CN107064934B - 一种sar波模式海浪方向谱产品的优化算法 - Google Patents
一种sar波模式海浪方向谱产品的优化算法 Download PDFInfo
- Publication number
- CN107064934B CN107064934B CN201710266504.1A CN201710266504A CN107064934B CN 107064934 B CN107064934 B CN 107064934B CN 201710266504 A CN201710266504 A CN 201710266504A CN 107064934 B CN107064934 B CN 107064934B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- wave
- wind
- segmentation
- wind 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9027—Pattern recognition for feature extraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/904—SAR modes
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种SAR波模式海浪方向谱产品的优化算法,包含以下步骤:(1)、WVW海浪方向谱的风浪谱和涌浪谱的分离,(2)、引入风浪谱模型,(3)、风浪谱的谱分割与交叉调整,(4)、WVW海浪方向谱产品分离出来的涌浪谱与经过文氏谱调整后的风浪谱的有效融合以获得新的海浪方向谱,本发明算法不再使用很难获得的准实时第一猜测谱,而是采用已验证的在涌浪部分有较高反演精度的交叉谱反演结果WVW产品,加之被广泛应用的风浪谱模型(文氏谱),对二者进行有效的谱融合,得到包含涌浪信息与风浪信息的海浪方向谱。
Description
技术领域
本发明涉及一种算法,具体是一种SAR波模式海浪方向谱产品的优化算法。
背景技术
海浪方向谱同时描述了海浪组成波能量相对于频率和方向的分布,由它可以得到所有海浪参数(如海浪有效波高、平均波向、平均波周期、平均波长等)。海浪方向谱的确定是海浪研究的核心问题之一。星载SAR是一种主动式微波成像雷达,可获得空间分辨率高达1-10m的雷达图像,并且具有全天候全天时工作的优势。星载SAR并非对海浪直接成像,SAR仅与海面短重力波或毛细波相互作用从而成像。基于海浪对海面短重力波的调制作用,在SAR图像上可观测到作为调制信号的海浪信息,表现为明暗相间的波纹图像。从SAR图像可以反演获得海浪方向谱。目前基于SAR反演海浪方向谱主要有 MPI反演算法、交叉谱反演算法和PARSA反演算法三种。
1991年,K.Hasselmann和S.Hasselmann在同时考虑了线性的流体力学调制和倾斜调制以及非线性的速度聚束效应的基础上,推导了海浪方向谱与SAR图像 谱的非线性变换关系,同时提出通过迭代运算使价值函数最小化以获得最优海浪方向谱的求逆算法。从而解决了从卫星SAR图像反演海浪方向谱的可行算法,这个反演算法被称为马普学会方法,即MPI方法。该反演算法的迭代求逆过程需要第一猜测谱,MPI算法采用海浪数值预报模式WAM的模式结果作为第一猜测谱。1996年Hasselmanns对价值函数作了改进,并引入谱分割技术,以使MPI算法更易收敛。MPI反演算法已应用在一些海洋业务化预报部门,例如欧洲中期天气预报中心(ECMWF)。但对于其他机构而言,获得准实时的第一猜测谱是较困难的。因此,很多研究者试图寻找不依赖于第一猜测谱的反演算法。
1995年,Engen和Johnse提出了从SAR复数据反演海浪方向谱的交叉谱方法。该方法有两个优势:第一,不需要第一猜测谱。第二,不存在海浪传播的180°模糊问题。欧空局ESA采用交叉谱方法从Envisat/ASAR波模式数据反演海浪方向谱,并作为标准的波模式海浪方向谱二级产品WVW提供给用户。但该方法的缺陷较明显:第一,速度聚束导致的高频信息丢失无法恢复,只能获得截止波数内的海浪方向谱而不是完整的海浪方向谱。第二,需要风场信息以分离SAR图像中的风浪信息,而风场信息则依赖于散射计经验模型CMOD计算。ECMWF对2006.11-2007.10的WVW产品进行印证,其结果表明基于交叉谱反演方法的ASAR波模式海浪方向谱WVW产品存在很大误差。
2005年,Schulz-Stellenfleth等提出一种改进的非线性反演算法PartitionRescaling and Shift Algorithm(PARSA)。PARSA方法是MPI方法和交叉谱方法的有机结合,既可获得完整的海浪方向谱,又消除了传播方向的180°模糊。PARSA与MPI方法相比的改进处如下:a、采用新的谱分割方法,各子波系统部分重叠以避免谱形不连续问题; b、对谱分割后各子波系统进行参数化,除波长、波向和波能外增加方向扩散参数;c、基于三个概率误差模型,包括交叉谱估计误差模型、海浪谱到SAR交叉谱正向非线性变换概率误差模型和第一猜测谱不确定性模型;d、采用最大后验概率方法获得海浪方向谱最优估计;e、利用交叉谱中相位信息消除海浪传播方向180°模糊问题。印证结果表明,PARSA 的反演结果明显优于WVW,也优于MPI。但它仍依赖于难以获得的准实时的第一猜测谱。
现有技术存在以下缺点:
1.MPI反演方法:依赖于第一猜测谱,但获得准实时的第一猜测谱较困难。
2.交叉谱反演方法:无法恢复由于速度聚束而丢失的海浪高频信息(即风浪信息),只能获得截止波数内的海浪方向谱,并不是完整的海浪方向谱。
3.PARSA反演方法:仍然依赖于难以获取的第一猜测谱。
发明内容
本发明的目的在于提供一种SAR波模式海浪方向谱产品的优化算法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
1.一种SAR波模式海浪方向谱产品的优化算法,其特征在于,包含以下步骤:(1)、WVW海浪方向谱的风浪谱和涌浪谱的分离:基于Komen等提出的风向波浪传递能量的关系式,其中,β=1.3,U10是10m高处的风速,cp是波速,θ是波的方向,是风向,二维谱中满足上述关系式的部分分离为风浪,其余部分分离为涌浪,
(2)、引入风浪谱模型,采用的是文氏谱,海浪方向谱表达式其中是频谱,是方向函数,是归一化函数,其中: 无因次频谱: t是风时,U是10m高处的平均风速,
(3)、谱分割及子谱的交叉调整,使用Hasselmann的谱分割方法对两个风浪谱进行谱分割,然后进行交叉调整及最优插值法得到有完整风浪信息的风浪谱,Hasselmann对每个分割用到了三个积分波参数,分别是分割的有效波高hs,p、分割的均值频率fm,p和分割的均值方向θm,p, 其中,Ep表示分割的能量EP=∫∫A_PF(f,θ)dfdθ,两个二维谱A和B,其分割的数目分别为m和n个,这样,对于谱A中的每一个分割 i(A),如果谱B中某一分割j(B)满足如下条件,则i(A)和j(B)进行交叉分配,①、在频率方向谱中,‘分割’i(A)和j(B)的平均‘坐标’需在一定的‘距离’范围之内,这个距离指的是:如果二者的均值频率相等则均值方向的最大差距不能超过50°,若二者的均值方向相同则均值频率的差别不能超过40%,即②、某分割的能量至少是另外一个分割能量的10%要大,即或者
(4)、涌浪谱和风浪谱融合,对涌浪谱和风浪谱采取小波变换与重构法进行有效的谱数据融合,最终得到包含较为完整的风浪和涌浪信息的海浪方向谱。
与现有技术相比,本发明的有益效果是:本发明算法不再使用很难获得的准实时第一猜测谱,而是采用已验证的在涌浪部分有较高反演精度的交叉谱反演结果,加之被广泛应用的风浪谱模型(文氏谱),对二者进行有效的谱融合,得到包含涌浪信息与风浪信息的海浪方向谱。
附图说明:
图1为本发明的算法流程图;
图2为由WVW海浪方向谱产品数据得到的不完整的海浪方向谱图;
图3为由文氏谱得到的风浪谱图;
图4为最终得到的具有较完整风浪和涌浪信息的海浪方向谱图;
图5是浮标站位图;
图6和图7是数据对比结果图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-7,一种SAR波模式海浪方向谱产品的优化算法,包含以下步骤:
(1)、WVW海浪方向谱的风浪谱和涌浪谱的分离:基于Komen等提出的风向波浪传递能量的关系式,其中,β=1.3,U10是10m高处的风速,cp是波速,θ是波的方向,是风向,二维谱中满足上述关系式的部分分离为风浪,其余部分分离为涌浪,
(2)、引入风浪谱模型,采用的是文氏谱,海浪方向谱表达式其中是频谱,是方向函数,是归一化函数,其中:无因次频谱: t是风时,U是10m高处的平均风速,
(3)、谱分割及子谱的交叉调整,使用Hasselmann的谱分割方法对两个风浪谱进行谱分割,然后进行交叉调整及最优插值法得到有完整风浪信息的风浪谱,Hasselmann对每个分割用到了三个积分波参数,分别是分割的有效波高hs,p、分割的均值频率fm,p和分割的均值方向θm,p, 其中Ep表示分割的能量EP=∫∫A_PF(f,θ)dfdθ,两个二维谱A和B,其分割的数目分别为m和n个。这样,对于谱A中的每一个分割 i(A),如果谱B中某一分割j(B)满足如下条件,则i(A)和j(B)进行交叉分配,①、在频率方向谱中,‘分割’i(A)和j(B)的平均‘坐标’需在一定的‘距离’范围之内。这个距离指的是:如果二者的均值频率相等则均值方向的最大差距不能超过50°,若二者的均值方向相同则均值频率的差别不能超过40%,即②、某分割的能量至少是另外一个分割能量的10%要大,即或者
(4)、涌浪谱和风浪谱融合,对涌浪谱和风浪谱采取小波变换与重构法进行有效的谱数据融合,最终得到包含较为完整的风浪和涌浪信息的海浪方向谱。
本发明的工作原理是:本发明的优化算法将应用成熟的风浪谱模型(文氏谱)找回交叉谱反演过程中丢失的风浪信息,以优化WVW海浪方向谱,最终提供给用户精度更高的海浪方向谱产品。算法流程图见图1。
图2为由WVW海浪方向谱产品数据得到的不完整的海浪方向谱,图3为由文氏谱得到的风浪谱,图4为最终得到的具有较完整风浪和涌浪信息的海浪方向谱。
为确定本优化算法的反演误差,需要与现场测量数据作同步印证。这里将由优化的海浪方向谱计算得到海浪有效波高,并与与现场浮标测量的有效波高进行同步印证。SAR数据与浮标数据(浮标站位图如图5所示)时空匹配条件设置:空间距离不超过100km,时间尺度不超过0.5小时。应用全球2011年的部分ASAR波模式数据与浮标数据进行匹配,共得到465组对比数据。对比结果如图6和图7所示。其对比数据表格如下:
由各个参数可以看出,本优化算法的优越性。
Claims (1)
1.一种SAR波模式海浪方向谱产品的优化算法,其特征在于,包含以下步骤:(1)、WVW海浪方向谱的风浪谱和涌浪谱的分离:基于Komen等提出的风向波浪传递能量的关系式,其中,β=1.3,U10是10m高处的风速,cp是波速,θ是波的方向,是风向,二维谱中满足上述关系式的部分分离为风浪,其余部分分离为涌浪;
(2)、引入风浪谱模型,采用的是文氏谱,海浪方向谱表达式其中是频谱,是方向函数,是归一化函数,其中: 无因次频谱:Q=4.14exp(-0.809P0.766)≤1.42, t是风时,U是10m高处的平均风速;
(3)、谱分割及子谱的交叉调整,使用Hasselmann的谱分割方法对两个风浪谱进行谱分割,然后进行交叉调整及最优插值法得到有完整风浪信息的风浪谱,Hasselmann对每个分割用到了三个积分波参数,分别是分割的有效波高hs,p、分割的均值频率fm,p和分割的均值方向θm,p, 其中,Ep表示分割的能量EP=∫∫A_PF(f,θ)dfdθ,两个二维谱A和B,其分割的数目分别为m和n个,这样,对于谱A中的每一个分割i(A),如果谱B中某一分割j(B)满足如下条件,则i(A)和j(B)进行交叉分配,①、在频率方向谱中,‘分割’i(A)和j(B)的平均‘坐标’需在一定的‘距离’范围之内,这个距离指的是:如果二者的均值频率相等则均值方向的最大差距不能超过50°,若二者的均值方向相同则均值频率的差别不能超过40%,即②、某分割的能量至少是另外一个分割能量的10%要大,即或者
(4)、涌浪谱和风浪谱融合,对涌浪谱和风浪谱采取小波变换与重构法进行有效的谱数据融合,最终得到包含较为完整的风浪和涌浪信息的海浪方向谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710266504.1A CN107064934B (zh) | 2017-04-21 | 2017-04-21 | 一种sar波模式海浪方向谱产品的优化算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710266504.1A CN107064934B (zh) | 2017-04-21 | 2017-04-21 | 一种sar波模式海浪方向谱产品的优化算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107064934A CN107064934A (zh) | 2017-08-18 |
CN107064934B true CN107064934B (zh) | 2019-11-29 |
Family
ID=59601084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710266504.1A Active CN107064934B (zh) | 2017-04-21 | 2017-04-21 | 一种sar波模式海浪方向谱产品的优化算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107064934B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334710B (zh) * | 2018-02-11 | 2021-08-10 | 陈书驰 | 重力波参数的计算方法、装置及终端 |
CN109541591B (zh) * | 2018-09-18 | 2022-06-10 | 中国海洋大学 | 一种基于线性滤波法的sar海浪成像仿真方法 |
CN109870914B (zh) * | 2019-03-14 | 2022-03-18 | 哈尔滨工程大学 | 一种机动浮标在随机海浪干扰下的自守卫控制方法 |
CN110456348B (zh) * | 2019-08-19 | 2020-08-25 | 中国石油大学(华东) | 多视向sar海浪谱数据融合的海浪截断波长补偿方法 |
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 |
CN116258787B (zh) * | 2023-05-15 | 2023-10-17 | 自然资源部第一海洋研究所 | 一种适用于波浪图像的波浪方向谱算法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2017
- 2017-04-21 CN CN201710266504.1A patent/CN107064934B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 (4)
Title |
---|
OBSERVATION OF DIRECTIONAL OCEAN WAVE SPECTRAIN CHINA SEAS AND NORTHWEST PACIFIC USING SAR RETRIEVAL SOFTWARE;LIU xiaoyan et al.;《Dragon 3 Mid-Term Results Symposium》;20141130;1-4 * |
双峰海浪谱的SAR图像交叉谱仿真研究;王贺 等;《遥感技术与应用》;20070430;第22卷(第2期);291-296 * |
基于SAR海浪方向谱的西北太平洋海浪特性研究;刘晓燕 等;《海洋预报》;20160630;第33卷(第3期);18-26 * |
基于SWAN模式的2种网格对嵊泗海域海浪模拟的比较研究;宗芳伊 等;《海洋湖沼通报》;20141231(第4期);10-18 * |
Also Published As
Publication number | Publication date |
---|---|
CN107064934A (zh) | 2017-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107064934B (zh) | 一种sar波模式海浪方向谱产品的优化算法 | |
US10598792B2 (en) | Information processing device and positioning device | |
EP1902530A2 (en) | Monitoring and mapping of atmospheric phenomena | |
CN106896360A (zh) | 一种sar信号处理算法的fpga实现方法 | |
CN103323850A (zh) | 一种双线偏振多普勒天气雷达系统 | |
CN111164913A (zh) | 用于分析无线通信系统中的通信环境的方法和装置 | |
CN105676190B (zh) | 一种校正合成孔径雷达回波数据的方法和装置 | |
CN112418245A (zh) | 基于城市环境物理模型的电磁发射点定位方法 | |
EP3260875A1 (en) | An automotive testing method, system and computer program product | |
CN108182660B (zh) | 一种区域气象雷达网数据融合方法及装置 | |
CN111830543A (zh) | 通过根据四叉树层次结构对数据进行编码为gnss网络-rtk系统提供大气校正数据 | |
CN112367129A (zh) | 一种基于地理信息的5g参考信号接收功率预测方法 | |
CN117114371B (zh) | 一种基于卫星遥感的现代水网防汛监测与调度方法及系统 | |
CN103412306B (zh) | 基于多站多波段带宽融合的超宽带相参处理方法 | |
CN103176171B (zh) | 一种干涉sar分布目标仿真方法 | |
CN111781617B (zh) | 一种基于双基散射矢量海面高程模型镜面反射点估计方法 | |
CN117933650A (zh) | 一种基于区域生长算法的电磁压制设备部署规划方法、系统、设备及介质 | |
JP4832597B2 (ja) | 気象レーダ装置 | |
Nagao et al. | A study on urban structure map extraction for radio propagation prediction using XGBoost | |
CN110646794B (zh) | 一种雷达对地形探测数据形成方法 | |
CN104537623A (zh) | 基于图像分割的图像去雾方法及装置 | |
CN104112293A (zh) | 一种用于隧道环境的射线追踪加速算法 | |
JIN et al. | Advances in human activity sensing using ultra-wide band radar | |
CN115877331A (zh) | 一种恒虚警检测方法、装置、设备及存储介质 | |
CN113920273B (zh) | 图像处理方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 266000, Qingdao, Shandong, Qingdao, Qingdao, the core of the blue Silicon Valley, blue Silicon Valley business center, phase one, building No. 1. Applicant after: Inst. of Marine Apparatus & Instruments, Shandong Prov. Academy of Sciences Address before: 266000 Shandong city of Qingdao province Zhejiang City Road No. 28 Applicant before: Inst. of Marine Apparatus & Instruments, Shandong Prov. Academy of Sciences |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |