GNSS 反射信號陸面遙感應用綜述

楊東凱，李杰

(北京航空航天大學,北京 100191)

0 引言

全球衛(wèi)星導航系統(tǒng)(GNSS)發(fā)展至今已有半個多世紀，已被廣泛應用于人民日常生活和生產實踐中.GNSS 提供的強大定位、測速以及授時能力大大改善了生產效率，也提升了人們日常出行的效率和安全度，日益增長的位置服務需求則進一步推動了GNSS 的完善和發(fā)展.對于北斗衛(wèi)星導航系統(tǒng)(BDS)，除定位、測速和授時外，其短報文功能還可以進行數(shù)據(jù)傳輸，在災害救援緊急情況下是已有通信系統(tǒng)的備份和補充[1].

GNSS 的核心是將無線電發(fā)射機置于衛(wèi)星平臺上，GNSS 衛(wèi)星軌道高度約為20 000～36 000 km.對于地面或近地球表面的用戶，接收到的無線電信號中除直射路徑的信號外，也可能包含來自用戶附近的地面或高樓大廈及其他目標的反射路徑信號.早在20 世紀80 年代有學者于海邊開展定位實驗，發(fā)現(xiàn)了海表面波浪、海風與接收機輸出信號之間的相關性，提出了利用反射信號進行海面遙感的想法，GNSS 反射信號遙感由此應運而生[2].

1993 年歐空局Martin Manuel 教授發(fā)表的一篇文章系統(tǒng)論述了GNSS 反射信號的應用[3]，之后該領域的研究便如雨后春筍般涌現(xiàn)出來，世界各地多家單位開展了地基、空基和星基試驗，并專門開發(fā)特定的接收機進行應用測試，領域逐步拓展至海洋、氣象、農業(yè)和環(huán)境探測等[4-7].

國內的研究最早始于科技部資助的863 計劃(2002AA639190)[8]，2003 年在北京航空航天大學電子信息工程學院導航團隊(現(xiàn)為定位導航和遙感應用實驗室，簡稱PNaRL 實驗室)的集中攻關下，成功研制了機載特定GNSS 反射信號接收機，并于2004 年在天津海域成功試飛.之后軟硬件歷經改版，飛行高度也由3 000 m升至5 000 m，并完成了大量地基、岸基應用試驗，相關成果于2012 年編輯成書，由國家科學技術專著出版基金資助，并由電子工業(yè)出版社出版[9].

文獻[10-12]分別較為全面地介紹了國內GNSS反射信號的發(fā)展概況.近年來國內相繼有很多學者整理研究成果成書出版，其中較有代表性的有文獻[13-17].

本文著重從GNSS 反射信號概念、特點和對地觀測應用的角度方面進行闡述.為了解GNSS 反射信號模型、接收機處理方法、挖掘應用提供初始參考，并根據(jù)國內外研究熱點方向和自身課題組的研究方向提出應用發(fā)展的一些思考.

1 GNSS 反射信號概念

1.1 GNSS 反射信號(GNSS-R)模型

GNSS 在距離地表2 000～20 000 km 的中軌地球軌道(MEO)，或在35 786 km 的地球同步軌道(GEO)發(fā)射右旋圓極化的電磁波，其載波頻率為L 波段(1 100～1 600 MHz)，帶寬有2 MHz、4 MHz、20 MHz和50 MHz 等，調制方式也有多種.搭載導航信號的電磁波經過地球表面反射后，電磁波的極化、幅值、頻率和相位等4 個特征參量會發(fā)生改變，且和直射信號有明顯的差異.分析直射信號和反射信號的差異依賴于反射信號的數(shù)學描述和接收機反射區(qū)及導航衛(wèi)星三者之間的幾何關系.

1.1.1 發(fā)射信號數(shù)學表達式

假設衛(wèi)星導航發(fā)射至地球表面的載波信號為

式中：A為 幅度；d(t) 為導航電文；c(t) 為 擴頻碼；ω 為載波中心頻率；φ0為初始相位.

同樣的，GNSS 接收機接收到的自地球表面的反射信號可寫為

式中：Ar為接收機天線處反射信號的幅度，和A相比增加了地球表面的吸收和自地面至接收機的自由空間衰減，可表示為

式中：fa為幅度函數(shù)；h為接收機天線至地球反射表面的高度；β 為反射系數(shù).

ωr為反射信號至接收機天線處的頻率，可建立如下的關系：

式中：fω為頻率函數(shù)；vr為接收機的速度.

φr0為反射信號至接收機天線處的初相位，與φ0關系可表示為

式中，fφ為相位函數(shù).

由式(3)～(5)可知，接收機中用于接收反射信號的天線與反射面的垂直距離(高度)h對幅度、頻率和相位三者均有影響.

因導航電文數(shù)據(jù)率較低，式(2)中dr(t) 的處理相對較為簡單，此處不作詳細討論.對于cr(t) 的處理，其關系式和式(4)類似，為

式中，fc為擴頻碼函數(shù).

1.1.2 反射信號傳播幾何關系

GNSS 信號以視距(LoS)可見路線自衛(wèi)星傳播至接收機.反射信號的反射面和接收機也要保持在可視空間內，確保接收到的反射信號中僅有特定反射面的物理狀態(tài)信息.簡化的GNSS 反射信號幾何關系如圖1 所示.

圖1 簡化的GNSS 反射信號幾何關系

圖中，Sat1 和Sat2 表示衛(wèi)星導航，Rec 表示接收機，P為地球表面任一反射點，Rd為導航衛(wèi)星至接收機的直線距離，Rr1為導航衛(wèi)星至反射點的直線距離，Rr2為反射點至接收機的直線距離.顯然，利用Rd、Rr1和Rr2三者之間的幾何關系即可由衛(wèi)星導航位置、接收機位置確定反射點的位置.

由于地球為橢球形，其表面并非平面，地球曲率的影響對GNSS 反射信號幾何關系的描述和求解要計入在內，尤其是對于星載情況，GNSS 接收機位于幾百千米高度的低軌衛(wèi)星上需重點考慮.

另外，還需特別強調，若導航衛(wèi)星相對反射點P位于接收機Rec 同側(Sat2)，則收到的反射信號為后向信號；相對反射點P位于接收機異側的導航衛(wèi)星反射信號為前向信號.

1.2 GNSS-R 特點

1.2.1 極化反轉特性

衛(wèi)星導航發(fā)射的信號極化特性為右旋圓極化，可分解為垂直和水平兩個線極化分量.經地球表面反射后，部分電磁波的極化特性變?yōu)樽笮龍A極化，即GNSS 信號的極化特性變?yōu)闄E圓極化，具體各分量的比例構成則和信號的入射角(或導航衛(wèi)星的高度角)有關.圖2 為衛(wèi)星高度角為0°～90°時反射信號不同極化分量的反射系數(shù)模值示意圖，反射系數(shù)越高表示其所占比例越大，其中反射面為平坦的土壤表面.

圖2 不同極化分量反射系數(shù)模值隨衛(wèi)星高度角變化

在具體的應用場景中，反射信號中左旋圓極化和右旋圓極化分量將呈現(xiàn)不同的比例，比例值和反射面的材質、含水量以及粗糙程度均有一定的關系.

1.2.2 幅度衰減特性

假定導航衛(wèi)星發(fā)射至地球表面的信號功率為Ps，經過反射后接收機收到的功率為Pr(包含接收機天線的增益)，則表面反射時的信號衰減以及反射后的路徑傳輸衰減可等效為一個“黑盒”系統(tǒng)來分析，如圖3所示.

圖3 GNSS-R 信號的功率衰減模型

由Ps到Pr的功率衰減系統(tǒng)傳輸函數(shù)可表示為

式中：功率Ps和衛(wèi)星導航與反射面的距離有關；Pr和反射面的介電特性、與接收機的距離以及天線增益有關.一般情況下，隨著接收機與反射面的距離不同，需要配置的天線增益也不同，距離越遠需要的天線增益越大.

GNSS 信號的幅度隨衛(wèi)星高度角改變，一般用功率來衡量，即能量的時間平均效應用來表征信號幅度的變化特點.進一步由式(7)可得：

式中：α 反映自反射面至接收機直線距離的信號衰減程度；β 為反射面的反射系數(shù)，反映其對L 波段電磁波的衰減程度；G為接收反射信號的天線增益.在圖3 所示模型中，β 參數(shù)包含了地球表面反射面的物理特性，是求解的核心.此處需要指出的是，GNSS-R應用是非合作的，故本文不對GNSS-R 天線的增益作分析.

1.2.3 時間延遲特性

GNSS-R 的另一個關鍵特性是時間延遲特性，這是除能量衰減的另一個最為直觀、簡單的觀測量.作為基于測時測距的導航定位系統(tǒng)，GNSS-R 和直射信號之間的傳播時間延遲量比較容易計算，不管是利用前向散射還是后向散射，測量時間延遲的幾何關系均由圖4 實現(xiàn).為方便分析和闡述，圖4 假設地球表面為平面，繪制前向散射的幾何關系示意圖，并標注各個距離量和觀測角度.

圖4 地球表面為平面情況下的前向散射幾何關系示意圖

圖4 中 θ 為地球表面鏡面反射點處的衛(wèi)星導航高度角.由于衛(wèi)星導航離地球的距離遠遠大于鏡面反射點和接收機間的距離，接收機天線和地面鏡面反射點接收到的導航信號電磁波束可視為相互平行.假定接收機反射天線與實際發(fā)射面的垂直距離(高度)為h，則有

注意，圖4 中GNSS-R 接收機的天線視為一個點，即直射天線和反射天線之間的間隔忽略.在實際工程應用中，直射和反射天線之間的間隔固定，可通過幾何方法消除影響.式(9)中，(r1+r2) 為反射信號的傳播距離，需要特定的開環(huán)接收處理方法求解[18].直射信號的傳播距離d用傳統(tǒng)的GNSS 接收機處理方法即可獲得.

當GNSS-R 接收機安裝在低軌衛(wèi)星上時，鏡面反射點的計算要復雜一些[19]，地球模型也要考慮曲率的影響，但是其電磁波的傳播時延獲取方法和式(9)仍然類似，只是各個觀測量需要重新界定.

1.2.4 干涉特性

當來自相同發(fā)射源的兩個波束以不同的傳播距離到達同一點時會發(fā)生干涉現(xiàn)象，而干涉條紋的特征和兩個波束的距離差有關.對于地基情況，當僅使用右旋圓極化的導航天線時，GNSS 直射信號到達接收機天線與經地面反射后再到達接收天線后在頻率上幾乎沒有差別，則會產生干涉.GNSS 直射和反射信號或相互加強，或相互減弱，形成隨衛(wèi)星高度角變化的振蕩.如圖5 所示為GPS 32 號衛(wèi)星高度角變化時地面固定接收天線所收到的信號干涉效果示意圖.

圖5 衛(wèi)星導航信號干涉效果示意圖

圖5 中，橫軸為衛(wèi)星導航高度角，縱軸為載噪比(CNR)數(shù)據(jù).很明顯，CNR 數(shù)據(jù)呈現(xiàn)類似正弦函數(shù)的波形變化.從此波形中提取的頻率、幅值或者相位信息則可用于求解地面物理特性，如土壤濕度；也可以用于求解接收天線離地面的垂直高度，從而獲得反射面的高度，也包括植被的高度、積雪深度等參量.

在通用的GNSS 接收機中，若滿足一定的條件，則右旋圓極化天線收到的信號中必定包含附近地面反射的信號.無論反射信號的極化特性如何，當其能量足以和直射信號發(fā)生干涉時，干涉特性就可以在GNSS-R 遙感中應用.

2 GNSS-R 陸面遙感應用

2.1 土壤濕度反演

雙天線GNSS-R 進行土壤濕度的反演首先分別采集直射和經過土壤反射的GNSS 信號，并建立直射和反射信號的相干特征量和土壤介電常數(shù)的關系，進一步反演土壤濕度.

2000 年，Zavorotny 等[20]利用土壤介電常數(shù)模型和雙基散射模型對粗糙地表散射的GPS 信號進行了仿真分析.仿真得到的GPS 信號相關功率對土壤濕度敏感，可以用來提取土壤介電常數(shù)，進而反演土壤濕度.此外，該技術還可以在機載和星載平臺上進行土壤濕度遙感.2008 年，Li 等[21]提出了一種基于GPS 雙基地雷達方法測量海灘土壤水分的方法.該方法的核心在于用微弱信號CNR 的最大后驗概率估計來提高CNR 估計的準確度，實驗結果驗證了該方法的可行性.而后，嚴頌華等[22]在介紹L 波段土壤介電常數(shù)模型的基礎上，結合基于電磁散射幾何光學近似模型的歸一化反射功率、入射角以及介電常數(shù)的關系，開展了短期地基驗證實驗，反演得到的土壤濕度平均值與實測值相對誤差為6%.2018 年，楊磊[23]建立了土壤粗糙度修正模型，并構建了修正地表粗糙度影響的雙天線模式GNSS-R 土壤濕度反演的解析模型和基于人工神經網(wǎng)絡的模型.仿真結果表明，當土壤粗糙度超過0.01 m 時，對粗糙度的修正是非常必要的.2023 年，Dong 等[24]通過tau-omega 模型修正了土壤粗糙度和植被對土壤濕度測量的影響.經過校正后，在植被覆蓋下的土壤濕度測量精度得到了明顯的提升，測量的分辨率可以達到0.046 cm3/cm3.

利用GNSS 干涉反射測量(GNSS-IR)也可以進行土壤濕度的反演.2008 年，Larson 等[25]提出利用GNSS 干涉信號進行土壤濕度測量的方法.他們發(fā)現(xiàn)在土壤表面相對平坦、天線架設高度較低的情況下，直反射信號間的頻率近似相等、相位差也相對恒定，在GNSS 天線處會形成穩(wěn)定的干涉信號.而后，各國學者展開利用GNSS 干涉信號進行土壤濕度反演的研究.Larson 團隊還自行組建了一些類似板塊邊界觀測(PBO)觀測站的站點，并配備了相應的土壤濕度探測儀.2018 年，Han 等[26]提出了一種利用半經驗模型擬合干涉信號的方法，從信噪比(SNR)數(shù)據(jù)中重建了直射信號和反射信號，進一步提升了土壤濕度的反演精度.2020 年，Hong 等[27]提出了一種利用GNSS偽干涉反射法(GNSS-PIR)測量土壤濕度的方法.他們將右旋圓極化天線接收到的信號與左旋圓極化天線接收到的信號相結合，形成振蕩CNR 波形，模擬了GNSS-R 的干涉特性，最終證明了GNSS-PIR 測量精度高于傳統(tǒng)GNSS-IR.

除了傳統(tǒng)的方法，利用GNSS 信號透射進入土壤時的特征參量變化情況也可以測量土壤濕度.2016 年，Koch 等[28]利用GPS 信號穿透土壤時的功率衰減進行了土壤濕度的反演可行性，證明了GPS 信號功率衰減的程度與土壤濕度有很強的相關性.2020 年，漢牟田等[29]使用兩個相同規(guī)格的GNSS 天線，其中一個埋入土壤內部，另外一個放在開闊空間，并且不斷改變土壤的厚度和濕度進行實驗.結果表明，土壤的濕度值與厚度值越大，GNSS 透射信號功率衰減越嚴重.2022 年，李杰等[30]建立了GNSS-R 信號穿透土壤深度與土壤濕度的關系，并利用傳統(tǒng)GNSS 反射信號測高原理計算出信號穿透土壤的深度，從而實現(xiàn)了土壤濕度的反演.同時，他們利用歸一化植被指數(shù)(NDV1)對測量結果進行了修正，進一步提高了反演的精度.

2.2 植被含水量反演

植被在水土保持中起著重要作用，與氣候、碳平衡和土壤肥力等自然因素密切相關[31].歸一化植被指數(shù)(NDVI)是一個廣泛使用的區(qū)域植物生長和空間分布密度指標[32].然而，通過大規(guī)模NDVI 很難獲得短期的、高分辨率的植被密度和生長情況.由于L 波段信號的波長較長，容易穿透植被，而這種穿透與植被覆蓋密度和生長狀態(tài)有關，因此反射的L 波段信號由植被冠層和土壤表面反射信號分量組成.隨著植被覆蓋密度的增加，植被反射的信號分量增加，土壤表面反射的信號分量減少.因此，植被密度會影響L 波段信號的反射率，所以L 波段反射信號可以用來測量植被密度和生長.

2014 年，Larson 等[4]使用GNSS 反射信號的歸一化微波反射指數(shù)(NMRI)來估計植被含水量，并使用PBO 網(wǎng)絡的數(shù)據(jù)進行了驗證.首先計算出L1 和L2 波段的多路徑誤差，結果表明多路徑誤差幾乎不受電離層的影響，且發(fā)現(xiàn)NMRI和NDVI 具有很好的正相關特性.2016 年，Chen 等[33]采用定制的偶極子天線采集GNSS-IR 信號，并在美國科羅拉多州博爾德市進行了植被含水量的反演實驗，在利用雙天線GNSS-R 進行植被遙感方面取得了大量的成果.2019 年，Eroglu 等[34]基于相干雙基地植被散射模型(SCoBi-Veg)模擬了玉米在整個生長季節(jié)下不同土壤濕度、植被含水量和表面粗糙度下的GNSS-R 特征.同年，Yang 等[35]證明了利用BDS SNR 數(shù)據(jù)測量土壤濕度、植被含水量和積雪深度等方面的潛力.研究了BDS 干涉SNR 的相位、幅值和有效反射面的高度與同比的地表參數(shù)的相關性.結果表明，BDS 的B1 和B2 兩個頻率都可以較好地反應植被含水量的波動，并且對于植被高度，B2 信號比B1 信號能提供更好的測量效果.

在陸面遙感應用中，土壤和植被測量的相互影響往往不可忽略.部分學者研究了土壤表面和植被冠層反射信號的特征差異，建立了考慮土壤濕度的植被含水量反演模型.2017 年，Zhang 等[36]提出了基于SNR優(yōu)勢頻率的植被高度反演算法.實驗結果表明，當歸一化SNR 低于0.78 時，可以將土壤表面反射的GNSS信號視為優(yōu)勢信號；相反的，則植被冠層成為優(yōu)勢反射面.2022 年，Li 等[37]將土壤濕度作為先驗條件，建立了GNSS 信號反射率的修正模型，并利用PBO 站點的數(shù)據(jù)進行了驗證，結果表明，對于平坦的地形，模型可以更好反演植被的生長狀態(tài)；但對于崎嶇的山地和大雪覆蓋的情況，利用土壤濕度修正的效果較低.

此外利用GNSS 信號的極化特性也可以進行植被含水量和土壤濕度的同時測量.2021 年，Wu 等[38]采用一階輻射傳遞方程模型，根據(jù)波合成技術建立模型，得到各種極化組合.他們采用該模型模擬了所有潛在的機會源信號的反射波段，即圓極化和線性極化的P 波段、L 波段、C 波段和X 波段的雙基地散射模型，并建立了土壤濕度、土壤粗糙度、植被含水量等地表參數(shù)與雙基地雷達截面之間的關系.

同樣的，利用GNSS 信號穿透植被后特征參量的變化也可以進行植被含水量的反演.早在2012 年，Alvarez 等[39]在一片核桃樹林里進行了實驗，在樹下和露天的位置分別放置了兩個相同的GNSS 天線.結果表明，功率衰減可以有效地提取植被葉片含水量信息，也是GNSS 透射信號測量植被含水量的萌芽.而后，Guerriero 等[40]提出了一種利用晴朗天空和植被冠層下兩個相同規(guī)格右旋圓極化天線采集的GNSS直接信號提取森林信息的方法.他們對三個生物量不同的楊樹林進行了一項實驗，以驗證利用GNSS 信號衰減反演植被狀態(tài)的可行性.結果表明，在冠層下采集的信號相對于開闊天空采集的信號會受到植被衰減和去極化的影響，證明了直接視距傳播和體積散射對信號的幅值及其時間波動都有影響.雖然實驗數(shù)據(jù)集的大小和環(huán)境條件有限，但兩種反演算法也得到了令人鼓舞的測量結果.Camps 等[41]從衰減和去極化兩個方面分析了植被對GPS L1 C/A 信號的影響.該團隊在森林中安裝了雙極化的天線，GNSS 接收機采用COTS GPS 接收器，用于收集CNR 數(shù)據(jù)，安裝時間超過一年.將采集的CNR 數(shù)據(jù)與NDVI 進行了對比，結果表明兩者的相關性很高.實驗結果還表明，在衛(wèi)星仰角接近50°的時候去極化的效應最顯著.還研究了tao-omega 模型補償植被的效果，發(fā)現(xiàn)在衛(wèi)星仰角較低的時候該模型與NDVI 無關.2022 年，Li 等[42]利用單天線透射信號功率衰減測量了玉米葉片的含水量.他們根據(jù)玉米生長周期，選擇葉片開始覆蓋GNSS 天線的時間作為基準.實驗結果表明，單天線也可以進行玉米葉片含水量的測量，其相關系數(shù)達到了0.92.

2.3 雪深測量

積雪是冰凍圈中覆蓋范圍最廣、最活躍的要素，按照積雪存在的時間，可以分為永久積雪和季節(jié)積雪[43].2008 年，Jacobson[44]首先提出了利用GPS反射信號進行積雪深度的測量，驗證了GNSS 在積雪測量中的潛力.同年，Larson 等[45]利用這項研究使用了單個的用于抑制反射的右旋圓極化GNSS 天線，首次證明了GNSS 干涉信號可以進行積雪深度的測量.2013 年，Nievinski 等[46-47]在積雪場地進行了長期實驗，結果表明評估得出的相關性為0.98，對于觀測到的雪深達2.5 m 時，均方根誤差(RMSE)為6～8 cm.2014 年，Boniface 等[48]利用PBO 的數(shù)據(jù)進行了GNSS-IR 反演雪深的驗證.他們對100 多個PBO 站點的數(shù)據(jù)進行驗證，結果表明，超過80%的站點反演的雪深均與積雪監(jiān)測站的數(shù)據(jù)有著較好的相關性.2018 年，鄭中天[49]針對GPS-IR 反演雪深中存在的系統(tǒng)偏差和跳變問題，提出了一種基于GA-BP 神經網(wǎng)絡優(yōu)化的方法.通過調整GA-BP 的參數(shù)，反演和同位測量的雪深相關性達到了0.95，證明了利用GA-BP模型對GPS-IR 反演雪深進行修正的可行性.2021年，彭繼輪[50]設計了一種基于GNSS-IR 測量積雪深度的軟件，該軟件提供數(shù)據(jù)質量檢查、反射點軌跡和菲涅耳區(qū)域的映射、干擾信號的可視化和光譜分析，以及基于SNR 和時空載波相位觀測的雪深估計.同年，李政[51]將快速傅里葉變換(FFT)頻譜分析與非線性最小二乘擬合引入Lomb-Scargle Periodogram(LSP)頻譜分析中，建立了更加精確的雪深反演模型；并定量分析了地面傾斜度對反演精度的影響，將反演精度提高了11.6%.2022 年，陳亮宇等[52]借鑒零基線模式，在中國北極黃河站進行了GNSS 干涉信號雪深反演實驗，探討并研究了GNSS 接收機的測量精度對積雪深度反演的影響.他們使用兩個不同規(guī)格的接收機采集三個不同頻點的GNSS 信號進行雪深反演，反演的結果存在一定的差異，尤其是當積雪深度變化較大時，差異更加明顯.

使用GNSS-R 技術也可以進行積雪深度的反演.2012 年，Gutmann 等[53]在美國科羅拉多州進行了GNSS-R 的雪深測量實驗.他們采用激光雪深深度探測系統(tǒng)進行同位數(shù)據(jù)的測量，并且采用人工測量的方式同步進行測量.結果表明，利用GNSS-R 用于積雪深度測量在測量精度和數(shù)據(jù)連續(xù)性上有著很大的優(yōu)勢.2015 年，邵禮明等[54]分析了GNSS-R 測量干雪的可行性，他們分析了歐空局在南極洲收集的干雪實驗數(shù)據(jù)，結果表明干雪深度分別約為10 m、85 m、135 m、225 m 時的反射信號可以在頻譜上形成明顯的峰值.2016 年，張雙成等[55]基于GPS-MR 測雪原理，分別分析了利用單顆和多顆GPS 衛(wèi)星的雪深測量精度.結果表明，基于SNR 觀測值的GPS-MR 技術在暴雪監(jiān)測中有著較高的精度.2019 年，黃良珂等[56]分析了利用GPS L5 信號反演雪深的可行性，發(fā)現(xiàn)利用GPS L5 信號測量精度要明顯高于GPS L1 信號.2022 年，張志等[57]構建了一種融合VMD 算法的多星GNSS-MR 雪深反演模型，與傳統(tǒng)的二階多項式擬合模型相比較，反演值與實測值的RMSE 降低了近50%，相關系數(shù)高達0.98.2023 年，Zhang 等[58]分析了由于信號穿透導致的雪深測量誤差，并提供了系統(tǒng)負誤差的物理解釋，確定了雪深差和SNR 指標的基線和短期變化，并研究了它們在不同雪期的關系.結果表明：穩(wěn)定期和融化期的系統(tǒng)負誤差和SNR 指標分別以降雪的層狀結構和液態(tài)水含量為主.

2.4 陸表水體識別

GNSS-R 遙感在水體識別上的研究起步較晚，并且地基GNSS-R 技術測量的區(qū)域受限.基于GNSS-R的陸表水體識別往往使用機載和星載的方式，2018 年，Chew 等[59]基于CYGNSS 數(shù)據(jù)繪制了較高分辨率的地表洪水分布圖，對比SMAP 得到的結果，利用CYGNSS 可以有效地提高洪水分布測量的時空分辨率和更加清晰的飽和度.寧美玲[60]分析了在不同環(huán)境下GNSS 信號受影響的情況，對地面異常情況進行了識別.2020 年，Lowe 等[61]在德克薩斯州卡多湖上空進行了一次飛行實驗，來測量植被覆蓋下的土壤濕度.實驗過程中發(fā)現(xiàn)，湖泊和河流反射的GNSS信號反射率更高、相干分量更多.證明了采用機載GNSS-R 進行陸表水體識別的可能性.由于機載實驗要求較高，各國學者將目光投向了星載實驗.2021年，Marzi 等[62]通過CYGNSS 衛(wèi)星的DDM 創(chuàng)建了動態(tài)的陸表水體掩膜，將Pekel 水體掩膜作為同位數(shù)據(jù)，結果表明，水體的識別率達到了80%.2022 年，陳璞等[63]提取地表反射率參數(shù)作為特征值，建立了信號反射模型和洪水模型的關系.結果表明，通過GNSS-R 對洪水有較強的敏感性，可用于進行洪水探測.同年，Wang 等[64]提出了一種利用CY-GNSS-R提供的延遲多普勒圖(DDM)測量來繪制內陸水體的新方法，結果表明，與參考光學水掩模相比，亞馬遜盆地整體檢測精度為94.48%，水檢測精度為92.23%.Morris 等[65]開發(fā)了以概率方式表示來自CYGNSS觀測的信息的方法，并使用一個邏輯回歸模型來估計CYGNSS 觀測的地表水概率，獲得了較好的識別效果.Yan 等[66]基于GA-LinkNet 進行了內陸水域的繪制，并使用CYGNSS 的數(shù)據(jù)進行驗證，結果表明對水體覆蓋率較高的區(qū)域繪制更加精準.

2.5 河流遙感

利用GNSS-R 進行河流邊界探測是近幾年的一個新的研究方向，學者們進行了相關的仿真和實驗，驗證了該項技術的可行性.

白偉華等[67]首次開展了機載河流GNSS-R 遙感.他們利用GPS 雙頻差分定位進行了河流表面的測高，并且通過從GNSS-R 的殘差相位中提取出來河流流速，反演的流速與浮標測量的流速相差0.027 1 m/s.趙丹陽等[68]在黃河流域進行了GNSS-R 機載試驗，對鏡面反射點處的反射率數(shù)據(jù)進行了分析.結果表明，當?shù)谝环颇鶢柗瓷鋮^(qū)落到河流表面的面積越大，GNSS-R 接收功率越強，更加適合河流高度測量.Phuong 等[69]通過地基實驗介紹了GNSS 反射計在監(jiān)測湄公河三角洲水位方面的潛力，研究了河流潮汐測量應用.實驗結果表明，同比測量的河流高度和GNSS 反射計測量結果具有良好的一致性，相關性達到了0.85.Li 等[70]分析了河流和地面的CYGNSS 數(shù)據(jù)，發(fā)現(xiàn)河流表面會有更多的相干反射分量，證明了利用GNSS-R 進行河流邊界探測的可能性.同年，Warnock 等[71]分析了密西西比州南部帕斯卡古拉河的CYGNSS 反射信號，結果表明，從CYGNSS 得出的河寬測量與觀測到的流量高度相關.Zeiger 等[72]利用GNSS 干涉信號在狹窄河流上的不對稱潮汐檢索水位高度.通過去除Lomb-Scargle 周期圖輸出中的多峰和輸出高度的迭代最小二乘估計以降低GNSS 反射信號中的噪聲影響.實驗結果表明，測量的河流高度與實際高度相關性可以達到0.99.王峰等[73]從幾何構型和理論模型兩個角度探究了GNSSIR 提取河流邊界和測量河流水位的可行性.他們定義了對河流邊界敏感的反-直比和時延變換率兩個觀測量，通過仿真分析證明了兩個觀測量對河流邊界的敏感性.

3 結束語

本文針對GNSS-R 在陸面遙感中的應用進行了綜述.首先給出了直射和反射信號的特征參數(shù)，接著介紹了國內外GNSS-R 在土壤濕度反演、植被含水量反演、雪深測量、陸表水體識別和河流遙感中的應用現(xiàn)狀.

未來的GNSS-R 發(fā)展，主要圍繞以下四個方面：

1)雙天線模式與單天線模式復用，在雙天線GNSS 設備中采集單天線干涉信號.此外，通過人為疊加雙天線接收到的直射和反射信號，形成干涉信號，用于反演陸表參數(shù).

2)挖掘搭載GNSS 信號的電磁波特征，深入研究電磁波在不同電介質中的傳播模型.通過分析信號在反射面的電磁特性變化特性，推測反射面的物理特征.

3) GNSS-R 遙感與輻射計的集成.GNSS-R 可以彌補輻射計在沒有太陽光時測量精度低的問題，而輻射計可以提升GNSS-R 在測量有植被覆蓋的土壤濕度測量可靠性.

4)構建天空地一體化反演模式，通過大數(shù)據(jù)、系統(tǒng)處理為實現(xiàn)碳中和、高效水循環(huán)以及促進可持續(xù)發(fā)展起到重要的作用.