CN104331588B - 一种海面风场和海浪联合反演的装置 - Google Patents
一种海面风场和海浪联合反演的装置 Download PDFInfo
- Publication number
- CN104331588B CN104331588B CN201410081497.4A CN201410081497A CN104331588B CN 104331588 B CN104331588 B CN 104331588B CN 201410081497 A CN201410081497 A CN 201410081497A CN 104331588 B CN104331588 B CN 104331588B
- Authority
- CN
- China
- Prior art keywords
- wind
- image
- wind direction
- wave
- ocean
- 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.)
- Expired - Fee Related
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；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；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；反演模块，用于反演获得海面风场；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，用于联合反演处理得到所述海浪谱，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装置。
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；
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；
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。
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，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 (4)
1.一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，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谱进行联合反演处理得到海浪谱，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，
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的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。
2.根据权利要求1所述的装置，其特征在于，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。
3.根据权利要求1所述的装置，其特征在于，所述定标模块，具体用于：
将风场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所述的装置，其特征在于，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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410081497.4A CN104331588B (zh) | 2014-03-06 | 2014-03-06 | 一种海面风场和海浪联合反演的装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410081497.4A CN104331588B (zh) | 2014-03-06 | 2014-03-06 | 一种海面风场和海浪联合反演的装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104331588A CN104331588A (zh) | 2015-02-04 |
| CN104331588B true CN104331588B (zh) | 2017-10-17 |
Family
ID=52406312
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410081497.4A Expired - Fee Related CN104331588B (zh) | 2014-03-06 | 2014-03-06 | 一种海面风场和海浪联合反演的装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104331588B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106872979B (zh) * | 2017-03-02 | 2019-12-20 | 中国科学院电子学研究所 | 基于海面起伏运动目标sar图像再聚焦的海浪参数获取方法 |
| CN109782287A (zh) * | 2019-03-12 | 2019-05-21 | 国家海洋局北海预报中心 | 一种通过高频地波雷达反演涌浪波高的方法 |
| 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 |
| CN112782691B (zh) * | 2020-12-24 | 2024-06-25 | 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 |
| CN112949220B (zh) * | 2021-03-01 | 2022-11-11 | 自然资源部第一海洋研究所 | 一种波浪能资源评估方法、系统、存储介质、计算机设备 |
| CN113075660B (zh) * | 2021-04-16 | 2023-04-18 | 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 |
| CN113176572B (zh) * | 2021-04-27 | 2023-10-20 | 中山大学 | 一种基于环扫sar的海面波浪谱反演方法及系统 |
| CN113156439B (zh) * | 2021-05-08 | 2022-08-30 | 中国石油大学(华东) | 一种基于数据驱动的sar风场海浪联合反演方法及系统 |
| CN114620186A (zh) * | 2022-03-15 | 2022-06-14 | 国家海洋技术中心 | 一种小型化海洋测波浮标装置与测波及风要素反演方法 |
| CN117893439A (zh) * | 2024-01-29 | 2024-04-16 | 中国船舶集团风电发展有限公司 | 根据sar图像反演海面风向的方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101515036A (zh) * | 2008-02-20 | 2009-08-26 | 中国科学院电子学研究所 | 消除海面合成孔径雷达成像中时变模糊效应的方法 |
| CN102944871A (zh) * | 2012-11-09 | 2013-02-27 | 中国海洋大学 | 一种提取雷达图像中海浪参数的方法 |
-
2014
- 2014-03-06 CN CN201410081497.4A patent/CN104331588B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101515036A (zh) * | 2008-02-20 | 2009-08-26 | 中国科学院电子学研究所 | 消除海面合成孔径雷达成像中时变模糊效应的方法 |
| CN102944871A (zh) * | 2012-11-09 | 2013-02-27 | 中国海洋大学 | 一种提取雷达图像中海浪参数的方法 |
Non-Patent Citations (5)
| Title |
|---|
| A method for sea surface wind field retrieval from SAR image mode data;Weizeng Shao等;《Springer》;20140126;第3.3节 * |
| Modification of SAR spectra associated with surface wind fields in the sea off the Kii Peninsula: A case study;Jian Sun等;《Journal of Oceanography》;20090228;第65卷(第1期);第45-52页 * |
| Parameterized first-guess spectrum method for retrieving directional spectrum of swell-dominated waves and huge waves from SAR images;Sun Jian等;《Chinese Journal of Oceanology and Limnology》;20060331;第24卷(第1期);第12-20页 * |
| Retrieval of surface wave parameters from sar images and their validation in the coastal seas around Japan;Jian Sun等;《Journal of Oceanography》;20090831;第65卷;第567-577页 * |
| SAR影像的海浪信息反演;孙建;《中国优秀博硕士学位论文全文数据库 (博士)》;20060315;第2006年卷(第3期);第4.3节和第4.4节以及图4.5 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104331588A (zh) | 2015-02-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104036108B (zh) | 一种海面风场和海浪联合反演的方法 | |
| CN104331588B (zh) | 一种海面风场和海浪联合反演的装置 | |
| CN104714925B (zh) | 一种基于分数阶傅里叶变换和支持向量机的齿轮传动噪声分析方法 | |
| US20020186895A1 (en) | Three dimensional empirical mode decomposition analysis apparatus, method and article manufacture | |
| US10697777B1 (en) | System and method for a buoy drone and placement | |
| CN114359758A (zh) | 一种输电线的检测方法、装置、计算机设备和存储介质 | |
| US10640177B1 (en) | System and method for a buoy drone and placement | |
| CN114049545B (zh) | 一种基于点云体素的台风定强方法、系统、设备及介质 | |
| Chow et al. | Mesoscale Dongsha Cyclonic Eddy in the northern South China Sea by drifter and satellite observations | |
| CN106327020A (zh) | 一种基于风暴潮预测模型的数据分析管理系统 | |
| Hadjihosseini et al. | Stochastic analysis of ocean wave states with and without rogue waves | |
| CN110082822A (zh) | 利用卷积神经网络进行地震检测的方法 | |
| Wang et al. | Hazard assessment of storm surges and concomitant waves in Shandong Peninsula based on long-term numerical simulations | |
| Guo et al. | DF-SSD: a deep convolutional neural network-based embedded lightweight object detection framework for remote sensing imagery | |
| Liu et al. | A seabed real-time sensing system for in-situ long-term multi-parameter observation applications | |
| Ni et al. | Edge guidance network for semantic segmentation of high resolution remote sensing images | |
| CN103106691A (zh) | 一种带纹理和标注的月球模型交互浏览可视化方法和系统 | |
| Joyner et al. | Kernel density estimation of tropical cyclone frequencies in the North Atlantic basin | |
| Bio et al. | Linking short-to medium-term beach dune dynamics to local features under wave and wind actions: a Northern Portuguese case study | |
| Ding et al. | A novel deep learning framework for detecting seafarer’s unsafe behavior | |
| Dolan et al. | Shoreline forms and shoreline dynamics | |
| Perrie et al. | A two-scale approximation for efficient representation of nonlinear energy transfers in a wind wave spectrum. Part II: application to observed wave spectra | |
| Zobrist et al. | Pictorial information processing of Landsat data for geographic analysis | |
| Peng et al. | A three-dimensional variational data assimilation system for the South China Sea: preliminary results from observing system simulation experiments | |
| Biasotti et al. | Tracking the Evolution of Rainfall Precipitation Fields Using Persistent Maxima. |
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 |
Granted publication date: 20171017 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |