测定土壤含水量是许多州级和联邦机构的关键任务需求。该方案综合了多个机构采用埋设法测量土壤含水量的共同努力 原位 传感器
本文内容
摘要
摘要
土壤含水量直接影响水文运行、粮食安全、生态系统服务以及气候系统。然而，由于数据采集不一致、标准化程度低以及通常记录时长较短，土壤含水量数据的应用进展缓慢。土壤含水量，或定量称为体积含水量（SWC），通常通过埋设的原位（in situ）传感器，根据其电磁响应间接推算得出。该信号可能因局部场地条件（如黏土含量和矿物组成、土壤盐分或容积电导率、土壤温度等）而产生显著变化；这些因素对不同传感器技术的影响各不相同。
此外，土壤接触不良和传感器老化会随着时间推移影响这些测量数据的质量。与更传统的环境传感器不同，目前尚无公认的土壤含水量（SWC）数据标准、维护规范或质量控制方法。因此，对于许多环境监测网络而言，SWC测量是一项具有挑战性的任务。本文旨在建立一种基于科研社群的实践标准 原位 SWC传感器，以便未来的研究和应用在监测站点的选址、传感器安装、数据解读以及长期维护方面具有一致的指导依据。
视频重点展示多个机构共同达成的最佳实践共识及安装建议 原位 SWC传感器。本文概述了该协议以及获取高质量、长期SWC数据所必需的各个步骤。本协议将有助于希望部署单个观测站或完整网络的科研人员与工程师。
引言
土壤湿度最近被全球气候观测系统认定为基本气候变量1土壤水分，或定量表示的体积含水量（SWC），在地表与大气之间将入射辐射通量分配为潜热和显热，以及将降水分配为地表径流和入渗过程中起着重要作用。2然而，点尺度、田间尺度和流域尺度上土壤水分在时空上的变异性，增加了我们在满足研究或管理目标所需尺度上准确测量土壤含水量的难度。3新的量化SWC方法，包括基于地面的观测网络 原位 传感器、近端探测器和遥感技术为以前所未有的分辨率绘制土壤含水量（SWC）的空间变异提供了独特机遇4. 原位 SWC传感器可提供时间上最连续且具有特定深度的数据记录，但也存在感测体积较小以及受土壤特性、地形和植被覆盖等局部尺度变异性的固有影响。5.
此外，目前尚缺乏针对安装、校准、验证、维护和质量控制的统一标准或广泛认可的方法 原位 SWC传感器。土壤含水量本质上是一种难以测量的参数，可能是最难进行质量保证的变量6. 国际原子能机构已制定了用于SWC数据收集的通用方案7地球观测卫星委员会8，联邦机构报告9以及美国州立气候学家协会10，关于埋地式SWC数据的安装、维护、质量控制和验证，目前缺乏具体的指导。 原位 探头。这使得业务化监测网络（如州级中尺度气象站网）在增加土壤水分含量（SWC）测量时面临困难。同样，对于业务水文工作者（例如河流预报中心的人员）而言，将这些数据纳入其工作流程也具有挑战性。本视频及配套论文的目的是提供相关指导，并记录一套完整的埋设安装规程 原位 SWC 探针
选择一个位置 原位 土壤水分监测
任何感兴趣区域（AOI）内的土壤都是在地形、生态、地质和气候之间长期相互作用的耦合反馈过程中形成的11,12景观中土壤含水量（SWC）的空间变异性使得采样点的选择成为任何土壤水分研究中的关键环节。对于某些研究目标，可选择特定地点以代表景观或生态系统中的某一特征性地貌或微环境。而在监测网络的布设中，所选地点应能空间上代表更大范围的景观组分。其目标是找到一个能够最佳反映目标区域（AOI）空间特征的地点。在实际野外工作中，还需考虑更为实际的因素，例如其他气象仪器的布设需求、交通可达性或土地使用许可等。然而，目标区域内占主导地位的土壤图斑通常能够较好地代表更大区域的环境条件。13优势土壤图斑可通过Web土壤调查系统（https://websoilsurvey.sc.egov.usda.gov/）确定；该土壤图斑还应通过浅坑或试坑进行验证。
一个典型的监测站占地面积为5-50 m2，具体面积取决于传感器需求以及辅助测量项目的数量。图1展示了一个典型的监测站，配备一座3米高的塔架，其上安装有用于测量风速和风向的风速计、空气温度和相对湿度传感器、用于太阳辐射测量的总辐射表，以及一个符合美国电气制造商协会（NEMA）标准的防风雨且防水的防护外壳（NEMA 4级防护等级）。该NEMA防护外壳内包含数据控制平台（DCP）、蜂窝调制解调器、太阳能充电调节器、蓄电池及其他相关硬件（参见材料表；系统组件）。塔架还为通信天线、太阳能板和避雷针提供了安装平台。通常还会配备一个液态降水（PPT）量计，应将其安置在远离塔架且尽可能低的位置，以减少风对降水采集的影响。土壤水分含量（SWC）传感器应安装在距离塔架足够远（3-4 m）且位于其上方坡向的位置，以避免塔架对降雨或地表径流造成任何潜在干扰。所有相关电缆应埋设于地下管道中，深度至少低于地表5 cm。
图1：典型的监测站。 美国农业部SCAN网络按标准深度（5、10、20、50和100 cm）每小时采集土壤含水量和温度、气温、相对湿度、太阳辐射、风速和风向、降水量以及大气压力等数据。在美国境内有超过200个SCAN监测站点。缩写：SCAN = 土壤气候分析网络（Soil Climate Analysis Network）；NEMA = 美国国家电气制造商协会（National Electrical Manufacturers' Association）。 请点击此处查看此图的放大版本。
测量深度、传感器方向及数量
原位 SWC传感器通常水平安装，以代表土壤中的特定深度（图2）。由联邦资助的国家级网络，例如土壤气候网络（SCAN）14，积雪遥测网络（SNOTEL）15，以及美国气候参考网络（USCRN）16 在5、10、20、50和100 cm深度测量土壤含水量（SWC）。这些深度是在SCAN开发过程中基于多种因素达成共识后确定的。其中，5 cm深度对应于遥感技术的探测能力。17；10 厘米和 20 厘米深度是土壤温度的历史测量深度1850 厘米和 100 厘米深度的根区土壤水分储量。
探头可以垂直、水平或倾斜/成角度安装（图3）。水平安装最为常见，可实现特定深度下均匀的土壤温度测量。尽管传感器可能位于某一特定深度的中心位置，但土壤水分含量（SWC）的测量范围是围绕探针齿（即电极）周围的一个体积区域，该区域会随水分含量、测量频率以及安装方式（水平、垂直或倾斜）的几何结构而变化。对于水平安装，其感应体积包含该深度上下方的水分，且95%的感应体积通常位于探针齿周围3 cm范围内19。垂直或倾斜安装则沿探针齿方向整合土壤水分含量，因此垂直安装可反映传感器整个长度范围内不同深度的水分储存情况20。某些传感器在其探针齿上的测量并不均匀。例如，传输线振荡器对探头端部附近产生的电磁脉冲区域的水分更为敏感21。在较深位置使用的探头更适合采用垂直安装，因为在较大深度处，温度和湿度梯度通常较小。
图2安装 原位 SWC 传感器 使用（在选定深度水平放置传感器A，B零深度参考夹具和（C零深度板或（D用于参考的零深度铲柄 请点击此处以查看此图的放大版本。
图3：探头的垂直、水平或倾斜方向安装示意图。（A）倾斜插入与垂直插入，以及（B）水平-垂直插入和水平-水平插入时三针式SWC传感器的中心深度。缩写：SWC = 土壤含水量。请点击此处查看此图的放大版本。
安装深度小于50 cm时操作相对直观，而更深的传感器则需要稍多一些 effort。根区土壤含水量（SWC）或剖面土壤储水量通常需要测量至1或2 m深度。如本方案所示，0–50 cm深度的传感器安装可在挖掘的土坑或钻孔中完成，将探头水平插入未扰动的土壤中，以尽量减少地表扰动。对于更深层的传感器（例如100 cm），SCAN和USCRN均采用延长杆，将传感器垂直安装于单独的人工钻孔中（图4）。
鉴于土壤含水量（SWC）在近地表区域具有高度异质性，且传感器的测量体积较小，进行三次重复测量可更有效地反映SWC的统计特征。然而，一个剖面的 原位 传感器在大多数网络中都很常见（例如 SCAN 和 SNOTEL）。美国气候参考网（USCRN）在每个深度上使用三个相距 3-4 m 的剖面进行三次重复测量16此外，如果资金充足，增加测量的冗余性可提高观测站记录的稳健性和连续性。
图 4：传感器的安装。（A）浅层传感器通常水平安装到挖掘出的土壤坑侧壁中。对于较深的传感器，（B）使用手动钻具，以零深度参考基准（例如横跨沟槽的木条）为基准钻至目标深度，然后将传感器垂直推入孔底，可使用（C）一段经改装的PVC管，在安装过程中固定传感器和电缆，或使用（D）专用安装工具。土壤层标注为表土层（A发生层）和具有淀积黏粒（Bt）及碳酸盐累积（Bk）的底土发生层。请点击此处查看该图的放大版本。
原位 土壤含水量（SWC）传感器类型
市面上的传感器通过测量电磁信号在与土壤直接接触的探针中传播所产生的响应，来推算土壤含水量（SWC）22。埋入式传感器根据所传播的电磁信号类型及响应测量方法，可分为五类：电容式、阻抗式、时域反射法、时域透射法和传输线振荡法（补充表 S1，附各制造商信息链接）。这些技术通常按工作频率和制造商进行归类。较长的探针可测量更大体积的土壤，但在黏土含量较高或容积电导率（BEC）较高的土壤中，插入难度更大，且更易发生信号衰减。制造商报告的土壤含水量测量误差为 0.02–0.03 m3m−3，而用户实际使用中通常发现误差显著更大23。对电磁传感器进行适当的校准和标准化可提升其性能22；然而，针对特定土壤的校准超出了本实验方案的范围，本方案主要关注传感器的安装。
传感器的选择应考虑所需的输出、测量方法、工作频率以及与其他测量设备的兼容性。在2010年之前，大多数土壤水分含量（SWC）传感器为模拟式，需由数据采集器（DCP）测量差分电压、电阻或脉冲计数，这要求使用更昂贵的组件以及为每个传感器配备独立通道（或复用器）。如今，采用1200波特率的串行数据接口（SDI-12）通信协议（http://www.sdi-12.org/）使得智能传感器能够执行内部测量算法，并通过单根通信电缆传输数字数据。每个传感器可通过杠杆螺母或接线端子连接器串联连接（即菊花链连接）（图5），每个传感器具有唯一的SDI-12地址（0-9、a-z和A-Z）。SDI-12传感器的公共通信线与电源线和接地线共同构成一个单一电路。无需使用复用器或在数据采集器（DCP）端进行任何模拟测量；相反，DCP仅需发送和接收数字指令及文本行。许多SDI-12 SWC传感器还同时提供土壤温度、相对介电常数（ε）和体电导率（BEC）的测量值。这些测量对于传感器诊断和针对特定土壤的校准具有重要意义。至此，用户已完成站点选择，确定了传感器类型、数量及安装深度，并备齐所有必要的硬件设备和野外工具（材料表）。因此，可进入安装操作流程。
图5：用于将共用电源线、接地线和通信线连接至数据采集平台单一输入端的电线分接连接器和端子排。请点击此处查看该图的放大版本。
方案
1. 传感器的安装前准备
- 检查 SDI-12 地址。传感器由制造商预设默认地址。使用 ?! 命令将每个传感器单独连接至数据控制平台（DCP），以查询其地址。
注意：连接在同一数据总线上的每个传感器必须具有唯一地址（例如 0-9）。如有需要，请参考传感器手册了解 SDI-12 地址设置及修改方法。 - 在空气中、干沙中以及浸入水中分别进行测量（例如 "aM!"，其中 a 为地址）。
注意：空气中测量值应为 0.00 m3m-3（相对介电常数 [ε] ~1），干玩具沙应小于 < 0.02 m3m3（ε < 4），水约为 ~1.00 m3m-3（ε ~80）。 - 将这些测量值连同每个传感器的序列号和 SDI-12 地址一并记录在实验记录本中。使用记号笔在传感器探头和电缆末端标注地址编号。
- 检查 DCP 程序。部分 DCP 支持即插即用，但大多数需要编程以实现测量和数据记录。在实验室中安装土壤含水量（SWC）传感器及其他辅助传感器，将所有传感器连接至 DCP 和电池。将 SWC 传感器悬置于空气中、插入干玩具沙中或浸入水中，确保其探针互不接触。
注意：空气中测量值应为 0.00 m3m-3（相对介电常数 [ε] ~1），干玩具沙应小于 < 0.02 m3m3（ε < 4），水约为 ~1.00 m3m-3（ε ~80）。 - 让系统运行过夜或更长时间。确认数据以适当的频率记录，且数值（如列数、有效数字位数）正确无误。
- 同时检查其他辅助 SWC 传感器输出（例如温度和 BEC）。让系统至少连续运行 1 天，确认数据表格正确无误。
注意：部分 DCP 支持即插即用，但大多数需要编程以实现测量和数据记录。
2. 确定田间布局
- 在开始任何挖掘工作之前，必须至少在挖掘前2天拨打811（适用于美国和加拿大），以确认地下是否存在基础设施（例如电线、供水管、燃气管道）。未能确认此类安全事项可能导致重大处罚和法律责任。
- 核实坑位所在区域的土壤图谱单元。使用可在iOS和Android智能手机上获取的USDA SoilWeb应用程序查询该位置。使用直径为5–10 cm的手动土钻挖掘一个试验孔，以检查现场土壤质地是否与图谱单元描述一致。检查是否存在硬质土层（例如犁底层、钙积层或黏化层）或含大量岩屑的土层；这些情况均可能导致探针插入困难，甚至无法插入。
- 确定传感器的最佳安装位置。每个传感器应安装在未受扰动土壤的垂直剖面上。
注意：若存在坡度，应将剖面选在上坡方向，以尽量减少因土壤扰动及电缆沟引起的优先流。 - 使用一块较小的（1 m2）胶合板或防水布覆盖土壤表面，防止现场工作人员踩踏未受扰动的土壤区域。
- 确定仪器立杆的位置。确保传感器与立杆保持适当距离，以尽量减少人员走动及塔架本身可能带来的影响。
注意：标准配备的5 m电缆通常足以满足大多数安装需求。- 应尽可能使用最短的电缆长度，以减少地表扰动和电缆断裂风险。
注意：若在已有站点中仪器立杆已安装到位，可能需要更长的引线才能到达具有代表性的土壤区域；或者可考虑采用无线技术（参见“站点选择的其他考虑”）。 - 确保从传感器到仪器支架的总距离为电缆长度的80%–90%，以预留足够的电缆长度用于从安装深度引出、穿过导管并接入接线箱。
注意：当多个土壤含水量（SWC）传感器集中接入同一位置时，线路管理可能较为困难。 - 较细的电缆需埋入PVC导管中，而较粗且刚性较强的电缆可直接埋设。无论哪种方式，均需挖掘深度>10 cm、宽度10–15 cm的沟槽。
- 确保接线箱为地上传感器预留引入口，并为地下传感器设置导管接口（图5）。接线箱应安装在便于接线的操作高度（1 m）。
- 建议：将传感器电缆解开，将传感器头部置于坑壁处，电缆末端拉至仪器支架位置，确认电缆长度合适，并根据需要进行调整。
- 应尽可能使用最短的电缆长度，以减少地表扰动和电缆断裂风险。
3. 挖掘土壤剖面坑
注意：土坑可人工或机械挖掘，目标是尽量减少对整个场地的扰动。
- 对于人工挖掘的坑洞，在挖掘区域旁边铺设另一张较大的防水布（2 m2）。使用窄型铲子（例如尖头铲）挖掘一个深度约为 55 cm 的矩形坑。确保坑壁（目前由胶合板或防水布保护，见步骤 2.4）保持垂直或略微向内倾斜，以便每个传感器上方的土壤未受扰动。同时确保坑的宽度为 20–40 cm，长度比传感器总长度长约 25%。以 10 cm 为增量逐层移除土壤，并将每层土放置在防水布的远端，随着挖掘逐步向近端推进；打碎土块并清除大石块。
注：确保挖掘区域尽可能小，并留有足够的空间插入最深的水平探头。 - 对于液压驱动的打孔钻机，使用大直径（>30 cm）、长 1 m、安装在拖车上的钻具。
注：两人或单人操作的围栏立柱钻机可能存在安全隐患。- 将钻具设置在预定坑壁后方约 5 cm 处。
- 向下钻至深度超过 >50 cm，期间定期提起钻具以排出土壤。
- 使用窄型铲子修整出平整且垂直的坑壁。
- 使用铲子或手铲将坑内土壤转移至防水布上。
注：挖出的土壤将被充分混合，无法避免此情况。
- 使用重型机械开挖沟槽。
注：除非必须在 100 cm 以下进行水平安装，否则不建议使用大型挖掘设备。处理弃土堆（即挖出的土壤）可能较为困难，且挖掘机的履带和支腿会造成显著的地表扰动。- 使用轻型反铲挖掘机，配备窄斗（理想宽度小于 50 cm），挖掘一条类似宽度的窄沟，深度为 100 或 200 cm。
注：应避免移动反铲挖掘机，以尽量减少对地表的影响。 - 以 10 cm 为增量逐层移除土壤，并将每层土放置在防水布的远端，随着挖掘逐步向近端推进。确保挖掘区域尽可能小，深度约为 55 cm，留有足够的空间插入最深的水平探头。
- 使用轻型反铲挖掘机，配备窄斗（理想宽度小于 50 cm），挖掘一条类似宽度的窄沟，深度为 100 或 200 cm。
- 对于传感器电缆沟槽，从土壤坑后方挖掘一条通向仪器塔的沟槽。在坚硬地段可使用开沟铲配合鹤嘴锄或普拉斯基斧辅助挖掘。挖掘一条笔直、狭窄（约 10 cm 宽）、深度超过 >10 cm 的沟槽，并将挖出的土壤堆放在沟槽一侧。
4. 组装/搭建仪器架和外壳
注意：仪器支架有三种选择：简易立杆、三脚架或塔架。对于配备降雨量计的基本土壤湿度观测站，使用带支腿的镀锌钢立杆或不锈钢仪器支架（高120厘米）即可满足需求。对于基本的气象测量，需要更高的桅杆，以便将传感器安装在2米高度。大多数小区域气象网络（mesonets）倾向于使用10米高的塔架；然而，此类塔架超出了本实验方案的范围。
- 使用镀锌钢杆。
注意：直径 4 cm、长约 3 m 的镀锌钢管是最经济的方法。- 用手动螺旋钻在地面钻一个至少深 60 cm 的小孔。将钢杆插入孔中。确保钢杆露出地面的高度足够支撑外壳、太阳能板以及所需的任何天线。
注意：建议钢杆露出地面高度 <2 m。 - 按照说明书调配速凝混凝土或围栏立柱用发泡填充剂。
注意：某些联邦土地禁止使用混凝土，部分私人土地所有者也可能反对。围栏立柱安装可用发泡材料作为良好替代方案，且无需用水。 - 将混凝土或发泡材料倒入钢杆周围，并使用管式水平仪确保其水平。让混凝土固化数小时（理想情况下过夜），并用支撑架固定钢杆以保持其水平状态。尽管发泡材料在 30 分钟内即可固化，但仍需确保钢管至少在原位保持 2 分钟，以保证其垂直。
- 用手动螺旋钻在地面钻一个至少深 60 cm 的小孔。将钢杆插入孔中。确保钢杆露出地面的高度足够支撑外壳、太阳能板以及所需的任何天线。
- 仪器支架或三脚架（请参阅制造商说明书）
- 松开或卸下三个支架支腿的紧固件。
- 旋转或伸展每个支腿，并将其置于已挖掘好的沟槽末端上方。
- 将仪器立杆插入支腿中并拧紧固定。
- 调节每条支腿的长度，确保立杆垂直。
- 将每条支腿用桩钉固定于土壤中，并再次使用管式水平仪检查立杆是否垂直。
- 使用 U 形螺栓将外壳安装在距地面 1–1.5 m 的仪器支架上。先用手拧紧螺栓以固定外壳；最终高度调整和完全紧固将在后续步骤中进行。
注意：建议将外壳安装在钢杆的北侧，以避免日后被太阳能板碰头。
5. 土壤表征与样品采集
注意：安装后对土壤进行视觉表征对于解读土壤水分动态至关重要。样品采集可为解读提供定量数据支持。即使资金不足或本单位设施无法处理样品，也应进行采集。将样品风干并存档，以备将来可能需要进行土壤表征时使用。
- 进行基本土壤描述时，记录土壤颜色或质地发生明显变化的深度（土层）。
注意：国家土壤调查中心提供了关于土壤剖面描述与解释的详尽概述24。如果采样位置不理想，应立即转移至合适地点。 - 进行基本土壤表征时，按照 Lawrence 等人25 的方法，在每个传感器深度采集具有代表性的土壤样品，并装入1夸脱（1 L）冷冻袋中。
- 返回办公室或实验室后，将所有1夸脱样品袋打开并平铺在操作台上，使其风干至少48小时。
注意：风干可去除大部分土壤水分，同时保留有机质和化学性质，以便后续分析。 - 将样品送至大学推广实验室（例如：https://agsci.colostate.edu/soiltestinglab/）或商业实验室（例如：http://www.al-labs-west.com/）进行进一步分析。或者，由经过培训的技术人员在本单位内使用下述公认方法自行分析。
- 开展基本的实验室分析，包括土壤物理参数，如颗粒大小分布26、石砾含量（RF；大于2 mm的质量百分比）、土壤细粒部分（SF；小于2 mm的百分比）以及质地（砂粒、粉粒和黏粒的百分比）。检测基本化学参数，包括饱和浸提液电导率（dS m-1）27 和有机质含量28。
- 建议：使用取芯装置在5、10、20和50 cm深度进行容积性土壤取芯采样，以获取未扰动的定量体积样品。根据总干土质量和取芯体积计算土壤容重（BD；g cm-3）29。土壤孔隙度（φ；[-]）是土壤含水量（SWC）的物理上限。对于矿质土壤，可将φ估算为1 - BD/PD，其中以石英为主的矿质土壤的颗粒密度（PD）为2.65 g cm-3。
注意：用于测定容重（BD）的样品可通过已知体积的取芯器采集，也可使用原状土团块（soil peds）29。
- 返回办公室或实验室后，将所有1夸脱样品袋打开并平铺在操作台上，使其风干至少48小时。
6. 水平插入5、10、20和50 cm探头
注意：目标是确保传感器齿周围与土壤完全接触，避免出现任何空气间隙。
- 小心剪断所有扎带，展开每个传感器，消除电缆中的盘绕。将传感器头部置于靠近土坑的位置，电缆放入沟槽中。
- 安装深度定义为传感器水平安装时的中心位置，无论传感器表面为圆形或矩形。应将传感器精确安装在地表以下指定深度，并尽可能水平插入土壤中。使用零深度参考点和测量工具（卷尺或直尺）准确确定传感器深度（图2），并在插入过程中使用间隔器保持探针间距（图2C）。
- 首先插入50 cm的传感器。将传感器水平推入土壤，尽量避免晃动，以防产生空隙。由于50 cm探针通常最难插入，可使用接地棒以增加推力，但需小心不要损坏环氧树脂头部或使探针分离。重复插入过程，依次向上安装20、10和5 cm深度的传感器。传感器可交错排列（图2D）或堆叠排列（图2B）。
注意：SDI-12协议中的测量时序通常可防止相邻传感器同时读数，从而避免相互干扰（例如5 cm和10 cm深度的传感器）。 - 将每个传感器的电缆朝向坑壁的同一侧，使其自然垂至 excavation pit 底部。使用卷尺作为比例尺，拍摄挖出的孔洞及传感器的照片（图6A）。使用GPS确定坑位的经纬度，精度控制在几米范围内。若一天内挖掘多个点位，应使用带有唯一标识符的标牌以区分不同土坑。
图6：元数据示例照片。（A）带卷尺作为比例尺的仪器化土壤剖面坑，（B）从仪器立柱回挖的电缆沟槽，以及最终场地朝向（C）北和（D）南的照片。请点击此处查看此图的放大版本。
7. 100 cm 探头的垂直插入
- 对于安装深度超过 50 cm 的传感器，应在电缆沟内或附近为每个传感器单独钻孔（图 4A）。
- 使用手动螺旋钻（直径 5–10 cm），钻至相应的安装深度。安装深度定义为测量中心位置（例如 50 cm）减去相对于零深度参考点的探针长度的一半（图 4B）。
- 将挖出的土壤按挖掘顺序分层铺放在防水布上。
- 使用安装工具将传感器垂直插入孔底（图 4C、4D）。从最深层到最浅层依次回填钻孔土壤。分层少量回填，并充分压实，以防止孔内土壤架桥和形成空隙。
注意：压实工具可使用带封帽的 PVC 管或木棒。操作时应避免损坏传感器头部或电缆。
8. 完成传感器安装并将线路连接至 DCP
- 若传感器电缆直接埋设，请确保通向机箱的地上端部分使用PVC导管，并通过贯通接头进入机箱（图5）。
注意：若使用分离式雨量计（步骤9.1），在布线进入机箱时务必包含该电缆。 - 若使用导管，请将其铺设在电缆沟槽中，并截取至所需长度。将电缆穿入导管——此过程可能需要使用牵引绳或穿线带将电缆拉过导管。使用柔性导管或90°弯头加一段垂直导管，将电缆从导管入口引至机箱底部。
- 将电缆或电缆/导管放置于电缆沟槽底部。将电缆末端穿过机箱底部的入口，并用扎带固定。若机箱内电缆过长，可将其拉回导管中，并盘绕于开挖沟槽底部。
- 拍摄安装坑及电缆通向机箱的沟槽照片（图6B）。
- 对于土壤湿度传感器接线，每个SDI-12传感器应共用一条电源线（5–12伏）和一条接地线。可使用弹簧式连接器、拼接连接器或端子块（图5）以使连接更便捷且牢固。若使用多种类型的传感器，如有条件，应使用数据采集器（DCP）上的不同通信端口。
注意：一个故障的SDI-12传感器可能中断同一线路中其他传感器的工作。
9. 附属传感器与硬件设置
- 降水（PPT）量计
注意：为提高降水捕获效率，雨量计应安装在独立的垂直立柱上，并尽可能靠近地面。若将量计安装在横臂支架较高位置，由于风速较大，可能导致捕获量减少。- 确定安装位置。将雨量计安装在地表覆盖物上方尽可能低的位置（约1 m），并与任何附近障碍物保持至少为其高度两倍的距离30。理想位置应靠近电缆沟。
注意：雨量计电缆将在进入机箱底部前，与土壤湿度传感器电缆一同埋入地下。 - 安装垂直立柱。使用手动螺旋钻，在地面钻出约50 cm深的孔洞。将一段足够长度的镀锌钢管插入水泥或泡沫中固定（参见步骤4.1）。
- 待固定材料固化后，按照传感器说明书，使用软管夹或平板安装底座安装量计。确保量计完全水平。
注意：大多数雨量计内置有气泡水平仪。 - 将雨量计与机箱之间的电缆与土壤湿度电缆一同穿入地下管道中。
- 对于翻斗式雨量计，将两根导线接入数据采集器（DCP）的脉冲计数通道。
注意：导线可接入任一侧。 - 务必取下顶部盖板，检查翻斗机构是否活动自如。运输过程中，翻斗通常用橡皮筋固定。
注意：雨量计需要定期清洁和校准。若将雨量计直接安装在仪器支架或横臂上，请遵循步骤9.2。
- 确定安装位置。将雨量计安装在地表覆盖物上方尽可能低的位置（约1 m），并与任何附近障碍物保持至少为其高度两倍的距离30。理想位置应靠近电缆沟。
- 其他传感器
- 将辅助测量设备及天线安装在垂直立柱或横臂支架上，高度应符合地面以上适当要求10,30。
- 将导线引入地面以上机箱的入口处，并在必要位置使用扎带固定。将导线连接至数据采集器（DCP）相应的测量通道。
- 接地棒
- 在仪器立柱旁0.5 m处安装一根>1 m长的铜质接地棒。使用 fence-post driver 将接地棒打入地面，露出约20 cm。
- 使用接地夹将粗（8–10号）铜线固定在接地棒上，并将另一端固定在机箱或三脚架上。
注意：在某些情况下，接地可能并不合适。
- 连接电池。
注意：大多数数据采集器（DCP）需要5–24伏特（V）电压，其中12 V最常见；7或12安时（AH）的容量足以支持大多数土壤湿度监测站的运行。本例中采用12 V 12 AH电池组及电压调节器。- 确保充电调节器处于关闭状态。将万用表调至直流（DC）电压档，检测电池电压是否充足（对于12 V电池，应>10 V），并识别+和-端子（如未标记）。
- 将黑色（-）导线的端子连接器套在电池接地（-）极柱的铲形端子上，红色导线套在+极柱上。将红/黑导线的另一端插入电压调节器的BAT端口。
- 太阳能板
注意：通常10或20瓦的太阳能板已足够。在高纬度地区、遮阴较多区域或高功耗系统（如蜂窝调制解调器、摄像头）中，需更高功率。太阳能板应朝向一年中能接收到最大太阳辐射量的方向。- 分别用绝缘胶带包裹太阳能板每根导线的端头。
注意：若太阳能板暴露在阳光下，这些导线将带电。 - 使用U型螺栓将太阳能板安装在机箱上方、仪器支架朝向赤道的一侧（例如在美国应朝南）。根据当地纬度选择合适倾角，美国本土通常为25°至35°。
- 将电缆引入地面以上机箱的入口。拆除太阳能板导线上的胶带。将万用表调至A档（电流），检测太阳能板输出电流是否>0.1 A。
- 将万用表调至直流（DC）电压档，检测太阳能板输出电压是否>10 V，并识别+ （通常为红色）和- （通常为黑色）导线（如未标记）。将太阳能板的-导线连接至充电调节器的G（接地）端口，再将+导线连接至充电调节器的SOLAR端口。
注意：用防水布或其他不透光材料覆盖太阳能板，以减少火花产生。 - 检查CHG或充电指示灯是否已亮起。
- 分别用绝缘胶带包裹太阳能板每根导线的端头。
- 远程数据通信
注意：蜂窝数据遥测技术可实现从数据采集器（DCP）发送和接收数据。智能手机应用程序（如OpenSignal）可用于测量信号强度及最近基站的方向。推荐使用全向多频段天线；但在偏远地区，定向（八木）天线可改善信号接收。- 使用配套的U型螺栓将天线安装在仪器立柱顶部。
- 将同轴电缆连接至天线，并将另一端通过地面以上传感器管道引入机箱内。使用扎带固定电缆。
- 将电缆另一端连接至机箱内的蜂窝调制解调器。
- 系统上电
注意：此时假设数据采集器（DCP）程序已编写完成，所有传感器均已正确接线。太阳能板和可充电电池已连接至电压调节器，红/黑电源线已接入DCP电源端口。- 将电压调节器的开关拨至开启状态。启动DCP软件，并将笔记本电脑连接至DCP。确认所有传感器均正常返回数值，而非“非数值”（NaN）或错误值。
- 检查每个土壤传感器的体积含水量（SWC）、体电导率（BEC）和温度（T）值。确保SWC值在>0.05 m3/m3且<0.60 m3/m3范围内。对超出范围的传感器进行检查；重新插入或更换可疑传感器。向雨量计倒入少量水，验证DCP是否记录到计数。
注意：低BEC值（<0.001）可能表示传感器接触不良（或土壤过于干燥）。在温暖季节安装时，温度通常自上而下递减。 - 检查蜂窝通信信号强度。参照制造商文档确定信号强度。
注意：信号强度应> -100 dBm，以确保良好的信号质量。可通过旋转定向天线尝试改善信号。除蜂窝通信外，还存在多种其他通信方式（如卫星通信）。
10. 站点完成
- 当地下部分一切正常运行，且电缆或穿管保护的电缆均已布设至沟槽中并引入接线箱后，使用电气密封胶填充并密封地上和地下接线箱入口的开孔，以防止湿气侵入，并阻止昆虫进入箱体。
- 用带有醒目旗帜的永久性标桩标出表面上传感器位置的外部边界。
- 使用防水布上的土壤，按照与移除时相反的顺序（第3.1步）（从最深层到最浅层）回填挖掘区域。首先在50 cm深度处用手将土壤压实，紧贴沟壁及传感器探头周围，注意避免扰动传感器。在压实探头周围土壤时，应支撑住传感器探头，以防止传感器齿发生移动。
- 确保所有剩余的传感器电缆仍位于沟槽底部附近；然后，小心地用帆布上的深层土壤覆盖它们。将土壤压实至坑底以固定电缆，注意不要用力向下拉扯电缆。压实过程中需施加足够的力，以确保回填土壤与移除材料的容重相近。
注意：安装过程中，较湿的土壤容易过度压实，而较干的土壤则可能始终保持疏松，无论施加多大外力。 - 分层回填土坑，每层10 cm，平整并压实表面，直至达到20 cm传感器位置。再次小心地人工夯实传感器下方及周围的土壤，然后继续回填下一层10 cm厚的土壤。
- 最后，用手将土壤紧实填充在10 cm传感器周围，然后是5 cm传感器周围，确保两个传感器均保持水平且位置固定。用防水布上的表层土壤填满剩余的土坑。
注意：所有挖出的土壤均需回填至坑中。若土壤有剩余，表明其未被压实至原始容重。 - 使用开沟铲将挖出的土壤推至沟槽上方，覆盖导管。确保所有部分完全埋入地下，并位于5 cm以下。
- 使用钢耙将坑穴和沟槽中重新填埋的土壤整平，使其与原始地表齐平。充分压实导管沟槽中的土壤，以尽量减少向安装区域的优先流。
- 可选：在任何地下开口周围及地表撒上一些硅藻土，以驱赶蚂蚁、蛞蝓及其他昆虫。
- 推荐：使用便携式SWC传感器测量土壤表层周围的含水量 原位 传感器以帮助随时间进行数据验证及满足任何缩放需求。在一致的距离（如 5、10、25 和 50 m）处，沿基本方向（北、南、东、西）进行测量读数。
11. 记录站点元数据，即数据背后的数据23
注意：在安装时及每次现场访问时记录文档元数据（参见表1）。一致的元数据报告有助于不断发展的实践社区，并对确保数据和网络完整性至关重要。
- 记录安装详情，包括唯一的站点标识符、安装日期、传感器序列号、对应的 SDI-12 地址、插入方向（水平或垂直）以及埋设深度。
- 描述土壤剖面并拍摄相关照片。记录所采集任何土壤样品的样品标识符。
- 对于站点位置，记录纬度、经度、海拔、坡度、坡向、土地利用方式和土地覆盖类型。
- 记录土地所有者及联系方式，以及站点可达性信息，包括门锁或锁具的密码。
- 使用智能手机上的指南针应用（或实际指南针）和卷尺，从两个参考点（例如接地棒或三脚架的一条支腿）测量至传感器坑（以及任何传感器钻孔）的角度和距离。
注意：这将有助于后续通过三角测量确定其位置。 - 从仪器桅杆处拍摄完整站点的全景照片，分别朝北（图6C）、朝南（图6D）、朝东和朝西方向拍摄，并使用警示旗或其他明显标志物标示传感器安装位置。
表1：土壤湿度数据采集的站点元数据。 缩写：Dec. = 递减；GPS = 全球定位系统；3DEP = 三维高程计划；O&M = 运行与维护；SSURGO = 土壤调查地理数据库；Mukey = 图斑单元键。请点击此处下载该表格。
12. 操作与维护
注意：应在元数据记录中添加详细的维护日志，包括传感器更换、植被健康状况或变化，以及任何站点干扰情况。
- 至少每年进行一次常规现场检查（表2）。记录所有传感器的校准或更换情况。
- 确保定期进行植被管理，特别是对于永久性观测站，防止站点过度生长或与周围环境出现异常差异。
- 根据当地野生动物情况调整动物管理措施，必要时可设置围栏。
- 如传感器发生故障，应立即进行紧急现场维护，并安装替换设备（表2）。
表2：示例维护计划。 缩写：DCP = 数据控制平台。请点击此处下载该表格。
结果
SCAN 网络始于 1991 年美国自然资源保护局（NRCS）的一项试点项目。它是运行时间最长的土壤含水量（SWC）数据采集网络。15 以及本方案中代表性结果的基础。所有SCAN站点最初均采用模拟电容传感器。本方案视频部分所使用的位于马里兰州贝尔茨维尔的野外安装站点（SCAN 2049）进行监测（图7A) 每小时空气和土壤温度以及（图7B) 每小时在5、10、20、50和100 cm深度测定土壤含水量（SWC）。日降水量（PPT）、20 cm深度土壤储水量（SWS）及其随时间的变化（dSWS）如图所示。 图7C每次PPT事件期间，近地表（5 cm和10 cm）的土壤含水量（SWC）均出现急剧上升，而随着湿润锋在重力作用下向下运移， deeper层位的增幅则更为减弱且滞后。在2022年2月初和4月的降雨事件期间，位于100 cm深度的最深传感器处SWC达到0.33 m³/m³的稳定平台期。3/3，可持续数天。此类条件表明饱和持续时间较短。根据表征数据获得的土层干容重（表3) 为 1.73 g/cm3，孔隙度（φ）估计为0.35 [-]，进一步证明孔隙空间完全充满水。鉴于该土壤剖面为砂质壤土/壤质砂土，饱和状态很可能是由于排水不良或浅层地下水位阻碍排水所致。需注意，该地点的气温在4月之前大多数夜晚会降至冰点以下；然而，土壤温度始终维持在2 °C以上，且在任何深度的土壤含水量（SWC）数据中均未发现水冻结的迹象。
图7：位于马里兰州贝尔茨维尔的野外观测站（SCAN 2049）的示例结果。（A）每小时空气与土壤温度，（B）每小时土壤含水量（SWC），以及（C）日降水量、20 cm深度内的土壤储水量及其随时间的变化量。缩写：SWC = 土壤含水量；PPT = 降水量；SWS = 土壤储水量；dSWS = 土壤储水量随时间的变化量。请点击此处查看此图的放大版本。
表3：代表性结果中所展示数据示例的站点数据与土壤特征。 图表中呈现的所有数据均从各站点对应URL所列的美国自然资源保护局（NRCS）在线数据库中获取。表山（#808）站点无土壤特征数据。缩写：NRCS = 自然资源保护服务局；URL = 统一资源定位符；c = 黏土；fsl = 细沙壤土；ls = 壤质砂土；s = 砂土；sc = 砂质黏土；scl = 砂质黏土壤土；si = 粉土；sil = 粉质壤土；sl = 砂质壤土；nd = 无数据；BD = 容重 33 kPa。请点击此处下载该表格。
饱和现象的一个更极端的例子如图8所示，该数据来自密西西比州亚祖附近的一个SCAN站点（2110）。该地区的土壤黏粒含量非常高（超过60%），容重较低，范围为1.06至1.23 g/cm3，孔隙度φ范围为0.54至0.60 [-]（表3）。2020年4月13日首次发生约40 mm的降水事件后，土壤在所有深度的含水量（SWC）均达到>0.60 m3/m3，并持续12天保持饱和状态，数值非常接近实测的φ值。2020年4月20日发生的第二次降水事件（70 mm/天）对土壤储水量变化（dSWS）无明显影响，表明此时已产生超渗产流。2020年11月也出现了类似的饱和时期。尽管在100 cm深度无测量数据，但50 cm深度的土壤含水量（SWC）基本稳定在0.39 m3/m3，仅在夏末略有下降至0.36 m3/m3。站点记录（补充表S2）表明，此处使用了“壤土”类型传感器的特异性校准方法31，这与大多数SCAN和USCRN站点所用的电容式传感器的校准方式一致。这两个实例均说明了在站点特征描述阶段（步骤5）获取土壤特性与容重（BD）数据对于解释土壤含水量（SWC）数据的重要性。
图 8：位于密西西比州亚祖附近湿润温带地区（SCAN 2110）的示例结果。 （A）每小时空气和土壤温度，（B）每小时土壤含水量（SWC），以及（C）每日降水量和土壤储水量变化。缩写：SWC = 土壤含水量；PPT = 降水量；SWS = 土壤储水量；dSWS = 随时间变化的 SWS 差值。请点击此处查看此图的放大版本。
图9 呈现了一个更为简洁的时间序列 原位 在五个深度上测量五次湿润事件后的土壤含水量，这些湿润事件导致湿润锋在土壤剖面中依次向下推进。该SCAN站点（2189）位于加利福尼亚州圣路易斯奥比斯波附近，属地中海气候，春季湿润，夏季漫长干燥，土壤为砂质壤土，孔隙度φ介于0.37至0.51[-]之间表3）。土壤表层湿润后的响应迅速，且响应幅度随深度增加而减小。持续5天的最后一次较大降水事件足以在50 cm和100 cm深度观测到响应。随着深度增加，土壤温度的昼夜振幅逐渐减小，且最高温度和最低温度出现的时间较气温及浅层土壤温度的峰值时间滞后更明显。图9A）。尽管这些特征在区分传感器深度方面具有一定作用（如下一节所述），但其对5 cm和10 cm深度处土壤含水量（SWC）波动的影响也较为显著。SWC的振幅约为0.02 m3/3 在5 cm处，约0.01 m3/3 在10厘米深度处更为明显，而在更深层的传感器中则几乎可以忽略。该现象与土壤温度变化同步，噪声更可能是由温度波动引起，而非土壤水分的实际移动或真实降水所致。该较干燥的站点（2189）土壤温度的昼夜变化远大于较湿润的田间布设站点（2049），后者在土壤含水量（SWC）数据中未显示出温度噪声图7B).
图9：位于加利福尼亚州圣路易斯奥比斯波附近的半干旱地中海气候站点（SCAN 2189）的示例结果。 （A）每小时空气和土壤温度，（B）每小时土壤含水量（SWC），以及（C）每日降水量和土壤储水量变化。缩写：SWC = 土壤含水量；PPT = 降水量；SWS = 土壤储水量；dSWS = 随时间变化的SWS差值。请点击此处查看此图的放大版本。
图10 展示了冻土和积雪覆盖条件下一种较为复杂的土壤含水量（SWC）数据解读情况。该站点（808）位于蒙大拿州博兹曼附近，海拔4,474英尺。2020年冬季（12月、1月和2月）期间，日气温偶尔高于冰点。土壤温度在3月之前一直维持在略高于0 °C的水平。地表积雪的存在使土壤与气温变化之间形成隔热层。此外，在湿润土壤中，与冻融循环相关的相变过程会释放潜热并消耗能量，从而缓冲土壤温度变化，使其在相变完成前始终非常接近0 °C。冰的介电常数（ε）较小，在冻土中表现为SWC显著下降，随后在解冻过程中回升，且无任何降水（PPT）迹象。这种情况在12月中旬和3月中旬尤为明显，当时气温迅速下降，5 cm和10 cm深度的SWC连续3天降低，随后反弹。100 cm深度的土壤温度在11月中旬达到冰点，此前秋季及整个冬季该层土壤含水量均处于较低水平，且在春季解冻期间未发生变化，提示该传感器可能存在故障。然而，其他传感器观测到的快速下降与恢复是否真实反映了液态土壤水分的变化尚不确定；若缺乏关于积雪存在与否或积雪深度的辅助测量数据，此类数据的解读将极具挑战性。通常情况下，接近或低于冰点的SWC数据会在质量控制过程中被剔除。有关接近冰点土壤温度的更多讨论见数据记录质量控制部分。
图10：位于蒙大拿州三叉镇附近的半干旱高山站点（SCAN 808）的示例结果。 （A）每小时空气与土壤温度，（B）每小时土壤含水量（SWC），以及（C）每日降水量和土壤储水量变化。缩写：SWC = 土壤含水量；PPT = 降水；SWS = 土壤储水量；dSWS = 随时间变化的SWS差异。 请点击此处查看此图的放大版本。
其他示例和表征数据均来自SCAN数据库（见表3中的统一资源定位符[URL]）。这些数据的报告和质量控制需要进行一定的解读，以判断是否存在可解释任何异常行为的物理机制。我们的解读缺乏对站点当地情况的了解，尽管已有多年评估土壤水分时间序列的经验，但仍难以准确区分性能良好的传感器或安装与性能不佳或失败的传感器或安装。
图11 展示了从2020年至2021年期间40个SCAN站点中随机选取的常见问题数据记录示例。最常见的错误包括尖峰（图11A）以及向上（图11B）或向下（图11C）的阶跃变化，这些均已被国际土壤水分网络32标记为异常。对于这些情况，均无同期的降水事件（PPT）可解释此类变化，因此可视为错误数据。当仅查看日均值时，瞬时尖峰或波动的问题会被加剧，因为此类事件可能被掩盖。最好在进行任何均值计算之前先将其剔除。阶跃变化的起始和结束时间点可能较为明显，但在其间填充数据则较为困难。本方案不涉及数据填补方法，仅对错误数据进行标记。异常行为（图11D）表现为无规律的剧烈波动，且对降水事件无任何响应。在某些情况下，经过线路检查和多路复用器更换后，尖峰现象可能会消失，如图11A中2020年8月之后所示。更常见的是，异常行为是传感器即将失效的前兆，如图11E所示。位于10 cm深度的传感器在1月份已出现异常行为的合理预警，并于3月下旬失效；然而，位于5 cm深度的传感器则在2021年3月1日毫无预警地突然失效。
图11：问题记录示例。（A）美国阿肯色州Uapb-Marianna站点SCAN 2084，显示5 cm深度处周期性下降；（B）美国新墨西哥州Adams Ranch #1站点SCAN 2015，50 cm深度出现正向阶跃变化；（C）美国蒙大拿州Table Mountain站点SCAN 808，50 cm深度出现向下阶跃变化、尖峰波动及部分恢复；（D）美国德克萨斯州Bushland #1站点SCAN 2006，5 cm和10 cm传感器对降水事件无响应，10 cm传感器出现部分恢复后，两个传感器均即将失效；（E）美国佐治亚州Little River站点SCAN 2027，20 cm传感器出现异常波动，5 cm和20 cm深度传感器均发生灾难性故障。传感器深度以不同颜色表示：5 cm（黑色）、10 cm（蓝色）、20 cm（橙色）、50 cm（深灰色）、100 cm（黄色）。缩写：SWC = 土壤含水量；PPT = 降水量。请点击此处查看该图的高清版本。
在SCAN 2084站点，数据记录始于2004年2月6日，期间多次记录到与SDI-12多路复用器相关的异常行为，这些多路复用器已被多次更换（补充表S2）。然而，传感器为原始设备，经过18年仍保持正常运行。SCAN 2015站点的数据采集始于1993年10月25日，其中图11B中50 cm深度的传感器自2017年起被认为存在可疑数据（补充表S2）。历史最久的站点SCAN 808自1986年9月30日开始报告数据，并于2006年10月25日转为SCAN站点；截至目前，该站点尚未更换过任何传感器。如图11E所示的异常情况并不总是导致传感器失效，因为图10中仍可获得合理数据。SCAN 2006站点自1993年10月1日开始报告数据；图11D中原始的5 cm和10 cm深度传感器已于2022年1月24日更换。SCAN 2027站点自1999年5月19日开始报告数据；图11E中原始的5 cm和10 cm深度传感器已于2021年8月13日更换。如前所述，SCAN站点最初采用模拟电容式传感器。许多此类传感器已持续使用超过20年，尽管其在整个使用期间未必始终提供最高质量的数据，但仍保持功能正常。何时更换传感器仍是实践者面临的一个未解问题。图11中各站点的站点元数据和土壤特性详见补充表S3。
数据报告
连续的 原位 SWC传感器每个时间记录间隔报告3到6个数值。加上任何辅助测量，SWC传感器的长期部署会产生大量单值数据，需要进行存储和传输。环境测量在离散的采样间隔内进行，并随时间累积，最终形成数据记录。大气测量的采样频率因测量项目而异；风速和太阳辐射测量的采样频率较高（<10 秒）以及更长的空气温度和湿度测量间隔（60 秒）30这些样本值在报告间隔内进行平均或累积，报告间隔可从5分钟到1小时不等。类似地，土壤含水量（SWC）可在报告间隔内进行瞬时采样，或以较短间隔（例如每5分钟）采样后，再平均为30分钟或60分钟的平均值，因为SWC的变化动态相对较慢。尽管从更频繁的采样中进行平均可减少温度波动、电磁干扰以及传感器自身变异性带来的噪声，但并不推荐这样做，因为如前所述，数据尖峰可能使平均值产生偏差。大多数SWC数据记录每小时采样一次即可满足需求；但在排水速度较快的区域（如砂质土壤）以及降水强度较高的地区（如季风气候区），部分监测网络会采用20分钟的时间间隔，以充分捕捉降雨事件。最后，数据传输或遥测可能受限于技术条件（例如卫星系统），或根据数据量和传输频率产生不同成本等级。优化报告间隔和遥测变量有助于控制成本。例如，优先传输原始值（如ε或计数值），而非在后期处理中可计算得到的衍生值（如SWC）。数据分辨率也会影响遥测数据包的大小；然而，重要的是应以0.1%的分辨率将SWC表示为百分比形式（0.0–100.0%），或以0.001的分辨率表示为小数形式（0.00–1.00）。3m-3m 的十进制版本3m-3 为避免与后续分析和报告中水分含量的百分比变化产生混淆，以及避免与以质量为基础的水分含量（g/g）产生混淆（后者也可能以百分比水分含量表示），强烈推荐使用此方法。土壤温度、ε 和 BEC 通常分别以 0.1 °C、0.1 [-] 和 0.1 dS/m 报告。-1 分别的分辨率。
数据记录质量控制
数据记录质量控制过程用于验证数据并记录其质量。准确的野外记录和校准日志对于处理数据记录至关重要。处理记录的典型步骤包括初步评估、剔除明显错误的数据、应用任何导出值的计算或校正，以及最终的数据评估。土壤水分含量（SWC）记录通常包含一个信号（例如 ε、计数或 mV）、土壤温度和体电导率（BEC），这些参数不同程度地用于推导 SWC。传感器也可能输出由制造商提供的 SWC 值。然而，没有任何传感器能够直接测量 SWC；该计算可作为数据计算步骤的一部分，前提是存在适当的校准方程，并将其纳入元数据记录中。记录可以是瞬时测量值，也可以是某一时段内的平均值。建议保留原始数据，以便能够计算出最合适的格式，用于质量控制，并将校准方程的改进或对传感器理解的提升应用于原始数据。应根据传感器特性决定记录瞬时值还是多次读数的平均值，但基于前述原因，优先推荐记录瞬时值。
将辅助数据（参见下文的数据验证）纳入质量控制工作流程有多种方法。首先检查“降雨事件后土壤含水量（SWC）是否增加？”在没有降水（PPT）的情况下，SWC 也可能上升（例如融雪、地下水排泄或灌溉）。第二个检查步骤是将土壤储水量的变化与特定事件的总降水量进行比较（图7C）。理想情况下，该事件应为一次孤立的、低强度降雨事件。降水从地表入渗土壤并向下渗透，SWC 的峰值应呈现类似的向下移动模式（图7B）。然而，优先流可能导致入渗水绕过浅层传感器，或在深层传感器处引发快速响应。尽管这些可能是“真实”的响应，但安装沟槽压实不良或单个传感器周围填埋不实，也可能导致水分被优先引导至传感器。在解释对降雨或融雪事件的异常响应时，应谨慎并结合常识使用湿润锋到达时间的偏差分析。如表3所示，土壤容重（BD）决定了矿质土壤中孔隙空间φ [-] 的上限。若测得的含水量常规性地超过φ值，则表明传感器可能故障或校准不当。前一种情况下，数据可能需从记录中剔除；后一种情况下，通过重新校准可能保留记录，并根据新的校准结果修正数值。
土壤温度是另一个有助于数据质量控制的变量。土壤温度在土柱中向下传播，并随深度增加而衰减（图7A）。靠近地表处的温度峰值应更早出现且更高，随着传感器埋设深度的增加，其峰值出现的时间滞后也应逐渐增大。若传感器的滞后时间顺序异常，可能表明深度标识错误或SDI-12地址设置不正确。如图10所示并进一步讨论，电磁传感器依赖介电常数（ε）的变化进行测量，其数值范围约为：冰为~3，水为~80。土壤水分含量（SWC）传感器可记录水与冰之间的相变过程。然而，由于传感器的测量体积与土壤温度热敏电阻的测量体积不同，可能需要提高标记阈值，该阈值最高可达4 °C。由于冻结程度及液态水相对含量对于评估土壤水文状况具有重要意义，因此这些数据应被标记为受冻结影响，而不应直接剔除。最基本的原则是，质量控制应能将任何异常的传感器响应归因于某种物理机制，否则即视为误差。尽管自动化质量控制程序对于大规模监测网络和多样化的数据来源是必要的13,33,34,35，但长期数据质量的维护仍无可替代人工对数据的直接审阅。
数据验证
SWC 数据最具挑战性的方面之一是数据验证——“传感器提供的数据是否良好且准确？”大多数环境传感器在部署后仍可接触，可在使用一段时间后更换为新传感器，送回制造商或实验室，依据标准进行重新校准，和/或通过野外采集的样本对数据进行验证。气象组织对大气传感器遵循严格的程序，包括传感器轮换、维护以及现场校准，从而通过预防性维护实现数据验证的第一步10,30.SWC传感器被埋入 原位 且在不造成现场显著扰动和传感器潜在损坏的情况下，无法进行审计或重新校准。此外，目前尚无被广泛接受的土壤含水量（SWC）传感器标准，因此数据验证需要了解传感器预期响应特性，并对传感器本身的可靠性有一定信心。这两点都依赖于实地操作中的实践经验以及遵循最佳实践规范（例如，站点维护与定期检查）。若出现如文中所述的异常性能问题， 图11，若变为慢性，传感器极有可能失效，应予以更换。
电磁传感器没有活动部件，其导线和电路通常较为耐用。德克萨斯土壤观测网络报告称，经过3年运行，传输线振荡器传感器的故障率为2%21。美国气候响应网络（USCRN）在使用阻抗传感器超过10年后报告称，2014年至2017年间，每100个传感器中有15至18个探头的故障率显著上升36。如图11所示，大多数SCAN传感器在失效前已使用超过20年。建议在传感器失效前进行更换，以便能够在空气、水和沙中重新校准，检查其是否相对于部署前的数值发生漂移（如果这些数值已被记录，例如步骤1），以及其他原因。然而，对土壤含水量（SWC）传感器进行定期更换在实际操作中较为困难，在大型监测网络中也较少实施，目前我们尚不了解任何关于电磁式SWC传感器长期性能变化的系统性评估。美国气候响应网络在使用电容传感器超过10年后，目前正在转向一种新的传感器技术。该计划要求新旧传感器之间至少有2年的重叠期，以便进行必要的数据调整。
定期维护访问应包括对SWC数据的验证，理想情况下应在多种水分条件下进行。这可以通过便携式传感器间接实现，最好使用现场采集的土壤样品或容积土壤芯样进行校准。最佳方法是进行比较 原位 与等深度体积土壤样品的土壤水分特征曲线（SWC）相对应的传感器读数37 (图12）。计划维护时应尽量涵盖多种土壤湿度条件，以便对直接/间接土壤含水量（SWC）测量值与同步传感器读数进行简单回归比较。深层土壤采样可通过钻孔或机械取芯装置完成。如前所述，由于深层传感器对降水（PPT）的响应特性应与表层传感器相似，因此仅验证表层传感器（如5 cm和10 cm深度）可能已足够。这种事后SWC评估存在若干局限性。主要缺点在于，体积含水量样品无法（也不应）直接在传感器位置采集，因而可能无法真实代表传感器探针周围感应体积（3 cm范围内）的SWC状况。这导致第二个缺点：需要更多采样点和采样深度才能获得具有代表性的田间SWC值，这可能导致现场出现大量孔洞并造成较大扰动。第三个缺点是在不破坏土壤剖面的前提下，难以在深层获取体积土壤样品。
图12体积SWC数据。 60 cm 处的 SWC 数据3 作为田间校准数据采集的土壤芯样与来自SWC的土壤含水量进行比较 原位 传感器位于15、30、45和60 cm深度，土壤质地从壤质细砂到黏土不等。该图改编自 Evett 等人。37缩写：SWC = 土壤含水量。 请点击此处以查看此图的放大版本。
美国农业部自然资源保护局（NRCS）开发了一种使用土钻孔进行土壤采样的方法，该方法采用连接在延长杆上的容积式采样管（马德拉式采样器），从土钻孔底部采集样品38这些直接测量结果还可以与便携式传感器的间接测量结果相结合37,39,40 提供经过校准的评估 原位 传感器的空间代表性13,41如方案步骤10.10所述，可重复此过程，以通过某些指标（例如均方根误差、偏差、相关性）来确定近期是否存在偏差 原位 传感器对土壤含水量（SWC）的直接采样或间接估算。国际原子能机构（IAEA）也提供了更多详细信息。7土壤挖掘和表征数据（见步骤3和步骤5）也提供了关于φ值的信息（土壤含水量不应超过此值）。土壤质地和土层结构可说明高/低导水性区域以及土壤持水能力。这些步骤与森林土壤采样方案高度一致。25所需的代表性尺度可用于收集验证数据集，之后可将站点扩展到已验证的范围42如果更换了站点传感器类型，应合理地在多种土壤水分条件下重新收集一组验证数据，以再次捕捉安装偏差。
辅助数据集有助于验证和评估SWC数据。显然，若现场设有降水（PPT）测量仪，可有效验证事件发生的时间、持续时长和强度，从而显著提升水文时间序列数据的质量。土壤基质势传感器可提供土壤水分的能量状态信息，这对于量化植物可利用水分至关重要。气象传感器（包括空气温度、相对湿度、风速和太阳辐照度）能够直接计算参考蒸散量（ET），该参数可作为植物相对吸水情况以及土壤干燥速率的有用参考43。目前已有多种经济实用、集成化的气象传感器可供选择，其输出接口支持SDI-12协议。若地下水位接近地表且可安装监测井，则通过压力传感器获取的地下水位信息也是一项有价值的测量指标。最后，田间摄像头既具有科学价值，也可用于站点安全监控。数字图像可用于记录植被生长状况和绿色程度44，同时无需实地巡查即可评估站点的整体运行状态。
补充表 S1：常见（但非全部） 原位 SWC 传感器技术 请点击此处下载此文件。
补充表 S2：从 NRCS 在线数据库中提取的本方案所涉及所有站点的传感器历史日志。 数据可通过各 URL 获取。请点击此处下载该文件。
补充表 S3：文中示例数据的采样点信息与土壤特征 图11. 请点击此处下载此文件。
讨论
土壤水分状态是多种不同环境因素共同作用的结果，包括降水、植被、太阳辐照度和相对湿度，以及土壤的水力与物理特性。这些因素在不同的空间和时间尺度上相互作用。为了模拟和预测水循环、能量循环及碳循环，必须了解土壤含水量（SWC）的状态。最常见的一类自动化测量技术是采用带探针的电磁式SWC传感器，探针用于插入土壤中 原位 进入未受扰动的土壤。本方案旨在为安装这类常见的可埋设传感器提供指导。传感器的精度、性能和成本通常与其工作频率成正比；低频传感器成本较低，但更容易受到土壤和环境因素的干扰45土壤或地点特异性校准可提高低频传感器的准确性。由于电磁场（EMF）的基本物理原理，测量方法也会影响传感器的性能。
两个主要的电磁物理定律支配着电磁感应。其一是高斯定律，它描述了传感器传播的电磁场（EMF）如何依赖于介质的介电常数（ε）和体电导率（BEC）。然而，随着土壤含水量（SWC）的增加，介电常数增大，体电导率也随之升高。因此，依赖高斯定律的传感器会受到土壤含水量、体电导率以及温度对体电导率影响的作用，同时还可能受到盐分干扰的影响。电容式传感方法遵循高斯定律，因而更容易受到这些因素的影响46。此外，高斯定律还描述了电容对几何因子的依赖性，而该几何因子会随着电磁场在土壤中分布形状的变化而改变。研究表明，电磁场的形状会随土壤结构以及传感器探针周围水分含量的小尺度空间变异性而变化。在大多数土壤中，水分含量的小尺度空间变异性及土壤结构差异显著，导致几何因子发生变化，进而引起电容变化，而这些变化与整体平均土壤含水量的变化关系甚微。这些因素降低了电容传感器的准确性，并增加了数据的变异性46,47,48。阻抗法和传输线振荡法同样依赖于高斯定律，而时域反射法（TDR）和时域透射法（TDT）则基于麦克斯韦方程组，后者不包含几何因子，也不依赖于体电导率。尽管没有任何传感器是完全无问题的，但时域方法通常比基于电容或阻抗的方法显著更准确且偏差更小。
该流程中有若干关键步骤。对于稀疏网络而言，需要合理选择站点并确定传感器位置，以实现对土壤水分含量（SWC）最具代表性的空间表征。站点选择可能更多受到外部因素影响，例如土地使用权，或在土壤湿度作为辅助测量项目的其他大气监测需求。中尺度气象站点通常位于开阔、平坦且维护良好的草地表面，以尽量减少任何微尺度影响。然而，此类位置对于SWC监测可能并非理想选择。若条件允许，应考虑采用无线传感器技术。49,50,51,52,53 以便在远离现有环境监测站且具有代表性的土壤中进行土壤含水量（SWC）监测。在活跃的农田作业区和灌溉设备周围开展工作具有挑战性。大多数监测网络（例如 SCAN 和 USDA-ARS）通常将设备布设在田块边缘，以避开犁地或收割等耕作活动，防止电缆被切断或传感器被挖出。任何 原位 传感器和电缆需要充分埋设，并保持足够低的表面轮廓，以避免影响农场的正常作业。无线系统53 可拆卸式钻孔传感器47 可能更为合适。基于大规模土壤水分的地下水保护灌溉54 是SWC传感器的一个新兴领域；本方案涉及在未受干扰的土壤中获取具有空间代表性的长期SWC数据。
某些土壤比其他土壤更难测量。在多石、多砾石或非常干燥的土壤中，可能无法在不造成损坏的情况下插入探针。一种选择是挖掘土壤坑，在回填时将传感器就地放置，并尽量将容重压实至原始状态。多石土壤通常结构较少，经过数次干湿循环后可能恢复；然而，这种扰动可能永远无法真正代表该地点的土壤水文状况。另一种方法是，如果将传感器安装在钻孔底部，可将挖出的土壤过筛以去除石块，然后将过筛后的土壤重新填入孔中，深度刚好足以容纳传感器探针。随后可垂直安装传感器，并用剩余未过筛的土壤回填钻孔，同时在添加土壤时频繁压实。
森林土壤中的根系会对探针插入造成类似的困难，但在某些情况下可以切断根系。森林土壤表层通常覆盖有有机质层（O层），其容重（BD）很低且比表面积很高，含有大量结合水，导致在较高土壤含水量（SWC）下传感器响应呈高度非线性55。此外，操作人员需将零点基准面设定为O层顶部或矿质土壤表面，并在元数据中注明所选位置。富含黏粒的土壤以及具有高收缩/膨胀潜力的膨胀性黏土在湿润时对电磁信号的传导性极强，而在干燥时可能发生开裂。这类土壤可能需要对原始测量数据进行额外校正，才能获得合理的土壤含水量值56,57。在浅层土壤中，可能在达到理想最大深度之前就遇到基岩或限制性土层（如钙积层或硬磐层），此时可能需要更换安装位置，或干脆不安装较深的传感器。过于干燥或过湿的土壤都会带来挑战，因此最好选择避开季节极端条件的时间进行安装。干燥土壤强度很高，可能导致传感器无法插入而不受损。如有必要，可向预先钻好的孔洞中注水以软化坑壁，但土壤可能需要较长时间才能恢复至自然状态。过湿的土壤则可能强度太低，无法维持坑壁稳定，或导致沟槽积水，同时湿土也更容易被过度压实。
传感器输出应包含介电常数，而不仅仅是土壤含水量（SWC），以便后续进行校正或针对特定土壤的标定。在阳离子交换量（BEC）较高的土壤中，宜选用较高频率的传感器；而在较紧实的土壤中，较短探针的传感器可能更易于安装。然而，或许最关键的步骤是确保传感器与土壤的良好接触；接触不良会显著降低任何电磁传感器的信号质量。此外，回填挖掘区域看似简单，实则至关重要，它有助于最大限度减少水分优路径流进入传感器区域，保护电缆，并防止动物扰动该区域。针对特定土壤或场地的标定可提高传感器的测量精度，但其操作细节超出了本实验方案的范围。将野外采集的土壤调节至不同含水量水平并重新填装，是检验传感器响应线性度的理想方法，也可作为某些类型传感器的场地特异性标定手段。21介电液体也可作为检测传感器响应的有效介质58. 可使用控温水浴来改进土壤温度校准59. 本方案是建立标准操作程序的第一步 原位 SWC传感器的安装，由于目前尚无现有方法，也无公认的SWC传感器校准方法60,61.
尽管本方案的重点是土壤含水量（SWC）监测，但该方法存在局限性，仅靠SWC无法全面反映土壤水分状况。许多生态系统过程还受到土壤水势的调控，而土壤水势在原位条件下的测量相对较少。62土壤水势，近期由 S. Luo、N. Lu、C. Zhang 和 W. Likos 综述 63，是水的能量状态；这类传感器可能受土壤特性的影响较小，并可为土壤含水量传感器提供质量控制64此外，容积含水量（SWC）的测定包含砾石、岩石、根系以及孔隙空间（例如，优先流通道）。 原位 SWC传感器通常会被放置在岩石和根系周围，其测量体积有限，且集中在叉状探针附近，可能遗漏土壤整体含水量中某些局部但重要的特征。
本方案有望为多种应用提供更加协调统一的表层土壤含水量（SWC）数据，包括干旱监测、供水预测、流域管理、农业管理及作物规划。随着遥感平台的出现4 极大地提升了全球范围内估算土壤含水量的能力，但这些产品需要地面验证，而地面验证目前仍主要依靠合理采集的实地数据 原位 网络65计算机技术的进步使得高分辨率SWC建模成为可能66 正在开发中，以生成高分辨率和次日尺度的土壤水分含量（SWC）状态，但这些产品也需要 原位 SWC 估计值，以提供计算不确定性的某些依据。当推出新产品时，通常首先被问到的问题是 "不确定性是什么？" 对于SWC产品，验证的主要比较对象是 原位 网络数据67.
近期，国家协调土壤湿度监测网络（NCSMMN）进行了网络扩展，包括美国陆军工程兵团密苏里河上游流域土壤湿度项目以及美国国家海洋和大气管理局（NOAA）支持的美国东南部网络建设，这些项目均旨在提升对水文灾害的预测与监测能力，并为资源管理决策提供支持。要实现此类应用中对土壤含水量（SWC）估算的确定性和准确性，必须依赖完善的协议和流程，以确保数据完整性可信可靠。NCSMMN 是由联邦政府主导、多机构协作的项目，旨在通过围绕土壤湿度测量、解释与应用建立实践共同体——一个连接数据提供者、研究人员和公众的"人员网络"68，从而提供协助、指导与支持。本方案即为 NCSMMN 工作成果之一。数据质量控制工作流程即将发布。
披露
任何对贸易名称、公司或产品名称的使用仅用于描述性目的，并不意味着美国政府的认可。本文属于美国政府工作，在美国境内属于公共领域。美国农业部为平等机会雇主和供应商。
致谢
作者感谢美国国家海洋和大气管理局-国家综合干旱信息系统（NOAA-NIDIS）、国家协调土壤湿度监测网络（NCSMMN）以及美国地质调查局下一代水观测系统（NGWOS）项目提供的资金支持。感谢国家协调土壤湿度监测网络执行委员会成员 B. Baker、J. Bolten、S. Connelly、P. Goble、T. Ochsner、S. Quiring、M. Svoboda 和 M. Woloszyn 对本实验方案提出的建议。感谢 M. Weaver（美国地质调查局）对本方案初稿的初步审阅。
材料
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| 系统组件，必要 | 该系统是 TxSON 土壤水分网络中典型的微型站点。TxSON 气象站列于可选组件中。https://acsess.onlinelibrary.wiley.com/doi/full/10.2136/vzj2019.04.0034 | ||
| 电池，密封可充电 12 V 12 AH | 坎贝尔科学公司 | BP12 | 最小 7 安时（AH） |
| 充电调节器 | 坎贝尔科学公司 | CH200 | 电荷调节器，任何未调节的太阳能板均需配备 |
| 导管，40 号 PVC，1 至 2" 直径 | 任意家居用品商店 | 直径应根据传感器数量和电缆厚度适当选择。长度取决于外壳高度 | |
| 数据采集软件 | 坎贝尔科学公司 | PC400 | 免费版本功能有限，适用于较基础的应用，手动下载和简单传感器配置 |
| 数据控制平台 | 坎贝尔科学公司 | CR300 | 任何兼容 SDI-12 的 DCP 均可满足要求。许多设备还提供集成蜂窝调制解调器 |
| 外壳（NEMA），10 x 12 英寸，-DC 2 个用于电缆的导管，-MM 三脚架桅杆安装座 | 坎贝尔科学公司 | ENC10/12-DC-MM | 需要两个底部导管用于地上和地下仪器 |
| 安装杆（47 英寸）带底座支腿 | 坎贝尔科学公司 | CM305-PL | 占地面积小，但高度不足以安装气象传感器 |
| 雨量计，8 英寸口径，20 英尺电缆 | 坎贝尔科学公司 | TE525WS-L20-PT | 建议将雨量计安装在距离仪器支架一定距离的独立垂直杆上 |
| 传感器，12 cm 水分反射计，17 英尺电缆，-VS SDI-12 地址可变 | 坎贝尔科学公司 | CS655-17-PT-VS | 更多选项请参见补充表 1 |
| 太阳能板，20 W | 坎贝尔科学公司 | SP20 | 北方站点使用更高功率的太阳能板，南方日照较强的站点可使用较低功率的 |
| 系统组件，可选 | |||
| 蜂窝天线，2 dB 多频段全向 | 坎贝尔科学公司 | 32262 | 若已知基站位置，定向天线可改善信号。 |
| Verizon/ATT 蜂窝调制解调器 | 坎贝尔科学公司 | CELL210/205 | 运营商取决于站点位置 |
| 横臂安装座，4 英尺 | 坎贝尔科学公司 | CM204 | 适用于安装 2 米高的传感器 |
| 数据采集软件，高级 | 坎贝尔科学公司 | Loggernet | 更高级的商业软件，包含远程通信选项和高级编程功能 |
| DIN 轨道穿孔钢 | 菲尼克斯接触（Phoenix Contact） | 1207639 | 用于在外壳内安装接线端子 |
| 镀锌钢水管，1.5 或 2 英寸直径，10 英尺长 | 任意家居用品商店 | 作为仪器桅杆最经济的选择。可按需截断。可替代带支腿的 47 英寸安装杆 | |
| 仪器三脚架，10 英尺不锈钢，带接地套件 | 坎贝尔科学公司 | CM110 | 较高的仪器支架，用于安装 2 米高的气象传感器 |
| 杠杆螺母连接器，五端口（图 5） | Digi-Key | 222-415/VE00/1000 | 将一根 SDI-12 线连接至四个传感器线。可替代 DIN 轨道。 |
| 零调制解调器电缆 | 坎贝尔科学公司 | 18663 | 带调制解调器的 DCP 之间的接口电缆。集成蜂窝调制解调器无需此电缆 |
| 插接桥接器 - FBS 3-5 | 菲尼克斯接触（Phoenix Contact） | 3030174 | 用于连接多个接线端子的电路。可在 mouser.com 购买 |
| Secure Set 泡沫，10 根桩套件（2 加仑） | 任意家居用品商店 | 使用钢管桅杆或雨量计杆时可替代混凝土。双组分泡沫混合物 | |
| 传感器，空气温度和相对湿度，10 英尺电缆 | 坎贝尔科学公司 | HygroVUE10-10-PT | 精度较低的选项。可更换芯片是满足年度校准周期的最快方式。 |
| 传感器，太阳辐射热电堆式总辐射表，数字式 | 坎贝尔科学公司 | CS320 | 最便宜的，ISO C 类（二级）。有更优选项但价格昂贵得多 |
| 传感器，风速风速计，10 英尺电缆 | Met One | 014A-10 | 更昂贵的选项包括风向或无活动部件的超声波传感器 |
| 空气温度和相对湿度传感器用太阳辐射屏蔽罩 | 坎贝尔科学公司 | RAD10E | 所有空气温度传感器均需遮蔽阳光 |
| 接线端子（图 5），贯通式 | 菲尼克斯接触（Phoenix Contact） | 3064085 | 连接多个 SDI-12 传感器线的最可靠方法。可在 mouser.com 购买 |
| 现场工具，必要 | |||
| 冷冻袋：夸脱和加仑尺寸 | 任意杂货店 | 用于储存采集的土壤样品以进行表征 | |
| 各种挖掘工具，包括手铲、平头锹和尖头锹 | 任意家居用品商店 | 辅助挖掘的备用工具 | |
| 铁锹（锐利手），16 英寸 D 型手柄排水锹 | Razorback | 手动挖掘土坑的工具。任何窄尖锹均可使用。 | |
| 沟渠锹，4 英寸宽钢制刀片 | 任意家居用品商店 | 理想的沟槽工具，用于埋设电缆或导管 | |
| 土壤钻（<4 英寸直径）带 T 型手柄或根据需要加装延长杆，用于测试孔 | AMS 采样器 | 400.06 | 推荐用于测试孔。钻头类型应与土壤匹配，但“普通型”在大多数土壤中表现良好 |
| 防水布（塑料）或胶合板 | 任意家居用品商店 | 挖掘和开沟过程中的土壤管理 | |
| 现场工具，可选 | |||
| 2,000 磅小型挖掘机 | Sunbelt 租赁 | 350110 | 用于机械挖掘的租赁设备 |
| 破碎锤或掘土棒 | 任意家居用品商店 | 在挖掘过程中用于破碎岩石和切断树根 | |
| 镀锌牛栏网板，16 英尺 x 50 英寸 | Tractor Supply Co. | 350207799 | 建议将围栏网板切割成 8 英尺的段 |
| 鹤嘴锄或普拉斯基斧 | 任意家居用品商店 | 非常适合在坚硬或岩石土壤中松土 | |
| 液压拖曳式后置式钻孔机，带 18" 直径钻头 | Sunbelt 租赁 | 700033 | 用于机械挖掘的租赁设备 |
| 挖坑器，48 英寸手柄 | 任意家居用品商店 | 用于清理坑底土壤或用于测试孔 | |
| 钢制围栏 T 型桩，6 英尺高，及桩锤，约 14 磅 | 任意家居用品商店 | 围栏支撑与安装 | |
| 钢制耙 | 任意家居用品商店 | 理想用于平整现场扰动的土壤 | |
| 日常携带（EDC），推荐给任何现场技术人员的工具包 | |||
| 带绝缘手柄的可调扳手 | 任意家居用品商店 | ||
| 各种抗紫外线扎带 | 任意家居用品商店 | 整齐布线的关键 | |
| 斜口钳 | 任意家居用品商店 | 高效剪切细线、粗线及剪断扎带 | |
| 数码相机、GPS 和指南针 | 其他 | 理想情况下，这些功能均可在智能手机上实现 | |
| 数字万用表 | 任意家居用品商店 | 排查电气系统中电源和连接问题的关键工具 | |
| 电工胶带 | 任意家居用品商店 | 非黑色胶带可用于标记 | |
| 用于填充外壳入口孔的电工腻子 | 任意家居用品商店 | 需要封闭并密封外壳中的所有导管端口 | |
| 英制和公制尺寸的六角扳手套装 | 任意家居用品商店 | 许多传感器安装座所必需 | |
| 磁性鱼雷水平仪（8 至 12"） | 任意家居用品商店 | 用于使仪器支架垂直并对准任何气象传感器 | |
| 公制卷尺 | 任意家居用品商店 | 插入探头和采集土壤样品的关键——两者均使用公制深度。 | |
| 钳子：尖嘴钳、电工钳和管钳 | 任意家居用品商店 | 电工钳对于捆扎铁丝围栏至关重要。 | |
| 便携式电钻、钻头、螺母起子 | 任意家居用品商店 | ||
| 棘轮扳手及相应尺寸的套筒 | 任意家居用品商店 | 棘轮扳手可进入传感器安装座周围狭小空间，而标准开口扳手无法使用 | |
| 安全：急救包、水（5 加仑）、 垃圾袋、手套、防晒霜、驱虫剂 | 任意家居用品商店 | ||
| 螺丝刀：大小号带绝缘手柄 | 任意家居用品商店 | DCP 和接线端子上的螺丝非常小。需要小号平头和十字头螺丝刀。大号工具也会派上用场 | |
| 记号笔、铅笔和笔记本 | 林业供应商 | 基本记录保存对于元数据至关重要 | |
| 梯子，6 英尺 | 任意家居用品商店 | 没有梯子很难安装 2 米高的传感器 | |
| 美工刀和裁纸刀 | 任意家居用品商店 | ||
| 植被控制：手剪、除草机、锯 | 任意家居用品商店 | 根据环境不同，植被可能迅速覆盖围栏区域 | |
| 剥线钳（8-20 号） | 任意家居用品商店 | 为将电线插入 DCP 或接线端子做准备的必备工具。自调节剥线钳是最新流行产品 | |
| 年度维护用品 | |||
| 电池清洁剂（小苏打）和刷子 | 任意杂货店 | ||
| 清洁用品：压缩空气、异丙醇、牙刷、通管刷、纸巾 | 任意杂货店 | ||
| 干燥剂，硅胶袋 | 科莱恩 | Desi Pak | 在 105 °C 烘箱中烘干超过 24 小时后可重复使用。每年更换一次。 |
| 雨量计现场校准装置 | R.M. Young | 52260 | 以不同强度向雨量计滴水的装置 |
| 手持式气象仪 | Kestrel 仪器 | 0830 | 用于现场验证空气温度、相对湿度和风速的直接测量 |
| 一夸脱和一加仑冷冻袋 | 任意杂货店 | 用于储存任何重力法土壤样品 | |
| 便携式土壤水分传感器 | Delta-T 设备 | SM150T | 存在多种传感器。评估请见 https://acsess.onlinelibrary.wiley.com/doi/pdf/10.1002/vzj2.20033 |
| 土壤取芯器，2-1/4 英寸直径 | Soilmoisture Equipment Corp. | 0200 | 重力法土壤水分和容重取样器 |
参考文献
- GCOS Steering Committee. The Global Observing System for Climate: Implementation Needs. Report No. GCOS-200. World Meteorological Organization, Global Climate Observing System. , Geneva, Switzerland. 315(2016).
- Seneviratne, S. I., et al. Investigating soil moisture-climate interactions in a changing climate: A review. Earth-Science Reviews. 99 (3-4), 125-161 (2010).
- Vereecken, H., et al. On the value of soil moisture measurements in vadose zone hydrology: A review. Water Resources Research. 44 (4), (2008).
- Babaeian, E., et al. proximal, and satellite remote sensing of soil moisture. Reviews of Geophysics. 57 (2), 530-616 (2019).
- Ochsner, T. E., et al. State of the art in large-scale soil moisture monitoring. Soil Science Society of America Journal. 77 (6), 1888-1919 (2013).
- Fiebrich, C. A., Morgan, C. R., McCombs, A. G., Hall, P. K., McPherson, R. A. Quality assurance procedures for mesoscale meteorological data. Journal of Atmospheric and Oceanic Technology. 27 (10), 1565-1582 (2010).
- IAEA. Field Estimation of Soil Water Content. Training Course Series. Report No. 30. International Atomic Energy Agency. , Vienna, Austria. (2008).
- Montzka, C., et al. Soil Moisture Product Validation Good Practices, Protocol Version 1.0. Committee on Earth Observation Satellites, Working Group on Calibration and Validation, Land Product Validation Subgroup. , (2020).
- Johnson, A. I. Methods of Measuring Soil Moisture in the Field. Report No. 25 Water-Supply Paper 1619-U. U.S. Geological Survey. , Denver, CO. (1962).
- Fiebrich, C., et al. The American Association of State Climatologists' Recommendations and Best Practices for Mesonets. , Version 1 36(2019).
- Caldwell, T. G., Young, M. H., McDonald, E. V., Zhu, J. T. Soil heterogeneity in Mojave Desert shrublands: Biotic and abiotic processes. Water Resources Research. 48 (9), (2012).
- Lin, H. S. Three principles of soil change and pedogenesis in time and space. Soil Science Society of America Journal. 75 (6), 2049-2070 (2011).
- Caldwell, T. G., et al. The Texas soil observation network: A comprehensive soil moisture dataset for remote sensing and land surface model validation. Vadose Zone Journal. 18, 100034(2019).
- Schaefer, G. L., Cosh, M. H., Jackson, T. J. The USDA natural resources conservation service soil climate analysis network (SCAN). Journal of Atmospheric and Oceanic Technology. 24 (12), 2073-2077 (2007).
- Schaefer, G. L., Paetzold, F. SNOTEL (SNOpack and TELemetry) and SCAN (soil climate analysis network). Automated Weather Stations for Applications in Agriculture and Water Resources Management: Current Use and Future Perspectives. Hubbard, K., Sivakumar, M. V. K. , Lincoln, NE. 187-194 (2001).
- Palecki, M. A., Bell, J. E. U.S. Climate Reference Network soil moisture observations with triple redundancy: Measurement variability. Vadose Zone Journal. 12 (2), (2013).
- Chan, S. K., et al. Assessment of the SMAP passive soil moisture product. IEEE Transactions on Geoscience and Remote Sensing. 54 (8), 4994-5007 (2016).
- Hu, Q., Feng, S. A daily soil temperature dataset and soil temperature climatology of the contiguous United States. Journal of Applied Meteorology. 42 (8), 1139-1156 (2003).
- Patrignani, A., Ochsner, T. E., Feng, L., Dyer, D., Rossini, P. R. Calibration and validation of soil water reflectometers. Vadose Zone Journal. , 20190(2022).
- Adams, J. R., Berg, A. A., McNairn, H. Field level soil moisture variability at 6-and 3-cm sampling depths: implications for microwave sensor validation. Vadose Zone Journal. 12 (3), (2013).
- Caldwell, T. G., Bongiovanni, T., Cosh, M. H., Halley, C., Young, M. H. Field and laboratory evaluation of the CS655 soil water content sensor. Vadose Zone Journal. 17, 170214(2018).
- Vaz, C. M. P., Jones, S., Meding, M., Tuller, M. Evaluation of standard calibration functions for eight electromagnetic soil moisture sensors. Vadose Zone Journal. 12 (2), (2013).
- Cosh, M. H., et al. Developing a strategy for the national coordinated soil moisture monitoring network. Vadose Zone Journal. 20 (4), 20139(2021).
- Schoeneberger, P. J., Wysocki, D. A., Benham, E. C. Field Book for Describing and Sampling Soils. Version 3.0. , National Soil Survey Center. Lincoln, NE. (2012).
- Lawrence, G. B., et al. Methods of soil resampling to monitor changes in the chemical concentrations of forest soils. Journal of Visualized Experiments. (117), e54815(2016).
- Gee, G. W., Or, D. 2.4 Particle-size Analysis. Methods of Soil Analysis, Part 4. Physical Methods. Dane, J. H., Topp, G. C. 5, Soil Science Society of America Book Series 255-293 (2002).
- Rhoades, J. D. Salinity: Electrical conductivity and total dissolved solids. Methods of Soil Analysis, Part 3: Chemical Methods. Sparks, D. L. 5, Soil Science Society of America and American Society of Agronomy 417-435 (1996).
- Nelson, D. W., Sommers, L. E. Total carbon, organic carbon, and organic matter. Methods of Soil Analysis, Part 3: Chemical Methods. Sparks, D. L. 5, Soil Science Society of America and American Society of Agronomy 961-1010 (1996).
- Grossman, R. B., Reinsch, T. G. Bulk density and linear extensibility. Methods of Soil Analysis, Part 4: Physical Methods. Dane, J. H., Topp, G. C. 5, Soil Science Society of America 201-228 (2002).
- WMO. Guide to Meteorological Instruments and Methods of Observation. Report No. WMO-No. 8. World Meteorological Organization. , Geneva, Switzerland. 548(2018).
- Seyfried, M. S., Murdock, M. D. Measurement of soil water content with a 50-MHz soil dielectric sensor. Soil Science Society of America Journal. 68 (2), 394-403 (2004).
- Dorigo, W., et al. The International Soil Moisture Network: serving Earth system science for over a decade. Hydrology and Earth System Sciences. 25 (11), 5749-5804 (2021).
- Xia, Y., Ford, T. W., Wu, Y., Quiring, S. M., Ek, M. B. Automated Quality control of in situ soil moisture from the North American soil moisture database using NLDAS-2 products. Journal of Applied Meteorology and Climatology. 54 (6), 1267-1282 (2015).
- Dorigo, W. A., et al. Global automated quality control of in situ soil moisture data from the International Soil Moisture Network. Vadose Zone Journal. 12 (3), (2013).
- Liao, W., Wang, D., Wang, G., Xia, Y., Liu, X. Quality control and evaluation of the observed daily data in the North American soil moisture database. Journal of Meteorological Research. 33 (3), 501-518 (2019).
- Wilson, T. B., et al. Evaluating time domain reflectometry and coaxial impedance sensors for soil observations by the U.S. Climate Reference Network. Vadose Zone Journal. 19 (1), 20013(2020).
- Evett, S. R., et al. Resolving discrepancies between laboratory-determined field capacity values and field water content observations: implications for irrigation management. Irrigation Science. 37 (6), 751-759 (2019).
- Evett, S. R. Soil water and monitoring technology. Irrigation of Agricultural Crops. 30, 23-84 (2007).
- Kim, H., Cosh, M. H., Bindlish, R., Lakshmi, V. Field evaluation of portable soil water content sensors in a sandy loam. Vadose Zone Journal. 19 (1), 20033(2020).
- Cosh, M. H., Jackson, T. J., Bindlish, R., Famiglietti, J. S., Ryu, D. Calibration of an impedance probe for estimation of surface soil water content over large regions. Journal of Hydrology. 311 (1-4), 49-58 (2005).
- Cosh, M. H., Evett, S. R., McKee, L. Surface soil water content spatial organization within irrigated and non-irrigated agricultural fields. Advances In Water Resources. 50, 55-61 (2012).
- Coopersmith, E. J., et al. Deploying temporary networks for upscaling of sparse network stations. International Journal of Applied Earth Observation and Geoinformation. 52, 433-444 (2016).
- Allen, R. G., et al. The ASCE Standardized Reference Evapotranspiration Equation. American Society of Civil Engineers. , (2005).
- Krueger, E. S., et al. Grassland productivity estimates informed by soil moisture measurements: Statistical and mechanistic approaches. Agronomy Journal. 113 (4), 3498-3517 (2021).
- Kizito, F., et al. Frequency, electrical conductivity and temperature analysis of a low-cost capacitance soil moisture sensor. Journal of Hydrology. 352 (3-4), 367-378 (2008).
- Evett, S. R., Schwartz, R. C., Casanova, J. J., Heng, L. K. Soil water sensing for water balance, ET and WUE. Agricultural Water Management. 104, 1-9 (2012).
- Evett, S. R., Schwartz, R. C., Tolk, J. A., Howell, T. A. Soil profile water content determination: spatiotemporal variability of electromagnetic and neutron probe sensors in access tubes. Vadose Zone Journal. 8 (4), 926-941 (2009).
- Evett, S. R., Tolk, J. A., Howell, T. A. Soil profile water content determination: sensor accuracy, axial response, calibration, temperature dependence, and precision. Vadose Zone Journal. 5 (3), 894-907 (2006).
- Bogena, H. R., et al. Potential of wireless sensor networks for measuring soil water content variability. Vadose Zone Journal. 9 (4), 1002-1013 (2010).
- Kerkez, B., Glaser, S. D., Bales, R. C., Meadows, M. W. Design and performance of a wireless sensor network for catchment-scale snow and soil moisture measurements. Water Resources Research. 48 (9), 09515(2012).
- Li, X., et al. Internet of Things to network smart devices for ecosystem monitoring. Science Bulletin. 64 (17), 1234-1245 (2019).
- Moghaddam, M., et al. A wireless soil moisture smart sensor web using physics-based optimal control: concept and initial demonstrations. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 3 (4), 522-535 (2010).
- Evett, S. R., Thompson, A. I., Schomberg, H. H., Andrade, M. A., Anderson, J. Solar node and gateway wireless system functions in record breaking polar vortex outbreak of February 2021. Agrosystems, Geosciences and Environment. 4 (4), 20193(2021).
- Irmak, S., et al. Large-scale on-farm implementation of soil moisture-based irrigation management strategies for increasing maize water productivity. Transactions of the ASABE. 55 (3), 881-894 (2012).
- Bircher, S., et al. Soil moisture sensor calibration for organic soil surface layers. Geoscientific Instrumentation Methods and Data Systems. 5 (1), 109-125 (2016).
- Singh, J., Lo, T., Rudnick, D. R., Irmak, S., Blanco-Canqui, H. Quantifying and correcting for clay content effects on soil water measurement by reflectometers. Agricultural Water Management. 216, 390-399 (2019).
- Schwartz, R. C., Casanova, J. J., Pelletier, M. G., Evett, S. R., Baumhardt, R. L. Soil permittivity response to bulk electrical conductivity for selected soil water sensors. Vadose Zone Journal. 12 (2), (2013).
- Blonquist, J. M., Jones, S. B., Robinson, D. A. Standardizing characterization of electromagnetic water content sensors: Part 2. Evaluation of seven sensing systems. Vadose Zone Journal. 4 (4), 1059-1069 (2005).
- Naranjo, R. Methods for installation, removal, and downloading data from the temperature profiling probe (TROD). Report No. Open-File Report 2019-1066. U.S. Geological Survey. , 14(2019).
- Jones, S. B., Blonquist, J. M., Robinson, D. A., Rasmussen, V. P., Or, D. Standardizing characterization of electromagnetic water content sensors: Part 1. Methodology. Vadose Zone Journal. 4 (4), 1048-1058 (2005).
- Jones, S. B., Sheng, W., Xu, J., Robinson, D. A. Electromagnetic sensors for water content: the need for international testing standards. 2018 12th International Conference on Electromagnetic Wave Interaction with Water and Moist Substances. , 1-9 (2018).
- Novick, K. A., et al. Confronting the water potential information gap. Nature Geoscience. 15 (3), 158-164 (2022).
- Luo, S., Lu, N., Zhang, C., Likos, W. Soil water potential: A historical perspective and recent breakthroughs. Vadose Zone Journal. 20203, (2022).
- Jackisch, C., et al. Soil moisture and matric potential-an open field comparison of sensor systems. Earth System Science Data. 12 (1), 683-697 (2020).
- Colliander, A., et al. Validation and scaling of soilmoisture in a semi-arid environment: SMAP validation experiment 2015 (SMAPVEX15). Remote Sensing of Environment. 196, 101-112 (2017).
- Vergopolan, N., et al. High-resolution soil moisture data reveal complex multi-scale spatial variability across the United States. Geophysical Research Letters. 49 (15), (2022).
- Gruber, A., et al. Validation practices for satellite soil moisture retrievals: What are (the) errors. Remote Sensing of Environment. 244, 111806(2020).
- Baker, C. B., et al. Working toward a National Coordinated Soil Moisture Monitoring Network: vision, progress, and future directions. Bulletin of the American Meteorological Society. , (2022).
重印与许可
