阶段模型修正的星载GNSS-R土壤湿度反演方法EI北大核心CSCD

本文提出了一种基于CYGNSS数据的星载GNSS-R土壤湿度反演方法。首先,基于CYGNSS数据提取地表反射率参数,联合SMAP数据中提取的植被光学厚度、地表粗糙度和温度等辅助信息,初步构建了土壤湿度反演理论模型,并利用神经网络模型确定了土壤湿度反演的精细数学模型;然后,将该模型处理获得的土壤湿度以35%为分界点,利用本文提出的阶段函数模型提高反演精度,并使用2018年10月—2019年5月的CYGNSS数据,获得了全球范围内星载GNSS-R土壤湿度;最后,通过与SMAP提供的土壤湿度数据进行对比,评估了本文提出的星载GNSS-R土壤湿度反演方法的有效性,并对获取的星载GNSS-R土壤湿度进行了时间序列分析。结果表明,本文提出的土壤湿度反演方法的结果与SMAP土壤湿度具有良好的一致性,且随时间变化的趋势也相符合,为高精度土壤湿度反演提供了一种思路。     

基于CYGNSS数据的星载GNSS-R水体分布探测方法研究

利用CYGNSS（cyclone global navigation satellite system）采集的GNSS卫星反射信号,提出一种基于星载GNSS-R的水体分布探测方法。首先对CYGNSS低轨卫星星座采集的GNSS反射信号进行处理,获取地表反射率数据;再按0.01°×0.01°的空间分辨率将研究区划分为格网,剔除异常值和无效值后,利用区域均值算法重新计算各格网的反射率,并利用格网样本方差和标准差作为衡量指标,采用随机游走图像分割算法进行水体分布探测;最后利用本文提出的方法分析刚果盆地的水体分布情况,并利用MODIS数据对结果进行评估。结果表明,星载GNSS-R具有较强的水体分布探测能力,进一步拓展了GNSS-R的应用场景。