星载GNSS-R土壤湿度反演中开放水域的影响_杨文涛.pdf

http:/DOI:10.13700/j.bh.1001-5965.2021.0479星载 GNSS-R 土壤湿度反演中开放水域的影响杨文涛1，徐天河1，2，*，王娜子2，高凡2，荆丽丽2，贺匀峤2(1.长安大学地质工程与测绘学院，西安710054；2.山东大学空间科学研究院，威海264209)摘要：通过星载全球导航卫星系统-反射测量（GNSS-R）技术可以获取高时空分辨率的土壤湿度（SM）信息，但开放水域会影响反演结果的精度。针对此问题，提出一种开放水域剔除的改进方法。校正其模拟功率得出反射率，结合掩膜数据精确剔除开放水域。为验证改进方法的可行性，处理了 2 个开放水域比较密集的试验区内为期一年的飓风全球导航卫星系统（CYGNSS）1 级数据。反演结果与主被动土壤湿度（SMAP）3 级土壤湿度产品进行对比分析，其均方根误差为 0.0521cm3/cm3，相关性为 0.654。与开放水域剔除前的结果相比分别提升 6.2%和 9%；与CYGNSS 官方发布的产品相比分别提升 32%和 24%。反演结果可以作为 SMAP 的 SM 补充，提供高时间分辨率的 SM 值。关键词：全球导航卫星系统-反射测量；土壤湿度；开放水域；飓风全球导航卫星系统；主被动土壤湿度中图分类号：P237文献标志码：A文章编号：1001-5965（2023）07-1779-08土壤湿度（soilmoisture，SM）是了解农业、水文过程及气候条件的关键地球物理参数，在陆地水循环中有着不可替代的作用。SM 的准确观测对于干旱监测、洪水预报及农业灌溉等领域有着重要的意义1。因此，获取具有高时空和空间分辨率的 SM数据非常重要。普通遥感技术进行大规模 SM 观测主要依靠的是光学遥感和微波遥感。利用光学遥感获取的数据具有较高的空间分辨率，但是易受云层植被的影响，而无源微波遥感获取的数据具有较高的时间分辨率，但是空间分辨率较低2。全球导航卫星系统反射测量（globalnaviga-tionsatellitesystemreflectometry，GNSS-R）技术是一种通过接收处理地球表面反射的 GNSS 信号，实现对地球表面物理参数提取的遥感技术3。而 GNSS信号处于 L 波段，该波段电磁波具有一定的穿透地表植被、沙土、雪盖能力，对土壤水分较为敏感4，信号源数量充足且具有全天时全天候观测能力，在SM 高时空分辨率的监测方面极具潜力。前期，一些研究人员进行了机载和地基实验5-6。本文重点介绍基于星载 GNSS-R 的 SM 反演情况。在星载观测方面，英国技术演示卫星(UnitedKing-domtechnologydemonstrationsatellite，UKTDS-1)于2014 年发射7，为星载 GNSS-R 对 SM 的研究提供了首批数据。2016 年，文献 8-9 利用技术演示卫星-1(technologydemonstrationsatellite，TDS-1)数据进行了 SM 反演的研究，验证了星载 SM 反演的可行性。由于 TDS-1 卫星的设计，8 天中只有 2 天的观测数据可用，因此，有限的数据观测量限制了星载 GNSS-R 的 SM 反演更为深入的研究10。直到美国国家航空航天局（NationalAeronauticsandSpaceAdministration，NASA）于2016 年12 月发射了飓风全球导航卫星系统（cycloneglobalnavigationsatellitesystem，收稿日期：2021-08-23；录用日期：2021-11-05；网络出版时间：2021-11-1709：00网络出版地址： J.北京航空航天大学学报，2023，49（7）：1779-1786.YANG W T，XU T H，WANG N Z，et al.Influence of open water in retrieval of soil moisture by spaceborne GNSS-RJ.Journal ofBeijing University of Aeronautics and Astronautics，2023，49（7）：1779-1786（in Chinese）.2023年7月北京航空航天大学学报July2023第49卷第7期JournalofBeijingUniversityofAeronauticsandAstronauticsVol.49No.7CYGNSS）卫星星座，这一问题才得到有效解决。CYGNSS 目的是通过估计北纬 38和南纬 38之间的海面风场来改善天气预报。虽然 CYGNSS 为海洋气象而设计，但是卫星也记录了大量的陆地观测数据，这为 SM 的反演提供了充足的数据。2018年，Chew 和 Small11发现 CYGNSS 信噪比的变化和主被动土壤湿度（soilmoistureactiveandpassive，SMAP）的 SM 值具有相关性，并进行了线性回归分析，他们将 SMAP 的 SM 平均值和基于 CYGNSS 信噪比得出的SM 变化来估计SM 值。Kim 和Lakshmi12提出相对信噪比来进行 SM 反演。通过结合相对信噪比（relativesignal-to-noiseratio,rSNR）和 SMAP的SM 值来推算每日的SM 值。2019 年，Clarizia 等13提出反射-植被-粗糙度算法，该算法根据 CYGNSS的反射率、植被不透明度及粗糙度系数并通过线性回归函数对 SMAP 的 SM 值进行了分析，最终得出SM 的每日估计。Dong 和 Jin14利用 CYGNSS 相干反射数据进行了 SM 的反演。Yang 等15利用机器学习的方法也进行了 SM 的反演。目前 CYGNSS官网已经公布了 SM 产品16。文献 8,11 说明，对于 TDS-1 和 CYGNSS 数据得出的反射率可以对地表的 SM 进行感知，其中水体的反射率较高，干旱地区反射率较低。目前，星载 GNSS-R 的 SM 反演大多基于反射率并将 SMAP的 SM 作为对比值进行反演13-16。而开放水域的存在会降低 CYGNSS 反射率与 SMAP 的 SM 相关性，从而影响 SM 的反演结果8,16。而且开放水域周围常有农田等地物，快速、准确地获取开放水域密集区域的 SM 对农田保护也非常关键。因此，开放水域的剔除是 SM 反演中非常重要的步骤，但目前对此研究较少。本文改进了利用掩膜数据精确剔除开放水域的方法，之后选取 2 个开放水域比较密集的区域进行 SM 的反演，并将开放水域剔除前后的SM 反演结果进行分析，并与 CYGNSS 官方发布的产品进行比较分析。1数据和实验区域1.1CYGNSS数据CYGNSS 是 NASA 的一个地球探险任务，由8 颗小卫星组成，以 35的倾角围绕热带轨道运行，接收 GPS 卫星的直接信号和反射信号。CYGNSS的设计目的是在飓风期间观测海洋表面风速，因此，覆盖范围只有南纬 38到北纬 38，并且接收器和软件被优化用于海洋表面遥感17。CYGNSS 每颗卫星携带一个 GNSS-R 接收机，能同时提供来自 4 个不同 GPS 卫星的 GNSS-R 观测数据，自 2017 年 3 月在 https:/podaacopendap.-jpl.nasa.gov 开始提供数据的免费访问和下载服务。由于 CYGNSS 的数据间隔为 1s，因此，每秒可以同时获得 32 组测量值。其中，从 2019 年中期开始，CYGNSS 的数据间隔缩短为 0.5s，并且 CYGNSS 重访周期在几个小时内，因此，CYGNSS能够提供高时 空 间 分 辨 率 的 观 测 数 据。本 文 中 使 用 的 是CYGNSSLevel1v3.0 科学数据产品，数据时间跨度为 2019 年 11 月 到 2020 年 10 月。较 上 一 版 本（v2.1）数据，该版本利用 CYGNSS时延多普勒测量仪测量的直射信号功率和天线增益重新估计了GPS等效全向辐射功率(effectiveisotropicradiatedpower,EIRP)18。1.2掩膜数据本文将 GSWE（globalsurfacewaterexplorer）数据集作为掩膜数据，该数据集是欧洲委员会联合研究中心开发的数据集。该数据集绘制了过去 36 年中全球范围内水面的位置和时间分布，并提供了这些水面的范围和变化的统计数据。对于每一个数据集，都详细描述了创建方法，并提供目的、描述、波段和符号等信息，以便用户理解每一个数据集，并有效地和恰当地使用19。本文使用的是 GSWE数据集提供的“seasonality”数据产品。该产品的一个像素代表了一年中开放水域存在的时间长度（012 个月)，无数据的像素值为 255。为了进行精确的开放水域的剔除，本文将大于 0 并且小于255 的像素值标记为开放水域。图1 为GSWE 的季节性产品（见 https:/global-surface- 的季节性产品Fig.1GSWEsseasonalproducts1.3SMAP 数据本文使用的 SM 对比产品来自于 SMAP 卫星。SMAP 卫星任务于2015 年1 月由NASA 发射，SMAP卫星搭载主动雷达和被动辐射计 2 种传感器，通过1780北 京 航 空 航 天 大 学 学 报2023年测量地球亮度、温度进行地球物理反演来获取全球 SM 信息，为用户提供全球范围内每日的 SM 估计值20。由于主动式雷达在轨运行 2 个月后失效，本文中 使 用 的 是 SMAP L3 辐 射 计 全 球 每 日 36 kmEASE-GRID 土壤湿度 V007 产品。该产品的空间分辨率为 36km36km21。SMAP 每日数据包括降轨和升轨的 SM 值及相应坐标。由于 SMAP 的重访周期为 23 天，为了之后数据的比较和验证，本文使用升轨数据作为标准数据。1.4实验区域本文选择的实验区域为阿根廷的巴拉那河流域（34815S271534S，63297W57532W）和孟加拉国的博多河流域（215917N26540N，823151E9260E）。这 2 个区域的特点是支流较多，开放水域分布情况比较复杂，有洪涝灾害发生，并且周围分布大量农田。图 2 为 2 个复杂水域所对应光学影像，详见 https:/ 和 GPS 星座的配置功能可以看作是L 波段的双基地雷达，接收与散射表面特性有关的信息。其中 SM 也是该双基地雷达获取的陆地信息一部分。因此，可以通过双基地雷达方程来获得地表反射率10，由此进一步获取 SM 信息。CYGNSS 的主要产品参数是延迟多普勒图（delayDopplermap，DDM）22。DDM 由相干分量和非相干分量 2 部分组成12。假设 CYGNSS 陆地测量主要是镜面点反射，即表面相对光滑，反射信号是相干的，并且来自由第 1 个菲涅耳区定义的区域，则相干分量可表示为23-25PcohRL=PtrGt4(Rts+Rsr)2Gr24RL（1）PtrGtGrRtsRsrRL式中：为信号的发射功率；为发射天线的增益；为接收天线的增益；为镜面反射点与 GPS 发射机之间的距离；为镜面反射点与接收机之间的距离；为波长；为地表反射率，dB。CYGNSS 在其数据集中提供了许多变量，其中“raw_counts”是由 DDM 测量仪产生的未校准的功率值。之后，根据量化校正，即“L1a”校准可以得到以瓦特为单位的模拟功率；经过由几何形状和天线参数校正，即“L1b 校准”，可以得到双基地雷达横截面（bistaticradarcrosssection，BRCS）。通过“L1b”校准的 BRCS 的表达式在文献 26 中的定义为=PRX(4)2R2tsR2srPtr2GtGr（2）PRX式中：为有效反射率。PcohRLRLPRX=PcohRLRL对于反射率，利用 CYGNSS 产品有 2 种等效的方法可进行求取27：使用并通过求解方程式（1）中的来计算反射率；使并将式（1）代入式（2），然后将写为 的函数，表达式为RL=(Rts+Rsr)24(RtsRsr)2（3）与文献 16 相同，本文中使用模拟功率的峰值来计算地表反射率。通过式（1）可得RL=10lgPcohRL10lgPtr10lgGt10lgGr+20lg(Rts+Rsr)+20lg(4)20lg（4）式（4）中的变量及所对应的 CYGNSS 数据集参数如表 1 所示。表1式（4）中变量和所对应的 CYGNSS 数据集参数Table1VariablesinEq.(4)andcorrespondingCYGNSSdatasetparameters变量CYGNSS数据集参数PtrGtgps_eirpGrsp_rx_gainRtstx_to_sp_rangeRsrrx_to_sp_range第7期杨文涛，等：星载 GNSS-R 土壤湿度反演中开放水域的影响1781PcohRL此外，为GPS 的波长(0.19m)；可用“ddm_snr”或模拟功率的峰值来代替8,10。2.1.2数据质量控制RL由 2.1.1 节求得的为 CYGNSS 的地表反射率，其为入射角和介电常数 的函数，而介电常数是和近地表的土壤湿度相关。图 3 模拟了入射角与反射率的关系。可知，相同的介电常数下，入射角在 65左右，反射率会有明显的变化，故本文将不考虑入射角大于 65的 CYGNSS 观测数据。另外，将信噪比小于 2dB、接收机天线增益小于 5dB 的观测数据也进行了剔除。102030405060708090=20=30=40入射角/()00.20.40.6归一化反射率图3入射角与反射率的关系Fig.3Relationshipbetweenincidentangleandreflectivity2.2开放水域的剔除笔者在文献 28 提出基于掩膜数据进行对开放水域精确剔除的方法。之后，为提高星载 GNSS-R在大范围复杂水域反演 RM 的可行性，对程序进行了改进。在文献 28 中将获取的 GSWE 季节性产品转化为二进制矩阵。其中，矩阵的数值范围为 0255，其中 0 为无水，111 为开放水域存在的月份，12 为永久性开放水域，255 为无数据。1010经纬度大小的季节性产品可以转化为 4000040000 大小的二进制矩阵。然后，根据矩阵大小和经纬度信息可以精确计算出像素矩阵每个元素所对应的实际面积大小，其经纬度大小为 0.000250.00025。之后，将矩阵大于 0 且小于 255 每个元素标记为开放水域，求出所对应的面积作为掩膜数据，并用经纬度的形式进行记录保存。而在本文则不记录每个大于 0 且小于 255 的元素矩阵。因为 GSWE 的季节性产品的空间分辨率为 30m30m，对于 CYGNSS，这种分辨率非常高。故将连续大于 0 且小于 255 每个元素矩阵进行统计，最后，只需记录开始网格的经纬度及结束网格的经纬度，这样大大减少数据的记录量，提高大范围 SM 反演的可行性。图 4 为在开放水域中的镜面反射点，只需将在实验区域中 CYGNSS 每个镜面点所对应的经、纬度，相对应的CYGNSS 数据变量为“sp_lat”、“sp_lon”，与掩膜数据进行对比。若镜面点在转化后的掩膜数据中水域所覆盖的区域内，则将该镜面点进行剔除。图4在开放水域中的镜面反射点Fig.4Specularreflectionpointinopenwater2.3土壤湿度反演算法在文献 8,11 中已经表明，SM 和反射率是线性相关，且 SM 值越大29，这种相关性越高。故反演算 法 的 基 础 是 将 SMAP 作 为 SM 的 真 值，假 设CYGNSS 的反射率和 SMAP 的 SM 值线性相关并建立回归模型。SMiSMAPPiCYGNSSSMiSMAPSMt,iSMAPPt,iCYGNSSSMAP 的 SM 值是采用 EASE-Grid2.0 网格进行记录，所以本文基于网格化进行 SM 反演。对于每个EASE-Grid 网格，首先计算校正周期内SMAP的 SM 值和同天观测的 CYGNSS 反射率的平均值，分别记作、，之后计算校正周期内 SMAP 的 SM 值 与之 间 的 差 值，记 作。每个 EASE-Grid 网格的大小为 36km36km，而 CYGNSS 卫星的空间分辨率为 3.5km0.5km，因此，在一个网格中可能会出现多个CYGNSS观测值，若观测值小于 3 个，则认为 CYGNSS 不足以对这个网格进行准确的采样，将不会记录此次观测。若网格区域内的地形起伏较大，也会对反射率产生影响，且如图 5 所示，进行开放水域剔除后，开放水域边缘地带由于湿润的原因也会有较高的反射率。对于地形及开放水域边缘地带的反射率，本文采用“3”准则进行质量控制。之后将与 SMAP 观测值同一天发生的 CYGNSS 观测值进行平均作为该网格的 CYGNSS 观测值，记作。Pt,iCYGNSSSMt,iSMAP然后通过线性回归，建立与的线性回归模型：SMt,iSMAP=aPt,iCYGNSS+b（5）式中：a 和 b 分别为线性模型参数。Pt,iCYGNSSSMiSMAP最后利用线性模型参数 a、和进行 SM 的反演：SMt,iCYGNSS=aPt,iCYGNSS+SMiSMAP（6）1782北 京 航 空 航 天 大 学 学 报2023年式中：i 为 EASE-Grid 网格的索引值；t 为 CYGNSS观测值的日期。28S29S30S31S32S33S34S(a)巴拉那河流域(b)博多河流域63W62W61W60W59W58W83E26N25N24N23N22N84E85E86E87E88E89E90E91E92E05101520反射率/dB2530图5巴拉那河流域和博多河流域 2020 年 1 月2020 年 2 月的反射率Fig.5ReflectivityofParanriverbasinandbodoriverbasinfromjanuarytofebruary20203结果与分析3.1开放水域剔除前的反射率通过 2.1 节获取了 2019 年 11 月2020 年 10 月之间 2 个实验水域内的 CYGNSS 反射率。图 5 为实验区域 2020 年 1 月2020 年 2 月的反射率。可知，实验区域内反射率在不同区域中的变化。其中开放水域中反射率较高，其他区域的反射率相对较低，且也与其光学影像图高度吻合。3.2开放水域精确剔除后的反射率选取对应的区域的全球水资源数据集的季节性产品，通过 2.2 节所述进行开放水域的剔除。即将开放水域中的 CYGNSS 镜面反射点进行剔除。剔除后的反射率结果如图 6 所示。3.3土壤湿度反演结果分析将 SMAP 的 SM 值作为标准值，通过 2.3 节所述，将反演后的结果进一步分析。表 2 为开放水域剔除后的 CYGNSS 的 SM 反演结果，其中，R 为SM 值的相关性，RMSE为均方根误差（rootmeansquareerror）。同时也将开放水域未剔除的 CYGNSS 反射率也进行了 SM 的反演，反演结果也作了相同的分析。分析结果如表 3 所示。由表 2 和表 3 可以看出对于水域复杂的区域，开放水域剔除后的反演结果的 RMSE 和 R 分别提升了 6.2%和 9%，优于不考虑开放水域的反演结果。之后将只剔除开放水域的 CYGNSS 反演结果进行空间分析，如图 7 和图 8 所示。从表 2、图 7 和图 8 可以得出，基于 CYGNSS 反演的 SM 与 SMAP有着良好的一致性。然后选取 2 个网格的 SM 反演值进行了时间序列的分析，并且与 SMAP 的 SM 值表2开放水域剔除后的 CYGNSS 的 SM 反演结果Table2CYGNSSofSMretrievalresultsafterremovingopenwater区域RRMSE/(cm3cm3)巴拉那河流域0.61670.0458博多河流域0.67340.05622个区域总计0.65370.0521表3未考虑开放水域 CYGNSS 的 SM 反演结果Table3CYGNSSofSMinversionresultswithoutconsideringopenwater区域RRMSE/(cm3cm3)巴拉那河流域0.57000.0477博多河流域0.63130.05892个区域总计0.60190.055328S29S30S31S32S33S34S(a)巴拉那河流域(b)博多河流域63W62W61W60W59W58W83E26N25N24N23N22N84E85E86E87E88E89E90E91E92E05101520反射率/dB2530图6巴拉那河流域和博多河流域开放水域剔除后的反射率Fig.6ReflectivityafterremovingopenwaterinParanriverbasinandBodoriverbasin第7期杨文涛，等：星载 GNSS-R 土壤湿度反演中开放水域的影响1783进行了比较，结果如图 9 所示。从图 9 可以得出，利用 CYGNSS 数据反演的 SM 能够作为 SMAP 的SM 补充，也可提供更高时间分辨率的 SM 值。由于实验区域内有大量的农田，且时常有洪涝灾害发生。基于 CYGNSS 反演得到的高时间分辨率 SM，后续可以对博多河和巴拉那河流域的洪水进行监测并及时提供预警信息以达到保护其周围农田的作用。70W60W50W30S35SR(a)巴拉那河流域(b)博多河流域80E85E90E95E100E30N25N20N水体常绿针叶林常绿阔叶林落叶针叶林落叶阔叶林混交林密集灌木疏松灌木多树荒原荒原草原永久湿地农田城市与建成区农田与天然植被冰与雪贫瘠无数据或未分类00.20.40.60.81.0图7巴拉那河流域和博多河流域的反演结果的相关性分析Fig.7CorrelationanalysisofretrievalresultsofParanriverbasinandBodoriverbasin70W60W50W30S35S(a)巴拉那河流域(b)博多河流域80E85E90E95E100E30N25N20N00.020.040.060.080.10RMSE/(cm3cm3)水体常绿针叶林常绿阔叶林落叶针叶林落叶阔叶林混交林密集灌木疏松灌木多树荒原荒原草原永久湿地农田城市与建成区农田与天然植被冰与雪贫瘠无数据或未分类图8巴拉那河流域和博多河流域的反演结果的 RMSE 分析Fig.8RetrievalresultsofParanriverbasinandBodoriverbasin,respectivelyrootmeansquareerroranalysis3.4与 UCARCU 反演结果的比较目前，CYGNSS 也提供了相应的 SM 产品。其中，UCAR/CU 为 SM 反演产品，对于开放水域的剔除的方法是将 CYGNSS 镜面反射点作为参考点。对于每一个镜面反射点，找到围绕镜面点的 7km7km 区域内的开放水域。如果 7km7km 区域的开放水域的占比超过 1%，将不会对在此 CYGNSS所有的观测量进行下一步处理。实验区域所对应的 UCARCU 的 SM 反演值与 SMAP 的 SM 值的比较结果如表 4 所示。从表 2 和表 4 可以得出，本文的开放水域剔除方法所反演的 SM 结果更优，相关性提高了 24%，RMSE 提高了 32%。1784北 京 航 空 航 天 大 学 学 报2023年4结论1）将开放水域剔除后，SM 反演结果的精度和相关性得到了提升，分别提升 6.2%和 9%。2）反演结果有着较高的时间分辨率，可以作为 SMAP 观测值的补充，为这些水域密集的区域洪涝灾害的发生及农田保护提供预警信息。参考文献（References）ENTEKHABID,RODRIGUEZ-ITURBEI,CASTELLIF.Mutualinteraction of soil moisture state and atmospheric processesJ.JournalofHydrology,1996,184(1-2):3-17.1KUENZERC,GUOHD,HUTHJ,etal.FloodmappingandflooddynamicsoftheMekongdelta:ENVISAT-ASAR-WSMbasedtimeseriesanalysesJ.RemoteSensing,2013,5(2):687-715.2杨东凯,张其善.GNSS反射信号处理基础与实践M.北京:电子工业出版社,2012.YANGDK,ZHANGQS.GNSSreflectedsignalprocessing:Fun-damentalsandapplicationsM.Beijing:PublishingHouseofElec-tronicsIndustry,2012(inChinese).3李黄,夏青,尹聪,等.我国GNSS-R遥感技术的研究现状与未来发展趋势J.雷达学报,2013,2(4):389-399.4LI H,XIA Q,YIN C,et al.The Current status of research onGNSS-RremotesensingtechnologyinChinaandfuturedevelop-mentJ.JournalofRadars,2013,2(4):389-399（inChinese）.汉牟田,张波,杨东凯,等.利用GNSS干涉信号振荡幅度反演土壤湿度J.测绘学报,2016,45(11):1293-1300.HANMT,ZHANGB,YANGDK,etal.SoilmoistureretrievalutilizingGNSSinterferencesignalamplitudeJ.ActaGeodaeticaetCartographicaSinica,2016,45(11):1293-1300（inChinese）.5严颂华,龚健雅,张训械,等.GNSS-R测量地表土壤湿度的地基实验J.地球物理学报,2011,54(11):2735-2744.YANSH,GONGJY,ZHANGXX,etal.GroundbasedGNSS-RobservationsforsoilmoistureJ.ChineseJournalofGeophysics,2011,54(11):2735-2744（inChinese）.6FOTI G,GOMMENGINGER C,JALES P,et al.SpaceborneGNSS reflectometry for ocean winds:First results from the UKTechDemoSat-1 missionJ.Geophysical Research Letters,2015,42(13):5435-5441.7CHEWC,SHAHR,ZUFFADAC,etal.Demonstratingsoilmois-tureremotesensingwithobservationsfromtheUKTechDemoSat-1satellite missionJ.Geophysical Research Letters,2016,43(7):3317-3324.8CAMPSA,PARKH,PABLOSM,etal.SensitivityofGNSS-RspaceborneobservationstosoilmoistureandvegetationJ.IEEEJournalofSelectedTopicsinAppliedEarthObservationsandRe-moteSensing,2016,9(10):4730-4742.9YANQY,HUANGWM,JINSG,etal.Pan-tropicalsoilmois-turemappingbasedonathree-layermodelfromCYGNSSGNSS-RdataJ.RemoteSensingofEnvironment,2020,247:111944.10CHEWCC,SMALLEE.SoilmoisturesensingusingspaceborneGNSSreflections:ComparisonofCYGNSSreflectivitytoSMAPsoilmoistureJ.GeophysicalResearchLetters,2018,45(9):4049-4057.11KIMH,LAKSHMIV.Useofcycloneglobalnavigationsatellitesystem(CyGNSS)observationsforestimationofsoilmoistureJ.GeophysicalResearchLetters,2018,45(16):8272-8282.12CLARIZIAMP,PIERDICCAN,COSTANTINIF,etal.AnalysisofCYGNSSdataforsoilmoistureretrievalJ.IEEEJournalofSe-lectedTopicsinAppliedEarthObservationsandRemoteSensing,2019,12(7):2227-2235.13DONGZN,JINSG.EvaluationofthelandGNSS-reflectedDDMcoherenceonsoilmoistureestimationfromCYGNSSdataJ.Re-moteSensing,2021,13(4):570.14YANGT,WANW,SUNZG,etal.ComprehensiveevaluationofusingTechDemoSat-1andCYGNSSdatatoestimatesoilmoistureovermainlandChinaJ.RemoteSensing,2020,12(11):1699.15CHEWC,SMALLE.DescriptionoftheUCAR/CUsoilmoistureproductJ.RemoteSensing,2020,12(10):1558.16RUFCS,ATLASR,CHANGPS,etal.NewOceanwindssatel-litemissiontoprobehurricanesandtropicalconvectionJ.BulletinoftheAmericanMeteorologicalSociety,2016,97(3):385-395.17RUFC,ASHARAFS,BALASUBRAMANIAMR,etal.In-orbitperformanceoftheconstellationofCYGNSShurricanesatellitesJ.Bulletin of the American Meteorological Society,2019,100(10):2009-2023.18PEKELJF,COTTAMA,GORELICKN,etal.High-resolution19表4UCARCU 的 SM 反演结果Table4RetrievalresultsofSMfromUCARCU区域RRMSE/(cm3cm3)巴拉那河流域0.52210.0850博多河流域0.52960.07362个区域总计0.52760.07682019/112019/122020/022020/032020/052020/062020/082020/100.10.20.30.40.5SM/(cm3cm3)CYGNSSSMAPCYGNSSSMAP2019/112019/122020/022020/032020/052020/062020/082020/100.10.20.30.40.50.60.7SM/(cm3cm3)(b)区域2时间时间(a)区域1图9CYGNSS 反演结果与 SMAP 土壤湿度值的比较Fig.9ComparisonofCYGNSSretrievalresultsandSMAPsoilmoisture第7期杨文涛，等：星载 GNSS-R 土壤湿度反演中开放水域的影响1785mapping of global surface water and its long-term changesJ.Nature,2016,540(7633):418-422.ENTEKHABID,NJOKUEG,ONEILLPE,etal.Thesoilmois-tureactivepassive(SMAP)missionJ.ProceedingsoftheIEEE,2010,98(5):704-716.20NGHIEMSV,ZUFFADAC,SHAHR,etal.WetlandmonitoringwithglobalnavigationsatellitesystemreflectometryJ.EarthandSpaceScience,2017,4(1):16-39.21ZAVOROTNYVU,VORONOVICHAG.ScatteringofGPSsig-nalsfromtheoceanwithwindremotesensingapplicationJ.IEEETransactionsonGeoscienceandRemoteSensing,2000,38(2):951-964.22VORONOVICHAG,ZAVOROTNYVU.Bistaticradarequationfor signals of opportunity revisitedJ.IEEE Transactions onGeoscienceandRemoteSensing,2017,56(4):1959-1968.23DE ROO R D,ULABY F T.Bistatic specular scattering fromrough dielectric surfacesJ.IEEE Transactions on Antennas andPropagation,1994,42(2):220-231.24ULABY F T,LONG D G,BLACKWELL W,et al.MicrowaveradarandradiometricremotesensingM.Norwood:ArtechHouse,2013.25WANGTL,RUFCS,BLOCKB,etal.Designandperformanceof a GPS constellation power monitor system for improvedCYGNSSL1BcalibrationJ.IEEEJournalofSelectedTopicsinAppliedEarthObservationsandRemoteSensing,2018,12(1):26-36.26RODRIGUEZ-ALVAREZN,PODESTE,JENSENK,etal.Clas-sifyinginundationinatropicalwetlandscomplexwithGNSS-RJ.RemoteSensing,2019,11(9):1053.27YANGWT,XUTH,WANGNZ,etal.Researchonthemethodofpreciselyremovingopenwaterintheretrievalofsoilmoisturebyspaceborne GNSS-RC/Lecture Notes in Electrical Engineering.Singapore:SpringerSingapore,2021:22-32.28CAMPSA,PARKH,CASTELLVJ,etal.Single-passsoilmois-tureretrievalsusingGNSS-R:LessonslearnedJ.RemoteSensing,2020,12(12):2064.29Influe