共查询到18条相似文献，搜索用时 156 毫秒
1.
提出一种GPS/BDS双系统组合的土壤湿度多星线性回归反演模型,并以GNSS接收机实测数据为例,对比分析不同GPS和BDS卫星组合反演土壤湿度的效果。实验表明：1)GPS和BDS双系统组合相对于单系统在短观测时间内可以提高有效卫星数,通过多元线性回归原理可实现双系统多卫星的有效融合,提高土壤湿度反演的精度;2)当GPS和BDS组合卫星数达到6颗以上时,反演效果趋于稳定,反演结果与土壤湿度的相关系数均优于0.90,RMSE相对于单星至少提高25.8%。 相似文献
2.
通过采集GNSS信噪比(SNR)数据,基于水面反射的GNSS多路径信号特性,分析信号频率、高度角范围及弧段长度等因素对大坝水位反演结果的影响。结果表明,大坝水位变化反演结果与实测水位数据具有良好的一致性,相关系数在0.9以上,GPS反演精度为0.1~0.15 m,BDS反演精度为0.35~0.45 m,GPS和BDS联合反演精度为0.1~0.13 m,优于单系统反演精度。 相似文献
3.
GPS-IR是一种基于卫星反射信号的新的遥感技术,利用SNR观测值中的卫星反射信号可实现土壤湿度的反演。针对卫星反射信号分离问题,提出一种基于小波分析的卫星反射信号分离新方法。实验表明,采用小波分析能够针对不同卫星的信噪比观测值作出相应变化,有效分离卫星直射信号,获取更加准确的卫星反射信号;采用线性回归模型能够很好地表示相对延迟相位与土壤湿度之间的相关性,通过小波分析获取的结果相对于低阶多项式结果有明显提高。 相似文献
4.
利用BNC(BKG NTRIP client)传输的实时观测数据,从可见卫星数、位置精度因子(position dilution of precision, PDOP)、多路径效应、信噪比和实时相对定位精度等方面对GPS和QZSS在亚太地区的定位性能进行评估和分析。结果表明,QZSS与GPS组合后,可见卫星数增加,卫星几何构型更好,可提高定位精度的可用性和可靠性;QZSS卫星多路径效应的变化规律与GPS卫星一致,且QZSS卫星各频点的多路径误差大多小于GPS卫星;GPS和QZSS卫星各频点的信噪比随高度角变化趋势基本相同;在N、E、U方向上,GPS/QZSS组合的实时相对定位精度比GPS有所提升。 相似文献
5.
基于中国沿海GNSS观测网20个测站31 d的数据，从数据处理模式、系统组合和卫星截止高度角等方面研究沿海地区GPS/GLONASS数据提取天顶对流层延迟的方法，以CODE提供的对流层产品和探空数据资料作为标准值来评价对流层延迟的精度。结果表明，截止高度角为10°时，采用双差网解GPS/GLONASS组合系统提取的天顶对流层延迟精度略优于双差网解GPS单系统和精密单点定位GPS/GLONASS组合系统，各方法提取结果不存在明显的系统偏差；截止高度角设置对天顶对流层精度影响较大，截止高度角为30°时，采用双差网解GPS单系统提取的结果精度最优，但其精度较低截止高度角时明显降低。 相似文献
6.
为研究卫星截止高度角和GNSS系统组合对PPP精度的影响,对部分MGEX观测站10 d的实测数据分别进行24 h的精密单点定位数据处理,分析了5°~55°不同截止高度角下单系统GPS、BDS、GLONASS、双系统GPS/BDS、GPS/GLONASS、GLONASS/BDS、三系统GPS/BDS/GLONASS组合的可见卫星数以及定位精度。在确定的系统组合情况下,对不同截止高度角的定位精度分析表明,单系统定位的截止高度角应设置在30°以下,双系统应设置在40°以下,多系统应设置在55°以下;所有组合方式的最优截止高度角均在7°~15°;在确定的卫星截止高度角情况下,对不同系统组合的定位精度分析表明,当截止高度角小于40°时,定位精度最高的为GPS/BDS/GLONASS,最低的为BDS,其他系统组合居中;当截止高度角小于25°时,系统组合对定位精度的影响较为明显,随着截止高度角的增大（从25°到40°时）,这种影响逐渐减小,当截止高度角进一步增大至40°时,主要依靠BDS卫星定位,能够进行定位的系统组合定位精度基本相当。 相似文献
7.
推导出利用风云静止卫星双星视云坐标计算云下点坐标和云顶高度的理论算法，对静止双星865E/104.5E和86.5E/112E两种组合观测条件下视云位移分布特征以及视云位移与云高关系进行分析计算，在此基础上，提出一种可以实现全区域高精度立体云高反演的非线性视云位移云高反演模型。结果显示，观测数据空间分辨率0.01°条件下，两种双星组合云高分辨率平均值分别为1.28 km和0.93 km，表明86.5E/112E组合反演精度优于86.5E/104.5E组合。最后，利用FY2D和FY2F双星数据在西北太平洋进行立体云高反演实验，并将反演结果与Cloudsat卫星微波雷达云高测量数据进行对比分析。 相似文献
8.
基于小波分析方法,利用GPS、GLONASS、Galileo和Beidou观测数据,通过对不同类型的信噪比数据进行质量分析,筛选质量较好的数据提取瞬时潮位.实验结果表明,基于小波分析的多模多频GNSS-MR潮位反演可大幅提升潮位反演结果的时间分辨率,且精度与LSP方法相当,可达到dm级. 相似文献
9.
为丰富GNSS-IR技术的数据源,提出一种基于北斗三频载波相位多路径误差的土壤湿度反演方法。实验结果表明,由多路径误差导出的延迟相位与土壤湿度间存在较强的相关性,相关系数为0.97。该方法仅需较少历元的多路径误差便可获得与基于信噪比的GNSS-IR相当的土壤湿度反演精度,更容易实现土壤湿度的高动态监测。 相似文献
10.
从卫星可见性、DOP值、多路径误差、信噪比等方面对Swarm卫星星载GPS实测数据的质量进行分析，并将分析结果与GRACE卫星星载GPS数据质量进行对比。结果表明，Swarm卫星的多路径效应与伪距测量噪声比GRACE卫星大；DOP值两者基本相当；Swarm卫星接收机的通道数虽少，但是其跟踪能力强于GRACE卫星。最后，利用星载GPS数据进行Swarm卫星和GRACE卫星约化动力学定轨，表明Swarm卫星的伪距和载波相位残差均大于GRACE卫星。 相似文献
11.
土壤水分是连接地表水循环和能量循环的关键参量,精确获取该参量对于理解气候变化、地表水文过程、地气间能量交换机理等具有重要意义。微波遥感由于其较为合适的探测深度和坚实的理论基础在观测地表浅层土壤水分上具有很大优势,结合反演方法可以获取空间连续的土壤水分含量,有助于更加客观认知土壤水分的时空演变机理。随着微波遥感数据的不断丰富,多种微波遥感土壤水分反演方法相继涌现,为了更好地了解其发展和趋势,本文总结了当前土壤水分微波反演常用的卫星遥感数据并分析其发展趋势,后从主动微波反演、被动微波反演和多源协同反演3个方面梳理了各类土壤水分微波反演方法的原理、发展和优缺点,最终总结出目前微波遥感土壤水分反演方法的发展趋势：即土壤水分微波反演方法的时空普适性逐渐增强、面向高时空分辨率的土壤水分微波协同反演方法快速发展以及土壤水分微波反演方法的智能化水平不断提高。 相似文献
12.
土壤水分是陆面生态系统和能量循环的核心变量之一,利用微波遥感技术获得的土壤水分产品的时间分辨率一般是2-3 d,因此精确地获得具有较高时间分辨率的土壤水分成了人们关注的焦点。本文尝试将SMAP (the Soil Moisture Passive and Active）土壤水分和MODIS光学数据相结合,利用广义回归神经网络进行全球36 km土壤水分的估算,提升SMAP土壤水分的时间分辨率。结果显示,广义回归神经网络估算土壤水分与SMAP保持了高相关性(r = 0.7528),但其却保留了较高的误差 (rmse = 0.0914 m3/m3)。尽管如此,估算的土壤水分能够很好地保持SMAP土壤水分的整体空间变化,并且提升了土壤水分的时间分辨率（1 d）。此处,本文研究了SMAP土壤水分与MODIS光学数据之间的关系,这对今后利用机器学习进行SMAP土壤水分降尺度研究提供了重要的参考价值。 相似文献
13.
土壤水分是一个重要生态参量,以被动微波反演土壤水分,不受天气影响,且其算法成熟.但是星载被动微波数据的空间分辨率较低,可适合大区域尺度研究.本文将1km分辨率光学数据MODIS和25km分辨率被动微波数据AMSR- E2级土壤湿度产品结合,利用NDVI-Ts特征空间,去除植被影响,结合前人提出的裸土蒸散模型,将研究区被... 相似文献
14.
克里格法的土壤水分遥感尺度转换 总被引：2，自引：0，他引：2
尺度效应往往会制约着定量遥感反演的精度,对地学信息进行空间尺度转换是生产实践的必然要求,而常用的尺度转换模型多利用光谱数据进行差值计算,不适合升尺度和降尺度转换。由于土壤含水量数据具有区域变化量的随机性和结构性特点,本文以15m分辨率的ASTER图像像元为基本单元,采用点克里格法完成ASTER 15m至7.5m分辨率的土壤含水量数据降尺度转换,从分维数的相似程度上来看,转换结果是合理的;并利用块状克里格法对地面实测样点数据进行点到7.5m分辨率的面数据升尺度转换,将升尺度和降尺度转换结果与实测样点均值相比较,结果表明:7.5m分辨率的实测样点土壤水均值误差在1.5782-5.019之间,块状克里格法获取的升尺度土壤含水量数据与点克里格法获取的降尺度土壤含水量数据之间误差则为1.2825-5.0481,可见克里格法考虑了点与周边的关系,所获得的土壤含水量值要优于未考虑空间异质性的土壤含水量平均值。 相似文献
15.
SONG Dongsheng ZHAO Kai GUAN Zhi 《中国地理科学(英文版)》2007,17(2):186-191
Soil moisture is an important factor in global hydrologic circulation and plays a significant role in the research of hydrology, climatology, and agriculture. Microwave remote sensing is less limited by climate and time, and can measure in large scale. With these characteristics, this technique becomes an effective tool to measure soil moisture. Since the 1980s, Chinese researchers have investigated the soil moisture using microwave instruments. The active re- mote sensors are characteristic of high spatial resolution, thus with launch of a series of satellites, active microwave remote sensing of soil moisture will be emphasized. The passive microwave remote sensing of soil moisture has a long research history, and its retrieval algorithms were developed well, so it is an important tool to retrieve large scale moisture information from satellite data in the future. 相似文献
16.
基于我国首颗全极化雷达卫星高分三号（GF-3）和Landsat8数据,研究浓密植被覆盖地表土壤水分反演方法。为了提高浓密植被覆盖地表土壤水分反演精度,首先利用PROSAIL模型、实测植被参数及Landsat8光学数据分析了8种植被指数与植被冠层含水量的相关性,从中优选出归一化差异水指数（NDWI5）用于反演植被冠层含水量,并通过分析植被含水量和植被冠层含水量的关系,构建植被含水量模型;然后结合植被含水量反演模型和简化MIMICS模型校正了植被对雷达后向散射系数的影响,最后基于AIEM建立裸土后向散射系数模拟数据集,发展一种主动微波和光学数据协同反演浓密植被覆盖地表土壤水分模型,并以山东省禹城市为研究区,实现了玉米覆盖下HH、VV和HH+VV 3种模式土壤水分反演。实验结果表明： ① NDWI5为最佳植被指数,对于去除植被影响有较好效果;② 基于此方法,利用GF-3和Landsat8卫星数据反演得到的土壤水分具有较高的精度;③ 相比HH和VV两种极化模式,HH+VV双通道模式对土壤水分反演结果更好,决定系数（R2）为0.4037,均方根误差（RMSE）为0.0667 m 3m -3。 相似文献
17.
微波与光学遥感协同反演旱区地表土壤水分研究 总被引：1，自引：0，他引：1
土壤水分是水文循环中的关键因素,尤其对旱区的生态环境具有十分重要的意义。微波遥感是反演土壤水分的有效手段,而植被是影响土壤水分反演精度的重要因素。因此,对土壤水分的反演需要考虑植被的影响。本文以内蒙古乌审旗为研究区,利用Radarsat-2雷达数据与TM光学数据,对旱区稀疏植被覆盖地表土壤水分反演进行研究。利用TM数据,分别选取NDVI和NDWI指数对植被含水量进行反演,通过水云模型消除植被层对土壤后向散射系数的影响;在此基础上,根据研究区地表植被特性,提出一种基于AIEM 模型的反演土壤水分的改进算法,反演了不同粗糙度参数、不同极化（VV极化和HH极化）条件下的研究区土壤水分。反演结果与野外实测数据的对比结果表明,本文提出的基于地表植被特性的土壤水分改进算法,具有更好的适应性;土壤水分反演模式
18.
地表粗糙度的不确定性是引起SAR土壤水分反演结果不确定性的主要因素,现有研究大多着重于研究单个粗糙度参数（主要是相关长度）的不确定性,直接研究地表组合粗糙度不确定性的较少。本文使用偏度、峰度和四分位距3个指标来量化不确定性,通过在组合粗糙度中加入不同量级高斯噪声进行随机扰动的方法,研究组合粗糙度不确定性在反演过程中的传递,并对反演土壤水分的不确定性进行定量分析。进一步研究反演土壤水分的均方根误差对组合粗糙度不同比例误差范围的响应特征,得到满足反演精度要求的组合粗糙度误差控制范围。样区的实验分析结果表明：组合粗糙度高斯噪声标准差在0-0.045之间时,峰度取值从-0.1984到1.2501,偏度取值从0.0191到0.6791,四分位距取值从0.0018到0.0167,3个量化指标都随组合粗糙度高斯噪声量级的增大而增大,土壤水分反演值有集中在众数附近的趋势,土壤水分低估倾向比高估倾向更明显;本文提出的组合粗糙度误差控制范围可满足反演精度要求,误差控制范围与入射角负相关。 相似文献