Application of GNSS Interferometric Reflectometry (GNSS-IR) for Monitoring Tidal Variations in Coastal Zones

Abstract

GNSS-Interferometric Reflectometry (GNSS-IR) utilizes Signal-to-Noise Ratio (SNR) data from GNSS satellites to estimate sea level variations. This study applied GNSS-IR using GPS L1 SNR data from four CORS stations (CBEL, CLKI, CHAI, CLMP), paired with their nearest tide gauge stations (BLTG, LBKI, AMHI, LMPA) for validation. Data in RINEX 2.11 format at 30-second intervals were processed, considering antenna heights above the sea surface to extract reflection frequencies. Results indicate strong agreement at the LMPA (r = 0.94, RMSE = 0.17 m) and BLTG (r = 0.90, RMSE = 0.37 m) pairs, demonstrating the reliability of GNSS-IR under favorable conditions. The AMHI pair showed moderate correlation (r = 0.68, RMSE = 0.45 m), while the LBKI pair exhibited no meaningful correlation (r = –0.07), likely due to severe multipath disturbance and local site limitations. These findings suggest that GNSS-IR can provide cost-efficient and accurate sea level estimates, but performance is highly site-dependent and influenced by environmental and instrumental factors. The study highlights the potential of GNSS-IR to complement conventional tide gauges in Indonesia, while emphasizing the need for careful station selection and multi-frequency analysis in future applications.GNSS Interferometric Reflectometry (GNSS-IR) merupakan teknik yang menggunakan data Signal-to-Noise Ratio (SNR) dari satelit GNSS untuk memantau perubahan permukaan, termasuk variasi muka udara laut. Dalam studi ini, metode GNSS-IR diterapkan menggunakan data dari empat stasiun CORS—CBEL, CLKI, CHAI, dan CLMP. Hasilnya kemudian dibandingkan dengan data pengukur pasang surut konvensional yang diperoleh dari empat stasiun: BLTG, LBKI, AMHI, dan LMPA. Data yang dianalisis menggunakan format RINEX versi 2.11, direkam dengan interval 30 detik. Pemrosesan melibatkan ekstraksi pola SNR dari sinyal GPS L1. Temuan menunjukkan bahwa stasiun LMPA menghasilkan hasil yang paling akurat, dengan koefisien korelasi 0,9419, RMSE 0,1749 meter, dan MAE 0,1069 meter. Stasiun BLTG juga berkinerja baik, menunjukkan korelasi kuat sebesar 0,9026, dengan RMSE 0,3693 meter dan MAE 0,3094 meter. Stasiun AMHI mencapai korelasi sebesar 0,6801, RMSE 0,4491 meter, dan MAE 0,3607 meter—masih wajar, meskipun terdapat sedikit perbedaan dibandingkan dengan data pengukur pasang surut. Sebaliknya, stasiun LBKI menunjukkan korelasi negatif sebesar -0,0706, dengan kesalahan yang lebih tinggi (RMSE 0,9158 meter dan MAE 0,7417 meter), yang menunjukkan gangguan signifikan pada sinyal SNR. Secara keseluruhan, penelitian ini menunjukkan bahwa GNSS-IR merupakan pendekatan yang efektif dan hemat biaya untuk memperkirakan permukaan laut, meskipun gangguan sinyal di lokasi tertentu dapat mempengaruhi akurasi pengukuran.