机器学习算法辅助的GPS信噪比观测值土壤湿度反演
2018-08-03丰秋林郑南山
丰秋林,郑南山,2
(1. 中国矿业大学环境与测绘学院,江苏 徐州 221116; 2. 江苏省资源环境信息工程重点实验室,江苏 徐州 221116)
土壤湿度在研究生态水循环、植被水分供给、土地承载能力等方面发挥着至关重要的作用,实时、准确、长期的土壤湿度信息将会为气候、水文、农业等科学研究及灾害防治提供重要的数据来源[1]。烘干称重法、土壤湿度计法、电阻法等传统的土壤湿度测量方法虽然很准确,但远远达不到工程应用的需求[2]。微波遥感及传统的双基地GNSS-R(Global Navigation Satellite System Reflection)技术是大范围、非接触式监测土壤水分的重要手段,但还是存在需要特定的设备、价格昂贵及时空分辨率受限等一系列问题[3-5]。因此利用全球导航卫星反射信号的干涉效应(Global Navigation Satellite System interferometric reflectometry,GNSS-IR)成为一种探测土壤湿度的新技术[6]。
目前国内外在利用此技术进行土壤湿度测量方面作了大量基础的研究和试验。Bilich等通过利用SNR(signal-to-noise ratio)幅频特性建立相关模型,并提取时变和动态多路径信号的频率和幅度的参数,分析后发现剔除直射分量后的SNR幅频特性与多路径误差存在一定的关系,同时确定了SNR幅频特性与多路径环境之间存在很强的相关性[7-8]。西班牙Starlab利用IPT(interference pattern technique)技术设计了SMIGOL反射计,该反射计利用垂直极化天线同时接收直射与反射信号,通过GNSS反射信号与直射信号产生的干涉效应进行土壤湿度测量[9]。科罗拉多大学Larson等证实了在卫星高度角较低的情况下,普通测地型接收机同样可以接收并跟踪GPS卫星反射信号,并利用观测文件中的SNR数据进行土壤湿度反演研究,试验结果表明,幅度参数与土壤湿度之间存在相似性,但延迟相位参数与土壤湿度之间的相关性较幅度参数更高[10-12]。……
