阶段模型修正的星载GNSS-R土壤湿度反演方法

• Published in: Ce hui xue bao Vol. 51; no. 9; pp. 1942 - 1950
• Main Authors: 陶庭叶, 李江洋, 朱勇超, 汪俊涛, 陈皓, 时梦杰
• Format: Journal Article
• Language: Chinese; English
• Published: Beijing Surveying and Mapping Press 01.09.2022; 合肥工业大学土木与水利工程学院,安徽 合肥 230009%合肥工业大学土木与水利工程学院,安徽 合肥 230009; 土木工程防灾减灾安徽省工程技术研究中心,安徽 合肥 230009
• Subjects: Mathematical models; Moisture effects; Neural networks; Optical analysis; Optical thickness; Retrieval; Soil analysis; Soil improvement; Soil moisture; Soil temperature; Surface roughness; CYGNSS; 时间序列; 土壤湿度; 神经网络; GNSS-R; SMAP
• ISSN: 1001-1595; 1001-1595
• DOI: 10.11947/j.AGCS.2022.20210026

本文提出了一种基于CYGNSS数据的星载GNSS-R土壤湿度反演方法。首先, 基于CYGNSS数据提取地表反射率参数, 联合SMAP数据中提取的植被光学厚度、地表粗糙度和温度等辅助信息, 初步构建了土壤湿度反演理论模型, 并利用神经网络模型确定了土壤湿度反演的精细数学模型; 然后, 将该模型处理获得的土壤湿度以35%为分界点, 利用本文提出的阶段函数模型提高反演精度, 并使用2018年10月—2019年5月的CYGNSS数据, 获得了全球范围内星载GNSS-R土壤湿度; 最后, 通过与SMAP提供的土壤湿度数据进行对比, 评估了本文提出的星载GNSS-R土壤湿度反演方法的有效性, 并对获取的星载GNSS-R土壤湿度进行了时间序列分析。结果表明, 本文提出的土壤湿度反演方法的结果与SMAP土壤湿度具有良好的一致性, 且随时间变化的趋势也相符合, 为高精度土壤湿度反演提供了一种思路。