Litteraturöversikt om jordfuktighetsövervakning

1. Klassificering av teknik för övervakning av markfuktighet

Teknik för övervakning av markfuktighet kan delas in i tre kategorier enligt övervakningsskala och -princip: markbaserad punktmätningsteknik, proximal avkänningsteknik och fjärravkänningsövervakningsteknik. Var och en av de tre teknologierna har sitt eget fokus och täcker hela spektrumet av applikationsbehov från lokal punktmätning till övervakning i global skala.

(1) Markbaserad punktmätningsteknik

Markbaserad punktmätningsteknik är centrerad på mätning av jordsensorer med direkt kontakt, som kan realisera kontinuerlig eller fast punktinsamling av jordfuktighetsdata och är det grundläggande sättet för jordfuktighetsövervakning. Det inkluderar främst motståndssonder, Time Domain Reflectometry (TDR), kapacitanssensorer, neutronsonder och andra typer. Olika sensorer varierar avsevärt i noggrannhet, kostnad och tillämpliga scenarier.

(2) Proximal avkänningsteknik

Proximal avkänningsteknik tillämpas huvudsakligen på fält- eller vattendelare. Den erhåller de rumsliga fördelningsegenskaperna för markfuktighet genom icke-invasiva metoder, vilket kompenserar för den lokala begränsningen av markbaserad punktmätning. Vanliga tekniker inkluderar elektromagnetisk induktion (EMI), markpenetrerande radar (GPR), Cosmic Ray Neutron Probe (CRNP) etc. Bland dem kan CRNP-tekniken realisera icke-invasiva mätningar av regional genomsnittlig markfuktighet över ett stort område, och har blivit en nyckelbro som förbinder markbaserad punktmätning och satellit fjärranalys.

(3) Övervakningsteknik för fjärravkänning

Fjärranalysteknik realiserar dynamisk övervakning av storskalig (regional till global) markfuktighet genom plattformar som satelliter och flygplan. Enligt fjärravkänningsband kan den delas in i optisk fjärravkänning, termisk infraröd fjärravkänning och mikrovågsfjärravkänning. Bland dem har fjärranalys i mikrovågor blivit den vanliga tekniken för storskalig övervakning av markfuktighet på grund av dess låga känslighet för väderförhållanden och förmåga att penetrera vegetation och ytjord. Det kan vidare delas in i aktiv mikrovågsfjärranalys (som Synthetic Aperture Radar, SAR) och passiv mikrovågsfjärranalys (som radiometer).

2. Principer och prestandajämförelse för huvudövervakningstekniker

(1) Prestandajämförelse av markbaserade punktmätningssensorer

Sensortyp	Fördelar	Nackdelar	Tillämpliga scenarier	Noggrannhetsindex
Motståndssond	1. Kan kombineras med dataloggrar för kontinuerlig mätning; 2. Lägsta pris; 3. Låg strömförbrukning	1. Dålig noggrannhet, kalibreringsvärdet varierar med jordtyp och salthalt; 2. Sensorer är benägna att åldras	Scenarier som bara behöver bedöma förändringar i fukthalt och har låga krav på noggrannhet	Låg noggrannhet
TDR-sond	1. Kan utföra kontinuerlig mätning; 2. Hög noggrannhet (2-3%) efter jordspecifik kalibrering; 3. Okänslig för salthalt (tills signalen försvinner); 4. Högt akademiskt erkännande	1. Högre operationell komplexitet än kapacitanssensorer; 2. Installation kräver grävning, vilket är tidskrävande; 3. Ogiltig i miljöer med hög salthalt; 4. Hög strömförbrukning (kräver stora uppladdningsbara batterier)	Laboratorier utrustade med relevanta system som kräver högprecisionsmätning	Hög noggrannhet (2-3 %)
Kapacitanssensor	1. Kan utföra kontinuerlig mätning; 2. Enkel installation för vissa typer; 3. Hög noggrannhet (2-3%) efter kalibrering; 4. Låg strömförbrukning (små batterier räcker); 5. Lågt pris, möjliggör flerpunktsmätning	1. Noggrannheten minskar i miljöer med hög salthalt (mättad extrakt elektrisk ledningsförmåga > 8 dS/m); 2. Dålig prestanda för märken av låg kvalitet	Scenarier som kräver flerpunktsmätning, enkel systeminstallation och underhåll samt låg strömförbrukning	Hög noggrannhet (2-3 %)
Neutronsond	1. Stor mätvolym; 2. Okänslig för salthalt; 3. Högt akademiskt erkännande (mogen teknologi); 4. Påverkas inte av kontaktproblem med jordsensorer	1. Dyrt; 2. Drift kräver strålningscertifiering; 3. Extremt tidskrävande; 4. Kan inte utföra kontinuerlig mätning	Scenarier med befintlig utrustning och certifiering som kräver mätning av högsalthalt eller expansiv krympande lerjord	Låg noggrannhet (förbättrad efter fältkalibrering)
CRNP (Cosmic Ray Neutron Probe)	1. Extremt stort mätområde (påverkansvolym med 800m diameter); 2. Automatisk mätning; 3. Lämplig för markvalidering av satellitdata (utjämna storskalig variabilitet); 4. Påverkas inte av kontaktproblem med jordsensorer	1. Högsta pris; 2. Otydlig definition av mätvolym, varierande med markfuktighet; 3. Noggrannhet begränsad av förvirrande faktorer såsom vegetation	Scenarier som kräver storskaliga medelfuktvärden och markvalidering av satellitdata	RMSE ≈ 0,032 cm³/cm³ (efter kalibrering)

Sensortyp	Fördelar	Nackdelar	Tillämpliga scenarier	Noggrannhetsindex
Motståndssond	1. Kan kombineras med dataloggrar för kontinuerlig mätning; 2. Lägsta pris; 3. Låg strömförbrukning	1. Dålig noggrannhet, kalibreringsvärdet varierar med jordtyp och salthalt; 2. Sensorer är benägna att åldras	Scenarier som bara behöver bedöma förändringar i fukthalt och har låga krav på noggrannhet	Låg noggrannhet
TDR-sond	1. Kan utföra kontinuerlig mätning; 2. Hög noggrannhet (2-3%) efter jordspecifik kalibrering; 3. Okänslig för salthalt (tills signalen försvinner); 4. Högt akademiskt erkännande	1. Högre operationell komplexitet än kapacitanssensorer; 2. Installation kräver grävning, vilket är tidskrävande; 3. Ogiltig i miljöer med hög salthalt; 4. Hög strömförbrukning (kräver stora uppladdningsbara batterier)	Laboratorier utrustade med relevanta system som kräver högprecisionsmätning	Hög noggrannhet (2-3 %)
Kapacitanssensor	1. Kan utföra kontinuerlig mätning; 2. Enkel installation för vissa typer; 3. Hög noggrannhet (2-3%) efter kalibrering; 4. Låg strömförbrukning (små batterier räcker); 5. Lågt pris, möjliggör flerpunktsmätning	1. Noggrannheten minskar i miljöer med hög salthalt (mättad extrakt elektrisk ledningsförmåga > 8 dS/m); 2. Dålig prestanda för märken av låg kvalitet	Scenarier som kräver flerpunktsmätning, enkel systeminstallation och underhåll samt låg strömförbrukning	Hög noggrannhet (2-3 %)
Neutronsond	1. Stor mätvolym; 2. Okänslig för salthalt; 3. Högt akademiskt erkännande (mogen teknologi); 4. Påverkas inte av kontaktproblem med jordsensorer	1. Dyrt; 2. Drift kräver strålningscertifiering; 3. Extremt tidskrävande; 4. Kan inte utföra kontinuerlig mätning	Scenarier med befintlig utrustning och certifiering som kräver mätning av högsalthalt eller expansiv krympande lerjord	Låg noggrannhet (förbättrad efter fältkalibrering)
CRNP (Cosmic Ray Neutron Probe)	1. Extremt stort mätområde (påverkansvolym med 800m diameter); 2. Automatisk mätning; 3. Lämplig för markvalidering av satellitdata (utjämna storskalig variabilitet); 4. Påverkas inte av kontaktproblem med jordsensorer	1. Högsta pris; 2. Otydlig definition av mätvolym, varierande med markfuktighet; 3. Noggrannhet begränsad av förvirrande faktorer såsom vegetation	Scenarier som kräver storskaliga medelfuktvärden och markvalidering av satellitdata	RMSE ≈ 0,032 cm³/cm³ (efter kalibrering)

(2) Grundprinciper och prestanda för övervakningstekniker för fjärravkänning

Fjärravkänningsövervakningsteknik hämtar markfuktighet genom att detektera reflektion, emission eller spridningsegenskaper hos jord till elektromagnetisk strålning i olika band. Mätdjupet, rumslig upplösning och tillämpliga scenarier för teknologier i olika band varierar avsevärt:

• Optisk och termisk infraröd fjärravkänning: Optisk fjärravkänning (synligt ljus, nära-infrarött, kortvågigt infrarött) hämtar markfukt i det extremt tunna ytskiktet (≤1 mm) genom förändringar i jordfärgen (fuktig jord är mörkare); termisk infraröd fjärranalys reflekterar indirekt fuktförhållanden genom att övervaka förändringar i marktemperaturen. Båda är känsliga för väder och vegetation och har grunt mätdjup.

• Mikrovågsfjärravkänning: Hämtar fukt genom att mäta den volymetriska dielektricitetskonstanten för jord (vattens dielektriska konstant är cirka 80, mycket högre än den för markens fasta partiklar och luft), som är uppdelad i aktiva (radar sänder signaler för att mäta ekon) och passiva (mäter naturlig mikrovågsstrålning) typer. Bland mikrovågsband har L-band och P-band stark förmåga att penetrera vegetation och är lämpliga för att övervaka markfuktighet nära ytan och rotzonen; C-band lämpar sig för bar jord eller glest bevuxna områden.

Prestandajämförelse av vanliga satellituppdrag för mikrovågsavkänning

Satellituppdrag	Sensortyp	Band	Rumslig upplösning	Återbesöksperiod	Kärnfördelar	Noggrannhetsindex
SMOS (Soil Moisture and Ocean Salinity Satellite)	Passiv mikrovågsradiometer	L-band	25 km (EASE-2 Grid)	3 dagar	Det första satellituppdraget specifikt för övervakning av markfuktighet, kapabelt att hämta vegetationsoptiskt djup (VOD)	Median R²=0,75, RMSE=0,023 m³/m³
SMAP (Soil Moisture Active Passive Satellite)	Aktiv radar + passiv radiometer (radar misslyckades)	L-band	36 km (standard), 9 km (förbättrad)	2-3 dagar	För närvarande den mest exakta globala jordfuktighetsprodukten, som kan ge rotzonens (0-100 cm) fuktdata	ubRMSE=0,035-0,038 cm^/cm^ (ytskikt); 0,026-0,03 cm³/cm³ (rotzon)
Sentinel-1	Active Synthetic Aperture Radar (SAR)	C-band	10-20 m	6 dagar	Hög rumslig upplösning, kan smältas samman med SMAP-data för att generera 3 km upplösningsprodukter	RMSE<0,046 cm3/cm3
ESA CCI (Climate Change Initiative)	Active + Passive Microwave Fusion	Flerband	Flera upplösningar	Beror på datakälla	Ger långsiktiga kontinuerliga globala markfuktighetsdata sedan 1978	Medium omfattande noggrannhet, lämplig för långsiktig forskning om klimatförändringar

3. Nyckelfaktorer som påverkar noggrannheten i övervakningen av markfuktighet

Baserat på metaanalysresultaten från Litteratur 3, påverkas noggrannheten i markfuktighetsövervakningen av olika faktorer som sensortyp, modelleringsmetod och miljöförhållanden. De centrala påverkande faktorerna är följande:

(1) Sensor och teknisk konfiguration

• Sensortyp: Noggrannheten hos aktiva och passiva mikrovågssensorer är jämförbara när de används ensamma (median R²=0,7 för båda), men det finns få studier om deras kombinerade användning. Aktuella bevis visar att fusionsnoggrannheten inte har förbättrats signifikant (median R²=0,59), vilket kräver ytterligare forskning och optimering.

• Polariseringsläge: Bland aktiva mikrovågssensorer har kombinationen VV+VH dubbelpolarisering den högsta noggrannheten (median R²=0,76, RMSE=0,035 m³/m³), följt av HH-polarisering, och VH-polarisering har den lägsta noggrannheten.

• Mätdjup: Mikrovågsfjärravkänning är främst lämplig för övervakning av ytskiktets (0-5 cm) jordfuktighet. Fukt i djupa lager (>20 cm) måste indirekt återvinnas genom maskininlärningsmodeller. För närvarande är antalet dataprover för noggrannhet för övervakning av djupa lager litet, och slutsatsen är ännu inte klar.

(2) Modellering och databearbetningsmetoder

Inversionsmodelleringsmetoden för att övervaka data påverkar avsevärt noggrannheten:

• Maskininlärningsmodeller (särskilt neurala nätverk) har den högsta noggrannheten, med median R²=0,73 och RMSE=0,035 m³/m³; bland dem har LSTM-nätverk den högsta noggrannheten (median R²=0,86) eftersom de kan fånga tidsberoende.

• Semi-empiriska modeller (som Water Cloud Model (WCM), τ-ω Model) används i stor utsträckning och deras noggrannhet är något lägre än för maskininlärning (median R²=0,71, RMSE=0,042 m³/m³).

• Kombinationen av maskininlärning och semi-empiriska modeller kan ytterligare förbättra noggrannheten (median R²=0,79, RMSE=0,030 m³/m³).

(3) Miljö- och ytförhållanden

• Klimattyp: Övervakningsnoggrannheten i torra och halvtorra områden (med högre median R²) är bättre än i fuktiga och halvfuktiga områden. Eftersom fuktiga regioner har tät växtlighet och stora fuktfluktuationer, vilket sannolikt kommer att störa signalerna.

• Jordstruktur: Sandig lerjord har den högsta övervakningsnoggrannheten (median R²=0,75); passiva sensorer presterar bättre i lerjord och lera, medan aktiva sensorer presterar bättre i sandig lerjord och lerjord.

• Marktäckning: Jordbruksmark (vete, majs, sojabönor, etc.) är det huvudsakliga forskningsscenariot. Vegetationens täthet påverkar genomträngningen av mikrovågssignaler och påverkar därigenom noggrannheten, men skillnaden i övervakningsnoggrannhet mellan olika årstider är inte signifikant, vilket återspeglar mikrovågsteknikens stabilitet.

4. Appliceringssystem och dataresurser för övervakning av markfuktighet

(1) Internet of Things (IoT) och datahanteringssystem

ZENTRA-systemet som föreslås i Litteratur 1 är en typisk IoT-lösning för övervakning av markfuktighet. Den integrerar sensorer, dataloggrar och molnplattformar (ZENTRA Cloud) för att realisera förenklad installation, fjärrnedladdning av data, tidig varning om fel i realtid och datafusion på flera platser. Det kan avsevärt minska forskarnas arbetsbelastning och förbättra datahanteringseffektiviteten.

(2) Globala och regionala övervakningsnätverk

• COSMOS Network: Ett globalt jordfuktobservationsnätverk baserat på CRNP-teknologi. För närvarande finns det cirka 194 permanenta stationer runt om i världen, som täcker regioner som USA, Tyskland, Australien och Storbritannien. Den kan fylla rumslig skala mellan markbaserad punktmätning och satellitfjärranalys.

• International Soil Moisture Network (ISMN): Integrerar in situ markfuktighetsdata från flera stationer runt om i världen, som täcker en mängd olika mättekniker, och är en viktig grundläggande dataresurs för fjärranalysdatavalidering.

• TERENO Network: Tysklands nätverk för terrestrial Environmental Observatories, som inkluderar 20 CRNP-stationer för dynamisk övervakning av markfuktighet i vattendelare.

(3) Dataprodukter och delningsplattformar

• SMOS-data: Tillgänglig från ESA:s officiella webbplats och CATDS-plattformen, inklusive jordfuktighet på ytan, VOD, jordfuktighet i rotzonen och andra produkter.

• SMAP-data: Släppt av National Snow and Ice Data Center (NSIDC) i USA, inklusive jordfuktighetsprodukter från ytan och rotzonen med högsta noggrannhet.

• ESA CCI-data: Tillhandahåller långsiktiga globala markfuktighetsdata (tre typer av produkter: aktiva, passiva och sammansmälta) sedan 1978, som kan erhållas från ESA Soil Moisture CCI:s officiella webbplats.

5. Forskningsslutsatser och framtida riktningar

De tre litteraturerna indikerar genomgående att teknik för markfuktighetsövervakning har bildat ett fullskaligt system från markbaserad punktmätning till global fjärranalys. Bland dem är mikrovågsfjärranalys kärntekniken för storskalig övervakning, och maskininlärningsmodeller har avsevärt förbättrat inversionsnoggrannheten. Kärnutmaningarna för nuvarande teknologier inkluderar: noggrannhetsoptimering av sammansmältningen av aktiva och passiva mikrovågssensorer, verifiering av metoder för övervakning av djup jordfuktighet och förbättring av övervakningsnoggrannheten i komplex vegetation och fuktiga områden. Framtida forskning bör fokusera på dessa riktningar, samtidigt som metoderna för dataassimilering förbättras ytterligare, stärka kombinationen av fjärranalysdata och markobservationer och främja en djupgående tillämpning av markfuktighetsdata inom områden som förvaltning av jordbruksbevattning, tidig varning för torka och översvämningar och forskning om klimatförändringar.