MSP3土壤OM-EC-pH勘查测绘系统

前言

无论是土壤研究调查、土地利用规划还是农业生产，了解区域土壤的理化特性背景关重要，如土壤的持水力、有机物含量、生产潜力、PH值等，传统的野外采样实验室分析法费时费力，即使花费大量人力物力加大抽样强度，也很难客观精确反映区域土壤理化特性的时空变异情况；而且，尽管正常情况下实验室分析比较精确，但由于不是原位测量，从野外样品采集到实验室分析会产生一些列的误差或错误。如何快速对原野土壤理化特性进行普查测绘，在很多情况下成为一个难以逾越的瓶颈。车载式MSP3土壤OM-EC-pH勘查测绘系统可以快速、高密度、原位测绘区域土壤有机质（SOM或OM）、土壤电导及土壤pH值，使区域土壤快速JZ调查研究、碳汇农业及JZ农业研究示范成为现实。

MSP3土壤OM-PH-EC勘查测绘系统由VIS-NIR双波段光谱传感器、土壤电导传感器及土壤pH传感器集成于车载式传感器平台MSP（Mobile Sensor Platform）上，通过实地原位测量土壤电导EC、pH值及OM值，并通过GPS定位和数据处理测绘软件，绘制出土壤理化性质分布图，全面分析反映土壤质地、盐碱度、PH值、持水能力、阳离子交换能力、根系深度等。可用于JZ农业、土壤调查和碳汇农业（土壤碳储量估算）的研究示范及土地管理和土地利用规划等领域。

1. 标准配置可同时测绘土壤OM值、浅层土壤和深层土壤双层电导测绘

2. 可根据需要选配pH测绘模块

3. 原野现场测绘：随着机载系统在原野前行，即时获取电导及地理坐标（经纬度），每公顷可以测量120-240个样点数据

4. 直接接触法测量EC，测量基本不受周边电磁影响，也不需要校准。EC与土壤质地（soil texture）有关，土壤质地反映土壤粒径分布（沙土、粘土和粉土）。

5. 土壤EC测绘可以快速显示土壤三维理化性质：表层土壤质地X、Y向变化较大，但在Z向（深度）变化不大的情况下，两个深度的EC图主要反映的是土壤质地空间变化。在土壤剖面（Z向）质地变化较大的情况下，两个深度的EC图有较大差异，分别反映了表层土和深层土的情况。

6. VIS-NIR双波段光谱传感器，可经由Veris数据处理中心进行数据处理提供土壤有机质OM值

7. VIS-NIR双波段光谱传感器、EC、PH传感器及数采等安装在专门设计的MSP装载架上，可由轻型机动车辆带动，快速对区域内土壤理化性质勘测绘图。

上图左为中科院南皮生态农业试验站，图右为VERIS 3100车载式土壤电导率测量系统在该实验站样地内作业

1. OpticMapper双波段VIS-NIR传感器，原位测绘植物枯落物下层土壤表层光谱反射

2. 可见光波长：660nm；近红外波长：940nm；光源：LED

3. 光谱检测器：5.76mm光敏二极管

4. PH电极：离子选择性电极与锑测量相结合

5. 除通过双波段VIS-NIR光谱传感器高密度原位测绘分析土壤OM值及其分布图外，可一次同时测量绘制EC和PH值，并可实时记录显示测量数据和分布图

6. Garmin 19X GPS

7. 电子器件：NMEA 4X密封，级防水接口

8. 数采：80 pin PIC 微处理器，1Hz采集率，SD存储卡，背光显示器，电源10-15DC

9. 测绘软件SoilViewer：即时显示PH值、EC值及光谱反射，并将地理位置信息（经纬度）及测量值下载到计算机上并自动制作二维分布图（光谱反射需经由Veris数据处理中心进行处理分析形成SOM值）

10. PH值采样深度6-12cm可调，每公顷采样5-15个点（与运行速度有关）

11. 双层EC测绘，可形成0－45cm的表层土壤电导测绘图和深度为0-91cm土壤剖面电导测绘图

12. OM测量深度：38－76mm

13. 拖挂型（适于小型拖拉机）尺寸：宽 229cm，长 396cm，高 152cm，重635kg

14. 运载车辆小马力：30hp（因地形、速度和土壤质地不同而有所变化）

15. 轮胎型号：P20 R75公路轮胎

16. 测量速度：可达20km/hr

17. 工作温度：-20－70°C

下图为美国堪萨斯州立大学G.F. Sassenrath等人（2017年）在其农业实验站利用VERIS 3100车载式土壤电导率测量系统所做的研究。A图为电导率分布，B图为玉米产量，从图中很容易看出A图绿色低电导率区域与B图绿色高产量区域相关性，从而为作物的灌溉、播种、施肥等综合管理决策提供JZ数据。

美国

1) 可选配高光谱成像以评估土壤微生物呼吸作用

2) 可选配红外热成像研究土壤水分、温度变化对呼吸影响

3) 可选配ECODRONE®无人机平台搭载高光谱和红外热成像传感器进行时空 格局调查研究

1. Hudzari, R. M. & Aimrun, W. Application of geographical information system for farm mechanization education and training. Scientific Journal of Pure and Applied Sciences 8 (2013).

2. Combining Site Specific Data with Geospatial Analysis to Identify Variable Rate Irrigation Opportunities in Irrigated Agricultural Fields. in 2014 ASABE Annual International Meeting 1–18 (American Society of Agricultural and Biological Engineers, 2014). doi:10.13031/aim.20141896808

3. Nagy, V. et al. Continuous field soil moisture content mapping by means of apparent electrical conductivity (ECa) measurement. Journal of Hydrology and Hydromechanics 61, 305–312 (2013).

4. Kitchen, N. R., Sudduth, K. A., Myers, D. B., Drummond, S. T. & Hong, S. Y. Delineating productivity zones on claypan soil fields using apparent soil electrical conductivity. Computers and Electronics in Agriculture 46, 285–308 (2005).

5. Misopolinos, L. et al. Development of a UAV system for VNIR-TIR acquisitions in precision agriculture. in (eds. Hadjimitsis, D. G., Themistocleous, K., Michaelides, S. & Papadavid, G.) 95351H (2015). doi:10.1117/12.2192660

6. Steponavicius, D., Kemzuraite, A., Zinkevicius, R. & Bartkus, T. EFFECT OF SOIL PH ON REASONABLE TRAVEL SPEED OF MOBILE UNIT AND LIME APPLICATION. ENGINEERING FOR RURAL DEVELOPMENT 8

7. Franzen, D. et al. Evaluation of methods to determine residual soil nitrate zones across the northern Great Plains of the USA. Precision Agriculture 12, 594–606 (2011).

8. Sassenrath, G. & Kulesza, S. Measuring Soil Electrical Conductivity to Delineate Zones of Variability in Production Fields. Kansas Agricultural Experiment Station Research Reports 3, (2017).

9. Sassenrath 和 Kulesza - 2017 - Measuring Soil Electrical Conductivity to Delineat.pdf.

10. Chan, C. S., Amin, M. S. M., Lee, T. S. & Mohammud, C. H. PREDICTING PADDY SOIL PRODUCTIVITY. 67, 11 (2006).

11. Romaneckas, K., Zinkevicius, R., Steponavicius, D., Maziliauskas, A. & Marcinkeviciene, A. PRINCIPLES OF PRECISION AGRICULTURE IN ON-FARM SPRING WHEAT FERTILIZATION EXPERIMENT. ENGINEERING FOR RURAL DEVELOPMENT 6

12. Schirrmann, M., Gebbers, R., Kramer, E. & Seidel, J. Soil pH Mapping with an On-The-Go Sensor. Sensors 11, 573–598 (2011).

13. R. L. Raper, D. W. Reeves, J. N. Shaw, E. van Santen & P. L. Mask. USING SITE-SPECIFIC SUBSOILING TO MINIMIZE DRAFT AND OPTIMIZE CORN YIELDS. Transactions of the ASAE 48, 2047–2052 (2005).