土壤湿度对水文、气象、农业环境等领域的研究起着重要作用,在环境学等方面可以作为水资源循环的衡量标准。近年来,利用GNSS反射信号进行土壤湿度的反演成为一种新型监测方法,具有高精度、连续性好和适用广泛等优点,因此,基于GNSS-IR的地基土壤湿度反演研究具有更广阔的现实意义和应用前景。同时,提高反演精度是需要加强解决的一个热点问题,针对基于GNSS-IR反演土壤湿度目前存在个别年积日异常跳变和单星反演精度波动较大的问题,使用小波分析和LS-SVM算法进行反演模型的优化,探讨小波分析和LS-SVM算法在GNSS-IR土壤湿度反演中的可行性和有效性,本文主要研究内容和结论如下:(1)本文提出了用小波分析方法对卫星反射信号分离的方法,对P041测站2011年和2012年的观测文件分别进行了处理,分别获得了各卫星反演的土壤湿度数据,并对测站周边的土壤湿度实验进行比较和分析,发现大多数卫星反演的精度都较好,但在反演中容易产生系统误差和异常跳变问题。针对这个问题,利用小波多尺度分解卫星的反射信号,改善局部拟合性较差的问题,对于局部拟合性精度,相对于传统方法,本文方法RMSE至少可以提高7.98%;MAE至少提高25.2%。削弱部分卫星个别年积日的异常跳变值,平均反演结果相关系数达到0.803。(2)本文研究了小波基函数在卫星反射信号分离中的选择问题,采用传统低阶多项式方法和4个小波基函数,分别将P041测站10颗卫星的观测数据的反射信号进行分离,通过最终得到的反演结果与土壤湿度参考值之间对比分析发现,使用小波分析的卫星反射信号可以有效地减小系统的误差和跳变,10颗卫星所得的反演结果精确度都有所提高,进一步降低了RMSE、MAE的误差,相比传统的方法来说,得到了更好的相关系数。通过五种方案的对比分析,采用线性回归模型反演土壤湿度能更好的表现变化趋势和规律。coif5小波单星反演的平均相关系数为0.836,与传统的方法相比至少增加了20.1%,相比bior6.8、dmey和sym10小波分别提高10.4%、5.2%和11.5%。说明coif5小波应用于GNSS-IR土壤湿度反演是可行且效果较好。(3)本文使用最小二乘支持向量机((least Squares-Support Veotor Maohine,LS-SVM)进行多星组合滚动估计土壤湿度变化,由于各卫星相对测站的方位和角度不同,同时,每颗卫星的参数和性能也存在一定的差异,因此,仅用某颗卫星对反演土壤湿度的变化,就无法全面系统的掌握某一区域内的土壤湿度变化。土壤湿度变化是非线性的,通过不同数量的卫星组合,可以得到不同的精度反演结果。经实验与分析发现:利用LS-SVM进行多星融合,可以显著地提高反演精度,并且有效地综合了各卫星的优点,随着卫星组合数量增加,反演的精度也不断提高;当卫星的组合数量达到七颗时,反演的土壤湿度结果相关系数达到了0.916,相对单星来说至少可以提高16.1%;RMSE是0.039。因此,结合小波分析方法,建立卫星反射信号分离模型和多星融合,可以显著提高土壤湿度的反演精度,对实际高时空分辨率监测土壤湿度提高一种新的方法。