CN111563318B - 利用89GHz单频多入射角亮温差反演海冰密集度的方法及系统 - Google Patents
利用89GHz单频多入射角亮温差反演海冰密集度的方法及系统 Download PDFInfo
- Publication number
- CN111563318B CN111563318B CN202010294720.9A CN202010294720A CN111563318B CN 111563318 B CN111563318 B CN 111563318B CN 202010294720 A CN202010294720 A CN 202010294720A CN 111563318 B CN111563318 B CN 111563318B
- Authority
- CN
- China
- Prior art keywords
- sea ice
- sea
- incidence
- pure
- region
- 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种利用89GHz单频多入射角亮温差反演海冰密集度的方法及系统,所述方法包括:通过89GHz的天线,获取待反演区域的多入射角亮温差值;当入射角亮温差值大于晴空下纯水水域的系点值,则待反演区域的海冰密集度为0;当入射角亮温差值介于晴空下纯海冰区域的系点值与纯水水域的系点值之间,则通过纯海水区域和纯海冰区域之间的海冰密集度的三阶多项式,计算该入射角亮温差值对应的海冰密集度;当入射角亮温差值小于晴空下纯海冰区域的系点值,则待反演区域的海冰密集度为1。本发明的方法具有易实现且反演精度高的优点。
Description
技术领域
本发明涉及被动微波遥感领域以及北极冰冻圈探测领域,具体涉及利用89GHz单频多入射角亮温差反演海冰密集度的方法及系统。
背景技术
海冰的探测因为其高纬度、恶劣的气候等限制因素,无法直接进行探测。应用较多的是利用科考船以及潜水艇等,同时科学家们也建立了野外极地站点等来收集海冰数据。但这些方式都具有范围受限的局限性。因此,利用卫星载荷以及机载遥感设备成为探测北极海冰的主流方式。利用卫星探测可以进行大尺度观测。其中,光学遥感(可见光和红外卫星)因为极地上空多存在多云天气,无法提供详细连续的海冰覆盖信息。合成孔径雷达(SAR)可以获取全天候的海冰数据但是因为较窄的刈幅,对于数据的获取也有一定的限制,无法满足高时空分辨率的要求。因此被动微波辐射计因为其全天候,且能穿透云层的优势,被广泛应用于海冰探测中。
被动微波传感器是被动接受目标发出的微波辐射。物体对外可以发射低能微波辐射。其中,海冰与云层的辐射能力相差较大,因此微波辐射计可以穿透云层并检测海冰。由于目标依靠本身发出的微波辐射不依赖太阳,因此微波辐射计可以一天24h不间断正常工作。另外,目标物体发出的微波辐射只与自身的物理性质相关。海冰由于内部存在较多的晶体结构,其微波辐射能量相对周围的海水要多得多,因此,微波辐射计利用探测到的能量高低可以轻易地分辨出海冰与海水。但是微波辐射计也存在缺点。因为其利用是目标本身的微波辐射,所以能级相对于主动探测器非常低,因此它更适用于在大尺度上采集海冰数据,空间分辨率低,所以很多小尺度上的海水混合区域无法精准的探测。但是,由于它可以提供24h内所有区域的海冰信息,这些优势探测到的海冰数据依旧成为科学家研究极地海冰的最重要的研究数据,提供了巨大的帮助。但是如何提供被动辐射计的空间分辨率,成为目前研究热点。
无源微波辐射计已用于监测海冰近50年。1972年,美国国家海洋及大气管理局NOAA发射云雨5号卫星(Nimbus-5),其上面搭载的载荷电子扫描微波辐射计ESMR(Electrically Scanning Microwave Radiometer)是最早的应用于观测海冰的被动微波辐射计,频率为19.35GHz,单通道观测。1978年,美国国家航空航天局NASA发射的海洋卫星(Sea Sat)和云雨7号卫星(Nimbus-7),其上搭载的多通道微波扫描辐射计SMMR(ScanningMultichannel Microwave Radiometer)发射升空。SMMR具有多个频率通道,可以探测更多海冰信息,提供比ESMR更详细的海冰数据。1987年,SSM/I系列传感器分别搭载在DMSP-F8卫星、DMSP-F11卫星、DMSP-F13卫星以及DMSP-F17等卫星陆续上空。SSM/I系列传感器的探测频率从19.3GHz到91.7GHz,并且可以实现水平极化和垂直极化的双极化探测,相比SMMR,又增加了更多的海冰信息。2002年,NASA发射的Aqua卫星,其上搭载高级微波扫描辐射计AMSR-E(Advanced Microwave Scanning Radiometer for Earth Observing System),该载荷利用高频可以得到更高分辨率以及双极化的优势,获取更多的有效海冰信息,这是海冰探测的一大进步,其数据时间范围为2002年5月至2011年10月,目前也被广泛应用。由于AMSR-E后期无法正常工作,2012年5月,AMSR-E的替代载荷AMSR-2搭载在JAXA GCOM-W1卫星开始工作,提供了新的海冰高分辨率数据。
表1:SMMR、SSM/I、AMSR-E参数
目前已开发出广泛的利用微波遥感数据进行海冰密集度的反演算法,主要有三种,分别为NASA TEAM算法,Bootstrap算法,ASI(ARTIST Sea Ice algorithm)算法。
NASA TEAM算法主要使用的是SSM/I的19.4GHz和37GHz两个波段。其中19.4GHz利用的是双极化数据(V/H),37GHz利用垂直极化亮温数据。该算法引入两个变量:极化梯度率PR(Polarization Gradient Ratio)和光谱梯度率GR(Spectral Gradient Ratio)。后期改进的NASA-TEAM 2算法在NASA-TEAM算法的前提下,引入了85GHz双极化(V/H)亮温来改善空间分辨率。
Comiso和Sullivan提出的Bootstrap算法,主要原理是利用海冰发射率随频率的变化以及海冰不同物理特征来计算海冰密集度。但是该算法的不足之处在于Bootstrap算法只计算整体海冰。该算法假设:冬季时北极中心区域几乎都被完全的海冰覆盖。这种算法需要使用两个频段来分别计算南极与北极、一年冰与多年冰。
ASI算法(ARTIST Sea Ice algorithm),是在接近90GHz的波段下,基于Svendsen等人研究的海冰密集度反演算法。为了使SSM/I的85GHz的亮温数据得到更高的空间分辨率,诞生的ASI算法来对北极海冰边缘的大气边界层作中尺度数值模拟。该算法的优势在于不需要额外的数据输入。ASI算法引入变量极化差PD(Polarization Difference),利用海冰与海水的PD不在同一个数量级的差异来反演海冰密集度。但是在90GHz波段下,大气衰减严重,大气的衰减会降低海水极化差使其与海冰的极化差在同一个量级进而在区分海水与海冰时引入误差。所以该算法额外引入大气滤波器(Weather Filter),利用利用36.5GHz和18.7GHz频段的梯度率GR数据做大气影响修正。
目前国际组织针对以上微波探测器以及海冰密集度反演算法,已诞生多个海冰密集度产品,也产生不同的空间分辨率。如表2所示:
表2:海冰密集度产品
综上所述,目前国内外使用微波辐射计观测北极海冰的模式更多是利用双极化、多频段的方式,扫描方式为圆锥扫描(观测入射角通常固定在50°~60°左右)。其中使用低频段亮温进行大气校正,高频段提高空间分辨率成为目前最主要的反演方式。但是根据已有的反演SIC产品的算法结果仍存在一些问题:19.4GHz和37GHz等低频波段对SIC的敏感性均高于89GHz通道,但空间分辨率低于89GHz的6.25km,约为12~25km;89GHz虽满足分辨率的要求,但是在大气非晴空的状态下,大气影响不可忽略,需要额外引入大气滤波器进行低密集度区域的大气修正。针对以上问题,欧洲提出了哥白尼成像微波辐射计(CopernicusImaging Microwave Radiometry,CIMR)计划并进行预研,其科学目标主要为高纬度海冰密集度与全球海温测量,目标实现5km空间分辨率、5%不确定度的SIC探测,但是代价是6米口径大天线,覆盖C~Ka波段。
2009年11月欧洲成功发射的极地轨道SMOS卫星搭载国际首台星载二维综合孔径辐射计,工作频段为L波段(1.4GHz),为海冰的探测提供了一种新的方式。其主要地球探测任务为土壤湿度和海洋盐度,然而,由于其独特的扫描方式:随着卫星平台的运动,地面上的每个像元均可在连续的瞬时二维成像观测中获得多次不同入射角的重复测量,从而获取地面像元的多角度亮温信息,以及其低频的穿透性,能够穿透雪和海冰超过半米,补充了利用测高法求海冰厚度的不足,所以在海冰圈也获得了更多的重要应用。SMOS比现有的微波辐射计更具优势的是,它可以忽略大气亮温的贡献,因为如此低频率的辐射能量太少,不足以与大多数非磁性和非导电性材料发生强烈的相互作用,尤其是与大气层一样薄的材料,从而提供真正的全天候性能。
Peter Mills等人利用SMOS的多入射角观测的特性提出了一种简单的海冰密集度反演算法,并与AMSR-E/ASI的反演结果进行了比较,发现在多入射角下的亮温差可以轻松的辨别海冰与海水。Carolina Gabarro等人利用最大似然估计方法结合SMOS获得的海冰亮温,提出了一种海冰密集度反演算法,并尝试结合极化亮温差与角度亮温差进行SIC反演,发现它们最大限度地扩大了开放水域和海冰之间的差异,但是SMOS的缺点是空间分辨率在35km,并且在L波段无法区分一年冰与多年冰,这限制了它在海冰密集度产品方面的应用。
目前采用传统的观测海冰的模式仍存在一些问题需要解决:
(1).冰的辐射率受大气效应、海冰类型、积雪和分层、表面温度及湿度、表面粗糙度、冰盐水体积、空气泡等的影响较大。
(2).低频通道对冰浓度的敏感性均高于高频通道,但分辨率过低;在大气效应显著的情况下,高频通道对冰浓度的敏感性降低,但对大气状态更加敏感。
(3).对于卫星数据来说,含有开放水域的冰面上的小开口是无法解决的,而且由于开放水域的辐射率远低于冰面的辐射率,会降低海冰的辐射率。
(4).89GHz通道的一个缺点是大气云、液态水和水蒸气对亮度温度的显著影响。特别是在开放水域上空的气旋可以将极化差减小到与海冰相似的值。
发明内容
为了解决上述技术问题,本发明的实施例1提出了利用89GHz单频多入射角亮温差反演海冰密集度的方法,所述方法包括:
通过89GHz的天线,获取待反演区域的入射角亮温差值;
当入射角亮温差值大于晴空下纯水水域的系点值,则待反演区域的海冰密集度为0;
当入射角亮温差值介于晴空下纯海冰区域的系点值与纯水水域的系点值之间,则通过纯海水区域和纯海冰区域之间的海冰密集度的三阶多项式,计算该入射角差值对应的海冰密集度;
当入射角亮温差值小于晴空下纯海冰区域的系点值,则待反演区域的海冰密集度为1。
作为上述方法的一种改进,所述海冰密集度的三阶多项式为:
CT=d3AD3+d2AD2+d1AD+d0
其中,AD为入射角亮温差值,CT为海冰密集度,d0,d1,d2,d3为系数,通过下述线性方程组求解:
其中,b为参数,AD0和AD1分别为晴空下纯水水域和纯海冰区域的系点值。
作为上述方法的一种改进,所述晴空下纯水水域的系点值AD0为海水区域极化差的最小值;所述晴空下纯海冰区域的系点值AD1为海冰区域的极化差的最大值。
作为上述方法的一种改进,所述方法还包括:利用N个多入射角的亮温差值组合反演得到N个海冰密集度,进行加权平均处理后得到最终的海冰密集度;具体包括:
选取连续入射角间隔为N,由2N个入射角亮温差值反演得到2N个海冰密集度结果:
SIC(TB(θA)-TB(θB)),SIC[TB(θA-1)-TB(θB-1)],…,SIC[TB(θA-N)-TB(θB-N)],SIC(TB(θB)-TB(θA)),SIC[TB(θB-1)-TB(θA-1)],…,SIC[TB(θB-N)-TB(θA-N)]
其中,TB(θA)和TB(θB)为两个入射角的亮温值;
将上述2N个海冰密集度结果组成集合C:
C:{c1,c2,...,ci,ci+1,...,c2N}
在固定噪声下,将2N个海冰密集度的RMSE结果组成集合R:
R:{r1,r2,...,ri,ri+1,...,r2N}
计算集合R中前i项的加权平均值RWi:
其中,初始值RW1=r1;
计算集合C中前i项的加权平均值CWi:
其中,初始值CW1=c1;
则CW2N为最终反演得到的海冰密集度。
本发明的实施例2提供了利用89GHz单频多入射角亮温差反演海冰密集度的系统,所述系统包括:89GHz的天线、入射角差值获取模块和海冰密集度反演模块,
所述入射角差值获取模块,用于通过89GHz的天线,获取待反演区域的入射角亮温差值;
所述海冰密集度反演模块,用于当入射角亮温差值大于晴空下纯水水域的系点值,待反演区域的海冰密集度为0;当入射角亮温差值介于晴空下纯海冰区域的系点值与纯水水域的系点值之间,则通过纯海水区域和纯海冰区域之间的海冰密集度的三阶多项式,计算该入射角差值对应的海冰密集度;当入射角亮温差值小于晴空下纯海冰区域的系点值,待反演区域的海冰密集度为1。
作为上述系统的一种改进,所述海冰密集度的三阶多项式为:
CT=d3AD3+d2AD2+d1AD+d0
其中,AD为入射角亮温差值,CT为海冰密集度,d0,d1,d2,d3为系数,通过下述线性方程组求解:
其中,b为参数,AD0和AD1分别为晴空下纯水水域和纯海冰区域的系点值。
作为上述系统的一种改进,所述晴空下纯水水域的系点值AD0为海水区域极化差的最小值;所述晴空下纯海冰区域的系点值AD1为海冰区域的极化差的最大值。
作为上述系统的一种改进,所述系统还包括:加权平均模块,用于利用N个多入射角的亮温差值组合反演得到N个海冰密集度,进行加权平均处理后得到最终的海冰密集度;具体实现过程为:
选取连续入射角间隔为N,由2N个入射角亮温差值反演得到2N个海冰密集度结果:
SIC(TB(θA)-TB(θB)),SIC[TB(θA-1)-TB(θB-1)],…,SIC[TB(θA-N)-TB(θB-N)],SIC(TB(θB)-TB(θA)),SIC[TB(θB-1)-TB(θA-1)],…,SIC[TB(θB-N)-TB(θA-N)]
其中,TB(θA)和TB(θB)为两个入射角的亮温值;
将上述2N个海冰密集度结果组成集合C:
C:{c1,c2,...,ci,ci+1,...,c2N}
在固定噪声下,将2N个海冰密集度的RMSE结果组成集合R:
R:{r1,r2,...,ri,ri+1,...,r2N}
计算集合R中前i项的加权平均值RWi:
其中,初始值RW1=r1;
计算集合C中前i项的加权平均值CWi:
其中,初始值CW1=c1;
则CW2N为最终反演得到的海冰密集度。
本发明的优势在于:
1、本发明的方法具有易实现且反演精度高的优点;
2、本发明的方法利用连续角度组合,通过最小均方根误差的加权平均反演算法可以保证充分的利用所有入射角下的亮温信息来降低总体的反演误差,并且加权平均方法可以降低小入射角亮温带来的误差。
附图说明
图1为一维综合孔径微波辐射计的扇形波束在顺轨方向对目标场景进行多入射角观测的示意图;
图2为冰水混合区域示意图;
图3为纯水区域及一年冰区域的亮温仿真示意图;
图4为加入2K高斯白噪声后的一年冰、海水仿真亮温示意图;
图5为加入2K高斯白噪声后的冰水混合区域1仿真亮温示意图;
图6(a)为区域1(75N~79N,35E~45E)利用角度差A1(Black)、角度差A2(Red)、A3(Blue)得到反演SIC与仿真输入SIC在对应输入的高斯白噪声下的均方根误差(RMSE);
图6(b)为区域2(75N~79N,0W~10W)利用角度差A1(Black)、角度差A2(Red)、A3(Blue)得到反演SIC与仿真输入SIC在对应输入的高斯白噪声下的均方根误差(RMSE);
图7(a)为区域1(75N~79N,35E~45E)利用连续角度差S1(Black)、S2(Red)、S3(Blue)得到反演SIC与仿真输入SIC在对应输入的高斯白噪声下的均方根误差(RMSE);
图7(b)为区域2(75N~79N,0W~10W)利用连续角度差S1(Black)、S2(Red)、S3(Blue)得到反演SIC与仿真输入SIC在对应输入的高斯白噪声下的均方根误差(RMSE);
图8(a)为区域1(75N~79N,35E~45E)的反演SIC与仿真输入SIC的线性关系;其中,高斯白噪声为2K,连续角度差选择s3;
图8(b)为区域2(75N~79N,0W~10W)的反演SIC与仿真输入SIC的线性关系;其中,高斯白噪声为2K,连续角度差选择s3。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明。
实施例1
综合目前现有传感器及其SIC产品的优缺点,本发明提出利用综合孔径辐射计多角度观测的特性,利用89GHz单频亮温信息进行反演海冰密集度的设想。多角度观测亮温可通过类似SMOS的二维综合孔径体制实现,毫米波二维综合孔径系统目前在技术上已经较为成熟,其缺点在于所需单元天线数多、复杂度高,工程实现代价大。为简化系统、降低成本,多角度观测亮温同样可以通过一维综合孔径体制配合机械扫描实现。如图1所示,一维综合孔径微波辐射计的扇形波束在顺轨方向可以对目标场景进行多入射角观测,对于同一个像元其入射角可以在-55°~55°范围内变化,在交轨方向进行扫描可实现刈幅覆盖。
以上设想的潜在优势有:(1)利用89GHz高波段实现高空间分辨率并且可以根据亮温高低区分一年冰和多年冰;(2)多入射角带来的更多的亮温信息可以弥补大气衰减造成的海冰与海水亮温信息的混淆,提高SIC的反演精度。
SMOS卫星利用多入射角亮温反演海冰密集度的方法具有一定的潜在发展空间,但是缺点是L波段的空间分辨率过低。所以,在89GHz波段的高分辨率下,利用海冰密集度与多入射角亮温的敏感性,从多入射角观测中获得额外的亮温信息,扩大海水和海冰的区分,进行海冰密集度的反演,是本次研究的主要目的。
1、基于多入射角亮温差的海冰密集度反演算法
假设在给定的海冰温度下,仅有一种海冰类型时,观测点的亮温随海冰密集度线性变化。冰水混合像元,即星下单个观测点既有海水也有海冰覆盖,其亮温可以表示为海冰、海水的亮温与海冰密集度的线性加权组合。
TEmixed=CTice+(1-C)Twater (1)
其中:TEmixed表示观测点亮温,Tice表示海冰亮温,Twater表示海水亮温,C是指该像元中冰的比例,即海冰的密集度,当C=1时表示该像元拥有100%的冰,相反,当C=0时表示该像元均是海水。
ASI海冰算法是利用单个入射角下的极化差反演海冰密集度,同时利用低频数据进行大气校正。本发明将角度亮温差AD取代极化差,基于ASI算法,验证海冰密集度的反演与角度亮温差AD之间的依赖关系。
89GHz的天线端接收亮温包括大气贡献与地表亮温,其中大气贡献包括:下行大气亮温对地表的反射和大气上行亮温的发射与吸收,其中地表的辐射亮温TE=εTS,由于3mm的电磁波在地表的穿透深度非常浅,所以TS表示表面平均物理温度。假设大气水平均匀,则观测像元的亮温如公式(2):
其中,TB表示天线端观测亮温,Ta表示大气的有效物理温度,因为大气温度是高度的函数,但在此为简单起见,假设高度不变。Tsp表示宇宙背景亮温,假设为2.7K。τ和τ1分别表示上行大气辐射和下行大气辐射的光学厚度。假设水平均匀分层大气的表面反射接近镜面反射,则可以假设τ=τ1=τ0secθ,其中τ0表示垂直入射星下点的光学深度,θ表示入射角。
利用Svendsen提出的近似关系,本发明假设Ta≈1.11TS,Tsp/TS≈0.01。综上,在入射角分别为θ1和θ2时,公式(2)可以表示为:
根据公式(1),表面亮温与多入射角(θi)的关系可以表示为:
TEi=(Ticei-Twateri)·CT+Twateri=ai·CT+bi (4)
结合式(3)与式(4),角度亮温差AD可以表示为:
AD=(a1CT+b1)·c1-(a2CT+b2)·c2-e=X·CT+Y (5)
X=a1c1-a2c2 (6)
Y=b1c1-b2c2-e (7)
ci=exp(-τ0secθi)[1.1exp(-τ0secθi)-0.11] (8)
e=1.1TS(exp(-2τ0secθ1)-exp(-2τ0secθ2)) (9)
卫星的扫描的足迹可以观测到纯冰(CT=1)以及冰水边缘周围的纯水(CT=0),并且在晴空状态下,二者的大气透射率可以近似相等。当在纯水区域即CT=0时,假设角度差用AD0表示,如式(10)所示,同理,在被纯冰完全覆盖的区域即CT=1时,角度差用AD1表示,如式(11)所示:
AD0=Y0 (10)
AD1=X1+Y1 (11)
公式(5)在趋近于CT=0和CT=1的区域如果假设大气吸收率及透射率近似相等并且大气变化很小,则大气影响在CT=0时的X0,Y0和在CT=1时的X1,Y1近似相等,海冰密集度CT可以表示为:
为了能够获取冰水混合区域(0%~100%)的海冰密集度,在方程(12)和(13)的得到的海冰密集度之间进行插值。选择纯海水区域和纯冰盖区域之间的海冰密集度的三阶多项式来表示:
CT=d3AD3+d2AD2+d1AD+d0 (15)
利用方程(12)-(15)及其一阶导数,通过线性方程组的方式来确定方程(15)中的系数di:
根据式(16)可以得到公式(15)的系数d0~d3的值,得到公式(15)的完整表达方式计算海冰密集度。此时需要知道晴空下,纯水水域以及纯海冰区域的系点值AD0和AD1,后期可以通过实际探测及统计的方式得到。利用系点值与方程(15),海冰密集度公式可以表示为:
因为系点值的选取需要考虑相似的大气条件,因此得到一组正确的系点值对海冰密集度的反演具有重要影响。在利用极化差进行反演的ASI算法中,选择探测的海冰区域的极化差的最大值作为AD1,海水区域极化差的最小值为AD0,分别设为判断纯冰与纯水的系点值,并且可以针对不同大气条件进行自调程。
2、冰水混合区域的建模
由于目前并无在89GHz波段下,针对具体像元的多入射角亮温数据。因此本发明利用第二章海冰模型、海水模型及大气模型,搭配EC的海冰密集度数据,仿真选定的冰水混合区域在多入射角下的亮温。
2.1冰水混合区域的选择
利用EC的海冰密集度数据,本发明共选择2015年1月16日时的两个冰水混合区域建立区域亮温模型,海冰密集度分布如图2所示,其中,绿色框区域代表区域1,位置:北纬75N~79N,东经35E~45E;黑色框区域代表区域2,位置:北纬75N~79N,西经0W~10W。
2.2纯冰与纯水区域的亮温仿真
首先,在仿真冰水混合区域之前,需要根据第二章模型仿真一年冰及海水的垂直极化亮温。
根据上一节的地理位置,在EC的网格数据中,一年冰区域和海水区域需要仿真861个网格点。利用EC的大气廓线及地表数据,建立其中海冰区域及海水区域的海表亮温仿真,入射角为-55°~55°,输入数据选择的时间为2015年1月16日。其中海冰的预测输入数据,如海冰密度、海冰高度、盐度、液水含量及海冰相关长度,在可选择范围内采用随机生成的方法来模拟不均匀海冰类型。从图3中可以看出,单入射角下的一年冰亮温变化范围最大,因为一年冰每年夏季经过反复融化,盐度与散射体的相关长度变化范围广,模型无法得到准备的输入数据,因此仿真的亮温可变化区间大。
2.3冰水混合区域的亮温仿真
利用上一节中的模型,以及EC的海冰密集度数据,根据公式(1),模拟冰水混合区域的天线端接收亮温TEmixed,三者采用一致的晴空大气数据。在本节的仿真过程中,对纯冰区域、纯水区域以及两个冰水混合区域的仿真亮温分别加入高斯白噪声,模拟系统灵敏度误差及大气误差。其中一年冰与海水的亮温仿真结果如图4展示,其中加入的高斯白噪声为2K。冰水混合区域的亮温仿真结果以区域1为例,如图5所示。
3、利用单入射角亮温差的反演结果及分析
为了证明可以利用角度亮温差进行海冰密集度的反演,简单的选择三组角度的亮温差借助第1节的反演算法,对上节的两个冰水混合区域进行SIC反演,三组角度亮温差分别为:
A1=TB(35°)-TB(0°)
A2=TB(55°)-TB(20°)
A3=TB(55°)-TB(0°)
对于系点的选择,分别利用第2节中加入模拟噪声后的纯冰区域和纯水区域内所有网格点下的角度亮温差的平均值作为判断海水与海冰的边界点。
在上一节的仿真系统中对仿真的两个冰水混合区域,分别加入高斯白噪声0K~3K,以0.2K为间隔,利用第1节的反演算法,得到两个区域的反演海冰密集度。统计模型输入的海冰密集度与反演得到的海冰密集度之间的均方根误差(RMSE),对其进行线性拟合展示反演误差,如图6(a)和图6(b)所示。
从图6(a)和图6(b)中可以看出:(1)A1的误差明显比A2和A3更大,这是因为在小入射角时海水的亮温增长缓慢导致海冰与海水的亮温差对比不明显,小噪声便会造成与海水与海冰的系点值的偏离;而在大入射角时,海水的亮温增幅比海冰增长更快,所以利用大入射角可以得到更大的亮温差区间,如30°至60°区间内的角度亮温差反演可以降低对系点值的依赖性,进而降低反演误差;(2)A3的反演误差比A2的低,可见,角度亮温差区间越大,系点值可以容许的噪声误差越大,越有利于海冰与海水的区分;(3)发现在输入的高斯白噪声为0K时,误差约为0.007左右,这是因为系点值是选择的平均值,这是系点值本身给算法带来的小误差。
实际上,基于图1中所展示的顺轨观测几何,一维系统对于单个观测像元点可以获得连续的入射角观测,比如可以获取-55°~55°下的观测亮温。充分利用连续角度差组合(A1,A2…Aj,j=1,2...N)反演得到的海冰密集度,进行后处理加权平均可进一步降低反演误差。
4、利用连续角度差组合的反演结果及分析
利用第1节的单入射角反演算法,选取连续入射角间隔为N,可以连续反演得到:
SIC1(TB(θA)-TB(θB)),SIC2[TB(θA-1)-TB(θB-1)],…,SICN[TB(θA-N)-TB(θB-N)],因为卫星在扫描过程中对单个观测点可以获得正负两组角度,因此可以获得上述2N组角度差。分别利用上述2N组单入射角反演得到的SIC结果,根据对应的RMSE进行最小均方根误差加权平均处理,最终反演得到平均后的海冰密集度。最小均方根误差加权平均算法如下所示:
R:{r1,r2,...,ri,ri+1,...,r2N} (18)
C:{c1,c2,...,ci,ci+1,...,c2N} (19)
其中,假设在固定噪声下,集合R表示2N组单入射角反演得到的RMSE结果,RWi表示集合R中前i项的加权平均值;集合C表示2N组单入射角反演得到的SIC结果,CWi表示集合C中前i项的加权平均值;假设初始值RW1=r1,CW1=c1。
为了证明利用多组角度亮温差进行加权平均后处理可以降低反演误差,本发明针对第2节中的两个冰水混合区域,分别选取三组角度区间不同的多入射角组合,如表3所示,通过最小均方根加权平均方法进行海冰密集度的反演。仿真系统中加入高斯白噪声的区间为0K~3K。统计模型输入SIC与利用连续角度组合反演得到的SIC之间的均方根误差,如图7所示。
表3连续入射角组合
从图6(a)、图6(b)和图7(a)、图7(b)的线性拟合对比中可以看出,二者皆是利用小入射角的反演误差比大入射角的亮温差反演误差更差。同时,假设规定精确度为0.05时,采用多入射角亮温差反演可以容许的最高噪声为2K以上,而单入射角亮温差可容许的最高噪声仅为1K。以区域1为例,分别选定固定噪声1K、1.5K、2K、2.5K和3K,统计二者的具体反演误差RMSE,如表4所示。从表4的误差对比可以直观的看出:连续入射角组合利用RMSE加权平均的方法可以充分利用小入射角的亮温,进一步的降低反演误差,同时可以最低程度的降低小入射角亮温差带来的反演误差。
表4区域1下的单入射角与连续角度组合的RMSE
为进一步展示连续入射角组合的反演效果,本发明参考CIMR预研的0.05的SIC误差标准,选择误差最小的连续入射角组合S3,在模型中输入2K的高斯白噪声,将反演得到的SIC与仿真模型输入的ECMWF的SIC数据进行线性拟合。图8(a)和图8(b)展示两个区域的拟合结果。总体来看,反演的SIC有所低估,这是因为本发明算法选择的海冰输入模型为一年冰区,该区域的海冰夏季反复融化冬季结冰,表面建模复杂,模型对一年冰及新冰的输入数据无法做到完全正确;反演的SIC在低密集度区域尤其是纯水区域均会有不同程度的高估,导致虚假浮冰的现象,这是因为海水角度差在加入的噪声后有所降低,低于海水系点值,导致在纯水区域反演得到的SIC增大。因此后期利用更多的亮温信息进行低密度区域的校正尤为重要。
目前国际上针对海冰密集度开发了多种算法,但是皆是利用的海水与海冰在双极化亮温差上的差异,以及利用多频段亮温信息进行大气校正等。因此本发明受SMOS的多入射角观测特性的启发,提出了利用角度亮温差进行海冰密集度反演的设想。并搭建仿真系统,仿真地表亮温,加入高斯白噪声模拟探测误差,在此基础上,进行多入射角反演算法的验证。因为综合孔径辐射计可以实现顺轨方向对同一个像元下的连续多入射角扫描,实际上可以获取多组角度亮温。因此利用连续角度组合,通过最小均方根误差的加权平均反演算法可以保证充分的利用所有入射角下的亮温信息来降低总体的反演误差,并且加权平均方法可以降低小入射角亮温带来的误差。
首先利用一组入射角下的亮温差进行反演,结果表明,因为海水在大入射角情况下亮温增长快,而海冰亮温增长缓慢,因此利用大入射角亮温差可以与海冰得到充分的区分,SIC(55°-20°)的反演误差比SIC(35°-0°)的少一倍左右。
最终证明,SICN[(55°-N)-(20°-N)]的连续角度组合可以充分的利用所有的角度信息,并且获得最优的反演效果。利用连续角组合SIC1(55°-20°),SIC2(54°-19°),...,SIC20(25°-0°)求得的反演误差最低,在噪声为2K时,反演的海冰密集度的精度可以达到5%,但是在纯水区域因为系点原因会导致虚假海冰的浮现,需要后期优化算法对纯水区域进行校正。未来对使用连续角度差结合极化亮温差进行反演SIC的算法设计还有进一步优化空间。
实施例2
本发明的实施例2提供了利用89GHz单频多入射角亮温差反演海冰密集度的系统,所述系统包括:89GHz的天线、入射角差值获取模块、海冰密集度反演模块和加权平均模块,
所述入射角差值获取模块,用于通过89GHz的天线,获取待反演区域的入射角亮温差值;
所述海冰密集度反演模块,用于当入射角亮温差值大于晴空下纯水水域的系点值,待反演区域的海冰密集度为0;当入射角亮温差值介于晴空下纯海冰区域的系点值与纯水水域的系点值之间,则通过纯海水区域和纯海冰区域之间的海冰密集度的三阶多项式,计算该入射角差值对应的海冰密集度;当入射角亮温差值小于晴空下纯海冰区域的系点值,待反演区域的海冰密集度为1;
加权平均模块,用于利用N个连续入射角的亮温差值组合反演得到N个海冰密集度,进行加权平均处理后得到最终的海冰密集度。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种利用89GHz单频多入射角亮温反演海冰密集度的方法,所述方法包括:
通过89GHz的天线,获取待反演区域的入射角亮温差值;
当入射角亮温差值大于晴空下纯水水域的系点值,则待反演区域的海冰密集度为0;
当入射角亮温差值介于晴空下纯海冰区域的系点值与纯水水域的系点值之间,则通过纯海水区域和纯海冰区域之间的海冰密集度的三阶多项式,计算该入射角亮温差值对应的海冰密集度;
当入射角亮温差值小于晴空下纯海冰区域的系点值,则待反演区域的海冰密集度为1;
所述海冰密集度的三阶多项式为:
CT=d3AD3+d2AD2+d1AD+d0
其中,AD为入射角亮温差值,CT为海冰密集度,d0,d1,d2,d3为系数,通过下述线性方程组求解:
其中,b为参数,AD0和AD1分别为晴空下纯水水域和纯海冰区域的系点值;
所述晴空下纯水水域的系点值AD0为海水区域极化差的最小值;所述晴空下纯海冰区域的系点值AD1为海冰区域的极化差的最大值。
2.根据权利要求1所述的利用89GHz单频多入射角亮温反演海冰密集度的方法,其特征在于,所述方法还包括:利用N组多入射角的亮温差值组合反演得到N组海冰密集度,进行加权平均处理后得到最终的海冰密集度;具体包括:
选取连续入射角间隔为N,由2N+2个入射角亮温差值反演得到2N+2个海冰密集度结果:
SIC(θA-θB),SIC[(θA-1)-(θB-1)],…,SIC[(θA-N)-(θB-N)],
SIC(θB-θA),SIC[(θB-1)-(θA-1)],…,SIC[(θB-N)-(θA-N)]
其中,θA和θB为两个入射角;
将上述2N+2个海冰密集度结果组成集合C:
C:{c1,c2,...,ci,ci+1,...,c2N+2}
在固定噪声下,将2N+2个海冰密集度的RMSE结果组成集合R:
R:{r1,r2,...,ri,ri+1,...,r2N+2}
计算集合R中前i项的加权平均值RWi:
其中,初始值RW1=r1;
计算集合C中前i项的加权平均值CWi:
其中,初始值CW1=c1;
则CW2N为最终反演得到的海冰密集度。
3.一种利用89GHz单频多入射角亮温反演海冰密集度的系统,其特征在于,所述系统包括:89GHz的天线、入射角差值获取模块和海冰密集度反演模块,
所述入射角差值获取模块,用于通过89GHz的天线,获取待反演区域的入射角差值;
所述海冰密集度反演模块,用于当入射角差值大于晴空下纯水水域的系点值,待反演区域的海冰密集度为0;当入射角差值介于晴空下纯海冰区域的系点值与纯水水域的系点值之间,则通过纯海水区域和纯海冰区域之间的海冰密集度的三阶多项式,计算该入射角亮温差值对应的海冰密集度;当入射角差值小于晴空下纯海冰区域的系点值,待反演区域的海冰密集度为1;
所述海冰密集度的三阶多项式为:
CT=d3AD3+d2AD2+d1AD+d0
其中,AD为入射角差值,CT为海冰密集度,d0,d1,d2,d3为系数,通过下述线性方程组求解:
其中,b为参数,AD0和AD1分别为晴空下纯水水域和纯海冰区域的系点值;
所述晴空下纯水水域的系点值AD0为海水区域极化差的最小值;所述晴空下纯海冰区域的系点值AD1为海冰区域的极化差的最大值。
4.根据权利要求3所述的利用89GHz单频多入射角亮温反演海冰密集度的系统,其特征在于,所述系统还包括:加权平均模块,用于利用N个连续入射角的差值组合反演得到N个海冰密集度,进行加权平均处理后得到最终的海冰密集度;具体实现过程为:
选取连续入射角间隔为N,由2N+2个入射角差值反演得到2N+2个海冰密集度结果:
SIC(θA-θB),SIC[(θA-1)-(θB-1)],…,SIC[(θA-N)-(θB-N)],
SIC(θB-θA),SIC[(θB-1)-(θA-1)],…,SIC[(θB-N)-(θA-N)]
其中,θA和θB为两个入射角;
将上述2N+2个海冰密集度结果组成集合C:
C:{c1,c2,...,ci,ci+1,...,c2N+2}
在固定噪声下,将2N+2个海冰密集度的RMSE结果组成集合R:
R:{r1,r2,...,ri,ri+1,...,r2N+2}
计算集合R中前i项的加权平均值RWi:
其中,初始值RW1=r1;
计算集合C中前i项的加权平均值CWi:
其中,初始值CW1=c1;
则CW2N为最终反演得到的海冰密集度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010294720.9A CN111563318B (zh) | 2020-04-15 | 2020-04-15 | 利用89GHz单频多入射角亮温差反演海冰密集度的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010294720.9A CN111563318B (zh) | 2020-04-15 | 2020-04-15 | 利用89GHz单频多入射角亮温差反演海冰密集度的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111563318A CN111563318A (zh) | 2020-08-21 |
CN111563318B true CN111563318B (zh) | 2023-07-21 |
Family
ID=72074275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010294720.9A Active CN111563318B (zh) | 2020-04-15 | 2020-04-15 | 利用89GHz单频多入射角亮温差反演海冰密集度的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111563318B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112051221A (zh) * | 2020-08-27 | 2020-12-08 | 武汉大学 | 一种基于时空系点值的海冰密集度获取方法 |
CN113127794B (zh) * | 2021-04-07 | 2023-02-03 | 中山大学 | 一种北极海冰密集度的计算方法 |
CN114624257B (zh) * | 2022-05-12 | 2022-10-04 | 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 |
CN116908939B (zh) * | 2023-06-06 | 2024-05-21 | 河南工业大学 | 基于天气滤波器筛选数据进行海冰密集度反演的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886473A (zh) * | 2017-11-09 | 2018-04-06 | 河南工业大学 | 从fy‑3mwri数据反演北极海冰密集度的方法 |
CN107894964A (zh) * | 2017-11-09 | 2018-04-10 | 河南工业大学 | 一种改进的asi海冰密集度反演算法 |
CN108106734A (zh) * | 2017-12-07 | 2018-06-01 | 中国科学院海洋研究所 | 一种面向idl语言海冰密集度求算优化算法 |
CN109520451A (zh) * | 2018-11-13 | 2019-03-26 | 南京大学 | 一种海冰表面粗糙度的遥感估算方法 |
-
2020
- 2020-04-15 CN CN202010294720.9A patent/CN111563318B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886473A (zh) * | 2017-11-09 | 2018-04-06 | 河南工业大学 | 从fy‑3mwri数据反演北极海冰密集度的方法 |
CN107894964A (zh) * | 2017-11-09 | 2018-04-10 | 河南工业大学 | 一种改进的asi海冰密集度反演算法 |
CN108106734A (zh) * | 2017-12-07 | 2018-06-01 | 中国科学院海洋研究所 | 一种面向idl语言海冰密集度求算优化算法 |
CN109520451A (zh) * | 2018-11-13 | 2019-03-26 | 南京大学 | 一种海冰表面粗糙度的遥感估算方法 |
Non-Patent Citations (9)
Title |
---|
GRADINGER R R.Abundance and composition of the sea-ice meiofauna in off-shore pack ice of the Beaufort Gyre in summer 2002and 2003.Polar Biology.2005,第第28卷卷(第第28卷期),第171-181页. * |
SHIBATA H.Sea-ice coverage variability on the Northern Sea Routes,1998-2011.Annals of Glaciology.2013,第第54卷卷(第第54卷期),第139-148期. * |
介阳阳 ; 王少波 ; 闻焕卿 ; .基于WindSat数据的南极区域海冰密集度反演研究.气象水文海洋仪器.2016,(第01期),全文. * |
吴若男.89 GHz多入射角亮温差反演海冰密集度的可行性分析.遥感学报.2022,第第26卷卷(第第26卷期),第2175-2187. * |
季青 ; 庞小平 ; .北极海冰密集度产品的走航比较与冰情分析.华东交通大学学报.2016,(第05期),全文. * |
席颖 ; 孙波 ; 李鑫 ; .利用船测数据以及Landsat-7 ETM+影像评估南极海冰区AMSR-E海冰密集度.遥感学报.2013,(第03期),全文. * |
张翔 ; 王振占 ; 谌华 ; .一种利用HY-2卫星扫描微波辐射计数据反演极地海冰密集度的算法.遥感技术与应用.2012,(第06期),全文. * |
王欢欢 ; Georg Heygster ; 韩树宗 ; 程斌 ; .应用AMSR-E 89GHz遥感数据反演北极多年冰密集度.极地研究.2009,(第03期),全文. * |
苏洁 ; 郝光华 ; 叶鑫欣 ; 王维波 ; .极区海冰密集度AMSR-E数据反演算法的试验与验证.遥感学报.2013,(第03期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111563318A (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111563318B (zh) | 利用89GHz单频多入射角亮温差反演海冰密集度的方法及系统 | |
Piepmeier et al. | High-resolution passive polarimetric microwave mapping of ocean surface wind vector fields | |
Yang et al. | The FengYun-3 microwave radiation imager on-orbit verification | |
Yueh et al. | SMAP L-band passive microwave observations of ocean surface wind during severe storms | |
Weng et al. | Advanced microwave sounding unit cloud and precipitation algorithms | |
Quegan et al. | Ionospheric and tropospheric effects on synthetic aperture radar performance | |
Yang et al. | Environmental data records from FengYun-3B microwave radiation imager | |
Delwart et al. | SMOS validation and the COSMOS campaigns | |
Stoffelen et al. | Scientific developments and the EPS-SG scatterometer | |
CN108827878B (zh) | 一种地表气压的被动微波遥感探测方法 | |
Wu et al. | Instrument performance and cross calibration of FY-3C MWRI | |
Felde et al. | Retrieval of 91 and 150 GHz Earth surface emissivities | |
Mohanty et al. | Ionospheric scintillation observation using space-borne synthetic aperture radar data | |
Mitnik et al. | Microwave radiometer MTVZA-GY on new Russian satellite Meteor-M No. 2-2 and sudden stratospheric warming over Antarctica | |
Stoffelen et al. | C-band high and extreme-force speeds (CHEFS) | |
Khazâal et al. | Improving the spatial bias correction algorithm in SMOS image reconstruction processor: validation of soil moisture retrievals with in situ data | |
Stoffelen et al. | C‐band High and Extreme‐Force Speeds (CHEFS)‐Final Report | |
Qiu et al. | Atmospheric correction to passive microwave brightness temperature in snow cover mapping over China | |
Li et al. | In-orbit performance of Microwave Humidity Sounder (MWHS) of the Chinese FY-3 meteorological satellite | |
Rizik et al. | Impact of cross-talk on reflectivity and Doppler measurements for the WIVERN Polarization Diversity Doppler Radar | |
Piles Guillem | Multiscale soil moisture retrievals from microwave remote sensing observations | |
Skou et al. | Airborne L-band radiometer mapping of the Dome-C area in Antarctica | |
Ma et al. | Optical observation of plasma bubbles and comparative study of multiple methods of observing the ionosphere over China | |
Morris et al. | A coupled-pixel model (CPM) atmospheric retrieval algorithm for high-resolution imagers | |
Renkwitz | Evaluation and validation of a novel MST-Radar for studying atmospheric 3D structures |
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 |