GPS遥感土壤湿度后处理系统的设计与实现＊

刘亚东，胡友健，敖敏思

（1.中国地质大学江城学院，湖北 武汉430200；2.中国地质大学测绘工程系，湖北 武汉430074；3.中南大学地球科学与信息物理学院，湖南 长沙410083）

0 引 言

目前，测量土壤湿度的主要手段是湿度计或者遥感卫星。利用GPS信号来获取土壤湿度在欧美已有一定的研究基础，我国最早严颂华等[1]进行过研究。美国学者Larson等[2－3]则提出一种利用信噪比观测值来仿真土壤湿度趋势的一种方法。敖敏思等[4]在Larson的研究基础上进行了方法的改进。

在理论研究基础上，相关学者已经验证了GPS遥感土壤湿度的可行性[5－6]，但是，目前存在一些亟待解决的问题[7]。例如，对于GPS遥感土壤湿度，其数据需要采用长时间静态观测数据，并且只有利用高频GPS数据，才能得到高品质的测量，这样就导致需要解算大批量的GPS观测值，人工单一的计算已经不能满足要求，需要利用专门软件进行处理分析，得到准确的分析结果。而目前利用GPS遥感土壤湿度相关数据的解算软件，还没有研究报道。

主要设计利用GPS遥感土壤湿度的后处理系统，利用该系统进行海量数据的解算与分析，可以快速获取土壤湿度的变化情况。此项工作为GPS遥感在其他领域的应用奠定基础，如可对冰雪厚度、植物生长等进行研究，具有科研和实践意义。

1 设计与实现

1.1 系统总体设计

总体框架采用层次化设计思想，实现不同层次间的相互独立性，保障系统的高度稳定性、实用性和可扩展性，总体框架示意图如图1所示。

图1 系统总体结构

系统具体分为应用层、中间输入层和数据层。从下而上，第一层是数据层，是整个系统的核心，按照合理规范的数据标准对各类数据进行整合处理，并建立科学的数据管理机制。第二层是中间输入层，提供数据与应用层之间的逻辑控制。第三层是应用层，实现了所有人机交互界面和组件，用户通过应用层进行数据格式转换、数据读取、选星系统、基于振幅Am分析、基于相位延迟φ分析等功能。

1.2 技术路线

本系统基于matlab2010a开发，从数据序列中提取多路径反射分量，对多路径反射分量进行分析，解算出土壤湿度模拟值并输出。

整体技术路线如图2所示。

图2 系统技术路线

1.3 系统功能设计

系统总体功能分为5个部分：数据格式转换、数据读取、选星系统、基于振幅Am分析、基于相位延迟φ分析。

数据格式转换：包括将原始GPS文件转化为软件所需要的文件格式，数据初始值的筛选等。

数据读取：包括读取高度角文件ELE、方位角文件AZI、信噪比文件SNR、土壤湿度文件SWC，并且以一定的格式存储。

选星系统：包括针对数据绘出卫星分布图，高度角分布图，方位角分布图，根据输入数据寻找合适的卫星用于下一步分析等。

基于振幅Am分析：从SNR序列中提取多路径反射分量，对多路径反射分量进行重采样，由提取的反射分量来估计其幅度、频率特征参数，研究幅度与土壤湿度参数变化趋势之间的关系。

基于相位延迟φ分析：从SNR序列中提取多路径反射分量，对多路径反射分量进行重采样，由提取的反射分量来估计其幅度、频率特征参数，研究频率与土壤湿度参数变化趋势之间的关系。

2 应用案例

利用实测数据进行系统测试，GPS数据选择位于美国南加利福尼亚州的大陆板块边界观测网（PBO）的P484测站进行解算，气象数据选择距离该测站220m之外的American－Flux气象环境检测网的Sky Oaks Young气象观测站的观测数据。

站点 P484的位置为116.620 762W，33.375 430N，海拔1 417m，采用的是接收机型号为TRIMBLE NETRS，天线型号为 TRM29 659.00加型号为SCIT的天线罩，观测过程中截止高度角设置为10°.气象观测站Sky Oaks Young海拔高度为1 429m，具体位置位于116.622 7W、33.377 2N.该站点提供的观测数据包括土壤湿度、降水量、大气相对湿度等多种观测数据。由于对比的土壤湿度数据站点也位于该方向，其海拔也略高于该GPS站点，地形有所差异，可能给两种结果之间的对比造成一定的影响。在GPS数据解算时，将P484原有的采样率由15s采样至30s，选择第19号卫星，以天为单位进行解算，截止高度角设置为30°.由于SNR观测值的缺失，选择从2006年第一天至2006年第70天的数据进行处理得到多路径误差幅度Am，与Sky Oaks Young站点提供的第一天至第100天的土壤湿度以及降水量数据进行对比和分析，如图3所示。

由图3中可已看出，系统解算出的土壤湿度值Am值能在一定程度上反映出土壤湿度变化，但是与土壤湿度存在一定的误差。引起误差原因可能有多种，如GPS站点周围土壤类型的差异（不同类型的土质对水分的吸附能力有差异，使得富含在土壤中的水分吸收和蒸发的速度均不同）、地形地貌微小差异（两个站点位置海拔的差异、地形起伏的差异均会对该位置的储水量施加影响）引起的土壤湿度的变化，造成系统解算结果与实测数据之间的差异。

图3 系统解算P484测站的湿度值、气象站观测土壤湿度和降水量对比图

3 结 论

描述了基于matlab的GPS遥感土壤湿度后处理系统设计思路、总体结构及功能实现。GPS遥感土壤湿度后处理系统能实现GPS格式转换、数据导入、针对数据的选星、基于振幅Am的分析、基于相位延迟φ分析，并且通过实例，解算出土壤湿度的模拟值，能够在一定程度上反映土壤湿度变化。虽然该系统还存在一些不足，需要进一步优化其系统功能。但是，该系统的设计为GPS遥感这一理论在冰雪厚度、植物生长等课题上面的研究提供前期基础，具有重要的科研和实践意义。

[1]严颂华，张训械.基于GNSS－R信号的土壤湿度反演研究[J].电波科学学报，2010，25（1）：8－13.

[2]BILICH A，LARSON K M ，AXELRAD P.Modeling GPS phase multipath with SNR：Case study from the salar de Uyuni，Boliva[J].J.Geophys.Res，2008，113（B4）：1－12.

[3]BILICH A，LARSON K M.Mapping the GPS multipath environment using the signal－to－noise ratio（SNR）[J].Radio Sci，2007，42（6）：1－16.

[4]敖敏思，胡友健，刘亚东，等.基于信噪比观测值的土壤湿度变化趋势反演[J].测绘科学技术学报，2012：66－69.

[5]LARSON K M，SMALL E E，GUYMANN E，et al.Using GPS multipath to measure soil moisture fluctuations：initial results[J].GPS Solution，2008，12（3）：173－177.

[6]LARSON K M，GUTMANN E D，ZAVOROTNY V U，et al.Can we measure snow depth with GPS receivers？[J].Geophy.R.L.2009，36（17）：1－5.

[7]关 止，赵 凯，宋冬生.利用反射GPS信号遥感土壤湿度[J].地球科学进展，2006，21（7）：747－750.