CN119203065B 一种基于cygnss卫星资料的中国区域土壤湿度遥感反演方法 （南京信息工程大学）

一种基于CYGNSS卫星资料的中国区域土壤本发明公开了一种基于CYGNSS卫星资料的其相关的辅助数据中反演出每天的土壤湿度数2处理；通过时空匹配，获取所有数据相匹配的建模样本；对延迟一多普勒图处理后得到S3，根据最佳的土壤湿度遥感模型，从CYGNSS后2.根据权利要求1所述基于CYGNSS卫星资料的中国区域土壤湿度遥感反演方法，其特3.根据权利要求1所述基于CYGNSS卫星资料的中国区域土壤湿度遥感反演方法，其特f分别为计算噪声区域选定的频率的下边界和上边界；M为选定噪声区域像4.根据权利要求1所述基于CYGNSS卫星资料的中国区域土壤湿度遥感反演方法，其特3S14，根据CYGNSS卫星数据的观测时间，选择对应时段的辅助数据进行匹配；再根据5.根据权利要求1所述基于CYGNSS卫星资料的中国区域土壤湿度遥感反演方法，其特4满足当前的需求。近年来，随着全球导航卫星系统反射测量技术（GNSSReflectomtry，[0003]当前，星载GNSS_R遥感反演土壤湿度时，地表粗糙度和植被光学厚度主要来自AnalysisofCYGNSSDataforMoistureRetrieval，IEEEJournalofSelectedTopicsinAppliedEarthObservationsandRemoteSensing,2019,12(7):2227_5f分别为计算噪声区域选定的频率的下边界和上边6[0022]S12，将CYGNSS数据与观测日期和时间相同的对应站点的土壤湿度数据进行时间[0027]1、本发明综合考虑了地表GNSS信号相干反射和非相干反射的作用，根据星载载GNSS_R高精度遥感反演土壤湿度提供了地区农业气候干旱和水文气象研究提供重要的[0032]图3为本发明实施例中土壤湿度多元线性遥感模型训练和测试时实测值与预测值[0033]图4为本发明实施例中土壤湿度支持向量遥感模型训练和测试时实测值与预测值[0034]图5为本发明实施例中土壤湿度随机森林遥感模型训练和测试时实测值与预测值7点经度(sp_lon)、镜面反射点入射角(sp_inc_angle)等数据集，DDM用于地面反射率的计8[0050]CYGNSS卫星GNSS_R接收机有4个反射测量通道，每个通道在全球范围观测有近10ti分别为计算噪声区域选定的时延码片的下边界和上边界；fi、[0055]DDT=DDM-Noise[0066]归一化的积分时延波形的后沿由波形峰值后的N个采样点构成，并随时延呈递减[0069]v=exp[taxsec(8)]（5）9本实施例中，比例因子b利用2018年MODISIGBP分类的土地覆盖类型数据根据查找表法来[0075]植被含水量VWC可通过2018年对应时期的归一化植被指数NDVI、近10年归一化植[0085]步骤11，通过计算CYGNSS卫星每个地面反射点与所有土壤湿度自动监测站的距[0088]步骤14，根据CYGNSS卫星数据的观测时间，选择对应时段的辅助数据；再根据了土壤湿度与各特征变量之间的皮尔逊相关系数和方差膨胀因子。[0096]经模型特征参数选取后，从所有建模样本中随机抽取50%作为土壤湿度遥感模型[0097]本发明实施例中各实测站点的土壤湿度与5个特征变量数据相匹配的样本数总共较大的gamma值会导致模型只关注离支持向量较近的样本点，可能会导致模型对训练数据和每棵决策树特征量来提高模型精度，并确定最佳的决策树的数量和每棵决策树的特征方根误差RMSE和平均绝对误差MAE来看，土壤湿度多元线性遥感模型的训练精度与预测精天的后沿斜率数据、提取相应的入射角，并对CYGNSS每天8颗星的数据进行合并。再根据反射点对应的植被光学厚度值；从MODIS