文章快速检索  
  高级检索
SVRM辅助的北斗GEO卫星反射信号土壤湿度反演方法
杨磊1 , 吴秋兰1 , 张波2 , 梁勇1 , 洪学宝2 , 邹文博2     
1. 山东农业大学 信息科学与工程学院, 泰安 271019;
2. 北京航空航天大学 电子信息工程学院, 北京 100083
摘要: 提出了一种支持向量回归机(SVRM)辅助的北斗地球静止轨道(GEO)卫星反射信号土壤湿度反演方法。使用全球导航卫星系统反射信号(GNSS-R)右旋圆极化(RHCP)天线和左旋圆极化(LHCP)天线接收体制进行了地基实验,采集了北斗GEO卫星直射、反射信号原始数据,并从中提取直射、反射信号的相关功率,结合北斗GEO卫星的高度角与方位角信息作为输入,烘干称重法获取的土壤湿度作为输出对使用径向基(RBF)核函数的ε-SVRM进行了训练。独立测试集上的结果表明,SVRM辅助的北斗GEO卫星反射信号土壤湿度反演方法获取的土壤湿度结果与烘干称重法获取的土壤湿度参考值误差控制在3%以内,线性回归方程决定系数为0.897 9,均方根误差RMSE为1.492 6%,证明了该方法具有良好的泛化特性,实际应用中效果良好。
关键词: 北斗     地球静止轨道(GEO)卫星     全球导航卫星系统反射信号(GNSS-R)     支持向量回归机(SVRM)     土壤湿度     遥感探测    
SVRM-assisted soil moisture retrieval method using reflected signal from BeiDou GEO satellites
YANG Lei1 , WU Qiulan1 , ZHANG Bo2 , LIANG Yong1 , HONG Xuebao2 , ZOU Wenbo2     
1. School of Information Science and Engineering, Shandong Agricultural University, Taian 271019, China ;
2. School of Electronic and Information Engineering, Beijing University of Aeronautics and Astronautics, Beijing 100083, China
Received: 2015-10-12; Accepted: 2015-11-13; Published online: 2016-06-20 12: 00
Foundation item: National High-tech Research and Development Program of China (2013AA102301); Intelligent Facility Development Program of Shandong Agriculture University (2015-16); Improvement and Utilization of Saline Alkali Land Program of Shandong Agricultural University (2014-IV-4)
Corresponding author. E-mail:yongl@sdau.edu.cn
Abstract: We propose a support vector regression machine (SVRM)-assisted soil moisture retrieval method using the reflected signal from BeiDou geosynchronous orbit (GEO) satellites. This method uses a right hand circular polarization (RHCP) antenna and a left hand circular polarization (LHCP) antenna to gain the direct and reflected signal's power data from the BeiDou GEO satellites, respectively. Furthermore, it uses the direct and reflected signal power, BeiDou GEO satellites' elevation angle and azimuth angle as the input features and uses the soil moisture data which is obtained by oven-drying method as the output target of the ε-SVRM which uses a radial basis function (RBF) kernel function. The collected data is separated into two sets randomly:one as training set and the other as test set. The test results show that the error between retrieval model's prediction and the value of oven-drying method is less than 3%; the regression coefficient of determination is 0.897 9; the root mean square error (RMSE) is 1.492 6%, which proves that this method has good generalization ability and the practical results meet the application requirement.
Key words: BeiDou     geosynchronous orbit (GEO) satellites     global navigation satellite system-reflection (GNSS-R)     support vector regression machine (SVRM)     soil moisture     remote sensing detection    

土壤湿度在农业生产中有着举足轻重的地位。微波遥感是土壤湿度测量的重要手段。L波段电磁波在大气中衰减少,并能有效穿透植被,被认为是探测土壤湿度的理想波段。全球导航卫星系统反射信号(Global Navigation Satellite System-Reflection,GNSS-R)技术是利用导航卫星的反射信号进行遥感探测的一种新技术。与传统微波遥感手段相比,GNSS-R技术拥有大量免费的L波段信号源,不需要单独发射机,接收机体积和重量都较小,搭载平台灵活,还具有时间、空间分辨率高等优点[1-2]

目前国际上在利用GNSS-R技术进行土壤湿度探测方面已经进行了较深入的研究。其中以美国国家航空航天局(NASA)于2002年在新墨西哥拉斯克鲁赛斯地区进行的基于全球定位系统 (Global Position System,GPS)反射信号的土壤湿度遥感实验 (Soil Moisture Experiment 2002,SMEX02)为代表的一系列实验证明了该技术的有效性[3]

国内相关的研究工作也已经取得了一定进展。其中中国科学院武汉物理与数学研究所、武汉大学、中国科学院东北地理与农业生态研究所等单位分别进行了利用GNSS-R技术反演土壤湿度的相关研究工作[4-6]。中国气象局、北京大学遥感与地理信息系统研究所、中国科学院国家空间研究中心和北京航空航天大学等单位[7-9]也已经在基于GNSS-R技术的土壤湿度探测、植被影响修正等方面进行了研究,并取得了一定成果。

目前基于GNSS-R技术的土壤湿度探测方法主要有干涉复数场(Interference Complex Field,ICF)技术和干涉图技术(Interference Pattern Technique,IPT)。干涉复数场技术是使用2套天线分别接收直射信号和反射信号,利用反射信号与直射信号幅度比信息实现反演[3];干涉图技术是使用单天线同时接收直射信号和反射信号,利用两信号在天线处的叠加发生的干涉实现反演[10]

现有基于GNSS-R技术进行土壤湿度反演的理论,大多基于解析模型和半经验模型。由于需要参数多,建模复杂,这些方法大多有需要人工测量较多数据、模型泛化特性不强等弱点。本质上来说,使用GNSS-R技术进行土壤湿度反演是一个非线性回归问题。支持向量回归机(Support Vector Regression Machine,SVRM)是Vapnik[11]于1995年提出的基于结构风险最小化原则的回归工具,与传统回归方法如神经网络方法、最小二乘法等相比,该方法所需训练样本量更少,且具有更好的泛化性能。

本文首先分析了使用北斗地球静止轨道(Geostationary Orbit,GEO)卫星信号进行土壤湿度反演的方法及存在的难点;结合支持向量回归的理论,探讨了SVRM在北斗GEO卫星反射信号反演土壤湿度中应用的可行性;进行了地基土壤湿度探测实验,在此基础上利用SVRM辅助的北斗GEO卫星反射信号土壤湿度反演模型对实验数据进行处理,并对结果进行了分析和总结。

1 基本原理

北斗导航卫星发射的信号为右旋圆极化(Right Hand Circular Polarization,RHCP)信号。根据电磁波理论,对于不含磁性成分的土壤反射面,反射信号一般为椭圆极化波,可分解为一对左旋和右旋圆极化波,且左旋和右旋分量的幅度均与土壤反射面的介电常数和卫星高度角有关。随着高度角增大,反射信号左旋分量增大,右旋分量减小,反射波表现为左旋椭圆极化(Left Hand Circular Polarization,LHCP)。因此在双天线GNSS-R系统中,为接收高仰角的GNSS反射信号,接收机一般采用一副向上的右旋圆极化天线接收直射信号,另一副向下的左旋圆极化天线接收地面反射信号。

地基接收北斗GEO卫星反射信号的情况下,天线架设高度低,镜面反射点位置距离天线在地面投影位置很近,可以忽略地球曲率带来的影响;卫星距离很远,信号的行程很长,接收机收到的直射信号与镜面反射点处入射信号之间差别相对很小,因此可以近似认为镜面反射点处与接收端有相同的卫星方位角和高度角,接收机接收的直射信号与到达土壤反射面的直射信号受到的大气影响几乎完全相同,并且可以忽略直射路径和反射路径的路程差。

基于以上假设,可以绘制北斗GEO卫星反射信号几何关系如图 1所示。关于镜面反射点和探测区域的计算方法文献[12]中给出了详细说明。在地基实验中天线固定,因此反射信号的镜面反射点和探测区域均固定,可以利用北斗GEO卫星反射信号长期、连续反演特定区域的土壤湿度。

Rtr—卫星到直射天线的距离;Rsr—镜面反射点到反射天线的距离;Rts—卫星到镜面反射点的距离。 图 1 北斗GEO卫星反射信号的几何关系 Fig. 1 Geometry of reflected BeiDou GEO satellites’ signal

通过计算直射和反射信号的相关功率,能够得到土壤反射率。而土壤反射率又可以通过菲涅耳方程与土壤介电常数建立函数关系,这样就可以求得土壤介电常数。

土壤介电常数与土壤湿度有很强的相关性,它们的关系由土壤介电常数模型给出。土壤的四分量理论模型[13]详尽描述了它们的关系,但是由于其结构复杂,在工程应用中多采用简化的经验模型或半经验模型如Dobson模型[14]、Hallikainen模型[15]、Topp模型[16]、Wang模型[17]等。

到目前为止,在利用GNSS-R技术反演土壤湿度方面还没有建立准确的解析模型和半经验模型,并且存在以下难点:

1) 直射、反射信号通道不一致的影响

在双天线应用中,直射、反射信号分立接收,信号强度受到天线自身参数、生产工艺、安装方式、卫星高度角和方位角的共同影响,这些影响难以量化。另外直射、反射信号射频通道器件的不一致性等问题也会对测量精度造成影响。

2) 土壤表面粗糙度对微波散射的影响