## 一、先讲一个现场经常发生的争执

同一块地里，两个人各拿一台仪器测土壤水分，插点相距不到半米，读数差了 5 个百分点。于是开始互相质疑：是不是你那台没校准？是不是我这台坏了？

十有八九，两台都没坏。它们只是用了不同的物理量、不同的标定曲线、不同的取样体积。这三件事叠起来，5 个百分点的差是完全正常的。

要把这件事说清楚，得从两条技术路线的物理量说起：**TDR 测的是时间，FDR 测的是频率**。都落到介电常数上，但落到的方式不一样，误差来源也就不一样。

## 二、TDR：把纳秒级时间差换成介电常数

TDR（Time Domain Reflectometry，时域反射）的原理不复杂：给埋进土壤的金属棒发一个上升沿极陡的阶跃脉冲，脉冲沿棒传播，到棒末端遇到开路，反射回来。往返时间取决于周围介质的介电常数：

$$
v = \frac{c}{\sqrt{\varepsilon_r}}, \qquad \Delta t = \frac{2L\sqrt{K_a}}{c}
$$

其中 $c$ 是真空光速（299792458 m/s），$L$ 是探针实际长度，$K_a$ 是表观介电常数。反解就得到 TDR 的核心公式：

$$
K_a = \left(\frac{c\,\Delta t}{2L}\right)^2
$$

也可以换个等价说法：定义**表观探针长度** $L_a = c\Delta t/2$，那么 $\sqrt{K_a} = L_a / L$。仪器实际做的，就是把测到的时间换算成一个"看起来有多长"的虚拟长度，再跟真实棒长作比。

这一步的量级值得算一下。取 0.20 m 探针，用 Python 跑一遍：

```python
C0 = 299_792_458.0

def tdr_travel_time(eps_r, L):
    return 2 * L * math.sqrt(eps_r) / C0

def tdr_eps_from_time(dt, L):
    return (C0 * dt / (2 * L)) ** 2
```

实际输出：

```text
   Ka   Δt(0.20m) ns   La(0.20m) m
    1          1.334        0.2000
    4          2.669        0.4000
    9          4.003        0.6000
   16          5.337        0.8000
   25          6.671        1.0000
   36          8.006        1.2000
   64         10.674        1.6000
```

干土（$K_a \approx 4$）的往返时间是 2.669 ns，湿土（$K_a \approx 25$）是 6.671 ns，**整段变化只有 4003 ps**。而一台能用的 TDR 要在全量程内区分 0.1% 的体积含水量，落到时间上大约是几个 ps 的分辨力。这就是 TDR 前端贵的原因：它必须做高速阶跃发生加等效时间采样，本质是在做一台简易的采样示波器。

反算校验也对得上（$K_a=25 \to \Delta t=6.671\ \text{ns} \to 25.000$），说明公式实现没问题。

![TDR 与 FDR 的测量链路](https://developer.qcloudimg.com/http-save/yehe-1418908/759032b9518b8ea443aa6f5f4fc36561.png)

## 三、FDR：把土壤当作电容的介质

FDR（Frequency Domain Reflectometry，频域反射）走的是另一条路：把探针做成电容的一个极板对，土壤就是极板之间的介质。含水率升高 → 介电常数升高 → 电容增大 → 与它构成振荡回路的谐振频率偏移，测频偏即可反推介电常数。

$$C = \varepsilon_r \varepsilon_0 \frac{A}{d}$$

FDR 传感器的单频工作点通常在 5～100 MHz 区间，文献里报告的范围可到 20～450 MHz。频率选得低，电路简单便宜；频率选得高，能压制 Maxwell-Wagner 极化带来的误差，但高黏土含量下介电色散会一直延伸到 1 GHz，所以宽带测量在黏土上更稳。

两条路线的根本差别在于：**TDR 直接测传播时间，是一次"绝对"测量；FDR 测的是相对某个基准电路的频率偏移，天然需要标定**。这也是为什么 FDR 传感器出厂时通常会给一串标定曲线——矿质土、有机土、椰糠、泥炭、岩棉各一套，而 TDR 往往只给一个通用多项式。

代价也很清楚。TDR 的读数基本与土壤类型、密度、温度无关（这是它被当作参考方法的原因）；FDR 在这几项上都更敏感，好处是便宜、能做小、能做多深度剖面、能长期埋设。

## 四、中间那一步：ε′ → θ 的公式并不唯一

不管走哪条路线，最后都要把介电常数换算成体积含水率。最常被引用的是 Topp 等人 1980 年给出的矿质土经验式：

$$\theta_v = -5.3\times10^{-2} + 2.92\times10^{-2}K_a - 5.5\times10^{-4}K_a^2 + 4.3\times10^{-6}K_a^3$$

它还有一个有机土版本（系数不同，因为有机质的束缚水多），标称不确定度分别是 ±0.013 和 ±0.018 m³/m³。

另一个常见的是 Ledieu 等人 1986 年的线性式，形式简单得多：

$$\theta_v = 0.1138\sqrt{K_a} - 0.1758$$

把两式放在同一条 ε′ 轴上对一遍：

| ε′ | Topp | Ledieu | 差值 |
|---:|---:|---:|---:|
| 4 | 0.055 | 0.052 | +0.003 |
| 8 | 0.148 | 0.146 | +0.002 |
| 12 | 0.226 | 0.218 | +0.007 |
| 20 | 0.345 | 0.333 | +0.012 |
| 25 | 0.400 | 0.393 | +0.007 |
| 30 | 0.444 | 0.448 | −0.003 |
| 40 | 0.510 | 0.544 | −0.034 |
| 50 | 0.570 | 0.629 | **−0.059** |
| 60 | 0.648 | 0.706 | −0.058 |

结论很直接：**在中间段（ε′ ≈ 6～30）两式几乎重合，但两端会分叉**，饱和段分歧最大到 0.059 m³/m³——接近 6 个百分点。

这是第一条要记住的事：如果你比较的两台仪器用了不同标定式，在高含水率段本来就会有 3～6 个点的系统差。这种差不是噪声，是模型差，重复测量消不掉。

第二条更实际：Topp 式本身对黏土（尤其是膨胀性黏土）和高有机质土偏差较大，因为土壤束缚水的介电常数远低于自由水。所以科研场景下，取土烘干做一次土壤专属标定，往往比换一台更贵的仪器更有效。

![两种标定曲线的分歧](https://developer.qcloudimg.com/http-save/yehe-1418908/ddd05cd8cb32f2751b3eec238e74aaa9.png)

既然模型差可能比硬件差更大，那标定就该按流程做，而不是随手插两下。一套能用的土壤专属标定，成本主要是一台烘箱和半天时间：

1. **取样**：在目标田块取扰动土，风干后过 2 mm 筛，混匀。土样要能代表实际测点，黏土和砂土不能混在一起标。
2. **配点**：按质量含水率配 5～7 个梯度，从风干到接近饱和，覆盖关心的区间。每个梯度单独装桶、密封、静置 24 小时让水分均匀。
3. **装填**：按田间实测的容重装桶，分层压实。容重不一致是标定误差的第一来源：体积含水率相同而干密度不同时，固相占的比例不同，ε′ 会跟着变，拟合出来的系数就带进了系统偏差。
4. **测量**：每桶重复插入 3 次，每次位置错开，取中位数。同时记温度。
5. **烘干**：105℃ 烘 24 小时测质量含水率，乘容重换成体积含水率，这才是真值。
6. **拟合**：以 √ε′ 为自变量做线性回归，得 θ = a + b√ε′。只报两个系数，别用高次多项式——5 个点拟合三次项必然过拟合。
7. **验算**：留 1～2 个点不参与拟合，做独立验证，残差应在 ±0.02 以内。

这套流程做完，通用标定带来的 0.03 量级偏差通常能明显收窄（视土类而定），收益比换一台更贵的仪器直接得多。

## 五、误差放大：为什么干土更容易吵

介电常数不是理想测量，本身有误差。以一台典型的 FDR 传感器为例，介电常数的标称误差是 ±(3% 读数 + 0.8)，也就是说 ε′ 越大，绝对误差越大。

但误差传到含水率上，还要乘一个灵敏度系数 $\mathrm{d}\theta/\mathrm{d}\varepsilon'$。用中心差分算一遍：

```python
h = 0.05
sens = (topp(ka + h) - topp(ka - h)) / (2 * h)
```

| ε′ | θ | dθ/dε′ | ε′ 误差 | → θ 误差 |
|---:|---:|---:|---:|---:|
| 3 | 0.030 | 0.02602 | 0.89 | 0.023 |
| 5 | 0.080 | 0.02402 | 0.95 | 0.023 |
| 8 | 0.148 | 0.02123 | 1.04 | 0.022 |
| 12 | 0.226 | 0.01786 | 1.16 | 0.021 |
| 20 | 0.345 | 0.01236 | 1.40 | 0.017 |
| 30 | 0.444 | 0.00781 | 1.70 | 0.013 |
| 45 | 0.539 | 0.00582 | 2.15 | 0.013 |

有意思的地方在于两项此消彼长：ε′ 的绝对误差随含水率上升而变大，但灵敏度随含水率上升而下降，乘出来的 θ 误差反而从 0.023 一路降到 0.013。

所以**干土的读数更难做准，也更容易出现"两台仪器对不上"**——不是因为仪器在干土上坏了，而是干端曲线陡，同样的 ε′ 误差被放大得更厉害。这也解释了为什么灌溉决策里"什么时候开始灌"这个判断比"灌多少"更容易出错。

顺带说一个常见误解：把分辨率当精度。0.1% 的分辨率只表示显示到小数点后一位，跟 ±3% 的准确度完全不是一回事。厂商标 0.1% 是指显示粒度，标 ±3% 才是可信区间，两者差 30 倍。

## 六、EC 与温度：Hilhorst 公式的适用边界

土壤里的盐分对两条路线都有影响。TDR 表现为波形衰减和上升沿变缓，严重时末端的反射点都认不出来；FDR 表现为介电常数读数被电导率抬高。所以中高端传感器都会同时测 bulk EC，再做一次换算。

行业里几乎通用的换算式是 Hilhorst（2000）模型：

$$\sigma_p = \frac{\varepsilon_p \,\sigma_b}{\varepsilon_b - \varepsilon_{\sigma_b=0}}$$

其中 $\varepsilon_p$ 是孔隙水的介电常数，随温度变化：

$$\varepsilon_p = 80.3 - 0.37\,(T - 20)$$

$\varepsilon_{\sigma_b=0}$ 是一个偏移项，代表"bulk EC 为零时土壤的介电常数"。Hilhorst 实测该值在 1.9～7.6 之间随土类变化，**建议通用取 4.1**。不少商业传感器默认就把它写死成 4.1（WET150 即如此），可以在配置里改。

代入几个真实工况：

```text
σb=0.15 dS/m  εb= 20.0  T=20℃  → σp= 0.758 dS/m  放大 5.05×
σb=0.15 dS/m  εb= 20.0  T=35℃  → σp= 0.705 dS/m  放大 4.70×
σb=0.02 dS/m  εb= 30.0  T=20℃  → σp= 0.062 dS/m  放大 3.10×
σb=0.02 dS/m  εb=  6.5  T=20℃  → σp= 0.669 dS/m  放大 33.46×
```

前三行是正常工况：bulk EC 是孔隙水 EC 被含水率"稀释"后的结果，所以 σp 通常比 σb 大 3～5 倍。

第四行是陷阱。同样 0.02 dS/m 的 bulk EC，如果土很干（εb 只有 6.5），分母变成 2.4，放大倍数飙到 33 倍，算出来 0.669 dS/m——这个数字毫无物理意义，因为土里根本没有那么多水来承载盐分。

这不是公式写错了，是**分母趋零导致的数值放大**。Hilhorst 本人给出的适用范围就是含水率 0.10 以上、σp 不超过 0.3 S/m；低于 0.10 m³/m³ 时建议不要报孔隙水 EC。METER 的手册里写得更直接：VWC < 0.10 时不要用这个方法。

再做一个极端一点的验证，看这个放大有多敏感：

```text
εb=6.5 → σp=0.669 dS/m
εb=5.2 → σp=1.460 dS/m
相对差 +118.2%
```

介电常数只变了 1.3，算出来的孔隙水 EC 翻了一倍多。所以在干土上看到"EC 突然暴涨"，先怀疑算法，别急着判断土壤突然盐渍化。

温度这一项也不能省。εp 从 20℃ 的 80.3 一路降到 50℃ 的 69.2，跨 30℃ 就是 14% 的变化，直接线性进入 σp。**土壤温度探头必须和水分探头在同一个测点**，用气温代替会引入系统性偏差。

## 七、取样体积：读数差异首先是空间差异

回到开头那个争执。除了标定曲线，还有一层更硬的原因：两台仪器的敏感区根本不是同一个土体。

| 项目 | TDR 350 | WET150 |
|---|---|---|
| 测量原理 | TDR 时域反射 | FDR 频域反射 |
| 体积含水率准确度 | ±3.0% VWC（EC < 2 mS/cm） | ±0.03 m³/m³ |
| 量程 | 0% 至饱和（约 50% VWC，视土类） | 0–1.0 m³/m³ |
| 分辨率 | 0.1% VWC | — |
| 介电常数误差 | — | ±(3% 读数 + 0.8)，1→40；±5%，40→80 |
| bulk EC | 0–5 mS/cm，±0.1 mS/cm | 0–1200 mS/m，±(10 mS/m + 6%) |
| 温度 | −30～60℃，±1℃ | −20～60℃，±0.5℃（0～40℃） |
| 探针几何 | 棒径 0.5 cm、棒间距 3.3 cm，棒长 3.8/7.5/12/20 cm 可选 | 棒 51 mm × 2.5 mm，取样体积约 70 mm 直径 × 55 mm 高 |
| 数据接口 | USB 导出 / 蓝牙 | SDI-12 v1.3 |
| 记录能力 | 约 50000 条（含 GPS 坐标） | 由采集器决定 |

注意看最后两行之前的两行：TDR 350 的棒长可选 20 cm，等于把 0～20 cm 土层平均掉；WET150 的敏感区是一个约 7 cm 直径、5.5 cm 高的扁圆柱，权重还偏向紧贴棒体的土壤。

同一块地里，0～5 cm 和 0～20 cm 的含水率本来就可以差 5～10 个百分点（表层蒸发快，深层补水上滞后）。**用不同长度的探针测出来的数，比的不是仪器精度，是两个不同深度的含水量。**

![取样体积与埋设深度的差异](https://developer.qcloudimg.com/http-save/yehe-1418908/7447fc7be76c8403a0af9593de62e4f2.png)

## 八、现场怎么做才可比

要让两台仪器数据可信，做这几件事比换仪器有效得多：

1. **统一探针长度和插入深度**。跨仪器比对，先看敏感区是否重叠，不重叠的读数不要强行对比。
2. **同一测点重复 3 次以上，取中位数**，每次插入前把孔错开几厘米，避免上一次留下的空隙。
3. **不要在石缝、根孔、地表裂缝上读数**。探针插入时遇到明显阻力就换个位置，硬推会挤开土壤形成气隙，气隙的介电常数接近 1，会把读数系统性地压低。
4. **垂直插入，别斜插**。斜插会让实际测量的土层厚度和标称深度不符。
5. **长期埋设的传感器，关注接触面**。安装几个月后土壤收缩会在棒体周围形成缝隙，读数会缓慢漂移，这是现场最常见的"传感器老化"假象。
6. **记录同时段的温度**，至少用于事后筛选异常值，尤其是做 EC 换算的时候。

## 九、选型结论

把两条路线的取舍压缩成几句话：

- **要一个可以当参考的绝对值、做方法学对比或标定基准**：选 TDR。它测的是传播时间，对土类、密度、盐分的依赖最小。
- **要做多点位、多深度、长期连续监测**：选 FDR。便宜、能做小、SDI-12 好组网、能埋好几年。
- **要高精度 EC 和孔隙水 EC**：必须选带 EC 修正的 FDR，并且接受"干土不报 ECp"这条边界。
- **要做移动巡测、大量点位快速采集**：选带 GNSS 和本地存储的便携 TDR，数据能直接带坐标落库。

最后一个反直觉的结论：**在黏土或高有机质土上，花在土壤专属标定上的时间，回报率高于把预算从 FDR 升到 TDR**。因为 0.03 的模型误差，比 0.01 的硬件精度误差大得多。

## 参考资料

1. Topp G.C., Davis J.L., Annan A.P. *Electromagnetic determination of soil water content: measurements in coaxial transmission lines.* Water Resources Research, 1980.（多项式系数与 ±0.013/±0.018 标称精度）
2. Ledieu J., De Ridder P., De Clerck P., Dautrebande S. *A method of measuring soil moisture by time-domain reflectometry.* Journal of Hydrology, 1986.
3. Wraith J.M. et al. *Soil water measurement by time domain reflectometry.* Computers and Electronics in Agriculture, 2005.（USDA ARS 公开稿，含 $v_p = c/\sqrt{\varepsilon_r}$ 推导与 Topp 式原始形式）
4. Hilhorst M.A. *A pore water conductivity sensor.* Soil Science Society of America Journal, 2000.（$\sigma_p$ 换算式与 4.1 通用偏移）
5. Campbell Scientific *TDR100 Instruction Manual*, Section 8.1.（$K_a$ 与表观长度 $L_a$ 的关系、Ledieu 式）
6. Delta-T Devices *WET150 Sensor Data Sheet*（SDI-12 v1.3、介电常数与 EC 指标、取样体积）
7. Spectrum Technologies *FieldScout TDR 350* 产品资料（测量原理、准确度、EC 与温度量程）
8. Bittelli M. 等关于 FDR 工作频率与介电色散的综述（5～100 MHz 单频工作区间）


同一块地里，两个人各拿一台仪器测土壤水分，插点相距不到半米，读数差了 5 个百分点。于是开始互相质疑：是不是你那台没校准？是不是我这台坏了？

TDR 与 FDR：土壤水分测量的两条路线，以及 0.03 的误差从哪来

同一测点两台仪器差 5 个百分点，多半不是精度问题。从 TDR 的传播时间与 FDR 的谐振频偏出发，量化 ε′→θ 的标定分歧、误差放大与 Hilhorst 换算的适用边界，附可运行的校验代码。

人工智能

TDR与FDR土壤水分传感器原理差异及误差来源解析：从介电常数测量机制、标定曲线选择到取样体积差异，揭示同一地块读数偏差5%的正常性。详解土壤专属标定流程、干土误差放大效应及EC换算陷阱，提供传感器选型与现场测量规范建议。

往返时间

数据接口

代码解释

Python

2026上云采购 | AI焕新·智启新局

iot-class

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

TDR 与 FDR：土壤水分测量的两条路线，以及 0.03 的误差从哪来-腾讯云开发者社区-腾讯云

TDR 与 FDR：土壤水分测量的两条路线，以及 0.03 的误差从哪来

TDR 与 FDR：土壤水分测量的两条路线，以及 0.03 的误差从哪来

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐