Literatuuroverzicht Bodemvochtmonitoring

1. Classificatie van technologieën voor het monitoren van bodemvocht

Technologieën voor het monitoren van bodemvocht kunnen worden onderverdeeld in drie categorieën, afhankelijk van de schaal en het principe van de monitoring: puntmetingstechnologie op de grond, proximale detectietechnologie en monitoringtechnologie voor teledetectie. Elk van de drie technologieën heeft zijn eigen focus en dekt het volledige scala aan toepassingsbehoeften, van lokale puntmeting tot monitoring op mondiale schaal.

(1) Puntmetingstechnologie op de grond

Op de grond gebaseerde puntmetingstechnologie is gericht op bodemsensormetingen met direct contact, die een continue of vaste verzameling van bodemvochtgegevens kunnen realiseren en is het basismiddel voor het monitoren van bodemvocht. Het omvat voornamelijk weerstandssondes, Time Domain Reflectometry (TDR), capaciteitssensoren, neutronensondes en andere typen. Verschillende sensoren variëren aanzienlijk in nauwkeurigheid, kosten en toepasselijke scenario's.

(2) Proximale detectietechnologie

Proximale detectietechnologie wordt voornamelijk toegepast op veld- of stroomgebiedschaal. Het verkrijgt de ruimtelijke distributiekarakteristieken van bodemvocht via niet-invasieve middelen, waardoor de lokale beperking van puntmetingen op de grond wordt gecompenseerd. Gebruikelijke technologieën zijn onder meer elektromagnetische inductie (EMI), grondpenetrerende radar (GPR), Cosmic Ray Neutron Probe (CRNP), enz. Onder hen kan CRNP-technologie niet-invasieve metingen van regionaal gemiddeld bodemvocht over een groot gebied realiseren, en is een belangrijke brug geworden tussen puntmeting op de grond en teledetectie via satelliet.

(3) Technologie voor monitoring op afstand

Teledetectietechnologie realiseert dynamische monitoring van grootschalige (regionaal tot mondiaal) bodemvocht via platforms zoals satellieten en vliegtuigen. Volgens teledetectiebanden kan het worden onderverdeeld in optische teledetectie, thermisch infrarood teledetectie en microgolfteledetectie. Onder hen is microgolf-teledetectie de mainstream-technologie geworden voor grootschalige monitoring van bodemvocht vanwege de lage gevoeligheid voor weersomstandigheden en het vermogen om vegetatie en oppervlaktebodem binnen te dringen. Het kan verder worden onderverdeeld in actieve microgolf-teledetectie (zoals Synthetic Aperture Radar, SAR) en passieve microgolf-teledetectie (zoals radiometer).

2. Principes en prestatievergelijking van de belangrijkste monitoringtechnologieën

(1) Prestatievergelijking van op de grond gebaseerde puntmetingssensoren

Sensortype	Voordelen	Nadelen	Toepasselijke scenario's	Nauwkeurigheidsindex
Weerstand sonde	1. Kan worden gecombineerd met dataloggers voor continue meting; 2. Laagste prijs; 3. Laag stroomverbruik	1. Slechte nauwkeurigheid, kalibratiewaarde varieert afhankelijk van het bodemtype en het zoutgehalte; 2. Sensoren zijn onderhevig aan veroudering	Scenario's die alleen veranderingen in het vochtgehalte hoeven te beoordelen en lage eisen stellen aan nauwkeurigheid	Lage nauwkeurigheid
TDR-sonde	1. Kan continue metingen uitvoeren; 2. Hoge nauwkeurigheid (2-3%) na bodemspecifieke kalibratie; 3. Ongevoelig voor zoutgehalte (totdat signaal verdwijnt); 4. Hoge academische erkenning	1. Hogere operationele complexiteit dan capaciteitssensoren; 2. Voor de installatie zijn sleuven nodig, wat tijdrovend is; 3. Ongeldig in omgevingen met een hoog zoutgehalte; 4. Hoog stroomverbruik (vereist grote oplaadbare batterijen)	Laboratoria uitgerust met relevante systemen die metingen met hoge precisie vereisen	Hoge nauwkeurigheid (2-3%)
Capaciteitssensor	1. Kan continue metingen uitvoeren; 2. Eenvoudige installatie voor sommige typen; 3. Hoge nauwkeurigheid (2-3%) na kalibratie; 4. Laag stroomverbruik (kleine batterijen zijn voldoende); 5. Lage prijs, waardoor meerpuntsmeting mogelijk is	1. De nauwkeurigheid neemt af in omgevingen met een hoog zoutgehalte (elektrische geleidbaarheid van verzadigd extract > 8 dS/m); 2. Slechte prestaties van merken van lage kwaliteit	Scenario's die meerpuntsmetingen, eenvoudige systeemimplementatie en -onderhoud en een laag stroomverbruik vereisen	Hoge nauwkeurigheid (2-3%)
Neutronen sonde	1. Groot meetvolume; 2. Ongevoelig voor zoutgehalte; 3. Hoge academische erkenning (volwassen technologie); 4. Geen last van contactproblemen met de bodemsensor	1. Duur; 2. Voor de werking is stralingscertificering vereist; 3. Extreem tijdrovend; 4. Kan geen continue meting uitvoeren	Scenario's met bestaande apparatuur en certificering die het meten van kleigronden met een hoog zoutgehalte of uitgestrekte krimpende kleigronden vereisen	Lage nauwkeurigheid (verbeterd na kalibratie ter plaatse)
CRNP (kosmische straalneutronensonde)	1. Extreem groot meetbereik (invloedvolume met 800m diameter); 2. Automatische meting; 3. Geschikt voor grondvalidatie van satellietgegevens (verzachten van grootschalige variabiliteit); 4. Geen last van contactproblemen met de bodemsensor	1. Hoogste prijs; 2. Onduidelijke definitie van het meetvolume, variërend met bodemvocht; 3. Nauwkeurigheid beperkt door verstorende factoren zoals vegetatie	Scenario's die grootschalige gemiddelde vochtwaarden en grondvalidatie van satellietgegevens vereisen	RMSE ≈ 0,032 cm³/cm³ (na kalibratie)

Sensortype	Voordelen	Nadelen	Toepasselijke scenario's	Nauwkeurigheidsindex
Weerstand sonde	1. Kan worden gecombineerd met dataloggers voor continue meting; 2. Laagste prijs; 3. Laag stroomverbruik	1. Slechte nauwkeurigheid, kalibratiewaarde varieert afhankelijk van het bodemtype en het zoutgehalte; 2. Sensoren zijn onderhevig aan veroudering	Scenario's die alleen veranderingen in het vochtgehalte hoeven te beoordelen en lage eisen stellen aan nauwkeurigheid	Lage nauwkeurigheid
TDR-sonde	1. Kan continue metingen uitvoeren; 2. Hoge nauwkeurigheid (2-3%) na bodemspecifieke kalibratie; 3. Ongevoelig voor zoutgehalte (totdat signaal verdwijnt); 4. Hoge academische erkenning	1. Hogere operationele complexiteit dan capaciteitssensoren; 2. Voor de installatie zijn sleuven nodig, wat tijdrovend is; 3. Ongeldig in omgevingen met een hoog zoutgehalte; 4. Hoog stroomverbruik (vereist grote oplaadbare batterijen)	Laboratoria uitgerust met relevante systemen die metingen met hoge precisie vereisen	Hoge nauwkeurigheid (2-3%)
Capaciteitssensor	1. Kan continue metingen uitvoeren; 2. Eenvoudige installatie voor sommige typen; 3. Hoge nauwkeurigheid (2-3%) na kalibratie; 4. Laag stroomverbruik (kleine batterijen zijn voldoende); 5. Lage prijs, waardoor meerpuntsmeting mogelijk is	1. De nauwkeurigheid neemt af in omgevingen met een hoog zoutgehalte (elektrische geleidbaarheid van verzadigd extract > 8 dS/m); 2. Slechte prestaties van merken van lage kwaliteit	Scenario's die meerpuntsmetingen, eenvoudige systeemimplementatie en -onderhoud en een laag stroomverbruik vereisen	Hoge nauwkeurigheid (2-3%)
Neutronen sonde	1. Groot meetvolume; 2. Ongevoelig voor zoutgehalte; 3. Hoge academische erkenning (volwassen technologie); 4. Geen last van contactproblemen met de bodemsensor	1. Duur; 2. Voor de werking is stralingscertificering vereist; 3. Extreem tijdrovend; 4. Kan geen continue meting uitvoeren	Scenario's met bestaande apparatuur en certificering die het meten van kleigronden met een hoog zoutgehalte of uitgestrekte krimpende kleigronden vereisen	Lage nauwkeurigheid (verbeterd na kalibratie ter plaatse)
CRNP (kosmische straalneutronensonde)	1. Extreem groot meetbereik (invloedvolume met 800m diameter); 2. Automatische meting; 3. Geschikt voor grondvalidatie van satellietgegevens (verzachten van grootschalige variabiliteit); 4. Geen last van contactproblemen met de bodemsensor	1. Hoogste prijs; 2. Onduidelijke definitie van het meetvolume, variërend met bodemvocht; 3. Nauwkeurigheid beperkt door verstorende factoren zoals vegetatie	Scenario's die grootschalige gemiddelde vochtwaarden en grondvalidatie van satellietgegevens vereisen	RMSE ≈ 0,032 cm³/cm³ (na kalibratie)

(2) Kernprincipes en prestaties van monitoringtechnologieën voor teledetectie

Monitoringtechnologie voor teledetectie haalt bodemvocht op door de reflectie-, emissie- of verstrooiingseigenschappen van de bodem tegen elektromagnetische straling in verschillende banden te detecteren. De meetdiepte, ruimtelijke resolutie en toepasselijke scenario's van technologieën in verschillende banden variëren aanzienlijk:

• Optische en thermische infrarood teledetectie: Optische teledetectie (zichtbaar licht, nabij-infrarood, kortegolf-infrarood) haalt bodemvocht op in de extreem dunne oppervlaktelaag (≤1 mm) door veranderingen in de bodemkleur (vochtige grond is donkerder); thermische infrarood teledetectie reflecteert indirect de vochtomstandigheden door veranderingen in de bodemtemperatuur aan het oppervlak te monitoren. Beide zijn gevoelig voor weers- en vegetatiebedekking en hebben een geringe meetdiepte.

• Magnetron Remote Sensing: Haalt vocht op door de volumetrische diëlektrische constante van de bodem te meten (de diëlektrische constante van water is ongeveer 80, veel hoger dan die van vaste stoffen in de bodem en lucht), die is onderverdeeld in actieve (radar zendt signalen uit om echo's te meten) en passieve (meet natuurlijke microgolfstraling) typen. Van de microgolfbanden hebben de L-band en de P-band een sterk vermogen om de vegetatie binnen te dringen en zijn ze geschikt voor het monitoren van bodemvocht aan het oppervlak en in de wortelzone; C-band is geschikt voor kale grond of schaars begroeide gebieden.

Prestatievergelijking van reguliere microgolf-satellietmissies op afstand

Satelliet missie	Sensortype	Band	Ruimtelijke resolutie	Periode opnieuw bezoeken	Kernvoordelen	Nauwkeurigheidsindex
SMOS (satelliet bodemvocht en zoutgehalte van de oceaan)	Passieve microgolfradiometer	L-band	25 km (EASE-2-raster)	3 dagen	De eerste satellietmissie specifiek voor het monitoren van bodemvocht, die in staat is de Vegetatie Optische Diepte (VOD) op te halen	Mediaan R²=0,75, RMSE=0,023 m³/m³
SMAP (Bodemvocht Actieve Passieve Satelliet)	Actieve radar + passieve radiometer (radar mislukt)	L-band	36 km (standaard), 9 km (verbeterd)	2-3 dagen	Momenteel het meest nauwkeurige bodemvochtproduct ter wereld, dat vochtgegevens over de wortelzone (0-100 cm) kan leveren	ubRMSE=0,035-0,038 cm³/cm³ (oppervlaktelaag); 0,026-0,03 cm³/cm³ (wortelzone)
Sentinel-1	Actieve synthetische diafragmaradar (SAR)	C-band	10-20 meter	6 dagen	Hoge ruimtelijke resolutie, kan worden gecombineerd met SMAP-gegevens om producten met een resolutie van 3 km te genereren	RMSE<0,046 cm³/cm³
ESA CCI (Klimaatveranderingsinitiatief)	Actieve + Passieve Magnetronfusie	Multiband	Meerdere resoluties	Afhankelijk van de gegevensbron	Biedt continue wereldwijde bodemvochtgegevens op lange termijn sinds 1978	Middelgrote alomvattende nauwkeurigheid, geschikt voor langetermijnonderzoek naar klimaatverandering

3. Sleutelfactoren die de nauwkeurigheid van de monitoring van bodemvocht beïnvloeden

Gebaseerd op de meta-analyseresultaten uit Literatuur 3 wordt de nauwkeurigheid van bodemvochtmonitoring beïnvloed door verschillende factoren, zoals sensortype, modelleringsmethode en omgevingsomstandigheden. De belangrijkste beïnvloedende factoren zijn als volgt:

(1) Sensor- en technische configuratie

• Sensortype: De nauwkeurigheid van actieve en passieve microgolfsensoren is vergelijkbaar als ze afzonderlijk worden gebruikt (mediaan R²=0,7 voor beide), maar er zijn weinig onderzoeken naar het gecombineerde gebruik ervan. Uit huidig ​​bewijsmateriaal blijkt dat de fusienauwkeurigheid niet significant is verbeterd (mediaan R²=0,59), wat verder onderzoek en optimalisatie vereist.

• Polarisatiemodus: Van de actieve microgolfsensoren heeft de VV+VH dubbele polarisatiecombinatie de hoogste nauwkeurigheid (mediaan R²=0,76, RMSE=0,035 m³/m³), gevolgd door HH-polarisatie, en VH-polarisatie heeft de laagste nauwkeurigheid.

• Meetdiepte: Teledetectie via microgolven is vooral geschikt voor het monitoren van bodemvocht in de oppervlaktelaag (0-5 cm). Diepe laag (>20 cm) vocht moet indirect worden teruggewonnen via machine learning-modellen. Momenteel is het aantal datamonsters voor de nauwkeurigheid van dieplaagmonitoring klein en de conclusie is nog niet duidelijk.

(2) Modellering en gegevensverwerkingsmethoden

De inversiemodelleringsmethode voor het monitoren van gegevens heeft een aanzienlijke invloed op de nauwkeurigheid:

• Machine Learning-modellen (vooral neurale netwerken) hebben de hoogste nauwkeurigheid, met mediaan R²=0,73 en RMSE=0,035 m³/m³; onder hen hebben LSTM-netwerken de hoogste nauwkeurigheid (mediaan R² = 0,86) omdat ze temporele afhankelijkheid kunnen vastleggen.

• Semi-empirische modellen (zoals het Water Cloud Model (WCM), τ-ω Model) worden veel gebruikt en hun nauwkeurigheid is iets lager dan die van machinaal leren (mediaan R²=0,71, RMSE=0,042 m³/m³).

• De combinatie van machinaal leren en semi-empirische modellen kan de nauwkeurigheid verder verbeteren (mediaan R²=0,79, RMSE=0,030 m³/m³).

(3) Omgevings- en oppervlakteomstandigheden

• Klimaattype: De nauwkeurigheid van de monitoring in droge en semi-aride gebieden (met hogere mediaan R²) is beter dan die in vochtige en semi-vochtige gebieden. Omdat vochtige gebieden een dichte begroeiing en grote vochtschommelingen hebben, die waarschijnlijk de signalen verstoren.

• Bodemtextuur: Zandige leem heeft de hoogste meetnauwkeurigheid (mediaan R²=0,75); passieve sensoren presteren beter in kleileem en klei, terwijl actieve sensoren beter presteren in zandige leem en leem.

• Landbedekking: Landbouwgrond (tarwe, maïs, sojabonen, enz.) is het belangrijkste onderzoeksscenario. De dichtheid van de vegetatie beïnvloedt de penetratie van microgolfsignalen, waardoor de nauwkeurigheid wordt beïnvloed, maar het verschil in monitoringnauwkeurigheid tussen verschillende seizoenen is niet significant, wat de stabiliteit van de microgolftechnologie weerspiegelt.

4. Applicatiesystemen en gegevensbronnen voor bodemvochtmonitoring

(1) Internet of Things (IoT) en gegevensbeheersystemen

Het in Literatuur 1 voorgestelde ZENTRA-systeem is een typische IoT-oplossing voor bodemvochtmonitoring. Het integreert sensoren, dataloggers en cloudplatforms (ZENTRA Cloud) om een ​​vereenvoudigde installatie, het downloaden van gegevens op afstand, vroegtijdige waarschuwing bij storingen in realtime en datafusie op meerdere locaties te realiseren. Het kan de werklast van onderzoekers aanzienlijk verminderen en de efficiëntie van gegevensbeheer verbeteren.

(2) Mondiale en regionale monitoringnetwerken

• COSMOS Network: een mondiaal observatienetwerk voor bodemvocht, gebaseerd op CRNP-technologie. Momenteel zijn er ongeveer 194 permanente stations over de hele wereld, die regio's als de Verenigde Staten, Duitsland, Australië en het Verenigd Koninkrijk bestrijken. Het kan de kloof op ruimtelijke schaal tussen puntmeting op de grond en teledetectie via satelliet opvullen.

• International Soil Moisture Network (ISMN): Integreert in-situ bodemvochtgegevens van meerdere stations over de hele wereld, die een verscheidenheid aan meettechnologieën bestrijken, en is een belangrijke bron van basisgegevens voor de validatie van teledetectiegegevens.

• TERENO-netwerk: het Duitse Terrestrial Environmental Observatories-netwerk, dat 20 CRNP-stations omvat voor dynamische monitoring van bodemvocht op stroomgebiedschaal.

(3) Dataproducten en deelplatforms

• SMOS-gegevens: beschikbaar via de officiële website van ESA en het CATDS-platform, inclusief bodemvocht aan het oppervlak, VOD, bodemvocht in de wortelzone en andere producten.

• SMAP-gegevens: vrijgegeven door het National Snow and Ice Data Center (NSIDC) van de Verenigde Staten, inclusief bodemvochtproducten voor oppervlakte- en wortelzones met de hoogste nauwkeurigheid.

• ESA CCI-gegevens: Biedt sinds 1978 mondiale bodemvochtgegevens (drie soorten producten: actief, passief en gefuseerd) over de lange termijn, die kunnen worden verkregen via de officiële website van ESA Soil Moisture CCI.

5. Onderzoeksconclusies en toekomstige richtingen

De drie literatuurgegevens geven consequent aan dat technologieën voor het monitoren van bodemvocht een volledig systeem hebben gevormd, van puntmeting op de grond tot mondiale teledetectie. Onder hen is teledetectie via microgolven de kerntechnologie voor grootschalige monitoring, en machine learning-modellen hebben de inversienauwkeurigheid aanzienlijk verbeterd. De kernuitdagingen van de huidige technologieën zijn onder meer: ​​nauwkeurigheidsoptimalisatie van de fusie van actieve en passieve microgolfsensoren, verificatie van methoden voor monitoring van diep bodemvocht, en verbetering van de monitoringnauwkeurigheid in complexe vegetatie en vochtige gebieden. Toekomstig onderzoek moet zich op deze richtingen concentreren, terwijl de methoden voor data-assimilatie verder worden verbeterd, de combinatie van teledetectiegegevens en grondobservaties wordt versterkt en de diepgaande toepassing van bodemvochtgegevens wordt bevorderd op gebieden als landbouwirrigatiebeheer, vroegtijdige waarschuwing voor droogte en overstromingen, en onderzoek naar klimaatverandering.