基于数据融合的土壤电导率测量方法

沈丽艳， 马春龙

（1．上海电力设计院有限公司，上海 200025；2．长春大学光华学院信息工程系，吉林长春 130031）

0 引 言

在现代化农业耕作中，对土壤电导率的测量是很有意义的。土壤含有盐、水、有机质等多种成分，这些成分对农作物的生长有决定性的作用，它可以通过测量土壤的电导率来分析求得，同时，土壤的电导率与农作物的产量和肥料也有很大的联系。

测量土壤电导率传统的方法有两种：一是在实验室进行测量；二是在现场进行测量。实验室测量的步骤是：第一，完成土壤浸提液的制备；第二，对制备好的土壤浸提液测量其电导率，这种方法是用土壤浸提液电导率的变化来描述土壤电导率的变化。这种测量电导率方法的优点是精度高，可以把它做为评价土壤电导率的标准。缺点是不方便、过程麻烦，不具备实时性，与现代信息农业要求测量的实时性、快速性不一致。现场进行测量的方法主要有两种：非接触式测量和接触式测量。非接触式测量的传感器是利用电磁感应原理来检测土壤电导率的，接触式测量则是采用电极式土壤电导率传感器，这种方法的优点是不需要在被测地块采集待测土壤样本，一般不需要扰动土壤，测量时不会影响、伤害到农作物，在农作物生长的各个时间段都能够实时进行土壤电导率的测量，与现代信息农业要求测量的实时性、快速性相统一。

国外测量土壤电导率的常用方法有车载接触式测量设备，但该设备对土壤电导率的测量时机被局限在农作物耕种前，在农作物生长的其它时期不能进行测量，而且这样的设备也不方便在大棚、温室等现代农业设施中应用。

目前，国内测量土壤电导率常用的方法是使用便携式电导率测量仪，对于大面积的土壤测量来说，需要测量很多点，然后求取平均值，这种办法工作效率低、误差大，而且数据也不能够实时采集。文中根据多传感器数据融合理论设计了一种新的土壤电导率的测量方法［1－2］。

1 多传感器土壤数据融合结构

多传感器土壤数据融合结构如图1所示。

图1 土壤数据融合结构

在该结构中，首先对每个传感器的采集信息进行预处理，各局部处理器分别处理各个传感器提供的采集信息（即对信息进行放大、模数转换以及特征提取），并给出一个关于目标的局部处理信息，然后将局部处理信息结果送到融合中心。融合中心的主要任务就是按照一定的融合算法处理所有局部信息结果，并给出最后的融合结果。

该系统多传感器信息融合算法采用二级融合方式。一级融合采用单传感器分批估计融合算法对同一传感器的n次采集的数据进行处理，以使单传感器获得较准确的测量结果，二级融合采用自适应加权融合算法对一级融合的结果进行分析计算，这样，融合计算使土壤电导率测量值更加准确。

2 单个传感器分批估计融合

2.1 单个传感器分批估计融合算法

单个传感器的测量精度对整个检测系统的性能影响是很大的，故应对单个传感器采集到的信息进行计算处理。在工业测量数据信息处理工作中，一个参数可以有多个样本观测值，相对于系统的采样频率，传感器采集到的信息通常是缓慢的、呈正态分布的。将传感器采集到的等精度电导率数据采集的先后顺序或者奇偶分成两个组，由分批估计理论可以获得测量电导率数据的融合值，也就是局部决策值［3］。

2.2 单个传感器融合值的确定

将单个传感器的n个测量值x划分成x11，x12，…，x1k和x21，x22，…，x2m，其中，k＋m＝n，（k，m≥2）。两组样本所对应的平均值分别为：

样品方差分别为：

x的融合值和方差是：

3 自适应加权融合算法

3.1 自适应加权融合算法的基本思想

假设n个传感器对某一被测对象进行测量，每一个传感器都有自己的加权因子。为使总均方误差达到最小，根据每个传感器所测得的检测值采用自适应加权融合算法，计算每个传感器对应的最优加权因子，从而使融合后的测量值达到最优。

3.2 确定最优加权因子

假设n个传感器的方差是需要估计的真值是X，各个传感器的测量值分别是X1，X2，…，Xi，…，Xn，这样测量值是互相独立的，各个传感器的加权因子是W1，W2，…，Wi，…，Wn，那么融合后的X∧值和加权因子满足以下两式：

总均方误差为：

根据式（9）求总均方误差σ2的最小值，该最小值是加权因子满足式（8）约束条件的多元函数极值。根据多元函数求极值理论，可求出总均方误差最小时所对应的加权因子［4－6］：

由此求出最小均方误差为：

也就是说，各个传感器的权系数是由它们的测量方差唯一确定的，只要使各个传感器的权的系数符合式（10），就可以使总均方误差σ2达到最小，而且这时：

4 系统的硬件设计

该部分主要由C8051F040单片机系统、GPRS系统、数据采集控制系统、现场控制系统等组成。GPRS系统负责将主控中心和C8051F040单片机系统之间的数据、控制信息进行传递。数据采集系统负责采样现场电导率参数。把采集到的信号送给C8051F040处理，继而通过GPRS模块发射到主控中心计算机处理，主控中心系统负责数据的融合处理，以及信息的存储、报表、打印等。数据采集控制RTU结构如图2所示［7－8］。

图2 数据采集控制RTU结构

5 实验室测试及分析

5.1 测试方法

在实验室建立10个实验土槽，用于模拟10块土壤，每块土壤上放置一块数据采集RTU。

实验用的土壤里以均匀、充分搅拌为原则，加入限定量的氯化钾（KCl），以便于改变被测土壤的电导率。利用电极法测量实验土壤浸提液的电导率作为标定的依据。本实验分别设定土壤的电导率为0．285 0，0．370 0，0．449 0，0．569 0，0．650 0ms·cm－1，这些值都包含在农田土壤电导率基本变化区域0．239 0～0．650 0ms·cm－1内，具有一定的代表性［5－6］。根据我国北方常见农作物的生长情况，选择土壤测量深度为20cm。

采用文中设计的测量方法和用传统的算术平均值测量方法各测量5次，数据见表1和表2。

表1 采用多传感器数据融合方法的测量

表2 采用传统的算术平均值测量方法的测量值

5.2 结果分析

通过实验可知，采用多传感器数据融合技术的方法计算土壤电导率误差减小了，因此，可以说比算术平均值测量方法准确，平均绝对误差和平均相对误差分别降低了0．010 82%和2．742 08%。

6 结 语

设计了一种测量土壤电导率的新方法，采用二级融合算法测量电导率的值。该计算方法使得土壤电导率的测量精度提高了，误差减小了，并且能够实时在线测量土壤电导率，可以满足田地多点测量的要求。

［1］ 孙宇瑞．土壤含水率和盐分对土壤电导率的影响［J］．中国农业大学学报，2000，5（4）：39－41．

［2］ Kitchen N，Sudduth K，Dr ummond S．Soil electrical conductivity as a crop productivity measure for claypan soils［J］．J．Prod．Agric．，1999，12：607－617．

［3］ 朱明祥，徐晓斌，陈照章，等．基于多传感器信息融合的恒温箱测控系统设计［J］．传感器与微系统，2010，29（3）：62－67．

［4］ 廖惜春，丘敏，麦汉荣．基于参数估计的多传感器数据融合算法研究［J］．传感技术学报，2007（1）：193－197．

［5］ 陈玲，李民赞，赵勇．便携式土壤电导率测试仪改进设计及实验［J］．农机化研究，2009（7）：175－177．

［6］ 李民赞，王琦，汪懋华．一种土壤电导率实时分析仪的试验研究［J］．农业工程学报，2004（1）：51－55．

［7］ Ma Chunlong，Li Xiaoguang，Li Zhaoxi．Design of gas information collection and control system based on GPRS［C］／／MEC 2011，2011：1222－1224．

［8］ 何大宇，韦铱，徐英鹏．ZigBee无线传感网络的医疗应用研究［J］．长春工业大学学报：自然科学版，2010，31（3）：355－359．