多卫星组合的GPS-MR土壤湿度反演
农田土壤水分多源遥感协同反演研究
农田土壤水分多源遥感协同反演研究农田土壤水分多源遥感协同反演研究近年来，农业生产中的关键问题之一是如何准确测量和监测农田土壤水分。
农田土壤水分的变化对作物生长、灌溉和农业管理等方面都有重要影响。
因此，研究如何高效地监测和预测农田土壤水分变化，对于提高农田水资源利用效率、实现农业可持续发展具有重要意义。
传统地面监测方法如土壤样品采集和实地测量等，虽然准确性较高，但其在时间和空间上的限制也存在明显的不足。
近年来，随着遥感技术的快速发展，利用遥感数据反演农田土壤水分的方法逐渐成为研究的热点。
遥感技术通过利用卫星或无人机等载体获取大范围地表信息，并结合模型和算法对土壤水分进行反演。
然而，由于遥感数据本身的局限性，单一遥感源往往无法提供足够的信息来准确估计土壤水分。
因此，将多源遥感数据进行协同反演成为当今研究的趋势。
多源遥感协同反演是指利用多种遥感数据源，如光学、热红外、微波等数据，通过数据融合和模型组合的方法，以提高土壤水分反演的准确性和稳定性。
不同遥感数据源具有各自独立的特点和信息，相互协同可以弥补各自的不足，提高反演精度。
在多源遥感协同反演中，数据融合是一个重要的环节。
数据融合是指将不同遥感数据源的信息有机地结合在一起，形成更全面、更准确的地表信息。
主要的数据融合方法包括特征级融合、决策级融合和基于模型的融合等。
特征级融合是将不同遥感数据源的特征进行组合，形成新的特征量以提高反演精度。
决策级融合是将不同遥感数据源独立做出的反演决策进行组合，形成最终的反演结果。
基于模型的融合是将不同遥感数据源在模型中进行融合，通过模型的建立和优化来提高反演精度。
此外，模型的选择和优化也对多源遥感协同反演的结果产生重要影响。
不同的模型适用于不同的遥感数据源和土壤水分特征。
常用的模型包括物理模型和统计模型。
物理模型基于土壤水分与遥感数据之间的物理规律进行建模，可以更准确地反演土壤水分。
统计模型是基于大量观测数据进行统计分析和建模，可以快速实现反演，并具有一定的稳定性和适用性。
基于多源遥感数据反演的土壤湿度空间降尺度方法及应用研究
基于多源遥感数据反演的土壤湿度空间降尺度方法及应用研究土壤湿度是土壤中所含水分的量度，对农业生产、水资源管理和生态环境等方面具有重要意义。
然而，传统的土壤湿度观测方法受限于时间和空间尺度，无法全面准确地获取土壤湿度的空间分布信息。
遥感技术可以通过获取地表反射率和微波辐射等数据来反演土壤湿度，但遥感数据的空间分辨率通常较高，无法满足土壤湿度空间分布的需要，因此需要进行空间降尺度处理。
多源遥感数据反演的土壤湿度空间降尺度方法是指利用多种遥感数据（如光学和微波遥感数据）来提高土壤湿度反演精度和空间分辨率的方法。
具体而言，可以采用以下步骤进行研究：首先，收集不同分辨率的遥感数据，如高分辨率的光学遥感数据和较低分辨率的微波遥感数据。
光学遥感数据可以提供地表反射率信息，而微波遥感数据可以提供土壤湿度信息。
然后，将不同分辨率的遥感数据进行预处理，包括辐射定标、大气校正和数据匹配等。
通过这些预处理步骤，可以消除遥感数据中的干扰因素，提高数据的质量和准确性。
接下来，采用合适的反演算法来估算土壤湿度。
可以利用光学遥感数据中的地表反射率与微波遥感数据中的土壤湿度之间的关系进行反演，比如利用经验关系或机器学习算法进行建模和预测。
最后，通过空间降尺度方法将高分辨率的光学遥感数据与低分辨率的微波遥感数据进行整合，从而得到更准确的土壤湿度空间分布图像。
可以采用插值或融合等技术方法将两种数据源融合在一起，以获得具有较高空间分辨率和较高精度的土壤湿度结果。
该方法的应用研究可以在农业生产、水资源管理和生态环境等领域发挥重要作用。
例如，在农业上，通过精确估算土壤湿度，可以进行合理的灌溉和施肥，提高农作物产量和质量。
在水资源管理方面，土壤湿度的准确监测可以帮助预测洪涝和干旱的风险，提前采取相应的措施。
在生态环境方面，土壤湿度是生态系统中重要的指标之一，可以用于评估土壤质量、生态恢复和环境保护效果。
总之，基于多源遥感数据反演的土壤湿度空间降尺度方法具有重要的理论和应用价值。
基于北斗信号的土壤水分反演研究
基于北斗信号的土壤水分反演研究基于北斗信号的土壤水分反演研究引言：随着全球气候变化和能源需求的不断增长，土壤水分的快速准确反演变得至关重要。
由于传统的土壤水分监测方法存在高成本、侵入性和局限性等问题，基于北斗信号的土壤水分反演成为了一个备受关注的研究领域。
北斗导航卫星系统是我国自主研发的卫星导航定位系统，具备全球覆盖、高精度和高可靠等优势，为土壤水分反演提供了新的思路和方法。
本文将对基于北斗信号的土壤水分反演研究进行综述，并探讨其应用前景和挑战。
一、北斗信号在土壤水分反演中的原理和方法基于北斗信号的土壤水分反演方法主要是通过接收北斗卫星的信号，利用信号的传播特性和土壤介电常数之间的关系，计算得到土壤水分的信息。
通过测量北斗信号在土壤中的传播速度、衰减损失或相位变化等参数，可以推导出土壤水分的含量。
基于这一原理，研究者们开展了一系列关于北斗信号在土壤水分反演中的实验和模拟研究，取得了较为显著的成果。
二、基于北斗信号的土壤水分反演应用基于北斗信号的土壤水分反演技术具有许多潜在的应用前景。
首先，该技术可以广泛应用于农业领域。
通过实时、非侵入性地监测土壤水分，农民可以根据土壤水分状态合理调控灌溉和施肥，减少资源浪费和环境污染。
其次，该技术可以用于防灾减灾。
土壤水分的变化与洪涝、旱灾等自然灾害密切相关，通过实时监测土壤水分，可以提前预警和采取相应措施。
此外，该技术还可以应用于城市规划、环境保护和气候变化研究等领域。
三、基于北斗信号的土壤水分反演的挑战和展望尽管基于北斗信号的土壤水分反演技术具有诸多优势和应用前景，但也面临着一些挑战。
首先，信号传播路径中的多路径效应和干扰对土壤水分反演结果的精度和稳定性有较大影响。
其次，土壤复杂的结构和性质使得土壤介电常数的估计存在一定困难。
此外，北斗信号的接收和处理等技术也需要进一步提升。
未来的研究方向包括优化信号处理算法、改进土壤介电常数模型和建立有效的校正方法等。
结论：基于北斗信号的土壤水分反演研究是一个具有重要意义的领域。
星载GNSSR反演土壤湿度
模型优化与更新
根据实际应用效果和最新研究成果，不断优化和更新模型。
06
结论与展望
研究结论
星载GNSSR能够反演土壤湿度
研究结果表明，利用星载GNSSR数据可以有效地反演土壤湿度，为农业、水文等领域提 供有价值的信息。
反演算法的可靠性
已开发的算法能够利用GNSSR数据可靠地反演土壤湿度，经过验证，反演结果具有较高 的精度和稳定性。
GNSSR技术可以提供高精度、高分辨率的定位和导航服务，广泛应用于交通、航 空、航海、公共安全等领域。
ቤተ መጻሕፍቲ ባይዱ
GNSSR信号传播特性
GNSSR信号具有穿透性强、传播距离远、受天气影响小等优 点。
在土壤湿度方面，GNSSR信号能够穿透土壤表面，反映土壤 内部的湿度状况。
GNSSR反演土壤湿度的原理
01
通过接收GNSSR信号，并分析 其传播特性，可以推算出土壤 表面的反射系数。
实验设计
选取典型区域
选择具有不同土壤类型、气候条件和植被覆盖的典型区域进行实 验设计，以增加结果的普遍性和适用性。
仪器配置
使用高精度的星载GNSSR仪器，并确保其正常运行，以获取准确 的测量数据。
观测计划
制定合理的观测计划，包括观测时间、频率和周期等，以满足实 验需求和确保数据质量。
实验结果与分析
影响因素的分析
研究还探讨了影响GNSSR反演土壤湿度的主要因素，包括地表特征、大气条件等，为进 一步提高反演精度提供了参考。
研究不足与展望
数据源的限制
目前的研究主要基于实验室模拟数据和有限的实际观测数据，未来需要进一步利用实际观测数据来验证和完善反演算法。
干旱荒漠化矿区GPS反射信号土壤湿度反演
【 摘
徐州
２ １ ； ２ ６ １ １
江苏
徐州
２ １ ６ ２ １ １ １
要】 采用 Ｇ Ｓ Ｐ 信号反演土壤湿度具有重要的科 学 究意 义。对于干旱荒漠化矿 ｒ￣表 大多为裸地或低植被覆盖条件 ， 研 ｚ ， －
适 宜于土壤 湿度 的遥感。本文探讨 了利用 Ｇ Ｓ信号反演土壤 湿度的理论和方法， Ｐ 在分析荒漠化矿 区地表特点 的基础上 ， 讨论 了 在荒漠化矿 区利用 Ｇ Ｓ信号反演土壤 湿度 的可行性。 Ｐ
Ｘｕ ｈ ｕ Ｊａ ｇ ｕ ２ １ １ ； ．ｃ ｏ ｌｏ ｖｒ ｎ ｅ ｔｌ ｃｅ ｃ ｎ ｐ ｔａ ｎｏ ｍａｉｓ Ｃｈ ｎ ｉ ｖ ｒｉｙｏ ｉ ｉｇａ ｄ ｚ ｏ ｉｎ ｓ ， ２ １ ６ ２Ｓ ｈ ｏ ｆＥｎ ｉｏ ｍ ｎａ ｉｎ ｅａ ｄ Ｓ ａ ｌ ｆ ｒ ｔｃ， ｉａ Ｕｎ ｅ ｓｔ ｆＭ ｎｎ Ｓ ｉ Ｉ ｎ
反射信号遥感海平面的先河 Ｇ Ｓ系统 Ｌ （．７ ４ Ｇ ｚ 、２ 。Ｐ ｌ １ ５ ２ Ｈ ）Ｌ ５ （ ． ７Ｇ ） １ ２ ６ Ｈｚ波段频率又是遥感 土壤湿度的最佳频率 ＿ ２ 圳 。根据 Ｇ Ｓ反射信号功率与土壤介 电常数存在一定 的函数 关系 ， Ｐ 土
壤介电常数和土壤湿度也存在 函数关系 ， 利用 Ｇ ｒｖ ＲＳ． ２系统［ ９ １
比比皆是 ， 表变 形 、 降导致 土地荒 漠化 ， 仅荒废 了土 地 沉 不
地， 而且带来 了经济损 失。荒漠化 矿区多为裸地或低植被覆
获取 Ｇ Ｓ反射信号功率 ． Ｐ 根据 函数模型反演出特定区域内的
土壤湿度 。鉴于荒漠化 矿区多为裸地 或低 植被覆盖条件 ， 适
盖， 生态 系统极其脆弱 ， 采矿对其影响显而易见［】 １。控制地 下 ＿ ５ 水水位是生态脆弱矿 区科学开采的核心Ｌ ６ Ｊ 。土壤湿度 ， 作为土
卫星遥感反演土壤水分研究综述
卫星遥感反演土壤水分研究综述
x
《卫星遥感反演土壤水分研究综述》
卫星遥感反演土壤水分研究综述是一篇有关土壤水分遥感反演
的研究文章，主要探讨了土壤水分遥感反演的历史、技术及其技术要素，以及使用卫星遥感反演土壤水分的方法与挑战。
土壤水分的遥感反演始于20世纪60年代，随着卫星上的技术的发展，对土壤水分的遥感反演越来越成熟，并且非常普及。
土壤水分遥感反演的技术可分为定性技术、定量技术和模型技术，它们各自通过不同的方法来反映土壤水分的状态。
定性技术和定量技术均基于空间分辨率，通过捕捉土壤水分反射特征的影像特征，进行定性和定量分析，从而得出土壤水分的状况。
模型技术则通过建立模型，根据其他相关变量，如土壤物理性质、气候因子、植物参数和地形特征，来反映土壤水分的分布状况，可以更加准确地反映土壤水分的状况。
卫星遥感反演土壤水分可以帮助农业和水资源管理人员了解当
前的土壤水分状况，为有效地管理水资源提供参考。
使用卫星遥感反演土壤水分的方法有多种，但仍存在许多挑战，包括数据稀缺性、反演技术分辨率限制、反演技术复杂性以及反演模型不确定性等。
因此，要想更好地利用卫星遥感反演土壤水分，必须创新反演技术，建立更精确、更准确的模型，优化数据采集，以及研究不同地区不同时间的土壤水分状况，以实现对土壤水分的准确反演。
总之，卫星遥感反演土壤水分是一项关键的研究，对土壤水分的
遥感反演技术更新和完善是持续发展的关键，本文主要讨论了土壤水分遥感反演的历史、技术及其技术要素，以及使用卫星遥感反演土壤水分的方法与挑战，为今后研究和发展提供了一定的理论基础。
基于静止与极轨卫星数据的土壤水分全天候反演
基于静止与极轨卫星数据的土壤水分全天候反演摘要：土壤水分是农业生产和生态环境保卫的重要指标之一，因此准确反演土壤水分对于农业生产和环境监测具有重要意义。
本文以静止与极轨卫星数据为基础，通过遥感技术手段对土壤水分进行全天候反演。
起首，分析了静止与极轨卫星数据在土壤水分反演中的应用优势；其次，介绍了土壤水分反演的传统方法以及其局限性；随后，结合静止与极轨卫星数据的特点，提出了一种基于神经网络的土壤水分反演方法，并对该方法进行了试验验证。
试验结果表明，该方法在全天候条件下能够较为准确地反演土壤水分，具有一定的好用性和推广价值。
关键词：土壤水分；静止与极轨卫星数据；遥感技术；神经网络；反演方法。
1. 引言土壤水分作为农业生产和生态环境保卫的重要指标之一，对于农业生产、水资源管理、灾难监测等方面具有重要作用。
因此，准确反演土壤水分对于农业生产和环境监测具有重要意义。
传统的土壤水分监测方法一般接受钻孔或重量法，虽然该方法能够较为准确地反演土壤水分，但其实时性与可反演深度较为有限，且难以实现快速大面积遮盖。
因此，利用遥感技术手段反演土壤水分已成为当前探究热点之一。
静止与极轨卫星是目前遥感技术中比较先进的卫星，其具有较高的时间区分率与空间区分率，为土壤水分反演提供了可靠的数据来源。
然而，如何利用静止与极轨卫星数据进行土壤水分反演依旧是一个待解决的问题。
本文旨在探讨方法，并对该方法进行试验验证。
2. 静止与极轨卫星数据在土壤水分反演中的应用优势静止卫星作为一种遥距离传感器，具有高时间区分率和大遮盖面积的优势，适用于大范围的土壤水分监测与反演。
极轨卫星则具有高空间区分率和较高的灵敏度，适用于对地表水量进行较为精细的探测。
同时，静止与极轨卫星数据能够提供多光谱、高时空区分率等多种信息，适用于不同类型土壤与地表覆被的土壤水分反演。
3. 传统土壤水分反演方法的局限性3.1 基于单波段反演的方法基于单波段反演的方法主要利用了植被指数和土壤指数等土壤水分的敏感指标，高精度反演需要较多地面观测资料和遥感数据，并且受到植被遮盖等自然因素的干扰较大。
土壤水分微波遥感反演算法及应用研究进展
土壤水分微波遥感反演算法及应用研究进展邓小东;王宏全【期刊名称】《浙江大学学报:农业与生命科学版》【年(卷),期】2022(48)3【摘要】土壤水分是农作物物候期生长和气候、环境变化的敏感因子,在陆表水气循环过程中发挥着重要作用。
本文首先梳理了基于主动微波遥感、被动微波遥感、全球卫星导航系统反射测量(Global Navigation Satellite System Reflectometry,GNSS-R)技术的土壤水分反演算法:1)基于主动微波遥感的裸露地表经验模型、半经验模型、物理散射模型、植被覆盖的水云模型(water cloud model,WCM)和密歇根微波植被散射(Michigan microwave canopy scattering,MIMICS)模型;2)基于被动微波遥感的裸露地表粗糙度模型Q/H、H_(p)、Q_(p)和植被覆盖的τ-ω模型;3)地基、星载GNSS-R土壤水分反演算法。
其次,分析了近几十年来微波遥感反演土壤水分的研究进展,提出了进一步精确量化植被和地表粗糙度等土壤水分反演要素的时空变异性是提高反演精度的关键,尤其要考虑植被生长过程及由此导致的电磁波辐射传输机制的不确定性问题。
最后,展望了土壤水分在农业生产、陆表水气循环中的应用前景,并指出全球尺度土壤水分对气候变化的响应及反馈机制将是未来的研究热点。
【总页数】14页(P289-302)【作者】邓小东;王宏全【作者单位】浙江大学环境与资源学院农业遥感与信息技术应用研究所;贵州大学矿业学院;浙江省农业遥感与信息技术重点研究实验室【正文语种】中文【中图分类】TP79【相关文献】1.基于改进粒子群算法的主动微波遥感土壤水分反演方法研究2.基于粗糙度参数的土壤水分微波遥感反演算法适用性研究3.干旱区土壤水分微波遥感反演算法综述4.植被覆盖地表主动微波遥感反演土壤水分算法研究5.基于支持向量机回归算法的土壤水分光学与微波遥感协同反演因版权原因，仅展示原文概要，查看原文内容请购买。
多系统组合的GNSS-MR土壤湿度反演研究
多系统组合的GNSS-MR土壤湿度反演研究土壤湿度亦称土壤含水率,是表征土壤干湿程度的物理量,是生态系统的重要影响因子。
土壤湿度的监测对天气预报和气候研究有着重要价值。
GNSS-MR(GNSS Multipath Reflectometry)是一种直接利用一定截止高度角范围内的多路径信噪比反射分量之幅度、频率和相位的变化,进行近地表物理参数反演的一种全新的遥感技术,已被证实可用于土壤湿度、植被指数、潮位变化、雪深、火山灰等地表环境的监测,且可克服传统土壤湿度测量手段对被监测对象的破坏、仪器类型间数据难以同化、时空分辨率受限和高成本等缺点。
鉴于低高度角的卫星信噪比能较好地承载近地表反射物丰富的物理参数信息,基于GNSS-MR的土壤湿度反演一般均以5°~30°高度角区间的信噪比观测值作为数据源。
但GNSS卫星运动一般具有周期性,其一天中处于低高度角状态的持续时间较短;加之土壤湿度、土壤平整度、土壤构成及不同方位多径环境的空间差异性等因素的影响,使得基于单系统、单卫星的GNSS-MR往往无法实现土壤湿度短期变化的监测。
而多模GNSS组合可提供更多的方位角覆盖,继而能在顾及土壤湿度、土壤平整度、土壤构成及多径环境等的空间差异性基础上,在各观测时段筛选出更多的信噪比组合,从而有望实现土壤湿度的高精度的、准实时动态监测。
此外,信噪比观测值难免会受到异常噪声的污染,导致采用最小二乘去趋势项后获取的多路径信噪比往往不纯,从而影响表征土壤湿度变化趋势的延迟相位的解求精度。
最后,GNSS-MR土壤湿度反演的根本目的在于基于已有的土壤湿度样本和信噪比(Signal-to-Noise Ratio,SNR)观测值,构建起以SNR残差序列特征参量为自变量、土壤湿度为因变量的数学模型,以便依据信噪比残差序列的特征参量解求土壤湿度。
围绕上述问题,为改善GNSS-MR土壤湿度反演的精度、可靠性和稳定性,本文的主要内容和所取得成果包括:(1)较为详细地分析了GPS、BDS、GLONASS和GALILEO的卫星信号情况及各系统各频点上的信噪比的特点。
利用gps卫星信号信噪比的土壤湿度反演方法
Vol.8，No. 1 Feb.，2020
引文格式：黄志剑，王杰.利用 GPS 卫星信号信噪比的土壤湿度反演方法[J].导航定位学报,2020,8(1): 59-64（. HUANG Zhijian, WANG Jie.Retrieval method of soil moisture by GPS SNR[J].Journal of Navigation and Positioning,2020,8(1): 59-64.）DOI:10.16547/ki.10-1096.20200111.
Abstract：In order to further study on GNSS-IR remote sensing of surface soil moisture in bare soil area, the paper proposed a retrieval method of soil moisture using GPS SNR: a multiple linear regression model between amplitude, phase, frequency observations and soil moisture was established; and the logarithm of the amplitude observation was taken as a nonlinear transformation to improve the performance. Experimental result showed that through comparing the prediction results of multiple regression models with the in-situ data, the average RMSE would be 2.43 %; while the average RMSE after nonlinear transformation would be 1.23 %, which reduced by 49.27 % after linear transformation.
干旱荒漠化矿区GPS反射信号土壤湿度反演
干旱荒漠化矿区GPS反射信号土壤湿度反演【摘要】采用GPS信号反演土壤湿度具有重要的科学研究意义。
对于干旱荒漠化矿区地表大多为裸地或低植被覆盖条件，适宜于土壤湿度的遥感。
本文探讨了利用GPS信号反演土壤湿度的理论和方法，在分析荒漠化矿区地表特点的基础上，讨论了在荒漠化矿区利用GPS信号反演土壤湿度的可行性。
【关键词】GPS反射信号；土壤湿度；荒漠化矿区Measuring Soil Moisture by GPS Reflected Signals in Arid Desertification Mine AreaDONG Xue－yuan1，2ZHENG Nan－shan2(1.Key Laboratory for Land Environment and Disaster Monitoring of SBSM, China University of Mining and Technology, Xuｚhou Jiangsu, 221116; 2.School of Environmental Science and Spatial Informatics, China University of Mining and Technology, Xuｚhou Jiangsu, 221116)【Abstract】It is significant to measure soil moisture by GPS reflected signals. In arid mine area, it has lower vegetation cover rate due to land desertification. However it is suitable to measure soil moisture by remote sensing within this context. In this paper, it provided the methodology to monitor soil moisture using GPS reflection signals and discussed the potentiality and feasibility to apply this alternative approach for remotely sensing soil moisture within arid desertification mine area.【Key words】GPS reflection signals; Soil moisture; Arid mine area0引言随着经济水平的提高，能源的大量消耗不可避免，煤炭的需求带动了大面积的煤矿开采。
高分辨率卫星影像在土壤湿度反演方面的应用探索
高分辨率卫星影像在土壤湿度反演方面的应用探索概述土壤湿度是影响农业生产、水资源管理和环境保护的重要因素之一。
传统的土壤湿度监测方法存在着时空分辨率低、实时性差等问题。
随着遥感技术的发展，高分辨率卫星影像成为了一种广泛应用于土壤湿度反演的有效工具。
本文将探索高分辨率卫星影像在土壤湿度反演方面的应用，并介绍其原理、方法和挑战。
1. 高分辨率卫星影像原理高分辨率卫星影像是指具有较高空间分辨率的卫星遥感影像。
通过高分辨率卫星传感器获取的影像可以提供丰富的地物信息，包括土地利用类型、植被覆盖、地表温度等。
这些地物信息与土壤湿度之间存在一定的关系，通过分析这些信息可以反演土壤湿度。
2. 高分辨率卫星影像土壤湿度反演方法2.1 多光谱遥感方法多光谱遥感方法利用高分辨率卫星影像的多个光谱波段来反演土壤湿度。
不同的光谱波段对不同的地物信息敏感，通过对这些光谱波段的分析可以获取土壤湿度相关的信息。
例如，植被覆盖对土壤湿度具有一定的反应，利用植被指数可以间接推测土壤湿度。
此外，土壤反射率和土壤吸收率与土壤湿度也存在一定的关联。
因此，多光谱遥感方法可以通过对这些指标的分析来反演土壤湿度。
2.2 热红外遥感方法热红外遥感方法利用高分辨率卫星影像的热红外波段来反演土壤湿度。
土壤湿度会改变土壤的热性质，进而影响土壤表面的辐射亮温。
热红外遥感方法通过测量土壤表面的辐射亮温，推算土壤湿度。
这种方法相比于多光谱遥感方法更直接，但也存在一定的限制，如受到云层遮挡和地表温度差异等因素的影响。
3. 高分辨率卫星影像在土壤湿度反演中的应用案例3.1 农作物监测高分辨率卫星影像可以用于监测农作物的生长状况和土壤湿度变化。
通过反演土壤湿度，农民可以及时了解农田的水分状况，并做出相应的灌溉调整，从而提高农作物的产量和品质。
此外，结合气象资料和土地利用数据，还可以进行农田水资源管理和调配。
3.2 土地可持续利用土壤湿度是土地可持续利用的重要指标之一。
一种基于双GPS接收机的土壤湿度实时测量系统及方法[发明专利]
![一种基于双GPS接收机的土壤湿度实时测量系统及方法[发明专利]](https://img.taocdn.com/s3/m/c996e5317f1922791788e873.png)
专利名称：一种基于双GPS接收机的土壤湿度实时测量系统及方法
专利类型：发明专利
发明人：严颂华,陈能成,蒲夏静
申请号：CN201310233810.7
申请日：20130613
公开号：CN103344653A
公开日：
20131009
专利内容由知识产权出版社提供
摘要：本发明提供一种基于双GPS接收机的土壤湿度实时测量系统及方法，测量系统包括两个天线处于不同高度的GPS接收机，以及用于信号处理的计算机。
测量方法中利用接收到的两路干涉信号的差值，得到幅度差分信号的实测值；再模拟获得幅度差分信号的理论值；最后通过波形匹配的方式，寻求与实测值波形值最为匹配的理论值，该理论值对应的湿度值就是待测的土壤湿度值。
本发明不再寻求干涉信号中拐点的存在，而是两个接收机协同作用，将干涉信号进行差分运算，得到幅度差分信号；采用理论值与真实参考值进行最短余弦距离匹配的方法，来测量土壤湿度，可以提高探测精度。
申请人：武汉大学
地址：430072 湖北省武汉市武昌区珞珈山武汉大学
国籍：CN
代理机构：武汉科皓知识产权代理事务所(特殊普通合伙)
代理人：薛玲
更多信息请下载全文后查看。
利用 GPS 信号信噪比反演土壤湿度变化
利用 GPS 信号信噪比反演土壤湿度变化王一枫;何秀凤;季君【摘要】采用右旋圆极化（ RHCP）天线和左旋圆极化（ LHCP ）天线分别接收GPS直接信号与反射信号，跟踪反射点并探测土壤粗糙度，并用小波分析方法对土壤干燥区域与湿润区域反射信号的信噪比进行去噪分析，验证GPS信号对土壤湿度变化敏感的特性。
试验结果表明，利用GPS反射信号可精确跟踪地面反射点，并且GPS反射信号信噪比的大小可以反映土壤湿度变化。
%The right hand circular polarization ( RHCP ) antenna and left hand circular polarization ( LHCP ) antenna were used to receive direct GPS signals and reflected GPS signals , respectively .The reflection points were tracked and the soil roughness was detected .The GPS signals were verified to be sensitive to the variation of the soil moisture through de n-oising analysis of the signal to noise ratio of the reflected GPS signals with the wavelet method in the dry region and wet region .The results show that the reflection points can be precisely tracked with the reflected GPS signals , and the signal to noise ratio of the reflected GPS signals can reflect the variation of the soil moisture.【期刊名称】《河海大学学报（自然科学版）》【年(卷),期】2014(000)001【总页数】5页(P62-66)【关键词】反射点;土壤粗糙度;土壤湿度变化;信噪比【作者】王一枫;何秀凤;季君【作者单位】河海大学卫星及空间信息研究所，江苏南京 210098;河海大学卫星及空间信息研究所，江苏南京 210098;南通市海洋与渔业局海籍调查测量中心，江苏南通 226018【正文语种】中文【中图分类】P228.1土壤湿度是水文、农业、气候等研究中一个重要物理量,它可以预报洪水,研究地面和大气的关系[1]。
GNSS_R信号反演土壤水分研究分析_毛克彪
能成为一种新的遥感手段。他们接下来在海面上利 用 GPS 的反射信号做了许多实验, 试图获取海洋表 面信息( 粗糙度、风速和海面高度) , 并且已经取得了 一系列的研究成果[ 4~ 16] 。后来人们把基于 G PS 反 射信号的遥感技术简称为 GNSS- R( Global Nav ig at ion Sat ellit e Sy st em- Ref lect ion) 技术。刘经南等对 这些研究做了一些系统的介绍和分析[ 17] 。G PS 的 L 波段信号非常 适合反演土壤 水分。在许 多研究 中, 从地面散射的 GPS 信号已经被观测到, 但对利 用地面 GPS 散射信号研究土壤水分的工作不是很 多[ 1 8] 。2002 年美国科学家做了一个大型的土壤水 分实验, Masters 对机载接收的 GPS 反射信号进行 了大量分析, 研究结果表明 GPS 反射信号对土壤水 分比较敏感, 能够用来监测土壤水分变化[ 19~ 20] 。
可以通过接收 GP S 反射信号的强弱来分析土壤水
分的变化和获取其他地表相关信息。
3 土壤水分反演模型与方法
Mast ers 对机载接收的 SNR( GP S 反射信号与 噪声比) 与土壤水分进行了相关分析, 得到了一些初 步的研究结果[ 19~ 20] 。目前针对 G PS 反射信号来反
演土壤水分的研 究还不多, 还没有算法公 开发表。 其主要原因是目前 GP S 反射信号反演土壤水分机 理还不成熟。另外只有一个民用频率可用, 而且是 单一极化。主动雷达受粗糙度的影响比被动微波要 大, 怎样消除地表粗糙度和植被的影响是算法研究 中的难点问题。
由于 GP S 地面接收机在处理直接信号和地面 反射信号方面还存在一些问题, 现在主要是利用地 面接收的反射信号与土壤水分之间的关系做了一些 简单分析[ 20] 。研究利用 G PS 反射信号反演土壤水 分才刚刚起步, 需要人们针对不同的条件开发各种 模型和算法, 以推动 GPS 土壤 水分反演走向实用 化。为了促进国内这方面的研究, 本文介绍 GP S 反 演土壤水分的基本原理和前向模型, 并对反演方法 进行一些分析。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第39卷第6期2019年6月大地测量与地球动力学J o u r n a l o fG e o d e s y a n dG e o d yn a m i c s V o l .39N o .6J u n .,2019收稿日期:2018-06-18项目来源:国家自然科学基金(41701464);贵州省科技厅联合资助项目(黔科合L H 字[2014]7646);贵州省科学技术基础研究计划(黔科合基础[2017]1054);贵州大学研究生重点课程建设项目(贵大研Z D K C [2015]029);贵州大学引进人才科研项目(贵大人基合字(2016)051号);贵州大学测绘科学与技术研究生创新基地建设项目(贵大研C X J D [2014]002)㊂第一作者简介:李婷,硕士生,主要从事遥感G N S S -M R 的理论和应用研究,E -m a i l :1506087124@q q .c o m ㊂通讯作者:张显云,副教授,主要从事G N S S 高精度定位及G N S S -R 的研究,E -m a i l :m e c .x y z h a n g@g z u .e d u .c n ㊂D O I :10.14075/j .j g g.2019.06.018文章编号:1671-5942(2019)06-0643-05多卫星组合的G P S -M R 土壤湿度反演李 婷1 张显云1 龙 新1 胡思华1 李宏达11 贵州大学矿业学院,贵阳市花溪区,550025摘 要:单天中卫星低高度角状态持续时间较短,导致基于单颗G P S 卫星多路径信噪比S N R 的土壤湿度反演时间分辨率较低㊂为保证土壤湿度反演结果的可靠性和准确性,同时改善土壤湿度反演的时间分辨率,顾及信噪比有效高度角区间,提出一种基于多G P S 卫星组合的G P S -M R 高时间分辨率土壤湿度反演方法㊂实验结果表明,多卫星延迟相位组合能较好地表征土壤湿度变化趋势,二者相关系数优于0.92;土壤湿度反演时间分辨率由1d 提升为2h㊂关键词:多卫星组合;G P S -M R ;土壤湿度;卫星高度角;时间分辨率中图分类号:P 228 文献标识码:AL a r s o n 等[1]首先使用G P S 多路径信噪比S N R M P 幅值监测土壤湿度变化的趋势,得出S N R M P 观测值和土壤湿度变化具有一定相关性的初步结论,掀开了利用S N R 进行土壤湿度反演的热潮㊂C h e w 等[2]将S N R M P 的特征参量振幅㊁相位㊁有效反射高度分别与土壤湿度进行对比分析,结果表明,S N R M P 相位更能反映土壤湿度的变化情况,为本文S N R M P 特征参量的选取奠定了基础㊂敖敏思等[3]采用P 041测站2010年P R N 12卫星上120d 的S N R M P 观测值进行G P S -MR 监测土壤湿度变化的实验,验证了S N R M P 相位能较好地反映土壤湿度变化趋势,且指数函数能较好地呈现二者的关系㊂基于单颗G P S 卫星长期的信噪比观测值,S N R M P 相位可较好地反映土壤湿度变化的整体趋势,但其时间分辨率较低(往往为1d ),不利于土壤湿度的高动态监测㊂为此,本文在详细介绍G P S -M R 土壤湿度监测理论的基础上,提出一种基于多颗卫星组合的G P S -MR 高时间分辨率土壤湿度反演方法,并结合实测土壤湿度进行验证分析㊂1 G P S -M R 土壤湿度监测方法信噪比观测值S N R 主要受天线增益参数㊁卫星与接收机之间的几何距离㊁接收机处的仰角㊁多路径效应等因素的共同影响[4]㊂当G N S S 测站位于近地表土壤时,接收机接收到的信号实际是直射信号和反射信号的合成信号㊂S N R 具有2个特点:1)S N R 与卫星高度角呈正相关关系[5];2)S N R 降低时多路径效应明显增大[6]㊂可见,在低卫星高度角情况下,多路径效应成为影响S N R 的主导因素,低高度角卫星的S N R 观测值承载着测站周围多路径反射物丰富的物理信息㊂因此,基于G P S -M R 的相关研究往往以高度角为5ʎ~30ʎ的卫星S N R 观测值为重点关注对象㊂S N R 观测值默认单位为指数单位d B /H z ,采用G P S -M R 进行相关研究前,一般需先按式(1)转换为线性单位V (伏特):S N R V /V =10S N Rd B -H z20(1) 假设仅存在一次反射,S N R 与信号幅度存在如下关系[7]:S N R 2=A 2C =A 2m +A 2d +2A m A d c o s α(2)式中,S N R 表示接收机接收到的合成信噪比,c o s α表示延迟相位的余弦值㊂鉴于多路径直反射分量数值上的差异,即A m ≪A d ,加之S N R 随卫星高度角整体呈二次曲线变化趋势[8],构建低阶多项式便可分离直射分量,从而获得近地表土壤水分等多路大地测量与地球动力学2019年6月径因子引起的多路径信噪比S N R M P ㊂图1为本次实验G P S 站点28号卫星(d o y:2017-128,U T C :6.92~13.64h )合成信噪比和去趋势项后的信噪比(即S N R M P )㊂图1 P R N 28S N R 变化F i g.1 S N Rv a r i a t i o n s o fP R N 28图2为去除趋势项后的信噪比残差序列S N R M P 重采样图㊂S N R M P 主要表征多路径噪声水平的高低㊂可以看出,S N R M P 呈现明显的周期特性㊂图2 去除趋势项后的S N R 残差序列F i g .2 S N Rv a r i a t i o n s a f t e r d e t r e n d i n g表征多路径水平的信噪比可表示为:S N R M P =A M P c o s 4πh λs i n E +φM P(3)式中,λ为载波波长,E 为卫星高度角,h 为垂直反射距离,A M P 和φM P 分别为多路径反射分量的相对幅度和相对延迟相位㊂记t =s i n E ,f =2h /λ,则式(3)可简化为标准余弦函数:S N R M P =A M P c o s (2πft +φM P )(4) 由于s i n E 为非等间距采样,从而导致信噪比残差序列无法保证整周期截断,可通过L -S (L o m b -S c a r gl e )谱分析求得多路径反射信号的频率f ,进而借助最小二乘解求幅度和延迟相位[9]㊂实验证明,延迟相位变化随反射信号渗透深度的变化而变化,而渗透的深度是由土壤介电常数决定的㊂延迟相位相反数和土壤湿度有较强的相关性[10],故依据延迟相位便可反演土壤湿度㊂2 多卫星组合的G P S -M R 土壤湿度反演2.1 有效卫星高度角的选取低仰角卫星信号比高仰角卫星信号发生多路径效应现象的概率更大[11],而卫星高度角是多路径效应的一个重要影响因子㊂因此,对于既定的反射高度,如何根据卫星仰角挑选出合适的卫星,进而分离出能较好地反映地表反射物信息的信噪比观测值显得至关重要㊂对静态接收机而言,接收机天线位置固定不变,由于卫星运动的周期性,G P S 卫星相对于接收机天线的位置表现出一定的周期性,进而多路径现象也呈现出周期性的特点㊂鉴于土壤湿度样本时间间隔为2h ,截取对应土壤湿度样本采样时间段的信噪比为研究对象㊂经过多次实验发现,对于2h 的时间间隔,当卫星高度角在5.75ʎ~20.48ʎ变化时,S N R M P 的周期性最为明显㊂图3(a )~(d )为高度角在5.75ʎ~20.48ʎ时不同类型G P S 卫星的S N R M P 变化情况㊂由图3可知,无论是B l o c k ⅡR -M (P R N 12)㊁B l o c k ⅡR (P R N 21,P R N 22),还是新一代B l o c kⅡF (P R N 1)卫星,对于2h 时间间隔,当卫星高度角正弦值在0.1~0.35变化时,即卫星高度角在5.75ʎ~20.48ʎ变化时,实验地点S N R M P 的周期特性(余弦特征)最为明显㊂故卫星高度角在5.75ʎ~20.48ʎ区间的S N R M P 可作为本次实验的理想数据源㊂为论述方便,以下称5.75ʎ~20.48ʎ高度角为有效卫星高度角㊂图3 G P S 各类卫星S N R 残差变化F i g .3G P SS N Rr e s i d u a l v a r i a t i o nm a ps o f a l l k i n d s o f s a t e l l i t e s 446第39卷第6期李 婷等:多卫星组合的G P S -M R 土壤湿度反演2.2 多G P S 卫星组合由于G P S 卫星运动的周期性(周期为11h 58m i n),其高度角在1d 中变化较大,使得同一颗卫星能较好地反映地表反射物信息的S N R M P 的有效时间非常有限,从而导致采用同一卫星无法实现较高时间分辨率的土壤湿度反演㊂因此,本文在分析G P S 卫星运动特征的基础上,依据土壤样本的采样时间,结合卫星高度角变化特征(即S N R M P 的周期特性)进行选星,构建多G P S 卫星组合,以改善G P S -M R 土壤湿度反演的时间分辨率㊂G P S 卫星的运动表现为上升阶段和下降阶段㊂图4为实验地点G P S 卫星的轨迹图,可以看出,每个历元可供选择的卫星较多,但每颗卫星的可见性时间长短不一㊂1d 中单颗G P S 卫星信噪比的持续时间一般在2.5~8h 左右(图1)㊂有效卫星高度角对应信噪比持续时间更短,基本维持在0.5~2h 左右(图5)㊂图4 卫星轨迹F i g .4 T h e s a t e l l i t e t r a j e c t o ry图5 P R N 8与P R N 6低卫星高度角S N R 变化F i g.5 S N Rv a r i a t i o n s o fP R N 8a n d P R N 6a t l o we l e v a t i o na n gl e 图5中2条虚线内为有效卫星高度角持续的时间㊂可以看出,1d 中P R N 8的可见性不足4h ,该时间段内卫星高度角处于下降趋势(即卫星处于下降趋势),有效卫星高度角起止时间为8.7~9.6h (U T C );P R N 6则完成了一个完整的上升和下降过程,卫星可见性近8h ,而其有效卫星高度角持续的时间近1h ㊂理论上,在卫星上升和下降过程中,其S N R M P观测值均适用于土壤湿度的监测,从而导致1d 中同一颗卫星可能存在多个有效卫星高度角时间区间,即有效卫星高度角对应的时间不具有单一映射关系㊂因此,为确保S N R M P 观测值与土壤湿度样本时间的一致性,有必要依据土壤湿度采样时间,选择具有有效卫星高度角的卫星构成卫星组合㊂3 实验与分析3.1 数据采集实验G P S 站点位于贵州大学新校区(26ʎ26'47.59ᵡN ,106ʎ40'20.73ᵡE ),周围地势较为开阔,土壤以单一的黄棕壤为主㊂测区东西方向61m ㊁南北方向320m 区域范围内无遮挡物和其他反射源,可以认为是单一裸土,适合开展土壤湿度相关研究㊂1)S N R M P 观测值的采集㊂S N R M P 观测值采集时间为2017-05-0814:30~05-0914:30,天气晴朗,实验前1d 有降雨㊂使用的G P S 接收设备及参数设置见表1㊂2)烘焙法测量土壤湿度㊂土壤湿度采用烘焙法进行测量㊂土壤采样时间和G P S 开始观测的时间一致,每隔2h 采样一次,每次采集5处土壤样本,取样深度为0~5c m ㊂将采集的土壤样本以密封袋密封保存并带回实验室进行湿度测量㊂表1 接收机及参数设置T a b .1 R e c e i v e r a n d i t s p a r a m e t e r s e t t i n gs 接收机T r i m b l eR 8接收机天线内置天线采样频率10s截止高度角0ʎ天线高1.429m (固定不变)烘焙法测定土壤湿度的原理为:在105ħ下,将土壤样品烘烤至恒重,通过烘烤前后质量之差,计算出土壤湿度S W C (s o i l w a t e r c o n t e n t )㊂公式如下:S W C =烘烤前质量-烘烤后质量烘烤后质量-纸盒重量(5)式中,S W C 为5处土壤样本均值㊂3.2 数据处理与分析实验中,采用L 1载波上的S N R 观测值作为G P S -M R 土壤湿度分析的数据源㊂依据上述对有效卫星高度角的讨论及多卫星组合等方面的介绍,选择P R N 8㊁P R N 1㊁P R N 30㊁P R N 28㊁P R N 6㊁P R N 21㊁P R N 12㊁P R N 20㊁P R N 22㊁P R N 23㊁P R N 14㊁P R N 1构成卫星组合㊂各卫星高度角及S N R M P 样本数如表2㊂546大地测量与地球动力学2019年6月表2多G P S卫星组合T a b.2T h e c o m b i n a t i o no fm u l t i-G P SP R N起始高度角/(ʎ)结束高度角/(ʎ)S N R M P样本数820.4815.766334 120.4515.779267 3020.5165.717266 2820.4885.738205 620.5115.697359 216.70520.509246 125.72820.490378 2020.5145.725265 227.15120.496228 236.82120.511233 1420.5135.716219 16.03420.489248在顾及高度角区间大致一致的基础上,采用L-S谱分析及最小二乘方法求取各采样时间节点延迟相位,用以衡量土壤湿度变化的整体趋势,得到反射信号延迟相位和土壤湿度的关系(图6)㊂图6延迟相位与土壤湿度F i g.6 D e l a yp h a s e a n d s o i lm o i s t u r em a p图6中实线代表烘焙法所测土壤含水率,虚线代表延迟相位信息,横坐标表示采样时间㊂由图6可看出,延迟相位和土壤湿度均存在2个明显的峰值,分别发生在05-0814:30~16:30和05-0822:30~24:00+05-0900:00~06:30,前者可能是由于05-07有降雨事件发生,土壤水分的蒸发过程还在持续,采样前2h(05-0814:30~ 16:30)的土壤湿度值和延迟相位较大;后者发生在05-09凌晨和清晨,这可能是因为夜间温度较低,近地面的水汽遇冷凝结成露水,导致土壤含水量增加,此后随着太阳照射的增强,地表温度持续上升,土壤湿度迅速下降㊂总体而言,多卫星延迟相位组合与土壤湿度变化趋势基本一致,延迟相位组合能较好地反映出1d内2h时间分辨率土壤湿度的变化趋势,且二者相关系数优于0.92,统计学上表现为显著相关㊂为进一步描述土壤湿度和延迟相位的关系,以便依据延迟相位求土壤湿度,基于12对样本数据,采用一元线性回归分析法进行建模,得到图7所示的回归模型㊂为检验回归效果,取显著性水平α=0.001,查表得F0.001(1,10)=21.04,而检验量F=30.9787㊂故回归效果显著,土壤湿度和延迟相位存在一定的线性关系㊂图8中,横轴代表土壤湿度的样本数,纵轴为土壤湿度实测值与模型值之间的残差及置信区间,残差均方根误差为0.02,说明回归误差较小,可用该模型依据延迟相位求土壤湿度㊂需要指出,该模型是基于本实验的结果,未必适用于其他研究区域㊂图7延迟相位与土壤湿度散点分布F i g.7 S c a t t e r d i a g r a mo f r e l a t i v e d e l a yp h a s ea n d s o i lm o i s t u re图8残差及其置信区间F i g.8 R e s i d u a l s a n d t h e i r c o n f i d e n c e i n t e r v a l s4结语本文在详细给出基于信噪比的G P S-MR技术监测土壤湿度变化趋势基本理论的基础上,鉴于多路径效应和G P S卫星运动的周期特性,以及卫星上升过程和下降过程均可能存在有效卫星高度角,依据土壤湿度样本采样时间,考虑有效高度角的大致区间,实现了采用多卫星组合的G P S-M R技术进行高时间分辨率的土壤湿度反演㊂为验证该方法的有效性,结合实测信噪比观测值和土壤湿度进行分析㊂结果表明,多G P S卫星延迟相位组合与土壤湿度整体变化趋势一致,二者相关系数优于0.92,为显著相关;时间分辨率得到极大改善,由传统的1d提升为2h㊂同时,本文所构建的线性模型能够较好地表征延迟相位和土壤湿度间的关系㊂分析过程中未顾及温度等其他多路径因子的影响,同时忽略了每个采样区间内反射高度和天线相位中心的变化,这将是后期研究的重点㊂需要特别指出的是,本文结论是基于实验场地良好的土壤反射环境得出的,其普适性有待进一步验证㊂646第39卷第6期李婷等:多卫星组合的G P S-M R土壤湿度反演参考文献[1] L a r s o nK M,B r a u n J J,S m a l l EE,e t a l.U s i n g G P SM u l-t i p a t ht o M e a s u r eS o i l M o i s t u r eF l u c t u a t i o n s:I n i t i a lR e-s u l t s[J].G P SS o l u t i o n s,2008,12(3):173-177 [2] C h e wCC,S m a l l EE,L a r s o nK M,e t a l.E f f e c t s o fN e a r-S u r f a c eS o i lM o i s t u r e o nG P SS N RD a t a:D e v e l o p m e n t o f a R e t r i e v a lA l g o r i t h mf o rS o i lM o i s t u r e[J].I E E E T r a n s a c-t i o n s o nG e o s c i e n c e&R e m o t eS e n s i n g,2013,52(1):537-543[3]敖敏思,朱建军,胡友健.利用S N R观测值进行G P S土壤湿度监测[J].武汉大学学报:信息科学版,2015,40(1): 117-120(A oM i n s i,Z h u J i a n j u n,H uY o u j i a n.C o m p a r a t i v eE x p e r i m e n t so n w i t h G P SS N R S o i l M o i s t u r e M o n i t o r i n gO b s e r v a t i o n s[J].G e o m a t i c sa n dI n f o r m a t i o n S c i e n c eo f W u h a nU n i v e r s i t y,2015,40(1):117-120)[4]吴雨航,陈秀万,吴才聪.利用信噪比削弱多路径误差的方法研究[J].武汉大学学报:信息科学版,2008,33(8):842-845 (W uY u h a n g,C h e nX i u w a n,W uC a i c o n g.M i t i g a t i o n o fM u l t i-P a t hE f f e c tU s i n g S N RV a l u e s[J].G e o m a t i c s a n d I n f o r m a t i o n S c i e n c e o fW u h a nU n i v e r s i t y,2008,33(8):842-845) [5]尹子明,孟凡玉,陈明剑,等.卫星导航数据质量分析[J].全球定位系统,2016,41(1):54-59(Y i nZ i m i n g,M e n g F a n y u,C h e n M i n g j i a n,e t a l.Q u a l i t y A n a l y s i s o f S a t e l l i t eO b s e r v a-t i o n[J].G N S S W o r l do fC h i n a,2016,41(1):54-59) [6]吴丹,王利,张勤,等.G N S S数据质量评估软件的实现及验证分析[J].测绘科学技术学报,2015,32(4):344-348(W uD a n,W a n g L i,Z h a n g Q i n,e t a l.I m p l e m e n t a t i o n a n dV e r-i f i c a t i o n A n a l y s i so ft h eS o f t w a r eo f G N S S D a t a Q u a l i t yC h e c k[J].J o u r n a lo fG e o m a t i cS c i e n c ea n d T e c h n o l o g y,2015,32(4):344-348)[7] S t r o d eP R R,G r o v e sP D.G N S S M u l t i p a t h D e t e c t i o nU s i n g T h r e e-F r e q u e n c y S i g n a l-t o-N o i s e M e a s u r e m e n t s[J].G P SS o l u t i o n s,2016,20(3):399-412[8] R o u s s e lN,F r a p p a r tF,R a m i l l i e n G,e ta l.D e t e c t i o no fS o i lM o i s t u r e V a r i a t i o n s U s i n g G P Sa n d G L O N A S SS N RD a t a f o rE l e v a t i o nA n g l e sR a n g i n g f r o m2ʎt o70ʎ[J].I E E EJ o u r n a l o f S e l e c t e dT o p i c s i nA p p l i e dE a r t hO b s e r v a t i o n s&R e m o t eS e n s i n g,2016,9(10):4781-4794[9]徐斌,杨涛,谭保华,等.基于L o m b-S c a r g l e算法的周期信号探测的模拟研究[J].核电子学与探测技术,2011,31(6): 702-705(X uB i n,Y a n g T a o,T a nB a o h u a,e t a l.T h eS i m u-l a t eS t u d y o f S i g n a l D e t e c t i o nB a s e d o nL o m b-S c a r g l eA l g o-r i t h m[J].N u c l e a rE l e c t r o n i c s&D e t e c t i o n T e c h n o l o g y, 2011,31(6):702-705)[10]叶险峰.基于G N S S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(武汉),2016(Y e X i a n f e n g.R e s e a r c ho nP r o c e s s i n g M e t h o d o fG N S SS t a t i o nE n v i r o n m e n tE r r o ra n dI t s A p p l i c a t i o n U s i n g S N R D a t a[D].W u h a n:C h i n aU n i v e r s i t y o fG e o s c i e n c e s,2016)[11]南阳,张双成,张勤,等.G N S S多径反射探测海平面变化初探[J].测绘科学,2015,40(12):125-129(N a nY a n g,Z h a n g S h u a n g c h e n g,Z h a n g Q i n,e t a l.P r e l i m i n a r y R e s u l t s o f S e a L e v e l C h a n g e M o n i t o r i n g w i t h G N S S M R[J].S c i e n c eo f S u r v e y i n g a n d M a p p i n g,2015,40(12):125-129)R e t r i e v a l o f S o i lM o i s t u r e b y U s i n g G P S-M RB a s e d o nC o m b i n e dM u l t i-S a t e l l i t e L IT i n g1Z HA N GX i a n y u n1L O N GX i n1HUS i h u a1L IH o n g d a11 C o l l e g e o fM i n i n g,G u i z h o uU n i v e r s i t y,H u a x i D i s t r i c t,G u i y a n g550025,C h i n aA b s t r a c t:T h e d u r a t i o n o f s a t e l l i t e l o we l e v a t i o n a n g l e i s s h o r t e rw i t h i n o n e d a y,u s i n g t h e s a m e s a t e l-l i t e sm u l t i p a t hS N Rt od e t e c t s o i lm o i s t u r e r e s u l t s i n l o w e r t e m p o r a l r e s o l u t i o n s.I no r d e r t oe n s u r e t h e r e l i a b i l i t y a n d a c c u r a c y o f s o i lm o i s t u r e i n v e r s i o n r e s u l t s a n d i m p r o v e t h e i r t e m p o r a l r e s o l u t i o n,i n t h i s p a p e r,c o n s i d e r i n g t h e a p p r o x i m a t e r a n g e o f e f f e c t i v e a l t i t u d e a n g l e s,w e p r o p o s e a h i g h t i m e r e s-o l u t i o n s o i lm o i s t u r e i n v e r s i o nm e t h o d b a s e d o nm u l t i p l eG P S s a t e l l i t e c o m b i n a t i o n s f o rG P S-M R.T h e r e s u l t s s h o wt h a t t h e d e l a y e d p h a s e c o m b i n a t i o n c a nb e t t e r c h a r a c t e r i z e t h e c h a n g e t r e n do f s o i lm o i s-t u r e.F u r t h e r m o r e,t h e c o r r e l a t i o n c o e f f i c i e n t b e t w e e nd e l a y e d p h a s e c o m b i n a t i o n a n d s o i lm o i s t u r e i s b e t t e r t h a n0.92.I na d d i t i o n,t h et i m er e s o l u t i o no fm u l t i-s a t e l l i t ec o m b i n a t i o ni m p r o v e s g r e a t l y, f r o m1d a y t o2h o u r s.K e y w o r d s:c o m b i n e dm u l t i-s a t e l l i t e;G P S-M R;s o i lm o i s t u r e;s a t e l l i t e e l e v a t i o n a n g l e;t i m e r e s o l u t i o nF o u n d a t i o n s u p p o r t:N a t i o n a lN a t u r a lS c i e n c eF o u n d a t i o no fC h i n a,N o.41701464;T h eJ o i n tF u n d so f t h eD e p a r t m e n to fS c i e n c ea n d T e c h n o l o g y o fG u i z h o uP r o v i n c e,N o.[2014]7646;B a s i cR e s e a r c hP r o j e c t o f S c i e n c e a n dT e c h n o l o g y o fG u i z h o uP r o v i n c e,N o.[2017]-1054;K e y C o u r s eC o n s t r u c t i o nP r o j e c t o f P o s t g r a d u a t e s o fG u i z h o uU n i v e r s i t y,N o.Z D K C[2015]029;T h e S c i e n t i f i cR e s e a r c hF o u n d a-t i o n f o rT a l e n t I n t r o d u c t i o no fG u i z h o u U n i v e r s i t y,N o.[2016]051;I n n o v a t i o nP r a c t i c eB a s eC o n s t r u c t i o no fS u r v e y i n g a n d M a p p i n g S c i e n c e a n dT e c h n o l o g y P r o j e c t o fG u i z h o uU n i v e r s i t y,N o.C X J D[2014]002.A b o u t t h e f i r s t a u t h o r:L IT i n g,p o s t g r a d u a t e,m a j o r s i n t h e t h e o r y a n d a p p l i c a t i o no f r e m o t e s e n s i n g G N S S-M R,E-m a i l:1506087124@q q.c o m.C o r r e s p o n d i n g a u t h o r:Z H A N G X i a n y u n,a s s o c i a t e p r o f e s s o r,m a j o r s i n G N S Sh i g h p r e c i s i o n p o s i t i o n i n g a n d G N S S-R,E-m a i l:m e c. x y z h a n g@g z u.e d u.c n.746。