CN109470364B - 一种适用于被动微波资料的广义ri指数频率干扰检测及订正方法 - Google Patents

一种适用于被动微波资料的广义ri指数频率干扰检测及订正方法 Download PDF

Info

Publication number
CN109470364B
CN109470364B CN201811287006.6A CN201811287006A CN109470364B CN 109470364 B CN109470364 B CN 109470364B CN 201811287006 A CN201811287006 A CN 201811287006A CN 109470364 B CN109470364 B CN 109470364B
Authority
CN
China
Prior art keywords
channel
data
brightness temperature
microwave
frequency interference
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
Application number
CN201811287006.6A
Other languages
English (en)
Other versions
CN109470364A (zh
Inventor
吴莹
钱博
王振会
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.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
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 Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN201811287006.6A priority Critical patent/CN109470364B/zh
Publication of CN109470364A publication Critical patent/CN109470364A/zh
Application granted granted Critical
Publication of CN109470364B publication Critical patent/CN109470364B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/007—Radiation pyrometry, e.g. infrared or optical thermometry for earth observation

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开一种适用于被动微波资料的广义RI指数频率干扰检测及订正方法，属于大气微波遥感技术领域。包括数据读取、地球表面分类、数据检测、干扰区域订正、信息分析和显示；数据读取对星载微波辐射计观测数据进行读取并进行通道分离处理，地球表面分类是对全球的微波亮温数据按无积雪覆盖陆地表面、冰雪覆盖表面和洋面分类，数据检测是对分组的微波亮温数据计算广义RI指数并据其大小检测干扰信号的分布；干扰区域订正计算受干扰通道的预期亮温值，定量给出订正后亮温的分布；信息分析和显示对上述各部分的输出信息进行判断、标记、处理、显示和存储。具有用一个通用检测方法检测不同地球表面类型，方法简单，计算量小，适用性好等优点。

Description

一种适用于被动微波资料的广义RI指数频率干扰检测及订正 方法
技术领域
本发明涉及一种适用于被动微波资料的广义RI指数频率干扰检测及订正方法，属于大气微波遥感技术领域。
背景技术
微波观测资料可以提供各种天气条件下的陆表和大气信息，星载被动微波传感器在数值天气预报模式及资料同化中占有愈来愈重要的地位。然而，低频微波通道被各种主动和被动遥感探测占据，例如通信卫星、天气和军用雷达、GPS信号，移动电话等，这使得卫星微波辐射计接收的信息除了来自真实地表的热辐射信号，还叠加了来自主动传感器的信号或表面反射的辐射信号，称为无线电频率干扰。由于强的无线电频率干扰信号很容易淹没相对较弱的地表的热发射辐射，无线电频率干扰会使局地观测亮温高于正常值范围，从而对卫星观测数据造成污染，进而导致较大的反演误差。因此，无线电频率干扰在主动及被动微波遥感探测领域已成为越来越严重的问题而且，未来的传感器为了实现特定的观测目标，通道频率仍需要使用这些不受保护的波段，所以很多学者对星载微波辐射计的无线电频率干扰识别做了大量的研究，提出了一系列识别方法。提高无线电频率干扰识别的准确性，对评价微波数据反演地表参数的精度，以及提高星载微波资料在陆面过程模式及资料同化中的利用率等诸多方面的研究，都具有非常重要的意义。
以往的研究开发了各种各样的检测星载微波辐射计资料中无线电频率干扰信号的方法。Li等(2004)最初提出了用频谱差法来检测无线电频率干扰，确定了AMSR-E在C和X波段的观测值中无线电频率干扰信号的强度和分布范围，随后进一步提出了用主成分分析法来分析陆地区域的无线电频率干扰分布特征；Njoku等(2005)提出了统计平均值和标准差分析法，得出的研究结果是AMSR-E在6.925GHz和10.67GHz通道受无线电频率干扰影响的区域分别处于不同的地理位置；Li等(2006)接着又提出了可以用多通道回归算法来识别WindSat数据中分布于洋面上的无线电频率干扰信号；Lacava等(2016)用多时相法分析了AMSR-E C波段的陆面无线电频率干扰；Zou等(2012)提出用主成分分析法可以检测MWRI陆地表面的无线电频率干扰分布；Zhao等(2013)改进了主成分分析法，提出用双主成分分析法分析WindSat资料在积雪覆盖地区的无线电频率干扰分布；官莉等(2014)提出可用简化的主成分分析法对欧洲陆地区域的AMSR-E无线电频率干扰进行检测。而对于多样的地表覆盖状况，不同检测方法的效果对不同的地表状况有局限性，有的甚至完全不适用于另一种地表状况。因此，需要一种适用于被动微波资料频率干扰的广义RI指数检测方法，从而在晴空/有云大气状况下，针对多种地球表面类型，对多种星载微波传感器资料中的无线电频率干扰进行检测。
发明内容
本发明要解决的技术问题是针对现有技术只能检测某一种传感器或某一两种表面类型的无线电频率干扰，对不同的地表状况有局限性的缺点，提出一种适用于被动微波资料的广义RI指数频率干扰检测及订正方法，通过计算广义RI指数，获得地球表面的无线电频率干扰信号的分布和强度，并订正受干扰微波观测资料，克服检测的局限性。
为解决上述技术问题，本发明提供一种适用于被动微波资料的广义RI指数频率干扰检测及订正方法，包括数据读取、地球表面分类、数据检测、干扰区域订正、信息分析和显示五个步骤；数据读取负责对星载微波辐射计观测数据进行读取，并进行通道分离处理；地球表面分类是对全球的微波亮温数据进行分组，按无积雪覆盖陆地表面、冰雪覆盖表面和海洋表面分类；数据检测负责对分组的微波亮温数据计算广义RI指数，根据RI指数的数值大小检测出地球表面的无线电频率干扰信号的分布，并确定干扰信号的强度；干扰区域订正负责计算受干扰通道的预期亮温值，定量给出订正后亮温的分布；信息分析和显示负责对上述各部分的输出信息进行判断、标记、处理、显示和存储。具体步骤包括：
(1)数据读取：从星载微波辐射计观测的HDF数据格式文件中读取所有通道的亮温观测值，进行通道分离后，定量显示每个通道观测的亮温空间分布；分别判断6.9GHz水平和垂直极化通道、7.3GHz水平和垂直极化通道、10.7GHz水平和垂直极化通道、18.7GHz水平和垂直极化通道的观测亮温数值是否存在异常高值的视场，若没有则初步判断该通道观测没有被干扰，若有异常高值区则初步判断该通道观测有可能被污染；
(2)地球表面分类：对全球的微波亮温数据进行分组，首先用海陆分布掩码，如LandSeaMask数据，对微波辐射计亮温数据进行分组，分成陆地表面和海洋表面两大类；再用以下两个有散射敏感性的谱差指数(Zou et al，2012)来识别冰或雪表面，把陆地表面分成无积雪覆盖陆地表面和冰雪覆盖陆地表面，把海洋表面分成无冰雪覆盖海洋表面和冰雪覆盖海洋表面：
TB89H-TB18H≥10K，
TB89V-TB18V≥10K；
式中，H代表水平极化，V代表垂直极化，TB89H、TB18H分别代表89.0GHz和18.7GHz水平极化通道的亮温值，TB89V、TB18V分别代表89.0GHz和18.7GHz垂直极化通道的亮温值，满足该式条件的为冰雪覆盖陆地表面或海洋表面；
然后，针对不同地球表面类型(冰雪覆盖地表和无冰雪陆面、洋面和冰雪表面)，把全球微波亮温观测值分组；
(3)数据检测：首先，通过下式计算每组中微波亮温值的散射指数SI，将SI数值大于10K的相应像元判定为降水像元予以剔除，即剔除每组中包含自然云、降水等气象要素的像素点：
Figure BDA0001849287110000031
式中，V表示垂直极化，系数a、b、c和d由无云情况下的SSM/I全球观测数据集导出，Tb19v、Tb22v、Tb85v分别代表19GHz、22GHz、85GHz垂直极化通道的微波亮温值；
然后，分别在无积雪覆盖陆地表面、冰雪覆盖陆地表面、无冰雪覆盖海洋表面和冰雪覆盖海洋表面的每一组数据范围内，计算所有其他通道相对于感兴趣通道的经验拟合系数；再按下式计算给定通道与其他辐射计通道的预期亮温值的偏差，并将该偏差定义为广义RI指数ΔTb[i]：
Figure BDA0001849287110000032
式中,i代表受到无线电频率干扰的通道的通道号，j代表除i通道以外所有通道的通道号，a0[i]是常数项，aj[i]是应用于每个通道j以计算i通道亮温值的线性拟合系数；
由于发现二次项不会显著改善标准偏差，因而可以采用线性拟合方式，将广义RI指数ΔTb[i]写为上式；式中其他通道的线性组合倾向于检测出感兴趣的信道的亮温受到的无线电频率干扰，目前的星载微波辐射计资料的无线电频率干扰主要出现在C波段和X波段通道，以Kelvins为单位表示的ΔTb[i]的大的正值通常对应于来自无线电频率干扰的非自然发射；
最后，根据广义RI指数的数值大小，量化频率干扰信号的强度，并检测出地球表面的无线电频率干扰信号的分布；
(4)干扰区域订正：利用自然地表发射辐射在各通道观测之间的高度相关性，通过线性拟合关系订正受到无线电频率干扰的通道的观测值，通过下式计算受干扰通道的预期亮温值Tb[i]，对i通道中受无线电频率干扰区域进行订正，定量给出订正后亮温的分布；
Figure BDA0001849287110000033
式中,i代表受到无线电频率干扰的通道的通道号，j代表所有通道的通道号，a0[i]是常数项，aj[i]是应用于每个通道j以计算i通道亮温值的线性拟合系数，对应于感兴趣的信道的系数等于0，即aj[i]＝0，具有相同中心频率但不同极化的通道的系数也设为零；
(5)信息分析和显示：按常规方法，对上述各部分的输出信息进行判断、标记、处理、显示和存储。
所述步骤(1)中水平和垂直极化通道的观测亮温数值的异常高值一般是指大于300K的亮温数值。
所述步骤(5)的信息分析和显示具体包括不同通道观测亮温、对识别出的无线电频率干扰影响区域进行标记和显示、无线电频率干扰强度显示、无线电频率干扰订正后亮温的空间分布等，同时对各部分的处理结果信息和图像进行存储。
本发明方法是从频谱差异法定义的RI指数进行扩展而提出的。陆地和海洋的广义无线电频率干扰检测方法是一种通用方法，这种通用方法使用辐射计所有通道来计算通道与给定通道的预期亮温的偏差。由于地面辐射测量中的无线电频率干扰会产生人为的高值测量结果，这通常与地球的自然光谱变化特性不一致。通过“频谱差异”方法，将感兴趣的信道与相同极化的相邻信道进行比较，并将该差异值定义为RI指数，由于两个频道之间的巨大差异表明由人为活动产生，因而通过RI指数就可以有效检测出陆地上的无线电频率干扰。通常，频谱差异法对于大约15K以上的无线电频率干扰是可靠的。在海洋上，虽然不能使用频谱差异法，但仍然可以通过比较海洋测量结果与使用辐射传输模型的模型拟合来检测无线电频率干扰，这种“模型差异”方法可以通过用其他无辐射污染测量通道的线性组合代替辐射传输模型来近似。“频谱差值”和“模型差值”方法均依赖于其他辐射测量信道与感兴趣信道充分相关的假设，使得其他信道可成功用于表示该信道的未受干扰观测值。
本发明用一个通用的检测方法检测不同地球表面类型(无积雪覆盖地表、积雪覆盖表面、冰盖表面、洋面)不同微波传感器观测资料中的无线电频率干扰信号，可以量化检测出的无线电频率干扰信号的强度。用广义RI指数检测出微波亮温数据中存在的无线电频率干扰信号，方法简单，计算量小，适用性好，适用于所有目前使用的星载微波辐射计低频通道的无线电频率干扰识别和订正，如ASMR-E、WindSat、MWRI、AMSR2等类似的仪器。针对不同表面类型、不同微波传感器，订正受干扰微波观测资料，使卫星微波资料同化中因误差较大而被剔除的数据重新得到使用，提高星载微波资料在资料同化和数值天气预报中的利用率，有较高的应用价值和良好的应用前景。
附图说明
图1是本发明方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步详尽描述，实施例中未注明的技术均为现有技术。
实施例1：如图1所示，本适用于被动微波资料频率干扰的广义RI指数检测及订正方法包括数据读取、地球表面分类、数据检测、干扰区域订正、信息分析和显示五个步骤。其中，数据读取部分负责对星载微波辐射计观测数据进行读取，并进行通道分离处理；地球表面分类部分负责对全球的微波亮温数据进行分组，按无积雪覆盖陆地表面、冰雪覆盖表面和海洋表面分类；检测部分负责计算广义RI指数，根据RI指数的数值大小检测出地球表面的无线电频率干扰信号的分布，并确定强度；订正部分负责计算受干扰通道的预期亮温值，定量给出订正后亮温的分布；信息分析和显示部分负责对上述各部分的输出信息进行判断、标记、处理、显示和存储。具体步骤包括：
(1)数据读取：对星载微波辐射计观测数据进行读取，从星载微波辐射计观测的HDF数据格式文件中读取所有通道的亮温观测值，进行通道分离后，定量显示每个通道观测的亮温空间分布。由于目前的星载微波辐射计资料的无线电频率干扰主要出现在C波段和X波段通道，分别判断6.9GHz水平和垂直极化通道、7.3GHz水平和垂直极化通道、10.7GHz水平和垂直极化通道以及18.7GHz水平和垂直极化通道观测亮温数值是否存在异常高值(大于300K)的视场，如果没有，则初步判断该通道观测没有被干扰，如果有异常高值区，初步判断该通道观测有可能被污染。
(2)地球表面分类：对全球的微波亮温数据进行分组，首先用LandSeaMask数据海陆分布掩码对微波辐射计亮温数据进行分组，分成陆地表面和海洋表面两大类；再用以下两个有散射敏感性的谱差指数(Zou et al，2012)来识别冰或雪表面，把陆地表面分成无积雪覆盖陆地表面和冰雪覆盖陆地表面，把海洋面分成无冰雪覆盖海洋表面和冰雪覆盖海洋表面：
TB89H-TB18H≥10K，
TB89V-TB18V≥10K；
式中，H代表水平极化，V代表垂直极化，TB89H、TB18H分别代表89.0GHz和18.7GHz水平极化通道的亮温值，TB89V、TB18V分别代表89.0GHz和18.7GHz垂直极化通道的亮温值，满足该式条件的为冰雪覆盖陆地表面或海洋表面；
然后，针对不同地球表面类型(冰雪覆盖地表和无冰雪陆面、冰雪覆盖海洋表面和无冰雪覆盖海洋表面)，把全球微波亮温观测值分组；
(3)数据检测，首先，通过下式计算每组中微波亮温值的散射指数SI，将SI数值大于10K的相应像元判定为降水像元予以剔除，即剔除每组中包含自然云、降水等气象要素的像素点：
Figure BDA0001849287110000061
式中，V表示垂直极化，系数a、b、c和d由无云情况下的SSM/I全球观测数据集导出，Tb19v、Tb22v、Tb85v分别代表19GHz、22GHz、85GHz垂直极化通道的微波亮温值；
由于包含自然的云、降水等气象要素的像素点会导致无线电频率干扰信号的误检测，所以先要剔除这些像素点。本方法沿用Wilheit等(2003)用于排除AMSR-E资料中受大气散射影响的像素的散射指数SI(Grody，1991)进行降水像元判别，鉴于常用的微波辐射计都有与19V、22V、85V相近的通道，故有
Figure BDA0001849287110000062
当SI数值大于10K时便将相应的像元判定为降水像元将其剔除。
然后，分别在无积雪覆盖陆地表面、冰雪覆盖陆地表面、无冰雪覆盖海洋表面和冰雪覆盖海洋表面的数据范围内，计算所有其他通道相对于感兴趣通道的经验拟合系数；再计算给定通道与其他辐射计通道的预期亮温值的偏差，并将该偏差定义为“广义RI指数”；
鉴于发现二次项不会显著改善标准偏差，采用线性拟合方式，将“广义RI指数”ΔTb[i]写为：
Figure BDA0001849287110000063
式中,i代表受到无线电频率干扰的通道的通道号，j代表除i通道以外所有通道的通道号；系数定义如下：a0[i]是常数项，aj[i]是应用于每个通道j以计算i通道亮温值的线性拟合系数。
该式中其他通道的线性组合倾向于检测出感兴趣的信道的亮温受到的无线电频率干扰，目前的星载微波辐射计资料的无线电频率干扰主要出现在C波段和X波段通道，以Kelvins为单位表示的ΔTb[i]的大的正值通常对应于来自无线电频率干扰的非自然发射。
最后，根据广义RI指数的数值大小，量化频率干扰信号的强度，并检测出地球表面的无线电频率干扰信号的分布；
(4)干扰区域订正：由于自然地表发射辐射在各通道观测之间的高度相关性，分别在无积雪陆表、冰雪表面和洋面的数据范围内，利用线性拟合关系订正受到无线电频率干扰的通道的观测值，通过下式计算受干扰通道的预期亮温值Tb[i]，对i通道中受无线电频率干扰区域进行订正，定量给出订正后亮温的分布：
Figure BDA0001849287110000071
式中,i代表受到无线电频率干扰的通道的通道号，j代表所有通道的通道号。系数定义如下：a0[i]是常数项，aj[i]是应用于每个通道j以计算i通道亮温值的线性拟合系数。而且，对应于感兴趣的信道的系数等于0，即aj[i]＝0，具有相同中心频率但不同极化的通道的系数也设为零。
(5)信息分析和显示：按常规方法，对上述各部分的输出信息进行判断、标记、处理、显示和存储，内容包括：不同通道观测亮温、对识别出的无线电频率干扰影响区域进行标记和显示、无线电频率干扰强度显示、无线电频率干扰订正后亮温的空间分布等；同时对各部分的处理结果信息和图像进行存储。
上面结合附图对本发明的技术内容作了说明，但本发明的保护范围并不限于所述内容，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下对本发明的技术内容做出各种变化，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种适用于被动微波资料的广义RI指数频率干扰检测及订正方法，其特征在于：包括数据读取、地球表面分类、数据检测、干扰区域订正、信息分析和显示五个步骤；数据读取是对星载微波辐射计观测数据进行读取，并进行通道分离处理；地球表面分类是对全球的微波亮温数据进行分组，按无积雪覆盖陆地表面、冰雪覆盖表面和海洋表面分类；数据检测是对分组的微波亮温数据计算广义RI指数，根据RI指数的数值大小检测出地球表面的无线电频率干扰信号的分布，并确定干扰信号的强度；干扰区域订正是计算受干扰通道的预期亮温值，定量给出订正后亮温的分布；信息分析和显示是对数据读取、地球表面分类、数据检测、干扰区域订正的输出信息进行判断、标记、处理、显示和存储。
2.根据权利要求1所述的适用于被动微波资料的广义RI指数频率干扰检测及订正方法，其特征在于：所述检测及订正方法的具体步骤包括：
（1）数据读取：从星载微波辐射计观测的HDF数据格式文件中读取所有通道的亮温观测值，进行通道分离后，定量显示每个通道观测的亮温空间分布；分别判断6.9 GHz水平和垂直极化通道、7.3 GHz水平和垂直极化通道、10.7 GHz水平和垂直极化通道、18.7 GHz水平和垂直极化通道的观测亮温数值是否存在异常高值的视场，若没有则初步判断该通道观测没有被干扰，若有异常高值区则初步判断该通道观测有可能被污染；
（2）地球表面分类：对全球的微波亮温数据进行分组，首先用海陆分布掩码对微波辐射计亮温数据进行分组，分成陆地表面和海洋表面两大类；再用以下两个有散射敏感性的谱差指数来识别冰或雪表面，把陆地表面分成无积雪覆盖陆地表面和冰雪覆盖陆地表面，把海洋面分成无冰雪覆盖海洋表面和冰雪覆盖海洋表面：
Figure 446562DEST_PATH_IMAGE001
式中，H代表水平极化，V代表垂直极化，
Figure 11597DEST_PATH_IMAGE002
分别代表89.0 GHz和18.7 GHz水平极化通道的亮温值，
Figure 372172DEST_PATH_IMAGE003
分别代表89.0 GHz和18.7 GHz垂直极化通道的亮温值，满足
Figure 696974DEST_PATH_IMAGE004
和
Figure 66775DEST_PATH_IMAGE005
式中条件的为冰雪覆盖陆地表面或海洋表面；
然后，针对不同地球表面类型，把全球微波亮温观测值分组；
（3）数据检测：首先，通过下式计算每组中微波亮温值的散射指数
Figure 895054DEST_PATH_IMAGE006
，将
Figure 692109DEST_PATH_IMAGE006
数值大于10K的相应像元判定为降水像元予以剔除：
Figure 238627DEST_PATH_IMAGE007
式中，V表示垂直极化，系数a、b、c和d由无云情况下的SSM/I全球观测数据集导出，
Figure 848338DEST_PATH_IMAGE008
分别代表19 GHz、22 GHz、85 GHz垂直极化通道的微波亮温值；
然后，分别在无积雪覆盖陆地表面、冰雪覆盖陆地表面、无冰雪覆盖海洋表面和冰雪覆盖海洋表面的每一组数据范围内，计算所有其他通道相对于感兴趣通道的经验拟合系数；再按下式计算给定通道与其他辐射计通道的预期亮温值的偏差，并将该偏差定义为广义RI指数
Figure 859019DEST_PATH_IMAGE009
Figure 30238DEST_PATH_IMAGE010
式中, i代表受到无线电频率干扰的通道的通道号，j代表除i通道以外所有通道的通道号，
Figure 126370DEST_PATH_IMAGE011
是常数项，
Figure 510078DEST_PATH_IMAGE011
是应用于每个通道j以计算i通道亮温值的线性拟合系数；
最后，根据广义RI指数的数值大小，量化频率干扰信号的强度，并检测出地球表面的无线电频率干扰信号的分布；
（4）干扰区域订正：利用自然地表发射辐射在各通道观测之间的高度相关性，通过线性拟合关系订正受到无线电频率干扰的通道的观测值，通过下式计算受干扰通道的预期亮温值
Figure 312949DEST_PATH_IMAGE012
，对i通道中受无线电频率干扰区域进行订正，并定量给出订正后亮温的分布；
Figure 451806DEST_PATH_IMAGE013
式中，i代表受到无线电频率干扰的通道的通道号，j代表所有通道的通道号，
Figure 474382DEST_PATH_IMAGE014
是常数项，
Figure 724098DEST_PATH_IMAGE015
是应用于每个通道j以计算i通道亮温值的线性拟合系数，对应于感兴趣的信道的系数等于0，具有相同中心频率但不同极化的通道的系数也设为零；
（5）信息分析和显示：对上述各步骤的输出信息进行判断、标记、处理、显示和存储。
3.根据权利要求2所述的适用于被动微波资料的广义RI指数频率干扰检测及订正方法，其特征在于：所述步骤（1）中水平和垂直极化通道的观测亮温数值的异常高值是指大于300K的亮温数值。
4.根据权利要求2所述的适用于被动微波资料的广义RI指数频率干扰检测及订正方法，其特征在于：所述步骤（5）的信息分析和显示具体包括：不同通道观测亮温、对识别出的无线电频率干扰影响区域进行标记和显示、无线电频率干扰强度显示、无线电频率干扰订正后亮温的空间分布，同时对各部分的处理结果信息和图像进行存储。
CN201811287006.6A 2018-10-31 2018-10-31 一种适用于被动微波资料的广义ri指数频率干扰检测及订正方法 Active CN109470364B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811287006.6A CN109470364B (zh) 2018-10-31 2018-10-31 一种适用于被动微波资料的广义ri指数频率干扰检测及订正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811287006.6A CN109470364B (zh) 2018-10-31 2018-10-31 一种适用于被动微波资料的广义ri指数频率干扰检测及订正方法

Publications (2)

Publication Number Publication Date
CN109470364A CN109470364A (zh) 2019-03-15
CN109470364B true CN109470364B (zh) 2020-12-08

Family

ID=65666237

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811287006.6A Active CN109470364B (zh) 2018-10-31 2018-10-31 一种适用于被动微波资料的广义ri指数频率干扰检测及订正方法

Country Status (1)

Country Link
CN (1) CN109470364B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113985489B (zh) * 2021-12-29 2022-04-12 中南大学 一种获取地球表面微波介电常数场的方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5917446A (en) * 1995-11-08 1999-06-29 The Charles Stark Draper Laboratory, Inc. Radio-wave reception system using inertial data in the receiver beamforming operation
CN102656883A (zh) * 2009-06-23 2012-09-05 森特拉斯股份有限公司 视频监视系统
CN104933447A (zh) * 2015-06-08 2015-09-23 南京信息工程大学 星载微波辐射计观测无线电频率干扰识别和订正系统
CN104933235A (zh) * 2015-06-04 2015-09-23 南京信息工程大学 一种融合近海多颗卫星海表高度异常数据的方法
EP2660623B1 (en) * 2012-09-03 2016-02-03 Institute of Electronics, Chinese Academy of Sciences Imaging method and device in SAB mobile bistatic SAR
CN106768393A (zh) * 2015-11-20 2017-05-31 北京大学 基于Landsat 8数据的海表温度反演方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8462624B2 (en) * 2005-07-28 2013-06-11 Riverbed Technologies, Inc. Congestion management over lossy network connections

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5917446A (en) * 1995-11-08 1999-06-29 The Charles Stark Draper Laboratory, Inc. Radio-wave reception system using inertial data in the receiver beamforming operation
CN102656883A (zh) * 2009-06-23 2012-09-05 森特拉斯股份有限公司 视频监视系统
EP2660623B1 (en) * 2012-09-03 2016-02-03 Institute of Electronics, Chinese Academy of Sciences Imaging method and device in SAB mobile bistatic SAR
CN104933235A (zh) * 2015-06-04 2015-09-23 南京信息工程大学 一种融合近海多颗卫星海表高度异常数据的方法
CN104933447A (zh) * 2015-06-08 2015-09-23 南京信息工程大学 星载微波辐射计观测无线电频率干扰识别和订正系统
CN106768393A (zh) * 2015-11-20 2017-05-31 北京大学 基于Landsat 8数据的海表温度反演方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
" A Preliminary Survey of Radio-Frequency Interference Over the U.S. in Aqua AMSR-E Data";Li, Li等;《 IEEE Transactions on Geoscience and Remote Sensing》;20041231;全文 *
"A probability distribution method for detecting radio-frequency interference in WindSat observations";Truesdale D;《 IEEE Transactions on Geoscience and Remote Sensing》;20131231;全文 *
"Applications of an AMSR-E RFI Detection and Correction Algorithm in 1-DVAR over Land";吴莹 等;《Journal of Meteorological Research》;20141231;全文 *
"Detection of radio-frequency interference signals from AMSR-E data over the United States with snow cover";Feng C C 等;《Frontiers of Earth Science》;20161231;全文 *
"机载微波辐射计亮温数据中RFI识别方法研究";王婉 等;《高原气象》;20180828;全文 *

Also Published As

Publication number Publication date
CN109470364A (zh) 2019-03-15

Similar Documents

Publication Publication Date Title
CN109581372B (zh) 一种生态环境遥感监测方法
Paţilea et al. Combined SMAP–SMOS thin sea ice thickness retrieval
Xie et al. Calculating NDVI for Landsat7-ETM data after atmospheric correction using 6S model: A case study in Zhangye city, China
Lawrence et al. An evaluation of FY-3C MWHS-2 at ECMWF
Anagnostou et al. A satellite infrared technique for diurnal rainfall variability studies
KR20170009570A (ko) 인공위성을 이용한 육상지역의 강수량추정시스템 및 이를 이용한 강수량추정방법
CN105092575A (zh) 评估沙尘暴强度的方法和装置
Guilloteau et al. Beyond the pixel: Using patterns and multiscale spatial information to improve the retrieval of precipitation from spaceborne passive microwave imagers
Garkusha et al. Using Sentinel-1 data for monitoring of soil moisture
CN109470364B (zh) 一种适用于被动微波资料的广义ri指数频率干扰检测及订正方法
CN116664947A (zh) 一种基于卫星观测数据的蓝藻水华监测方法及系统
CN104933447A (zh) 星载微波辐射计观测无线电频率干扰识别和订正系统
CN112924967B (zh) 一种基于雷达和光学数据组合特征的农作物倒伏遥感监测方法与应用
KR100740347B1 (ko) 6.7 마이크로 채널을 이용한 구름상 추정 방법
Kida et al. Improvement of rain/no-rain classification methods for microwave radiometer observations over the ocean using a 37 GHz emission signature
Bréon et al. Calibration of the Meteosat water vapor channel using collocated NOAA/HIRS 12 measurements
Varma et al. Use of TRMM precipitation radar to address the problem of rain detection over the oceans in passive microwave measurements
Similä et al. Modeled sea ice thickness enhanced by remote sensing data
Di Tomaso et al. Assimilation of ATOVS radiances at ECMWF: Second year EUMETSAT fellowship report
CN110705089B (zh) 一种细模态气溶胶参数反演方法
CN109001161B (zh) 一种基于偏振图像的污染云分类识别方法
Heygster et al. AMSR-E geolocation and validation of sea ice concentrations based on 89GHz data
KR101948706B1 (ko) 히마와리 8호 ahi 센서를 이용한 대기상단 광대역 알베도 산출 방법
Cadau et al. Improved MSG-SEVIRI images cloud masking and evaluation of its impact on the fire detection methods
Roebeling et al. Validation of rain rate retrievals from SEVIRI using weather radar observations

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: 210044 No. 219 Ningliu Road, Jiangbei New District, Nanjing City, Jiangsu Province

Applicant after: Nanjing University of Information Science and Technology

Address before: 211500 Yuting Square, 59 Wangqiao Road, Liuhe District, Nanjing City, Jiangsu Province

Applicant before: Nanjing University of Information Science and Technology

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant