删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

GNSS-IR双频数据融合的土壤湿度反演方法*

本站小编 Free考研考试/2021-12-25

闂傚倸鍊搁崐鐑芥嚄閸撲礁鍨濇い鏍仜缁€澶嬩繆閵堝懏鍣圭紒鐘靛█閺岀喖骞戦幇闈涙闂佸憡淇洪~澶愬Φ閸曨垰妫橀柛顭戝枓閹稿啴姊洪崨濠庢畷鐎光偓閹间礁绠栨俊銈呮噺閺呮煡骞栫€涙ḿ绠橀柣鈺佹捣缁辨挻鎷呮搴ょ獥闂侀潻缍囩紞浣割嚕婵犳碍鍋勯柣鎾虫捣椤ρ囨⒑閸忚偐銈撮柡鍛箞閹繝宕掗悙绮规嫼缂備礁顑堝▔鏇㈡倿閸ф鐓欓柛鎴欏€栫€氾拷2婵犵數濮烽弫鎼佸磻閻愬搫鍨傞柛顐f礀缁犳壆绱掔€n偓绱╂繛宸簻鎯熼梺鍐叉惈椤戝洨绮欒箛娑欌拺闁革富鍘奸崝瀣亜閵娿儲顥㈢€规洜鏁婚崺鈧い鎺戝閳锋垿鏌涘☉姗堝伐濠殿噯绠戦湁婵犲﹤鎳庢禒杈┾偓瑙勬礃濡炰粙寮幘缁樺亹鐎规洖娲ら獮妤呮⒒娓氣偓濞佳呮崲閸儱纾归柡宓偓濡插牏鎲搁弮鍫濊摕闁挎繂顦悞娲煕閹板吀绨奸柛锝勫嵆濮婅櫣鎷犻垾铏闂佹悶鍎滈崶褎鏆梻鍌欑劍鐎笛呮崲閸屾娲閵堝懐锛涢梺鍦劋椤ㄥ棝鍩涢幋锔界厱婵犻潧妫楅鈺呮煃瑜滈崜娆戠礊婵犲洤绠栭梺鍨儐缂嶅洭鏌嶉崫鍕簽婵炶偐鍠栧铏规崉閵娿儲鐝㈤梺鐟板殩閹凤拷
婵犵數濮烽弫鍛婃叏娴兼潙鍨傜憸鐗堝笚閸嬪鏌曡箛瀣偓鏇㈡倷婵犲嫭鍠愮€广儱妫欓崣蹇涙煏閸繍妲归柍閿嬪灴閺屾稑鈽夊鍫濅紣缂備焦顨嗙敮妤佺┍婵犲浂鏁冮柨婵嗘处閸掓稑顪冮妶鍐ㄧ仾婵☆偄鍟幈銊╁焵椤掑嫭鐓忛柛顐g箖閿涘秵淇婇銏狀伃闁哄矉绲鹃幆鏃堫敍濠婂憛锝夋⒑閸濄儱校闁绘濮撮悾鐑藉閵堝懐顔掑銈嗘⒒閺咁偊宕㈤幖浣光拺闁告稑锕ョ粈瀣箾娴e啿娲﹂崐鍫曟煥濠靛棙顥撳ù婊勭矒閺岀喓鈧稒岣跨粻鏍ь熆鐠哄搫顏紒杈ㄥ笧閳ь剨缍嗘禍璺何熼埀顒勬⒑缁洘鏉归柛瀣尭椤啴濡堕崱妤€娼戦梺绋款儐閹瑰洭寮诲鍥ㄥ珰闁哄被鍎卞鏉库攽閿熺姷鐣哄ù婊冪埣瀵顓奸崼顐n€囬梻浣告啞閹稿鎮烽埡浣烘殾妞ゆ牗绋戦閬嶆倵濞戞顏呯椤栨埃鏀介柣鎰级閳绘洖霉濠婂嫮绠炵€殿喗鐓¢、妤呭礋椤掆偓閳ь剙鐖奸弻锝夊箛椤旇姤姣勯梺纭呮閸婂潡寮诲☉銏犖ч柛銉仢閵忋倖顥嗗璺侯儑缁♀偓婵犵數濮撮崐鎼佸汲閿濆棎浜滈幖娣焺濞堟洟鏌曢崶褍顏柛鈺冨仱椤㈡﹢鎮欏顔荤棯濠电姵顔栭崹閬嶅箰閹惰棄钃熼柨鐔哄Т閻愬﹪鏌嶆潪鎵妽闁诲繋绶氬娲川婵犲嫭鍠涢梺绋款儐閹瑰洤顫忕紒妯诲闁告縿鍎虫婵犵數鍋橀崠鐘诲幢閹邦亝鐫忛梻浣虹帛閸旀寮崫銉т笉闁哄啫鐗婇悡娆撴煙椤栧棗鑻▓鍫曟⒑瀹曞洨甯涙慨濠傜秺楠炲牓濡搁妷搴e枔閹风娀骞撻幒婵囨祰闂傚倷鐒﹂幃鍫曞磹瑜忕划濠氬箻鐠囪尪鎽曢梺缁樻濞咃綁鎯屽▎鎾寸厵缂佸鐏濋銏ゆ煙椤旂晫鎳囨慨濠勫劋鐎电厧鈻庨幋鐘樻粎绱撴担鍝勑i柣妤佹礋椤㈡岸鏁愭径妯绘櫇闂佸啿鐏堥弲婊堟倵婵犳碍鈷戠憸鐗堝笒娴滀即鏌涘Ο鍝勨挃缂侇喗鐟╁畷鐔碱敍濞戞帗瀚奸梻浣告贡鏋繛瀵稿厴閸┿儲寰勯幇顓犲幐闂佸壊鍋掗崑鍕櫠鐎电硶鍋撶憴鍕缂傚秴锕ユ穱濠傤潰瀹€濠冃┑鐘愁問閸ㄤ即濡堕幖浣歌摕婵炴垶菤濡插牊鎱ㄥΔ鈧悧濠囧极閸撗呯=濞达絽鎼牎闁汇埄鍨抽崑銈夊春閳ь剚銇勯幒鍡椾壕闂佽绻戦懝楣冣€﹂崹顕呮建闁逞屽墴楠炲啳顦圭€规洖宕湁闁哄瀵ч崰妯尖偓瑙勬礈鏋摶鏍归敐澶嬫珳闁汇儺浜缁樻媴娓氼垱鏁梺瑙勬た娴滎亜顫忔禒瀣妞ゆ牗绋掑▍鏍⒑閸濆嫮鈻夐柛妯圭矙閹ょ疀濞戞瑧鍘遍梺鏂ユ櫅閸燁垳绮堥埀顒€顪冮妶蹇曞矝闁哄棙绔糴婵犵數濮烽弫鍛婃叏娴兼潙鍨傞柛锔诲幘缁€濠傗攽閻樺弶鎼愰柣鎺戠仛閵囧嫰骞掑鍫濆帯闂佹剚鍨卞ú鐔煎蓟閺囥垹骞㈡俊銈傚亾闁哄棴缍侀弻锛勪沪閸撗勫垱濡ょ姷鍋炵敮锟犵嵁鐎n喗鍊婚柛鈩冿供濡冣攽閿涘嫬浜奸柛濠冪墱閺侇噣鎮欓崫鍕崶闂佸綊鍋婇崰姘舵儗濞嗗繆鏀介柣妯哄级婢跺嫰鏌涚€n偄濮嶉柡宀嬬秮婵偓闁靛繆鍓濆В鍕煛娴e摜澧︽慨濠勭帛閹峰懐绮欓幐搴♀偓顖氣攽閻橆喖鐏柨鏇樺灩閻g兘顢涘☉姗嗗殼闁诲孩绋掗敋濞存粠鍨跺娲川婵犲嫮鐣垫繝娈垮灥妞存悂骞嗛弮鍫濐潊闁挎稑瀚倴濠碉紕鍋戦崐鏍礉濡ゅ懎绐楅幖娣灮椤╂彃螖閿濆懎鏆為柣鎾寸洴閺屾盯濡烽敐鍛瀴闂佹眹鍔嶉崹鍧楀蓟閿濆鍋勯柛娆忣槹閻濇棃姊虹€圭姵顥夋い锔炬暬閻涱喖螣閼测晝顦╅梺缁樏畷顒勵敆閵忊€茬箚闁绘劦浜滈埀顒佺墪鐓ゆ繝闈涙閺嬪秹鏌¢崶鈺佷憾缂傚倹宀搁悡顐﹀炊閵娧€妲堥悗鐟版啞缁诲啴濡甸崟顖氱婵°倐鍋撻柛鐕佸灦椤㈡瑩鏁撻敓锟�20濠电姴鐥夐弶搴撳亾濡や焦鍙忛柣鎴f绾惧鏌eΟ娆惧殭缂佺姴鐏氶妵鍕疀閹炬惌妫″銈庡亝濞叉ḿ鎹㈠┑瀣棃婵炴垵宕崜鎵磽娴e搫校闁搞劌娼″濠氬Χ閸℃ê寮块梺褰掑亰閸忔﹢宕戦幘婢勬棃鍩€椤掑嫬鐓濋柡鍐ㄧ墕椤懘鏌eΟ鐑橆棤闁硅櫕鎹囬妶顏呭閺夋垹顦ㄩ梺鍐叉惈閿曘儵鏁嶉崨顖滅=闁稿本鐟чˇ锔姐亜閿旇鐏︽い銏″哺椤㈡﹢濮€閻橀潧濮︽俊鐐€栧濠氬磻閹惧绡€闁逞屽墴閺屽棗顓奸崨顖ょ幢闂備胶绮濠氬储瑜斿鍛婄瑹閳ь剟寮婚弴銏犻唶婵犲灚鍔栨晥闂備胶枪妤犲摜绮旇ぐ鎺戣摕婵炴垯鍨归崡鎶芥煏婵炲灝鍔氭い顐熸櫊濮婄儤瀵煎▎鎴犳殸缂傚倸绉撮敃顏堢嵁閸愩剮鏃堝礃閳轰焦鐎梻浣告啞濞诧箓宕f惔銊ユ辈闁跨喓濮甸埛鎴︽煕濠靛棗顏い銉﹀灴閺屾稓鈧綆鍋呭畷灞炬叏婵犲啯銇濈€规洦鍋婂畷鐔煎垂椤愬诞鍥ㄢ拺闁告稑锕ラ埛鎰版煟濡ゅ啫鈻堟鐐插暣閺佹捇鎮╅搹顐g彨闂備礁鎲″ú锕傚礈濞嗘挻鍋熷ù鐓庣摠閳锋垿姊婚崼鐔恒€掔紒鐘冲哺閺屾盯骞樼€靛摜鐤勯梺璇″枓閳ь剚鏋奸弸搴ㄦ煙闁箑鏋ゆい鏃€娲樼换婵嬪閿濆棛銆愬銈嗗灥濡稓鍒掗崼銉ョ劦妞ゆ帒瀚崐鍨箾閸繄浠㈡繛鍛Ч閺岋繝鍩€椤掑嫬纭€闁绘垵妫楀▓顐︽⒑閸涘﹥澶勯柛瀣浮瀹曘儳鈧綆鍠楅悡鏇㈡煛閸ャ儱濡兼鐐瓷戞穱濠囧矗婢跺﹦浼屽┑顔硷攻濡炶棄鐣烽锕€绀嬫い鎰枎娴滄儳霉閻樺樊鍎滅紓宥嗙墪椤法鎹勯悜妯绘嫳闂佺ǹ绻戠划鎾诲蓟濞戙埄鏁冮柨婵嗘椤︺劑姊洪崫鍕闁告挾鍠栭獮鍐潨閳ь剟骞冨▎鎾搭棃婵炴垶顨呴ˉ姘辩磽閸屾瑨鍏屽┑顔炬暩閺侇噣鍨鹃幇浣圭稁婵犵數濮甸懝楣冩倷婵犲洦鐓ユ繝闈涙閸gǹ顭跨憴鍕婵﹥妞介幊锟犲Χ閸涱喚鈧儳鈹戦悙鎻掔骇闁搞劌娼¢獮濠偽旈崘鈺佺/闁荤偞绋堥崜婵嬫倶娓氣偓濮婅櫣娑甸崨顔兼锭闂傚倸瀚€氭澘鐣烽弴銏犵闁挎棁妫勯埀顒傛暬閺屻劌鈹戦崱娑扁偓妤侇殽閻愮榿缂氱紒杈ㄥ浮閹晛鐣烽崶褉鎷伴梻浣告惈婢跺洭宕滃┑鍡╁殫闁告洦鍋€濡插牊绻涢崱妤佺濞寸》鎷�
土壤水分又称土壤湿度或土壤含水量,是联系陆-气相互作用的关键物理量之一[1]。准确测定土壤水分可以有效管理灌溉、保证作物稳产高产等[2-3],因此研究快速、实时、准确、高效、廉价的大面积农田土壤湿度监测方法是精准农业领域一个至关重要的研究方向。全球导航卫星系统反射信号干涉测量(Global Navigation Satellite Signal-Interferometer and Reflectometry,GNSS-IR)是一种新兴的地基遥感技术[4],其利用GNSS直射与地表反射信号的干涉效应,通过获取干涉信号所携带的反射面的相关特性,进行地物参数的遥感,如土壤湿度[5-7]、积雪厚度[8-11]等。
基于GNSS-IR的土壤湿度测量于2008年由Larson等[12]首次提出,该技术使用接收机记录的信噪比(Signal-to-Noise Ratio, SNR)数据进行土壤湿度测量,其物理本质是利用直射信号和反射信号之间的干涉效应,而接收机记录的SNR数据可以看作是对干涉信号的度量,Larson等[12]通过实验证明了SNR的振荡幅度、频率和相位3个观测量与土壤湿度相关。经过近年的发展,GNSS-IR技术已得到国内外专家****的广泛关注。国外方面,2014年, Alonso-Arroyo等[13]改变接收天线的极化方式,提出通过跟踪垂直极化(V-Pol)和水平极化(H-Pol)SNR数据间的相位差进行土壤湿度测量的方法,该方法提高布鲁斯特角度估计的准确性,从而提高土壤水分探测的准确性,并进行了实验验证。2016年,Roussel等[14]使用参考站接收机,对高度角为2°~70°的全球定位系统(Globa Positioning System, GPS)和GLONASS的SNR数据进行了处理分析,并对从低仰角(2°~30°)和高仰角(30°~70°)SNR数据中提取出的观测量进行了融合,结果表明融合后观测量与土壤湿度间的相关性高于融合前观测量与土壤湿度间的相关性。2017年, Yang等[15]提出干涉信号的解析模型,并证明了从SNR数据中提取介电常数进而反演土壤湿度的可行性,结果表明北斗信号在土壤湿度反演方面效果明显。
国内方面,2015年,敖敏思等[16]结合仿真和实测土壤湿度数据、GPS观测值开展对比试验,发现SNR能有效跟踪土壤湿度变化,最大有效测量范围为45 m,并指出利用指数函数能较好地描述SNR多径延迟相位与土壤湿度之间的关系。同年,徐晓悦等[17]通过Lomb-Scargle变换分析了SNR数据中的多径反射分量,分析结果显示, 幅度与土壤湿度的相关性较强。汉牟田等[18]于2016年根据GNSS的SNR和干涉效应估计方法,推导出利用GNSS干涉信号幅度反演土壤湿度的半经验模型,并对此进行了仿真验证。2016年,严颂华等[19]探讨并通过实验验证了北斗B1波段信号干涉测量土壤水分的可行性。2017年,金双根等[20]对GNSS-R干涉测量的应用和植被覆盖问题进行了综合分析。2018年, 段睿等[21]针对单天线模式下土壤湿度均方根误差较差等问题,提出SVRM辅助的土壤湿度反演方法,并通过实验证明该方法能有效提高土壤湿度均方根误差。
以上研究仅利用单一频点GNSS干涉信号反演土壤湿度,忽视了不同频点信号间的差异性及潜在的更丰富的观测信息。本文通过双频数据融合,综合双频观测信息,提升土壤湿度反演性能。
1 GNSS-IR土壤湿度反演原理 GNSS-IR是一种通过土壤反射的GNSS信号与直射信号的干涉效应实现土壤湿度反演的遥感技术[22]。GNSS接收天线在接收直射信号的同时,因周围环境(海面、土壤表面等)的反射也会接收到反射信号,当天线架设高度较低时,反射信号同直射信号相比具有相同的频率,因此可在天线处产生较为稳定的干涉效应。干涉场景如图 1所示。
图 1 GNSS-R干涉测量原理图 Fig. 1 Schematic diagram of GNSS-R interferometry
图选项




这一干涉效应体现在接收机记录的SNR中。SNR可以用直射和反射信号表示为[12]
(1)

式中:AdAm分别为直射、反射信号的幅度;ψ为两信号的相位差;θ为卫星高度角。当GNSS卫星高度角θ发生变化时,AdAmψ均会发生变化,造成SNR的波动。
根据式(1),将二阶多项式拟合法的结果作为直射分量,并将其从SNR序列中分离得到SNR的反射分量。通过频谱分析法得到SNR序列的频率,进而求得等效天线高度,选取值最大的等效天线高度值作为等效天线高度的估计值。
去除直射分量后,SNR的反射分量可表示为
(2)

式中:h为等效天线高度;λ为波长;?为相位。
根据式(2)所述的形式,对SNR的反射分量序列进行最小二乘拟合,得到相位观测量,建立其与实测土壤湿度之间的映射关系,即可用来反演土壤湿度。
2 基于熵值法的双频数据融合 根据香农信息论,信息熵可以量化地衡量信息的不确定性。在GNSS-IR土壤湿度反演中,不同频点SNR序列的相位观测量所含的土壤湿度信息不同,可以根据文献[23]所述的熵值法计算各频点SNR序列相位观测量的信息熵来确定其权值,加权作差后得到融合相位观测量。
具体地,对于频点k(k=1, 2),第i颗卫星的第j天相位观测量为xij(k)(i=1, 2, …, M; j=1, 2, …, N),其在整个观测过程中的相位观测量序列为Xi(k)
首先计算相位观测量序列Xi(k)与实测土壤湿度SM的正负相关性ri(k)
(3)

并根据计算结果选择式(4)求得第i颗卫星第j天相位观测量的指标:
(4)

将第i颗卫星第j天相位观测量代入式(5),共N天的数据,计算得到第i颗卫星第j天相位观测量的比重zij(k)
(5)

分别将第i颗卫星第j天相位观测量的比重zij(k)代入式(6),计算得到第i颗卫星相位观测量的指标熵:
(6)

将第i颗卫星相位观测量的指标熵代入式(7),求得第i颗卫星相位观测量的熵值法冗余度:
(7)

根据第i颗卫星相位观测量熵值法冗余度和所有卫星冗余度和的比值,计算得到第i颗卫星相位观测量的指标熵的权重:
(8)

将第i颗卫星相位观测量的指标熵的权重代入式(9)计算指标评价得分,得到第i颗卫星第j天的相位观测量的指标评价得分:
(9)

按上述方法求得第i颗卫星第j天各个频点相位观测量的指标评价得分后,分别与相应的原始相位观测量相乘并代入式(10)进行数据融合,得到融合后的相位观测量:
(10)

式中:Xij为融合后的相位观测量。
根据式(10)进行2个频点相位观测量的融合,将数据分为训练集与测试集,用训练集建立相位观测量与土壤湿度间的经验模型,并进行土壤湿度反演。
3 实验数据处理及结果分析 3.1 实验概况 本文使用2014-02-04—2014-03-21在法国图卢兹(Toulouse)市的Lamasquere(43°29′14.45″N,1°13′44.11″E)采集的GPS L1和L2 SNR数据。实验场地四周空旷无遮蔽,整个实验期间为裸土,现场如图 2所示。
图 2 GNSS-IR土壤湿度地基实验场地信息 Fig. 2 Information of GNSS-IR soil moisture ground-based experiment site
图选项




实验使用Leica GR25接收机和AR10基准站天线,天线指向天顶,天线架设高度为1.70 m,采样频率为1 Hz。距离天线相位中心在地表投影约2 m的位置布置2枚ML3 Theta Probe土壤湿度传感器采集原位土壤湿度数据,精度为±1%,深度分别为2 cm和5 cm,采样间隔为10 min。
3.2 实验数据处理 数据处理流程如图 3所示。
图 3 数据处理过程 Fig. 3 Flow of data processing
图选项




具体过程如下:①获取实验数据。从采集的数据中提取SNR、时间、卫星高度角、方位角等信息,将L1和L2频点的SNR定义为SNR(1)、SNR(2)。②数据预处理。截取卫星高度角在2°~30°范围的SNR数据,同时删除SNR为零的数据。③数据分离。将数据分为训练集和测试集。④去除趋势项。对SNR(1)、SNR(2)的卫星高度角正弦值进行二阶多项式拟合,并以此作为直射分量的近似值,去除直射分量,得到反射分量SNRm(1)、SNRm(2)。⑤频谱分析。利用Lomb-Scargle方法对反射分量进行频谱分析,求得频率f(1)f(2),进而求得等效天线高度h(1)h(2)。⑥求相位观测量。根据式(2)对SNRm进行最小二乘拟合求得相位观测量P(1)P(2)。⑦数据融合。根据式(10)进行融合处理,得到融合后的相位观测量P。⑧建模并验证。选取融合前后的相位观测量分别与对应的土壤湿度观测值进行模型建立,将测试数据代入模型进行验证。
3.3 实验结果分析 根据3.2节处理过程,将L1和L2的SNR序列相位观测量进行融合,分别建立L1、L2及融合的相位观测量与同比土壤湿度间的一元线性回归模型,结果如图 4~图 7所示。
图 4 PRN4建模结果 Fig. 4 Modeling results of PRN4
图选项




图 5 PRN7建模结果 Fig. 5 Modeling results of PRN7
图选项




图 6 PRN12建模结果 Fig. 6 Modeling results of PRN12
图选项




图 7 PRN24建模结果 Fig. 7 Modeling results of PRN24
图选项




图 4~图 7分别为PRN4、PRN7、PRN12及PRN24的建模结果,其中图 4(a)图 5(a)图 6(a)图 7(a)为融合后的相位观测量与同比土壤湿度的建模结果,图 4(b)图 5(b)图 6(b)图 7(b)为单频点(以L1频点为例)的相位观测量与同比土壤湿度的建模结果。从图中可以直观地看出融合后的相位观测量与土壤湿度间的相关性更高。
模型建立完成后,将测试数据代入模型得到反演结果。同时,对单频SNR序列做同样处理得到单频反演结果。图 8给出了PRN4、PRN7、PRN12、PRN24 4颗卫星的处理结果。
图 8 不同卫星反演结果对比 Fig. 8 Comparison of different satellite inversion results
图选项




图 8为各颗卫星反演结果对比,其中融合后PRN4的标准差为0.68 %,比L1提高42.93%,比L2提高43.23%;均方根误差(RMSE)为0.49%,比L1降低81.58%,比L2降低77.52%;PRN7的标准差为0.62 %,比L1提高43.85%,比L2提高47.01%;RMSE为0.98%,比L1降低58.82%,比L2降低58.47%;PRN12的标准差为0.81%,比L1提高51.30%,比L2提高41.03%;RMSE为1.28%,比L1降低13.51%,比L2降低46.67%;PRN24的标准差为0.92 %,比L1提高3.14%,比L2降低3.84%;RMSE为0.95%,比L1降低64.15%。
对所有卫星同一时间段(13:00—15:00)的反演结果取平均,结果如图 9所示。
图 9 反演结果平均对比分析 Fig. 9 Inversion results average comparison analysis
图选项




图 9(a)为融合前L1频点、L2频点和融合后反演结果以及FDR采集的同比数据随时间变化的对比结果,从对比中可以清晰显示融合后的反演结果与FDR的匹配度更高。图 9(b)为反演结果线性对比,图中计算了融合前两频点的反演结果、融合后的反演结果与同比数据间的决定系数RL12RL22R2及均方根误差RMSEL1、RMSEL2、RMSE。通过计算得到如下结果:融合后的决定系数R2为0.97,RMSE为0.37%,R2比L1频点结果提高73.2%,比L2频点提高38.5%;RMSE比L1频点降低72.8%,比L2频点降低73.4%。
通过统计所有卫星的标准差,得到平均结果如下:L1和L2双频融合反演结果平均标准差为0.6%, 精度比L1单频反演结果提高64.73%, 比L2单频反演结果提高32.12%。
4 结论 本文提出了一种基于GNSS-IR双频数据融合的土壤湿度反演方法, 该方法以不同频点SNR序列相位观测量所对应的指标评价得分作为融合的权重标准,通过熵值法对2个频点SNR相位观测量进行融合处理。利用地基观测获取的实验数据对该方法的性能进行了验证,结果表明该方法可显著提高土壤湿度反演精度。从处理结果中可得到如下结论:
1) 不同频点间所含的土壤信息存在差异。熵值法不仅能够克服主观确定权值的随机性和臆断性,而且作为多指标评价方法能够避免不同频点间信息的重复性,综合考虑信息间的差异性,两频点中质量好的数据能得以保留,从而使反演结果得到提高。
2) 综合反演结果分析,熵值法在双频数据融合处理中能够有效提高反演结果的准确性,不仅反演精度有所提高,融合后数据的变化趋势也更加趋近于同比数据。最终结果也表明融合后的反演结果对比单一频点的反演结果有显著提高,且融合后的平均标准差为0.6%。
致谢 感谢北京航空航天大学杨东凯教授在学术上给予的指导和帮助,感谢F. Baup和K. Boniface收集气象数据,以及Roussel.N和F. Frappart收集GNSS观测数据,感谢J. Darrozes为本文提供的数据。

参考文献
[1] AUBER J C, BIBAUT A, RIGAL J M.Characterization of multipath on land and sea at GPS frequencies[C]//Proceedings of the 7th International Technical Meeting of the Satellite Division of the Institute of Navigation(ION GPS 1994), 1994: 1155-1171.
[2] GARRISON J L, KATZBERG S, HILL M. Effect of sea roughness on bistatically scattered range coded singals from the global positioning system[J]. Geophysical Research Letters, 1998, 25(13): 2257-2260. DOI:10.1029/98GL51615
[3] KOMJATHY A, ZAVOROTNY V, AXELRAD P, et al.GPS signal scattering from sea surface: Comparison between experimental data and theoretical model[C]//Proceeding of the 5th International Conference on Marine and Coastal Environments, 1998: 1-10.
[4] 丁金才. GPS气象学及其应用[M]. 北京: 气象出版社, 2009.
DING J C. GPS meteorology and its application[M]. Beijing: Meteorological Publishing Press, 2009. (in Chinese)
[5] RODRIGUEZ-ALVAREZ N, BOSCH-LLUIS X, CAMPS A, et al. Review of crop growth and soil moisture monitoring from a ground-based instrument implementing the interference pattern GNSS-R technique[J]. Radio Science, 2016, 46(6): 1-11.
[6] CAMPS A, PARK H, PABLOS M, et al.Soil moisture and vegetation impact in GNSS-R TechDemoSat-1 observations[C]//36th IEEE International Geoscience and Remote Sensing Symposium.NJ: IEEE Press, 2016: 1982-1984. https://www.researchgate.net/publication/309773062_Soil_moisture_and_vegetation_impact_in_GNSS-R_TechDemosat-1_observations
[7] PALOSCIA S, MACELLONI G, SANTI E, et al. A multifrequency algorithm for the retrieval of soil moisture on a large scale using microwave data from SMMR and SSM/I satellites[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(8): 1655-1661. DOI:10.1109/36.942543
[8] NIEVINSKI F G.Forward and inverse modeling of GPS multipath for snow monitoring[D].Boulder: University of Colorado Boulder, 2013. https://www.researchgate.net/publication/258848060_Forward_and_Inverse_Modeling_of_GPS_Multipath_for_Snow_Monitoring
[9] RODRIGUEZ-ALVAREZ N, AGUASCA A, VALENCIA E, et al. Snow thickness monitoring using GNSS measurements[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9(6): 1109-1113. DOI:10.1109/LGRS.2012.2190379
[10] LARSON K M, NIEVINSKI F G. GPS snow sensing:Results from the earth scope plate boundary observatory[J]. GPS Solutions, 2013, 17(1): 41-52. DOI:10.1007/s10291-012-0259-7
[11] BINBIN L I, ZHANG Y, YANG S, et al. Snow depth altimetry using GNSS signal with single antenna[J]. GNSS World of China, 2016, 41(6): 37-41.
[12] LARSON K M, SMALL E E, GUTMANN E, et al. Using GPS multipath to measure soil moisture fluctuations:Initial results[J]. GPS Solutions, 2008, 12(3): 173-177. DOI:10.1007/s10291-007-0076-6
[13] ALONSO-ARROYO A, CAMPS A, AUGUASCA A, et al. Improving the accuracy of soil moisture retrievals using the phase difference of the dual-polarization GNSS-R interference patterns[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(12): 2090-2094. DOI:10.1109/LGRS.2014.2320052
[14] ROUSSEL N, FRAPPART F, RAMILLIEN G, et al. Detection of soil moisture variations using GPS and GLONASS SNR data for elevation angles ranging from 2° to 70°[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9(10): 4781-4794. DOI:10.1109/JSTARS.2016.2537847
[15] YANG T, WAN W, CHEN X W, et al. Using BDS SNR observations to measure near-surface soil moisture fluctuations:Results from low vegetated surface[J]. IEEE Geoscience and Remote Sensing Letters, 2017, 14(8): 1308-1312. DOI:10.1109/LGRS.2017.2710083
[16] 敖敏思, 朱建军, 胡友健, 等. 利用SNR观测值进行GPS土壤湿度监测[J]. 武汉大学学报(信息科学版), 2015, 40(1): 117-120.
AO M S, ZHU J J, HU Y J, et al. Comparative experiments on soil moisture monitoring with GPS SNR observations[J]. Geomatics and Information Science of Wuhan University, 2015, 40(1): 117-120. (in Chinese)
[17] 徐晓悦, 郑南山, 谭兴龙. GPS-R技术辅助的土壤水含量变化监测[J]. 测绘科学技术学报, 2015, 32(5): 465-468.
XU X Y, ZHENG N S, TAN X L. Monitoring of soil moisture fluctuation in mining areas based on GPS-R[J]. Journal of Geomatics Science and Technology, 2015, 32(5): 465-468. DOI:10.3969/j.issn.1673-6338.2015.05.006 (in Chinese)
[18] 汉牟田, 张波, 杨东凯, 等. 利用GNSS干涉信号振荡幅度反演土壤湿度[J]. 测绘学报, 2016, 45(11): 1293-1300.
HAN M T, ZHANG B, YANG D K, et al. Soil moisture retrieval utilizing GNSS interference signal amplitude[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(11): 1293-1300. DOI:10.11947/j.AGCS.2016.20160145 (in Chinese)
[19] YAN S H, ZHAO F, CHEN N C, et al. Soil moisture estimation based on BeiDou B1 interference signal analysis[J]. Science China Earth Sciences, 2016, 59(12): 2427-2440. DOI:10.1007/s11430-015-0013-7
[20] 金双根, 张勤耘, 钱晓东. 全球导航卫星系统反射测量(GNSS+R)最新进展与应用前景[J]. 测绘学报, 2017, 46(10): 1389-1398.
JIN S G, ZHANG Q Y, QIAN X D. New progress and application prospects of global navigation satellite system reflectometry(GNSS+R)[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1389-1398. DOI:10.11947/j.AGCS.2017.20170282 (in Chinese)
[21] 段睿, 张波, 汉牟田, 等. SVRM方法的单天线GNSS-R土壤湿度反演[J]. 导航定位学报, 2018, 6(1): 34-39.
DUAN R, ZHANG B, HAN M T, et al. Inversion of soil moisture with singal-antenna GNSS-R signal using SVRM[J]. Journal of Navigation and Positioning, 2018, 6(1): 34-39. (in Chinese)
[22] 杨磊.GNSS-R农田土壤湿度反演方法研究[D].泰安: 泰安农业大学, 2017.
YANG L.Study of GNSS-R cropland soil moisture retrieval method[D].Tai'an: Shandong Agricultural University, 2017(in Chiense). http://www.cqvip.com/QK/90069X/201801/674427807.html
[23] 王富喜, 毛爱华, 李赫龙, 等. 基于熵值法的山东省城镇化质量测度及空间差异分析[J]. 地理科学, 2013, 33(11): 1323-1329.
WANG F X, MAO A H, LI H L, et al. Quality measurement and regional difference of urbanization in shandong province based on the entropy method[J]. Scientia Geographica Sinica, 2013, 33(11): 1323-1329. (in Chinese)


婵犵數濮烽弫鎼佸磻閻愬搫鍨傞柛顐f礀缁犱即鏌熺紒銏犳灈缁炬儳顭烽弻鐔煎礈瑜忕敮娑㈡煟閹惧鈽夋い顓炴健閹虫粌顕ュΔ濠侀偗闁诡喗锕㈤幃鈺冪磼濡厧甯鹃梻浣稿閸嬪懐鎹㈤崟顖氭槬闁挎繂顦伴悡娆戔偓瑙勬礀濞层倝鍩㈤崼鈶╁亾鐟欏嫭绀冪紒顔肩Ч楠炲繘宕ㄩ弶鎴炲祶濡炪倖鎸鹃崰鎰邦敊韫囨稒鈷掗柛灞捐壘閳ь剙鍢查湁闁搞儺鐏涘☉銏犵妞ゆ劑鍊栧▓鎯ь渻閵堝棗鍧婇柛瀣尰閵囧嫰顢曢敐鍥╃杽婵犵鍓濋幃鍌炲春閳╁啯濯撮柧蹇曟嚀楠炩偓婵犵绱曢崑鎴﹀磹閺嶎厽鍋嬫俊銈呮噺閸嬶繝鏌曢崼婵囩┛濠殿喗濞婇弻鈩冨緞婵犲嫭鐨戝┑鈩冨絻閻楁捇寮婚敓鐘茬闁挎繂鎳嶆竟鏇熺節閻㈤潧袨闁搞劍妞介弫鍐閻樺灚娈鹃梺鍛婄箓鐎氼噣寮抽崱娑欑厱闁哄洢鍔屾晶顔界箾閸繄鐒告慨濠冩そ瀹曘劍绻濋崒姣挎洘绻涚€涙ḿ鐭岄柛瀣ㄥ€曢悾宄懊洪鍕紜闂佸搫鍊堕崕鏌ワ綖瀹ュ鈷戦悷娆忓閸斻倝鏌f幊閸斿孩绂嶉幖渚囨晝闁靛牆娲ㄩ敍婊冣攽鎺抽崐鏇㈠疮椤愶箑鍑犻柡鍐ㄧ墛閻撴瑥顪冪€n亪顎楅柍璇茬墛椤ㄣ儵鎮欓弶鎴犱紝濡ょ姷鍋涘ú顓€€佸▎鎾充紶闁告洦浜i崺鍛存⒒閸屾艾鈧绮堟笟鈧獮鏍敃閿曗偓绾惧湱鎲搁悧鍫濈瑲闁稿绻濆鍫曞醇濮橆厽鐝曞銈庡亝濞茬喖寮婚妸鈺傚亞闁稿本绋戦锟�
2婵犵數濮烽弫鎼佸磻閻愬搫鍨傞柛顐f礀缁犳壆绱掔€n偓绱╂繛宸簻鎯熼梺鍐叉惈椤戝洨绮欒箛娑欌拺闁革富鍘奸崝瀣亜閵娿儲顥㈢€规洜鏁婚崺鈧い鎺戝閳锋垿鏌涘☉姗堝伐濠殿噯绠戦湁婵犲﹤鎳庢禒杈┾偓瑙勬礃濡炰粙寮幘缁樺亹鐎规洖娲ら獮妤呮⒒娓氣偓濞佳呮崲閸儱纾归柡宓偓濡插牏鎲搁弮鍫濊摕闁挎繂顦悞娲煕閹板吀绨奸柛锝庡幘缁辨挻鎷呴崜鎻掑壈闂佹寧娲︽禍顏勵嚕椤愶箑纾奸柣鎰綑濞堟劙姊洪崘鍙夋儓闁哥姵鑹惧嵄闁告鍋愰弨浠嬫煃閽樺顥滃ù婊呭仜椤儻顦虫い銊ワ躬瀵偆鈧綆鍓涚壕钘壝归敐澶嬫锭濠殿喖鍊搁湁婵犲﹤妫楅悡鎰庨崶褝鍔熼柍褜鍓氱粙鎺曟懌婵犳鍨伴顓犳閹烘垟妲堟慨妤€妫楅崜杈╃磽閸屾氨孝闁挎洏鍎茬粚杈ㄧ節閸ヨ埖鏅濋梺闈涚墕閹峰寮抽銏♀拺闁告捁灏欓崢娑㈡煕閵娿儳鍩g€规洘妞介崺鈧い鎺嶉檷娴滄粓鏌熸潏鍓хɑ缁绢叀鍩栭妵鍕晜閼测晝鏆ら梺鍝勬湰缁嬫垿鍩㈡惔銈囩杸闁哄洨濯崬鍦磽閸屾瑧绐旂紓鍌涜壘铻為柛鏇ㄥ枤娴滄瑩姊绘担鍛婂暈婵炶绠撳畷銏c亹閹烘垹锛涢梺鍦劋椤ㄥ棝鍩涢幋锔界厱婵犻潧妫楅鈺呮煃瑜滈崜娆戠礊婵犲洤绠栭梺鍨儐缂嶅洭鏌嶉崫鍕簽婵炶偐鍠庨埞鎴︻敊鐟欐帞鎳撻埢鏂库槈閵忊€冲壒濠德板€愰崑鎾绘煃鐟欏嫬鐏撮柟顔规櫊楠炴捇骞掗崱妞惧闂佸綊妫跨粈渚€鏌ㄩ妶鍛斀闁绘ɑ褰冮弸銈嗙箾閸粎鐭欓柡宀嬬秮楠炲洭顢楁担鍙夌亞闂備焦鎮堕崐妤呭窗閹邦喗宕叉繝闈涱儏閻掑灚銇勯幒鎴濐仼闁绘帗妞介弻娑㈠箛椤栨稓銆婇梺娲诲幗椤ㄥ懘鍩為幋锔绘晩缂佹稑顑嗛悾鍫曟⒑缂佹﹩娈旂紒缁樺笧閸掓帡宕奸悢椋庣獮闁诲函缍嗛崜娑㈩敊閺囥垺鈷戦柣鐔煎亰閸ょ喎鈹戦鐐毈鐎殿喗濞婇崺锟犲磼濠婂拋鍟庨梺鑽ゅТ濞壯囧礋椤愵偂绱�547闂傚倸鍊搁崐椋庣矆娴i潻鑰块梺顒€绉查埀顒€鍊圭粋鎺斺偓锝庝簽閿涙盯姊洪悷鏉库挃缂侇噮鍨堕崺娑㈠箳濡や胶鍘遍梺鍝勬处椤ㄥ棗鈻嶉崨瀛樼厽闊浄绲奸柇顖炴煛瀹€瀣埌閾绘牠鎮楅敐搴′簻妞ゅ骏鎷�4婵犵數濮烽弫鎼佸磻閻愬搫鍨傞柛顐f礀缁犳壆绱掔€n偓绱╂繛宸簼閺呮煡鏌涢妷銏℃珖妞わ富鍨跺娲偡闁箑娈堕梺绋款儑閸犳牠宕洪姀銈呯睄闁逞屽墴婵$敻宕熼鍓ф澑闂佽鍎抽顓⑺囬柆宥嗏拺缂佸顑欓崕鎰版煙閻熺増鎼愰柣锝呭槻椤粓鍩€椤掑嫨鈧線寮崼婵嗚€垮┑掳鍊曢崯顐︾嵁閹扮増鈷掗柛灞剧懅椤︼箓鏌涘顒夊剰妞ゎ厼鐏濋~婊堝焵椤掆偓閻g兘顢涢悜鍡樻櫇闂侀潧绻堥崹鍝勨枔妤e啯鈷戦梻鍫熶緱濡狙冣攽閳ヨ櫕鍠橀柛鈹垮灲瀵噣宕奸悢鍝勫箥闂備胶顢婇~澶愬礉閺囥垺鍎嶆繛宸簼閻撶喖鏌i弮鍫熸暠閻犳劧绱曠槐鎺撴綇閵娿儳鐟查悗鍨緲鐎氼噣鍩€椤掑﹦绉靛ù婊呭仦缁傛帡鎮℃惔妯绘杸闂佺粯鍔樺▔娑氭閿曞倹鐓曟俊銈呭閻濐亜菐閸パ嶅姛闁逞屽墯缁嬫帟鎽繝娈垮灡閹告娊骞冨畡鎵虫瀻婵炲棙鍨甸崺灞剧箾鐎涙ḿ鐭掔紒鐘崇墵瀵鈽夐姀鐘电杸闂佺ǹ绻愰幗婊堝极閺嶎厽鈷戠紒顖涙礃濞呮梻绱掔紒妯肩疄鐎殿喛顕ч埥澶娾堪閸涱垱婢戦梻浣瑰缁诲倿骞婃惔顭掔稏闁冲搫鎳忛埛鎴︽煕濞戞﹫鍔熼柟铏礈缁辨帗娼忛妸锔绢槹濡ょ姷鍋涚换姗€骞冮埡鍐╁珰闁肩⒈鍓﹂崯瀣⒒娴e憡鍟炲〒姘殜瀹曞綊骞庨崜鍨喘閸╋繝宕ㄩ瑙勫闂佽崵鍋炵粙鍫ュ焵椤掆偓閸樻牗绔熼弴銏♀拻濞达絽鎲$拹锟犲几椤忓棛纾奸柕濞垮妼娴滃湱绱掗鍛箺鐎垫澘瀚伴獮鍥敇閻樻彃绠婚梻鍌欑閹碱偆鈧凹鍓涢幑銏ゅ箳閺冨洤小闂佸湱枪缁ㄧ儤绂嶅⿰鍫熺厸闁搞儺鐓侀鍫熷€堕柤纰卞厴閸嬫挸鈻撻崹顔界彯闂佺ǹ顑呴敃銈夘敋閿濆洦宕夐悶娑掑墲閻庡姊虹拠鈥崇€婚柛蹇庡嫎閸婃繂顫忕紒妯诲闁荤喖鍋婇崵瀣磽娴e壊鍎愰柛銊ㄥ劵濡喎顪冮妶鍡樺蔼闁搞劌缍婇幃鐐哄垂椤愮姳绨婚梺鍦劋閸╁﹪寮ㄦ繝姘€垫慨妯煎亾鐎氾拷40缂傚倸鍊搁崐鎼佸磹妞嬪海鐭嗗〒姘e亾閽樻繃銇勯弽銊х煂闁活厽鎸鹃埀顒冾潐濞叉牕煤閵娧呬笉闁哄啫鐗婇悡娆撴煙椤栧棗鑻▓鍫曟⒑瀹曞洨甯涙慨濠傜秺楠炲牓濡搁妷顔藉缓闂侀€炲苯澧版繛鎴犳暬楠炴牗鎷呴崨濠勨偓顒勬煟鎼搭垳绉靛ù婊冪埣閹垽宕卞☉娆忎化闂佹悶鍎荤徊娲磻閹捐绀傞柛娑卞弾濡粎绱撻崒姘偓宄懊归崶銊d粓闁归棿鐒﹂崑锟犳煃閸濆嫭鍣归柦鍐枔閳ь剙鍘滈崑鎾绘煕閺囥劌浜炴い鎾存そ濮婃椽骞愭惔锝囩暤濠电偠灏欐繛鈧€规洘鍨块獮妯肩磼濡鍔掗梺鑽ゅ枑閻熴儳鈧凹鍓熷畷銏c亹閹烘挴鎷洪梺鍛婄箓鐎氼厼顔忓┑瀣厱閹兼番鍨归悘鈺備繆閸欏濮囨顏冨嵆瀹曞ジ鎮㈤崫鍕闂傚倷鑳剁涵鍫曞礈濠靛枹娲冀椤愩儱小缂備緡鍋勭€殿剟姊婚崒姘偓椋庢濮橆兗缂氱憸宥堢亱闂佸搫鍟崐濠氭儗閸℃褰掓晲閸偄娈欓梺鑽ゅ枑鐎氬牓寮崼婵嗙獩濡炪倖妫侀~澶屸偓鍨墵濮婄粯鎷呴崨濠傛殘婵炴挻纰嶉〃濠傜暦閵忋倖瀵犲璺烘閻庢椽鎮楅崗澶婁壕闂佸憡娲﹂崜娑㈠储闁秵鈷戦柛婵嗗閺嗙偤鏌熺粙鍨挃濠㈣娲熼獮鎰償濞戞鐩庨梻渚€娼ф蹇曟閺団偓鈧倿鎳犻鍌滐紲闂佸搫鍟崐鎼佸几濞戞瑣浜滈柕蹇婂墲缁€瀣煙椤旇娅婃い銏℃礋閿濈偤顢橀悜鍡橆棥濠电姷鏁搁崑鐘诲箵椤忓棛绀婇柍褜鍓氶妵鍕敃閵忊晜鈻堥梺璇″櫙缁绘繈宕洪埀顒併亜閹烘垵顏柍閿嬪浮閺屾稓浠﹂幑鎰棟闂侀€炲苯鍘哥紒顔界懇閵嗕礁鈻庨幇顔剧槇闂佸憡娲﹂崜锕€岣块悢鍏尖拺闁告挻褰冩禍婵囩箾閸欏澧辩紒顔垮吹缁辨帒螣闂€鎰泿闂備浇顫夊畷妯衡枖濞戙埄鏁佺€光偓閸曨剛鍘告繛杈剧到婢瑰﹪宕曡箛鏂讳簻妞ゆ挴鍓濈涵鍫曟煙妞嬪骸鈻堥柛銊╃畺瀹曟宕ㄩ娑樼樆闂傚倸鍊风欢姘跺焵椤掑倸浠滈柤娲诲灦瀹曘垽骞栨担鍦幘闂佸憡鍔樼亸娆撳春閿濆應鏀介柨娑樺閺嗩剟鏌熼鐣屾噰鐎殿喖鐖奸獮瀣敇閻愭惌鍟屾繝鐢靛У椤旀牠宕板Δ鍛櫇闁冲搫鎳庣粈鍌涚箾閹寸偟顣叉い顐f礋閺屻劌鈹戦崱妯轰痪閻熸粎澧楃敮妤呭疾閺屻儲鐓曢柍鈺佸暟閹冲懘鏌i幘鍐测偓鎼佲€旈崘顔嘉ч柛鎰╁妿娴犲墽绱掗悙顒佺凡缂佸澧庨崚鎺楀煛閸涱喖浜滅紒鐐妞存悂寮插┑瀣拺闂傚牊绋撴晶鏇熺箾鐠囇呯暤妤犵偛妫濋弫鎰緞鐎Q勫闂備礁婀辨灙婵炲鍏橀崺銉﹀緞鐎c劋绨婚梺鎸庢椤曆冾嚕椤曗偓閺屾盯鍩為幆褌澹曞┑锛勫亼閸婃牜鏁幒妤佹櫇闁靛/鈧崑鎾愁潩閻愵剙顏�28缂傚倸鍊搁崐鎼佸磹妞嬪孩顐介柨鐔哄Т绾捐顭块懜闈涘Е闁轰礁顑囬幉鎼佸籍閸垹绁﹂梺鍛婂姦閸犳牜绮绘繝姘厱闁规崘灏欑粣鏃堟煃閻熸壆绠茬紒缁樼箞婵偓闁挎繂妫涢妴鎰斿Δ濠佺凹闁圭ǹ鍟块悾宄扳攽鐎n亜绐涢柣搴㈢⊕宀e潡宕㈤柆宥嗏拺闁告繂瀚弳濠囨煕鐎n偅灏电紒杈ㄥ笧閳ь剨缍嗛崑鍛暦瀹€鈧埀顒侇問閸n噣宕戞繝鍥х畺濞寸姴顑呴崹鍌涖亜閹扳晛鐏╂鐐村灴濮婄粯鎷呴崨濠冨創濠电偠顕滅粻鎴︼綖濠靛惟闁冲搫鍊告禒顓㈡⒑鐎圭姵銆冮悹浣瑰絻鍗遍柛顐犲劜閻撴瑩鏌i幇闈涘缂傚秵鍨块弻鐔煎礂閸忕厧鈧劙鏌$仦鐣屝ユい褌绶氶弻娑㈠箻閸楃偛顫囧Δ鐘靛仜缁绘﹢寮幘缁樻櫢闁跨噦鎷�1130缂傚倸鍊搁崐鎼佸磹妞嬪海鐭嗗〒姘e亾閽樻繃銇勯弽銊х煂闁活厽鎹囬弻娑㈠箻閼碱剦妲梺鎼炲妽缁诲牓寮婚妸鈺傚亜闁告繂瀚呴姀銏㈢<闁逞屽墴瀹曟帡鎮欑€电ǹ骞堟繝鐢靛仦閸ㄥ爼鏁冮锕€缁╃紓浣贯缚缁犻箖鏌涢锝囩畼闁绘帗鎮傞弻锛勪沪缁嬪灝鈷夐悗鍨緲鐎氼噣鍩€椤掑﹦绉靛ù婊勭矒閿濈偤宕堕浣叉嫼闂備緡鍋嗛崑娑㈡嚐椤栨稒娅犲Δ锝呭暞閻撴瑩鏌涢幋娆忊偓鏍偓姘炬嫹
相关话题/土壤 观测 数据 卫星 信号

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 基于无关变量分离的EFSM测试数据进化生成*
    软件测试对于保证软件质量具有关键作用。模型是软件系统的一种抽象描述,基于模型的测试(Model-BasedTesting,MBT)是采用形式化的方法判定软件错误所在,从而确保待测软件的正确性与可靠性[1]。由于MBT并不针对某一程序代码本身,因而广泛用于软件生命周期早期阶段的产品测试,尤其适合于航空 ...
    本站小编 Free考研考试 2021-12-25
  • 卫星微振动液阻隔振器建模与试验研究*
    卫星上所搭载的精密仪器设备经常处于低频微幅的振动环境中。液体阻尼式隔振器(简称液阻隔振器)是一种广泛应用于卫星微振动隔离的隔振装置[1-5]。建立准确、简洁而物理意义清晰的隔振器模型,是进一步对隔振器进行性能预测、结构改进以及优化控制的基础。国内外****在液阻隔振器建模方面进行了大量的研究,建立了 ...
    本站小编 Free考研考试 2021-12-25
  • 光电二极管的地球反照光校正及卫星姿态估计*
    姿态估计是卫星上最重要的测量之一。目前常用的姿态传感器有太阳敏感器、地磁、星敏感器、地球敏感器和GPS等,这些传感器有其各自的优点和使用限制。卫星上常装配多种敏感器,采用多种方案相互备份和补充,从而保证测量的可靠性和鲁棒性。光电二极管[1]是一种成本低廉、体积更小的感光传感器,根据其输出电压可以感测 ...
    本站小编 Free考研考试 2021-12-25
  • 基于GA-SVM的GNSS-IR土壤湿度反演方法*
    土壤湿度是全球碳水循环的重要环节,是量化陆地及大气能量交换的关键参数[1]。及时、准确地获取农田土壤湿度数据对于在农业生产中进行合理灌溉、减少水资源浪费、降低生产成本和提高农作物产量都是非常重要的。相比于传统的烘干称重法以及时域反射法(TDR)、频域反射法(FDR)等接触方式获取土壤湿度的方法[2] ...
    本站小编 Free考研考试 2021-12-25
  • 卫星姿态控制系统执行器微小故障检测方法*
    卫星是目前应用最为广泛的航天器,卫星的姿态控制系统故障会导致严重的后果,其中执行器由于长期处于工作状态中很容易发生故障,因此卫星姿态控制系统的执行器故障诊断问题很有研究价值。很多故障在早期表现很微小[1],通常会被系统扰动噪声掩盖,因此微小故障的检测对于故障的早期诊断有重要意义。基于解析模型的方法, ...
    本站小编 Free考研考试 2021-12-25
  • 一种新的非高斯随机振动信号的模拟方法*
    工程中常将随机振动信号假设服从高斯分布[1-2],并且通过功率谱密度(PSD)作为试验条件。然而实际中,结构所受到的振动激励很多不满足高斯分布的假设,比如路面载荷[3]、加载在结构上的波浪载荷[4]以及输电线系统受到的风载[5],而PSD仅仅可以表征信号的低阶统计量,不能够完全表征其高阶统计量,并且 ...
    本站小编 Free考研考试 2021-12-25
  • 成分数据的空间自回归模型*
    数据搜集技术的快速发展不仅带来了海量的数据,也带来了类型越来越复杂的数据,如函数数据[1-3]、成分数据[4]和符号数据[5-6]等。在这些类型复杂的数据中,成分数据由于关注部分在总体中的占比信息,受到愈来愈广泛的关注。如Fry等[7]利用住户开支统计调查结果研究预算分配模型,Pawlowsky-G ...
    本站小编 Free考研考试 2021-12-25
  • 基于软件定义微纳卫星的多模式计算光学成像技术*
    面向未来智能卫星发展的国家重大战略需求,为实现有效载荷具备上载软件在轨定义多功能、软件可控多功能、参数可重构的软件定义微纳卫星需求,将重点围绕计算光学、认知成像、最优控制、强化学习、智能控制等基础科学和应用科学问题,突破软件一体化、综合化、人机交互功能扩展化定义等新体制卫星载荷设计和研制的关键技术瓶 ...
    本站小编 Free考研考试 2021-12-25
  • 卫星时序数据挖掘节点级并行与优化方法*
    时序数据是一种带有时间标记的常见大数据类型。航天、气象、交通、电力、工业、金融、科研[1]等众多领域日复一日地不断产生此类型数据。在大数据和云计算时代,人们需要运用数据挖掘方法分析研究这些时序大数据,以获得蕴藏在数据背后的异常、关联、模式、趋势等知识,并利用所得知识进行异常检测、关联分析、故障诊断、 ...
    本站小编 Free考研考试 2021-12-25
  • 一种软件定义卫星网络的多波束切换机制*
    世界强国政府与工业部门已经充分认识到软件定义卫星网络(Software-DefinedSatelliteNetwork,SDSN)系统在21世纪国际竞争和国民经济发展中的重要作用,对其研究和应用的投入急速增加。目前,国内外著名研究机构、卫星通信公司都大力推进SDSN的理论方法与应用基础研究[1]。S ...
    本站小编 Free考研考试 2021-12-25