论文推荐 | 何秀凤,王杰, 王笑蕾,宋敏峰：利用多模多频GNSS-IR信号反演沿海台风风暴潮

《测绘学报》

构建与学术的桥梁        拉近与权威的距离

复制链接，关注《测绘学报》抖音！

【测绘学报的个人主页】长按复制此条消息，长按复制打开抖音查看TA的更多作品##7NsBSynuc88##[抖音口令]

本文内容来源于《测绘学报》2020年第9期，审图号GS（2020）4848号。

利用多模多频GNSS-IR信号反演沿海台风风暴潮

何秀凤,王杰, 王笑蕾,宋敏峰    

河海大学地球科学与工程学院, 江苏 南京 211100

基金项目：国家自然科学基金重点项目（41830110）; 国家重点研究发展计划（2018YFC1503603）

摘要：台风风暴潮每年给沿海城市造成了极大的损失, 近年来利用GNSS反射信号的地基遥感方法可以用于潮位监测, 称为GNSS-IR（global navigation satellite system-interferometric reflectometry）, 对风暴潮期间验潮站资料进行补充。由于风暴潮发生时间短且破坏性强, 单系统GPS的时间分辨率难以满足海洋灾害的监测需求。本文基于中国香港站（HKQT）和巴哈马群岛站（BHMA）的多模多频GNSS卫星观测数据反演了3次沿海风暴潮事件。先对多模多频数据的质量进行分析, 随后分别对2019年飓风“多里安”、2018年台风“山竹”和2017年台风“天鸽”引起的3次风暴潮, 利用基于滑动窗口的最小二乘法对多模多频GNSS-IR反演结果进行改正并与验潮站实测值对比分析。试验结果表明, 利用多模多频GNSS-IR反演“多里安”风暴潮的精度优于14 cm, 反演“天鸽”和“山竹”风暴潮的精度优于9 cm。相比GPS单系统, 多模多频GNSS-IR能够提高监测的精度和时间分辨率, 有效提取风暴潮中异常潮位的涨潮、峰值和落潮的全过程, 对海洋灾害的研究监测发挥重要作用。

关键词：GNSS-IR    风暴潮    反演    多模多频    海平面    

引文格式：何秀凤, 王杰, 王笑蕾, 等. 利用多模多频GNSS-IR信号反演沿海台风风暴潮. 测绘学报，2020，49(9)：1168-1178. DOI: 10.11947/j.AGCS.2020.20200228.

阅读全文：http://xb.sinomaps.com/article/2020/1001-1595/2020-9-1168.htm

全文概述

风暴潮是指在热带气旋和温带气旋等大气扰动作用下, 由推动水面的强风引起的海平面异常升高的现象。伴随着天文涨潮的风暴潮通常会引起极端的海面变化, 进而给沿海地区带来洪涝灾害^[1]。全球平均每年形成的台风有80—100个, 其中有1/10在中国东南沿海登陆。在我国, 台风风暴潮是破坏性最大的海洋灾害之一, 每年造成巨大的生命财产损失^[2]。《2017年广东省海洋灾害公报》中的统计数据显示, 2017年广东省因各类海洋灾害造成的直接经济损失约54.10亿元, 由风暴潮灾害造成的直接经济损失为53.61亿元, 占全部直接经济损失的99.09%, 其中仅“天鸽”台风引起的风暴潮灾害造成的直接经济损失就达到了51.54亿元。因此, 监测风暴潮灾害对降低沿海地区灾害风险具有重要意义。

风暴潮中警戒潮位值的选取需要以沿海验潮站的实测数据为依据, 安装于海岸的验潮站, 其测量结果易受潮位变化和地面沉降的影响^[3]。此外, 台风期间风暴潮可能使验潮站无法正常工作, 如飓风“卡特里娜”作用导致沿海验潮站普遍失灵, 只能采集高水位标志研究风暴潮^[4]。台风“天鸽”期间, 澳门受水浸地区的两个潮位监测站因断电故障未能测得风暴潮的最高水位值^[5]; 台风“山竹”期间位于深圳的验潮站因停电而中断运行, 也未能记录潮位的异常增水情况^[6]。因此, 在狂风和暴雨等极端天气中监测潮位时, 对验潮站的抗风暴能力提出了更高的要求^[6]。

随着GNSS技术的不断发展, 文献[7]首次提出GNSS反射信号可用于反演海潮变化的理论并得到研究证实^[8-9]。随后基于信噪比(SNR)的地基单天线GPS-IR测潮技术在国内外兴起^[10-11]。由于潮位具有时变特性, 对反演结果的时间分辨率有较高要求, 特别是在风暴潮期间对反演结果的采样率要求更高^[12]。单模GPS-IR的采样率受GPS卫星轨迹数量、SNR数据质量以及场地几何形状的限制^[13], 有时难以满足潮位监测要求, 很多学者就有限数据研究提高时间分辨率的方法。文献[14]利用滑动窗口法增加反演值, 但该方法会降低反演精度。文献[15]利用小波分析法提取SNR瞬时频率从而提高时间分辨率, 但瞬时频率的提取对噪声过于敏感, 会引入异常值和误差导致反演精度降低^[16]。文献[17]用天文潮预测法提高反演值精度和时间分辨率, 但天文潮无法预测突变的潮位, 不适用于风暴潮。多模多频GNSS能够提供更多的卫星轨迹数量、质量更好的卫星信号和海面更大范围的信号感知区域从而提高反演值精度和时间分辨率^[13]。文献[10]分别利用GPS和GLONASS的L1和L2信号反演潮位, 反演精度均为厘米级。文献[18]将BDS应用于海面高度反演, 对BDS 3频SNR数据的反演能力进行了研究。文献[19]使用GPS、GLONASS、Galileo和BDS联合反演潮位, 验证了多模多频GNSS-IR能够提高反演值的时间分辨率和精度。基于前人的研究, 本文通过分析多模多频GNSS的观测数据, 利用多模多频GNSS-IR技术反演3次风暴潮并与验潮站实测值验证和分析, 探索多模多频GNSS-IR监测风暴潮灾害的可行性。

1  GNSS-IR潮位反演原理

1.1  GNSS-IR经典海平面反演原理

GNSS-IR反演潮位是将连续运行参考站(continuously operating reference stations, CORS)安置于海边, 接收机会接收到卫星直射信号与经过海面的反射信号相干的合成信号, 这一现象可由卫星观测文件的SNR直接体现^[20]。反射信号与直射信号的路程差D可表示为^[21]

 (1)

式中, e是天线处的卫星高度角; h是反射面到天线相位中心的垂直距离, 文中统称为垂直反射距离。

由路程差D即可推算直射信号与反射信号的相位差ϕ为^[14]

 (2)

式中, λ是卫星信号波长。

根据式(2), 于是有^[14]

 (3)

式中, f是SNR中受多路径影响部分的信号频率。简化后便可得到垂直反射距离h与卫星信号波长λ的关系

 (4)

对于f的提取, 经典方法是用二阶多项式拟合SNR后去除趋势项, 再对残差序列δ_SNR用L-S谱(lomb-scargle periodogram, LSP)分析方法求得^[10]。在LSP分析过程中, 一般认为峰值噪声比(peak-to-noise ratios)大于3的反演值有效^[19]。满足要求的信号频率f便可根据式(4)计算出反射面到天线相位中心的垂直距离h, 从而进一步计算出潮位值。

GNSS四系统各波段信号均可按照GNSS-IR经典海平面反演理论测量海面高度。

1.2  GNSS-IR潮位监测误差改正

由于信噪比模型是在海面静态条件下提出的, 考虑实际中海面动态变化的特性, 文献[22]首次提出了海面动态高度误差。设静态情况下得到的垂直反射距离为h, 实际垂直反射距离为h, 于是二者之间的关系可表示为^[22]

 (5)

式中,分别为卫星高度角和海面高度关于时间的变化率。

文献[6]利用潮汐调和分析法改正风暴潮期间海面的动态高度误差, 改正后整体精度仅提高了3 cm。考虑因为风暴潮期间实际潮位变化与潮汐调和分析不完全一致, 在变化趋势相同部分, 改正方法能够提高反演精度, 而在变化趋势相反部分, 改正后反而会使精度降低。本文利用基于滑动窗口的最小二乘法改正此误差^[14]。设系统种类s∈{G, R, E, C}, 窗口长度为T=3 h, 窗口滑动步长为0.5 h, 第i个窗口的时间为t_i∈, 建立矩阵方程式

 (6)

式中,; j表示信号类型; l表示窗口内反演值的序号, 其中|t_l－t_i| < T/2;;。

根据最小二乘原理

 (7)

由于不同信号具有不同的反演精度^[18, 23], 对应的权重也不相同, 这里使用稳健回归分析法进行自动赋权^[19]。

GNSS卫星信号传播至接收机过程中, 经过中性大气层时会产生时延和弯曲, 由此导致的接收机测距误差称为对流层延迟误差^[24]。卫星信号经过对流层区域时会发生信号折射效应。文献[25]研究认为对流层延迟会使求得的垂直反射距离产生高度误差, 并用GPT2w(global pressure and temperature)模型进行误差改正。对流层延迟τ_T的计算如式(8)所示

 (8)

式中, Δτ_h^z=τ_h^z(－h)－τ_h^z(0)为天顶延迟; m_h为干延迟映射函数; m_w为湿延迟映射函数; e为卫星高度角。于是对流层延迟对GNSS-IR反演的高度误差Δh_T可表示为^[25]

 (9)

结合式(5)和式(9), 静态情况下的垂直反射距离h与实际情况下的垂直反射距离h之间的关系有

 (10)

经过海面高度误差改正和对流层高度误差改正后即可得到实际的垂直反射距离h, 再用接收机天线的大地高减去实际垂直反射距离便可得到潮位值。

2  风暴潮及站点分析

2.1  飓风“多里安”风暴潮

2019年全球风王“多里安”于9月1日登陆巴哈马群岛, 9月2日给大巴哈马岛带来了灾难性的风暴潮, 造成巴哈马至少50人死亡, 成千上万所房屋被毁, 经济损失超过70亿美元。

大巴哈马岛自由港(Freeport, Bahamas)岸边的BHMA站提供了卫星观测数据, BHMA站点位于西经78.97°、北纬26.69°。站点安装了Trimble NETR9型接收机和LEIAT504接收机天线, 提供GPS和GLONASS双系统卫星观测数据, 卫星数据采样间隔为1 s。对该站点有效高度角限制5°~15°, 对应海域方位角为-20°~80°, 距离站点1781 m处有一验潮站可提供实测潮位数据, 图 1(a)显示了站点周围环境。

图 1 站点周围环境 Fig. 1     The sites surroundings      

图选项

2.2  台风“天鸽”与“山竹”风暴潮

台风“天鸽”在2017年8月23日为香港带来10级大风, 造成香港经济损失10.2亿美元、近百人受伤。台风“山竹”在2018年9月16日凌晨登陆香港, 超过200人受伤, 给香港造成巨大的经济财产损失。

文献[6]利用GPS单系统反演了“天鸽”和“山竹”两次台风风暴潮, 直接以L1、L2和L5三频反演的平均值作为最终结果, 未充分考虑三者不同精度对融合结果的影响, 采样率的提高也有限。同时文中采用潮汐调和分析法改正海面高度误差, 然而这种方法更适合正常气象情况下的潮位改正, 不适用于风暴潮, 而本文基于多模多频滑动窗口的最小二乘改正法则能够解决上述不足。香港北边海岸的HKQT站提供了卫星观测数据, HKQT站位于东经114.21°、北纬22.29°, 属于香港卫星定位参考站网(satellite positioning reference station network, SatRef), 安装了Trimble NETR5型接收机。HKQT站点提供GPS、GLONASS、Galileo、BDS、QZSS和星基增强系统(satellite-based augmentation system, SBAS)的卫星观测数据, 卫星数据采样间隔为1 s、5 s和30 s。对该站点来说有效海域方位角为-60°~105°, 有效高度角为4°~9°^[6]。距离HKQT站点2 m处有一验潮站Quarry Bay可提供实测的潮位数据, 图 1(b)显示了站点周围环境。

2.3  站点卫星分布与信号反射区域

以HKQT站点为例, 天空布满GPS、GLONASS、Galileo和BDS星座, 为GNSS-IR监测潮位提供大量的可用卫星弧段数据。图 2(a)为2017年年积日232天四系统的卫星轨迹分布图。可以看出HKQT站点上空的GPS、GLONASS和Galileo卫星弧段分布较多, BDS相对较少, 不同卫星弧段数影响着反演值的时间分辨率。为了避免接收来自陆地的反射信号, 对卫星高度角和方位角限制后, 各卫星系统的海面信号反射区域如图 2(b)所示。

图 2 卫星轨迹与信号反射区分布 Fig. 2     The satellite tracks and sensing zone      

图选项

卫星信号的反射区域大小受卫星高度角、方位角和天线至海面的垂直反射距离决定, 以高度角4°~9°、方位角-60°~105°、垂直反射距离6 m分别绘制了GPS、GLONASS、Galileo和BDS信号的第一菲涅尔反射区情况^[6, 26], 距离站点由远及近的反射区分别对应高度角4°、6°和9°。受卫星弧段影响GPS、GLONASS和Galileo的信号反射区域大而密集, BDS小而稀疏, 同时由图 2(a)可知四系统星座在方位角-30°~30°之间无卫星轨迹, 这也导致了图 2(b)中黄色箭头区域内缺少信号反射点。四系统合并后的信号感知范围明显优于单系统, 因此多模GNSS能够提供更多的数据源和更广阔的海面感知区域, 有利于提高潮位监测的时间分辨率。

3  多模多频GNSS-IR数据分析

根据飓风“多里安”风暴潮、台风“天鸽”风暴潮和台风“山竹”风暴潮发生的时间与位置, 这里分别选取BHMA站2019年年积日为241—246、HKQT站2017年年积日为232—237和2018年年积日为257—261的卫星观测数据进行分析。站BHMA的卫星观测文件记录有GPS和GLONASS的S1、S2信噪比数据, 而HKQT站的卫星观测文件中的信噪比类型较多, GPS有S1C、S2W、S2X和S5X四种, GLONASS有S1C、S1P、S2C和S2P四种, Galileo有S1X、S5X、S7X、S8X四种, BDS有S1I和S7I两种, QZSS有S1C、S1Z、S2X、S5X和S6X共5种, SBAS有S1C和S5I两种, 因此需对HKQT站点数据作进一步分析, 选择观测数据采样间隔为5 s。由于两次台风期间卫星精密星历中未记录SBAS的卫星位置信息, 并且QZSS没有可用弧段, 因而这里以GPS、GLONASS、Galileo和BDS四个系统的观测数据进行试验研究。

为了分析各系统不同波段的反演能力, 以2017年年积日为232和233的数据进行分析, 期间天气正常。图 3为各系统不同波段在平均方位角-60°~105°内的SNR序列, 图 4为根据有效高度角4°~9°和平均方位角-60°~105°, 对各系统符合条件的SNR序列LSP分析结果。

图 3                         GNSS SNR序列

Fig. 3     GNSS SNR sequence      

图选项

图 4                         GNSS LSP分析

Fig. 4     GNSS LSP analysis      

图选项

由图 3可知, 对比四个系统各信号的SNR, 在3°~30°高度角情况下, GPS不同载波信号的SNR差值最大, 约25 dB; Galileo不同载波信号的最大SNR差值同样在25 dB左右, 而GLONASS和BDS的不同载波信号SNR差值较小, 表现出整体的一致性。图 4为四个系统在低高度角情况下SNR序列的LSP结果, 可以看出GPS的S5X、Galileo的S8X、BDS的S7I振幅峰值明显最高, GLONASS的S1C、S1P、S2C、S2P的振幅峰值较稳定。比较图 3与图 4, GPS中S1C、S2X、S5X能量差值小, 三者LSP的最大波峰对应的垂直反射距离在6.6 m左右; GPS中的S2W信号质量最低, LSP出现了3个较大的波峰且最大波峰对应的垂直反射距离超过了9 m, 结果为粗差。这是因为对于正常气象的海面, LSP分析中的峰值噪声比大于3, 振幅值大于5的反演结果被认为有效^[22], 而S2W的LSP中峰值噪声比仅为1.56并且振幅小于1, 结果不可靠。Galileo的S5X尽管LSP的振幅值很小, 但其峰值噪声比大于3, 并且反演结果是有效的。因此, 为提高GNSS-IR反演精度及可靠性, GPS的S2W将不用于后续试验, 而Galileo的S5X仍能使用, 其有效振幅阈值的设置需进一步分析。

4  多模多频GNSS-IR监测沿海台风风暴潮

4.1  GNSS-IR监测飓风“多里安”风暴潮

选取BHMA测站年积日为241—246的观测数据, 以GPS和GLONASS双系统的L1和L2波段进行潮位反演, 并将反演结果与美国国家环境预报中心(National Centers for Environmental Prediction, NCEP)提供的风速资料综合分析。文献[10]认为当风速小于17.5 m/s时, 风速对基于SNR的潮位反演没有明显影响, 当风速超过18 m/s后海面粗糙度会影响反射信号的功率。在风暴潮期间经过海面的反射信号的振幅值减小, 同时波形也会变得更扁平^[20], 因而这里将峰值噪声比由3降低为2, 有效振幅值由5降低为4^[6]。

图 5为BHMA站的GNSS-IR反演结果, 黑色曲线表示验潮站实测值, 灰色曲线表示天文潮潮位值, 蓝色曲线表示站点区域的风速变化情况, 蓝色圆点为GPS和GLONASS未作误差改正的反演结果, 红色圆点为利用潮汐调和分析法改正后的反演结果。可知随着“多里安”的逼近当地风力在不断加强, 风暴潮也随之而来, GPS与GLONASS的反演结果与验潮站数据较为一致, 在风暴潮期间也能够反映潮位的突变情况。然而从监测效果来看, 冗余反演值堆积, 部分时间无反演结果, 风暴潮中潮位突变部分与天文潮差异较大, 经过潮汐调和分析法改正后的精度也仅从20.28 cm提高为19.07 cm, 精度提高了5.97%。此时利用基于滑动窗口的最小二乘法对反演值进行改正后, 结果见图 6。

图 5 多模多频GNSS-IR反演飓风“多里安”风暴潮

Fig. 5     Multi-system multi-frequency retrievals of hurricane Dorian storm surge      

图选项

图 6 最小二乘法改正结果

Fig. 6     The result of least squares correction      

图选项

由图 6可见, 基于滑动窗口的最小二乘法改正效果良好, 改正后精度提高至13.98 cm, 精度提高了31.06%。对流层延迟引起的高度误差改正后仅使反演精度提高不足0.5 cm, 对反演结果影响可忽略。多模多频GNSS-IR除了提高反演值时间分辨率, 滑动窗口滤波能有效剔除窗口中的异常结果, 更多的冗余值更有利于滑动窗口的解算, 同时将原来堆积的结果均匀采样, 更有利于潮位监测。

4.2  GNSS-IR监测台风“天鸽”风暴潮

考虑风速与海面粗糙度对反射信号功率的影响二者非线性关系^[10]和峰值噪声比为3适用于正常情况下四个系统的质量控制^[19]。通过试验分析后认为峰值噪声比为2同样适用于四系统在风暴潮期间的质量控制, 但有效振幅值为4不适用于Galileo, 分析如图 7所示。

图 7                         Galileo LSP的峰值噪声比与有效振幅值

Fig. 7     PNR and amplitude of Galileo LSPs      

图选项

图 7为Galileo SNR数据LSP分析的峰值噪声比与有效振幅序列。为了更加直观, 对纵坐标数值取以2为底的对数, 红色圆圈表示4个波段的峰值噪声比, 蓝色圆圈表示S1X、S7X与S8X的有效振幅值, 绿色圆圈表示S5X的有效振幅值。由图可认为峰值噪声比设置为2可对Galileo 4个波段反演结果作质量控制, 有效振幅值设置为4也可对S1X、S7X与S8X 3个波段反演结果作质量控制, 但不适合于信号功率较低的S5X, 其振幅值基本分布在0.5以上。为得到有效反演结果, 这里对S5X的有效振幅值设置为0.5。

图 8为四个系统反演潮位变化的结果, 黑色曲线表示验潮站实测潮位值, 灰色曲线表示天文潮位的预测值, 灰白色曲线为风暴潮引起的增水值, 绿色曲线为区域风速变化情况。风速一度超过28 m/s, 潮位增水最大超过1 m, 整个过程持续约7 h, GPS和Galileo均完整监测了风暴潮的涨落过程, GLONASS卫星信号受噪声影响更大, 反演结果的粗差较多, 只监测到了异常潮位的峰值, BDS在此期间天空无可用卫星弧段, 无法监测这段时间潮位突变情况。四卫星系统整体反演精度为15.11 cm, 与实测潮位的相关系数优于0.9。

图 8 多模多频GNSS-IR反演台风“天鸽”风暴潮 Fig. 8     Multi-system multi-frequency retrievals of typhoon Hato storm surge      

图选项

文献[6]认为GPS单系统的L1、L2和L5三频段的反演精度不同, 但在研究风暴潮时, 对同一时刻L1、L2和L5的反演结果取平均值作为该时刻的反演值, 未考虑各自的权重。同时采用潮汐调和分析法进行海面误差改正, 改正后精度仅提高了3 cm。图 9(a)为基于滑动窗口的最小二乘法改正后的结果图, 改正后的精度为7.89 cm, 提高了47.78%, 同时滑动窗口实现了均匀采样, 能够观测完整的风暴潮涨落情况。图 9(b)为反演潮位与实测潮位的较差序列, 误差改正前的灰色曲线在0处上下波动, 差值在-0.3~0.5 m, 而最小二乘误差改正后的黑色曲线以0为中心在-0.2~0.2范围波动, 整体表现更稳定。图 9(c)描述了各结果的可信赖程度, 不确定度值的整体变化趋势与潮位涨落近似, 大多分布在0~0.6 m区间, 而随着风力增强、海面粗糙度增大以及风暴潮增水的影响, 不确定度值也随之增大。对流层误差改正后精度仅提高不足1 cm, 这对潮位监测来说影响可忽略, 后续不再分析。

图 9 最小二乘改正与误差分析 Fig. 9     Least squares correction and analysis      

图选项

表 1对比了各系统反演结果, 可知GPS中S1C反演精度最差, S5X反演精度最好; GLONASS中S2C与S2P反演精度要优于S1C与S1P;Galileo S8X反演精度最好, S5X和S7X精度次之, S1X精度最差; BDS的S7I反演精度要优于S1I。分析可知对于同一个卫星系统, 随着信号的波长增长, 反演精度也随之提高, 如GPS L5的S5X、GLONASS G2的S2P、Galileo E5的S8X和BDS B2的S7I, 同时四系统反演结果在整体上也表现为精度与信号波长呈正相关趋势, 这种现象可能与天线增益、随机表面粗糙度有关^[27]。四系统联合反演的精度明显优于其他卫星波段。得益于稳健回归分析的应用, 考虑了窗口内不同系统和频段反演精度的权重, 多模多频为时间窗口提供了更多的冗余值, 有利于提高最小二乘解算的精度。

表 1 四系统GNSS-IR反演结果对比Tab. 1 Comparison of GNSS-IR of four system results

载波类型	相关系数	标准差/cm
GPS L1C	0.93	17.26
GPS L2X	0.93	14.76
GPS L5X	0.98	12.36
GLONASS L1C	0.98	16.17
GLONASS L1P	0.99	14.31
GLONASS L2C	0.99	13.83
GLONASS L2P	0.99	12.54
Galileo L1X	0.93	16.76
Galileo L5X	0.99	14.46
Galileo L7X	0.92	15.61
Galileo L8X	0.96	10.59
BDS L1I	0.97	15.05
BDS L7I	0.94	12.98
四系统联合	0.98	7.89

表选项

4.3  GNSS-IR监测台风“山竹”风暴潮

台风“山竹”期间SNR频谱分析的峰值噪声比和有效振幅值的设置与“天鸽”相同, 其中对Galileo S5X的有效振幅值设为0.5。图 10为多模多频GNSS-IR反演台风“山竹”风暴潮结果, 黑色曲线为验潮站实测值, 灰色曲线为天文潮位值, 灰白色曲线为台风期间的风暴增水情况。图 10(a)中红色方点表示GPS的反演结果, 蓝色圆点表示GLONASS的反演结果, 黄色方点表示Galileo的反演结果, 绿色三角点表示BDS的反演结果, 图 10(b)中蓝色圆点表示经过最小二乘法改正后的结果。风暴潮期间风速最高超过38 m/s, 增水高度和持续时间几乎为“天鸽”的两倍。最小二乘法改正前, GPS、GLONASS、Galileo和BDS的反演结果与验潮站较为一致, 反演精度为16.46 cm, 相关系数0.93。尽管相较于单模提高了时间分辨率, 但反演值表现为局部堆积, 反而不利于某时刻潮位情况的判断, 同时在风暴潮下降的过程反演值稀疏, 不利于落潮情况的记录。最小二乘法改正后的精度为8.97 cm, 较改正前提高了45.51%, 与验潮站相关系数为0.96, 较单模除了提高时间分辨率, 反演精度也得到大幅提高, 等时间间隔的采样更能满足日常潮位监测和风暴潮灾害监测的要求。因此多模多频GNSS-IR能够提供更多的卫星弧段数和质量更好的信号类型, 基于滑动窗口的最小二乘算法在提高反演精度的同时, 有利于观测异常潮位的涨潮、峰值和落潮这一完整过程, 提高风暴潮过程监测的完善性。

图 10 多模多频GNSS-IR反演“山竹”风暴潮 Fig. 10     Multi-system multi-frequency retrievals of typhoon Mangkhut storm surge      

图选项

5  结论

海洋灾害会对沿海城市造成大量的经济损失, 影响着人类的社会生活, 而风暴潮作为海洋灾害之首, 对其监测就显得尤为重要。基于卫星导航系统提供信号的长期性和连续运行参考站接收信号的稳定性特点, 利用GNSS-IR技术反演潮位成为可能, 然而其反演结果的时间分辨率受天空卫星弧段数量以及测站的几何位置等影响, 此时多模多频的应用能够对此进行补充。本文首先分析了多模多频的质量控制参数, 认为Galileo的S5X类型信号的功率较低, 其有效振幅阈值的设置与其他信号不同。然后利用多模多频GNSS-IR技术反演了“多里安”、“天鸽”和“山竹”3次台风风暴潮事件, 结果认为基于滑动窗口的最小二乘法比经典的潮汐调和分析改正法更适合风暴潮的潮位高度误差改正, 改正后反演结果与验潮站实测值相比, “多里安”风暴潮的监测精度优于14 cm, “天鸽”和“山竹”风暴潮的监测精度优于9 cm。精度提高的同时能够解决多模多频反演点的堆积问题, 使结果采样趋于均匀, 更符合潮位监测的要求。并且相比单模的GPS-IR, 多模多频GNSS-IR提高了海面监测的精度、连续性和时间分辨率, 在风暴潮期间能够观测更多异常潮位的变化情况。随着全球导航系统的发展, 将会提供更多类型的信号和更完善的星座结构, 多模多频GNSS-IR将在海洋灾害的监测方面发挥更重要的作用。

作者简介

第一作者简介：何秀凤(1962—), 女, 教授, 研究方向为卫星导航定位, 海洋监测, 卫星遥感技术。E-mail:[e-mail]

通信作者：王杰, E-mail: [e-mail]

权威 | 专业 | 学术 | 前沿

微信、抖音小视频投稿邮箱 | [e-mail]

微信公众号中搜索「测绘学报」，关注我们，长按上图二维码，关注学术前沿动态。

欢迎加入《测绘学报》作者QQ群： 751717395

进群请备注：姓名+单位+稿件编号