星基GNSS反射信号遥感地表参数研究现状与展望

张怡铃 钱佳辉 刘思瑶 魏浩翰

摘 要：由于新一代全球导航卫星系统（GNSS）的发展与完善，随之产生的GNSS-R技术，其研究平台经历从地基、空基到星基的转变，极大地提高了反演的时空分辨率。

关键词：GNSS; 星基; 地表参数反演

中图分类号：P237        文献标识码：A          文章编号：1006-3315（2021）10-081-002

全球导航卫星系统（Global Navigation Satellite System，GNSS），也被称作全球卫星导航系统，包括了中国的北斗卫星导航系统（BDS）、欧盟的伽利略卫星导航系统（GALILEO），和各居全球首大和第二大的美国的全球定位系统（GPS）和俄罗斯格洛纳斯系统（GLONASS），以及区域导航系统，如印度区域导航卫星（IRNSS）和日本准天顶卫星系统（QZSS）。可持续发射L波段信号，具有低成本、广覆盖、全天候的特点。在定位导航、大地测量、地震监测和气象授时（PNT）等方面应用广泛。随着各星座和观测站的增加，利用GNSS卫星表面反射信号进行遥感的技术GNSS-R（Global Navigation Satellite System-Refectometory），得到了进度可观的发展。

1993年欧空局提出GPS反射测量的概念，利用由接收机接收的地表直射与反射信号的延迟来进行干涉测量。2003年英国首个基于星载的观测计划——UK-DMC，成功接收到了地表的反射信号。从此，GNSS-R由海洋应用过渡到了陆地遥感。2014年，英国萨利卫星科技公司建立的增强型星载传感器，开启了星载遥测的服务。2018年，美国的CYGNSS卫星（Cyclone Global Navigation Satellite System）也搭载了星载传感器。除了提供L1C/A码的反射信号和相应的DDM（Doppler Delay Maps）以外，更首次探测和记录到GPS L2的反射信号。这项计划标示着GNSS的星载计划走向成熟。

1.星载GNSS反射测量原理

星载GNSS-R遥感技术本质上是一种基于双基雷达的L波段微波遥感技术，它采用特制的星载接收机，由上下两个天线分别接受GNSS 测量的直射信号和经地表镜面反射的信号;利用直射和反射信号功率波形函数之间的相关性，可测得反射波形与直射波形的时间延迟。进而估算出地表特征参数。

由于GNSS反射测量系统中GNSS卫星和星载接收机的相对位置实时变化，因此需要进一步了解GNSS反射测量的几何关系。首先得确定反射区域里信号传播延迟路径最短的理论反射点，即镜面反射点。再将三者放置在同一平面内，建立三维坐标系。图1中，原点O为镜面反射点，G为地心，XOY平面为地球切面，Re为地球半径，Rr、Rg分别为接收机和GNSS卫星到镜面反射点的距离，hr、hg分别为接收机和GNSS卫星到地球参考椭球面的距离，θ为GNSS卫星与Z轴夹角，即直射信号的入射角。根据镜面反射点、GNSS卫星和星载接收机的位置关系，即可确定GNSS-R几何结构中的其它参数。

当卫星信号传到地表时，XOY会在平面形成多个不同的反射区，其中围绕镜面反射点的第一菲涅尔反射区是功率贡献的主要区域。伴随着GNSS卫星和接收机的实时运动，反射信号表现为不同时延和多普勒信号的叠加，利用反射信号时延多普勒二维相关功率的关系，进行相关处理即可得到时延和多普勒频移的DDM函数。DDM函数表达式为^[1]

式中，Ti为相干积分时间，λ为卫星发射信号波长，Pt为卫星发射信号功率，Gt为卫星发射天线增增益，Gr为反射信号接收天线增益，Rt和Rr分别为卫星发射机与信号接收天线与镜面反射点的距离，τ表示时延，f表示多普勒频移，Λ（τ）为GPS GRN的自相关函数，sinc（f）为多普勒频移函数，σo为表面A单位面积的散射系数。

2.GNSS-R地表参数研究现状

2.1土壤湿度

最早的土壤湿度监测依赖于地面的GPS反射信号。其中除了土壤含水量，还包含有介质常数、地表粗糙度和植被覆盖率等方面的信息。2000年，ZAVOROTNY V U等^[2]沿用Z-V模型以进行土壤湿度的相关系数测量，地面粗糙度给反射信号的波形尾部带来精度上不可避免的影响。于是特制双天线模式的接收机，利用其接收到的反射信号来反演土壤湿度的构想随之产生。2018年，Chew从CYGNSS数据中确定了土壤水分监测的完整一致性^[3]。但在這篇文献中，观察角没有经过特殊处理。将得到的CYGNSS的SNR数据，与2017年3月至2018年2月的SMAP土壤水分数据进行比对，发现CYGNSS的反射率与SMAP土壤水分产品之间为很近似的线性正相关。另外作者还建立了CYGNSS和SMAP数据之间的线性回归模型。

国内针对星载的研究也在逐年增加。易浠等^[4]通过TDS-1卫星产品得到了反射信号功率Pr，并以SMAP数据进行了皮尔森相关分析。经平滑处理去除噪声，发现Pr和土壤湿度有较强的相关性（R=0.71）。在董州楠等^[12]基于CYGNSS土地观测中的相干和非相干DDM，根据散射功率在海洋上的散步形状和幅度特征，建立了六个不同的分类估计器，用以筛选以陆地高置信度相干成分为主的DDM。严清赟、金双根等人^[5]又通过考察2018年及2020年的数据，基于SMAP数据的对比验证，证实了CYGNSS可作为一种新型且独立的泛热带土壤水分与植被光学厚度反演手段。

2.2洪水淹没区

洪水即河流、湖泊等水体水位猛涨超出一定界限，对周围地区产生安全威胁，造成灾害的水流。其破坏力大，破坏范围广，持续时间长。其成因主要是暴雨、风暴潮、急剧的冰雪消融等。为了减少洪水暴发的危害，提高灾后响应速度，对洪水的监测就显得尤为重要。目前已有通过定义阈值，利用光学传感器对水体进行监测，进而对洪水位进行评估的方法。但是光学遥感有一定的局限性，在夜间或在恶劣的天气条件下，分辨率不高。而利用无源或有源微波卫星可以在任何天气条件下运行，能极大提供高空间分辨率。

Mahmoud Rajabi^[6]利用CYGNSS数据对伊朗Sistan和 Baluchestan两省2020年暴雨引发的洪水进行检测。结果显示研究区域中被淹没的区域和未被淹没的区域之间的阈值可以区分为大约11 dB或更高，说明星载GNSS-R观测的高敏感性和该技术对洪水监测的可行性。图2展示了CYGNSS测量对该区域的洪水检测能力，其中SNR大于11dB的为淹没区域。

Chew^[7]利用旋风全球导航卫星系统CYGNSS数据对2017年大西洋飓风季节的洪水泛滥进行了研究，采用阈值技术确定CYGNSS数据衍生的表面反射率（SR）以识别淹没区和非淹没区，通过分析了SR在飓风前后平均水平的时间变化，量化洪灾持续时间，绘制出受灾区的地表淹没图，结果证明与SMAP等辐射仪相比，CYGNSS数据具有更高的时空分辨率，能提供土地表面饱和度和淹没程度的清晰信号。

2.3积雪深度

文献^[8]对中国东北林区的雪深情况进行了估算，将降雪特性和森林的透射率输入到分层积雪的微波发射模型中，建立了动态查找表，可从卫星遥感数据中检索雪深数据。经过与多个气象站的雪深观测数据对比验证，结果表明，检索的雪深值和实测雪深之间的偏差很小，均方根误差（RMSE）在森林地区约为6cm，在非森林地区为4cm，说明了基于动态查找表的积雪深度检索算法的可行性。范昕桐^[9]也选取了中国东北地区为研究区域，同时采用FY3B气象卫星的GNSS反射信号配合气象站点实测雪深数据和MODIS 光学遥感数据，验证了雪深反演的准确性。文献^[10]创新性地引入深度学习网络（DBN模型），利用卫星观测值、现场数据以及GNSS-R 的估计值，建立亮度温度（Tb）和积雪深度（SD）之间的关系，结果发现该方法与传统的神经网络模型和线性方法相比，SD反演精度更高，具有更强的非线性表达能力。

3.展望

GNSS-R作为一种新兴的卫星导航和遥感的交叉学科，随着技术的积累，研究平台的丰富，其研究方法及理论体系逐渐完备。与传统的单点测量相比，星基遥感有更高的时空分辨率，更优异的适应性和稳定性，为地表参数反演提供了一件有效的工具。然而星基遥感具有一定的局限性，其精度易受地表粗糙度、植被覆盖率、地形等因素影响。通过对多领域的交叉研究，诸如水文、农业等，星基遥感的应用范围将更广泛。融入先进的计算机算法，GNSS-R技术将趋向智能化、自动化。这对洪涝灾害的监测、农业旱情的预警、植被生态的防护具有重要意义，也符合十四五规划所提出的要求。要贯彻绿水青山就是金山银山理念，落实山水林田湖草系统治理，守住自然生态安全边界。未来随着GNSS-R遥感研究的突破，发射卫星数量的增加，反演模型的改良，地表反演研究必然会取得更好的进展。

项目来源：江苏省测绘地理信息科研项目“基于JSCORS多源数据融合监测近地空间水环境参数”（编号JSCHKY201903）;江苏省高等学校大学生创新创业训练计划项目（项目编号：202010298038Z，项目名称：利用北斗/GPS反射信号监测湿地变化）

参考文献：

[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，严颂华，陈华丽，田茂.星载卫星导航反射信号与土壤湿度的时空相关性分析[J]科学技术与工程，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]严清赟，金双根，黄为民，贾燕，魏思远.基于CyGNSS数据的土壤水分与植被光学厚度反演研究[J/OL].南京信息工程大学学报（自然科学版）：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.基于星载被动微波遥感数据的中国东北地区积雪深度反演研究[D].吉林：吉林大学，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：张怡铃，1996年生，女，本科，研究方向：GNSS反射信号遥感。通讯作者简介：魏浩翰，男，博士，副教授，研究方向为卫星对地观测。