科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对如何有效提高GNSS-IR土壤湿度反演的精度，提出了一种结合数字信号分析和深度神经网络的土壤湿度反演方法。该方法利用小波变换方法代替传统的多项式拟合法降噪，从而有效提高反射信号提取精度；利用希尔伯特变换获得观测信号的平均瞬时属性，即每个观测周期的平均瞬时振幅，平均瞬时频率和平均瞬时相位；利用深度神经网络算法建立上述三个属性与土壤湿度的非线性映射关系，从而实现土壤湿度的反演。利用2015年和2016年在美国科罗拉多州查塔菲县附近的PBO P037测站收集的GNSS观测数据进行模型建立和评估分析。结果表明，该方法的均方根误差为0.009 5 cm3/cm3，相对于传统线性回归模型具有很大的改善，有效提高了GNSS-IR土壤湿度反演的精度。
-
单位四川轻化工大学
