GNSS-R水位監測研究進展與其在我國水利行業應用展望

張朋杰，龐治國，路京選，江威，呂娟，孫銘涵

( 1. 中國水利水電科學研究院, 北京 100038；2. 水利部防洪抗旱工程技術研究中心, 北京 100038 )

0 引言

雨水情監測預報“三道防線”是以流域為單元，由氣象衛星和測雨雷達、雨量站和水文站組成的雨水情監測預報體系. 通過“天空地”立體監測手段對流域雨水情進行實時監測和預報預警，以便及時采取措施應對可能出現的洪澇等災害. 水位監測是雨水情監測預報“第三道防線”中的重要內容，精確、實時的水位監測在洪澇災害中至關重要，可提前預警并幫助決策者采取緊急措施，以最大程度減少損失和保護人們的生命和財產安全. 傳統的水位監測方法主要有兩類：接觸式方法和非接觸式方法. 接觸式方法是指將傳感器直接安裝在水面或水下，通過與水面或水下基準面之間的距離變化來計算水位變化. 這類方法包括壓力傳感器法[1]、電阻傳感器法[2]、電容傳感器法[3]等. 非接觸式方法是指將傳感器安裝在離開水面一定距離的位置，通過發射電磁波或聲波并接收其反射回來的信號來計算與水面之間的距離變化. 這類方法包括雷達高度計法[4]、超聲波高度計法等[5]. 傳統的水位監測方法雖然已經廣泛應用于實際工程中，但也存在一些局限性和不足之處. 例如，接觸式方法需要與水面直接接觸，容易受到污染物或生物附著等影響而造成誤差或損壞；非接觸式方法需要發射電磁波或聲波，可能會對周圍環境造成干擾或污染；此外，傳統方法通常只能監測單點或局部區域的水位變化，并不能實現大范圍或全球范圍內的連續監測[6].

GNSS不僅向全球的用戶提供導航、定位以及授時服務，而且還持續向地表發射大量的L波段信號.隨著對GNSS的深入研究，許多學者發現GNSS反射信號中攜帶著反射面的特性信息，利用該GNSS反射信號，無需專門的雷達發射機即可實現對反射面物理特性的估計與反演[7]，由此也衍生出全球衛星導航系統反射測量(Global Navigation Satellite System-Reflectometry，GNSS-R)這一GNSS與遙感的交叉學科. GNSS-R是一種雙靜態雷達遙感技術，它將L波段微波信號作為輻射源，利用接收機接收直射信號和反射信號，并根據它們之間的時延、多普勒頻移、相位差等信息來反演目標表面或介質層的參數. 由于L波段微波具有較強的穿透能力，GNSS-R可以在全天候條件下工作，并且不受云層或雨滴等影響. 此外，由于GNSS-R是一種被動遙感技術，它不需要自己發射電磁波，而是利用已有的衛星信號作為輻射源，因此具有低功耗、低成本、低干擾等優點. 同時，由于GNSS衛星數量眾多、分布廣泛、覆蓋全球，因此GNSS-R具有高時空分辨率、高重訪頻率等優點[8].近幾十年來，隨著GNSS-R理論架構體系、信號處理技術以及參數反演模型的不斷完善，其在海面風場[9]、海洋測高[10]、海冰監測[11]、海面溢油監測[12]、形變監測[13]、土壤濕度[14]等領域取得了一定進展.

與傳統的水位監測方法相比GNSS-R水位監測技術具有低成本、低功耗、全天候、長期連續、穩定性、無需標定、高時間分辨率以及覆蓋范圍廣的優勢[15].此外，由于GNSS可以提供準確的位置信息，因此GNSS-R技術可以實現水面絕對高度的變化. 自1993年Martin-Neir首次提出無源反射計和干涉測量系統(passive reflectometry and interferometry system，PARIS)概念[16]，并指出利用GPS反射信號進行測高的可行性以來，GNSS-R技術已被證明可用于海洋[17]、湖泊[18]、河流[19]和水庫[20]的水位反演.

本文主要目的是全面概述 GNSS-R 水位監測的研究現狀；確定該技術的主要問題和局限性；討論解決這些問題的可行方法和改進措施. 還旨在強調GNSS-R水位監測研究的一些當前趨勢和其在我國水利行業的應用展望.

1 GNSS-R水位監測方法與研究進展

在本節中，我們總結了以往關于GNSS-R水位監測研究的主要發現和成果. 根據不同的天線配置可以將GNSS-R分為雙天線模式和單天線模式[21]. GNSS-R雙天線模式監測水位的原理是利用導航衛星直射信號與反射信號之間的延遲來計算出天線到水面的距離，進而可以得到水面高度. 其常用的方法主要為群延遲測高法和載波相位測高法. GNSS-R單天線模式主要利用GNSS接收機記錄的包含GNSS直射信號與來自水面反射信號干涉信息的信噪比(signal-noise ratio，SNR)數據來反演水面高度.

1.1 GNSS-R雙天線水位監測

1.1.1 幾何模型

圖1為GNSS-R雙天線水位監測的幾何關系示意圖. 從圖1中可以看出與對天天線接收到的直射信號相比，對水天線接收到的反射信號具有額外的傳播路徑. 因此對水天線也可以被看作是位于水面以下的虛擬天線，并且虛擬天線到水面的距離與對水天線到水面的距離相等. 當水面高度發生變化時，反射信號的額外傳播路徑會發生變化，虛擬天線的位置也會隨之發生變化.

圖1 GNSS-R水位監測的幾何關系示意圖

當接收平臺處于相對較低的地面高度時，可以假設地球局部是平坦的. 這個高度取決于觀測的入射角和用戶對這種假設引起誤差的容忍度. 圖2顯示了在假設地球是平坦的情況下，與假設地球是球形的情況相比，鏡面點位置的垂直分量中產生的誤差. 只包括了最高50°的入射角；超過這些角度，誤差會迅速增加[22]. 在此假設下直射信號與反射信號之間的延遲路徑可以表示為

圖2 對于不同的接收器高度和入射角鏡面點位置的垂直分量誤差[22]

則對水天線所在位置到水平面之間的高度可以表示為

式中：Δρ為延遲路徑；h為對水天線相位中心到水面的高度；s為兩天線相位中線之間的距離； θ 為鏡面反射點處的衛星高度角. 然后，通過精確了解接收機的位置，可以獲得水面相對于參考表面(橢球面、大地水準面或其他地形模型)的高度.

當接收機高度處于較高的高度時，就需要考慮地球曲率對測高結果的影響. 圖3為星載條件下GNSS-R測高幾何[23]. 直射信號與反射信號之間的延遲路徑可以表示為

圖3 星載條件下GNSS-R測高幾何[23]

同時存在如下關系：

式中： ε 為接收機處的衛星高度角； γ 為鏡面反射點處的衛星方位角；H為接收機獲取的大地高；r為接收機所在位置的地球曲率半徑.

1.1.2 群延遲測高法

群延遲測高法是通過計算直射信號和反射信號之間的時間延遲來獲取路徑延遲，進而根據路徑延遲計算水面高度[24]. 根據不同的信號處理方法可以將群延遲測高法分為兩類：本地碼測高法和干涉GNSS-R(iGNSS-R). 本地碼測高法將接收到的直射信號和反射信號分別與接收機本地生成的C/A碼相互關聯來獲取反射信號相對于直射信號的時間延遲[25]. Carreno-Luengo等[26]利用散射在海面上的P(Y)碼和C/A碼信號進行了測高實驗，結果表明使用P(Y)碼經過20 s的非相干平均后測高精度可以達到2 cm. Gao等[27]在船上進行了基于GPS和BDS信號的港內和近海實驗，結果表明使用GPS C/A碼和BDS B1I碼均可以達1 m級的測高精度. 該方法操作簡單并具有較高的時間分辨率，然而由于GNSS公開信號的帶寬相對較窄，限制了此方法的精度[28]. 克服帶寬限制的一種方法是使用所謂的iGNSS-R處理[29]，其中反射信號在經過適當的多普勒頻率和延遲調整后與直射信號本身交叉相關. 與本地碼測高法相比iGNSS-R法不僅可以使用GNSS信號，還允許使用衛星無線電、衛星電視或任何其他具有更大傳輸功率、更大帶寬和更好SNR的信號，從而可能提高測高精度[22]. Purnell[30]將通過iGNSS-R獲得的測量結果與美國國家海洋和大氣管理局位于圣地亞哥的潮汐計進行比較，發現測量結果之間的標準偏差小于12 cm. Estel等[31]通過在波羅的海的機載實證明了iGNSS-R法的測高精度至少是本地碼測高法的2倍. 王冬偉等[32]通過干涉測高實驗證明了iGNSS-R的測高精度高于本地碼的測高精度. 然而iGNSS-R涉及復雜的算法并且需要使用專門的設備[33].

1.1.3 載波相位延遲測高法

載波相位延遲測高法是利用GNSS接收機記錄的載波相位觀測值，通過計算直射信號與反射信號之間的相位差來確定兩者之間的路徑延遲[34]. Treuhaft等[35]使用載波相位延遲測高法在火山湖上進行了地基測高實驗，結果表明在平靜的水面下該方法可以達到2 cm的測高精度. L?fgren等[36]利用在Onsala空間天文臺安裝的GNSS接收機所記錄的GPS和GLONASS信號對載波相位延遲測高法進行評析. 與驗潮儀獲得的海平面高度相比，其均方根誤差(root mean squared error，RMSE)分別為3.5 cm/3.5 cm (GPS L1/L2波段)和3.3 cm/3.2 cm (GLONASS L1/L2波段). 在光滑的水面上對反射信號進行連續的相位跟蹤是可能的[37]，當水面粗糙度較大時，反射信號相位的連續性受到影響，使其變的難以跟蹤. Liu等[38]在Onsala空間天文臺(Onsala Space Observatory，OSO)進行的載波相位測高實驗中提出了一種基于GNSS振幅和相位觀測的連續相位跟蹤算法，該算法可以在OSO海岸惡劣的海況下工作. 載波相位測高結果與潮汐計(tide-meter，TG)數據集相比，RMSE為4.37 cm，即使海面非常粗糙，對應的風速達到13 m/s時，也可以獲得水位信息. 整周模糊度的解算也會影響載波相位測高的精度，然而整周模糊度的求解是一個復雜的問題[39]. 為了避免整周模糊度的解算，學者們提出了一些解決方法. Fabra等[40]提出了一種利用反射GPS信號的干涉相位估算海冰上橢球高度的方法，并在格陵蘭島開展了為期7個月的海冰高度反演實驗. 實驗結果表明該方法也可以實現厘米級的測高精度. He等[41]首次利用準天頂衛星系統(quasi-zenith satellite system，QZSS)地球同步軌道(geosynchronous orbit，GEO)衛星信號進行了干涉相位測高實驗，結果表明測高精度為1.4 cm. Kucwaj等[42]提出了一種新的地基GNSS-R相位測高信號處理方法來跳過整周模糊度的解算. 這種方法基于一臺原始的干涉測量儀器，該儀器提供的相位延遲觀測數據在一定的時間范圍內呈線性演變. 這種線性演變的斜率可以直接測量出需要估算的高度. 實驗結果表明，該方法在100 s的觀測周期可以達到厘米精度.

1.2 GNSS-R單天線水位監測

1.2.1 幾何模型

如圖4所示， GNSS天線可以同時接收來自衛星的直射信號與經水面的反射信號. 這兩種信號會在接收機內部產生干涉效應，這會導致SNR觀測值產生震蕩. SNR 數據進行多項式擬合并消除趨勢項后，可以消除直射信號所含的信息，從而獲得由多路徑信號引起的波動 SNR 序列，提取出反射信號部分，該部分包含了水面信息. 然后對該序列進行頻譜分析，可以進一步獲得波動序列頻率，據此根據主頻率對水位高度進行反演[43].

圖4 GNSS-R單天線水位監測的幾何關系

1.2.2 SNR測高法

2007年，Bilich等[44]發現可以通過GNSS天線的SNR數據來推斷周圍環境的信息. 2013年，Larson等[45]首次使用兩個實驗點GNSS接收機記錄的SNR數據實現了海面高度的反演，基于SNR的分析結果與獨立驗潮儀數據的RMSE分別為4.8 cm和4.0 cm.現在通常將這種基于SNR反演反射面信息的技術稱為GNSS-IR. 該方法在海況惡劣的環境下也可以使用，當水面的垂直速度小于10～6 m/s時，該方法的測高精度在幾厘米到10 cm之間，而當水面的垂直速度大于10～6 m/s時，其測高精度在厘米到分米之間[46].在使用SNR數據反演水位的過程中去除SNR信號的趨勢項和提取多徑信號的頻率是非常重要的步驟.GNSS-IR通常使用二次多項式提取SNR殘差序列，Zhang等[47]提出了一種基于經驗模態分解(empirical mode decomposition，EMD)的SNR信號分解方法，實驗結果表明該方法可以有效提高測高精度. 最早Larson等[45]使用LSP(Lomb-Scargle periodograms)譜分析來獲取多徑信號的頻率. Strandberg等[48]通過非線性最小二乘和B樣條函數建立了反演海岸高度的模型，實驗結果表明該方法的測高精度高于LSP譜分析法. Wang等[49]使用小波變換分析方法提取多徑信號的頻率，并通過3個GPS測站的數據對該方法進行驗證，結果表明小波分析在海平面高度反演中具有一定的應用潛力. 為了提高GNSS-IR的測高精度，Wang等[50]提出了一種多站點多信號GNSS-R組合方法，并首次實現了毫米到厘米級精度的水位反演. 雖然這些方法可以實現較高精度的水位監測，但是這些方法需要持續記錄很長時間，并且只能使用來自低仰角衛星的GNSS信號，因此時間分辨率很低[51]. Strandberg等[52]提出了一種基于無跡卡爾曼濾波和所謂的逆向建模的方法，并在瑞典Onsala空間天文臺的GTGU站和澳大利亞Spring Bay的SPBY站進行了測試. 實驗結果表明使用卡爾曼濾波方法能夠實現實時的水位監測. 陳昊晟[53]聯合多GNSS系統并使用 winLSP 法處理原始SNR序列的方法，提高了GNSS-IR水位監測的時間分辨率.

1.3 方法對比

在表1中，我們總結了目前常用的GNSS-R水位監測方法的主要優缺點. 不同的GNSS-R水位監測方法的性能和適用性取決于多種因素，包括天線配置、信號特性、水面條件以及信號處理技術等方面. 在采用GNSS-R技術來監測水位之前，需要根據實際現場環境、數據需求等條件來選擇最合適的方法.

表1 不同GNSS-R測高方法的對比

2 GNSS-R水位監測現存問題

2.1 GNSS-R空間分辨率和覆蓋范圍

GNSS-R的空間分辨率和覆蓋范圍的定義并不一樣，它們分別表示了GNSS-R觀測的兩個不同的特征. 然而這兩個詞在GNSS-R領域中經常被混淆，因此我們在此對其進行詳細的闡述.

GNSS-R的覆蓋范圍是指GNSS-R接收機能夠接收到地表反射信號的最大面積，它反映了GNSS-R觀測的廣度和范圍. 覆蓋范圍越大，表示GNSS-R能夠觀測到更廣闊的地表區域，反之則表示GNSS-R只能觀測到更局限的地表區域. GNSS-R覆蓋范圍的大小和位置取決于接收機的高度、天線增益、信號頻率和功率和天線朝向在內的參數[54]. 此外，GNSS-R 的空間覆蓋范圍受到 GNSS 衛星的可用性和幾何形狀的限制. 例如，某些地區的衛星數量可能較少或仰角較低，這可能會減少反射信號的數量和質量.

GNSS-R的空間分辨率是指GNSS-R接收機能夠區分地表反射信號的最小面積，它反映了GNSS-R觀測的細節程度和精確度. 空間分辨率越高，表示GNSS-R能夠觀測到更小的地表單元，反之則表示GNSS-R只能觀測到更大的地表單元. Martín-Neira等[16]最早對GNSS-R的空間分辨率進行了分析，它是由第一個等時延線和等多普勒線的交點確定的區域的大小來估計的. Maria Paola等提出了GNSS-R空間分辨率的新定義，將其稱為有效的空間分辨率，其是測量幾何和延遲多普勒(delay-Doppler mapping，DDM)間隔的函數. 效空間分辨率的定義方法類似于濾波器理論中使用的有效帶寬的定義. 通過增加入射角、接收機高度和延遲多普勒窗口，可以觀察到有效空間分辨率的增加. 根據這一定義，估計700 km高度的接收機的有效空間分辨率約在25～27 km[55]. 上述定義都假設散射是非相干的，然而現在的GNSS接收機可以處理相干分量并將其從非相干散射分量中分離出來，這表明可以區分出更精細的特征[56-57]. 實際上，發生相干散射時GNSS-R的空間分辨率將被限于第一菲涅爾區，這意味著即使接收機在低軌道衛星上，其空間分辨率也可能小至約400～500 m[58]. Camps[59]更詳細地分析了前向散射構型的空間分辨率，表明當相干散射不可忽略時，空間分辨率主要由幾何形狀決定，而不是由典型的表面粗糙度值決定. 當鏡面反射點周圍的散射面積增加并包圍第一菲涅耳區時，接收功率增加，然后隨著高階菲涅耳區的加入而波動.GNSS-R水位監測的空間分辨率取決于天線離水面的高度、衛星仰角和天線波束寬度. 通常，空間分辨率在幾十米到幾百米之間，比衛星測高或雷達等其他方法粗糙得多. 因此，有必要優化天線設計和位置，并將 GNSS-R 與其他傳感器或模型相結合，以提高水位監測的空間分辨率.

2.2 信號干擾和噪聲

GNSS信號在到達地球表面時非常微弱，可能受到各種干擾和噪聲源的影響，如多路徑效應、電離層和對流層延遲等. 這些因素會降低反射信號的質量，并在水位估算中引入誤差. 電離層延遲是指GNSS信號在穿過電離層時由于電子密度的變化而產生的傳播時間延遲. 電離層延遲會導致GNSS-R測量的反射信號與直接信號之間的時差發生偏差，從而影響水面高度的計算. 當天線高度較低時電離層延遲可以忽略不計，并且在載波相位測高中可以通過差分算法消除電離層延遲. 對流層延遲是指GNSS信號在穿過對流層時由于水汽和氣壓的變化而產生的傳播時間延遲.在載波相位測高中也可以通過差分算法消除電離層延遲. 在使用GNSS-IR進行海面高度測量的大多數研究中對流層誤差都被忽略了[60-62]. Roussel等[63]發現當接收機的高度大于5 m、高度角角小于10°時，對流層誤差會對鏡面反射點的位置造成顯著影響.Santamaría-Gómez等[64]注意到，使用平均高度角低于12°的衛星弧線進行觀測時，GNSS-R測量的海面高度會小于實際高度. 他們將造成這種誤差的小部分原因歸結于對流層延遲. 在隨后的研究中Santamaría-Gómez等[65]使用大氣折射公式糾正了高度角偏差.Williams等[66]指出對流層延遲是GNSS-IR測高中的一個重要誤差，并使用對流層延遲模型和映射函數來校正了對流層延遲造成的偏差. 多路徑效應是載波相位相對定位中最重要的誤差源之一，其同樣是影響GNSS-R載波相位測高精度的重要因素之一. 當水面粗糙度較大時會產生大量來自同一顆衛星的反射信號，這些反射信號可以從不同的角度和方向進入接收天線，從而產生多條反射路徑. 每一條反射路徑都會產生一個獨立的信號，這些信號具有不同的傳播時間和相位延遲，因此它們可能相互干擾或疊加. Liu等[38]通過設置適當的方位角限制來減少測試場地周圍巖石和小島的多路徑影響. 信號串擾：在GNSS-R雙天線測高中，由右旋極化天線接收衛星的直射信號，左旋極化天線接收反射信號. 然而，由于天線的極化隔離不當，這些信號很容易進入同一天線. 當直射信號進入反射信號專用天線時，反射信號就會失真，這就是所謂的信號串擾[67]. Onrubia等[68]在iGNSS-R機載實驗中發現由串擾效應引起的誤差達40 cm.Pascual等[69]對iGNSS-R中串擾的統計分析表明，當衛星高度角大于60°時，串擾從地面到2 km高度的機載接收機幾乎是永久存在的，占比高達61%. He等[70]分析了信號串擾對GNSS-R碼測高的影響，通過對串擾的抑制，可以在較長時間內提高測量精度.

2.3 反射面粗糙度

當電磁波信號在水面上反射時，會被水面的起伏、凸凹處和不規則形狀所影響，從而在傳播過程中發生反射、折射和繞射等現象. 在GNSS-R碼相位延遲測高中，主要依賴直射信號和反射信號的相關峰值時間延遲來計算海面高度. 然而，水面的粗糙度會引起散射功率延遲，從而導致反射信號峰值的后延. 因此，水面粗糙度是碼測高中影響測高精度的主要誤差來源. 沈思明[39]提出了一種利用反射信號相位差來表征海面粗糙度的方法，并建立了一種粗糙度誤差修正模型. 實驗結果表明，利用該模型可將碼相位延遲測高的精度提升 10%以上. 另外當反射面粗糙時，反射GNSS信號的低SNR和多徑干擾引起的信號幅值波動較大，給接收機載波信號處理帶來了很大的挑戰. 采用主從開環跟蹤方法會導致載波相位測量中出現較大誤差和大量的周跳，周跳會嚴重影響GNSS-R載波相位測高的精度. 在后處理中，自適應閉環方法通過充分利用GNSS-R信號動態特性并自適應地調整調諧參數，已被證明比主從開環跟蹤有更好的性能. 然而，自適應閉環方法在實時GNSS-R應用中不切實際，因為它需要對濾波器進行大量調整，并且初始化周期相對較長. 本文提出了一種自適應混合跟蹤算法，用于處理具有足夠相干分量的GNSS-R信號.實驗結果表明，該算法具有與主從開環法相當的魯棒性，同時可以保持厘米級精度和良好的載波相位連續性[71].

3 GNSS-R水位監測發展趨勢

本文綜述了GNSS-R監測水位的原理和方法，總結了國內外的研究進展和成果，指出了目前存在的問題和不足. 盡管GNSS-R技術在水位監測方面已經取得了一些進展，但仍有許多潛在的研究方向和發展趨勢值得關注：

1)多源數據融合：通過使用多種遙感數據(如合成孔徑雷達、激光高度計、衛星重力等)與GNSS-R數據進行融合，可以提高水位測量的精度和可靠性，同時補充GNSS-R信號的不足. 這將為水文學研究、自然災害監測、水資源管理等領域提供更為有力的支持. 然而，需要注意的是，結合多傳感器數據也帶來了數據融合和處理的挑戰，因此需要開發合適的算法和方法來有效地整合和分析這些數據.

2)多衛星系統融合：目前全球存在多個主要的衛星導航系統，包括GPS、GLONASS、Galileo和北斗衛星導航系統(BeiDou Navigation Satellite System，BDS). 這些衛星系統在不同的地區和時間提供了廣泛的衛星覆蓋. 多衛星系統融合的主要優勢包括提高全球覆蓋率，減少受阻遮擋，提高精度和可靠性. 同時，它還可以提高時效性和實時性，并增強系統的容錯能力. 通過利用多個衛星系統的信號，GNSS-R水位監測可以獲得更多的觀測數據，從而在全球范圍內提供更準確、穩定和可靠的水位監測結果. 實現多衛星系統融合需要對不同衛星系統的信號進行數據處理和整合，并不斷改進算法和技術，以提高其在GNSS-R水位監測和其他應用中的效果.

3) GNSS-R接收設備的更新和改進：隨著技術的不斷進步，GNSS-R水位監測正朝著小型化和低成本化的方向發展. 傳統笨重的接收站正在被精巧輕便的設備所取代，尺寸縮小和重量減輕使得這些設備更加易于攜帶和部署，適用于各種場景，如移動平臺、航空器和無人機. 同時，通過采用經濟高效的電子元件、改進制造流程以及芯片集成技術，設備的生產成本得到降低，使得GNSS-R技術更具吸引力和可擴展性. 這樣的發展趨勢將推動GNSS-R水位監測的應用范圍擴大，為水文學、海洋學、氣象學等領域的研究和應用提供更多有價值的數據，有助于加強對地球環境變化的理解和預測，促進科學研究和環境監測取得新的進展.

4)與人工智能技術相結合：在GNSS-R水位監測中，深度學習可以幫助提高水位反演的精度、效率、魯棒性、靈活性、可解釋性和可視化. 深度學習可以利用大量的反射信號數據，自動學習出反射信號和水位高度之間的復雜非線性關系，而不需要依賴于先驗的物理模型或統計假設. 同時，深度學習也可以有效地處理反射信號中的噪聲、干擾和異常，提高水位反演的魯棒性. 目前，已經有一些研究探索了深度學習在GNSS-R水位監測中的應用. 例如，Wang等[72]提出了一種基于機器學習融合模型和特征優化的新型GNSS-R海面高度反演算法，利用卷積神經網絡等方法，從延遲波形數據中提取出敏感于海面高度的特征，并進行加權融合，實現了高精度的海面高度反演.

4 GNSS-R水位監測在我國水利行業的應用展望

近年來，我國突破歷史記錄、顛覆傳統認知的水旱災害頻繁發生，依靠傳統監測預報手段已難以滿足當前洪水防御工作的需求. 踐行“兩個堅持、三個轉變”的防災減災救災理念，為保障人民群眾生命財產安全贏得時機，就必須進一步強化應對洪水的決策支撐. 借助高科技力量實現水文預報工作延長預見期、提高精細度至關重要；加快構建氣象衛星和測雨雷達、雨量站、水文站組成的雨水情監測預報“三道防線”勢在必行. 此外雨水情監測預報“三道防線”是數字孿生水利感知(監測)體系的重要組成. 通過構建“天空地”一體化監測網絡，可以延長雨水情預見期、提高精準度，為防洪“四預”業務提供支撐和保障. 雨水情監測預報“三道防線”的第三道防線通過布設在流域河流干支流上的水文站網，實時監測江河、湖泊、水庫的水位、流量等水文要素的變化，依據落地降雨、實時水文站數據和信息，及時準確地制作洪水預報，并根據洪水發生可能性發布洪水預警，為防汛指揮決策、保障下游防洪安全和人員及時轉移避險等提供重要支撐. 水位監測是雨水情監測預報“第三道防線”中的重要內容，近年來水位監測方法正逐步由傳統的人工水尺向浮子式水位計、壓力式水位計、超聲波水位計等升級換代，在自動化程度、測量精度方面有了較大地提高，可以滿足一般水位監測要求，但是在復雜地形以及惡劣天氣條件下，其精度、可靠性及可用性難以保障. GNSS-R以其特有的優勢，為實現高時空分辨率的水位監測提供了一種新的思路，與傳統的水位監測技術相比，其具有低成本、及覆蓋范圍廣的優勢，能在災情險情出現時以較短的時間內得出相對精準的災害點三維坐標，實現及時準確的定位操作.

GNSS-R水位監測除了可以在雨水情監測預報“三道防線”中的第三道防線發揮作用，還可以為智慧水利提供實時、準確、全面的水位數據，支撐水文預報、防洪調度、水資源管理等業務，為數字孿生提供數據源，構建流域或工程的數字化場景，實現對涉水要素的數字化、感知實時化、模擬可視化，支撐預報、預警、預演、預案等功能. 總之 GNSS-R水位監測技術在中國水利行業有廣泛的應用前景，可以提高水資源管理的效率、減少災害風險，有助于確保水資源的可持續利用. 然而，要實現這些應用，還需要進一步的研究和技術發展，以確保數據的準確性和可靠性. 同時，政府、學術界和產業界需要合作推動這一技術在水利行業的廣泛應用.