基于全球衛星導航系統的海洋環境監測方法研究綜述

漆隨平 徐曉飛 厲運周 王軍成 杜珺

摘要：實時、準確、可靠地監測海洋環境信息，對于海洋災害預警預報、防災減災、海洋資源開發、保障海洋安全等具有至關重要的作用。近年來，隨著全球衛星導航系統（GNSS）不斷發展與升級，基于GNSS導航信號進行大氣和海洋環境信息探測發展成為新技術新方法，并成為海洋環境監測技術研究熱點，已在海洋氣象監測、數值預報、科學研究等領域得到了廣泛應用。系統綜述了GNSS技術在海面有效波高、風速、降雨強度、水汽及潮位監測等海洋環境監測領域的應用研究現狀，對新技術新方法進行了系統總結，并對未來發展趨勢進行了展望，以期對相關領域的研究提供參考。

關鍵詞：全球衛星導航系統；海洋環境；有效波高；降雨強度；海面風；水汽監測

中圖分類號：P714；P228?? 文獻標志碼：A?? 文章編號：1002-4026（2024）02-0001-11

Review of marine environment monitoring methods based on GNSS technology

Abstract∶Real-time， accurate and reliable monitoring of marine environmental information plays a crucial role in marine disaster warning and prediction， disaster prevention and reduction， marine resource development， and ensuring marine safety. In recent years， with the continuous development and upgrading of global navigation satellite systems （GNSS）， the detection of atmospheric and marine environmental information based on GNSS navigation signals has become a new method and a hot research topic in the marine environmental monitoring technology. This method has been widely applied to domains such as marine meteorological monitoring and numerical forecasting. This article systematically reviews the current research status of the GNSS technology in marine environmental monitoring， including effective wave height， wind speed， rainfall intensity， water vapor and tide level monitoring. Furthermore， this paper systematically summarizes new technologies and methods and looks forward to provide reference for the future research in related fields.

Key words∶GNSS; significant wave height; rainfall intensity; sea-surface wind speed; water vapor monitoring

我國是一個海洋大國，海洋在經濟發展和國家安全中的作用愈加突顯 ［1-2］。海洋環境監測是關心海洋、認識海洋和經略海洋的重要保障，為政府和業務部門提供決策依據，保障海洋活動安全利益和人員生命財產安全 ［3-4］。海洋資料浮標等海洋環境原位監測手段，具有可靠性高、實時準確等特點，可基本滿足常規海洋監測需求［5］，微波輻射計、雷達高度計和無線電探空儀等新技術也被廣泛用于海洋環境監測中，但是這些技術卻存在空間監測范圍有限等不足，衛星遙感海洋環境監測雖然具有空間范圍廣等優點，但其空間分辨率較低［6-8］。

近30年，隨著全球衛星導航系統（global navigation satellite system，GNSS）飛速發展，在用于全球定位、導航和授時服務的同時，開始用于監測海洋環境信息［9-13］。二十世紀九十年代，歐洲空間局學者Martín-Neira ［14］首次提出利用GNSS反射信號（GNSS reflectometry，GNSS-R）反演海況信息的概念。美國及我國科學家也都相繼開展了GNSS-R的實驗驗證和理論研究，并已將其成功應用于海面高度、有效波高和海面風場等估算 ［15-20］。此外，美國科學家Bevis ［21-22］提出利用GNSS直射導航信號反演大氣水汽信息，形成了GNSS氣象學概念，其后基于GNSS的大氣水汽監測研究得到國內外眾多學者的關注。

鑒于GNSS信息在海洋區域環境信息監測中的重要作用，本文綜述了基于GNSS的海面有效波高、風速、降雨強度、水汽及潮位監測等方面的研究進展，并對未來發展趨勢進行了展望，以期對本領域的研究人員有所借鑒。

1 GNSS有效波高反演

有效波高（significant wave height，HSWH）是多個海浪波高值從小到大排序后，前三分之一海浪波高值的平均值［23］，如圖1所示。有效波高是重要的海洋環境監測信息，它在船舶調度、航行安全及實時信息感知中具有極其重要的作用。

HSWH的變化可反映出海面粗糙度的變化，而在海面粗糙度發生變化時，GNSS反射信號的波形、極化特性、相關性和幅值等特性也隨之變化。因此，利用GNSS直射和反射信號可提取出與海面粗糙度相關的特性，便可反演出HSWH信息。其中，基于干涉復數場（interferometric complex field，ICF）的有效波高反演算法是一種最為常用的方法。下面對ICF有效波高反演原理進行闡述。

利用右旋極化天線接收的GNSS直射信號時間序列和左旋極化天線接收機的GNSS反射信號時間序列，進行干涉處理，便可得到ICF函數：

式中，FDt表示直射信號波形幅度最大處的復數值，FRt表示反射信號波形幅度最大處的復數值，FIt代表ICF函數。值得注意的是，GNSS直射信號在這里主要是用來消除與海洋運動無關的項。

若將ICF相關時間τz定義為自相關函數的時間寬度，即：

ΓΔt=〈FItFIt+Δt〉z，（2）

式中，ΓΔt代表ICF自相關函數。

在海面高度服從高斯概率分布的條件下，τz與波浪方向不相關。因此，假設海面高度服從高斯概率分布，那么τz可近似為如下形式：

式中，σz為海面高度標準差，lz為海表自相關長度，θ為GNSS衛星仰角，Gr為天線增益。

因此，τF可以看作這個高斯函數的二階矩：

其中，

k=2π/λ，（5）

式中，λ表示GNSS載波信號波長值。

Soulat［15］利用海浪譜提出了一種深海場景下有效波高反演模型：

式中，HSWH0表示有效波高偏移值，γ表示尺度因子，as和bs均為模型系數。

針對近海場景難以通過海浪譜推導出有效波高和相關事件的關系式的問題，有學者使用有效相關時間的概念，構建了一個有效波高反演經驗模型［24］：

式中，a，b和c均為待定系數，其推薦參考值為a=0.003 8， b=－0.073 3， c=0.826 7。

此外，還有許多學者利用干涉圖技術（interference pattern technique，IPT）和延遲多普勒圖（delay Doppler maps，DDM）載噪比信息實現了海面有效波高估算［25-26］。值得注意的是，上述幾種方法估算HSWH均需用到至少兩個GNSS天線，右旋極化GNSS天線用來收集直射導航信息，左旋極化GNSS天線采集反射信號，使用成本相對較高。

近年來，GNSS干涉反射（GNSS interferometry reflectometry，GNSS-IR）遙感技術被提出，該技術通過分離接收到的信噪比（signal noise ratio，SNR）觀測值中的反射（多徑）信號分量來估計反射面特性，無需額外的左旋極化天線，使用成本相對較低。因此，有學者基于地基GNSS觀測站圍繞GNSS-IR技術反演HSWH信息開展了研究，并取得了一些有益成果。

2 GNSS海面風場反演

1998年，美國國家航空航天局（national aeronautics and space administration，NASA）科學家指出GPS（global positioning system）反射信號可以用于監測海面風速信息［27］。隨后，美國科羅拉多大學的學者在2000年將GNSS導航信號的功率建模作為幾何參數和環境參數的函數，建立了GNSS DDM二維相關功率模型［16］，該模型為機載GNSS-R反演風速提供了理論基礎。GNSS DDM二維相關功率模型也被稱為Z-V模型，其數學表達式為［16，28］：

其中，

Zavorotny等［28］給出了歸一化的海表雙基雷達散射截面的詳細計算公式：

式中，R代表菲尼爾反射系數，q表示散射單位向量，其水平分量和垂直分量分別為qz和q⊥，P·為概率密度函數。

圍繞Z-V模型，國內外科研機構學者陸續開展了機載平臺、星載平臺和船載平臺的GNSS-R反演海面風速研究［29-35］。此外，基于單天線GNSS-IR技術，王笑蕾等［36］詳細介紹了地基GNSS-IR估算海面風速原理，證實了可以利用SNR估算海面風速。近年來隨著人工智能技術的飛速發展，人工神經網絡、卷積神經網絡和多模態深度學習網絡等機器學習算法被逐漸應用于GNSS-R海面風速反演當中，并取得了精度較高的估算結果［37-41］。

此外，為實現海洋區域大范圍風速測量，英國和美國相繼發射了TechDemoSat-1（TDS-1）衛星和旋風全球導航衛星系統（cyclone GNSS，CYGNSS）衛星，給海面風速反演研究帶來了巨大機遇［30，38］。而我國也在近幾年成功發射捕風一號A/B和風云三號系列衛星，旨在完成海洋參數反演和大氣監測等任務。圖3為捕風一號衛星海面風速反演結果［42］。

3 GNSS海面降雨強度反演

降雨強度信息是重要的海洋環境參數之一，也是天氣預報、氣象研究和航行安全的重要支撐。近年來國內外相關學者逐步開展了GNSS-R反演降雨信息研究。

Asgarimehr等［43］開創了基于GNSS-R技術獲取海面降雨信息研究的先河，該研究分析了GNSS-R時延多普勒圖（delayed Doppler map，DDM）數據中的降雨信息特征，證明了由于雨滴落到海表會改變海洋表面波浪，GNSS-R能夠反演弱風條件下海面降雨信息。隨后，Balasubramaniam等［44］利用CYGNSS DDM數據也開展了類似研究。圖4給出了基于GNSS-R估算降雨強度的示意圖［43］。

此外，布金偉［45］對星載GNSS-R技術反演降雨強度方法進行了系統研究，提出了三維快匹配濾波算法的DDM降噪模型，利用支持向量機、隨機森林和卷積神經網絡等機器學習算法實現了海面降雨強度檢測，并取得了良好的估算精度。

4 GNSS海面水汽反演

基于GNSS技術解算大氣可降水量（precipitable water vapor， PWV）參數的技術主要有雙差網解法和精密單點定位（precise point positioning，PPP）兩種［8］。由于海面多為移動平臺，無法滿足雙差網解的觀測條件，因此其暫時無法滿足海面PWV信息探測要求。而PPP技術僅需單臺設備即可實現全球范圍靈活作業［46］，不需要額外布設基準站，模型簡單，解算效率高，因而自其概念提出以來，就被廣泛應用到了海面PWV信息探測 ［47-48］?；赑PP技術的PWV估算及研究進展簡述如下。

GNSS偽距和載波相位觀測值可以寫為：

其中，

式中，Psi和Lsi分別為偽距和相位觀測值，ρs表示衛星端至接收機端的幾何距離，t和ts分別代表接收機端和衛星端誤差，Ts和Isi分別表示對流層延遲和電離層延遲，λi和Ni分別為波長和整周模糊度，bi和Bi分別為接收機端偽距偏差和相位偏差，bsi和Bsi分別表示衛星端偽距偏差和相位偏差，εPi表示偽距觀測噪聲與未模型化誤差之和，εLi表示相位觀測噪聲與未模型化誤差之和。

對流層延遲包括干分量和濕分量兩部分，這兩部分均可以表示為天頂延遲和映射函數的乘積：

Tsr=Mshr·Zhr+MswrZwr+cot eGN·cos a+GE·sin a，（14）

式中，Zhr和Zwr分別表示干延遲和濕延遲，對應的映射函數分別為Mshr和Mswr，GN表示南北向大氣延遲梯度參數，GE表示東西向大氣延遲梯度參數，e和a為衛星高度角和方位角。在進行PPP數據處理時，通常采用Saastamoinen模型［49］和氣象數據對干延遲進行改正，僅估計濕延遲的改正數即可。

從GNSS偽距和相位觀測方程出發，根據不同觀測值組合方式，可以構造出不同PPP解算模型，常用的PPP模型主要有無電離層組合模型［46］和非差非組合模型［50］兩種。采用精密衛星產品對軌道誤差、衛星鐘誤差等進行改正，然后利用序貫最小二乘或卡爾曼濾波等參數估計器，便可估計出對流層干延遲Zwr，再將干延遲轉換為大氣可降水量（PWV）：

大氣可降水量=Π·Zwr，（15）

其中，

式中，Rw表示水汽氣體常數，常取值為461.495 J·kg·K-1，ρv表示液態水密度，k′2和k3均為大氣折射率常數，Tm表示加權平均溫度。

初期的PPP技術估算PWV只能采用國際GNSS服務（international GNSS service，IGS）發布的精密衛星產品進行事后解算。為滿足實時應用需求，IGS發布了PPP實時服務，許多學者針對基于實時PPP的PWV反演進行了試驗驗證與評估 ［51-52］。隨著美國GPS、俄羅斯GLONASS、歐盟Galileo和我國BDS-3星座的發展與升級，相關學者圍繞多系統GNSS水汽監測開展了研究，結果表明采用多系統能夠有效克服單系統解算穩定性的問題，提升水汽精度［53-55］。

5 潮位變化監測

潮位變化信息是海洋觀測系統和氣候變化研究的關鍵要素。近年來，利用GNSS-IR新型技術遙感潮位變化已成為GNSS應用領域新的研究熱點之一。圖5給出了GNSS-IR反演潮位原理［56］，該技術通過對岸基GNSS臺站SNR觀測數據進行譜分析，可以估算出潮位變化信息，其算法詳細介紹如下。

SNR信噪比的定義為信號振幅與噪聲振幅的比值（S/N），可以用來衡量接收機接收信號的功率強弱。

（S/N）2=A2c=A2D+A2R+2ADARcos φ，（17）

式中，Ac表示疊加信號振幅，AD和AR分別為直射信號和反射信號幅值，φ為直射信號與反射信號之間的相位延遲。值得注意的是，測地型GNSS接收機一般內置抑制多路徑算法，這使得直射信號幅值和反射信號幅值相差較大。因此，在數據處理時，可以采用曲線多項式擬合扣除直射信號。

進而，可以得到反射信號振幅的周期項：

（S/N）R=Acos 2πft+φ，（18）

其中，

式中，（S/N）R代表信噪比觀測值反射信號分量，θh代表衛星高度角，λ表示載波波長，h表示天線至反射面的垂直距離，A為振幅，φ代表相位。

觀察式（18）可以看出，頻率信息f與天線相位中心知反射面的垂直距離直接相關。在實際數據處理時，可以用Lomb-Scargle譜分析方法提取出頻率信息，從而通過式（19）可以得到垂直距離h。最后，可以通過下式提取出潮位變化量：

htide=h0+H0，tide-h，（20）

式中，htide表示反演得到的潮位信息，h0和H0，tide表示參考時刻垂直距離和參考時刻實測潮位值，h為測到的垂直距離。

在實際GNSS-IR數據處理時，僅能采用GNSS衛星低高度角SNR觀測值，導致潮位監測的時間分辨率和估算精度受限。鑒于此，有學者通過多星GNSS融合解算或采用機器學習算法克服此不足，使得分辨率和精度得到提高 ［57-59］。

6 海冰探測

海冰探測對冰情評估、氣候變化研究、氣候預測和海上交通決策等具有重要意義。近些年， 使用GNSS測量技術在海冰探測方面的研究取得了顯著的成果。海冰探測的基本原理是利用GNSS 傳輸信號的反射入射特性獲取海冰特性參數［60］，GNSS衛星發射的直射信號極化方式通常為右旋圓極化，當GNSS衛星直射信號入射到海面時，經過海面發生反射，在較高的高度角時反射回來的信號極化方式主要為左旋圓極化。在空氣、海冰和海水的界面處，電磁波的反射與入射的能量關系由菲涅爾反射系數確定。根據海水和海冰的介電常數不同，GPS 衛星信號經過不同厚度的海冰時反射信號的右旋分量和高度角的變化存在一定的關系，由此可得到海冰厚度。

早在1998年，研究者通過機載GPS反射信號得到了向前散射的GPS反射與RADARSAT的向后散射測量相關性是一致的結果， 根據發射信號特征的差異得到了海冰特征參數，在北冰洋西北部巴羅地區進行機載監測海冰實驗，表明GPS信號可以提供海冰信息［61］。2003年， Wiehl等［62］建立了海冰GPS反射信號模型， 利用模型及冰表面反射的GPS信號，提取海冰內部結構及結冰過程等信息。張云等［63］利用GNSS信號的極化模型得到幅度極化比值的變化與海冰的形成和消融過程中海冰的密集程度之間的關系。文獻［64-65］分別用GNSS反射信號實現了海冰厚度和海冰邊界的探測，表明海冰探測已經到了技術穩定的階段。

7 總結與展望

圍繞GNSS在海面環境要素遙感中的應用，本文綜述了基于GNSS直射/反射信號的有效波高估算、海面風速反演、降雨強度監測、大氣水汽反演以及潮位監測研究現狀與進展?？偨Y與展望如下：

基于GNSS-R/IR的有效波高估算、海面風速反演、降雨強度監測和潮位變化監測技術較為成熟，取得了較好的反演精度。但是現有研究大多基于岸基和星基GNSS平臺，后續針對海洋資料浮標、船舶等海洋觀測平臺上利用GNSS進行海洋環境信息探測有望成為研究熱點，將突破性地拓展傳統的業務化現場觀測平臺的觀測能力，將在海洋環境業務化監測中具有廣泛的應用前景。此外，聯合多GNSS星座和多頻率觀測值提升反演分辨率和性能也應重點關注。由于利用機器學習的GNSS海面環境信息反演結果會受到訓練數據樣本分布的影響，因此如何進一步提升反演模型泛化能力也將是未來研究的重點。

當前基于實時精密單點定位的海面水汽反演已較為成熟，且在短臨降雨預警及臺風等領域進行了大量研究探索。但在海洋中實現測站空間加密困難，導致海面水汽信息的時空分辨率受限。因此，未來應聯合多種水汽探測技術，解決高失控分辨率水汽獲取問題。此外，GNSS水汽信息在海洋領域的應用場景依然偏少，如何進一步拓展水汽應用場景至關重要。

此外，我國的北斗三號全球系統正式開通，除提供全球導航定位和授時服務外，還為用戶提供短報文通信和精密單點定位增強服務等多種特色服務。因此如何充分利用北斗三號的優勢，挖掘北斗系統在海面環境信息遙感中的應用將是未來科學的重要工作。

參考文獻：

［1］“中國海洋工程與科技發展戰略研究”項目綜合組. 世界海洋工程與科技的發展趨勢與啟示［J］. 中國工程科學， 2016， 18（2）： 126-130. DOI： 10.3969/j.issn.1009-1742.2016.02.019.

［2］王軍成， 孫繼昌， 劉巖， 等. 我國海洋監測儀器裝備發展分析及展望［J］. 中國工程科學， 2023， 25（3）： 42-52. DOI： 10.15302/J-SSCAE-2023.07.024.

［3］王軍成. 新一代海洋監測技術：綜合智能觀測浮標［J］. 智能系統學報， 2022， 17（3）： 447.

［4］王軍成， 厲運周， 楊英東， 等. 海洋資料浮標姿態信息測量技術研究現狀及發展趨勢［J］. 海洋與湖沼， 2023， 54（5）： 1239-1247. DOI： 10.11693/hyhz20230300054.

［5］LI Y Z， WANG J C. Technical development of operational in situ marine monitoring and research on its key generic technologies in China［J］. Acta Oceanologica Sinica， 2023， 42（10）： 117-126. DOI： 10.1007/s13131-023-2207-5.

［6］漆隨平， 厲運周. 海洋環境監測技術及儀器裝備的發展現狀與趨勢［J］. 山東科學， 2019， 32（5）： 21-30. DOI： 10.3976/j.issn.1002-4026.2019.05.002.

［7］姚宜斌， 趙慶志. GNSS對流層水汽監測研究進展與展望［J］. 測繪學報， 2022， 51（6）： 935-952.

［8］張克非， 李浩博， 王曉明， 等. 地基GNSS大氣水汽探測遙感研究進展和展望［J］. 測繪學報， 2022， 51（7）： 1172-1191.

［9］寧津生， 姚宜斌， 張小紅. 全球導航衛星系統發展綜述［J］. 導航定位學報， 2013， 1（1）： 3-8. DOI： 10.16547/j.cnki.10-1096.2013.01.005.

［10］[ZK（#]楊元喜， 任夏， 賈小林，等. 以北斗系統為核心的國家安全PNT體系發展趨勢 ［J］. 中國科學：地球科學， 2023， 53（5）： 917-927.

［11］白偉華. GNSS-R海洋遙感技術研究［D］. 北京： 中國科學院研究生院（空間科學與應用研究中心）， 2008.

[LM]

［12］萬瑋， 陳秀萬， 彭學峰， 等. GNSS遙感研究與應用進展和展望［J］. 遙感學報， 2016， 20（5）： 858-874. DOI： 10.11834/jrs.20166228.

［13］金雙根， 張勤耘， 錢曉東. 全球導航衛星系統反射測量（GNSS+R）最新進展與應用前景［J］. 測繪學報， 2017， 46（10）： 1389-1398. DOI： 10.11947/j.AGCS.2017.20170282.

［14］MARTN-NEIRA M. A pasive reflectometry and interferometry system （PARIS） application to ocean altimetry［J］. Environmental Science， 1993，17（4）： 331-55.

［15］SOULAT F， CAPARRINI M， GERMAIN O， et al. Sea state monitoring using coastal GNSS-R［J］. Geophysical Research Letters， 2004， 31（21）：L21303. DOI： 10.1029/2004gl020680.

［16］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. DOI： 10.1109/36.841977.

［17］周兆明， 符養. 渤海GNSS-R機載測風試驗及其反演結果［J］. 武漢大學學報（信息科學版）， 2008， 33（3）： 241-244.

［18］楊東凱， 張益強， 張其善， 等. 基于GPS衛星信號的海面風場遙感方法研究與實現［J］. 遙感信息， 2006， 21（3）： 10-12. DOI： 10.3969/j.issn.1000-3177.2006.03.004.

［19］WANG X L， HE X F， ZHANG Q. Evaluation and combination of quad-constellation multi-GNSS multipath reflectometry applied to sea level retrieval［J］. Remote Sensing of Environment， 2019， 231： 111229. DOI： 10.1016/j.rse.2019.111229.

［20］WANG X L， HE X F， SHI J， et al. Estimating sea level， wind direction， significant wave height， and wave peak period using a geodetic GNSS receiver［J］. Remote Sensing of Environment， 2022， 279： 113135. DOI： 10.1016/j.rse.2022.113135.

［21］BEVIS M， BUSINGER S， HERRING T A， et al. GPS meteorology： remote sensing of atmospheric water vapor using the global positioning system［J］. Journal of Geophysical Research： Atmospheres， 1992， 97（D14）： 15787-15801. DOI： 10.1029/92jd01517.

［22］BEVIS M， BUSINGER S， CHISWELL S， et al. GPS meteorology： mapping zenith wet delays onto precipitable water［J］. Journal of Applied Meteorology， 1994， 33（3）： 379-386. DOI： 10.1175/1520-0450（1994）033<0379： gmmzwd>2.0.co;2.

［23］張云， 肖盛， 姜麗菲，等. 基于多變量機器學習的CYGNSS有效波高反演模型 ［J/OL］. 北京航空航天大學學報.［2024-01-29］.https：//bhxb.buaa.edu.cn/bhzk/article/doi/10.13700/j.bh.1001-5965.2023.0265

［24］邵連軍， 張訓械， 王鑫， 等. 利用GNSS-R信號反演海浪波高［J］. 武漢大學學報（信息科學版）， 2008， 33（5）： 475-478.

［25］ALONSO-ARROYO A， CAMPS A， PARK H， et al. Retrieval of significant wave height and meansea surface level using the GNSS-R interference pattern technique： results from a three-month field campaign［J］. IEEE Transactions on Geoscience and Remote Sensing， 2015， 53（6）： 3198-3209. DOI： 10.1109/TGRS.2014.2371540.

［26］王詩博， 李穎， 秦凌宇. 基于延遲多普勒圖像的GNSS-R有效波高反演方法［J］. 光學精密工程， 2022， 30（8）： 1011-1017. DOI： 10.37188/OPE.20223008.1011.

［27］GARRISON J L， KATZBERG S J， HILL M I. Effect of sea roughness on bistatically scattered range coded signals from the Global Positioning System［J］. Geophysical Research Letters， 1998， 25（13）： 2257-2260. DOI： 10.1029/98gl51615.

［28］ZAVOROTNY V U， GLEASON S， CARDELLACH E， et al. Tutorial on remote sensing using GNSS bistatic radar of opportunity［J］. IEEE Geoscience and Remote Sensing Magazine， 2014， 2（4）： 8-45. DOI： 10.1109/MGRS.2014.2374220.

［29］CLARIZIA M P， RUF C S， JALES P， et al. Spaceborne GNSS-R minimum variance wind speed estimator［J］. IEEE Transactions on Geoscience and Remote Sensing， 2014， 52（11）： 6829-6843. DOI： 10.1109/TGRS.2014.2303831.

［30］FOTI G， GOMMENGINGER C， JALES P， et al. Spaceborne GNSS reflectometry for ocean winds： first results from the UK TechDemoSat-1 mission［J］. Geophysical Research Letters， 2015， 42（13）： 5435-5441. DOI： 10.1002/2015gl064204.

［31］CARDELLACH E， FABRA F， NOGUS-CORREIG O， et al. GNSS-R ground-based and airborne campaigns for ocean， land， ice， and snow techniques： application to the GOLD-RTR data sets［J］. Radio Science， 2011， 46（06）： 1-16. DOI： 10.1029/2011RS004683.

［32］王迎強， 嚴衛， 符養， 等. 利用機載GNSS反射信號反演海面風速的研究［J］. 海洋學報（中文版）， 2008， 30（6）： 51-59. DOI： 10.3321/j.issn： 0253-4193.2008.06.006.

[LM]

［33］周旋， 葉小敏， 于暘， 等. 基于GNSS-R的海面風速探測技術研究［J］. 電子與信息學報， 2013， 35（7）： 1575-1580. DOI： 10.3724/SP.J.1146.2012.01396.

［34］楊東凱， 劉毅， 王峰. 星載GNSS-R海面風速反演方法研究［J］. 電子與信息學報， 2018， 40（2）： 462-469. DOI： 10.11999/JEIT170490.

［35］高涵， 白照廣， 范東棟. 基于BP神經網絡的GNSS-R海面風速反演［J］. 航空學報， 2019， 40（12）： 323261. DOI： 10.7527/S1000-6893.2019.23261.

［36］王笑蕾， 何秀鳳， 陳殊， 等. 地基GNSS-IR風速反演原理及方法初探［J］. 測繪學報， 2021， 50（10）： 1298-1307. DOI： 10.11947/j.AGCS.2021.20200586.

［37］LIU Y X， COLLETT I， MORTON Y J. Application of neural network to GNSS-R wind speed retrieval［J］. IEEE Transactions on Geoscience and Remote Sensing， 2019， 57（12）： 9756-9766. DOI： 10.1109/TGRS.2019.2929002.

［38］LI X H， YANG D K， YANG J S， et al. Analysis of coastal wind speed retrieval from CYGNSS mission using artificial neural network［J］. Remote Sensing of Environment， 2021， 260： 112454. DOI： 10.1016/j.rse.2021.112454.

［39］ASGARIMEHR M， ARNOLD C， WEIGEL T， et al. GNSS reflectometry global ocean wind speed using deep learning： development and assessment of CyGNSSnet［J］. Remote Sensing of Environment， 2022， 269： 112801. DOI： 10.1016/j.rse.2021.112801.

［40］高涵， 白照廣， 范東棟. 基于BP神經網絡的GNSS-R海面風速反演［J］. 航空學報， 2019， 40（12）： 193-201.

［41］喻婷. 基于機器學習的星載GNSS-R海面風速反演模型研究［D］. 南京： 南京信息工程大學， 2023.

［42］JING C， NIU X L， DUAN C D， et al. Sea surface wind speed retrieval from the first Chinese GNSS-R mission： technique and preliminary results［J］. Remote Sensing， 2019， 11（24）： 3013. DOI： 10.3390/rs11243013.

［43］ASGARIMEHR M， ZAVOROTNY V， WICKERT J， et al. Can GNSS reflectometry detect precipitation over oceans？［J］. Geophysical Research Letters， 2018， 45（22）： 12. DOI： 10.1029/2018gl079708.

［44］BALASUBRAMANIAM R， RUF C. Characterization of rain impact on L-Band GNSS-R ocean surface measurements［J］. Remote Sensing of Environment， 2020， 239： 111607. DOI： 10.1016/j.rse.2019.111607.

［45］布金偉. 星載GNSS-R技術反演海面降雨強度及風速和浪高方法研究［D］. 徐州： 中國礦業大學， 2022.

［46］ZUMBERGE J F， HEFLIN M B， JEFFERSON D C， et al. Precise point positioning for the efficient and robust analysis of GPS data from large networks［J］. Journal of Geophysical Research： Solid Earth， 1997， 102（B3）： 5005-5017. DOI： 10.1029/96jb03860.

［47］范士杰. GPS海洋水汽信息反演及三維層析研究［D］. 武漢： 武漢大學， 2013.

［48］陳冠旭， 劉焱雄， 柳響林， 等. 船載GNSS探測海洋水汽信息的影響因子分析［J］. 武漢大學學報（信息科學版）， 2017， 42（2）： 270-276. DOI： 10.13203/j.whugis20150028.

［49］SAASTAMOINEN J. Atmospheric correction for the troposphere and stratosphere in radio ranging satellites［M］//HENRIKSEN S W， MANCINI A， CHOVITZ B H， eds. The Use of Artificial Satellites for Geodesy. Washington， D. C.： American Geophysical Union， 2013： 247-251. DOI： 10.1029/gm015p0247.

［50］張寶成. GNSS非差非組合精密單點定位的理論方法與應用研究［J］. 測繪學報， 2014， 43（10）： 1099. DOI： 10.13485/j.cnki.11-2089.2014.0155.

［51］LI X X， DICK G， GE M R， et al. Real-time GPS sensing of atmospheric water vapor： precise point positioning with orbit， clock， and phase delay corrections［J］. Geophysical Research Letters， 2014， 41（10）： 3615-3621. DOI： 10.1002/2013gl058721.

［52］WU Z L， LU C X， HAN X J， et al. Real-time shipborne multi-GNSS atmospheric water vapor retrieval over the South China Sea［J］. GPS Solutions， 2023， 27（4）： 179. DOI： 10.1007/s10291-023-01519-0.

［53］PAN L， GUO F. Real-time tropospheric delay retrieval with GPS， GLONASS， Galileo and BDS data［J］. Scientific Reports， 2018， 8（1）： 17067. DOI： 10.1038/s41598-018-35155-3.

［54］李宏達， 張顯云， 廖留峰， 等. 利用GPS/BDS/GLONASS/Galileo組合PPP反演大氣可降水量［J］. 測繪通報， 2020（6）： 63-66.

［55］LU C X， LI X X， NILSSON T， et al. Real-time retrieval of precipitable water vapor from GPS and BeiDou observations［J］. Journal of Geodesy， 2015， 89（9）： 843-856. DOI： 10.1007/s00190-015-0818-0.

［56］王杰， 何秀鳳， 王笑蕾， 等. 小波分析在GNSS-IR潮位反演中的應用［J］. 導航定位學報， 2020， 8（2）： 82-89. DOI： 10.16547/j.cnki.10-1096.20200214.

［57］WANG X L， HE X F， ZHANG Q. Coherent superposition of multi-GNSS wavelet analysis periodogram for sea-level retrieval in GNSS multipath reflectometry［J］. Advances in Space Research， 2020， 65（7）： 1781-1788. DOI： 10.1016/j.asr.2019.12.023.

［58］陳殊， 何秀鳳， 王笑蕾， 等. 基于小波分析的多模多頻GNSS-MR潮位反演［J］. 大地測量與地球動力學， 2022， 42（4）： 365-370. DOI： 10.14075/j.jgg.2022.04.007.

［59］游高沖， 郭杭， 羅孝文， 等. 基于LS-SVM的多系統融合GNSS-MR潮位反演［J］. 海洋學研究， 2022， 40（1）： 72-80. DOI： 10.3969/j.issn.1001-909X.2022.01.008.

［60］蘇東林， 陳愛新， 謝樹果， 等. 電磁場與電磁波［M］. 北京： 高等教育出版社， 2009： 434-440.

［61］KOMJATHY A， MASLANIK J， ZAVOROTNY V U， et al. Sea ice remote sensing using surfacereflected GPS signals［C］// IEEE 2000 International Geoscience and Remote Sensing Symposium. Taking the Pulse of the Planet： The Role of Remote Sensing in Managing the Environment. Proceedings （Cat. No.00CH37120）. Honolulu， HI， USA： IEEE， 2002： 2855-2857. DOI： 10.1109/IGARSS.2000.860270.

［62］WIEHL M， LEGRSY B， DIETRICH R. Potential of reflected GNSS signals for ice sheet remote sensing［J］. Progress In Electromagnetics Research， 2003， 40： 177-205. DOI： 10.2528/pier02102202.

［63］張云， 郭建京， 袁國良， 等. 基于GNSS反射信號的海冰檢測的研究［J］. 全球定位系統， 2013， 38（2）： 1-6. DOI： 10.13442/j.gnss.2013.02.005.

［64］高洪興， 楊東凱， 張波， 等. 基于GNSS衛星反射信號的海冰厚度探測［J］. 電子與信息學報， 2017， 39（5）： 1096-1100. DOI： 10.11999/JEIT160765.

［65］張國棟， 郭健， 楊東凱， 等. 星載GNSS-R海冰邊界探測方法［J］. 武漢大學學報（信息科學版）， 2019， 44（5）： 668-674. DOI： 10.13203/j.whugis20170050.