CN112782386A - 一种农耕土壤质地和结构识别方法 - Google Patents

一种农耕土壤质地和结构识别方法 Download PDF

Info

Publication number
CN112782386A
CN112782386A CN202011586162.XA CN202011586162A CN112782386A CN 112782386 A CN112782386 A CN 112782386A CN 202011586162 A CN202011586162 A CN 202011586162A CN 112782386 A CN112782386 A CN 112782386A
Authority
CN
China
Prior art keywords
soil
computer system
electrode
electrode assembly
texture
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN202011586162.XA
Other languages
English (en)
Inventor
高云航
庄会双
周海柱
徐博
成海建
宋恩亮
梁小军
参木有
曹晖
曹永强
韩明山
韩永胜
郝剑刚
贾玉堂
李航
李树静
张寰波
王�琦
魏菁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin Wuheyuan Biotechnology Co ltd
Jilin Agricultural University
Original Assignee
Jilin Wuheyuan Biotechnology Co ltd
Jilin Agricultural University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jilin Wuheyuan Biotechnology Co ltd, Jilin Agricultural University filed Critical Jilin Wuheyuan Biotechnology Co ltd
Priority to CN202011586162.XA priority Critical patent/CN112782386A/zh
Publication of CN112782386A publication Critical patent/CN112782386A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Food Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

本发明提出了一种农耕土壤质地和结构识别系统，包括：计算机系统，用于执行识别过程，计算机系统包括分析系统，该分析系统管理使用户能够与计算机系统交互的图形用户接口和应用程序接口；电极组件，用于接收土壤数据，该电极组件放置在土壤中低于地面的位置，包括导电电极和一个或多个探针电极，每个探针电极与导电电极相距预定距离；电极组件还包括构件，构件包括固定构件和模板构件，外部数据源，用于获得与识别过程有关的数据，存储介质，用于存储土壤的特征和/或属性级别相对应的土壤数据，计算机系统操作电极组件和/或处理土壤数据并从中生成附加的土壤数据。

Description

一种农耕土壤质地和结构识别方法
技术领域
本发明涉及一种土壤识别技术，具体的说是一种农耕土壤质地和结构识别方法。
背景技术
随着人口的持续增长，粮食生产成为一个日益扩大的问题。有效利用土地资源会影响农业生产力。此外，施肥已成为提高农业生产力和质量的主要因素之一。这导致全球肥料消费量增加，引发了新问题，例如生产成本增加和农业活动造成的污染影响。有效管理农业资源以提高生产率且对环境的影响最小，这是精准农业的基础。在一般的精确农业布局中，田间和田间差异通过土壤特性来表征。土壤质地和结构识别有利于精确的农耕布局，通过在感兴趣的区域内的多个位置监视重要的土壤特性，可以更加轻松地制定农耕计划，以适应不断变化的环境条件和作物需求，这种努力为农民带来了可观的积极的环境和经济回报。
发明内容
为了解决上述技术问题，本发明提出了一种农耕土壤质地和结构识别方法，其特征是，包括：计算机系统，用于执行识别过程，以便分析土壤的质地和结构，计算机系统包括分析系统，该分析系统管理使用户能够与计算机系统交互的图形用户接口和应用程序接口；
电极组件，用于接收土壤数据，该电极组件放置在土壤中低于地面的位置，包括导电电极和一个或多个探针电极，每个探针电极与导电电极相距预定距离；电极组件还包括构件，构件包括固定构件和模板构件，该固定构件用于将导电电极和一个或多个探针电极中的每一个的端部固定在规定位置和方向上，该模板构件用作于插入每个电极结构的模板；
外部数据源，用于获得与识别过程有关的数据，该外部数据源包括土壤管理系统，政府数据库；
存储介质，用于存储土壤的特征和/或属性级别相对应的土壤数据，计算机系统操作电极组件和/或处理土壤数据并从中生成附加的土壤数据。
进一步地，计算机系统通过电极组件测量土壤的介电常数Ka，通过
Figure BDA0002867018010000011
计算体积水含量θ是土壤中的体积水含量。
进一步地，电极组件包括一个导电电极和四个探针电极，四个探针电极分别与导电电极结构位于相同的距离处并且彼此均匀地间隔。
进一步地，计算机系统还包括处理组件，存储组件、输入/输出组件和通信路径，处理组件执行分析系统的分析过程，处理组件从/向输入/输出组件读取和/或写入转换后的数据以进行进一步处理，通信路径为计算机系统中的每个组件之间提供通信链路。
进一步地，电极组件包括一个导电电极和四个探针电极，导电电极被四个探针电极围绕。
进一步地，计算机系统使用电极组件测得的复数阻抗和介电常数组合计算土壤的一个或多个特征，包括压实度、孔隙水电导率、土壤盐度、孔隙度、硝酸盐水平。
附图说明
附图1为本发明用于分析土壤质地和结构识别方法的示意图；
附图2为本发明中电极组件的示意图；
具体实施方式
图1示出了用于分析土壤质地和结构识别方法10。识别系统10包括计算机系统20，该计算机系统20可以执行本发明所述的识别过程，以便分析土壤4的质地和结构。具体地，计算机系统20包括分析系统30，该分析系统30可以管理使用户12能够与计算机系统20交互的一组接口，例如，图形用户接口，应用程序接口等。
所示计算机系统20包括处理组件22(例如，一个或多个处理器)，存储组件24(例如，存储层次结构)，输入/输出(I/O)组件26(例如，一个或多个I/O接口和/或设备)和通信路径28。处理组件22执行分析系统30的分析过程，其至少部分地固定在存储组件24中，在执行分析过程时，处理组件22用于处理数据，处理组件22从/向存储组件24和/或I/O组件26读取和/或写入转换后的数据以进行进一步处理。路径28提供计算机系统20中的每个组件之间的通信链路。
分析系统30使计算机系统20能够分析诸如土壤4之类的介质。在此系统上，计算机系统20可以从位于期望位置的电极组件14中接收土壤数据34，电极组件放置在土壤4中低于地面2的位置。计算机系统20可以操作电极组件14和/或处理土壤数据34并从中生成附加的土壤数据。计算机系统20可以评估附加土壤数据以确定土壤感兴趣的一个或多个属性。计算机系统20还可以从一个或多个外部数据源33获得与评估有关的数据。优选地，外部数据源33可以包括用于管理土壤4的土壤管理系统，政府数据库等。
计算机系统20和电极部件14可以被配置为单个便携式，坚固且易于使用。电极部件14包括电极，如果一个电极损坏或者在需要不同的测量深度的情况下，可以单独更换或增加电极。电极部件14可以被构造成按照预先的布置，从而便于在土壤4中定位多个电极。优选地，电极部件14可包括导电电极和一个或多个探针电极。电极部件14使得能够将电极放置在土壤4中，使得每个探针电极与导电电极相距预定距离，并且相对于每个其他探针电极位于固定的位置。预定距离使得当距离足够精确时，对应的计算则能够达到期望的精度。
参考附图2，电极组件14包括五个电极结构14-A、14-B,14-C,14-D,14-E。导电电极结构14-A可以被四个探针电极结构14-B,14-C,14-D,14-E围绕，四个探针电极结构可以分别与导电电极结构位于相同的距离处并且彼此均匀地间隔(例如，以90°布置)。
计算机系统20可以基于土壤的一种或多种先前已知的条件来指定用于放置探针电极结构的配置。例如，计算机系统20可以指定两个探针电极(例如，位于彼此相对的位置)位于距导电电极结构的第一距离处，而另外两个探针电极被指定位于距导电电极结构的第二不同距离处。该距离在20毫米至20厘米之间的范围内。
在优选实施例中，电极组件14可以包括一个或多个组件，以促进五个电极结构在土壤中的正确放置。电极部件14被配置为将五个电极结构中的每一个的端部固定在固定构件15A上的特定位置和特定方向上。例如，固定构件15A可以包括用于将每个电极结构的端部固定到固定构件15A的机构，使得电极结构将电极组件保持基本相同的布置。固定构件15A包括螺纹开口，电极的螺纹端可以插入其中。电极组件14还包括模板构件15B，以便于将电极放置在土壤中的适当位置和/或方向上。优选地，模板构件15B包括与用于放置电极结构的可能构造的对应的开口。每个开口的尺寸可设置成允许电极结构穿过其中插入，同时能够限制电极结构的横向移动。
每个构件15A，15B可以由任何合适的材料形成。例如，固定构件15A可以由具有足够强度的非导电材料制成，以允许通过例如向下推动和/或撞击在电极的顶表面上来将五个电极结构插入土壤中。模板构件15B可以用作于插入每个电极结构的模板，并且由具有足够强度以承受意外撞击的材料形成。在插入电极结构的过程中。使用两个构件的实施例可以帮助对准电极结构，使得相应的电极基本上对准，可以减少模型计算中的误差。
计算机系统20在将电极组件14放置在土壤4中之后获取一组初始阻抗测量值，以确定将使用电极组件14中的哪个有源电极来进行测量。在用于自校准过程的初始数据集内，计算机系统20可以分析各种数据属性，例如信噪比，最小分辨率等。只要测量结果满足模型要求，就可以使用有源电极配置。如果计算机系统20确定没有电极图案提供对模型有用的信息，则计算机系统20可以提示用户12改变电极组件14在土壤4中的放置，电极组件14的电极配置等。只要测量结果满足模型要求，就可以使用有源电极配置。
土壤被认为是土壤颗粒，水和空气的混合物。土壤的介电常数很大程度上取决于土壤中的水含量，因为水的介电常数比空气和土壤颗粒大得多。水的介电常数为80左右，而空气的介电常数为1，土壤颗粒的介电常数为3到10。土壤的水含量与介电常数的关系已得到建模。一旦获得了土壤的介电常数值，就可以将其拟合到该土壤类型的现有水含量-介电常数模型中，以估算水含量。该建模如下：
Figure BDA0002867018010000031
θ是土壤中的体积水含量，Ka是土壤表观介电常数。
计算机系统20还可以使用多个频率的电信号来测量土壤4的复数阻抗。例如，计算机系统20可以使用针对电信号的每个频率获取的电压幅度和相位来计算该频率的复电压，并使用复数电压来计算复数阻抗。计算机系统20可以使用复数阻抗(或复电导率)和介电常数组合计算土壤4的一个或多个特征，包括水含量(例如体积水分含量)，压实度(例如密度)，孔隙水电导率，土壤盐度，孔隙度，硝酸盐水平等。计算机系统20可以使用关于土壤4的质地的已知数据以获得土壤孔隙率的初始估计，以计算密度估计值，因为孔隙率既取决于纹理又取决于密度。
计算机系统20可以将在某个地域测量生成的各种数据存储为介质数据，介质数据可以包括使用本文所述的方法确定的与土壤的特征和/或属性级别相对应的数据。另外，介质数据可以包括与测试相对应的数据，例如时间戳，地理位置等，以及用于分析介质的一些或全部已知信息。更进一步，计算机系统20可以存储所获取的原始信号数据，与所使用的电极的配置相对应的数据。
虽然本技术方案已经参照具体实施例进行了综述，但可以在不偏离本技术方案实施例广义范围的情况下，对这些实施例进行各种修改和变更。本技术方案的这些实施例可以单独地或共同地通过术语“发明”来表示，这仅仅是为了方便。而并不是意味着，在实际公开了多个方案的情况下，将本申请的范围主动地限制于任何单个公开方案或概念。

Claims (6)

1.一种农耕土壤质地和结构识别方法，其特征是，包括：
计算机系统，用于执行识别过程，以便分析土壤的质地和结构，计算机系统包括分析系统，该分析系统管理使用户能够与计算机系统交互的图形用户接口和应用程序接口；
电极组件，用于接收土壤数据，该电极组件放置在土壤中低于地面的位置，包括导电电极和一个或多个探针电极，每个探针电极与导电电极相距预定距离；电极组件还包括构件，构件包括固定构件和模板构件，该固定构件用于将导电电极和一个或多个探针电极中的每一个的端部固定在规定位置和方向上，该模板构件用作于插入每个电极结构的模板；
外部数据源，用于获得与识别过程有关的数据，该外部数据源包括土壤管理系统，政府数据库；
存储介质，用于存储土壤的特征和/或属性级别相对应的土壤数据，计算机系统操作电极组件和/或处理土壤数据并从中生成附加的土壤数据。
2.根据权利要求1所述的一种农耕土壤质地和结构识别系统，其特征是，计算机系统通过电极组件测量土壤的介电常数Ka，通过
Figure FDA0002867017000000011
计算体积水含量θ是土壤中的体积水含量。
3.根据权利要求1或2所述的一种农耕土壤质地和结构识别系统，其特征是，电极组件包括一个导电电极和四个探针电极，四个探针电极分别与导电电极结构位于相同的距离处并且彼此均匀地间隔。
4.根据权利要求1所述的一种农耕土壤质地和结构识别系统，其特征是，计算机系统还包括处理组件，存储组件、输入/输出组件和通信路径，处理组件执行分析系统的分析过程，处理组件从/向输入/输出组件读取和/或写入转换后的数据以进行进一步处理，通信路径为计算机系统中的每个组件之间提供通信链路。
5.根据权利要求1所述的一种农耕土壤质地和结构识别系统，其特征是，电极组件包括一个导电电极和四个探针电极，导电电极被四个探针电极围绕。
6.根据权利要求2所述的一种农耕土壤质地和结构识别系统，其特征是，计算机系统使用电极组件测得的复数阻抗和介电常数组合计算土壤的一个或多个特征，包括压实度、孔隙水电导率、土壤盐度、孔隙度、硝酸盐水平等。
CN202011586162.XA 2020-12-29 2020-12-29 一种农耕土壤质地和结构识别方法 Withdrawn CN112782386A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011586162.XA CN112782386A (zh) 2020-12-29 2020-12-29 一种农耕土壤质地和结构识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011586162.XA CN112782386A (zh) 2020-12-29 2020-12-29 一种农耕土壤质地和结构识别方法

Publications (1)

Publication Number Publication Date
CN112782386A true CN112782386A (zh) 2021-05-11

Family

ID=75753090

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011586162.XA Withdrawn CN112782386A (zh) 2020-12-29 2020-12-29 一种农耕土壤质地和结构识别方法

Country Status (1)

Country Link
CN (1) CN112782386A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101339151A (zh) * 2008-08-11 2009-01-07 中国农业大学 一种测量土壤水分特征曲线的复合传感器
CN101609058A (zh) * 2009-07-23 2009-12-23 中国农业大学 一种土壤电导率测量装置和方法
WO2019070942A1 (en) * 2017-10-04 2019-04-11 Blue Lab Solutions, Llc ANALYSIS OF ENVIRONMENT BASED ON A SIGNAL
CN111366705A (zh) * 2020-03-17 2020-07-03 吉林农业大学 研究径流冲刷条件下土壤颗粒及团聚体流失过程的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101339151A (zh) * 2008-08-11 2009-01-07 中国农业大学 一种测量土壤水分特征曲线的复合传感器
CN101609058A (zh) * 2009-07-23 2009-12-23 中国农业大学 一种土壤电导率测量装置和方法
WO2019070942A1 (en) * 2017-10-04 2019-04-11 Blue Lab Solutions, Llc ANALYSIS OF ENVIRONMENT BASED ON A SIGNAL
US20200240974A1 (en) * 2017-10-04 2020-07-30 Blue Lab Solutions, Llc Signal-Based Medium Analysis
CN111366705A (zh) * 2020-03-17 2020-07-03 吉林农业大学 研究径流冲刷条件下土壤颗粒及团聚体流失过程的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
朱安宁等: "不同类型土壤介电常数与体积含水量经验关系研究", 《土壤学报》 *

Similar Documents

Publication Publication Date Title
Massucci et al. Measuring the academic reputation through citation networks via PageRank
Schreuder et al. Yield prediction for unthinned natural slash pine stands
Seaman et al. An evaluation of the accuracy of kernel density estimators for home range analysis
US11635420B2 (en) Signal-based medium analysis
CN106323779B (zh) 一种路基土动态回弹模量预估方法
CN106372277B (zh) 森林立地指数时空估测中的变异函数模型优化方法
Serrano et al. Calibration of GrassMaster II to estimate green and dry matter yield in Mediterranean pastures: Effect of pasture moisture content
Xu et al. Design and calibration of the unilateral sensitive soil moisture sensor
Beard et al. The value of consistent methodology in long-term environmental monitoring
CN111985421B (zh) 基于地理加权回归模型的耕地田坎系数估算方法及装置
Adhikari et al. Corn response to selected soil health indicators in a Texas drought
Gummadi et al. Simulating adaptation strategies to offset potential impacts of climate variability and change on maize yields in Embu County, Kenya
CN112782386A (zh) 一种农耕土壤质地和结构识别方法
Guo-an et al. Evaluation on the accuracy of digital elevation models
Stahn et al. Combining global sensitivity analysis and multiobjective optimisation to estimate soil hydraulic properties and representations of various sole and mixed crops for the agro-hydrological SWAP model
Reddy et al. GIS based decision support systems in agriculture
CN116522092A (zh) 面向区域尺度的盐碱地植被状况时序变化精细化表达方法
CN111289725B (zh) 一种结合模型与时序采样的农田土壤有机碳储量估算方法及系统
CN114543720A (zh) 一种林木信息调查系统及方法
CN2545611Y (zh) 土壤表面形态变化测量仪
Zhang et al. Estimating soil hydraulic conductivity at the field scale with a state-space approach
Hao et al. Spatial variability in biomass yield of switchgrass, native prairie, and corn at field scale
O’Leary et al. Linking electromagnetic induction data to soil properties at field scale aided by neural network clustering
Carrão et al. The effect of scale on landscape metrics
Faris et al. Investigation of Sensor Probe

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210511