CN105352979A - 基于北斗geo卫星信号的土壤湿度估计方法 - Google Patents

Abstract

本发明涉及一种基于北斗GEO卫星信号的土壤湿度估计方法，是一种利用北斗GEO卫星直达信号与反射信号信噪比数据进行土壤湿度反演的方法。本发明主要利用北斗接收机接收GEO卫星信号的反射系数的方差来估计土壤湿度值；画出实测土壤湿度变化趋势与方差变化趋势对比图，比较两者的相关性，经计算其相关系数可达到0.71，最后拟合方差与实测土壤湿度之间的关系，利用拟合出来的对数关系模型，结合某天北斗信号信噪比数据来估计出当天的土壤湿度。本发明拓展了北斗信号的应用领域，可以应用于农业灌溉和气象方面研究。

Description

基于北斗GEO卫星信号的土壤湿度估计方法

技术领域

本发明涉及电子、信息技术领域，是一种基于北斗GEO卫星信号的土壤湿度估计方法，具体涉及一种利用北斗GEO卫星直达信号与反射信号信噪比数据的方差进行土壤湿度估计的方法。

技术背景

土壤湿度在气象、水文、农业环境研究中起到重要作用。土壤湿度数据的测量，对潜在的洪涝灾害，干旱等气候的预报可以提供信息。土壤湿度数据对作物的合理灌溉,减少水资源浪费,降低生产成本和提高作物产量也非常重要。

在目前的土壤湿度的反演方法中，发展的比较成熟的有以下原位测量法，如重量测量法，张力计法，电阻法，中子仪法等。

近些年来，人们发现星载微波遥感可以用来大面积监测土壤湿度(张晓娟，张文吉.双频多极化SAR测量深层土壤湿度.中国科学院电子学研究所北京.2007)，星载光学遥感也是一种手段。但是利用星载遥感手段，例如SAR雷达反演湿度的方法受限于卫星的重返周期，由于卫星绕地球轨道成周期性转动，只在特定的时间段经过同一地点，所以它无法获得某一地点全天时数据。

此外，采用GPS或GNSS-R卫星信号遥感湿度也是一种探索。一种方法是采用GPS干涉信号，例如采用搜索干涉信号的拐点来实现土壤湿度反演(专利CN201010207399.2)。另一种方法是利用天线和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(严颂华张训械，基于GNSS-R信号的土壤湿度反演研究，电波科学学报，2010年第1期)。但是这些研究都针对GPS卫星，由于GPS卫星的全球运动，没有在哪个固定地点成年累月的工作，所以即使采用了反射系数来研究，也由于卫星的仰角方位角不定，而只能采用一种高仰角近似的方法来计算，缺乏准确性。

北斗***已经正式投入运行，根据我国于2013年底公开发布的北斗***空间信号接口控制文件公开服务信号2.0版，以及北斗***公开服务性能规范，***目前在轨工作卫星有5颗地球静止轨道卫星(GEO)卫星，5颗倾斜地球同步轨道卫星(IGSO)卫星和4颗中高度圆轨道卫星(MEO)卫星，已经正式服务于亚太区域，提供水平和垂直定位精度优于10m(置信度95％)的服务范围，即北斗***公开服务区。

本发明特别关注北斗卫星星座中的地球静止轨道卫星GEO(编号为C01C02C03C04C05)，它具有固定仰角、固定轨道高度，根据北斗卫星的特点，该卫星是全天24小时不间断的提供精准的导航信号，又由于其相对地球位置固定，因此，在接收机位置固定的情况下，可以得到同一地点任何时刻的信噪比数据；此外，正是由于其覆盖区域固定不变，因此其反射信号的方差特性反映了土壤湿度的趋势，可以用于估计土壤湿度，同时也利于本发明利用在该覆盖区域进行实际湿度测量，以建立与方差的函数关系。

发明内容

针对背景技术存在的问题，本发明提出利用北斗GEO卫星的反射系数的方差特性来估计土壤湿度的方法。通过长期的观测数据来回归建立反射系数方差与实测湿度的函数关系，最后利用该关系估计土壤湿度。

本发明采用北斗GEO卫星中直达信号与反射信号的信噪比之比——反射系数的方差特性来估计土壤湿度。由于反射系数的方差变化与土壤湿度变化呈现一定的关联，可以利用已统计出的方差与土壤湿度的对应的对数关系，建立利用方差来估计土壤湿度的数学模型。在之后的估计中，就可以利用该函数关系，由已知的直达信号与反射信号的信噪比数据，求得反射系数，进而可以估计出当时的土壤湿度。

本发明的技术方案是设置一个朝上的右旋极化天线和朝下的一个左旋极化天线(分别用来接收直达信号和反射信号)，两个北斗接收机，以及传输信号的带SIM认证的GPRS传输卡，将数据传输到PC机，在前期布设实地原位湿度传感器，对数据进行分析。之后可以撤去原位湿度计。

一种基于北斗GEO卫星信号的土壤湿度估计方法，先获取土壤湿度变化较为明显的近2个月(从9月中旬到12月初中的近2个月时间)的直达信号和反射信号的信噪比数据，再求出反射信号与直达信号的比值得到反射系数，对其求取方差，比较方差与真实湿度的相关性，最后对方差与湿度进行曲线拟合，建立方差与土壤湿度的联系，最后根据该函数关系，由某天北斗GEO卫星信号信噪比数据估计出当天的湿度值。

具体包括以下步骤；

步骤1，覆盖区域确定和原始数据采集：

根据北斗GEO卫星的仰角方位角和接收天线的位置和高度来确定覆盖区域。

利用右旋极化天线接收GEO卫星直达信号，左旋极化天线接收GEO反射信号。再通过中央处理单元DTU接收两个天线传来的信号，输出信噪比数据，最后将数据传到实验室的服务器上。

步骤2，数据预选：

选择北斗GEO卫星直达信号和反射信号中，全天24小时都有信噪比的数据作为待处理的数据源。

步骤3，北斗信号预处理：

将接收到的GEO卫星信号包含有的UTC时间、仰角、方位角、信噪比的数据中的信噪比与UTC时间信息提取出来，并分别将直达信号与反射信号的时间对齐，再求取反射系数值，此时得到的反射系数是每秒都有数据的。

步骤4，求取方差：

由于半小时之内数据是变化的，扰动的大小用方差来度量。分别求取每半个小时时段1800个反射系数的方差来反映反射系数的波动情况。

步骤5，比较方差与土壤湿度的趋势变化关系并拟合两者的经验模型：

连续处理近2个月左右的北斗GEO卫星信号的信噪比、仰角、方位角、UTC时间等信息，将其与2个月中每日的实测土壤湿度值进行对比，将这2个月的方差按时间顺序排列，并将这2个月的土壤湿度值按时间顺序排列，最后将两者绘制在一张图中，通过非线性回归分析建立方差变化与土壤湿度变化的对数函数关系。

步骤6，利用对数函数关系来估计土壤湿度：

获得某天某半小时时段的北斗卫星信噪比数据之后，经过数据处理得到该半小时时段的方差值，代入对数函数关系中可求出该时段的土壤湿度。

附图说明

图1是本发明实施的北斗GEO信号接收天线示意图；

图2是北斗5颗GEO卫星在接收天线高2米时的覆盖区域图；

图3是本发明实施的北斗直达信号与反射信号信噪比数据预选；

图4是本发明实施的北斗信号反射系数图；

图5是本发明实施的北斗信号数据处理流程图；

图6是本发明实施的方差与实测土壤湿度变化趋势对比图；

图7是本发明实施的北斗卫星信号方差与实测土壤湿度的对数函数关系图。

具体方案实施

在目前的研究中，土壤湿度反演已提出的方法有许多，例如干涉信号法、反射法等。本发明采用一种新思路，利用北斗静止轨道GEO卫星信号的反射系数的波动情况——方差的变化来估计土壤湿度，通过北斗接收机获取的信噪比数据，计算出反射系数的方差，建立方差与土壤湿度的数学模型。最后就可以根据需要计算某时段的北斗信号信噪比数据方差来估计该时段的土壤湿度值。

本发明的特点是首先根据GEO卫星的方位，确定其覆盖区域；采用的北斗GEO信号的信噪比数据，提取出反射系数的方差；建立区域内实际湿度值方差的函数关系；最后通过方差来估计土壤湿度。

下面以具体实施例并结合附图，对本发明作进一步说明。

步骤1：覆盖区域确定和原始数据采集

图1装置是用来采集原始北斗信号，其中1是GEO的一号卫星；2是右旋极化天线，用来接收直达信号；3是左旋极化天线，接收反射信号；4是中央处理单元DTU，用来接收来自天线的信号，输出信噪比数据，并将数据传送到实验室的服务器上；天线距离地面的高度为2m。由于本发明采用的是1号卫星信号，所以其固定仰角为43°。

图2是5颗GEO卫星(C01,C02C03C04C05)在反射接收天线高2米的时候的不同的覆盖区域。其中5-9分别是5、2、3、1、4号GEO卫星的覆盖面积，其覆盖面积分别是11m²，3.3m²，1.8m²，2.6m²，5.7m²。

原始数据包括：北斗直达信号信噪比SNR_d、反射信号信噪比SNR_r、直达信号UTC时间T_d、反射信号UTC时间T_r。

实测数据的采集：在北斗GEO卫星和接收天线的覆盖区域处(采用的是图2中。设置土壤湿度观测站，将湿度计***土壤0-5cm处，连续测得2个月左右的土壤湿度m_vj(i)数据，其中，j表示一天48个半小时时段标号，例如从2014.11.140000:00-00:29:59是该天的第一个半小时时间段，此时j的值为1，j的取值范围为1-48，i的值表示第j时间段的第i点，i的取值范围为0-1800，因此土壤湿度数据是每秒钟一次，实验中，实测湿度数据是每秒接收一次的，这就意味着本发明处理的数据量会很大，但是结合实际分析，一方面湿度数据在一秒内几乎没有变化，另一方面，可能当地的电源存在不稳定等因素，这些因素导致数据的精度不高，因此本发明定义了一种特殊的湿度传感器——平均湿度传感器。这种传感器每半小时传输一次数据s_mn，s_mn是每秒土壤湿度值m_vi的每半小时的平均值，计算公式如下：

$s_{mn}=\underset{i=1}{\overset{1800}{\Σ}}\frac{m_{vj}\left(i\right)}{1800}$

数据存储为实测湿度序列S作为方差对比对象。S的表达式如下：

其中，m行表示一天m个数据，在本次实验中，由于是半小时接收一次数据，m的值为48，n列表示测量的总天数，本次实验一个测量了2个月的数据，n的值为60。

步骤2：数据预选

采集到的北斗信号中包括UTC时间T、仰角、方位角、信噪比SNR信息，提取其中一号卫星的UTC时间T和信噪比SNR_d与SNR_r，在图3中是2014年11月14号的直达信号信噪比与反射信号信噪比，其中10为直达信号信噪比，11为反射信号信噪比，直达信号信噪比要大于反射信号信噪比。

由于信噪比是每一秒都有一个数据，所以一天大约有86000点，选择的信噪比数据要尽量完整，较少的出现断点或零值。

步骤3：北斗信号预处理

首先将直达信号信噪比的UTC时间T_d和反射信号信噪比的UTC时间T_r对齐，然后计算反射系数值，反射系数Γ_k表达式如下：

Γ_k＝SNR_r(k)/SNR_d(k)

$SNR=10\lg \left(\frac{Ps}{Pn}\right)=20\lg \left(\frac{Vs}{Vn}\right)$

其中SNR_r是反射信号信噪比，SNR_d是直达信号信噪比，Ps为信号的有效功率，Pn为噪声的有效功率，Vs为信号的有效电压，Vn为噪声的有效电压。k表示一天中第k秒的数据。

步骤4：步骤4分为两步，即首先求取期望值，再求方差。

(1)求取反射系数期望值

将求得的每秒的反射系数每半小时平均一次，得到一天48个反射系数数据，如图3所示，反射系数期望值Γ_ave公式如下：

${\mathrm{\Γ}}_{ave}=\frac{\underset{k=1}{\overset{1800}{\Σ}}{\mathrm{\Γ}}_k}{1800}$

其中，Γ_k为每秒一次的反射系数值，由于每半小时有1800秒，因此每半小时会有大约1800个数据，求取的Γ_ave是每半小时时段的方差值，一天共有48个值。图4中的12号线是某天的反射系数期望值，从图中可以看出，平均反射系数值在0.6-1之间变化，一天内波动的幅度不大。

(2)求取方差

根据计算的平均反射系数期望值Γ_ave，求取反射系数的方差值D_ave，表达式如下：

$D_{ave}\left(k\right)=\underset{k=1}{\overset{n}{\Σ}}{p}_k\·{({\mathrm{\Γ}}_k-{\mathrm{\Γ}}_{ave})}^2$

其中，p_k为第k个反射系数Γ_i出现的概率，Γ_ave为反射系数Γ的期望值。

最终得到有一个方差序列D，一天48个值，一共2个月的数据。

步骤5：画出方差与土壤湿度的趋势变化关系并拟合两者的经验关系

连续处理2个月左右的信噪比数据，通过步骤3、4得到方差序列D_mn并将其与这2个月中每日的实测土壤湿度序列S_mn进行对比。将信噪比数据文件按时间顺序排列，同时将实测土壤湿度数据文件按时间顺序排列，最后将两者的变化趋势绘制在一张图中，建立方差变化趋势与土壤湿度变化趋势的函数关系。

图6是方差与实测湿度变化趋势图，图中13表示土壤湿度变化曲线，14表示方差变化曲线，方差与实测湿度的相关性达到0.71，趋势基本吻合，在湿度值较小的时候，方差也较小，说明反射系数的波动较小。在11月24日和11月27日下雨后，方差值变大，说明反射系数的波动变大，进一步说明北斗直达信号和反射信号的相对波动变大。

图6是方差与土壤湿度的经验关系模型，其表达式如下：

s＝1.97*ln(d)+15.48

其中，s为实测土壤湿度值，d为方差值。

在图7中，15表示横坐标表示方差，纵坐标表示土壤湿度的点，该点的表达式为(D,S)，16是拟合的对数函数经验模型，从图7中可以得出这些点基本拟合的对数关系曲线附近。

步骤6：利用对数函数关系来估计土壤湿度

最后即可利用该模型，利用当天的北斗卫星信噪比数据来估计土壤湿度。依据该关系，在算得某天北斗信号反射系数的方差之后可估计该地当天的土壤湿度。

Claims (4)

1.一种基于北斗GEO卫星信号的土壤湿度估计方法，其特征在于：

先获取土壤湿度变化较为明显的2个月的直达信号和反射信号的信噪比数据，再求出反射信号与直达信号的比值得到反射系数，对其求取方差，比较方差与真实湿度的相关性，最后对方差与湿度进行曲线拟合，建立方差与土壤湿度的联系，最后根据该函数关系，由某天北斗GEO卫星信号信噪比数据估计出当天的湿度值。

2.根据权利要求1所述的基于北斗GEO卫星信号的土壤湿度估计方法，其特征在于：具体包括以下步骤；

步骤1：覆盖区域确定和原始数据采集

根据北斗GEO卫星的仰角方位角和接收天线的位置和高度来确定覆盖区域；利用右旋极化天线接收直达信号，左旋极化天线接收反射信号，再通过中央处理单元DTU接收两个天线传来的信号，输出北斗GEO卫星信号的信噪比、仰角、方位角、UTC时间信息，最后将数据传到服务器上；

步骤2：数据预选

选择直达信号和反射信号中，全天24小时都有信噪比的数据作为待处理的数据源；

步骤3：北斗信号预处理

将接收到的GEO卫星信号包含有的UTC时间、仰角、方位角、信噪比的数据中的信噪比与UTC时间信息提取出来，并分别将直达信号与反射信号的时间对齐，再求取反射系数值；

步骤4：求取方差

分别求取每半个小时时段1800个反射系数的方差来反映反射系数的波动情况；

步骤5：比较方差与土壤湿度的趋势变化关系并拟合两者的经验模型；

步骤6：根据经验模型估计土壤湿度。

3.根据权利要求2所述的基本北斗GEO卫星信号的土壤湿度估计方法，其特征在于：所述步骤5的具体实现过程为；

连续处理2个月的信噪比数据，利用反射系数与信噪比公式，已知信噪比求出每秒的反射系数值，最后计算反射系数的方差值，将其与2个月中每日的实测土壤湿度值进行对比，将这2个月的方差按时间顺序排列，并将这2个月的土壤湿度值按时间顺序排列，最后将两者绘制在一张图中，通过非线性回归分析建立方差变化与土壤湿度变化的对数函数关系。

4.根据权利要求3所述的基本北斗GEO卫星信号的土壤湿度估计方法，其特征在于：所述步骤6利用对数函数关系来估计土壤湿度；

获得某天某半小时时段的北斗卫星信噪比数据之后，经过数据处理得到该半小时时段的方差值，代入对数函数关系中可求出该时段的土壤湿度。