CN107505616A - 一种基于sar的海面风场反演最优分辨率的判定方法 - Google Patents

一种基于sar的海面风场反演最优分辨率的判定方法 Download PDF

Info

Publication number
CN107505616A
CN107505616A CN201710831818.1A CN201710831818A CN107505616A CN 107505616 A CN107505616 A CN 107505616A CN 201710831818 A CN201710831818 A CN 201710831818A CN 107505616 A CN107505616 A CN 107505616A
Authority
CN
China
Prior art keywords
polarization
wind
image
same polarization
different spatial
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
Application number
CN201710831818.1A
Other languages
English (en)
Other versions
CN107505616B (zh
Inventor
张康宇
黄敬峰
郭乔影
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201710831818.1A priority Critical patent/CN107505616B/zh
Publication of CN107505616A publication Critical patent/CN107505616A/zh
Application granted granted Critical
Publication of CN107505616B publication Critical patent/CN107505616B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S13/9004—SAR image acquisition techniques
    • G01S13/9005—SAR image acquisition techniques with optical processing of the SAR signals
    • 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
    • G01S13/9076—Polarimetric features in SAR
    • 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
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use

Abstract

本发明提供了一种基于合成孔径雷达(SAR)的海面风场反演最优分辨率的判定方法，包括：获取同时包含同极化和交叉极化的合成孔径雷达影像，并进行预处理；将同极化和交叉极化后向散射系数影像，进行重采样；利用同极化地球物理模式函数进行海面风场反演，得到不同空间分辨率的同极化风场数据；利用交叉极化海洋模型函数进行海面风场反演，得到不同空间分辨率的交叉极化风场数据；建立不同空间分辨率的同极化风场数据和交叉极化风场数据的均方根误差随空间分辨率变化的高斯模型；对函数进行一阶导数求导，当导数值大于‑1×10‑4时，则认为该点对应的空间分辨率是最优分辨率。该空间分辨率下反演的风速有较高的精度。

Description

一种基于SAR的海面风场反演最优分辨率的判定方法
技术领域
本发明涉及合成孔径雷达数据处理的技术领域，具体涉及一种基于合成孔径雷达(SAR)的海面风场反演最优分辨率的判定方法。
背景技术
在过去的几十年中，遥感卫星技术被大量的应用在海洋观测与区域监测的研究中。美国国家航空航天局(NASA)于1978年6月27日在范登堡发射了“海洋卫星”(Seasat-1)，该卫星上搭载有微波散射计。虽然卫星只工作了105天，但它开创了星载SAR观测地表环境的先河，给我们提供了大量有关陆地、海洋、冰面的图像，获得了从未有过的地表信息，实现了全天时、全天候成像工作。Seasat-1卫星所搭载微波雷达是L波段，从卫星获取的SAR影像上可以解译出明显的条纹特征，这些特征都是受到内波、海底地形、海浪、风速等的影响造成的。随后，美国国家航空航天局分别于1981年和1984年发射了SIR-A和SIR-B卫星，它们所搭载的雷达均处于L波段，极化方式是HH极化。虽然SIR-A卫星运行时间只有7个半小时，但它获取了大量地球表面数据，通过解析这些数据为我们研究地球环境提供了新的视角，其中包括发现了撒哈拉沙漠中的地下古河道；SIR-B卫星具有不同入射角下获得SAR图像的功能，有利于开展更多领域的研究(刘良明，2005)。
上世纪90年代，合成孔径雷达卫星发展迅速。ERS-1和ERS-2是欧洲空间局(European Space Agency，ERA)分别于1991年7月和1995年4月发射的两颗卫星。ERS系列卫星是海洋动力环境卫星，其雷达参数基本一致，均搭载C波段雷达，工作模式有①成像模式②海浪监测模式③风监测模式三种，极化方式为VV或者HV极化。成像方式主要用于对海洋动力学现象的探测，对于海面风场、海面波浪、海平面高度、极地冰层监测及海岸线监测都有着重要的作用。Alpers和Brummer(1994)在利用ERS-1雷达影像对海洋大气边界涡旋的研究中，首次将CMOD4模型用于海面风速测量，其后Vachon和Dobson(1996)对用该模式从ERS卫星影像计算海面风速进行了较为系统的研究和评估，在已获取海面风向的情况下，反演得到海面风速与实测资料相比，其均方根误差高于1.5m/s。随后，Lehner等(1998)发现大量的ERS影像存在可见的数十公里级的风条纹信息，通过分析发现风条纹与海面风向近似与平行分布，利用该方法获取的海面风向与实测风向数据的均方根误差在5°左右。ERS-2于2011年7月5号正式退役，ERS卫星系列前后工作近20年，为我们对海洋研究提供大量的影像资料。RADARSAT-1卫星是加拿大于1995年发射的C波段合成孔径雷达卫星，该卫星具有多入射角成像的能力，在宽幅扫描模式下最大可获得幅宽为500km的影像。Vachon和Dobson(2000)则采用CMOD-IRF2模式对RADARSAT-1SAR影像进行海面风速反演，也得到了较好的结果。杨劲松和黄韦艮等(2001)利用RADARAT-1HH极化SAR数据反演获得了中国海南省东南部近岸海区海面风场，利用风条纹方法获取海面风向，采用CMOD-IRF2模式反演风速并与预报风场数据进行对比，海面风速和风向的均方根误差分别为0.94m/s和4.03°。
进入21世纪以后，多极化及全极化卫星得到长足发展。欧洲航空局于2002年3月1日发射了ENVISAT卫星，该卫星具有多种成像模式包括交替极化模式影像(APM)、图模式影像(IMP)、宽幅模式影像(WSM)和波模式影像(WM)，同时也已用多种极化方式进行选择。常俊芳(2012)利用ENVISAT SAR数据以浙江省沿海为研究区，对比分析了CMOD4、CMOD-IRF2和CMOD5模型反演的海面风速反演，确定了最适于浙江省近海风速反演方法，并与浮标数据进行对比，反演海面风速的均方根误差在1.42m/s以内。RADARSAT-2是加拿大继RADARSAT-1之后的新一代商用合成孔径雷达卫星，它继承了RADARSAT-1所有的工作模式，并在原有的基础上增加了高分辨率全极化成像等模式。Vachon等(2012)利用RADARSAT-2全极化精细模式SAR影像，统计交叉极化后向散射系数和浮标获取的海面风场数据，进而建立起关于C波段交叉极化海面后向散射经验模型。Zhang和Perrie等(2012)利用RADARAT-2精细全极化数据基于C波段交叉极化海面散射模型在不需要导入外部风向数据的情况下，直接反演出海面风速，与实测浮标数据进行对比得到了较高精度的海面风速数据，同时利用CMOD5.N模型基于同极化数据反演出海面风向，与浮标数据对比分析也得到较高精度的海面风向数据。
然而，对于交叉极化数据的风速反演，目前很少有学者去探讨它的风速反演最优分辨率的问题。不同的学者会使用不同的空间分辨率进行风场反演，如Vachon等(2011)将RASARSAT-2精细全极化模式数据的交叉极化影像重采样到3km空间分辨率，提出了第一个C-2PO模型，随后Zhang等(2012)将RADARSAT-2交叉极化影像重采样到1km空间分辨率影，提出了另外一个新的线性C-2PO模型。之后Zhang等(2012)将影像重采样到100m，提出了一个联合C-2PO和CMOD模型的同时风速风向的反演方法。Ren等(2014)将交叉极化影像重采样到9km反演风速，然后与浮标数据进行对比。然而，在什么空间分辨率情况下交叉极化的风速反演最合适，或者说交叉极化影像风速反演的精度随着空间分辨率会有一个怎样的变化，都还需要进一步探讨。
目前，SAR数据会被重采样到不同的空间分辨率进行海面风场反演，然而，SAR风场反演的最优分辨率的选择方法很少被探讨。
发明内容
本发明的目的是克服现有基于SAR影像风场反演分辨率的选择中存在的混乱，提供一种基于合成孔径雷达(SAR)的海面风场反演最优分辨率的判定方法，其能对现有SAR数据在不同空间分辨率下风速反演的精度进行客观的评估，并且能够自动判定出不同卫星或不同模式下SAR影像风场反演的最优分辨率，无需额外的地面观测站点的数据。
一种基于合成孔径雷达(SAR)的海面风场反演最优分辨率的判定方法，包括以下步骤：
步骤1、获取同时包含同极化和交叉极化的合成孔径雷达影像，并对获取的影像进行预处理，得到同极化和交叉极化后向散射系数影像；
步骤2、将同极化和交叉极化后向散射系数影像，进行重采样，得到不同空间分辨率的交叉化影像和不同空间分辨率的同极化影像；
步骤3、利用同极化地球物理模式函数对步骤2得到的不同空间分辨率的同极化影像进行海面风场反演，得到不同空间分辨率的同极化风场数据；
步骤4、利用交叉极化海洋模型函数对步骤2得到的不同空间分辨率的交叉化影像进行海面风场反演，得到不同空间分辨率的交叉极化风场数据；
步骤5、建立不同空间分辨率的同极化风场数据和不同空间分辨率的交叉极化风场数据的均方根误差随空间分辨率变化的高斯模型；
步骤6、对步骤5得到的函数曲线进行一阶导数求导，当导数值大于阈值-1×10-4时，则认为该点对应的空间分辨率是双极化合成孔径雷达最优分辨率的选择。
以下作为本发明的优选技术方案：
步骤1中，所述的预处理包括：获取到合成孔径雷达影像之后，对合成孔径雷达影像数据解译，得到定标参数极化方式、DN值影像、控制点、入射角信息，并对入射角信息进行空间插值，得到与DN值影像空间分辨率相同的入射角图层。
根据定标参数极化方式、DN值(遥感影像像元亮度值)影像、入射角信息得到的入射角空间插值进行辐射定标，如果影像属于HH极化，则需要将辐射定标后的值进行极化比转化，之后结合控制点进行几何校正，如果影像不属于HH极化，则直接结合控制点进行几何校正，几何校正后进行陆地掩膜，陆地掩膜之后进行船只去除，船只去除之后进行斑点滤波，斑点滤波之后得到同极化和交叉极化后向散射系数影像。
步骤2中，将预处理后的同极化和交叉极化后向散射系数影像同时按空间分辨率步长100m降尺度采样到3km～8km，进行重采样。进一步优选，将预处理后的同极化和交叉极化后向散射系数影像同时按空间分辨率步长100m降尺度采样到5km，进行重采样。
步骤3中，以ERA-Interim数据为基础，然后进行风向提取，之后进行数值模拟风向，再风向转化，之后得到风向空间插值，最后得到风向图层；
将得到的风向图层、入射角图层和步骤2得到的不同空间分辨率的同极化影像，然后输入到同极化风场反演的地球物理模式函数(CMOD)进行风场反演，得到不同空间分辨率的同极化风速数据。
对于C波段同极化SAR数据，所述的同极化风场反演的地球物理模式函数(CMOD)，可以使用C波段同极化地球物理模式函数CMOD5作为风场反演的模式函数。
步骤4中，所述的交叉极化海洋模型函数可选用交叉极化海洋模型函数，具体对于C波段交叉极化SAR数据，可以使用C波段交叉极化海洋模型函数C-2PO模型作为风场反演的模式函数。
步骤5中，计算不同空间分辨率的同极化风场数据和不同空间分辨率的交叉极化风场数据反演风速的均方根误差(RMSE)、标准差(STD)、相关系数(Corr)、决定系数(R2)和偏差(Bias)风速反演精度评价指标，绘制这些风速反演精度评价指标随着空间分辨率变化的曲线图，并利用高斯拟合方法拟合出均方根误差随空间分辨率变化的函数曲线，所建立的高斯模型为：
F(res)＝a1×exp(-((res-b1)/c1)2)+a2×exp(-((res-b2)/c2)2)
其中，F为RMSE随着空间分辨率变化的函数，res为空间分辨率，a1，b1，c1，a2，b2，c2为拟合得到的系数。
精度验证，利用实测风速数据，对选择的空间分辨率得到的同极化和交叉极化反演风速进行精度评估。可以得到在该空间分辨率下SAR反演的风速有较高的精度。
与现有技术相比，本发明的优点在于：
1、不需要利用地面站点数据进行评估、特别是在近海区；2、双极化数据中，同极化数据和交叉极化数据没有时间差；3、能够自动判定不同卫星数据的空间分辨率；4、适用于双极化合成孔径雷达最优分辨率的选择，能客观判定出不同卫星、同一卫星不同模式数据的海面风场反演的最优分辨率，能为多源卫星SAR数据近海风能资源评估中分辨率的选择提供参考。
本发明基于合成孔径雷达(SAR)的海面风场反演最优分辨率的判定方法，其能对现有SAR数据在不同空间分辨率下风速反演的精度进行客观的评估，并且能够自动判定出不同卫星或不同模式下SAR影像风场反演的最优分辨率，无需额外的地面观测站点的数据，简化观测设备，能有效降低观测难度，具有成本低、实用性强等特点。
附图说明
图1为本发明基于合成孔径雷达(SAR)的海面风场反演最优分辨率的判定方法的流程图；
图2为本发明的同极化与交叉极化反演风速的RMSE随着空间分辨率变化的散点图和高斯拟合曲线，其中，曲线为拟合的二项高斯函数模型；
图3为本发明中高斯模型的一阶导数图，RMSE随空间分辨率变化的一阶导数，其中每个黑点的间隔为100m空间分辨率；
图4为本发明选择出的空间分辨率下SAR反演的风速与实测数据的散点图，其中，图4(a)为基于CMOD5模型的VV极化数据反演的风速与站点风速的对比，图4(b)为基于Zhang提出的C-2PO模型的VH极化数据反演的风速与站点风速的对比。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
如图1所示：本发明为合成孔径雷达风场反演的最优分辨率的自动判定技术流程，具体计算方法包括如下步骤：
步骤1、获取同时包含同极化和交叉极化的SAR影像，并对所述获取的影像进行预处理；
具体地，获取同时包含同极化和交叉极化的SAR影像，目前，很多卫星搭载的合成孔径雷达都存在多极化成像方式，如欧空局最近发射的Sentinel就能够提供大量的VV+VH极化或者HH+HV极化的影像，其中，H为水平波和V为垂直波，VV和HH为同极化，VH和HV为交叉极化。获取到SAR影像(即SAR数据)之后，对SAR数据解译，得到定标参数极化方式、DN值影像、控制点、入射角信息，根据定标参数极化方式、DN值影像、入射角信息得到的入射角空间插值进行辐射定标，如果影像属于HH极化，则需要将辐射定标后的值进行极化比转化，之后结合控制点进行几何校正，如果影像不属于HH极化，则直接结合控制点进行几何校正，几何校正后进行陆地掩膜，陆地掩膜之后进行船只去除，船只去除之后进行斑点滤波，斑点滤波之后得到同极化和交叉极化后向散射系数影像。通过入射角信息空间插值，得到与DN值影像空间分辨率一致的入射角图层。
步骤2、将预处理后得到的同极化和交叉极化后向散射系数影像同时按空间分辨率步长100m降尺度采样到5km，进行重采样，得到不同空间分辨率的交叉化影像和不同空间分辨率的同极化影像；
具体地，同时对同极化影像和交叉极化影像每个5km步长选择一个中心点作为样本中心，然后以样本中心为中心点，向周围进行降尺度采样，最后得到不同空间分辨率的样本点，这样可以保证在不同空间尺度下样本具有相同的数量。
步骤3、以ERA-Interim风向数据作为模式函数的外部风向，利用同极化地球物理模式函数对步骤2得到的同极化影像进行海面风场反演，得到不同空间分辨率的同极化风速数据(即风场数据)；
通过ERA-Interim数据作为数值模拟数据，然后进行风向提取，之后进行数值模拟风向，再风向转化，之后得到风向空间插值，最后得到风向图层；
本发明实施中，将得到的风向图层、从SAR数据得到的入射角图层和步骤2得到的不同空间分辨率的同极化影像，然后输入到同极化风场反演的地球物理模式函数(CMOD)进行风场反演，得到不同空间分辨率的同极化风速数据。对于C波段同极化SAR数据，可以使用C波段同极化地球物理模式函数CMOD5作为风场反演的模式函数，具体为本技术领域人员所熟知，此处不再一一赘述。
步骤4、利用交叉极化海洋模型函数对步骤2得到的不同空间分辨率的交叉化影像进行海面风场反演，得到不同空间分辨率的交叉极化风速数据(即风场数据)；
本发明实施中，直接将步骤2得到的不同空间分辨率的交叉化影像输入到交叉极化海洋模型函数中，进行风场反演，得到不同空间分辨率的交叉极化风速数据。具体对于C波段交叉极化SAR数据，可以使用C波段交叉极化海洋模型函数C-2PO模型作为风场反演的模式函数，具体为本技术领域人员所熟知，此处不再一一赘述。
步骤5、建立不同空间分辨率的同极化风速数据和不同空间分辨率的交叉极化风速数据的均方根误差随空间分辨率变化的高斯模型；
计算不同空间分辨率的同极化风速数据和不同空间分辨率的交叉极化风速数据反演风速的均方根误差(RMSE)、标准差(STD)、相关系数(Corr)、决定系数(R2)和偏差(Bias)等风速反演精度评价指标，绘制这些精度评价指标随着空间分辨率变化的曲线图，并利用高斯拟合方法拟合出RMSE随空间变化的函数曲线，所建立的高斯模型为：
F(res)＝a1×exp(-((res-b1)/c1)2)+a2×exp(-((res-b2)/c2)2)
其中，F为RMSE随着空间分辨率变化的函数，res为空间分辨率，a1，b1，c1，a2，b2，c2为拟合得到的系数。RMSE随空间变化的散点图和拟合的F曲线如图2所示。图2为本发明的同极化与交叉极化反演风速的RMSE随着空间分辨率变化的散点图和高斯拟合曲线，其中，曲线为拟合的二项高斯函数模型。
步骤6、对步骤5得到的函数曲线进行一阶导数求导，当导数值大于阈值-1×10-4时，则认为该点对应的空间分辨率是双极化合成孔径雷达最优分辨率的选择；
本发明实施中，由于RMSE随着空间变化的规律满足二项高斯函数，所以，当RMSE随着空间分辨率的变化到达某个分辨率之后，它的变化趋势会区域平缓。在SAR的风场反演中，我们都希望能够同时得到较高的分辨率并且精度较高的风场数据，所以，在本发明中对RMSE随着空间变化的规律满足二项高斯函数进行求一阶导数，一开始导数值随空间分辨率的降低迅速增加，当导数值大于-1×10-4时，导数值的增加非常缓慢，已经非常接近于0，则可认为在这一点的空间分辨率之后，再降低空间分辨率不会对SAR反演的精度有显著的提高。所以，可以将该分辨率判定为最优分辨率。如图3所示，为本发明中高斯模型的一阶导数图，RMSE随空间分辨率变化的一阶导数，其中每个黑点的间隔为100m空间分辨率。
步骤7、精度验证，利用实测风速数据，对选择的空间分辨率得到的同极化和交叉极化反演风速进行精度评估。气象观测数据，利用风廓线将风速订正到海拔10m，得到气象观测风速。
本发明实施中，以RADARSAT-2精细全极化SAR数据为例，完成RMSE随着空间变化的规律满足二项高斯函数建模和一阶导数求导之后，可以看到当空间分辨率到达1000m时，导数值大于1×10-4，所以认为1000m为RADARSAT-2精细全极化SAR数据风速反演的最优空间分辨率。图4为在1000m空间分辨率下反演的同极化数据和交叉极化数据与站点数据进行对比，其中图(a)为基于CMOD5模型的VV极化数据反演的风速与站点风速的对比，图(b)为基于Zhang提出的C-2PO模型的VH极化数据反演的风速与站点风速的对比。可以看到在该空间分辨率下SAR反演的风速有较高的精度。

Claims (6)

1.一种基于合成孔径雷达的海面风场反演最优分辨率的判定方法，包括以下步骤：
步骤1、获取同时包含同极化和交叉极化的合成孔径雷达影像，并对获取的影像进行预处理，得到同极化和交叉极化后向散射系数影像；
步骤2、将同极化和交叉极化后向散射系数影像，进行重采样，得到不同空间分辨率的交叉化影像和不同空间分辨率的同极化影像；
步骤3、利用同极化地球物理模式函数对步骤2得到的不同空间分辨率的同极化影像进行海面风场反演，得到不同空间分辨率的同极化风场数据；
步骤4、利用交叉极化海洋模型函数对步骤2得到的不同空间分辨率的交叉化影像进行海面风场反演，得到不同空间分辨率的交叉极化风场数据；
步骤5、建立不同空间分辨率的同极化风场数据和不同空间分辨率的交叉极化风场数据的均方根误差随空间分辨率变化的高斯模型；
步骤6、对步骤5得到的函数曲线进行一阶导数求导，当导数值大于阈值-1×10-4时，则认为该点对应的空间分辨率是双极化合成孔径雷达最优分辨率的选择。
2.根据权利要求1所述的判定方法，其特征在于，步骤1中，所述的预处理包括：获取到合成孔径雷达影像之后，对合成孔径雷达影像数据解译，得到定标参数极化方式、DN值影像、控制点、入射角信息，并对入射角信息进行空间插值，得到与DN值影像空间分辨率相同的入射角图层；
根据定标参数极化方式、DN值影像、入射角信息得到的入射角空间插值进行辐射定标，如果影像属于HH极化，则需要将辐射定标后的值进行极化比转化，之后结合控制点进行几何校正，如果影像不属于HH极化，则直接结合控制点进行几何校正，几何校正后进行陆地掩膜，陆地掩膜之后进行船只去除，船只去除之后进行斑点滤波，斑点滤波之后得到同极化和交叉极化后向散射系数影像。
3.根据权利要求1所述的判定方法，其特征在于，步骤2中，将预处理后的同极化和交叉极化后向散射系数影像同时按空间分辨率步长100m降尺度采样到3km～8km，进行重采样。
4.根据权利要求1所述的判定方法，其特征在于，步骤3中，所述的同极化风场反演的地球物理模式函数，使用C波段同极化地球物理模式函数CMOD5。
5.根据权利要求1所述的判定方法，其特征在于，步骤4中，所述的交叉极化海洋模型函数使用C波段交叉极化海洋模型函数C-2PO模型。
6.根据权利要求1所述的判定方法，其特征在于，步骤5中，计算不同空间分辨率的同极化风场数据和不同空间分辨率的交叉极化风场数据反演风速的均方根误差、标准差、相关系数、决定系数和偏差，绘制这些风速反演精度评价指标随着空间分辨率变化的曲线图，并利用高斯拟合方法拟合出均方根误差随空间分辨率变化的函数曲线，所建立的高斯模型为：
F(res)＝a1×exp(-((res-b1)/c1)2)+a2×exp(-((res-b2)/c2)2)
其中，F(res)为均方根误差随着空间分辨率变化的函数，res为空间分辨率，a1，b1，c1，a2，b2，c2为拟合得到的系数。
CN201710831818.1A 2017-09-15 2017-09-15 一种基于sar的海面风场反演最优分辨率的判定方法 Active CN107505616B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710831818.1A CN107505616B (zh) 2017-09-15 2017-09-15 一种基于sar的海面风场反演最优分辨率的判定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710831818.1A CN107505616B (zh) 2017-09-15 2017-09-15 一种基于sar的海面风场反演最优分辨率的判定方法

Publications (2)

Publication Number Publication Date
CN107505616A true CN107505616A (zh) 2017-12-22
CN107505616B CN107505616B (zh) 2019-10-29

Family

ID=60697222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710831818.1A Active CN107505616B (zh) 2017-09-15 2017-09-15 一种基于sar的海面风场反演最优分辨率的判定方法

Country Status (1)

Country Link
CN (1) CN107505616B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108334742A (zh) * 2018-02-09 2018-07-27 国家海洋局第三海洋研究所 一种微波散射计海面风场反演精度的验证方法
CN108983235A (zh) * 2018-07-26 2018-12-11 浙江大学 一种基于刈幅的交叉极化sar风场反演方法
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
CN110609287A (zh) * 2018-06-14 2019-12-24 中国科学院国家空间科学中心 一种双频雷达散射计及同时测量海面风场和流场的方法
CN111175720A (zh) * 2020-01-15 2020-05-19 中国科学院国家空间科学中心 一种海面风场星上快速反演方法及系统
CN111580138A (zh) * 2020-06-18 2020-08-25 北京卫星信息工程研究所 多波束gnss-r系统、海面风场反演方法和预测方法
CN111638521A (zh) * 2020-06-17 2020-09-08 中国人民解放军海军潜艇学院 一种成像高度计遥感数据的海面风速反演方法
CN111832176A (zh) * 2020-07-14 2020-10-27 中国人民解放军61540部队 降雨条件下全极化微波辐射计海面风场反演方法及系统
CN112114386A (zh) * 2020-08-31 2020-12-22 邹明忠 高时空分辨率微波降雨监测网络部署方法及监测方法
CN112529817A (zh) * 2020-12-23 2021-03-19 中国科学院空天信息创新研究院 基于最优极化比的未定标机载sar图像海尖峰抑制方法
CN113050091A (zh) * 2021-03-08 2021-06-29 国家海洋技术中心 一种星载合成孔径雷达风速风向联合反演方法及系统
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
CN114494894A (zh) * 2022-04-18 2022-05-13 中国海洋大学 海洋黑涡自动识别与关键参数反演方法、装置和电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102759731A (zh) * 2012-07-25 2012-10-31 武汉大学 基于星载激光测高仪回波的海洋表面风、浪特性反演方法
US8842036B2 (en) * 2011-04-27 2014-09-23 Lockheed Martin Corporation Automated registration of synthetic aperture radar imagery with high resolution digital elevation models
CN104914418A (zh) * 2015-05-19 2015-09-16 华中科技大学 一种海浪斜率分布的微波散射遥感方法
CN105891832A (zh) * 2016-03-31 2016-08-24 南京信息工程大学 一种基于交叉极化模型与cmod5n的海面风速反演方法
CN106526596A (zh) * 2016-10-12 2017-03-22 中央军委联合参谋部大气环境研究所 合成孔径雷达反演海面风场变分模型的数据处理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8842036B2 (en) * 2011-04-27 2014-09-23 Lockheed Martin Corporation Automated registration of synthetic aperture radar imagery with high resolution digital elevation models
CN102759731A (zh) * 2012-07-25 2012-10-31 武汉大学 基于星载激光测高仪回波的海洋表面风、浪特性反演方法
CN104914418A (zh) * 2015-05-19 2015-09-16 华中科技大学 一种海浪斜率分布的微波散射遥感方法
CN105891832A (zh) * 2016-03-31 2016-08-24 南京信息工程大学 一种基于交叉极化模型与cmod5n的海面风速反演方法
CN106526596A (zh) * 2016-10-12 2017-03-22 中央军委联合参谋部大气环境研究所 合成孔径雷达反演海面风场变分模型的数据处理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KANGYU ZHANG,ET AL: "The Influence of Different Spatial Resolutions on the Retrieval Accuracy of Sea Surface Wind Speed With C-2PO Models Using Full Polarization C-Band SAR", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 *
TAE-SUNG KIM,ET AL: "Observation of Wind Direction Change on the Sea Surface Temperature Front Using High-Resolution Full Polarimetric SAR Data", 《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108334742B (zh) * 2018-02-09 2020-07-31 自然资源部第三海洋研究所 一种微波散射计海面风场反演精度的验证方法
CN108334742A (zh) * 2018-02-09 2018-07-27 国家海洋局第三海洋研究所 一种微波散射计海面风场反演精度的验证方法
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
CN110609287B (zh) * 2018-06-14 2021-06-08 中国科学院国家空间科学中心 一种双频雷达散射计及同时测量海面风场和流场的方法
CN110609287A (zh) * 2018-06-14 2019-12-24 中国科学院国家空间科学中心 一种双频雷达散射计及同时测量海面风场和流场的方法
CN108983235A (zh) * 2018-07-26 2018-12-11 浙江大学 一种基于刈幅的交叉极化sar风场反演方法
CN111175720A (zh) * 2020-01-15 2020-05-19 中国科学院国家空间科学中心 一种海面风场星上快速反演方法及系统
CN111175720B (zh) * 2020-01-15 2022-03-08 中国科学院国家空间科学中心 一种海面风场星上快速反演方法及系统
CN111638521A (zh) * 2020-06-17 2020-09-08 中国人民解放军海军潜艇学院 一种成像高度计遥感数据的海面风速反演方法
CN111580138A (zh) * 2020-06-18 2020-08-25 北京卫星信息工程研究所 多波束gnss-r系统、海面风场反演方法和预测方法
CN111580138B (zh) * 2020-06-18 2022-09-09 北京卫星信息工程研究所 多波束gnss-r系统、海面风场反演方法和预测方法
CN111832176B (zh) * 2020-07-14 2023-08-29 中国人民解放军61540部队 降雨条件下全极化微波辐射计海面风场反演方法及系统
CN111832176A (zh) * 2020-07-14 2020-10-27 中国人民解放军61540部队 降雨条件下全极化微波辐射计海面风场反演方法及系统
CN112114386B (zh) * 2020-08-31 2022-03-29 邹明忠 高时空分辨率微波降雨监测方法
CN112114386A (zh) * 2020-08-31 2020-12-22 邹明忠 高时空分辨率微波降雨监测网络部署方法及监测方法
CN112529817A (zh) * 2020-12-23 2021-03-19 中国科学院空天信息创新研究院 基于最优极化比的未定标机载sar图像海尖峰抑制方法
CN113050091A (zh) * 2021-03-08 2021-06-29 国家海洋技术中心 一种星载合成孔径雷达风速风向联合反演方法及系统
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
CN114494894A (zh) * 2022-04-18 2022-05-13 中国海洋大学 海洋黑涡自动识别与关键参数反演方法、装置和电子设备
CN114494894B (zh) * 2022-04-18 2022-07-22 中国海洋大学 海洋黑涡自动识别与关键参数反演方法、装置和电子设备

Also Published As

Publication number Publication date
CN107505616B (zh) 2019-10-29

Similar Documents

Publication Publication Date Title
CN107505616B (zh) 一种基于sar的海面风场反演最优分辨率的判定方法
Powell et al. Reconstruction of Hurricane Katrina's wind fields for storm surge and wave hindcasting
Luo et al. Lidar-based remote sensing of atmospheric boundary layer height over land and ocean
Horstmann et al. Wind retrieval over the ocean using synthetic aperture radar with C-band HH polarization
Hopkinson et al. Using airborne lidar to assess the influence of glacier downwasting on water resources in the Canadian Rocky Mountains
Zhang et al. Locating narrow bipolar events with single-station measurement of low-frequency magnetic fields
Kim et al. Global precipitation measurement (GPM) ground validation (GV) prototype in the Korean Peninsula
CN107479065B (zh) 一种基于激光雷达的林窗立体结构量测方法
Mason et al. Data utilization in flood inundation modelling
CN109522516A (zh) 基于随机森林回归算法的土壤湿度检测方法、装置及电子设备
Piironen et al. Convective boundary layer mean depths and cloud geometrical properties obtained from volume imaging lidar data
CN110530901A (zh) 融合宇宙射线中子法和无人机遥感的中小尺度土壤水监测系统及方法
Furevik et al. Comparison of derived wind speed from synthetic aperture radar and scatterometer during the ERS tandem phase
Gonçalves et al. Monitoring Local Shoreline Changes by Integrating UASs, Airborne LiDAR, Historical Images and Orthophotos.
CN105241429B (zh) 一种基于航空遥感的近海工业温排水提取方法
Dandabathula et al. Validation of ICESat-2 surface water level product ATL13 with near real time gauge data
CN103927454B (zh) 一种基于环境卫星的灰霾污染监测方法
Yildiz et al. Quantifying snow water equivalent using terrestrial ground penetrating radar and unmanned aerial vehicle photogrammetry
Nzeukou et al. Distribution of rainfall parameters near the coasts of France and Senegal
Schmidt et al. Detailed flow, hydrometeor and lightning characteristics of an isolated thunderstorm during COPS
Herzog et al. Capturing complex star dune dynamics—repeated highly accurate surveys combining multitemporal 3D topographic measurements and local wind data
Chen et al. Drought monitoring using MODIS derived perpendicular drought indexes
Santosh Estimation of daytime planetary boundary layer height (PBLH) over the tropics and subtropics using COSMIC-2/FORMOSAT-7 GNSS–RO measurements
Aldogom et al. Polarized Aerosol Retrieval Algorithm over Urban Surfaces-Dubai Municipality Satellite
Hurter et al. GNSS water vapor monitoring in the Swiss Alps

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
GR01 Patent grant
GR01 Patent grant