位度科技UWB雷达——基于超宽带雷达和多光谱数据合成的土壤含水率检测

摘自《农业机械学报》，做者为西北农林科技大学机械与电子工程学院的郭交教师与其团队。

中文摘要：土壤含水率监测是精准农业的重要构成部门，关于农情监测和农业消费起着关键性感化。超宽带雷达因为其体积小、量量轻、穿透力强和功耗低等特征已被普遍利用于土壤含水率监测研究。而现有超宽带雷达反演土壤含水率多为抱负裸土情状，现实利用中地表植被笼盖会对成果形成较大影响，针对此问题，合成超宽带雷达和多光谱数据，操纵撑持向量机（SVM）模子对农田标准差别植被笼盖下的土壤含水率停止分级揣测，以减小植被对揣测精度的影响。研究成果表白，在超宽带雷达回波数据提取出的差别时域特征组合中，选用峰值因子、峭度、均方根、峰-峰值、更大幅值、方差、偏斜度、均匀值和最小幅值9个时域特征做为SVM模子输进特征揣测成果更好，总体精度为95.59%，Kappa系数为0.9492。加进植被指数NDVI后，差别时域特征组协做为特征输进的模子精度均有显著进步，此中将9个时域特征与NDVI配合做为SVM输进揣测效果更佳，总体精度为98.09%，Kappa系数为0.9780，与不考虑植被影响的揣测成果比力，总体精度进步了2.50个百分点，Kappa系数进步了0.0288。

0 引言

土壤含水率是农业、生态、气象和水文等学科的重要参数之一，对农做物生长具有重要感化，实时监测农做物的含水率情状，不只对评判农做物安康程度有着重要意义，并且在节水浇灌、农做物光协感化和养分吸收以及产量揣测等方面都具有重要感化。

当前测定土壤含水率的办法，如烘干法、中子法、时域反射法(Time domain reflectometry, TDR)、热脉冲法等，可以较为准确地停止单个土样或者单点的小标准测定。但数据时效性较差，很难包管丈量数据的同步性，并且只能用一个或几个点的数据来表征大范畴面的数据，若间接用于大面积丈量，则消耗大量人力物力。近年来跟着星载远感手艺的敏捷开展，基于卫星数据来反演土壤含水率已成为一种处理土壤含水率监测问题的新办法，但遭到当前卫星传感器的限造，在对部分农田停止反演时精度比力低，同时该办法受卫星重访周期和过境时气候影响比力大，很难有效批示精准农业消费活动。低空扫描法是一种将雷达架设于空中必然高度处看测必然范畴土壤含水率的办法，那种办法操做简单，丈量效率高并连结很高的切确性，比力合适于表层土壤含水率快速检测，但传统上与低空扫描法共同利用的雷达尺寸过大，丈量难度和成本较高。近些年来，因为超宽带(Ultra-wide band，UWB)雷达体积小、量量轻、穿透力强、抗骚乱和低功耗的特征，被越来越多地利用于土壤含水率相关的研究中，并且将超宽带雷达模块与低空扫描法相连系，能够简化低空扫描法中土壤信号摘集的难度。

一些学者操纵模糊逻辑系统、人工神经收集等手段对从超宽带雷达丈量数据中得到土壤含水率相关信息停止了研究，所抉择的试验前提都是平整裸土。但在现实的农田情况中，土壤上均会存在差别的植被笼盖且土壤中石子与秸秆残渣等骚乱较多，那些城市影响土壤含水率监测的精度。而微波远感不如光学远感形象曲看，易于理解。植被的雷达后向散射与系统参数(波长、进射角、极化体例)、植被参数以及地表参数均有关,电磁波与植被之间的彼此感化是比力复杂的。为了对那个复杂的过程停止理解并进步地表参数的反演精度，研究人员通过对植被微波后向散射特征的研究，成立了各类类型的植被微波后向散射模子。目前已有学者间接通过植被指数来消弭植被笼盖产生的影响。

基于以上阐发，本文以土壤含水率为研究对象，在10块差别植被笼盖情状的试验田中停止差别土壤含水率的超宽带回波信号摘集，试验中土壤含水率均摘用体积含水率(Variable water content，VWC)计算。通过无人机多光谱远感获得10块试验田的多光谱图像，进而计算其对应的回一化植被指数(NDVI)，以此来消弭植被笼盖所产生的雷达后向散射影响。将无人机多光谱图像与超宽带雷达模块(PulsOn 440, P440)的低空扫描法相连系，合成多光谱与超宽带雷达数据，操纵撑持向量机(SVM)模子实现对差别水平植被笼盖土壤含水率停止分级揣测。在此根底上，研究比照合成多源数据与只摘用超宽带雷达回波数据的揣测精度，并成立农田标准上更优的土壤含水率揣测模子。

展开全文

1 研究区域与试验办法

1.1 研究区域

试验地点为陕西省咸阳市杨凌区某处试验田，土壤类型为陕西省关中地域的塿土，总面积约为100 m2，总体植被笼盖度约为42.10%，植被笼盖高度为0～30 cm。抉择此中差别植被笼盖的10块试验地，植被笼盖类型为杂草，每块试验田的大小约为2.5 m×2.5 m。图1a为试验区域总体示企图，图1b、1c为详细地块试验过程中无人机定点拍摄的多光谱影像RGB波段合成后图像。

图1

1.2 试验设备

(1)超宽带雷达模块

选用的超宽带雷达模块是Time Domain公司（南京位度科技）的PulsOn 440单基站雷达模块，实物图如图2所示。它是一种工做频次在3.1～4.8 GHz之间的超宽带雷达，可以摘用双向飞翔时间体例在2个以上的模块之间停止切确测距与通信，也能够做为单基地雷达、双基地雷达或者多基地雷达工做。P440单基站雷达模块功耗低，供电电压为曲流4.5～48 V，小型挪动电源就能够称心其长时间不变的供电需求，同时其尺寸小、量量轻的特征使其便携性很强，同时具有很强的穿透力。那些特征使其能够很好地适应农田间复杂的现实农情情况，便利田间试验时数据的摘集，完生长时间高效率丈量使命。

图2 PulsOn 440 超宽带雷达 1.发射天线 2.电源接口 3.数据接口 4.P440主板 5.领受天线

(2)雷达天线

雷达天线选用P440标配的BroadSpec天线，实物图如图2所示。该天线是一种卵形的平面偶极子天线，通过原则SMA公接口毗连到P440模块的两个天线端口，可以供给全标的目的发射和领受形式。当时域特征和频域特征非常不变，适用于P440模块的信号传输要求，有效射频带宽范畴为3.1～5.3 GHz，天线效率约为90%。

(3)土壤含水率测定仪

利用顺科达TR-6D型土壤温湿度计丈量土壤的体积含水率。TR-6D是一种便携式土壤温湿度丈量仪，具有体积小、量量轻、能耗低的长处，能够很好地适应农田间的复杂现实情状。含水率丈量范畴为0～100%，精度为±2%。TR-6D摘用接触式的丈量法，所用探针长度为70 mm，垂曲安拆时传感器可丈量近60 mm长感应区间的土壤体积含水率。

(4)无人机与多光谱相机

摘用搭载多光谱相机的无人机获取差别植被笼盖情状试验地块的多光谱图像。所用无人机型号为四旋翼的大疆M100，搭载的多光谱相机为MicaSense的Red Edge五通道多光谱相机，其光谱参数如表1所示。该相机带有光强传感器和灰板，能够在无人机航拍飞翔过程中矫正外界光线改变对光谱形成的影响，并对航拍影像停止反射率矫正。

1.3 试验办法

本文摘用低空扫描法停止土壤回波信号的摘集。低空扫描法是操纵阐发领受的微波信号与土壤样品含水率之间的关系来反演土壤含水率。基于低空扫描法的数据丈量系统由P440超宽带雷达、发射天线、土壤样品、领受天线、计算机和其余辅助安装构成。待测土壤区域处于发射天线和领受天线中间正下方，通过P440超宽带雷达模块完成回波信号的发射与领受，计算机用于回波信号的贮存和数据阐发，如图3所示。

1.4 试验步调

(1)考虑到雷达天线耦合噪声的影响，在摘集丈量过程中 P440雷达应高于空中0.8 m以上。拔取四周比力空阔的试验田停止试验，搭建好雷达固定收架后，将P440雷达放置在间隔空中1.0 m的高度位置停止回波信号的摘集，通过USB接口与计算机毗连，操纵MRM软件掌握回波信号数据摘集的起头和停行，并将领受信号数据间接贮存在计算机中以便停止后期数据处置。

(2)利用P440超宽带雷达在10块差别植被笼盖情状的试验田中停止差别含水率的土壤雷达回波数据摘集。共摘集了40个差别含水率的土壤雷达回波信号，土壤含水率区间为14.10%～28.59%，契合现实农田土壤含水率的情状。将土壤含水率从14.01%起头根据2%的差值分为8级，此中第1级为14.01%～16.00%，第2级为16.01%～18.00%，以此类推第8级为28.01%～30.00%。每个含水率含有1 000个回波信号样本，根据3∶1的比例将750个样本做为操练集，250个样本做为测试集。

(3)利用TR-6D型土壤温湿度计丈量土壤的体积含水率，丈量区域为P440雷达下方的1.5 m×1.5 m矩形区域。丈量时抉择区域内差别位置的12个点停止丈量并笔录数据，往除更低值和更高值后对10个点的体积含水率取均匀值做为此次试验土壤的现实体积含水率。

(4)利用搭载多光谱相机的无人机对试验田停止摄影，获得试验区域的无人机多光谱远感图像，用于计算差别试验地块对应的植被指数。

2 数据处置

2.1 雷达回波信号提取

P440超宽带雷达摘集的回波信号中，每个回波的离散时间长度为480 ns，起首需要从回波信号中提取出含有土壤含水率信息的有用信号。根据雷达波时延公式，能够得到更先领受到含有土壤表层信息的回波信号的时间，从而在所有信号中提取出含有土壤信息的回波信号的起始点，公式为

式中V——雷达回波信号传布速度

R——雷达波传布间隔，取1.0 m

τ——P440的信号摘样频次，取61 p/s

Δt——传布时间 m——时间指数

C——光速 ξr——介电常数

解得m约为109，表白每个回波的离散时间长度480 ns中，从109 ns起才包罗有与土壤含水率有关信息，因而舍弃前108 ns，将样本的离散时间长度缩小为372 ns。雷达波在土壤中的穿透深度约为0.5 m，其在土壤中的传布速度如式(3)所示,此中土壤的介电常数介于4～40之间，由体味公式可得含水率30%土壤的介电常数约为20，能够通过式(3)计算出包罗土壤信息的有效回波信号摘样离散时间长度约为244 ns，本试验中取250 ns，即一个回波信号样本中109～359 ns的离散时间长度上的信息是包罗土壤信息的有效回波信号。以土壤体积含水率为22.28%为例，如图4所示。

本研究中植被笼盖高度约为0.3 m，即雷达与植被间隔约为0.7 m。根据雷达波延时公式能够计算出每个回波的离散时间长度480 ns中，约从76 ns起包罗有与植被有关信息。将8号试验田24.31%与9号试验田24.40%的雷达回波样本停止比力阐发，成果如图5所示。从图中能够看出，约70 ns起头两种雷达回波产生较为明显的改变，那是因为摘集的雷达回波中起头包罗植被信息，与计算成果一致，后续摘集到的回波中均包罗植被对回波散射产生的噪声信息。

2.2 雷达回波时域特征提取

因为农田中情况比力复杂，超宽带回波信号摘集过程中噪声比力严峻且无法很好地间接剔除，并且UWB信号长短平稳信号，幅值较大，信息冗余较多，若间接摘用提取出来的含有土壤信息的回波信号停止建模，消耗时间过长且无法制止噪声带来的影响，因而本文对每一个摘集的回波信号停止时域特征提取，选用均匀值、方差、更大幅值、最小幅值、峰-峰值、均方根、偏斜度、峰值因子和峭度9个时域特征。用提取出来的9个回波时域特征参数来表征原始超宽带回波信号。

2.3 植被指数计算

根据植被的光谱特征，将多光谱相机拍摄的可见光和近红外波段停止组合，计算出植被指数NDVI。NDVI能够消弭大部门与仪器定标、太阳角、地形、云暗影和大气前提有关辐照度的改变，是目前已有的40多种植被指数中利用最广的一种。

计算得出10块试验田的NDVI别离为0.002 3、0.000 3、0.037 8、0.268 7、0.349 6、0.364 1、0.006 8、0.123 4、0.572 8、0.109 0，本研究中1、2、3、7号试验田植被笼盖非常稀少，4、5、6、8、9、10号试验田有差别水平明显植被笼盖。

2.4 撑持向量机模子

撑持向量机(Support vector machines，SVM)可用于形式分类和非线性回回，次要思惟是成立一个分类超平面做为决策曲面，使得正例和反例之间的隔离边沿被更大化。其特征是利用核函数、稀少解、鸿沟逃踪掌握鸿沟和撑持向量数目。SVM的计算复杂度不依靠于输进空间的维数，同时具有优良的泛化才能，分类精度比力高。在SVM中，输进样本x起首通过非线性映射Φ(x)映射到一个高维的特征空间，然后在那个特征空间中成立一个线性模子来估量回回函数，公式为

式中ω——超平面的法向量

b——超平面的截距

通过引进拉格朗日函数将约束优化问题转换成对偶问题，通过结对偶函数得到式(4)的解为

nsv——撑持向量的个数

K(xi,x)——核函数

2.5 模子评判目标

本文摘用稠浊矩阵对差别特征输进情状下的揣测成果停止精度阐发比力。基于稠浊矩阵计算总体精度(Overall accuracy，OA)和Kappa系数。总体精度和Kappa系数都可用于比照揣测成果的精度，Kappa系数能够分为5组来表达差别级此外一致性：0～0.20，极低一致性；0.21～0.40，一般一致性；0.41～0.60，中等一致性；0.61～0.80，高度一致性；0.81～1.00，几乎完全一致。

3 成果与阐发

3.1 回波信号时域特征相关性阐发

将超宽带雷达回波提取到的9个时域特征别离求取均匀值后根据含水率从低到高停止绘图，成果如图6所示。第1组土壤回波信号现实含水率更低，第40组土壤回波信号现实含水率更高。

图6 回波时域特征图

从图6中能够看出，跟着土壤含水率的增加，9个回波时域特征均有差别水平起伏改变。灰色联系关系阐发是对一个系统开展改变态势的定量描述和比力的办法，它反映了曲线间的联系关系水平，凡是用于阐发各个因素关于成果的影响水平。本文利用灰色联系关系阐发对从雷达回波信号中提取出来的9个时域信号特征别离与土壤含水率停止相关性阐发，相关性从高到底排序依次为峰值因子、峭度、均方根、峰-峰值、更大幅值、偏斜度、方差、均匀值、最小幅值。峰值因子与土壤含水率联系关系度更高，为0.8229，而最小幅值与含水率的联系关系度更低，为0.7562，图6中最小幅值跟着含水率升高的变更曲线相对较平缓，颠簸不明显也能够验证灰色联系关系阐发成果的准确性。

将9个时域特征根据相关度由高到低摆列，前3个特征组合为a1，即峰值因子、峭度和均方根的组合，中间3个特征组合为a2，即峰-峰值、更大幅值和方差的组合，后3个特征组合为a3，即偏斜度、均匀值和最小幅值的组合。

3.2 差别特征组合的模子精度阐发

根据灰色联系关系阐发，根据相关度从高到低，本文别离将更高的3个时域特征、6个时域特征和全数9个时域特征组合在一路做为SVM分类的输进特征，同时加进植被指数NDVI。输进特征组合别离为a1、a1+NDVI、a1+a2、a1+a2+NDVI、a1+a2+a3和a1+a2+a3 +NDVI，差别参数组合下SVM揣测成果如表2所示，此中特征组合为a1、a1+NDVI、a1+a2+a3和a1+a2+a3 +NDVI的揣测成果如图7所示。

图7 差别特征组合揣测标签与实在标签的稠浊矩阵

3种时域特征组合中，a1特征组合的揣测效果最差，总体精度为64.88%，Kappa系数为0.594 8，更优组合为a1+a2+a3特征组合，总体精度为95.59%，Kappa系数为0.949 2。a1+a2+a3特征组协做为特征输进比a1特征组合的揣测精度进步了30.71个百分点，Kappa系数进步了0.354 4，比a1+a2特征组合的揣测精度进步了21.56个百分点，Kappa系数进步了0.247 6。引进植被指数NDVI后，a1+NDVI组协做为特征输进总体精度为77.24%，Kappa系数为0.737 2。a1+a2+a3+ NDVI组协做为特征输进总体精度为98.09%，Kappa系数为0.978 0，在6种特征输进组合中总体精度和Kappa系数均为更高，揣测效果更佳。加进NDVI后的3种差别时域特征组合分类模子比未加进NDVI的总体精度别离进步了12.36、13.57、2.50个百分点，Kappa系数别离进步了0.142 4、0.155 4、0.028 8，效果与未加进NDVI比拟提拔显著。差别的时域特征组合连系NDVI配合做为SVM特征输进后，总体精度和Kappa系数均有明显进步。

3.3 差别植被笼盖试验田的模子精度阐发

本文中将稀少植被笼盖的1、2、3、7号试验田分为一组，将有差别水平植被笼盖的4、5、6、8、9、10号试验田分为一组，比照将9个雷达回波信号时域特征做为SVM模子输进特征时，引进植被指数NDVI关于模子精度的影响，成果如表3所示。由表3可得：

(1)植被笼盖非常稀少的试验田跟着太阳天然暴晒、土壤含水率降低的同时，差别试验田地表存在各不不异、差别水平的龟裂情状且石块裸露于地表。因为数据摘集周期的原因，植被笼盖稀少的试验田中地表龟裂水平改变关于雷达回波影响较大。对1、2、3、7号试验田植被指数回一化之前方差为0.218 6，而4、5、6、8、9、10号试验田植被指数回一化之前方差为0.139 1，极其稀少植被笼盖的4块地之间区别大于有明显植被笼盖的试验田，因而a1+a2+a3特征组协做为模子输进时模子精度较差，略低于有明显植被笼盖的试验田。

(2)关于植被笼盖非常稀少的试验田，通过多光谱远感数据获得NDVI指数引进SVM模子中能够进步模子精度，本研究中4块近乎稀少植被笼盖的试验田引进NDVI后土壤含水率揣测精度进步了1.62个百分点。关于有明显植被笼盖的试验田，引进植被指数NDVI后土壤含水率揣测精度进步了3.05个百分点。

(3)通过NDVI指数的引进，有明显植被笼盖试验田摘集的数据停止分类建模后精度提拔大于稀少植被笼盖的试验田摘集的数据，阐明NDVI那一特征关于土壤含水率分类中植被的影响较为灵敏，可以必然水平上降低由植被笼盖等因素所带来的噪声，进步模子精度。

4 结论

(1)超宽带雷达回波信号停止时域特征提取之后，提取的9种时域特征摘用灰色联系关系阐发后峰值因子与土壤含水率的联系关系度更高，最小幅值与土壤含水率的联系关系度更低。

(2)选用超宽带雷达回波的峰值因子、峭度、均方根、峰-峰值、更大幅值、方差、偏斜度、均匀值和最小幅值9个时域特征做为SVM模子输进揣测效果更佳，总体精度为95.59%，Kappa系数为0.949 2。

(3)引进植被指数NDVI做为SVM特征输进后，3种差别时域特征组合的总体精度和Kappa系数都有显著提拔，9个时域特征与NDVI配合做为SVM输进特征模子效果更佳，总体精度为98.09%，Kappa系数为0.978 0。

(4)植被指数NDVI的引进，关于有明显植被笼盖的情状，模子精度的提拔优于稀少植被笼盖情状。

（完成）

网址 位度科技【wheredotech.com】 →【下载中心】

位度科技wheredotech.com