CN110132373A - 一种基于卫星测高数据的大型内陆湖泊和湿地水位反演方法 - Google Patents

一种基于卫星测高数据的大型内陆湖泊和湿地水位反演方法 Download PDF

Info

Publication number
CN110132373A
CN110132373A CN201910388888.3A CN201910388888A CN110132373A CN 110132373 A CN110132373 A CN 110132373A CN 201910388888 A CN201910388888 A CN 201910388888A CN 110132373 A CN110132373 A CN 110132373A
Authority
CN
China
Prior art keywords
echo
water level
data
value
reset
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
Application number
CN201910388888.3A
Other languages
English (en)
Other versions
CN110132373B (zh
Inventor
陈海珍
井发明
包颖
梅元勋
赵赛帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo alatu Digital Technology Co.,Ltd.
Ningbo Institute of Surveying and mapping and remote sensing technology
Original Assignee
Ningbo Alata Digital Science And Technology Center
Ningbo Institute Of Surveying And Mapping Design
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ningbo Alata Digital Science And Technology Center, Ningbo Institute Of Surveying And Mapping Design filed Critical Ningbo Alata Digital Science And Technology Center
Priority to CN201910388888.3A priority Critical patent/CN110132373B/zh
Publication of CN110132373A publication Critical patent/CN110132373A/zh
Application granted granted Critical
Publication of CN110132373B publication Critical patent/CN110132373B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
    • G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
    • G01F23/284—Electromagnetic waves

Landscapes

  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Thermal Sciences (AREA)
  • Fluid Mechanics (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明涉及一种基于卫星测高数据的大型内陆湖泊和湿地水位反演方法，包括以下步骤：对回波数据进行预处理，通过提取出预处理后的回波波形中的主导上升前缘，并进行回波波形重定；在研究区域内任意选取多条轨迹线中的连续回波数据，使用不同的阈值进行回波重定，并计算出回波重定后对应的改善值；找出改善值的最大值，将该改善值最大值对应的阈值作为最优阈值；使用最优阈值进行回波波形重定，计算出水位高度；对研究区域内的所有水位高度进行后处理；最后，对最终的时间序列水位高度进行数据校验，判断数据校验后的精度是否在允许范围内，如是，则输出该时间序列水位高度；如否，则继续回波重定。该水位反演方法的计算简单、速度快且精度高。

Description

一种基于卫星测高数据的大型内陆湖泊和湿地水位反演方法
技术领域
本发明涉及数据测量领域，特别涉及一种基于卫星测高数据的大型内陆湖泊和湿地水位反演方法。
背景技术
大型内陆湖泊和湿地给野生动植物提供了重要的生息场所，具有不可替代的生态功能，但是由于其占地范围大，地理环境复杂，水位节令变化大，给水位研究带来了巨大的困难。传统水位测量主要由水文站完成，具有测量精度高，获取水位信息连续等优势，但不足之处也很明显，水文站维护成本高，只能以点带面，且大型内陆湖泊和湿地一般地处偏远欠发达地区，由于经济设施因素及下垫面地理条件限制，形成一定的观测盲区，给相关科学研究带来了一定的障碍。
卫星测高是利用人造地球卫星携带的测高仪，测定卫星到瞬时海平面(或平坦地面)的垂直距离的技术，具有覆盖范围大、重返周期短、精度较高等特点。卫星测高的最初目的是为测量全球海平面变化，随着技术的发展，卫星测高在反演陆地水域水面高度的应用潜力慢慢被挖掘。
现有技术中，采用卫星测高数据进行湖库水位的测量，如已有申请号为201810221252.5的中国发明专利公开了一种基于筛选的卫星测高数据提取湖库水位的方法，包括：卫星测高数据选取下载和基本编辑处理；利用卫星测高数据和水位测高公式初步计算湖库水位；根据初步计算的水位，对卫星测高数据进行质量评价和质量分级；基于质量评价结果筛除异常数据，保留优质数据集，计算测高平均水位，作为当期湖库水位；最后将不同周期的水位数据约化到同一参考点上，并在整个时间序列上行滤波处理，剔除粗差，得到相对一致的时间序列湖库水位。该专利中的提取方法可有效消除卫星测高数据噪声造成的干扰，提高卫星测高数据的可用性和监测湖库水位的精度。
但是，在上述专利里由于湖库水位计算时直接采用卫星测高数据代入湖库测高公式中计算，未对卫星测高数据中的回波数据进行处理，该方法中未考虑到近海区域内，由于沿海陆地地形、岛屿、潮汐、地球物理因素和仪器硬件等影响造成卫星测高脉冲的反射波形不规则的现象。
目前，现有的技术中，卫星测高波形重定方法有OCOG算法、Ice2算法、Threshold算法以及改进的Threshold算法，OCOG算法是先找到每个返回波形的重心，以数值方式统计出波形振幅、宽度与重心位置，该方法计算简单方便，但由于OCOG算法中使用了全部的波形数据，而波形受到近海岸地形、地球物理因素、硬件和偏离星下点等的影响时，波形中含有较大的噪声，因此该算法受噪声影响大，计算得到的海面高精度低；Ice2算法针对冰盖回波波形进行重定，主要用于冰盖区域；Threshold算法是根据振幅、最大波形采样等给出门槛值，在与前缘陡峭部分相交门槛的几个临近采样值之间进行线性内插，以确定重定点，但该算法中的门槛值确定不准确，具有很大的误差；在改进的Threshold算法中首先进行波形分析，找到波形中所包含的所有子波形，然后利用改进的波形公式进行重定，该算法中一个波形可能确定多个前缘，计算得到多个重定后的距离改正，但对于多个前缘重定后如何取舍仍需要辅助数据，因此该算法对于不同的测高卫星需采用不同的子波形的判断标准，不能直接确定出最优的结果，且计算复杂，需要进一步改进。
发明内容
本发明所要解决的技术问题是针对现有技术的现状，提供一种能提高水位反演速度和精度的基于卫星测高数据的大型内陆湖泊和湿地水位反演方法。
本发明解决上述技术问题所采用的技术方案为：一种基于卫星测高数据的大型内陆湖泊和湿地水位反演方法，其特征在于：包括以下步骤：
步骤1、利用研究区域的经纬度进行卫星测高数据航迹线筛查，根据轨迹号下载相应的回波数据和对应的参数数据；
步骤2、对回波数据进行预处理：对回波数据中的不稳定测量值和奇异值进行剔除，得到预处理之后的回波数据；
步骤3、对步骤2中预处理之后的回波数据进行回波重定：提取出回波波形的主导上升前缘，并通过主导上升前缘计算得到回波波形上升前缘的中点该回波波形上升前缘的中点为回波重定后的采样门；
其中，回波重定的具体步骤为：
步骤3-1、从第一个采样门开始，依次按照先后顺序计算回波波形中两相邻采样门对应的功率差dj，dj＝yj+1-yj，j＝1,2,...,N-1，N为回波波形的采样门总数；yj+1为第j+1个采样门对应的功率，yj为第j个采样门对应的功率；
步骤3-2、判断功率差dj是否大于ε1，如是，则判定回波波形的上升前缘开始，并转至步骤3-3；如否，则转入步骤3-5；j的初始值为1；
ε1的计算公式为：
其中，yi+2为第i+2个采样门对应的功率，yi为第i个采样门对应的功率；
步骤3-3、判断j是否大于N-1，如是，则结束；如否，将j值加1作为新的j值，并转入步骤3-4；
步骤3-4、判断功率差dj是否小于ε2，如是，则判定回波波形的上升前缘终止，如否，则转至步骤3-3；
其中，ε2的计算公式为：
其中，yi+1为第i+1个采样门对应的功率，yi为第i个采样门对应的功率；
步骤3-5、判断j是否大于N-1，如是，则结束；如否，将j值加1作为新的j值，并转入步骤3-2；
步骤3-6、将通过ε1和ε2判定出的回波波形上升前缘作为回波波形的主导上升前缘，将该回波波形主导上升前缘的起始采样门记为M0，终止采样门记为M1，其中，M0和M1均为正整数；
步骤3-7、在步骤3-6中计算得到的起始采样门和终止采样门前后位置各增加n个偏差采样门，得到主导上升前缘波形中新的起始采样门和新的终止采样门，提取回波波形中该主导上升前缘波形，其中，主导上升前缘波形新的起始采样门为M0-n，新的终止采样门为M1+n；
步骤3-8、对步骤3-7中提取出的主导上升前缘波形进行重定采样门计算，得到上升前缘的中点该上升前缘的中点为回波重定后的采样门，其中，上升前缘的中点计算公式为：
其中，为上升前缘的中点，TL＝α(A-P0)+P0；α为阈值，A为振幅，n为偏差采样门的个数，yt为第t个采样门对应的功率，P0为高频噪声，Gk是首个功率值比TL大的采样门，Gk-1是Gk的前一个采样门；yGk为Gk对应的功率；为Gk-1对应的功率，M0-n≤Gk≤M1+n+1；M0为主导上升前缘波形起始的采样门；
步骤4、在研究区域内任意选取多条轨迹线中的连续回波数据，使用不同的阈值α对选取的回波数据进行步骤3中的回波重定，利用回波重定后的采样门计算出水位高度WL，并计算出回波重定后的改善值IMP；
步骤5、找出步骤4中改善值IMP的最大值，将该改善值IMP最大值对应的阈值α作为最优阈值；
步骤6、使用步骤5中的最优阈值重复步骤3中的回波重定，并计算出水位高度；
步骤7、对研究区域内的所有水位高度进行后处理：分别对同一时期和长时间序列中的水位奇异值进行剔除，提取出最终的时间序列水位高度；
步骤8、对最终的时间序列水位高度进行数据校验，判断数据校验后的精度是否在允许范围内，如是，则转入步骤9；如否，则转至步骤3；
步骤9、输出该时间序列水位高度。
作为优选，所述步骤4中阈值α的取值范围为5％～50％。在水位反演过程中，对于平整海面回波为标准海洋波形，阈值选定50％，而内陆水体回波易受地形和地物的影响，回波波形呈现单峰或密集多峰，经验阈值在10-35％区间，需要根据研究区实际情况进行测试，因此为了提高水位反演的精度，该湖泊和湿地的回波波形的阈值取值范围为5％～50％。
在本方案中，所述步骤4中水位高度WL的计算公式为：
WL＝Orbital_altitude-Range-GeoDif-Rcorrection
其中，WL为水位高度，Orbital_altitude为卫星轨道高度，Range为回波重定后的测距，Rori为回波重定前的测距，为回波重定后的采样门，Gori为回波重定前的采样门，τ为采样频率，c为光速；GeoDif为大地水准面相对于参考椭球的距离；Rcorrection为误差校正值，Rcorrection的计算公式为：Rcorrection＝ΔRDry+ΔRwet+ΔRIonos+ΔRPtides+ΔRSEtides+ΔRREO，ΔRDry+ΔRwet为大气校正值，ΔRIonos为电离层校正值，ΔRPtides为潮汐导致的垂直扰动值，ΔRSEtides为由于太阳运动导致的垂直扰动值，ΔRREO为多卫星数据融合时的校正值。
具体的，所述步骤4中改善值IMP的计算公式为：
其中，σraw为未进行回波重定时水位的标准差，σre为回波重定后水位的标准差。
作为改进，所述步骤7中对研究区域内的所有水位高度进行后处理的具体步骤为：
步骤7-1、对研究区域进行格网划分；
步骤7-2、利用地形数据对步骤7-1中每个格网内的水位高度进行校正；
步骤7-3、对每个格网内同一时段、同一轨迹的水位高度中的奇异值进行剔除；
步骤7-4、对每个格网内不同时期对应的时间序列水位数据中的奇异值进行剔除；
步骤7-5、使用局部回归算法对步骤7-4处理后的时间序列水位数据进行平滑和内插处理，提取水位数据趋势线，该水位数据趋势线为最终的时间序列水位高度。
进一步的，所述步骤8中数据校验包括三种方式，分别为：实测数据校验，单一星源轨迹交点观测值自校验和多星源轨迹交点观测值校验。
在方便获取实测数据时，选取时相一致、位置相同的实测数据和卫星测高数据进行数据校验；在实测数据难以获取的情况下，对于单一卫星数据，选择单一星源轨迹交点观测值自校验方式，对于多星源数据，则选择多星源轨迹交点观测值校验方式。
与现有技术相比，本发明的优点在于：通过选取回波波形中第一个满足条件的上升前缘作为主导上升前缘，根据主导上升前缘进行波形重定，因此该波形重定方法的计算量减少，提高了水位反演的速度，并通过计算不同阈值对应的IMP值，得到最优的阈值，从而使重定后的水位高度更加精确，且通过对回波数据进行预处理和对提取出的水位进行后处理，多次对奇异值进行剔除，能进一步提高水位反演的精度。
附图说明
图1为本发明实施例中水位反演方法的流程图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
如图1所示，一种基于卫星测高数据的大型内陆湖泊和湿地水位反演方法，包括以下步骤：
步骤1、利用研究区域的经纬度进行卫星测高数据航迹线筛查，根据轨迹号下载相应的回波数据和对应的参数数据；
步骤2、对回波数据进行预处理：对回波数据中的不稳定测量值和奇异值进行剔除，得到预处理之后的回波数据；
本实施例中，采用参数数据中的辅助参数对回波数据中的不稳定测量值进行剔除，再根据测量值的直方图分布，选用3δ法则，将明显不合理的测量奇异值剔除；
其中，数据中的辅助参数包括卫星运行状况参数，测高仪角度参数和环境参数等，具体的，回波数据中的不稳定测量值包括轨道机动期间的测量值、角度过大时的测量值、雨雪天气的测量值等；
步骤3、对步骤2中预处理之后的回波数据进行回波重定：提取出回波波形的主导上升前缘，并通过主导上升前缘计算得到回波波形上升前缘的中点该回波波形上升前缘的中点为回波重定后的采样门；
其中，回波重定的具体步骤为：
步骤3-1、从第一个采样门开始，依次按照先后顺序计算回波波形中两相邻采样门对应的功率差dj，dj＝yj+1-yj，j＝1,2,...,N-1，N为回波波形的采样门总数；yj+1为第j+1个采样门对应的功率，yj为第j个采样门对应的功率；
步骤3-2、判断功率差dj是否大于ε1，如是，则判定回波波形的上升前缘开始，并转至步骤3-3；如否，则转入步骤3-5；j的初始值为1；
ε1的计算公式为：
其中，yi+2为第i+2个采样门对应的功率，yi为第i个采样门对应的功率；
步骤3-3、判断j是否大于N-1，如是，则结束；如否，将j值加1作为新的j值，并转入步骤3-4；
步骤3-4、判断功率差dj是否小于ε2，如是，则判定回波波形的上升前缘终止，如否，则转至步骤3-3；
其中，ε2的计算公式为：
其中，yi+1为第i+1个采样门对应的功率，yi为第i个采样门对应的功率；
步骤3-5、判断j是否大于N-1，如是，则结束；如否，将j值加1作为新的j值，并转入步骤3-2；
步骤3-6、将通过ε1和ε2判定出的回波波形上升前缘作为回波波形的主导上升前缘，将该回波波形主导上升前缘的起始采样门记为M0，终止采样门记为M1，其中，M0和M1均为正整数；
步骤3-7、在步骤3-6中计算得到的起始采样门和终止采样门前后位置各增加n个偏差采样门，得到主导上升前缘波形中新的起始采样门和新的终止采样门，提取回波波形中该主导上升前缘波形，其中，主导上升前缘波形新的起始采样门为M0-n，新的终止采样门为M1+n；本实施例中，n＝4；
步骤3-8、对步骤3-7中提取出的主导上升前缘波形进行重定采样门计算，得到上升前缘的中点该上升前缘的中点为回波重定后的采样门，其中，上升前缘的中点计算公式为：
其中，为上升前缘的中点，TL＝α(A-P0)+P0；α为阈值，A为振幅，n为偏差采样门的个数，yt为第t个采样门对应的功率，P0为高频噪声，yk为第k个采样门对应的功率；yk-1为第k-1个采样门对应的功率，M0-n≤k≤M1+n+1；Gk是第k个功率值比TL大的采样门，Gk-1是第k-1个功率值比TL大的采样门；M0为主导上升前缘波形起始的采样门；
步骤4、在研究区域内任意选取多条轨迹线中的连续回波数据，使用不同的阈值α对选取的回波数据进行步骤3中的回波重定，利用回波重定后的采样门计算出水位高度WL，并计算出回波重定后的改善值IMP；
对于平整海面回波为标准海洋波形，选取的阈值为50％，而内陆水体回波易受地形和地物的影响，回波波形呈现单峰或密集多峰，经验阈值的取值范围为10％～35％，需要根据研究区域的实际情况进行测试；本实施例中，随机选取研究区域内的任意5处轨迹线中连续10～15个回波数据进行阈值测试，测试的阈值取值范围为5％～50％，并采用IMP值进行判断，当IMP值越高时则说明阈值越合适；
其中，水位高度WL的计算公式为：
WL＝Orbital_altitude-Range-GeoDif-Rcorrection
其中，WL为水位高度，Orbital_altitude为卫星轨道高度，Range为回波重定后的测距，Rori为回波重定前的测距，Gori为回波重定前的采样门，τ为采样频率，c为光速；GeoDif为大地水准面相对于参考椭球的距离；Rcorrection为误差校正值，Rcorrection的计算公式为：Rcorrection＝ΔRDry+ΔRwet+ΔRIonos+ΔRPtides+ΔRSEtides+ΔRREO，ΔRDry+ΔRwet为大气校正值，ΔRIonos为电离层校正值，ΔRPtides为潮汐导致的垂直扰动值，ΔRSEtides为由于太阳运动导致的垂直扰动值，ΔRREO为多卫星数据融合时的校正值；
改善值IMP的计算公式为：
其中，σraw为回波重定前水位的标准差，σre为回波重定后水位的标准差；
步骤5、找出步骤4中改善值IMP的最大值，将该改善值IMP最大值对应的阈值α作为最优阈值；
步骤6、使用步骤5中的最优阈值重复步骤3中的回波重定，计算出水位高度；
步骤7、对研究区域内的所有水位高度进行后处理：对同一时期和长时间序列中的水位高度奇异值进行剔除，提取出最终的时间序列水位高度；由于卫星测高数据包含了多个时期的测量数据，先对同一时期的奇异值进行剔除，之后，再对多个时期的时间序列水位高度中的奇异值进行剔除，因此通过对计算出的水位高度进行后处理，能进一步提高水位反演的精度；
其中，对研究区域内的所有水位高度进行后处理的具体步骤为：
步骤7-1、对研究区域进行格网划分；其中，为确保雷达遥感的覆盖范围以及足够的观测值，综合研究区覆盖范围、观测值数量、测高仪足径大小，设定适当大小的格网，要求单个格网中的观测值为20个以上；
步骤7-2、利用地形数据对步骤7-1中每个格网内的水位进行校正，消除由于地形导致的水位高差，默认格网内水位高度一致；
步骤7-3、对每个格网内同一时段、同一轨迹水位高度中的奇异值进行剔除；本实施例中，采用3δ法则进行剔除；
步骤7-4、对每个格网内不同时期对应的时间序列水位数据中的奇异值进行剔除；本实施例中，采用格拉布斯准则法进行奇异值剔除；由于时间序列水位数据中包含了多个时段的水位数据，因此在步骤7-3中的基础上，进一步剔除；
步骤7-5、使用局部回归算法对步骤7-4处理后的时间序列水位数据进行平滑和内插处理，提取水位数据趋势线，该水位数据趋势线为最终的时间序列水位高度；本实施例中，由于卫星测高数据重返周期较长，数据为稀疏的点，使用局部回归算法进行平滑和内插处理，例如：使用加权线性最小二乘法进行平滑和内插处理；
步骤8、对最终的时间序列水位高度进行数据校验，判断数据校验后的精度是否在允许范围内，如是，则转入步骤9；如否，则转至步骤3；
本实施例中，数据校验方式包括三种，分别为：实测数据校验，单一星源轨迹交点观测值自校验和多星源轨迹交点观测值校验；其中，实测数据校验最为可靠，精度最高，在能获取完整实测数据的情况下，选取时相一致或接近，位置相同或相近的实测数据和卫星测高数据进行精度检验；但是在实测数据出现难以获取或获取不足的情况下，可以选择卫星测高轨迹交点测高值进行校验，对于单一卫星数据，将其轨道相交点的数据进行对比，选择最邻近时间点的轨道相交点数据，查看其时间序列，若水位数据趋势相同，略有偏移，则说明测量数据可靠；对于多星源数据，可使用两颗卫星轨道相交点数据进行对比验证；
步骤9、输出该时间序列水位高度。
由于大型内陆湖泊和湿地的回波波形受陆地地形或树木的影响，因此在回波波形中含有较大的噪声，现有的OCOG算法是对全部的回波波形进行重定，因此使用OCOG算法进行大型内陆湖泊和湿地水位反演时提取出的水位精度低，且现有的改进Threshold算法中通过寻找波形中的所有上升前缘波形，进行回波重定，但是还需要对所有上升前缘波形计算各波形的波形前缘中点，并通过判断选取最优的前缘中点，因此存在计算复杂的问题；本发明的水位反演方法中考虑到上升前缘波形无参考值，无法判断哪个上升前缘是最优的，所以为了减少工作量，提高水位提取速度，本方法通过将提取出的第一个满足条件的上升前缘作为主导上升前缘，并且在对提取出的水位进行处理时，分别对每个格网内同一时段、同一轨迹的奇异值和每个格网中的时间序列水位数据的奇异值进行剔除，通过对水位明显有问题的数据进行剔除，能有效减小以第一个满足条件的上升前缘作为主导上升前缘时出现的误差；且通过对回波数据进行预处理和对提取的水位进行后处理，通过三次对数据中的奇异值进行剔除，该方法能有效减小噪声干扰，另外，将改善值IMP最大值对应的阈值作为最优阈值进行回波重定；因此本方法能提高水位提取的精度和速度，计算更加简单。

Claims (7)

1.一种基于卫星测高数据的大型内陆湖泊和湿地水位反演方法，其特征在于：包括以下步骤：
步骤1、利用研究区域的经纬度进行卫星测高数据航迹线筛查，根据轨迹号下载相应的回波数据和对应的参数数据；
步骤2、对回波数据进行预处理：对回波数据中的不稳定测量值和奇异值进行剔除，得到预处理之后的回波数据；
步骤3、对步骤2中预处理之后的回波数据进行回波重定：提取出回波波形的主导上升前缘，并通过主导上升前缘计算得到回波波形上升前缘的中点该回波波形上升前缘的中点为回波重定后的采样门；
其中，回波重定的具体步骤为：
步骤3-1、从第一个采样门开始，依次按照先后顺序计算回波波形中两相邻采样门对应的功率差dj，dj＝yj+1-yj，j＝1,2,...,N-1，N为回波波形的采样门总数；yj+1为第j+1个采样门对应的功率，yj为第j个采样门对应的功率；
步骤3-2、判断功率差dj是否大于ε1，如是，则判定回波波形的上升前缘开始，并转至步骤3-3；如否，则转入步骤3-5；j的初始值为1；
ε1的计算公式为：
其中，yi+2为第i+2个采样门对应的功率，yi为第i个采样门对应的功率；
步骤3-3、判断j是否大于N-1，如是，则结束；如否，将j值加1作为新的j值，并转入步骤3-4；
步骤3-4、判断功率差dj是否小于ε2，如是，则判定回波波形的上升前缘终止，如否，则转至步骤3-3；
其中，ε2的计算公式为：
其中，yi+1为第i+1个采样门对应的功率，yi为第i个采样门对应的功率；
步骤3-5、判断j是否大于N-1，如是，则结束；如否，将j值加1作为新的j值，并转入步骤3-2；
步骤3-6、将通过ε1和ε2判定出的回波波形上升前缘作为回波波形的主导上升前缘，将该回波波形主导上升前缘的起始采样门记为M0，终止采样门记为M1，其中，M0和M1均为正整数；
步骤3-7、在步骤3-6中计算得到的起始采样门和终止采样门前后位置各增加n个偏差采样门，得到主导上升前缘波形中新的起始采样门和新的终止采样门，提取回波波形中该主导上升前缘波形，其中，主导上升前缘波形新的起始采样门为M0-n，新的终止采样门为M1+n；
步骤3-8、对步骤3-7中提取出的主导上升前缘波形进行重定采样门计算，得到上升前缘的中点该上升前缘的中点为回波重定后的采样门，其中，上升前缘的中点计算公式为：
其中，为上升前缘的中点，TL＝α(A-P0)+P0；α为阈值，A为振幅，n为偏差采样门的个数，yt为第t个采样门对应的功率，P0为高频噪声，Gk是首个功率值比TL大的采样门，Gk-1是Gk的前一个采样门；为Gk对应的功率；为Gk-1对应的功率，M0-n≤Gk≤M1+n+1；M0为主导上升前缘波形起始的采样门；
步骤4、在研究区域内任意选取多条轨迹线中的连续回波数据，使用不同的阈值α对选取的回波数据进行步骤3中的回波重定，利用回波重定后的采样门计算出水位高度WL，并计算出回波重定后的改善值IMP；
步骤5、找出步骤4中改善值IMP的最大值，将该改善值IMP最大值对应的阈值α作为最优阈值；
步骤6、使用步骤5中的最优阈值重复步骤3中的回波重定，并计算出水位高度；
步骤7、对研究区域内的所有水位高度进行后处理：对同一时期和长时间序列中的水位高度奇异值进行剔除，提取出最终的时间序列水位高度；
步骤8、对最终的时间序列水位高度进行数据校验，判断数据校验后的精度是否在允许范围内，如是，则转入步骤9；如否，则转至步骤3；
步骤9、输出该时间序列水位高度。
2.根据权利要求1所述的大型内陆湖泊和湿地水位反演方法，其特征在于：所述步骤4中阈值α的取值范围为5％～50％。
3.根据权利要求1所述的大型内陆湖泊和湿地水位反演方法，其特征在于：所述步骤4中水位高度WL的计算公式为：
WL＝Orbital_altitude-Range-GeoDif-Rcorrection
其中，WL为水位高度，Orbital_altitude为卫星轨道高度，Range为回波重定后的测距，Rori为回波重定前的测距，为回波重定后的采样门，Gori为回波重定前的采样门，τ为采样频率，c为光速；GeoDif为大地水准面相对于参考椭球的距离；Rcorrection为误差校正值，Rcorrection的计算公式为：Rcorrection＝ΔRDry+ΔRwet+ΔRIonos+ΔRPtides+ΔRSEtides+ΔRREO，ΔRDry+ΔRwet为大气校正值，ΔRIonos为电离层校正值，ΔRPtides为潮汐导致的垂直扰动值，ΔRSEtides为由于太阳运动导致的垂直扰动值，ΔRREO为多卫星数据融合时的校正值。
4.根据权利要求1所述的大型内陆湖泊和湿地水位反演方法，其特征在于：所述步骤4中改善值IMP的计算公式为：
其中，σraw为回波重定前水位的标准差，σre为回波重定后水位的标准差。
5.根据权利要求1所述的大型内陆湖泊和湿地水位反演方法，其特征在于：所述步骤7中对研究区域内的所有水位高度进行后处理的具体步骤为：
步骤7-1、对研究区域进行格网划分；
步骤7-2、利用地形数据对步骤7-1中每个格网内的水位进行校正；
步骤7-3、对每个格网内同一时段、同一轨迹水位高度中的奇异值进行剔除；
步骤7-4、对每个格网内不同时期对应的时间序列水位数据中的奇异值进行剔除；
步骤7-5、使用局部回归算法对步骤7-4处理后的时间序列水位数据进行平滑和内插处理，提取水位数据趋势线，该水位数据趋势线为最终的时间序列水位高度。
6.根据权利要求1所述的大型内陆湖泊和湿地水位反演方法，其特征在于：所述步骤8中数据校验包括三种方式，分别为：实测数据校验，单一星源轨迹交点观测值自校验和多星源轨迹交点观测值校验。
7.根据权利要求6所述的大型内陆湖泊和湿地水位反演方法，其特征在于：在方便获取实测数据时，选取时相一致、位置相同的实测数据和卫星测高数据进行数据校验；在实测数据难以获取的情况下，对于单一卫星数据，选择单一星源轨迹交点观测值自校验方式，对于多星源数据，则选择多星源轨迹交点观测值校验方式。
CN201910388888.3A 2019-05-10 2019-05-10 一种基于卫星测高数据的大型内陆湖泊和湿地水位反演方法 Active CN110132373B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910388888.3A CN110132373B (zh) 2019-05-10 2019-05-10 一种基于卫星测高数据的大型内陆湖泊和湿地水位反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910388888.3A CN110132373B (zh) 2019-05-10 2019-05-10 一种基于卫星测高数据的大型内陆湖泊和湿地水位反演方法

Publications (2)

Publication Number Publication Date
CN110132373A true CN110132373A (zh) 2019-08-16
CN110132373B CN110132373B (zh) 2020-07-14

Family

ID=67573210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910388888.3A Active CN110132373B (zh) 2019-05-10 2019-05-10 一种基于卫星测高数据的大型内陆湖泊和湿地水位反演方法

Country Status (1)

Country Link
CN (1) CN110132373B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110702079A (zh) * 2019-10-12 2020-01-17 中国水利水电科学研究院 一种冰盖下流速分布的推演方法
CN111504425A (zh) * 2020-04-24 2020-08-07 中国水利水电科学研究院 一种估算干旱平原地区生态地下水位的方法及装置
CN111854654A (zh) * 2020-08-19 2020-10-30 长安大学 一种基于卫星测高回波波形监测湖冰厚度的方法
CN112013925A (zh) * 2020-08-19 2020-12-01 杨元德 基于卫星测高新型波形重定算法的结冰湖泊水位测定方法
CN112414510A (zh) * 2020-10-10 2021-02-26 武汉大学 卫星测高河流水位监测方法及系统
CN113108868A (zh) * 2021-04-19 2021-07-13 南宁师范大学 一种基于主波峰的自适应波形重跟踪算法
CN114279415A (zh) * 2021-12-24 2022-04-05 水利部交通运输部国家能源局南京水利科学研究院 一种基于卫星测高数据计算和校准河湖水位的方法
CN114943161A (zh) * 2022-07-27 2022-08-26 中国水利水电科学研究院 一种基于多源遥感数据的内陆湖泊地形反演方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010111450A2 (en) * 2009-03-25 2010-09-30 Schmitt Measurement Systems, Inc. Ultrasonic liquid level monitoring system
CN203011382U (zh) * 2012-12-21 2013-06-19 大连海事大学 一种智能微波验潮站
CN107421496A (zh) * 2017-07-26 2017-12-01 青岛美吉海洋地理信息技术有限公司 一种高精度的水面高程提取算法
CN109489637A (zh) * 2018-11-08 2019-03-19 清华大学 水量变化监测方法、装置、计算机设备和存储介质
CN109556676A (zh) * 2018-03-02 2019-04-02 清华大学 河流水位的确定方法、装置、计算机设备及可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010111450A2 (en) * 2009-03-25 2010-09-30 Schmitt Measurement Systems, Inc. Ultrasonic liquid level monitoring system
CN203011382U (zh) * 2012-12-21 2013-06-19 大连海事大学 一种智能微波验潮站
CN107421496A (zh) * 2017-07-26 2017-12-01 青岛美吉海洋地理信息技术有限公司 一种高精度的水面高程提取算法
CN109556676A (zh) * 2018-03-02 2019-04-02 清华大学 河流水位的确定方法、装置、计算机设备及可读存储介质
CN109489637A (zh) * 2018-11-08 2019-03-19 清华大学 水量变化监测方法、装置、计算机设备和存储介质

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110702079A (zh) * 2019-10-12 2020-01-17 中国水利水电科学研究院 一种冰盖下流速分布的推演方法
CN111504425A (zh) * 2020-04-24 2020-08-07 中国水利水电科学研究院 一种估算干旱平原地区生态地下水位的方法及装置
CN111854654A (zh) * 2020-08-19 2020-10-30 长安大学 一种基于卫星测高回波波形监测湖冰厚度的方法
CN112013925A (zh) * 2020-08-19 2020-12-01 杨元德 基于卫星测高新型波形重定算法的结冰湖泊水位测定方法
CN112414510A (zh) * 2020-10-10 2021-02-26 武汉大学 卫星测高河流水位监测方法及系统
CN113108868A (zh) * 2021-04-19 2021-07-13 南宁师范大学 一种基于主波峰的自适应波形重跟踪算法
CN114279415A (zh) * 2021-12-24 2022-04-05 水利部交通运输部国家能源局南京水利科学研究院 一种基于卫星测高数据计算和校准河湖水位的方法
CN114279415B (zh) * 2021-12-24 2024-05-03 水利部交通运输部国家能源局南京水利科学研究院 一种基于卫星测高数据计算和校准河湖水位的方法
CN114943161A (zh) * 2022-07-27 2022-08-26 中国水利水电科学研究院 一种基于多源遥感数据的内陆湖泊地形反演方法
CN114943161B (zh) * 2022-07-27 2022-09-27 中国水利水电科学研究院 一种基于多源遥感数据的内陆湖泊地形反演方法

Also Published As

Publication number Publication date
CN110132373B (zh) 2020-07-14

Similar Documents

Publication Publication Date Title
CN110132373A (zh) 一种基于卫星测高数据的大型内陆湖泊和湿地水位反演方法
CN107421496B (zh) 一种高精度的水面高程提取方法
Mitchell et al. Classification of seafloor geology using multibeam sonar data from the Scotian Shelf
CN104613944B (zh) 一种基于gwr和bp神经网络的分布式水深预测方法
CN104268848A (zh) 一种海洋内波波速监测的方法
Li et al. Intertidal topographic maps and morphological changes in the German Wadden Sea between 1996–1999 and 2006–2009 from the waterline method and SAR images
CN114091613A (zh) 一种基于高分联合组网数据的森林生物量估算方法
Uebbing et al. Waveform retracking for improving level estimations from TOPEX/Poseidon, Jason-1, and Jason-2 altimetry observations over African lakes
CN107247927A (zh) 一种基于缨帽变换的遥感图像海岸线信息提取方法及系统
CN112200050A (zh) 基于多源卫星数据的湖泊水量时空变化分析方法及装置
Behrendt et al. Sea ice draft in the Weddell Sea, measured by upward looking sonars
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
CN115293198A (zh) 一种基于多隐层神经网络提高gnss-r测高反演精度的方法
Bond et al. Evidence for orbital forcing of Middle Cambrian peritidal cycles: Wah Wah range, south-central Utah
CN114139566A (zh) 基于机器学习加权平均融合特征提取提高测高精度的方法
CN105738881A (zh) 基于波形分类的近海Envisat卫星测高波形重定方法
CN107831516A (zh) 融合gnss和地面监测网获取大坝实时高精度位移的方法
Glasser et al. Debris characteristics and ice-shelf dynamics in the ablation region of the McMurdo Ice Shelf, Antarctica
CN114279415A (zh) 一种基于卫星测高数据计算和校准河湖水位的方法
CN110598707B (zh) 面向机载激光点云的倒水蔓延与能量函数控制的单株树冠分割方法
CN102073037A (zh) 基于自适应阈值选取技术的迭代海流反演方法
Borrione et al. Understanding altimetry signals in the Northeastern Ligurian sea using a multi-platform approach
CN108919369B (zh) 一种定量识别米兰科维奇周期的方法
CN108663710A (zh) 宽方位地震数据处理一体化成像反演方法及系统
CN117541679B (zh) 基于样本点个体代表性的森林冠层高度制图方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 315042 No.36 Heji street, Yinzhou District, Ningbo City, Zhejiang Province

Patentee after: Ningbo Institute of Surveying and mapping and remote sensing technology

Patentee after: Ningbo alatu Digital Technology Co.,Ltd.

Address before: 315042 No.36 Heji street, Yinzhou District, Ningbo City, Zhejiang Province

Patentee before: NINGBO INSTITUTE OF SURVEYING & MAPPING

Patentee before: NINGBO ALATU DIGITAL TECHNOLOGY CENTER

CP01 Change in the name or title of a patent holder