周昕，張雙成,2，張勤，劉奇，馬中民，劉寧

(1.長安大學地質工程與測繪學院,西安 710054；2.地理信息工程國家重點實驗室,西安 710054)

0 引言

全球衛(wèi)星導航系統(tǒng)(GNSS)遙感是衛(wèi)星導航技術與遙感技術不斷融合發(fā)展起來的新的交叉學科，利用GNSS 免費提供的覆蓋全球、全天候、連續(xù)的L波段的微波信號進行遙感探測.具體來說，即將GNSS在導航定位中與信號傳播相關的誤差和經地球表面的反射信號轉化成進行遙感探測感知環(huán)境的信號源，是一種全新的遙感手段.依據對GNSS 衛(wèi)星信號不同的應用方式，目前通常將GNSS 遙感總體劃分為兩類，分別是GNSS 折射信號遙感(GNSS Refractometry)和GNSS 反射信號遙感GNSS-R(GNSS Reflectometry).GNSS 反射遙感技術是指利用衛(wèi)星信號經過反射物的反射后，接收機接收的反射信號會因反射物(如水面、地面、建筑物與植被等)的不同而發(fā)生相應的改變，從中提煉出關于研究對象的大量信息.依據接收和處理反射信號方式的差異，GNSS-R技術測量模式可分為“多天線模式”與“單天線模式”[1-2].多天線模式采用特制的接收機和兩副天線分別接收直射信號與反射信號.接收機主要接收高仰角的GNSS 反射信號，通過分析反射信號偽隨機碼的時間延遲和相關峰值功率及波形的變化，并結合電磁波散射理論，反演出地表的物理參數.其觀測平臺有星載、機載和地基模式.而單天線模式只基于常規(guī)的大地測量型接收機，因此觀測平臺僅為地基模式，它利用低仰角范圍內GNSS 信號信噪比(SNR)序列中的干涉振蕩特性，便可完成對站點周圍環(huán)境的監(jiān)測，稱為GNSS 干涉遙感(GNSS-IR)技術.

1996 年，國外學者Axelrad 等[3]指出SNR 觀測值可以用來表示多徑信號的頻率和幅值.Bilich 等[4]發(fā)現SNR 觀測對多路徑環(huán)境的變化很敏感.Larson等較早的研究了利用SNR 估計多路徑環(huán)境的原理與可行性，并于2008 年創(chuàng)新性地提出了GPS-IR 技術[5]，即利用常規(guī)大地測量型GPS 接收機進行地表參數信息反演，進一步為GNSS 遙感領域注入新的活力.現有的多項研究發(fā)現，GNSS-IR 技術在土壤濕度、植被生長、積雪深度和水位變化等地表環(huán)境參數監(jiān)測方面表現良好，并取得了一系列具有重要價值的理論與應用成果.

除了上述應用，Nievinski 等[6]開發(fā)了一個模擬器，允許用戶模擬不同環(huán)境參數的反射特性，以更好地理解多徑觀測對環(huán)境變化的響應.Roesler 等[7]開發(fā)了GNSS-IR 工具，實現GNSS-IR 反射點軌跡和菲涅爾反射區(qū)的繪制、SNR 頻率的計算、反射面高度的估算等功能.Larson[8]以更簡單、更直觀的Web 應用程序的形式實現了GNSS-IR 工具的功能.

本文詳細描述了GNSS-IR 原理和方法及其最新應用進展，包括土壤濕度、植被監(jiān)測、積雪深度、水位探測等，對GNSS-IR 技術進行了全面概述.最后給出了將來GNSS-IR 的應用前景和展望，包括GNSS-IR技術的獨特優(yōu)勢以及面臨的挑戰(zhàn).

1 GNSS-IR 遙感原理與方法

GNSS-IR 技術一般采用的是大地測量型接收機，主要接收右旋圓極化(RHCP)信號，接收機天線朝上.雖然該種接收機抑制了反射信號，但在低衛(wèi)星高度角時，依然可以接收到反射信號，并與直射信號疊加在一起產生多路徑效應，反射信號攜帶的地表特性信息體現在多路徑中，因而，可以通過多路徑信息反演地表反射面的物理特征.本章節(jié)將介紹GNSS 多路徑，以及與SNR 的相互關系和GNSS-IR 解譯地表環(huán)境參數基本原理.

1.1 GNSS 多路徑和SNR 特性分析

GNSS 天線對來自衛(wèi)星的直射信號敏感，但在GNSS 實際測量中，接收機天線并不能完全抑制反射信號，因此一部分經天線周圍物體反射的衛(wèi)星信號同樣會到達天線并被接收機記錄，兩種信號的疊加改變了天線相位中心(APC)位置，導致觀測值偏離真實值，產生所謂的“多路徑誤差”[9].多路徑誤差的變化隨接收機天線周圍反射面的性質不同而異，很難控制，其會對GNSS 測距碼與載波相位觀測值造成影響.因此，多路徑效應誤差是高精度定位中的重要誤差源.在高精度定位的數據處理中，一般選擇剔除低高度角數據，這樣可減少多路徑誤差.

GNSS 衛(wèi)星發(fā)射的信號在接近地面時，特別是衛(wèi)星高度角較低時，會與各種反射面發(fā)生反射，比如土壤、積雪和水面等，相較于直射信號反射信號會形成一個相位差，并且信號強度一般也會減少，具體表現在振幅上.因此，GNSS 接收機接收的信號實際是直射信號與反射信號的合成信號.由于經不同反射面所形成的反射信號分量不盡相同，反射信號中極大可能包含了反射面的一些物理特性，即反射信號可以在一定程度上反映測站周圍的觀測環(huán)境信息.

圖1 是GPS 衛(wèi)星多路徑誤差時間序列以及其高度角.可以看出，偽距多路徑誤差的振蕩幅度較大，可以達到數米；同時，隨著高度角的變化，多路徑也相應變化.低高度角的情況下，由于受觀測環(huán)境等影響，多路徑效應比較嚴重，出現劇烈的振蕩；當高度角升高后，多路徑對測量的影響迅速降低，并趨于穩(wěn)定.這個特征為下面多路徑與SNR 關系的研究進而應用到GNSS 反射測量技術中提供了基礎.

SNR 是指接收的載波信號強度與噪聲強度的比值，通常被用來衡量接收信號的質量好壞.在RINEX文件中表示為S1 和S2 觀測值數據，一般表示為C/N0，單位為dB-Hz[10].它主要受天線增益參數、接收機內部相關器狀態(tài)、衛(wèi)星到接收機的距離和多路徑效應等因素影響.SNR 觀測值被認為是直接信號和反射信號組合而成的干涉信號，如圖2 所示，呈現拋物線形式的曲線被認為是直射信號，而低高度角的高頻振蕩曲線是反射信號所致(虛線框中所示).不同于載波偽距中所包含的多路徑信息難以全部提取，由GNSS 接收機中記錄的SNR 數據也受多路徑影響，自可以對多徑效應進行量化.

1.2 GNSS-IR 解譯地表環(huán)境參數基本原理

由于反射信號含有的多路徑信息直接影響SNR，在高度角較高條件下，多路徑影響較小，天線增益較大，使得SNR 提高；而在高度角較低的條件下，天線增益減小，同時由于多路徑效應使得SNR 下降嚴重，并且低高度角下SNR 受多路徑影響而震蕩劇烈.GNSS-IR 技術通過低高度角下SNR 的頻譜分析來獲取地表環(huán)境參數，如圖3 所示.h為接收機APC 到反射面的高度，即有效垂直反射高；E為衛(wèi)星高度角，為直射信號和土壤表面的夾角；Ad為直射信號振幅；Am為反射信號振幅.

不存在多路徑效應的情況下，即Am=0，此時，SNR 觀測值為單一信號Ad的幅度，即 S NR=Ad；當存在多路徑效應的情況下，SNR 觀測值變?yōu)樗行盘柺噶亢偷姆龋?S NR=Ac.因此，在僅發(fā)生一次鏡面反射的簡化模型下，SNR 觀測值可表示為

式中：Ad、Am和Ac分別為直射、反射和復合信號的幅度；ψ 為兩信號的相位差，當衛(wèi)星從測站上方經過時，反射幾何和 ψ 發(fā)生變化，從而引起SNR 幅度的震蕩.考慮到接收機天線增益和信號反射過程中的損耗，有：

因此將SNR 數據繪制成曲線圖時，曲線的總體變化趨勢是由直接信號Ad決定的，即信號的整體趨勢走向，如圖4(a)中的紅色曲線所示.而反射信號Am則表現為伴隨在直射信號中的局部周期性震蕩中，而這是由低高度角多路徑所致.我們常使用低階多項式擬合實現兩者的分離.

去除直射信號后，得到低高度角的SNR 殘差序列，如圖4(b)所示.表征多路徑水平的SNR 可表示為

式中：h為有效垂直反射高；λ 為載波波長；φ為相位.若記t=sin則式(3)可簡化為標準的余弦函數表達式：

對 S NRm曲線進行Lomb-Scargle 譜(LSP)分析得到多徑反射信號的頻率f，然后利用非線性最小二乘求解出振幅與相位觀測量.如圖3 所示，因SNR 特征頻率取決于GNSS 天線到最高反射表面(例如，雪層頂部或裸露土壤頂部)的垂直距離，而振幅與相位主要取決于表面類型(植被和濕土)[11]，利用GNSS 反射信號中的振幅、相位和頻率等參數來實現對地表環(huán)境信息參數提取.

2 GNSS-IR 遙感研究進展

1993 年，Martin-Neira[12]首次提出利用GPS 反射信號建立測量海面高度系統(tǒng)PARIS (Passive Reflectometry and Interometry System).Kavak 等[13]隨后提出利用GNSS 接收機單一的RHCP 天線接收的反射信號與直射信號耦合在一起所產生的干涉現象，測量地面介電常數.經過20 多年的發(fā)展，GNSS-IR 技術已在諸多領域取得了多項重大突破，主要集中在土壤濕度、植被、積雪深度和水位等參數的反演.

2.1 土壤濕度

土壤濕度作為陸地水循環(huán)和能量循環(huán)一個至關重要的變量，不僅能夠影響凈輻射能量轉換為潛熱和感熱的分配比例來影響氣象和氣候[14]，還能夠影響降水轉變?yōu)闈B透、徑流以及蒸發(fā)蒸騰的比例[15].全球氣候觀測系統(tǒng)已將土壤濕度確定為基本氣候變量.因此，土壤水分的監(jiān)測對天氣預報和氣候研究非常有價值[16-17]，對灌溉管理和洪水預測也很重要[18].此外，土壤水分在污染物和養(yǎng)分輸送中起著重要作用，并影響溫室氣體的排放[19].通過各種測量手段獲取土壤濕度值及其變化，可以在監(jiān)控土壤干旱程度、植被生長情況，預防滑坡和泥石流等方面提供可靠的數據支撐.

Larson 等[5]首次提出了基于大地測量型GPS接收機的SNR 數據估計土壤濕度算法，通過對直射信號和反射信號進行分離，發(fā)現反射信號振幅波動與土壤濕度變化存在良好一致性.同年，Larson 等[20]使用科羅拉多州博爾德地區(qū)的接收機數據進行進一步實驗，發(fā)現淺層土壤濕度的變化中，相位比振幅表現出更大的一致性，其相關系數達到了0.91.Chew 等[21]研究了相位偏移量、振幅對土壤濕度變化敏感性，并且發(fā)現相位是裸露土壤條件下反映土壤濕度變化的最佳參數.Chew 等[22]考慮到季節(jié)性植被變化對SNR 信號的影響，歸一化振幅時間序列長時間保持在0.78 以下可能會受到土壤水分變化以外的其他因素(例如植被)的影響，提出了一種確定SNR 數據是否被植被影響并糾正該影響的方法.Small 等[23]進一步將地表植被的影響分為裸土、簡單植被和復雜植被，使用相應的土壤水分反演算法有效地減弱了植被對土壤水分反演結果的影響.Vey 等[24]利用七年的GPS 觀測數據進行了長時間序列土壤濕度反演實驗，成功獲取了土壤濕度的季節(jié)性波動和年周期變化.Yang 等[25]通過干涉模式和SNR 對北斗衛(wèi)星導系統(tǒng)(BDS)B1 和B2 衛(wèi)星信號驗證反演土壤濕度的可行性.Shi 等[26]采用遺傳算法反向傳播(GA-BP)神經網絡模型，將地面GNSS-IR 土壤濕度數據與站點周圍其他地表環(huán)境參數相結合，通過反演最終得到500 m/d 的高時空分辨率土壤濕度產品.針對起伏地形對GNSS-IR 技術應用造成的不利影響[27]，Ran等[28]在解譯土壤濕度時提出了一種圓弧編輯方法，只保留干擾模式為典型余弦波形的DSNR 數據，實驗結果表明，該方法可以提高在起伏地形中土壤濕度的反演精度.在提取多路徑時，Nie 等[29]構建了雙頻載波相位和雙頻偽距的多路徑誤差計算模型，求解延遲相位進行土壤水分反演，結果表明，基于多衛(wèi)星雙頻組合多路徑誤差的土壤濕度反演方法可以替代傳統(tǒng)的反演方法，有效提高了GNSS-IR 土壤濕度估算的時間分辨率.如圖5 所示，Zhou 等[30]利用滑坡上的GNSS 接收機解譯了黃土滑坡形變與土壤濕度，并進行了相關性研究.實驗結果如圖6 所示，GNSS 不僅能夠提供高精度的形變時序特性，也能夠同時監(jiān)測測站周圍的土壤含水率變化，并且形變速率與解譯土壤濕度有著明顯的相同變化趨勢，二者具有一定的相應關系，這能夠綜合評價黃土淺層滑坡的穩(wěn)定性.

圖5 GNSS 解譯土壤濕度與位移監(jiān)測序列[30]

圖6 形變速率與解譯土壤濕度關系[30]

2.2 植被探測

植被既是氣候變化的承載者，又對氣候變化有著積極的反饋作用.植被生物量反映了植被生產力的強弱，是植被生態(tài)系統(tǒng)中研究植被長勢的重要參數之一.監(jiān)測植被生物量變化便于客觀地估計碳循環(huán)在氣候變化中的作用，對資源的合理利用具有重要意義.傳統(tǒng)的遙感衛(wèi)星解譯植被生長過程存在時間分辨率較低的問題，而基于衛(wèi)星導航的GNSS-IR 技術可用于解譯測站周圍植被變化，提供高時間分辨率的植被生長過程.

Small 等[31]首次提出了基于多路徑解譯植被生長，通過實驗驗證了植被高度和含水量與多路徑的大小成反比，并利用板塊邊界觀測(PBO)網絡站點進一步測試發(fā)現多路徑與歸一化植被報數(NDVI)之間具有較好的相關性.Ferrazzoli 等[32]進行了森林地區(qū)鏡面散射系數的理論模擬，發(fā)現植被散射系數理論上隨著生物量的增加而呈現下降趨勢，證明了GNSS-R 在森林生物量監(jiān)測中的潛力.Alvarez 等[33]發(fā)現存在植被時信號能量的衰減更為嚴重，并利用此特性推斷了植被含水量的信息.Egido 等[34]發(fā)現對于不同的土壤濕度和植被發(fā)育條件，可以監(jiān)測到GNSS反射信號中功率的顯著變化.Larson 等[35]詳細介紹了植被含水量如何引起多路徑的變化，提出了用歸一化微波反射系數(NMRI)衡量植被含水量，并獲取了和NDVI 較一致的探測結果.隨后，Small 等[36]驗證了在蒙大拿州草原地區(qū)利用NMRI 探測植被含水量的有效性，并在四個測站得到了一致的結果.Evans等[37]和Jones 等[38]詳細地比較了不同地區(qū)的NMRI和遙感手段所計算的植被物候的差異，發(fā)現大多數測站存在較好的相關性.Chew 等[39]提出了一個模擬SNR 數據對土壤濕度和植被變化相應的一維平面分層模型，并進行了驗證.其模擬結果表明，植被濕重的變化(從0 到4 kg·m-2)也會引起SNR 干擾指標的變化，特別是當植被濕重低于1.5 kg·m-2時，SNR 振蕩幅度很好地表征了植被數量變化.Wan 等[40]收集了植被類型分別為沙漠草、小麥和苜蓿的GPS SNR 數據，分別對三種植被的含水量進行了探測，通過與實測數據對比分析，發(fā)現振幅和植被含水量間呈線性關系.Wu 等[41]開發(fā)了一種基于輻射傳輸方程模型的GPS 多路徑模擬器，明確地將植被參數與多路徑觀測量聯系了起來.吳繼忠等[42]和祁云等[43]對利用GPS 的SNR 觀測值監(jiān)測植被生物量方法的有效性進行了驗證.Yang 等Yang 等[44]在提取地表參數時提到BDS 信號負幅值與NDVI 有一定的相關性.Zhang等[45]基于麥田中大地測量型接收機獲取的GPS 和BDS SNR 數據檢索土壤濕度和植被生長過程，并研究植被生長對土壤濕度檢索的影響.結果見圖7 和圖8 所示，植被效應顯著期之前和之后，GPS L1/L2和BDS B1/B2/B3 頻率信號均能很好的反映土壤濕度(VSM)的變化.同時，在小麥覆蓋率較高時負歸一化振幅與 MODIS NDVI 展現了良好的相關性(R=0.67)，其可以作為判斷測站植被效應是否顯著的依據.Zhan 等[46]基于兩個不同植被類型臺站的三頻信噪比觀測數據，獲得了BDS 信噪比數據的歸一化振幅.結果表明，北斗信號的歸一化幅度與Sentinel-2 NDVI 具有較強的相關性，在 P041和P105 處的相關系數分別為0.69～0.83 和0.78～0.84.

圖7 相位與原位土壤濕度比較[45]

圖8 負振幅和MODIS NDVI 對比結果[45]

2.3 積雪深度

積雪是地球上重要的淡水資源，也是地表覆蓋的重要組成部分之一.據統(tǒng)計顯示，在冬季北半球陸地表面約有50%的地區(qū)被積雪所覆蓋[47-49].在干旱、半干旱地區(qū)，積雪融水是當地生態(tài)系統(tǒng)的重要水源.積雪作為地球表面最為活躍的自然要素之一，其變化在水文、生態(tài)和氣候系統(tǒng)中發(fā)揮著重要作用[50].因此，準確估算積雪和積雪深度及其變化對氣候和水文研究至關重要.

Larson 等[51]實驗發(fā)現傳統(tǒng)的大地GPS 接收機的SNR 數據反演的積雪深度與積雪遙測(SNOTEL)網絡的現場超聲傳感器的測量值具有很好的一致性.由于GNSS 觀測文件中并不總是存在SNR 數據，Ozeki等[52]通過兩個L 波段載波GPS L1 和L2 的雙頻無幾何線性組合(稱為L4 方法)檢索地表積雪深度.Yu 等[53]提出了GPS L1/L2/L5 信號的三頻相位組合，該組合不受幾何形狀和電離層延遲的影響，可以提取積雪深度.Zhang 等[54]提出了一種改進的結合GNSS 三頻載波相位的積雪深度檢索方法，利用基于密度的空間聚類，結合噪聲算法和歸一化方法，考慮反射面的地形特征，估計積雪深度.研究結果表明，與傳統(tǒng)的三頻積雪深度反演方法相比，該方法對Galileo和BDS 具有更好的反演性能.此外，由于衛(wèi)星數量的增加和更好的方位角覆蓋，該方法的解決方案提高了空間分辨率.Tabibi 等[55]和Zhang 等[56]分別通過聚類衛(wèi)星方位角和網格化菲涅耳反射區(qū)來減輕地面偏差對積雪深度監(jiān)測的影響.Hu 等[57]引入了機器學習，并使用SNR 弧作為輸入數據，實現積雪深度檢索前的地面真相信息檢測，即無雪狀態(tài)和積雪狀態(tài)的分類，檢測結果可以約束無雪狀態(tài)下的檢索積雪深度.在存在積雪的狀態(tài)下，引入了具有自適應高通濾波器特性的變分模態(tài)分解(VMD)算法對SNR 數據進行趨勢化處理.在此基礎上，以最大譜幅值作為熵值法的輸入變量，研究了組合策略的可行性[58].Wang等[59]研究了不同星座、不同頻段的積雪深度反演精度.Li 等[60]采用插值方法擬合余弦函數模型，結合非線性最小二乘擬合(NLSF) +快速傅里葉變換(FFT)算法反演積雪深度，得到了比傳統(tǒng)LSP 分析更精確的結果.Wan 等[61]提出了一種利用復雜GNSS 站網原始數據自動反演積雪深度并控制積雪質量的綜合框架.在此基礎上，利用所提出的框架和80 個臺站的歷史數據，獲得中國北方地區(qū)長期積雪深度數據集.除此之外，為了滿足多星座多頻率GNSS 數據對積雪深度反演的要求，Zhang 等[62]基于GNSS-IR 工具開發(fā)了GiRsnow 的積雪參數處理軟件.圖9 展示了軟件的主界面以及所包含的功能，用戶可以通過圖形用戶界面(GUI)檢查數據質量，繪制反射點軌跡和菲涅耳帶，使用SNR或L4 觀測數據檢索積雪深度，并根據時間和空間域顯示結果.

圖9 軟件主界面[62]

2.4 水位監(jiān)測

水環(huán)境是指自然界中圍繞人類空間及可直接或間接影響人類生活生產的水體，主要由地表水環(huán)境和地下水環(huán)境組成，而地表水環(huán)境包括河流、湖泊、水庫、海洋、池塘、沼澤、冰川等.水環(huán)境是構成地球環(huán)境的基本要素之一，是人類社會賴以生存和發(fā)展的重要場所，同時水環(huán)境還是生態(tài)環(huán)境變化的“指示器”.水環(huán)境變化監(jiān)測的重要工作之一就是水面高度的測量，實現高精度、高時空分辨率、高實時性的水位監(jiān)測，對保障生態(tài)環(huán)境以及人民生命財產安全有著十分重要的意義.

基于GPS 測地接收機的水位反演概念最早由Anderson[63]提出.2013 年，Larson 等[64]首次基于大地測量型接收機的SNR 數據，使用LSP 分析成功測量了三個月內附近海洋的海平面變化.隨后大量學者開展了研究，如針對經典反射信號模型的靜態(tài)條件，引入海面動態(tài)變化改正，修正反演誤差.Larson 等[65]利用阿拉斯加一處海面日變化超過7 m 區(qū)域的GPS 站點為期一年的數據，對考慮水面動態(tài)變化的新模型進行驗算，反演結果與實測數據相比日平均偏差約為2.3 cm；該模型中的改正項部分需要用到反射高度變化速率這一未知參數，因此目前主要通過后期擬合水位反演結果的方式來計算并扣除改正項[66-67].此外，Roussel 等[68]提出了一種基于最小二乘的改正算法，這兩種方法也是現在主要使用的動態(tài)改正算法.Strandberg 等[69]提出了一種基于非線性最小二乘(NLS)和b樣條函數反演海平面的模型，并利用沿海GNSS 站數據進行了驗證，實驗表明該算法比經典的譜分析方法提取海平面精度更高.2019 年Strandberg 等[70]又提出了以卡爾曼濾波進行實時的海平面變化估計.但當潮差較大時，測站無法正確估計海面高度，致使NLS 估計過程中求解器收斂到局部最小值.面對這一缺陷，Reinking[71]使用基于區(qū)間分析的全局優(yōu)化來擬合趨勢SNR 數據，發(fā)現與頻譜分析相比，精度和計算時間都有所提高.Purnell 等[72]引入了LSP 分析來提供一個粗略的高度初始估計，消除了對初始高度估計的依賴.Liu 等[73]提出利用差分進化算法來解決海面高度的局部收斂問題，使GNSS 反射測量在潮汐動力較大的情況下始終保持較高的穩(wěn)定性和精度.實驗結果如圖10 所示，可以看出，SC02 站與GTGU 站點的動態(tài)是不同的，反演結果與測潮資料吻合較好.另外，受大氣折射的影響，GNSS信號的傳播路徑會發(fā)生彎曲，從而使得反演的高度偏小[74].Santamaría-Gómez等[75]通過布設側天線，添加了對流層改正，改進的卡爾曼濾波和平滑算法的處理，可以獲得均方根(RMS)為3 cm 的結果.Williams等[76]使用對流層延遲模型和映射函數修正對流層延遲造成的偏差.

圖10 SC02 和GTGU 站點估算的海面高度變化[73]

除了使用了GPS 數據，GNSS-IR 還使用不同的信號監(jiān)測水位.L?fgren 等[66]對GLONASS 的反演性能進行了分析，與GPS 反演結果對比之后發(fā)現二者效果總體相當，但同一系統(tǒng)內不同信號的反演結果存在明顯差別.此外，Jin 等[77]提出了基于SNR 觀測值，利用北斗二號(BDS-2)的三頻信號(B1I、B2I、B3I)進行潮汐監(jiān)測；隨著北斗三號(BDS-3)建設完成，Liu 等[78]分析了BDS 新信號的測高性能，結果證實了BDS 同樣具有良好的水面測高能力.除了單獨研究各系統(tǒng)的反演性能外，Wang 等[79-81]聯合四大GNSS 系統(tǒng)的SNR 數據進行了水面高度反演試驗，結果表明多系統(tǒng)融合反演能夠有效提升水位測量結果的精度以及時間分辨率.

目前，GNSS-IR 水面高度反演的理論研究主要圍繞海潮監(jiān)測展開，相關的應用例如提取潮波系數[82-84]、反演風暴潮[85-86]等，也在進一步發(fā)展中.需要注意的是，上述研究也適用于內陸地區(qū)的水位反演.部分學者利用GNSS-IR 技術監(jiān)測湖泊[87-90]、河流[91-93]、水庫[94]等環(huán)境的水位變化，同樣取得了比較理想的反演效果.

3 GNSS-IR 遙感發(fā)展展望

隨著新一代GNSS 的日益完善、數據挖掘技術的快速發(fā)展、時空大數據的愈加豐富、航空和空間信息技術(包括通信、導航和遙感)不斷發(fā)展的背景之下，GNSS 遙感技術結合了GNSS 衛(wèi)星導航和遙感技術的優(yōu)勢，具有監(jiān)測面積廣、時間分辨率高、全天候監(jiān)測、實時自動化，能夠充分利用GNSS提供的多頻段信號信息等技術優(yōu)勢，在諸多行業(yè)及應用領域扮演著越來越重要的角色.尤其是近年來基于多路徑效應影響的SNR 信息發(fā)展起來的GNSS-IR 技術，為環(huán)境地表監(jiān)測提供了一種全新的監(jiān)測手段.該技術兼具了主動雷達與被動輻射計的優(yōu)點，與傳統(tǒng)的衛(wèi)星遙感手段相比，具有如下優(yōu)勢：

1)無需單獨制造特定的發(fā)射機來主動發(fā)射遙感信號，且具有豐富的免費衛(wèi)星導航信號源.未來GNSS的衛(wèi)星總數將會多達上百顆.隨著GPS、GLONASS、Galileo 和BDS 全球四大導航系統(tǒng)的不斷完善與更新，以及更多新的區(qū)域增強系統(tǒng)的組建，GNSS-IR 技術將會有更加豐富的數據實現高時頻、高精度的地表參數提取.

2) GNSS-IR 技術不需制定單獨的接收機接收遙感信號，僅需要一臺大地型測量接收機便可對地表物理參數進行反演，且接收機為單頻、雙頻或多頻、單系統(tǒng)、雙系統(tǒng)或多系統(tǒng)均可.因此，空間信息用戶可以借助遍布全球的GNSS 連續(xù)運行跟蹤站來進行地表物理參數反演，彌補了常規(guī)儀器和衛(wèi)星雷達監(jiān)測地表環(huán)境在空見分辨率上的不足，進而發(fā)揮GNSS 在全球環(huán)境變化監(jiān)測中的重要作用，為創(chuàng)建全球GNSS 地表環(huán)境監(jiān)測網絡提供了可能.

3) GNSS 衛(wèi)星所用的載波位于微波的L 波段，受大霧和雨雪等惡劣天氣的影響較小，且能夠穿透云層，對土壤濕度和雪水含量特別敏感.這有利于實現長期穩(wěn)定、全天候的觀測，也使GNSS-IR 技術的應用范圍十分廣泛.

這項日益受關注的新技術被廣泛應用的同時也存在一些挑戰(zhàn)，如需要對GNSS 信號在大氣層中的傳播和地球表面的反射進行精確建模并了解地表粗糙度對反演精度的影響.這需要詳細了解大氣條件和地表環(huán)境特性，以及對GNSS 信號和不同環(huán)境之間復雜的相互作用進行精確建模.總體而言，為實現GNSS-IR技術在更多領域的應用，研究人員需開發(fā)新的硬件和軟件，并探索如何進行更精確的反演處理，以提高技術的準確性和可靠性.此外，研究人員還需要設計和優(yōu)化相應的算法和數據處理流程，以提高GNSS-IR技術的可靠性和實用性.未來，GNSS-IR 技術的應用范圍和精度必將得到進一步的提高，該技術也將進一步彌補常規(guī)測量儀器和雷達微波遙感在地表環(huán)境監(jiān)測方面時間或空間分辨率不足的問題，進而發(fā)揮GNSS 遙感在全球環(huán)境變化監(jiān)測中的重要作用.因此，對GNSS-IR 技術的研究，不僅僅是GNSS 在遙感領域的理論創(chuàng)新，其在環(huán)境監(jiān)測方面的應用以及預測自然災害的潛力更是讓人期待.

致謝：感謝UNAVCO 運營的美國“地球透鏡計劃(Earth Scope)”中板塊邊緣觀測PBO 網絡提供的數據(http://www.earthscope.org)，以及Kristine Larson,Carolyn Roesler,Berkay Bahadur 等提供的開源MATLAB 代碼.