GNSS-R农田土壤湿度反演方法研究

摘要

土壤水分是量化陆地及大气能量交换的关键参数。准确监测土壤湿度是实现农业稳产、高产的重要基础。研究监测大范围的土壤水分的方法在农业、水文以及气象等领域的应用意义重大。本文从利用全球导航卫星系统反射信号（Global Navigation Satellite System-Reflectmetry，GNSS-R）技术探测土壤湿度的基础理论出发，分析了目前 GNSS-R技术的两种基本观测模式—利用干涉复数场技术的双天线模式和利用干涉图技术的单天线模式；并对两种模式反演土壤湿度的方法进行了研究，构建了基于支持向量机（Support Vector Machine，SVM）的双天线模式GNSS-R土壤湿度反演模型、基于人工神经网络的地表粗糙度影响修正模型；最后探讨了针对植被对 GNSS反射信号的影响机理，提出了利用植被含水量、叶面积指数以及 SVM的植被影响修正模型，并进行了地基实验验证，得到了最终结论。
　　本论文具体完成了以下四个方面的研究工作，并得出相关结论如下：
　　（1）GNSS-R土壤湿度探测技术的分析
　　首先对GNSS-R技术的信号源和信号体制进行了分析；从电磁波原理角度分析了GNSS信号载波的反射机制；探讨了GNSS信号反射过程中的宏观和微观几何关系，研究了反射面区域包括镜面反射点、等延迟区、等多普勒线、菲涅尔反射区以及天线覆盖区域等的定义和计算方法。在此基础上，探讨了GNSS直、反射信号的数学表达以及GNSS直、反射信号的相关功率模型，研究了目前利用GNSS卫星反射信号进行土壤湿度探测的两种主要模式，并对二者的特点、适用场合等进行了对比。
　　（2）双天线模式GNSS-R土壤湿度反演方法研究
　　分析了双天线模式 GNSS-R土壤湿度反演的原理，包括土壤物理性质及其介电模型，即土壤湿度和土壤介电常数的关系。首先总结了现有的土壤介电模型，其中，表达形式简单，可用于多种土壤类型的Wang模型，更为适合GNSS-R应用场景；之后分析了土壤介电常数对电磁波反射的影响，给出了不同入射、出射极化方式的电磁波反射率；最后给出了反射率对GNSS反射信号的影响。
　　构建了双天线模式GNSS-R土壤湿度反演的两个模型：解析模型和基于SVM的模型。设计了地基实验对这两个模型进行验证，实验中采集了 GPS和北斗卫星导航系统的直射、反射信号，并使用烘干称重法测量了土壤湿度作为对比真值。北斗 GEO（Geostationary Earth Orbit）卫星信号的数据处理结果显示：解析模型估算土壤湿度值与真值回归决定系数 R2=0.7489，均方根误差 RMSE=0.03680 m3/m3；基于支持向量机的模型结果与真值线性回归方程决定系数 R2为0.8979，均方根误差 RMSE为0.01493 m3/m3；由此可见基于支持向量机的模型相比解析模型有了显著提高，其中决定系数R2提高了23.03％，均方根误差RMSE减小了59.44%。
　　研究了地表粗糙度对反射信号的影响，构建了修正地表粗糙度影响的双天线GNSS-R土壤湿度反演解析模型和基于 ANN的模型。建立仿真平台，并对不同粗糙度两个模型的反演精度进行分析。结果显示：在进行地表粗糙度影响修正之前，当地表均方根高度增加到0.010 m以上时，解析模型的均方根误差超过0.07 m3/m3，说明此时进行粗糙度补偿是必须的；在地表均方根高度大于0.025 m的情况下，人工神经网络模型精度比解析模型提高了36.83%—72.36%。进行粗糙度修正之后，在地表均方根高度小于0.020 m的情况下，获取的土壤湿度均方根误差RMSE均小于0.05 m3/m3，地表均方根高度超过0.025 m，均方根误差RMSE就超过0.05 m3/m3，说明解析模型在消除大粗糙度误差方面有一定局限；此时人工神经网络模型的精度比解析模型提高了42.86%—54.40%。解析模型在小粗糙度的情况下修正效果明显，但大粗糙度情况下修正的有效性急剧下降，在地表均方根高度达到0.030 m以上时，修正几乎不能提升精度；而人工神经网络模型对于粗糙度修正不敏感，修正前后取得了相近的精度。
　　（3）单天线模式GNSS-R土壤湿度反演方法研究
　　针对裸露地表情况下的单天线观测模式GNSS-R土壤湿度反演模型进行相关研究，分析了干涉信号引起 SNR波形震荡的原理，探讨了数据处理的基本流程。在此基础上进行了地基实验验证，使用测绘级接收机采集了GPS数据，并使用Theta Probe传感器采集土壤湿度数据作为土壤真值；对数据进行了处理，结果显示：GPS PRN1，PRN20， PRN24，PRN25四颗卫星的SNR相位与土壤湿度的回归决定系数分别达到了0.7207，0.5094，0.7334，0.5208；GPS PRN4，PRN12，PRN15，PRN31四颗卫星的SNR幅度与土壤湿度回归决定系数R2达到了0.7963，0.7260，0.7845，0.7745。
　　（4）植被覆盖对GNSS反射信号的影响研究
　　分析了植被的介电常数模型，探讨了适用于单基雷达的MIMICS模型、双基雷达的Bi-MIMICS模型、适用于农作物的“水—云”模型，以及利用植被含水量进行衰减补偿的适用于GNSS-R技术的模型；最后对基于支持向量机的GNSS-R土壤湿度反演模型进行了修改，利用叶面积指数和植被含水量进行植被影响修正，并与未包含植被信息的模型结果进行了对比。结果显示：加入植被信息之后的模型回归决定系数R2为0.9214，均方根误差RMSE为0.01331 m3/m3。与未加入植被信息的反演模型相比，决定系数R2提高了2.62%，均方根误差RMSE降低了11.94%，说明模型对植被的影响有显著的消除效果。
　　通过以上四个方面的研究，解决了传统解析模型对噪声、粗糙度以及植被影响敏感的缺点，取得了良好的反演精度，为GNSS-R技术在农业粮食生产、大气变化等研究领域的应用打下良好的基础。

目录

声明

符号说明

1引 言

1.1研究背景与意义

1.2 GNSS-R土壤湿度反演国内外研究进展

1.3论文研究内容

1.4论文章节安排

2 GNSS-R土壤湿度反演技术分析

2.1 GNSS信号源及信号体制

2.2电磁波反射基本原理

2.3 GNSS信号反射几何关系

2.4 GNSS-R数学模型

2.5 GNSS-R土壤湿度反演探测模式

2.6小结

3双天线模式GNSS-R土壤湿度方法研究

3.1基本原理

3.2反演模型

3.3实验验证

3.4地表粗糙度对反演精度的影响

3.5小结

4单天线模式GNSS-R土壤湿度反演方法研究

4.1基本原理

4.2实验验证

4.3小结

5植被覆盖影响机理研究

5.1植被含水量及其介电常数

5.2植被微波散射模型

5.3 基于支持向量机的植被修正

5.4 小结

6结论与展望

6.1 主要成果

6.2 主要创新点

6.3 后续工作展望

参考文献

致谢

9攻读学位期间取得的学术成果