基于GPS-IR的归一化植被指数反演

针对利用GPS接收机在接收L波段信号时对周围植被水分含量较为敏感的特性,使用GPS反射信号的变化,进行测站归一化植被指数(NDVI)反演.利用2个GPS参考站近5年的连续观测数据计算的归一化微波反射指数(NMRI),构建了反演NDVI的一元线性模型.NMRI整体变化趋势与同时间段内中分辨率成像光谱仪(MODIS)NDVI趋势表现一致,其反演结果相关系数R分别为0.62653、0.62573,均方根误差(RMSE)分别为0.05129和0.05508,进而使用BP神经网络模型反演相关系数分别提高了2%、6%.表明GPS干涉反射测量(GPS-IR)反演区域NDVI结果具有较高可靠性.该研究为获取精确位置、实时连续、高分辨率的NDVI提供了一定的理论支撑.

基于GPS-IR的美国中西部地区NDVI时间序列反演

基于AVHRR（advanced very high resolution radiometer）、MODIS（moderate-resolution imaging spectroradiometer）等卫星遥感影像获取的归一化植被指数（normalized difference vegetation index,NDVI）存在大气噪声、土壤背景、饱和度等固有问题。GPS（global positioning system）卫星播发的L波段信号对土壤和植被水分含量变化较为敏感,GPS-IR（GPS-interferometric reflectometry）利用测地型接收机和天线记录GPS反射信号的变化,进而反演测站环境参数。该文研究了利用GPS-IR反演区域NDVI时间序列的方法。采用4个GPS参考站2007-2015年近9 a的连续观测数据,由伪距和相位观测值计算了归一化微波反射指数（normalized microwave reflection index,NMRI）,傅立叶变换显示NMRI具有明显的周期特性,其中年周期和半年周期分量普遍较为突出。利用三角多项式拟合剔除NMRI中由积雪和降雨引起的粗差点后,其波动与同时间段内MODIS NDVI的趋势一致。一元线性回归结果显示NMRI与NDVI之间存在显著线性相关,相关系数在0.697~0.818（P〈0.001）,NDVI反演误差的均方根误差在0.059~0.079,表明GPS-IR反演区域NDVI时间序列是可行的,该研究为获取准实时、低成本和高时间分辨率的NDVI提供了新的思路。