CN104036108A - 一种海面风场和海浪联合反演的方法 - Google Patents
一种海面风场和海浪联合反演的方法 Download PDFInfo
- Publication number
- CN104036108A CN104036108A CN201410081569.5A CN201410081569A CN104036108A CN 104036108 A CN104036108 A CN 104036108A CN 201410081569 A CN201410081569 A CN 201410081569A CN 104036108 A CN104036108 A CN 104036108A
- Authority
- CN
- China
- Prior art keywords
- image
- wind
- spectrum
- wind direction
- wave
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种海面风场和海浪联合反演的方法,所述方法包括:将风场数据库中合成孔径雷达图像进行辐射定标并过滤,将已过滤的图像按照预设大小分割成若干个子图像,并分别计算所述子图像的后向散射截面和中心点入射角;采用人机交互式获取外部风向信息,得到相应子图像的风向并进行插值计算得到所述合成孔径雷达图像的风向;根据所述合成孔径雷达图像的风向和所述中心点的入射角进行处理得到所述海浪谱,根据所述海浪谱与海浪要素之间的关系,得到所述海浪要素。实现了避免重复输入外部信息,对SAR海面风场的反馈更加精准和高效,保证了风场与海浪具有相同空间分辨率,提高了反演结果的准确性。
Description
技术领域
本发明涉及合成孔径雷达技术领域,特别涉及一种处理海面风场和海浪联合反演的方法。
背景技术
随着海洋资源的开发以及海事活动的频繁,比如海上运输业和海上捕鱼业的发展,海难事故的发生的关注度也随之增高。海难事故在政治、经济、军事上都会给世界沿海各国带来巨大灾难,不仅是人员伤亡和财产的损失,还会给社会发展带来不良影响,海上搜救工作也越来越得到各沿海国家的重视,因此,获取海面的风场以及海浪情况是人们进行海上运动不可或缺的信息。
然而,海面风场、海浪的传统观测方法主要通过出海调查实地实时观测,浮标和海上平台观测等等。然而传统方式需要投入大量的人力物力,并且对于大尺度全球的观测无能为力,因此常规观测系统获得的海面风场与海浪资料十分有限,难以满足各方面的需求。
现有技术中,合成孔径雷达(英文全称:Synthetic Aperture Radar,英文缩写:SAR)是一种具有较高空间分辨率的主动式卫星微波探测器,它的出现为受制于传统观测的物理海洋学研究方向提供丰富的资料。SAR可以在其运行轨道上全天候连续获得对海洋表面大面积的图像,其高分辨率意味着高精度的风场和海浪信息。目前,SAR已发展出单一提取海面风场或海浪信息的方法。
但是在实现本发明的过程中,发明人发现现有技术至少存在以下问题:
由于海面风场或海浪信息两者的反演密不可分,例如风场的反演需要提供外部的风向信息,海浪的提取则需要同时刻的风场资料。现有的单一反演海面风场和海浪的方法,不仅需要重复的输入外部的风场信息耗费多余的运算时间,外部风场的信息与SAR的空间上的不匹配性也导致了反演结果不准确性。
发明内容
为了解决现有技术中单一反演方法需要重复输入外部的风场信息、耗费多余运算时间以及反演结果不准确的问题,本发明实施例提供了一种网真会议的 控制方法和装置。所述技术方案如下:
本发明实施例提供的技术方案带来的有益效果是:
第一方面,本发明提供了一种海面风场和海浪联合反演的方法,所述方法包括:
将风场数据库中合成孔径雷达图像进行辐射定标,并对定标后的图像进行过滤,得到已过滤的图像;
将所述已过滤的图像按照预设大小进行分割得到若干个子图像,并分别计算所述子图像的平均后向散射截面和中心点入射角;
采用人机交互式获取外部风向信息,并得到相应子图像的风向,将所述子图像的风向进行插值计算得到所述合成孔径雷达图像的风向;
根据所述合成孔径雷达图像的风向和所述中心点的入射角进行风速反演获得海面风场;
输入所述海面风场,采用波数分离法进行分离,得到合成孔径雷达图像的风浪图像谱和涌浪图像谱;
对所述风浪图像谱和所述涌浪图像进行联合反演处理得到所述海浪谱,根据所述海浪谱与海浪要素之间的关系,得到所述海浪要素。
优选地,所述将风向数据库中合成孔径雷达图像进行辐射定标,并对定标后的图像进行过滤,得到已过滤的图像之间,还包括:
根据预设时间内天气预报数据进行分析历史模式的风场数据,建立风场数据库。
优选地,将风向数据库中合成孔径雷达图像进行辐射定标,并对定标后的图像进行过滤,得到已过滤的图像,具体包括:
将风向数据库中合成孔径雷达图像进行辐射定标,
根据数字高程模型对定标后将图像中陆地信息的后向散射截面的值设为0,过滤所述陆地信息,得到已过滤的图像。
优选地,所述采用人机交互式获取外部风向信息,并得到相应子图像的风向,将所述子图像的风向进行插值计算得到所述合成孔径雷达图像的风向,具体包括:
通过人机交互方式从合成孔径雷达图像上获取风向的斜率信息,根据所述风向的斜率信息推出具有180°模糊度的风向,
SAR图像预处理过程中通过交互式的方式从图像上手动获取风向的斜率信息,据此可以推测出具有180°模糊度的风向,根据已建立的风场数据库中的数据中查找与所述合成孔径雷达图像的子图像匹配的数据,根据所述匹配的数据去除风向的180°模糊度,得到所述子图像的风向,
将所述子图像的风向进行插值计算得到所述合成孔径雷达图像的风向。
优选地,所述输入所述海面风场,采用波数分离法进行分离,得到合成孔径雷达图像的风浪图像谱和涌浪图像谱,具体包括:
输入所述海面风场,将从合成孔径雷达获得10m内符合第一预设区间的风速,并将所述风速以0.2m/s进行离散,得到合成孔径雷达图像的风浪图像谱;并从所述风浪合成孔径雷达图像谱中获得符合第二预设区间的谱峰波速,并将所述谱峰波速以0.1m/s进行离散;得到所述合成孔径雷达图像的涌浪图像谱。
优选地,所述对所述风浪图像谱和所述涌浪图像进行联合反演处理得到所述海浪谱,根据所述海浪谱与海浪要素之间的关系,得到所述海浪要素,具体包括:
对所述风浪图像谱和所述涌浪图像进行联合反演处理得到最优海浪谱,并根据参数化参演模式得到SAR子图像的海浪方向谱,根据海浪谱与海浪要素之间的关系计算分别得到海浪要素效波高、主波波长和跨零周期。
第二方面,本发明提供了一种海面风场和海浪联合反演的装置,所述装置包括:
定标模块,用于将风场数据库中合成孔径雷达图像进行辐射定标,并对定标后的图像进行过滤,得到已过滤的图像;
分割模块,用于将所述已过滤的图像按照预设大小进行分割得到若干个子图像,并分别计算所述子图像的平均后向散射截面和中心点入射角;
插值计算模块,用于采用人机交互式获取外部风向信息,并得到相应子图像的风向,将所述子图像的风向进行插值计算得到所述合成孔径雷达图像的风向;
反演模块,用于根据所述合成孔径雷达图像的风向和所述中心点的入射角进行风速反演获得海面风场;
分离处理模块,用于输入所述海面风场,采用波数分离法进行分离,得到合成孔径雷达图像的风浪图像谱和涌浪图像谱;
联合反演模块,用于对所述风浪图像谱和所述涌浪图像进行联合反演处理得到所述海浪谱,根据所述海浪谱与海浪要素之间的关系,得到所述海浪要素。
优选地,所述装置,还包括:
预建立模块,用于根据预设时间内天气预报数据进行分析历史模式的风场数据,建立风场数据库。
优选地,所述定标模块,具体用于:
将风向数据库中合成孔径雷达图像进行辐射定标,
根据数字高程模型对定标后将图像中陆地信息的后向散射截面的值设为0,过滤所述陆地信息,得到已过滤的图像。
优选地,所述插值计算模块,具体用于:
通过人机交互方式从合成孔径雷达图像上获取风向的斜率信息,根据所述风向的斜率信息推出具有180°模糊度的风向,
SAR图像预处理过程中通过交互式的方式从图像上手动获取风向的斜率信息,据此可以推测出具有180°模糊度的风向,根据已建立的风场数据库中的数据中查找与所述合成孔径雷达图像的子图像匹配的数据,根据所述匹配的数据去除风向的180°模糊度,得到所述子图像的风向,
将所述子图像的风向进行插值计算得到所述合成孔径雷达图像的风向。
优选地,所述分离处理模块,具体用于:
输入所述海面风场,将从合成孔径雷达获得10m内符合第一预设区间的风速,并将所述风速以0.2m/s进行离散,得到合成孔径雷达图像的风浪图像谱;并从所述风浪合成孔径雷达图像谱中获得符合第二预设区间的谱峰波速,并将所述谱峰波速以0.1m/s进行离散;得到所述合成孔径雷达图像的涌浪图像谱。
优选地,所述联合反演模块,具体用于:
对所述风浪图像谱和所述涌浪图像进行联合反演处理得到最优海浪谱,并根据参数化参演模式得到SAR子图像的海浪方向谱,根据海浪谱与海浪要素之间的关系计算分别得到海浪要素效波高、主波波长和跨零周期。
本发明提供了一种海面风场和海浪联合反演方法,通过将风场数据库中合成孔径雷达图像进行辐射定标并过滤,将已过滤的图像按照预设大小分割成若干个子图像,并分别计算所述子图像的后向散射截面和中心点入射角;采用人机交互式获取外部风向信息,得到相应子图像的风向并进行插值计算得到所述 合成孔径雷达图像的风向;根据所述合成孔径雷达图像的风向和所述中心点的入射角进行处理得到所述海浪谱,根据所述海浪谱与海浪要素之间的关系,得到所述海浪要素,避免了重复的输入外部信息,使得对SAR海面风场的反馈更加精准和高效,保证了风场与海浪具有相同的空间分辨率,并采用波数分离法和参数化猜测谱反演模式,提高了反演结果的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明优选方法实施例提供的一种海面风场和海浪联合反演方法流程图;
图2为图1中步骤S101的详细流程图;
图3为图1中步骤S103的详细流程图;
图4为优选方法实施例中对风速进行CMOD4和CMOD5仿真示意图;
图5为本发明优选装置实施例提供的一种海面风场和海浪联合反演装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
图1是本发明实施例中提供的一种海面风场和海浪联合反演的方法流程图,本发明实施例基于运用合成孔径雷达技术,参见图1,该方法包括:
S101:将风场数据库中合成孔径雷达图像进行辐射定标,并对定标后的图像进行过滤,得到已过滤的图像。
具体地,参见图2,S101的具体流程包括:
S1011:将风向数据库中合成孔径雷达图像进行辐射定标,
具体地,将风场数据库中合成孔径雷达图像进行辐射标定具体可以为:把每个像素点的值转换成后向散射截面,定标后的类型主要包括:C波段ERS-2、 Radarsat-2SAR、Envisat-ASAR和X波段TerraSAR-X和TanDEM-X;
其中,计算各类型的方式如下:
1)ERS-2图像模式和Envisat-ASAR可变极化/宽幅扫描模式的数据存储格式相同,定标公式为:F
其中DN为从SAR图像上读取的原始像素值,F为绝对定标参数,θ为波束在像素点的当地入射角。
2)Radarsat-2SAR宽幅扫描模式的定标公式为:DF;
其中DN为原始的像素值,DF为距离向的定标参数,θ为波束在像素点的当地入射角。
3)TerraSAR-X和TanDEM-X条带/聚束模式的定标公式为:σ0=F×DN2×sinθ;
其中,DN为从SAR图像上读取的原始像素值,F为绝对定标参数,θ为波束在像素点的当地入射角。
入射角θ的计算公式如下:θ=arcos();
其中Re为地球半径,h为卫星高度,Rk为每个像素点的斜距。
S1012:根据GTOP30(数字高程)模型对定标后将图像中陆地信息的后向散射截面的值设为0,过滤所述陆地信息,得到已过滤的图像。
具体地,对定标后的图像进行过滤具体是指:过滤掉所述合成孔径雷达图像中的陆地信息,例如可以通过利用高程地形数据模型对每个像素点进行判断,当判断得到所述像素点为陆地时,把所述陆地点的后向散射截面设为0过滤掉所述陆地信息;
需要说明的是,在实现本实施例过程中,步骤S101之前还可以包括;
根据预设时间内天气预报数据进行分析历史模式的风场数据,建立风场数据库。
S102:将所述已过滤的图像按照预设大小进行分割得到若干个子图像,并计算所述子图像的平均后向散射截面和中心点入射角。
在本实施例中,所述预设大小可以为3×3公里;
其中,对每个像素点使用的极化率模型把HH极化后向散射截面转换成VV极化后向散射截面;
具体地,
A)、C波段使用的极化率模型的形式具体可以为:
P(θ)=P1θ2+P2θ+P3;
Q(θ)=Q1θ+Q2;
其中,U为海面10米处的风速(m/s),P和Q取值如表一:
B)、X波段的极化率模型的形式具体可以为:
PR=x0exp(x1θ),
其中x0=0.61,x1=0.02。
S103:采用人机交互式获取外部风向信息,并得到相应子图像的风向,将所述子图像的风向进行插值计算得到所述合成孔径雷达图像的风向。
具体地,参见图3,本实施例中步骤S103具体包括:
S1031:通过人机交互方式从合成孔径雷达图像上获取风向的斜率信息,根据所述风向的斜率信息推出具有180°模糊度的风向,
S1032:SAR图像预处理过程中通过交互式的方式从图像上手动获取风向的斜率信息,据此可以推测出具有180°模糊度的风向,根据已建立的风场数据库中的数据中查找与所述合成孔径雷达图像的子图像匹配的数据,根据所述匹配的数据去除风向的180°模糊度,得到所述子图像的风向,
S1033:将所述子图像的风向进行插值计算得到所述合成孔径雷达图像的风向。
具体的插值方法如下:
其中为所需插值的风向,为用谱方法获取所得的风向,为初始风向(所求位置与所有已知风向的位置距离最近处的风向),Di,j为所求位置与所有已知风向的位置之间的距离(公里),R为参考距离为20公里。
S104:根据所述合成孔径雷达图像的风向和所述中心点的入射角进行风速反演获得海面风场。
S105:输入所述海面风场,采用波数分离法进行分离,得到合成孔径雷达图像的风浪图像谱和涌浪图像谱。
具体地,在本实施例中,所述步骤S105具体包括:输入所述海面风场,将从合成孔径雷达获得10m内符合第一预设区间的风速,并将所述风速以0.2m/s进行离散,得到合成孔径雷达图像的风浪图像谱;并从所述风浪合成孔径雷达图像谱中获得符合第二预设区间的谱峰波速,并将所述谱峰波速以0.1m/s进行离散;得到所述合成孔径雷达图像的涌浪图像谱。
在本实施例中,风速以0.2m/s的间隔,在0~60m/s的区间内,把风速进行离散化,结合风向和入射角,进行CMOD4和CMOD5仿真。
参见图4,可以看到CMOD5在低风速下具有双解,而且紧接着出现较大的后向散射截面的梯度(风速的曲线会在某处发生断裂);而在中等风速情况下,CMOD4与CMOD5很相似。因此,CMOD5在低风速时不适用于反演海面风场。这就为本发明提供一种思路,可以把这种断裂处作为判定选择CMOD4还是CMOD5进行风速反演的标准:当SAR后向散射截面小于断裂处的仿真后向散射截面,选择CMOD4;当SAR后向散射截面大于断裂处的仿真后向散射截面,选择CMOD5。如果是X波段SAR,则采用XMOD地球物理模型。
具体地,采用波数分离法进行风浪和涌浪SAR图像谱分离计算过程为:
根据海面风场为输入条件,把SAR图像谱分离成风浪成分和涌浪成分。海面风速U与其能形成风浪的最大波速cp有如下的关系:
cp=1.3U
采用波数分离法,把cp作为分离的依据,即SAR图像谱中波速c≤cp部分,该区域为风浪主导,得到风浪SAR图像谱Pwind(ω,θ);而c>cp,该地区为涌浪主导,得到涌浪SAR图像谱Pswell(ω,θ)。
S106:对所述风浪图像谱和所述涌浪图像进行联合反演处理得到所述海浪谱,根据所述海浪谱与海浪要素之间的关系,得到所述海浪要素。
具体地,在本实施例中,所述步骤S106具体包括:对所述风浪图像谱和所述涌浪图像进行联合反演处理得到最优海浪谱,并根据参数化参演模式得到SAR子图像的海浪方向谱,根据海浪谱与海浪要素之间的关系计算分别得到海浪要素效波高、主波波长和跨零周期。
具体地,采用波数分离法进行风浪和涌浪SAR图像谱分离,具体所述风浪 图像谱和所述涌浪图像进行联合反演处理得到所述海浪谱的计算过程为:
1)风浪谱的反演具体使用Jonswap风浪谱模型,通过参数化初猜测谱模式反演风浪谱。Jonswap谱二维海浪谱的形式如下:
S(ω,θ)=S(ω)D(θ)
ω5 ω
其中,α=0.006(U/c0)0.55,σ=0.08(1+4(c0/U)3)
1.7+6.0log10(U/c0) 1<U/c0<5
方向函数D(θ),使用如下形式:
0 |θ|>90°
把SAR获得的10米处风速,在0.8U<U<1.3U的区间内以0.2m/s进行离散;从风浪SAR图像谱中获得谱峰波速c0(ω0=9.8/c0),以0.1m/s进行在0.9c0<c0<1.2c0的区间进行离散。把离散化的风速与谱峰波速带入Jonswap谱
Pwind(ω,θ)+min([Pwind(ω,θ),Pwind(ω,θ)])
那一组的风浪图像谱中与真实的SAR图像谱J1最小对应的风浪谱,便是最优的初猜测海浪谱。
再构造代价函数J2:
Swind(ω,θ)+min([Swind(ω,θ),Swind(ω,θ)])
把得到的初猜测谱后,使用迭代法,若干步后代价函数J2最小,求得最优的风浪方向谱S1(ω,θ)。
2)涌浪谱的反演采用PM成熟风浪谱模型。PM谱二维海浪谱的形式如下:
S(ω,θ)=S(ω)D(θ)
ω ω
其中α=8.1×10-3,β=0.74。
方向函数D(θ),使用如下形式:
0 |θ|>90°
从上式中看出,PM谱中不需要风速,只需要找到最优的谱峰波数即可获得最优的初猜测涌浪谱。使用反演风浪谱的相同方法,求得最优的涌浪方向谱S2(ω,θ)。
具体地,根据所述海浪谱与海浪要素之间的关系,得到所述海浪要素海浪要素的反演,具体反演过程
根据反演得到风浪谱与涌浪谱,合成之后是最终的海浪谱 需要注意的是,反演得到的海浪谱具有两个谱峰,即有180°的模糊性,因此无法获得海浪的传播方向。主波波长λ可从合成海浪谱中直接获得,即谱峰对应的波长。
本实施例提供了一种海面风场和海浪联合反演方法,通过将风场数据库中合成孔径雷达图像进行辐射定标并过滤,将已过滤的图像按照预设大小分割成若干个子图像,并分别计算所述子图像的后向散射截面和中心点入射角;采用人机交互式获取外部风向信息,得到相应子图像的风向并进行插值计算得到所述合成孔径雷达图像的风向;根据所述合成孔径雷达图像的风向和所述中心点的入射角进行处理得到所述海浪谱,根据所述海浪谱与海浪要素之间的关系,得到所述海浪要素,避免了重复的输入外部信息,使得对SAR海面风场的反馈更加精准和高效,保证了风场与海浪具有相同的空间分辨率,并采用波数分离法和参数化猜测谱反演模式,提高了反演结果的准确性。
图5是本发明实施例中提供的一种海面风场和海浪联合反演的装置结构示意图,本发明实施例基于运用合成孔径雷达技术,参见图5,该装置包括:
一种海面风场和海浪联合反演的装置,其特征在于,所述装置包括:
定标模块501,用于将风场数据库中合成孔径雷达图像进行辐射定标,并对定标后的图像进行过滤,得到已过滤的图像;
分割模块502,用于将所述已过滤的图像按照预设大小进行分割得到若干个子图像,并分别计算所述子图像的平均后向散射截面和中心点入射角;
插值计算模块503,用于采用人机交互式获取外部风向信息,并得到相应子图像的风向,将所述子图像的风向进行插值计算得到所述合成孔径雷达图像的风向;
反演模块504,用于根据所述合成孔径雷达图像的风向和所述中心点的入射角进行风速反演获得海面风场;
分离处理模块505,用于输入所述海面风场,采用波数分离法进行分离,得 到合成孔径雷达图像的风浪图像谱和涌浪图像谱;
联合反演模块506,用于对所述风浪图像谱和所述涌浪图像进行联合反演处理得到所述海浪谱,根据所述海浪谱与海浪要素之间的关系,得到所述海浪要素。
结合上述装置,所述装置,还包括:
预建立模块,用于根据预设时间内天气预报数据进行分析历史模式的风场数据,建立风场数据库。
结合上述装置,其特征在于,所述定标模块501,具体用于:
将风向数据库中合成孔径雷达图像进行辐射定标,
根据GTOP30(数字高程)模型对定标后将图像中陆地信息的后向散射截面的值设为0,过滤所述陆地信息,得到已过滤的图像。
结合上述装置,所述插值计算模块503,具体用于:
通过人机交互方式从合成孔径雷达图像上获取风向的斜率信息,根据所述风向的斜率信息推出具有180°模糊度的风向,
SAR图像预处理过程中通过交互式的方式从图像上手动获取风向的斜率信息,据此可以推测出具有180°模糊度的风向,根据已建立的风场数据库中的数据中查找与所述合成孔径雷达图像的子图像匹配的数据,根据所述匹配的数据去除风向的180°模糊度,得到所述子图像的风向,
将所述子图像的风向进行插值计算得到所述合成孔径雷达图像的风向。
结合上述装置,所述分离处理模块505,具体用于:
输入所述海面风场,将从合成孔径雷达获得10m内符合第一预设区间的风速,并将所述风速以0.2m/s进行离散,得到合成孔径雷达图像的风浪图像谱;并从所述风浪合成孔径雷达图像谱中获得符合第二预设区间的谱峰波速,并将所述谱峰波速以0.1m/s进行离散;得到所述合成孔径雷达图像的涌浪图像谱。
结合上述装置,所述联合反演模块506,具体用于:
对所述风浪图像谱和所述涌浪图像进行联合反演处理得到最优海浪谱,并根据参数化参演模式得到SAR子图像的海浪方向谱,根据海浪谱与海浪要素之间的关系计算分别得到海浪要素效波高、主波波长和跨零周期。
本实施例提供了一种海面风场和海浪联合反演的装置,通过将风场数据库中合成孔径雷达图像进行辐射定标并过滤,将已过滤的图像按照预设大小分割 成若干个子图像,并分别计算所述子图像的后向散射截面和中心点入射角;采用人机交互式获取外部风向信息,得到相应子图像的风向并进行插值计算得到所述合成孔径雷达图像的风向;根据所述合成孔径雷达图像的风向和所述中心点的入射角进行处理得到所述海浪谱,根据所述海浪谱与海浪要素之间的关系,得到所述海浪要素,避免了重复的输入外部信息,使得对SAR海面风场的反馈更加精准和高效,保证了风场与海浪具有相同的空间分辨率,并采用波数分离法和参数化猜测谱反演模式,提高了反演结果的准确性。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种海面风场和海浪联合反演的方法,其特征在于,所述方法包括:
将风场数据库中合成孔径雷达图像进行辐射定标,并对定标后的图像进行过滤,得到已过滤的图像;
将所述已过滤的图像按照预设大小进行分割得到若干个子图像,并分别计算所述子图像的平均后向散射截面和中心点入射角;
采用人机交互式获取外部风向信息,并得到相应子图像的风向,将所述子图像的风向进行插值计算得到所述合成孔径雷达图像的风向;
根据所述合成孔径雷达图像的风向和所述中心点的入射角进行风速反演获得海面风场;
输入所述海面风场,采用波数分离法进行分离,得到合成孔径雷达图像的风浪图像谱和涌浪图像谱;
对所述风浪图像谱和所述涌浪图像进行联合反演处理得到所述海浪谱,根据所述海浪谱与海浪要素之间的关系,得到所述海浪要素。
2.根据权利要求1所述的方法,其特征在于,所述将风向数据库中合成孔径雷达图像进行辐射定标,并对定标后的图像进行过滤,得到已过滤的图像之间,还包括:
根据预设时间内天气预报数据进行分析历史模式的风场数据,建立风场数据库。
3.根据权利要求1-2所述的方法,其特征在于,将风向数据库中合成孔径雷达图像进行辐射定标,并对定标后的图像进行过滤,得到已过滤的图像,具体包括:
将风向数据库中合成孔径雷达图像进行辐射定标,
根据数字高程模型对定标后将图像中陆地信息的后向散射截面的值设为0,过滤所述陆地信息,得到已过滤的图像。
4.根据权利要求2所述的方法,其特征在于,所述采用人机交互式获取外部风向信息,并得到相应子图像的风向,将所述子图像的风向进行插值计算得到所述合成孔径雷达图像的风向,具体包括:
通过人机交互方式从合成孔径雷达图像上获取风向的斜率信息,根据所述风向的斜率信息推出具有180°模糊度的风向,
SAR图像预处理过程中通过交互式的方式从图像上手动获取风向的斜率信息,据此可以推测出具有180°模糊度的风向,根据已建立的风场数据库中的数据中查找与所述合成孔径雷达图像的子图像匹配的数据,根据所述匹配的数据去除风向的180°模糊度,得到所述子图像的风向,
将所述子图像的风向进行插值计算得到所述合成孔径雷达图像的风向。
5.根据权利要求1所述的方法,其特征在于,所述输入所述海面风场,采用波数分离法进行分离,得到合成孔径雷达图像的风浪图像谱和涌浪图像谱,具体包括:
输入所述海面风场,将从合成孔径雷达获得10m内符合第一预设区间的风速,并将所述风速以0.2m/s进行离散,得到合成孔径雷达图像的风浪图像谱;并从所述风浪合成孔径雷达图像谱中获得符合第二预设区间的谱峰波速,并将所述谱峰波速以0.1m/s进行离散;得到所述合成孔径雷达图像的涌浪图像谱。
6.根据权利要求1所述的方法,其特征在于,所述对所述风浪图像谱和所述涌浪图像进行联合反演处理得到所述海浪谱,根据所述海浪谱与海浪要素之间的关系,得到所述海浪要素,具体包括:
对所述风浪图像谱和所述涌浪图像进行联合反演处理得到最优海浪谱,并根据参数化参演模式得到SAR子图像的海浪方向谱,根据海浪谱与海浪要素之间的关系计算分别得到海浪要素效波高、主波波长和跨零周期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410081569.5A CN104036108B (zh) | 2014-03-06 | 2014-03-06 | 一种海面风场和海浪联合反演的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410081569.5A CN104036108B (zh) | 2014-03-06 | 2014-03-06 | 一种海面风场和海浪联合反演的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104036108A true CN104036108A (zh) | 2014-09-10 |
CN104036108B CN104036108B (zh) | 2017-10-17 |
Family
ID=51466878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410081569.5A Expired - Fee Related CN104036108B (zh) | 2014-03-06 | 2014-03-06 | 一种海面风场和海浪联合反演的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104036108B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268429A (zh) * | 2014-10-15 | 2015-01-07 | 湖北大学 | 基于星载sar的近海岸海上风能资源遥感方法及系统 |
CN104698460A (zh) * | 2015-02-26 | 2015-06-10 | 中国人民解放军理工大学 | 一种双频共面合成孔径雷达海面风场反演方法 |
CN104749563A (zh) * | 2015-03-26 | 2015-07-01 | 武汉大学 | 从高频地波雷达海洋回波一阶Bragg谐振峰中提取浪高的方法 |
CN105787281A (zh) * | 2016-03-24 | 2016-07-20 | 国家海洋环境预报中心 | 一种海浪有效波高场的融合反演方法和装置 |
CN107219525A (zh) * | 2017-05-17 | 2017-09-29 | 浙江海洋大学 | Sar海面仿真方法及装置 |
CN109100717A (zh) * | 2018-06-11 | 2018-12-28 | 广州地理研究所 | 一种多源微波遥感海面风场数据融合方法及其装置 |
CN110764087A (zh) * | 2019-10-15 | 2020-02-07 | 中国科学院国家空间科学中心 | 一种基于干涉成像高度计的海面风向反加权反演方法 |
CN111862005A (zh) * | 2020-07-01 | 2020-10-30 | 自然资源部第二海洋研究所 | 一种利用合成雷达图像精准定位热带气旋中心的方法及系统 |
CN112782691A (zh) * | 2020-12-24 | 2021-05-11 | 西安空间无线电技术研究所 | 一种基于环扫雷达的海表面风浪流联合探测方法 |
CN113075660A (zh) * | 2021-04-16 | 2021-07-06 | 清华大学 | 基于极化合成孔径雷达sar反演海面风浪参数的方法及装置 |
CN113267776A (zh) * | 2021-06-25 | 2021-08-17 | 中国石油大学(华东) | 基于谱模型的sar海面风场与海浪联合反演方法及系统 |
CN115983141A (zh) * | 2023-03-21 | 2023-04-18 | 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) | 一种基于深度学习反演海浪波高的方法、介质及系统 |
CN117310708A (zh) * | 2023-11-30 | 2023-12-29 | 中国科学院空天信息创新研究院 | 不依赖外部风向的sar图像海面风场反演方法与系统 |
-
2014
- 2014-03-06 CN CN201410081569.5A patent/CN104036108B/zh not_active Expired - Fee Related
Non-Patent Citations (5)
Title |
---|
JIAN SUN等: "Modification of SAR spectra associated with surface wind fields in the sea off the Kii Peninsula: A case study", 《JOURNAL OF OCEANOGRAPHY》 * |
JIAN SUN等: "Retrieval of surface wave parameters from sar images and their validation in the coastal seas around Japan", 《JOURNAL OF OCEANOGRAPHY》 * |
SUN JIAN等: "Parameterized first-guess spectrum method for retrieving directional spectrum of swell-dominated waves and huge waves from SAR images", 《CHINESE JOURNAL OF OCEANOLOGY AND LIMNOLOGY》 * |
WEIZENG SHAO等: "A method for sea surface wind field retrieval from SAR image mode data", 《SPRINGER》 * |
孙建: "SAR影像的海浪信息反演", 《中国优秀博硕士学位论文全文数据库 (博士) 基础科学辑 》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268429A (zh) * | 2014-10-15 | 2015-01-07 | 湖北大学 | 基于星载sar的近海岸海上风能资源遥感方法及系统 |
CN104698460A (zh) * | 2015-02-26 | 2015-06-10 | 中国人民解放军理工大学 | 一种双频共面合成孔径雷达海面风场反演方法 |
CN104749563A (zh) * | 2015-03-26 | 2015-07-01 | 武汉大学 | 从高频地波雷达海洋回波一阶Bragg谐振峰中提取浪高的方法 |
CN105787281A (zh) * | 2016-03-24 | 2016-07-20 | 国家海洋环境预报中心 | 一种海浪有效波高场的融合反演方法和装置 |
CN107219525A (zh) * | 2017-05-17 | 2017-09-29 | 浙江海洋大学 | Sar海面仿真方法及装置 |
CN109100717A (zh) * | 2018-06-11 | 2018-12-28 | 广州地理研究所 | 一种多源微波遥感海面风场数据融合方法及其装置 |
CN110764087B (zh) * | 2019-10-15 | 2021-08-31 | 中国科学院国家空间科学中心 | 一种基于干涉成像高度计的海面风向反加权反演方法 |
CN110764087A (zh) * | 2019-10-15 | 2020-02-07 | 中国科学院国家空间科学中心 | 一种基于干涉成像高度计的海面风向反加权反演方法 |
CN111862005A (zh) * | 2020-07-01 | 2020-10-30 | 自然资源部第二海洋研究所 | 一种利用合成雷达图像精准定位热带气旋中心的方法及系统 |
CN111862005B (zh) * | 2020-07-01 | 2023-11-17 | 自然资源部第二海洋研究所 | 一种利用合成雷达图像精准定位热带气旋中心的方法及系统 |
CN112782691A (zh) * | 2020-12-24 | 2021-05-11 | 西安空间无线电技术研究所 | 一种基于环扫雷达的海表面风浪流联合探测方法 |
CN113075660A (zh) * | 2021-04-16 | 2021-07-06 | 清华大学 | 基于极化合成孔径雷达sar反演海面风浪参数的方法及装置 |
CN113267776A (zh) * | 2021-06-25 | 2021-08-17 | 中国石油大学(华东) | 基于谱模型的sar海面风场与海浪联合反演方法及系统 |
CN115983141A (zh) * | 2023-03-21 | 2023-04-18 | 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) | 一种基于深度学习反演海浪波高的方法、介质及系统 |
CN115983141B (zh) * | 2023-03-21 | 2023-07-14 | 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) | 一种基于深度学习反演海浪波高的方法、介质及系统 |
CN117310708A (zh) * | 2023-11-30 | 2023-12-29 | 中国科学院空天信息创新研究院 | 不依赖外部风向的sar图像海面风场反演方法与系统 |
CN117310708B (zh) * | 2023-11-30 | 2024-02-23 | 中国科学院空天信息创新研究院 | 不依赖外部风向的sar图像海面风场反演方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104036108B (zh) | 2017-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104036108A (zh) | 一种海面风场和海浪联合反演的方法 | |
CN104331588A (zh) | 一种海面风场和海浪联合反演的装置 | |
Fujii et al. | An overview of developments and applications of oceanographic radar networks in Asia and Oceania countries | |
Wright et al. | Hurricane directional wave spectrum spatial variation in the open ocean | |
Jacquette et al. | SMOS CATDS level 3 global products over land | |
White et al. | Lidar-derived national shoreline: empirical and stochastic uncertainty analyses | |
Tinka et al. | Floating sensor networks for river studies | |
CN111951392A (zh) | 一种基于时间序列遥感影像和水位监测数据的洲滩枯水位以上地形重建方法 | |
Sun et al. | Surface circulation in Block Island Sound and adjacent coastal and shelf regions: A FVCOM-CODAR comparison | |
CN104764445A (zh) | 水下物点坐标确定方法及装置 | |
CN107122606A (zh) | 基于卫星高度计数据的海平面变化趋势计算方法及装置 | |
CN106871877A (zh) | 海冰标识确定方法及装置 | |
CN110044338A (zh) | 一种溃堤溃坝场景的无人机监测方法及系统 | |
CN102998655B (zh) | 一种合成孔径雷达扫描工作模式最优波位选择方法 | |
CN116523152B (zh) | 漂浮物的漂移预测方法、装置、设备和介质 | |
Tsai et al. | Investigation on improving strategies for navigation safety in the offshore wind farm in Taiwan Strait | |
CN110188944B (zh) | 一种涌浪监测预警方法 | |
CN114324973B (zh) | 台风风速反演方法、装置、电子设备及存储介质 | |
Bio et al. | Linking short-to medium-term beach dune dynamics to local features under wave and wind actions: a Northern Portuguese case study | |
CN115290055A (zh) | 基于无人机和无人船的海岸带sbt-dem构建方法 | |
Bekić et al. | Examples of trends in water management systems under influence of modern technologies | |
Knight et al. | Beach Deployment of a Low-Cost GNSS Buoy for Determining Sea-Level and Wave Characteristics | |
Sun | UAV-video-based rip current detection in near-shore areas | |
Carter et al. | Airborne laser swath mapping: applications to shoreline mapping | |
Shen et al. | Improving Risk Projection and Mapping of Coastal Flood Hazards Caused by Typhoon-Induced Storm Surges and Extreme Sea Levels |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171017 |