论文总字数：18879字

摘 要

土壤水分作为驱动地球系统的水、能量和碳三大循环系统的中枢，在农业、气象、环境、军事等方面都有重要意义。有学者提出可以在逐渐完善的全球定位系统基础上，利用已有的接收机网络得到的信噪比数据，进行大范围、长期的土壤表面湿度的反演和估算。

本文选择了美国PBO（Plate Boundary Observation）观测网中的P041测站为研究对象，利用已有的理论和模型，对P041测站上的大地测量型接收机的信噪比数据进行处理，来探究信噪比数据与地表土壤湿度之间的关系。通过本文的研究，验证了信噪比数据的多路径分量与反射面条件关系密切，信噪比的振幅和相位可以在一定程度上反映地面土壤湿度数据的变化，其中相位与土壤湿度数据的对应最为准确,线性回归分析后得到的决定系数（R-square）为0.67。此外，通过数据处理结果的分析，余弦相似法提取的相位数据明显好于函数拟合法。

关键词: 信噪比 土壤湿度 微波遥感技术 多路径效应

Using GNSS-R to measure soil moisture fluctuations

Abstract

As the center of the three major circulation systems of water, energy and carbon that drive the earth system, soil moisture plays an important role in agriculture, meteorology, environment and military. Some scholars have suggested that it can be used on the basis of a gradually perfect global positioning system. Some signal-to-noise ratio data obtained by the receiver network are used to perform large-scale and long-term inversion and estimation of soil surface humidity. This work selects the P041 station in the PBO (Plate Boundary Observation) observation network as the research object. Some theories and models deal with the signal-to-noise ratio data of geodetic receivers on the P041 station to explore the relationship between signal-to-noise ratio data and surface soil moisture. Through the research in this paper, it is verified that the multipath component of the signal-to-noise ratio data is closely related to the condition of the reflective surface. The amplitude and phase of the signal-to-noise ratio can reflect the change of the ground soil moisture data to some extent, and the phase and soil moisture data. The most accurate response, the coefficient of determination (R^2) is 0.67. In addition, the phase data extracted by the cosine similarity method is significantly better than the function fitting method.

Key words: SNR(signal noise ratio); soil moisture; GNSS-R; Multipath

目录

摘 要 II

Abstract III

第一章 引言 1

第二章 GNSS-SNR反演理论与方法 4

2.1信噪比与多路径效应 4

2.2土壤介电常数模型 5

2.3信噪比数据的处理模型 6

2.4经验模型 7

2.5处理方法 8

2.5.1数据拟合 8

2.5.2 lomb方法 8

2.5.3最小二乘估计 8

2.5.4余弦相似性 9

第三章 GNSS-SNR反演土壤湿度 9

3.1研究数据 9

3.1.1 GPS数据 9

3.1.2土壤湿度数据 11

3.2数据结构以及初步提取 12

3.3数据选择和预处理 13

3.4数据处理 16

3.4.1单位转换 16

3.4.2多路径分量的提取 16

3.4.3反射面高度与波长 18

3.4.4振幅和相位的提取 18

3.4.5基于余弦相似法的相位提取 19

3.5实验结果及分析 20

3.5.1地表信息分析 20

3.5.2振幅和相位位移与土壤湿度对比 21

第四章 结论 25

参考文献 26

致谢 27

第一章 引言

作为地球表层气象学的基础，土壤湿度长期受到人们的关注。在地球的水循环过程中，大气降水将水带到我们居住的地面，此时土壤湿度不仅能影响水资源的渗透、蒸发。也对地表接收辐射，转换能量的情况有着很大的影响。在早期的时候，土壤湿度更多的是作为一个重要参数，应用于现代化农林业。通过对土壤湿度的监测，确定农作物旱涝情况，以便进行科学调度。但实际上土壤湿度作地球系统重要组成部分之一，具有重要的经济价值和极广的社会用途。广域的土壤湿度观测可以优化水循环、碳循环和大气循环的估算。对干旱和洪涝的程度进行评估，监测自然灾害和气候变化。这也就对土壤湿度数据准确、高效、实时、广泛的获取提出了要求。

传统的土壤湿度监测是通过湿度计进行物理性的直接接触测量，这种方法直观可靠，受干扰小，获得的数据精确度较高。至今仍应用于小范围的土壤含水量测量，也有一些机构对土壤湿度计进行了一定的改良，并建立了一定区域的土壤湿度数据网络，取得了较好的应用效果。但同时这类传统的测量方式有着显著的缺陷。属于劳动密集型产业，劳动力需求大，效率低，无法满足长期大范围的观测。并且由于土壤湿度受空间要素和时间要素的影响较大。降水前后、土壤成分的变化、地形的不同都会对土壤湿度有很大影响。所以一定区域内的整体土壤湿度情况很难用有限点位的测量数据表达。

从二十世纪70年代GPS的诞生，到现如今，GNSS系统已经使许多领域和工作获得了重大的革新。尤其是测量学领域。卫星系统提供了稳定的微波辐射，这对于地面探测来说无疑是提供了更好的选择方案。这也使得地面探测工作可以全天候、多频段、大范围的进行[1]。将遥感技术应用于土壤湿度探测领域的方法应运而生。利用遥感卫星，可以从太空的视角得到较广区域内的高分辨率影像图。而得到的土壤湿度数据成果大多用于气象学和环境学的研究、应用。美国航空航天局(NASA)和欧洲太空局(ESA)在2000年初都相继启动了全球的土壤湿度监测计划。欧洲太空局的土壤湿度与海水盐度（SMOS计划）卫星于2009年开始陆续升空、运行，计划对全球的地面土壤湿度情况和海洋的盐度情况进行监测。美国航空航天局制定了土壤水分主被动探测计划(Soil Moisture Active and Passive， SMAP)，并于2015年1月9日成功地发射了其首颗用于在全球尺度上探测地表土壤水分的地球观测卫星，计划生产至今为止最高分辨率和最高精度的土壤水分卫星产品[2]。截至今年三月，我国的高分专项计划也已成功发射了6颗高分辨率遥感卫星。高分七号卫星也

请支付后下载全文，论文总字数：18879字