iSCAN Multi-Sensor 多参数土壤理化性质测绘系统

前言

  精准农业是近年来国际农业科学研究的热点领域，也是当今世界农业发展的新潮流。研究人员希望通过精准农业技术体系的使用降低生产成本, 提高和稳定农产品产量和质量, 增加经济收入, 减少环境污染。

  土壤中的盐分、水分、有机质含量、土壤紧实度、质地结构等，均不同程度影响土壤电导率变化。通过测定土壤电导率，可为分析产量、评价土壤生产能力、制定精准施肥处方提供重要依据。传统的样方抽样调查不仅费时费力，还由于抽样密度过低不能真实反应地块土壤特性的时空变化，对于大尺度调查而言与机动车辆相结合的拖曳式土壤电导率测量系统无疑是最佳选择。

  iSCAN用于大面积土壤电导率（EC）、土壤有机质（OM）、土壤温度及土壤湿度勘查，既可以由拖拉机或皮卡进行拖曳作业（需选配支架），又可安装在播种机等农机具上——在耕种作业的同时完成对农用地的勘查，灵活而便捷；其中升级版iSCAN+附加土壤温度和湿度传感器（温度和湿度是种子发芽和出苗非常重要的影响因子）。

  通过实地原位测量土壤电导EC、OM值、温度和湿度值，利用GPS定位和数据处理测绘软件（收费数据处理服务），可以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、持水能力、阳离子交换能力、根系深度等。适用于精准农业、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。

  2017-2018年在美国4个州共计15块土地，利用iSCAN系统进行勘测，并与手持式设备数据进行比对，得到非常好的线性相关结果。

上图为堪萨斯州40公顷地块勘查地图

主要特点

• iSCAN可同时测绘土壤EC值、OM值，iSCAN+则多了土壤表层温度和湿度值
• 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
• 直接接触法测量EC（Electrical Conductivity），测量基本不受周边电磁影响，也不需要校准，反映土壤质地、盐度特性
• VIS-NIR双波段光谱传感器，可经由数据处理中心进行数据处理提供土壤有机质OM（Organic Matter）值，反映土壤氮矿化、土壤水渗透、根系生长以及土壤持水能力

技术指标

1. 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. 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，iSCAN+可附加土壤温度和湿度传感器，并可实时记录显示测量数据和分布图

5. Garmin GPS 15X：差分GPS定位精度，优于3米

6. 电子器件：NMEA 4X密封，军工级防水接口

7. 数采：80 pin PIC 微处理器，1Hz采集率，背光显示器，电源12VDC，5A

8. 测绘软件即时显示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（光谱反射需经由公司数据处理中心进行处理分析形成SOM值）

9. EC测绘，可形成0－60cm的表层土壤电导测绘图

10. OM测量深度：38－76mm

11. 长度：农机版145cm；拖曳版259cm

12. 宽度：农机版31cm; 拖曳版127cm

13. 高度：110cm

14. 重量：147 kg

15. 测量速度：可达24km/hr

16. 工作温度：-20－70°C

软件界面

产地：美国

选配技术方案

• 可选配作物表型分析模块，同步分析作物叶绿素指数、花青素指数、类黄酮指数及N素状态等
• 可选配红外热成像研究土壤水分、温度变化对呼吸影响
• 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

部分参考文献

1. Adamchuk, V.I., J.W. Hummel, M.T. Morgan, S.K. Upadhyaya. 2004. On-the-go soil sensors for precision agriculture. Comput. Electron. Agric. 44:71–91.

2. Christy, C.D. 2008. Real-Time Measurement of Soil Attributes Using On-the-go Near Infrared Reflectance Spectroscopy. Computers and Electronics in Agriculture. 61:1. pp.10-19

3. Kitchen, N.R., S.T. Drummond, E.D. Lund, K.A. Sudduth, G.W. Buchleiter. 2003. Soil electrical conductivity and other soil and landscape properties related to yield for three contrasting soil and crop systems. Agron. J. 95:483–495.

4. Kweon, G., E.D. Lund, and C.R. Maxton. 2013. Soil organic matter and cation-exchange capacity sensing with on-the-go electrical conductivity and optical sensors. Geoderma 199:80–89.

5. Lund, E.D. 2008. Soil electrical conductivity. p.137-146. In: S. Logsdon et al. (ed.) Soil Science Step by Step Field Analysis. SSSA, Madison, WI.

6. Lund, E.D., C.R. Maxton, T.J. Lund. 2015. Assuring data quality and providing actionable maps using a multi-sensor system. Proceedings of Global Workshop on Proximal Soil Sensing. Hangzhou China. 266-278.

7. Eric Lund, Chase Maxton. 2019. Comparing Organic Matter Estimations Using Two Farm Implement Mounted Proximal Sensing Technologies. 5TH GLOBAL WORKSHOP ON PROXIMAL SOIL SENSING. P35-40.

8. José Paulo Molin, Tiago Rodrigues Tavares. 2019. SENSOR SYSTEMS FOR MAPPING SOIL FERTILITY ATTRIBUTES: CHALLENGES, ADVANCES, AND PERSPECTIVES IN BRAZILIAN TROPICAL SOILS. Eng. Agríc. vol.39.