农作物生长环境信息感知技术研究进展

姚元森，廖桂平，赵 星，陈 艳，赵丽敏，雷梦龙

(湖南农业大学信息科学技术学院，长沙410128)

“十二五”以来，精准农业已成为当今世界农业发展的新趋势，它是由现代信息技术支持的根据空间变异，定位、定时、定量地实施一整套现代化农事操作技术与管理的系统。它将推动农业生产由以前的粗放型农业向技术型、细化型的现代化农业转变。它的基本思路是根据农作物在生长过程中所出现的优劣性而进行科学管理，实时地感知作物生长信息和作物生长环境信息，分析作物生长差异的原因，并按具体情况做出决策，准确地根据不同的情况进行针对性的管理，用最少或最节省的投入达到同等收入或更高的收入，并改善环境，高效地利用各类农业资源，优化生产管理体系，取得经济效益和环境效益。

精准农业的技术体系主要包含信息获取系统、信息处理系统与智能化的农业机械作业3个部分，其中如何能方便、有效、快捷、准确地获取到农作物田间的环境信息，已经成为实施精准农业最为关键的问题，为此，需要大力开展适用于农作物的环境信息快速感知技术与传感仪器的研究。本文主要对作物生长环境中最重要的因素——温、光、湿以及养分等信息快速感知技术的研究进行综述，并提出今后农作物生长环境信息感知技术的研究方向。

1 农作物生长环境土壤温度的快速感知技术

土壤温度是作物生长环境中的生态要素之一，它不仅影响着植株的生长、发育和土壤的形成，还对土壤中有机质的转化，土壤中养分的吸收和水分运动产生影响。土壤温度的高低还关系着微生物的活动、作物的分蘖消长和安全越冬等问题。由于大多数农作物的主要根系普遍分布在土壤深度50 cm上下。所以对于土壤表层(或耕层)温度的测量，掌握其温度的周期变化，对于农业生产和作物研究都具有深远的意义。

目前市面上比较常见的土壤测温仪大多数采用的是单片机主控加温度传感器的方式来实现的。常用的有DS18 B20数字温度传感器或PT100热敏电阻作为温度传感器。而这类测温仪存在着例如探头偏短不方便用户操作，现场测量安装不方便和灵活性不好等问题。宋豫晓等［1］提出了一种基于新华龙的C805 F330单片机主控芯片和DS18 B20温度传感器设计出能够根据实际需求实现变送、测量记录、多点多层测量的土壤温度测量仪，其具有响应时间短、成本可控、体积小、生产调试方便并有良好的可扩展性等优点。也有一些如利用红外光谱的非接触式测温仪，利用晶体管PN结的测温仪和利用热敏电阻的测温仪。虽然红外测温仪的精度很高，但其成本昂贵，而PN结测温仪与热敏电阻测温仪使用之前需要对系统参数经行标定［2］，大大加大了操作的复杂度以及影响了测试结果的精确度。乔晓军等［3］开发了一种以C8051F310单片机为控制核心的土壤温度多点测量系统，实现了对50 cm范围内的10个不同土层温度的实时采集显示、定时存储和与PC端的通信。对于传统土壤温度测量方法的缺陷，徐笑然等［4］设计了一种由MCU、传感器、无线收发模块组成的传感器节点，解决了传统测量方法中劳动强度和测量准确性不能兼顾的问题，并通过对节点的电磁兼容和低功耗设计，使节点的通信距离和电池使用寿命均达到了理想的效果。

2 农作物生长环境光照强度的快速感知技术

植物的生长是通过光合作用储存有机物来实现的，因此光照强度对农作物的生长和发育影响很大，它直接影响植物光合作用的强弱。因此，光照强度的检测对于农作物的生长发育至关重要。

表1 光照强度传感器比较

光敏传感器种类繁多，主要有:光电管、光电倍增管、光敏电阻、光敏三极管、太阳能电池、红外线传感器、紫外线传感器、光纤式光电传感器、色彩传感器、CCD和CMOS图像传感器等。苏震等［6］揭示了光电二极管在各种特定条件下，其光电变换特性的变化规律，全面知晓光电二极管的工作状态的变化，正确拾取和利用传感输出信号。张杰等［7］提出了一种光合有效辐射传感器的结构设计，在低功耗的前提下实现微弱电流－电压信号的转换和放大、高频噪声滤波等功能，并使经调理的输出电压与光合有效辐射之间的相关系数达到0.987 9，且低功能消耗，适用于户外动态环境。王虎城等［8］以STC89C51单片机为控制核心，设计了一个路灯自动控制系统。利用时钟芯片DSI302计时，由光敏器件对环境光照度进行采集，将采集信号送给单片机，实时根据周边环境的光亮度做出反映，同时还采用声音控制和红外控制等作为辅助控制。这对于农作物生长的光源设计有极其重要的参考价值。孔延梅等［9］提出了一种新型的基于光子晶体的MEMS气敏传感器，实现了归一化频率ω=0.51～0.55范围的分光，大大提高了传感器的分辨率。表1对以上介绍的光照强度传感器做一个系统比较。

3 农作物生长环境土壤湿度的快速感知技术

土壤湿度决定农作物的水分供应状况，土壤水分是植物赖以生长的物质基础。对于土壤表层(或耕层)湿度的测量，掌握其水分含量的周期变化，对于作物生长势研究具有重要的意义。

土壤含水率(Soil Moisture Content)是作物生长环境中一项重要的指标，它的主要测量方法分为取样测定法和定位测定法［10］。取样测定法主要为称重法，采用烘干的方法，虽然操作不便，但作为可以直接测量土壤中水分的唯一方法，在测量精度上有其他方法无可比拟的优势，也是目前国际上常用的标准方法。定位测定法主要包括电阻法、中子法、介电法、光谱分析法和张力计法等等。电阻法由于标定复杂，并且随着时间的推移，其标定结果将很快失效，而且由于测量范围有限、精度不高等一系列的原因，已基本淘汰。中子法利用仪器中的中子源向土壤中发出的快中子与氢原子碰撞后，逐渐转化为慢中子、热中子，并形成持常密度的慢中子云。由于在慢中子探测器上产生的电压脉冲数与土壤含水率之间有对应关系，经标定后即可测出土壤水分。早在1987年唐掌雄等［11］就发现在土壤分布不均匀的情况下，中子法测定结果与传统测定方法的结果之间存在最大偏差达8%左右;王贵彦等［12］也发现土壤湿度的空间变异(位置因素)是田间水分测定误差的主要来源，最大偏差达7.30%。基于辐射原理的中子法虽有着高精度、快速度等优点，但是由于它对人体健康造成危害的致命缺陷，近年来已经遭到发达国家的弃用，在国内也仅有少量用于实验研究。介电法由于可以有效、安全、可靠的测量出土壤含水率而受到广泛关注。介电法主要包括时域反射法(Time Domain Reflectometry，TDR)、频域反射法(Frequency Domain Reflectometry，FDR)和驻波率法(Standing－Wave Ratio，SWR)。TDR方法具有测量精度高，实时性佳，适用土壤类型范围广等优点。但是TDR方法在传感器探针几何长度受到限制的条件下，反射时间差只有纳秒数量级。要对如此短的滞后时间进行准确测量，目前无论在技术上还是方法上难度极大，因此将成为超高速延迟线测量技术的目标之一(目前世界上掌握超高速延迟线测量技术的只有美、加、德等极少数国家)。值得注意的是绝大部分的传感器难以满足一定深土层条件下的测定，而且土壤介电常数受到土壤的厚实度的影响，因此不仅在于对传感器电极结构设计，也需对土壤的压实度对介电法进行修正［13，14］。孙宇瑞等［14］探讨了一种套筒式结构的面向测量土壤含水率纵向分布的介电式传感器，验证了传感器归一化频偏指数与土壤容积含水率之间呈线性关系。FDR法是通过测量传感器在土壤中因土壤介电常数的变化而引起频率的变化来检测土壤中的水分含有率。不过测量电路的复杂导致成本很高，不实用于大范围的田间测量应用。SWR法是基于无线电射频技术中的驻波率原理的土壤含水率测量方法，不再利用延迟时间差和频差，而是测量它的驻波比。这种测量驻波率的方法也可使得成本大大降低。孙宇瑞等［15］提出了一种基于驻波比原理的测量土壤介电常数的方法。Roth等［16］提出了利用水、土壤、空气三相物质的空间分配比例来计算土壤介电常数，并经改进后，为采用介电方法测量土壤含水量提供了更进一步的理论依据，并利用这些原理进行测量。

光谱分析法认为土壤中水分在谱段为1 350～1 450，1 920～1 940，2 180 ～2 300 nm 处有明显的吸收峰，并且许多学者研究发现［17～19］，随土壤含水率的升高，土壤光谱反射率会相应降低，干燥的土壤具有较高的反射率，然而反射率的最高值则取决于土壤的类型。Perterson等［20］研究了土壤引起的反射率变化，并讨论了这种变化的大体规律。Hummel等［21］在1 603～2 598 nm之间对地表土层和地下土层的有机物和水分含量采用逐步回归分析法进行了分析，得出水分更加容易预测。Stoner等［22］指出，土壤中的含水量和2 080～2 320 nm间波段的土壤反射率呈现出很高的相关性，但未能指出其相关的形式。朱永豪等［23］发现同一土壤随着含水量的增加在各个波长或波段上的光谱反射率并非是简单的线性变化，而是遵循二次回归方程。鲍一丹等［24］研究了不同含水量、不同颗粒大小的土壤样本在不同测试环境对光谱采集的影响，并获得了不同含水量和不同大小的土壤含氮量的预测模型。宋韬等［25］进一步研究了一种可见/近红外漫反射光谱，并利用单一敏感波段光谱建立了一元回归模型，预测相关系数达到0.966 5。孙建英等［26］利用近红外光谱技术进行了潮土中水分、有机质和全氮含量的检测。其中波长为1 920 nm光谱对水分含量信息的检测确定系数达到了0.935。何挺等［27］通过对几个相关性较好的波段 1 423，1 524，1 746，1 849 nm 进行实验，得出1 450 nm吸收峰比其他吸收峰要更为敏感、高效，并且能更纯粹地测出水分含量。

张力计法测量的直接对象是土壤基质势，利用陶土头插入被测土壤后，管内自由水通过多孔陶土壁与土壤水接触，经过交换后达到水势平衡，此时，从张力计读到的数值就是土壤水的吸力值，即为忽略重力势后的基质势的值，从而根据土壤含水率和基质势之间的关系来确定土壤含水率，但是普遍土壤水分测量响应速度较慢。表2对以上介绍的土壤湿度感知技术做一个系统比较。

表2 土壤湿度感知技术比较

4 农作物生长环境养分信息的快速感知技术

在农作物的生产管理中，常需根据土壤养分的测量结果进行施肥，以满足作物生长的需求。快速测定作物生长环境中的肥力信息，是实施科学施肥、防治环境污染、提高土地产出率、资源利用率和保障农作物生长安全的重要前提。

目前对于土壤氮磷钾等养分的快速测量仪器主要有3类［28］:一是基于光电分色等传统养分速测技术基础上的土壤养分速测仪，国内已有产品并投入使用，其稳定性、操作性和测量精度虽然尚待改进，但对农田主要养分因素的快速测量具有实用价值。河南农业大学开发的便携式YN型土壤养分速测仪［29］，相对误差为5% ～10%，尽管每个项目测试所需时间仍在40～50 min之间，但较传统的实验室化学仪器分析在速度上提高了20倍。二是基于近红外技术(NIR)通过土壤或叶面反射光谱特性直接或间接进行农田肥力水平快速评估的仪器，已在试验中使用。如Hummel等［30］通过NIR土壤传感器测量土壤在1 603～2 598 nm波段的反射光谱，预测土壤的有机质和水分含量，测量相对误差分别为0.62%和5.31%。蒋璐璐等［31］应用近红外光谱和中红外光谱对红壤和青紫泥2种典型土壤中的氮磷钾等养分进行了测试，采用偏最小二乘－支持向量机(PLS－LS－SVM)建模方法，最后得出 N，P，K含量的预测相关系数分别为 0.876，0.938，0.803，这为土壤养分的快速测量提供了一种新方法。Kooistra 等［32］采用 700、1 050、1 400、1 850、2 150、2 280、2 400和2 470 nm的光谱估算土壤中有机质和粘土矿物的含量以及与有机质、粘土矿物相关性很强的金属元素的含量。郑立华等［33］对土壤水分、土壤全氮、土壤硝态氮、土壤有机质等进行了研究，并获得了精度较高的预测模型。李民赞等［34］还开发出了基于光谱技术的土壤养分快速测量装置，开发的土壤参数在线光谱分析仪，可用于稻田土壤的在线连续测量。三是基于离子选择场效应晶体管(ISFET)集成元件的土壤主要矿物元素含量测量仪器，在国外已取得初步进展。Birrell等［35］研究的ISFET/FIA土壤分析系统，可以在1.25 s的时间内完成土壤溶液硝酸钠浓度的分析，满足了实时采样分析的要求。

虽然目前在土壤中的氮磷钾快速测定方面已经取得了较好的研究进展，但仍然无法满足低成本、广域覆盖、高实时性采样分析的要求，因此，如何降低传感器成本，提高采样的覆盖度，提高采样的时效性是需要探索和研究的关键问题。

5 展望

在农作物生长环境信息的获取中，传统的检测方法不但费时、费力，工作量大，而且覆盖面积小，效率较低，调查成本高，时效性较差，不能很好的满足现代农业精准生产的要求。方便、快捷、准确、可靠地感知农作物环境信息，是实施精准农业最为基本和关键的问题。虽然目前大多数的作物环境信息感知技术的研究还在理论或者是停留在实验室阶段，但随着研究的深入，传感器的软硬件技术的改进和路由算法优化，以“传感”为工作重心，组建无线传感器网络，针对整体农作物生长环境的土壤温度、土壤水分、光照强度以及土壤养分等信息的采集和传输，开发出一款“用的上，用的好，用的起”的集温、光、湿以及养分的多种测量要素于一体的多功能采集设备，并面向普通大众，提高环境信息对农作物生长的时效性，将使“数字农业”成为现实。

［1］宋豫晓，王 建，乔晓军，等.多功能土壤温度测量仪的研发［J］.农机化研究，2010，(9):80－84.

［2］张旭升，赵百通，李 英.土壤温度测试仪的研究［J］.农业装备技术，2003，(6):32 －36.

［3］乔晓军，何秀红，杜小鸿，等.多点土壤温度测量系统的设计与实现［J］.沈阳农业大学学报，2006，(3):278－281.

［4］徐笑然，袁 涛.应用于土壤温度测量的无线传感器节点设计［J］.自动化仪表，2006，(5):64 －66.

［5］曹 莉，王 辉，孙道杰，等.小麦品系“西农1718”黄化突变体的主要农艺性状及细胞遗传学观察［J］.麦类作物学报，2009，29(5):777 －781.

［6］苏 震，梁小龙.光敏二极管传感器在几个特定条件下的响应状态分析［J］.中国传媒大学学报(自然科学版)，2012，(1):19－22.

［7］张 杰，熊显明，张 馨，等.光合有效辐射传感器及其调理电路设计［J］.自动化与仪表，2012，(6):12－15.

［8］王虎城，周晋军，皮依标，等.基于光传感器和单片机的校园路灯控制系统设计［J］.科技广场，2011，(1):142－144.

［9］孔延梅，高超群，景玉鹏，等.基于光子晶体分光的气敏传感器研究［J］.物理学报，2011，(5):1－5.

［10］邓英春，许永辉.土壤水分测量方法研究综述［J］.水文，2007，(4):20 －24.

［11］唐掌雄，胡江朝.中子法、电阻法、称重法测量土壤水分的比较［J］.核农学通报，1987，(6):4 －7.

［12］王贵彦，史秀捧，张建恒，等.TDR法、中子法、重量法测定土壤含水量的比较研究［J］.河北农业大学学报，2000，(3):23 －26.

［13］何 勇，赵春江，吴 迪，等.作物—环境信息的快速获取技术与传感仪器［J］.中国科学:信息科学，2010，40(增刊):1－20.

［14］孙宇瑞，马道坤，何 权，等.土壤水分坡面实时测量传感器试验研究［J］.北京林业大学学报，2006，28:55－59.

［15］孙宇瑞，赵燕东.一种基于驻波比原理测量土壤介电常数的方法［J］.农业工程学报，1999，15:37 －41.

［16］Exploring KR.Soil layers and water tables with groundpenetrating radar［J］.Pedosphere，2004，(3):273 －282.

［17］卜兆宏.土壤波谱反射特性测试及其数据处理方法的实验研究［J］.土壤专报，1986，40:109－117.

［18］徐彬彬，季耿善.土壤光谱反射特性研究及其应用［J］.土壤学进展，1987，15(1):1－9.

［19］刘伟东，Frederic B，张 兵，等.高光谱遥感土壤湿度信息提取研究［J］.土壤学报，2004，41(5):700 －706.

［20］Peterson JB，Robison BF，Beck RH.Predictability of change in soil reflectance on wetting［A］.In:IEEE Cat.Proc of the Symposium on Machine Processing of Remotely Sensed Data［C］.West Lafayette:Purdue University，1979.264－273.

［21］Hummel JW，Sudduth KA，Hollinger SE.Soil moisture and organic matter prediction of surface and subsurface soils using an NIR soil sensor［J］.Comput Electron Agr，2001，32:149－165.

［22］Stoner ER，Baumgardner MF，Biehl LL，et al.Atlas of Soil Reflectance Properties［M］.West Lafayette:Purdue University，1980.

［23］朱永豪，邓仁达，卢亚非，等.不同湿度条件下黄棕壤光谱反射率的变化特征及其遥感意义［J］.土壤学报，1984，21(2):194 －202.

［24］鲍一丹，何 勇，方 慧，等.土壤的光谱特征及氮含量的预测研究［J］.光谱学与光谱分析，2007，27:62－65.

［25］宋 韬，鲍一丹，何 勇.利用光谱数据快速检测土壤含水量的方法研究［J］.光谱学与光谱分析，2009，29:675－677.

［26］孙建英，李民赞，郑立华，等.基于近红外光谱的北方潮土土壤参数实时分析［J］.光谱学与光谱分析，2006，26:426 －429.

［27］何 挺，王 静，程 烨，等.土壤水分光谱特征研究［J］.土壤学报，2006，(6):1027 －1032.

［28］罗锡文，戚 英，周志艳.精细农业中农情信息采集技术的研究进展［J］.农业工程学报，2006，22:167－173.

［29］胡建东，段铁城.便携式土壤养分速测仪技术研究［J］.现代科学仪器，2002，(4):27 －30.

［30］Hummel JW，Sudduth KA，Hollinger SE.Soil moisture and organic matter prediction of surface and subsurface soils using a NIR sensor［J］.Computers and Electronics in Agriculture，2001，32:149 －165.

［31］蒋璐璐，张 瑜，王艳艳，等.基于光谱技术的土壤养分快速测试方法研究［J］.浙江大学学报，2010，36(4):445－450.

［32］Kooistra L，Wehrens R，Leuven RSEW，et al.Possibilities of visible－near－infrared spectroscopy for the assessment of soil contamination in river floodplains［J］.Anal Chim Acta，2001，446:97－105.

［33］郑立华，李民赞，潘 要，等.近红外光谱小波分析在土壤参数预测中的应用［J］.光谱学与光谱分析，2009，29:1549 －1552.

［34］Li MZ，Sasao A，Shibusawa S，et al.Local variability of soil nutrient parameters in Japanese small size field［J］.J Jpn Society Agric Machinery，1999，61:141 －147.

［35］Birrell SJ，Hummel JW.Real－ time multi ISFET/FIA soil analysis system with automatic sample extraction［J］.Computers and Electronics in Agriculture，2001，32(1):45－67.