活立木茎干水分状况是植物生命状态的有效体现,其中茎干含水率(Stem water content,StWC)和液流密度(Sap flux density,SFD)是研究植物体内水分变化规律的重要参数。准确检测活立木茎干同一空间位置的含水率和液流密度可以更有效地分析2个参数的关系、评估植物生长状况。将基于驻波率(Standing wave ratio,SWR)原理的茎干水分检测方法和基于热比率法(Heat ratio method,HRM)原理的茎干液流检测方法结合,设计了活立木茎干含水率和液流复合参数检测传感器,复合传感器的含水率检测单元和液流检测单元复用一套三针式探针,可对活立木茎干同一位置的含水率和液流实时精准检测。含水率检测单元输出电压与介电常数(6~53.3范围内,对应茎干含水率为0~85%)具有良好的线性关系(决定系数R^(2)=0.9701),静态稳定性良好(长时间测试最大波动为0.6%全量程)。以杨树为研究对象,含水率检测单元与BD-IV型植物茎体水分传感器的对比实验结果一致(决定系数R^(2)=0.9800)。液流检测单元与ST1221型热扩散式液流计对比,二者检测的杨树液流密度具有显著的线性关系(决定系数R^(2)=0.8991),热扩散式液流计不能准确判断零液流条件而低估了液流密度,ST1221型液流计检测的平均值比本系统液流检测单元低1.1 cm/h,液流检测单元使用的热比率法可以准确检测低速液流。复合传感器对杨树茎干含水率和液流的长时间监测结果与前人研究一致且符合植物生理规律。茎干含水率和液流存在极显著的负相关性(Pearson相关系数为-0.7951)。
基于K-SVD字典学习算法(K-singular value decomposition,K-SVD)的压缩感知技术应用在林区微环境监测站中,可极大地减少数据传输数量,从而降低监测站的使用能耗,延长监测站的使用寿命。本文选用空气温度作为实验对象,验证算法的可行性,并与前人提出的基于离散傅里叶变换基(Discrete fourier transform,DFT)的压缩感知方法进行对比实验。实验结果表明,当稀疏度k相同时,K-SVD算法的平均稀疏化误差始终小于DFT算法,且误差分布范围更加集中;当稀疏度和压缩率均相同时,K-SVD算法的平均重构误差也始终小于DFT算法,且误差分布范围更加集中。在林区微环境监测站中,K-SVD算法具有更好的稀疏表示性能以及重构性能,在降低相同系统能耗的同时,也降低了数据传输的误差。
