張怡鈴 錢佳輝 劉思瑤 魏浩翰

摘 要：由于新一代全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）的發(fā)展與完善，隨之產(chǎn)生的GNSS-R技術(shù)，其研究平臺經(jīng)歷從地基、空基到星基的轉(zhuǎn)變，極大地提高了反演的時空分辨率。

關(guān)鍵詞：GNSS; 星基; 地表參數(shù)反演

中圖分類號：P237? ? ? ? 文獻標(biāo)識碼：A? ? ? ? ? 文章編號：1006-3315（2021）10-081-002

全球?qū)Ш叫l(wèi)星系統(tǒng)（Global Navigation Satellite System，GNSS），也被稱作全球衛(wèi)星導(dǎo)航系統(tǒng)，包括了中國的北斗衛(wèi)星導(dǎo)航系統(tǒng)（BDS）、歐盟的伽利略衛(wèi)星導(dǎo)航系統(tǒng)（GALILEO），和各居全球首大和第二大的美國的全球定位系統(tǒng)（GPS）和俄羅斯格洛納斯系統(tǒng)（GLONASS），以及區(qū)域?qū)Ш较到y(tǒng)，如印度區(qū)域?qū)Ш叫l(wèi)星（IRNSS）和日本準(zhǔn)天頂衛(wèi)星系統(tǒng)（QZSS）。可持續(xù)發(fā)射L波段信號，具有低成本、廣覆蓋、全天候的特點。在定位導(dǎo)航、大地測量、地震監(jiān)測和氣象授時（PNT）等方面應(yīng)用廣泛。隨著各星座和觀測站的增加，利用GNSS衛(wèi)星表面反射信號進行遙感的技術(shù)GNSS-R（Global Navigation Satellite System-Refectometory），得到了進度可觀的發(fā)展。

1993年歐空局提出GPS反射測量的概念，利用由接收機接收的地表直射與反射信號的延遲來進行干涉測量。2003年英國首個基于星載的觀測計劃——UK-DMC，成功接收到了地表的反射信號。從此，GNSS-R由海洋應(yīng)用過渡到了陸地遙感。2014年，英國薩利衛(wèi)星科技公司建立的增強型星載傳感器，開啟了星載遙測的服務(wù)。2018年，美國的CYGNSS衛(wèi)星（Cyclone Global Navigation Satellite System）也搭載了星載傳感器。除了提供L1C/A碼的反射信號和相應(yīng)的DDM（Doppler Delay Maps）以外，更首次探測和記錄到GPS L2的反射信號。這項計劃標(biāo)示著GNSS的星載計劃走向成熟。

1.星載GNSS反射測量原理

星載GNSS-R遙感技術(shù)本質(zhì)上是一種基于雙基雷達的L波段微波遙感技術(shù)，它采用特制的星載接收機，由上下兩個天線分別接受GNSS 測量的直射信號和經(jīng)地表鏡面反射的信號;利用直射和反射信號功率波形函數(shù)之間的相關(guān)性，可測得反射波形與直射波形的時間延遲。進而估算出地表特征參數(shù)。

由于GNSS反射測量系統(tǒng)中GNSS衛(wèi)星和星載接收機的相對位置實時變化，因此需要進一步了解GNSS反射測量的幾何關(guān)系。首先得確定反射區(qū)域里信號傳播延遲路徑最短的理論反射點，即鏡面反射點。再將三者放置在同一平面內(nèi)，建立三維坐標(biāo)系。圖1中，原點O為鏡面反射點，G為地心，XOY平面為地球切面，Re為地球半徑，Rr、Rg分別為接收機和GNSS衛(wèi)星到鏡面反射點的距離，hr、hg分別為接收機和GNSS衛(wèi)星到地球參考橢球面的距離，θ為GNSS衛(wèi)星與Z軸夾角，即直射信號的入射角。根據(jù)鏡面反射點、GNSS衛(wèi)星和星載接收機的位置關(guān)系，即可確定GNSS-R幾何結(jié)構(gòu)中的其它參數(shù)。

當(dāng)衛(wèi)星信號傳到地表時，XOY會在平面形成多個不同的反射區(qū)，其中圍繞鏡面反射點的第一菲涅爾反射區(qū)是功率貢獻的主要區(qū)域。伴隨著GNSS衛(wèi)星和接收機的實時運動，反射信號表現(xiàn)為不同時延和多普勒信號的疊加，利用反射信號時延多普勒二維相關(guān)功率的關(guān)系，進行相關(guān)處理即可得到時延和多普勒頻移的DDM函數(shù)。DDM函數(shù)表達式為^[1]

式中，Ti為相干積分時間，λ為衛(wèi)星發(fā)射信號波長，Pt為衛(wèi)星發(fā)射信號功率，Gt為衛(wèi)星發(fā)射天線增增益，Gr為反射信號接收天線增益，Rt和Rr分別為衛(wèi)星發(fā)射機與信號接收天線與鏡面反射點的距離，τ表示時延，f表示多普勒頻移，Λ（τ）為GPS GRN的自相關(guān)函數(shù)，sinc（f）為多普勒頻移函數(shù)，σo為表面A單位面積的散射系數(shù)。

2.GNSS-R地表參數(shù)研究現(xiàn)狀

2.1土壤濕度

最早的土壤濕度監(jiān)測依賴于地面的GPS反射信號。其中除了土壤含水量，還包含有介質(zhì)常數(shù)、地表粗糙度和植被覆蓋率等方面的信息。2000年，ZAVOROTNY V U等^[2]沿用Z-V模型以進行土壤濕度的相關(guān)系數(shù)測量，地面粗糙度給反射信號的波形尾部帶來精度上不可避免的影響。于是特制雙天線模式的接收機，利用其接收到的反射信號來反演土壤濕度的構(gòu)想隨之產(chǎn)生。2018年，Chew從CYGNSS數(shù)據(jù)中確定了土壤水分監(jiān)測的完整一致性^[3]。但在這篇文獻中，觀察角沒有經(jīng)過特殊處理。將得到的CYGNSS的SNR數(shù)據(jù)，與2017年3月至2018年2月的SMAP土壤水分?jǐn)?shù)據(jù)進行比對，發(fā)現(xiàn)CYGNSS的反射率與SMAP土壤水分產(chǎn)品之間為很近似的線性正相關(guān)。另外作者還建立了CYGNSS和SMAP數(shù)據(jù)之間的線性回歸模型。

國內(nèi)針對星載的研究也在逐年增加。易浠等^[4]通過TDS-1衛(wèi)星產(chǎn)品得到了反射信號功率Pr，并以SMAP數(shù)據(jù)進行了皮爾森相關(guān)分析。經(jīng)平滑處理去除噪聲，發(fā)現(xiàn)Pr和土壤濕度有較強的相關(guān)性（R=0.71）。在董州楠等^[12]基于CYGNSS土地觀測中的相干和非相干DDM，根據(jù)散射功率在海洋上的散步形狀和幅度特征，建立了六個不同的分類估計器，用以篩選以陸地高置信度相干成分為主的DDM。嚴(yán)清赟、金雙根等人^[5]又通過考察2018年及2020年的數(shù)據(jù)，基于SMAP數(shù)據(jù)的對比驗證，證實了CYGNSS可作為一種新型且獨立的泛熱帶土壤水分與植被光學(xué)厚度反演手段。

2.2洪水淹沒區(qū)

洪水即河流、湖泊等水體水位猛漲超出一定界限，對周圍地區(qū)產(chǎn)生安全威脅，造成災(zāi)害的水流。其破壞力大，破壞范圍廣，持續(xù)時間長。其成因主要是暴雨、風(fēng)暴潮、急劇的冰雪消融等。為了減少洪水暴發(fā)的危害，提高災(zāi)后響應(yīng)速度，對洪水的監(jiān)測就顯得尤為重要。目前已有通過定義閾值，利用光學(xué)傳感器對水體進行監(jiān)測，進而對洪水位進行評估的方法。但是光學(xué)遙感有一定的局限性，在夜間或在惡劣的天氣條件下，分辨率不高。而利用無源或有源微波衛(wèi)星可以在任何天氣條件下運行，能極大提供高空間分辨率。

Mahmoud Rajabi^[6]利用CYGNSS數(shù)據(jù)對伊朗Sistan和 Baluchestan兩省2020年暴雨引發(fā)的洪水進行檢測。結(jié)果顯示研究區(qū)域中被淹沒的區(qū)域和未被淹沒的區(qū)域之間的閾值可以區(qū)分為大約11 dB或更高，說明星載GNSS-R觀測的高敏感性和該技術(shù)對洪水監(jiān)測的可行性。圖2展示了CYGNSS測量對該區(qū)域的洪水檢測能力，其中SNR大于11dB的為淹沒區(qū)域。

Chew^[7]利用旋風(fēng)全球?qū)Ш叫l(wèi)星系統(tǒng)CYGNSS數(shù)據(jù)對2017年大西洋颶風(fēng)季節(jié)的洪水泛濫進行了研究，采用閾值技術(shù)確定CYGNSS數(shù)據(jù)衍生的表面反射率（SR）以識別淹沒區(qū)和非淹沒區(qū)，通過分析了SR在颶風(fēng)前后平均水平的時間變化，量化洪災(zāi)持續(xù)時間，繪制出受災(zāi)區(qū)的地表淹沒圖，結(jié)果證明與SMAP等輻射儀相比，CYGNSS數(shù)據(jù)具有更高的時空分辨率，能提供土地表面飽和度和淹沒程度的清晰信號。

2.3積雪深度

文獻^[8]對中國東北林區(qū)的雪深情況進行了估算，將降雪特性和森林的透射率輸入到分層積雪的微波發(fā)射模型中，建立了動態(tài)查找表，可從衛(wèi)星遙感數(shù)據(jù)中檢索雪深數(shù)據(jù)。經(jīng)過與多個氣象站的雪深觀測數(shù)據(jù)對比驗證，結(jié)果表明，檢索的雪深值和實測雪深之間的偏差很小，均方根誤差（RMSE）在森林地區(qū)約為6cm，在非森林地區(qū)為4cm，說明了基于動態(tài)查找表的積雪深度檢索算法的可行性。范昕桐^[9]也選取了中國東北地區(qū)為研究區(qū)域，同時采用FY3B氣象衛(wèi)星的GNSS反射信號配合氣象站點實測雪深數(shù)據(jù)和MODIS 光學(xué)遙感數(shù)據(jù)，驗證了雪深反演的準(zhǔn)確性。文獻^[10]創(chuàng)新性地引入深度學(xué)習(xí)網(wǎng)絡(luò)（DBN模型），利用衛(wèi)星觀測值、現(xiàn)場數(shù)據(jù)以及GNSS-R 的估計值，建立亮度溫度（Tb）和積雪深度（SD）之間的關(guān)系，結(jié)果發(fā)現(xiàn)該方法與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型和線性方法相比，SD反演精度更高，具有更強的非線性表達能力。

3.展望

GNSS-R作為一種新興的衛(wèi)星導(dǎo)航和遙感的交叉學(xué)科，隨著技術(shù)的積累，研究平臺的豐富，其研究方法及理論體系逐漸完備。與傳統(tǒng)的單點測量相比，星基遙感有更高的時空分辨率，更優(yōu)異的適應(yīng)性和穩(wěn)定性，為地表參數(shù)反演提供了一件有效的工具。然而星基遙感具有一定的局限性，其精度易受地表粗糙度、植被覆蓋率、地形等因素影響。通過對多領(lǐng)域的交叉研究，諸如水文、農(nóng)業(yè)等，星基遙感的應(yīng)用范圍將更廣泛。融入先進的計算機算法，GNSS-R技術(shù)將趨向智能化、自動化。這對洪澇災(zāi)害的監(jiān)測、農(nóng)業(yè)旱情的預(yù)警、植被生態(tài)的防護具有重要意義，也符合十四五規(guī)劃所提出的要求。要貫徹綠水青山就是金山銀山理念，落實山水林田湖草系統(tǒng)治理，守住自然生態(tài)安全邊界。未來隨著GNSS-R遙感研究的突破，發(fā)射衛(wèi)星數(shù)量的增加，反演模型的改良，地表反演研究必然會取得更好的進展。

項目來源：江蘇省測繪地理信息科研項目“基于JSCORS多源數(shù)據(jù)融合監(jiān)測近地空間水環(huán)境參數(shù)”（編號JSCHKY201903）;江蘇省高等學(xué)校大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目（項目編號：202010298038Z，項目名稱：利用北斗/GPS反射信號監(jiān)測濕地變化）

參考文獻：

[1] Zavorotny V U， Gleason S， Cardellach E， et al. Tutorial on Remote Sensing Using GNSS Bistatic Radar of Opportunity[J]. IEEE Geoscience and Remote Sensing Magazine， 2014， 2（4）： 8-45

[2] ZAVOROTNY V U， VORONOVICH A G， Bistatic GPS Sigal Reflections at Various Polarizations from Rough Land Surface with Moisture Content[C]//Proceedings of IEEE 2000 International Geoscience and Remote Sensing Symposium， Honolulu， HI： IEEE， 2000：2852-2854

[3] Chew， C.C.; Small， E.E. Soil moisture sensing using spaceborne GNSS reflections： Comparison of CYGNSS reflectivity to SMAP soil moisture. Geoohys. Res. Lett. 2018， 45

[4]易浠，嚴(yán)頌華，陳華麗，田茂.星載衛(wèi)星導(dǎo)航反射信號與土壤濕度的時空相關(guān)性分析[J]科學(xué)技術(shù)與工程，2019，19（21）：41-48

[5] Dong Zhounan，Jin Shuanggen. Evaluation of the Land GNSS-Reflected DDM Coherence on Soil Moisture Estimation from CYGNSS Data[J].Remote Sensing，2021，13（4）

[6]嚴(yán)清赟，金雙根，黃為民，賈燕，魏思遠.基于CyGNSS數(shù)據(jù)的土壤水分與植被光學(xué)厚度反演研究[J/OL].南京信息工程大學(xué)學(xué)報（自然科學(xué)版）：1-15[2021-05-15].http：//kns.cnki.net/kcms/detail/32.1801.n.20210324.1116.002.html

[7] Chew C， Reager J T， Small E. CYGNSS data map flood inundation during the 2017 Atlantic hurricane season[J]. Sci Rep， 2018， 8（1）： 9336.

[8] Che T， Dai L， Zheng X， et al. Estimation of snow depth from passive microwave brightness temperature data in forest regions of northeast China[J]. Remote Sensing of Environment， 2016， 183： 334-349

[9] 范昕桐.基于星載被動微波遙感數(shù)據(jù)的中國東北地區(qū)積雪深度反演研究[D].吉林：吉林大學(xué)，2016

[10] Wang J， Yuan Q， Shen H， et al. Estimating snow depth by combining satellite data and ground-based observations over Alaska： A deep learning approach[J].Journal of Hydrology，2020，585

第一作者簡介：張怡鈴，1996年生，女，本科，研究方向：GNSS反射信號遙感。通訊作者簡介：魏浩翰，男，博士，副教授，研究方向為衛(wèi)星對地觀測。