土壤介电常数-含水量关系模型研究

土壤含水量是农田灌溉管理的基础信息,传统测量方法费时费力,且破坏土壤原有结构。利用探地雷达测定土壤含水量具有快速连续、无损于土壤结构等优势。针对三种不同土壤,基于探地雷达反射波法,比较了常用的土壤介电常数-含水量模型,评估了探地雷达在不同类型土壤中的测量精度;针对砂土和粉土两种土壤,研究了雷达波平均振幅与含水量的关系。研究表明:六种土壤介电常数-含水量关系模型中,Malicki模型的估算精度最高,但需额外提供土壤干容重信息,Topp模型进行常数校正后可获得较好的预测精度;土壤含水量和振幅之间存在倒数关系,利用倒数模型可获得较高的含水量估算精度,在实际应用中应考虑土壤质地对模型具体形式的影响。

冻结土壤介电常数混合模型机理研究

介电常数是微波辐射传输理论所需的最重要、最基本的参数。通过研究平均温度低于-4℃,组分中含有冰的土壤——冻结土壤,建立了一种适用于微波波段冻结土壤的介电常数混合模型。该模型考虑了土壤温度、微波频率、土壤质地以及其中未冻水含量的影响。模型使用一点法计算未冻水含量,引入Stern双电层理论计算冻结土壤未冻水的介电常数,引入Maxwell-Garnett介电常数混合理论、介电常数容积混合理论构建冻结土壤介电常数混合模型。模型计算结果与实测资料进行了详细的对比分析,冻结土壤介电常数混合模型给出的介电常数实部、虚部的曲率与实验结果很好吻合,模型结果比较满意,对比分析证实了模型的可靠性。

土壤有机物质对土壤介电常数的影响

土壤介电常数是开展微波土壤水分和冻融状态的监测的基础,也是植被和积雪的下垫面边界条件,然而目前已有的介电常数研究都没有对高有机质含量的土壤开展系统观测。本文将土壤中的自然有机物质分为腐殖质和植物性残留物两类。采用控制变量实验方法,通过测量5种不同有机质含量的东北黑土和加入不同比例毛白杨碎屑的扁都口草甸土,研究了腐殖质和植物性残留物的对土壤介电常数的影响。结果表明,腐殖质会降低干燥土壤的容重,从而发挥间接作用,使介电常数降低;而对于相同容重下观测的潮湿土壤,腐殖质含量较多的土壤介电常数更大。与Dobson模型的比较显示,在29℃室温下,腐殖质对25%重量含水量潮湿土壤实部的影响在±2左右,虚部能达到1。与腐殖质相比,植物性残留物对风干土壤和潮湿土壤的影响都十分明显。植物性残留物能有效地疏松土壤并代入植物组分的介电特征。当重量含水量为30%时,含毛白杨含量为20%的混合土壤比纯扁都口土壤在实部平均减小3—7左右,虚部减小1—3左右。因此,根据实验观测以及和模型的比较,土壤中的有机物质会改变土壤介电性质,对微波遥感造成影响。

GNSS-R测量地表土壤湿度的地基实验

应用地基GNSS-R测量土壤湿度,相比空基而言,反射信号接收天线安装位置低,反射区面积小,反射区域内土壤构成成分一致,可以克服空基实验带来的反射区面积大、反射区内土壤地貌复杂的因素,有利于提高反演的精度.本文介绍了地基GNSS-R反演土壤湿度的原理和方法.首先通过归一化处理消除电离层和中性大气对信号强度的影响,然后利用光滑地表散射模型和土壤介电常数模型反演土壤湿度.为验证GNSS-R反演结果的精度,利用配置右旋天线和左旋天线的GNSS-R接收机在武汉华中农业大学试验田开展地基GNSS-R测量土壤湿度实验,用土壤湿度计(TDR)与GNSS-R一起进行了联合观测,对实测数据进行分析和统计,在低洼区和平整区观测的对比结果表明,利用多颗高仰角卫星进行联合反演,减小了单颗星反演的误差.实验证明地基实验对于GNSS-R土壤湿度的定量反演研究具有重要作用,其也为利用GNSS-R技术构建大范围的土壤湿度监测网提供了可能性.

EC-5土壤水分传感器温度影响机理及补偿方法研究

针对EC-5传感器温度实验中出现的两种截然不同现象,根据温度对土壤介电常数和电导率影响的机理分析,建立土壤水分传感器测试结果随温度变化的理论模型。通过对模型的仿真分析发现,EC-5传感器测得的土壤水分含量随温度变化的趋势与土壤电导率密切相关。利用最小二乘支持向量机对传感器的温度实验数据建立补偿函数并提出相应补偿算法,有效地抵消了温度变化造成的传感器测试误差。

机载GPS反射信号土壤湿度测量技术

随着全球导航定位系统反射信号(GNSS-R)技术的发展,近年来提出了利用GPS地表反射信号遥感土壤湿度的新方法,该方法利用地表反射率与土壤介电常数以及介电常数与土壤湿度之间的关系来建立反演模型。为了可以快速方便的利用DMR实测数据反演得到土壤湿度,本文根据Wang和Schmugge模型建立了土壤介电常数与湿度之间的分段模型,实现了从原始反射数据到土壤湿度结果的整个反演流程。为了验证反演的可行性,利用NASA等机构联合进行的SMEX02试验机载数据反演得到的结果表明,GPS反射信号能够有效地反演土壤湿度。最后,提出了改善反演准确度需要考虑的几个问题。

雷电流频率与土壤电阻率关系的研究

为研究雷电流频率与土壤电阻率之间的关系,分析讨论了直流对土壤极化的影响,以及土壤介电常数、土壤电阻率与雷电流频率的关系。利用土壤电阻率与雷电流频率的函数关系,采用仿真软件MATLAB,仿真绘制了ρ_(dc)=50Ω·m和ρ_(dc)=1 000Ω·m时,砂粒、粉粒和粘粒三种土壤电阻率随雷电流频率的变化曲线图。结果表明:三种土壤电阻率与频率的关系近似符合非线性规律;当雷电流频率为40 kHz时,土壤电阻率趋于稳定。

土壤水分广义电磁测量方法的潜力分析

以我国代表性土壤的理化特性层间和空间变异资料为依据 ,基于广义电磁波与物质相互作用原理 ,分析了土壤理化特性变异对土壤介电常数、折射率、质量吸收系数等电磁特性参数的影响规律 ,得出了土壤介电常数的水分敏感性强而土壤的容重、质地影响小 。

利用TDR对自动墒情站监测数据的校正

针对自动墒情监测站上报数据不准确的问题,在安徽省滁州市城西径流实验站,对比12个月人工烘干数据与机测数据,并使用国产时域反射(TDR)设备对不同时期土壤介电常数进行测量,使用土壤介电常数的平方根与机测体积含水量数据进行线性拟合,得出校正公式,并带入机测数据使用Topp公式进行校正计算。结果表明,国产TDR仪能够准确测量土壤介电常数,使用土壤介电常数对自动墒情监测站上报的土壤体积含水量数据进行校正的方法符合要求,省时省力,切实可行。

基于BP神经网络GPR反演滨海盐渍土含盐量模型构建

滨海盐渍土水盐含量较高,水盐运移规律显著,利用探地雷达(GPR)反演土壤含盐量具有重要意义。针对目前GPR反演土壤含盐量模型多为内陆盐渍土单一影响因素模型现状,本研究采用BP神经网络方法,探究GPR信号的土壤介电常数、土壤层次振幅比与土壤含盐量之间的非线性关系,并以Matlab为平台,采用自编程序对实验数据进行网络学习和仿真,构建了多重GPR信号反演的土壤含盐量模型。模型输出准确率达到86.53%,表明该模型可以预测滨海盐渍土含盐量。

典型风沙环境对电磁信号衰减的规律研究

风沙天气对人们生活有很大影响,其中一方面就是对电磁信号传播的干扰,文中通过建立基本地形模型,将风沙天气进行建模处理,加入到基本地形模型中,然后研究其电磁特征参数得到电磁模型,对比研究了在没有风沙情况下的电磁传播衰减以及不同严重程度风沙天气中的电磁传播衰减。所得规律既可以为进一步研究风沙区域电磁信号衰减问题提供技术参考,也可以由衰减情况反推出风沙天气的严重程度。

基于包络检波和STFT谱分析的探地雷达土壤分层信息识别

土壤分层信息,特别是表土层结构,对土地生产力具有重要影响,是评价土壤质量的一个重要指标。为了快速、准确地获取土壤分层信息,本文利用探地雷达对分层土壤进行了回波信号采集,并分别在时域和频域分析土壤层位置和层厚信息。首先在信号预处理的基础上,借助包络检波方法确定在土壤分层界面在时域上的位置;然后获取电磁波速度,得到土壤分层厚度。考虑到土壤介电常数与电磁波在土壤中传播速度的相关性,采用短时傅里叶变换方法(Short-time Fourier Transform,STFT)获取各土壤层时频域特征值,并利用回归分析建立特征值与介电常数之间的数学关系,实现对各土壤层的介电常数估算,从而计算出电磁波传播速度,进而确定土壤各层厚度。为验证算法的有效性,分别对理想模拟实验环境和农田环境进行了探地雷达实验,结果表明利用包络检波对探地雷达回波信息进行分析,土壤层检出率达到94.5%,借助STFT谱分析进行探地雷达回波速度估计,对于70 cm深度以上土层厚度计算误差大都保持在10%以下,但随着土壤深度的增加,误差变大。总体来说,本方法能有效识别浅层土壤的分层信息,可应用于实际生产中耕层厚度的估测。

SAR数据在土壤盐渍化监测中的应用研究进展

土壤盐渍化不仅会造成土地荒漠化等生态问题,而且可能减低耕地数量和质量,对粮食安全构成威胁。快速、准确地获取土壤盐渍化信息对及时有效的土壤治理具有重要意义。近些年来,微波遥感的发展为大面积快速实现土壤盐渍化监测提供了新的思路,基于合成孔径雷达(Synthetic Aperture Radar,SAR)数据的土壤盐渍化监测成为当前遥感土壤盐渍化研究领域的热点之一。本文从盐渍化土壤微波散射机理、盐渍化土壤特征参数的构建与提取、盐渍化土壤分类、土壤含盐量反演4个方面总结国内外土壤盐渍化SAR遥感监测的主要进展与标志性成果:(1)盐渍化土壤微波散射机理的研究明确了土壤含盐量与雷达后向散射系数的相关关系;(2)盐渍化土壤特征参数的构建与提取呈现多元化、综合化变化趋势;(3)盐渍化土壤分类方法从机器学习向深度学习方法转移;(4)土壤含盐量反演从回归分析向结合散射机理的反演方法转化。同时,本文提出现有研究存在的问题和挑战:土壤含盐量与后向散射系数关系受到多种因素的影响,实现高精度的土壤盐渍化SAR遥感技术监测,还需更深入的机理解析、特征构建和多源数据的融合利用。