基于机器学习的低成本传感器土壤体积含水率与田间持水量估计
信号处理
2021-02-08 v1
摘要
土壤中水的含量通过通常称为体积含水率(VWC)的参数衡量，并用于确定任何土壤的田间持水量。该参数是确保种植园地农业与造林活动合理灌溉的重要考量。当前工作是对无线地下传感器网络(WUSNs)领域已有研究的扩展。配备 Decagon 5TM 体积含水率(VWC)与温度传感器的节点被部署于地下，以了解农业活动的土壤特性。此类网络在大面积田野部署的主要障碍是 VWC 传感器的成本及所采集数据的可信度。本文分析了低成本湿度与温度传感器的使用，其可用于估计 VWC 值与田间持水量，或在昂贵 VWC 传感器实际部署前交叉验证其数据。研究了神经网络与随机森林等机器学习算法，从低成本湿度传感器预测 VWC 值。开展了多次田间实验以检验所提假设。结果表明，低成本湿度传感器能以微小的权衡协助估计 VWC 与田间持水量。
引用
@article{arxiv.2102.03354,
title = {Machine Learning based Soil VWC and Field Capacity Estimation Using Low Cost Sensors},
author = {Idrees Zaman and Nandit Jain and Anna Förster},
journal= {arXiv preprint arXiv:2102.03354},
year = {2021}
}