CN105891832A - 一种基于交叉极化模型与cmod5n的海面风速反演方法 - Google Patents

Abstract

本发明公开了一种基于交叉极化模型与CMOD5N的海面风速反演方法，据CP模型和C‑2PO方法，利用VV极化和VH极化SAR图像，反演出重构分辨单元的初始风速U₀和初始风向Φ₀，根据初始风速U₀和初始风向Φ₀确定风场矢量(U,Φ)，将风场矢量(U,Φ)作为第一猜测值，以第一猜测值为中心，在风速和风向上下界范围内利用CMOD5N算法逐步遍历计算相应VV极化的归一化雷达散射截面NRCS，找出与VV极化SAR图像的归一化雷达散射截面NRCS差值最小的风速和风向，该差值最小的风速和风向即为反演得到的风场矢量，本发明可以在不同SAR图像重构分辨尺度情形，普遍提高现有C‑2PO方法反演风速的精度。

Description

一种基于交叉极化模型与CMOD5N的海面风速反演方法

技术领域

本发明涉及一种海表面风速反演方法，属于海洋技术领域。

背景技术

海表面风速反演是海洋气象预报及海洋环境安全监测的重要技术手段。

目前，海面风场遥感技术手段主要包括散射计和合成孔径雷达(SAR)。SAR较散射计有更高的空间分辨率，因此利用SAR图像遥感反演海面风场矢量，一直是国际研究热点，文献1，F.Said and H.Johnsen,Ocean surface wind retrieval from dual-polarizedSAR data using the polarization residual Doppler frequency,IEEETrans.Geosci.Remote Sens.52(2014)3980-3990。文献2，G.K.Carvajal,L.E.B.Erikssonand L.M.H.Ulander,Retrieval and quality assessment of wind velocity vectorson the ocean with C-band SAR,IEEE Trans.Geosci.Remote Sens.52(2014)2519-2537，以及文献3，J.Horstmann,S.Falchetti and C.Wackerman et al.,Tropical cyclonewinds retrieved from C-band cross-polarized synthetic aperture radar,IEEETrans.Geosci.Remote Sens.53(2015)2887-2898。这三个文献均公开了利用SAR图像遥感反演海面风场矢量，但是其风速反演精度不高。最近，文献，P.W.Vachon,J.Wolfe,C-bandcross-polarization wind speed retrieval,IEEE Trans.Remote Sens.Lett.8(2011)456-459，该文献首先公开了拟合出C波段交叉极化(HV)归一化雷达散射截面(NRCS)与海面风速的经验关系，被称为CP模型用以反演海表面风速，优点是不依赖于诸如C波段散射计风速反演模式CMOD5N方法(第五版中性风情况C波段散射计风速反演模式)的地球物理模式函数(GMF)。文献，B.Zhang,W.Perrie and P.W.Vachon et al.,Ocean vector windsretrieval from C-band fully polarimetric SAR measurements,IEEETrans.Geosci.Remote Sens.50(2012)4252-4261，该文献公开了一种C-2PO方法，该方法基于CP模型，采用VV极化和VH极化SAR图像相关系数的奇对称(OS)特征消除风向模糊，利用CP模型进行海表面风速反演。这种方法虽然不依赖外部风向信息和GMF，但风速反演精度受SAR图像重构分辨尺度影响较大，很难确定最高精度所对应的SAR图像重构分辨尺度。

发明内容

发明目的：为了克服现有技术中CP模型和C-2PO方法的不足，即风速反演精度受SAR图像重构分辨尺度影响较大，很难确定最高精度所对应的SAR图像重构分辨尺度，提出了一种基于交叉极化模型与CMOD5N的海面风速反演方法，该方法可以在不同SAR图像重构分辨尺度情形，普遍提高现有C-2PO方法反演风速的精度。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于交叉极化模型与CMOD5N的海面风速反演方法，根据CP模型和C-2PO方法，利用VV极化和VH极化SAR图像，反演出重构分辨单元的初始风速U₀和初始风向Φ₀，根据初始风速U₀和初始风向Φ₀确定风场矢量(U,Φ)，将风场矢量(U,Φ)作为第一猜测值，以第一猜测值为中心，在风速和风向上下界范围内利用CMOD5N算法逐步遍历计算相应VV极化的归一化雷达散射截面NRCS，找出与VV极化SAR图像的归一化雷达散射截面NRCS差值最小的风速和风向，该差值最小的风速和风向即为反演得到的风场矢量。

具体包括以下步骤：

步骤1，根据海面所成极化SAR图像，选择SAR图像中需要进行风场反演区域，以及获取用户对SAR图像的重构分辨单元的要求。根据重构分辨单元的要求计算在需要进行风场反演区域中的每个重构分辨单元中心对应的地理信息。

步骤2，根据重构分辨单元的要求中的每个像素的数字量化值DN计算VV极化的复散射系数S_VV及其对应归一化雷达散射截面NRCS，以及VH极化的复散射系数S_VH及其对应归一化雷达散射截面NRCS。根据步骤1重构分辨单元的要求计算VV极化下的重构分辨单元的平均归一化雷达散射截面NRCSσ_VV和VH极化下的重构分辨单元的平均归一化雷达散射截面NRCSσ_VH。

步骤3，利用步骤1获得的地理信息、步骤2得到的VH极化和VV极化的复散射系数以及CP模型计算出距离海面5-15米高处的初始风速U₀，并计算交叉极化相关系数式中，ρ_VVH为交叉极化相关系数，S_VV为VV极化的复散射系数，S_VH为VH极化的复散射系数，*为复共轭算子。

根据C-2PO方法的奇对称特征，判别风向所在区间。将初始风速U₀代入CMOD5N算法，并依据风向所在区间，反演出相应的初始风向Φ₀。

步骤4，将初始风速U₀、初始风向Φ₀作为CMOD5N算法搜索的初始风速和初始风向，同时根据初始风速U₀、初始风向Φ₀确定风速搜索上下界和风向搜索上下界。根据风速搜索上下界和风向搜索上下界得到m×n维风场矢量对(U,Φ)。

步骤5，由步骤4所形成的m×n维风场矢量对(U,Φ)作为输入值，利用CMOD5N算法计算出每个风场矢量对(U_i,Φ_j)对应的理论归一化雷达散射截面其中，i＝1,2,…m，j＝1,2,…n，并计算其与SAR图像实测的雷达散射截面之差的绝对值找出最小的绝对值Δσ_VV所对应的风速风向对(U¹,Φ¹)，该最小的绝对值Δσ_VV所对应的风速风向对(U¹,Φ¹)即为反演结果。

优选的：所述步骤1中的地理信息包括经纬度和入射角。

所述步骤3中的CP模型为：

${\mathrm{\σ}}_{VH}^0=0.592U_0-35.6$

式中，σ_VH为VH极化下的重构分辨单元的平均归一化雷达散射截面NRCS。

优选的：所述步骤3中风向区间为0＜φ＜π/2、π/2＜φ＜π、π＜φ＜3π/2和3π/2＜φ＜2π，φ为风向。

优选的：所述步骤4中风速搜索上下界和风向搜索上下界确定的方法：

步骤41，风速变化幅度预设为u′＝10％U₀，搜索的输入风速U从U₀-u′按照固定步长s_u增大至U₀+u′，则风速有个取样点。

步骤42，风向搜索区间预设φ′＝min(φ_min,30)以及φ″＝min(φ_max,30)，则输入风向Φ从Φ₀-φ′按照固定步长s_d增大至Φ₀+φ″，风向有个取样点，其中φ_min为区间下确界，φ_max为区间上确界。

优选的：所述步骤1中对SAR图像的重构分辨单元的要求：重构50×50像素尺度SAR子图像区域为新的分辨单元。

优选的：所述SAR图像为全极化SAR单侧视复图像，且所述SAR图像具有同相(I)和正交(Q)两个通道数据，即散射系数的实部和虚部。

有益效果：本发明提供的一种基于交叉极化模型与CMOD5N的海面风速反演方法，相比现有技术，具有以下有益效果：

本发明可以在不同SAR图像重构分辨尺度情形，普遍提高现有C-2PO方法反演风速的精度。

附图说明

图1为基于交叉极化模型与CMOD5N的海面风速反演方法的流程图

图2为所选区域VV极化SAR雷达截面图像(单位：dB)

图3为所选区域VH极化SAR雷达截面图像(单位：dB)

图4为不同重构图像尺度对应的风速反演结果与浮标测量结果比较。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

一种基于交叉极化模型与CMOD5N的海面风速反演方法，如图1所示，根据CP模型和C-2PO方法，利用VV极化和VH极化SAR图像，反演出重构分辨单元的初始风速U₀和初始风向Φ₀，根据初始风速U₀和初始风向Φ₀确定风场矢量(U,Φ)，将风场矢量(U,Φ)作为第一猜测值，以第一猜测值为中心，在风速和风向上下界范围内利用CMOD5N算法逐步遍历计算相应VV极化的归一化雷达散射截面NRCS，找出与VV极化SAR图像的归一化雷达散射截面NRCS差值最小的风速和风向，该差值最小的风速和风向即为反演得到的风场矢量。

具体包括以下步骤：

步骤1，根据海面所成极化SAR图像，所述SAR图像为全极化(VV+VH)SAR单侧视复图像，且所述SAR图像具有同相(I)和正交(Q)两个通道数据，即散射系数的实部和虚部。

选择SAR图像中用户需要进行风场反演区域，以及获取用户对SAR图像的重构分辨单元的要求(比如重构50×50像素尺度SAR子图像区域为新的分辨单元)。根据重构分辨单元的要求计算在需要进行风场反演区域中的每个重构分辨单元中心对应的经纬度和入射角等地理信息。

步骤2，根据重构分辨单元的要求中的每个像素的数字量化值DN(digitalnumber)计算各种极化模式的复散射系数及其对应归一化雷达散射截面NRCS，包括计算VV极化的复散射系数S_VV及其对应归一化雷达散射截面NRCS，以及VH极化的复散射系数S_VH及其对应归一化雷达散射截面NRCS。如图2和图3所示，分别为所选案例的VV极化和VH极化图像对应的NRCS图。根据步骤1重构分辨单元的要求计算VV极化下的重构分辨单元的平均归一化雷达散射截面NRCSσ_VV和VH极化下的重构分辨单元的平均归一化雷达散射截面NRCSσ_VH。

说要说明的是，在进行风矢量反演之前，须对图像分辨单元按照用户分辨率要求进行重构，如将50×50像素重构为一个分辨单元，最终产品对应于一对风速和风向矢量。相应的，重构分辨单元地理信息也需要进行重构。

步骤3，利用步骤1获得的地理信息、步骤2得到的VH极化和VV极化的复散射系数以及CP模型计算出距离海面5-15米高处的初始风速U₀，本实施例计算出距离海面10米高处的初始风速U₀，并计算交叉极化相关系数式中，ρ_VVH为交叉极化相关系数，S_VV为VV极化的复散射系数，S_VH为VH极化的复散射系数，*为复共轭算子。

CP模型为：

${\mathrm{\σ}}_{VH}^0=0.592U_0-35.6$

式中，σ_VH为VH极化下的重构分辨单元的平均归一化雷达散射截面NRCS。

根据C-2PO方法的奇对称特征，判别风向φ所在区间。风向区间为0＜φ＜π/2、π/2＜φ＜π、π＜φ＜3π/2和3π/2＜φ＜2π，φ为风向，区间下确界为φ_min，区间上确界为φ_max。将初始风速U₀代入CMOD5N算法，并依据风向所在区间，反演出相应的初始风向Φ₀。

步骤4，将初始风速U₀、初始风向Φ₀作为CMOD5N算法搜索的初始风速和初始风向，即将步骤3得到的风场矢量(U₀,Φ₀)作为本实施例采用搜索方法的初始风速和初始风向，同时根据初始风速U₀、初始风向Φ₀确定风速搜索上下界和风向搜索上下界。

风速搜索上下界和风向搜索上下界确定的方法：

步骤41，风速变化幅度预设为u′＝10％U₀，搜索的输入风速U从U₀-u′按照固定步长s_u(客户要求风速分辨精度)增大至U₀+u′，则风速有个取样点。

步骤42，风向搜索区间预设φ′＝min(φ_min,30)以及φ″＝min(φ_max,30)，则输入风向Φ从Φ₀-φ′按照固定步长s_d s_d(客户要求风向分辨精度)增大至Φ₀+φ″，风向有个取样点，其中φ_min为区间下确界，φ_max为区间上确界。

根据风速搜索上下界和风向搜索上下界得到m×n维风场矢量对(U,Φ)。

步骤5，由步骤4所形成的m×n维风场矢量对(U,Φ)作为输入值，利用CMOD5N算法计算出每个风场矢量对(U_i,Φ_j)对应的理论归一化雷达散射截面其中，i＝1,2,…m，j＝1,2,…n，并计算其与SAR图像实测的雷达散射截面之差的绝对值找出最小的绝对值Δσ_VV所对应的风速风向对(U¹,Φ¹)，该最小的绝对值Δσ_VV所对应的风速风向对(U¹,Φ¹)即为反演结果。如图4所示为所选案例(图2图3)，不同重构图像尺度对应的风速反演结果与浮标测量结果比较，结果表明，本专利的混合法(只本发明的基于交叉极化模型与CMOD5N的海面风速反演方法)反演精度普遍高于C-2PO方法的反演精度。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种基于交叉极化模型与CMOD5N的海面风速反演方法，其特征在于：根据CP模型和C-2PO方法，利用VV极化和VH极化SAR图像，反演出重构分辨单元的初始风速U₀和初始风向Φ₀，根据初始风速U₀和初始风向Φ₀确定风场矢量(U,Φ)，将风场矢量(U,Φ)作为第一猜测值，以第一猜测值为中心，在风速和风向上下界范围内利用CMOD5N算法逐步遍历计算相应VV极化的归一化雷达散射截面NRCS，找出与VV极化SAR图像的归一化雷达散射截面NRCS差值最小的风速和风向，该差值最小的风速和风向即为反演得到的风场矢量。

2.根据权利要求1所述的基于交叉极化模型与CMOD5N的海面风速反演方法，其特征在于，具体包括以下步骤：

步骤1，根据海面所成极化SAR图像，选择SAR图像中需要进行风场反演区域，以及获取用户对SAR图像的重构分辨单元的要求；根据重构分辨单元的要求计算在需要进行风场反演区域中的每个重构分辨单元中心对应的地理信息；

步骤2，根据重构分辨单元的要求中的每个像素的数字量化值DN计算VV极化的复散射系数S_VV及其对应归一化雷达散射截面NRCS，以及VH极化的复散射系数S_VH及其对应归一化雷达散射截面NRCS；根据步骤1重构分辨单元的要求计算VV极化下的重构分辨单元的平均归一化雷达散射截面NRCSσ_VV和VH极化下的重构分辨单元的平均归一化雷达散射截面NRCSσ_VH；

步骤3，利用步骤1获得的地理信息、步骤2得到的VH极化和VV极化的复散射系数以及CP模型计算出距离海面5-15米高处的初始风速U₀，并计算交叉极化相关系数式中，ρ_VVH为交叉极化相关系数，S_VV为VV极化的复散射系数，S_VH为VH极化的复散射系数，*为复共轭算子；

根据C-2PO方法的奇对称特征，判别风向所在区间；将初始风速U₀代入CMOD5N算法，并依据风向所在区间，反演出相应的初始风向Φ₀；

步骤4，将初始风速U₀、初始风向Φ₀作为CMOD5N算法搜索的初始风速和初始风向，同时根据初始风速U₀、初始风向Φ₀确定风速搜索上下界和风向搜索上下界；根据风速搜索上下界和风向搜索上下界得到m×n维风场矢量对(U,Φ)；

步骤5，由步骤4所形成的m×n维风场矢量对(U,Φ)作为输入值，利用CMOD5N算法计算出每个风场矢量对(U_i,Φ_j)对应的理论归一化雷达散射截面其中，i＝1,2,…m，j＝1,2,…n，并计算其与SAR图像实测的雷达散射截面之差的绝对值找出最小的绝对值Δσ_VV所对应的风速风向对(U¹,Φ¹)，该最小的绝对值Δσ_VV所对应的风速风向对(U¹,Φ¹)即为反演结果。

3.根据权利要求2所述的基于交叉极化模型与CMOD5N的海面风速反演方法，其特征在于：所述步骤1中的地理信息包括经纬度和入射角。

4.根据权利要求2所述的基于交叉极化模型与CMOD5N的海面风速反演方法，其特征在于：所述步骤3中的CP模型为：

${\mathrm{\σ}}_{VH}^0=0.592U_0-35.6;$

式中，σ_VH为VH极化下的重构分辨单元的平均归一化雷达散射截面NRCS。

5.根据权利要求2所述的基于交叉极化模型与CMOD5N的海面风速反演方法，其特征在于：所述步骤3中风向区间为0<φ<π/2、π/2<φ<π、π<φ<3π/2和3π/2<φ<2π，φ为风向。

6.根据权利要求2所述的基于交叉极化模型与CMOD5N的海面风速反演方法，其特征在于：所述步骤4中风速搜索上下界和风向搜索上下界确定的方法：

步骤41，风速变化幅度预设为u′＝10％U₀，搜索的输入风速U从U₀-u′按照固定步长s_u增大至U₀+u′，则风速有个取样点；

步骤42，风向搜索区间预设φ′＝min(φ_min,30)以及φ″＝min(φ_max,30)，则输入风向Φ从Φ₀-φ′按照固定步长s_d增大至Φ₀+φ″，风向有个取样点，其中φ_min为区间下确界，φ_max为区间上确界。

7.根据权利要求2所述的基于交叉极化模型与CMOD5N的海面风速反演方法，其特征在于：所述步骤1中对SAR图像的重构分辨单元的要求：重构50×50像素尺度SAR子图像区域为新的分辨单元。

8.根据权利要求1或2所述的基于交叉极化模型与CMOD5N的海面风速反演方法，其特征在于：所述SAR图像为全极化SAR单侧视复图像，且所述SAR图像具有同相(I)和正交(Q)两个通道数据，所述同相(I)和正交(Q)两个通道数据分别为散射系数的实部和虚部。