阶段模型修正的星载GNSS-R土壤湿度反演方法

摘要：

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SMA P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SMA P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.

关键词：CYGNSS、GNSS-R、SMAP、土壤湿度、神经网络、时间序列

所属期刊栏目：51

分类号：P237(摄影测量学与测绘遥感)

资助基金：安徽省自然科学基金;国家自然科学基金;武汉大学测绘遥感信息工程国家重点实验室开放研究基金;安徽省自然科学基金

在线出版日期：2022-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1942-1950