利用GPS卫星信号信噪比的土壤湿度反演方法

发布时间：2021-10-21 13:48

　　为了进一步研究裸土区域表层土壤湿度的全球卫星导航系统反射信号干涉测量（GNSS-IR）遥感,提出1种利用GPS卫星信号信噪比数据的土壤湿度反演方法:建立振幅、相位、频率观测量与土壤湿度间的多元线性回归模型;并对振幅观测量取对数作非线性变换,以提升性能。实验结果表明:多元回归模型预测结果对比原位数据,平均均方根误差（RMSE）为2.43%;非线性变换后平均均方根误差为1.23%,比线性变换前降低49.27%。 

【文章来源】：导航定位学报. 2020,8(01)CSCD

【文章页数】：6 页

【部分图文】：

为PRN3卫星多元回归模型建模结果

PRN1非线性变换结果

菔剑?）求取信噪比反射分量的振幅和相位观测量。前期处理完成后将所获数据按1:1的比例进行分类，将其分为训练数据和测试数据，分别用于建模和预测。分别建立多元线性回归模型和数据变换后的多元回归模型，最后用测试数据进行预测，并结合同比数据进行误差分析。具体实现过程如图3所示。图3数据处理过程2.3结果分析根据上述处理过程，对训练集进行多元线性回归模型的建立，并分别对振幅和相位观测量建立多元线性回归模型，利用测试数据进行预测分析。本文以PRN1、PRN2、PRN3为例，如图4~图6所示。图4为PRN1卫星多元回归模型建模结果。图4(a)为多元回归模型预测结果与原位数据的拟合结果，其中建模数据相关系数为0.89，预测结果的均方根误差（rootmeansquarederror，RMSE）为0.97%；图4(b)为多元回归模型预测结果与原位数据误差结果，其中最大误差不超过6%。图4PRN1多元回归模型建模结果

【参考文献】：
期刊论文
[1]利用窗口GPS多径干涉相位反演土壤湿度[J]. 敖敏思,朱建军,胡友健,叶险峰.  武汉大学学报(信息科学版). 2018(09)
[2]机器学习算法辅助的GPS信噪比观测值土壤湿度反演[J]. 丰秋林,郑南山.  测绘通报. 2018(07)
[3]SVRM方法的单天线GNSS-R土壤湿度反演[J]. 段睿,张波,汉牟田,杨东凯.  导航定位学报. 2018(01)
[4]全球导航卫星系统反射测量（GNSS+R）最新进展与应用前景[J]. 金双根,张勤耘,钱晓东.  测绘学报. 2017(10)
[5]利用GNSS干涉信号振荡幅度反演土壤湿度[J]. 汉牟田,张波,杨东凯,洪学宝,杨磊,宋曙辉.  测绘学报. 2016(11)
[6]GPS-R技术辅助的土壤水含量变化监测[J]. 徐晓悦,郑南山,谭兴龙.  测绘科学技术学报. 2015(05)
[7]利用SNR观测值进行GPS土壤湿度监测[J]. 敖敏思,朱建军,胡友健,曾云,刘亚东.  武汉大学学报(信息科学版). 2015(01)
[8]电容式水分仪的研制[J]. 洪茜.  工业控制计算机. 2010(07)
[9]烘干称重法测定土壤水分取样误差分析[J]. 成林,杨光仙,陈海波,师丽魁.  气象与环境科学. 2009(02)
[10]GNSS-R研究进展及其关键技术[J]. 刘经南,邵连军,张训械.  武汉大学学报(信息科学版). 2007(11)



本文编号：3449104