[发明专利]基于自适应模糊推理的超宽带土壤信号含水量识别方法

说明书

本发明公开了一种基于自适应模糊推理的超宽带土壤信号含水量识别方法，属于精细化农业技术应用方向，具体涉及遥感技术、土壤含水量检测技术领域，解决现有技术中的土壤含水量的测量方法不能充分利用土壤回波性质，从而造成土壤含水量的测量不精确、测量成本高等问题。本发明收集土壤的超宽带土壤回波和对应土壤回波的土壤含水量；对土壤回波进行预处理；构建自适应模糊推理系统，对预处理后的土壤回波进行特征向量提取；使用机器学习算法——随机森林算法构建分类器，得到随机森林分类器；随机森林分类器根据不同土壤含水量对提取的预处理后的土壤回波的特征向量进行分类识别，并输出分类识别结果。本发明用于土壤含水量的测量。

技术领域

一种基于自适应模糊推理的超宽带土壤信号含水量识别方法，用于土壤含水量的测量，属于精细化农业技术应用方向，具体涉及遥感技术、土壤含水量检测技术领域。

背景技术

在精细化农业中，使用雷达(遥感技术)测量土壤含水量已成为一个研究热点，技术原理为使用雷达探测与收集土壤回波，根据回波特性与土壤性质间的联系反演出土壤含水量。使用雷达(遥感技术)测量土壤含水量的针对农田土壤含水量测量，该技术对土壤和作物的无接触、无破坏，同时该技术操作简单耗时短，可实现对土壤含水量的实时监控。但土壤回波特性与多方面因素有着相互联系，如与土壤性质(土壤盐度、土壤结构、土壤表面粗糙度等)，测试环境(温度、湿度、有无植被等)，雷达发射波性质(中心频、极化方式、入射角等)相关。考虑多种因素的相互影响，回波特性与土壤含水量之间往往存在强烈的非线性关系，这将使土壤含水量检测产生较大误差。

机载SAR雷达测量土壤含水量：使用合成孔径(SAR)雷达，测量大范围农田土壤含水量分布。该技术土壤表面粗糙度与植被覆盖等性质十分敏感，仅适合含水量分布粗略检测，且精度较低。

使用地面测量、固定式探地雷达(GPR)对小区域土壤含水量的精确检测。该方法提高了含水量的检测精度，但现有方法使用物理模型反演，该模型无法描绘土壤回波性质与含水量之间强烈的非线性关系，因此在实际测量中依然存在较大误差。

检索到专利号为：201510536304.4的“一种针对超宽带雷达回波的土壤湿度反演方法”和专利号为：2016107440824.1的“一种基于超宽带与非单点模糊逻辑的土壤含水量测量方法”。

专利号为：201510536304.4的公开专利中使用二型模糊逻辑系统预测土壤波形，并提取系统中部分参数进行分类识别。该方法使用的识别算法十分简易，使得最终的识别率不尽理想。同时二型模糊逻辑系统参数繁多，计算成本高。

专利号为：2016107440824.1的公开专利使用非单点一型模糊逻辑系统预测不同土壤含水量，并保留预测结果作为模板用于不同土壤回波的比较识别。该方法使用模糊逻辑系统的预测结果作为模板十分不准确，且在使用模板比较识别土壤回波时，易受到噪声影响。

综上所述，现有技术中的土壤含水量的测量方法不能准确测量土壤回波，从而造成土壤含水量的测量不精确、测量成本高等问题。

发明内容

本发明针对上述不足之处提供了一种基于自适应模糊推理的超宽带土壤信号含水量识别方法，解决现有技术中的土壤含水量的测量方法不能充分利用土壤回波性质，从而造成土壤含水量的测量不精确、测量成本高等问题。

本发明采用的技术方案如下：

一种基于自适应模糊推理的超宽带土壤信号含水量识别方法，其特征在于，如下步骤：

(1)收集土壤的超宽带土壤回波和对应土壤回波的土壤含水量；

(2)对土壤回波进行预处理；

(3)构建自适应模糊推理系统，对预处理后的土壤回波进行特征向量提取；

(4)使用机器学习算法——随机森林算法构建分类器，得到随机森林分类器；