这项研究是关于使用湿度传感器的自动浇水系统，该传感器可感知土壤的湿度水平。 根据土壤的湿度或湿度水平，水泵正在开启或关闭。 这项研究是在 Arduino ide 上使用 Arduino 完成的。 这项研究对农业部门的需求越来越大。 使用该系统，农民可以根据他们使用的作物轻松监控水的使用情况。 通过使用这种方法，他们可以更轻松地种植农作物并减少劳动力。 它还有助于保持作物的健康并增加农民的产量。 在这项研究中，我们还在土壤上测试了该系统 15 天，并注意到其有效结果。

土壤水分反演AIEM散射模型，maltab版

% Method #1: trial and error % Method #2: automated optimisation % Method #3: Monte Carlo 用三种不同方法来拟合土壤水分特征曲线的Matlab代码 方法一：试错法 方法二：自动优化法 方法三：蒙特卡罗法

土壤水分反演AIEM散射模型，Fortran版

HYDRUS1D是一个可用来模拟地下滴灌土壤水流及溶质二维运动的有限元计算机模型

为了更加精确地分析土壤光谱中不同水分吸收带内的光谱吸收特征参数在估测土壤水分含量(SMC)中的重要性，以新疆渭干河-库车河绿洲为研究区，采集38个土壤样本进行土壤光谱反射率及SMC的测定。利用去包络线消除法提取反射光谱水分吸收特征参数，包括最大吸收深度D、吸收谷右面积Ra、吸收谷左面积La、吸收谷总面积A、面积归一化最大吸收深度DA和对称度S, 将反射光谱水分吸收特征与SMC进行相关性分析，通过随机森林方法对光谱水分吸收特征参数进行分类，获取各参数对SMC的重要性。运用多元逐步回归模型建立SMC反演模型。结果表明：D、A与SMC的相关性最高，同时2200 nm及1400 nm波段范围内的光谱吸收特征参数与SMC的相关性优于1900 nm波段范围内的光谱吸收特征参数；对SMC影响较为重要的前5个参数分别为D2200、La2200、A2200、D1900和Ra2200；SMC的最佳预测模型是采用A2200、D2200建立的多元逐步回归模型，其建模集决定系数为0.88，建模集均方根误差为2.08，测试集决定系数为0.89，预测均方根误差为2.21，相对分析误差为2.80。随机森林分类能得到对

土壤水动力学冯绍元讲义，100多页，是对土壤水动力学一书的重点概括，需要可以下载，考研复习，考前复习均有用

PSL Data_ CPCSOil_ NOAA Physical Sciences Laboratory

利用AD8361真有效值芯片，100Mhz高频电容式检测原理检测土壤湿度（水分）。

Dobson模型，用于微波遥感中土壤水分与土壤介电常数之间的转换