CN106290408A - 基于连续运行gnss站信噪比数据的土壤水分测量方法 - Google Patents
基于连续运行gnss站信噪比数据的土壤水分测量方法 Download PDFInfo
- Publication number
- CN106290408A CN106290408A CN201610578805.3A CN201610578805A CN106290408A CN 106290408 A CN106290408 A CN 106290408A CN 201610578805 A CN201610578805 A CN 201610578805A CN 106290408 A CN106290408 A CN 106290408A
- Authority
- CN
- China
- Prior art keywords
- signal
- soil moisture
- noise ratio
- reflecting surface
- gnss
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/613—Specific applications or type of materials moisture
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/616—Specific applications or type of materials earth materials
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供一种基于连续运行GNSS站信噪比数据的土壤水分测量方法,包括以下步骤:建立GNSS直达信号与经地表反射后的右旋圆极化反射信号之间的干涉模型;利用所述干涉模型对观测到的信噪比数据进行拟合处理,获得有效反射面高度,该有效反射面高度为天线相位中心距与效反射面之间的铅垂距离;将不同土壤水分条件下获得的有效反射面高度与实测土壤水分进行拟合,得到每颗GNSS卫星信号由有效反射面高度到土壤水分的反演公式与拟合优度;以所述拟合优度为权重,对由每颗GNSS卫星信号得到的土壤水分进行加权平均,得到土壤水分反演值。本发明提供的土壤水分测量方法简单有效。
Description
技术领域
本发明涉及一种土壤水分信息的测量方法,尤其涉及一种基于连续运行GNSS站信噪比数据的土壤水分测量方法。
背景技术
作为水循环中的一个关键要素,土壤水分信息对水文、气候、生态、农业等科研与生产领域非常重要,但是土壤水分空间分布不均匀,且随时间动态变化,因此准确测量土壤水分具有重要意义。
目前用于获取土壤水分信息的手段存在诸多局限:土壤水分仪只能实施单点监测,空间代表性差,接触式测量也会影响土壤特性,而且大范围的组网观测成本较高;遥感观测手段中,可见光/近红外传感器不能全天时、全天候工作,单基地主动雷达受地表粗糙度的影响较大,微波辐射计的空间分辨率较低,而且遥感卫星的重访周期较长,远超出土壤水分的时间变化尺度。
自1993年Martín-Neira提出利用GPS反射信号测量海面高度后,全球导航卫星系统反射信号遥感技术(Global Navigation Satellite System Reflectometry,GNSS-R)逐渐兴起并迅速发展。利用GNSS卫星提供的长期稳定、高时空分辨率的L波段微波信号,凭借对土壤水分敏感、能够穿透云层与中等植被覆盖、双基地雷达结构等优点,GNSS-R成为一种探测地表土壤水分的有效手段。
最初GNSS-R反演土壤水分是通过测量GNSS直达与反射信号延迟功率波形峰值计算反射系数,继而计算土壤介电常数,最终得到土壤水分。随着研究的深入,基于直达与反射信号干涉波形的GPS干涉反射技术(GPS Inteferometric Reflectometry,GPS-IR)与干涉模式技术(Interference Pattern Technique,IPT)相继被提出。GPS-IR技术利用连续运行GPS站记录的信噪比(Signal to Noise Ratio,SNR)数据,对分离出来的干涉分量进行正弦函数拟合,将正弦函数的相位与土壤水分建立联系;IPT技术采用特制的接收机与垂直极化天线接收直达与反射信号的干涉波形,利用布鲁斯特角进行土壤水分反演。然而,GPS-IR技术虽然利用连续运行大地测量用GPS接收机记录的SNR数据,但是处理过程繁琐且假设前提较多,如用多项式拟合直达分量与假设干涉分量振幅恒定等,容易造成误差累积;IPT技术虽然直接处理原始SNR数据,但需要特制的GNSS-R接收机与垂直极化天线,无法像GPS-IR技术那样充分利用现已广泛存在的各种CORS(Continuously Operating ReferenceStation)站网中的免费公开数据。
发明内容
由此可见,确有必要提供一种简单有效的土壤水分测量方法。
一种土壤水分的测量方法,包括以下步骤:建立GNSS直达信号与经地表反射后的右旋圆极化反射信号之间的干涉模型;利用所述干涉模型对观测到的信噪比数据进行拟合处理,获得有效反射面高度h,该有效反射面高度h为天线相位中心与有效反射面之间的铅垂距离;将不同土壤水分条件下获得的有效反射面高度h与实测土壤水分进行拟合,得到每颗GNSS卫星信号由有效反射面高度h到土壤水分的反演公式与拟合优度;以及以所述拟合优度为权重,对由每颗GNSS卫星信号得到的土壤水分进行加权平均,得到土壤水分反演值。
在其中一个实施例中,所述干涉模型为:
其中,Ei为直达信号振幅,γ为仰角,ε为地表介电常数,R(γ,ε)为菲涅尔反射系数,G为GNSS天线增益模式,G(γ)为直达信号增益,G(-γ)为反射信号增益,为反射信号与直达信号之间的相位差。
在其中一个实施例中,利用所述干涉模型对观测到的SNR数据进行拟合处理包括:
选取GNSS卫星升起或降落过程中预定仰角范围的信噪比数据;
得到信噪比数据随GNSS卫星仰角变化的波形;以及
利用干涉模型对该信噪比数据波形进行拟合处理。
在其中一个实施例中,所述观测到的信噪比数据为GNSS卫星升起或降落过程中预定仰角范围的信噪比数据。
在其中一个实施例中,所述仰角范围为5°-40°中的任意区间。
在其中一个实施例中,利用所述干涉模型对观测到的信噪比数据进行拟合处理为利用最小二乘法对观测到的信噪比数据进行拟合处理。
在其中一个实施例中,将预定时间内的各颗GNSS卫星信号得到的有效反射面高度h分别与预定深度的实测土壤水分进行线性拟合。
在其中一个实施例中,GNSS卫星信号得到的土壤水分为距离地表小于5cm深度范围的土壤水分。
相对于传统技术,本发明提供的土壤水分的测量方法,综合GPS-IR与IPT技术的优点,提供了一种简单有效的基于连续运行GNSS站SNR数据的土壤水分测量方法。
附图说明
图1为本发明实施例提供的土壤水分测量方法的流程图。
图2为本发明实施例提供的土壤水分测量方法的总体框图。
图3为地基GNSS站直达信号与反射信号干涉示意图。
图4为本发明实施例中利用干涉模型拟合观测的SNR数据的示例。
图5为本发明实施例中负有效反射面高度与实测土壤水分线性拟合的示例。
具体实施方式
下面将结合附图及具体实施例对本发明提供的土壤水分的测量方法作进一步的详细说明。
请一并参见图1与图2,本发明实施例提供一种基于连续运行GNSS(GlobalNavigation Satellite System)站信噪比(Signal to Noise Ratio,SNR)数据的土壤水分测量方法,该方法包括以下步骤:
S1,建立GNSS直达信号与经地表反射后的右旋圆极化反射信号之间的干涉模型;
S2,利用所述干涉模型对观测到的SNR数据进行拟合处理,获得有效反射面高度h,该有效反射面高度h为天线相位中心与有效反射面之间的铅垂距离;
S3,将不同土壤水分条件下获得的有效反射面高度h与实测土壤水分进行拟合,得到每颗GNSS卫星信号由有效反射面高度h到土壤水分的反演公式与拟合优度;
S4,以所述拟合优度为权重,对由每颗GNSS卫星信号得到的土壤水分进行加权平均,得到一定时间分辨率的土壤水分反演值。
请参见图3,步骤S1中,假设到达GNSS接收机天线相位中心的信号是由直达信号与镜面反射信号干涉叠加生成,地表水平,则卫星高度角即为信号仰角。其中直达信号振幅为Ei,仰角为γ,地表介电常数为ε,则菲涅尔反射系数为R(γ,ε),镜面反射信号振幅为Ei·R(γ,ε)。GNSS天线增益模式为G,则对应于直达与反射信号的增益分别为G(+γ)与G(-γ)。定义有效反射面高度h为GNSS接收机天线相位中心到地表的高度与GNSS信号在土壤中的探测深度之和,即天线相位中心与有效反射面之间的铅垂距离。因此在GNSS接收机天线相位中心到地表高度不变的情况下,有效反射面高度h的变化反映了GNSS信号在土壤中探测深度的变化。
假设直达信号为Sd(t),反射信号为Sr(t),干涉信号为Sinterf(t),则:
Sd(t)=Ei·G(γ)1/2·cos(ωt) (1)
Sinterf(t)=SNR1/2·cos(ωt+ψ) (3)
其中,ω为信号的角频率,t为时间,与ψ分别为反射信号与干涉信号相对于直达信号的相位延迟。
因为干涉信号可表示为直达信号与反射信号的相干叠加,则由式(1)与式(2)得:
由式(3)得:
Sinterf(t)=(-SNR1/2·sinψ)·sinωt+(SNR1/2·cosψ)·cosωt (5)
所以,由式(4)与式(5)得:
其中,反射信号与直达信号之间的相位差为:
其中,λ为GNSS信号波长。
因为直达GNSS信号为右旋圆极化,与之产生干涉的反射GNSS信号同为右旋圆极化,则右旋到右旋的GNSS信号反射系数Rrr为:
其中,下标r,v,h分别表示右旋圆极化、垂直线极化与水平线极化,Rvv与Rhh分别为:
因为SNR数据的单位一般用dB表示,可以由式(6)得:
步骤S2中,利用所述干涉模型对观测到的SNR数据进行拟合处理,获得有效反射面高度h。
所述SNR数据优选为GNSS卫星升起或降落过程中预定仰角范围的SNR数据。所述仰角范围可为5°-40°中的任意区间,如5°-25°、5°-30°或8°-16°等,可以根据需要进行选择,仰角范围大于等于5°可以保证信号通视,不受地表物体遮挡;仰角范围超过40°后干涉波形振荡幅度将不再显著。本实施例中,仰角范围优选为5°-20°,既确保信号通视,又确保干涉波形振荡幅度显著。
针对具体的某颗GNSS卫星SVn,其拟合过程为:
选取GNSS卫星SVn升起或降落过程中预定仰角范围的SNR数据;
得到SNR随卫星仰角变化的波形;以及
利用步骤S1得到的干涉模型对该SNR数据波形进行拟合处理。
请参阅图4,本实施例中基于最小二乘法利用式(11)表示的干涉模型对卫星SVn仰角范围为5°-20°的SNR波形进行拟合,得到该卫星的有效反射面高度hSVn。
步骤S3中,将预定时间T1内的不同GNSS卫星信号的有效反射面高度h与一定深度的实测土壤水分进行拟合。本实施例中选取的T1为6个月,实测土壤水分smc(soilmoisture content)的深度为2.5cm,采用线性拟合,拟合结果如图5所示,得到每颗GNSS卫星由有效反射面高度到土壤水分的反演公式与拟合优度:
本实施例中,数据训练阶段投入6个月数据建立反演公式,综合考虑反演公式的鲁棒性以及时间成本的经济性而确定了6个月的长度,可以理解,T1的范围可以根据具体的应用情况调整。本实施例中,数据训练阶段使用2.5em深度的实测土壤水分,这是因为根据土壤湿度的不同,L波段GNSS信号探测的为距离地表小于5cm深度范围的土壤水分。可以理解,所述实测土壤水分的深度可以在GNSS信号探测范围内根据具体的情况进行调整。
步骤S4中,利用式(12)得到预定时间T2内由观测到的若干颗GNSS卫星(SV1,SV2,...,SVn)信号得到的土壤水分(smcsv1,smcsv2,...,smcSVn),以这些卫星对应的拟合优度为权重,对多个土壤水分值进行加权平均,得到T2时段内土壤水分反演值:
本实施例中,选取的T2时段长度为12小时,因为GNSS卫星高度角变化5°-20°需约1小时,因此12小时内地基GNSS站有足够数量的卫星信号反演结果进行加权处理。本领域技术人员可以根据实际应用需求对土壤水分反演结果的时间分辨率进行调整。
本发明基于地基GNSS站SNR数据干涉模型,有效反射面高度与实测土壤水分的线性拟合和对不同GNSS卫星信号得到的土壤水分加权平均可用类似的方法替代,例如指数拟合法或取中位数等,仍在本发明所定义的范围以内。
本发明利用空间上广泛分布、时间上连续运行的GNSS站进行站点周围长时间序列的地表土壤水分反演,探测结果同样可以为利用L波段的土壤水分遥感卫星提供标定。本发明适用于各类连续运行卫星定位服务参考站(Continuously Operating ReferenceStation,CORS)接收的GPS、北斗等多种导航卫星信号的处理。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种土壤水分的测量方法,包括以下步骤:
建立GNSS直达信号与经地表反射后的右旋圆极化反射信号之间的干涉模型;
利用所述干涉模型对观测到的信噪比数据进行拟合处理,获得有效反射面高度h,该有效反射面高度h为天线相位中心与有效反射面之间的铅垂距离;
将不同土壤水分条件下获得的有效反射面高度h与实测土壤水分进行拟合,得到每颗GNSS卫星信号由有效反射面高度h到土壤水分的反演公式与拟合优度;以及
以所述拟合优度为权重,对预定时间内由每颗GNSS卫星信号得到的土壤水分进行加权平均,得到土壤水分反演值。
2.如权利要求1所述的土壤水分的测量方法,其特征在于,所述干涉模型为:
其中,Ei为直达信号振幅,γ为仰角,ε为地表介电常数,R(γ,ε)为菲涅尔反射系数,G为GNSS天线增益模式,G(γ)为直达信号增益,G(-γ)为反射信号增益,为反射信号与直达信号之间的相位差。
3.如权利要求1所述的土壤水分的测量方法,其特征在于,利用所述干涉模型对观测到的SNR数据进行拟合处理包括:
选取GNSS卫星升起或降落过程中预定仰角范围的信噪比数据;
得到信噪比数据随GNSS卫星仰角变化的波形;以及
利用干涉模型对该信噪比数据波形进行拟合处理。
4.如权利要求1所述的土壤水分的测量方法,其特征在于,所述观测到的信噪比数据为GNSS卫星升起或降落过程中预定仰角范围的信噪比数据。
5.如权利要求4所述的土壤水分测量方法,其特征在于,所述仰角范围为5°-40°中的任意区间。
6.如权利要求1所述的土壤水分的测量方法,其特征在于,利用所述干涉模型对观测到的信噪比数据进行拟合处理为利用最小二乘法对观测到的信噪比数据进行拟合处理。
7.如权利要求1所述的土壤水分的测量方法,其特征在于,将预定时间内的各颗GNSS卫星信号得到的有效反射面高度h分别与预定深度的实测土壤水分进行线性拟合。
8.如权利要求1所述的土壤水分的测量方法,其特征在于,GNSS卫星信号得到的土壤水分为距离地表小于5cm深度范围的土壤水分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610578805.3A CN106290408B (zh) | 2016-07-21 | 2016-07-21 | 基于连续运行gnss站信噪比数据的土壤水分测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610578805.3A CN106290408B (zh) | 2016-07-21 | 2016-07-21 | 基于连续运行gnss站信噪比数据的土壤水分测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106290408A true CN106290408A (zh) | 2017-01-04 |
CN106290408B CN106290408B (zh) | 2019-01-04 |
Family
ID=57651882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610578805.3A Active CN106290408B (zh) | 2016-07-21 | 2016-07-21 | 基于连续运行gnss站信噪比数据的土壤水分测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106290408B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337550A (zh) * | 2020-03-13 | 2020-06-26 | 山东航向电子科技有限公司 | 基于gnss干涉信号的冻土土壤湿度监测方法 |
CN111366617A (zh) * | 2020-03-13 | 2020-07-03 | 山东航向电子科技有限公司 | 半监督模糊识别模型及基于该模型的土壤湿度测量方法 |
CN112415026A (zh) * | 2020-11-12 | 2021-02-26 | 长安大学 | Gnss-ir解译土壤湿度变化和植被生长过程的方法 |
CN112505068A (zh) * | 2020-11-03 | 2021-03-16 | 桂林理工大学 | 一种基于gnss-ir的地表土壤湿度多星组合反演方法 |
CN114839354A (zh) * | 2022-07-02 | 2022-08-02 | 杭州电子科技大学 | 基于滑动算法和加权策略的北斗/gps土壤湿度测量法 |
CN115078408A (zh) * | 2022-06-24 | 2022-09-20 | 滁州学院 | 基于多卫星双频组合多路径误差的土壤含水量监测方法 |
CN117554593A (zh) * | 2023-11-14 | 2024-02-13 | 山东省科霖检测有限公司 | 一种农田土壤墒情实时监测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101900692A (zh) * | 2010-06-18 | 2010-12-01 | 武汉大学 | 大面积土壤湿度测量方法 |
US20150268218A1 (en) * | 2013-03-14 | 2015-09-24 | Robert Ernest Troxler | Systems and methods for asphalt density and soil moisture measurements using ground penetrating radar |
CN105277575A (zh) * | 2015-11-23 | 2016-01-27 | 武汉大学 | 一种利用gps信噪比等级数据进行土壤湿度估计的方法 |
CN105334510A (zh) * | 2015-10-19 | 2016-02-17 | 叶雷 | 一种gnss-r地表探测装置和方法 |
-
2016
- 2016-07-21 CN CN201610578805.3A patent/CN106290408B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101900692A (zh) * | 2010-06-18 | 2010-12-01 | 武汉大学 | 大面积土壤湿度测量方法 |
US20150268218A1 (en) * | 2013-03-14 | 2015-09-24 | Robert Ernest Troxler | Systems and methods for asphalt density and soil moisture measurements using ground penetrating radar |
CN105334510A (zh) * | 2015-10-19 | 2016-02-17 | 叶雷 | 一种gnss-r地表探测装置和方法 |
CN105277575A (zh) * | 2015-11-23 | 2016-01-27 | 武汉大学 | 一种利用gps信噪比等级数据进行土壤湿度估计的方法 |
Non-Patent Citations (3)
Title |
---|
XUEFENG PENG ET AL: "Using GPS SNR data to estimate soil moisture variations: Proposing a new interference model", 《IGARSS 2016》 * |
万玮 等: "GNSS-R遥感观测模式及陆面应用", 《遥感学报》 * |
彭学峰 等: "一种基于查找表的GNSS-R土壤含水量估算方法", 《北京大学学报(自然科学版)》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337550A (zh) * | 2020-03-13 | 2020-06-26 | 山东航向电子科技有限公司 | 基于gnss干涉信号的冻土土壤湿度监测方法 |
CN111366617A (zh) * | 2020-03-13 | 2020-07-03 | 山东航向电子科技有限公司 | 半监督模糊识别模型及基于该模型的土壤湿度测量方法 |
CN111337550B (zh) * | 2020-03-13 | 2022-11-04 | 山东航向电子科技有限公司 | 基于gnss干涉信号的冻土土壤湿度监测方法 |
CN112505068A (zh) * | 2020-11-03 | 2021-03-16 | 桂林理工大学 | 一种基于gnss-ir的地表土壤湿度多星组合反演方法 |
CN112505068B (zh) * | 2020-11-03 | 2023-08-11 | 桂林理工大学 | 一种基于gnss-ir的地表土壤湿度多星组合反演方法 |
CN112415026A (zh) * | 2020-11-12 | 2021-02-26 | 长安大学 | Gnss-ir解译土壤湿度变化和植被生长过程的方法 |
CN115078408A (zh) * | 2022-06-24 | 2022-09-20 | 滁州学院 | 基于多卫星双频组合多路径误差的土壤含水量监测方法 |
CN114839354A (zh) * | 2022-07-02 | 2022-08-02 | 杭州电子科技大学 | 基于滑动算法和加权策略的北斗/gps土壤湿度测量法 |
CN117554593A (zh) * | 2023-11-14 | 2024-02-13 | 山东省科霖检测有限公司 | 一种农田土壤墒情实时监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106290408B (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106290408A (zh) | 基于连续运行gnss站信噪比数据的土壤水分测量方法 | |
Leinss et al. | Snow water equivalent of dry snow measured by differential interferometry | |
Bartalis et al. | Initial soil moisture retrievals from the METOP‐A Advanced Scatterometer (ASCAT) | |
Koch et al. | Retrieval of snow water equivalent, liquid water content, and snow height of dry and wet snow by combining GPS signal attenuation and time delay | |
Larson et al. | Can we measure snow depth with GPS receivers? | |
Löfgren et al. | Sea level time series and ocean tide analysis from multipath signals at five GPS sites in different parts of the world | |
Guo et al. | Estimating atmospheric boundary layer depth using COSMIC radio occultation data | |
Gutmann et al. | Snow measurement by GPS interferometric reflectometry: an evaluation at Niwot Ridge, Colorado | |
Leon et al. | Climatology of drizzle in marine boundary layer clouds based on 1 year of data from CloudSat and Cloud‐Aerosol Lidar and Infrared Pathfinder Satellite Observations (CALIPSO) | |
Larson et al. | Estimation of snow depth using L1 GPS signal-to-noise ratio data | |
Larson et al. | Normalized microwave reflection index: A vegetation measurement derived from GPS networks | |
Strandberg et al. | Coastal sea ice detection using ground-based GNSS-R | |
Larson | Unanticipated uses of the global positioning system | |
Zhang et al. | Avoiding errors attributable to topography in GPS-IR snow depth retrievals | |
Chimitdorzhiev et al. | Comparison of ALOS PALSAR interferometry and field geodetic leveling for marshy soil thaw/freeze monitoring, case study from the Baikal lake region, Russia | |
Matrosov | Potential for attenuation‐based estimations of rainfall rate from CloudSat | |
CN106767383A (zh) | 基于连续运行gnss站信噪比数据的积雪深度的测量方法 | |
Renju et al. | Microwave radiometer observations of interannual water vapor variability and vertical structure over a tropical station | |
CN106768179A (zh) | 基于连续运行gnss站信噪比数据的潮位的测量方法 | |
Graffigna et al. | Interpretation of the tropospheric gradients estimated with GPS during Hurricane Harvey | |
Barrett et al. | Detecting changes in surface soil moisture content using differential SAR interferometry | |
Borsa et al. | A terrestrial validation of ICESat elevation measurements and implications for global reanalyses | |
Serra | Precipitation measurements from the Tropical Moored Array: A review and look ahead | |
Schween et al. | Horizontal-humidity gradient from one single-scanning microwave radiometer | |
Deshpande et al. | Mesoscale kinematics derived from X‐band Doppler radar observations of convective versus stratiform precipitation and comparison with GPS radiosonde profiles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |