Page 54 - 《武汉大学学报（信息科学版）》2025年第9期

1782 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 9 月

的信号进行融合，较少有学者比较不同 GNSS 系 直接信号和反射信号之间的干扰对 SNR 信
统 、不 同 GNSS 卫 星 轨 道 和 不 同 信 号 频 段 的 卫 号有明显的影响，往往表现出振荡现象。图 2 为
星 信 号 在 土 壤 湿 度 反 演 方 面 的 优 劣 性 与 差 异 C06 卫 星 2023 年 第 40 个 年 积 日（day of year，
性 。 同 时 ，已 有 研 究 使 用 的 数 据 源 多 数 为 国 际 DOY）的信噪比时间序列。从图 2 可以看出，在
GNSS 服 务（international GNSS service， IGS）、 卫星仰角小于 30°时，反射分量的振幅更大，即多
［2］
美国板块边界观测计划（plate boundary observa⁃ 路径效应更明显。SNR 的计算式为 ：
2
2
2
tory， PBO）等国外开源数据，尚缺少针对中国境 f SNR = A d + A m + 2A d A m cos ψ （1）
内的 GNSS-IR 研究。需要注意的是，不同卫星轨 式中， A d 和 A m 分别表示直射、反射分量振幅； ψ 表
道的重访周期不一致，特别是 BDS 系统在中国及 示 2 个分量之间的相位差。去除包含直射信号分
周边地区独有的 IGSO 轨道卫星信号缺少进一步 量的趋势项后，残余的 SNR m 为 SNR 的反射信号
验证。因此，多 GNSS 信号取长补短，针对卫星 分量，计算式为：
4πh
轨迹进行聚类、融合，有助于 GNSS-IR 技术的进 （2）
f SNR m = A m cos ( λ sin θ + φ )
一步完善和发展。此外，土壤湿度反演所使用的
式中， λ 表示载波波长； φ 表示相位偏移。
信噪比（signal-to-noise ratio， SNR）特征参数多是
相位或者振幅的单一特征数据，需要进一步探讨

多类型特征参数用于土壤湿度反演的最佳组合。
基于上述问题，本文基于自建 GNSS 测站的
观测数据，提出一种融合 SNR 相位、振幅、频率特
征序列的多系统、多星多频土壤湿度反演方法，
对 GPS、BDS、GLONASS 和 Galileo 系统的卫星
地表反射轨迹进行聚类分析，利用熵值法能够判
断指标离散程度的优势，优选所有 SNR 特征参数
数据，充分利用不同 GNSS 系统、不同 GNSS 卫
星轨道以及不同频段之间的差异性与互补性，提
图 2 C06 卫星 2023 年第 40 个年积日的信噪比时间序列
升 GNSS-IR 土壤湿度反演的精度和可靠性。
Fig. 2 SNR Time Series of C06 Satellite on
DOY 40 in 2023
1 GNSS⁃IR 原理与方法
1.2 卫星地表反射轨迹聚类方法
1.1 GNSS⁃IR 基本原理 由于位于太空中的卫星在不断运动，卫星相
GNSS-IR 是一种利用反射信号与直射信号 对 于 地 表 的 GNSS 接 收 机 位 置 随 时 发 生 变 化 。
之间的干涉效应实现土壤湿度反演的遥感技术， GPS、BDS、GLONASS 和 Galileo 各 系 统 卫 星 有
从干涉反射信号中提取的相位、振幅、频率等特 各自不同的轨道类型和高度设计，卫星重访周期
征参数能够反映周围地表环境的状态变化，其基 有显著差异，导致 GNSS 卫星的地表反射轨迹具
本原理如图 1 所示，其中 h 表示天线相位中心至 有 不 同 的 重 复 周 期 ，具 体 见 表 1。 其 中 ，GPS 的

反射面的垂直距离， θ 表示卫星高度角。 MEO 卫星、BDS 的 GEO 和 IGSO 卫星的重访周
期为 1 d，按照传统的卫星解译方法从 SNR 中提
取特征参数序列（频率、振幅、相位等）就可以对
土壤湿度进行反演。然而，BDS、GLONASS 和

Galileo 的 MEO 卫星轨迹重复周期分别为 7 d、8 d
和 11 d，若 不 对 卫 星 地 表 反 射 轨 迹 进 行 聚 类 分
析，直接沿用传统方法提取每天的 SNR 特征参
数序列在数值上不统一，多种轨迹杂糅在一起反
演，会导致每日的反演结果粗差较大；若根据各
图 1 GNSS⁃IR 原理示意图 类轨迹分开单独反演土壤湿度，则会因为较大的
Fig. 1 Principle of GNSS-IR 轨迹重复周期差异而导致反演结果不连续。