Litteraturgjennomgang om jordfuktighetsovervåking

1. Klassifisering av jordfuktighetsovervåkingsteknologier

Jordfuktighetsovervåkingsteknologier kan deles inn i tre kategorier i henhold til overvåkingsskala og prinsipp: bakkebasert punktmålingsteknologi, proksimal sensing-teknologi og fjernmålingsovervåkingsteknologi. Hver av de tre teknologiene har sitt eget fokus, og dekker hele spekteret av applikasjonsbehov fra lokal punktmåling til global skalaovervåking.

(1) Jordbasert punktmålingsteknologi

Bakkebasert punktmålingsteknologi er sentrert om jordsensormåling med direkte kontakt, som kan realisere kontinuerlig eller fastpunkts datainnsamling av jordfuktighet og er det grunnleggende middelet for jordfuktighetsovervåking. Det inkluderer hovedsakelig motstandsonder, Time Domain Reflectometry (TDR), kapasitanssensorer, nøytronsonder og andre typer. Ulike sensorer varierer betydelig i nøyaktighet, kostnader og aktuelle scenarier.

(2) Proksimal Sensing-teknologi

Proksimal sensing-teknologi brukes hovedsakelig i felt- eller vannskilleskala. Den oppnår de romlige fordelingsegenskapene til jordfuktighet gjennom ikke-invasive midler, og veier opp for den lokale begrensningen av bakkebasert punktmåling. Vanlige teknologier inkluderer elektromagnetisk induksjon (EMI), Ground-Penetrating Radar (GPR), Cosmic Ray Neutron Probe (CRNP), etc. Blant dem kan CRNP-teknologi realisere ikke-invasiv måling av regional gjennomsnittlig jordfuktighet over et stort område, og har blitt en nøkkelbro som forbinder bakkebasert punktmåling og satellittfjernmåling.

(3) Fjernmålingsovervåkingsteknologi

Fjernmålingsteknologi realiserer dynamisk overvåking av storskala (regional til global) jordfuktighet gjennom plattformer som satellitter og fly. I henhold til fjernmålingsbånd kan den deles inn i optisk fjernmåling, termisk infrarød fjernmåling og mikrobølgefjernmåling. Blant dem har fjernmåling i mikrobølger blitt hovedteknologien for storskala overvåking av jordfuktighet på grunn av dens lave følsomhet for værforhold og evne til å trenge gjennom vegetasjon og overflatejord. Den kan videre deles inn i aktiv mikrobølgefjernmåling (som Synthetic Aperture Radar, SAR) og passiv mikrobølgefjernmåling (som radiometer).

2. Prinsipper og ytelsessammenligning av hovedovervåkingsteknologier

(1) Ytelsessammenligning av bakkebaserte punktmålingssensorer

Sensortype	Fordeler	Ulemper	Gjeldende scenarier	Nøyaktighetsindeks
Motstandssonde	1. Kan kombineres med dataloggere for kontinuerlig måling; 2. Laveste pris; 3. Lavt strømforbruk	1. Dårlig nøyaktighet, kalibreringsverdi varierer med jordtype og saltinnhold; 2. Sensorer er utsatt for aldring	Scenarier som kun trenger å bedømme endringer i fuktighetsinnhold og har lave krav til nøyaktighet	Lav nøyaktighet
TDR-sonde	1. Kan utføre kontinuerlig måling; 2. Høy nøyaktighet (2-3%) etter jordspesifikk kalibrering; 3. Ufølsom for saltholdighet (til signalet forsvinner); 4. Høy akademisk anerkjennelse	1. Høyere operasjonell kompleksitet enn kapasitanssensorer; 2. Installasjon krever grøfting, noe som er tidkrevende; 3. Ugyldig i miljøer med høy saltholdighet; 4. Høyt strømforbruk (krever store oppladbare batterier)	Laboratorier utstyrt med relevante systemer som krever høypresisjonsmåling	Høy nøyaktighet (2–3 %)
Kapasitanssensor	1. Kan utføre kontinuerlig måling; 2. Enkel installasjon for noen typer; 3. Høy nøyaktighet (2-3%) etter kalibrering; 4. Lavt strømforbruk (små batterier er tilstrekkelig); 5. Lav pris, muliggjør flerpunktsmåling	1. Nøyaktigheten reduseres i miljøer med høy saltholdighet (elektrisk ledningsevne for mettet ekstrakt > 8 dS/m); 2. Dårlig ytelse av lavkvalitetsmerker	Scenarier som krever flerpunktsmåling, enkel systemimplementering og vedlikehold og lavt strømforbruk	Høy nøyaktighet (2–3 %)
Nøytronsonde	1. Stort målevolum; 2. Ufølsom for saltholdighet; 3. Høy akademisk anerkjennelse (moden teknologi); 4. Ikke påvirket av kontaktproblemer med jord-sensor	1. Dyrt; 2. Drift krever strålesertifisering; 3. Ekstremt tidkrevende; 4. Kan ikke utføre kontinuerlig måling	Scenarier med eksisterende utstyr og sertifisering som krever måling av høysaltholdighet eller ekspansiv krympende leirjord	Lav nøyaktighet (forbedret etter feltkalibrering)
CRNP (Cosmic Ray Neutron Probe)	1. Ekstremt stort måleområde (påvirkningsvolum med 800m diameter); 2. Automatisk måling; 3. Egnet for bakkevalidering av satellittdata (utjevning av storskalavariabilitet); 4. Ikke påvirket av kontaktproblemer med jord-sensor	1. Høyeste pris; 2. Uklar målevolumdefinisjon, varierende med jordfuktighet; 3. Nøyaktighet begrenset av forvirrende faktorer som vegetasjon	Scenarier som krever storskala gjennomsnittlige fuktighetsverdier og bakkevalidering av satellittdata	RMSE ≈ 0,032 cm³/cm³ (etter kalibrering)

Sensortype	Fordeler	Ulemper	Gjeldende scenarier	Nøyaktighetsindeks
Motstandssonde	1. Kan kombineres med dataloggere for kontinuerlig måling; 2. Laveste pris; 3. Lavt strømforbruk	1. Dårlig nøyaktighet, kalibreringsverdi varierer med jordtype og saltinnhold; 2. Sensorer er utsatt for aldring	Scenarier som kun trenger å bedømme endringer i fuktighetsinnhold og har lave krav til nøyaktighet	Lav nøyaktighet
TDR-sonde	1. Kan utføre kontinuerlig måling; 2. Høy nøyaktighet (2-3%) etter jordspesifikk kalibrering; 3. Ufølsom for saltholdighet (til signalet forsvinner); 4. Høy akademisk anerkjennelse	1. Høyere operasjonell kompleksitet enn kapasitanssensorer; 2. Installasjon krever grøfting, noe som er tidkrevende; 3. Ugyldig i miljøer med høy saltholdighet; 4. Høyt strømforbruk (krever store oppladbare batterier)	Laboratorier utstyrt med relevante systemer som krever høypresisjonsmåling	Høy nøyaktighet (2–3 %)
Kapasitanssensor	1. Kan utføre kontinuerlig måling; 2. Enkel installasjon for noen typer; 3. Høy nøyaktighet (2-3%) etter kalibrering; 4. Lavt strømforbruk (små batterier er tilstrekkelig); 5. Lav pris, muliggjør flerpunktsmåling	1. Nøyaktigheten reduseres i miljøer med høy saltholdighet (elektrisk ledningsevne for mettet ekstrakt > 8 dS/m); 2. Dårlig ytelse av lavkvalitetsmerker	Scenarier som krever flerpunktsmåling, enkel systemimplementering og vedlikehold og lavt strømforbruk	Høy nøyaktighet (2–3 %)
Nøytronsonde	1. Stort målevolum; 2. Ufølsom for saltholdighet; 3. Høy akademisk anerkjennelse (moden teknologi); 4. Ikke påvirket av kontaktproblemer med jord-sensor	1. Dyrt; 2. Drift krever strålesertifisering; 3. Ekstremt tidkrevende; 4. Kan ikke utføre kontinuerlig måling	Scenarier med eksisterende utstyr og sertifisering som krever måling av høysaltholdighet eller ekspansiv krympende leirjord	Lav nøyaktighet (forbedret etter feltkalibrering)
CRNP (Cosmic Ray Neutron Probe)	1. Ekstremt stort måleområde (påvirkningsvolum med 800m diameter); 2. Automatisk måling; 3. Egnet for bakkevalidering av satellittdata (utjevning av storskalavariabilitet); 4. Ikke påvirket av kontaktproblemer med jord-sensor	1. Høyeste pris; 2. Uklar målevolumdefinisjon, varierende med jordfuktighet; 3. Nøyaktighet begrenset av forvirrende faktorer som vegetasjon	Scenarier som krever storskala gjennomsnittlige fuktighetsverdier og bakkevalidering av satellittdata	RMSE ≈ 0,032 cm³/cm³ (etter kalibrering)

(2) Kjerneprinsipper og ytelse for overvåkingsteknologier for fjernmåling

Fjernmålingsovervåkingsteknologi henter jordfuktighet ved å oppdage refleksjons-, emisjons- eller spredningsegenskapene til jord til elektromagnetisk stråling i forskjellige bånd. Måledybden, romlig oppløsning og gjeldende scenarier for teknologier i forskjellige bånd varierer betydelig:

• Optisk og termisk infrarød fjernmåling: Optisk fjernmåling (synlig lys, nær-infrarødt, kortbølget infrarødt) henter jordfuktighet i det ekstremt tynne overflatelaget (≤1 mm) gjennom endringer i jordfarge (fuktig jord er mørkere); termisk infrarød fjernmåling reflekterer indirekte fuktighetsforhold ved å overvåke endringer i overflatetemperaturen i jorda. Begge er mottakelige for vær og vegetasjonsdekke og har grunt måledybde.

• Mikrobølgefjernmåling: Henter fuktighet ved å måle den volumetriske dielektrisitetskonstanten til jord (dielektrisitetskonstanten til vann er omtrent 80, mye høyere enn for jordfaststoffer og luft), som er delt inn i aktive (radar sender signaler for å måle ekko) og passive (måler naturlig mikrobølgestråling). Blant mikrobølgebånd har L-bånd og P-bånd sterk evne til å penetrere vegetasjon og er egnet for overvåking av jordfuktighet nær overflaten og rotsonen; C-bånd er egnet for bar jord eller tynt vegeterte områder.

Ytelsessammenligning av mainstream-mikrobølge-fjernmåling av satellittoppdrag

Satellittoppdrag	Sensortype	Bånd	Romlig oppløsning	Gjensynsperiode	Kjernefordeler	Nøyaktighetsindeks
SMOS (Soil Moisture and Ocean Salinity Satellite)	Passivt mikrobølgeradiometer	L-bånd	25 km (EASE-2 Grid)	3 dager	Det første satellittoppdraget spesifikt for overvåking av jordfuktighet, i stand til å hente vegetasjonsoptisk dybde (VOD)	Median R²=0,75, RMSE=0,023 m³/m³
SMAP (Soil Moisture Active Passive Satellite)	Aktiv radar + passivt radiometer (radar mislyktes)	L-bånd	36 km (standard), 9 km (forbedret)	2-3 dager	For tiden det mest nøyaktige globale jordfuktighetsproduktet, i stand til å gi rotsone (0-100 cm) fuktighetsdata	ubRMSE=0,035-0,038 cm3/cm3 (overflatelag); 0,026–0,03 cm³/cm³ (rotsone)
Sentinel-1	Active Synthetic Aperture Radar (SAR)	C-bånd	10-20 m	6 dager	Høy romlig oppløsning, kan smeltes sammen med SMAP-data for å generere 3 km oppløsningsprodukter	RMSE<0,046 cm3/cm3
ESA CCI (Climate Change Initiative)	Aktiv + Passiv Mikrobølgefusjon	Flerbånd	Flere oppløsninger	Avhenger av datakilde	Gir langsiktige, kontinuerlige globale jordfuktighetsdata siden 1978	Middels omfattende nøyaktighet, egnet for langsiktig forskning på klimaendringer

3. Nøkkelfaktorer som påvirker nøyaktigheten av overvåking av jordfuktighet

Basert på metaanalyseresultatene fra Litteratur 3, påvirkes nøyaktigheten av jordfuktighetsovervåking av ulike faktorer som sensortype, modelleringsmetode og miljøforhold. Kjernepåvirkningsfaktorene er som følger:

(1) Sensor og teknisk konfigurasjon

• Sensortype: Nøyaktigheten til aktive og passive mikrobølgesensorer er sammenlignbare når de brukes alene (median R²=0,7 for begge), men det er få studier på kombinert bruk. Nåværende bevis viser at fusjonsnøyaktigheten ikke har blitt vesentlig forbedret (median R²=0,59), noe som krever ytterligere forskning og optimalisering.

• Polarisasjonsmodus: Blant aktive mikrobølgesensorer har VV+VH dobbelpolariseringskombinasjonen høyest nøyaktighet (median R²=0,76, RMSE=0,035 m³/m³), etterfulgt av HH-polarisering, og VH-polarisering har lavest nøyaktighet.

• Måledybde: Mikrobølgefjernmåling er hovedsakelig egnet for overvåking av overflatelag (0-5 cm) jordfuktighet. Fuktighet i dype lag (>20 cm) må hentes indirekte gjennom maskinlæringsmodeller. Foreløpig er antallet dataprøver for nøyaktighet for dyplagsovervåking lite, og konklusjonen er ennå ikke klar.

(2) Modellering og databehandlingsmetoder

Inversjonsmodelleringsmetoden for å overvåke data påvirker nøyaktigheten betydelig:

• Maskinlæringsmodeller (spesielt nevrale nettverk) har høyest nøyaktighet, med median R²=0,73 og RMSE=0,035 m³/m³; blant dem har LSTM-nettverk den høyeste nøyaktigheten (median R²=0,86) fordi de kan fange opp tidsavhengighet.

• Semi-empiriske modeller (som Water Cloud Model (WCM), τ-ω Model) er mye brukt, og deres nøyaktighet er litt lavere enn for maskinlæring (median R²=0,71, RMSE=0,042 m³/m³).

• Kombinasjonen av maskinlæring og semi-empiriske modeller kan forbedre nøyaktigheten ytterligere (median R²=0,79, RMSE=0,030 m³/m³).

(3) Miljø- og overflateforhold

• Klimatype: Overvåkingsnøyaktigheten i tørre og halvtørre områder (med høyere median R²) er bedre enn i fuktige og halvfuktige områder. Fordi fuktige områder har tett vegetasjon og store fuktighetssvingninger, som sannsynligvis vil forstyrre signalene.

• Jordstruktur: Sandholdig leir har den høyeste overvåkingsnøyaktigheten (median R²=0,75); passive sensorer gir bedre resultater i leire og leire, mens aktive sensorer gir bedre resultater i sand og leir.

• Landdekke: Landbruksareal (hvete, mais, soyabønner, etc.) er hovedscenarioet for forskning. Vegetasjonstettheten påvirker inntrengningen av mikrobølgesignaler, og påvirker dermed nøyaktigheten, men forskjellen i overvåkingsnøyaktighet mellom ulike årstider er ikke signifikant, noe som gjenspeiler stabiliteten til mikrobølgeteknologi.

4. Applikasjonssystemer og dataressurser for jordfuktighetsovervåking

(1) tingenes internett (IoT) og dataadministrasjonssystemer

ZENTRA-systemet foreslått i Litteratur 1 er en typisk IoT-løsning for jordfuktighetsovervåking. Den integrerer sensorer, dataloggere og skyplattformer (ZENTRA Cloud) for å realisere forenklet installasjon, ekstern datanedlasting, tidlig varsling om feil i sanntid og multi-site datafusjon. Det kan redusere arbeidsmengden til forskere betraktelig og forbedre databehandlingseffektiviteten.

(2) Globale og regionale overvåkingsnettverk

• COSMOS Network: Et globalt jordfuktighetsobservasjonsnettverk basert på CRNP-teknologi. For tiden er det rundt 194 permanente stasjoner rundt om i verden, som dekker regioner som USA, Tyskland, Australia og Storbritannia. Den kan fylle det romlige skalagapet mellom bakkebasert punktmåling og satellittfjernmåling.

• International Soil Moisture Network (ISMN): Integrerer in situ jordfuktighetsdata fra flere stasjoner rundt om i verden, som dekker en rekke måleteknologier, og er en viktig grunnleggende dataressurs for fjernmålingsdatavalidering.

• TERENO Network: Tysklands Terrestrial Environmental Observatories-nettverk, som inkluderer 20 CRNP-stasjoner for vannskilleskala for dynamisk overvåking av jordfuktighet.

(3) Dataprodukter og delingsplattformer

• SMOS-data: Tilgjengelig fra ESAs offisielle nettsted og CATDS-plattformen, inkludert jordfuktighet på overflaten, VOD, jordfuktighet i rotsonen og andre produkter.

• SMAP-data: Utgitt av National Snow and Ice Data Center (NSIDC) i USA, inkludert jordfuktighetsprodukter på overflaten og rotsonen med høyeste nøyaktighet.

• ESA CCI-data: Gir langsiktige globale jordfuktighetsdata (tre typer produkter: aktive, passive og sammensmeltede) siden 1978, som kan fås fra ESA Soil Moisture CCIs offisielle nettsted.

5. Forskningskonklusjoner og fremtidige retninger

De tre litteraturene indikerer konsekvent at overvåkingsteknologier for jordfuktighet har dannet et fullskala system fra bakkebasert punktmåling til global fjernmåling. Blant dem er fjernmåling i mikrobølger kjerneteknologien for storskala overvåking, og maskinlæringsmodeller har forbedret inversjonsnøyaktigheten betydelig. Kjerneutfordringene til nåværende teknologier inkluderer: nøyaktighetsoptimalisering av fusjonen av aktive og passive mikrobølgesensorer, verifisering av fuktighetsovervåkingsmetoder for dyp jord, og forbedring av overvåkingsnøyaktighet i komplekse vegetasjoner og fuktige områder. Fremtidig forskning bør fokusere på disse retningene, samtidig som de forbedrer dataassimileringsmetoder ytterligere, styrker kombinasjonen av fjernmålingsdata og bakkeobservasjoner, og fremmer dyptgående anvendelse av jordfuktighetsdata i felt som landbruksvanningshåndtering, tidlig varsling om tørke og flom og forskning på klimaendringer.