CN111811660A - 二维综合孔径微波辐射计亮温数据的优化处理方法 - Google Patents
二维综合孔径微波辐射计亮温数据的优化处理方法 Download PDFInfo
- Publication number
- CN111811660A CN111811660A CN202010676286.0A CN202010676286A CN111811660A CN 111811660 A CN111811660 A CN 111811660A CN 202010676286 A CN202010676286 A CN 202010676286A CN 111811660 A CN111811660 A CN 111811660A
- Authority
- CN
- China
- Prior art keywords
- temperature data
- brightness temperature
- polarization
- smos
- brightness
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 230000010287 polarization Effects 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims abstract description 12
- 238000013519 translation Methods 0.000 claims abstract description 9
- 101000794020 Homo sapiens Bromodomain-containing protein 8 Proteins 0.000 claims abstract 14
- 101001006782 Homo sapiens Kinesin-associated protein 3 Proteins 0.000 claims abstract 14
- 101000615355 Homo sapiens Small acidic protein Proteins 0.000 claims abstract 14
- WGKGADVPRVLHHZ-ZHRMCQFGSA-N N-[(1R,2R,3S)-2-hydroxy-3-phenoxazin-10-ylcyclohexyl]-4-(trifluoromethoxy)benzenesulfonamide Chemical compound O[C@H]1[C@@H](CCC[C@@H]1N1C2=CC=CC=C2OC2=C1C=CC=C2)NS(=O)(=O)C1=CC=C(OC(F)(F)F)C=C1 WGKGADVPRVLHHZ-ZHRMCQFGSA-N 0.000 claims abstract 14
- 102100021255 Small acidic protein Human genes 0.000 claims abstract 14
- 238000000034 method Methods 0.000 claims description 33
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract 1
- 239000002689 soil Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 239000005433 ionosphere Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000010271 massa medicata fermentata Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
- G01J5/80—Calibration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N22/00—Investigating or analysing materials by the use of microwaves or radio waves, i.e. electromagnetic waves with a wavelength of one millimetre or more
- G01N22/04—Investigating moisture content
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Electromagnetism (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种二维综合孔径微波辐射计亮温数据的优化处理方法，包括以下步骤：步骤一、根据SMOS亮温数据，分别获得SMOS的H极化亮温数据和V极化亮温数据；同时，根据SMAP亮温数据，获得在时间和空间上与SMOS匹配的SMAP亮温数据；步骤二、根据步骤一得到的亮温数据进行第一次非线性拟合和第二次非线性拟合，再根据平移变换，完成优化处理；或者，根据步骤一得到的亮温数据进行第一次非线性拟合，再根据定点回归拟合，完成优化处理。本发明其能获得优化的多角度亮温，不会造成信息的浪费，又能保持与SMAP的亮温保持高度的一致性。本发明优化后的亮温缺失较少，极大地提高了SMOS数据的空间覆盖程度。
Description
技术领域
本发明涉及数据处理技术领域，具体是一种二维综合孔径微波辐射计亮温数据的优化处理方法。
背景技术
微波遥感受云雨雾影响小，具有全天候和全天时工作的优点；同时微波的穿透能力可获得地表一定深度的信息。这些优点，使其广泛应用于水文，大气，农业等领域。微波遥感对地面观测获得的信号经处理后是微波辐射亮度温度(亮温，TB)，在此基础上可进行地表参数反演，如土壤水分反演，并进入下游应用。
微波遥感的工作方式分主动式(有源)微波遥感和被动式(无源)微波遥感。前者由传感器发射微波波束再接收由地面物体反射或散射回来的回波，如侧视雷达、微波散射计；后者接收地面物体自身辐射的微波，如微波辐射计等。目前被动微波遥感中可进行微波亮温多角度观测的卫星有欧空局(The European Space Agency，ESA)的Soil Moisture andOcean Salinity(SMOS)，SMOS采用二维综合孔径体制，通过干涉测量获取L波段下的可视度函数，再通过傅里叶逆变换得到目标亮温，极大地提升了L波段亮温的空间分辨率。但是由于射频干扰(Radio Frequency Interference，RFI)的存在，使得微波辐射计接收到的辐射信号会被地面RFI源污染，造成微波亮温出现异常，尤其对于二维综合孔径体制而言，较弱的RFI干扰可能会影响整个亮温视场，影响地面参数的反演。有研究表示，当RFI的概率达到0.7时，弱或中等RFI可对平均土壤水分产生5％-15％的低估。此外，SMOS综合孔径微波辐射计在成像过程中的视场混叠区域亮温反演存在较大的不确定性，也会对地面参数的反演带来影响。为了削弱(或剔除)RFI的干扰，减轻视场混叠引起的亮温反演不确定性，需要对卫星观测的微波亮温进行RFI检测及亮温优化处理。
目前的对微波亮温进行优化的方法有：
1)在固定角度区间内，对该区间的亮温进行简单平均，如CATAS(Centre Aval deTraitement des Données SMOS)发布的SMOS L3级亮温产品，就是0°到60°以5°一个区间，分别计算每个区间亮温的平均值作为区间中心角度的代表亮温。
2)分别对H和V极化的亮温使用多项式、指数函数或者其它形式的函数进行拟合，得到拟合后的亮温。
现有方法通过划定固定间隔的窗口，将窗口内的RFI干扰亮温数据进行剔除，再进行平均值的求取。该方法虽然能够获取某一固定角度的亮温观测，但结果相对离散。而且多角度的亮温仍然会出现不符合理论预期的情况，比如H极化亮温可能高于V极化亮温等。
发明内容
本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。
本发明还有一个目的是提供一种二维综合孔径微波辐射计亮温数据的优化处理方法，其能获得优化的多角度亮温，不会造成信息的浪费，又能保持与SMAP的亮温保持高度的一致性。
为了实现根据本发明的这些目的和其它优点，提供了一种二维综合孔径微波辐射计亮温数据的优化处理方法，包括以下步骤：
步骤一、根据SMOS亮温数据，分别获得SMOS的H极化亮温数据和V极化亮温数据；同时，根据SMAP亮温数据，获得在时间和空间上与SMOS匹配的SMAP亮温数据；
步骤二、根据步骤一得到的亮温数据进行第一次非线性拟合和第二次非线性拟合，再根据平移变换，完成优化处理；或者，根据步骤一得到的亮温数据进行第一次非线性拟合，再根据定点回归拟合，完成优化处理。
优选的是，步骤一中对SMOS亮温数据进行预处理，分别获得H极化亮温数据和V极化亮温数据，一个SMOS亮温数据对应获得一个H极化亮温数据和一个V极化亮温数据，其中，预处理包括：提取SMOS中每个DGG网格的亮温数据，将受到RFI影响的亮温数据进行标记，对于未标记的亮温数据进行异常值检测，剔除已经标记的亮温数据和异常的亮温数据，针对标记的亮温数据和异常的亮温数据，对SMOS亮温数据进行插值法补齐，获得补齐后的SMOS亮温数据，再去除电离层的极化旋转效应，将补齐后的SMOS亮温数据从天线坐标系转换为地面坐标系中的H极化亮温数据和V极化亮温数据。
优选的是，步骤一中将SMAP亮温数据时空插值到SMOS DGG，获得在时间和空间上与SMOS匹配的SMAP亮温数据，该SMAP亮温数据包括SMAP的H极化亮温数据和V极化亮温数据。
优选的是，步骤二中进行第一次非线性拟合是将步骤一中获得的H极化亮温数据和V极化亮温数据根据方程(1)进行非线性拟合，获得拟合后的参数，得到一条曲线I；
方程(1)为：
其中，
为H极化亮温数据，
为V极化亮温数据，θsmos是对应每个
和
的观测角度，A和C是需要得到的拟合后的参数。
优选的是，步骤二中进行第二次非线性拟合是将步骤一中获得的H极化亮温数据和V极化亮温数据根据方程(2)分别进行非线性拟合，获得拟合后的参数，得到两条曲线II；
方程(2)为：
其中，
为H极化亮温数据，
为V极化亮温数据，θsmos是对应每个
和
的观测角度，C是步骤二中经第一次非线性拟合得到的拟合后的参数，av、ah、bv、bh、dv是需要得到的拟合后的参数。
优选的是，步骤二中进行平移变换是根据代价函数调整第一次非线性拟合得到的C的值，结合第二次非线性拟合得到的av、ah、bv、bh、dv的值，并根据方程(2)，得到两条曲线III；
代价函数为：
其中，pol代表H极化和V极化，
是SMAP的亮温数据，
是第二次非线性拟合后得到的与SMAP同一角度的SMOS亮温。
优选的是，步骤二中进行定点回归拟合，根据限定条件限定拟合后的曲线必须经过SMAP在40°时的亮温数据，并结合方程(2)，得到两条曲线IV；
限定条件为：
其中，
为SMAP在H极化的亮温，
为SMAP在V极化的亮温，θsmap是
和
的观测角度，ov、oh、pv、ph、qv是需要得到的拟合后的参数。
本发明至少包括以下有益效果：
本发明使得根据SMOS获得的亮温数据经过优化后的曲线更加准确，本发明优化后的亮温缺失较少，极大地提高了SMOS数据的空间覆盖程度，对下游应用有极大帮助，利于对优化之后的亮温进一步进行定量精度评价。
本发明结合其它卫星的亮温，提出了两种思路对多角度亮温进行优化。首先构造多角度亮温的拟合曲线，在此基础上引入其它卫星数据，在拟合曲线时加入限制条件；或根据代价函数对曲线进行变换，最终得到优化后的多角度亮温数据。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明所述方法的流程示意图；
图2为本发明所述方法的对数据进行优化处理的曲线图；
图3为根据本发明的方法获得的土壤水分分布示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
如图1所示，本发明提供了一种二维综合孔径微波辐射计亮温数据的优化处理方法，包括以下步骤：
步骤一、根据SMOS亮温数据，分别获得SMOS的H极化亮温数据和V极化亮温数据；同时，根据SMAP亮温数据，获得在时间和空间上与SMOS匹配的SMAP亮温数据；
步骤二、根据步骤一得到的亮温数据进行第一次非线性拟合和第二次非线性拟合，再根据平移变换，完成优化处理；或者，根据步骤一得到的亮温数据进行第一次非线性拟合，再根据定点回归拟合，完成优化处理。
本发明中使用的SMAP亮温数据是基于美国NASA发射的SMAP(Soil MoistureActive Passive)卫星，其数据剔除了RFI的干扰，相对比较准确，且当地过境时间与SMOS(欧空局的土壤水分和海洋盐度卫星)一样，当地时间获取SMAP亮温数据的时间为6：00，对应获取SMOS亮温数据的时间为18：00，但当SMOS降轨时，SMAP为升轨。因此当二者在同一时间对同一区域观测时，可用于亮温数据的比对。
本发明中根据SMOS(欧空局的土壤水分和海洋盐度卫星)获得的亮温数据是SMOS的L1C级亮温数据，其DGG(Discrete Global Grid)网格间距为15km，经过处理，得到H极化亮温数据和V极化亮温数据。SMAP亮温数据按ease grid 2.0格网存储，有空间网格分辨率为36km和9km的产品，本发明使用的SMAP 9km的产品，需要将空间网格分辨率为9km的SMAP亮温数据处理成DGG格网下间距为15km的亮温数据，且在时间和空间上都要与SMOS匹配。根据第一次非线性拟合，在进行定点回归拟合，选择SMAP的一个亮温数据点作为定点，进行优化处理后得到的曲线经过SMAP的这个亮温数据点，使得根据SMOS获得的亮温数据经过优化后的曲线更加准确。或者，根据第一次非线性拟合和第二次非线性拟合，再根据平移变换，获得优化处理后的曲线，其靠近定点回归后拟合后的曲线，使得根据SMOS获得的亮温数据经过优化后的曲线相对准确。
本发明结合其它卫星的亮温，提出了两种思路对多角度亮温进行优化。首先构造多角度亮温的拟合曲线，在此基础上引入其它卫星数据，在拟合曲线时加入限制条件；或根据代价函数对曲线进行变换，最终得到优化后的多角度亮温数据。
在另一技术方案中，步骤一中对SMOS亮温数据进行预处理，分别获得H极化亮温数据和V极化亮温数据，一个SMOS亮温数据对应获得一个H极化亮温数据和一个V极化亮温数据，其中，预处理包括：提取SMOS中每个DGG(Discrete Global Grid)网格的亮温数据，将受到RFI影响的亮温数据进行标记，对于未标记的亮温数据进行异常值检测，剔除已经标记的亮温数据和异常的亮温数据，针对标记的亮温数据和异常的亮温数据，对SMOS亮温数据进行插值法补齐，获得补齐后的SMOS亮温数据，再去除电离层的极化旋转效应，将补齐后的SMOS亮温数据从天线坐标系转换为地面坐标系中的H极化亮温数据和V极化亮温数据。从天线坐标系转成成地面坐标系可通过斯托克斯方程实现。电离层(英文：Ionosphere)，是地球大气的一个电离区域。电离层受太阳高能辐射以及宇宙线的激励而电离的大气高层。60千米以上的整个地球大气层都处于部分电离或完全电离的状态，电离层是部分电离的大气区域，能使无线电波改变传播速度，发生折射、反射和散射，产生极化面的旋转并受到不同程度的吸收。极化面的旋转包括几何旋转和法拉第效应。
SMOS的L1C级亮温数据的DGG格网间距为15km，提取SMOS中每个DGG(DiscreteGlobal Grid)网格的亮温数据，每个数据代表不同瞬时不同角度对同一区域观测的亮温。根据RFI的质量标识将受到RFI影响的亮温数据进行标记，对于未标记的亮温数据进行异常值检测，将明显与其他值相差较大的数据剔除，同时将被标记出来的数据剔除，剔除后的数据空位通过插值法补齐，补齐后的SMOS亮温数据，考虑电离层影响，从天线坐标系(X-Y)转换成地面坐标系(H-V)，即H极化亮温数据和V极化亮温数据。
在另一技术方案中，步骤一中将SMAP亮温数据时空插值到SMOS DGG，获得在时间和空间上与SMOS匹配的SMAP亮温数据，该SMAP亮温数据包括SMAP的H极化亮温数据和V极化亮温数据。将SMAP 9km的亮温数据时空插值到SMOS DGG中，以此保证优化SMOS多角度亮温时，使用的是的SMAP亮温数据。
在另一技术方案中，步骤二中进行第一次非线性拟合是将步骤一中获得的H极化亮温数据和V极化亮温数据根据方程(1)进行非线性拟合，获得拟合后的参数，得到一条曲线I；
方程(1)为：
其中，
为H极化亮温数据，
为V极化亮温数据，θsmos是对应每个
和
的观测角度，A和C是需要得到的拟合后的参数。
在另一技术方案中，步骤二中进行第二次非线性拟合是将步骤一中获得的H极化亮温数据和V极化亮温数据根据方程(2)分别进行非线性拟合，获得拟合后的参数，得到两条曲线II；
方程(2)为：
其中，
为H极化亮温数据，
为V极化亮温数据，θsmos是对应每个
和
的观测角度，C是步骤二中经第一次非线性拟合得到的拟合后的参数，av、ah、bv、bh、dv是需要得到的拟合后的参数。
在另一技术方案中，步骤二中进行平移变换是根据代价函数调整第一次非线性拟合得到的C的值，结合第二次非线性拟合得到的av、ah、bv、bh、dv的值，并根据方程(2)，得到两条曲线III；
代价函数为：
其中，pol代表H极化和V极化，
是SMAP的亮温数据，
是第二次非线性拟合后得到的与SMAP同一角度的SMOS亮温。
在另一技术方案中，步骤二中进行定点回归拟合，根据限定条件限定拟合后的曲线必须经过SMAP在40°时的亮温数据，并结合方程(2)，得到两条曲线IV；
限定条件为：
其中，
为SMAP在H极化的亮温，
为SMAP在V极化的亮温，θsmap是
和
的观测角度，ov、oh、pv、ph、qv是需要得到的拟合后的参数。这里的ov、oh、pv、ph、qv依次对应方程(2)中的av、ah、bv、bh、dv，经过限定条件限定后的拟合曲线，得到的参数av、ah、bv、bh、dv的值与第二次非线性拟合得到的av、ah、bv、bh、dv的值不一样，为了区分，以ov、oh、pv、ph、qv代表经限定条件限定后的拟合参数。
本发明提出的几个拟合函数，若稍许改动，如加在每个函数后加常数项等，应都属于本专利保护范围。
本发明提出的几个拟合函数使用非线性拟合方法进行拟合，从数学上讲，有不同的非线性拟合方法，如Cobyla方法，Levenberg-Marquardt等等，应该注意不同的非线性拟合方法或拟合方法的组合都在本专利的保护范围之内。
<实施例>
以2016年6月2日降轨，DGG编号为223099为例，如图2所示，结合图2(a)展示了经过预处理后的SMOS的H极化亮温数据和V极化亮温数据，图2(b)展示了经过第一次非线性拟合后的曲线I，图2(c)展示了H极化亮温数据和V极化亮温数据分别经过第二次非线性拟合后的两条曲线II，图2(d)展示了经过平移变换后的两条曲线III以及经过定点回归拟合后的两条曲线IV，经过平移变换后的曲线，由于C发生了变化，使得两条曲线III的张口分别发生了改变。
图2说明了SMOS DGG的亮温数据受RFI干扰较为严重，很多值是插值重新得到，经过本发明的方法优化之后，结果较好，且与SMAP接近。
图3为2016年6月1日SMOS升轨数据经本发明的优化方法与CATDS L3(采用的是背景技术里提到的现有技术，即固定区间平均)的H极化和V极化在全球陆地的分布情况，图3(a)是2016年6月1日升轨，CATDS L3 40°的H极化亮温的全球分布图，图3(b)是2016年6月1日升轨，CATDS L3 40°的V极化亮温的全球分布图，图3(c)是2016年6月1日升轨，定点回归40°的H极化亮温的全球分布图，图3(d)是2016年6月1日升轨，定点回归40°的V极化亮温的全球分布图，图3(e)是2016年6月1日升轨，平移变换40°的H极化亮温的全球分布图，图3(f)是2016年6月1日升轨，平移变换40°的V极化亮温的全球分布图。
从图3中可以看出，本发明提出的方法能明显增加亮温数据的空间覆盖情况，如东亚区受RFI影响较为严重，SMOS L3的亮温数据出现大量缺失，但本发明优化后的亮温缺失较少，极大地提高了SMOS数据的空间覆盖程度，对下游应用有极大帮助，利于对优化之后的亮温进一步进行定量精度评价。
此外，研究表明土壤水分与微波辐射亮温之间具有较强的线性关系，因此可使用地面站点观测的土壤水分验证本发明提出方法，此外也对比了SMOS官方的L3级亮温产品与地面站点土壤水分，本文使用青藏高原2016年玛曲(2016.01.01-2016.12.31)、那曲(2016.01.01-2016.09.19)和帕里(2016.01.01-2016.09.27)站点的观测数据说明本发明的技术效果，结果见表1。
表1
表1中，方法1代表定点回归拟合，方法2代表平移变换
精度方面，本发明的方法在RFI影响严重的地区具有很好的优化效果。从表1可以看到，本发明提出的优化方法(平移变换和定点回归拟合)，在H极化和V极化，相对于SMOSL3官方的结果，除了帕里站在42.5°的V极化外，R2都有很大的提高，即优化之后的亮温与土壤水分的线性关系更强。说明本发明的方法具有良好的效果。
观测方面，表1中的N代表1年内的有效观测数据，可知本发明在1年之内获得的观测数据明显更多，即在RFI影响较大的时候，当SMOS L3官方亮温处理认为数据不可靠时，本发明可对数据进行优化，并得到可靠的亮温，增加了卫星对地面观测的覆盖次数，极大地提高了卫星的社会经济价值。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。
Claims (7)
1.二维综合孔径微波辐射计亮温数据的优化处理方法，其特征在于，包括以下步骤：
步骤一、根据SMOS亮温数据，分别获得SMOS的H极化亮温数据和V极化亮温数据；同时，根据SMAP亮温数据，获得在时间和空间上与SMOS匹配的SMAP亮温数据；
步骤二、根据步骤一得到的亮温数据进行第一次非线性拟合和第二次非线性拟合，再根据平移变换，完成优化处理；或者，根据步骤一得到的亮温数据进行第一次非线性拟合，再根据定点回归拟合，完成优化处理。
2.如权利要求1所述的二维综合孔径微波辐射计亮温数据的优化处理方法，其特征在于，步骤一中对SMOS亮温数据进行预处理，分别获得H极化亮温数据和V极化亮温数据，一个SMOS亮温数据对应获得一个H极化亮温数据和一个V极化亮温数据，其中，预处理包括：提取SMOS中每个DGG网格的亮温数据，将受到RFI影响的亮温数据进行标记，对于未标记的亮温数据进行异常值检测，剔除已经标记的亮温数据和异常的亮温数据，针对标记的亮温数据和异常的亮温数据，对SMOS亮温数据进行插值法补齐，获得补齐后的SMOS亮温数据，再去除电离层的极化旋转效应，将补齐后的SMOS亮温数据从天线坐标系转换为地面坐标系中的H极化亮温数据和V极化亮温数据。
3.如权利要求2所述的二维综合孔径微波辐射计亮温数据的优化处理方法，其特征在于，步骤一中将SMAP亮温数据时空插值到SMOSDGG，获得在时间和空间上与SMOS匹配的SMAP亮温数据，该SMAP亮温数据包括SMAP的H极化亮温数据和V极化亮温数据。
4.如权利要求3所述的二维综合孔径微波辐射计亮温数据的优化处理方法，其特征在于，步骤二中进行第一次非线性拟合是将步骤一中获得的H极化亮温数据和V极化亮温数据根据方程(1)进行非线性拟合，获得拟合后的参数，得到一条曲线I；
方程(1)为：
其中，
为H极化亮温数据，
为V极化亮温数据，θsmos是对应每个
和
的观测角度，A和C是需要得到的拟合后的参数。
5.如权利要求4所述的二维综合孔径微波辐射计亮温数据的优化处理方法，其特征在于，步骤二中进行第二次非线性拟合是将步骤一中获得的H极化亮温数据和V极化亮温数据根据方程(2)分别进行非线性拟合，获得拟合后的参数，得到两条曲线II；
方程(2)为：
其中，
为H极化亮温数据，
为V极化亮温数据，θsmos是对应每个
和
的观测角度，C是步骤二中经第一次非线性拟合得到的拟合后的参数，av、ah、bv、bh、dv是需要得到的拟合后的参数。
6.如权利要求5所述的二维综合孔径微波辐射计亮温数据的优化处理方法，其特征在于，步骤二中进行平移变换是根据代价函数调整第一次非线性拟合得到的C的值，结合第二次非线性拟合得到的av、ah、bv、bh、dv的值，并根据方程(2)，得到两条曲线III；
代价函数为：
其中，pol代表H极化和V极化，
是SMAP的亮温数据，
是第二次非线性拟合后得到的与SMAP同一角度的SMOS亮温。
7.如权利要求5所述的二维综合孔径微波辐射计亮温数据的优化处理方法，其特征在于，步骤二中进行定点回归拟合，根据限定条件限定拟合后的曲线必须经过SMAP在40°时的亮温数据，并结合方程(2)，得到两条曲线IV；
限定条件为：
其中，
为SMAP在H极化的亮温，
为SMAP在V极化的亮温，θsmap是
和
的观测角度，ov、oh、pv、ph、qv是需要得到的拟合后的参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010676286.0A CN111811660B (zh) | 2020-07-14 | 2020-07-14 | 二维综合孔径微波辐射计亮温数据的优化处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010676286.0A CN111811660B (zh) | 2020-07-14 | 2020-07-14 | 二维综合孔径微波辐射计亮温数据的优化处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111811660A true CN111811660A (zh) | 2020-10-23 |
| CN111811660B CN111811660B (zh) | 2021-06-04 |
Family
ID=72864855
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010676286.0A Active CN111811660B (zh) | 2020-07-14 | 2020-07-14 | 二维综合孔径微波辐射计亮温数据的优化处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111811660B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1847832A (zh) * | 2005-04-11 | 2006-10-18 | 中国科学院遥感应用研究所 | 微波辐射计监测土壤水分的方法 |
| WO2010142876A1 (fr) * | 2009-06-08 | 2010-12-16 | Centre National D'etudes Spatiales | Procédé et système d'imagerie radiométrique à synthèse d'ouverture spatio-temporelle |
| CN102243294A (zh) * | 2010-05-14 | 2011-11-16 | 中国科学院空间科学与应用研究中心 | 一种地基微波辐射计的非线性定标方法及装置 |
| CN105760699A (zh) * | 2016-03-18 | 2016-07-13 | 中国科学院国家空间科学中心 | 一种海表盐度反演方法和装置 |
| 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 |
| CN107870043A (zh) * | 2017-10-25 | 2018-04-03 | 中国科学院国家空间科学中心 | 一种海表参数同步反演优化方法 |
| CN108982548A (zh) * | 2018-07-20 | 2018-12-11 | 浙江大学 | 一种基于被动微波遥感数据的地表土壤水分反演方法 |
| CN109612589A (zh) * | 2019-01-14 | 2019-04-12 | 中国科学院遥感与数字地球研究所 | 一种月基视角下微波地表温度反演方法 |
| CN109725316A (zh) * | 2018-12-18 | 2019-05-07 | 中国人民解放军国防科技大学 | 一种基于一维综合孔径微波辐射计海面温度物理反演方法 |
-
2020
- 2020-07-14 CN CN202010676286.0A patent/CN111811660B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1847832A (zh) * | 2005-04-11 | 2006-10-18 | 中国科学院遥感应用研究所 | 微波辐射计监测土壤水分的方法 |
| WO2010142876A1 (fr) * | 2009-06-08 | 2010-12-16 | Centre National D'etudes Spatiales | Procédé et système d'imagerie radiométrique à synthèse d'ouverture spatio-temporelle |
| CN102243294A (zh) * | 2010-05-14 | 2011-11-16 | 中国科学院空间科学与应用研究中心 | 一种地基微波辐射计的非线性定标方法及装置 |
| CN105760699A (zh) * | 2016-03-18 | 2016-07-13 | 中国科学院国家空间科学中心 | 一种海表盐度反演方法和装置 |
| 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 |
| CN107870043A (zh) * | 2017-10-25 | 2018-04-03 | 中国科学院国家空间科学中心 | 一种海表参数同步反演优化方法 |
| CN108982548A (zh) * | 2018-07-20 | 2018-12-11 | 浙江大学 | 一种基于被动微波遥感数据的地表土壤水分反演方法 |
| CN109725316A (zh) * | 2018-12-18 | 2019-05-07 | 中国人民解放军国防科技大学 | 一种基于一维综合孔径微波辐射计海面温度物理反演方法 |
| CN109612589A (zh) * | 2019-01-14 | 2019-04-12 | 中国科学院遥感与数字地球研究所 | 一种月基视角下微波地表温度反演方法 |
Non-Patent Citations (3)
| Title |
|---|
| CHRISTOF LORENZ 等: "Long-Term and High-Resolution Global Time Series of Brightness Temperature from Copula-Based Fusion of SMAP Enhanced and SMOS Data", 《REMOTE SENSING》 * |
| 李一楠 等: "SMOS在轨定标概述", 《空间电子技术》 * |
| 白瑜 等: "像元尺度土壤水分监测网络及其对L波段土壤水分产品的初步验证结果", 《遥感技术与应用》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111811660B (zh) | 2021-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9348015B2 (en) | Integrated rainfall estimation method using X-band dual-polarimetric radar measurement data | |
| CN110488393A (zh) | X波段双偏振天气雷达定量测量降水方法及系统 | |
| CN110596787A (zh) | 一种基于x波段全固态双偏振雨量雷达的降水估测方法 | |
| Valencia et al. | Oil slicks detection using GNSS-R | |
| Melling | Detection of features in first-year pack ice by synthetic aperture radar (SAR) | |
| CN103616736A (zh) | 基于gnss信号去极化效应的降雨强度地基监测方法 | |
| Shekhar et al. | Sensitivity analysis of navigation with Indian constellation (NavIC) derived multipath phase towards surface soil moisture over agricultural land | |
| Mohanty et al. | Ionospheric scintillation observation using space-borne synthetic aperture radar data | |
| Belcher et al. | Measurement of the ionospheric scintillation parameter $ C_ {k} L $ from SAR images of clutter | |
| Elyouncha et al. | Joint retrieval of ocean surface wind and current vectors from satellite SAR data using a Bayesian inversion method | |
| Zrnić et al. | Correlation coefficients between horizontally and vertically polarized returns from ground clutter | |
| Saito et al. | Study of structures of the sporadic E layer by using dense GNSS network observations | |
| CN111811660B (zh) | 二维综合孔径微波辐射计亮温数据的优化处理方法 | |
| CN106501807A (zh) | 一种冰雹粒子识别方法及装置 | |
| Friedrich et al. | Influence of ground clutter contamination on polarimetric radar parameters | |
| CN112346027A (zh) | 用于确定合成孔径雷达图像的散射特性的方法和系统 | |
| Alonso-Arroyo et al. | Soil Moisture mapping using forward scattered GPS L1 signals | |
| Tahir et al. | Climatological Calibration of ZR Relationship for Pahang River Basin | |
| Kumar et al. | C-band dual-polarization Doppler weather radar at Thumba (8.537° N, 76.865° E): initial results and validation | |
| CN106226844A (zh) | 利用gnss信号极化相移的降雨强度山基测量方法 | |
| Bond et al. | Spatial observations by the CUTLASS coherent scatter radar of ionospheric modification by high power radio waves | |
| DE112016006775B4 (de) | Radarsignal-Verarbeitungsvorrichtung und Radarsignal-Verarbeitungsverfahren | |
| Kramer et al. | An evaluation of Spire radio occultation data in assimilative ionospheric model GPSII and validation by ionosonde measurements | |
| JP2014202740A (ja) | レーダの信号処理方法及び装置 | |
| CN117310708B (zh) | 不依赖外部风向的sar图像海面风场反演方法与系统 |
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 |