摘要
针对利用全球卫星导航系统多径反射技术(Global Navigation Satellite System Multipath Reflectometry, GNSS-MR)反演积雪深度过程中信噪比(Signal to Noise Ratio, SNR)序列趋势项分离不佳和反演结果波动较大的问题,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)和移动平均(Moving Average,MA)的积雪深度反演方法。VMD算法通过自适应高通滤波能够有效地分离SNR序列的趋势项,而MA算法能够对初始反演结果进行平滑处理从而减少随机波动。选用瑞典KIRU站2021年前5个月GLONASS不同频段的SNR观测值开展实验,研究新方法的可行性。结果表明:基于VMD算法的反演结果与气象站原位雪深相关系数超过0.95,均方根误差(Root Mean Square Error,RMSE)最低约5 cm,较传统方法减少近40%;经MA方法平滑处理后,反演精度能够进一步提高。考虑到GNSS站和气象站之间的差异性,选取GPS-SNR反演结果作为另一参考数据源。不同参考数据源取得了一致的实验结论,验证了新方法的可行性和有效性。
- 单位