CN112782689A - 一种多星数据融合的gnss-ir土壤湿度监测方法 - Google Patents
一种多星数据融合的gnss-ir土壤湿度监测方法 Download PDFInfo
- Publication number
- CN112782689A CN112782689A CN202011590976.0A CN202011590976A CN112782689A CN 112782689 A CN112782689 A CN 112782689A CN 202011590976 A CN202011590976 A CN 202011590976A CN 112782689 A CN112782689 A CN 112782689A
- Authority
- CN
- China
- Prior art keywords
- gnss
- signal
- satellite
- soil humidity
- data
- 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.)
- Pending
Links
- 239000002689 soil Substances 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 230000004927 fusion Effects 0.000 title claims abstract description 16
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 5
- 238000002790 cross-validation Methods 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 2
- 238000012417 linear regression Methods 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 230000000717 retained effect Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 5
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 238000006467 substitution reaction Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种多星数据融合的GNSS‑IR土壤湿度监测方法,涉及土壤监测领域,包括S1选取土壤湿度采样点,获取土壤湿度采样点的GNSS观测数据;S2确定观测时段内过境卫星的高度角和信噪比;S3拟合每颗过境卫星观测时段内高度角和信噪比数据,获取反射信号;S4确定每颗过境卫星反射信号的相位分量;S5建立GNSS‑IR土壤湿度反演模型,实现土壤湿度的动态监测;通过对GNSS接收机观测数据预处理,获取GNSS反射信号,利用Lomb‑Scargle频谱分析获取反射信号频率,将其转换为有效反射高代入非线性最小二乘余弦拟合以提取相位,最后将多星相位数据与土壤湿度实测数据建立MARS模型以反演土壤湿度。
Description
技术领域
本发明涉及土壤监测领域,尤其涉及一种多星数据融合的GNSS-IR土壤湿度监测方法。
背景技术
土壤湿度是全球地表水循环的一个重要指标,是农业、气象、水文领域中研究的重点。准确实时地获取土壤湿度对农业灌溉、气象预报、水资源循环利用等具有重要参考价值。传统的土壤湿度探测方法有烘干称重法、电阻法、时域反射法(Time-DomainReflectometry,TDR)、频域反射法(Frequency-Domain Reflectometry,FDR)等,但这些传统的方法具有时空分辨率低、数据离散不连续、难以进行区域性测量,传感器布设成本高,易受气象影响难以准确测量等问题。
全球卫星导航系统反射信号干涉测量(Global Navigation Satellite SystemReflectometry and Interferometry,GNSS-IR)是一种新型的微波遥感技术,其主要利用一根右旋圆极化天线接收直射信号和经地表反射的信号,通过干涉信号特征来反演地表的土壤湿度。与传统土壤湿度探测技术相比,GNSS-IR技术具有全天时、全天候、成本低的特点,为土壤湿度探测提供了一种快速动态的方法。
发明内容
本发明的目的就在于为了解决上述问题设计了一种多星数据融合的GNSS-IR土壤湿度监测方法。
本发明通过以下技术方案来实现上述目的:
一种多星数据融合的GNSS-IR土壤湿度监测方法,包括以下步骤:
S1、随机选取土壤湿度采样点,获取土壤湿度采样点的GNSS观测数据;
S2、根据GNSS观测数据确定观测时段内过境卫星的高度角和信噪比;
S3、拟合每颗过境卫星观测时段内高度角和信噪比数据,并对比拟合前后的信噪比获取反射信号;
S4、确定每颗过境卫星反射信号的相位分量;
S5、根据多颗过境卫星的相位分量和土壤湿度采样点的GNSS观测数据建立GNSS-IR土壤湿度反演模型,实现土壤湿度的动态监测。
本发明的有益效果在于:通过对GNSS接收机观测数据预处理,获取GNSS反射信号,利用Lomb-Scargle频谱分析获取反射信号频率,将其转换为有效反射高代入非线性最小二乘余弦拟合以提取相位,最后将多星相位数据与土壤湿度实测数据建立MARS模型以反演土壤湿度;由于在观测时段内卫星相对于GPS天线的几何运动轨迹以及卫星本身的性能不同,导致不同的卫星对土壤湿度的响应不一致,因此,直接通过单颗卫星反演土壤湿度存在较大的不确定性,且难以直接通过某种方法处理单颗卫星的异常值,利用MARS模型综合利用多颗卫星不同视角的GNSS-IR信息响应优势,大大改善了采用单星估算结果不能充分反映地表实际情况的问题;采用广义交叉验证,有利于剔除反演土壤湿度干扰较大的卫星,从而获得反演土壤湿度精度最高的卫星组合;为土壤湿度监测提供一种快速动态的方法,并促进了GNSS-IR技术的发展和应用。
附图说明
图1是本发明一种多星数据融合的GNSS-IR土壤湿度监测方法的流程示意图;
图2是发明所述的一种多星数据融合的GNSS-IR土壤湿度监测方法的信噪比及直射信号随卫星高度角变化的示意图;
图3是发明所述的一种多星数据融合的GNSS-IR土壤湿度监测方法的干涉信号与直射信号示意图;
图4是发明所述的一种多星数据融合的GNSS-IR土壤湿度监测方法的Lomb-Scargle频谱分析示意图;
图5是发明所述的一种多星数据融合的GNSS-IR土壤湿度监测方法的非线性最小二乘余弦拟合示意图;
图6是发明所述的一种多星数据融合的GNSS-IR土壤湿度监测方法的MARS模型反演结果图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要理解的是,术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,或者是本领域技术人员惯常理解的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,“设置”、“连接”等术语应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接连接,也可以通过中间媒介间接连接,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合附图,对本发明的具体实施方式进行详细说明。
如图1所示,一种多星数据融合的GNSS-IR土壤湿度监测方法,包括以下步骤:
S1:随机选取土壤湿度采样点,获取土壤湿度采样点的GNSS观测数据:根据菲涅尔-惠更斯原理,GNSS接收机应架设在100m×100m范围无障碍物空旷场地,在空旷裸土场地上设置好GNSS接收机,安装天线,使用三脚架固定接收机,配置好接收机参数,使得接收机能够稳定观测过境卫星数据,精确量取天线相位中心至地面控制点的天线高,并在接收机周围随机选取土壤湿度采样点,每天实测地面下2cm-5cm深度的土壤湿度数据。
S2:GNSS信噪比数据获取:对于测量型GNSS接收机观测数据即土壤湿度数据,借助RINEX格式转换工具将其转换为观测值O文件和导航电文N文件,利用TEQC计算观测时段内过境卫星的高度角和信噪比;
具体的,直射信号与反射信号在接收机产生的干涉信号可表示为:
S3:利用二阶多项式拟合单颗卫星观测时段内高度角和信噪比数据,截取并保留卫星高度角5°-25°的信噪比,并通过信噪比原始观测数据减去拟合出来的直射信号以获取反射信号;反射信号可以表示为:SNRm=SNR-SNRd,式中,SNRm为反射信号,SNR为干涉信号,SNRd为直射信号。
S4:确定每颗过境卫星反射信号的相位分量;具体为:
S41、对分离出的反射信号进行重采样,得到其与卫星高度角正弦值之间的变化量;
S42、采用Lomb-Scargle频谱分析获取重采样反射信号峰值处的频率,并转换成有效反射高,Lomb-Scargle可以表示为其中,表示离散观测序列的均值:σ2表示离散观测序列的方差:ω为角频率,ω=2πf;S(ω)是ω的功率,即某一频率信号的功率谱值;
S43、采用非线性最小二乘余弦拟合去除直射信号后的信噪比观测值与卫星高度角的正弦值为余弦函数,获取反射信号的相位分量,余弦函数表示为其中SNRm表示为反射信号,Am为反射信号振幅,h为有效反射高,λ为GNSS载波波长,θ为卫星高度角,为反射信号相位。
S5、根据多颗过境卫星的相位分量和土壤湿度采样点的GNSS观测数据建立GNSS-IR土壤湿度反演模型,实现土壤湿度的动态监测;具体为:
S51、通过土壤湿度采样点的GNSS观测数据自动建立基函数,由于MARS中基函数是由截断形式的样条函数或多个样条函数的乘积组成,因此基函数表示为其中Sm(x)为第m个样条函数,x为延迟相位的输入数据,t为样条函数节点的位置,v(k,m)为独立变量标识,tkm为标识节点的位置;
S52、根据基函数将划分GNSS观测数据为不同的空间区域,并通过线性回归来拟合每个区域新的基函数,前向逐步结束后获得过拟合模型,根据基函数的定义,过拟合模型可表示为其中为模型输出变量的预测值,a0为常量参数,am为第m个基函数的系数,M为基函数的个数,其中组合基函数系数am通过最小二乘残差平方和得到;
S53、删除过拟合模型中对过拟合模型贡献度小的基函数获得最优的组合基函数模型;
S54、最优的组合基函数模型根据广义交叉验证确定最优的卫星组合模型作为GNSS-IR土壤湿度反演模型,实现土壤湿度的动态监测,确定最优的卫星组合模型时,当广义交叉验证达到最小时的模型为最优的卫星组合模型,广义交叉验证表示为:其中,λ为模型中项的个数,M(λ)为模型中有效参数的个数,N为基函数的个数,为每一步最佳估计的模型数值。
本发明的技术方案不限于上述具体实施例的限制,凡是根据本发明的技术方案做出的技术变形,均落入本发明的保护范围之内。
Claims (6)
1.一种多星数据融合的GNSS-IR土壤湿度监测方法,其特征在于,包括以下步骤:
S1、随机选取土壤湿度采样点,获取土壤湿度采样点的GNSS观测数据;
S2、根据GNSS观测数据确定观测时段内过境卫星的高度角和信噪比;
S3、拟合每颗过境卫星观测时段内高度角和信噪比数据,并对比拟合前后的信噪比获取反射信号;
S4、确定每颗过境卫星反射信号的相位分量;
S5、根据多颗过境卫星的相位分量和土壤湿度采样点的GNSS观测数据建立GNSS-IR土壤湿度反演模型,实现土壤湿度的动态监测。
2.根据权利要求1所述的一种多星数据融合的GNSS-IR土壤湿度监测方法,其特征在于,在S1中,GNSS观测数据为地面下2cm-5cm深度的土壤湿度数据。
4.根据权利要求3所述的一种多星数据融合的GNSS-IR土壤湿度监测方法,其特征在于,在S3中利用二阶多项式拟合每颗过境卫星观测时段内高度角和信噪比数据,截取并保留卫星高度角5°-25°的信噪比,反射信号表示为:SNRm=SNR-SNRd,其中SNRm为反射信号,SNR为干涉信号,SNRd为直射信号。
5.根据权利要求4所述的一种多星数据融合的GNSS-IR土壤湿度监测方法,其特征在于,在S4中包括:
S41、对分离出的反射信号进行重采样;
S42、采用Lomb-Scargle频谱分析获取重采样反射信号峰值处的频率,并转换成有效反射高,Lomb-Scargle可以表示为其中,表示离散观测序列的均值:σ2表示离散观测序列的方差:ω为角频率,ω=2πf;S(ω)是ω的功率,即某一频率信号的功率谱值;
6.根据权利要求5所述的一种多星数据融合的GNSS-IR土壤湿度监测方法,其特征在于,在S5中包括:
S51、根据土壤湿度采样点的GNSS观测数据建立基函数,基函数表示为其中Sm(x)为第m个样条函数,x为延迟相位的输入数据,t为样条函数节点的位置,v(k,m)为独立变量标识,tkm为标识节点的位置;
S52、根据基函数将划分GNSS观测数据为不同的空间区域,并通过线性回归来拟合每个区域新的基函数,前向逐步结束后获得过拟合模型,根据基函数的定义,过拟合模型表示为其中为模型输出变量的预测值,a0为常量参数,am为第m个基函数的系数,M为基函数的个数,其中组合基函数系数am通过最小二乘残差平方和得到;
S53、删除过拟合模型中对过拟合模型贡献度小的基函数获得最优的组合基函数模型;
S54、最优的组合基函数模型根据广义交叉验证确定最优的卫星组合模型作为GNSS-IR土壤湿度反演模型,实现土壤湿度的动态监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011590976.0A CN112782689A (zh) | 2020-12-29 | 2020-12-29 | 一种多星数据融合的gnss-ir土壤湿度监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011590976.0A CN112782689A (zh) | 2020-12-29 | 2020-12-29 | 一种多星数据融合的gnss-ir土壤湿度监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112782689A true CN112782689A (zh) | 2021-05-11 |
Family
ID=75753212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011590976.0A Pending CN112782689A (zh) | 2020-12-29 | 2020-12-29 | 一种多星数据融合的gnss-ir土壤湿度监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112782689A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113791091A (zh) * | 2021-09-14 | 2021-12-14 | 西北农林科技大学 | 一种基于gnss-ir的土壤含水率实时连续监测方法 |
CN113959329A (zh) * | 2021-12-17 | 2022-01-21 | 西南交通大学 | 一种基于多星数据融合的积雪深度反演方法 |
CN114167033A (zh) * | 2021-12-06 | 2022-03-11 | 北京大学 | 基于gnss-r的土壤湿度反演方法、装置、介质及计算设备 |
CN114355411A (zh) * | 2021-12-22 | 2022-04-15 | 杭州电子科技大学 | 一种基于北斗或gps载噪比观测值的洪水探测方法 |
CN114397425A (zh) * | 2021-12-22 | 2022-04-26 | 杭州电子科技大学 | 基于广义延拓逼近的gnss-ir土壤湿度反演方法 |
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 |
CN115047499A (zh) * | 2022-05-31 | 2022-09-13 | 武汉大学 | 星载gnss-r土壤温度与湿度的反演方法、系统 |
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 |
CN116643029A (zh) * | 2023-07-27 | 2023-08-25 | 中国科学院地理科学与资源研究所 | 一种地基gnss-ir数据监测土壤盐分的方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102034994B1 (ko) * | 2019-06-19 | 2019-10-21 | 세종대학교산학협력단 | Gps 반사파 신호를 이용한 토양 수분량 산출 방법 및 장치 |
CN111027230A (zh) * | 2019-12-27 | 2020-04-17 | 安徽理工大学 | 一种基于gnss-r技术的煤矸石充填复垦土壤湿度监测方法 |
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 |
-
2020
- 2020-12-29 CN CN202011590976.0A patent/CN112782689A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102034994B1 (ko) * | 2019-06-19 | 2019-10-21 | 세종대학교산학협력단 | Gps 반사파 신호를 이용한 토양 수분량 산출 방법 및 장치 |
CN111027230A (zh) * | 2019-12-27 | 2020-04-17 | 安徽理工大学 | 一种基于gnss-r技术的煤矸石充填复垦土壤湿度监测方法 |
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 |
Non-Patent Citations (1)
Title |
---|
朱小灵等: "基于GPS-IR的地表土壤湿度估算方法", 《测绘通报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113791091A (zh) * | 2021-09-14 | 2021-12-14 | 西北农林科技大学 | 一种基于gnss-ir的土壤含水率实时连续监测方法 |
CN114167033A (zh) * | 2021-12-06 | 2022-03-11 | 北京大学 | 基于gnss-r的土壤湿度反演方法、装置、介质及计算设备 |
CN113959329A (zh) * | 2021-12-17 | 2022-01-21 | 西南交通大学 | 一种基于多星数据融合的积雪深度反演方法 |
CN114355411A (zh) * | 2021-12-22 | 2022-04-15 | 杭州电子科技大学 | 一种基于北斗或gps载噪比观测值的洪水探测方法 |
CN114397425A (zh) * | 2021-12-22 | 2022-04-26 | 杭州电子科技大学 | 基于广义延拓逼近的gnss-ir土壤湿度反演方法 |
CN114397425B (zh) * | 2021-12-22 | 2024-04-19 | 杭州电子科技大学 | 基于广义延拓逼近的gnss-ir土壤湿度反演方法 |
CN115047499A (zh) * | 2022-05-31 | 2022-09-13 | 武汉大学 | 星载gnss-r土壤温度与湿度的反演方法、系统 |
CN115047499B (zh) * | 2022-05-31 | 2023-11-07 | 武汉大学 | 星载gnss-r土壤温度与湿度的反演方法、系统 |
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 |
CN116643029A (zh) * | 2023-07-27 | 2023-08-25 | 中国科学院地理科学与资源研究所 | 一种地基gnss-ir数据监测土壤盐分的方法和系统 |
CN116643029B (zh) * | 2023-07-27 | 2023-09-26 | 中国科学院地理科学与资源研究所 | 一种地基gnss-ir数据监测土壤盐分的方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112782689A (zh) | 一种多星数据融合的gnss-ir土壤湿度监测方法 | |
Santamaría-Gómez et al. | Remote leveling of tide gauges using GNSS reflectometry: case study at Spring Bay, Australia | |
Konings et al. | Vegetation optical depth and scattering albedo retrieval using time series of dual-polarized L-band radiometer observations | |
US9037414B1 (en) | Methods and apparatus for electromagnetic signal polarimetry sensing | |
Draper et al. | An evaluation of AMSR–E derived soil moisture over Australia | |
Xing et al. | Estimation of daily mean land surface temperature at global scale using pairs of daytime and nighttime MODIS instantaneous observations | |
De Lannoy et al. | Soil moisture data assimilation | |
CN112505068B (zh) | 一种基于gnss-ir的地表土壤湿度多星组合反演方法 | |
CN105277575A (zh) | 一种利用gps信噪比等级数据进行土壤湿度估计的方法 | |
Smith et al. | Assessing uncertainty and sensor biases in passive microwave data across High Mountain Asia | |
Zhang et al. | Avoiding errors attributable to topography in GPS-IR snow depth retrievals | |
Cui et al. | Measurements of ocean wave and current field using dual polarized X-band radar | |
CN105467390A (zh) | 一种基于地基InSAR的桥梁形变近距离监测方法 | |
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 | |
Yan et al. | Feasibility of using signal strength indicator data to estimate soil moisture based on GNSS interference signal analysis | |
CN115048952A (zh) | 一种融合稳健估计和机器学习的gnss-ir土壤湿度反演方法 | |
CN115494086A (zh) | 一种顾及异常干涉相位的gnss-ir土壤湿度监测方法 | |
AU2021105440A4 (en) | Instrument and method for monitoring the soil moisture change by using GPS ground reflection signal | |
Greifeneder et al. | From point to pixel scale: An upscaling approach for in situ soil moisture measurements | |
CN115980317B (zh) | 基于修正相位的地基gnss-r数据土壤水分估算方法 | |
CN116086295A (zh) | 基于微波雷达回波能量和vmd的桥梁测点位移去噪方法 | |
Liang et al. | Research on multi-satellites fusion inversion model of soil moisture based on sliding window | |
Dong et al. | Soil Moisture retrieval in Southeast China from spaceborne GNSS-R measurements | |
Zhang et al. | Soil moisture estimation based on the AIEM for bare agricultural area | |
CN115453577B (zh) | 一种gnss-ir提取河流边界的方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210511 |