Please wait a minute...
img

官方微信

遥感技术与应用  2020, Vol. 35 Issue (6): 1312-1319    DOI: 10.11873/j.issn.1004-0323.2020.6.1312
冰雪遥感专栏     
基于多元线性回归的GPS-IR积雪深度反演研究
李毅1(),任超2,3(),张志刚2,梁月吉2,3,潘亚龙2
1.广西壮族自治区自然资源调查监测院,广西 南宁 530023
2.桂林理工大学测绘地理信息学院,广西 桂林 541004
3.广西空间信息与测绘重点实验室,广西 桂林 541004
Research on GPS-IR Snow Depth Inversion based on Multiple Linear Regression
Yi Li1(),Chao Ren2,3(),Zhigang Zhang2,Yueji Liang2,3,Yalong Pan2
1.Guangxi Zhuang Autonomous Region Natural Resources Survey and Monitoring Institute,Nanning 530023,China
2.College of Geomatics and Geoinformation,Guilin University of Technology,Guilin 541004,China
3.Guangxi Key Laboratory of Spatial Information and Geomatics,Guilin 541004,China
 全文: PDF(5100 KB)   HTML
摘要:

利用全球导航卫星系统反射干涉遥感技术(GPS-Interferometric Reflectometry, GPS-IR)可实现地表环境参数的监测。基于全球导航卫星系统多径反射信号与积雪深度之间的关系,针对目前已有研究较少的考虑多星融合对反演效果的影响,提出一种基于多元线性回归的多星融合积雪深度反演模型。为了验证算法的可靠性,利用美国PBO观测网络中的P101测站连续监测数据进行雪深反演研究。研究和实验表明:反演结果与积雪深度参考值具有显著相关性;多星融合能够有效综合各单颗卫星的反演性能,相关系数均大于0.940,相比单星提高了13.6%;RMSE和MAE均小于0.08和0.165。

关键词: GPS-IR积雪深度多元线性回归Lomb-Scargle频谱分析多星融合    
Abstract:

The use of GPS-Interferometric Reflectometry (GPS-IR) can realize the monitoring of surface environmental parameters. Based on the relationship between multi-path reflected signals of GNSS and snow depth, this paper proposes a multi-star fusion product based on multiple linear regression based on the consideration of the influence of multi-star fusion on the inversion effect. Snow depth inversion model. In order to verify the reliability of the algorithm, the snow depth inversion research was performed using the continuous monitoring data from the P101 station in the PBO observation network in the United States. Theoretical and experimental results show that the inversion results have a significant correlation with the snow depth reference value; multi-star fusion can effectively synthesize the inversion performance of each single satellite, and the correlation coefficients are all greater than 0.940, which is at least 13.6% higher than the single star; Both RMSE and MAE are less than 0.08 and 0.165.

Key words: GPS-IR    Snow depth    Multiple liner regression    Lomb-Scargle    Multi-star fusion
收稿日期: 2019-12-16 出版日期: 2021-01-26
ZTFLH:  P237  
基金资助: 国家自然科学基金项目(41901409);广西高校中青年教师基础能力提升项目(2018KY0247);广西自然科学基金项目(2015GXNSFAA139230)
通讯作者: 任超     E-mail: 469675232@qq.com;renchao@glut.edu.cn
作者简介: 李毅(1981—),男,广西博白人,硕士,高级工程师,主要从事大地测量、摄影测量、无人机航测研究。E?mail:469675232@qq.com
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  
李毅
任超
张志刚
梁月吉
潘亚龙

引用本文:

李毅,任超,张志刚,梁月吉,潘亚龙. 基于多元线性回归的GPS-IR积雪深度反演研究[J]. 遥感技术与应用, 2020, 35(6): 1312-1319.

Yi Li,Chao Ren,Zhigang Zhang,Yueji Liang,Yalong Pan. Research on GPS-IR Snow Depth Inversion based on Multiple Linear Regression. Remote Sensing Technology and Application, 2020, 35(6): 1312-1319.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2020.6.1312        http://www.rsta.ac.cn/CN/Y2020/V35/I6/1312

图1  GPS多路径效应
图2  反演流程图
图3  P101测站周边环境
图4  SNR残差序列与频谱分析
图5  各卫星估算结果与雪深参考值关系图
图6  反演结果相关系数汇总
方案卫星组合方案卫星组合
1PRN0211PRN10、12、32
2PRN1012PRN12、29、32
3PRN1213PRN10、12、29、32
4PRN2914PRN02、10、29、32
5PRN02、1015PRN02、10、12、29
6PRN10、1216PRN02、10、12、29、32
7PRN12、2917PRN02、12、22、29、32
8PRN29、3218PRN02、18、20、29、31、32
9PRN02、10、1219PRN02、10、18、20、22、31、32
10PRN02、10、2920PRN02、10、18、20、22、29、31、32
表1  卫星融合方案
图7  多星线性融合模型测试输出结果
图8  多星线性融合反演精度评定
1 Zhang Shuangcheng, Dai Kaiyang, Nan Yang, et al. Preliminary Research on GNSS-MR for Snow Depth[J]. Geomatics and Information Science of Wuhan University, 2018, 43(2): 234-240.
1 张双成, 戴凯阳, 南阳, 等. GNSS-MR技术用于雪深探测的初步研究[J]. 武汉大学学报(信息科学版), 2018, 43(2): 234-240.
2 Liu Jingnan, Shao Lianjun, Zhang Xunxie. Advances in GNSS-R Studies and Key Technologies[J]. Geomatics and Information Science of Wuhan University, 2007,32(11): 955-960.
2 刘经南, 邵连军, 张训械. GNSS-R研究进展及其关键技术[J]. 武汉大学学报(信息科学版), 2007,32(11): 955-960.
3 Larson K M, Gutmann E D, Zavorotny V U, et al. Can We Measure Snow Depth with GPS Receivers?[J]. Geophysical Research Letters,2009,36(17). doi:10.1029/2009GL039430.
doi: 10.1029/2009GL039430
4 Ozeki M, Heki K. GPS Snow Depth Meter with Geometry-free Linear Combinations of Carrier Phases[J]. Journal of Geodesy, 2012, 86(3): 209-219.
5 Boniface K, Braun J J, McCreight J L, et al. Comparison of Snow Data Assimilation System with GPS Reflectometry Snow Depth in the Western United States[J]. Hydrological Processes,2015,29(10):2425-2437. doi:10.1002/hyp.10346.
doi: 10.1002/hyp.10346
6 Nievinski F G, Larson K M. Inverse Modeling of GPS Multipath for Snow Depth Estimation—Part II: Application and validation[J]. IEEE Transactions on Geoscience and Remote Sensing,2014,52(10):6564-6573.doi: 10.1109/TGRS.2013. 2297688.
doi: 10.1109/TGRS.2013. 2297688
7 Dai Kaiyang, Zhang Shuangcheng, Li Zhenyu, et al. Snow Depth Detection with GPS SNR Observations[J]. Journal of Geodesy and Geodynamics, 2016,36(6):525-528.
7 戴凯阳,张双成,李振宇,等. 利用GPS的SNR观测值进行雪深监测研究[J]. 大地测量与地球动力学,2016,36(6):525-528.
8 Jin S, Najibi N. Sensing Snow Height and Surface Temperature Variations in Greenland from GPS Reflected Signals[J]. Advances in Space Research,2014,53(11): 1623-1633. doi: 10.1016/j.asr.2014.03.005.
doi: 10.1016/j.asr.2014.03.005
9 Yu K, Ban W, Zhang X, et al. Snow Depth Estimation based on Multipath Phase Combination of GPS Triple-frequency Signals[J]. IEEE Transactions on Geoscience and Remote Sensing,2015,53(9):5100-5109. doi: 10.1109/TGRS.2015. 2417214.
doi: 10.1109/TGRS.2015. 2417214
10 Zhang Jingyang, Pan Guangyou. Comparison and Application of Multiple Regression and BP Neural Network Prediction Model[J]. Journal of Kunming University of Science and Technology(Natural Science Edition), 2013, 38(6): 61-67.
10 张景阳, 潘光友. 多元线性回归与BP神经网络预测模型对比与运用研究[J]. 昆明理工大学学报(自然科学版), 2013, 38(6): 61-67.
11 Lü You. The Research and Application of Data-based Process Modeling Methods[D]. Beijing: North China Electric Power University, 2014.[基于过程数据的建模方法研究及应用[D]. 北京:华北电力大学, 2014.]
12 Ao Minsi, Zhu Jianjun, Hu Youjian, et al. Comparative Experiments on Soil Moisture Monitoring with GPS SNR Observations[J]. Geomatics and Information Science of Wuhan University, 2015, 40(1): 117-120,127.
12 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): 117-120,127.
13 Chew C C, Small E E, Larson K M, et al. Vegetation Sensing Using GPS-interferometric Reflectometry: Theoretical Effects of Canopy Parameters on Signal-to-noise Ratio Data[J]. IEEE Transactions on Geoscience and Remote Sensing,2014,53(5):2755-2764. doi:10.1109/TGRS.2014. 2364513.
doi: 10.1109/TGRS.2014. 2364513
14 Sun Xiaorong, Zhang Shubi, Wu Jizhong, et al. Mechanism Analysis of GPS-IR Technology based on SNR[J]. Advances in Earth Science, 2019, 34(2): 156-163.
14 孙小荣, 张书毕, 吴继忠, 等.基于SNR的GPS-IR技术机理分析[J]. 地球科学进展, 2019, 34(2): 156-163.
15 Wang Huiwen, Meng Jie. Predictive Modeling on Multivariate Linear Regression[J]. Journal of Beijing University of Aeronautics and Astronautics, 2007(4): 500-504.
15 王惠文, 孟洁. 多元线性回归的预测建模方法[J]. 北京航空航天大学学报, 2007(4): 500-504.
16 Zhang Jingyang, Pan Guangyou. Comparison and Application of Multiple Regression and BP Neural Network Prediction Model[J]. Journal of Kunming University of Science and Technology(Natural Science Edition), 2013, 38(6): 61-67.
16 张景阳, 潘光友. 多元线性回归与BP神经网络预测模型对比与运用研究[J]. 昆明理工大学学报(自然科学版), 2013, 38(6): 61-67.
17 Ye Xianfeng. Research on Processing Method of Station Environment Error based on GNSS Signal-to-Noise Data and Its Application[D]. Wuhan:China University of Geosciences, 2016.
17 叶险峰. 基于GNSS信噪比数据的测站环境误差处理方法及其应用研究[D]. 武汉:中国地质大学, 2016.
18 Liang Yueji,Ren Chao,Huang Yibang,et al.Rolling Estimation Model of Soil Moisture based on Multi-satellite Fusion[J].Journal of Remote Sensing,2019, 23(4):648-660.
18 梁月吉,任超,黄仪邦,等.多星融合的土壤湿度滚动式估算模型[J].遥感学报,2019, 23(4):648-660.
[1] 李娜,张升伟,何杰颖. 基于FY-3C MWHTS的台风降水反演算法研究[J]. 遥感技术与应用, 2019, 34(5): 1091-1100.
[2] 李长春, 徐轩, 包安明, 刘雪峰, 杨文攀.  基于FY3B-MWRI数据新疆区域积雪深度反演[J]. 遥感技术与应用, 2018, 33(6): 1030-1036.
[3] 侯小刚,张璞,郑照军,李帅. 基于多源数据的阿勒泰地区雪深反演研究[J]. 遥感技术与应用, 2015, 30(1): 178-185.
[4] 郭云开,张源,张文博. 植被健康指数及高等级公路路域环境评价研究[J]. 遥感技术与应用, 2013, 28(6): 1120-1124.
[5] 王 笑,祝善友,张桂欣. 近地表瞬时气温空间分布模拟方法比较研究[J]. 遥感技术与应用, 2013, 28(5): 858-865.
[6] 唐国栋,柯长青. 中国西部地区积雪深度的空间插值比较[J]. 遥感技术与应用, 2007, 22(1): 39-44.
[7] 李洪义, 史 舟, 郭亚东, 沙晋明. 基于遥感与GIS 技术的福建省生态环境质量评价[J]. 遥感技术与应用, 2006, 21(1): 49-54.
[8] 车 涛,李 新. 利用被动微波遥感数据反演我国积雪深度及其精度评[J]. 遥感技术与应用, 2004, 19(5): 301-306.
[9] 高 峰,李 新, R L Armstrong,王介民,车 涛,徐维新. 被动微波遥感在青藏高原积雪业务监测中的初步应用[J]. 遥感技术与应用, 2003, 18(6): 360-363.