CN104267045B - 一种基于无线网络的广域土壤墒情检测系统 - Google Patents

Abstract

本发明提供了一种基于无线网络的广域土壤墒情检测系统。本发明基于微波后向散射系数与土壤介电常数具有较强相关性而土壤介电常数正比于墒情的规律，通过多极化微波雷达散射计以发射微波的方式在广域范围内执行测量，并且将地面定点检测设备和机载检测设备所采集的样本墒情数据、地表温度数据、植被覆盖度数据、地形几何特征数据、土壤自身物理属性数据以无线网络进行馈送，从而在微波实测墒情数值的基础上进行精细校正，最终取得反映整个广域范围的墒情及其中个别局部墒情的检测数据。

Description

一种基于无线网络的广域土壤墒情检测系统

技术领域

本发明涉及适用于农业的传感信息技术，更具体地，涉及一种基于无线网络的广域土壤墒情检测系统。

背景技术

墒情是土壤成份当中水分的含量，一般以百分比表示。对于农业生产来说，土壤墒情是影响植物生长的重要指标。墒情指标在50％以下的土壤属于重度干旱，会造成植物停止发育直至干枯；墒情指标在60％以下的土壤属于轻度干旱，植物生长造成一定程度的不利影响；墒情指标处于60％-80％这一区间的土壤适宜植物生长；墒情指标大于80％则表示土壤含水量过盛，如果有必要应采取排水措施,否则有可能导致植物根部腐败。可见，准确测量和分析土壤墒情，可以增强预测和应对旱灾的能力，并且可以为农业生产中的水、肥供给提供科学依据，对实现节能节水的精细化农田作业具有重要意义。

土壤墒情受到多种因素的影响，由于地形环境、气象条件、土壤自身微观构成等方面的差异，使得不同地域的墒情指标呈现出明显的不均匀分布态势。因此，有关部门为了能够全面、准确地了解所辖区域的土壤墒情状况，有必要建立适用于广域范围的墒情检测系统。

目前在广域范围上进行土壤墒情检测的主要方法是建立分布式的检测站点针对各个采样点的土壤墒情执行周期性测量，从而取得时间和空间上均匀分布的大量采样点数据，基于GPRS或ZigBee等无线通信技术将采样点数据上传到中心单元，由中心单元基于土壤墒情的统计学模型推算广域范围内的墒情数值，生成墒情分布地图等结果。

在前端的检测站点，现有技术中主要采用了根据时域反射法(TDR)或频域反射法(FDR)原理构造的墒情传感器，上述检测方法可以测量土壤的介电常数。常温下土壤的介电常数主要取决于其中水份含量的大小，二者呈现正比关系。因此通过获得所述介电常数可以进而确定采样点处的墒情数值。这一检测手段相对于烘干法等人工实验方法来说，检测速度更快，自动化程度更高，检测结果表现为电信号，因而易于实现无线通信传输。

前端的检测站点只能以抽样的形式反馈整个广域范围内的少量采样点处的墒情数值。如果需要获得反映整个广域范围的土壤墒情数据(例如广域平均值、墒情分态势地图等)，或者需要获得非采样点位置的定点墒情数值，就只能基于采样值执行各种平均算法和内插算法进行模拟。为了使这一模拟计算达到逼近实际墒情的目标，现有技术中进行了大量对广域土壤墒情分布规律和变异性进行建模的研究，例如提出了克里金法等相对成熟的方案。

但是，上述现有技术终究是基于有限的甚至是稀疏的土壤墒情抽样样本进行广域范围的科学推测。而土壤墒情在空间上的分布特征是极为复杂和敏感的，易受到多重因素的影响，包括土壤成份变化、植被覆盖、气象温度、地形地貌、太阳光照、人类活动等等，呈现出明显的易于突变和不规则分布的特点。因此，现有技术所采用的上述系统具有比较强的不可靠性。这一不可靠性有可能表现为采样点本身的非典型性，例如采样点有可能处于积水区，回填区，或者植被密度及土壤成份具有特殊性的个别区域，而导致其采样值与周边真实墒情呈现超过正常范围的差异性；特别是采用了TDR或FDR测量方法的墒情传感器，其对外界干扰的抗性更差，甚至测量点邻近位置存在石块等因素都会造成失真，而只要少数采样点存在上述问题，就会对整个广域范围的墒情计算产生影响。另一方面的不可靠性在于现有系统中只是在某种通用计算模型的算法基础上，结合了特定广域范围的条件参数值，例如地区平均温度、平均光照条件等，以调整算法中的某些权重，但不足以使该模型能够与特定广域范围内墒情真实状况达成充分的匹配。

可见，现有技术中需要针对广域范围上的土壤墒情能够执行动态、量化、实时、准确的直接测量的技术，从而从根本上克服基于采样点数据执行模型演算的现有系统的缺陷。

发明内容

为了克服现有技术中的上述缺陷，本发明提供了一种基于无线网络的广域土壤墒情检测系统。本发明基于微波后向散射系数与土壤介电常数具有较强相关性而土壤介电常数正比于墒情的规律，通过多极化微波雷达散射计以发射微波的方式在广域范围内执行测量，并且将地面定点检测设备和机载检测设备所采集的样本墒情数据、地表温度数据、植被覆盖度数据、地形几何特征数据、土壤自身物理属性数据以无线网络进行馈送，从而在微波实测墒情数值的基础上进行精细校正，最终取得反映整个广域范围的墒情及其中个别局部墒情的检测数据。

本发明所述基于无线网络的广域土壤墒情检测系统，其特征在于，包括：

多极化微波雷达散射计，用于向作为测量目标的广域范围地面发射符合测量条件参数的微波信号，并且获取地面散射回波的幅相信息，基于所述幅相信息取得包括后向散射系数的微波检测数据，并且无线发送所述微波检测数据；

地面检测无线网络，包括分布于待测广域范围上的各个采样点的地面定点检测设备，所述地面定点检测设备包括采样模组和通信模组，所述采样模组用于获得对应采样点实测的地表温度数据、地形几何特征数据、土壤自身物理属性数据以及墒情精确数据；所述通信模组用于将采样模组采样的数据无线上传；

总控中心站，接收通过所述多极化微波雷达散射计测量获得的所述后向散射系数，并且从所述地面检测无线网络接收针对各采样点实测的地表温度数据、地形几何特征数据、土壤自身物理属性数据以及墒情精确数据；所述总控中心站用于基于所述地面检测无线网络提供的所述地形几何特征数据、地表温度数据以及墒情精确数据，取得关于土壤粗糙度和土壤墒情的预估目标值，并且向所述多极化微波雷达散射计发送根据所述预估目标值确定的微波收发参数；所述总控中心站用于基于所述地面检测无线网络提供的地表温度数据、地形几何特征数据、土壤自身物理属性数据以及墒情精确数据，对所述包括后向散射系数的微波检测数据进行校正和拟合，从而获得表示所述广域范围及其中任意点的墒情结果数值。

优选的是，所述总控中心站具体包括：通信模组，用于与所述地面检测无线网络及多极化微波雷达散射计进行无线数据收发；地面检测数据库，用于保存由地面检测无线网络提供的各采样点的地表温度数据、地形几何特征数据、土壤自身物理属性数据以及墒情精确数据；微波检测数据库，用于保存由多极化微波雷达散射计提供的所述广域范围各点的包括后向散射系数的微波检测数据；预估目标值计算模块，用于调用用于预估广域范围的土壤粗糙度和土壤墒情的预估计算模型，基于所述地面检测无线网络提供的所述地形几何特征数据、地表温度数据以及墒情精确数据计算所述关于土壤粗糙度和土壤墒情的预估目标值；校正计算模块，用于基于所述地面检测无线网络提供的所述地表温度数据、地形几何特征数据、土壤自身物理属性数据，计算点校正因数和归一化校正因数，并且基于所述点校正因数或归一化校正因数对所述微波检测数据加以校正，并基于校正后的后向散射系数，计算广域范围内任意点的校正墒情数值；宏观拟合计算模块基于所述地面检测无线网络提供的所述墒情精确数据，对所述校正墒情数值进行空间拟合，取得更加逼近真实墒情值的墒情结果数值。

优选的是，预估目标值计算模块计算所述关于土壤粗糙度和土壤墒情的预估目标值具体包括：确定当前雷达发射微波有效覆盖范围的中心点和半径；筛选位于上述有效覆盖范围内的相关采样点，并且获得相关采样点的地面定点检测设备提供的所述地形几何特征数据、地表温度数据以及墒情精确数据；对相关采样点的所述地形几何特征数据及墒情精确数据以相关权重因数进行加权，获得所述关于土壤粗糙度和土壤墒情的预估目标值。

进一步优选的是，所述总控中心站利用所述预估目标值查询关系表，取得与所述预估目标值对应的微波收发参数。

优选的是，所述校正计算模块计算所述点校正因数和归一化校正因数具体包括：根据位置坐标，从所述微波检测数据中提取与各采样点位置相对应的后向散射系数；基于各采样点的地面定点检测设备提供的所述地形几何特征数据、地表温度数据、土壤自身物理属性数据以及微波的实际测量参数，计算各采样点的校正因数；针对各采样点的校正因数，通过空间内插获得广域范围内其它点的点校正因数，并且通过空间加权平均算法获得整个广域范围中通过中心点和半径所划分的区域内的归一化校正因数。

优选的是，宏观拟合计算模块对所述校正墒情数值进行空间拟合具体包括：获得各采样点的地面定点检测设备提供的墒情精确数据，并且根据位置坐标，提取广域范围内与各采样点相对应的所述校正墒情数值；计算使各采样点对应的墒情精确数据与校正墒情数值的平方差值的总和最小的归一化拟合参数；基于所述归一化拟合参数对广域范围内的所述校正墒情数值进行拟合。

优选的是，所述多极化微波雷达散射计包括微波收发模块、收发参数设置模块以及无线通信模块；所述微波收发模块具有若干种预定的微波发射模式，每种模式下发射不同波段和频率的微波，并且各波段下微波均具有垂直极化和水平极化方式；所述无线通信模块接收所述总控中心站提供的微波收发参数，并且所述收发参数设置模块基于微波收发参数对微波收发模块相应波段的发射微波入射角和频率进行设置。

优选的是，所述地面定点检测设备的采样模组具体包括：地表温度测量仪、地表红外测量仪、土壤属性传感器组、土壤墒情传感器、数据处理模块。

优选的是，所述地形几何特征数据包括地表高度方差和相关长度组成的二维数组。

优选的是，所述总控中心站接收由机载检测设备提供的归一化植物指标NDVI值，并且利用所述归一化植物指标NDVI值查询关系表，取得对应的微波收发参数。

可见，本发明通过以上处理，最终取得反映整个广域范围的墒情及其中个别局部墒情的最终墒情数值。本发明所依据的原始数据首先来自针对广域范围的微波实测，而并非如现有技术一样来自基于少量采样点的推算，因而其原始数据具有更加可靠的基础。本发明在广域范围内地面覆盖了执行采样检测和数据传输的自动化无线网络，通过这一网络可以对雷达微波收发参数进行实时调整，使参数的选择更加符合待测广域范围的真实特征；而且可以对后向散射系数结合地面采样数据进行精细校正和空间拟合，使得该实测值趋近于真实值，而不是完全简化忽略土壤介电常数以外其它方面因素的影响。本发明显著地提升了墒情检测结果的准确度和可靠性，可以为大范围尺度上的防旱预警、科学溉灌、科学研究提供充分的墒情数据支持。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明：

图1是本发明所述基于无线网络的广域土壤墒情检测系统的整体结构示意图；

图2是本发明所采用的多极化微波雷达散射计的结构示意图；

图3是本发明所采用的地面定点检测设备采样模组的具体结构示意图；

图4是本发明的总控中心站的结构示意图；

图5是本发明对土壤粗糙度预估的流程图；

图6是本发明对土壤墒情预估的流程图；

图7是本发明计算点校正因数和归一化校正因数的流程图；

图8是本发明进行宏观空间拟合的流程图。

具体实施方式

为了使本技术领域的人员更好地理解本发明的技术方案，并使本发明的上述目的、特征和优点能够更加明显易懂，下面结合实施例及实施例附图对本发明作进一步详细的说明。

本发明的原理是基于微波后向散射系数与土壤介电常数具有较强相关性而土壤介电常数正比于墒情的规律，通过多极化微波雷达散射计以发射微波的方式在广域范围内实际测量后向散射系数,进而基于实测的该系数取得墒情数值,并进行精细校正与宏观拟合。

基于微波实测获得的后向散射系数与以下多方面的因素有关：首先是土壤介电常数，上面已经介绍了其与墒情具有正比关系，可以直接反映出土壤墒情指示；其二为地表的地形几何特性，主要表现为土壤粗糙度，其中，所述土壤粗糙度是地表微观尺度上凹凸不平的程度，通常可以用均方根高度和相关长度表征；其三是地表植物覆盖情况，地表植物覆盖的密度高低对其微波散射性能具有不可忽视的影响；其四是土壤自身物理属性，即在微观成份、质地、纹理等方面差异性；其五是地表温度；其六是雷达微波发射和接收的相关参数，包括微波频率、极化、入射角等。由于后向散射系数受到以上多重因素的影响，现有技术中解决这一矛盾的基本思路是通过对雷达微波收发参数的选择，以及通过对从后向散射系数计算墒情数值的数学模型的选择，尽量弱化和忽略其它几方面的因素的影响，特别是需要弱化和忽略地表的地形几何特性的影响，而强化后向散射系数与土壤介电常数之间相关性的敏感度。

本发明在以上思路的基础之上，在广域范围内地面覆盖了执行采样检测和数据传输的自动化无线网络，通过这一网络可以实现以下几方面的功能：首先是基于网络节点采样的反馈结果，可以对雷达微波收发参数进行实时调整，使参数的选择更加符合待测广域范围的真实特征；第二是对于通过接收地面散射回波而实测的后向散射系数，结合网络节点所采样的反映地表温度、地形几何特征、土壤自身物理属性等方面的数据，进行精细校正，使得该实测值趋近于真实值，而不是完全简化忽略土壤介电常数以外其它方面因素的影响；第三是基于网络节点实测的真实墒情数据，对由校正之后的后向散射系数计算的实测墒情数值进行宏观拟合，从而使实测墒情数值更加逼近真实值。通过以上几方面的改进，显著地提升了本系度检测结果的准确度和可靠性。

图1示出了本发明所述基于无线网络的广域土壤墒情检测系统的整体结构示意图，包括多极化微波雷达散射计1、地面检测无线网络2以及总控中心站3。所述多极化微波雷达散射计1可以采用机载的方式安装，在巡回飞行过程中进行微波测量；也可以在待测广域范围内选择地势较高无严重障碍处分布设置若干个地面站，每个地面站负责一个分区域的微波发射和接收。多极化微波雷达散射计1用于向作为测量目标的广域范围地面发射符合测量条件参数的微波信号，并且获取地面散射回波的幅相信息，基于所述幅相信息提取后向散射系数，该后向散射系数作为实测值回传至总控中心站3。地面检测无线网络2由分布在待测广域范围上的地面定点检测设备以及路由中继设备共同构成，各地面定点检测设备包括采样模组和通信模组两部分，通信模组可以基于ZigBee等无线通信技术将其采样模组获得的数据上传至路由中继设备，进而由路由中继设备无线传输到总控中心站3。当然，也完全可以采用2G或3G蜂窝网络技术实现从地面定点检测设备至总控中心站3的直接无线数据传输，或者采用现有技术中已有的其它无线数据传输手段。地面定点检测设备是自动控制的无人化采样站，通过一次布设作业安装完成之后，能够时间上可持续性地对其布设点进行采样，且实时上传。通过地面检测无线网络2，采集广域范围内一定数量的采样点的地表温度、地形几何特征、土壤自身物理属性等方面的数据以及实测的墒情精确数据，上传至总控中心站3。在条件许可的情况下，本发明还可以调用机载检测设备，取得宏观尺度上的归一化植被指数(NDVI)。总控中心站3基于以上数据执行精细校正与宏观拟合，从而获得准确和可靠反映整个广域区域墒情的检测结果。总控中心站3还作为整个系统的远程控制中枢，对多极化微波雷达散射计1和地面检测无线网络2的工作状态进行监控，特别是反馈控制多极化微波雷达散射计1的雷达微波收发参数。

图2是本发明所采用的多极化微波雷达散射计1的结构示意图。所述多极化微波雷达散射计1包括微波收发模块101、收发参数设置模块102以及无线通信模块103。微波收发模块101具有若干种预定的微波发射模式，每种模式下发射不同波段和频率的微波。微波收发模块101能够发射L波段、C波段和X波段的微波，并且各波段下微波均具有垂直极化和水平极化的双重极化方式。实验证明，待测地域不同的地面几何特征以及植被覆盖状况，使其对不同波段和极化方式的微波具有不同的响应，从而采用多模式并行微波发射，可以增强对广域范围测量的准确性。例如，在植被覆盖度比较高的地带，L波段穿透植被覆盖而对地面执行测量的性能更好；在粗糙度比较低的平坦地表，水平极化的微波所产生的回波信号比较强，相反，在粗糙度较高的地表，垂直极化的微波能够带来更强的回波信号。

土壤粗糙度对于上述各波段和极化方式下的微波实测结果都具有很大的影响。对于测量土壤介电常数进而计算墒情数值来说，土壤精糙度是首要的干扰因素，因而有必要将其对测量结果的影响程度尽量降低，这一目标可以通过调整微波发射相对于地面的入射角以及调整在波段范围内的微波频率来实现。另外，待测区域预估的墒情数值和待测区域的植被覆盖情况，也是上述入射角和频率选择的参考因素。回波的后向散射系数与土壤的墒情数值呈正比例关系，与地表植物覆盖率也呈现正比例关系；在小于30度的入射角范围内，后向散射系数与土壤粗糙度呈现反比例关系，而在40度以上的入射角范围内，后向散射系数与土壤粗糙度呈正比关系。一般来说，在小于30度的小入射角的情况下，后向散射系数对于土壤墒情的敏感度较高，而随着入射角度增大，植被和土壤粗糙度的影响逐渐显著。因而，可以通过适当选择发射微波的入射角以及相应的微波频率，来尽量降低回波对土壤粗糙度的敏感度，并且适应地表植被的影响。在本发明中，总控中心站3通过地面检测无线网络2的各个地面定点检测设备，获得反映各个采样点的土壤粗糙度及实测墒情精确数据的采样值，然后基于空间加权平均运算，获得适用于待测广域范围的预估目标值。总控中心站3中保存如下表1所示的微波收发参数与预估目标值对应关系表，该表中用地表高度方差σ和相关长度l的二维数组表示土壤粗糙度的预估目标值，并且用百分含量表示墒情的预估目标值。在有条件的情况下，总控中心站3还接收由机载检测设备通过扫描所获得的待测广域范围内的归一化植物指标NDVI值，并且该值也列入到表1中作为进行微波收发参数选择的考量因素。该总控中心站3利用预估目标值(及NDVI值)通过查表取得相应的微波收发参数，并且向多极化微波雷达散射计1传送该参数。多极化微波雷达散射计1通过无线通信模块103接收所述参数，并且由收发参数设置模块102基于微波收发参数对微波收发模块101相应波段的发射微波入射角和频率进行设置。通过接收和处理回波信号，微波收发模块101取得实测的后向散射系数Φ，并且将该系数与取得该系数的实际测量参数(极化方式、波段、入射角、频率)共同封装为远程反馈数据包，并且通过无线通信模块103反馈至总控中心站3。

表1微波收发参数与预估目标值(及NDVI值)对应关系表

地面检测无线网络2主要组成部分是分布在待测广域范围上的地面定点检测设备。通过地面定点检测设备获取广域范围内大量采样点的地表温度、地形几何特征、土壤自身物理属性数据以及实测墒情精确数据，并无线传输给总控中心站3，从而为前面介绍的微波收发参数选择以及后续的后向散射系数精确校正以及墒情数值宏观拟合提供依据。地面检测无线网络2包括的采样点的数量、密度和分布方案可以根据待测广域范围的面积、气候条件、地形变化、人类活动情况而决定，旨在所采集的样本数据能够较好地符合待测广域范围的真实情况。当然，地表温度、地形几何特征和土壤自身物理属性在空间分布上也并非是完全均衡的，存在一定的突变可能性，但从宏观总体上看这些因素变化的敏感程度不像土壤墒情那么高，其空间分布上的均衡性明显更强，因而通过在采样点数据基础上利用合适的模型进行空间加权平均运算所取得的地表温度、地形几何特征和土壤自身物理属性参考值能够与广域范围的真实数值相对更加逼近，因而能够基于这些参考值对通过微波实测的测量结果进行精确校正。

图3示出了地面检测无线网络2的地面定点检测设备采样模组的具体结构示意图，包括地表温度测量仪201、地表红外测量仪202、土壤属性传感器组203、土壤墒情传感器204以及数据处理模块205。地表温度测量仪201用于测量采样点的实时温度t。地表红外测量仪202主要通过红外水平及垂直长度测量的方式，计算土壤粗糙度，上文已经介绍，土壤粗糙度以地表高度方差σ和相关长度l的二维数组(σ，l)表示。土壤属性传感器组203是一组将土壤化学成份、酸碱度等数值转化为电信号的专用传感器，通过该传感器组所测量的指标，对照相关的土壤类型参考表，能够判定采样点土壤土质类型，进而通过查表获得与计算土壤的后向散射系数相关的土壤类型参数ρ。土壤墒情传感器204基于时域反射法(TDR)或频域反射法(FDR)原理，直接测量采样点处的墒情数值m_v，该采样数值对于本采样点来说是具备足够的精确度的。数据处理模块205对上述反映实时温度、土壤粗糙度、土壤类型参数及精确墒情数值的数据进行封装，形成无线传输数据包。数据处理模块205还可以配备GPS定位模块，从而获得本采样点的地理位置坐标，并将该坐标一同封装至该无线传输数据包。或者，可以将各个采样点的位置坐标以位置表单的形式保存在总控中心站3，这样数据处理模块205不再借助GPS定位，而是在无线传输数据包中加入本采样点的标识码。

图4示出了本发明的总控中心站3的结构示意图。总控中心站3的通信模组301用于实现与地面检测无线网络2的无线数据收发，并且用于与多极化微波雷达散射计1进行数据和控制指令的远程传输。地面检测数据库302用于保存由地面检测无线网络2提供的各个采样点的实测数据，包括采样点标识码、位置坐标(x，y)、实时温度t、土壤粗糙度(σ，l)、土壤类型参数ρ及墒情精确数据m_v。微波检测数据库303用于保存由多极化微波雷达散射计1远程反馈的广域范围内各点的坐标参数(x'，y')，各点的实测后向散射系数Φ以及相关的实际测量参数，包括极化方式(v/h)、波段(L/X/C)、入射角θ、频率f，根据目前的测量水平，由多极化微波雷达散射计1反馈的微波实测数据的空间分辨率可以达到厘米级。

总控中心站3具有预估目标值计算模块304、校正计算模块305和宏观拟合计算模块306三个主要的计算组件。预估目标值计算模块304主要调用用于预估广域范围的土壤粗糙度和土壤墒情的预估计算模型，并且以地面检测数据库302中相关采样点的土壤粗糙度(σ，l)和墒情精确数据m_v为参量，取得关于土壤粗糙度和土壤墒情的预估目标值。如上文所述，该预估目标值提供给多极化微波雷达散射计1，用于确定微波收发参数。预估目标值计算模块304对土壤粗糙度的预估主要采用了空间加权平均的方式，具体如图5所示，首先，在步骤501中，确定当前雷达发射微波有效覆盖范围的中心点和半径；在步骤502中，根据各地面采样点的位置坐标，筛选位于上述有效覆盖范围内的相关采样点，并且获得相关采样点的土壤粗糙度(σ，l)；步骤503中，按照下面的算法由各相关采样点的土壤粗糙度(σ，l)加权获得有效覆盖范围的土壤粗糙度预估目标值。

(σ，l)＝α₁*(σ₁，l₁)+α₂*(σ₂，l₂)+α₃*(σ₃，l₃)……

其中，(σ₁，l₁)、(σ₂，l₂)和(σ₃，l₃)是各采样点实测的土壤粗糙度数据，而α₁、α₂、α₃表示基于采样点与上述中心点的空间距离而决定的空间相关权重因数，基于采样点与雷达有效覆盖范围的空间相关度进行加权获得土壤粗糙度预估目标值(σ，l)。

相类似地，预估目标值计算模块304对广域范围内墒情的预估主要也采用了空间加权平均的方式，具体如图6所示，在步骤601中，确定当前雷达发射微波有效覆盖范围的中心点和半径；在步骤602中，根据各地面采样点的位置坐标，筛选位于上述有效覆盖范围内的相关采样点，并且获得相关采样点实测的墒情精确数据m_v；步骤603中，按照加权平均算法由各相关采样点的土壤墒情精确数据获得有效覆盖范围的土壤墒情预估目标值。

m_v＝α₁*m_v1+α₂*m_v2+α₃*m_v3……

其中，m_v1、m_v2和m_v3是各采样点实测的土壤墒情数据，而α₁、α₂、α₃表示各采样点相关权重因数，但是与土壤粗糙度预估不同的是，α₁、α₂、α₃不仅由采样点与上述中心点的空间距离而决定的，还与采样点自身的实时温度t相关，表示了温度对土壤墒情的重要影响。基于采样点加权平均获得土壤墒情预估目标值m_v。

校正计算模块305从微波检测数据库303获得广域范围内各点的实测后向散射系数Φ，并且从地面检测数据库302取得各个采样点的实测数据，包括位置坐标(x，y)、实时温度t、土壤粗糙度(σ，l)、土壤类型参数ρ。然后，校正计算模块305基于各采样点的实测数据，计算点校正因数和归一化校正因数，并且基于所述点校正因数或归一化校正因数对实测后向散射系数Φ加以校正；基于校正后的后向散射系数，校正计算模块305再根据该系数与土壤墒情的经验函数，推算广域范围内任意点的土壤墒情数值。图7示出了校正计算模块305计算点校正因数和归一化校正因数的流程。在步骤701中，根据位置坐标，从表示实测后向散射系数的数据中提取与各采样点位置相对应的后向散射系数Φ。步骤702，基于各采样点实测的实时温度t、土壤粗糙度(σ，l)、土壤类型参数ρ，并且基于微波的实际测量参数极化方式(v/h)、波段(L/X/C)、入射角θ、频率f，以其作为参照因数，计算该采样点的校正因数β。各采样点的校正因数β的计算主要基于以下两个函数：

β_v/h＝e(t)*G(σ,l,ρ,f,θ)

其中，e(t)反映了地表温度对墒情的影响，而G(σ,l,ρ,f,θ)反映了土壤粗糙度、土壤类型、微波频率和入射角对墒情的影响。以上两个函数均为经验函数，可即基于以往大量实验数据总结的函数关系。通过将各采样点实测数据代入该计算公式，获得本采样点的校正因数β。下标v/h表示该校正因数的适用极化方式是水平极化还是垂直极化。步骤703中，根据各采样点的校正因数，通过空间内插获得广域范围内其它点的点校正因数，并且通过上述空间加权平均算法，获得整个广域范围中通过某个中心点和半径所划分的区域内的归一化校正因数。以点校正因数和归一化校正因数对实测后向散射系数Φ进行校正后，进一步推算广域范围内某点或者某个区域的校正墒情数值。

宏观拟合计算模块306的作用是基于各采样点实测的墒情精确数据，对上述校正墒情数值进行空间拟合，以使其更加逼近真实墒情值。空间拟合的步骤如图8所示，在步骤801中，获得各采样点实测的墒情精确数据，并且根据位置坐标，提取广域范围内与各采样点相对应位置的所述校正墒情数值。步骤802中，计算各采样点的墒情精确数据与校正墒情数值的差值；步骤803中，设定一初始归一化拟合参数Δ，并且调整该归一化拟合参数Δ，使下式的结果最为趋近于零：

(Δ*m_v1－m_v1')²+(Δ*m_v2－m_v2')²+(Δ*m_v3－m_v3')²……

其中m_v1、m_v2、m_v3表示各采样点的校正墒情数值，而m_v1'、m_v2'、m_v3'表示各采样点对应的实测墒情精确数据。基于调整后最优的归一化拟合参数Δ，对其它广域范围上各点的校正墒情数值进行拟合，即以校正墒情数值与该参数相乘，从而获得经过微波实测、精确校正和空间拟合三个阶段处理之后的墒情结果数值。

可见，本发明通过以上处理，最终取得反映整个广域范围的墒情及其中个别局部墒情的最终墒情数值。本发明所依据的原始数据首先来自针对广域范围的微波实测，而并非如现有技术一样来自基于少量采样点的推算，因而其原始数据具有更加可靠的基础。本发明在广域范围内地面覆盖了执行采样检测和数据传输的自动化无线网络，通过这一网络可以对雷达微波收发参数进行实时调整，使参数的选择更加符合待测广域范围的真实特征；而且可以对后向散射系数结合地面采样数据进行精细校正和空间拟合，使得该实测值趋近于真实值，而不是完全简化忽略土壤介电常数以外其它方面因素的影响。本发明显著地提升了墒情检测结果的准确度和可靠性，可以为大范围尺度上的防旱预警、科学溉灌、科学研究提供充分的墒情数据支持。

以上所述，仅为本发明的具体实施方式，本发明还可以应用在其它设备中；以上描述中的尺寸和数量均仅为参考性的，本领域技术人员可根据实际需要选择适当的应用尺寸，而不脱离本发明的范围。本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求所界定的保护范围为准。

Claims (10)

1.一种基于无线网络的广域土壤墒情检测系统，其特征在于，包括：

多极化微波雷达散射计，用于向作为测量目标的广域范围地面发射符合测量条件参数的微波信号，并且获取地面散射回波的幅相信息，基于所述幅相信息取得包括后向散射系数的微波检测数据，并且无线发送所述微波检测数据；

地面检测无线网络，包括分布于待测广域范围上的各个采样点的地面定点检测设备，所述地面定点检测设备包括采样模组和第一通信模组，所述采样模组用于获得对应采样点实测的地表温度数据、地形几何特征数据、土壤自身物理属性数据以及墒情精确数据；所述第一通信模组用于将采样模组采样的数据无线上传；

总控中心站，接收通过所述多极化微波雷达散射计测量获得的所述后向散射系数，并且从所述地面检测无线网络接收针对各采样点实测的地表温度数据、地形几何特征数据、土壤自身物理属性数据以及墒情精确数据；所述总控中心站用于基于所述地面检测无线网络提供的所述地形几何特征数据、地表温度数据以及墒情精确数据，取得关于土壤粗糙度和土壤墒情的预估目标值，并且向所述多极化微波雷达散射计发送根据所述预估目标值确定的微波收发参数；所述总控中心站用于基于所述地面检测无线网络提供的地表温度数据、地形几何特征数据、土壤自身物理属性数据以及墒情精确数据，对所述包括后向散射系数的微波检测数据进行校正和拟合，从而获得表示所述广域范围及其中任意点的墒情结果数值。

2.根据权利要求1所述的基于无线网络的广域土壤墒情检测系统，其特征在于，所述总控中心站具体包括：第二通信模组，用于与所述地面检测无线网络及多极化微波雷达散射计进行无线数据收发；地面检测数据库，用于保存由地面检测无线网络提供的各采样点的地表温度数据、地形几何特征数据、土壤自身物理属性数据以及墒情精确数据；微波检测数据库，用于保存由多极化微波雷达散射计提供的所述广域范围各点的包括后向散射系数的微波检测数据；预估目标值计算模块，用于调用用于预估广域范围的土壤粗糙度和土壤墒情的预估计算模型，基于所述地面检测无线网络提供的所述地形几何特征数据、地表温度数据以及墒情精确数据计算所述关于土壤粗糙度和土壤墒情的预估目标值；校正计算模块，用于基于所述地面检测无线网络提供的所述地表温度数据、地形几何特征数据、土壤自身物理属性数据，计算点校正因数和归一化校正因数，并且基于所述点校正因数或归一化校正因数对所述微波检测数据加以校正，并基于校正后的后向散射系数，计算广域范围内任意点的校正墒情数值；宏观拟合计算模块基于所述地面检测无线网络提供的所述墒情精确数据，对所述校正墒情数值进行空间拟合，取得更加逼近真实墒情值的墒情结果数值。

3.根据权利要求2所述的基于无线网络的广域土壤墒情检测系统，其特征在于，预估目标值计算模块计算所述关于土壤粗糙度和土壤墒情的预估目标值具体包括：确定当前雷达发射微波有效覆盖范围的中心点和半径；筛选位于上述有效覆盖范围内的相关采样点，并且获得相关采样点的地面定点检测设备提供的所述地形几何特征数据、地表温度数据以及墒情精确数据；对相关采样点的所述地形几何特征数据及墒情精确数据以相关权重因数进行加权，获得所述关于土壤粗糙度和土壤墒情的预估目标值。

4.根据权利要求3所述的基于无线网络的广域土壤墒情检测系统，其特征在于，所述总控中心站利用所述预估目标值查询关系表，取得与所述预估目标值对应的微波收发参数。

5.根据权利要求4所述的基于无线网络的广域土壤墒情检测系统，其特征在于，所述校正计算模块计算所述点校正因数和归一化校正因数具体包括：根据位置坐标，从所述微波检测数据中提取与各采样点位置相对应的后向散射系数；基于各采样点的地面定点检测设备提供的所述地形几何特征数据、地表温度数据、土壤自身物理属性数据以及微波的实际测量参数，计算各采样点的校正因数；针对各采样点的校正因数，通过空间内插获得广域范围内其它点的点校正因数，并且通过空间加权平均算法获得整个广域范围中通过中心点和半径所划分的区域内的归一化校正因数。

6.根据权利要求5所述的基于无线网络的广域土壤墒情检测系统，其特征在于，宏观拟合计算模块对所述校正墒情数值进行空间拟合具体包括：获得各采样点的地面定点检测设备提供的墒情精确数据，并且根据位置坐标，提取广域范围内与各采样点相对应的所述校正墒情数值；计算使各采样点对应的墒情精确数据与校正墒情数值的平方差值的总和最小的归一化拟合参数；基于所述归一化拟合参数对广域范围内的所述校正墒情数值进行拟合。

7.根据权利要求6所述的基于无线网络的广域土壤墒情检测系统，其特征在于，所述多极化微波雷达散射计包括微波收发模块、收发参数设置模块以及无线通信模块；所述微波收发模块具有若干种预定的微波发射模式，每种模式下发射不同波段和频率的微波，并且各波段下微波均具有垂直极化和水平极化方式；所述无线通信模块接收所述总控中心站提供的微波收发参数，并且所述收发参数设置模块基于微波收发参数对微波收发模块相应波段的发射微波入射角和频率进行设置。

8.根据权利要求7所述的基于无线网络的广域土壤墒情检测系统，其特征在于，所述地面定点检测设备的采样模组具体包括：地表温度测量仪、地表红外测量仪、土壤属性传感器组、土壤墒情传感器、数据处理模块。

9.根据权利要求8所述的基于无线网络的广域土壤墒情检测系统，其特征在于，所述地形几何特征数据包括地表高度方差和相关长度组成的二维数组。

10.根据权利要求9所述的基于无线网络的广域土壤墒情检测系统，其特征在于，所述总控中心站接收由机载检测设备提供的归一化植物指标NDVI值，并且利用所述归一化植物指标NDVI值查询关系表，取得对应的微波收发参数。