李景洮，張雙成,2,3，劉寧，陳雄川，王杰，馮智杰

( 1. 長(zhǎng)安大學(xué)地質(zhì)工程與測(cè)繪學(xué)院, 西安 710054；2. 地理信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室, 西安 710054；3. 西部礦產(chǎn)資源與地質(zhì)工程教育部重點(diǎn)實(shí)驗(yàn)室, 西安 710054 )

0 引言

凍土是指溫度在0℃及以下的含有孔隙冰的各種巖石和土壤，可分為季節(jié)性凍土與永久性凍土[1].從上到下主要分為活動(dòng)層和永凍層，凍土凍融過程中，地表孔隙水與冰處于相變過程.凍結(jié)期孔隙水受到凍結(jié)吸力作用向活動(dòng)層底部移動(dòng)，遇到冰鍥后形成分離冰.而隨著溫度周期性變化，分離冰處于周期性凍融過程，地表發(fā)生相應(yīng)抬升與沉降.凍土形變受到下層分離冰狀態(tài)的控制，因此出現(xiàn)了過渡層的概念[2].我國(guó)幅員遼闊，凍土分布區(qū)域極其廣泛，尤以青藏高原為甚，周期性的監(jiān)測(cè)凍土區(qū)域地表形變，對(duì)于定量評(píng)估凍土災(zāi)害規(guī)律以及采取必要性防范措施具有極其重要的意義.

凍土形變測(cè)量關(guān)鍵在于固定的基準(zhǔn)點(diǎn)，保證其不受固體地球動(dòng)力學(xué)變化影響，通常需要錨點(diǎn)位于永久凍土層下方.文獻(xiàn)[3-5]制作了相對(duì)容易標(biāo)記的小型原位測(cè)量?jī)x器測(cè)量?jī)鐾列巫?，如升降管、鐵磁探頭、床架等.以上方法雖然方便簡(jiǎn)單，但受到明顯的地緣范圍局限，而大范圍的水準(zhǔn)測(cè)量費(fèi)時(shí)費(fèi)力.直至近年來以衛(wèi)星遙感為代表的對(duì)地觀測(cè)技術(shù)及各種數(shù)據(jù)差分處理技術(shù)的蓬勃發(fā)展，Little 等[6]首次在全球尺度使用空間差分技術(shù)，得到相對(duì)準(zhǔn)確的美國(guó)Alaska兩地點(diǎn)形變結(jié)果.此后大尺度地快速、精確測(cè)量地表形變成為必然趨勢(shì)[7].

傳統(tǒng)凍土區(qū)域環(huán)境監(jiān)測(cè)僅局限于高精度地表形變的研究，尤以InSAR 技術(shù)的發(fā)展，為處理地表微小形變提供了簡(jiǎn)單可靠的途徑，但受制于SAR 衛(wèi)星重訪周期與數(shù)據(jù)量大小，無法做到實(shí)時(shí)連續(xù)凍土形變監(jiān)測(cè).地基GNSS 中全球?qū)Ш叫l(wèi)星系統(tǒng)干涉反射測(cè)量法(Global Navigation Satellite System Interferometric Reflectometry，GNSS-IR)技術(shù)由Larson 等[8]首次提出并驗(yàn)證其可行性，其基本思想是利用直射信號(hào)與反射信號(hào)產(chǎn)生的干涉效應(yīng)來求解地表參數(shù).其以全天時(shí)、全天候、使用穿透力較強(qiáng)的L 波段、可忽略云雨氣候與電離層擾動(dòng)影響的優(yōu)勢(shì)，迅速發(fā)展成為滿足當(dāng)前高精度、低成本、輕量化、長(zhǎng)時(shí)序環(huán)境監(jiān)測(cè)需求的一種新興手段，對(duì)土壤濕度[8]、積雪[9]等地表參數(shù)較為敏感，研究發(fā)現(xiàn)其在凍土形變中具有巨大潛力.Liu 等[10]首次通過GNSS-IR 技術(shù)獲得2004—2015 近十年間阿拉斯加巴羅凍土區(qū)域不同年份沉降趨勢(shì)，為凍土探測(cè)提供了新的手段，Hu 等[11]通過對(duì)巴羅2004—2016 年形變分析，提出了基于stefan 方程的融合凍融季節(jié)性指數(shù)因子的復(fù)合模型.隨后，對(duì)2018—2021 年巴羅地表形變進(jìn)行多系統(tǒng)反演，提出消除GLONASS、Galileo 因重訪周期所導(dǎo)致高程序列周期性遞減的重建方法[12]，重建結(jié)果精度提升顯著.文獻(xiàn)[13-15]使用GNSS-IR 檢索了加拿大北極地區(qū)與青藏高原寒區(qū)地表形變，改進(jìn)解譯了寒區(qū)土壤水分算法，分析并提出凍土區(qū)域GNSS-IR 與合成孔徑雷達(dá)干涉測(cè)量(interferometric synthetic aperture radar，InSAR)協(xié)同作用.

本文通過地基GNSS 中GNSS-IR 技術(shù)與GAMIT/GLOBK 軟件處理美國(guó)阿拉斯加州巴羅多年凍土區(qū)SG27 測(cè)站及附近國(guó)際GNSS 服務(wù)(International GNSS Service，IGS)站FAIR 測(cè)站2013—2021 年觀測(cè)數(shù)據(jù)，分別解譯了長(zhǎng)時(shí)序地表形變、測(cè)站形變、土壤濕度及大氣水汽，分析水汽與土壤濕度相關(guān)性，以期為地基GNSS 凍土區(qū)域環(huán)境監(jiān)測(cè)提供新的補(bǔ)充.

1 研究區(qū)域及數(shù)據(jù)來源

1.1 研究區(qū)及測(cè)站概況

巴羅地區(qū)位于美國(guó)阿拉斯加州北冰洋岸最北部，為典型平原地帶，地勢(shì)平坦，凍土廣泛分布[16].Brewer研究發(fā)現(xiàn)巴羅地區(qū)底部是上百米的永久凍土連續(xù)區(qū)，平均活動(dòng)層厚度約30cm[17].該地區(qū)通常無雪期在7—9 月中旬，解凍時(shí)間在6—8 月中旬[18]，而2016 年屬于極端異常年份，全球氣溫升高致使降雪從7 月初持續(xù)到10 月底，降雪遲于往年1 個(gè)月.

SG27 測(cè)站(156°36′37″W，71°19′22″N)位于美國(guó)阿拉斯加巴羅北部，隸屬于美國(guó)的板塊邊界觀測(cè)臺(tái)網(wǎng)(plate boundary observational GNSS network，PBO)計(jì)劃，該計(jì)劃目前擁有1100 個(gè)高精度GPS 站點(diǎn)，旨在用于監(jiān)測(cè)美國(guó)西部大陸板塊運(yùn)動(dòng).測(cè)站在WGS84坐標(biāo)系下的高程為9.383m，天線高約為3.8m，接收器底部深埋在永久凍土層基巖中.測(cè)站周圍環(huán)境及菲涅爾反射區(qū)如圖1 所示，四周視野開闊，低矮草坪，表層為粉砂質(zhì)土壤，環(huán)境適宜GNSS 信號(hào)的接收與地表參數(shù)反演，在2018 年6 月期間，測(cè)站更換POLARX5接收機(jī)，天線為TRM59800.00.

圖1 SG27 測(cè)站與菲涅爾反射區(qū)

1.2 研究數(shù)據(jù)

本實(shí)驗(yàn)所選用數(shù)據(jù)有：1)SG27 測(cè)站2013—2021 年6—11 月GPS L1 頻段觀測(cè)數(shù)據(jù)、IGS 精密星歷數(shù)據(jù)、廣播星歷數(shù)據(jù)，由于測(cè)站周圍存在房屋遮擋，故選取90°~180°方位角，高度角為5°~25°的信噪比(signal to noise ratio，SNR)數(shù)據(jù)；2)為解算大氣可降水量(precipitable water vapor，PWV)，選取距離SG27 約800km 的IGS 站FAIR 測(cè)站相同時(shí)段數(shù)據(jù)；3)為獲取土壤濕度模型參數(shù)，選取國(guó)際土壤濕度網(wǎng)絡(luò)(International Soil Moisture Network，ISMN)2017年有限土壤濕度實(shí)測(cè)數(shù)據(jù).數(shù)據(jù)來源如表1 所示.

表1 研究數(shù)據(jù)來源

2 研究方法及數(shù)據(jù)處理流程

2.1 研究方法

GNSS-IR 凍土測(cè)量原理如圖2 所示，該方法可有效測(cè)量出反射面至接收機(jī)天線相位中心的距離，降雪期地面反射高小于天線高，兩者差值即為雪深；而無雪期測(cè)得反射高度增量Δh與地面沉降量為相反數(shù)，地表形變可由Δh計(jì)算.

圖2 GNSS-IR 凍土測(cè)量原理圖

GNSS-IR 利用SNR 來量化直射信號(hào)與反射信號(hào)，可表示為

式中：Ad為直射信號(hào)振幅；Am為反射信號(hào)振幅；φ為直射信號(hào)與反射信號(hào)之間的相位差，由于Ad>>Am，所以直射信號(hào)決定了混合信號(hào)SNR 的整體趨勢(shì).需利用低階多項(xiàng)式擬合混合信號(hào)SNR 得到直射信號(hào)趨勢(shì)項(xiàng)，并將其剔除獲取反射信號(hào)SNR，圖3 分別繪制了2018 年240 天PRN1 衛(wèi)星的混合信號(hào)SNR、擬合趨勢(shì)項(xiàng)及分離后反射信號(hào)SNR.

圖3 2018年240 天的PRN1 衛(wèi)星混合信號(hào)SNR、趨勢(shì)項(xiàng)及反射信號(hào)SNR

由圖3 可知，衛(wèi)星高度角較低時(shí)，SNR 較低但振蕩幅度明顯.隨著高度角增大，SNR 增大但振蕩幅度逐漸減小，因此通常需選用低高度角SNR 數(shù)據(jù).SNR 表現(xiàn)為正弦函數(shù)形式，反射信號(hào)SNR 與反射高度h的關(guān)系最終經(jīng)過量化后可表示為

式中：RSNm為反射分量大小；A為反射信號(hào)幅值；h是接收器天線相位中心距反射面的垂直距離；λ 為載波波長(zhǎng)；θ是高度角；φ0是相移.設(shè)t=sinθ，RSNm也可用式(3)表示：

由上式可知，反射信號(hào)SNR 振蕩主頻率f與天線相位中心距反射面的垂直距離h成正比關(guān)系.

L-S 譜分析是在傅里葉變化的基礎(chǔ)上改進(jìn)的針對(duì)非均勻采樣間隔的數(shù)據(jù)進(jìn)行分析，能夠有效地從中提取弱周期信號(hào).通過L-S 譜分析得到反射信號(hào)振蕩主頻率f，即可得到反射高度h.

反射高度h與天線高的差值即為雪深/地表形變，若差值為負(fù)值證明處于無雪期，地表處于形變過程.特別地，為了保證反演高度h的可靠性，本實(shí)驗(yàn)選取多條可靠軌道數(shù)據(jù)，篩選了多個(gè)GPS 衛(wèi)星反射高，設(shè)置中值濾波0.2m，求取范圍內(nèi)多星平均反射高作為單天反射高.同時(shí)，使用標(biāo)準(zhǔn)差來替代反射高的不確定性.

經(jīng)以上步驟，將反射信號(hào)SNR 與高度角序列迭代擬合，得到相位與振幅參數(shù)，最后通過相應(yīng)土壤濕度線性模型(式(4))反演土壤濕度.

式中：CSM為土壤濕度；S為擬合斜率；?φ為相位、振幅參數(shù)；CSMrepid為最低含水量，通常用一點(diǎn)土壤濕度最小值表示.

2.2 數(shù)據(jù)處理

2.2.1 GNSS-IR 地表參數(shù)解譯

通過使用上述原理算法反演阿拉斯加巴羅地區(qū)2013—2021 年地表形變、土壤濕度，并反演了降雪異常年份2016 年積雪深度，將其與PBO 網(wǎng)站實(shí)測(cè)數(shù)據(jù)進(jìn)行精度驗(yàn)證.具體步驟如下：1)PBO 觀測(cè)數(shù)據(jù)、廣播星歷、精密星歷數(shù)據(jù)下載；2)通過crx2rnx 工具對(duì)觀測(cè)文件進(jìn)行格式轉(zhuǎn)換，使用gfzrnx 工具統(tǒng)一為采樣率30s 的Rinex3 版本數(shù)據(jù)進(jìn)行數(shù)據(jù)項(xiàng)處理；3)使用GNSS SNR 工具提取GPS SNR；4)挑選方位角90°~180°，高度角5°~25°的L1 頻段的SNR 數(shù)據(jù)；5)低階多項(xiàng)式分離直反射信號(hào)；6)L-S 頻譜分析得到每日多星先驗(yàn)反射高；7)挑選多條可靠軌道求多星平均反射高，計(jì)算雪深/地表形變；8)非線性最小二乘法擬合SNR 與高度角序列，獲得相位、振幅參數(shù)；9)利用土壤濕度經(jīng)驗(yàn)?zāi)Ｐ偷玫酵寥罎穸茸兓?數(shù)據(jù)處理流程如圖4 所示.

圖4 地基GNSS 數(shù)據(jù)處理流程

2.2.2 大氣水汽反演

使用GAMIT/GLOBK 軟件進(jìn)行高精度數(shù)據(jù)處理，具體步驟如下：1)GNSS 高精度數(shù)據(jù)處理，得到SG27 概略坐標(biāo)、鐘差以及對(duì)流層延遲參數(shù)等；2)計(jì)算對(duì)流層天頂總延遲(zenith total delay，ZTD)與天頂干延遲；3)由ZTD=ZHD+ZWD 計(jì)算對(duì)流層天頂濕延遲，其中ZTD 為對(duì)流層總延遲，ZHD 為天頂干延遲，ZWD 為天頂濕延遲；4)PWV=K*ZWD 計(jì)算大氣可降水量，其中K為無量綱比例系數(shù).本文為探究長(zhǎng)時(shí)序大氣水汽變化，故選取每日12:00 水汽值.數(shù)據(jù)處理流程如圖4 所示.

3 異常年雪深/時(shí)序地表形變分析

3.1 異常年份雪深信息分析

2016 年為異常高溫年，降雪比往年遲了近一個(gè)月，經(jīng)過對(duì)該年數(shù)據(jù)處理,得到反演雪深，并將其與實(shí)測(cè)數(shù)據(jù)進(jìn)行對(duì)比，如圖5 所示.經(jīng)過計(jì)算，反演值與實(shí)測(cè)值具有較強(qiáng)相關(guān)性，決定系數(shù)R2為0.8155，均方根誤差(root mean squared error，RMSE)為0.0643，平均絕對(duì)誤差(mean absolute error，MAE)達(dá)到0.0402，雪深偏差普遍控制在2~7cm.

圖5 2016年雪深反演

在2016 年年積日45—120 天內(nèi)，反演值普遍高于實(shí)測(cè)值，產(chǎn)生這種現(xiàn)象的主要原因可能有以下兩點(diǎn)：1)與該年出現(xiàn)的極端高溫有關(guān)，雪深每日變化差異大，在進(jìn)行反射高算法計(jì)算時(shí)，由于這種差異而導(dǎo)致一些真實(shí)而極端的不同時(shí)段的數(shù)據(jù)被當(dāng)成異常值來剔除，從而產(chǎn)生一些與實(shí)測(cè)數(shù)值偏差較大的誤差；2)極端高溫導(dǎo)致PBO 大部分實(shí)測(cè)數(shù)據(jù)被視為異常值剔除，導(dǎo)致偏差的產(chǎn)生與積累.

3.2 2013—2021 地表形變信息分析

測(cè)站錨點(diǎn)處于永久凍土層，可確保高程基準(zhǔn)不受固體地球動(dòng)力影響.在無雪期，地表經(jīng)過季節(jié)性變化，活動(dòng)層底部分離冰周期性凍融而導(dǎo)致地表周期性沉降與抬升.通常認(rèn)為在有雪期，地表活動(dòng)層處于飽和狀態(tài)，不易發(fā)生形變.針對(duì)無雪期，繪制2013—2021年6—11 月凍土活動(dòng)層形變，如圖6 所示.同時(shí)，為證明其反演結(jié)果為凍土活動(dòng)層形變，聯(lián)測(cè)IGS 站FAIR測(cè)站解算同時(shí)段SG27 測(cè)站形變，結(jié)果如圖7 所示，測(cè)站形變相對(duì)穩(wěn)定，存在部分?jǐn)?shù)據(jù)缺失，天頂(up，U)方向最大形變?cè)?mm 之內(nèi)，可證明反演結(jié)果為凍土活動(dòng)層形變.

圖6 2013—2021 年凍土活動(dòng)層形變

圖7 2013—2021 年SG27 測(cè)站形變

本實(shí)驗(yàn)以反射高度等于天線高時(shí)為無雪期起點(diǎn)，融化期通常開始在6 月中旬至7 月初期間，而凍結(jié)期一般發(fā)生在8 月中下旬至11 月初期間.在2013—2021 年，基本沉降趨勢(shì)為大幅度沉降后抬升，部分趨勢(shì)中最初抬升是由于該年雪水當(dāng)量較多，導(dǎo)致低溫時(shí)段過渡層分離冰凍結(jié)，地表短期性抬升.由于GNSS-IR無法精確監(jiān)測(cè)降雪期垂直形變，因此部分抬升未完全顯示趨勢(shì).2013 年為長(zhǎng)時(shí)期沉降，年最大沉降速率達(dá)到-0.101m/a.2014 年形變趨勢(shì)呈現(xiàn)為沉降-抬升-沉降-抬升，主要與7 月初持續(xù)低溫有關(guān)，最大沉降速率為-0.075m/a，抬升速率為0.069m/a；2015 年與2019 年趨勢(shì)相似，呈現(xiàn)線性沉降趨勢(shì)后緩慢抬升，最大沉降量分別為-0.087m，-0.075m；2017 年由于設(shè)備老化(2018 年8 月更換設(shè)備)、高度角方位角條件、算法中值等原因，導(dǎo)致少量數(shù)據(jù)情況下，濾值提取結(jié)果趨勢(shì)項(xiàng)較為離散，大體表現(xiàn)為全年具有沉降抬升趨勢(shì)，沉降速率為-0.054m/a，抬升速率為0.033m/a；2016、2018、2020 年能夠清晰看出垂直形變趨勢(shì)，最大沉降點(diǎn)均發(fā)生在8 月中下旬至9 月中上旬，沉降速率分別為-0.077m/a、-0.027m/a、-0.067m/a，抬升速率分別為0.05m/a、0.025m/a、0.06m/a.其中，2016年為異常降雪年，無雪期持續(xù)至11 月，因此形變量最大，比其余兩年持續(xù)跨度長(zhǎng)約一個(gè)月.而2018 年整體形變較小，在3cm 之內(nèi)變化，地表活動(dòng)平緩.2021 年7 月時(shí)，該地區(qū)溫度極端寒冷，致使地表活動(dòng)層分離冰增大，地表抬升，出現(xiàn)抬升-沉降-抬升-沉降趨勢(shì)變化，最大沉降量達(dá)到-0.038m.

4 大氣水汽與土壤濕度時(shí)序分析

針對(duì)土壤濕度反演，由于缺少站點(diǎn)實(shí)測(cè)數(shù)據(jù)，故通過ISMN 獲取該地區(qū)少量有限土壤濕度實(shí)測(cè)數(shù)據(jù)，使用土壤濕度經(jīng)驗(yàn)?zāi)Ｐ头囱萃寥罎穸龋髿馑c土壤濕度變化趨勢(shì)如圖8 所示.

圖8 2013—2021 年無雪期大氣水汽與土壤濕度變化

土壤濕度變化與降雨存在直接關(guān)系，而復(fù)雜水汽分布與降雨存在相關(guān)關(guān)系[19]，因此土壤濕度在一定程度上能顯示大氣水汽的相對(duì)含量變化，但只能大致表示在變化趨勢(shì)而非幅度上.該區(qū)域無雪期水汽變化應(yīng)符合先上升后降低的趨勢(shì)，水汽在解凍期與凍結(jié)初期蒸騰作用明顯并且凍結(jié)期大氣干延遲較大，水汽逐漸降低.

由圖8 可知，該地區(qū)2013—2021 年間水汽化符合常規(guī)趨勢(shì)，水汽逐漸降低.，土壤濕度與大氣水汽保持相對(duì)滯滯后性變化趨勢(shì).水汽在積累后形成降雨并滯后作用于土壤濕度，土壤濕度在0.1~0.32cm3/cm3變動(dòng)，在解凍初期，由于積雪前期融化致使水汽和土壤濕度處于較高水平，隨后呈現(xiàn)動(dòng)態(tài)變化.在反演過程中，缺少實(shí)測(cè)數(shù)據(jù)致使無法驗(yàn)證多星反演相位精度，從而出現(xiàn)部分相對(duì)平緩集中的數(shù)據(jù).2013 年土壤濕度能夠較好的表示出水汽變化趨勢(shì)，對(duì)于水汽急劇增大或者降低的點(diǎn)，土壤濕度變化均能夠體現(xiàn).2014 年解凍期水汽逐漸增大，土壤水分持續(xù)積累在0.24cm3/cm3之上.2015 年土壤濕度變化比水汽變化更加敏感，在8 月初期水汽達(dá)到最大，隨后土壤濕度積累至最大0.242cm3/cm3后開始在凍結(jié)期下降.2016 年為全球氣候異常年，水汽出現(xiàn)高蒸騰現(xiàn)象，最高可達(dá)36mm，高溫使其部分?jǐn)?shù)據(jù)缺失以及土壤濕度整體處于較低水平.2017 年和2018 年解凍初期雪水當(dāng)量較多，土壤濕度從高逐漸降低，最終趨于0.16~0.23cm3/cm3之間，水汽大幅度增高，解凍期極為活躍，隨后在凍結(jié)期降低.2019 年水汽與土壤濕度響應(yīng)關(guān)系活躍，凍結(jié)期結(jié)束時(shí)水汽驟增導(dǎo)致土壤濕度相對(duì)2020 與2021 兩年部分?jǐn)?shù)據(jù)反演相位偏差較小，土壤濕度結(jié)果波動(dòng)性較小，維持約在0.23cm3/cm3.

5 結(jié)束語(yǔ)

本文利用地基GNSS 技術(shù)對(duì)2013—2021 年凍土區(qū)阿拉斯加巴羅地區(qū)的無雪期地表參數(shù)進(jìn)行了解譯，得到如下結(jié)論：反演該地區(qū)異常年份2016 年積雪深度，雪深反演數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)絕對(duì)系數(shù)R2為0.8155，RMSE 為0.0643，MAE 為0.0402.雪深偏差控制在2~7cm，具有較高的反演精度.

處理了2013—2021 年期間無雪期地表形變與土壤濕度，形變結(jié)果能夠較為明顯的表示出地表沉降/抬升趨勢(shì)，得到了每年沉降/抬升速率.同時(shí)解算同時(shí)段SG27 測(cè)站形變，其U 方向形變?cè)?mm 之內(nèi)，有效證明反演形變結(jié)果為凍土活動(dòng)層形變，而非測(cè)站本身變化導(dǎo)致.

選取距離SG27 測(cè)站約800km 的IGS 站FAIR測(cè)站，使用GAMIT/GLOBKE 軟件解算了該地區(qū)2013—2021 年無雪期大氣水汽分布，分析其與土壤濕度相關(guān)性.結(jié)果顯示：大氣水汽與土壤濕度存在較弱滯后性對(duì)應(yīng)關(guān)系，在水汽達(dá)到閾值時(shí)，土壤濕度在后一天發(fā)生增大/減小變化，大氣水汽在前一天存在相應(yīng)增大/減小趨勢(shì)，但僅表示在趨勢(shì)上而非幅度值.

地基GNSS 技術(shù)以其高精度等優(yōu)點(diǎn)，在凍土環(huán)境監(jiān)測(cè)領(lǐng)域存在巨大潛力，但目前仍舊存在以下現(xiàn)狀：

1)缺少站點(diǎn)土壤水分實(shí)測(cè)數(shù)據(jù)，無法保證反演結(jié)果的可靠性.雖然目前GNSS-R 關(guān)于土壤水分產(chǎn)品較多，但受分辨率、重訪周期等因素影響，缺失數(shù)據(jù)較多，同時(shí)精度可能滿足不了GNSS 高精度測(cè)量結(jié)果.

2)高度與方位角條件限制致使數(shù)據(jù)量過少時(shí)，地表形變反演中少量異常值會(huì)被當(dāng)成中值進(jìn)行保存，從而產(chǎn)生誤差.

針對(duì)上述問題，存在一些工作，如構(gòu)建融入氣象數(shù)據(jù)的機(jī)器學(xué)習(xí)插值方法，對(duì)實(shí)測(cè)土壤濕度缺失數(shù)據(jù)進(jìn)行合理插值；多系統(tǒng)多頻數(shù)據(jù)融合，構(gòu)建合理定權(quán)方法，從而求解合理可靠的反射值等.

致謝：感謝美國(guó)PBO 網(wǎng)站提供實(shí)驗(yàn)數(shù)據(jù).