基于多元线性回归的GPS-IR积雪深度反演研究
发布时间：2021-11-05 12:22
利用全球导航卫星系统反射干涉遥感技术（GPS-Interferometric Reflectometry,GPS-IR）可实现地表环境参数的监测。基于全球导航卫星系统多径反射信号与积雪深度之间的关系,针对目前已有研究较少的考虑多星融合对反演效果的影响,提出一种基于多元线性回归的多星融合积雪深度反演模型。为了验证算法的可靠性,利用美国PBO观测网络中的P101测站连续监测数据进行雪深反演研究。研究和实验表明:反演结果与积雪深度参考值具有显著相关性;多星融合能够有效综合各单颗卫星的反演性能,相关系数均大于0.940,相比单星提高了13.6%;RMSE和MAE均小于0.08和0.165。
【文章来源】：遥感技术与应用. 2020,35(06)北大核心CSCD
【文章页数】：8 页
【部分图文】：
GPS多路径效应
采用的GPS观测数据来源于美国地球透镜（Earthscope）计划中的板块边界观测网（Plate Boundary Observatory,PBO）项目[17]，本文采用P101测站的2017年1～103年积日103 d时间段的GPS观测数据。P101站位于美国的西部犹他州Randolph地区，经纬度为111.236°W,41.692°N，海拔高度为201 6.1 m，周围植被类型为低矮植被，测站天线垂直高2 m，每年被积雪覆盖的时间达100 d左右，很早就开展雪深反演实验，能够连续接收质量较好的L2载波信号，采样率为15 s。P101站的接收机类型为TRIMBLE NETRS，天线类型为TRM29659.00，整流罩类型为SCIT。当卫星高度角在5°～20°范围内，SNR受卫星多路径效应影响明显，有利于开展积雪深度的反演研究[18]。首先对SNR观测数据进行线性化将信噪比的单位由d B-Hz转换为volts，利用低阶多项式拟合去除卫星直射信号。对P101测站，PRN32号卫星去趋势化后SNR反射残差序列和频谱分析的结果如图4所示。左侧的两张图分别是第38天和97天SNR残差随高度角正弦值的变化图，右侧的两张图分别对应左侧的频谱分析结果。可见，随着积雪深度的变化，SNR残差变化的周期也呈现出相应的变化。进一步对比可以看出，随着积雪变厚，SNR残差序列的周期也越来越大。限于篇幅，仅给出部分卫星年积日1～103天连续估算雪深结果与雪深参考值之间的关系，如图5所示。
由图5可知，积雪深度的变化引起各卫星多路径反射面与天线中心之间的垂直有效距离的变化，由于卫星反射面方位角的差异，各卫星的垂直距离均呈现出不同程度的变化，这与卫星的性能和不同时间段的多路径效应差异有关。反演积雪深度与雪深参考值之间的线性相关系数R2如图6所示。可见，13颗卫星相关系数R2均在0.5以上，两者之间具有显著的线性相关度。不同卫星的R2均不一样，部分卫星精度较差。因此，单星反演积雪深度在未知雪深条件下，无法有效选取卫星进行积雪深度的高精度反演。如果能够通过某种方法将多颗卫星反演结果进行有效组合，将更有利于积雪深度的反演。图5 各卫星估算结果与雪深参考值关系图
【参考文献】：
期刊论文
[1]多星融合的土壤湿度滚动式估算模型[J]. 梁月吉,任超,黄仪邦,王浩宇,卢献健,晏红波. 遥感学报. 2019(04)
[2]基于SNR的GPS-IR技术机理分析[J]. 孙小荣,张书毕,吴继忠,郑南山. 地球科学进展. 2019(02)
[3]GNSS-MR技术用于雪深探测的初步研究[J]. 张双成,戴凯阳,南阳,张勤,瞿伟,李振宇,赵迎辉. 武汉大学学报(信息科学版). 2018(02)
[4]利用GPS的SNR观测值进行雪深监测研究[J]. 戴凯阳,张双成,李振宇,赵迎辉,南阳. 大地测量与地球动力学. 2016(06)
[5]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)
[6]多元线性回归与BP神经网络预测模型对比与运用研究[J]. 张景阳,潘光友. 昆明理工大学学报(自然科学版). 2013(06)
[7]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)
[8]多元线性回归的预测建模方法[J]. 王惠文,孟洁. 北京航空航天大学学报. 2007(04)
博士论文
[1]基于GNSS信噪比数据的测站环境误差处理方法及其应用研究[D]. 叶险峰.中国地质大学 2016
本文编号：3477791
【文章来源】：遥感技术与应用. 2020,35(06)北大核心CSCD
【文章页数】：8 页
【部分图文】：
GPS多路径效应
采用的GPS观测数据来源于美国地球透镜（Earthscope）计划中的板块边界观测网（Plate Boundary Observatory,PBO）项目[17]，本文采用P101测站的2017年1～103年积日103 d时间段的GPS观测数据。P101站位于美国的西部犹他州Randolph地区，经纬度为111.236°W,41.692°N，海拔高度为201 6.1 m，周围植被类型为低矮植被，测站天线垂直高2 m，每年被积雪覆盖的时间达100 d左右，很早就开展雪深反演实验，能够连续接收质量较好的L2载波信号，采样率为15 s。P101站的接收机类型为TRIMBLE NETRS，天线类型为TRM29659.00，整流罩类型为SCIT。当卫星高度角在5°～20°范围内，SNR受卫星多路径效应影响明显，有利于开展积雪深度的反演研究[18]。首先对SNR观测数据进行线性化将信噪比的单位由d B-Hz转换为volts，利用低阶多项式拟合去除卫星直射信号。对P101测站，PRN32号卫星去趋势化后SNR反射残差序列和频谱分析的结果如图4所示。左侧的两张图分别是第38天和97天SNR残差随高度角正弦值的变化图，右侧的两张图分别对应左侧的频谱分析结果。可见，随着积雪深度的变化，SNR残差变化的周期也呈现出相应的变化。进一步对比可以看出，随着积雪变厚，SNR残差序列的周期也越来越大。限于篇幅，仅给出部分卫星年积日1～103天连续估算雪深结果与雪深参考值之间的关系，如图5所示。
由图5可知，积雪深度的变化引起各卫星多路径反射面与天线中心之间的垂直有效距离的变化，由于卫星反射面方位角的差异，各卫星的垂直距离均呈现出不同程度的变化，这与卫星的性能和不同时间段的多路径效应差异有关。反演积雪深度与雪深参考值之间的线性相关系数R2如图6所示。可见，13颗卫星相关系数R2均在0.5以上，两者之间具有显著的线性相关度。不同卫星的R2均不一样，部分卫星精度较差。因此，单星反演积雪深度在未知雪深条件下，无法有效选取卫星进行积雪深度的高精度反演。如果能够通过某种方法将多颗卫星反演结果进行有效组合，将更有利于积雪深度的反演。图5 各卫星估算结果与雪深参考值关系图
【参考文献】：
期刊论文
[1]多星融合的土壤湿度滚动式估算模型[J]. 梁月吉,任超,黄仪邦,王浩宇,卢献健,晏红波. 遥感学报. 2019(04)
[2]基于SNR的GPS-IR技术机理分析[J]. 孙小荣,张书毕,吴继忠,郑南山. 地球科学进展. 2019(02)
[3]GNSS-MR技术用于雪深探测的初步研究[J]. 张双成,戴凯阳,南阳,张勤,瞿伟,李振宇,赵迎辉. 武汉大学学报(信息科学版). 2018(02)
[4]利用GPS的SNR观测值进行雪深监测研究[J]. 戴凯阳,张双成,李振宇,赵迎辉,南阳. 大地测量与地球动力学. 2016(06)
[5]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)
[6]多元线性回归与BP神经网络预测模型对比与运用研究[J]. 张景阳,潘光友. 昆明理工大学学报(自然科学版). 2013(06)
[7]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)
[8]多元线性回归的预测建模方法[J]. 王惠文,孟洁. 北京航空航天大学学报. 2007(04)
博士论文
[1]基于GNSS信噪比数据的测站环境误差处理方法及其应用研究[D]. 叶险峰.中国地质大学 2016
本文编号：3477791
本文链接：https://www.wllwen.com/projectlw/qxxlw/3477791.html
