CN113075706A - 一种基于gnss-r的雪深反演方法及其应用 - Google Patents

一种基于gnss-r的雪深反演方法及其应用 Download PDF

Info

Publication number
CN113075706A
CN113075706A CN202110320252.2A CN202110320252A CN113075706A CN 113075706 A CN113075706 A CN 113075706A CN 202110320252 A CN202110320252 A CN 202110320252A CN 113075706 A CN113075706 A CN 113075706A
Authority
CN
China
Prior art keywords
signal
noise ratio
data
snow depth
satellite
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
Application number
CN202110320252.2A
Other languages
English (en)
Inventor
何涛
何乃莹
朱卫东
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.)
Shanghai Ocean University
Original Assignee
Shanghai Ocean University
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 Shanghai Ocean University filed Critical Shanghai Ocean University
Priority to CN202110320252.2A priority Critical patent/CN113075706A/zh
Publication of CN113075706A publication Critical patent/CN113075706A/zh
Pending legal-status Critical Current

Links

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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/35—Constructional details or hardware or software details of the signal processing chain
    • G01S19/37—Hardware or software details of the signal processing chain
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/148—Wavelet transforms

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Signal Processing (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于GNSS‑R的雪深反演方法及其应用，步骤：对信噪比观测数据进行预处理，批量获取各颗卫星的直射与反射信号；通过解析GPS卫星的直射信号与反射信号，结合测站周围地形环境，提取卫星高度角信息和信噪比数据；分离出5～25°的卫星高度角信息和信噪比数据，对信噪比数据进行消除趋势项，获得消除趋势项的信噪比序列；根据消除了趋势项的信噪比数据获取线性信噪比残差数据；对线性信噪比残差数据进行小波包分解与重构；对重构后的序列进行Lomb‑Scargle频谱分析，获取主频率；通过对卫星接收机垂直距离和天线高求差值以及公式换算，获取多颗卫星的雪深反演值。本发明的雪深反演方法的精度高，极具应用前景。

Description

一种基于GNSS-R的雪深反演方法及其应用
技术领域
本发明属于测绘科学技术领域，涉及一种基于GNSS-R的雪深反演方法及其应用。
背景技术
积雪作为一种气象观测数据，不仅仅对人们日常生活有出行方面的影响，而且对于全球气候变化趋势来说，是一种重要的评估参数，能够反映水资源储量和全球海平面上升高度，同时为下游洪灾预警和水利发电提供信息。
测绘科学是一门综合性科学，是研究与地理空间分布有关的信息的采集、处理、管理、表达和利用的科学与技术，包括大地测量学、摄影测量学、工程测量学和地图制图学等学科。
全球卫星导航反射技术(Global Navigation Satellite SystemReflectometry，GNSS-R)，在气象、工程、水文等领域有着广泛的应用，包括雪深探测、大坝变形监测、水位测量等。在利用全球卫星导航反射技术时，首先利用二次拟合的方法对信噪比数据进行预处理，批量获取各颗卫星的反射信号；然后通过解析直射反射信号，并根据测站周围的地理环境，分离出5～25°的卫星高度角，并根据所对应的历元范围获得信噪比数据，并对信噪比数据进行去趋势项处理和单位转化，获取信噪比残差序列；然后对于低高度角线性信噪比残差数据，利用Lomb-Scargle频谱分析提取信噪比数据的主频率，通过接收机天线高度和公式换算，进而获取雪深数据的反演值。
利用GNSS-R模型进行雪深反演，信噪比观测数据的质量控制十分重要，由于信噪比序列易受到环境噪声和热噪声影响，直接通过Lomb-Scargle频谱分析的结果难以提取主频率信息，得到的反演结果缺乏可靠性与准确性。目前对信噪比数据进行一定噪声地去除方法中，小波分解为主要方法，虽然小波变换对信号低频部分进行分解时，能很好地表征一大类以低频信息为主要成分的信号，但高频信息中往往也包含了大量细节信号，被认为是噪声，其缺点是低频处时间分辨率低，高频处频率分辨率低，重构小波系数获取去噪后的信噪比信号，会丢失部分细节信息，其结果是降低了雪深反演值的精度。
因此，开发一种能够克服以上信噪比数据噪声去除方法缺陷进而提高雪深反演精度的基于GNSS-R的雪深反演方法极具现实意义。
发明内容
本发明的目的在于克服现有信噪比数据的噪声大进而影响雪深反演值的精度的缺陷，提供一种能够克服以上信噪比数据噪声去除方法缺陷进而提高雪深反演精度的基于GNSS-R的雪深反演方法。本发明的方法具体是通过降低信噪比数据的噪声，使其在进行Lomb-Scargle频谱分析时能够更好地区分和提取主频率，进而获取精度较高、较可靠的雪深反演值。
为实现上述目的，本发明提供如下技术方案：
一种基于GNSS-R的雪深反演方法，应用于电子设备，在获取线性信噪比残差数据后对其进行小波包分解与重构，再对重构后的序列进行Lomb-Scargle频谱分析及后处理得到雪深反演值。
本发明的基于GNSS-R的雪深反演方法，通过对线性信噪比残差数据进行小波包分解与重构，能够在避免细节信息丢失的前提下完成去噪，进而提高雪深反演的精度，本发明选用小波包分解与重构技术替换现有的小波分解与重构技术，现有的小波分解与重构技术仅仅对低频子带进行分解，在低频处时间分辨率低，高频处频率分辨率低，处理信噪比数据会丢失部分细节信息，本发明选用的小波包分解与重构技术目前主要应用在数字图像处理领域中，其能够对每一级信号的低频子带和高频子带进行分解，通过最小化一个代价函数，计算出最优的信号分解路径，从而对原始信号进行分解，与现有技术相比，其对高频和低频都能分解，在高频和低频上都有较高的时间分辨率和频率分辨率，能有效地剔除信噪比数据中的噪声，整体保留较为有效的频谱信息，并且小波包分解与重构之后的信噪比数据经过Lomb-Scargle频谱分析后，与小波分解与重构后的数据相比具有更易提取主频信息，能够提升雪深反演的精度，极具应用前景。
作为优选的技术方案：
如上所述的一种基于GNSS-R的雪深反演方法，其步骤如下：
(1)对信噪比观测数据进行预处理，批量获取各颗卫星的直射与反射信号；
(2)通过解析GPS卫星的直射信号与反射信号，结合测站周围地形环境，提取卫星高度角信息和信噪比数据；
(3)分离出5～25°的卫星高度角信息和信噪比数据，对信噪比数据进行消除趋势项，获得消除趋势项的信噪比序列；
(4)根据消除了趋势项的信噪比数据获取线性信噪比残差数据；
(5)对线性信噪比残差数据进行小波包分解与重构；
(6)对重构后的序列进行Lomb-Scargle频谱分析，获取主频率；
(7)通过对卫星接收机垂直距离和天线高求差值以及公式换算，获取多颗卫星的雪深反演值。
如上所述的一种基于GNSS-R的雪深反演方法，步骤(1)中，所述对信噪比观测数据进行预处理具体是利用二次拟合的方法对信噪比观测数据进行预处理。
如上所述的一种基于GNSS-R的雪深反演方法，步骤(4)中，所述线性信噪比残差数据为低高度角下的线性信噪比残差数据，其具体是通过结算低卫星高度角的正弦值和对消除了趋势项的信噪比数据进行单位转换，将指数变化变换成线性变化而获取的。
如上所述的一种基于GNSS-R的雪深反演方法，步骤(5)中，所述线性信噪比残差数据为低高度角下的线性信噪比残差数据。
如上所述的一种基于GNSS-R的雪深反演方法，最终反演值为多颗卫星的雪深反演值的平均值。
本发明还提供应用如上所述的一种基于GNSS-R的雪深反演方法的电子设备，包括一个或多个处理器、一个或多个存储器、一个或多个程序及获取卫星信号的卫星信号获取设备；
所述一个或多个程序被存储在所述存储器中，当所述一个或多个程序被所述处理器执行时，使得所述电子设备执行如上所述的基于GNSS-R的雪深反演方法。
有益效果：
(1)本发明的基于GNSS-R的雪深反演方法，采用小波包分解与重构的技术处理线性信噪比残差数据，能够大大降低信噪比数据的噪声，从而使其在进行Lomb-Scargle频谱分析时能够更好地区分和提取主频率，获取精度较高、较可靠的雪深反演值；
(2)本发明的基于GNSS-R的雪深反演方法，选用的小波包分解与重构的技术相比于现有技术常用的小波分解，细节信息丢失较少即能够在最大限度留存细节信息的同时完成降噪，进而提高雪深反演的精度，极具应用前景。
附图说明
图1为本发明的基于GNSS-R的雪深反演方法的步序流程图；
图2为本发明基于GNSS-R的雪深反演的几何模型图；
图3为本发明GPS卫星信噪比的趋势变化图；
图4为本发明小波包分解示意图；
图5为本发明经过小波包分解与重构后的频谱分析图；
图6为本发明的GNSS-R雪深反演结果图。
具体实施方式
下面结合附图，对本发明的具体实施方式做进一步阐述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，单独存在B，同时存在A和B三种情况，本文中术语“/和”是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以表示：单独存在A，单独存在A和B两种情况，另外，本文中字符“/”，一般表示前后关联对象是一种“或”关系。
实施例1
在本实施例中，进行积雪雪深反演所使用的GPS监测数据和实测雪深对比验证数据是由美国地球透镜计划(Earthscope)的板块边界观测项目(Plate BoundaryObservation,http//pboweb.unavco.org)提供。
本实施例选用了美国板块边界计划布设在美国犹他州(State of Utah)Randolph地区的P101测站(41.692°N，111.236°W)的2016年335年积日～2017年15年积日共47天的GPS观测数据，该测站的基本参数如下所示：该站采用的接收机类型为TRIMBLE NETRS，天线类型为TRM29659.00，整流罩类型为SCIT，测站高度为2m，采样频率为15s，周围较为空旷。
一种基于GNSS-R的雪深反演方法，其步骤如图1所示，具体为：
(1)结合GNSS-R积雪反演雪深几何模型(如图2所示)，利用二次项拟合的方法对GPS监测数据进行预处理，批量获取各颗GPS卫星的直射信号与反射信号；此时GPS接收机的直射信号与反射信号可表示为：
Figure BDA0002992492260000051
其中，SNR表示GPS信噪比信号、Ad为直射信号振幅、Am是反射信号振幅、α是衰减因子、N0为白噪声功率谱密度、
Figure BDA0002992492260000061
表示相位延迟。
(2)结合GPS卫星信噪比的趋势变化(如图3所示)，分离出上升段反射信号5～25°的卫星高度角信息和信噪比数据，并对GPS信噪比数据消除趋势项：
Figure BDA0002992492260000062
其中，dSNR表示消除了趋势项的信噪比、λ表示波长、A表示振幅。
通过结算低卫星高度角的正弦值和对消除趋势项的信噪比数据进行单位转换，指数变化变换为线性变化，以获取低高度角线性信噪比残差数据：
Figure BDA0002992492260000063
其中
Figure BDA0002992492260000064
表示线性变化的信噪比数据、SNR(dB)表示指数变化的信噪比数据。
(3)令上式(2)中的sinθ为x，
Figure BDA0002992492260000065
为f，可将(2)改写成：
Figure BDA0002992492260000066
(4)将信噪比残差序列经过小波包分解与重构算法，获取重构后的信号：
S＝SSS+dSS+SdS+ddS+SSd+dSd+Sdd+ddd (5)
其中，上述参数均为小波包三层分解后的信号，分解如图4所示，对重构后的信号进行Lomb-Scargle频谱分析，得到主频率f(图5)，通过fλ/2可解算出垂直距离h，而λ＝0.02442m(本实施例选用GPS L2载波信噪比)，再对垂直距离和天线高H求差，可结算出多颗GPS卫星的雪深反演值；
结合图6，为进一步验证算法能够有效提高雪深反演精度，通过对连续多天的多颗卫星L2波段反射信号作频谱分析，联合多颗卫星的反演结果能够形成优势互补，有效改善异常跳变的问题，因此将PRN02、PRN05、PRN09、PRN25、PRN27得到的反演雪深平均值作为最终的雪深反演结果。
本发明的方法的精度如下表所示：
Figure BDA0002992492260000071
由上表可以看出，将所选卫星的数据经过小波包分解与重构后，以多颗卫星的雪深反演的平均值作为反演结果，可知，平均绝对误差(MAE)为0.045m，均方根误差(RMSE)为0.072m，同时与实测雪深具有较高的相关系数，为0.98，相对于直接进行频谱分析的传统算法(即无“经过小波包分解与重构算法，获取重构后的信号”步序——对应表中Lomb-Scargle)和小波分解算法(即采用“经过小波分解算法处理后获取信号”替换“经过小波包分解与重构算法，获取重构后的信号”步序——对应表中小波算法)，精度分别提高了20％、10％，验证了利用小波包进行雪深反演具有良好的潜力和可行性。
经验证，本发明的基于GNSS-R的雪深反演方法，采用小波包分解与重构的技术处理线性信噪比残差数据，能够大大降低信噪比数据的噪声，从而使其在进行Lomb-Scargle频谱分析时能够更好地区分和提取主频率，获取精度较高、较可靠的雪深反演值；选用的小波包分解与重构的技术相比于现有技术常用的小波分解，细节信息丢失较少即能够在最大限度留存细节信息的同时完成降噪，进而提高雪深反演的精度，极具应用前景。
实施例2
一种电子设备，包括一个或多个处理器、一个或多个存储器、一个或多个程序及获取卫星信号的卫星信号获取设备；
一个或多个程序被存储在存储器中，当一个或多个程序被处理器执行时，使得电子设备执行如实施例1所述的基于GNSS-R的雪深反演方法。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应该理解，这些仅是举例说明，在不违背本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改。

Claims (7)

1.一种基于GNSS-R的雪深反演方法，应用于电子设备，其特征在于，在获取线性信噪比残差数据后对其进行小波包分解与重构，再对重构后的序列进行Lomb-Scargle频谱分析及后处理得到雪深反演值。
2.根据权利要求1所述的一种基于GNSS-R的雪深反演方法，其特征在于，其步骤如下：
(1)对信噪比观测数据进行预处理，批量获取各颗卫星的直射与反射信号；
(2)通过解析GPS卫星的直射信号与反射信号，结合测站周围地形环境，提取卫星高度角信息和信噪比数据；
(3)分离出5～25°的卫星高度角信息和信噪比数据，对信噪比数据进行消除趋势项，获得消除趋势项的信噪比序列；
(4)根据消除了趋势项的信噪比数据获取线性信噪比残差数据；
(5)对线性信噪比残差数据进行小波包分解与重构；
(6)对重构后的序列进行Lomb-Scargle频谱分析，获取主频率；
(7)通过对卫星接收机垂直距离和天线高求差值以及公式换算，获取多颗卫星的雪深反演值。
3.根据权利要求2所述的一种基于GNSS-R的雪深反演方法，其特征在于，步骤(1)中，所述对信噪比观测数据进行预处理具体是利用二次拟合的方法对信噪比观测数据进行预处理。
4.根据权利要求2所述的一种基于GNSS-R的雪深反演方法，其特征在于，步骤(4)中，所述线性信噪比残差数据为低高度角下的线性信噪比残差数据，其具体是通过结算低卫星高度角的正弦值和对消除了趋势项的信噪比数据进行单位转换，将指数变化变换成线性变化而获取的。
5.根据权利要求4所述的一种基于GNSS-R的雪深反演方法，其特征在于，步骤(5)中，所述线性信噪比残差数据为低高度角下的线性信噪比残差数据。
6.根据权利要求2所述的一种基于GNSS-R的雪深反演方法，其特征在于，最终反演值为多颗卫星的雪深反演值的平均值。
7.应用如权利要求1～6所述的一种基于GNSS-R的雪深反演方法的电子设备，其特征在于，包括一个或多个处理器、一个或多个存储器、一个或多个程序及获取卫星信号的卫星信号获取设备；
所述一个或多个程序被存储在所述存储器中，当所述一个或多个程序被所述处理器执行时，使得所述电子设备执行如上所述的基于GNSS-R的雪深反演方法。
CN202110320252.2A 2021-03-25 2021-03-25 一种基于gnss-r的雪深反演方法及其应用 Pending CN113075706A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110320252.2A CN113075706A (zh) 2021-03-25 2021-03-25 一种基于gnss-r的雪深反演方法及其应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110320252.2A CN113075706A (zh) 2021-03-25 2021-03-25 一种基于gnss-r的雪深反演方法及其应用

Publications (1)

Publication Number Publication Date
CN113075706A true CN113075706A (zh) 2021-07-06

Family

ID=76610870

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110320252.2A Pending CN113075706A (zh) 2021-03-25 2021-03-25 一种基于gnss-r的雪深反演方法及其应用

Country Status (1)

Country Link
CN (1) CN113075706A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113466827A (zh) * 2021-07-19 2021-10-01 上海海洋大学 一种基于改进局部稀疏算法的去噪方法
CN113805208A (zh) * 2021-08-31 2021-12-17 杭州电子科技大学 一种适用于导航接收机的gnss-ir测高方法
CN114265127A (zh) * 2021-12-23 2022-04-01 上海海洋大学 一种基于支持向量机的gnss-r积雪检测方法
CN114721019A (zh) * 2022-03-29 2022-07-08 长安大学 基于gps双频信号的雪水当量估计方法及装置

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104931040A (zh) * 2014-11-25 2015-09-23 国家电网公司 基于机器学习的北斗ⅱ代导航系统电力铁塔变形监测设备安装和调试方法
US20160022164A1 (en) * 2009-11-03 2016-01-28 Vivaquant Llc Detecting fiducial points in physiological signals
CN107796484A (zh) * 2017-01-11 2018-03-13 中南大学 一种基于北斗导航定位系统信噪比数据观测水位变化方法
CN108462502A (zh) * 2018-05-11 2018-08-28 中国电子科技集团公司第五十四研究所 一种用于流星余迹通信系统的小波包降噪方法
CN108491355A (zh) * 2018-02-05 2018-09-04 南京邮电大学 一种基于ceemd与小波包的超声信号降噪方法
CN109709585A (zh) * 2018-12-04 2019-05-03 中铁第四勘察设计院集团有限公司 去除gps坐标时间序列中有色噪声的方法
CN109725290A (zh) * 2019-01-31 2019-05-07 北京邮电大学 一种误差提取方法、装置、电子设备及可读存储介质
CN110057586A (zh) * 2019-04-25 2019-07-26 长江大学 轴承故障振动信号Schatten改进小波包与重构降噪方法
CN110864678A (zh) * 2019-12-03 2020-03-06 国家电网有限公司 无人测绘机gps坐标自动测绘方法以及系统
CN112130174A (zh) * 2020-09-30 2020-12-25 长安大学 一种改进的gnss-ir提取积雪深度方法
CN112230254A (zh) * 2020-10-29 2021-01-15 新乡医学院三全学院 一种gps载波相位多径误差的校正方法及装置
AU2020103449A4 (en) * 2020-11-16 2021-01-28 China University Of Mining And Technology Method for monitoring the water level of reservoir by using GNSS triple-frequency phase combination data

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160022164A1 (en) * 2009-11-03 2016-01-28 Vivaquant Llc Detecting fiducial points in physiological signals
CN104931040A (zh) * 2014-11-25 2015-09-23 国家电网公司 基于机器学习的北斗ⅱ代导航系统电力铁塔变形监测设备安装和调试方法
CN107796484A (zh) * 2017-01-11 2018-03-13 中南大学 一种基于北斗导航定位系统信噪比数据观测水位变化方法
CN108491355A (zh) * 2018-02-05 2018-09-04 南京邮电大学 一种基于ceemd与小波包的超声信号降噪方法
CN108462502A (zh) * 2018-05-11 2018-08-28 中国电子科技集团公司第五十四研究所 一种用于流星余迹通信系统的小波包降噪方法
CN109709585A (zh) * 2018-12-04 2019-05-03 中铁第四勘察设计院集团有限公司 去除gps坐标时间序列中有色噪声的方法
CN109725290A (zh) * 2019-01-31 2019-05-07 北京邮电大学 一种误差提取方法、装置、电子设备及可读存储介质
CN110057586A (zh) * 2019-04-25 2019-07-26 长江大学 轴承故障振动信号Schatten改进小波包与重构降噪方法
CN110864678A (zh) * 2019-12-03 2020-03-06 国家电网有限公司 无人测绘机gps坐标自动测绘方法以及系统
CN112130174A (zh) * 2020-09-30 2020-12-25 长安大学 一种改进的gnss-ir提取积雪深度方法
CN112230254A (zh) * 2020-10-29 2021-01-15 新乡医学院三全学院 一种gps载波相位多径误差的校正方法及装置
AU2020103449A4 (en) * 2020-11-16 2021-01-28 China University Of Mining And Technology Method for monitoring the water level of reservoir by using GNSS triple-frequency phase combination data

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
周威: "陆基多模多频GNSS反射信号的地表雪深监测研究", 《中国优秀硕士学位论文全文数据库基础科学辑》, no. 01, pages 4 *
李寅寅 等: "基于小波包阈值处理的GPS 软件接收机跟踪结果降噪算法", 《中国惯性技术学报》, vol. 19, no. 4, pages 431 - 433 *
汉牟田;张波;杨东凯;洪学宝;杨磊;宋曙辉;: "利用GNSS干涉信号振荡幅度反演土壤湿度", 测绘学报, vol. 45, no. 11 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113466827A (zh) * 2021-07-19 2021-10-01 上海海洋大学 一种基于改进局部稀疏算法的去噪方法
CN113466827B (zh) * 2021-07-19 2023-08-22 上海海洋大学 一种基于改进局部稀疏算法的去噪方法
CN113805208A (zh) * 2021-08-31 2021-12-17 杭州电子科技大学 一种适用于导航接收机的gnss-ir测高方法
CN113805208B (zh) * 2021-08-31 2024-04-16 杭州电子科技大学 一种适用于导航接收机的gnss-ir测高方法
CN114265127A (zh) * 2021-12-23 2022-04-01 上海海洋大学 一种基于支持向量机的gnss-r积雪检测方法
CN114721019A (zh) * 2022-03-29 2022-07-08 长安大学 基于gps双频信号的雪水当量估计方法及装置

Similar Documents

Publication Publication Date Title
CN113075706A (zh) 一种基于gnss-r的雪深反演方法及其应用
Kleinherenbrink et al. A comparison of methods to estimate vertical land motion trends from GNSS and altimetry at tide gauge stations
CN111781146A (zh) 利用高分辨率卫星光学影像的波浪参数反演方法
Li et al. Assessment of the updated Envisat ASAR ocean surface wave spectra with buoy and altimeter data
CN115494086A (zh) 一种顾及异常干涉相位的gnss-ir土壤湿度监测方法
Kofidou et al. Review on spatial downscaling of satellite derived precipitation estimates
Karimi et al. Mean sea surface and mean dynamic topography determination from CryoSat-2 data around Australia
Wang et al. Evaluation on the capability of revealing ocean swells from Sentinel-1A wave spectra measurements
Green et al. An inversion method for extraction of wind speed from high-frequency ground-wave radar oceanic backscatter
CN114296046B (zh) 基于人工神经网络的hfswr多海况有效波高提取方法与装置
Benassai et al. Wave simulations through SAR COSMO-SkyMed wind retrieval and verification with buoy data
Andari et al. Identification of Sea Level Rise and Land Subsidence Based on Sentinel 1 Data in the Coastal City of Pekalongan, Central Java, Indonesia
Doronzo et al. Extensive analysis of potentialities and limitations of a maximum cross-correlation technique for surface circulation by using realistic ocean model simulations
CN114167419A (zh) 一种结合卫星遥感图像与河流计数据的河宽提取的方法
Ramos et al. Observation of wave energy evolution in coastal areas using HF radar
Yan et al. Mapping Surface Water Fraction Over the Pan-tropical Region Using CYGNSS Data
Giangregorio et al. Wind Direction Estimation by Deconvolution of GNSS Delay–Doppler Maps: A Simulation Analysis
CN112572845A (zh) 一种基于小波变换的卫星机动快速探测方法
Vergara et al. Global submesoscale diagnosis using alongtrack satellite altimetry
Chen et al. An adaptive GaoFen-3 SAR wind field retrieval algorithm based on information entropy
CN117610791B (zh) 一种应用于大范围水文干旱监测的方法及装置
CN115586527B (zh) 一种基于DS-InSAR技术的云端道路形变预警系统
CN116148855B (zh) 时序InSAR大气相位去除和形变解算的方法及系统
CN117434563A (zh) 一种适用于gnss-ir水位反演的降噪方法
Salcedo-Castro et al. Estimation of extreme wave heights return period from short-term interpolation of multi-mission satellite data: application to the South Atlantic

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