iSCAN Multi-Sensor 多參數土壤理化性質測繪系統
前言
精準農業是近年來農業科學研究的熱點領域，也是當今世界農業發展的新潮流。研究人員希望通過精準農業技術體系的使用降低生產成本, 提高和穩定農產品產量和質量, 增加經濟收入, 減少環境污染。
土壤中的鹽分、水分、有機質含量、土壤緊實度、質地結構等，均不同程度影響土壤電導率變化。通過測定土壤電導率，可為分析產量、評價土壤生產能力、制定精準施肥處方提供重要依據。傳統的樣方抽樣調查不僅費時費力，還由于抽樣密度過低不能真實反應地塊土壤特性的時空變化，對于大尺度調查而言與機動車輛相結合的拖曳式土壤電導率測量系統無疑是選擇。
iSCAN用于大面積土壤電導率（EC）、土壤有機質（OM）、土壤溫度及土壤濕度勘查，既可以由拖拉機或皮卡進行拖曳作業（需選配支架），又可安裝在播種機等農機具上——在耕種作業的同時完成對農用地的勘查，靈活而便捷；其中升級版iSCAN+附加土壤溫度和濕度傳感器（溫度和濕度是種子發芽和出苗非常重要的影響因子）。
通過實地原位測量土壤電導EC、OM值、溫度和濕度值，利用GPS定位和數據處理測繪軟件（收費數據處理服務），可以繪制出土壤理化性質分布圖，全面分析反映土壤質地、鹽堿度、持水能力、陽離子交換能力、根系深度等。適用于精準農業、土壤調查和碳匯農業（土壤碳儲量估算）的研究示范及土地管理和土地利用規劃等領域。
2017-2018年在美國4個州共計15塊土地，利用iSCAN系統進行勘測，并與手持式設備數據進行比對，得到非常好的線性相關結果。
上圖為堪薩斯州40公頃地塊勘查地圖
主要特點
1. iSCAN可同時測繪土壤EC值、OM值，iSCAN+則多了土壤表層溫度和濕度值
2. 原野現場測繪：隨著機載系統在原野前行，即時獲取電導及地理坐標（經緯度），每公頃可以測量120-240個樣點數據
3. 直接接觸法測量EC（Electrical Conductivity），測量基本不受周邊電磁影響，也不需要校準，反映土壤質地、鹽度特性
4. VIS-NIR雙波段光譜傳感器，可經由數據處理中心進行數據處理提供土壤有機質OM（Organic Matter）值，反映土壤氮礦化、土壤水滲透、根系生長以及土壤持水能力
技術指標
1. 雙波段VIS-NIR傳感器，原位測繪植物枯落物下層土壤表層光譜反射
2. 可見光波長：660nm；近紅外波長：940nm；光源：LED
3. 光譜檢測器：5.76mm光敏二極管
4. 除通過雙波段VIS-NIR光譜傳感器高密度原位測繪分析土壤OM值及其分布圖外，可一次同時測量繪制EC，iSCAN+可附加土壤溫度和濕度傳感器，并可實時記錄顯示測量數據和分布圖
5. Garmin GPS 15X：差分GPS定位精度，優于3米
6. 電子器件：NMEA 4X密封，級防水接口
7. 數采：80 pin PIC 微處理器，1Hz采集率，背光顯示器，電源12VDC，5A
8. 測繪軟件即時顯示EC值及光譜反射，并將地理位置信息（經緯度）及測量值下載到計算機上并自動制作二維分布圖（光譜反射需經由公司數據處理中心進行處理分析形成SOM值）
9. EC測繪，可形成0－60cm的表層土壤電導測繪圖
10. OM測量深度：38－76mm
11. 長度：農機版145cm；拖曳版259cm
12. 寬度：農機版31cm; 拖曳版127cm
13. 高度：110cm
14. 重量：147 kg
15. 測量速度：可達24km/hr
16. 工作溫度：-20－70°C
軟件界面
產地
美國
選配技術方案
1) 可選配作物表型分析模塊，同步分析作物葉綠素指數、花青素指數、類黃酮指數及N素狀態等
2) 可選配紅外熱成像研究土壤水分、溫度變化對呼吸影響
3) 可選配ECODRONE®無人機平臺搭載高光譜和紅外熱成像傳感器進行時空格局調查研究
部分參考文獻
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.
