土壤相对湿度与电容相关性探究

土壤相对湿度是农业自动化灌溉技术的关键性指标,也是当前农田领域研究的热点问题。为了探索土壤电容与土壤相对湿度的相关性,设计了一种测量土壤电容值的方法,通过烘干法对不同湿度点进行了较为精准的电容值检测,最后通过matlab7.1作数据拟合。结果表明,土壤电容值与土壤相对湿度在30%-100%之间存在很好的对数关系,考虑温度补偿,得到任意温度t的湿度t=(17.53ln Cx-5.773)*(100+0.05075*(20-t))%,判定系数R2=0.975。     

低功耗自动灌溉控制器设计

自动灌溉控制技术是农业物联网发展的方向之一,为了快速、准确感知土壤湿度实现节约型灌溉,在此设计了一种由德州仪器公司提供的低功耗单片机Launchpad为核心的自动灌溉控制器。该控制器利用Arduino土壤湿度传感器模块对土壤湿度值进行监测,能够及时显示湿度数据信息,并对灌溉设备水泵进行有效的开关控制,从而达到节水的目的。经过多次实验,测试采样数据准确,控制效果好,有比较大的推广价值。     

雷达遥感在环境保护工作中的应用

雷达遥感具有穿透力和全天候作业的优势,在环境保护领域中应用需求广泛。面对国家日益严峻的环保形势和最新发射的环境雷达卫星,急需系统介绍雷达遥感技术在环保领域中的应用。文章通过全面分析合成孔径雷达（SAR）在溢油、水华、土壤湿度、植被长势、生物量以及应急监测等环境保护中的应用,为已经发射的环境一号雷达卫星提供明确的应用目标,并为构建全天候、全天时的环境天地一体化监测体系提供重要的技术参考。     

基于双谱模型的被动微波遥感土壤湿度反演

利用随机粗糙表面的双谱散射模型计算了粗糙裸土壤表面的发射率,并建立了基于双谱模型的被动微波遥感的土壤湿度的人工神经网络反演方法.结果表明,基于双谱散射模型计算粗糙裸土壤表面发射率是可行的,利用人工神经网络反演方法,仅采用两个发射率的数据组合便可以反演出精度较高的土壤湿度值,且反演方法具有一定的抗噪性能.     

一种“天宫二号”土壤湿度反演方法

通过神经网络和机器学习的方法建立遥感影像的光谱信息与土壤湿度之间的模型,采用遥感手段大范围预测地表土壤湿度。以"天宫二号"2016年9月24日宽波段成像仪采集的可见光近红外谱段影像作为模型输入,选取与"天宫二号"影像相同采集时间和经纬度的SMAP/Sentinel-1 L2土壤湿度产品作为输出,分别通过贝叶斯神经网络算法和随机森林算法建立光谱信息和土壤湿度数据之间的关系。结果表明:采用贝叶斯线性回归反演时,当隐含层节点个数为24时训练效果最好,R~2为0.755,均方根误差RMSE为0.161;采用随机森林机器学习算法反演时,当决策树个数为60时效果最好,R~2为0.809,均方根误差RMSE为0.120。对"天宫二号"影像进行土壤湿度反演时,随机森林模型比贝叶斯神经网络模型的精度更高,拟合效果更好,可以实现较为准确的大范围土壤水分含量预测。     

土壤湿度智能化监控装置设计

针对节水灌溉问题,利用单片机实现智能化自动浇灌装置设计,可实时监测、显示土壤湿度值;并根据作物生长特性需要进行适时、适量灌水,可对土壤湿度进行精确控制,优化作物生长环境,提高产量.     

岳阳无管快速完成法国卫星干扰协查

2016年3月2日,湖南省岳阳市经信委无线电管理机构收到湖南省无委办来函,称根据工信部无线电管理局下发的紧急通知,工作在1400MHz~1427MHz频段的欧洲空间局土壤湿度与海水盐度(SMOS)卫星受到我国境内多个地点不明信号源的干扰,要求组织干扰排查,消除干扰信号。根据国际电信联盟《无线电规则》和《中华人民共和国     

顾及土壤湿度的土壤有机质高光谱预测模型传递研究

高光谱遥感技术作为当前遥感发展的前沿科技,通过电磁波与地物的相互作用,可以定量反演地物的物理化学性质。土壤有机质是重要的土壤养分信息参数,利用高光谱遥感技术快速获取其含量信息可以为精准农业的发展提供必要的数据支撑。然而,由于受到外部参数差异的干扰,导致建模精度降低的同时,还会造成已有模型传递性的“失效”。为了消除湿度差异的干扰,进一步拓展已有模型的适用空间,以江汉平原滨湖地区为例,通过对95个土壤样本进行加湿处理,在实验室自然风干的条件下,量测得到13套不同湿度等级土壤样本的可见—近红外反射光谱数据,建立了各湿度等级下土壤有机质的光谱反演模型,研究水分差异对建模精度的影响;在此基础上,运用Direct Standardization(DS)算法对湿土光谱进行校正,进而探讨该算法在提高模型传递性能方面的潜力。结果表明：基于风干土光谱建立的模型预测精度最高,未经校正的湿土光谱无法通过该模型进行土壤有机质含量预测,预测偏差在-8.34～3.32 g·kg-1,RPD在0.64～2.04;经过DS算法校正后的湿土光谱可以通过该模型进行土壤有机质含量预测,预测偏差降低至0,RPD值提高至7.01。研究表明DS算法能有效降低湿度差异对光谱反演土壤有机质的影响,使土壤有机质光谱反演模型适用于不同水分含量的土壤样本。     

ADI土壤水分反演方法

土壤水分是影响植被、土壤和大气之间能量和水分循环的重要因素,及时准确获取土壤湿度信息有利于提高作物估产精度和改善田间管理措施。本文基于红光与近红外光谱特征空间(NIR-RED)发展了一种新型土壤水分遥感监测模型ADI(angle dryness index),提高了可见光与近红外波段监测土壤水分的精度。经过研究表明,在红光与近红外(NIR-RED)特征空间中,存在一个中间角度变量θ,利用光谱反射率与土壤水分之间的经验关系式模型以及混合像元分解公式证明该变量能够表征土壤湿度情况,而不受植被覆盖度的影响,因此利用该原理构建了ADI方法。最后利用两组遥感数据(分别为TM5与MODIS产品数据)以及对应的地面观测数据进行验证,结果表明计算值与实测值均具有较高的一致性,R2分别达到0.74与0.64。同时,将MPDI的计算结果与实测值进行了比较,两组数据的R2均小于0.60,表明ADI方法的计算精度高于MPDI。在MPDI的计算过程中用到了植被覆盖度,这可能是引起计算结果误差的主要因素。此外,MPDI的计算结果表征土壤湿度的相对值,而ADI则能定量的获取土壤水分含量。MODIS像元除了具有植被与土壤两个端元,还有其他类型端元的概率高于TM数据,因而MODIS数据的计算精度低于TM。因此,ADI是一种简单可行且具有较大应用前景的土壤水分反演方法,适合于推广应用。