论文部分内容阅读
土壤湿度作为全球水循环的关键指标,是现代化农业、气象、水文领域研究的重点。准确实时地获取土壤湿度对农业灌溉、气象预报、水资源循环等具有重要参考价值。全球导航卫星系统反射信号干涉测量(Global Navigation Satellite System Reflectometry and Interferometry,GNSS-IR)作为一种新型的微波遥感技术,发射的L波段信号对土壤水分十分敏感,其主要利用GNSS直射信号和经地表反射的信号在接收机天线处产生的干涉效应,通过干涉信号特征来反演地表物理参数,目前被广泛应用于各个领域遥感监测,正逐渐成为GNSS遥感技术的重要分支。由于现有的GNSS-IR土壤湿度反演模型存在精度和可靠性低及难以回避季节性植被生长造成的误差问题,导致GNSS-IR技术反演土壤湿度许多问题亟待解决和完善,因而实现顾及植被影响的多星数据融合GNSS-IR土壤湿度反演是当下待解决的难题,本文针对上述问题开展系统性研究,相关研究成果将会对GNSS-IR陆面遥感发展具有一定的参考意义。本论文从反射信号相关数学与物理特性理论出发,对单天线GNSS-IR土壤湿度反演模型以及植被误差项对反射信号影响机制开展了相关研究,最终得到适用于修正植被含水量扰动下的GNSS-IR土壤湿度反演模型。为此,本文一方面提出基于熵值法的双频数据融合植被误差修正方法,克服了仅利用单频数据开展归一化差异植被指数(Normalized Difference Vegetation Index,NDVI)反演的精度与可靠性的局限,解决了缺乏实测植被含水量数据情况下反射信号相位修正的难题。该方法分别将GPS L1、L2双频伪距和载波相位观测值计算的多路径数据引入熵值法衡量不确定度,评价各指标的信息熵,反向定权实现最优的加权融合并计算归一化微波反射指数(Normalized Microwave Reflection Index,NMRI),以提高NDVI反演精度和可靠性,实现测站周围的NDVI反演,为保证NDVI与反射信号相位的数学尺度一致,通过年时间序列前15%NDVI中位数归零处理的计算值近似代替植被引起的相位偏移,最后利用美国PBO四个站点观测数据对上述算法进行了验证。另一方面,本论文深入开展基于GNSS-IR多星数据融合的土壤湿度反演模型研究,以期解决现有多星土壤湿度反演算法存在的自动化组合最优反演土壤湿度卫星程度低的问题,提出了一种多变量自适应回归样条(Multivariate Adaptive Regression Splines,MARS)土壤湿度反演模型。该方法分为前向逐步、后向剪枝、模型选取三个步骤以自适应的提取能反映土壤湿度最优的卫星组合。此外,为了验证MARS模型的精度和可靠性分别与BP神经网络、支持向量回归机、多元线性回归土壤湿度反演模型开展对比分析。针对双频数据融合的植被误差修正问题,本文通过PBO四个站点观测数据开展实验分析,实验结果表明:(1)双频数据融合后的NDVI反演模型在四个站点的相关性分别为0.828、0.826、0.800、0.816,均方根误差为0.052、0.037、0.050、0.064,其相关性相比于传统L1载波模型分别上升了9.4%、28.5%、17.6%、7.4%,均方根误差分别降低了17.5%、15.9%、16.6%、15.8%。(2)修正植被误差项后土壤湿度反演结果与实际值之间的相关性在4个站点均有所提升,且修正前后四种模型反演结果与实际值相关性平均提升7.4%。针对多星数据融合的土壤湿度反演模型问题,利用PBO实验数据开展了四种模型对比分析,实验结果表明:(1)MARS土壤湿度反演模型在P036、P037、P041、P049四个站点的相关性达到了0.930、0.912、0.903、0.921,相比于未修正植被含水量相关性0.836、0.823、0.842、0.844分别提升了11.2%、10.8%、7.2%、9.1%,RMSE分别降低了47.7%、45.5%、26.9%、37.9%。(2)BPNN、SVRM、MLR三种土壤湿度反演结果在4个站点修正反射信号后相关性在0.803~0.874之间,均未优于MARS土壤湿度反演模型。与传统方法相比,本研究能够提升植被覆盖区地表土壤湿度反演精度、可靠性和泛化能力,并可为气候变化、精准农业、旱涝灾害等领域相关研究工作提供典型参考数据、基础理论和支撑技术。