基质水分检测技术应用与展望

柳 军， 孟力力， 虞利俊

(江苏省农业科学院农业设施与装备研究所，江苏南京 210014)

基质水分检测技术应用与展望

柳 军， 孟力力， 虞利俊

(江苏省农业科学院农业设施与装备研究所，江苏南京 210014)

当前设施蔬菜连作障碍现象日益严重，基质栽培技术作为可以减少设施蔬菜栽培连作障碍的一种有效技术，将得到更多设施蔬菜生产者的重视，然而基质含水量的相关检测方法还较少，基质灌溉技术也只是粗放的按照土壤灌溉方式，阻碍了基质栽培技术的推广。综述当前基质含水量检测技术的研究进展，并对基质含水量检测今后的热点研究与应用进行展望。

基质；水分检测；应用

随着农业现代化进程的不断发展，设施蔬菜种植面积日益扩大，2014年我国设施蔬菜面积达386.2万hm2，但是大城市蔬菜自给率仍不足30%，全国各地均在加大设施蔬菜种植面积。但设施蔬菜长期规模单一品种种植，极易造成连作障碍，基质栽培作为无土栽培的一种，可以减少土传病害的发生[1-2]。然而，作为影响蔬菜生长最重要的水分，在基质栽培中目前还沿用土壤水分监测方式，现有应用于灌溉控制的土壤水分监测传感器种类较多，唯独缺少基质水分监测传感器或者其他商用的使用替代方法，有关基于蔬菜栽培基质水分监测的灌溉方式更是少之又少，影响作物的生长和水肥的有效利用。以下分析了土壤水分监测技术在基质水分监测中的可应用性，综述了目前国内外在基质含水量检测技术的研究进展，并对其今后的新兴热点研究与应用进行了展望。

1 土壤水分检测技术在基质水分检测中的应用分析

目前土壤含水率检测技术，主要分为直接法和间接法2种。直接法是烘干法，间接法有很多，主要包括张力计法、中子法、射线法、电阻法、光学法、介电法等。

1.1 烘干法

烘干法是国际上测量土壤含水率的标准，同样可作为基质含水率标准检测，但是该法操作复杂，无法直接应用于基质含水量的在线监测。

1.2 张力计法

张力计法[3]别称负压法，是测定土壤水分基质势最常用的方法，原理是利用多孔结构陶瓷探头与土壤水接触，形成平衡稳定的水势，使用负压计读值，建立该值与土壤含水率的关系，可以推算出土壤含水率的值。目前，应用张力计法在基质上检测的未见文献报道，但有文献表明张力计法在土壤湿润条件下测量土壤基质势很准确[4]，但反应慢，对于干燥土壤测量不合适，基质较土壤具有多孔蓬松的结构，故此法并不适合作为基质水分检测。

1.3 中子法和射线法

中子法和射线法由于其辐射原因，未见广泛使用，故不作分析。

1.4 电阻法

电阻法是一种早在1939年就开始采用的水分检测方法，其原理是利用埋入土壤的热电线电阻变化进行土壤水分快速测量；方法是将2个电极插入到待测土样中，测量2个电极间的电阻。该方法有滞后作用，具有灵敏度低、使用寿命短等缺点，目前使用者较少，故不作深入分析。

1.5 光学法

光学法是通过光波反射、折射现象测量出介电常数，利用土壤中水谐振吸收特性来推算土壤含水率的一种方法，其中应用最多的是近红外反射法，虽然受土壤表面粗糙程度和土壤表面水分孔隙充满状况的影响，同时对土壤深层含水量测量需要对土壤开槽，误差大，适应性不强[5]，基质测量也面临同样的情况，但因其具有非接触的优点，所以仍有很多学者对该方法进行了应用研究[6]。

1.6 介电法

介电法实际上就是测量介电常数，介电常数是表示介电特性的宏观参数，它反映的不是电介质每个部分的介电特性，而是电介质足够大区域内的一个平均值[7]。土壤或者基质都是由固体、液体和气体混合组成的，其中水的相对介电常数远大于其他物质的介电常数，可以说土壤或基质中的介电常数都依赖于水分含量，可以通过测量介电常数推算土壤或基质中的含水率。利用介电特性在作物需水诊断的应用在国外研究较普遍，Nelson等利用同轴探针、网络分析仪器研究不同频段下23种果蔬41个频点的介电常数，同时测量关联含水率及可溶性固形物含量，得出介电常数与频率之间的关系[8]，并在蜜瓜、桃、苹果研究中得到应用[9]。

常见的3种水分介电测量方法是时域反射法、频域反射法、驻波率法。时域反射法是一种利用矢量电压测量技术，在某一理想测试频率下将土壤的介电常数进行实部和虚部分解，通过分解出的介电常数虚部可得到土壤的导电率，由分解出的介电常数实部换算出土壤含水率[10]。频域反射法是利用电磁脉冲原理，根据电磁波在介质中传播频率来测量土壤的表观介电常数，通过一定的对应关系反演土壤水分[11]。基于驻波率原理与前两者基本原理相同，利用探头的阻抗与传输线的阻抗不同，一部分信号将反射回信号源，在传输线上形成驻波，测量它们的驻波比来反演水分含量[12]。目前，基于土壤含水率的检测方法中，介电法因具有快速、相对准确、可以在线实时测量等优点而被广泛使用，有研究表明电容式传感器适合颗粒状物料的水分在线监测[13]，基质颗粒状特性明显，因此利用相关原理研制的传感器在测量基质水分含量方面具有很好的应用潜力。现有国内外研究已经表明，介电常数与被测物的温度、体积或紧实度、质量、容重等特性存在关系[14-15]，故使用介电法不可避免地要进行一定的关联补偿才准确，如Nemali等配制不同配比基质的含水率进行检测得出介电传感器EC-10校准曲线[16]，Foleyd等利用非线性回归来校准TDR-3介电传感器[17]。下面针对电介质型传感器校准补充方法进行说明。

2 电介质型传感器结合校准模型

电介质型传感器检测水分的原理，是通过将电极两端置于测量介质中，通过测量传感器上电容的变化，从而测量该介质的介电常数或电容率来计算土壤体积含水量，通过模拟电压输出，被读数系统计算并显示出来。国内外关于电介质型传感器的标定方法较多[18-19]，标定方法类似，均采用烘干法数据作为参考标准，校准模型粗略可分为2类，一类是利用多项式及回归法校准，另一类是利用神经网络补偿的方式。

2.1 多项式及回归法应用

刘志刚等在不同配比的基质中采用电介质型EC-5土壤水分传感器的适应性测试研究，采用多项式和线性回归处理的方法，建立温度、体积质量影响下的基质含水率标定模型，并采用聚类分析法去定传感器的布设位置，使得该电介质土壤水分传感器经标定后可作为基质的快速检测设备[7]。宋克鑫等对FDR土壤含水率传感器的主要影响因子与其结构优化进行了研究，发现FDR传感器输出电流与土壤实际含水率、温度和土壤容重的关系可用三元二次方程表示，通过研究温度和土壤容重对FDR传感器输出信号的影响规律，建立修正关系方程，校正FDR土壤含水率传感器。卢启福等为了克服传感器的非线性缺陷，提出利用最小二乘法对土壤水分曲线进行分段线性标定的方法[19]，并采用相关性系数进行精度验证。试验结果表明分段线性法所建立模型的精确度较高，而且标定模型简单实用、可行。不同基质的标定模型不同，但对于其他类型基质的标定同样可采用以上方法进行，该方法具有普遍适用性。

2.2 基于神经网络的电压补偿

神经网络是模拟人类大脑产生的一种信息处理技术，它采用大量以一定方式相互连接和相互作用的具有非线性映射能力的神经元组成，神经元之间通过权系数相连[20]。神经网络补偿原理，运用神经网络对采集节点中非线性传感器系统进行逆向建模。误差反向传播神经网络——BP神经网络是代表性的一种，它由输入层、隐含层和输出层构成的，是由一定数量的神经元构成的，此方法的难点在于一般BP神经网络的输入参数和输出参数的数量是根据要解决的实际问题来确定的，但隐含层选择和设计至今没有现成的案例可用。张荣标等通过对土壤温度、环境温度、环境湿度、太阳辐射率等4个因子进行分析来测试对土壤含水率的预测水平，通过调整BP网络中的连接权值和隐层节点数，得到不错的试验结果[21]，虽然构造解析较复杂，但不失为一种很好的补偿方式。

3 新兴热点技术研究

3.1 基于传感器数据融合技术校正方法

数据融合技术是对多个信息来源进行多层次、分布式的处理过程，将多个不同传感器和信息源的数据重新组合为一个整体，通常不同传感器之间都存在交叉灵敏度，外在表现是其输出值不只取决于1个传感数据，当其他数据变化时输出值也要发生变化。存在交叉灵敏度的传感器，其性能不稳定，测量精度较低，数据融合的最终目的是利用多个传感器共同或联合操作的优势，来提高整个传感器系统的有效性和稳定性[22]。在基质水分检测过程中存在对温度、体积、质量等交叉灵敏度。国内外学者有很多通过无线传感网络技术应用在多参数采集融合[23]，徐坤等曾使用自制的基质多参数无线检测仪，利用无线网络技术将基质中部分因素之间相互耦合校正补偿，得到良好的结论[24]。袁向星在粮食水分检测中提出加权平均方法是最简单直观实时处理信息的融合方法[25]。

3.2 多维回归分析处理法

目前，基质在不同灌溉方式下，如滴灌、微灌，剖面含水率的动态监测即内部水分分布规律研究较少。同时，基质水分检测中，存在多个检测参量共处于一个统一体中，它们之间存在确定性关系或相关关系，不仅包含温度、体积或紧实度、质量、容重等维度，还有传感器监测点的布置、深度、区域。回归分析方法是研究相关关系的一种有力的数学工具。它是建立在对客观事物进行大量试验和观察的基础上，用来寻找隐藏在那些看上去不确定的现象中的统计规律[26]。可见，多维回归分析的方法用来研究处理基质水分多维参量之间的关系，在精准基质水分检测中应该会有较好的结果。

3.3 非接触式光谱基质含水量的校准研究

光学法作为非接触式监测方法，是常规介电法的有效补充，俞永华进行了一种光谱测定基质的可行性研究[27]，该研究采用近红外光谱技术定量测定基质中含水率、电导率和pH值，利用基线校正和微分方法对光谱进行预处理，在不同波段范围建立不同的偏最小二乘回归模型。此法正是采用逐步回归法分段提取水分的特征光谱波段，以反演基质含水量利用可见近红外光谱技术，通过仪器对特征光谱波段的提取，建立基于敏感波段的数学模型，对基质的电导率定量监测和水分预测是可行的。国外学者在非接触有机质含水量检测方面，主要通过测试全波段范围的光谱信息，建立全光谱信息模型来测定水分[28]，国内朱咏莉等在此基础上进一步建立基于水分特征波段的数学模型，以反演基质含水量，其结论能够得到快速准确的检测，但预测精度还需进一步研究[29]。

4 结论

基质栽培作为设施蔬菜栽培减少连作障碍的一种有效技术，在生产中扮演的角色越来越重要，急需建立完善的基质节水灌溉系统，然而基质含水量的相关检测方法还较少，本研究综述了传统土壤水分检测方法在基质水分检测中应用的问题和现状，对电介质型传感器结合校准模型研究现状进行说明，并对新兴热点技术研究进行展望。基质水分的正确检测是实现智能灌溉的必要条件，需将基质水分检测方法与设施蔬菜栽培的特点相结合，同根系生长预测模型、不同灌溉方式进行最优匹配，再通过关联环境因素的研究，实现对有机基质含水量的快速准确检测。建立更为简单、实用的模型还需进一步研究。当前，只有优化基质栽培的灌溉策略，实现生产过程的智能化节水灌溉，才能推动基质设施蔬菜的栽培向标准化、全自动化的方向发展。

[1]徐 强，张沛东，涂 忠. 植物基质栽培的研究进展[J]. 山东农业科学，2014，47(3)：131-137.

[2]李婷婷，马蓉丽，成 妍，等. 中国蔬菜基质栽培研究新进展[J]. 农学学报，2013，3(4)：30-34.

[3]王 果. 土壤学[M]. 北京：高等教育出版社，2009.

[4]刘思春，高亚军，王永一，等. 土壤水势测定方法的选择及准确性研究[J]. 干旱地区农业研究，2011，29(4)：189-192.

[5]马 涛. 国内外土壤水分快速测量技术浅析[J]. 中国防汛抗旱，2008(1)：31-33.

[6]康绍忠. 农业水土工程概论[M]. 北京：中国农业出版社，2007.

[7]刘志刚，李萍萍，胡永光，等. 电介质型水分传感器测定栽培基质含水率的标定模型[J]. 农业工程学报，2011，27(2)：199-202.

[8]Nelson S，Forbus W Jr，Lawrence K.Permittivities of fresh fruits and vegetables at 0.2 to 20 GHz[J]. The Journal of Microwave Power and Electromagnetic Energy，1994，29(2)：81-93.

[9]Nelson S O，Trabelsi S，Kays S J.Dielectric spectroscopy of honey-dew melons from 10 MHz to 1.8 GHz for quality sensing[J]. IEEE Instrumentation & Measurement Technology，2006，49(6)：180-182.

[10]Wojciech S. Temperature dependence of time domain reflecto-metry-measured soil dielectric permittivity[J]. Journal of Plant Nutrition Soil Science，2009，172(2)：186-193.

[11]高 磊，施 斌，唐朝生，等. 温度对FDR测量土壤体积含水量的影响[J]. 冰川冻土，2010，10(5)：964-966.

[12]董亚峰，王一鸣. 基于驻波原理的无接触土壤含水率测量方法的研究[J]. 农机化研究，2007(1)：85-87.

[13]扬道业，权义萍，张印强. 尺式电容传感器特性分析及应用[J]. 仪表技术与传感器，2010(2)：7-9.

[14]唐玉邦，何志刚，虞利俊，等. 土壤水分传感器(FDR)在作物精准灌溉中的标定与应用[J]. 江苏农业科学，2014，42(4)：343-345.

[15]李梅玲，张 凯，尹彦霞，等. 青菜栽培盘质量与基质含水量的相关关系研究[J]. 长江蔬菜，2013(12)：1-5.

[16]Nemali K S，Montesano F，Dove S K，et al.Calibration and performance of moisture sensors in soilless substrates：ECH2O and Theta probes[J]. Scientia Horticulturae，2007，112 (2)：227-234.

[17]Foley J L，Harris E. Field calibration of ThetaProbe(ML2x) and ECHO probe (EC-20) soil water sensors in a Black Vertosol[J]. Australian Journal of Soil Research，2007，45(3)：233-236.

[18]孙道宗，王卫星，姜 晟. 基于双传感器数据融合的土壤湿度测量与建模[J]. 农业工程学报，2012，28(15)：60-64.

[19]卢启福，吴慕春，胡月明，等. 基于TDR-3的土壤水分传感器标定模型研究[J]. 传感技术学报，2009(7)：1066-1068.

[20]廖宁放，高稚允. BP神经网络用于函数逼近的最佳隐层结构[J]. 北京理工大学学报，1998，18(4)：476-481.

[21]张荣标，余功江，张 磊，等. WSN土壤湿度采集节点电压补偿方法研究[J]. 农业机械学报，2010，41(11)：178-182.

[22]蔡 铁，滕召胜，郑舜生. 粮食烘干塔水分在线检测系统中的实时信息采集与处理[J]. 自动化与仪表，2001，16(5)：47-50.

[23]Bogena H R，Herbst M，Huisman J A，et al.Potential of wireless sensor networks for measuring soil water content variability[J]. Vadose Zone Journal，2010，9(4)：1002-1013.

[24]徐 坤，张西良，李萍萍，等. 便携式无土栽培基质多参数无线检测仪[J]. 农业机械学报，2015，46(3)：302-304.

[25]袁向星. 粮食水分快速测定仪性能鉴定的方法[J]. 分析仪器，2002(4)：38-39.

[26]Nelson S O. Measurement and applications of dielectric properties of agricultural products[J]. IEEE Transactions on Instrumentation and Measurement，1992(1)：116-122

[27]俞永华. 近红外光谱技术定量测定基质参数研究[J]. 光谱学与光谱分析，2011(11)：2928-2931.

[28]Smidt E，Meissl K.The applicability of fourier transform infrared (FT-IR) spectroscopy in waste management[J]. Waste Management，2007，27(2)：268-276.

[29]朱咏莉，李萍萍，孙德民，等. 醋糟有机基质含水率的可见/近红外光谱检测[J]. 农业机械学报，2010，41(9)：187-118.

10.15889/j.issn.1002-1302.2017.02.002

2015-12-02

江苏省农业科技自主创新资金[编号：CX(13)5066)、CX(15)1016)]。

柳 军(1984—)，男，江苏南京人，硕士，助理研究员，主要从事智能农业设施与装备研究。Tel：(025)84390456；E-mail：nkyliu@163.com。

S152.7；S317

A

1002-1302(2017)02-0006-03

柳 军，孟力力，虞利俊. 基质水分检测技术应用与展望[J]. 江苏农业科学，2017，45(2)：6-8.