大探 FDR土壤水分自动站及其标定.doc

FDR土壤水分自动站及其标定黄飞龙 黄飞龙（1980-）广东郁南人，硕士，从事大气自动探测与控制研究，,何艳丽,刘艳中（广东省大气探测技术中心，广州，510080）摘要：针对国家气象局农业气象观测的需要，采用频域反射技术（FDR）设计开发了一套土壤水分探测系统。系统共包括传感器测量，数据采集，远程数据管理等几个部分。FDR测量原理建立在传输线理论和谐振电路的基础上。数据采集部分充分考虑了信号的抗干扰能力以及纠错措施。系统采用无线通信模式将测量数据传送到中心数据库。仪器和数据分别进行标定。田间标定使用仪器与烘干法对比观测数据，通过乘幂函数拟合计算不同土壤类型的参数，修正仪器测量公式，使测量到的土壤介电常数的变化能够准确反应含水率的变化。再利用烘干法对含水率测量数据进行标定。原始测量数据根据多项式函数拟合订正之后进一步降低了测量的绝对误差。罗定地区土壤水分自动观测数据最大误差控制在2%以内，远小于农业气象观测规范允许的5%。关键词：自动站，土壤水分，FDR，标定，函数拟合FDR Soil Moisture Auto Station and the Calibration MethodsHuang Feilong, He Yanli,Liu Yanzhong(Guangdong Atmospheric Sounding Technology Center,Guangzhou,510080,China)Abstract：In order to satisfy the needs of agrometeorological observation, soil moisture detection system using Frequency Domain Reflectometry(FDR) was designed. It includes FDR sensors, data acquisition and remote data management. FDR measurement is based on transmission theory and resonance circuit. Data acquisition part takes full account of signals anti-interference ability and error correction methods. Data measured is transfered to central database in wireless communication mode first, and then is sent back to local stations through Internet. Field calibration compared the data from FDR sensor and oven drying method, thus factors were calculated by funciton fitting , which were determined by soil type. So change of relative permittivity detected could reflect variation of soil moisture. Then oven drying method was used again to calibrate the measuring data by polynomial function fitting method, which would reduce the absolute error of final result. After the three-stage calibration, the maximum error of data measured from Luoding Area is less than 2%, which is far smaller than 5% according to agrometeorological observation.function fitKeywords:auto station，soil moisture，FDR，calibration;0 引言土壤水分的贮存量以及它的变化规律，对农业生产，生态环境的监测调节甚至是气候的变迁都具有重要的研究价值，是最基础的数据。从2009年全国气象局长会议以来，为了满足干旱气象服务的需求，中国气象局在多个省份增加了基于FDR技术的土壤水分自动观测站点，开展土壤墒情观测业务。土壤水分的探测方法有多种，其中烘干称重法是最传统的，由于对设备的要求不高，操作简单，结果可靠，不但被使用得最多，而且在国际上也被作为对比的标准方法。但是烘干法也有缺点：每次测量需要取土，烘干，称重，输入，计算等多个步骤，工作量大，时间长，尤其是测量不同深度的土壤水分含量的时候，工作量成倍增加。张力计法也是应用广泛的一种方法，它是一种低设备成本的直接测量方法，缺点是反应时间太慢。射线法是利用各种射线进入土壤的衰减来计算土壤含水率，唯一的缺点是设备维护成本高而且有辐射危险。传统方法还有电阻法，热扩散法等等1。探针式电容测量法2和TDR测量法则是出现得比较晚的新方法，都能实现实时快速测量工作，但探针电容需要加强弱信号处理环节，而且容易损坏，而TDR测量具有非线性缺陷3。本设计所介绍的频域反射技术是近年才兴起的一种土壤水分测量方法，与其他测量方法相比，具有几个优点：频域反射技术分辨率高，线性度好；仪器主要是电路模块，维护简单；无污染，测量的时候不需要破坏土层，方便连续测量。1 FDR技术测量土壤水分频域反射技术FDR（Frequency Domain Reflectometry）原为军用测试技术，通过发送特定频带的扫频测试信号，在导体阻抗不匹配处会产生较强的和发射信号同样频率但不同时段的反射信号，通过傅立叶转换方式分析这些信号，并且通过测量反射信号峰值的频率换算出到线路障碍点的距离。目前FDR技术开始替代TDR时域反射技术，应用到商用通信测试领域。和传统的时域反射技术TDR（Time Domain Reflectometry）比较，FDR技术主要有2点优势。首先是通过对事件点插入损耗和频率的正确计算，FDR不但能判断开路和碰线点，还能够判断更多的线路障碍类型如接触不良、桥接抽头等。其次，FDR在线路承载业务相匹配的频带内进行测试，而TDR是一种DC直流测量方式。所以FDR更适合宽带线路测试。目前FDR技术在大型网络的故障监测，例如电力电缆线路网络中已经得到应用4，光频域的FDR在传感器领域的研究也越来越多5。本设计土壤水分探测系统采用了基于FDR技术的EnviroSMART智能探测器。该探测器采用总线技术，一支探测器上有智能采集电路，可以同时安装多个传感器单元，实现不同深度的土壤水分数据同时测量。此型号土壤水分探测器属于成熟产品，在国内外很多领域被使用。 传感器单元采用土壤水分介电常数法的原理，利用传感器在不同含水率土壤中的频率SF（scaled frequency归一化频率）变化来测量土壤体积含水率()。图1 传感器单元等效电路图Fig.1 Equivalent Circuit of Sensor Unit传感器单元等效电路如图1，采用串联LC谐振电路。由于谐振发生的条件成立，谐振频率：-(1)其中Q是谐振回路的品质因素，由于土壤是回路的一部分，Q受到土壤的影响。有的研究采用并联LC谐振电路消除土壤对Q值的影响6，EnviroSMART探测器采用了归一化频率消除Q值的影响。通过电容与介电常数的关系：-(2)可以求得土壤的相对介电常数，其中C0是介质为空气时候的电容。许多文章研究证实土壤介电常数与土壤水分含量之间具有线性关系789：-(3)其中a，b是两个常数，由土壤的类型决定 1011。归一化频率定义为：-（4）Fa 为仪器放置于空气中所测得的频率；Fw 为仪器放置在水中所测得的频率；Fs 则为仪器安装于土壤中所量测得到的频率。联立以上公式，在实验数据拟合的基础上，土壤水分含率与SF之间的关系可以用幂公式:-（5）表述，其中m和n为拟合参数。传感器标定频率和体积含水率之间的关系通过公式描述：-（6）其中A，B，C参数可以通过函数拟合得到，它们受土壤类型以及土壤结构的影响。2 多层FDR采集系统结构一组多层次的土壤水分含量数据对农业生产和作物生长研究具有较大的价值，因此基于FDR的土壤水分采集系统具有多个安装在不同深度的传感器。采集系统的结构如图2所示。图2 采集系统结构Fig.2 Structure of FDR Detection SystemS1到S5代表5个传感器，传感器通过均匀传输线与单片机相连，单片机轮询式控制各个传感器谐振电路并且获得检测数据。考虑到仪器安装现场情况比较复杂，对信号干扰和雷电干扰均有较高的要求，单片机模块通过抗干扰能力很强的RS485总线与采集器通信。采集器对检测数据进一步进行处理。为了使测量仪器便于野外安装以及数据能够准时传送到服务器，系统采用了无线通信方式，形成标准格式的数据包通过公众的移动通信网络发送到中心数据库服务器。无论是监测台站还是农业气候研究人员均通过互联网获得探测数据。图3详细介绍了单片机和采集器的功能以及数据测量过程。单片机在接收到测量的命令之后，进行电压差检测，然后计算土壤介电常数以及水分含量。对所有的传感器都测量完毕之后，形成一份汇总数据通过串口发送到采集器。单片机和采集器之间硬件使用带屏蔽层的信号线进行RS485远程通信，软件上使用LRC纵向冗余校验对接收到的数据进行查错，一旦发现校验不对马上重复上一个命令，重新接收数据。图3 数据采集流程Fig.3 Process of Data Acquisiton通过LRC校验的数据被采集器准确读取并保存在内存中。每分钟进行多次测量并且计算分钟的平均数据，根据气象行业的规范12，进行十分钟平均和小时正点平均计算，所有的这些数据都可以在采集器的液晶面板显示出来，方便安装现场调试或者观测人员现场读取数据。3仪器田间标定一般认为，传统的烘干法测得的土壤水分值是可信的，可以作为其它各种土壤含水率测量方法的校正标准。土壤水分自动监测站安装处土壤类型、土壤剖面的各组织层、土壤质地、密度、土壤颗粒和安装结合紧密度各不相同，使得不同地区的土壤类型实际上是不一样的，同一个土壤水分传感器单元在不同的地方使用，为了得到准确的土壤水分测量值，不能只使用同一组土壤类型参数，田间标定也就是修正公式（6）中的A，B，C具体数值。在试验条件许可的情况下可以先进行实验室标定。实验室标定是将探测器安装现场的土壤取回来，使用实验室设备控制土壤的均匀度以及水分含量，通过传感器测量值与理论值之间的数据关系修正传感器计算公式。但是实验室标定破坏了破坏了土壤的原生态条件，因此实际使用的土壤水分探测器还是必须进行田间标定。田间标定方法介绍如下。先测定安装地点土壤的容重，然后取对比数据样本。每隔5天在传感器安装地点取土采用人工烘干法测量各层的土壤体积含水率，同时记录当时的探测器各层传感器单元的自动测量结果，两个记录在一起作为一组样本。经过一段时间之后，最好期间跨越了一个旱季以及雨季，使得测量数据均匀分布在5%50%之间。将同一个传感器单元的所得到的所有数据换算成归一化频率，在该组归一化频率与相对应的烘干法数据之间建立幂指数函数方程，得到该传感器单元所需要的土壤类型参数A，B，C。广东省罗定地区土壤水分站点10cm深度传感器对比样本做田间标定如下：表1 田间标定样本数据Table1 Samples of field calibration序号人工测量自动测量归一化频率序号人工测量自动测量归一化频率13.003.2000.34626.0827.9480.7825.837.0780.46731.7835.9010.8639.409.2850.51836.4538.0760.88416.1515.4520.62941.1040.3280.90519.7821.9400.71图3 田间标定拟合曲线Fig.3 Curve of field calibration由上图拟合曲线方程看，A=0.2269，B=0.3763，C=0.0。由决定系数R平方可见拟合效果非常好，绝大多数体积含水率的变化都可以在曲线上体现出来。样本数据范围最好涵盖10%50%，跨度太小的情况下拟合方程得到的参数不准确，不能作为标定的参数。4数据标定经过田间标定之后，再进行人工烘干法与自动测量的数据进行对比。探测器测量到的各层土壤含水率值与烘干法得到的土壤水分变化趋势基本一致，但仍然会有一定的差异。为了将差异减到最小，还要对自动测量数据进行数据标定。与田间标定方法一样，每隔5天进行人工烘干和自动测量的对比，获得足够数量的对比样本数据。以人工观测值为标准建立线性拟合方程或者一元二次拟合方程，利用得到的标定系数，对每一层传感器单元测量值进行数据标定，使得经过标定后的数据更接近人工测定值。下面仍以罗定地区土壤自动观测站10cm深度的测量数据利用线性拟合为例说明数据标定方法。表2 罗定土壤自动观测站10cm对比样本数据（2010年11月2011年03月）Table2 Samples at 10cm depth of Luoding soil moisture station(2010.112011.3)序号自动人工序号自动人工序号自动人工119.323.71121.927.22129.926.0219.225.11220.327.22226.428.8318.323.61319.124.12326.227.6417.621.71424.127.02423.627.0517.521.51522.726.52522.525.5616.622.61620.723.82621.824.9715.620.11720.325.52726.723.8814.820.51820.026.22825.329.0915.920.31919.524.72926.030.31023.727.82019.523.83024.125.9标定公式：Y= A0+ A1X-（4）其中：Y为标定值，X为仪器测量值，A0，A1为标定系数。根据表2数据拟合得到的线性方程如图4：图4 罗定地区10cm土壤水分数据标定曲线Fig.4 Fitting curve of 10cm depth samples of Luoding soil moisture station其中A0=13.3，A1=0.5518根据标定系数生成新的测量数据列，计算仪器测量与人工测定体积含水率的绝对误差。可以得到数据标定前的绝对误差平均值为4.20%，标定后的绝对误差平均值为1.25%。数据标定使自动观测数据更加接近人工观测数据。5小结采用土壤水分自动站进行农业土壤水分观测，不但节省了大量的人力和时间，而且能够连续稳定获得数据。通过对土壤水分传感器的安装标定，田间标定以及测量数据标定，土壤水分自动站所获得的数据测量准确性大大提高，能够满足农业气象观测规范12中土壤水分含量测量误差小于5%的要求。参考文献：1 陈家宙,陈明亮,何圆球.各具特色的当代土壤水分测量技术J.湖北农业科学,2001,(3):25-28.2胡建东,赵向阳,李振峰,等.参数调制探针式电容土壤水分传感器技术研究J.传感技术学报,2007,20(5):1057-1060.3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，2009,22(7):1066-1070.4 罗俊华,周作春,李华春,等.电力电缆线路运行温度在线检测技术应用研究J.高电压技术,2007,33(1):169-172.5 吴飞,蔡璐璐,李志全.分布式光纤应变传感器的研究J.仪器仪表学报,2005, 26(8):1039-1041.