一种融合相位、振幅与频率的GNSS-IR土壤湿度反演方法

作者：郭斐; 陈惟杰; 朱逸凡; 张小红

来源：武汉大学学报(信息科学版), 2022, 1-11.

DOI：10.13203/j.whugis20210644

• GNSS-IR
• 土壤湿度
• 相位
• 振幅
• 频率
• 机器学习

GNSS干涉测量（GNSS Interferometric Reflectometry，GNSS-IR）技术已经成为探测地表环境特性的一种新兴被动遥感技术，本文综合利用从土壤反射的GNSS信号中提取的相位、振幅、频率特征，提出了一种多类型特征数据融合的GNSS-IR土壤湿度反演方法，采用最小二乘支持向量机（LSSVM， Least Square Support Vector Machine）、随机森林（RF， Random Forest）、BP神经网络（BPNN， Back Propagation Neural Network）三种机器学习模型，对比和验证了所提出方法的可行性与效果。结果表明多特征融合的LSSVM、RF和BPNN模型反演得到的土壤湿度与参考值的相关性系数分别为0.823、0.944和0.955，对应的均方根误差（RMSE）分别为0.045、0.035和0.032■。相比于单一特征反演法，土壤湿度反演精度提高了6-14%，相关系数提高了2-7%。

• 单位
  武汉大学