利用窗口GPS多径干涉相位反演土壤湿度

利用GPS信噪比（signal-to-noise ratio,SNR）观测值监测土壤湿度的精度直接受多径干涉相位与土壤湿度间的关系模型影响。传统方法基于线性模型,通过增加样本数量、排除特例提高普适性,但未合理考虑坡度、植被及天气等因素。基于上述因素短期变化可忽略的假设,引入时间窗口,采用自相关分析确定窗口长度,利用窗口内样本动态线性回归构建预测和插值模型反演土壤湿度。实验结果表明,引入窗口后,预测、插值误差分别下降17.4%和54.6%,相关系数上升16.2%和32.9%。插值模型利用了待估时刻之后的观测量,精度更高;预测模型精度略低,但更适于实时应用。同时,残差极大值与土壤湿度的上升之间显著相关。预测残差较土壤湿度具有极大值更小、时刻略微提前的时域特征。     

利用SNR观测值进行GPS土壤湿度监测

利用GPS信噪比(SNR)观测值监测土壤湿度变化可克服传统手段破坏观测对象、数据难以同化、时空分辨率受限等缺点,但同时也存在测量区域不明确、卫星与波段选择缺少相应依据、多径延迟相位与土壤湿度之间相关性的定量数值描述函数与模型亟待建立等问题。本文通过引入菲涅尔反射区域,结合仿真和实测土壤湿度数据、GPS观测值开展对比实验对上述问题进行研究。实验过程及结果表明,采用SNR观测值能有效跟踪土壤湿度的变化趋势,最大有效测量范围约45m,利用指数函数能较好地描述SNR多径延迟相位与土壤湿度之间的关系。同时,选择高级卫星和记录L2C观测值,有利于获得更准确的结果。     

基于GPS信噪比观测值的水位反演研究

介绍了利用GPS信噪比(SNR)数据反演水位变化的原理．选取Calcasieu Pass GPS站的SNR数据反演水位变化,并与附近验潮站监测数据进行对比,两者表现出很好的一致性,两者的相关系数优于0.80,RMSE在8 cm左右,验证了基于GPS SNR数据监测海平面变化的可行性和可靠性,通过不同时段和时长的试验分析,证明了岸基GPS站可连续对水位进行监测．      

机器学习算法辅助的GPS信噪比观测值土壤湿度反演

利用BP神经网络和支持向量回归机两种机器学习算法,构建基于机器学习算法的GNSS卫星反射信号土壤湿度反演模型,并与线性回归统计模型和实测数据进行对比分析。结果表明:基于机器学习算法的GNSS卫星反射信号土壤湿度反演方法获取的土壤湿度结果与土壤湿度参考值误差较小,反演模型的决定系数分别为0.928 3和0.913 1,均方根误差为0.026 6和0.032 6,线性回归统计模型的决定系数分别为0.553 2和0.859 8,均方差根误差分别为0.093 9和0.041 6。说明利用回归算法定量估测土壤湿度明显优于线性回归统计模型,且基于支持向量回归机的土壤湿度反演模型定量估测土壤湿度优于基于BP神经网络算法的土壤湿度反演模型,证明了该方法的可靠性,为土壤湿度的实时反演研究提供了一种新方法。     

基于GPS和北斗信噪比观测值的雪深反演及其误差分析

利用GNSS反射信号反演雪深具有全天时、全天候、数据量大、成本低等突出优点。本文围绕基于信噪比观测值的雪深反演方法,利用参加中国北极科学考察的机会在黄河站设计了GNSS-R试验,采集了GPS和北斗的双频信噪比观测数据,详细讨论了高度角范围、弧段长度、卫星数量、方位角、时间尺度、星座结构、信号频率、信噪比强度等多种因素对雪深反演结果的影响。通过大样本、质量控制、误差分析等手段,雪深反演精度和可靠性得到有效提高。根据误差分析的结果,本文推荐的反演策略如下：选择高度角范围为5°~25°、信噪比强度较高的L1和B1I观测值,充分利用多颗卫星和4个方位角的大量观测数据,在一天的时间尺度上,可以实现5 cm的反演精度。另外,弧段长度、星座结构、信号频率等对反演结果的精度影响较小。     

利用信噪比削弱GPS多路径效应的研究

由于多路径误差的非时空相关性,使其成为双差模型中较难解除的误差源。本文利用观测值的信噪比对观测值质量进行评价,通过降低受多路径效应影响的观测值的权重,从而达到削减多路径误差的目的。最后通过实验数据解算结果的重复性验证了此方法的有效性和可靠性。     

GPS观测值中的多路径效应理论研究及数值结果

当前，GPS定位与导航的应用正朝着与多种空间和地面定位系统相结合集成的方向发展，这都是人们对定位的实时性，高精度性和高可靠性需求的必然结果。卫星定位中的多路径效应目前已成为遏制定位精度的可靠性进一步提高的瓶颈。目前这一问题的研究正在同硬件改进和软件消除两大方向发展，它们又互相补充和互相促进。本文通过对定位数据的分析和各影响因素的讨论，利用数字信号处理的方法和小波变换这一现代数学手段对多路径效应问题进行了较为详细和深入的研究，取得了较为系统性的认识。     

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。     

BP神经网络辅助的GNSS反射信号土壤湿度反演

针对如何快速准确地估算区域尺度上的土壤湿度问题,该文首先从高质量GPS接收机接收的信噪比观测值中,提取L2C反射信号的振幅和相位作为输入,并采用Noah陆面模型计算土壤湿度值作为期望值,构建基于BP神经网络算法的GNSS卫星反射信号土壤湿度反演模型。实验结果表明:基于BP神经网络算法的GNSS卫星反射信号土壤湿度反演方法获取的土壤湿度结果与土壤湿度参考值误差较小,线性回归的决定系数R2为0.909 1,均方根误差为0.028 7;进一步与线性回归统计模型比较发现,利用BP神经网络模型定量估测土壤湿度明显优于线性回归统计模型,证明了该方法的可靠性。     

利用GNSS干涉信号振荡幅度反演土壤湿度

根据干涉效应和GNSS接收机信噪比估计方法,推导了利用GNSS干涉信号幅度进行土壤湿度反演的模型,建模过程考虑了天线增益、土壤介电常数和噪声的影响。提出了使用AMPD算法从含有噪声的归一化干涉功率曲线中提取干涉峰值与谷值,进而反演了土壤介电常数与土壤湿度的方法,并对其进行了仿真。结果表明,利用提取出来的干涉谷值进行反演性能比峰值好,相对稳定准确的卫星仰角范围为5°~25°,湿度大于0.06cm~3/cm~3时反演结果更为准确,标准差在0.01cm~3/cm~3左右波动。     

GPS-R技术辅助的土壤水含量变化监测

针对传统地表土壤含水量测量方法时空分辨率小等不足,研究一种基于GPS卫星信号的矿区地表土壤水含量反演算法。针对傅里叶变换难以处理非均匀时序数据,设计了一种Lomb Scargle算法分析GPS信噪比特性。直接分离其中的直射信号和反射信号,提取多路径反射信号并分析其时频特征。通过与实测数据对比,分析反演土壤含水率的可行性。结果表明:反射信号频谱特征与实际数据具有较强的相关性。该方法为高时空分辨率监测地表土壤含水率提供了一种新的思路。     

不同植被指数在基于TVDI方法反演土壤水分中的应用

研究增强型植被指数基于Landsat-8数据反演土壤水分的可行性及适用性,分析研究区土壤水分总体分布,提高该地区应对干旱灾害的能力。基于温度植被干旱指数方法,以淮河流域上游地区作为研究区,基于2017年2月的Landsat-8影像,分别计算了地表温度、归一化植被指数、增强型植被指数,基于TVDI构建了两种土壤水分反演模型。研究比较了:1) EVI在TM数据中的应用特点;2)研究区土壤含水率的空间分布特征;3)两种模型反演结果的差异。结果表明:1)基于TM数据计算的EVI总体明显低于NDVI,但不同时间段的结果并不总是低于NDVI;2)基于EVI的模型结果精度低于基于NDVI模型结果。3)两种模型结果与植被覆盖度、地表温度的关系均为负相关,其中,基于EVI的模型结果与地表温度的负相关程度极高,即基于EVI的模型结果受植被影响较小,受温度影响程度高。     

合成孔径雷达反演裸露地表土壤水分的新方法

提出了一种新的合成孔径雷达(SAR)反演裸露地表土壤水分的经验模型,该模型同时考虑了均方根高度S和相关长度L的影响,并将两个粗糙度参数合二为一,然后利用VV和VH极化的后向散射系数即可反演得到土壤水分。通过实测数据对模型进行了验证,发现在θ0>20°时,模型反演值与模拟值有着良好的相关关系(R2=0.71)。该模型在不需要测量地面粗糙度的情况下可以反演得到比较好的土壤水分精度,尤其适用于地表情况复杂、难以精确测量的地区。     

基于Sentinel-1A数据的土壤水分反演

土壤水分是影响作物生长的重要因素,也是监测旱情、估算作物产量的重要参量.为及时、准确地掌握土壤水分,在利用水云模型(Water Cloud Model,WCM)对Sentinel-1 A的后向散射系数校正的基础上,联合地面土壤水分数据,采用线性回归、BP神经网络和支持向量回归三类模型进行了地表土壤水分反演实验研究.实验...     

基于GIS站点资料的NetCDF模型构建与应用

NetCDF是一种面向多维科学数据的存储和编码标准,用户可以通过多种方式操作和管理NetCDF数据集。通过对NetCDF数据模型的研究,构建了土壤水分站点资料的NetCDF数据模型,并借助编程语言C#和ArcGIS提供的二次开发组件ArcEngine实现了全国农业气象站1981～2007年土壤水分站点资料NetCDF数据集的创建和访问。该研究将为气象站点数据的归档、分发和共享提供一定的便利,并为将其引入GIS分析与应用提供了基础。     

利用序列平均的高精度GPS基线解算模型

系统分析了改进随机模型和改进函数模型两类GPS基线解算模型的优缺点,在此基础上,提出了一种基于序列平均的高精度GPS基线解算模型,即采用动态单历元技术进行静态基线解算,充分利用多路径效应的低频特性,采用小波变化理论,对坐标序列进行多路径效应的去除,提取低频残差项进行序列平均,得到基线向量解。同时,以动态坐标序列为依据,对出现粗差历元或者卫星进行处理,有效弥补了仅采用残差序列进行粗差判断的不足,提高了基线解算的精度和可靠性。实验表明,新模型可以更为有效地削弱多路径效应的影响,而且对于较短的观测时间尤为突出;结合坐标序列和残差序列,能更为有效地进行粗差的探测和去除,提高基线解的精度和可靠性。     

徐州市土壤水分与降雨的时空相关性分析

以徐州市为例,以TM影像为主要信息源,利用ERDAS IMAGINE遥感图像处理软件,将1987年,1995年及2000年徐州市的遥感图像进行一系列的校正与降噪处理,SAVI植被指数的提取,波段的合成与非监督分类,最后与降雨数据相结合,对徐州市的土壤水分与降雨的时空相关性进行分析。这种土壤水分与降雨的时空相关性分析,可以通过降雨数据,预测一段时期内的土壤中水分的变化,有利于对城市小气候的变化、泥石流灾害的预测,也有利于城市的生态建设。     

基于改进热惯量模型的表层土壤水反演研究

针对改进热惯量模型需要通过对地面实测的温度进行插值推算地表最高温度,而玛多县属高原地区,较难获取实测数据,利用MODIS地表温度产品的4个瞬时值计算日平均地表温度,结合修正普适性单通道算法反演HJ-1B地表温度,推算出地表最高温度,从而减少了改进热惯量模型对地面观测数据的依赖,进而利用HJ-1B数据反演了玛多县土壤水。结果表明:本文方法可行,能够获得较高分辨率的土壤水空间分布结果,拓宽了HJ-1B数据的应用范围。     

空间大地测量的最新进展(三)

4 卫星雷达测高的最新进展4.1 从GEOS-3到SEASAT-1卫星雷达测高是从卫星上安置的雷达测高仪垂直向海面发射电脉冲,并被海面垂直反射至卫星.由电脉冲在测高仪和海面之间往返的时间,即可推算卫星对于瞬时海面的高度ha.由于电波束发散成为圆锥状,ha实际上是以εha(ε是波束圆锥的开角)为半径的一个圆形波迹范围内的平均高度.若ε=1°,ha=500-1000km,则此半径约为10km.在上节所述的激光测高中,地面光迹的直径为70m.因此,激光测高的分辨率远远好于雷达测高.为了把雷达测高结果换算为卫星至大地水准面的距离,需要加入一系列改正.测高卫星的位置可由该星的精密轨道求得,由此可算出该卫星至所选定的平均地球椭球面的距离h(即大地高),于是大地水准面高N=h-ha.     

全球定位系统(GPS)的最新进展(下)

3　动态 GPS定位自从利用 GPS载波相位观测的机载动态定位于 1 985年第一次得到证实之后 ,可靠的 GPS解支持航空摄影测量、遥感活动和地球物理测量的能力显著改进了。这些改进来源于若干因素的综合 :第一 ,运动 GPS接收机可以跟踪 8颗或更多颗卫星 ;第二 ,可以得到精密星历供后处理之用 ;第三 ,提出了一些算法 ,它们能以少量的相位和伪距观测量在运动中初置相位偏差。这些因素综合起来 ,产生了精确到厘米级的动态定位能力。这就是动态 GPS定位技术。它可以把距离延伸到约 1 0 0 km。采用 KARS( Kine-matic And Rapid Static)程序…