一种改进的星载GNSS-R森林生物量反演方法

基于Tau-Omega模型提出一种涉及地面土壤湿度修正的星载全球导航卫星系统反射测量(GNSS-R)森林地上生物量反演方法。选择SMAP卫星的土壤湿度作为辅助数据,运用Tau-Omega模型对旋风卫星导航系统(CYGNSS)反射率做出改正,提高建模参数的准确性。将SMAP卫星提供的植被光学深度(VOD)和地上植被生物量(AGB)地图作为生物量参考数据,比较了改正前后观测值与参考数据的相关性变化。结果表明,改正后相关系数提升明显,改正后参数较反射率与VOD的相关系数从0.54提升到了0.67,与AGB的相关系数从0.46提升到了0.56。随后通过人工神经网络分别基于改正后的参数和反射率建立GNSS-R VOD和AGB反演模型。结果表明,所提方法能够有效提高VOD和AGB的反演精度,且在生物量水平较低的地区改进效果更优。对于VOD反演,改进后相关系数从0.70提升到了0.83,RMES从0.21降低到了0.17;对于AGB反演,改进后相关系数从0.61提升到了0.71,RMES从74 t/hm^(2)降低到了65 t/hm^(2)。

基于轨迹聚类的GNSS-IR多系统组合土壤湿度估计方法

全球导航卫星系统干涉反射测量(global navigation satellite system-interferometric reflectometry,GNSS-IR)技术能探测浅层地表的土壤湿度。针对多系统组合的土壤湿度反演问题,基于轨迹聚类方法,从全球定位系统(global positioning system,GPS)、北斗卫星导航系统(BeiDou satellite navigation system,BDS)、格洛纳斯(GLONASS)、伽利略(Galileo)导航系统的信噪比观测数据中提取多径干涉相位,利用经验模型求解轨迹聚类后的土壤湿度估计值,以加权平均方式得到系统组合后的估计结果。结果表明,BDS、Galileo反演精度相当且优于GPS、GLONASS,基于轨迹聚类的多系统组合土壤湿度估计方法的均方根误差为0.0414 cm3/cm3,相比于单系统的综合反演精度提升约16.3%,相比于单系统的最佳频段反演精度提升约5.2%,所提方法能有效监测土壤湿度的变化。