高分辨率基于互补开口谐振环的微波传感器用于土壤含水量监测

《Sensors》：High-Resolution CSRR-Based Microwave Sensor for Soil Moisture Content Monitoring

　　

本研究提出了一款紧凑型正方形互补开口谐振环（CSRR）微波传感器，结合基于机器学习的标定策略，以实现卓越的土壤质地感知含水量定量分析。该传感器制作于Rogers RO3010基板上，占用面积为20 × 30 mm2，工作频率接近1.3 GHz，利用谐振/陷波频率与插入损耗（S21）的频移来探测土壤复介电常数的实部与虚部分量。全波三维电磁仿真指导了CSRR拓扑结构与T形微带馈线的优化，实现了强场约束、高品质因数和高频率检测分辨率（FDR）。针对砂土和壤土分别在0–30%及0–40%含水量范围内开展的实验表明，FDR值分别为6.09 MHz（砂土）和6.86 MHz（壤土），能够分辨细微的介电常数变化。研究开发并比较了多种从实测S参数中提取复介电常数的标定策略：线性与多项式回归、多变量最小二乘灵敏度矩阵模型，以及采用z-score标准化的增量参考多层感知机（MLP）。尽管多项式与最小二乘模型的性能显著优于线性回归（R2 > 0.997），但MLP与优化后的CSRR架构相结合取得了最佳性能，对两种土壤类型均实现了接近理想精度的结果（R2 ≈ 1，MAE < 0.001，RMSE < 0.001）。上述结果表明，新型CSRR传感器设计与数据驱动的MLP标定之间的协同作用，能够实现高分辨率、稳健且可现场部署的土壤含水量传感，为下一代农业与岩土工程监测系统提供了一种极具吸引力的解决方案。

基于高分辨率CSRR的微波传感器用于土壤含水量监测的论文解读

土壤含水量是地球系统中控制陆面与大气间水分和能量交换的关键状态变量，直接影响作物产量、灌溉效率以及岩土结构的边坡稳定性。可靠的土壤含水量空间分布信息是精准农业、气候适应性耕作和基础设施安全的重要支撑。由于水的介电常数远高于干燥土壤矿物和空气，土壤复介电常数可有效表征含水量，基于介电原理的传感技术由此发展起来。在众多微波传感器中，基于互补开口谐振环（CSRR）的平面传感器因其结构紧凑、品质因数高、近场电磁场约束能力强等优势而备受关注，但目前仍存在若干关键挑战：土壤含水量与复介电常数之间的非线性关系高度依赖于土壤质地、容重、温度和盐度；多数已有CSRR传感器主要依赖谐振频率偏移来反演介电常数实部，而忽略了与介电损耗相关的虚部信息；传统经验标定方法（多为线性或低阶多项式拟合）难以在不同土质和含水量范围内泛化，未能充分利用S参数中蕴含的完整信息。针对上述空白，研究人员设计并验证了一款工作于1.3 GHz附近、占用面积仅20 × 30 mm2的正方形CSRR微波传感器，结合机器学习标定策略实现质地感知的土壤含水量精准定量。

研究人员采用理论建模、全波电磁仿真与实验验证相结合的研究路径。首先利用CST微波工作室对CSRR拓扑结构和T形微带馈线进行三维电磁仿真优化，在1.3 GHz附近实现高Q值、强场约束和高频率检测分辨率（FDR）。随后在Rogers RO3010基板上采用标准PCB工艺制作传感器原型，并使用矢量网络分析仪（VNA_E5071B）测量S参数。实验选用砂土和壤土两种土壤类型，通过称重法配制不同含水量梯度的土壤样品分别覆盖0–30%和0–40%的含水量范围，在受控实验室条件下采集土壤负载的S21响应。在标定模型构建方面，研究人员系统比较了线性回归、二阶多项式回归、多变量最小二乘灵敏度矩阵模型和基于多层感知机（MLP）的机器学习标定策略，并以平均绝对误差（MAE）、均方根误差（RMSE）和决定系数（R2）作为精度评价指标。

研究得到以下主要结论。第一，传感器设计仿真与实验验证结果表明，所提出的正方形CSRR传感器在1.3 GHz附近呈现出清晰的谐振陷波特性，仿真与实测S参数具有良好一致性，验证了设计的有效性。传感器在砂土和壤土上的FDR分别达到6.09 MHz和6.86 MHz，表明其具有分辨细微介电常数变化的能力。第二，线性与多项式拟合模型对比显示，无论是砂土还是壤土，二阶多项式模型均显著优于线性模型，能够更准确地刻画介电常数实部与谐振频率偏移之间的非线性关系，其R2值分别达到0.9991（砂土）和0.9971（壤土）。第三，最小二乘灵敏度矩阵模型同时利用谐振频率偏移和插入损耗变化，成功提取了复介电常数的实部和虚部，在砂土上取得R2=0.9979、MAE=0.1759，在壤土上取得R2=0.9791、MAE=0.9004，验证了双参数联合反演的有效性。第四，基于MLP的机器学习标定模型表现最佳，在砂土上实现MAE=0.0005、RMSE=0.0007、R2=0.999，在壤土上实现MAE=0.0007、RMSE=0.0009、R2=0.999，显著优于所有经验标定方法。值得强调的是，由于可用的标定点数量有限（砂土7个、壤土9个），MLP模型是在完整数据集上训练的，所报告的指标反映的是模型在校准范围内的插值能力而非对未知数据的泛化性能，研究人员明确指出了这一局限。

讨论部分指出，与文献中已有微波土壤水分传感器相比，本传感器在紧凑尺寸、工作频率和标定策略组合上具有鲜明特色。1.3 GHz的工作频率相比常见的2.4 GHz平面传感器具有更深的穿透能力和对湿润土壤衰减的更强鲁棒性。回归模型方面，MLP以其多层非线性映射能力超越了经验模型对复杂土壤介电行为的拟合限度。误差分析进一步证实了MLP在两种土壤上的误差指标均远低于线性、多项式和最小二乘模型，且误差随含水量升高略有增加，这与高含水量下介电损耗增强和土壤异质性有关。研究结论明确指出，结合高Q值超材料启发谐振器与数据驱动标定策略，能够构建紧凑、精准且质地感知的土壤含水量传感平台，为精准灌溉调度、田间尺度水量平衡评估和岩土工程风险监测提供了可行方案。未来工作将扩展至更多土壤质地、盐度、温度和容重条件，并采集更大规模数据集以训练更复杂的机器学习架构，最终将传感器集成到自主多传感器无线监测平台中，实现长期原位监测和与农艺环境数据的融合分析。