基于修正相位的地基GNSS-R数据土壤水分估算方法

技术领域

本申请涉及借助于测定材料的化学或物理性质来测试或分析材料技术领域，特别涉及一种基于修正相位的地基GNSS-R数据土壤水分估算方法。

背景技术

土壤水分是陆气相互作用中的主要物理量之一，积累了大量的地表水文过程信息。它通过影响陆表蒸散、水的运移和碳循环与地球气候系统相互作用，对气候系统及其变化产生重要影响。

在土壤水分估算的相关技术中，基于全球卫星导航定位系统（Global NavigationSatellite System，GNSS）的土壤水分估算通常是利用导航卫星的信噪比数据，将不同土壤水分条件下获得的相位与实测土壤水分数据进行拟合对土壤水分进行反演，该过程并未考虑到植被覆盖对信号衰减引起的误差，故难以针对某一地区估算出长时间序列的、高精度、高时间分辨率的土壤水分监测数据。

因此，需要提供一种针对上述现有技术不足的改进技术方案。

发明内容

本申请的目的在于提供一种基于修正相位的地基GNSS-R数据土壤水分估算方法，以解决或缓解上述现有技术中存在的问题。

为了实现上述目的，本申请提供如下技术方案：

本申请提供了一种基于修正相位的地基GNSS-R数据土壤水分估算方法，包括：

对地基GNSS-R的原始信噪比数据进行提取，得到振幅和标准相位；

基于所述振幅，反演得到长时间序列的植被含水量；

基于长时间序列的植被含水量，结合预先获取的植被归一化指数数据，计算得到植被冠层引起的相位偏移量；

根据所述相位偏移量对标准相位进行修正，并结合实测土壤水分数据，估算得到土壤水分数据。

优选地，所述对地基GNSS-R的原始信噪比数据进行提取，得到振幅和标准相位，具体为：

采用二次多项式拟合的方法对地基GNSS-R的原始信噪比数据进行拟合，构建信号分离模型；并基于所述信号分离模型分离出仅包含反射分量的信噪比数据；

采用非线性最小二乘法，基于分离得到的仅包含反射分量的信噪比数据构建振幅和相位的估算模型，并基于所述估算模型估算得到所述振幅和所述标准相位。

优选地，所述信号分离模型为：

，

式中，

优选地，所述估算模型为：

，

式中，

优选地，所述基于所述振幅，反演得到长时间序列的植被含水量，具体为：

确定振幅与植被含水量之间的相关性；

基于所述振幅与植被含水量之间的相关性，构建振幅与植被含水量之间的经验方程，以根据所述经验方程反演得到所述长时间序列的植被含水量；

其中，所述经验方程为：

，

式中，

优选地，所述基于长时间序列的植被含水量，结合预先获取的植被归一化指数数据，计算得到植被冠层引起的相位偏移量，具体为：

构建植被含水量与相位偏移量之间的关系模型；

结合预先获取的植被归一化指数数据，解算得到所述关系模型的参数，以基于所述关系模型计算得到植被冠层引起的相位偏移量。

优选地，所述关系模型为：

，

式中，Δ

优选地，所述根据所述相位偏移量对标准相位进行修正，并结合实测土壤水分数据，估算得到土壤水分数据，具体为：

利用所述相位偏移量对于所述标准相位进行修正，得到修正后的相位值；

基于相位与土壤水分之间的相关性，构建土壤水分反演模型；

根据所述修正后的相位值和所述实测土壤水分数据，解算所述土壤水分反演模型的参数；

基于解算得到的所述土壤水分反演模型的参数，以及所述修正后的相位值，计算得到所述土壤水分数据。

优选地，所述土壤水分反演模型为：

，

式中，

有益效果：

本申请的技术方案中，通过地基GNSS-R的原始信噪比（Signal-Noise Ratio，SNR）数据提取得到振幅和标准相位；然后利用提取到的振幅反演得到长时间序列的植被含水量；接着基于长时间序列的植被含水量，结合预先获取的植被归一化指数数据，计算得到植被冠层引起的相位偏移量；最终根据相位偏移量对标准相位进行修正，并结合实测土壤水分数据，估算得到土壤水分数据。由于地基GNSS-R数据具有精度高、时间分辨率高的特点，为对某一地区进行长时间序列高精度、高时间分辨率的土壤水分监测提供了基础，同时，基于振幅估算植被含水量，进而反演植被冠层引起的相位偏移量，以对植被覆盖导致的信号衰减进行修正，减弱了植被覆盖对土壤水分估算的影响，更准确地反演出了地表土壤水分，从而进一步提高了土壤水分估算的精度。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。其中：

图1为根据本申请的一些实施例提供的基于修正相位的地基GNSS-R数据土壤水分估算方法的流程示意图；

图2为根据本申请的一些实施例提供的振幅与植被含水量之间的相关性示意图；

图3为根据本申请的一些实施例提供的相位与土壤水分之间的相关性示意图。

具体实施方式

下面将参考附图并结合实施例来详细说明本申请。各个示例通过本申请的解释的方式提供而非限制本申请。实际上，本领域的技术人员将清楚，在不脱离本申请的范围或精神的情况下，可在本申请中进行修改和变型。例如，示为或描述为一个实施例的一部分的特征可用于另一个实施例，以产生又一个实施例。因此，所期望的是，本申请包含归入所附权利要求及其等同物的范围内的此类修改和变型。

本申请实施例提供一种基于修正相位的地基GNSS-R数据土壤水分估算方法，如图1、图2、图3所示，该方法包括：

步骤S101、对地基GNSS-R的原始信噪比数据进行提取，得到振幅和标准相位。

其中，全球卫星导航定位系统（Global Navigation Satellite System，GNSS）是能在地球表面或近地空间的任何地点为用户提供全天候的三维坐标和速度以及时间信息的空基无线电导航定位系统，GNSS不仅能够提供精确的导航定位功能，其反射信号（GNSSReflectometry，GNSS-R）也可用于地表参数监测。GNSS-R技术将GNSS信号中的冗余信号源，如多路径效应等信息变为遥感信号源，作为海洋及陆表参数反演的创新增值应用，扩大了GNSS遥感的应用范围，具有低成本、高时空分辨率及覆盖范围广等诸多优点。

地基GNSS-R遥感数据估算土壤水分方法研究可借助地面布设的GNSS站网获取数据，该方法具有精度高、时间分辨率高、成本低等诸多优势，非常适用于对某一地区长时间序列的土壤水分监测。

然而，受到植被覆盖衰减的影响，直接采用地基GNSS-R的原始信噪比数据对土壤水分进行估算所得到的估算结果精度存在一定的偏差，因此，本申请实施例基于地基GNSS-R信噪比数据进行土壤水分估算时，重点解决植被对信号衰减的影响，采用基于振幅对信号衰减进行修正的方法，以减弱植被覆盖的影响，更准确地反演地表土壤水分。

一些实施例中，对地基GNSS-R的原始信噪比数据进行提取，得到振幅和标准相位，具体为：采用二次多项式拟合的方法对地基GNSS-R的原始信噪比数据进行拟合，构建信号分离模型；并基于信号分离模型分离出仅包含反射分量的信噪比数据；采用非线性最小二乘法（Nonlinear Least Squares Fitting Algorithm），基于分离得到的仅包含反射分量的信噪比数据构建振幅和相位的估算模型，并基于估算模型估算得到振幅和标准相位。

应理解，本申请实施例的信号分离模型可以基于多种技术实现，比如根据原始信噪比数据采用机器学习模型提取出仅包含反射分量的信噪比数据。

由于信噪比数据与振幅、相位之间的非线性关系，本申请实施例采用采用二次多项式拟合的方法进行信号分离，具体地，信号分离模型为：

（1）

式中，

通过二次多项式拟合的方法拟合出原始信噪比数据的变化趋势，然后将原始信噪比信号中的直接信号、反射信号进行分离，得到只包含反射分量的信噪比数据

在信号分离得到仅包含反射分量的信噪比数据的基础上，上述估算模型为：

（2）

式中，

传统基于GNSS信噪比数据反演土壤水分通常基于天线有效反射高度进行估算，本申请实施例的估算模型中，将天线有效反射高度作为已知量，比如，天线有效反射高度为2.1米，进一步利用非线性最小二乘法拟合GNSS卫星的高度角的正弦值和分离得到的仅包含反射分量的信噪比数据，然后基于该估算模型对标准相位和振幅进行估算，得到长时间序列的相位信息和振幅信息，为基于振幅对对信号衰减进行修正奠定基础。

步骤S102、基于振幅，反演得到长时间序列的植被含水量。

一些实施例中，基于振幅，反演得到长时间序列的植被含水量，具体为：确定振幅与植被含水量之间的相关性。

将前述步骤估算得到的振幅进行归一化处理，并将归一化处理后的振幅作为纵轴，预先获取的植被含水量数据作为横轴，得到如图2所示的散点图。从图2可以看出，振幅与植被含水量之间表现出较好的线性相关性（

需要特别说明的是，预先获取的植被含水量为实测数据，通常为多个时间点收集得到的数据，而获取长时间序列的植被含水量存在一定的难度，因此，在确定的振幅与植被含水量之间的相关性，即振幅与植被含水量较长的线性关系的基础上，当植被含水量数据无法从实测数据获得而缺失时，可以用振幅反演长时间序列的植被含水量。

在一个具体的例子中，反演长时间序列的植物含水量可以通过经验方程实现，即，基于振幅与植被含水量之间的相关性，构建振幅与植被含水量之间的经验方程，以根据经验方程反演得到长时间序列的植被含水量；其中，经验方程为：

（3）

式中，

通过构建经验方程，将归一化处理后的振幅（

步骤S103、基于长时间序列的植被含水量，结合预先获取的植被归一化指数数据，计算得到植被冠层引起的相位偏移量。

应理解，地表植被覆盖将对电磁波产生一定的吸收和反射作用，导致相应的相位产生一定的偏移，也即，GNSS-R信噪比数据估算得到的标准相位存在一定的偏移，进而导致基于该标准相位反演得到的土壤水分数据存在一定的偏差。本申请实施例中，采用植被冠层引起的相位偏移量表征植被覆盖引起的信号衰减量，并利用预先获取的归一化植被（NDVI）指数，结合GNSS-R信噪比数据提取得到的标准相位，计算植被冠层引起的相位偏移量。

一些实施例中，基于长时间序列的植被含水量，结合预先获取的植被归一化指数数据，计算得到植被冠层引起的相位偏移量，具体为：构建植被含水量与相位偏移量之间的关系模型；结合预先获取的植被归一化指数数据，解算得到关系模型的参数，以基于关系模型计算得到植被冠层引起的相位偏移量。

本申请实施例中，利用经验方程反演得到长时间序列的植被含水量估算植被冠层引起的相位偏移量Δ

具体地，该植被含水量与相位偏移量之间的关系模型为：

（4）

式中，Δ

应理解，上述关系模型也可以基于机器学习模型构建。在确定关系模型的基础上，结合预先获取的植被归一化指数数据，采用假设法对相位偏移量Δ

步骤S104、根据相位偏移量对标准相位进行修正，并结合实测土壤水分数据，估算得到土壤水分数据。

一些实施例中，根据相位偏移量对标准相位进行修正，并结合实测土壤水分数据，估算得到土壤水分数据，具体为：利用相位偏移量对于标准相位进行修正，得到修正后的相位值；基于相位与土壤水分之间的相关性，构建土壤水分反演模型；根据修正后的相位值和实测土壤水分数据，解算土壤水分反演模型的参数；基于解算得到的土壤水分反演模型的参数，以及修正后的相位值，计算得到土壤水分数据。

首先利用相位偏移量对标准相位进行修正，得到修正后的相位值，其计算公式如下：

（5）

其中，

然后确定相位与土壤水分之间的相关性。具体地，以修正后的相位为纵轴，以实测土壤水分数据为横轴，绘制得到散点图，以确定相位与土壤水分之间的相关性。图3为相位与土壤水分之间的相关性示意图，其中，实线表示2016年实测的土壤水分数据，其变化趋势与2016年降水量趋势相匹配，从图3可以看出，相位与实测土壤水分数据之间显示出良好的一致性，并且修正后的相位比修正前的相位与实测土壤水分数据误差更小、精度更高，因此，可以基于修正后的相位对土壤水分进行估算。

随后，基于相位与土壤水分之间的相关性，构建土壤水分反演模型，其中，土壤水分反演模型可以是任意能够反映相位与土壤水分之间相关关系的模型，比如机器学习模型、回归预测模型等。在一个具体例子中，土壤水分反演模型为：

（6）

式中，

其中，

本申请实施例中，通过线性拟合相位与土壤水分之间的相关关系，使得模型的构建更加简单，在实测数据数量有限、样本不足的情况下也能够有效地获取到土壤水分数据。

综上所述，本申请实施例中，通过地基GNSS-R的原始信噪比数据提取得到振幅和标准相位；然后利用提取到的振幅反演得到长时间序列的植被含水量；接着基于长时间序列的植被含水量，结合预先获取的植被归一化指数数据，计算得到植被冠层引起的相位偏移量；最终根据相位偏移量和实测土壤水分数据，估算得到土壤水分数据。由于地基GNSS-R数据具有精度高、时间分辨率高的特点，为对某一地区进行长时间序列高精度、高时间分辨率的土壤水分监测提供了基础，同时，基于振幅对植被覆盖导致的信号衰减进行修正，减弱植被覆盖对土壤水分估算的影响，更准确地反演地表土壤水分，进一步提高了土壤水分估算的精度。

本申请中，通过地基GNSS-R的信噪比数据，提取标准相位、振幅等特征参量与地表参量（实测植被水分数据、实测土壤水分数据）建立函数关系；然后，明确相位与土壤水分的相关性、振幅与植被含水量的相关性；通过振幅对信号衰减进行修正，减少植被对相位信息的干扰，更准确地反演地表土壤水分。

以上所述仅为本申请的优选实施例，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。