基于差分的土壤墒情自动监测数据误差修正方法

土壤墒情自动监测设备能够快速、高效、连续地观测土壤墒情数据,但由于受安装调试水平、设备自身状态、以及田间环境变化的影响,在长期连续监测中输出数据的准确性和稳定性会逐渐降低,不利于墒情监测业务的开展。本文以北京市昌平区土壤墒情的人工和自动同步观测数据为基础,通过分析土壤墒情自动监测数据的误差特点,构建了一元一次、一元二次和一元三次差分方程对自动监测数据进行误差修正,并对修正后的误差特征进行分析。结果表明：经过差分修正后,20 cm深度的绝对误差均值减小了34%和24%,40 cm深度的绝对误差均值减小了67%和54%,自动监测数据误差显著下降;3种差分方程中线性差分方程表现最优;修正后的误差统计...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 31; no. 3; pp. 152 - 158
Main Author 郝星耀 冯仲科 赵春江 李淑华 高秉博
Format Journal Article
LanguageChinese
Published 国家农业信息化工程技术研究中心，北京 100097 2015
北京林业大学林学院，北京 100083
农业部农业信息技术重点实验室，北京 100097%北京林业大学林学院,北京,100083%北京农业信息技术研究中心，北京 100097
农业部农业信息技术重点实验室，北京 100097
北京农业信息技术研究中心，北京 100097
Subjects
土壤
墒情
差分方程
自动监测
误差修正
误差分析
automatic monitoring
误差修正
differential equation
error analysis
墒情
差分方程
自动监测
moisture
soils
误差分析
土壤
error correction
Online AccessGet full text
ISSN1002-6819
DOI10.3969/j.issn.1002-6819.2015.03.021

Cover

More Information
Summary:土壤墒情自动监测设备能够快速、高效、连续地观测土壤墒情数据,但由于受安装调试水平、设备自身状态、以及田间环境变化的影响,在长期连续监测中输出数据的准确性和稳定性会逐渐降低,不利于墒情监测业务的开展。本文以北京市昌平区土壤墒情的人工和自动同步观测数据为基础,通过分析土壤墒情自动监测数据的误差特点,构建了一元一次、一元二次和一元三次差分方程对自动监测数据进行误差修正,并对修正后的误差特征进行分析。结果表明：经过差分修正后,20 cm深度的绝对误差均值减小了34%和24%,40 cm深度的绝对误差均值减小了67%和54%,自动监测数据误差显著下降;3种差分方程中线性差分方程表现最优;修正后的误差统计特性符合简单随机误差,可以通过求算数平均数的方法进一步降低误差。通过差分方法来修正自动监测数据简单易行,能有效的提高自动监测数据精度,充分能够发挥人工和自动监测的优势,提高监测体系整体性能。
Bibliography:11-2047/S
In practical work of soil moisture monitoring, the automatic monitoring devices provide faster, more efficient and continuous observations compared with manual drying method. Thus, the automatic monitoring, which bases on Frequency Domain Reflectometry（FDR） or Time Domain Reflectometry（TDR）, is becoming the main technical means to achieve the goal of fast and continuous monitoring. However, the automatic monitoring data is less stable and accurate because of installation and tuning situation, equipment aging and farm environment changing. Automatic monitoring data error can be divided into two categories： random error and systematic error. Random error complies normal distribution and its mean tends to zero. Systematic error does not have statistical characteristics, but it usually has certain regularity in value and continuity in time. For the time series data of automatic monitoring, error from one time point is relevant to the data errors of previous and subsequent time points. Thus, the random er
ISSN:1002-6819
DOI:10.3969/j.issn.1002-6819.2015.03.021