GNSS-IR双频数据融合的土壤湿度反演方法

目前全球导航卫星系统反射信号干涉测量（GNSS-IR）土壤湿度反演研究仅针对单一频点展开,提出用熵值法将2个频点数据进行融合以改进土壤湿度反演精度。首先,利用频谱分析法分别解析出各频点的信噪比（SNR）序列的振荡频率,计算出对应的等效天线高度,并利用最小二乘法求解各频点信噪比序列相位;然后,通过熵值法进行2个频点的相位观测量融合;最后,利用融合结果与实测土壤湿度建立经验模型,实现土壤湿度反演。利用地基观测实验获得的全球定位系统（GPS）L1和L2信噪比数据对该方法进行了验证,结果表明:L1和L2双频融合反演结果平均标准差为0.6%,比L1单频反演结果提高64.73%,比L2单频反演结果提高32.12%;均方根误差为0.37%,比L1频点降低72.8%,比L2频点降低73.4%。      

涌浪及降雨影响下的GNSS海面反射信号建模

全球导航卫星系统（GNSS）海面反射信号的模拟仿真采用的海浪谱多为风驱模型,而忽略了真实复杂环境中涌浪、降雨的影响。为此,提出了一种涌浪、降雨影响下的GNSS海面反射信号模型。首先,对Elfouhaily海浪谱、涌浪谱、降雨谱分别进行仿真,从海浪谱的角度分析涌浪、降雨对GNSS反射信号的影响。然后,设计了引入涌浪、降雨影响因子后的GNSS反射信号建模的方法,并建立噪声模型。最后,对星载场景下仿真得到的二维时延-多普勒相关功率分布图像（DDM）、时延相关功率波形（DW）进行分析,并与英国技术演示卫星（UK TDS-1）实测数据的处理结果进行了对比验证。结果表明:涌浪主要形成对GNSS反射信号影响较大的大尺度粗糙海面,而降雨对GNSS反射信号影响较小;仿真的DDM与实测数据结果的波形有很好的一致性,DW对比的相关系数达到0.92,优于未修正模型的对比结果,模拟的反射信号更为真实,证明了提出的GNSS反射信号建模方法的可行性、有效性。对真实复杂环境下的GNSS反射信号建模及GNSS反射信号星载探测应用研究具有一定的参考意义和实用价值。      

基于半无码的P(Y)码自相关GNSS-R海面测高方法

针对传统GPS C/A码延迟测高方法测高精度低和互相关测高方法时延波形信噪比低的问题,研究了基于半无码的P（Y）码自相关海面测高方法。首先,通过理论测高精度模型,对比分析了C/A码和P（Y）码的测高精度;然后,描述了L1、L2双频反射信号基于半无码的P（Y）码自相关处理架构,并论述了测高模型和L1、L2双频电离层时延误差修正方法;最后,利用模拟的L1、L2反射信号对比分析了基于半无码的P（Y）码自相关、C/A码自相关以及信号互相关方法的海面测高精度。结果表明:相比于C/A码自相关和信号互相关测高精度,基于半无码的P（Y）码自相关的测高精度分别提高了3.97倍和1.47倍。      

基于树模型机器学习方法的GNSS-R海面风速反演

GNSS-R是基于GNSS卫星反射信号的一种新技术.GNSS-R技术可以运用到海面风场反演中,传统的GNSS-R技术反演海面风场主要有波形匹配和经验函数两种方法,风速反演精度约为2m·s-1.波形匹配方法耗时多,计算量大;经验函数方法通常只使用少量物理观测量,会造成信息浪费,损失一定的反演精度.为了提高海面风速的反演精度,引入机器学习领域常用的树模型算法决策树、随机森林、GBDT等对海面风速进行预测.利用GNSS-R与ECMWF数据构成训练集和验证集,训练集用于模型学习,验证集用于检验模型的反演效果.实验结果显示,决策树和随机森林预测误差约为0.6m·s-1,GBDT等算法的预测误差约为2m·s-1,满足风速反演要求.与GNSS-R传统反演方法相比,机器学习树模型算法效果更好,在验证集上表现稳定且误差较小.因此,可以将机器学习树模型算法运用到海面风速反演中.      

基于QZSS L1信号的岸基GNSS-R码延迟海面测高

为了探究GNSS L1波段中信号不同调制方式的GNSS-R码相位延迟海面的测高性能，开展了双天线岸基GNSS-R海面测高实验，收集了采样率为40 MHz的原始中频数据。利用自主开发的GNSS-R测高软件接收机和反演软件对实验数据进行了处理分析，同时获得了基于QZSS L1C/A码和L1C码的GNSS-R海面测高结果，并分别与岸基同步观测的雷达高度计的测高值进行对比，以对反演结果进行精度评定。实验结果表明:基于QZSS L1C/A码和L1C码的海面测高精度最优可达0.63 m和0.4 m，L1C码的延迟GNSS-R测高精度明显高于L1C/A码。此外，GNSS-R测高精度会随着卫星高度角的增加而有所增加。      

CYGNSS/SMAP数据融合半经验模型的土壤湿度反演

星载GNSS反射信号(GNSS-R)的土壤湿度反演易受陆地多变环境因素影响，目前，对于星载GNSS-R土壤湿度反演中误差分析及反演模型外推性能分析较少。综合多种误差修正模型，包括GNSS卫星发射功率误差、植被和地表粗糙度对反射信号强度的衰减，通过修正提高陆地点反射率的准确性，建立了反射率-土壤湿度的CYGNSS/SMAP数据融合的反演半经验模型。实现了一年高精度外推反演，反演偏差为-0.003 7 cm³/cm³，均方根误差(RMSE)为0.026 4 cm³/cm³，相关系数为0.963 6。提出了分季节的外推模型，提高了低含水量季节的外推精度。实验区域的经度为90°E～130°E，纬度为20°N～38°N，利用2019年10月至2020年9月的CYGNSS/SMAP数据进行训练，外推2020年10月至2021年9月的土壤湿度。经误差模型修正反射率后，模型的反演偏差提升6.80%，均方根误差提升3.30%。针对实验区域内冬、春季土壤含水量较低时反演精度差的问题，提出了同季节外推的分季节训练模型，相...     

基于双基雷达原理的GNSS海面反射信号建模方法

全球导航卫星系统反射(GNSS-R)技术应用过程中接收机的测试验证需要反射信号产生源,以降低成本。信号的模型是GNSS-R信号产生源中的核心。针对缺乏相应模型的问题,提出了一种根据双基雷达原理建立GNSS海面反射信号模型的方法。首先,在分析GNSS海面反射信号特征的基础上,选取了恰当的海面反射点。然后,计算了雷达方程中的散射系数和散射面积,从而得到相应反射点的反射信号功率。最后,对所求得的反射信号参数进行仿真验证。验证的结果表明,反射信号的相关功率曲线与ZV模型理论曲线的相关系数优于0.98,能够有效地用于GNSS海面反射信号的生成。因此,该方法可为GNSS-R信号产生源的研制提供一定的理论支撑。     

基于GA-SVM的GNSS-IR土壤湿度反演方法

针对提高大范围土壤湿度测量精度的问题,研究了土壤湿度的全球卫星导航系统干涉测量法（GNSS-IR）,提出了一种基于支持向量机（SVM）的土壤湿度反演模型,利用遗传算法（GA）的自动寻优功能寻找SVM的最佳参数。结果表明,GA-SVM模型在测试集上得到的土壤湿度反演值与实测值的平均绝对百分比误差（MAPE）仅为0.69%,最大相对误差（MRE）为1.22%,线性回归方程决定系数达到了0.956 9。进一步与统计回归、粒子群优化的SVM模型（PSO-SVM）及反向传播（BP）神经网络方法进行对比,结果说明:在样本数目有限的情况下,GA-SVM方法更适用于土壤湿度的GNSS-IR技术反演,且反演精度较高,泛化性能良好。      

基于GMF方法的捕风一号风速反演分析

全球尺度高时空分辨率海面风场探测是当前全球气象研究及预报预测领域的关注热点之一,传统海面风场探测技术存在测量区域有限,且受天气环境限制明显等问题.基于全球导航卫星系统-反射(GNSS-R)测量技术风速反演原理,以捕风一号1级数据产品为输入,欧洲中期天气预报中心再分析风速数据为参考风速,采用地球物理模型函数(GMF)方法...     

捕风一号卫星总体设计与技术特点

捕风一号卫星是中国首次实现基于星载导航卫星反射信号测量(global navigation satellite system-reflection,GNSS-R)技术的气象卫星,采用新型L波段海面风场信息探测技术,在风场测量、海面飓风风速反演等方面为国家气象、防灾减灾等行业提供服务.从系统设计角度介绍了捕风一号卫星的总...     

全极化散射计极化失真误差校正方法

全极化散射计是一种新型微波散射计,可以同时测量目标的同极化和交叉极化散射系数.一方面能够解决传统散射计在海面风场反演中的风向模糊问题,提高海面风场测量精度,另一方面交叉极化散射系数可以有效提高海面风速测量范围,解决台风灾害监测和预报问题.利用全极化散射计数据进行高精度海面风场反演,首先需要解决全极化散射计系统极化失真误差导致无法准确测量目标不同极化散射系数的问题.本文基于全极化散射计信号模型推导了极化失真误差影响下极化散射系数模型,并对极化失真误差影响进行了定量分析.在极化散射系数模型基础上,通过引入海面散射特性假设和极化定标技术推导了极化散射系数校正模型.基于RADARSAT-2获取的不同区域海面全极化散射系数数据仿真误差影响下极化散射系数并利用该模型进行校正,结果表明该方法可以有效校正极化失真误差,显著提高极化散射系数测量精度.      

Accuracy analysis of GNSS-IR snow depth inversion algorithms

In recent years, with the continuous development of Global Navigation Satellite System (GNSS), it has been applied not only to navigation and positioning, but also to Earth surface environment monitoring. At present, when performing GNSS-IR (GNSS Interferometric Reflectometry) snow depth inversion, Lomb-Scargle Periodogram (LSP) spectrum analysis is mainly used to calculate the vertical height from the antenna phase center to the reflection surface. However, it has the problem of low identification of power spectrum analysis, which may lead to frequency leakage. Therefore, Fast Fourier Transform (FFT) spectrum analysis and Nonlinear Least Square Fitting (NLSF) are introduced to calculate the vertical height in this paper. The GNSS-IR snow depth inversion experiment is carried out by using the observation data of P351 station in PBO (Plate Boundary Observatory) network of the United States from 2013 to 2016. Three algorithms are used to invert the snow depth and compared with the actual snow depth provided by the station 490 in the SNOTEL network. The observations data of L1 and L2 bands are respectively used to find the optimal combination between different algorithms further to improve the accuracy of GNSS-IR snow depth inversion. For L1 band, different snow depths correspond to different optimal algorithms. When the snow depth is less than 0.8 m, the inversion accuracy of NLSF algorithm is the highest. When the snow depth is greater than 0.8 m, the inversion accuracy of FFT algorithm is higher. Therefore, according to the different snow depth, a combined algorithm of NLSF + FFT is proposed for GNSS-IR snow depth inversion. Compared with the traditional LSP algorithm, the inversion accuracy of the combined algorithm is improved by 10%. For L2 band data, the results show that the accuracy of snow depth inversion of various algorithms do not change with the variations of snow depth. Among the three single algorithms, the inversion accuracy of FFT algorithm is better than that of LSP and NLSF algorithms.     

中法海洋卫星微波散射计在轨性能验证

中法海洋卫星（CFOSAT）微波散射计是国际上第一个旋转扇形波束体制散射计，通过优化雷达观测几何实现对地面目标多角度和多方位的高精度测量，提高海面风场、土壤湿度和海冰面积等地球物理参数的反演精度.根据CFOSAT卫星2018年10月发射以来的在轨测试数据，结合散射计系统特点，分析验证了星上定标数据和后向散射系数反演结果的正确性，并对CFOSAT首批科学数据进行了定量分析和系统评价.结果表明，CFOSAT散射计在轨工作状态良好，实际性能与设计预期一致，风速测量精度优于1.5m·-1，风向测量精度优于15°，空间分辨率可达12.5km，在近岸风场监测、土壤湿度遥感和海冰面积估计等应用领域具有独特的优势.      

基于DTW的HJ-1B卫星地表温度产品质量检验

HJ-1B卫星热红外数据应用广泛,但其地表温度反演产品的质量检验工作尚不完善。以黑河流域为研究区,利用普适性单通道算法得到HJ 1B地表温度,基于7个地面站点（下垫面为荒漠、沙漠、植被、农作物、雪地和湿地）同步观测资料和MODIS地表温度产品（MOD11A1）,引入动态时间规整方法（DTW）对站点处HJ 1B地表温度进行验证。试验结果表明：HJ 1B地表温度反演产品与地面观测值的偏差值在沙漠和荒漠站点为1K以内,均方根误差在05K左右;对于植被和农作物站点的偏差在2K以内,均方根误差为1~2K;基于DTW的验证对时序不匹配的数据评价结果与现有指标表现一致。HJ-1B地表温度反演产品与地面站点的相对偏差均低于其与MODIS地表温度反演产品的相对偏差。     

Azimuth selection for sea level measurements using geodetic GPS receivers

Based on analysis of Global Positioning System (GPS) multipath signals recorded by a geodetic GPS receiver, GPS Reflectometry (GPS-R) has demonstrated unique advantages in relation to sea level monitoring. Founded on multipath reflectometry theory, sea level changes can be measured by GPS-R through spectral analysis of recorded signal-to-noise ratio data. However, prior to estimating multipath parameters, it is necessary to define azimuth and elevation angle mask to ensure the reflecting zones are on water. Here, a method is presented to address azimuth selection, a topic currently under active development in the field of GPS-R. Data from three test sites: the Kachemak Bay GPS site PBAY in Alaska (USA), Friday Harbor GPS site SC02 in the San Juan Islands (USA), and Brest Harbor GPS site BRST in Brest (France) are analyzed. These sites are located in different multipath environments, from a rural coastal area to a busy harbor, and they experience different tidal ranges. Estimates by the GPS tide gauges at azimuths selected by the presented method are compared with measurements from physical tide gauges and acceptable correspondence found for all three sites.