CN110991087A - 一种基于多入射角组网sar卫星数据的风场反演方法及系统 - Google Patents
一种基于多入射角组网sar卫星数据的风场反演方法及系统 Download PDFInfo
- Publication number
- CN110991087A CN110991087A CN201911350711.0A CN201911350711A CN110991087A CN 110991087 A CN110991087 A CN 110991087A CN 201911350711 A CN201911350711 A CN 201911350711A CN 110991087 A CN110991087 A CN 110991087A
- Authority
- CN
- China
- Prior art keywords
- inversion
- wind
- wind field
- incidence
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000006855 networking Effects 0.000 title claims abstract description 35
- 238000004088 simulation Methods 0.000 claims abstract description 56
- 230000006870 function Effects 0.000 claims description 35
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 6
- 230000006872 improvement Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提出了一种基于多入射角组网SAR卫星数据的风场反演方法及系统，通过数值模拟的方式获取了三颗星载SAR同时以不同的入射角对同一海域进行观测的仿真数据，优化了地球物理模型函数以使其适用于SAR仿真数据，建立多入射角风场反演模型，对组网SAR卫星数据进行风场反演，实现风速与风向信息的高分辨率同步准确反演。通过组网SAR卫星工作模式并模拟了数据，增加卫星的数量可以提高SAR数据的时间分辨率，可以获取同一时刻以不同入射角对同一海域观测的数据，使风速反演与风向反演可以同步进行，使反演的风向不存在180°模糊，使SAR的风速反演不需要输入风向数据，使SAR的风场反演更加独立。
Description
技术领域
本公开涉及风场反演相关技术领域，具体的说，是涉及一种基于多入射角组网SAR卫星数据的风场反演方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。
我国80％以上的对外贸易和90％以上的石油等战略性物资均须通过海峡通道和战略支点运输和转运，战略通道与战略支点的海洋环境安全保障涉及国家经济、军事和能源运输安全等重大战略问题，在国家发展战略中占据极为重要的位置。海洋环境数值预报是海洋环境安全保障的重要内容，战略通道与战略支点海域水深地形与岸线复杂、海面风场和海浪等海况条件变化较快，战略通道海域潮流作用显著。海面风场是海洋上层运动的主要动力来源，与海洋中多数的物理过程密切相关，在海洋动力学中，它不仅是形成海面波浪的直接动力，而且是区域和全球海洋环流的重要动力来源，快速准确地获取海面风场信息，有助于对海洋环境变化做出更科学地判断和预报。卫星遥感是当前海上战略通道和战略支点信息获取的主要手段，但是海上战略通道和战略支点多位于低纬度区域，卫星遥感在低纬度区域的时间分辨率很低，无法实现高频率监测，当前的海洋风场数据和产品无法满足海上战略通道和战略支点的实际需求，因此提高海上战略通道和战略支点的风场数据获取能力，发展海洋风场信息精细提取技术具有重要意义。
目前，国内外已有的海面信息获取方式主要有：船只、浮标、散射计、合成孔径雷达。船只、浮标的观测范围局限且是单点分布，由于维护成本较高，无法实现大范围观测。散射计是比较成熟的风场信息观测方式，覆盖面广，已实现业务化使用，但是其空间分辨率较低且近海岸风场反演的精度较差。星载合成孔径雷达可以实现全天候、全天时观测，具有高的空间分辨率(数米至数十米)，弥补了散射计的不足，是目前乃至未来实现海面风场大范围观测的主要手段。目前大部分基于合成孔径雷达数据的风速反演与风向反演是分开进行的，风速反演的主要方法是使用地球物理模型函数，使用该模型函数时需要输入风向数据，风速反演的精度受风向信息精度的影响。目前用于SAR数据的风向反演方法是基于风条纹信息的，反演结果存在180°模糊，且40％左右的SAR图像不存在风条纹，该方法应用于海面风场反演存在较大的局限性。
以上方法是目前SAR风场反演中比较成熟的方法，由于风速反演与风向反演是分开进行的，故海面风场信息的反演效率与精度不高。风速与风向同步反演的方法是一种新的风场反演研究思路，但是在确定最终解时依赖外部风向信息，反演的空间分辨率比较低。同时，目前的星载SAR是单独运行的，不同卫星之间没有联系，单颗星载SAR受重访周期的限制，SAR再次观测同一海域的时间间隔较长，导致数据的时间分辨率较低，无法满足风场信息提取的时效性要求。
发明内容
本公开为了解决上述问题，提出了一种基于多入射角组网SAR卫星数据的风场反演方法及系统，通过数值模拟的方式获取了三颗星载SAR同时以不同的入射角对同一海域进行观测的仿真数据，优化了地球物理模型函数以使其适用于SAR仿真数据，建立多入射角风场反演模型，对组网SAR卫星数据进行风场反演，实现风速与风向信息的高分辨率同步准确反演。
为了实现上述目的，本公开采用如下技术方案：
一个或多个实施例提供了一种基于多入射角组网SAR卫星数据的风场反演方法，包括如下步骤：
获取组网SAR卫星以不同入射角监测的待测海域的风场仿真数据；
建立的仿真数据样本集，根据仿真数据样本集拟合获得实际风速与反演风速之间的非线性关系，根据拟合获得的非线性关系优化地球物理模型函数，建立多入射角风场反演模型；
将获取的待测海域的风场仿真数据输入至多入射角风场反演模型进行风场反演，获得待测海域的反演风速和风向。
一个或多个实施例提供了一种基于多入射角组网SAR卫星数据的风场反演系统，包括：
数据获取模块：用于获取组网SAR卫星以不同入射角监测的待测海域的风场仿真数据；
模型建立模块：用于建立的仿真数据样本集，根据仿真数据样本集拟合获得实际风速与反演风速之间的非线性关系，根据拟合获得的非线性关系优化地球物理模型函数，建立多入射角风场反演模型；
反演模块：用于将获取的待测海域的风场仿真数据输入至多入射角风场反演模型进行风场反演，获得待测海域的反演风速和风向。
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权上述方法所述的步骤。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法所述的步骤。
与现有技术相比，本公开的有益效果为：
(1)本公开通过数值模拟的方式获取了三颗星载SAR同时以不同的入射角对同一海域进行观测的仿真数据，优化了地球物理模型函数以使其适用于SAR仿真数据，建立多入射角风场反演模型，对组网SAR卫星数据进行风场反演，实现风速与风向信息的高分辨率同步准确反演。
(2)提出的多入射角风场反演模型，可以同时计算海面的风速与风向信息，使SAR的风场反演不依赖外部数据，是一种参数化的模型，模型的普适性好，计算效率高，具有较高的空间分辨率，适用于各种海况，可以为未来组网SAR卫星数据的应用提供参考。
(3)本公开通过组网SAR卫星工作模式并模拟了数据，增加卫星的数量可以提高SAR数据的时间分辨率，可以获取同一时刻以不同入射角对同一海域观测的数据，使风速反演与风向反演可以同步进行，使反演的风向不存在180°模糊，使SAR的风速反演不需要输入风向数据，使SAR的风场反演更加独立。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的限定。
图1是本公开实施例1的反演方法流程图；
图2是本公开实施例1的仿真示例采用本公开的反演模型进行风场反演的效果图；
图3(a)是本公开实施例1的仿真示例采用改进前的地球物理模型函数并且SAR卫星入射角度为26°进行风场反演的效果图；
图3(b)是本公开实施例1的仿真示例采用改进前的地球物理模型函数并且SAR卫星入射角度为30°进行风场反演的效果图；
图3(c)是本公开实施例1的仿真示例采用改进前的地球物理模型函数并且SAR卫星入射角度为45°进行风场反演的效果图；
图3(d)是本公开实施例1的仿真示例采用改进前的地球物理模型函数并且SAR卫星入射角度为60°进行风场反演的效果图。
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是，在不冲突的情况下，本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
在一个或多个实施方式中公开的技术方案中，如图1所示，一种基于多入射角组网SAR卫星数据的风场反演方法，包括如下步骤：
步骤1、获取组网SAR卫星以不同入射角监测的待测海域的风场仿真数据；
步骤2、建立的仿真数据样本集，根据仿真数据样本集拟合获得实际风速与反演风速之间的非线性关系，根据拟合获得的非线性关系优化地球物理模型函数，建立多入射角风场反演模型；
步骤3、将获取的待测海域的风场数据输入至多入射角风场反演模型进行风场反演，获得待测海域的反演风速和风向。
步骤1中风场仿真数据和步骤2中的仿真数据样本集可以实行组网SAR卫星工作模式获取仿真数据，可选的，风场仿真数据和仿真数据样本集采用数值模拟方法获取。优选的，SAR卫星的入射角大于26°。
组网SAR卫星模式是一种使多颗SAR卫星相互联系配合的工作模式，增加卫星的数量可以提高SAR数据的时间分辨率，可以获取同一时刻以不同入射角对同一海域观测的数据。
通过采用多入射角的多SAR数据将地球物理模型函数优化，建立了一种适用于多入射角组网SAR数据的风场反演方法，使风速反演与风向反演可以同步进行，使反演的风向不存在180°模糊，使SAR的风速反演不需要输入风向数据，使SAR的风场反演更加独立。
步骤2中，地球物理模型CMOD5.N的模型为：
σ0＝B0(1+B1cosφ+B2cos2φ)1.6 (1)
其中，σ0为后向散射系数，φ为相对风向角即风向与SAR视向的夹角，B1，B1和B2为风速V和入射角θ的函数。
根据仿真数据拟合获得实际风速与反演风速之间的非线性关系，根据拟合获得的非线性关系优化地球物理模型函数，建立多入射角风场反演模型的方法，可以包括如下步骤：
21、构造实际风速与反演风速之间的非线性关系函数。
可以构造如下的非线性关系函数：
其中，ai和C是非线性关系函数的系数，Vr是采用地球物理模型函数对SAR仿真数据进行反演的反演风速，Va是实际风速。
22、采用组网SAR卫星工作模式获取组网的星载SAR同时以不同的入射角对同一海域进行观测的风场仿真数据以及实际风速数据，作为仿真数据样本集；
风场仿真数据可以利用数值模拟的方式获取入射角为20-60°、风速为1-30m/s、风向为0-360°的SAR仿真数据集。
23、根据仿真数据样本集，采用最小二乘法进行多项式的拟合，获得非线性关系函数的系数，根据非线性关系优化地球物理模型函数建立多入射角风场反演模型。
具体的，可以为使用地球物理模型函数对SAR仿真数据集中的每个数据进行反演，将反演风速Vr数据集作为非线性关系函数输入，将对应的实际风速Va数据集作为输出，采用最小二乘法进行多项式的拟合，获取实际风速与反演风速之间的三阶非线性关系，将拟合的关系加入地球物理模型函数即可获得适用于SAR仿真数据的风速反演模型。
建立适用于组网SAR卫星数据的多入射角风场反演模型，可以为一个代价函数，如下：
其中，
是使用优化的地球物理模型计算得到的后向散射系数，
是对SAR图像进行辐射定标得到的后向散射系数，Φ1、Φ2、Φ3为相对风向角即风向与SAR卫星视向的夹角，θ1、θ2、θ3为SAR卫星观测海面时的入射角。当代价函数接近0时，说明σm与σ0的值基本相同，此时对应的风速与风向即为风场反演的解。
步骤3中，将获取的待测海域的风场数据输入至多入射角风场反演模型进行风场反演，风场反演结果为多组解，在获得待测海域的反演风速和风向时，引入参考风向信息确定风场反演的唯一解。
优选的，可以选用海浪方向作为参考风向，确定风场反演的唯一解。海浪由风浪和涌浪组成，风浪是区域风直接作用下形成的海浪，从生成开始不断成长。当海面的海浪为风浪时，海浪方向代表风向是可行的。选用海浪方向作为参考风向确定风场反演的唯一解使得SAR的风场反演不依赖风向信息。
为了验证基于多入射角组网SAR卫星数据建立的风场反演模型进行风场反演方法的准确性，进行了对比试验，具体如下：
采用本实施例的方法，使三颗SAR观测海面的入射角分别为31-40°、41-50°、51-60°，通过数值模拟获取了风向为45°，风速为0-30m/s的组网SAR卫星仿真数据，数据的分辨率为1km*1km。对每组数据进行了海浪谱反演并计算了对应的海浪方向，利用多入射角风场反演模型获取了风速、风向的反演结果并与实际的风速、风向数据进行了对比，风速对比结果如图2所示。通过验证得到：反演风速的均方根误差(RMSE)为0.6148m/s，相关系数(CC)为0.9977；反演风向的均方根误差(RMSE)为3.2146°，满足海面风场反演的精度要求。因此，本实施例建立的针对多入射角组网SAR卫星数据的风场反演方法可以满足海面风场反演的精度要求，能够实现风速与风向数据的同步反演，反演的分辨率高，使风场反演不依赖风向信息与外部数据。
直接使用优化前的地球物理模型函数对SAR仿真数据进行风场反演，反演风速与实际风速的对比图如图3(a)-3(d)所示，反演风速与实际风速相比，误差较大；并且当入射角大于26°时，反演风速的分布存在规律，并且基于此本实施例采用的入射角大于26°。
实施例2
本实施例提供一种基于多入射角组网SAR卫星数据的风场反演系统，包括：
数据获取模块：用于获取组网SAR卫星以不同入射角监测的待测海域的风场仿真数据；
模型建立模块：用于建立的仿真数据样本集，根据仿真数据样本集拟合获得实际风速与反演风速之间的非线性关系，根据拟合获得的非线性关系优化地球物理模型函数，建立多入射角风场反演模型；
反演模块：用于将获取的待测海域的风场仿真数据输入至多入射角风场反演模型进行风场反演，获得待测海域的反演风速和风向。
实施例3
本实施例提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1的方法所述的步骤。
实施例4
本实施例提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1的方法所述的步骤。
本公开所提出的电子设备可以是移动终端以及非移动终端，非移动终端包括台式计算机，移动终端包括智能手机(Smart Phone，如Android手机、IOS手机等)、智能眼镜、智能手表、智能手环、平板电脑、笔记本电脑、个人数字助理等可以进行无线通信的移动互联网设备。
应理解，在本公开中，该处理器可以是中央处理单元CPU，该处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本公开所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能的划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外一点，所显示或讨论的相互之间的耦合或者直接耦合或者通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种基于多入射角组网SAR卫星数据的风场反演方法，其特征是，包括如下步骤：
获取组网SAR卫星以不同入射角监测的待测海域的风场仿真数据；
建立的仿真数据样本集，根据仿真数据样本集拟合获得实际风速与反演风速之间的非线性关系，根据拟合获得的非线性关系优化地球物理模型函数，建立多入射角风场反演模型；
将获取的待测海域的风场仿真数据输入至多入射角风场反演模型进行风场反演，获得待测海域的反演风速和风向。
2.如权利要求1所述的一种基于多入射角组网SAR卫星数据的风场反演方法，其特征是：风场仿真数据和仿真数据样本集采用数值模拟方法获取。
3.如权利要求1所述的一种基于多入射角组网SAR卫星数据的风场反演方法，其特征是：获取数据的SAR卫星的入射角大于26°。
4.如权利要求1所述的一种基于多入射角组网SAR卫星数据的风场反演方法，其特征是：根据仿真数据拟合获得实际风速与反演风速之间的非线性关系，根据拟合获得的非线性关系优化地球物理模型函数，建立多入射角风场反演模型的方法，包括如下步骤：
构造实际风速与反演风速之间的非线性关系函数；
采用组网SAR卫星工作模式获取组网的星载SAR同时以不同的入射角对同一海域进行观测的风场仿真数据以及实际风速数据，作为数据样本集；
根据仿真数据样本集，采用最小二乘法进行多项式的拟合，获得非线性关系函数的系数，根据非线性关系优化地球物理模型函数建立多入射角风场反演模型。
5.如权利要求4所述的一种基于多入射角组网SAR卫星数据的风场反演方法，其特征是：非线性关系函数为：
其中，ai和C是非线性关系函数的系数，Vr是采用地球物理模型函数对SAR仿真数据进行反演的反演风速，Va是实际风速。
6.如权利要求1所述的一种基于多入射角组网SAR卫星数据的风场反演方法，其特征是：所述多入射角风场反演模型为：
其中，
是使用优化的地球物理模型计算得到的后向散射系数，
是对SAR图像进行辐射定标得到的后向散射系数，Φ1、Φ2、Φ3为相对风向角即风向与SAR卫星视向的夹角，θ1、θ2、θ3为SAR卫星观测海面时的入射角。
7.如权利要求1所述的一种基于多入射角组网SAR卫星数据的风场反演方法，其特征是：将获取的待测海域的风场数据输入至多入射角风场反演模型进行风场反演，风场反演结果为多组解，在获得待测海域的反演风速和风向时，选用海浪方向作为参考风向确定风场反演的唯一解。
8.一种基于多入射角组网SAR卫星数据的风场反演系统，其特征是，包括：
数据获取模块：用于获取组网SAR卫星以不同入射角监测的待测海域的风场仿真数据；
模型建立模块：用于建立的仿真数据样本集，根据仿真数据样本集拟合获得实际风速与反演风速之间的非线性关系，根据拟合获得的非线性关系优化地球物理模型函数，建立多入射角风场反演模型；
反演模块：用于将获取的待测海域的风场仿真数据输入至多入射角风场反演模型进行风场反演，获得待测海域的反演风速和风向。
9.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项方法所述的步骤。
10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项方法所述的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911350711.0A CN110991087B (zh) | 2019-12-24 | 2019-12-24 | 一种基于多入射角组网sar卫星数据的风场反演方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911350711.0A CN110991087B (zh) | 2019-12-24 | 2019-12-24 | 一种基于多入射角组网sar卫星数据的风场反演方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110991087A true CN110991087A (zh) | 2020-04-10 |
| CN110991087B CN110991087B (zh) | 2024-07-16 |
Family
ID=70076329
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911350711.0A Active CN110991087B (zh) | 2019-12-24 | 2019-12-24 | 一种基于多入射角组网sar卫星数据的风场反演方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110991087B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111862005A (zh) * | 2020-07-01 | 2020-10-30 | 自然资源部第二海洋研究所 | 一种利用合成雷达图像精准定位热带气旋中心的方法及系统 |
| CN112068133A (zh) * | 2020-08-05 | 2020-12-11 | 中国石油大学(华东) | 一种多模式微波遥感器散射计模式的系统模拟方法 |
| CN113156439A (zh) * | 2021-05-08 | 2021-07-23 | 中国石油大学(华东) | 一种基于数据驱动的sar风场海浪联合反演方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103698750A (zh) * | 2014-01-07 | 2014-04-02 | 国家卫星海洋应用中心 | 海洋二号卫星散射计海面风场反演方法和装置 |
| CN105844090A (zh) * | 2016-03-18 | 2016-08-10 | 国家卫星海洋应用中心 | 多参数分步海面盐度反演方法以及装置 |
-
2019
- 2019-12-24 CN CN201911350711.0A patent/CN110991087B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103698750A (zh) * | 2014-01-07 | 2014-04-02 | 国家卫星海洋应用中心 | 海洋二号卫星散射计海面风场反演方法和装置 |
| CN105844090A (zh) * | 2016-03-18 | 2016-08-10 | 国家卫星海洋应用中心 | 多参数分步海面盐度反演方法以及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 艾未华;严卫;赵现斌;刘文俊;马烁;: "C波段机载合成孔径雷达海面风场反演新方法", 物理学报, no. 06, 23 March 2013 (2013-03-23) * |
| 艾未华;陈冠宇;戈书睿;袁凌峰;赵现斌;: "双频共面合成孔径雷达海面风场反演", 遥感学报, no. 03, 25 May 2019 (2019-05-25) * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111862005A (zh) * | 2020-07-01 | 2020-10-30 | 自然资源部第二海洋研究所 | 一种利用合成雷达图像精准定位热带气旋中心的方法及系统 |
| CN111862005B (zh) * | 2020-07-01 | 2023-11-17 | 自然资源部第二海洋研究所 | 一种利用合成雷达图像精准定位热带气旋中心的方法及系统 |
| CN112068133A (zh) * | 2020-08-05 | 2020-12-11 | 中国石油大学(华东) | 一种多模式微波遥感器散射计模式的系统模拟方法 |
| CN113156439A (zh) * | 2021-05-08 | 2021-07-23 | 中国石油大学(华东) | 一种基于数据驱动的sar风场海浪联合反演方法及系统 |
| CN113156439B (zh) * | 2021-05-08 | 2022-08-30 | 中国石油大学(华东) | 一种基于数据驱动的sar风场海浪联合反演方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110991087B (zh) | 2024-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113534159B (zh) | 一种基于sar卫星遥感数据的海面风速反演方法及系统 | |
| CN110991087B (zh) | 一种基于多入射角组网sar卫星数据的风场反演方法及系统 | |
| CN103698750A (zh) | 海洋二号卫星散射计海面风场反演方法和装置 | |
| CN114239422B (zh) | 基于机器学习提高海洋叶绿素a浓度预报准确度的方法 | |
| CN110766795B (zh) | 一种三维星地链路密织网探测三维降雨场的方法及系统 | |
| CN104820250A (zh) | 一种极轨气象卫星virr海洋上云检测的处理方法 | |
| Yang et al. | Preliminary validation of ocean surface vector winds estimated from China’s HY-2A scatterometer | |
| Wu et al. | Recent progress on vegetation remote sensing using spaceborne GNSS-reflectometry | |
| Dai et al. | Exploration of discrepancy between radar and gauge rainfall estimates driven by wind fields | |
| Pugliano et al. | Statistical deviations in shoreline detection obtained with direct and remote observations | |
| CN102495943B (zh) | 地球物理模型建模方法 | |
| CN111079835A (zh) | 一种基于深度全连接网络的Himawari-8大气气溶胶反演方法 | |
| Yu et al. | Spaceborne GNSS reflectometry | |
| Lian et al. | A review on rainfall measurement based on commercial microwave links in wireless cellular networks | |
| Wang et al. | Comparison of satellite-estimated and model-forecasted rainfall data during a deadly debris-flow event in Zhouqu, Northwest China | |
| Díaz Méndez et al. | Wind and wave observations off the south Pacific Coast of Mexico using TerraSAR-X imagery | |
| Radkani et al. | Southern Caspian Sea wind speed retrieval from C-band Sentinel-1A SAR images | |
| Mundaca-Moraga et al. | A preliminary study of wave energy resource using an HF marine radar, application to an eastern Southern Pacific location: advantages and opportunities | |
| Zhu et al. | Comparisons of tidal currents in the Pearl River Estuary between high-frequency radar data and model simulations | |
| CN111951204B (zh) | 一种基于深度学习的天宫二号探测数据海面风速反演方法 | |
| CN111650128B (zh) | 一种基于地表反射率库的高分辨率大气气溶胶反演方法 | |
| Monahan | The Gaussian statistical predictability of wind speeds | |
| Zhao et al. | Research on the Method of Rainfall Field Retrieval Based on the Combination of Earth–Space Links and Horizontal Microwave Links | |
| CN113836731B (zh) | 陆表稳定目标大气层顶反射率模型的构建方法和装置 | |
| Chen et al. | A new method to retrieve significant wave height from X-band marine radar image sequences |
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 |