GNSS-IR解译土壤湿度变化和植被生长过程的方法

摘要

本发明提供GNSS‑IR解译土壤湿度变化和植被生长过程的方法，包括以下步骤：S1：确定实验区域；S2：GNSS接收机记录SNR数据；分离直射和反射信号分量；采用低阶多项式去除直射信号；S3：使用Lomb‑Scargle谱分析方法计算主导频率ftft；估算相位偏移和振幅AmAm；采用非线性最小二乘拟合方法对SNRmSNRm进行拟合得到偏移和振幅AmAm；S4：根据拟合获得的偏移和振幅AmAm检索体积土壤湿度VSM；S5：根据主导频率ftft的峰值功率ALSPALSP和振幅AmAm度量植被含水量；S6：根据hveg＝ftλ/2hveg＝ftλ/2将主频ftft转化为有效反射高度hveghveg，通过估算hveghveg的时间序列来检索植被高度变化。

说明书

技术领域

本发明涉及农业监测技术领域，具体涉及GNSS-IR解译土壤湿度变化和植被生长过程的方法。

背景技术

土壤湿度和植被是陆地-大气反馈中的重要变量，被列为全球气候观测系统的基本气候变量。表层土壤湿度在将入射辐射通量划分为从土地到大气的潜热通量和显热通量中起主要作用。植被通过蒸散作用影响土壤水分，而土壤水分是决定该地区植被类型和状况的决定因素。因此，土壤水分的变化会对农业生产力，林业和生态系统健康产生重大影响。

目前，土壤湿度的观测通常使用湿度计或遥感卫星，湿度计通常作为小尺度监测网的测量手段以获取高精度的土壤湿度值。然而这些网络在空间分布研究中的应用是有限的。不同类型传感器的测量值同化具有挑战性，且土壤湿度表现出的较大水平变异性通过点测量难以实现最佳化监测。遥感卫星任务的成功运行，如欧空局的土壤水分和海洋盐度(SMOS)计划和美国宇航局的土壤水分主被动(SMAP)计划，提供了全球范围内土壤湿度的一致测量。时空的变异性和产品精度的可靠性仍需原位土壤湿度观测值进行量化和验证。因此，本发明提出了GNSS-IR解译土壤湿度变化和植被生长过程的方法。

发明内容

为解决上述问题，本发明的目的在于提供GNSS-IR解译土壤湿度变化和植被生长过程的方法。

为实现上述目的，本发明提供了如下的技术方案。

GNSS-IR解译土壤湿度变化和植被生长过程的方法，包括以下步骤：

S1：确定实验区域；

S2：GNSS接收机记录SNR数据；分离直射信号SNR

S3：使用Lomb-scargle谱分析方法计算反射信号SNR

S4：根据拟合获得的相位偏移

S5：根据主导频率f

S6：根据h

优选地，所述S2中SNR数据：

式中，P

优选地，所述ψψ是一个与反射物体物理特性相关联的参数，其中，作为ψψ的一个简单空间等效，直反射信号间的路径延迟δδ可由反射高h和卫星高度角E进行表达：

δ＝2hsinEδ＝2hsinE；

式中，h为反射高，δδ为直反射信号路径延迟，E为卫星高度角；通过将各系统信号波长λ，路径延迟δδ引起的相位差ψψ表示如下：

优选地，所述S4的检索方法：

式中，

所述VSM通过

式中，VSM

优选地，所述S5的检索植被高度方法：

通过低阶多项式拟合移除SNR

优选地，所述S5的检索植被高度方法：

采用EMD算法分解原始SNR：

式中(x)t(x)t为原始SNR序列，c

选择与相干信号频率相对应的IMF作为SNR

优选地，所述S5的检索植被高度方法：

将时间序列分解到时间-频率域内，从而得到周期变化的模态以及这些模态随时间的变化，植被高度被检索如下：

H

式中，H

本发明的有益效果：

本发明提出了GNSS-IR解译土壤湿度变化和植被生长过程的方法，该方法采用大地测量型接收机获取的GPS和BDS SNR数据检索土壤湿度和植被生长过程，能够辅助研究植被生长对土壤湿度检索的影响。

以下结合附图及实施例对本发明作进一步的说明。

附图说明

图1是本发明实施例的GNSS-IR解译土壤湿度变化和植被生长过程的方法的流程图；

图2是本发明实施例的GNSS-IR解译土壤湿度变化和植被生长过程的方法的直射信号和反射信号的几何模型图；

图3是本发明实施例的GNSS-IR解译土壤湿度变化和植被生长过程的方法的小麦作物不同生长期的SNR振幅变化情况图；

图4是本发明实施例的GNSS-IR解译土壤湿度变化和植被生长过程的方法的不同地表介质中GNSS反射信号的几何特征图；

图5是本发明实施例的GNSS-IR解译土壤湿度变化和植被生长过程的方法的裸地与小麦生长后期的有效反射高变化图；

图6是本发明实施例的GNSS-IR解译土壤湿度变化和植被生长过程的方法的低阶多项式和EMD法获得的SNR

图7是本发明实施例的GNSS-IR解译土壤湿度变化和植被生长过程的方法的小波功率谱和小波全谱图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例

GNSS-IR解译土壤湿度变化和植被生长过程的方法，具体流程如图1所示，包括以下几个步骤：

S1：确定实验区域；

实验测站被北京城市气象研究院建立，位于中国北京市张喜庄(ZHXZ)地区(40°10'0.77"N，116°30'38.38"E)。ZHXA站点的北方被房屋和围墙等人造建筑物覆盖，而地面是平坦的在南部，因此纯净的反射信号被限制在南边(Azimuth：180°-270°)。使用了2019年2月21日至10月17日由GNSS接收器(Trimble NetR9)和天线(Leica AR10，高出地面2.6m)收集的GPS和BDS数据。传感器收集了10cm深度和1小时采样率的原位土壤水分数据。同步降雨数据也被观测和记录。

S2：GNSS接收机记录SNR数据；分离直射和反射信号分量，采用低阶多项式去除直射信号：

在GNSS接收机中，SNR(信噪比)数据被记录在标准RINEX格式文件中，并被定义为直射和多径信号分量的和。在简化模型下，SNR可表示为：

式中，SNR是直射信号功率P

δ＝2hsinE (2)

图2为直射信号和反射信号的几何模型.参数h，δδ和E分别代表反射高，直反射信号路径延迟和卫星高度角。

S3：使用Lomb-Scargle谱分析方法计算主导频率f

考虑到卫星信号在土壤中的穿透深度，有效反射高度通常是h的合理表达，即天线相位中心与事实反射面的距离。通过将各系统信号波长λ(GPS L1＝0.1902m，L2＝0.2442m；BDS B1＝0.1920m)引入等式(2)，路径延迟δ引起的相位差ψ表示如下：

认识到SNR的时间相关性行为主要由ψ的余弦决定(公式(1))，多径信号随时间的变化可写成如下的形式：

若令t＝sinE，则有：

相位差ψψ以角速度的形式随时间变化，其受卫星与接收机间的相对几何位置、运行速率和天线相对高度(即有效反射高度)等因素的影响。结合式(1)，在单反射简化模型下，SNR与sinE之间可近似为某一频率的余弦(或正弦)关系。频率被估算通过对SNR

S4：根据拟合获得的偏移

式中，

所述VSM可通过

式中，VSM

S5：根据主导频率f

振幅(A

式中20％表示单个卫星轨道的时间序列中A

图3小麦作物不同生长期的SNR振幅变化情况。线条是SNR残差序列。柱状是LSP分析方法估算的相应残差序列峰值功率。

实验站点地表植被(小麦)不同生长期的典型SNR

S6：根据h

在测站植被生长的中后期，植被表面取代裸露的土壤表面成为主导的反射面。如图4，通过估算h

a)经典方法(Tra)

采用该算法检索小麦高度，低阶多项式拟合被用于移除SNR

b)经验模态分解法(EMD)

对于传统算法，低阶多项式拟合得到的SNR

式中(x)t(x)t、c

EMD算法的关键是将复杂原始信号SNR分解为有限个IMF，每个IMF分量包含了SNR不同时间尺度的局部特征信号。在本实验中，我们使用EMD算法分解原始SNR，然后选择与相干信号频率相对应的IMF作为SNR

c)小波分析法

小波分析可将时间序列分解到时间-频率域内，从而得到周期变化的模态以及这些模态随时间的变化。将小波分析用于提取多路径成分的时变频率和幅度，映射了GPS测站周围多路径环境。对SNR

式中，E为卫星高度角，cosEcosE和dE/dtdE/dt的变化被考虑在内，T是SNR

图4展示了植被生长期有效反射高度h

H

(12)

h

H

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。