留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

GNSS-MR技术用于雪深探测的初步研究

张双成 戴凯阳 南阳 张勤 瞿伟 李振宇 赵迎辉

张双成, 戴凯阳, 南阳, 张勤, 瞿伟, 李振宇, 赵迎辉. 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. doi: 10.13203/j.whugis20150236
引用本文: 张双成, 戴凯阳, 南阳, 张勤, 瞿伟, 李振宇, 赵迎辉. 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. doi: 10.13203/j.whugis20150236
ZHANG Shuangcheng, DAI Kaiyang, NAN Yang, ZHANG Qin, QU Wei, LI Zhenyu, ZHAO Yinghui. Preliminary Research on GNSS-MR for Snow Depth[J]. Geomatics and Information Science of Wuhan University, 2018, 43(2): 234-240. doi: 10.13203/j.whugis20150236
Citation: ZHANG Shuangcheng, DAI Kaiyang, NAN Yang, ZHANG Qin, QU Wei, LI Zhenyu, ZHAO Yinghui. Preliminary Research on GNSS-MR for Snow Depth[J]. Geomatics and Information Science of Wuhan University, 2018, 43(2): 234-240. doi: 10.13203/j.whugis20150236

GNSS-MR技术用于雪深探测的初步研究

doi: 10.13203/j.whugis20150236
基金项目: 

国家自然科学基金 41104019

国家自然科学基金 41674001

国家自然科学基金 41731066

中央高校基本科研业务费专项资金 310826172202

详细信息
    作者简介:

    张双成, 博士, 讲师, 现主要从事GNSS导航定位与地表环境监测的理论与方法研究。shuangcheng369@vip.163.com

  • 中图分类号: P228

Preliminary Research on GNSS-MR for Snow Depth

Funds: 

The National Natural Science Foundation of China 41104019

The National Natural Science Foundation of China 41674001

The National Natural Science Foundation of China 41731066

the Special Fund for Basic Scientific Research of Central Colleges 310826172202

More Information
    Author Bio:

    ZHANG Shuangcheng, PhD, specializes in the theories and methods of GNSS ground environment monitoring. E-mail: shuangcheng369@vip.163.com

图(8) / 表(1)
计量
  • 文章访问数:  1114
  • HTML全文浏览量:  133
  • PDF下载量:  410
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-01-15
  • 刊出日期:  2018-02-05

GNSS-MR技术用于雪深探测的初步研究

doi: 10.13203/j.whugis20150236
    基金项目:

    国家自然科学基金 41104019

    国家自然科学基金 41674001

    国家自然科学基金 41731066

    中央高校基本科研业务费专项资金 310826172202

    作者简介:

    张双成, 博士, 讲师, 现主要从事GNSS导航定位与地表环境监测的理论与方法研究。shuangcheng369@vip.163.com

  • 中图分类号: P228

摘要: 积雪是全球水循环中的重要组成部分,积雪深度与雪水当量的精确监测对全球气候变化研究极其重要。随着GNSS研究与应用的不断深入,基于多路径效应的GNSS-MR(GNSS multipath reflectometry)技术用于地表环境监测(植被、土壤湿度、雪深、海平面等)已成为一种新兴的遥感手段。分析了SNR(signal-to-noise ratio)信噪比值的变化特性,详细给出了基于SNR观测值的GNSS-MR技术探测雪深的基本原理及其计算流程图。为了验证算法的有效性,利用科罗拉多州17 d连续跟踪站NWOT的GPS数据反演了降雪厚度,其结果与实测的雪深记录数据吻合较好,误差均值为0.07 m。初步研究结果验证了GNSS-MR技术用于积雪深度探测的可行性,并为后续充分利用现有的全球密集GNSS跟踪站数据开展地表环境监测提供重要参考。

English Abstract

张双成, 戴凯阳, 南阳, 张勤, 瞿伟, 李振宇, 赵迎辉. 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. doi: 10.13203/j.whugis20150236
引用本文: 张双成, 戴凯阳, 南阳, 张勤, 瞿伟, 李振宇, 赵迎辉. 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. doi: 10.13203/j.whugis20150236
ZHANG Shuangcheng, DAI Kaiyang, NAN Yang, ZHANG Qin, QU Wei, LI Zhenyu, ZHAO Yinghui. Preliminary Research on GNSS-MR for Snow Depth[J]. Geomatics and Information Science of Wuhan University, 2018, 43(2): 234-240. doi: 10.13203/j.whugis20150236
Citation: ZHANG Shuangcheng, DAI Kaiyang, NAN Yang, ZHANG Qin, QU Wei, LI Zhenyu, ZHAO Yinghui. Preliminary Research on GNSS-MR for Snow Depth[J]. Geomatics and Information Science of Wuhan University, 2018, 43(2): 234-240. doi: 10.13203/j.whugis20150236
  • 随着GNSS系统研究与应用的不断深入,GNSS多路径误差逐渐被掌握的更加透彻。GNSS的无线电导航信号经过反射面后,被反射的GNSS多路径信号承载反射面的特性信息,通过对GNSS反射信号中波形、极化特性、振幅、相位和频率等参数的分析,可有效获取反射面的物理特性,这也成为一种全新概念的GNSS遥感方法[1]。基于此,近年来出现了两种GNSS多路径遥感新技术,一种是GNSS干涉(GNSS reflectometry,GNSS-R)遥感技术,另一种是GNSS多路径反射(GNSS multipath reflectometry,GNSS-MR)遥感技术。

    GNSS-R遥感技术特点是需要两副天线进行工作:一副是方向朝天顶的接收右旋极化信号,用于接收直达波信号和定位;另外一副是方向朝下,接收海面或陆地反射的左旋极化信号。GNSS-R技术凭借低成本、小功耗和高时空分辨率等优点近年来在海洋和湖面测高、海面风速、土壤湿度等领域得到广泛的研究与应用,但其必须使用特殊的左极化和右极化两个GNSS接收机才能进行有效的接收和处理,其在硬件上的严格要求极大地限制了GNSS-R技术的开展与应用[2]。基于此,GNSS-MR遥感技术基于常规测量型GNSS接收机记录下的观测数据便可对降雪、土壤水分、植被生长、海平面变化等地表环境参数进行监测反演,从而使得该技术也成为当前GNSS遥感领域的最新研究热点。

    利用GPS-MR技术进行地表环境监测,目前在欧美已有一定的研究基础,国内当前也陆续开展了相关研究。文献[3]较早对GPS的信噪比(signal-to-noise ratio, SNR)观测值中直射与反射分量的分离、反射分量与反射环境之间的关系进行了研究,并以此修正相位观测值。文献[4-9]提出并发展了GPS-MR技术,主要利用SNR观测值的多路径反射分量进行雪深、海平面、土壤湿度、植被变化、火山喷发等其他表征多路径误差的地表环境监测,并获得了一系列极有参考价值的研究与应用成果。文献[10]针对GPS-MR技术中使用SNR观测值的不足,提出了一种基于GPS无几何距离的L4观测值进行雪深探测算法,并获取了与SNR较一致的探测结果。文献[11]提出了三频组合的GPS-MR算法,分别对基于SNR、L4和三频组合的GPS-MR算法进行了实测数据验证,获得了较好的反演结果。文献[12]利用GPS的信噪比SNR观测值有效地跟踪了土壤湿度的变化趋势,测站的最大有效测量范围约45m,并定量描述了SNR多路径延迟相位与土壤湿度之间的关系。文献[13]利用GPS的无几何距离组合L4观测值对降雪厚度和雪面温度等地表特征参数开展了反演研究,并采用非参数统计估计模型获取了精确的降雪天气的地表参数。文献[14]利用GPS的SNR观测值对荒漠草地、小麦、苜蓿草等3种植被的含水量进行了探测,通过与实测数据比对验证了GPS-MR用于植被含水量探测的有效性。目前国内外有关GNSS-MR技术才处于初步研究阶段,需对诸多关键问题进行深入研究,以尽快推动GNSS-MR进入实际应用阶段。

    降雪是全球重要的淡水资源,是影响全球气候的重要因素之一。对降雪的覆盖范围、雪深或雪水当量的监测一方面可以提高雪灾多发区的积雪监测能力, 另一方面可以为当地的水资源管理与生态建设提供可靠的信息保障。传统的雪深监测方法是利用离散的气象站点进行监测,其精度受监测站点的数量和分布影响较大。卫星遥感技术被用于不同时空分辨率的积雪信息提取,但其精度受云层和大气折光等因素影响比较严重。近年基于多路径效应发展起来的GNSS-MR技术为雪深探测提供了一种全新的监测手段。GNSS-MR技术用于雪深探测具有覆盖面积大、时间分辨率高、全天候、实时自动化、充分利用现有的密集GNSS监测站(如陆态网络、各区域CORS站)等优点,为气象部门进行高精度雪深监测提供一种新的传感器。

    目前国内基于GNSS-MR技术开展雪深探测研究较少,本文详细深入地探讨了该技术涉及的理论体系,并采用实测数据进行了验证分析。

    • GPS多路径已成为当前制约高精度定位的主要误差源,GPS多路径的产生主要与反射面的结构和电介质参数密切相关。GPS接收机接收到的信号是直射信号和经地表反射后的合成信号(见图 1)。

      图  1  GPS-MR探测雪深示意图

      Figure 1.  Diagram of GPS-MR for Snow Depth

      图 1为利用GPS-MR技术探测雪深的示意图。设H为天线高,即接收机天线相位中心到裸露土质地表的距离;h为接收机天线相位中心到积雪顶层的距离,文中统一简称为垂直反射距离,hsnow为积雪的厚度,E为直射信号与积雪表面的夹角。

      GPS中的信噪比SNR观测值是表征接收机天线所接收到信号大小的一个量值(见图 2)。图 2为利用2011年第225天北美NWOT站PRN29号卫星的信噪比SNR变化图。研究表明, SNR值的变化主要受卫星信号发射功率、天线增益、卫星到接收机的距离和多路径效应等因素影响[3]。在高度角较高条件下,天线增益较大使得SNR得到有效提高;而在高度角较低的条件下,一方面天线增益减小,另一方面由于多路径效应使得SNR下降较为严重(见图 2中的红色框区域)。由此可见,低高度角下信噪比SNR受多路径影响严重,因此信噪比SNR值常用于评价多路径和多路径误差建模。反过来,GPS多路径反射会直接影响GPS信噪比,因此通过SNR的频谱分析可获取引起GPS多路径反射的地表环境参数,也即GPS-MR技术。

      图  2  GPS卫星信号的SNR变化图

      Figure 2.  SNR Variations of GPS Signal

      图 1中GPS接收机天线接收到是直射信号和经地表反射信号的合成信号,设直达信号和反射信号的振幅分别为AdAm。对于大地测量型的GPS接收机天线而言,为了有效抑制地表反射引入的多路径观测误差,直达信号和反射信号的振幅存在如下关系:

      $$ {A_d} \gg {A_m} $$ (1)

      式(1)表示GPS接收机捕获的合成信号Ac中,直射信号Ad决定着合成信号的总体变化趋势,即相当于信号的整体趋势项(见图 2中的SNR整体分布),而反射信号Am则表现为局部的周期性震荡,认为其主要是由于低高度角多路径影响所致(见图 2中的红色框区域)。SNR观测值是大地测量型GPS接收机的附带观测数据,SNR与信号振幅存在如下关系[4]

      $$ {\rm{SN}}{{\rm{R}}^2} = A^2_c = A^2_d + A^2_m + 2{A_d}{A_m}\cos Q $$ (2)

      式中, Ac为合成信号的振幅; cosQ为直射信号与反射信号夹角的余弦值。

      为了获取SNR中因地表反射引起GPS多路径的变化信息,多路径效应需从接收到的SNR观测值中分离出来。结合式(1)可知,因多路径效应对信噪比的影响很小(主要在低高度角),即AdAm在数值上相差很大,通常可采用低阶多项式来消除趋势项Ad

      图 2给出了2011年第225天NWOT站PRN29号卫星的L2频率的SNR变化图,采样率为1 Hz。由图 2可知,SNR趋势项呈抛物线形式,可采用二次多项式进行拟合,而SNR两端主要是在低高度角时受多路径变化的影响所致。将图 2中的整体趋势项去除后,即可得在低高度角条件下受多路径影响所致的SNR残差序列,见图 3所示。

      图  3  去除趋势项的SNR残差序列

      Figure 3.  SNR Variations after Detrending

      图 3给出了图 2中PRN29号卫星在下降阶段扣除趋势项后的SNR残差序列,其截止高度角为5°~25°。与图 2相比,图 3中的横坐标为随高度角变化的重采样时间点,而非图 2中的等间隔观测历元;纵坐标为SNR值的线性变化值伏特,而非图 2中的指数变化dB-Hz。研究表明,图 3中的SNR残差序列主要为低高度角多路径影响所致,进而为利用多路径反演地表参数提供了重要数据。

      图 3中多路径反射信号的振幅可表示为[5]

      $$ {A_m} = A\cos\left( {\frac{{4\pi h}}{\lambda }\sin E + \varphi } \right) $$ (3)

      式中, λ为载波波长; E为卫星高度角; h为垂直反射距离; 若记为t=sinE, f=$ \frac{{2 h}}{\lambda }$, 则式(3)可简化为标准的余弦函数表达式:

      $$ {A_m} = A\cos\left( {2\pi ft + \varphi } \right) $$ (4)

      式(4)中频率f包含了图 1中的垂直反射距离参数h,若对式(4)进行频谱分析,便可求取频率f,进而便可获取降雪厚度hsnow图 3中的横轴sinE是随高度角变化的已知量,但sinE非等间隔采样,致使SNR残差序列无法保证整周期截断,因此可采用Lomb-Scargle谱分析方法(简称L-S谱分析)解决快速傅里叶变换FFT无法解决的非等间隔采样问题[15]。Lomb-Scargle傅立叶变换法不仅能有效地从时域序列中提取出弱周期信号,还可以在一定程度上减弱时域序列的不均匀性产生的虚假信号。此外,该方法还能给出各个频率信号存在的虚警概率和显著性。

      通过对图 3中的SNR残差序列进行L-S谱分析可得到GPS多路径反射信号Am的频率f,由f=2h/λ即可得到垂直反射距离h。因图 1中的天线高H为可实际量测的已知量,积雪厚度可由公式hsnow= H-h计算得出。由此,实现了由SNR观测值进行雪深的测量。

      综上所述,基于SNR观测值的GPS-MR技术探测雪深主要计算流程如下。

      图  4  GPS-MR探测雪深计算流程图

      Figure 4.  Flowgraph of GPS-MR for Snow Depth

    • 为了验证上述GPS-MR探测雪深理论的有效性,本文收集了实测的GPS观测数据进行算例分析。GPS实验数据来自NWOT站,该站位于美国科罗拉多州中部的博尔德(Boulder)地区。NWOT站因处于洛矶山脉的山脚,平均海拔1 655 m,距离丹佛市约40 km。冬季寒冷多雪,山峰部分有时终年被深雪所覆盖。洛矶山脉地区每年的降雪量可高达10 m以上,丹佛全年的降雪量平均可达150 cm。NWOT站使用的是大地测量型Trimble NetRS接收机,天线为TRM41249。该站为了防止被积雪盖过,其天线至地面距离高度为3 m,整体稳定的钢架结构可避免风的影响。图 5即为NWOT站点接收机安置图及观测环境。

      图  5  NWOT站周围的观测环境(Ethan D.G 2012)

      Figure 5.  Site Map at NWOT Station(Ethan D.G 2012)

      本文收集了NWOT站2011年全年分布均匀的17天采样率为1Hz的数据,年积日分别为第002、030、070、085、101、115、130、145、160、165、170、180、185、195、225、226和227天。然后依据流程图 4的步骤进行了GPS-MR探测雪深的计算,其中提取SNR高度角区间为5°~25°。为了节省篇幅,本文给出17 d中有代表性的第145、225两天获取的PRN29号卫星SNR残差序列和L-S频谱分析结果进行分析。

      图 6图 7分别给出了两天PRN29号卫星的SNR反射分量序列和对应的L-S谱分析结果,第145、225天对应的实际降雪厚度分别为2.25 m和0 m。图 6(b)图 7(b)中的横轴表示天线相位中心到降雪表层的距离,它是将频谱分析后得到的频率f,通过f=2h/λ转换成相应的h,即垂直反射距离;纵轴表示输入SNR反射信号各频率的L-S频谱振幅。L-S频谱振幅的峰值对应的距离为有效探测的垂直反射距离,图 6(b)图 7(b)中有效探测的垂直反射距离对应的频谱振幅分别为19.371和13.774,可以看出随着降雪厚度的减小,SNR反射分量的频谱振幅峰值逐渐变小。L-S谱分析结果也说明降雪厚度的变化与低高度角SNR反射分量能量谱变化密切相关,也进一步验证了降雪厚度会改变SNR的频谱,进而为利用SNR反射信号探测雪深提供了手段。

      图  6  PRN29号卫星SNR序列(DOY145)及SNR序列L-S谱分析(DOY145)

      Figure 6.  SNR Variations for PRN29(DOY145) andL-S results for SNR Variations(DOY145)

      图  7  PRN29号卫星SNR序列(DOY225)及SNR序列L-S谱分析(DOY225)

      Figure 7.  SNR Variations for PRN29(DOY225) andL-S Results for SNR Variations (DOY225)

      本文通过处理17 d的SNR数据,利用L-S谱分析可获取每天天线相位中心至降雪顶层的垂直距离h。NWOT站GPS天线相位中心距离地面的天线高H为3 m,根据公式hsnow=H-h便可得到每天对应的降雪厚度。为了验证采用GPS-MR技术探测雪深的精度,获取了雪深记录仪实测的观测资料,两者对比结果见表 1图 8所示。

      表 1  GPS-MR探测雪深与实测雪深对比统计表

      Table 1.  Comparison of GPS-MR and Snow Depth Data

      年积日 实测雪深/m 反演雪深/m 较差/m
      002 0.95 0.8 0.15
      030 0.75 0.61 0.14
      070 1.19 1.15 0.04
      085 1.35 1.26 0.09
      101 1.51 1.44 0.07
      115 2.05 2.17 -0.12
      130 2.07 2.1 -0.03
      145 2.25 2.14 0.11
      160 1.76 1.69 0.07
      165 1.48 1.4 0.08
      170 1.29 1.25 0.04
      180 0.77 0.64 0.13
      185 0.2 -0.01 0.21
      195 0 -0.13 0.13
      225 0 -0.09 0.09
      226 0 -0.09 0.09
      227 0 -0.09 0.09

      图  8  NWOT站GPS-MR探测雪深与实测雪深对比图

      Figure 8.  Comparison of GPS-MR and Snow Depth Dataat NWOT

      图 8中横轴表示年积日,纵轴表示降雪厚度,图中黑色方块表示用记录仪获取的实测雪深数据,红色三角形表示用GPS-MR技术探测的雪深数据。结合表 1图 8的对比结果,可得出如下结论。

      1) 采用实测GPS数据验证了基于SNR的GPS-MR算法的可行性,并获取了对应的雪深厚度数据;

      2) 图 8对比结果表明,基于SNR的GPS-MR探测雪深与实测雪深数据在整体趋势上吻合一致,进一步验证了GPS-MR技术可用于实时雪深监测的可行性,尤其是降雪量较大的地区;

      3) 表 1统计结果两者的较差均值为0.08 m,较差标准差为0.07 m。从图表对比结果可知本文基于GPS-MR技术获取的降雪厚度精度还比较差,主要原因一是因为算法还存在不足(如综合多颗卫星SNR数据进行反演、SNR趋势项剔除算法的选取、SNR残差序列的谱分析方法等);二是因为用于验证本文GPS-MR反演结果的实测雪深传感器与GPS站有一定距离,应采用并址雪深传感器资料进行检核。

      4) 图表结果证实降雪对GPS信号中的SNR值有较大影响,也即降雪会加剧多路径现象的发生。因此,需考虑降雪环境下多路径误差对GNSS精密定位的影响。

    • 降雪厚度、降雪密度和雪水当量及其变化的准确和长期监测对全球淡水资源和气候环境科学研究具有重要意义。本文在详细给出基于SNR的GNSS-MR探测雪深基本理论基础之上,利用实测GPS数据对算法进行了有效性验证,并获取了初步的研究结果。GPS-MR技术借助SNR观测值将这种曾作为噪声的多路径信号转变为一种极具价值的有用信号。利用SNR观测值探测雪深以传统大地测量型GPS接收机为基础,能有效节约成本和扩展CORS网络的应用领域。毋庸置疑,针对本文获取的初步研究结果,存在如下问题亟待研究与解决。

      1) 综合GNSS跟踪站多颗卫星进行雪深探测;

      2) GNSS跟踪站SNR数据的特征分析,长弧段多卫星探测雪深的数据综合;

      3) 接收机天线类型及其距离地面的高度对GNSS-MR的影响分析;

      4) 基于SNR数据精化降雪环境下GNSS多路径模型误差。

      GNSS-MR技术的出现为实时监测地表环境(降雪、植被、土壤湿度、海平面等)提供了一种全新的遥感手段,也进一步拓展了GNSS的应用领域。这项日益受关注的新技术其诱人之处在于,未来的几年内人们可充分、免费利用GNSS系统提供的百余颗卫星多波段信号,借助密集的GNSS跟踪站(如PBO、陆态网络)可开展实时、高精度的地表环境监测,进一步弥补常规仪器和卫星雷达监测地表环境在时空分辨率上的不足,进而发挥GNSS在全球环境变化监测中的重要作用。

参考文献 (15)

目录

    /

    返回文章
    返回