《Smart Agricultural Technology》：Improving 5TE Soil Water Content Sensor Accuracy Using Neutron Probe Calibration Data and Machine Learning
编辑推荐：
本研究提出一种机器学习（machine learning, ML）框架，利用中子探针（Neutron Probe, NP）校准数据显著提升电容式土壤水分传感器的测量精度。研究采用覆盖多年、多安装深度及多种灌溉方案的数据集进行校准过程，并将该ML框架应用于土壤体
本研究提出一种机器学习（machine learning, ML）框架，利用中子探针（Neutron Probe, NP）校准数据显著提升电容式土壤水分传感器的测量精度。研究采用覆盖多年、多安装深度及多种灌溉方案的数据集进行校准过程，并将该ML框架应用于土壤体积含水量（volumetric water content, VWC）的时间序列预测。结果表明，基于ML驱动的校准方法能够在多样化的土壤条件、安装深度和环境背景下展现出良好的应用潜力，从而有效改善传统电容式传感器在田间尺度上的测量准确性。
一、研究背景与现存问题
精准灌溉水管理要求在正确的时间施以适量的水分以满足作物实际蒸散发需求，同时防止水土资源退化。土壤体积含水量（VWC）传感器被广泛用于监测土壤水分状况并指导灌溉决策。其中，5TE电容传感器因成本低、可连续自动记录而大量部署于农业灌溉中，但其测量精度受土壤质地、盐分和温度等多因素影响，工厂标定精度仅为±0.03 m3/m3，远不能满足多数农业和研究应用所需的0.01–0.02 m3/m3精度要求。相比之下，中子探针（NP）传感器虽需持证操作员现场读数、成本较高，但经田间标定后是目前公认最精确的田间土壤剖面水分测定方法。传统5TE校正方法多依赖实验室或短期田间条件下的线性/多项式回归，难以捕捉温度、电导率、土壤性质等交互影响的非线性关系，且往往局限于单季或单一站点数据，泛化能力不足。近年来虽有学者尝试将机器学习引入电容传感器标定，但多数仍基于实验室控制条件、随机划分验证，缺乏对未知时空条件的严格评估。为此，研究人员旨在利用覆盖九年生长季、四个站点、两种灌溉处理及四个安装深度的长期田间原位数据，以NP为参考标准，建立一套基于机器学习的5TE传感器校正框架。
二、研究方法与关键技术
研究人员在美国农业部ARS有限灌溉研究农场（位于科罗拉多州格里利市）的玉米田采集数据，该田块配备地下滴灌系统。5TE传感器安装在20、50、80和110 cm深度，对应四个监测站（1.1、1.2、2.1、2.2），NP传感器则布设在邻近位置。NP读数约每两周一次，5TE则以15分钟间隔连续记录，研究人员通过时间匹配将5TE读数与最近的NP读数配对，共获得1221个有效数据点。主要技术方法包括：① 时间匹配与质量控制：剔除物理不可行的零值或负值记录，排除设备故障年份；② 输入变量选择：选取距最近湿润事件的时间（秒）、湿润事件量值（mm）、土壤温度（°C）、土壤电导率（dS/m）、安装深度（cm）、5TE原始读数（m3/m3）以及年积日（DOY）共七个特征作为输入，无需额外测量土壤质地、容重或有机质等场地特异性参数；③ 四种机器学习模型：岭回归（Ridge Regression）、高斯过程回归（Gaussian Process Regression, GPR）、随机森林（Random Forest, RF）和极限梯度提升（eXtreme Gradient Boosting, XGBoost）；④ 嵌套交叉验证策略：分别采用留一年法（Leave-One-Year-Out, LOYO）、留一站法（Leave-One-Station-Out, LOSO）和留一年一站法（Leave-One-Year-One-Station-Out, LOYOSO）三种结构化分组交叉验证，超参数调优嵌套于外层折内以避免数据泄露；⑤ 性能评价指标：决定系数（R2）、均方根误差（RMSE, m3/m3）、归一化RMSE（nRMSE）和平均偏差误差（MBE, m3/m3）。
三、研究结果
3.1 数据探索与相关性分析
散点图显示输入变量与目标NP-VWC之间存在明显的非线性关系，表明简单线性回归不足以刻画其规律。Pearson相关系数分析表明，大多数输入变量对间呈弱线性关联（|r| < 0.31），说明各特征贡献了相对独立的信息。两个例外是：年积日与土壤温度呈中等负相关（r = –0.67），反映二者共享的季节性信号；土壤电导率与5TE读数呈中等正相关（r = 0.67），符合湿度增大促进离子迁移的物理机制。
3.2 超参数调优结果
在LOYO策略下，岭回归的最优正则化强度α在所有折中均为7.5795，这是由于内环RMSE曲面平坦且输入共线性结构跨折稳定所致。随机森林最优配置在不同折间有所变化，例如n_estimators在100–300之间波动，min_samples_leaf在3–10之间。XGBoost最优学习率集中在0.01–0.0129，最大深度多为4或6，n_estimators统一为50，reg_alpha在0.0和0.5之间交替。高斯过程的最优优化重启次数在5、10、20之间变化。LOSO策略下的调优结果呈现类似模式。
3.3 模型预测性能
在LOYO（时间泛化）评估中，XGBoost表现最佳，平均R2达到0.834 ± 0.070，RMSE为0.023 ± 0.006 m3/m3，nRMSE为0.115 ± 0.031，MBE接近零（–0.001 ± 0.008 m3/m3）。随机森林紧随其后（R2 = 0.815 ± 0.081，RMSE = 0.024 ± 0.007 m3/m3），高斯过程居中（R2 = 0.792 ± 0.084，RMSE = 0.026 ± 0.007 m3/m3），岭回归最差（R2 = 0.691 ± 0.112，RMSE = 0.032 ± 0.009 m3/m3）。在LOSO（空间泛化）评估中，XGBoost同样领先（R2 = 0.826 ± 0.048，RMSE = 0.024 ± 0.003 m3/m3），随机森林次之（R2 = 0.799 ± 0.049，RMSE = 0.026 ± 0.003 m3/m3），高斯过程和岭回归分别为R2 = 0.772 ± 0.056和0.698 ± 0.073。在最严格的LOYOSO（时空联合泛化）评估中，XGBoost仍保持最高R2（0.800 ± 0.132）和最低RMSE（0.026 ± 0.008 m3/m3），随机森林略逊（R2 = 0.784 ± 0.140，RMSE = 0.027 ± 0.008 m3/m3），高斯过程（R2 = 0.756 ± 0.145，RMSE = 0.028 ± 0.009 m3/m3）和岭回归（R2 = 0.654 ± 0.161，RMSE = 0.034 ± 0.011 m3/m3）依次下降。
四、讨论与结论
讨论部分指出，XGBoost和随机森林等树集成模型在所有泛化测试中一致优于线性基线和高斯过程，这归因于它们能够自然捕获输入变量间的非线性交互作用，特别是湿润事件时间、温度和电导率的联合效应。高斯过程的性能介于两者之间，虽然其概率框架提供了不确定性量化优势，但在该数据集上未能超越树集成模型。岭回归由于只能拟合线性关系，在面对复杂的非线性土壤水分响应时表现最弱。值得注意的是，所有ML校正模型的RMSE（0.023–0.035 m3/m3）均低于5TE出厂标称精度（±0.03 m3/m3），且XGBoost在LOYO和LOSO条件下达到了0.023–0.024 m3/m3的水平，虽未完全达到0.01–0.02 m3/m3的理想农业精度区间，但已实现显著改进。
研究结论为：基于机器学习的中子探针校准方法能够有效提升5TE电容传感器的田间测量精度，其中XGBoost模型在时间泛化（R2=0.834，RMSE=0.023 m3/m3）和空间泛化（R2=0.826，RMSE=0.024 m3/m3）方面均表现最优。该校正框架仅使用5TE传感器自身记录的变量（介电常数、温度、电导率）以及安装深度和湿润事件时序信息，无需额外测量土壤质地、容重或有机质等场地特异性参数，从而保持了低成本部署的优势。研究强调，该方法的应用范围限于训练数据所涵盖的土壤类型、气候条件和种植体系，不应对未表征的环境进行外推。未来的工作可探索特征消融实验以量化各输入的边际贡献，以及在更多样化的土壤和气候条件下验证该框架的迁移能力。
