星基GNSS反射信號遙感地表參數研究現狀與展望

張怡鈴 錢佳輝 劉思瑤 魏浩翰

摘 要：由于新一代全球導航衛星系統（GNSS）的發展與完善，隨之產生的GNSS-R技術，其研究平臺經歷從地基、空基到星基的轉變，極大地提高了反演的時空分辨率。

關鍵詞：GNSS; 星基; 地表參數反演

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

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

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由海洋應用過渡到了陸地遙感。2014年，英國薩利衛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。2018年，美國的CYGNSS衛星（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遙感技術本質上是一種基于雙基雷達的L波段微波遙感技術，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地表鏡面反射的信號;利用直射和反射信號功率波形函數之間的相關性，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。

由于GNSS反射測量系統中GNSS衛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反射測量的幾何關系。首先得確定反射區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，建立三維坐標系。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衛星到鏡面反射點的距離，hr、hg分別為接收機和GNSS衛星到地球參考橢球面的距離，θ為GNSS衛星與Z軸夾角，即直射信號的入射角。根據鏡面反射點、GNSS衛星和星載接收機的位置關系，即可確定GNSS-R幾何結構中的其它參數。

當衛星信號傳到地表時，XOY會在平面形成多個不同的反射區，其中圍繞鏡面反射點的第一菲涅爾反射區是功率貢獻的主要區域。伴隨著GNSS衛星和接收機的實時運動，反射信號表現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功率的關系，進行相關處理即可得到時延和多普勒頻移的DDM函數。DDM函數表達式為^[1]

式中，Ti為相干積分時間，λ為衛星發射信號波長，Pt為衛星發射信號功率，Gt為衛星發射天線增增益，Gr為反射信號接收天線增益，Rt和Rr分別為衛星發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的自相關函數，sinc（f）為多普勒頻移函數，σo為表面A單位面積的散射系數。

2.GNSS-R地表參數研究現狀

2.1土壤濕度

最早的土壤濕度監測依賴于地面的GPS反射信號。其中除了土壤含水量，還包含有介質常數、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系數測量，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想隨之產生。2018年，Chew從CYGNSS數據中確定了土壤水分監測的完整一致性^[3]。但在這篇文獻中，觀察角沒有經過特殊處理。將得到的CYGNSS的SNR數據，與2017年3月至2018年2月的SMAP土壤水分數據進行比對，發現CYGNSS的反射率與SMAP土壤水分產品之間為很近似的線性正相關。另外作者還建立了CYGNSS和SMAP數據之間的線性回歸模型。

國內針對星載的研究也在逐年增加。易浠等^[4]通過TDS-1衛星產品得到了反射信號功率Pr，并以SMAP數據進行了皮爾森相關分析。經平滑處理去除噪聲，發現Pr和土壤濕度有較強的相關性（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。嚴清赟、金雙根等人^[5]又通過考察2018年及2020年的數據，基于SMAP數據的對比驗證，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厚度反演手段。

2.2洪水淹沒區

洪水即河流、湖泊等水體水位猛漲超出一定界限，對周圍地區產生安全威脅，造成災害的水流。其破壞力大，破壞范圍廣，持續時間長。其成因主要是暴雨、風暴潮、急劇的冰雪消融等。為了減少洪水暴發的危害，提高災后響應速度，對洪水的監測就顯得尤為重要。目前已有通過定義閾值，利用光學傳感器對水體進行監測，進而對洪水位進行評估的方法。但是光學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數據對伊朗Sistan和 Baluchestan兩省2020年暴雨引發的洪水進行檢測。結果顯示研究區域中被淹沒的區域和未被淹沒的區域之間的閾值可以區分為大約11 dB或更高，說明星載GNSS-R觀測的高敏感性和該技術對洪水監測的可行性。圖2展示了CYGNSS測量對該區域的洪水檢測能力，其中SNR大于11dB的為淹沒區域。

Chew^[7]利用旋風全球導航衛星系統CYGNSS數據對2017年大西洋颶風季節的洪水泛濫進行了研究，采用閾值技術確定CYGNSS數據衍生的表面反射率（SR）以識別淹沒區和非淹沒區，通過分析了SR在颶風前后平均水平的時間變化，量化洪災持續時間，繪制出受災區的地表淹沒圖，結果證明與SMAP等輻射儀相比，CYGNSS數據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射模型中，建立了動態查找表，可從衛星遙感數據中檢索雪深數據。經過與多個氣象站的雪深觀測數據對比驗證，結果表明，檢索的雪深值和實測雪深之間的偏差很小，均方根誤差（RMSE）在森林地區約為6cm，在非森林地區為4cm，說明了基于動態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為研究區域，同時采用FY3B氣象衛星的GNSS反射信號配合氣象站點實測雪深數據和MODIS 光學遙感數據，驗證了雪深反演的準確性。文獻^[10]創新性地引入深度學習網絡（DBN模型），利用衛星觀測值、現場數據以及GNSS-R 的估計值，建立亮度溫度（Tb）和積雪深度（SD）之間的關系，結果發現該方法與傳統的神經網絡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作為一種新興的衛星導航和遙感的交叉學科，隨著技術的積累，研究平臺的豐富，其研究方法及理論體系逐漸完備。與傳統的單點測量相比，星基遙感有更高的時空分辨率，更優異的適應性和穩定性，為地表參數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。通過對多領域的交叉研究，諸如水文、農業等，星基遙感的應用范圍將更廣泛。融入先進的計算機算法，GNSS-R技術將趨向智能化、自動化。這對洪澇災害的監測、農業旱情的預警、植被生態的防護具有重要意義，也符合十四五規劃所提出的要求。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治理，守住自然生態安全邊界。未來隨著GNSS-R遙感研究的突破，發射衛星數量的增加，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多源數據融合監測近地空間水環境參數”（編號JSCHKY201903）;江蘇省高等學校大學生創新創業訓練計劃項目（項目編號：202010298038Z，項目名稱：利用北斗/GPS反射信號監測濕地變化）

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，嚴頌華，陳華麗，田茂.星載衛星導航反射信號與土壤濕度的時空相關性分析[J]科學技術與工程，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]嚴清赟，金雙根，黃為民，賈燕，魏思遠.基于CyGNSS數據的土壤水分與植被光學厚度反演研究[J/OL].南京信息工程大學學報（自然科學版）：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據的中國東北地區積雪深度反演研究[D].吉林：吉林大學，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，研究方向為衛星對地觀測。