CN111122657B - 一种利用三通道接收机的地基gnss-r植被下土壤湿度感知方法 - Google Patents

一种利用三通道接收机的地基gnss-r植被下土壤湿度感知方法 Download PDF

Info

Publication number
CN111122657B
CN111122657B CN201911265495.XA CN201911265495A CN111122657B CN 111122657 B CN111122657 B CN 111122657B CN 201911265495 A CN201911265495 A CN 201911265495A CN 111122657 B CN111122657 B CN 111122657B
Authority
CN
China
Prior art keywords
soil
vegetation
data
under
reflection coefficient
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911265495.XA
Other languages
English (en)
Other versions
CN111122657A (zh
Inventor
严颂华
李焱
陈能成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201911265495.XA priority Critical patent/CN111122657B/zh
Publication of CN111122657A publication Critical patent/CN111122657A/zh
Application granted granted Critical
Publication of CN111122657B publication Critical patent/CN111122657B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Electrochemistry (AREA)
  • Software Systems (AREA)
  • Biochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种利用三通道接收机的地基GNSS‑R植被下土壤湿度感知方法，可根据实测土壤湿度数据计算出植被下土壤反射系数的理论值，然后通过两个直达天线，一个反射天线采集的对应的GNSS数据，根据不同天线采集到的北斗3号GEO卫星的信噪比数据，计算出植被下土壤反射系数的实际值。通过最小二乘法，建立理论值与实际值之间的线性回归模型，最后根据当天所采集的GNSS数据，求出植被下土壤反射系数的实际值，代入线性回归模型，根据菲涅尔方程和Hallikainen经验模型，即可反演出植被下土壤的湿度值。通过本发明，能够对同一地区植被下土壤湿度实施长时间连续性监测，对土壤湿度测量有重要意义。

Description

一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知 方法
技术领域
本发明涉及电子、信息技术领域，尤其涉及一种基于地基GNSS-R感知植被下土壤湿度的方法。
背景技术
土壤湿度是土地资源和环境管理的重要参数。土壤湿度的定量观测早已成为气象学、水文学、生态学、农业以及地球科学等众多学科和领域关注的重要内容。
目前测量土壤湿度的方法主要有下列这些，他们有着各种优缺点。
利用SAR卫星的遥感土壤湿度测量法(李平湘,刘致曲,杨杰,孙维东,黎旻懿,任烨仙.利用随机森林回归进行极化SAR土壤水分反演[J].武汉大学学报(信息科学版),2019,44(03):405-412) 利用SAR极化特征对生物量的敏感性，建立遥感数据与土壤湿度间的关系模型，从而反演出土壤水分。但是该方法受限于SAR卫星的重返周期，数据的时间连续性不高，同一地方需几日才能获得一场数据。
有学者用实测法，提取土壤样本，测量脱水前后土壤样本质量，求出土壤湿度(专利 CN109900589A)。该方法可以准确测量各种土壤条件下的土壤湿度，但实测范围有限，人力财力耗费大，实施测量不便利。
目前一些学者开展了利用导航反射信号(GNSS-R)测量土壤湿度的研究。在地面上设置导航反射信号接收机来反演土壤湿度。一种方法是利用一个右旋RHCP天线同时接收GNSS 直射信号和经过土壤反射的信号，从二者的干涉功率峰谷值中提取介电常数进而反演土壤湿度(专利CN106093076A)，但该方法只能求裸土的土壤湿度，不能计算植被下土壤湿度。还有学者利用二个天线和双通道接收机进行过反射信号和直达信号的比值研究来反演土壤湿度 (张强,李莲芳,杨世琦,范莉,何泽能.GNSS-R陆面遥感为重要补充的土壤水分监测体系设计[J]. 西南大学学报(自然科学版),2019,41(03):114-119)，但该方法主要利用的是GPS卫星直达信号数据，每天对同一地区采集时长有限，且不能反演植被下土壤湿度。另外还有基于GPS多星三频数据融合的GNSS-IR土壤湿度反演方法(孙波,梁勇,汉牟田,杨磊,荆丽丽,洪学宝.基于GPS 多星三频数据融合的GNSS-IR土壤湿度反演方法.北京航空航天大学学报:1-9[2019-09-26])将 GPS多星的L1，L2，L5频段数据加权融合进行联合反演的方法，但也没有计算出植被下土壤湿度。这些方法由于接收信息有限，主要解决裸土下土壤湿度反演问题。
但是陆地区域很大面积被植被所覆盖，例如农田，因此植被下土壤湿度有着重要的作用。由于受到植被的衰减，前述的GNSS-R的方法没能较好的反演出植被下土壤湿度，利用地基 GNSS-R反演植被下土壤湿度仍需要探索。
发明内容
为了克服现有技术的局限性，本发明利用三通道接收机来解决植被衰减量问题，即利用其中两个天线接收信号的组合来估算植被引起的信号的衰减量，另外二个天线的组合求出总体反射系数，然后扣除植被衰减量的影响。再由地面一段时间实测的土壤湿度数据库和反射系数库，建立信噪比与土壤湿度的数学模型。在之后的应用中，则可以利用天线采集的信噪比数据，代入该数学模型，从而估计出相对应的土壤湿度，应用于农业或气象研究。
本发明的技术方案是设置3通道接收机，分别连接两个直达接收天线，一个反射接收天线。利用三通道接收机的数据反演土壤湿度的过程包括以下步骤：
一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，其特征在于，包括：
步骤1，利用一段时间的数据建立土壤湿度数据库：利用土壤湿度计，对观测区域进行长时间连续性测量，并将土壤湿度数据保存在计算机上的数据库里；
步骤2：计算n天时间的植被下土壤反射系数的理论值，具体是将步骤1得到的实测土壤湿度数据通过Hallikainen经验模型和菲涅尔方程计算理论土壤反射系数；
步骤3，采集对应的GNSS数据：利用两个直达天线分别接收植被冠层上方的直达信号数据以及冠层下方的直达信号数据，利用反射天线接收直达信号经过植被二次衰减并且经地表反射的信号数据，三个天线的数据由3通道GNSS-R信号接收机同时采集，取北斗3号GEO 卫星的信号数据，经过USB串口上传至计算机；
步骤4，计算植被冠层衰减系数：对两个直达信号的信噪比数据同时处理，通过两者之间的信噪比之差，求出植被冠层的衰减系数；
步骤5，计算总体反射系数的实际值：计算植被冠层上方接收到的直达与反射信号之间的信噪比之差，求出总体反射系数的实际值；
步骤6，计算植被下土壤反射系数的实际值：从步骤5计算出的总体反射系数得实际值中扣除步骤4中得到的植被冠层衰减系数，计算出植被下土壤反射系数的实际值；
步骤7，建立线性回归模型：将步骤2求出的植被下土壤反射系数的理论值与步骤6中求出的植被下土壤反射系数的实际值建立线性回归模型，求解两者之间的线性比例系数，方法为最小二乘拟合，从而建立理论值与实际值的对应模型；
步骤8，反演植被下土壤湿度：根据当天所采集的北斗3号GEO卫星的信噪比数据，计算植被下土壤反射系数的实际值，再通过步骤7建立的回归模型修正到理论值，最后通过菲涅尔方程求得土壤的介电常数，再通过Hallikainen经验模型，反演出植被下土壤的湿度值。
在上述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，所述步骤1 的方法具体是首先进行实测土壤数据的采集及处理部分，在所研究地区设置一个土壤湿度计，所选取的土壤湿度计为一秒输出一个值，将湿度计插入土壤0-5cm处，连续测得n天的土壤湿度数据mv，数据mv存储格式表达如下：
Figure RE-GDA0002431684200000031
其中，k行表示一天k个数据。
在上述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，步骤2中，具体是将步骤1土壤湿度数据mv代入以下Hallikainen经验模型中，求出土壤介电常数ε
ε＝(2.862-0.012s+0.001c)+(3.803+0.462s-0.341c)mv+(119.006-0.500s+0.633c)mv 2
其中s＝0.51,c＝0.49，土壤介电常数ε存储格式如下
Figure RE-GDA0002431684200000032
将求出的土壤介电常数ε代入下面的菲涅尔方程可得植被下土壤反射系数的理论值Γ'soil
Figure RE-GDA0002431684200000033
Figure RE-GDA0002431684200000034
Γ'soil＝Γ'RL＝0.5(Γ'VV-Γ'HH)
其中θ为北斗3号GEO卫星的入射角为固定值54°，Γ'HH和Γ'VV分别为垂直和水平线性偏振分量，植被下土壤反射系数的理论值Γ'soil存储格式如下
Figure RE-GDA0002431684200000041
在上述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，所述的步骤 3具体包括：在植被冠层上方分别设置一个直达天线1与一个反射天线3，直达天线波束朝向天顶以接收直达信号，反射天线波束朝向地表，以接收直达信号经过植被二次衰减并且经过表反射的信号数据，植被冠层下方设置一个直达天线2，波束朝向天顶，以接收透过植被冠层的直达信号；采集3号GEO卫星的数据，其中包括天线1收到的数据UTC时间T1和信噪比S1，天线2收到的数据UTC时间T2和信噪比S2，天线3收到的数据UTC时间T3和信噪比S3；三路信号由3通道接收机同时采集，由USB接口送至计算机；在此过程中需要特别注意的是，三个接收天线，采用相同的放大增益，避免因增益不同而造成功率误差；
在实验过程中，始终对同一卫星的S1，S2，S3数据进行分析处理，由于信噪比一秒输出一个点，一天有86400个数据点，在进行选择时，连续采集60天的数据，信噪比S1，S2，S3存储格式一致，S1存储格式如下
Figure RE-GDA0002431684200000042
其中，k行表示一天k个数据，采集时一秒一个输出值，k的值为86400，l列表示测量的总天数，本次实验一个测量了60天的数据，l的值为60。
在上述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，所述的步骤 4具体包括：利用植被冠层上方的直达信号的信噪比数据以及植被冠层下方的直达信号的信噪比数据，求出植被冠层衰减系数，具体是将天线1收到的直达信号UTC时间T1与天线2收到的反射信号UTC时间T2对齐，然后计算植被衰减系数Lveg；利用步骤3所存储的信噪比数据S1和S2，植被衰减系数Lveg可表示为
Figure RE-GDA0002431684200000043
植被衰减系数Lveg存储格式如下；
Figure RE-GDA0002431684200000051
在上述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，所述步骤5 具体包括：首先将天线1收到的直达信号UTC时间T1与天线3收到的反射信号UTC时间T3对齐，然后计算总体反射系数的实际值Γtotal；利用步骤3所存储的信噪比数据S3与S1，总体反射系数的实际值Γtotal可以表示为
Figure RE-GDA0002431684200000052
总体反射系数的实际值Γtotal存储格式如下；
Figure RE-GDA0002431684200000053
在上述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，所述步骤6 中，北斗直达信号经过植被二次衰减到达天线3，利用步骤4和步骤5求出的植被衰减系数 Lveg和总体反射系数的实际值Γtotal，植被下土壤反射系数的实际值Γsoil可描述为Γsoil＝Γtotal-2Lveg，Γsoil数据存储格式如下；
Figure RE-GDA0002431684200000054
在上述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，所述的步骤 7具体包括：将求出的植被下土壤反射系数的理论值与植被下土壤反射系数的实际值建立线性回归模型，求解比例系数，具体是利用步骤2求出的植被下土壤反射系数的理论值Γ'soil和步骤6求出的植被下土壤反射系数的实际值Γsoil建立线性回归模型；在实际反演中，GNSS 数据采集存在误差，植被下土壤反射系数需要拟合校正；误差原因有二；其一是，天线3会收到只经过植被冠层反射的数据，如图1中蓝色的信号路径所示，则反射天线所观测到信噪比S3值有一部分来自于植被冠层表面反射信号的信噪比，导致实际值Γsoil与理论值Γ'soil之间存在一个比例系数α；其二是土壤湿度计存在零漂，也就是说在没有输入的情况下会有一个非零输出；零漂导致总体反射系数的实际值Γsoil与理论值Γ'soil之间存在一个误差偏移量β，因此理论值Γ'soil可以改写为Γ'soil＝αΓsoil+β；
为了确定参数α和β值，使用步骤2中的理论值Γ'soil，建立理论值Γ'soil与实际值Γsoil之间的线性回归模型；
建立的函数关系如下
Figure RE-GDA0002431684200000061
按最小二乘法的求解方法,理论值Γ'soil与实际值Γsoil相应点输出量偏差的平方和最小,即
min(D)＝∑[Γ'soil-αΓsoil-β]2
当D的值为最小时，即为求得一组α和β值。
在上述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，所述的步骤 8具体包括：依据线性回归模型，与当天所采集的GNSS信噪比数据，计算出植被下土壤反射系数的实际值，最后根据菲涅尔方程和Hallikainen经验模型，求出植被下土壤的湿度值，具体是根据步骤3、4、5、6求出植被下土壤反射系数的实际值，然后根据步骤7所建立的线性回归模型，可以反演出植被下土壤反射系数，再通过菲涅尔方程求出土壤介电常数，最后通过Hallikainen经验模型可反演该地当天的植被下土壤湿度。
本发明提出了基于GNSS-R信号，利用北斗GEO卫星的信号，将各路信号数据进行处理，通过求出总体反射系数和植被冠层反射系数，进而间接求出土壤反射系数，从而反演出植被下土壤湿度。本发明的优点在于：本发明利用了三通道GNSS-R接收机，计算出植被的衰减系数，从而可以计算出植被下的土壤湿度。本发明的实施，可以解决植被下土壤湿度探测的问题。
附图说明
图1是本发明实施的场景示意图。
图2是本发明实施的实测数据采集及处理流程图。
图3是本发明实施的GNSS数据采集及处理流程图。
图4是本发明实施的建立线性回归模型模型流程图。
图5是本发明实施的反演植被下土壤湿度流程图。
图6是本发明的方法流程示意图。
具体实施方式
下面以具体实施例子，并结合附图对本发明作进一步说明。
步骤1：利用一段时间的数据建立土壤湿度数据库
如图2所示流程图，首先进行实测土壤数据的采集及处理部分。如图1所示，在所研究地区我们设置一个土壤湿度计，所选取的土壤湿度计为一秒输出一个值，将湿度计插入土壤 0-5cm处，连续测得60天的土壤湿度数据mv，数据mv存储格式表达如下：
Figure RE-GDA0002431684200000071
其中，k行表示一天k个数据，在本次实验中，由于是一秒钟存储一次数据，k的值为86400， l列表示测量的总天数，本次实验测量了60天的数据，l的值为60。
步骤2，计算这一段时间的植被下土壤反射系数的理论值：
将步骤1土壤湿度数据mv代入以下Hallikainen经验模型中，求出土壤介电常数ε
ε＝(2.862-0.012s+0.001c)+(3.803+0.462s-0.341c)mv+(119.006-0.500s+0.633c)mv 2
其中s＝0.51,c＝0.49，土壤介电常数ε存储格式如下
Figure RE-GDA0002431684200000072
将求出的土壤介电常数ε代入下面的菲涅尔方程可得植被下土壤反射系数的理论值Γ'soil
Figure RE-GDA0002431684200000073
Figure RE-GDA0002431684200000074
Γ'soil＝Γ'RL＝0.5(Γ'VV-Γ'HH)
其中θ为北斗3号GEO卫星的入射角为固定值54°，Γ'HH和Γ'VV分别为垂直和水平线性偏振分量，植被下土壤反射系数的理论值Γ'soil存储格式如下
Figure RE-GDA0002431684200000081
步骤3：采集对应的GNSS数据
如图3所示，然后进行对应的GNSS数据采集，数据处理等流程。GNSS数据采集：如图1所示，在植被冠层上方分别设置一个直达天线1与一个反射天线3，直达天线波束朝向天顶以接收直达信号，反射天线波束朝向地表，以接收直达信号经过植被二次衰减并且经过表反射的信号数据，植被冠层下方设置一个直达天线2，波束朝向天顶，以接收透过植被冠层的直达信号。采集3号GEO卫星的数据，其中包括天线1收到的数据UTC时间T1和信噪比S1，天线2收到的数据UTC时间T2和信噪比S2，天线3收到的数据UTC时间T3和信噪比S3。三路信号由3通道接收机同时采集，由USB接口送至计算机。在此过程中需要特别注意的是，三个接收天线，采用相同的放大增益，避免因增益不同而造成功率误差。
在实验过程中，始终对同一卫星的S1，S2，S3数据进行分析处理，由于信噪比一秒输出一个点，一天有86400个数据点，在进行选择时，连续采集60天的数据，信噪比S1，S2，S3存储格式一致，S1存储格式如下
Figure RE-GDA0002431684200000082
其中，k行表示一天k个数据，采集时一秒一个输出值，k的值为86400，l列表示测量的总天数，本次实验一个测量了60天的数据，l的值为60。
步骤4：计算植被冠层衰减系数
首先将天线1收到的直达信号UTC时间T1与天线2收到的反射信号UTC时间T2对齐，然后计算植被衰减系数Lveg。利用步骤3所存储的信噪比数据S1和S2，植被衰减系数Lveg可表示为
Figure RE-GDA0002431684200000091
植被衰减系数Lveg存储格式如下。
Figure RE-GDA0002431684200000092
步骤5：计算总体反射系数的实际值
首先将天线1收到的直达信号UTC时间T1与天线3收到的反射信号UTC时间T3对齐，然后计算总体反射系数的实际值Γtotal。利用步骤3所存储的信噪比数据S3与S1，总体反射系数的实际值Γtotal可以表示为
Figure RE-GDA0002431684200000093
总体反射系数的实际值Γtotal存储格式如下。
Figure RE-GDA0002431684200000094
步骤6：计算植被下土壤反射系数的实际值
如图1所示，北斗直达信号经过植被二次衰减到达天线3，利用步骤4和步骤5求出的植被衰减系数Lveg和总体反射系数的实际值Γtotal，植被下土壤反射系数的实际值Γsoil可描述为Γsoil＝Γtotal-2Lveg，Γsoil数据存储格式如下。
Figure RE-GDA0002431684200000095
步骤7：建立线性回归模型
如图4所示，利用步骤2求出的植被下土壤反射系数的理论值Γ'soil和步骤6求出的植被下土壤反射系数的实际值Γsoil建立线性回归模型。在实际反演中，GNSS数据采集存在误差，植被下土壤反射系数需要拟合校正。误差原因有二。其一是，天线3会收到只经过植被冠层反射的数据，如图1中蓝色的信号路径所示，则反射天线所观测到信噪比S3值有一部分来自于植被冠层表面反射信号的信噪比，导致实际值Γsoil与理论值Γ'soil之间存在一个比例系数α。其二是土壤湿度计存在零漂，也就是说在没有输入的情况下会有一个非零输出。零漂导致总体反射系数的实际值Γsoil与理论值Γ'soil之间存在一个误差偏移量β，因此理论值Γ'soil可以改写为Γ'soil＝αΓsoil+β。
为了确定参数α和β值，使用步骤2中的理论值Γ'soil，建立理论值Γ'soil与实际值Γsoil之间的线性回归模型。
建立的函数关系如下
Figure RE-GDA0002431684200000101
按最小二乘法的求解方法,理论值Γ'soil与实际值Γsoil相应点输出量偏差的平方和最小,即
min(D)＝∑[Γ'soil-αΓsoil-β]2
当D的值为最小时，即为求得一组α和β值。
步骤8：反演植被下土壤湿度
如图5所示，最后进行反演植被下土壤湿度流程。利用当天的所采集的北斗卫星信噪比数据来估计土壤湿度，首先根据步骤3、4、5、6求出植被下土壤反射系数的实际值，然后根据步骤7所建立的线性回归模型，可以反演出植被下土壤反射系数，再通过菲涅尔方程求出土壤介电常数，最后通过Hallikainen经验模型可反演该地当天的植被下土壤湿度。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (9)

1.一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，其特征在于，包括：
步骤1，利用一段时间的数据建立土壤湿度数据库：利用土壤湿度计，对观测区域进行长时间连续性测量，并将土壤湿度数据保存在计算机上的数据库里；
步骤2：计算n天时间的植被下土壤反射系数的理论值，具体是将步骤1得到的实测土壤湿度数据通过Hallikainen经验模型和菲涅尔方程计算理论土壤反射系数；
步骤3，采集对应的GNSS数据：利用两个直达天线分别接收植被冠层上方的直达信号数据以及冠层下方的直达信号数据，利用反射天线接收直达信号经过植被二次衰减并且经地表反射的信号数据，三个天线的数据由3通道GNSS-R信号接收机同时采集，取北斗3号GEO卫星的信号数据，经过USB串口上传至计算机；
步骤4，计算植被冠层衰减系数：对两个直达信号的信噪比数据同时处理，通过两者之间的信噪比之差，求出植被冠层的衰减系数；
步骤5，计算总体反射系数的实际值：计算植被冠层上方接收到的直达与反射信号之间的信噪比之差，求出总体反射系数的实际值；
步骤6，计算植被下土壤反射系数的实际值：从步骤5计算出的总体反射系数得实际值中扣除步骤4中得到的植被冠层衰减系数，计算出植被下土壤反射系数的实际值；
步骤7，建立线性回归模型：将步骤2求出的植被下土壤反射系数的理论值与步骤6中求出的植被下土壤反射系数的实际值建立线性回归模型，求解两者之间的线性比例系数，方法为最小二乘拟合，从而建立理论值与实际值的对应模型；
步骤8，反演植被下土壤湿度：根据当天所采集的北斗3号GEO卫星的信噪比数据，计算植被下土壤反射系数的实际值，再通过步骤7建立的回归模型修正到理论值，最后通过菲涅尔方程求得土壤的介电常数，再通过Hallikainen经验模型，反演出植被下土壤的湿度值。
2.根据权利要求1所述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，其特征在于，所述步骤1的方法具体是首先进行实测土壤数据的采集及处理部分，在所研究地区设置一个土壤湿度计，所选取的土壤湿度计为一秒输出一个值，将湿度计插入土壤0-5cm处，连续测得l天的土壤湿度数据mv，数据mv存储格式表达如下：
Figure FDA0002978640830000021
其中，k行表示一天k个数据，l列表示测量的总天数。
3.根据权利要求2所述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，其特征在于，步骤2中，具体是将步骤1土壤湿度数据mv代入以下Hallikainen经验模型中，求出土壤介电常数ε
ε＝(2.862-0.012s+0.001c)+(3.803+0.462s-0.341c)mv+(119.006-0.500s+0.633c)mv 2
其中s＝0.51,c＝0.49，土壤介电常数ε存储格式如下
Figure FDA0002978640830000022
将求出的土壤介电常数ε代入下面的菲涅尔方程可得植被下土壤反射系数的理论值Γ'soil
Figure FDA0002978640830000023
Figure FDA0002978640830000024
Γ'soil＝Γ'RL＝0.5(Γ'VV-Γ'HH)
其中θ为北斗3号GEO卫星的入射角为固定值54°，Γ'HH和Γ'VV分别为垂直和水平线性偏振分量，植被下土壤反射系数的理论值Γ'soil存储格式如下
Figure FDA0002978640830000025
4.根据权利要求2所述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，其特征在于，所述的步骤3具体包括：在植被冠层上方分别设置一个直达天线一与一个反射天线三，直达天线波束朝向天顶以接收直达信号，反射天线波束朝向地表，以接收直达信号经过植被二次衰减并且经过表反射的信号数据，植被冠层下方设置一个直达天线二，波束朝向天顶，以接收透过植被冠层的直达信号；采集3号GEO卫星的数据，其中包括天线一收到的数据UTC时间T1和信噪比S1，天线二收到的数据UTC时间T2和信噪比S2，天线三收到的数据UTC时间T3和信噪比S3；三路信号由3通道接收机同时采集，由USB接口送至计算机；在此过程中需要特别注意的是，三个接收天线，采用相同的放大增益，避免因增益不同而造成功率误差；
在实验过程中，始终对同一卫星的S1，S2，S3数据进行分析处理，由于信噪比一秒输出一个点，一天有86400个数据点，在进行选择时，连续采集60天的数据，信噪比S1，S2，S3存储格式一致，S1存储格式如下
Figure FDA0002978640830000031
其中，k行表示一天k个数据，采集时一秒一个输出值，k的值为86400，l列表示测量的总天数，本次实验一个测量了60天的数据，l的值为60。
5.根据权利要求2所述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，其特征在于，所述的步骤4具体包括：利用植被冠层上方的直达信号的信噪比数据以及植被冠层下方的直达信号的信噪比数据，求出植被冠层衰减系数，具体是将天线一收到的直达信号UTC时间T1与天线二收到的反射信号UTC时间T2对齐，然后计算植被衰减系数Lveg；利用步骤3所存储的信噪比数据S1和S2，植被衰减系数Lveg可表示为
Figure FDA0002978640830000032
植被衰减系数Lveg存储格式如下；
Figure FDA0002978640830000033
6.根据权利要求2所述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，其特征在于，所述步骤5具体包括：首先将天线一收到的直达信号UTC时间T1与天线三收到的反射信号UTC时间T3对齐，然后计算总体反射系数的实际值Γtotal；利用步骤3所存储的信噪比数据S3与S1，总体反射系数的实际值Γtotal可以表示为
Figure FDA0002978640830000041
总体反射系数的实际值Γtotal存储格式如下；
Figure FDA0002978640830000042
7.根据权利要求2所述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，其特征在于，所述步骤6中，北斗直达信号经过植被二次衰减到达天线三，利用步骤4和步骤5求出的植被衰减系数Lveg和总体反射系数的实际值Γtotal，植被下土壤反射系数的实际值Γsoil可描述为Γsoil＝Γtotal-2Lveg，Γsoil数据存储格式如下；
Figure FDA0002978640830000043
8.根据权利要求2所述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，其特征在于，所述的步骤7具体包括：将求出的植被下土壤反射系数的理论值与植被下土壤反射系数的实际值建立线性回归模型，求解比例系数，具体是利用步骤2求出的植被下土壤反射系数的理论值Γ'soil和步骤6求出的植被下土壤反射系数的实际值Γsoil建立线性回归模型；零漂导致总体反射系数的实际值Γsoil与理论值Γ'soil之间存在一个误差偏移量，因此理论值Γ'soil可以改写为Γ'soil＝αΓsoil+β，回归模型的斜率系数为α，截距为β；
为了确定参数α和β值，使用步骤2中的理论值Γ'soil，建立理论值Γ'soil与实际值Γsoil之间的线性回归模型；
建立的函数关系如下
Figure FDA0002978640830000044
按最小二乘法的求解方法,理论值Γ'soil与实际值Γsoil相应点输出量偏差的平方和最小,即
min(D)＝∑[Γ'soil-αΓsoil-β]2
当D的值为最小时，即为求得一组α和β值。
9.根据权利要求1所述的一种利用三通道接收机的地基GNSS-R植被下土壤湿度感知方法，其特征在于，所述的步骤8具体包括：依据线性回归模型，与当天所采集的GNSS信噪比数据，计算出植被下土壤反射系数的实际值，最后根据菲涅尔方程和Hallikainen经验模型，求出植被下土壤的湿度值，具体是根据步骤3、4、5、6求出植被下土壤反射系数的实际值，然后根据步骤7所建立的线性回归模型，反演出植被下土壤反射系数，再通过菲涅尔方程求出土壤介电常数，最后通过Hallikainen经验模型可反演该地当天的植被下土壤湿度。
CN201911265495.XA 2019-12-11 2019-12-11 一种利用三通道接收机的地基gnss-r植被下土壤湿度感知方法 Active CN111122657B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911265495.XA CN111122657B (zh) 2019-12-11 2019-12-11 一种利用三通道接收机的地基gnss-r植被下土壤湿度感知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911265495.XA CN111122657B (zh) 2019-12-11 2019-12-11 一种利用三通道接收机的地基gnss-r植被下土壤湿度感知方法

Publications (2)

Publication Number Publication Date
CN111122657A CN111122657A (zh) 2020-05-08
CN111122657B true CN111122657B (zh) 2021-05-04

Family

ID=70498469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911265495.XA Active CN111122657B (zh) 2019-12-11 2019-12-11 一种利用三通道接收机的地基gnss-r植被下土壤湿度感知方法

Country Status (1)

Country Link
CN (1) CN111122657B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114371182B (zh) * 2022-03-22 2022-05-31 中国科学院地理科学与资源研究所 一种基于cygnss数据的星载gnss-r高精度土壤水分估算方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101900692B (zh) * 2010-06-18 2012-05-30 武汉大学 大面积土壤湿度测量方法
CN103347045B (zh) * 2013-05-31 2016-03-16 武汉大学 基于gnss-r网络的土壤湿度实时监测与共享方法
CN103344653B (zh) * 2013-06-13 2015-04-01 武汉大学 一种基于双gps接收机的土壤湿度实时测量系统及方法
CN103399023A (zh) * 2013-08-12 2013-11-20 河海大学 植被下土壤湿度的多维度组合优化方法
US10073074B1 (en) * 2014-04-25 2018-09-11 Iowa State University Research Foundation, Inc. Low RF-band impedance spectroscopy based sensor for in-situ, wireless soil sensing

Also Published As

Publication number Publication date
CN111122657A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
Koster et al. Precipitation estimation using L‐band and C‐band soil moisture retrievals
Albergel et al. Evaluation of remotely sensed and modelled soil moisture products using global ground-based in situ observations
Panciera et al. Evaluation of IEM, Dubois, and Oh radar backscatter models using airborne L-band SAR
Van der Schalie et al. The merging of radiative transfer based surface soil moisture data from SMOS and AMSR-E
Pathe et al. Using ENVISAT ASAR global mode data for surface soil moisture retrieval over Oklahoma, USA
CN105277575B (zh) 一种利用gps信噪比等级数据进行土壤湿度估计的方法
Wu et al. Evaluation of the SMAP brightness temperature downscaling algorithm using active–passive microwave observations
Shibata et al. AMSR/AMSR-E level 2 and 3 algorithm developments and data validation plans of NASDA
CN105352979B (zh) 基于北斗geo卫星信号的土壤湿度估计方法
CN101865909A (zh) 一种微波遥感土壤水分监测系统及其方法
Fascetti et al. A comparison of ASCAT and SMOS soil moisture retrievals over Europe and Northern Africa from 2010 to 2013
Kolassa et al. Soil moisture retrieval from multi‐instrument observations: Information content analysis and retrieval methodology
Pierdicca et al. Analysis of two years of ASCAT-and SMOS-derived soil moisture estimates over Europe and North Africa
Pierdicca et al. Analysis of ASCAT, SMOS, in-situ and land model soil moisture as a regionalized variable over Europe and North Africa
CN103344653A (zh) 一种基于双gps接收机的土壤湿度实时测量系统及方法
CN201754150U (zh) 一种微波遥感土壤水分监测系统
Lal et al. A multi-scale algorithm for the NISAR mission high-resolution soil moisture product
CN111122657B (zh) 一种利用三通道接收机的地基gnss-r植被下土壤湿度感知方法
Zheng et al. Performance of four passive microwave soil moisture products in maize cultivation areas of Northeast China
Singh et al. Satellite-derived GRACE groundwater storage variation in complex aquifer system in India
Liu et al. Retrieval of moisture from slant-path water vapor observations of a hypothetical GPS network using a three-dimensional variational scheme with anisotropic background error
Braun et al. Development of a water vapor tomography system using low cost L1 GPS receivers
Elgered et al. Monitoring of the neutral atmosphere
Su et al. Research on inversion of soil moisture in karst area based on full-polarization SAR data
CN114779192A (zh) Sar无场定标方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant