借探地雷达看土壤分层

土壤是陆地上万千生物赖以生存的“家”。土壤的分层信息是反映其质量的重要指标之一。探地雷达具有良好的穿透性，无需剖面就可以掀开土壤分层信息的盖头，让我们清晰了解土壤结构。土壤分层示意

土壤是陆地上万千生物赖以生存的“家”。土壤的分层信息是反映其质量的重要指标之一。探地雷达具有良好的穿透性，无需剖面就可以掀开土壤分层信息的盖头，让我们清晰了解土壤结构。

土壤分层示意

本研究针对耕地土层渐变、土壤质地差异不明显的大田土层分层识别应用，提出基于包络检波和短时傅里叶变换（STFT）谱分析的探地雷达土壤分层信息识别方法。首先借鉴调制解调的原理，利用包络检波的方法分析雷达回波信号幅度以及上下包络Hilbert瞬时相位谱的变化，找到土层分界面的时域位置。然后，利用短时傅里叶变换跟踪频谱随时间（深度）的变化，通过回归分析建立各层土壤的介电常数与各层信号的频域振幅峰值加权值之间的关系，估测不同层电磁波传播速度，进而计算各层厚度。

基于包络检波和STFT谱分析的探地雷达土壤分层

信息识别方法流程

电磁波在土壤介质中传播将发生衰减，并且由于地面坡度、粗糙度等几何特性的不均一性，以及地表植被散射影响，接收机接收到的回波信号往往具有复杂的散射过程，包含各种各样的杂波干扰，使得土层识别十分困难。

因此，本研究首先对雷达回波信号进行增益处理来弥补信号在传播过程中的能量损失，并进行滤波与降噪处理以降低噪声，从而提高回波信号信噪比。具体滤波处理过程为：通过均值法去除背景的影响；通过带通滤波去除外界射频信号的干扰；通过中值法去除来自地面反射的直达波。然后分别在时域和频域对回波信号进行处理以获取时域分层信息和估计各层电磁波传播速度：一方面采用包络检波的方法进行土层分界面的时域确定，进而确定土层分界面对应传播时间信息；另一方面采用短时傅里叶变换对信号进行时频域分析，计算基于时域分层的各土壤层的频域振幅峰值加权值，利用建立的频域振幅峰值加权值与土壤介电常数的线性回归关系计算各层的土壤介电常数，从而确定电磁波在各土层的传播速度，最后结合土层界面时间信息确定各土层厚度信息。

为研究探地雷达对不同土层深度和不同土层界面的敏感性，在北京通州中国农业大学实验站搭建模拟实验环境。 设计10 m×10 m的区域，等分成5 m×10 m的两块（左边以石子为障碍层，右边以瓷砖为障碍层），挖掘出10条长度为10 m、宽度为1 m、高度以10 cm为步长逐渐递增的阶梯状平面，分别以2.0系列石子和瓷砖为界面在长度10 m的阶梯上左右两边均匀铺设5 m×1 m（长×宽）的障碍层，最后覆土整平。覆土后最深处障碍层位于土壤下1 m位置，障碍层厚度约1 cm，其上下土壤为实验田常规砂质壤土，如下图所示。

北京通州实验站模拟环境搭建及测线分布

考虑到模拟环境的阶梯式土层厚度最深处为1 m，因此选用探测深度为0.8~1.2 m的CAS-S800（工作频率800 MHz）探地雷达在其上方以轮测法沿4条测线进行数据采集，每条测线长度为10 m左右，采样时窗设置为40 ns，采样频率设置为26 324 MHz进行数据采集。电磁波在介质中的平均速率根据第一障碍层位置估算。

将基于包络检波的方法用于模拟实验环境中获取的雷达数据，得到如下图所示的土壤层识别结果。为更明确地看出每一条回波数据上土壤层数据的表现特性，图中上半部分给出了基于包络检波及Hilbert谱瞬时相位跳变的三维识别结果（红黄色的条纹是根据识别的位置人为添加的障碍层识别结果示意），下半部分分别给出了天线位置在0.65 m、2.62 m和6.07 m处回波数据及其上下包络情况的二维曲线。

基于包络检波的模拟实验环境探地雷达土壤分层信息识别结果

可以看出，三维土壤分层识别图中准确识别出了前6层台阶的位置，信号随着障碍层深度的增加会逐渐减弱，障碍层深度不大于65 cm时都能提取出障碍层位置，障碍层深度大于65 cm时回波信号极为微弱。从二维结果中可以看出，每个天线位置获取的数据中包含了当地对应台阶的位置，通过包络检波得到的上下包络线已经比回波曲线本身更能直观地显示出回波跳变的位置，但只通过看上下包络线距离的变化有时候还不够直观，特别是当障碍层深度增加，信号变化较小时。因此，本文进一步通过识别其Hilbert谱瞬时相位跳变顺利找到了造成跳变的障碍层位置，结果如上图的三维结果所示。

在复杂的实际农田中本方法有效性如何？一起来看看吧。本研究选取位于114°50′22″E — 115°13′27″E，36°35′43″N — 36°57′N之间的河北省曲周县部分农田区域作为实验采样区域作为实验采样区域。研究区面积约为667 km ² ，土壤类型以潮土为主，质地类型主要为轻壤土。土壤在垂直方向上砂壤黏交替沉积呈层状，土壤呈现出一定的分层特征。

位于河北省曲周县的研究区农田环境采样图

在2016年4月开展了外业实验，根据项目区常见的4种土体结构类型（通体粘、夹粘型、倒蒙金型、底漏型）分别选取了8个采样点进行了探地雷达数据采集、剖面数据采集和土壤样品采样。由于调研时间为2016年4月，项目区大部分农田生长着小麦、玉米等作物，有的样点数据不是很理想，因此剔除干扰、噪声较大的样点，最终选择了裸露地表的样点进行测算和验证，每种土体构型选择一个样本，共计4个采样点。

实际农田环境中选用探测深度更深、工作频率为400 MHz的GR-IV型便携式探地雷达进行数据采集。采样点位置如图所示（底图来自于Google Earth高清影像），每个采样点根据田块大小设置多条10~25 m长度的测线进行往返数据采集，采样时窗设置为25 ns，采样频率设置为100 000 MHz。

基于包络检波土壤分层信息识别研究区4个采样点的土壤层位置。实验表明，算法能在复杂的农田环境中检测出不同土壤层的存在。以样点1为代表给出了分层界面三维显示。为以更直观的二维图形式展现回波数据及其上下包络线情况，图中也给出了天线在随机选取的几个位置上样点1的二维数据及包络线。

基于包络检波的实际农田环境探地雷达土壤分层信息识别结果

与实地剖面结果比较可以看出，土壤分层信息基本被检测出来，但由于实际农田环境中复杂的散射环境，在没有明显分层的位置出现了包络信号的突变，存在一定的虚警现象。样点1的探地雷达回波信号在天线位于某些位置时，如在双程时间10.8 ns处，检测出分层，然而实际剖面图中不存在此分层。出现这种虚警，可能是由于土壤中水分或盐分不均匀引起了土壤后向散射的变化。对于这种虚警现象，若其长度小于天线行走距离的1/3，则在后面确定层位置的运算中，都将其作为误差剔除。综合模拟实验环境和实际农田环境中所有测线数据的分层识别结果，实际土壤层检出率达到94.5%。

利用基于STFT的方法获取电磁波在不同土壤层的传播速度及相应时间的传播深度，得到研究区典型样点土壤分层情况。如下图所示，（a）为4个样点探地雷达数据分层识别三维结果在土壤深度-天线位置二维坐标面的投影，（b）为对应样点实地剖面及土壤分层人工辨读结果。

河北省曲周县研究区典型样点土壤分层情况

可以看出，基于包络检波和STFT谱分析的方法可以实现土壤分层层数和大概位置的准确识别。但由于土壤本身结构的复杂性和渐变性，存在有漏检现象。样点2在实地剖面中在地面下98 cm的位置有分层，但探地雷达数据检测中未检测出这些界面，出现漏检。对照土壤取样和实地专家辨读结果发现，此样点土体构型为通体黏型，土壤物理化学特性变化较小，呈渐变性，土壤层次不够分明，并且由于黏土的穿透性较差，回波信号比较弱，因此在50 cm以下土层出现漏检。样点3的回波测定中第三层位置在53cm处，而根据剖面实地专家辨读第三层位于68 cm左右，产生了较大误差。对比实地剖面照片发现，50~55 cm的位置土壤有空洞等存在，空洞回波信号强于渐变土层差异造成的回波变化，因此检测的土层位置上移，同时由此带来了速度估计误差及下面各层误差增大的现象。

实际农田环境中，存在着一些不确定性因素，从而为土层厚度测量带来一定误差。这些不确定因素包括：

农田环境的不确定性

由于农田环境中地表的复杂性和非均一性，例如地表植被、地上覆膜、土壤空洞以及土层盐分或者水分的不均匀等，使得探地雷达回波图像中出现异常的信号突变。数据采集时间为2016年4月，虽然我们选择了裸露地表或者植被稀疏地表，但杂草等地表覆盖物依然不可避免，有的地方有前一年的地表残膜存在。另外曲周地区以前存在大量的盐碱地，经过多年的治理，虽然有了很大改善，但个别样点可能依然存在盐度较高的土块。这些都将带来探地雷达回波信号的不稳定。预处理中我们通过信号滤波降低了一部分由这些突变带来的噪声，但由土壤中较大空洞等造成的回波变化依然会引起其下部土层的层厚测定误差。

土壤层的渐变性

在农田环境中土壤质地的变化通常是渐变的，介电常数也因此是渐变的，为了测算方便，本文将每层介电常数设为一常数进行计算，且实际通过介电常数对速度的估计也并非十分准确，而土层厚度的计算是根据回波时延和所估算出的速度来确定的，因此速度估算的误差使得土层厚度的测算也存在一定误差。然而，这种局限性和约束性对土层厚度测算的影响在实际应用中通常处于可接受的范围。

土层深度的影响

电磁波信号随着穿透深度的增加，被散射、被吸收的程度也逐渐增加，因此探测深度达到一定程度后，回波强度减弱而噪声强度增加。所以，在实际农田环境中由于水分和黏土等较强吸收的影响，土壤深度超过70~80 cm后测算结果可能存在较大误差。对于农业应用中比较关心的耕层深度，由于一般其深度不超过50 cm ，所以识别精度是比较可靠的。

通过采用包络检波的方法进行分层识别并采用对STFT谱分析得到的土壤层对应介电常数，进而计算土壤分层情况及各层厚度，可以得到不同土体结构的土壤分层图像，清晰地显示和表征出地下土壤分层特征，虽然可能存在一些检测误差，但总体来说分层层数和现场剖面实测结果基本相符。对于深度在70 cm以内的土层，其层深计算的相对误差大都在10%以下；对于深度大于70 cm的层位，其层深识别误差则较大。 算法的可行性和精度都使之有着光明的应用前景。

然而，应用的道路并不是坦途一片。 探地雷达信号在不同土壤环境中穿透性、反射性都有比较大的差异， 本研究在位于华北平原的河北曲周进行了实际农田环境实验，验证了本方法在华北平原地区的适用性。对于我国其它区域，由于土壤质地差异较大，雷达信号的穿透性和受干扰情况不尽相同，具体扩展到其它地区的实验将在下一步研究。此外，探地雷达采样时应注意避开作物覆盖的时间或样点，根据研究区土壤黏度和采样时土壤水分情况合理设置探地雷达参数。因此，在以后的工作中我们将考虑采用更高功率或更低频率的探地雷达进行数据获取，以提高信号的穿透性。同时，还将考虑尝试其它从弱信号中检测土层信息的方法。