重参数化相位估计法

稳定相位提精度

通过改进相位估计和校正轨道变化偏差，从GNSS信噪比数据中更稳健地提取土壤湿度。

Jianmin, Lai · 蔡昌盛 · Liu, Zhizhao

IEEE Transactions on Geoscience and Remote Sensing 2026

参数信息

相位-土壤湿度相关系数>0.5的轨迹数（RPE vs NLS）
34
每条轨迹反演土壤湿度RMSE（RPE）
0.058 cm3/cm3
每条轨迹反演土壤湿度MAE（RPE）
0.046 cm3/cm3
受影响轨迹RMSE降低百分比（ASC-PBC）
4.3–10.9 %
受影响轨迹MAE降低百分比（ASC-PBC）
4.0–13.2 %
四站所有轨迹平均RMSE降低百分比
25.6 %
四站所有轨迹平均MAE降低百分比
23.5 %

技术优势

轨迹可用性翻倍

RPE方法使得相位与土壤湿度相关性高于0.5的卫星轨迹从NLS方法的12条增加到34条，近乎翻倍。这意味着更多轨迹可用于反演，提高数据利用率。

反演误差显著降低

RPE方法使每条轨迹反演土壤湿度的RMSE从0.068降至0.058 cm³/cm³，MAE从0.056降至0.046 cm³/cm³。

轨迹变化偏差可校正

ASC-PBC方法利用相邻日信噪比相关性校正卫星重访轨迹变化引起的相位偏差，使受影响的轨迹反演的RMSE降低4.3%–10.9%，MAE降低4.0%–13.2%。

复杂环境仍有效

在四个具有不同地形和植被覆盖的站点近一年观测数据上验证，综合校正后平均RMSE和MAE分别降低25.6%和23.5%，证明方法在复杂环境下依然有效。

应用场景