Page 53 - 《武汉大学学报（信息科学版）》2025年第9期
P. 53

第 50 卷第 9 期     魏浩翰等：基于熵值法轨迹聚类多特征参数融合的 GNSS-IR 土壤湿度反演方法                              1781


                observation  data  from  multiple  GNSS  systems.  After  determing  the  weight  using  entropy  method,  soil
                moisture inversion was carried out. The results of multi-system trajectory fusion inversion were compared
                with  those  traditional  average-weight  fusion  method  and  the  multiple  linear  regression  method.  Results:
                The soil moisture fusion inversion result of the combination of feature parameters including phase, ampli⁃
                tude, and frequency of SNR is better than the inversion results of a single phase feature parameter and the
                combination  of  two  feature  parameters  including  phase  and  amplitude.  Multi-system  trajectory  fusion
                generally improves the inversion performance compared to single system trajectory fusion, with an average
                correlation  coefficient  increasing  by  4.0%  and  root  mean  square  error （RMSE)  decreasing  by  22.8%  to
                39.9%.  Compared  to  traditional  average-weight  fusion  method,  multiple  linear  regression  method  and
                weighted fusion method, the multi-system trajectory clustering fusion soil moisture inversion method based
                on  entropy  method  reduces  RMSE  by  34.0%,  25.6%  and  29.5%,  respectively.  Conclusions:  The  pro⁃
                posed method can provide long-term and accurate soil moisture inversion results.
                Key words： GNSS-IR； signal-to-noise ratio； multi-characteristic parameter fusion； soil moisture； trajec⁃
                tory clustering； entropy method

                    土壤湿度不仅是地表干湿程度的重要指标，                         水分的改进算法；文献［12］利用小波分析检测和
                同时也是全球水循环过程中的关键参数之一，在                           修复异常相位，进而提升多星反演土壤湿度的精
                农业生产、植物生长、水文循环和碳循环、气象研                          度；文献［13］融合 GPS 两个频段的观测数据建立
                究以及灾害预警等方面起着重要的作用                   ［1-2］ 。因    粒子群优化卷积神经网络的土壤湿度反演模型；
                此，研究如何高效率、高精度、长周期地实现土壤                          文献［14］提出了一种利用机器学习将多类型特
                湿度信息的获取具有较高的科研价值与实用价                            征数据融合的土壤湿度反演方法；文献［15］详细
                值 。 随 着 全 球 导 航 卫 星 系 统（global navigation       介 绍 了 GNSS 反 射 测 量（GNSS  reflectometry，
                satellite system，GNSS）的发展，基于 GNSS 干涉            GNSS+R）原理方法和遥感应用，特别介绍了北
                反射（GNSS interferometric reflectometry，GNSS-     斗 导 航 系 统（BeiDou navigation satellite system，
                IR）技术的无源土壤湿度探测技术具有功耗小、                          BDS）反射信号遥感的研究进展；文献［16］使用
                信 号 源 丰 富 、时 空 分 辨 率 高 、低 成 本 的 显 著             相位法和干涉模型证明了 BDS 的 B1 和 B2 信号
                    ［3］
                优点 。                                            能较好地响应降水事件；文献［17］提出了一种适
                    文献［4］提出利用连续的 GPS 信号测量土壤                     用 于 BDS 中 圆 地 球 轨 道（medium  earth  orbit，
                湿度，结果表明土壤成分固定不变区域的土壤湿                           MEO）卫 星 和 倾 斜 地 球 同 步 轨 道（inclined geo⁃
                度 与 多 路 径 信 号 振 幅 具 有 良 好 的 相 关 性 ；文 献          synchronous satellite orbit， IGSO）卫星的多卫星
               ［5］研究发现，接收机附近 300 m 区域的估计值                       土壤水分反演方法，发现 BDS IGSO 和 MEO 土
                                              2
                与传统传感器测量的土壤表层 5 cm 的土壤湿度                        壤湿度估算结果与原位土壤水分波动有很好的
                波动非常吻合。文献［6］基于卫星直射、反射信                          相关性；文献［18］利用直反射信号相关功率提出
                号的干涉现象，使用干涉图技术对土壤湿度、植                           支 持 向 量 回 归 机 辅 助 的 地 球 静 止 轨 道（geosta⁃
                被高度进行反演；文献［7］对 GPS 干涉图的有效                       tionary earth orbit， GEO）卫 星 反 演 土 壤 湿 度 方
                反射高、相位和振幅 3 个指标进行研究，结果表                         法；文献［19］通过仿真和实验证明 BDS GEO 卫
                明 相 位 与 表 层 土 壤 水 分 呈 线 性 相 关 ，是 GPS 土          星可以从干涉信号功率中反演土壤反射系数，提
                壤湿度测量的最佳指标；文献［8］提出了一种考                          出了一种半经验模型；文献［20］提出多卫星赋权
                虑地表伪动力学的新反演方法，将 GLONASS、                        融合解译土壤湿度方法，利用直反射幅度比值确
                GPS 双系统 2°~70°获得的时间序列进行归一化、                     定权重，有效综合了 BDS/GPS 不同卫星间的信
                反演和组合，提高了时间分辨率以及与土壤湿度                           息；文献［21］利用土壤湿度经验模型求解轨迹聚
                的相关性；文献［9］对反射信号估计方法进行优                          类后的土壤湿度，以加权平均方式证明了多系统
                化 ，使 土 壤 湿 度 反 演 结 果 更 加 可 靠 有 效 ；文 献           较单系统能更有效监测土壤湿度变化。然而，已
               ［10］提出了一种将 GPS 的 L1、L2、L5 频段数据                   有对于 GNSS-IR 的研究主要依托于 GPS 系统，
                加权联合反演的方法；文献［11］提出了一种基于                         针对多系统、多星多频信号融合反演的研究相对
                主成分分析和熵值法的多频融合数据反演土壤                            较少；对多 GNSS 系统的研究多数是对所有可用
   48   49   50   51   52   53   54   55   56   57   58