基于PSO-RF的GNSS-IR土壤湿度反演方法研究

摘要

基于全球导航卫星系统干涉测量(Global Navigation Satellite System Interferometry and Reflectometry,GNSS-IR)的土壤湿度监测弥补了传统测量方法的不足,是近年来遥感领域研究的热点.针对以往研究多采用全球定位系统(Global Positioning System,GPS)的观测量数据来估计土壤湿度,且反演精度不高的问题,研究了利用北斗卫星导航系统B1、B2频段的信噪比数据进行土壤湿度的反演.提出了一种利用随机森林(Random Forest,RF)方法对B1、B2频段的观测量进行融合反演的方法,并利用粒子群优化(Particle Swarm Optimization,PSO)算法对RF的参数进行自动寻优.构建了PSO-RF土壤湿度反演模型,给出了信号处理的一般流程,并搭建陆基接收平台进行了验证实验.验证结果表明,PSO-RF模型反演结果较传统回归方法在相关系数R和均方根误差(Root Mean Square Error,RMSE)方面均有明显改善,证明了该方法可以实现对固定区域土壤湿度的长期连续观测.