基于物联网的传感器系统用于生物炭改良土壤中土壤湿度传感器的校准与性能评估

《Frontiers in Environmental Science》：Calibration and performance evaluation of soil moisture sensors in biochar-amended soils using an IoT-Based sensor system

　　

在精准农业中，精确测量土壤湿度至关重要，尤其采用基于物联网（IoT）的传感器网络进行实时土壤监测。然而，源自土壤有机物的改良剂（如生物炭）会显著改变土壤的物理和介电性质，可能影响土壤湿度传感器的校准和性能。本研究在受控实验室条件下，调查了生物炭对三种不同土壤湿度传感器（TDR 310H、Drill and Drop和CS655）性能和校准的影响，其中容积含水量（VWC）通过基于物联网（IoT）的土壤湿度传感器系统进行数据采集和传输。土壤样品分别添加了相对于土壤干重为0%、1%、3%和5%（重量/重量）的四种生物炭施用率，并调节至不同的容积含水量（VWC）水平，包括5%、10%、12%、14%、16%、18%、20%、25%和30%。在每个湿度水平，记录三次传感器读数，并与标准重力法测量结果进行比较，以评估其准确性。结果表明，生物炭显著影响了传感器的响应，特别是在高施用率下，这是由于土壤容重、孔隙率和介电性质的改变所致。传感器读数与生物炭水平密切相关，TDR、Drill and Drop和CS655的决定系数（R²）分别为0.974、0.963和0.989。这些高R²值表明，传感器读数的大部分变异性可由生物炭含量的变化来解释，反映了良好的模型拟合度。然而，三种传感器的性能各异，每种传感器需要根据生物炭浓度进行特定的校准调整。校准前，所有传感器在3%和5%生物炭施用率下均高估了土壤含水量；校准后，对于所有传感器，线性模型提供了最佳拟合，与幂函数和指数模型相比，达到了最高的R²和最低的均方根误差（RMSE）和平均绝对误差（MAE）。本研究强调了针对特定改良剂和特定传感器进行校准的重要性，以确保在未来智慧农业的物联网应用中，在生物炭改良土壤中实现可靠的土壤湿度估算。

论文标题中文译文：基于物联网的传感器系统用于生物炭改良土壤中土壤湿度传感器的校准与性能评估
本研究旨在探究不同生物炭添加量对基于物联网（IoT）的三种土壤湿度传感器测量精度和准确性的影响。研究人员选用来自美国密歇根州立大学南校区农场的砂壤土，将其与由树木残余物在500°C下热解制成的生物炭，按0%、1%、3%和5%（干重比）的比例均匀混合，并装入特定容器以达到田间容重。实验设置了从5%到30%的多个容积含水量（VWC）梯度。研究人员搭建了一套基于物联网的监测系统，集成了时域反射仪（TDR 310H）、电容法（Drill and Drop）和传输线振荡器（TLO，CS655）三种原理的传感器，用于实时采集数据并传输至云平台。实验以重力法测量值为参考标准，通过统计分析（包括决定系数R²、均方根误差RMSE和平均绝对误差MAE）评估传感器在生物炭影响下的性能。研究发现，生物炭的添加显著改变了土壤的容重、孔隙度和介电特性，导致未经校准的传感器在较高生物炭含量（3%和5%）时普遍高估土壤含水量。传感器读数与生物炭添加率呈强正线性相关（R²均高于0.96）。通过建立并应用线性、幂函数和指数三种校准模型，发现线性校准模型效果最佳，能有效修正系统偏差，将各传感器的测量精度提升至R²约0.99。研究得出结论：针对生物炭改良土壤进行传感器特异性的校准是获得可靠湿度数据的必要步骤；基于物联网的在线监测方法为动态评估传感器行为提供了有效途径；所推导的传感器特异性、生物炭水平依赖的校准方程为实际应用提供了修正基础。
研究背景与目的：土壤湿度是影响植物生长、水文过程和农业生态系统水资源可持续性的关键因素。基于物联网（IoT）的精准农业技术能够实时监测土壤湿度，优化水管理。然而，土壤湿度传感器（主要基于介电原理测量）的精度易受土壤物理化学性质影响，其中生物炭作为一种常用的土壤改良剂，会改变土壤容重、孔隙率及介电特性，从而引入测量偏差。以往研究多关注其他土壤属性或有机改良剂的影响，但针对生物炭如何系统性地影响不同类型传感器精度及校准方法的信息尚不充分。本研究旨在：1）评估在不同生物炭水平和含水量范围内，三种主流土壤湿度传感器的性能；2）建立针对生物炭改良土壤的校准方程，以提高农田灌溉的精准性。
主要关键的技术方法：本研究采用基于物联网的传感器网络实现在线数据监测。实验在受控实验室条件下进行，以砂壤土为基质，与源自森林树木残余物的生物炭（于500°C热解制得）按四个比例（0%、1%、3%、5%）混合。样本队列来源于美国密歇根州立大学南校区农场的表层土壤（0-40厘米深度）。核心测试设备包括三种基于不同原理的传感器：时域反射仪（TDR 310H）、电容法（Drill and Drop）和传输线振荡器（TLO，CS655）。研究人员通过设置从5%到30%的多个容积含水量（VWC）梯度，在传感器数据与重力法参考值之间进行比对。统计分析采用SPSS软件，通过Duncan多重范围检验比较处理间差异，并使用均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R²）评估模型拟合度，测试了线性、幂函数和指数三种校准模型。
研究结果：
不同生物炭水平下传感器的准确性评估：在未添加生物炭的对照土壤中，三种传感器的读数与重力法参考值较为接近。当生物炭添加率为1%时，所有传感器的性能均有所提升，与参考值的吻合度更高，这归因于生物炭改善了土壤结构、孔隙连通性以及传感器探针与土壤的接触。然而，随着生物炭含量增加至3%和5%，传感器读数与重力法值之间的偏差变得显著，尤其是在高容积含水量（VWC）水平下，传感器普遍高估了实际含水量。这表明生物炭改变了土壤介电混合特性，修正了传感器信号与真实含水量的关系。进一步分析显示，传感器读数与生物炭添加率之间存在强烈的正线性相关，决定系数（R²）分别为TDR（0.974）、Drill and Drop（0.963）和CS655（0.989）。方差分析（Duncan检验）证实，生物炭水平对传感器读数的影响显著（P≤0.05）。
生物炭对传感器影响的校准：校准前，传感器在3%和5%生物炭水平下均出现高估。应用线性、幂函数和指数三种校准模型后，测量一致性显著提高。比较发现，线性模型（y = ax + b）在所有生物炭水平和含水量范围内提供了最一致、最准确的结果，其决定系数（R²）提升至约0.99，而均方根误差（RMSE）和平均绝对误差（MAE）分别降至0.64和0.54。幂函数模型在中等湿度范围表现尚可，但略逊于线性模型；指数模型性能最差，R²值低于0.9。研究指出，生物炭通过增加土壤体积电导率（EC_b）、改变介电常数、通过官能团结合水分以及改变土壤结构等多种复杂机制影响传感器响应。因此，必须进行针对性的校准。
传感器性能的统计评估：基于R²、RMSE和MAE的统计分析表明，对于每种传感器和生物炭水平，线性校准模型均表现出最高的准确性。其中，CS655传感器对校准的响应最稳定可靠，其次是TDR，而Drill and Drop在高生物炭含量土壤中变异性相对较大。研究为每种传感器在不同生物炭水平下推导了特定的校准系数方程（例如，TDR传感器的校准系数方程为-0.066 BCL + 1.068，其中BCL为生物炭水平），用于修正原始传感器输出，使其更能反映真实土壤含水量。
讨论与结论：本研究证实了生物炭的添加会系统性地、剂量依赖性地影响基于物联网的土壤湿度传感器的测量性能，主要表现为在高生物炭含量下的高估偏差。这种影响源于生物炭对土壤物理性质（容重、孔隙率）和介电性质（体积电导率、介电常数）的复杂改造。研究人员通过严格的实验室控制实验，成功分离并量化了生物炭含量这一变量对传感器响应的影响。研究强调，为了在生物炭改良土壤中获得可靠的湿度监测数据，进行传感器特异性的校准是必不可少的步骤。所提出的基于物联网的在线监测方法为动态评估传感器行为提供了有效框架。研究推导的传感器特异性、生物炭水平依赖的校准方程和修正系数，为实际应用中减少系统误差、实现准确灌溉调度提供了科学基础。然而，本研究仅限于单一生物炭类型和静态实验室条件，未来的研究建议在不同有机质来源、多种土壤类型和动态田间条件下进行验证，以确认这些校准方法的普适性和稳健性。