针对利用模型估算农田土壤有机碳含量缺少大量连续数据、各个模型均存在一定局限性、农田土壤有机碳信息智能化管理研究较少和数据采集困难等问题，本论文依托国家高技术研究发展计划（863计划）课题研究任务“农田碳汇信息获取与估算”（编号：2013AA10230101），以农田土壤有机碳影响因子智能化采集和含量估算为研究对象，在深入分析前人研究成果的基础上，以山东省济宁市兖州区小麦-玉米示范基地作为试验区，研究了农田土壤有机碳影响因子自动化获取与智能化处理技术，研制了二氧化碳浓度梯度测量装置，设计、研发、集成了基于物联网的农田有机碳因子采集和传输系统，构建了基于物联网的农田有机碳因子采集和传输监测站；基于物联网采集的实时数据和统计数据，构建了小麦和玉米生命周期各个阶段的光辐射函数及小麦和玉米光辐射对土壤有机碳的影响函数，构建了小麦-玉米连作区域农田土壤有机碳含量估算模型—WM-SOC模型；设计、研发了农田土壤有机碳影响因子接收系统和农田土壤有机碳含量估算系统，研究了小麦-玉米连作农田耕层土壤有机碳的动态变化，实现了农田土壤有机碳信息的智能化管理。　　研究结果表明物联网技术的发展为农田土壤有机碳因子的实时、连续获取提供了一种重要手段，为监测农田土壤有机碳含量的动态变化提供了基础数据保障。基于物联网技术采集区域农田土壤有机碳因子，进而采用构建的模型估算土壤有机碳含量的方法是可行的；实施秸秆还田能够有效促进农田土壤有机碳贮量的增加。研究结论可为制订和实施农田增汇措施、农作物碳汇补偿和减缓气候变化影响的相关政策提供决策依据。　　本论文具体完成了以下六个方面的研究工作：　　（1）分析了国内外研究现状，探讨了农田土壤有机碳影响因子采集与含量估算存在的主要问题。目前，主要存在五个问题：一是各个模型均存在一定局限性；二是存在数据量少、数据时效性差、数据不能连续获取等缺点；三是大尺度研究使用的数据不精确，与许多小区域的数据差距较大，结果偏差较大；四是农田土壤有机碳信息的智能化管理研究较少；五是数据采集困难。　　（2）提出了农业物联网的体系架构，探讨了本文涉及的数据智能采集技术和传输技术。农业物联网的体系架构共分为四层，即全面感知层、可靠传输层、智能处理层和智慧应用层。　　（3）设计、研发并部署了农田有机碳影响因子采集与传输系统。为连续获取土壤有机碳含量估算模型参数，首先对农田有机碳影响因子采集与传输系统进行了整体设计。然后，对农田有机碳影响因子采集模块进行了详细设计，探讨了系统硬件的组成和优选，研制了二氧化碳浓度梯度测量装置。同时，对数据的传输模块也进行了详细设计，优选了主要硬件设备，集成了农田有机碳影响因子采集和传输系统。最后，以山东省济宁市兖州区的农田为试验区，布设物联网采集和传输系统，构建了农田有机碳影响因子采集和传输监测站。　　（4）构建了小麦-玉米连作区域农田土壤有机碳含量估算模型—WM-SOC模型。首先分析了具有代表性的农田土壤有机碳含量估算四大模型，探讨了各个模型结构原理、模型参数及模型适用性。通过对四大模型的对比分析可知，Soil-C模型所需要的参数较其它模型相对简单、容易获取，且该模型在我国区域农田生态系统做过示范，验证结果较好。为了细化小麦光合碳的计算，根据前人的研究结果，结合我们的分析研究，按照传统24节气划分的小麦生命周期的五个阶段，即幼苗期（秋分至立春）、返青期（立春至清明）、抽穗期（清明至立夏）、灌浆期（立夏至小满）和成熟期（小满至芒种），构建了小麦生命周期五个阶段的光辐射函数及小麦光辐射对土壤有机碳的影响函数，确定了各个不同阶段小麦光合碳地上和地下的比例。同理，根据玉米生命周期的四个阶段，即幼苗期（芒种至小暑）、开花期（小暑至立秋）、灌浆期（立秋至白露）和成熟期（白露至秋分），构建了玉米生命周期的光辐射函数及玉米光辐射对土壤有机碳的影响函数，确定了各个不同阶段玉米光合碳地上和地下的比例。在此基础上，以Soil-C模型（麦-稻连作）作为基础，结合兖州区农田生产管理和小麦-玉米连作的特点，考虑作物生育期光合碳的周转对土壤有机碳的影响，构建了小麦-玉米连作的农田土壤有机碳含量估算模型—WM-SOC模型，并确定了兖州区农田土壤有机碳影响因子。　　（5）设计并研发了农田土壤有机碳含量估算系统。为了实现农田土壤有机碳信息的智能化管理，解决数据处理困难等问题，根据需求将农田土壤有机碳含量估算系统设计了四个功能模块，分别是：数据接收模块、基础信息管理模块、土壤有机碳含量估算模块和结果分析模块。根据数据的特点，设计了系统数据库。为了提高代码的复用性，降低系统的耦合度，便于后期升级与维护，基于B/S的三层体系结构，采用富客户端技术，以Microsoft Visual Studio2013为开发平台，以C＃、JavaScript、XML等为开发语言，以SQL Server2012为数据库，研发了农田土壤有机碳含量估算系统。　　（6）结果分析与模型验证。为了验证基于物联网采集的数据和 WM-SOC模型估算的土壤有机碳含量的准确性，首先采用传统方法测定试验区土壤有机碳实际含量。然后，利用物联网装置对试验区农田土壤有机碳因子进行连续观测。根据监测数据，计算每日监测的土壤温度、土壤湿度、土壤 pH值和光辐射的算术平均值，将参数输入WM-SOC模型，得到2012年10月至2015年6月兖州农田试验区土壤有机碳含量动态变化曲线。结果表明：①2012年-2015年期间，由于试验区秸秆连续还田，试验区农田土壤有机碳含量呈上升趋势，适宜的秸秆还田量有利于土壤表层有机碳含量的增加；②小麦和玉米不同生育时期0.2米土壤耕层有机碳含量有明显的动态变化。在小麦的整个生育期，土壤有机碳首先呈现下降趋势，到开花期土壤有机碳含量达到最低值，到收获期略有上升。在玉米整个生长时期，土壤有机碳从幼苗期到开花期后有所上升，到开花期达到最大值，随后呈现下降趋势。将模型估算值与实验室测定值进行回归分析，决定系数 R2=0.9144，说明模型估算值与实验室测定值相关性显著。均方根误差RMSE=5.8％，小于10%，表明估算值与测定值一致性非常好。从而验证了基于物联网的农田有机碳因子采集和传输系统的可行性，WM-SOC模型和农田土壤有机碳含量估算系统的正确性。　　本文研究成果解决了估算农田土壤有机碳含量缺少大量连续数据、模型存在一定局限性、农田土壤有机碳信息的智能化管理研究较少和数据采集困难等问题，可以提高农田土壤有机碳含量的估算精度。