CN114721019B - 基于gps双频信号的雪水当量估计方法及装置 - Google Patents

基于gps双频信号的雪水当量估计方法及装置 Download PDF

Info

Publication number
CN114721019B
CN114721019B CN202210320709.4A CN202210320709A CN114721019B CN 114721019 B CN114721019 B CN 114721019B CN 202210320709 A CN202210320709 A CN 202210320709A CN 114721019 B CN114721019 B CN 114721019B
Authority
CN
China
Prior art keywords
signal
reflection height
snow
year
reflection
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.)
Active
Application number
CN202210320709.4A
Other languages
English (en)
Other versions
CN114721019A (zh
Inventor
胡羽丰
王佳彤
李振洪
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.)
Changan University
Original Assignee
Changan 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 Changan University filed Critical Changan University
Priority to CN202210320709.4A priority Critical patent/CN114721019B/zh
Publication of CN114721019A publication Critical patent/CN114721019A/zh
Application granted granted Critical
Publication of CN114721019B publication Critical patent/CN114721019B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01S19/14—Receivers specially adapted for specific applications
    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

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

Abstract

本发明公开了一种基于GPS双频信号的雪水当量估计方法及装置，该方法包括：接收L1信号和L2C信号，并获得L1信号的第一信噪比观测值及L2C信号的第二信噪比观测值；根据第一信噪比观测值和L1信号的波长，确定第一反射高度；根据第二信噪比观测值和L2C信号的波长，确定第二反射高度；对L2C信号缺测天数对应的第一反射高度进行转换，得到缺测天数对应的第三反射高度；根据第二反射高度和第三反射高度，确定水文年中每个年积日的积雪深度；根据积雪深度，估计水文年中每个年积日的雪水当量。本发明对第一反射高度和第二反射高度建立线性模型，将L2C反演精度与L1反演数据量进行有效结合，能够实现GPS‑IR积雪深度反演，也提高了雪水当量估计结果的准确性。

Description

基于GPS双频信号的雪水当量估计方法及装置
技术领域
本发明属于气象监测技术领域，具体涉及一种基于GPS双频信号的雪水当量估计方法及装置。
背景技术
积雪是许多国家与地区重要的淡水来源，也是气候变化与水文研究的重点内容。雪水当量作为重要的积雪参数，能够直接表征区域内水循环变化及能量平衡状况。因此，对于雪水当量的稳定、精准、可持续性估计对进行气候、生态变化研究、水资源科学管理等研究意义重大。
目前，雪水当量主要通过人工或站点观测的方式获取，相比雪水当量，积雪深度在野外更容易测量，因此，利用雪深估计雪水当量成为了获取雪水当量估计值的一种重要方式。相关技术中，GPS-IR技术利用易于获取的GPS数据实现积雪深度变化的监测，但是，在利用信号进行雪深反演的过程中，其采用抗差估计等方法进行粗差的剔除，这样无法削弱信号间的系统差异；尤其是对常用于雪深监测的GPS L1与L2C信号来说，信号强度及信噪比噪声的影响会导致两种信号在反演精度、数据数量上有一定差异，进而导致雪水当量的估计结果存在较大偏差。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种基于GPS双频信号的雪水当量估计方法及装置。本发明要解决的技术问题通过以下技术方案实现：
第一方面，本发明提供一种基于GPS双频信号的雪水当量估计方法，应用于GPS接收机；
所述雪水当量估计方法包括：
接收卫星发射的L1信号，并获得所述L1信号的第一信噪比观测值；
根据所述第一信噪比观测值和所述L1信号的波长，确定第一反射高度；所述第一反射高度包括水文年每个年积日中L1信号经积雪表面反射后的反射高度；
接收卫星发射的L2C信号，并获得所述L2C信号的第二信噪比观测值；
根据所述第二信噪比观测值和所述L2C信号的波长，确定第二反射高度；所述第二反射高度包括至少部分水文年年积日中L2C信号经积雪表面反射后的反射高度；
对将L2C信号缺测天数对应的第一反射高度进行转换，得到L2C信号缺测天数对应的第三反射高度；
根据第二反射高度和第三反射高度，确定水文年中每个年积日的积雪深度；
根据所述积雪深度，估计水文年中每个年积日的雪水当量。
在本发明的一个实施例中，所述根据所述第一信噪比观测值和所述L1信号的波长，确定第一反射高度的步骤，包括：
根据第一信噪比观测值，获得第一信噪比观测值的残差序列；
对第一信噪比观测值的残差序列进行频谱分析，确定所述第一信噪比观测值的振荡频率；
根据所述L1信号的波长以及所述振荡频率，按照如下公式确定第一反射高度：
式中，f1表示所述第一信噪比观测值的振荡频率，λ1表示L1信号的波长，HR1表示第一反射高度；其中，所述第一反射高度包括水文年每个年积日中L1信号经积雪表面反射后的反射高度。
在本发明的一个实施例中，所述对将L2C信号缺测天数对应的第一反射高度进行转换，得到L2C信号缺测天数对应的第三反射高度的步骤，包括：
获取L2C信号缺测天数对应的第一反射高度；
确定第一线性拟合系数及第二线性拟合系数，利用所述第一线性拟合系数和所述第二线性拟合系数，将L2C信号缺测天数对应的第一反射高度转换得到L2C信号缺测天数对应的第三反射高度。
在本发明的一个实施例中，按照如下公式对L2C信号缺测天数对应的第一反射高度进行转换：
HR3＝a·H′R1+b
其中，a、b分别表示第一线性拟合系数和第二线性拟合系数，H′R1表示L2C信号缺测天数对应的第一反射高度，HR3表示L2C信号缺测天数对应的第三反射高度。
在本发明的一个实施例中，所述根据第二反射高度和第三反射高度，确定水文年中每个年积日的积雪深度的步骤，包括：
计算水文年中每个年积日对应的第二反射高度或第三反射高度与GPS接收机自身高度的差值，得到水文年中每个年积日的积雪深度。
在本发明的一个实施例中，所述GPS接收机自身高度为：无雪期内L2C信号每日反射高度的平均值。
在本发明的一个实施例中，根据所述积雪深度，按照如下公式估计水文年中每个年积日的雪水当量：
式中，ρ0为雪密度常数，ρmax为所述水文年中雪密度的最大值，k1、k2为预设的经验系数，DOYi为所述水文年中的第i个年积日，hi为所述水文年中的第i个年积日的积雪深度，为所述水文年中的第i个年积日的雪水当量。
第二方面，本发明还提供一种基于GPS双频信号的雪水当量估计装置，应用于GPS接收机；
所述雪水当量估计方法包括：
第一接收单元，用于接收卫星发射的L1信号，并获得所述L1信号的第一信噪比观测值；
第一确定单元，用于根据所述第一信噪比观测值和所述L1信号的波长，确定第一反射高度；所述第一反射高度包括水文年每个年积日中L1信号经积雪表面反射后的反射高度；
第二接收单元，用于接收卫星发射的L2C信号，并获得所述L2C信号的第二信噪比观测值；
第二确定单元，用于根据所述第二信噪比观测值和所述L2C信号的波长，确定第二反射高度；所述第二反射高度包括至少部分水文年年积日中L2C信号经积雪表面反射后的反射高度；
转换单元，用于对将L2C信号缺测天数对应的第一反射高度进行转换，得到L2C信号缺测天数对应的第三反射高度；
深度确定单元，用于根据第二反射高度和第三反射高度，确定水文年中每个年积日的积雪深度；
估计单元，用于根据所述积雪深度，估计水文年中每个年积日的雪水当量。
与现有技术相比，本发明的有益效果在于：
本发明提供了一种基于GPS双频信号的雪水当量估计方法及装置，通过对L1信号的第一反射高度和L2C信号的第二反射高度建立线性模型，将L2C反演精度与L1反演数据量进行有效结合，克服了现有技术中L1信号雪水当量监测精度低、而L2C信号数据量少的问题，不仅能够实现GPS-IR积雪深度反演，也提高了雪水当量估计结果的准确性。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的基于GPS双频信号的雪水当量估计方法的一种流程图；
图2是本发明实施例提供的基于GPS双频信号的雪水当量估计方法的一种示意图；
图3是本发明实施例提供的雪水当量估计结果的一种示意图；
图4是本发明实施例提供的基于GPS双频信号的雪水当量估计装置的一种结构示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
图1是本发明实施例提供的基于GPS双频信号的雪水当量估计方法的一种流程图，图2是本发明实施例提供的基于GPS双频信号的雪水当量估计方法的一种示意图。请参见图1-2，一种基于GPS双频信号的雪水当量估计方法，其特征在于，应用于GPS接收机；
所述雪水当量估计方法包括：
S1、接收卫星发射的L1信号，并获得L1信号的第一信噪比观测值；
S2、根据第一信噪比观测值和L1信号的波长，确定第一反射高度；第一反射高度包括水文年每个年积日中L1信号经积雪表面反射后的反射高度；
S3、接收卫星发射的L2C信号，并获得L2C信号的第二信噪比观测值；
S4、根据第二信噪比观测值和L2C信号的波长，确定第二反射高度；第二反射高度包括至少部分水文年年积日中L2C信号经积雪表面反射后的反射高度；
S5、对将L2C信号缺测天数对应的第一反射高度进行转换，得到L2C信号缺测天数对应的第三反射高度；
S6、根据第二反射高度和第三反射高度，确定水文年中每个年积日的积雪深度；
S7、根据积雪深度，估计水文年中每个年积日的雪水当量。
具体而言，在本发明提供的基于GPS双频信号的雪水当量估计方法中，GPS接收机首先接收GPS卫星或GNSS卫星发射的L1信号，部分L1信号直接被GPS接收机接收、另一部分L1信号经积雪表面反射后被GPS接收机接收，GPS接收机可获得L1信号的信噪比观测值，即第一信噪比观测值。步骤S2中，GPS接收机根据第一信噪比观测值及L1信号的波长，计算第一反射高度；示例性地，L1信号的波长为19.1cm。
进一步地，GPS接收机接收GPS卫星或GNSS卫星发射的L2C信号，得到L2C信号的第二信噪比观测值，其中，L2C信号的波长可以为24.4cm，根据第二信噪比观测值及L2C信号的波长，即可计算得到第二反射高度。
需要说明的是，第一反射高度包括水文年每个年积日中L1信号经积雪表面反射后的反射高度，而由于L2C信号存在数据量少的问题，因此第二反射高度可能只包括部分水文年年积日中L2C信号经积雪表面反射后的反射高度。针对L2C信号缺测的这部分天数，本实施例对缺测天数对应的第一反射高度进行转换，得到L2C信号缺测天数对应的第三反射高度，这样第二反射高度和第三反射高度就包括水文年每个年积日中L2C信号经积雪表面反射后的反射高度。
上述步骤S6～S7中，GPS接收机根据第二反射高度和第三反射高度，确定水文年中每个年积日的积雪深度，并根据积雪深度估计水文年中每个年积日的雪水当量。
可见，本发明通过对L1信号的第一反射高度和L2C信号的第二反射高度建立线性模型，将L2C反演精度与L1反演数据量进行有效结合，克服了现有技术中L1信号雪水当量监测精度低、而L2C信号数据量少的问题，不仅能够实现GPS-IR积雪深度反演，也提高了雪水当量估计结果的准确性。
可选地，上述步骤S2中，根据第一信噪比观测值和L1信号的波长，确定第一反射高度的步骤，包括：
S201、根据第一信噪比观测值，获得第一信噪比观测值的残差序列；
S202、对第一信噪比观测值的残差序列进行频谱分析，确定第一信噪比观测值的振荡频率；
S203、根据L1信号的波长以及振荡频率，按照如下公式确定第一反射高度：
式中，f1表示第一信噪比观测值的振荡频率，λ1表示L1信号的波长，HR1表示第一反射高度；其中，第一反射高度包括水文年每个年积日中L1信号经积雪表面反射后的反射高度。
本实施例中，首先根据第一信噪比观测值获得第一信噪比观测值的残差序列，接着对非等间隔采样的第一信噪比观测值的残差序列进行频谱分析，以确定第一信噪比观测值的振荡频率f1，而第一反射高度因此根据L1信号的波长和振荡频率f1可计算得到第一反射高度。
同样地，对于L2C信号，需要获得第二信噪比观测值的残差序列，进而通过频谱分析确定第二信噪比观测值的振荡频率f2，并根据L2C信号的波长和振荡频率f2计算第二反射高度。由于上述过程与第一反射高度的计算过程相同，故此处不再赘述。
可选地，上述步骤S5中，对将L2C信号缺测天数对应的第一反射高度进行转换，得到L2C信号缺测天数对应的第三反射高度的步骤，包括：
获取L2C信号缺测天数对应的第一反射高度；
确定第一线性拟合系数及第二线性拟合系数，利用第一线性拟合系数和第二线性拟合系数，将L2C信号缺测天数对应的第一反射高度转换得到L2C信号缺测天数对应的第三反射高度。
上述步骤S5中，对于L2C信号的缺测天数，可以按照如下公式对L2C信号缺测天数对应的第一反射高度进行转换：
HR3＝a·H′R1+b
其中，a、b分别表示第一线性拟合系数和第二线性拟合系数，H′R1表示L2C信号缺测天数对应的第一反射高度，HR3表示L2C信号缺测天数对应的第三反射高度。
应当理解，通过对L1信号的第一反射高度和L2C信号的第二反射高度建立线性模型，可以利用缺测天数对应的第一反射高度转换得到L2C信号缺测天数对应的第三反射高度，第二反射高度与第三反射高度包括水文年每个年积日中L2C信号经积雪表面反射后的反射高度，因此本实施例将L2C反演精度与L1反演数据量进行有效结合，克服了现有技术中L1信号雪水当量监测精度低、而L2C信号数据量少的问题，
可选地，根据第二反射高度和第三反射高度，确定水文年中每个年积日的积雪深度的步骤，包括：
计算水文年中每个年积日对应的第二反射高度或第三反射高度与GPS接收机自身高度的差值，得到水文年中每个年积日的积雪深度。
如图2所示，若要计算水文年中某个年积日的积雪深度，则需要将该年积日对应的第二反射高度或第三反射高度与GPS接收机的高度作差。由于本实施例是利用L2C信号的反射高度确定积雪深度，因此GPS接收机自身高度可以为：无雪期内L2C信号每日反射高度的平均值H’。
进一步地，上述步骤S7中，根据积雪深度，按照如下公式估计水文年中每个年积日的雪水当量：
式中，ρ0为雪密度常数，指雪季初期积雪深度极小时对应的雪密度，ρmax为水文年中雪密度的最大值，k1、k2为预设的经验系数，DOYi为水文年中的第i个年积日，hi为水文年中的第i个年积日的积雪深度，为水文年中的第i个年积日的雪水当量。
图3是本发明实施例提供的雪水当量估计结果的一种示意图。如图3所示，利用上述雪水当量估计方法基于L1信号及L2C信号进行雪水当量的估计，由图3(a)、(c)、(e)中雪水当量时间序列可以看出L1、L2C以及得到的雪水当量与SNOTEL雪水当量有近似的变化趋势。显然，本发明提供的雪水当量估计方法相对反演效果较好的L2C雪深的增加了近25.8％的反演值，有效结合了L1的反演数据量以及L2C的反演精度，能够满足对于大部分应用对于雪水当量估计的需求。
图4是本发明实施例提供的基于GPS双频信号的雪水当量估计装置的一种结构示意图。如图4所示，本发明实施例提供一种基于GPS双频信号的雪水当量估计装置，应用于GPS接收机；
所述雪水当量估计方法包括：
第一接收单元410，用于接收卫星发射的L1信号，并获得所述L1信号的第一信噪比观测值；
第一确定单元420，用于根据所述第一信噪比观测值和所述L1信号的波长，确定第一反射高度；所述第一反射高度包括水文年每个年积日中L1信号经积雪表面反射后的反射高度；
第二接收单元430，用于接收卫星发射的L2C信号，并获得所述L2C信号的第二信噪比观测值；
第二确定单元440，用于根据所述第二信噪比观测值和所述L2C信号的波长，确定第二反射高度；所述第二反射高度包括至少部分水文年年积日中L2C信号经积雪表面反射后的反射高度；
转换单元450，用于对将L2C信号缺测天数对应的第一反射高度进行转换，得到L2C信号缺测天数对应的第三反射高度；
深度确定单元460，用于根据第二反射高度和第三反射高度，确定水文年中每个年积日的积雪深度；
估计单元470，用于根据所述积雪深度，估计水文年中每个年积日的雪水当量。
通过上述各实施例可知，本发明的有益效果在于：
本发明提供了一种基于GPS双频信号的雪水当量估计方法及装置，通过对L1信号的第一反射高度和L2C信号的第二反射高度建立线性模型，将L2C反演精度与L1反演数据量进行有效结合，克服了现有技术中L1信号雪水当量监测精度低、而L2C信号数据量少的问题，不仅能够实现GPS-IR积雪深度反演，也提高了雪水当量估计结果的准确性。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
尽管在此结合各实施例对本申请进行了描述，然而，在实施所要求保护的本申请过程中，本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书，可理解并实现所述公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (3)

1.一种基于GPS双频信号的雪水当量估计方法，其特征在于，应用于GPS接收机；
所述雪水当量估计方法包括：
接收卫星发射的L1信号，并获得所述L1信号的第一信噪比观测值；
根据所述第一信噪比观测值和所述L1信号的波长，确定第一反射高度；所述第一反射高度包括水文年每个年积日中L1信号经积雪表面反射后的反射高度；
接收卫星发射的L2C信号，并获得所述L2C信号的第二信噪比观测值；
根据所述第二信噪比观测值和所述L2C信号的波长，确定第二反射高度；所述第二反射高度包括至少部分水文年年积日中L2C信号经积雪表面反射后的反射高度；
对将L2C信号缺测天数对应的第一反射高度进行转换，得到L2C信号缺测天数对应的第三反射高度；
根据第二反射高度和第三反射高度，确定水文年中每个年积日的积雪深度；
根据所述积雪深度，估计水文年中每个年积日的雪水当量；
所述根据所述第一信噪比观测值和所述L1信号的波长，确定第一反射高度的步骤，包括：
根据第一信噪比观测值，获得第一信噪比观测值的残差序列；
对第一信噪比观测值的残差序列进行频谱分析，确定所述第一信噪比观测值的振荡频率；
根据所述L1信号的波长以及所述振荡频率，按照如下公式确定第一反射高度：
式中，f1表示所述第一信噪比观测值的振荡频率，λ1表示L1信号的波长，HR1表示第一反射高度；其中，所述第一反射高度包括水文年每个年积日中L1信号经积雪表面反射后的反射高度；
所述对将L2C信号缺测天数对应的第一反射高度进行转换，得到L2C信号缺测天数对应的第三反射高度的步骤，包括：
获取L2C信号缺测天数对应的第一反射高度；
确定第一线性拟合系数及第二线性拟合系数，利用所述第一线性拟合系数和所述第二线性拟合系数，将L2C信号缺测天数对应的第一反射高度转换得到L2C信号缺测天数对应的第三反射高度；
所述根据第二反射高度和第三反射高度，确定水文年中每个年积日的积雪深度的步骤，包括：
计算水文年中每个年积日对应的第二反射高度或第三反射高度与GPS接收机自身高度的差值，得到水文年中每个年积日的积雪深度；
所述GPS接收机自身高度为：无雪期内L2C信号每日反射高度的平均值；
根据所述积雪深度，按照如下公式估计水文年中每个年积日的雪水当量：
式中，ρ0为雪密度常数，ρmax为所述水文年中雪密度的最大值，k1、k2为预设的经验系数，DOYi为所述水文年中的第i个年积日，hi为所述水文年中的第i个年积日的积雪深度，ρh，DOYi为所述水文年中的第i个年积日的雪水当量。
2.根据权利要求1所述的基于GPS双频信号的雪水当量估计方法，其特征在于，按照如下公式对L2C信号缺测天数对应的第一反射高度进行转换：
HR3＝a·H′R1+b
其中，a、b分别表示第一线性拟合系数和第二线性拟合系数，H′R1表示L2C信号缺测天数对应的第一反射高度，HR3表示L2C信号缺测天数对应的第三反射高度。
3.一种基于GPS双频信号的雪水当量估计装置，其特征在于，应用于GPS接收机；
所述雪水当量估计方法包括：
第一接收单元，用于接收卫星发射的L1信号，并获得所述L1信号的第一信噪比观测值；
第一确定单元，用于根据所述第一信噪比观测值和所述L1信号的波长，确定第一反射高度；所述第一反射高度包括水文年每个年积日中L1信号经积雪表面反射后的反射高度；
第二接收单元，用于接收卫星发射的L2C信号，并获得所述L2C信号的第二信噪比观测值；
第二确定单元，用于根据所述第二信噪比观测值和所述L2C信号的波长，确定第二反射高度；所述第二反射高度包括至少部分水文年年积日中L2C信号经积雪表面反射后的反射高度；
转换单元，用于对将L2C信号缺测天数对应的第一反射高度进行转换，得到L2C信号缺测天数对应的第三反射高度；
深度确定单元，用于根据第二反射高度和第三反射高度，确定水文年中每个年积日的积雪深度；
估计单元，用于根据所述积雪深度，估计水文年中每个年积日的雪水当量；
所述第一确定单元，具体用于根据第一信噪比观测值，获得第一信噪比观测值的残差序列；对第一信噪比观测值的残差序列进行频谱分析，确定所述第一信噪比观测值的振荡频率；根据所述L1信号的波长以及所述振荡频率，按照如下公式确定第一反射高度：
式中，f1表示所述第一信噪比观测值的振荡频率，λ1表示L1信号的波长，HR1表示第一反射高度；其中，所述第一反射高度包括水文年每个年积日中L1信号经积雪表面反射后的反射高度；
所述转换单元，具体用于获取L2C信号缺测天数对应的第一反射高度；确定第一线性拟合系数及第二线性拟合系数，利用所述第一线性拟合系数和所述第二线性拟合系数，将L2C信号缺测天数对应的第一反射高度转换得到L2C信号缺测天数对应的第三反射高度；
所述深度确定单元，具体用于计算水文年中每个年积日对应的第二反射高度或第三反射高度与GPS接收机自身高度的差值，得到水文年中每个年积日的积雪深度；其中，所述GPS接收机自身高度为：无雪期内L2C信号每日反射高度的平均值；
所述估计单元按照如下公式估计水文年中每个年积日的雪水当量：
式中，ρ0为雪密度常数，ρmax为所述水文年中雪密度的最大值，k1、k2为预设的经验系数，DOYi为所述水文年中的第i个年积日，hi为所述水文年中的第i个年积日的积雪深度，为所述水文年中的第i个年积日的雪水当量。
CN202210320709.4A 2022-03-29 2022-03-29 基于gps双频信号的雪水当量估计方法及装置 Active CN114721019B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210320709.4A CN114721019B (zh) 2022-03-29 2022-03-29 基于gps双频信号的雪水当量估计方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210320709.4A CN114721019B (zh) 2022-03-29 2022-03-29 基于gps双频信号的雪水当量估计方法及装置

Publications (2)

Publication Number Publication Date
CN114721019A CN114721019A (zh) 2022-07-08
CN114721019B true CN114721019B (zh) 2024-06-11

Family

ID=82240311

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210320709.4A Active CN114721019B (zh) 2022-03-29 2022-03-29 基于gps双频信号的雪水当量估计方法及装置

Country Status (1)

Country Link
CN (1) CN114721019B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104237904A (zh) * 2013-06-12 2014-12-24 三星电子株式会社 用于从多个gnss卫星系统同时接收信号的接收机
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
CN113075706A (zh) * 2021-03-25 2021-07-06 上海海洋大学 一种基于gnss-r的雪深反演方法及其应用
US11092716B1 (en) * 2018-01-22 2021-08-17 NWB Sensors, Inc Method of determining snowpack parameters using global navigation satellite system receivers
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
CN113932704A (zh) * 2021-11-19 2022-01-14 北京大学 面向北斗站点的gnss-ir积雪深度反演的最优策略及系统
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
CN114236571A (zh) * 2021-11-26 2022-03-25 江苏城乡建设职业学院 一种基于多系统gnss反射信号的积雪深度提取方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104237904A (zh) * 2013-06-12 2014-12-24 三星电子株式会社 用于从多个gnss卫星系统同时接收信号的接收机
US11092716B1 (en) * 2018-01-22 2021-08-17 NWB Sensors, Inc Method of determining snowpack parameters using global navigation satellite system receivers
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
CN113075706A (zh) * 2021-03-25 2021-07-06 上海海洋大学 一种基于gnss-r的雪深反演方法及其应用
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
CN113932704A (zh) * 2021-11-19 2022-01-14 北京大学 面向北斗站点的gnss-ir积雪深度反演的最优策略及系统
CN114236571A (zh) * 2021-11-26 2022-03-25 江苏城乡建设职业学院 一种基于多系统gnss反射信号的积雪深度提取方法
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GLONASS卫星SNR信号的雪深探测;周威;刘立龙;黄良珂;黎峻宇;陈军;陈发德;邢尹;刘林波;;遥感学报;20180925(第05期);全文 *
基于GPS和北斗信噪比观测值的雪深反演及其误差分析;王泽民;刘智康;安家春;林国标;;测绘学报;20180115(第01期);全文 *

Also Published As

Publication number Publication date
CN114721019A (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
Gray et al. A global analysis of Sverdrup balance using absolute geostrophic velocities from Argo
Guo et al. Estimating atmospheric boundary layer depth using COSMIC radio occultation data
Thompson et al. Mapping mesoscale and submesoscale wind fields using synthetic aperture radar
Martin Miguez et al. Performance of modern tide gauges: towards mm-level accuracy
Alshawaf et al. Accurate estimation of atmospheric water vapor using GNSS observations and surface meteorological data
CN105425319A (zh) 基于地面测量数据校正的降雨卫星暴雨同化方法
Luo et al. A realistic and easy-to-implement weighting model for GPS phase observations
WO2009094518A1 (en) Estimation of subsurface thermal structure using sea surface height and sea surface temperature
Stum et al. Using objective analysis of scanning radiometer measurements to compute the water vapor path delay for altimetry
RU2421753C1 (ru) Способ определения параметров ионосферы и устройство для его осуществления
Borup et al. Dynamic gauge adjustment of high-resolution X-band radar data for convective rain storms: Model-based evaluation against measured combined sewer overflow
JP4595078B2 (ja) 降雨強度と雨水量の３次元分布推定装置および方法
Serra Precipitation measurements from the Tropical Moored Array: A review and look ahead
Steiner et al. An assessment of sub-snow GPS for quantification of snow water equivalent
Houghton et al. Performance statistics of a real-time Pacific Ocean weather sensor network
CN114721019B (zh) 基于gps双频信号的雪水当量估计方法及装置
Sadeghi et al. Evaluation of IMERG and MRMS remotely sensed snowfall products
Jahanmard et al. Towards realistic dynamic topography from coast to offshore by incorporating hydrodynamic and geoid models
Jiang et al. Global statistical assessment and cross-calibration with Jason-2 for reprocessed HY-2 A altimeter data
Cheng et al. Lake surface height calibration of Jason-1 and Jason-2 over the Great Lakes
Krueger et al. The standard tropospheric correction model for the European satellite navigation system Galileo
Altuntaş et al. Estimation performance of soil moisture with GPS-IR method
Amitai et al. Uniting space, ground, and underwater measurements for improved estimates of rain rate
Rózsa et al. The role of GNSS infrastructure in the monitoring of atmospheric water vapor
CN110543835B (zh) 基于三重匹配理论的卫星海面盐度遥感产品精度评估方法

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