基于NB-IoT的土壤墒情监测系统设计研究

为解决传统土壤墒情监测系统人工依赖性大、监测范围小、功耗大及数据管理和存储困难等问题，研究一种基于NB-IoT技术的土壤墒情监测系统。本设计以土壤墒情传感器、NB-IoT无线通信模块、阿里云共有物联网平台和手机微信小程序为基础构建土壤墒情监测系统，实现对土壤墒情的实时监测。该系统适合面积大且数据采集点众多的农田，可有效地提高土壤墒情监测的工作效率，为土壤墒情监测带来便利。     

基于Labview开发的尾门潮汐模拟系统

本文介绍了一种在LabVIEW的编程环境下开发的潮汐模拟系统。该系统利用LabVIEW编程环境下多线程的编程思想,实现对不同设备的同时采集和控制;利用状态机结构和通知结构,实现不同线程之间的循环同步和数据交换。尾门潮汐模拟系统可以很好地模拟天然潮汐变化,达到模型试验的目的。     

基于Labview开发的尾门潮汐模拟系统

本文介绍了一种在LabVIEW的编程环境下开发的潮汐模拟系统。该系统利用LabVIEW编程环境下多线程的编程思想,实现对不同设备的同时采集和控制;利用状态机结构和通知结构,实现不同线程之间的循环同步和数据交换。尾门潮汐模拟系统可以很好地模拟天然潮汐变化,达到模型试验的目的。     

潮汐式灌溉控制系统的设计及应用

农业信息化是一个内涵深刻,外延广泛的概念。简单的说就是利用信息化技术实现农业生产过程的自动化管理。本文针对温室环境,提出了潮汐式灌溉系统的设计方法,采用传感器来监测土壤的墒情和植物的生长情况,实现灌溉的自动化。     

气象卫星资料监测土壤水份的研究

气象卫星TIROS/N上装有AVHRR甚高分辨率扫描仪,能接收5个通道的光谱数据,其范围为0.58—12.5微米。这些资料在气象、林业、农业生产上有着广泛的用途。在监测我省冬小麦长势和土壤墒情中,发现该数据与土壤表层(0—5公分)含水量存在一定的相关因素,经过某些方法的处理,对监测我省旱情发挥了一定作用。该试验选用4,2,1三个波段,为了突出所需的信息,采用了主因子分析法,所用设备是自己研制的微机图像处理系统。经效果分析,在大范围土壤表层墒情的监测中,方     

基于对象的土壤墒情传感器网络节点管理技术的研究与实现

为了充分发挥土壤墒情监测系统对洪涝、干旱和火灾等灾害的预报作用,需要对数量庞大的传感器网络节点进行有效的管理.通过深入分析土壤墒情传感器网络节点的特点和管理要求,提出一种基于对象的管理技术方案.从面向对象的设计思想、本地传感器网络节点类的设计、管理技术的实现三个方面对该技术方案进行了详细介绍.提出的土壤墒情节点管理技术对其他传感器网络节点的管理具有一定的参考作用.     

土壤墒情监测系统的设计与实现

本文阐述了信息技术在农业方面应用的必要性,介绍了土壤墒情概念和GIS技术,对土壤墒情监测系统进行了综合分析与设计。本文结合了GIS技术来构建土壤墒情监测系统,其中包括几大主要模块:土壤墒情数据采集模块,数据传输模块,人机交互模块和数据库模块。     

基于NB-IoT的土壤墒情监测系统设计与应用

为满足数字农业中对土壤墒情动态监测的应用需求,该文提出了基于窄带物联网NB-IoT技术的土壤墒情远程监测系统,并实现了工程应用。该系统可以通过监测网站远程监测传感器安装地的土壤温度、含水量及电导率等墒情信息。系统以采集传输控制器为核心,实现土壤传感器的数据采集及其与网络云平台、数据库、监测网站之间的远程传输。应用证明,该系统数据传输准确、稳定,应用效果良好。     

基于ZigBee的土壤墒情监测系统

介绍了基于Zig Bee的土壤墒情监测系统的原理和设计.采用了大功率Zig Bee无线数传模块,有效地减少了节点的个数,提高了通信的可靠性.用太阳能电池供电,使得节点的长期稳定工作有了保障.可用于实时监测土壤的湿度、温度参数,为自动喷灌或滴灌提供土壤的墒情信息.实验证明:该系统具有可靠性高、成本低、实时性较强等优点,适合土壤墒情监测的需要.     

ZigBee无线通信技术在高标准农田中的应用

针对传统农业生产过程费时费力、产量不高的现状,以及国家高标准农田建设的需求,设计了一套基于ZigBee无线通信技术的农田土壤墒情监测、环境气象监测及自动水肥灌溉的信息化系统。该系统主要由土壤墒情监测、空气温湿度检测、光照强度检测、CO2浓度检测等传感器,CC2530组网模块,ARM嵌入式Linux服务器,远程客户端组成,其实现方式灵活,便于在农田中进行系统的建设,且建设成本低,模块式设计降低了后期维护成本。     

免耕措施对土壤水分及利用效率的影响

免耕覆盖能有效地控制土壤侵蚀,抑制地表起沙,防治土壤退化,将是我国北方地区代替传统农耕的最好办法之一。针对土壤水分往往是我国北方地区农作物生长重要的限制性因子,本文选择国内外免耕措施的土壤水分试验研究进行总结,系统地分析了免耕与传统农耕的土壤水分动态变化特征,评价了免耕土壤水分利用效率。结果表明,与传统耕作相比,免耕普遍可增加土壤水2%~8%,但只有长期实施免耕和覆盖达到一定程度时,免耕的增水效果才明显,而免耕水分利用效率却因产量、降水等而不同。     

Pixel-scalesoil Moisture Monitoring Network and Its Preliminary Validation of L-band Soil Moisture Products

Soil moisture is a key variable in the process of crop growth,ground-air water heat exchange and global water cycle,which plays an important role in drought monitoring,hydrological land surface processes and climate change.Passive microwave remote sensing has become the main means of monitoring soil moisture with the sensitivity to soil moisture.In this study,the authenticity test of SMAP（Soil Moisture and Active and Passive） and SMOS（Soil Moisture and Ocean Salinity）passive microwave soil moisture products using the soil moisture sensor network monitoring data carried out against the underlying surface of farmlands in Jilin Province was carried out.The following conclusions were obtained：（1）Compared with the in situ measured data,SMOS L3(ascending and descending overpasses) and SMAP L3 passive microwave soil moisture products generally underestimated the ground data,but With the occurrence of rainfall events,there will be the phenomenon which is the value of soil moisture products is higher than the in situ data; although the unbiased root mean square error (unRMSE) of the two soil moisture products was greater than 0.07 m3/m3,the unRMSE of SMAP passive microwave soil moisture product data which was 0.078 m3/m3 was slightly lower;（2）Since the depth of induction of the L-band is lighter than the depth of detection of the sensor(5cm),and the dryness of the soil surface after rainfall causes the vertical inhomogeneity of soil moisture,which is one of the reasons why SMOS and SMAP passive microwave soil moisture products underestimate soil moisture; （3）SMOS has a higher value than the range of SMAP brightness temperature,which may be caused by radio frequency interference (RFI),which makes the error of soil moisture Retrieval and affects the validation accuracy.The comparison of bright temperature distribution of SMOS and SMAP shows that the effect of RFI on SMOS is more serious due to the influence of electromagnetic radio frequency interference (RFI),which may be the reason why the RMSE of soil moisture product of SMOS is higher than that of passive microwave soil moisture product of SMAP.     

卷积神经网络提取风云影像土壤湿度

目的 时空分辨率较高的土壤湿度数据对于生产实践和科学研究具有重要意义。以国产的风云气象卫星为数据源,利用卷积神经网络自主学习输入变量间深层关联的优势,获取高质量土壤湿度数据,为科学研究和生产实践服务。方法 首先构建了一个土壤湿度提取卷积神经网络（soil moisture convolutional neural network,SMCNN）,SMCNN由温度子网络和土壤湿度子网络构成,每个子网络均包含特征提取器和编码器。特征提取器用于为每个像素生成一个特征向量,其中温度子网络的特征提取器由11个卷积层组成,湿度子网络的特征提取器由9个卷积层组成,卷积层均使用1×1的卷积核。编码器用于将提取到的特征拟合为目标变量。两个子网络均使用平均方差作为损失函数。使用随机梯度下降算法对模型进行训练,最后利用训练好的模型提取区域土壤湿度数据。结果 选择宁夏回族自治区为实验区,利用获取的2016-2019年风云3D影像和相应地面站点数据作为实验数据,选择线性回归模型、BP（back propagation）神经网络模型作为对比模型开展数据实验,选择均方根误差作为评价指标。实验结果表明,SMCNN的均方根误差为0.006 7,优于对比模型,SMCNN模型在从风云影像中提取土壤湿度方面具有优势。结论 本文利用卷积神经网络分别构建用于反演地表温度和土壤湿度的子网络,再组成一个完整的土壤湿度反演网络结构,从风云3D数据中获取数值精度、时空分辨率均较高的土壤湿度数据,满足了科学研究和生产实践对大范围高精度土壤湿度数据的需求。     

介电溶液测试土壤水分传感器性能的实证研究

利用土壤等效介电溶液代替土壤测试与评估土壤水分传感器的性能,具有便捷、快速的优点。为验证传感器在介电溶液中的测试结果是否与实际土壤中一致,利用去离子水和2—异丙氧基乙醇(2-isoproxyethanol)或二氧六环(dioxane)2种溶液混合,配制了一系列等效土壤体积含水率为0.9%~51.8%的待测介电溶液,同时取广州地区的典型红壤和雷州半岛的典型砖红壤,配制一系列与介电溶液等效含水率相对应的土样,分别从电气特性、与土壤含水率的函数关系、温度变异性和稳定性4个方面测试传感器的性能,并将介电溶液中的测试结果与2种土样中比较。实验结果表明:介电溶液中的测试结果与红壤和砖红壤中基本上一致,介电溶液在某种程度上可以代替土样进行土壤水分传感器的性能测试。     

基于高频电容原理的土壤剖面水分传感器研究

为了实现土壤剖面不同深度的水分测量,基于高频电容原理,研制了一种能够自动、连续监测土壤剖面动态含水量的水分传感器。通过实验,建立了传感器数学标定模型,并对传感器进行了相关性能测试。通过对比分析土壤水分实际值与传感器测量值,结果表明:传感器最大绝对误差为-5.10%。传感器测量水分梯度变化明显,可用于土壤剖面不同深度水分的测量,具有低成本、低功耗的特点,可应用于农林业实际生产。     

一种土壤剖面水分传感器的节点电路设计

为实现土壤剖面不同深度水分的同时测量,研制了一种土壤剖面水分传感器,对传感器节点部分的电路进行了设计与实现,具有功耗低、成本低等特点。实验结果表明:应用此电路的传感器,输出电压随着土壤体积含水量的增加而减小;与烘干法所测得的土壤水分实际值相比,传感器的最大绝对测量误差为-5.10%;传感器用于土壤剖面不同深度的土壤水分测量,水分梯度变化明显,性能良好。     

墒情监测仪器实验室检测技术研究与应用

墒情信息是反映旱情的关键指标,由于墒情监测仪器种类繁多,可靠性、稳定性、准确性参差不齐,产品实际应用情况与标称技术指标差异较大,墒情监测数据准确性得不到保证。通过墒情监测仪器检测技术研究和检测流程设计,对仪器全性能技术指标进行检测和质量评定,为我国建设墒情自动监测站和国家防汛指挥系统二期工程旱情信息采集系统项目的仪器选型工作提供质量保障。     

基于S3C2410的土壤墒情监测系统设计

设计了以ARM处理器为核心的土壤墒情采集监测系统,采用AQUA-TEL-TDR土壤水分传感器对土壤含水量进行采集,选取S3C2410处理器作为硬件平台基础,配以K9F1208U0C型NandFlash、触摸式液晶屏、GPRS模块、CS8900A网卡芯片等组成硬件系统。开发了基于Qtopia图形用户界面的用户应用程序,实现了土壤墒情信息的采集、存储、无线传输和自动灌溉。     

Retrieving near-surface soil moisture from microwave radiometric observations: current status and future plans

Surface soil moisture is a key variable used to describe water and energy exchanges at the land surface/atmosphere interface. Passive microwave remotely sensed data have great potential for providing estimates of soil moisture with good temporal repetition on a daily basis and on a regional scale (∼10 km). However, the effects of vegetation cover, soil temperature, snow cover, topography, and soil surface roughness also play a significant role in the microwave emission from the surface. Different soil moisture retrieval approaches have been developed to account for the various parameters contributing to the surface microwave emission. Four main types of algorithms can be roughly distinguished depending on the way vegetation and temperature effects are accounted for. These algorithms are based on (i) land cover classification maps, (ii) ancillary remote sensing indexes, and (iii) two-parameter or (iv) three-parameter retrievals (in this case, soil moisture, vegetation optical depth, and effective surface temperature are retrieved simultaneously from the microwave observations). Methods (iii) and (iv) are based on multiconfiguration observations, in terms of frequency, polarization, or view angle. They appear to be very promising as very few ancillary information are required in the retrieval process. This paper reviews these various methods for retrieving surface soil moisture from microwave radiometric systems. The discussion highlights key issues that will have to be addressed in the near future to secure operational use of the proposed retrieval approaches.     

基于多源遥感数据融合的土壤水分反演研究

土壤含水量作为地表的重要参量之一,对地球能量循环、水循环、碳循环及生态环境都有十分重要的意义。以南京市金川河流域为研究区,融合哨兵 2 号 L2A 数据和 Landsat 8 遥感数据 2 种数据源,分别采用偏最小二乘法(PLSR)、最小二乘-支持向量机(LS-SVM)、反向传播神经网络(BPNN)和随机森林(RF)4 种建模方法,建立遥感数据与土壤含水量之间的关系,并进行模型的验证与评价。结果表明：1)土壤含水量与哨兵 2 号和 Landsat 8 各波段反射率均呈负相关关系,和海岸带监测波段(波长为 430~450 nm)和近红外波段(波长为 2 100~2 300 nm)相关性最佳;2)融合后的遥感数据相较于单一遥感数据源,预测土壤含水量的能力更佳, 最优模型 R2 达 0.996,均方根误差仅为 0.003 g/g;3)4 种建模方法中,建模效果从好到差依次为 PLSR,RF, LS-SVM,BPNN。融合哨兵 2 号 L2A 和 Landsat 8 数据,结合 PLSR 建模方法可进行土壤含水量的精准反演, 相较于现有研究反演精度大大提升,对研究该地区地表与地下水循环和生态环境治理有一定参考价值。