S］.
9	CALAMITA G， PERRONE A， BROCCA L， et al. Electrical resistivity and TDR methods for soil moisture estimation in central Italy test-sites ［J］.Journal of Hydrology， 2012， 454-455（none）： 101-112.
10	AN N， TANG C S， CHENG Q， et al. An experimental application of electrical resistivity/resistance method （ERM） to characterize the evaporation process of sandy soil ［J］. Physics and Chemistry of the Earth， Parts A/B/C， 2020， 117： 102873.
11	栗震霄，高晓阳，冯全，等. 电阻式土壤含水率非扰动连续测量装置的研究［J］. 甘肃农业大学学报， 1999（4）： 369-373.
	LI Zhenxiao， GAO Xiaoyang， FENG Quan， et al. Study on resistance continue non-interference apparatus for soil moisture［J］. Journal of Gansu Agricultural University， 1999（4）： 369-373.
12	彭士明，林家斌. 中子土壤水分仪田间测量与烘干法精度分析比较［J］. 地下水， 2001（2）： 67-68.
13	NGUYEN J G， COHEN S M. Moisture-resistant and superhydrophobic metal-organic frameworks obtained via postsynthetic modification ［J］. Journal of the American Chemical Society， 2010， 132（13）： 4560-4561.
14	CHRISMAN B， ZREDA M. Quantifying mesoscale soil moisture with the cosmic-ray rover ［J］. Hydrology and Earth System Sciences， 2013， 17（12）： 5097-5108.
15	王秋铭，王胜，樊军. 宇宙射线快中子法在土壤水分测量中的应用——以陕北六道沟流域为例［J］. 中国水土保持科学， 2015， 13（5）： 125-131.
	WANG Qiuming， WANG Sheng， FAN Jun. Application of cosmic-ray fast neutron method to measure soil moisture： A case study of Liudaogou basin in Shaanxi ［J］. Science of Soil and Water Conservation， 2015， 13（5）： 125-131.
16	HAN X， FRANSSEN H J H， BELLO M Á J， et al. Simultaneous soil moisture and properties estimation for a drip irrigated field by assimilating cosmic-ray neutron intensity ［J］. Journal of Hydrology， 2016， 539： 611-624.
17	ZHU X C， SHAO M A， JIA X X， et al. Application of temporal stability analysis in depth-scaling estimated soil water content by cosmic-ray neutron probe on the northern Tibetan Plateau ［J］. Journal of Hydrology， 2017， 546： 299-308.
18	武强，贺开利，罗孳孳，等. 宇宙射线中子法在复杂下垫面土壤水分测量中的应用［J］. 中国农业气象， 2020， 41（1）： 34-42.
	WU Qiang， HE Kaili， LUO Zizi， et al. Application of cosmic-ray neutron method in soil moisture measurement on complex underlying surface ［J］. Chinese Journal of Agrometeorology， 2020， 41（1）： 34-42.
19	罗红品，李光林. 土壤含水率的检测研究进展［J］. 农机化研究， 2014， 36（5）： 244-247.
	LUO Hongpin， LI Guanglin. Research progress in detection of soil moisture content ［J］. Journal of Agricultural Mechanization Research， 2014， 36（5）： 244-247.
20	THOMSEN A， HANSEN B， SCHALDE K. Application of TDR to water level measurement ［J］. Journal of Hydrology， 2000， 236（3）： 252-258.
21	SKIERUCHA W， WILCZEK A， ALOKHINA O. Calibration of a TDR probe for low soil water content measurements ［J］. Sensors & Actuators A： Physical， 2008， 147（2）： 544-552.
22	李子忠，郑茹梅，龚元石，等. 时域反射仪对水分非均匀分布土壤含水率的测定［J］. 农业工程学报， 2010， 26（11）： 19-23.
	LI Zizhong， ZHENG Rumei， GONG Yuanshi， et al. Measurement of soil water content by time domain reflectometry in non-uniformly wetted soils ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2010， 26（11）： 19-23.
23	杨梅，王琪. 土壤水分测量系统设计与实现［J］. 南方农业， 2018， 12（11）： 186-188.
24	LIN C P. Frequency domain versus travel time analyses of TDR waveforms for soil moisture measurements ［J］. Soil Science Society of America Journal， 2003， 67（3）： 720-729.
25	RAO B H， SINGH D N. Moisture content determination by TDR and capacitance techniques： A comparative study ［J］. International Journal of Earth Sciences， 2011， 4（6）： 132-137.
26	郭文川，宋克鑫，韩文霆. 管针式土壤含水率探头设计与影响因素分析［J］. 农业机械学报， 2015， 46（5）： 115-121.
	GUO Wenchuan， SONG Kexin， HAN Wenting. Tube-pin type soil moisture content probe and its influence factors ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2015， 46（5）： 115-121.
27	钱立鑫. 基于FDR技术的土壤湿度检测装置研究［D］. 哈尔滨：黑龙江大学， 2016.
28	蒋国良，邹彩虹，胡建东，等. 边缘电场土壤水分传感技术研究［J］. 河南农业大学学报， 2006， 40（1）： 87-90．
	JIANG Guoliang， ZOU Caihong， HU Jiandong， et al. Technique studies of a fringing field sensor for measuring water content in a soil sample ［J］. Journal of Henan Agricultural University， 2006， 40（1）： 87-90.
29	MIZUGUCHI J， PIAI J C， DE FRANÇA J A， et al. Fringing field capacitive sensor for measuring soil water content： Design， manufacture， and testing ［J］. IEEE Transactions on Instrumentation and Measurement， 2014， 64（1）： 212-220.
30	戴宇培，刘云飞，孙成忠. 电容型土壤含水率传感器的优化设计［J］. 仪表技术与传感器， 2017（7）： 11-14， 49.
	DAI Yupei， LIU Yunfei， SUN Chengzhong. Capacitance type soil moisture content sensor optimization design ［J］. Instrument Technique and Sensor， 2017（7）： 11-14， 49.
31	GOSWAMI M P， MONTAZER B， SARMA U. Design and characterization of a fringing field capacitive soil moisture sensor ［J］. IEEE Transactions on Instrumentation and Measurement， 2018， 68（3）： 913-922.
32	MOUAZEN A M， DE BAERDEMAEKER J， RAMON H. Towards development of on-line soil moisture content sensor using a fibre-type NIR spectrophotometer ［J］. Soil and Tillage Research， 2005， 80（1-2）： 171-183.
33	KODAIRA M， SHIBUSAWA S. Using a mobile real-time soil visible-near infrared sensor for high resolution soil property mapping ［J］. Geoderma， 2013， 199： 64-79.
34	张东兴，刘江，杨丽，等. 基于VIS-NIR的播种沟内土壤水分测量传感器研究［J］. 农业机械学报， 2021， 52（2）： 218-226.
	ZHANG Dongxing， LIU Jiang， YANG Li， et al. Soil moisture measurement sensor research in seeding ditch based on VIS-NIR ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2021， 52（2）： 218-226.
35	朱文静，冯展康，吴抒航，等. 机载非接触式近红外土壤墒情检测系统研制［J］. 农业工程学报， 2022， 38（9）： 73-80.
	ZHU Wenjing， FENG Zhankang， WU Shuhang， et al. Development of an airborne non-contact near-infrared soil moisture detection system ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2022， 38（9）： 73-80.
36	曾旭婧，邢艳秋，单炜，等. 基于Sentinel-1A与Landsat 8数据的北黑高速沿线地表土壤水分遥感反演方法研究［J］. 中国生态农业学报， 2017， 25（1）： 118-126.
	ZENG Xujing， XING Yanqiu， SHAN Wei， et al. Soil water content retrieval based on Sentinel-1A and Landsat 8 image for Bei'an-Heihe expressway ［J］. Chinese Journal of Eco-Agriculture， 2017， 25（1）： 118-126.
37	BAO Y S， LIN L B， WU S Y， et al. Surface soil moisture retrievals over partially vegetated areas from the synergy of Sentinel-1 and Landsat 8 data using a modified water-cloud model ［J］. International Journal of Applied Earth Observation and Geoinformation， 2018， 72： 76-85.
38	王龙，宫辉力，潘云，等. 基于Sentinel-1 SAR数据的锡林浩特市典型草原土壤水分反演［J］. 干旱气象， 2019， 37（6）： 979-986.
	WANG Long， GONG Huili， PAN Yun， et al. Retrieval of soil moisture in typical steppe of Xilinhot based on Sentinel-1 SAR data ［J］. Journal of Arid Meteorology， 2019， 37（6）： 979-986.
39	LIN R C， CHEN H， WEI Z， et al. Improved surface soil moisture estimation model in semi-arid regions using the vegetation red-edge band sensitive to plant growth ［J］. Atmosphere， 2022， 13（6）： 930.
40	ACEVO-HERRERA R， AGUASCA A， BOSCH-LLUIS X， et al. Design and first results of an UAV-borne L-band radiometer for multiple monitoring purposes ［J］. Remote Sensing， 2010， 2（7）： 1662-1679.
41	HASSAN-ESFAHANI L， TORRES-RUA A， JENSEN A， et al. Assessment of surface soil moisture using high-resolution multi-spectral imagery and artificial neural networks ［J］. Remote Sensing， 2015， 7（3）： 2627-2646.
42	张智韬，王海峰，韩文霆，等. 基于无人机多光谱遥感的土壤含水率反演研究［J］. 农业机械学报， 2018， 49（2）： 173-181.
	ZHANG Zhitao， WANG Haifeng， HAN Wenting， et al. Inversion of soil moisture content based on multispectral remote sensing of UAVs ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2018， 49（2）： 173-181.
43	王敬哲，丁建丽，马轩凯，等. 基于光谱指数的绿洲农田土壤含水率无人机高光谱检测［J］. 农业机械学报， 2018， 49（11）： 164-172.
	WANG Jingzhe， DING Jianli， MA Xuankai， et al. Detection of soil moisture content based on UAV-derived hyperspectral imagery and spectral index in oasis cropland ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2018， 49（11）： 164-172.
44	THOMSEN A， SCHELDE K， DROSCHER P， et al. Mobile TDR for geo-referenced measurement of soil water content and electrical conductivity ［J］. Precision Agriculture， 2007， 8（4-5）： 213-223.
45	NADERI-BOLDAJI M， SHARIFI A， JAMSHIDI B， et al. A dielectric-based combined horizontal sensor for on-the-go measurement of soil water content and mechanical resistance ［J］. Sensors and Actuators A： Physical， 2011， 171（2）： 131-137.
46	杜一童. 土壤含水率动态检测装置的设计与试验［D］. 北京：中国农业大学， 2020.
47	商淑培，王亚利，洪爱俊，等. 利用近红外光谱技术建立土壤水分含量定标方程［J］. 光谱实验室， 2011， 28（4）： 1603-1607.
	SHANG Shupei， WANG Yali， HONG Aijun， et al. Establishment of calibration equation for soil moisture content by NIRS ［J］. Chinese Journal of Spectroscopy Laboratory， 2011， 28（4）： 1603-1607.
48	包青岭，丁建丽，王敬哲. 利用随机森林方法优选光谱特征预测土壤水分含量［J］. 激光与光电子学进展， 2018， 55（11）： 470-476.
	BAO Qingling， DING Jianli， WANG Jingzhe. Prediction of soil moisture content by selecting spectral characteristics using random forest method ［J］. Laser & Optoelectronics Progress， 2018， 55（11）： 470-476.
49	MU T H， LIU G W， YANG X， et al. Soil-moisture estimation based on multiple-source remote-sensing images ［J］. Remote Sensing， 2022， 15： 139.
50	LIOU Y A， LIU S F， WANG W J. Retrieving soil moisture from simulated brightness temperatures by a neural network ［J］. IEEE Transactions on Geoscience and Remote Sensing， 2001， 39（8）： 1662-1672.
51	陈昌华，谭俊，尹健康，等. 基于PCA-RBF神经网络的烟田土壤水分预测［J］. 农业工程学报， 2010， 26（8）： 85-90.
	CHEN Changhua， TAN Jun， YIN Jiankang， et al. Prediction for soil moisture in tobacco fields based on PCA and RBF neural network ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2010， 26（8）： 85-90.
52	SANTI E， PALOSCIA S， PETTINATO S， et al. Application of artificial neural networks for the soil moisture retrieval from active and passive microwave spaceborne sensors ［J］. International Journal of Applied Earth Observation and Geoinformation， 2016， 48： 61-73.
53	HU Z， XU L， YU B. Soil moisture retrieval using convolutional neural networks： Application to passive microwave remote sensing ［J］. The International Archives of the Photogrammetry， Remote Sensing and Spatial Information Sciences， 2018， 42： 583-586.
54	殷豪. 一种高频振荡土壤含水量测量系统设计与实现［D］. 北京：北京工业大学， 2019.
	YIN Hao. Design and implementation of a high frequency oscillation soil moisture measurement system ［D］. Beijing： Beijing University of Technology， 2019.
55	解振洋. 低功耗电容式湿度测量系统设计［D］. 合肥：合肥工业大学， 2021.
56	李晓斌. 基于时域反射技术的土壤剖面分布式含水量测量研究［D］. 咸阳：西北农林科技大学， 2022.
	LI Xiaobin. Research on distributed water content measurement in soil profile based on time domain reflectometry ［D］. Xianyang： Northwest A&F University， 2022.
57	WANG D， YANG W， MENG C， et al. Research on vehicle-mounted soil electrical conductivity and moisture content detection system based on current-voltage six-terminal method and spectroscopy［J］. Computers and Electronics in Agriculture， 2023， 205： 107640.
58	SEYFRIED M S， MURDOCK M D. Response of a new soil water sensor to variable soil， water content， and temperature ［J］. Soil Science Society of America Journal， 2001， 65（1）： 28-34.
59	张荣标，刘骏，张磊，等. EC-5土壤水分传感器温度影响机理及补偿方法研究［J］. 农业机械学报， 2010， 41（9）： 168-172.
	ZHANG Rongbiao， LIU Jun， ZHANG Lei， et al. Temperature effect mechanism and compensation method of EC-5 soil moisture sensor ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2010， 41（9）： 168-172.
60	YE Z， HONG T， JOSEPH M C， et al. Multi-factor evaluation and modeling correction of EC-5 and 5TE soil moisture content sensors ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2012， 28（1）： 157-166.
61	陈海波，陈涛，胡锦涛，等. FDR型土壤水分仪的温度补偿设计与应用［J］. 节水灌溉， 2022（8）： 24-29.
	CHEN Haibo， CHEN Tao， HU Jintao， et al. Design and application of temperature compensation of FDR soil moisture monitor ［J］. Water Saving Irrigation， 2022（8）： 24-29.

监测方式	监测方法	优点	缺点
取样测量	烘干法	精准度高以及可用于各种土壤类型监测	耗时费力、监测成本较高和无法实时监测
原位监测	电阻法、中子法、介电法	减少对土壤的扰动，准确获取的田间土壤水分分布信息	易受环境因素、地理位置和土壤类型的影响和限制
机载式监测	光谱法、遥感法	高精度测量、灵活性高和可快速获取大范围土壤数据	设备成本高和易受天气条件限制

监测方式	监测方法	优点	缺点
取样测量	烘干法	精准度高以及可用于各种土壤类型监测	耗时费力、监测成本较高和无法实时监测
原位监测	电阻法、中子法、介电法	减少对土壤的扰动，准确获取的田间土壤水分分布信息	易受环境因素、地理位置和土壤类型的影响和限制
机载式监测	光谱法、遥感法	高精度测量、灵活性高和可快速获取大范围土壤数据	设备成本高和易受天气条件限制

作者	研究成果
彭士明等^[12]	利用中子法和烘干法分别进行土壤墒情测量试验，通过对比分析，证明了中子法在测量过程中表现出更高的精确度和更快的测量速度，适宜进行长期定点观测工作
NGUYEN等^[13]	为实现宇宙射线中子法在茂密季风气候区的适用性，有针对性地对其进行一系列经验模型的校正。经过试验验证，宇宙射线中子法在大型非均质地区土壤墒情监测中具有的可行性
CHRISMAN等^[14]	利用宇宙射线中子法的高时空分辨率及其应用规模尺度范围大的特点，为中小尺度上土壤含水量监测提供了更为精确的数据
王秋铭等^[15]	利用宇宙中子土壤墒情监测设备在黄土高原坡面进行土壤水分的连续观测，采集土壤墒情数据，并与通过时域透射率（TDT）获取的土壤墒情数据进行对比分析，证明了宇宙射线土壤水分观测系统的可靠性
HAN等^[16]	利用宇宙射线中子法技术结合数值模拟方法在滴灌灌溉柑橘农田的应用进行了研究，研究表明，宇宙射线中子监测系统能够精确地反映地表作物根系的水分变化，可为农田灌溉调度提供有效的指导
ZHU等^[17]	在青藏高原地层开展点测烘干法与宇宙射线中子法对比试验，并对监测结果进行深入分析。研究结果表明，两者具有高度的拟合度，纳什效率系数高达0.989
武强等^[18]	利用宇宙射线中子法对在复杂下垫面条件下的区域土壤水分进行测量，结果显示宇宙射线中子法与频域反射法在长时间测量条件下结果趋于一致，且宇宙射线中子法对于降雨引起的土壤墒情变化响应更加迅速

作者	研究成果
彭士明等^[12]	利用中子法和烘干法分别进行土壤墒情测量试验，通过对比分析，证明了中子法在测量过程中表现出更高的精确度和更快的测量速度，适宜进行长期定点观测工作
NGUYEN等^[13]	为实现宇宙射线中子法在茂密季风气候区的适用性，有针对性地对其进行一系列经验模型的校正。经过试验验证，宇宙射线中子法在大型非均质地区土壤墒情监测中具有的可行性
CHRISMAN等^[14]	利用宇宙射线中子法的高时空分辨率及其应用规模尺度范围大的特点，为中小尺度上土壤含水量监测提供了更为精确的数据
王秋铭等^[15]	利用宇宙中子土壤墒情监测设备在黄土高原坡面进行土壤水分的连续观测，采集土壤墒情数据，并与通过时域透射率（TDT）获取的土壤墒情数据进行对比分析，证明了宇宙射线土壤水分观测系统的可靠性
HAN等^[16]	利用宇宙射线中子法技术结合数值模拟方法在滴灌灌溉柑橘农田的应用进行了研究，研究表明，宇宙射线中子监测系统能够精确地反映地表作物根系的水分变化，可为农田灌溉调度提供有效的指导
ZHU等^[17]	在青藏高原地层开展点测烘干法与宇宙射线中子法对比试验，并对监测结果进行深入分析。研究结果表明，两者具有高度的拟合度，纳什效率系数高达0.989
武强等^[18]	利用宇宙射线中子法对在复杂下垫面条件下的区域土壤水分进行测量，结果显示宇宙射线中子法与频域反射法在长时间测量条件下结果趋于一致，且宇宙射线中子法对于降雨引起的土壤墒情变化响应更加迅速

监测方法	作者	研究成果
时域反射法（TDR）	THOMSEN等^[20]	利用TDR水分探测仪研究了降雨条件下的土壤墒情变化情况，其结果表明TDR水分探测仪监测效果良好，且其含水量测定误差小于2%
	SKIERUCHA等^[21]	利用TDR法原理设计一套土壤墒情和电导率监测系统，并在田间进行了现场应用，证明了该系统的监测精度满足农业生产需求
	李子忠等^[22]	利用时域反射仪进行水分测定实验，探究了不同土壤墒情梯度下水分非均匀分布对仪器评估土壤墒情的影响
	杨梅等^[23]	采用TDR（时域反射）技术构建了一套土壤墒情监测系统，该系统经测试验证，能够实时且准确地监测土壤的水分状况
频域反射法（FDR）	LIN^[24]	通过对频域反射法原理研发的传感器进行研究后，发现增加传感器频带宽度，可显著增强传感器在土壤墒情测量方面的检测精度
	RAO等^[25]	证明了当土壤体积含水量低于5%时，基于FDR技术开发的土壤墒情传感器的测量精度会显著提升，能够更准确地反映土壤的水分状况
	郭文川等^[26]	基于频域反射法原理开发一种土壤墒情测量仪，并以杨凌地区的觩土为研究对象开展试验，试验结果表明，在信号源频率为150MHz下，该测量仪测得的土壤墒情与实际土壤墒情的绝对测量误差为-3.44%～4.04%
	钱立鑫^[27]	基于频域反射技术（FDR）研究设计了一套土壤墒情监测装置，并通过一系列试验，证明了该设备的测量性能完全符合实际农业生产的需求，其检测误差率控制在3%以内
电容法	蒋国良等^[28]	研发了一种用于土壤水分测量的边缘电场平面传感器,并通过一系列试验，证明了该传感器能够敏锐捕捉土壤中含水量的细微变化，尤其是在被测土壤含水量低于25%时性能最佳
	MIZUGUCHI等^[29]	对平面电容传感器交叉指状电极的结构参数进行了优化研究，并且将其应用于测量土壤墒情的传感器中，提升了其检测精度
	戴宇培等^[30]	采用电容式土壤墒情传感器，在20 MHz至100 MHz的频段内对土壤墒情进行监测，并针对不同土壤墒情区间实施了差异化处理。结果表明，通过调整激励信号的频率以适应不同的土壤墒情状况，可以显著增强土壤墒情与传感器响应信号之间的线性关系
	GOSWAMI等^[31]	证明了基于双面电极这一新颖设计的平面电容传感器，在土壤墒情监测的应用场景中，相较于传统的电容传感器，具有较高的灵敏度、信号强度和较快的响应时间

土壤墒情监测技术研究现状与发展趋势

Current status and development trends of soil moisture monitoring technologies

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 16

参考文献 61

相关文章 4

编辑推荐

Metrics

本文评价

监测方法	作者	研究成果
卫星遥感	曾旭婧等^[36]	利用S1和Landsat-8（L8）卫星遥感技术联合反演北安—黑河高速沿线区域的表层土壤墒情，其结果表明Vertical-Vertical（VV）极化反演精度优于Vertical-Horizontal（VH）极化
	BAO等^[37]	利用Landsat-8（L8）卫星遥感法获取了多种植被指数，并基于改进的水云模型对西班牙典型区域的表层土壤墒情完成了反演
	王龙等^[38]	基于Sentinel-1（S1）卫星遥感技术利用水云模型反演了锡林浩特市草原的表层土壤墒情，可为进一步的草原表层土壤干旱监测提供了技术支撑
	LIN等^[39]	利用卫星遥感技术基于Vertical-Vertical极化反演得到北京市大兴区和河北省固安县的表层土壤墒情
无人机遥感	ACEVO-HERRERA等^[40]	利用无人机遥感技术开发一种基于Ｌ波段的机载辐射计，该辐射计可将土壤墒情的反演误差限制在1%～6%之间
	HASSAN-ESFAHANI等^[41]	基于机载高光谱相机所获取的遥感数据，通过应用人工神经网络算法，精确反演了土壤表层墒情，其相关系数达到0.88
	张智韬等^[42]	利用六旋翼无人机搭载MCA多光谱传感器，实现了对裸土土壤墒情的精确反演，其反演精度较高，决定系数高于0.7
	王敬哲等^[43]	利用无人机搭载的高光谱传感器，深入分析了差值指数、比值指数、归一化指数和垂直植被指数与土壤墒情之间的内在联系。在此基础上，构建了适用于干旱区绿洲农田的土壤墒情定量估算模型

作者	研究成果
商淑培等^[47]	采用多项式回归建模方法，有效解决了深浅层式中子水分仪在高土壤墒情监测中，由于数据非线性问题导致的误差
包青岭等^[48]	利用近红外光谱技术开发了一套土壤墒情分析系统，并采用偏最小二乘法建立了土壤墒情检测模型，其结果表明，该系统的预测模型定标的相关系数、交叉验证的标准误差分别为0.98，0.97，0.92
MU等^[49]	利用随机森林算法对土壤墒情传感器获取的特征参数进行分类预测，相较于之前的预测结果，现均方根误差降低2.8%

作者	研究成果
LIOU等^[50]	基于卫星获取的AMSR-E多波段和SMOS的多角度亮温数据进行了土壤水分反演的神经网络研究
陈昌华等^[51]	采用径向基函数神经网络消除了输入层数据冗余的问题，将土壤墒情监测的预测精度提高了6.06%
SENTI等^[52]	利用人工神经网络进行了基于AMSR-E/AMSR-2的C，X，和Ka波段的亮温数据的土壤墒情监测并且能够达到较高的监测精度
HU等^[53]	使用卷积神经网络算法提升了基于卫星遥感技术在土壤墒情监测方面的分辨率

作者	研究成果
MOUAZEN等^[32]	基于近红外光谱法的原理开发了一款可见光式土壤墒情监测装置，该装置利用Savitzky-Golay滤波法对获取的光谱信号进行平滑处理消除信号边缘噪声，提升了装置的监测精度
殷豪^[54]	基于频域反射技术设计了一种高频振荡土壤墒情监测系统，该系统利用低通滤波器滤除分频信号中的高频杂波实现信号的稳定输出，满足水利部对土壤墒情监测精度要求
解振洋^[55]	基于电容法原理设计了一种低功耗土壤墒情监测系统，该系统利用带通滤波器和幅相检测等方法解决信号受噪声干扰和高频率信号与低功耗之间矛盾的问题，提升监测精度
李晓斌^[56]	基于时域反射法原理开展了土壤剖面分布式墒情传感器监测研究，并利用傅里叶变换法解决了传感器将无法区分相邻土层阻抗变化而造成的噪声干扰，通过该传感器对各层土壤墒情进行试验，其监测的误差均小于2.5%
WANG等^[57]	基于近红外光谱法的原理设计了一套机载式土壤墒情监测系统，该系统在监测中通过放大正弦波信号并利用三级六阶切比雪夫无源滤波器滤除噪声信号的方式，提升该系统在田间土壤墒情监测的精度

作者	研究成果
SEYFRIED等^[58]	研究了温度变化对时域反射土壤墒情传感器的影响，并建立了温度和土壤介电常数的曲线，提升了传感器的监测精度
张荣标等^[59]	通过试验研究了EC-5土壤墒情传感器受温度的影响，利用最小二乘法对土壤墒情传感器进行温度影响因素研究，建立了补偿曲线，降低了土壤墒情传感器监测误差
YE等^[60]	探究温度、电导率和pH值对ECH20传感器土壤墒情传感器的影响规律，并建立了补偿模型，提升了传感器监测精度
陈海波等^[61]	通过将半导体测温器件集成至频域反射土壤墒情传感器中，探究了传感器受温度影响的规律，构建了温度修正模型，有效降低该传感器获取数据时受地温变化的影响

[1]	王元红, 杨志明, 王琪, 卢劲竹, 高俊锋. 基于YOLOv5s-SPD的茶芽识别方法及识别系统光源设计与试验[J]. 智能化农业装备学报（中英文）, 2024, 5(3): 33-43.
[2]	徐畅, 张领先, 乔岩. 基于电子病历的作物病虫害关联挖掘及智能诊断[J]. 智能化农业装备学报（中英文）, 2023, 4(4): 1-10.
[3]	郭文娟, 冯全. 基于类激活映射的可解释性方法在农作物检测识别中的发展现状与趋势[J]. 智能化农业装备学报（中英文）, 2023, 4(4): 41-48.
[4]	王红君, 季晓宇, 赵辉, 岳有军. SENet优化的Deeplabv3+淡水鱼体语义分割^*[J]. 智能化农业装备学报（中英文）, 2021, 2(1): 36-43.