GNSS-R反演海浪有效波高实验分析

阐述了基于GNSS-R技术利用干涉复数场（ICF）测量有效波高的技术原理以及方法。并对这种方法进行了实验,对实验结果进行了分析。实验结果得出：此方法所测得的结果随有效波高变化,与测波仪测得的波高比较一致,说明GNSS-R遥感测试有效波高方法可以作为一种低成本有效的测量有效波高的手段。     

GNSS-IR多星融合的稳健回归土壤湿度反演方法

全球卫星导航系统干涉测量法(GNSS-IR)能够利用直/反射卫星信号间的干涉信息分析提取土壤湿度、海面高度等有效信息。针对传统线性回归方法在土壤湿度反演过程中出现的拟合模型随异常观测值偏移的问题,本文提出了利用稳健回归方法降低异常值权重,以达到减小或抵消异常观测数据对观测结果的影响。为验证模型的适用范围,本文在稳健回归的基础上进行了多星融合试验,有效提高了土壤湿度反演精度。结果表明,与传统线性回归方法相比,本文提出的方法在单颗卫星时RMSE和MAE平均降低8.38%和8.91%,在两颗卫星时RMSE和MAE平均降低15.18%和16.42%,在三颗卫星时RMSE和MAE平均降低21.00%和22.97%,在四颗卫星时RMSE和MAE平均降低26.25%和28.71%。     

星载GNSS-R海浪有效波高反演模型构建EI北大核心CSCD

海浪有效波高是描述海况的重要参数,在海浪和海洋动力学的预测中起着重要的作用。然而,卫星雷达高度计和浮标等传统方法难以实现高时空分辨率的SWH估计。星载GNSS-R为估计SWH提供了一种思路。本文提出了一种基于归一化积分延迟波形反演星载GNSS-R海浪SWH的方法。首先,对星载GNSS-R延迟多普勒图进行去噪处理和数据过滤以便对DDM数据进行严格质量控制。然后,从DDM中提取NIDW,并基于NIDW计算4个GNSS-R观测值(即归一化积分时延波形的前沿斜率和前沿波形值之和,归一化积分时延波形的后沿斜率和后沿波形值之和)。随后,基于这4个观测值建立了星载GNSS-R海浪SWH反演经验模型。最后,分别将ERA5和AVISO SWH数据产品作为验证数据,并将反演模型的SWH估计结果与ERA5和AVISO SWH数据产品进行比较和分析。试验结果表明,当采用ERA5 SWH数据作为验证数据时,4个观测值反演SWH的均方根误差和相关系数分别优于0.66 m和0.65;当采用AVISO SWH数据作为验证数据时,4个观测值反演SWH的均方根误差和相关系数分别优于0.68 m和0.70。进一步表明了本文建模方法在星载GNSS-R SWH估计方面具有可行性和可靠性。     

基于深度置信网络的GNSS-IR土壤湿度反演

基于大地测量型GNSS接收机获取的反射信号反演土壤湿度是GNSS领域的研究热点。为克服常规线性回归和BP神经网络算法等的缺陷,本文提出了一种基于深度置信网络的GNSS-IR土壤湿度反演方法。试验结果表明,基于该方法得到的决定系数、土壤湿度平均绝对误差和均方根误差分别为0.909 8、0.017、0.021,与线性回归和BP神经网络算法相比,与实测数据吻合度更高,可有效提高土壤湿度反演精度,证明了方法的有效性和可靠性。     

海洋二号卫星高度计有效波高的验证与校准

本文选取与海洋二号(HY-2)卫星高度计同步的Jason-1和Jason-2有效波高数据以及同步的浮标数据对HY-2卫星高度计观测的结果进行验证,结果表明HY-2观测的有效波高存在0.3—0.4 m的误差;通过HY-2数据和同步的浮标数据的拟合得到HY-2数据的校准关系式,并比较校准后的HY-2有效波高数据与Jason-1和Jason-2数据,表明校准后的HY-2数据能够更好地反映海面的真实状况。     

GNSS浮标海面高测量中海浪的影响分析

以骑浪式浮标为对象,研究了海浪对于GNSS浮标测量海面高的影响。以单向规则波的形态简化模拟了海浪以及GNSS浮标随海浪的运动过程。在某固定海况条件下,比较了浮标天线参考点高不同时海面高测量误差;在浮标天线参考点高固定的条件下,比较了不同海况时海面高测量误差;给出了GNSS浮标在卫星高度计定标应用中的建议。结果表明:浮标测量海面高误差与天线参考点高成正比,海浪周期越长、波高越小时,测量误差越小;天线参考点高为5 cm,海浪振幅为1 m、周期为7 s、传播速度为5 m/s时,测量海面高平均比实际海面高低0.4 mm;相同浮标在小于3~4级的海况条件下,由海浪引起的海面高测量偏差约在1 mm以内,对于卫星高度计定标工作而言,该误差影响可以忽略。     

GNSS反射信号海面高度测量及风速对反演精度的影响分析

海面高度作为最重要的海洋物理参数之一,在预防海啸、风暴潮中起到重要作用,是海洋科学,遥感测绘领域的重要研究内容之一。粗糙度作为影响海面测高精度的重要因素之一,主要是由风速变化引起,本文为了探究风速引起的粗糙度变化对海面测高精度的影响,分别进行了湖面实验与海面实验。通过对风速与反射信号相位差RMS关系的研究,定性分析了粗糙度对测高精度的影响,结果表明,在反射信号相位差RMS增加0.005(单位rad)时,测高的误差RMS增加了近一倍。      

基于改进的粒子群优化神经网络算法的海平面变化预测分析

针对验潮站潮位预报的需求,提出一种基于分群策略的粒子群优化神经网络(SSPSO-BP)的预报方法。该方法通过建立多个不同功能且具有交流能力的智能粒子群,经SSPSO和BP的两次优化,构建潮高预报模型。实验研究表明,SSPSO-BP模型在Oga站的潮位资料上高、低潮位间的时刻基本保持一致,高潮时刻最大潮高差为7.37 cm,低潮时刻最大潮高差为4.21 cm,该模型比标准BP神经网络及PSO优化神经网络在准确度和精度上有了很大的提高,其平均绝对误差、均方误差相较于BP神经网络分别提升了16.2%、79.2%,相较于PSO-BP神经网络提升了13.9%、79.6%。     

土壤Cu含量高光谱反演的BP神经网络模型

以高光谱数据为基础,针对传统土壤重金属反演模型拟合度低、预测效果差的缺点,提取光谱预处理后的特征波段数据进行相关性分析,选取860nm一阶微分光谱反射率建立基于Matlab的重金属Cu含量BP神经网络预测模型,模型的拟合优度为0.721,预测精度达82.3%,高于传统单元线性回归模型0.414的拟合优度与76.1%的预测精度。研究表明,BP神经网络模型具有良好的拟合优度与预测能力,能更有效预测土壤中重金属Cu的含量。     

基于神经网络技术的多因子遥感水深反演模型

采用动量BP人工神经网络方法,研究影响多光谱遥感水深反演的各种因素,概括出主要的影响因素,即:泥沙与叶绿素,通过在网络输入端加入泥沙参数因子与叶绿素参数因子,对神经网络进行训练,对大连湾的水深进行反演,取得较好的效果.     

Observation on height changes of chinese tide gauges by GPS

The height changes of tide gauges directly influence sea level observation. For research of sea level variation in large region or globe, the land vertical displacement must be considered. Two sessions of GPS and absolute gravity observations in 2001 and 2003 are used to determine the horizontal and vertical motion of China coast in ITRF2000 and Eurasia frame. The difference between results of continuous observation and periodic observation is discussed.     

Observation on height changes of chinese tide gauges by GPS

IntroductionBecause of global temperature rising and glacierthawing,the sea level has risen about 10-25 cmin the past century[1]. The sea level change isone of the main ai ms in global change monito-ring. Presently the basic tool used in sea levelmonitori…     

农田垄行结构对被动微波遥感土壤壤湿度反演的影响

根据离散方法建模垄行结构农田表面微波发射率,与地基多频率微波辐射计实测发射率比较发现：二者之间的平均绝对偏差小于0.01 ,证实了利用离散化方法建模农田表面微波发射率的可行性.在给定条件下不同观测方位角农田表面微波发射率与平坦表面的发射率差值在0.02 与0.05 之间,这说明农田结构微波辐射具有各向异性,行结构对发射率的影响在农田电磁波辐射建模过程中不可忽略.本文分析了不同土壤湿度条件下农田垄行结构可能引起的土壤湿度反演误差,结果表明,土壤湿度变化范围是0.02—0.5 cm³/cm³,垄行结构引起的土壤湿度反演误差为0—0.1 cm³/cm³, 此误差超过了土壤湿度反演的容限值,因此在进行农田参数的遥感提取过程中不可忽略周期性垄行结构对表面发射率的影响.