CN108536884A - 一种获取高真实感海浪泡沫光散射系数的方法 - Google Patents
一种获取高真实感海浪泡沫光散射系数的方法 Download PDFInfo
- Publication number
- CN108536884A CN108536884A CN201710720579.2A CN201710720579A CN108536884A CN 108536884 A CN108536884 A CN 108536884A CN 201710720579 A CN201710720579 A CN 201710720579A CN 108536884 A CN108536884 A CN 108536884A
- Authority
- CN
- China
- Prior art keywords
- wave
- foam
- sea
- light scattering
- scattering coefficient
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种获取高真实感海浪泡沫光散射系数的方法,包括:获取海浪参数;根据所述海浪参数,建立海浪运动模型,得到海浪高度场分布;根据所述海浪高度场分布,叠加海浪泡沫的分布模型,得到海面泡沫的混合状态分布;根据所述海面泡沫的混合状态分布,求解矢量辐射传输方程得到海浪泡沫的光散射系数。本发明从构建海浪高度场出发,考虑不同海况、天气条件、不同泡沫尺寸及混合比例对光在泡沫中传播的影响,建立气泡水滴混合状态的海浪泡沫的消溶模型,生成不同混合模式下海浪泡沫的物理模型,即海面泡沫的混合状态分布,继而构建矢量辐射传输方程,实现海浪泡沫光散射系数的实时计算。
Description
技术领域
本发明属于海洋物理学领域,具体涉及一种获取高真实感海浪泡沫光散射系数的方法。
背景技术
随着多维光电探测手段的提高,实时获取与处理海面光电特性信息的需求不断增长。海浪泡沫作为一种常见的海面自然现象,由于海浪泡沫的存在会严重影响海面的光学特性,因此,探寻其光的散射特性是一项重要的基础性研究。在一定风速的影响下,破碎的海浪与空气进行混合,在海面上会产生一部分泡沫覆盖层。根据观测实验,当风速大于7米/秒时,海洋表面会产生白水,称为海浪泡沫,又称泡沫白帽,且海浪泡沫量会随着风速的增加而增加,当风速超过25米/秒时,约三分之一的海面将被泡沫覆盖。光与海浪泡沫作用时会发生多重反射与折射,且海浪泡沫的不同尺寸、浓度和盐度等属性对光的散射系数影响不同,从而会改变海面的光谱散射特性。
现阶段对海浪泡沫的研究主要集中在粗糙海面上电磁波的双站散射和热发射率的理论计算上,通常需要经过复杂的数值运算,如求解一定边界条件下的VRT(VectorRadiative Transfer,矢量辐射传输)方程、波谱的傅里叶变换以及海面几何起伏的动态变换N-S(Navier-Stokes)方程等过程。
由于受海浪泡沫对光散射的影响,无论是主动式还是被动式的海上目标探测,海浪泡沫都会严重影响探测信号的能量分布。现有的海浪泡沫散射系数计算方法大都是将海浪泡沫假设成在海面上平铺的一层均匀电介质层,而海浪泡沫并不是均匀的,与实际情况不相符,这种海浪泡沫的假设对获得的海浪泡沫散射系数误差较大,可信度较低。对于涉及海浪监测的应用,会很大程度上减小光电目标检测系统的准确度。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种误差较小、可信度较高、监测准确较高的获取高真实感海浪泡沫光散射系数的方法。
为了实现上述发明目的,本发明采用的技术方案是:
一种获取高真实感海浪泡沫光散射系数的方法,包括:
获取海浪参数;
根据所述海浪参数,建立海浪运动模型,得到海浪高度场分布;
根据所述海浪高度场分布,叠加海浪泡沫的分布模型,得到海面泡沫的混合状态分布;
根据所述海面泡沫的混合状态分布,求解矢量辐射传输方程得到海浪泡沫的光散射系数。
进一步地,所述海面泡沫的混合状态分布符合高斯分布。
进一步地,所述海浪高度场分布为:
其中,N和M分别表示FFT的网格大小,X为海浪空间指定网格点的位置矢量,h(X,t)为点X处在t时刻的波高,t是时间,K为波数二维矢量,表示波高的傅里叶变换。
进一步地,所述海面泡沫的混合状态分布为:
ω1+ω2=1,
其中,Rbubble(x,y1)和Rdrip(x,y2)分别表示海浪泡沫中的气泡和水滴在切面(x,y)处的尺寸大小,ω1和ω2分别表示气泡和水滴的混合比例,μ为海面波峰处的横坐标,h为海面的纵坐标,s为半波宽度,ηb和ηd分别为气泡和水滴的空间尺寸偏差常数,C1和C2分别表示气泡和水滴的体积浓度,T为温度常数。
进一步地,所述矢量辐射传输方程为:
其中,Iλ为路径s上沿着方向的光谱辐射密度,Ibλ为光谱黑体辐射密度,σsλ为光散射系数,Kλ为光吸收系数,Φλ为散射相位函数,Ω′为方位角。
进一步地,所述海浪参数包括:海况参数、海浪运动参数、海浪泡沫参数和天气参数。
进一步地,所述海况参数包括海浪的道氏波级、近海面风速和海表温度廓线。
进一步地,所述海浪运动参数包括海浪的运动方向、风阻大小和风向。
进一步地,所述海浪泡沫参数包括泡沫的尺寸、浓度、混合比例和海水盐度。
进一步地,所述天气参数包括风速、压强、温度和湿度。
本发明从构建海浪高度场出发,考虑不同海况、天气条件、不同泡沫尺寸及混合比例对光在泡沫中传播的影响,建立气泡水滴混合状态的海浪泡沫的消溶模型,生成不同混合模式下海浪泡沫的物理模型,即海面泡沫的混合状态分布,继而构建矢量辐射传输方程,实现海浪泡沫光散射系数的实时计算,获得误差较小的海浪泡沫散射系数,可信度较高,提高光电目标检测系统的准确度,从而实现对海浪的准确监测。
附图说明
图1所示为本发明的获取高真实感海浪泡沫光散射系数的方法流程图。
图2所示为气泡浓度的运动范围划分。
图3所示为海浪泡沫分层示意图。
具体实施方式
下面结合具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
实施例一
图1所示为本发明的获取高真实感海浪泡沫光散射系数的方法流程图,包括:
S1、获取海浪参数;
在一个具体实施方式中,所述海浪参数包括:海况参数、海浪运动参数、海浪泡沫参数和天气参数。所述海况参数包括海浪的道氏波级、近海面风速和海表温度廓线。所述海浪运动参数包括海浪的运动方向、风阻大小和风向。所述海浪泡沫参数包括泡沫的尺寸、浓度、混合比例和海水盐度。所述天气参数包括风速、压强、温度和湿度。
S2、根据所述海浪参数,建立海浪运动模型,得到海浪高度场分布;
本实施例使用FFT(Fast Fourier Transformation快速傅里叶变换)方法进行海浪运动模型的建立,具体如下:
任意时刻的浪高h(X,t)对水平位置X=(x,z)的所有正弦函数求和,可表示为:
式中:X为海浪空间指定网格点的位置矢量,h(X,t)为点X处在t时刻的波高,t是时间,K为波数二维矢量,K=(kx,ky);kx=2πn/Lx;kz=2πm/Lz,Lx和Lz是在x和z方向上的海平面范围,n和m是区间[-N/2,N/2]和[-M/2,M/2]内的整数点个数,以及N和M是FFT的网格大小。
其中,是经过FFT计算得的波高,波浪的表面形状由决定,其在空间频域表达式为:
式中:是波高总均值。
FFT变化后,可以得到海平面上离散点x=(nLx/N,mLz/M)的高度。
进一步,根据高斯随机数以空间分布的形式生成海浪高度场,波高可以在傅立叶域中快速实现:
式中:ξr和ξi是由高斯随机生成程序产生的平均值为0且均方误差为1的随机数。海浪的波高振幅大小遵循瑞利分布,由两个独立标准正态分布随机数构成。
波高的傅里叶振幅可以用下式表示:
式中:且满足共轭复数属性ω2(k)=gk。
将上式带入式:
对幅值通过IFFT(逆变换快速傅里叶)算法计算,在一定范围内计算不同时间海拔顶点的高度谱,并获得初步的海浪高度场:
其中,N和M分别表示FFT的网格大小,X为海浪空间指定网格点的位置矢量,h(X,t)为点X处在t时刻的波高,t是时间,K为波数二维矢量,表示波高的傅里叶变换。
由于通过FFT方法得到的海面高度场公式是使用的随机的方法生产一定区间内的高度场,对该公式进行修正如下:
采用P-M谱(P-M spectrum sea wave model)进行采样,利用ITTC(InternationalTowing Tank Conference,国际拖曳水池会议)推荐的方向扩展函数构造方向谱,再将方向谱转化为波数谱,得到海浪高度场分布为:
其中,即为h(X,t)。
S3、根据所述海浪高度场分布,叠加海浪泡沫的分布模型,得到海面泡沫的混合状态分布;
S2步骤得到了海浪高度场分布,此时需要在当前基础上叠加海浪泡沫的分布模型,波浪之上的泡沫是由破碎的海水和空气混合而成的白沫,白沫的密度远小于海水,因此白沫会漂浮于海浪之上。参看图2,图2示出了海浪泡沫的流动示意图,其中黑色实心圆形表示水滴,空心圆形表示气泡,在海浪的波峰产生水滴与气泡组成的泡沫,该区域为混合密集区;泡沫沿着海浪方向进行扩散,泡沫密度逐渐变小,该区域为扩散区,直到泡沫消失,即波谷处的平流消溶区。参看图3,海浪水体层3为海水层,泡沫覆盖层2和泡沫覆盖层1为形成海浪泡沫层,且泡沫覆盖层1的泡沫尺寸大于泡沫覆盖层2的泡沫尺寸,对海浪泡沫层进行分析后,最终得到海浪泡沫的分布情况如下。
本发明实施例中将水滴和气泡分别假设成实心与空心刚性球体,对海浪泡沫进行几何建模,得到海面泡沫的混合状态分布为:
ω1+ω2=1,
其中,Rbubble(x,y1)和Rdrip(x,y2)分别表示海浪泡沫中的气泡和水滴在切面(x,y)处的尺寸大小,ω1和ω2分别表示气泡和水滴的混合比例,μ为海面波峰处的横坐标,h为海面的纵坐标,s为半波宽度,ηb和ηd分别为气泡和水滴的空间尺寸偏差常数,C1和C2分别表示气泡和水滴的体积浓度,T为温度常数。
S4、根据所述海面泡沫的混合状态分布,求解矢量辐射传输方程得到海浪泡沫的光散射系数;
本发明通过微分和积分的数值方法得到矢量辐射传输方程的各阶解,将各阶解代入海面泡沫的混合状态分布表达式中,得到海浪泡沫的光散射系数。
其中,所述矢量辐射传输方程为:
其中,Iλ为路径s上沿着方向的光谱辐射密度,Ibλ为光谱黑体辐射密度,σsλ为光散射系数,Kλ为光吸收系数,Φλ为散射相位函数,Ω′为方位角。
本发明实施例从构建海浪高度场出发,考虑不同海况、天气条件、不同泡沫尺寸及混合比例对光在泡沫中传播的影响,建立气泡水滴混合状态的海浪泡沫的消溶模型,生成不同混合模式下海浪泡沫的物理模型,即海面泡沫的混合状态分布,继而构建矢量辐射传输方程,实现海浪泡沫光散射系数的实时计算,获得误差较小的海浪泡沫散射系数,可信度较高,提高光电目标检测系统的准确度,从而实现对海浪的准确监测。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种获取高真实感海浪泡沫光散射系数的方法,其特征在于,包括:
获取海浪参数;
根据所述海浪参数,建立海浪运动模型,得到海浪高度场分布;
根据所述海浪高度场分布,叠加海浪泡沫的分布模型,得到海面泡沫的混合状态分布;
根据所述海面泡沫的混合状态分布,求解矢量辐射传输方程得到海浪泡沫的光散射系数。
2.根据权利要求1所述的获取高真实感海浪泡沫光散射系数的方法,其特征在于,所述海面泡沫的混合状态分布符合高斯分布。
3.根据权利要求1或2所述的获取高真实感海浪泡沫光散射系数的方法,其特征在于,所述海浪高度场分布为:
其中,N和M分别表示FFT的网格大小,X为海浪空间指定网格点的位置矢量,h(X,t)为点X处在t时刻的波高,t是时间,K为波数二维矢量,表示波高的傅里叶变换。
4.根据权利要求3所述的获取高真实感海浪泡沫光散射系数的方法,其特征在于,所述海面泡沫的混合状态分布为:
ω1+ω2=1,
其中,Rbubble(x,y1)和Rdrip(x,y2)分别表示海浪泡沫中的气泡和水滴在切面(x,y)处的尺寸大小,ω1和ω2分别表示气泡和水滴的混合比例,μ为海面波峰处的横坐标,h为海面的纵坐标,s为半波宽度,ηb和ηd分别为气泡和水滴的空间尺寸偏差常数,C1和C2分别表示气泡和水滴的体积浓度,T为温度常数。
5.根据权利要求4所述的获取高真实感海浪泡沫光散射系数的方法,其特征在于,所述矢量辐射传输方程为:
其中,Iλ为路径s上沿着方向的光谱辐射密度,Ibλ为光谱黑体辐射密度,σsλ为光散射系数,Kλ为光吸收系数,Φλ为散射相位函数,Ω′为方位角。
6.根据权利要求1所述的获取高真实感海浪泡沫光散射系数的方法,其特征在于,所述海浪参数包括:海况参数、海浪运动参数、海浪泡沫参数和天气参数。
7.根据权利要求6所述的获取高真实感海浪泡沫光散射系数的方法,其特征在于,所述海况参数包括海浪的道氏波级、近海面风速和海表温度廓线。
8.根据权利要求6所述的获取高真实感海浪泡沫光散射系数的方法,其特征在于,所述海浪运动参数包括海浪的运动方向、风阻大小和风向。
9.根据权利要求6所述的获取高真实感海浪泡沫光散射系数的方法,其特征在于,所述海浪泡沫参数包括泡沫的尺寸、浓度、混合比例和海水盐度。
10.根据权利要求6所述的获取高真实感海浪泡沫光散射系数的方法,其特征在于,所述天气参数包括风速、压强、温度和湿度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710720579.2A CN108536884B (zh) | 2017-08-21 | 2017-08-21 | 一种获取高真实感海浪泡沫光散射系数的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710720579.2A CN108536884B (zh) | 2017-08-21 | 2017-08-21 | 一种获取高真实感海浪泡沫光散射系数的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108536884A true CN108536884A (zh) | 2018-09-14 |
CN108536884B CN108536884B (zh) | 2022-05-24 |
Family
ID=63488765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710720579.2A Active CN108536884B (zh) | 2017-08-21 | 2017-08-21 | 一种获取高真实感海浪泡沫光散射系数的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108536884B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111123225A (zh) * | 2019-12-25 | 2020-05-08 | 西安电子科技大学 | 矢量输运理论计算海背景箔条云散射方法 |
CN114624257A (zh) * | 2022-05-12 | 2022-06-14 | 自然资源部第二海洋研究所 | 一种基于海面泡沫发射率的卫星观测数据修正方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306217A (zh) * | 2011-08-12 | 2012-01-04 | 北京理工大学 | 基于非线性一维海面分形模型的电磁散射系数估计方法 |
CN105701284A (zh) * | 2016-01-11 | 2016-06-22 | 西安电子科技大学 | 时变多尺度电大区域海面电磁散射矢量场的并行计算方法 |
-
2017
- 2017-08-21 CN CN201710720579.2A patent/CN108536884B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306217A (zh) * | 2011-08-12 | 2012-01-04 | 北京理工大学 | 基于非线性一维海面分形模型的电磁散射系数估计方法 |
CN105701284A (zh) * | 2016-01-11 | 2016-06-22 | 西安电子科技大学 | 时变多尺度电大区域海面电磁散射矢量场的并行计算方法 |
Non-Patent Citations (2)
Title |
---|
PENG PENG 等: "A study of multipath scattering from low-altitude target above complex ocean surface", 《IEEE 2016 11TH INTERNATIONAL SYMPOSIUM ON ANTENNAS, PROPAGATION AND EM THEORY (ISAPE)》 * |
陈珲: "动态海面及其上目标复合电磁散射与多普勒谱研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111123225A (zh) * | 2019-12-25 | 2020-05-08 | 西安电子科技大学 | 矢量输运理论计算海背景箔条云散射方法 |
CN111123225B (zh) * | 2019-12-25 | 2022-01-04 | 西安电子科技大学 | 矢量输运理论计算海背景箔条云散射方法 |
CN114624257A (zh) * | 2022-05-12 | 2022-06-14 | 自然资源部第二海洋研究所 | 一种基于海面泡沫发射率的卫星观测数据修正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108536884B (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Krishnamurthy et al. | Coherent Doppler lidar for wind farm characterization | |
CN112711899B (zh) | 一种蒸发波导高度的融合预测方法 | |
CN107843895B (zh) | 一种双多普勒雷达三维风场反演方法 | |
Li et al. | Interannual variations of subsurface spiciness in the Philippine Sea: Observations and mechanism | |
Ashkenazy et al. | On the probability and spatial distribution of ocean surface currents | |
CN108536884A (zh) | 一种获取高真实感海浪泡沫光散射系数的方法 | |
Pan et al. | Roughness analysis of sea surface from visible images by texture | |
Sorbjan | A study of the stable boundary layer based on a single-column K-theory model | |
La et al. | Assessment of wind speed estimation from C-band Sentinel-1 images using empirical and electromagnetic models | |
Pan et al. | Roughness change analysis of sea surface from visible images by fractals | |
Xie et al. | Effect of bispectrum on radar backscattering from non-Gaussian sea surface | |
Qin et al. | Assimilation of Doppler radar observations with an ensemble square root filter: A squall line case study | |
Zhu et al. | Comparison and validation of global and regional ocean forecasting systems for the South China Sea | |
Davoust et al. | Analysis of wind coherence in the longitudinal direction using turbine mounted lidar | |
Shimizu et al. | Assimilation impact of high‐temporal‐resolution volume scans on quantitative precipitation forecasts in a severe storm: Evidence from nudging data assimilation experiments with a thermodynamic retrieval method | |
Vobig et al. | Targeted covariance inflation for 3D‐volume radar reflectivity assimilation with the LETKF | |
Ming et al. | Observational estimates of turbulence parameters in the atmospheric surface layer of landfalling tropical cyclones | |
CN109164439A (zh) | 一种电波射线上大气折射率计算方法 | |
Steinke et al. | Water vapor tomography with two microwave radiometers | |
Wang et al. | Preliminary results of a new global ocean reanalysis | |
Shen et al. | Assimilating satellite SST/SSH and in-situ T/S profiles with the Localized Weighted Ensemble Kalman Filter | |
Zecchetto et al. | Structure of High-Resolution SAR Winds Over the Venice Lagoon Area | |
Seo et al. | Evaluation of a regional ocean reanalysis system for the East Asian Marginal Seas based on the ensemble Kalman filter | |
Liang et al. | Tropical cyclone forecasting with model‐constrained 3D‐Var. II: Improved cyclone track forecasting using AMSU‐A, QuikSCAT and cloud‐drift wind data | |
Zhang et al. | A review for retrieving wind fields by spaceborne synthetic aperture Radar |
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 |