地球科学进展

地球科学进展 ›› 2025, Vol. 40 ›› Issue (9): 902 -915. doi: 10.11867/j.issn.1001-8166.2025.078

研究论文 上一篇    下一篇

简缩极化GNSS-ReSAR陆面遥感技术研究
吴学睿()   
  1. 中国科学院上海天文台，天文地球动力学研究中心，上海 200030
  • 收稿日期:2025-06-30 修回日期:2025-08-28 出版日期:2025-09-10
  • 基金资助:
    国家重点研发计划项目(2024YFB3910001);国家自然科学基金项目(42061057)

Simplified Polarized GNSS-ReSAR Land Surface Remote Sensing Technology

Xuerui WU()   

  1. Center for Astro-geodynamics Research, Shanghai Astronomical Observatory, Chinese Academy of Sciences, Shanghai 200030, China
  • Received:2025-06-30 Revised:2025-08-28 Online:2025-09-10 Published:2025-11-18
  • About author:WU Xuerui, research areas include GNSS-R/SoOP-R modeling and geophyscial parameters retrieval. E-mail: xrwu@shao.ac.cn
  • Supported by:
    the National Key Research and Development Program of China(2024YFB3910001);The National Natural Science Foundation of China(42061057)
全文 ( 9 ) 下载PDF ( 50 )

全球导航卫星系统反射测量技术是一种通过解析导航卫星反射信号实现地表参数反演的有效对地观测手段。已有研究表明，传统全球导航卫星系统反射测量技术系统主要采用单一极化配置（右旋圆极化发射与左旋圆极化接收，简称LR极化），对其他极化组合的散射特性研究相对薄弱。随着技术进步，采用右旋圆极化天线接收地表反射信号的方案逐渐受到重视。同时，传统全球导航卫星系统反射测量技术的时延—多普勒图处理模式在不同观测几何条件下对散射特征的利用效率较低。在此背景下，发展能够跨几何构型有效接收地表散射信号的全球导航卫星系统合成孔径雷达（GNSS-SAR）技术成为具有潜力的研究方向。通过聚焦简缩极化全球导航卫星系统反射测量技术与合成孔径雷达融合技术的遥感探索，基于西班牙机载全球导航卫星系统反射计（GLORI）实验获取的双极化［RR（右旋圆极化发射与右旋圆极化接收）］数据开展了土壤水分反演研究，并同步利用中国天目商业卫星的双极化全球导航卫星系统反射测量技术数据进行对比验证。实验表明，RR极化反射率较LR极化低约10 dB，但基于两种极化反演的土壤水分精度具有可比性。受限于简缩极化数据获取能力，采用基于辐射传输理论构建的LAGRS模型解析简缩极化的其他散射特性。通过系统分析合成孔径雷达融合技术模式的散射机制与发展趋势，在一定程度上为新一代全球导航卫星系统反射测量技术技术演进提供了理论参考。

关键词: 全球导航卫星系统反射测量技术, 简缩极化, 时延—多普勒图, 合成孔径雷达

Global Navigation Satellite System Reflectometry (GNSS-R) is an effective Earth observation method that analyzes navigation satellite reflection signals to invert surface parameters. Historical research has shown that traditional GNSS-R systems primarily adopt a single-polarization configuration (Right-Handed Circularly Polarized (RHCP) transmission and Left-Handed Circularly Polarized (LHCP) reception, hereinafter referred to as LR polarization). With the advancement of technology, the use of RHCP antennas to receive surface-reflected signals has gained attention. The traditional Delay-Doppler Map (DDM) processing mode of GNSS-R has low efficiency in utilizing scattering features under different observation geometries. In this context, the development of GNSS-based Synthetic Aperture Radar (GNSS-SAR) technology that can effectively receive surface scattering signals across geometric configurations has become a promising research direction. This study focuses on remote sensing exploration of the fusion technology of reduced polarization GNSS-R and synthetic aperture radar (GNSS ReSAR: GNSS Reflectometry and Synthetic Aperture Radar). Based on dual-polarization (LR and RR) data obtained from the Spanish airborne GLORI experiment, soil moisture inversion research was conducted. Dual-polarization GNSS-R data from the Chinese Tianmu (TM) commercial satellite were synchronously used for comparative verification. Both experiments consistently showed that the reflectance of the RR polarization was approximately 10 dB lower than that of the LR polarization, but the accuracy of soil moisture inversion based on the two polarizations was comparable. Because of the limited ability to obtain simplified polarization data, this study used the Land Surface GNSS Reflection Simulator (LAGRS) model, constructed based on radiative transfer theory, to analyze other scattering characteristics of simplified polarization. A systematic analysis of the scattering mechanism and development trend of the GNSS ReSAR mode provides a theoretical reference for the evolution of new-generation GNSS-R technology to a certain extent.

Key words: Global Navigation Satellite System Reflectometry (GNSS-R), Hybrid Compact Polari metry, Delay Doppler Map (DDM), Synthetic Aperture Radar (SAR).

中图分类号: 

表1 机载GNSS-R实验及天线极化特性
Table 1 Airborne GNSS-R experiment and antenna polarization characteristics
实验名称接收机名称日期研发机构反射天线极化类型
SMEX02/03DMR2002—2003年美国国家航空航天局LHCP
BAO塔实验DMR2002年美国国家航空航天局LHCP/RHCP/H/V
UPC GNSS-RSMIGOL/PMIGOL（机载）2008—2012年加泰罗尼亚理工大学H/V
LEiMONSAM2009年3~9月欧洲航天局RHCP/LHCP
GLORI新型接收器2021年夏欧洲航天局RHCP/LHCP
RONGOWAINGRx2022年10月至今美国国家航空航天局RHCP/LHCP
图1 星载GNSS-R发展过程
Fig. 1 Development of spaceborne GNSS-R
表2 星载GNSS-R发展历程简表
Table 2 Summary of the development history of spaceborne GNSS-R
代际代表性天基载荷数据特点简要结论
GNSS-R V1.0英国UK-DMCDDM数据；单极化（LR极化）星载GNSS-R载荷在单极化天线配置下可以有效接收陆地表面的反射信号
英国TDS-1
GNSS-R V2.0NASA CYGNSSDDM数据；单极化（LR极化）利用单极（LR极化）的镜面反射点的有效反射率信息可以反演典型陆地表面水循环参数；但反演算法依赖于现有SMAP等卫星数据
中国风云卫星GNOS-R
美国Spire GNSS-R
GNSS-R V3.0ESA HydroGNSSDDM数据；双极化（LR极化和RR极化）RR极化的反射率可以被接收和利用，利用双极化（LR和RR极化）散射特性，预期可以消除地表粗糙度和植被参数的影响，降低对外部数据的依赖
中国陆地水资源卫星GNSS-R载荷
中国天目商业卫星GNSS-R载荷（12号~21号卫星）
GNSS-R V4.0GNSS-ReSAR

DDM数据+SAR数据模式；

简缩极化在不同观测几何下的双站雷达散射截面

利用LR、RR、VR和HR等简缩极化在不同观测几何下的散射特性拟获取不同地物参数的敏感性配置参数并发展建立独立的反演算法
表3 机载GLORI数据LR极化相干和非相干土壤水分反演结果
Table 3 Soil moisture retrieval from airborne GLORI LR-polarized coherent and incoherent signals
极化状态案例号人工神经网络训练层RMSE
LR极化案例1SRLR0.070 0
案例2SRLR； θ0.065 0
案例3SRLR； θ； rms0.046 8
案例4SRLR； θ； rms； LAI0.032 0
LR极化案例1NonCohSRLR0.082 1
案例2NonCohSLRR； θ0.072 8
案例3NonCohSLRR； θ； rms0.042 2
案例4NonCohSLRR； θ； rms； LAI0.029 3
表4 基于机载GLORI数据RR极化相干和非相干特性的土壤水分反演结果［28］
Table 4 Soil moisture retrieval from airborne GLORI RR-polarized coherent and incoherent signals［28］
极化状态案例号人工神经网络训练层RMSE
RR 极化案例1SRRR0.068 1
案例2SRRR； θ0.065 0
案例3SRRR； θ； rms0.040 2
案例4SRRR； θ； rms； LAI0.034 2
RR 极化案例1NonCohSRRR0.085 3
案例2NonCohSRRR； θ0.074 1
案例3NonCohSRRR； θ； rms0.056 9
案例4NonCohSRRR； θ； rms； LAI0.034 8
图2 2024年DOY071天目12号双极化GNSS-R载荷镜像反射点轨迹地图
Fig. 2 Trajectory map of mirror reflection point of Tianmu dual-polarization GNSS-R payload satellites #12 on DOY071， 2024
图3 2024年DOY071天目12号双极化GNSS-R载荷有效反射率分布直方图
Fig. 3 Histogram of effective reflectance distribution of Tianmu dual-polarization GNSS-R payload satellites #12 on DOY071， 2024
图4 2024年DOY 071天目双极化GNSS-R载荷12~22号星有效反射率分布图
Fig. 4 Effective reflectance distribution of Tianmu dual-polarization GNSS-R payload satellites #12~#22 on DOY 071， 2024
图5 2024年DOY 071天目双极化GNSS-R载荷12~22号星有效反射率分布直方图
Fig. 5 Histogram of effective reflectance distribution of Tianmu dual-polarization GNSS-R payload satellites #12~#22 on DOY 071， 2024
图6 2024年DOY 071天目双极化GNSS-R载荷12~22号星归一化有效反射率分布图（a，b）及直方图（c，d）
Fig. 6 Distribution map （a， b） and histogram （c， d） of normalized effective reflectance of Tianmu dual-polarization GNSS-R payload satellites #12~#22 on DOY 071， 2024
图7 2024年DOY071~DOY181天目双极化GNSS-R载荷12~22号星反演土壤水分精度图
Fig. 7 Accuracy map of inverted soil moisture from Tianmu dual-polarization GNSS-R payload satellites #12~#22 from DOY 071 to DOY 181， 2024
图8 LAGRS模型流程图
Fig. 8 LAGRS model schematic diagram
图9 仿真模型中观测几何模块示意图
Fig. 9 Schematic diagram of observation geometry module in simulation model
图10 裸土简缩极化散射方位角双站雷达散射截面示意图［32］
Fig. 10 Schematic diagram of bare soil hybrid compact polarimetric scattering azimuth dual station radar cross section［32］
[1] HALL C D， CORDEY R A. Multistatic scatterometry［C］// International geoscience and remote sensing symposium， ‘Remote sensing： moving toward the 21st century’. Edinburgh， UK： IEEE， 1988. DOI：10.1109/igarss.1988.570200 .
[2] MARTIN-NEIRA M. A Passive Reflectometry and Interferometry System （PARIS）： application to ocean altimetry［J］. ESA Journal， 1993， 17（4）： 331-335.
[3] LIU Jingnan， SHAO Lianjun， ZHANG Xunxie， et al. Advances in GNSS-R studies and key technologies［J］. Geomatics and Information Science of Wuhan University，2007， 32（11）： 955-960.
刘经南，邵连军，张训械，等. GNSS-R研究进展及其关键技术［J］. 武汉大学学报（信息科学版）， 2007， 32（11）：955-960.
[4] SMEX 02 experiment plan， USDA， 2002 ［Z/OL］. ［2025-05-25］. .
[5] ZAVOROTNY V U， MASTERS D， GASIEWSKI A J， et al. Seasonal polarimetric measurements of soil moisture using tower-based GPS bistatic radar［C］// 2003 IEEE international geoscience and remote sensing symposium. Proceedings. Toulouse， France： IEEE， 2003， 2： 781-783.
[6] RODRIGUEZ-ALVAREZ N， CAMPS A， VALL-LLOSSERA M， et al. Land geophysical parameters retrieval using the interference pattern GNSS-R technique［J］. IEEE Transactions on Geoscience and Remote Sensing， 2011， 49（1）： 71-84.
[7] MOTTE E， ZRIBI M， FANISE P， et al. GLORI： a GNSS-R dual polarization airborne instrument for land surface monitoring［J］. Sensors， 2016， 16（5）： 732. DOI：10.3390/s16050732 .
[8] CARRENO-LUENGO H， RUF C S， GLEASON S， et al. Latest progress on rongowai polarimetric GNSS-R airborne mission［C］// IGARSS 2024-2024 IEEE international geoscience and remote sensing symposium. Athens， Greece： IEEE， 2024. DOI：10.1109/igarss53475.2024.10642216 .
[9] EGIDO A， PALOSCIA S， MOTTE E， et al. Airborne GNSS-R polarimetric measurements for soil moisture and above-ground biomass estimation［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2014， 7（5）： 1 522-1 532.
[10] GLEASON S， UNWIN M. Sensing ocean， ice and land reflected signals from space： results from the UK-DMC GPS reflectometry experiment［C］// ION GNSS. Long Beach， CA， 2005： 1 679-1 685.
[11] UNWIN M， JALES P， TYE J， et al. Spaceborne GNSS-reflectometry on TechDemoSat-1： early mission operations and exploitation［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2016， 9（10）： 4 525-4 539.
[12] RUF C S， ATLAS R， CHANG P S， et al. New ocean winds satellite mission to probe hurricanes and tropical convection［J］. Bulletin of the American Meteorological Society， 2016， 97（3）： 385-395.
[13] UNWIN M J， PIERDICCA N， CARDELLACH E， et al. An introduction to the HydroGNSS GNSS reflectometry remote sensing mission［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2021， 14： 6 987-6 999.
[14] ZHAO T J， SHI J C， LV L Q， et al. Soil moisture experiment in the Luan River supporting new satellite mission opportunities［J］. Remote Sensing of Environment， 2020， 240. DOI：10.1016/j.rse.2020.111680 .
[15] RODRIGUEZ-ALVAREZ N， MISRA S， MORRIS M. Sensitivity analysis of smap-reflectometry （SMAP-R） signals to vegetation water content［C］// IGARSS 2019-2019 IEEE international geoscience and remote sensing symposium. Yokohama， Japan： IEEE， 2019： 7 395-7 398.
[16] PIERDICCA N， GUERRIERO L， GIUSTO R， et al. SAVERS： a simulator of GNSS reflections from bare and vegetated soils［J］. IEEE Transactions on Geoscience and Remote Sensing， 2014， 52（10）： 6 542-6 554.
[17] KURUM M， DESHPANDE M， JOSEPH A T， et al. SCoBi-veg： a generalized bistatic scattering model of reflectometry from vegetation for signals of opportunity applications［J］. IEEE Transactions on Geoscience and Remote Sensing， 2019， 57（2）： 1 049-1 068.
[18] WU X R， WANG F. LAGRS-Veg： a spaceborne vegetation simulator for full polarization GNSS-reflectometry［J］. GPS Solutions， 2023， 27（3）. DOI： 10.1007/s10291-023-01441-5 .
[19] WU X R， OUYANG X Q， XIA J M， et al. LAGRS-soil： a full-polarization GNSS-reflectometry model for bare soil applications in FY-3E GNOS-R payload［J］. Remote Sensing， 2023， 15（22）. DOI： 10.3390/rs15225296 .
[20] WU X R， JIN S G， OUYANG X Q. A full-polarization GNSS-R Delay-Doppler-Map （DDM） simulator for bare soil freeze/thaw process detection［J］. Geoscience Letters， 2020， 7（1）. DOI： 10.1186/s40562-020-00154-8 .
[21] YANG G L， DU X Y， HUANG L Y， et al. An illustration of FY-3E GNOS-R for global soil moisture monitoring［J］. Sensors， 2023， 23（13）. DOI： 10.3390/s23/35825 .
[22] WU X R， CHEN L X， SHI J C. Optimization of random surface scattering models for RR polarization in SoOp-R/GNSS-R applications［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2024， 17： 4 890-4 898.
[23] AL-KHALDI M M， JOHNSON J T， O’BRIEN A J， et al. Time-series retrieval of soil moisture using CYGNSS［J］. IEEE Transactions on Geoscience and Remote Sensing， 2019， 57（7）： 4 322-4 331.
[24] CHEW C， SMALL E. Description of the UCAR/CU soil moisture product［J］. Remote Sensing， 2020， 12（10）. DOI： 10.3390/rs12101558 .
[25] LI Y， YAN S H， GONG J Y. Target detection and location by fusing delay-Doppler maps［J］. IEEE Transactions on Geoscience and Remote Sensing， 2023， 61： 1-14.
[26] WU X R， SHI J C. Polarization GNSS-reflectometry： potential and possibility［C］// 2021 IEEE specialist meeting on reflectometry using GNSS and other signals of opportunity （GNSS+R）. Beijing， China： IEEE， 2021： 29-31. DOI：10.1109/gnssr53802.2021.9617680 .
[27] DASSAS K， FANISE P， Le PAGE M， et al. Polarimetric instrument Global Navigation Satellite System-Reflectometry airborne data［J］. Data in Brief， 2024， 52. DOI： 10.1016/j.dib.2023.109850 .
[28] WU X， HAN S， HUANG X， et al. Soil moisture retrieval using single-frequency dual-polarization GNSS-R data from airborne GLORI experiment［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2025（18）：20 655-20 665.
[29] ZAVOROTNY V U， VORONOVICH A G. Scattering of GPS signals from the ocean with wind remote sensing application［J］. IEEE Transactions on Geoscience and Remote Sensing， 2000， 38（2）： 951-964.
[30] MUNOZ-MARTIN J F， RODRIGUEZ-ALVAREZ N， BOSCH-LLUIS X， et al. Stokes parameters retrieval and calibration of hybrid compact polarimetric GNSS-R signals［J］. IEEE Transactions on Geoscience and Remote Sensing， 2022， 60： 1-11.
[31] WU Xuerui， XIA Junming， BAI Weihua， et al. Advancing GNOS-R soil moisture estimation： a multi-angle retrieval algorithm for FY-3E［J］. Remote Sensing， 2025， 17（13）. DOI： 10.3390/rs17132325 .
[32] ULABY F T， ELACHI C. Radar polarimetry for geoscience applications［M］. Dedham， MA： Artech House， 1990.
[33] WU X R， JIN S G. Models and theoretical analysis of SoOp circular polarization bistatic scattering for random rough surface［J］. Remote Sensing， 2020， 12（9）. DOI： 10.3390/rs12091506 .
[1] 黄磊, 李震, 周建民, 田帮森. SAR监测冰川变化研究进展*[J]. 地球科学进展, 2014, 29(9): 985-994.
[2] 高帅,牛铮. 热带人工林SAR散射组成及对遥感估测叶面积指数的影响[J]. 地球科学进展, 2008, 23(9): 982-989.
[3] 高贵，张军，周蝶飞，蒋咏梅，李德仁. 合成孔径雷达对地观测应用中目标感兴趣区域的自动获取[J]. 地球科学进展, 2008, 23(1): 39-46.
[4] 鄂栋臣,张胜凯,周春霞. 中国极地大地测量学十年回顾:1996—2006年[J]. 地球科学进展, 2007, 22(8): 784-790.
[5] 李岩,彭少麟,廖其芳,廖圣东. RADARSATSNBSAR数据在大面积水稻估产中的应用研究[J]. 地球科学进展, 2003, 18(1): 109-115.
[6] 董庆,郭华东,王长林. 多波段多极化合成孔径雷达的海洋学应用[J]. 地球科学进展, 2001, 16(1): 93-97.
[7] 刘国祥,丁晓利,陈永奇,李志林,郑大伟. 极具潜力的空间对地观测新技术——合成孔径雷达干涉[J]. 地球科学进展, 2000, 15(6): 734-740.
[8] 王静瑶,吴　云. 现代地壳运动与地震监测预报研究的现状和发展趋势[J]. 地球科学进展, 2000, 15(1): 84-89.
阅读次数
全文


摘要

地址：甘肃省兰州市天水中路8号
QQ：114723517
电话：0931-8762293　E-mail：adearth@lzb.ac.cn
陇ICP备2021001824号-5　 甘公网安备62010202000687