一种新型土壤湿度仪的标定

最新研制的RYY4—1型土壤湿度仪,在土壤水分传感器的终端显示土壤水吸力。土壤水分的测定是由土壤水分传感器完成的。RYY4—1型土壤湿度仪,是对土壤水分传感器采用又一次传感的方式(即二次传感方式),即用压阻传感电流变送(4～20mA,输送距离1000m)的方式,来对土壤水吸力信号进行数字化处理的仪器。本文将详细介绍和分析RYY4—1型土壤湿度仪的室内外计量标定过程。     

单片机控制的农用土壤湿度保持电路

土壤湿度对植物的生长非常重要,广大农村及城市的绿化等都需要对作物生长的土壤进行湿度控制。介绍了一个用单片机控制的土壤显度保持电路。     

仪征地区农田深层土壤湿度遥感反演初探

利用MODIS合成产品数据MOD11A2和MOD13A2获取的陆地表面温度(Ts)和归一化植被指数(NDVI)构建Ts/NDVI特征空间,依据该特征空间计算温度植被干旱指数(TVDI),进而反演了仪征地区不同季节的40 cm土壤相对湿度。使用野外同步实测数据进行验证,结果显示,总体平均相对误差为11.83%,2004年11月误差最小,为4.30%。遥感反演的仪征地区土壤湿度分布图表明该地区存在两个土壤湿度高值区,分别位于仪征南部的长江冲积平原和西北部的谷底平原地带,并且土壤平均相对湿度越大,其高值区与低值区之间的差异越小。     

4种气象干旱指数在新疆的适用性分析

在研究干旱问题时,由于研究的区域不同,其气候条件、致旱原因也不同,因此,并不能简单地采取某一种干旱指数来评定区域的旱情,必须总结该区域各指数的适用性,才能得到最适合该区域干旱研究的干旱指数。将新疆62个气象站点划分为12个分区,先将K干旱指数、干旱侦测指数(RDI)、标准化降水指数(SPI)和标准化降水蒸散指数(SPEI)等4种干旱指数的阈值进行本地化修正,再利用春、夏、秋3季最长连续无雨日数评价的干旱等级分别与各干旱指数的评价等级进行吻合度分析,最后利用年尺度的土壤湿度分别与各年尺度的干旱指数进行相关性分析。结果表明:(1)在春、夏、秋3季,K指数适用于东疆和南疆平原盆地地区的春旱与秋旱的监测,以及吐鄯托盆地的夏旱监测;RDI指数适用于北疆东部和北部3季的旱情监测、北疆沿天山一带和天山山区的春旱监测;SPI指数适用于天山和南疆西部山区的夏旱监测;SPEI指数适用于北疆西部和南疆西部山区的春旱监测,以及东疆、南疆、北疆西部和北疆沿天山一带的夏旱监测,北疆西部及北疆沿天山一带的秋旱监测。(2)在年尺度适用性上,K指数适用于北疆地区、南疆西部以及阿克苏地区;RDI指数适用于整个北疆地区;SPI指数适用于北疆沿天山一带、北疆西部、阿克苏地区以及南疆西部;SPEI指数适用于北疆沿天山一带、北疆西部和南疆西部山区。     

可控缓释水的功能导水涂层纤维制备及其渗水特性分析

针对荒漠化地区生态恢复难题,将吸水性有机树形高分子与超细蒙脱石颗粒混合成胶体,涂敷于天然植物纤维表面,制备出一种具有可控缓释水功能的导水涂层纤维,并与环境友好性材料复合成膜.采用热重法分析了涂层材料吸-脱附水特性、快速水分测定法测量了膜材包装水后失水率随温度和土壤湿度的变化,利用环境扫描电镜观察了涂层纤维表面形貌、分析了涂层纤维的动态水分运移机理,统计出膜材包装水现场造林后的土壤含水量.实验结果表明,这种功能导水涂层纤维能够实现不同涂层组分下渗水速度的可设计性和基于土壤温度及湿度的自调节机制,保证了植物生长的合理土壤湿度.     

新疆煤炭资源开采典型生态环境问题及对策

为研究准东矿区土壤湿度时空分布特征及变化趋势,选取2001—2021年11期的Landsat遥感影像,计算归一化植被指数和地表温度,并以NDVI-LST特征空间为基础构造TVDI模型,反演准东矿区土壤湿度并进行分级,得到准东矿区各级土壤湿度面积, 并采用灰色预测GM(1, 1)模型对土壤湿度分布进行了预测。结果表明：2001—2021年,准东矿区总体土壤湿度较低,以四级和五级土壤湿度为主,两者面积总和占矿区总面积的85%以上;北部和东部区域土壤湿度较高,中部和西南部区域土壤湿度较低;矿区内一级、二级、三级土壤湿度面积年际变化不大,在0~2 000 km²波动;四级、五级土壤湿度面积变化表现出互为相反趋势。灰色预测GM(1, 1)结果表明：2023—2039年,在0~1 000 km²内,一级土壤湿度面积略有增大,二级土壤湿度面积逐渐减小并趋于0,三级土壤湿度面积逐年下降,四级土壤湿度面积呈现逐年上升趋势,五级土壤湿度面积稳定在3 000 km²左右,表明该矿区土壤湿度整体呈减小趋势。

     

基于双频加权组合的土壤含水量估算方法研究

全球定位系统干涉反射测量可用于估算近地表土壤水分含量。用遗传BP神经网络和多元线性回归分析将L1和L2两个频点的数据进行组合,以改进反演土壤湿度的精度。经理论分析和算例表明,遗传BP神经网络双频融合反演土壤湿度,改善了不同频点信号间存在的误差,融合后数据的变化趋势也更加接近于土壤湿度变化趋势;多元线性回归反演土壤湿度,可以准确计算L1、L2频点观测相位与实测土壤湿度之间的相关程度,提高预测方程式的效果;双频融合反演结果与土壤湿度参考值之间的相关系数R2分别为0.865、0.824、0.766、0.724,比L2频点至少提高17.5%,比L1频点提高了0.1%。     

分层土壤后向散射及其在深层土壤湿度探测中的应用

该文定量地分析了频率、入射角、土壤介电常数等主要因素对电磁波穿透性能的影响。计算了分层土壤后向散射系数与地表参数,介电常数,系统工作频率,极化方式,入射角的关系,并从理论上得到验证,为深层土壤湿度反演提供了一个比较合理的模型。文中结论对低频段(0.1-1GHz)合成孔径雷达系统设计及深层土壤湿度反演具有实际应用价值。     

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,R²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,R²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。     

基于单片机的大规模农业智能灌溉系统设计与实现

智能灌溉系统要求以节约水资源为目的、以智能检测模块为核心,构成全封闭的自动控制系统.文中设计以STC89C52为控制芯片,以多个土壤湿度传感器的平均值为检测反馈值,并结合农作物对水分的需求,设定了合理的湿度参数范围.将土壤湿度传感器的检测值与控制系统设定值进行比较调节,可形成控制水泵电机转速的电压信号.此电压信号经驱动...