小波变换与滑动窗口相结合的GNSS-IR雪深估测模型

GNSS干涉反射技术（GNSS interferometric reflectometry）是一种新型的地表雪深监测方式。针对当前信号分离不佳和随机估测偏差的问题,提出联合小波变换和滑动窗口构建一种多卫星融合的GNSS-IR雪深估测精化模型。该模型采用离散小波变换代替常用的多项式方法,获取高质量的信噪比序列。通过利用阈值约束下的滑动窗口筛选多卫星有效反射高度,并进行等权平均。以PBO H₂O和SNOTEL的雪深数据为参考值,利用2016—2017年雪季的GNSS观测数据建立模型并验证精度。结果表明：①GNSS-IR精化模型估测结果与实测数据在整体趋势上保持高一致性;②与单颗卫星结果相比,多卫星融合估测结果在精度和稳定性方面明显改善,其均方根误差（RMSE）为10 cm,相较于PBO H₂O减少了近50%。此外,考虑到地表粗糙度作为一种误差影响因素,采用新的反射高度基准修正的雪深估测相对RMSE误差约4 cm,同时估测值与实际值的相关系数达到0.98。     

多模多频GNSS-IR水位反演中的频间偏差分析及改正EI北大核心CSCD

准确的水位监测对于水资源调控、水灾监控及气候气象研究十分重要。近年来,随着全球导航卫星系统的不断发展,一种GNSS干涉遥感水位反演技术被提出。目前,GNSS-IR水位反演中主要有3类误差:高度变化误差、高度角弯曲误差和对流层延迟误差,相关的改正方法也被陆续提出。本文研究了4个GNSS跟踪站(HKQT、SW50、SW51和SW52)的多模多频反演结果,发现除了已经发现的3类误差外,还存在一种明显的频间偏差。现有研究对于GNSS-IR频间偏差的研究很少,尚未达成将其归为GNSS-IR误差源的共识。为了进一步挖掘频间偏差的特性、加深对该误差的认识,本文计算了不同信号的有效高度(reflector height,RH),发现不同频率信号的RH反演值间存在差距;将该差距与波长进行对比分析,发现该差距与信号波长存在显著的线性关系(相关系数>95%)。该偏差量级在分米级,表现出了明显的频间偏差系统特性。针对发现的频间偏差及其相关特性,本文提出了相关的误差改正方法,结果表明:顾及频间偏差的改正结果比未顾及频间偏差的反演结果的均方根误差高1.5~12 cm。同时,改正后的融合反演值的精度较未改正的独立信号的反演值提高了30%~80%;精度的提高得益于多模多频信号提供的大量冗余数据以及对各类误差(包括系统误差、粗差和随机误差)的正确处理。     

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。     

组合GNSS观测值反演海面高度EI北大核心CSCD

与验潮站技术相比,岸基全球导航卫星定位系统干涉反射技术(GNSS-IR)海面测高成本较低,且其观测量不受地壳沉降的影响,并可利用目前已有的沿海岸GNSS固定站提供的数据反演海面高度。目前常用观测量为大地测量型GNSS接收机给出的信噪比(SNR)值,然而,早期很多GNSS设备的输出文件中都不包含该值,导致无法利用它们研究海面高度长期变化趋势。但经典的码伪距和载波相位观测值中,同样包含着GNSS-IR测高信息。本文分别引入单频码伪距和单频载波相位的组合,以及单频码伪距和双频载波相位的组合GNSS两种观测值的组合实现了岸基海面测高。本文采用模拟数据证明了基于前一组合的GNSS-IR测高精度受到电离层延迟残差的影响,而后一种组合可避免该误差项的影响。为验证两种组合方法的有效性,在山东威海一海上栈桥上开展了试验,采集了全球定位系统(GPS)和北斗卫星导航系统(BDS)的观测数据,并处理得到了海面测高信息。最后,将反演结果与26 GHz雷达高度计的观测值进行了比较分析,发现二者具有较好的一致性,相关系数均优于85%。试验结果表明:两种码伪距和载波相位组合法均可用于GNSS-IR测高。另外,由于当前GNSS-IR测高受多种误差项影响,导致反演精度较低,使得后一种组合在避免电离层延迟残差方面的优越性并没有明显体现。本文组合方法的引入,增加了海面高度反演方法的多样性,提升了GNSS-IR测高技术的应用空间。     

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。     

考虑潮波特性的GNSS-IR潮位反演方法

潮位监测对于保障沿海安全、海洋监测与分析非常重要。随着GNSS的发展,一种GNSS干涉遥感(GNSS-IR)的技术被证明可以进行潮位监测。该方法通过反演反射表面与天线之间的垂直距离(RH)来估算潮位。在GNSS-IR潮位反演中,有一项重要的误差源需要进行改正——潮位起伏引起的高度变化误差。现有的误差改正方法并不能正确计算RH变化速率,从而不能完全改正该误差。因此,提出了一种顾及潮波特性的GNSS-IR融合方法,基于潮波系数,预测窗口内观测时间的RH变化速率,将该值纳入GNSS-IR融合方程中,实现对高度变化误差更好地改正。本文利用3个国际GNSS站点进行试验,与实测潮位序列对比分析,发现顾及潮波特性后,GNSS-IR融合方法精度提高约1.2 cm;提出的顾及潮波特性的GNSS-IR融合反演算法较传统经典方法,精度提升20%～70%。结果表明,该方法通过潮汐分析,预测不同时刻的RH变化速率,从而实现对窗口内RH变化速率的修正,更好地改正高度变化误差。     

利用多模多频GNSS-IR信号反演沿海台风风暴潮

台风风暴潮每年给沿海城市造成了极大的损失,近年来利用GNSS反射信号的地基遥感方法可以用于潮位监测,称为GNSS-IR（global navigation satellite system-interferometric reflectometry）,对风暴潮期间验潮站资料进行补充。由于风暴潮发生时间短且破坏性强,单系统GPS的时间分辨率难以满足海洋灾害的监测需求。本文基于中国香港站（HKQT）和巴哈马群岛站（BHMA）的多模多频GNSS卫星观测数据反演了3次沿海风暴潮事件。先对多模多频数据的质量进行分析,随后分别对2019年飓风“多里安”、2018年台风“山竹”和2017年台风“天鸽”引起的3次风暴潮,利用基于滑动窗口的最小二乘法对多模多频GNSS-IR反演结果进行改正并与验潮站实测值对比分析。试验结果表明,利用多模多频GNSS-IR反演“多里安”风暴潮的精度优于14 cm,反演“天鸽”和“山竹”风暴潮的精度优于9 cm。相比GPS单系统,多模多频GNSS-IR能够提高监测的精度和时间分辨率,有效提取风暴潮中异常潮位的涨潮、峰值和落潮的全过程,对海洋灾害的研究监测发挥重要作用。     

基于GNSS多径信号的反射面参数估计算法

全球卫星导航系统(GNSS)多径信号广泛存在于城市峡谷等复杂导航定位场景中.多径信号在干扰GNSS接收机并造成系统定位精度下降的同时,也为接收机提供了周边反射面环境信息.在码相位延迟幅度联合跟踪算法(CADLL)实现GNSS多径信号感知和特征参数提取的基础上,设计实现了基于粒子滤波的反射面参数估计算法.该算法可以在GN...     

一种融合相位、振幅与频率的GNSS-IR土壤湿度反演方法

GNSS干涉测量（GNSS interferometric reflectometry,GNSS-IR）技术已经成为探测地表环境特性的一种新兴被动遥感技术,综合利用从土壤反射的GNSS信号中提取的相位、振幅、频率特征,提出了一种多类型特征数据融合的GNSS-IR土壤湿度反演方法,采用最小二乘支持向量机（least square support vector machine,LSSVM）、随机森林（random forest,RF）、BP神经网络（back propagation neural network,BPNN）三种机器学习模型,对比和验证了所提方法的可行性与效果。结果表明,多特征融合的LSSVM、RF和BPNN模型反演得到的土壤湿度与参考值的相关系数分别为0.830、0.953和0.980,对应的均方根误差分别为0.045、0.035和0.032 cm3/cm3。相比于单一特征反演法,土壤湿度反演精度和可靠性有显著提升。     

地基GNSS-IR风速反演原理及方法初探

随着全球导航卫星系统(Global Navigation Satellite Systems,GNSS)的发展,曾经被认为是误差源的多路径效应,已经被证实可以用来监测水位、雪深、植被指数、土壤湿度等反射面参数,其中的地基分支逐步发展为GNSS干涉遥感(GNSS-interferometry refl ectometry,GNSS-IR)技术.为了扩展GNSS-IR技术的监测对象和应用范围,本文提出了一套地基GNSS-IR风速反演的原理及方法.首先,本文基于信噪比(signal-to-noise ratio,SNR)振荡原理、散射模型原理、波浪谱原理,从理论上证明了SNR截止高度角参数与风速之间存在一一对应的数学关系,并仿真得到了具体的数学关系.然后,本文使用小波分析方法从实测SNR序列中获取SNR截止高度角,并将同一GPS卫星、每天同一时间内SNR序列的截止高度角进行基准统一,获得截止高度角变化量;根据该变化量反演风速.算例选取香港HKQT站在"山竹"和"天鸽"台风前后时间的数据进行分析,结果发现:GPS L5信号的截止高度角变化量与实测风速数据对应关系良好,相关性达到70％ ～85％;截止高度角变化量可以刻画风速从低风速逐步抬升至高风速的变化情况;同一站点截止高度角变化量与风速之间存在特定的数学关系;相关结论证实了利用SNR可以估计风速变化.最后,本文讨论了GNSS-IR风速反演技术中下一步的研究方向,以期推进该技术的实际应用进程.     

顾及海面多路径的PPP自适应选权随机模型

针对适合ZWD估计的Cosine平方PPP随机模型存在仅考虑大气对GNSS观测值的影响,而认为多路径误差对观测信号影响权重一致的问题,该文由舰船横纵摇作用下海面多路径效应的变化规律入手,结合海浪反射面对反射信号影响的研究,对Cosine平方PPP随机模型进行了改进,提出基于舰载GNSS使用的顾及动态海面多路径效应的PPP自适应选权随机模型。实验表明,基于自适应选权随机模型求解的ZWD精度较改进前误差减少30%左右,且海面多路径效应越强,精度提高效果越好。在基于舰载GNSS反演海上水汽含量的应用中,利用该模型可有效减少舰船摇摆情况下海面强多路径效应对ZWD反演精度的影响,保证ZWD满足水汽含量转换的精度要求。     

基于GPS新型L5信号的地表雪深反演研究

利用GPS多路径反射信号测量地表雪深具有全天候和高时空分辨率的特点,因此其可作为一种代替气象站监测雪深的新手段。然而,先前大多数研究仅使用了GPS L1和L2C波段信噪比数据探测积雪深度。为验证新型的L5信号在雪深反演方面的优越性,本文阐述了GPS-R技术反演雪深的原理,利用Lomb-Scargle周期图法所处理的受积雪表层影响的信噪比数据计算了频谱振幅强度,通过获取频谱特征值与天线高度的关系求解雪深值,最后分别与L1反演结果和实测雪深数据进行了对比。试验结果表明：与现有的GPS-R测量雪深结果相比,利用新型的L5反射信号反演地表雪深的精度更佳;采用GPS-R技术探测雪深对把握测站区域内的雪深变化情况和淡水资源储量具有重要价值。     

GNSS信号土壤衰减模型的试验验证方法

GNSS（global navigation satellite system）信号在土壤中的衰减情况对于研究GNSS反射信号的有效遥感深度具有重要意义。本文通过试验研究了北斗信号与GPS（global positioning system）信号在土壤中的衰减情况。在试验设计上将GNSS天线置入土壤中并不断改变天线上方的土壤厚度与湿度以采集GNSS信号的功率衰减数据,最后利用这些数据反演土壤湿度以对GNSS信号土壤衰减模型进行验证。试验结果表明,土壤能够使GNSS信号发生明显的衰减。土壤的湿度值与厚度值越大,GNSS信号功率衰减越严重。在黏土土质,土壤湿度为0.15~0.30 cm³/cm³的情况下,当土壤厚度达到21 cm时,GNSS信号功率已衰减至无法被GNSS接收机测出。进一步根据GNSS信号衰减模型反演土壤湿度,结果显示,模型在土壤厚度大于等于10 cm、卫星仰角高于50°的情况下较为精确,此时利用北斗B1信号与GPS L1信号反演土壤湿度的均方根误差分别小于0.04 cm³/cm³与0.09 cm³/cm³。     

iGMAS多品牌监测接收机数据质量分析

为了验证全球卫星导航系统(GNSS)接收机研制状态,全面确认全球连续监测评估系统(iGMAS)监测站接收机性能,为后续GNSS接收机数据的质量评定做出贡献.?基于iGMAS多品牌接收机比测实验,通过对多个品牌监测接收机多系统不同频点观测数据质量(完整率、多路径、周跳比、观测噪声)及零基线相对定位精度进行统计分析,综合评...     

基于NARX回归神经网络的岸基GNSS-IR有效波高反演模型分析

有效波高是海洋动力环境的主要参数,针对现有岸基双天线GNSS-R有效波高反演方法必须使用专用型接收机,以及相关测站布设较少、数据获取困难等限制,本文提出了一种利用普通单天线测量型GNSS接收机的GNSS-IR数据反演有效波高的方法。首先,利用NARX回归神经网络构建潮高反演误差与有效波高大小之间的相关模型,并给出了从数据选取、数据集制作到反演模型构建的相关流程与方法。然后,使用斯坦福大学哈勃肯斯海洋实验站中P231站两年的数据,开展了基于NARX回归神经网络的岸基单天线GNSS-IR有效波高反演模型试验。试验结果表明,该模型适用于0.1~2.5 m （即二～四级海况之间）范围内有效波高的反演应用,反演有效波高的MSE最小为0.01 m。     

地基GNSS用于冻土区域地表环境多参数反演研究

季节性冻土具有周期性地表抬升/沉降的物理特性，传统测量方法已不能满足当前高精度、实时的监测需求.地基GNSS是一种低成本、全天时、全天候、能够实现连续监测的新兴地基遥感技术.实验应用美国的板块边界观测台网(plate boundary observational GNSS network,PBO)计划SG27测站2013—2021年观测数据，使用地基GNSS技术解译了阿拉斯加巴罗永久冻土区域典型异常年份降雪、无雪期地表形变、测站形变、土壤湿度、大气水汽变化，并通过PBO实测降雪数据验证异常年雪深反演精度，通过测站形变结果验证反演结果为冻土活动层形变，同时对水汽与土壤湿度进行相关性分析.结果显示：反演雪深与实测雪深绝对系数R2为0.815 5，均方根误差(root mean squared error,RMSE)为0.064 3，平均绝对误差(mean absolute error,MAE)为0.040 2；通过水汽与土壤湿度变化趋势图发现两者具有较弱滞后性对应关系，但仅表现在趋势而非幅度值上.表明地基GNSS在长时序冻土环境监测中存在巨大的应用潜力.     

GPS/Galileo/BDS系统测距信号精度分析与评价

随着Galileo、BDS的建设和GPS的发展完善,多系统多频融合的趋势促进了多模GNSS接收机产业化应用。利用零基线双差法对GPS/Galileo/BDS双频观测值进行测距信号精度评估,通过24h的观测数据分析,结果表明Galileo IOV卫星双频观测值残差值最小,测距信号精度最优,其次是BDS;Galileo与BDS系统载波相位观测精度均优于2mm,伪距观测精度优于0.2m,GPS系统测距信号精度相对较差。同时,通过对比Trimble NET R9、Septentrio POLARX4及Javad TRE_G3TH_8三种不同类型接收机间观测值残差及基线坐标偏差,得出NET R9和POLARX4接收机内部噪声水平相当,TRE_G3TH_8稍差的结论。     

基于Triple-Collocation的地面观测与卫星遥感数据融合的雪深反演

针对单一被动微波遥感反演雪深的精度和空间分辨率不足的问题,提出了一种星-地多源数据融合的雪深反演方法。以北疆每日站点观测雪深、AMSR-E遥感反演雪深和SSM/I遥感反演雪深数据为研究对象,首先利用地统计方法结合地面站点观测数据估计北疆区域的雪深,然后采用Triple-Collocation方法分别估计三个雪深数据的误差方差,最后结合最小二乘原理实现星-地雪深观测数据的融合。对融合雪深与地面雪深观测数据进行验证分析,结果显示,与AMSR-E和SSM/I遥感反演雪深相比,融合的雪深与地面观测雪深的相关性更高;融合的雪深的精度有一定程度的提高。实验结果证明了多源数据融合方法的有效性。     

SVM辅助的GPS SNR雪深时间序列反演

研究了GPS干涉反射技术GPS-IR(GPS-Interferometric Reflectometry);在利用GPS卫星SNR信号进行积雪深度探测的基础上构建了支持向量机SVM(Support Vector Machine)辅助的GPS SNR雪深时间序列反演模型;对积雪深度进行时间序列预报和与传统GPS-IR积雪探测模型进行精度对比分析。实验结果显示,相比传统GPS-IR雪深反演模型,SVM辅助的GPS SNR雪深时间序列反演模型的雪深预报结果的精度更高,也更符合实测雪深的变化趋势,可为地面积雪雪深反演提供新方法。     

D-InSAR技术的积雪深度反演

积雪深度是大量气候、水文、农业及生态模型的重要输入变量。选用欧空局Sentinel-1主动微波数据,利用合成孔径雷达SAR(Synthetic Aperture Radar)差分干涉测量技术的二轨法,根据积雪相位与雪深之间的转换关系,反演新疆天山中段的巴音布鲁克盆地典型区的积雪雪深分布,提出了基于InSAR二轨差分的雪深估计方法,反演得到2016年12月18日的空间分辨率为13.89 m的雪深分布。研究表明:(1)对Sentinel-1数据进行正确的预处理以后,可以应用SAR差分干涉测量技术的二轨法反演区域雪深分布。但由于像对相干性和积雪状态的差异,积雪深度超过10 cm,可以获取较准确的雪深反演结果,R=0.65,反演误差的均方根误差RMSE=4.52 cm,平均相对误差为22.42%,反演雪深结果均比实测结果略偏低;而当雪深小于10 cm时,雪深反演值较实测值存在较大的误差,相对误差均高于34.52%,且反演雪深值均比实测值偏高。(2)雪深反演精度受高程及实际雪深的差异影响显著,另外雪深反演精度也受限于干涉像对相干性。结果表明,对于获取区域积雪雪深,InSAR技术较光学及被动微波遥感具有非常广阔的应用前景。