植物生长在土壤中,时刻需要土壤水分的供给,研究土壤的水分状况对植物的生长具有重要意义。土壤湿度传感器能实时监测土壤含水量,越来越多的土壤湿度传感器被用在农业种植领域。土壤湿度传感器的种类有多种,FDR土壤湿度传感器具有使用简单、实时性好等优点,已广泛应用在土壤含水量检测上。但是根据前人研究和用户反应,FDR土壤湿度传感器在使用过程中易受温度、土壤硬度等因素影响,如果不对这些影响因素进行补偿,势必会对最后的测量结果产生影响,影响正确判断土壤含水量的多少。在分析与研究了各种影响因素以后,本文重点研究了温度对FDR土壤湿度传感器的影响,采用二元回归分析法和BP神经网络法对其进行了温度补偿,并利用Matlab软件进行了仿真。补偿前传感器的灵敏度温度系数为3.9×10-3/℃,经二元回归分析法对传感器进行温度补偿以后,传感器的灵敏度温度系数下降为1.3×10-3/℃;经BP神经网络法对传感器进行温度补偿以后,传感器的灵敏度温度系数下降为5.85×10-4/℃。由此可以看出,经两种方法对FDR土壤湿度传感器进行温度补偿以后,其灵敏度温度系数有所降低,表明温度稳定性有了一定程度的提高。本文还对二元回归分析法和BP神经网络法的补偿效果进行了对比,经过对比发现,二元回归分析法的平均补偿误差为0.1224%,BP神经网络补偿法平均补偿误差为0.0548%,要比二元回归分析补偿法的低一个数量级,且BP神经网络法的补偿误差要比二元回归分析法的补偿误差分布要均匀。