3. 标定基础与误差分析
土壤水分传感器的读数并不是“天生正确”的。出厂时厂家给出的校准曲线，通常是在特定介质（如石英砂、玻璃珠或标准土样）中、特定温度与容重条件下得到的经验关系。当传感器被埋入真实的田间土壤，土壤质地、容重、盐分、温度、有机质含量都与标定条件不同，读数就会出现系统性偏离。标定（Calibration）正是建立“传感器原始输出量”与“土壤真实含水量”之间确定映射关系的过程，而误差分析则回答“这个映射关系有多可信、偏差来自哪里”。
标定的定义与目的
从测量学角度看，标定是在规定条件下，用已知量值的标准器（这里是烘干法测得的真实含水率）去确定传感器输出与输入之间关系的一组操作。对土壤水分传感器而言，标定的核心产物是一条（或一组）转换关系：把传感器输出的原始量——可能是介电常数 ε、频率、电压、计数或直接给出的体积含水率 θv——映射为可信的体积含水率或质量含水率。
标定的目的可以归纳为三点：消除系统偏差，让传感器读数在目标土壤上整体贴近真值；建立量值溯源，使不同批次、不同点位的传感器数据可以相互比较；量化不确定度，给出“读数 ± 多少”的可靠区间，为灌溉决策、墒情监测提供判断依据。需要强调的是，标定不能消除随机误差，它主要修正的是可重复的系统性偏离。
实验室标定与原位标定
按实施场所与控制条件，标定分为实验室标定与原位标定两类，二者在精度、代表性和成本上各有取舍。
实验室标定在受控环境中进行：取目标土壤风干、过筛、按设计容重装入标定筒，逐级加水配制一系列已知含水率（例如体积含水率 5%、10%、15%、20%、25%、30%、35%），每个水平静置平衡后用传感器测量，同时取子样用 105℃ 烘干法测定真实含水率作为标准值。其优点是含水率、容重、温度可控，可重复性好，能获得完整的标定曲线；缺点是取样扰动改变了原状土壤结构，且难以覆盖田间真实的盐分与温度变化。
原位标定直接在监测点进行：在传感器附近同步取样烘干，或用同点位的高精度参考传感器比对，积累多组“传感器读数—真值”配对数据后拟合修正关系。它保留了原状土壤结构、真实容重与盐分环境，代表性最好；但真值获取困难、样本量有限、受降雨与温度波动干扰，且取样本身会扰动测点。实践中常采用“实验室标定建立基础曲线 + 原位标定做点位修正”的组合策略。
系统误差与随机误差
标定过程中遇到的偏差分为两类，处理方式完全不同。
系统误差是在相同条件下多次测量时，误差的大小和符号保持恒定或按确定规律变化的分量。土壤水分传感器的典型系统误差来源包括：土壤质地与标定介质不匹配（黏土中介电常数与含水率关系明显不同于砂土）、容重差异、土壤盐分与电导率引起的介电损耗、温度漂移，以及传感器安装间隙造成的固定偏移。系统误差在标定曲线上表现为整体平移（零点偏移）或斜率变化（灵敏度偏差），可以通过标定修正。
随机误差是相同条件下多次测量结果之间的无规律波动，来源包括传感器与土壤接触不良、探头周围气泡或空隙、电磁干扰、供电波动以及取样烘干本身的偶然误差。随机误差不能通过标定消除，只能通过增加重复测量次数、改善安装质量、滤波平滑来减小其影响。判断方法很直接：在同一含水率水平下对同一测点连续读取 10 次，若读数围绕某值上下波动，波动幅度反映随机误差；若 10 次均值与烘干真值之间仍有稳定差距，这个差距就是系统误差。
精度、准确度与分辨率
这三个指标常被混用，但在标定语境下含义不同，必须区分。
- 准确度（Accuracy）：测量均值与真值的接近程度，反映系统误差的大小。常用平均偏差、最大偏差或均方根误差 RMSE 表示。例如某传感器在 5%~35% 范围内 RMSE 为 0.025 m³/m³，表示整体上读数与真值平均相差约 2.5 个体积百分点。
- 精密度（Precision）：相同条件下重复测量结果之间的一致程度，反映随机误差的大小，用标准差或变异系数表示。精密度高不代表准确度高——一支总是偏高 3% 但每次都很稳定的传感器，精密度好而准确度差。
- 分辨率（Resolution）：传感器能分辨的最小含水率变化量，由输出位数与转换关系决定。例如 12 位 ADC、量程对应 0~60% 体积含水率时，理论分辨率约为 60%/4096 ≈ 0.015%，但实际有效分辨率受噪声限制，往往远低于理论值。
一个可操作的标定记录示例
下面给出一份实验室标定的记录表结构（示例数据为合理假设，用于说明填写方式，非实测结果）。每个含水率水平做 3 次重复，取均值与烘干真值配对，最后计算偏差与 RMSE。
| 水平 | 传感器读数均值 θraw（m³/m³） | 烘干真值 θref（m³/m³） | 偏差 Δ=θraw−θref | 重复标准差 |
|---|---|---|---|---|
| 1 | 0.062 | 0.050 | +0.012 | 0.004 |
| 2 | 0.118 | 0.100 | +0.018 | 0.005 |
| 3 | 0.171 | 0.150 | +0.021 | 0.006 |
| 4 | 0.228 | 0.200 | +0.028 | 0.007 |
| 5 | 0.283 | 0.250 | +0.033 | 0.008 |
| 6 | 0.341 | 0.300 | +0.041 | 0.009 |
观察偏差列可以发现：偏差随含水率增大而单调增大，说明这不是固定零点偏移，而是斜率型系统误差——传感器灵敏度偏高。此时若只做简单零点平移（统一减 0.02），在高含水段仍会残留约 0.02 的偏差。正确做法是用最小二乘拟合线性关系 θref = a·θraw + b，用拟合系数 a、b 做反向修正。按上表数据粗略估算，a 约为 0.87、b 约为 −0.004，修正后各点残差可压缩到 ±0.005 以内。重复标准差列则反映随机误差，随含水率升高略有增大，属于正常现象，可通过增加重复次数降低均值的不确定度。
完成标定后，还应把拟合系数、适用含水率范围、标定日期、土壤质地与容重、温度条件一并记录在传感器档案中。后续原位监测若发现读数与取样真值持续偏离，先核对是否超出标定适用范围，再判断是否需要做点位原位修正，而不是直接怀疑传感器损坏。