利用全球?qū)Ш叫l(wèi)星系統(tǒng)反射干涉遙感技術(shù)（GPS-Interferometric Reflectometry,GPS-IR）可實現(xiàn)地表環(huán)境參數(shù)的監(jiān)測�；谌�?qū)Ш叫l(wèi)星系統(tǒng)多徑反射信號與積雪深度之間的關(guān)系,針對目前已有研究較少的考慮多星融合對反演效果的影響,提出一種基于多元線性回歸的多星融合積雪深度反演模型。為了驗證算法的可靠性,利用美國PBO觀測網(wǎng)絡中的P101測站連續(xù)監(jiān)測數(shù)據(jù)進行雪深反演研究。研究和實驗表明:反演結(jié)果與積雪深度參考值具有顯著相關(guān)性;多星融合能夠有效綜合各單顆衛(wèi)星的反演性能,相關(guān)系數(shù)均大于0.940,相比單星提高了13.6%;RMSE和MAE均小于0.08和0.165。 

【文章來源】：遙感技術(shù)與應用. 2020,35(06)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

GPS多路徑效應

采用的GPS觀測數(shù)據(jù)來源于美國地球透鏡（Earthscope）計劃中的板塊邊界觀測網(wǎng)（Plate Boundary Observatory,PBO）項目[17]，本文采用P101測站的2017年1～103年積日103 d時間段的GPS觀測數(shù)據(jù)。P101站位于美國的西部猶他州Randolph地區(qū)，經(jīng)緯度為111.236°W,41.692°N，海拔高度為201 6.1 m，周圍植被類型為低矮植被，測站天線垂直高2 m，每年被積雪覆蓋的時間達100 d左右，很早就開展雪深反演實驗，能夠連續(xù)接收質(zhì)量較好的L2載波信號，采樣率為15 s。P101站的接收機類型為TRIMBLE NETRS，天線類型為TRM29659.00，整流罩類型為SCIT。當衛(wèi)星高度角在5°～20°范圍內(nèi)，SNR受衛(wèi)星多路徑效應影響明顯，有利于開展積雪深度的反演研究[18]。首先對SNR觀測數(shù)據(jù)進行線性化將信噪比的單位由d B-Hz轉(zhuǎn)換為volts，利用低階多項式擬合去除衛(wèi)星直射信號。對P101測站，PRN32號衛(wèi)星去趨勢化后SNR反射殘差序列和頻譜分析的結(jié)果如圖4所示。左側(cè)的兩張圖分別是第38天和97天SNR殘差隨高度角正弦值的變化圖，右側(cè)的兩張圖分別對應左側(cè)的頻譜分析結(jié)果。可見，隨著積雪深度的變化，SNR殘差變化的周期也呈現(xiàn)出相應的變化。進一步對比可以看出，隨著積雪變厚，SNR殘差序列的周期也越來越大。限于篇幅，僅給出部分衛(wèi)星年積日1～103天連續(xù)估算雪深結(jié)果與雪深參考值之間的關(guān)系，如圖5所示。

由圖5可知，積雪深度的變化引起各衛(wèi)星多路徑反射面與天線中心之間的垂直有效距離的變化，由于衛(wèi)星反射面方位角的差異，各衛(wèi)星的垂直距離均呈現(xiàn)出不同程度的變化，這與衛(wèi)星的性能和不同時間段的多路徑效應差異有關(guān)。反演積雪深度與雪深參考值之間的線性相關(guān)系數(shù)R2如圖6所示。可見，13顆衛(wèi)星相關(guān)系數(shù)R2均在0.5以上，兩者之間具有顯著的線性相關(guān)度。不同衛(wèi)星的R2均不一樣，部分衛(wèi)星精度較差。因此，單星反演積雪深度在未知雪深條件下，無法有效選取衛(wèi)星進行積雪深度的高精度反演。如果能夠通過某種方法將多顆衛(wèi)星反演結(jié)果進行有效組合，將更有利于積雪深度的反演。圖5 各衛(wèi)星估算結(jié)果與雪深參考值關(guān)系圖

【參考文獻】：
期刊論文
[1]多星融合的土壤濕度滾動式估算模型[J]. 梁月吉,任超,黃儀邦,王浩宇,盧獻健,晏紅波.  遙感學報. 2019(04)
[2]基于SNR的GPS-IR技術(shù)機理分析[J]. 孫小榮,張書畢,吳繼忠,鄭南山.  地球科學進展. 2019(02)
[3]GNSS-MR技術(shù)用于雪深探測的初步研究[J]. 張雙成,戴凱陽,南陽,張勤,瞿偉,李振宇,趙迎輝.  武漢大學學報(信息科學版). 2018(02)
[4]利用GPS的SNR觀測值進行雪深監(jiān)測研究[J]. 戴凱陽,張雙成,李振宇,趙迎輝,南陽.  大地測量與地球動力學. 2016(06)
[5]利用SNR觀測值進行GPS土壤濕度監(jiān)測[J]. 敖敏思,朱建軍,胡友健,曾云,劉亞東.  武漢大學學報(信息科學版). 2015(01)
[6]多元線性回歸與BP神經(jīng)網(wǎng)絡預測模型對比與運用研究[J]. 張景陽,潘光友.  昆明理工大學學報(自然科學版). 2013(06)
[7]GNSS-R研究進展及其關(guān)鍵技術(shù)[J]. 劉經(jīng)南,邵連軍,張訓械.  武漢大學學報(信息科學版). 2007(11)
[8]多元線性回歸的預測建模方法[J]. 王惠文,孟潔.  北京航空航天大學學報. 2007(04)

博士論文
[1]基于GNSS信噪比數(shù)據(jù)的測站環(huán)境誤差處理方法及其應用研究[D]. 葉險峰.中國地質(zhì)大學 2016



本文編號：3477791