Page 58 - 《武汉大学学报(信息科学版)》2025年第9期
P. 58

1786                            武 汉 大 学 学 报  (信 息 科 学 版)                        2025 年 9 月

                后,土壤水分逐渐减少,说明降雨是土壤水分变                            湿度反演、单 GNSS 系统轨迹聚类融合土壤湿度
                化的主要原因之一。                                        反演以及多 GNSS 系统多频轨迹聚类融合土壤
                                                                 湿度反演。此外,为了进一步比较熵值法轨迹融
                                                                 合的反演效果,将其与均权融合方法、多元线性
                                                                 回归方法和赋权融合方法的反演效果作了比较。
                                                                 2.2.1 不同 SNR 特征参数组合土壤湿度反演
                                                                     为了探讨 SNR 的振幅、相位、频率等特征参
                                                                 数用于土壤湿度反演的效果,分别对不同 GNSS
                                                                 系统 SNR 观测量的特征参数进行组合,分为相
                                                                 位、相位+振幅(组合 1)、相位+振幅+频率(组
                                                                 合 2)等 3 种组合进行土壤湿度反演并进行对比分
                                                                 析。各系统特征参数组合反演的结果见表 2。

                             图 6 土壤湿度及降水量                            从表 2 可以看出,各系统使用组合 2 取得了
                        Fig. 6 Soil Moisture and Precipitation   更好的反演效果。与实测土壤湿度相比,其反演
                                                                 结果的相关系数较单独相位反演提高 22.6%,较
                2.2 实验结果与分析                                      组 合 1 反 演 提 高 7.5%;均 方 根 误 差(root mean
                     根据图 4 土壤湿度反演流程,优选了 SNR 特                    square  error,RMSE)较 单 独 相 位 反 演 降 低
                征参数序列,并对多特征数据进行聚类融合。本                            45.6%,较组合 1 反演降低 30.5%;平均绝对误差
                次实验中,以 DOY 40−110 的每日融合特征序列                     (mean absolute error,MAE)较单独相位反演降低
                作为建模输入样本,以 DOY 111−145 每日融合                      42.5%,较组合 1 反演降低 24.1%。综上可知,使
                特征序列作为测试输入样本,对应的实测土壤湿                            用相位、振幅、频率 3 种特征参数组合进行土壤湿
                度作为建模输出样本。首先进行多 SNR 特征参                          度反演,为轨迹聚类融合增加了有效数据,克服
                数(振幅、相位、频率)土壤湿度反演的对比分析,                          了单一特征参数可能带来的误差,进一步提升了
                在此基础上,分别分析了单频轨迹聚类融合土壤                            模型反演精度。


                                          表 2 各 GNSS 系统多类型特征参数轨迹聚类与融合
                     Table 2 Trajectory Clustering and Fusion for Multiple Types of Feature Parameters in Various GNSS Systems
                                                                      3.
                                                                                                3.
                    GNSS              相关系数                    RMSE/(cm cm  −3 )          MAE/(cm cm  −3 )
                     系统        相位       组合 1    组合 2      相位      组合 1     组合 2      相位      组合 1     组合 2
                     GPS      0.623 6  0.871 1  0.898 0  0.041 6  0.027 8  0.020 8  0.029 0  0.017 6  0.016 5
                     BDS      0.891 6  0.904 4  0.929 1  0.026 9  0.023 1  0.020 3  0.020 5  0.016 8  0.016 0
                  GLONASS     0.773 3  0.857 7  0.952 0  0.034 2  0.027 5  0.016 2  0.026 6  0.021 5  0.012 1
                    Galileo   0.747 9  0.831 7  0.944 5  0.034 7  0.029 1  0.017 4  0.024 5  0.020 4  0.013 2
                    平均值       0.759 1  0.866 2  0.930 9  0.034 4  0.026 9  0.018 7  0.025 2  0.019 1  0.014 5

                2.2.2 单频轨迹聚类融合土壤湿度反演                             L2、L1、L5,其中 L2P 频段反演效果最好,相关系
                     在以上分析的基础上,以 DOY 为单位时间,                      数为 0.891 0,RMSE 为 0.023 2~0.028 1 cm /cm ,
                                                                                                       3
                                                                                                           3
                对单位时间内同一系统、同一频段、不同卫星编                            MAE 为 0.016 4~0.017 7 cm /cm ;BDS 各 频 率
                                                                                           3
                                                                                               3
                号的地表反射轨迹进行聚类,并利用多 SNR 特征                         的反演精度从高到低依次为 B2、B1、B3,其中 L7I
                参数序列进行土壤湿度融合反演。图 7 展示了 4                         频 段 的 反 演 效 果 最 好 ,相 关 系 数 为 0.912  0,
                个系统的单频反演结果,各系统的单频段反演结                            RMSE 为 0.025  6~0.030  3  cm /cm ,MAE 为
                                                                                              3
                                                                                                   3
                果与实测土壤湿度波动有着良好的一致性,均能                            0.017 5~0.021 6 cm /cm ;GLONASS 各 频 率 的
                                                                                       3
                                                                                   3
                实现土壤湿度的长序列监测反演。图 8 展示了 4                         反 演 精 度 从 高 到 低 依 次 为 G2、G1,其 中 L2C 频
                个系统所有频段反演结果的相关系数、RMSE 和                          段的反演效果最好,相关系数为 0.942 5,RMSE
                MAE。                                             为 0.016  7~0.017  1  cm /cm ,MAE 为 0.011  0~
                                                                                      3
                                                                                          3
                     表 3 为 各 系 统 频 段 反 演 结 果 的 具 体 精 度 指         0.012 4 cm /cm ;Galileo 各频率的反演精度从高
                                                                           3
                                                                               3
                标 。 GPS 各 频 率 的 反 演 精 度 从 高 到 低 依 次 为            到低依次为 E1、E5a、E5b,其中 L1X 频段的反演
   53   54   55   56   57   58   59   60   61   62   63