[0001] 本公开涉及农业生产技术领域，具体涉及基于土壤电信号的土壤含水量预测方法及系统。

[0002] 本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

[0003] 传统的农田灌溉采用洪水灌溉或地面灌溉，水分利用率较低。大量的水流失到土壤表面或向下入渗，造成水资源的浪费。频繁的大量灌溉会导致土壤中的盐分积累，水流冲击力强，也会导致土壤颗粒的侵蚀和流失。高效灌溉通过科学合理地调节灌溉水的供应量、时间和方式，以满足农作物的生长需要，并最大限度地减少水资源的浪费和对环境的负面影响。

[0004] 灌溉主要影响土壤含水量，目前获取土壤含水量的方法有很多种，其中常见的方法包括经验公式、实验室化学分析法等。其中经验公式中常用的有重量法和体积法，通常需要用到修正系数，对不同场地的土壤含水量计算不具有适用性。实验室化学分析法主要包括称重和干燥，无法在现场开展工作，带回实验室的样品容易与原状土出现差异。且上述方法复杂且耗时长，样本采集变异性的影响及经验公式的适用性等，均会对估算的土壤含水量造成影响。

[0029] 下面结合附图与实施例对本公开作进一步说明。

[0030] 应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

[0031] 需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

[0032] 实施例1

[0033] 本公开的一种实施例中提供了一种基于土壤电信号的土壤含水量预测方法，包括：

[0034] 根据土壤区域的原始土壤电信号响应，选择关注单元布设传感器，然后获取关注单元内不同深度的土壤含水量以及电磁扫描数据，并进行预处理；

[0035] 建立土壤电信号响应与土壤含水量的映射关系，结合电磁扫描数据，获取空间区域的土壤含水量分布；

[0036] 构建土壤含水量预测模型，利用空间区域的土壤含水量进行土壤含水量预测；

[0037] 其中，利用最小二乘法最小化观测值与预测值之间的残差平方和，寻找最佳的回归系数，通过将土壤含水量作为因变量，结合其他自变量和最佳的回归系数，拟合出最后的土壤含水量预测模型，进行土壤含水量预测。

[0038] 作为一种实施例，本公开的一种基于土壤电信号的土壤含水量预测方法的具体实施过程如图1所示，包括如下步骤：

[0039] 步骤1：对农田区域场地进行电磁感应扫描，以获得场地的原始土壤电信号响应；

[0040] 具体地，对农田区域场地进行电磁感应扫描时，选用仪器为DualEM‑421s，其原理为感应电磁法，利用DualEM‑421s获得电信号，进而获取表观电导率，其定义如下：

[0041]

[0042] 式中：σ为表观电导率；Hs为次生磁场，为初始磁场和感应磁场的总和；s为线圈间距；ω为角频率；μ为介质磁导率。

[0043] 本实施例中，利用DualEM‑421s仪器进行探测时，由于该设备配备有三组接收线圈，因此可同时对六个深度的电导率进行测量，深度分别为：0.5m、1m、1.6m、2m、3.2m和6.4m。

[0044] 步骤2：利用获取数据进行展示后，在场地有选择性地选择关注单元布设传感器，获取不同深度土壤含水量，并对关注单元重复进行电磁感应扫描；

[0045] 具体地，场地原始土壤电信号通过插值方式展示，插值方法采用克里金插值法或者反距离插值法。

[0046] 在本实施例中，土壤电导率通过克里金插值法进行展示，可得到6个不同深度的土壤电导率剖面。

[0047] 具体的，关注单元即为电磁感应扫描时电导率与场地整体情况较为类似的区域，2 2
避免空间变异性的影响。选择的关注单元的面积Area应满足50m≤Area≤200m。具体选择面积根据场地实际情况决定，并考虑时间、成本等因素。

[0048] 在本实施例中，传感器布置在电导率与场地整体情况较为类似的区域，避免空间变异性的影响。选取的区域面积与传感器布设间隔根据传感器具体数量选定。传感器采用3 3
PR2/6传感器，此传感器为剖面传感器，测量参数为土壤体积含水量(m/m或％vol)。测量深度包括6个深度：10cm、20cm、30cm、40cm、60cm、100cm。根据传感器测量数据随深度的变化趋势显示，如图2所示，土壤含水量在垂直方向上，呈先上升，后下降的变化趋势。

[0049] 步骤3：获取关注单元内不同深度的土壤含水量以及电磁扫描数据，对并扫描获取的数据进行数据预处理，并对预处理后的数据进行反演解译；

[0050] 具体地，数据预处理包括：缺失值处理、剔除异常值和数据校准。

[0051] 进一步的，所述数据校准流程为：

[0052] S1：利用电阻率法对场地进行探测，可选择高密度电阻率法、直流电阻率法等。

[0053] S2：对利用电阻率法获得的视电阻率数据进行数据反演，得到反演电阻率数据；

[0054] S3：将获得的反演电阻率数据作为感应电磁法正演模型的输入信息；

[0055] S4：对感应电磁法进行正演计算，得到理论视电导率值；

[0056] S5：利用理论视电导率值对感应电磁法得到的表观电导率数据进行相关性分析；

[0057] S6：通过拟合关系式对表观电导率数据进行数据校准。

[0058] 作为一种实施例，对数据进行反演解译时深度的选择应与传感器测量深度相同。

[0059] 在本实施例中，缺失值处理采用算术平均插值法。针对明显离群值选择直接剔除。数据校准时选择高密度电阻率法(ERT)，探测测线为1条，64个电极，2m间距，耗时40min。对现场直接测得的视电阻率数据利用Res2dinv进行数据反演，该软件利用非线性优化程序生成二维ERT伪剖面，采用L2范数的平滑约束最小二乘法进行反演。反演得到高密度电阻率法反演电阻率数据，将反演电阻率数据作为电磁感应正演模型的输入，正演模型计算完成后，得到由高密度电阻率法获得的理论视电导率值，将该值与电磁感应法得到的原始视电导率数据进行拟合，得到六个线圈的拟合方程，为

[0060] y＝ax+b

[0061] 根据拟合方程，分别对六个线圈获得的原始视电导率数据进行校准，利用校准后的视电导率结果进行电磁感应法的反演计算，反演深度同样选择为10cm、20cm、30cm、40cm、60cm、100cm，与传感器探测深度一致。

[0062] 步骤4：利用关注单元特定深度的电信号响应建立与土壤含水量的映射关系，将农田场地的电磁扫描数据带入，获得研究农田空间区域的土壤含水量分布；

[0063] 具体地，所述建立土壤电导率与含水量之间的映射关系时，在关注单元内以5m间距布设测线，每隔3d进行重复电信号测量。

[0064] 在本实施例中，由于电信号反演深度与传感器测量深度保持一致，因此按照10cm、20cm、30cm、40cm、60cm、100cm的深度分别对不同深度不同点位的长时间序列土壤电导率‑含水量数据进行拟合，并建立映射关系。将整个研究区域的土壤电导率带入到建立的土壤电导率‑含水量映射关系中，可得研究农田空间区域的土壤含水量分布。

[0065] 步骤6：建立土壤含水量预测模型对土壤含水量进行预测，有针对性地改善灌溉用量。

[0066] 具体地，建立土壤含水量预测模型时通过将土壤含水量作为因变量，电信号数据和其他特征变量作为自变量，拟合出一个土壤含水量预测模型。通过符合时序数据趋势的数据和回归系数的组合，即可得到拟合方程式，通过方程式进行土壤含水量的预测。具体公式如下：

[0067] Soil Moisture＝β0+β1X1+β2X2+…+βnXn

[0068] 式中：Soil Moisture是待预测的土壤含水量；X1,X2,…,Xn是用于预测的自变量，这里包括电导率数据和其他特征变量；β0,β1,β2,…βn是回归系数，反映自变量对土壤含水量的影响程度。

[0069] 进一步的，回归系数β0,β1,β2,…βn的确定方法为：

[0070] M1:收集土壤含水量以及自变量的时序数据。

[0071] M2:进行数据预处理，包括填充缺失值、剔除异常值等。

[0072] M3:利用最小二乘法，结合收集到的数据，估计回归系数。

[0073] M4:进行模型评估，包括解释变量之间的相关性、检查回归系数的显著性等。

[0074] M5:利用得到的回归系数进行土壤含水量的预测。

[0075] 在本实施例中，选取的自变量为电导率、土壤温度和降雨量。首先收集土壤含水量、土壤温度和降雨量的时序数据以及使用DualEM‑421s每隔3d采集的电导率数据。数据预处理时填充缺失值、剔除异常值的步骤与步骤3一致。针对已经收集到的数据，利用最小二乘法最小化观测值与模型预测值之间的残差平方和，寻找最佳的回归系数，从而使得模型能够最好地拟合数据。利用皮尔逊相关系数解释变量之间的相关性，使用t统计量，计算回归系数与其标准误之比，来检查回归系数的显著性，以确定自变量对因变量的影响是否具有统计学意义。确定模型的可用性之后，即可将回归系数带入预测模型中，通过电信号、土壤温度和降雨量进行场地的土壤含水量预测，针对预测结果，对农田进行灌溉方式及灌溉量的调整，实现高效灌溉。

[0076] 实施例2

[0077] 本公开的一种实施例中提供了一种基于土壤电信号的土壤含水量预测系统，包括：

[0078] 数据获取模块，用于根据土壤区域的原始土壤电信号响应，选择关注单元布设传感器，然后获取关注单元内不同深度的土壤含水量以及电磁扫描数据，并进行预处理；

[0079] 预测模块，用于建立土壤电信号响应与土壤含水量的映射关系，结合电磁扫描数据，获取空间区域的土壤含水量分布；

[0080] 构建土壤含水量预测模型，利用空间区域的土壤含水量进行土壤含水量预测；

[0081] 其中，利用最小二乘法最小化观测值与预测值之间的残差平方和，寻找最佳的回归系数，通过将土壤含水量作为因变量，结合其他自变量和最佳的回归系数，拟合出最后的土壤含水量预测模型，进行土壤含水量预测。

[0082] 上述系统具体执行实施例1中所述的具体方法步骤。

[0083] 实施例3

[0084] 本公开的一种实施例中提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现所述的基于土壤电信号的土壤含水量预测方法。

[0085] 实施例4

[0086] 本公开的一种实施例中提供了一种电子设备包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现所述的基于土壤电信号的土壤含水量预测方法。

[0087] 本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

[0088] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

[0089] 上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。