CN113325418B - 基于合成孔径雷达的降雨反演方法 - Google Patents
基于合成孔径雷达的降雨反演方法 Download PDFInfo
- Publication number
- CN113325418B CN113325418B CN202110773775.2A CN202110773775A CN113325418B CN 113325418 B CN113325418 B CN 113325418B CN 202110773775 A CN202110773775 A CN 202110773775A CN 113325418 B CN113325418 B CN 113325418B
- Authority
- CN
- China
- Prior art keywords
- radar
- rainfall
- section value
- normalized
- backscatter cross
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- 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)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Hydrology & Water Resources (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于合成孔径雷达的降雨反演方法,包括步骤:S1:获取原始星载SAR图像和TRMM卫星测量的降雨量数据;计算获得所述原始星载SAR图像的归一化雷达后向散射截面值;S2:利用基于布拉格散射理论的改进复合表面雷达后向散射模型模拟获得一模拟归一化雷达后向散射截面值;S3:确定所述归一化雷达后向散射截面值与所述模拟归一化雷达后向散射截面值的差值与降雨量之间的关系;S4:构造反演算法。本发明的一种基于合成孔径雷达的降雨反演方法,其精度高,计算量较小。
Description
技术领域
本发明涉及合成孔径雷达技术领域,尤其涉及一种基于合成孔径雷达的降雨反演方法。
背景技术
在日常生活中,降雨对人类的影响无处不在。降雨分布的地点和时间直接影响着人类利用淡水资源的能力,直接影响着人类的生活质量。伴随着飓风、暴风雪、洪水、干旱和山体滑坡的极端降雨天气已经严重影响到人类社会的生存和发展。在人类历史上,降雨的观测一直是气象和水文学的重要内容。像农业灌溉、洪水控制、干旱应对和淡水供应等这些水资源的管理,都需要人类对降雨进行准确的观测和预报。降雨不仅对水资源至关重要,而且对地球的能量传输和生物地球化学循环起着重要的作用,它在很大程度上引起了全球热量和湿度的重新分布。因此,降雨量的精确测量对气象预报、防灾减灾和工农业生产等具有十分重要的意义。
在海洋、水文、大气和环境科学中,降雨量的研究是一个非常重要的内容。全球降水的测量是环境气候变化研究中的主要薄弱环节。随着空间科学技术的发展,特别是海洋遥感技术,使得人们研究海洋和认识海洋的手段有了突飞猛进的发展。在海洋遥感技术中,合成孔径雷达(英文全称:Synthetic Aperture Radar,英文缩写:SAR)具有一定的优势。SAR是一种主动式微波成像雷达,通过发射一定频率的微波并测量其后向散射信号的幅值以及位相信息,可以得到海表后向散射强度的图像,这种图像拥有很高的分辨率,能达到几米的量级,而且SAR对海表粗糙度的变化十分敏感,可海表细微空间变化特征提供较多的海洋动力信息,例如海表风场、海表波浪、内波、海流、海冰、海面船只的尾流以及海表浮油等。同时,SAR作为一种微波成像雷达,可以在任何时间任何天气情况对海表进行观测。因此SAR是一种全天时、全天候和高分辨率观测海洋的成像雷达。
现有技术中,SAR主要通过SAR测量降雨的雷达方程,计算了SAR的有效合成孔径和雨滴多普勒速度谱标准差及平台运动速度的变化关系,进行了降雨量测量,奠定了SAR测量降雨量的研究奠定了理论基础。基于如上基础开发出了基于沃尔塔积分方程(VolterraIntegral Equation,VIE)的反演算法以及MOS统计算法,以及开发出了介绍了通过降雨的散射信号强弱来反演降雨量(简称:散射法)与降雨的衰减强弱来反演降雨量(简称:衰减法)。通过多极化和多频段的SAR数据测量,发现海洋上方的降雨在雷达图像中的印记通常由非规则亮区和暗区组成,它强烈依赖于雷达频率和极化方式。图像中的降雨印记来源于大气中降雨和降雪粒子对电磁波的散射和衰减,以及海洋表面粗糙度的变化,该粗糙度是由雨滴和风流引起的。分析了海平面的归一化雷达散射截面(Normalized Radar CrossSections,NRCS)和降雨量及波长的变化关系,发现大雨冲击下的海平面NRCS与降雨自由飘落下(如小雨)的海平面NRCS两者的大小取决于雷达波长,L波段时,前者减小了,而X和C波段前者则增加了。在MOS反演算法中,降雨量水平分布的确定是通过统计并比较各种分布对NRCS的影响,建立数据库,利用统计学的知识对一些典型数值进行比较才最终确立的。地表降雨量、冰冻粒子分布系数等参数的反演表达式中的加权系数是在某一固定波束入射角下得到的。当波束入射角变化时,需要重新计算各物理量反演表达式中的加权系数。这些都大大增加了工作量。MOS算法是一种统计的方法,理论推导不够严谨,有很多统计的成分,在反演时基本能达到实际需求但是精度还有待进一步提高。这些缺点限制了该算法的应用;VIE反演算法是根据VIE积分方程被严格推导出来的,但算法本身复杂,计算量较大。
发明内容
针对上述现有技术中的不足,本发明提供一种基于合成孔径雷达的降雨反演方法,其精度高,计算量较小。
为了实现上述目的,本发明提供一种基于合成孔径雷达的降雨反演方法,包括步骤:
S1:获取原始星载SAR图像和TRMM卫星测量的降雨量数据;计算获得所述原始星载SAR图像的归一化雷达后向散射截面值;
S2:利用基于布拉格散射理论的改进复合表面雷达后向散射模型模拟获得一模拟归一化雷达后向散射截面值;
S3:确定所述归一化雷达后向散射截面值与所述模拟归一化雷达后向散射截面值的差值与降雨量之间的关系;
S4:构造反演算法。
优选地,所述S1步骤中:所述TRMM卫星测量的降雨量数据的收集间隔为3小时;将所述TRMM卫星测量的降雨量数据与所述原始星载SAR图像进行匹配时,二者之间的时间差距不超过1个半小时。
优选地,所述S2步骤中,所述布拉格散射理论的改进复合表面雷达后向散射模型包括公式:
其中,NRCS表示所述模拟归一化雷达后向散射截面值;RCS表示雷达后向散射截面值;x,y是水平坐标向量;
RCS=σPPSE(kB,φB) (2);
其中,SE表示E谱能量值,kB是布拉格波数的大小,φB是布拉格波数的方向;σ0是水平或垂直极化下的布拉格散射;PP表示水平或垂直极化;σ是校正的局部σ0;w是加权布拉格散射函数;k0是雷达波数;θ是入射角;φ是雷达的方位角;Sp和St分别是平行和垂直于雷达观察方向的略微倾斜的布拉格散射面的斜率,Sp和St主要由海浪引起的微尺度波调制;
布拉格散射的计算公式为:
其中,i表示SAR图像像素点;PP和QQ代表HH或者VV,当PP为VV则QQ为HH,当PP为HH则QQ为VV;bHH表示HH极化散射系数;ε表示海水介电常数;bVV表示VV极化散射系数;ζ为海面斜率。
优选地,所述S3步骤中,所述归一化雷达后向散射截面值与所述模拟归一化雷达后向散射截面值的差值与降雨量之间呈线性关系,即降雨量越大所述模拟归一化雷达后向散射截面值和所述归一化雷达后向散射截面值之间的差异越大。
优选地,所述S4进一步包括步骤:
S41:利用公式(1)~(11)计算所述原始星载SAR图像对应的所述模拟归一化雷达后向散射截面值;
S42:将所述TRMM卫星测量的降雨量数据与所述模拟归一化雷达后向散射截面值协同定为分类;
S43:简化计算过程,建立拟合公式:
Rate=A*(NRCSSAR-NRCSSimulation)+B (10);
其中,Rate表示降雨量;A、B表示关系常数,可针对不同极化不同波段SAR卫星进行拟合;NRCSSAR表示所述归一化雷达后向散射截面值;NRCSSimulation表示模拟归一化雷达后向散射截面值。
本发明由于采用了以上技术方案,使其具有以下有益效果:
本发明利用星载SAR获取遥感图像,对该遥感图像进行辐射定标,获取观测的NRCS值;以及基于布拉格散射理论的改进复合表面雷达后向散射模型来模拟归一化后向散射截面值。利用TRMM卫星测雨雷达的数据提探究SAR遥感图像观测到的NRCS与模拟的NRCS之差与降雨量之间的关系;根据探究得到的SAR遥感图像的观测到的NRCS与模拟的NRCS之差与降雨量之间的关系构建降雨量的反演算法;其精度高,计算量较小,可对针对不同极化、不同波段SAR卫星进行重新调制。
附图说明
图1为本发明实施例的基于合成孔径雷达的降雨反演方法的流程图。
具体实施方式
下面根据附图图1,给出本发明的较佳实施例,并予以详细描述,使能更好地理解本发明的功能、特点。
请参阅图1,本发明实施例的一种基于合成孔径雷达的降雨反演方法,包括步骤:
S1:获取原始星载SAR图像和TRMM卫星测量的降雨量数据;计算获得原始星载SAR图像的归一化雷达后向散射截面值;
TRMM卫星测量的降雨量数据的收集间隔为3小时,分辨0.25°即大约25km;将TRMM卫星测量的降雨量数据与原始星载SAR图像进行匹配时,二者之间的时间差距不超过1个半小时。这组数据用来确定原始星载SAR图像的NRCS与模拟的NRCS之差与降雨量之间的关系。此外,我们使用基于布拉格散射理论的改进复合表面雷达后向散射模型来模拟归一化雷达后向散射截面值。与原始星载SAR图像的时间误差不超过半个小时。
S2:利用基于布拉格散射理论的改进复合表面雷达后向散射模型模拟获得一模拟归一化雷达后向散射截面值;
布拉格散射理论的改进复合表面雷达后向散射模型包括公式:
其中,NRCS表示模拟归一化雷达后向散射截面值;RCS表示雷达后向散射截面值;x,y是水平坐标向量;
RCS与E谱的关系如下:
RCS=σPPSE(kB,φB) (2);
其中,SE表示E谱能量值,kB是布拉格波数的大小,φB是布拉格波数的方向;σ0是水平或垂直极化下的布拉格散射;PP表示水平或垂直极化;σ是校正的局部σ0;w是加权布拉格散射函数;k0是雷达波数;θ是入射角;φ是雷达的方位角;ζ为海面斜率;x和y代表海浪传播方向在水平方向的分量;Sp和St分别是平行和垂直于雷达观察方向的略微倾斜的布拉格散射面的斜率。
σ与σ0的不同之处在于加权函数w考虑了几何调制,即向雷达天线升高或倾斜的面比参考平面内具有相同尺寸x和y的水平面具有更大的雷达有效面积,从几何上考虑,得到权重函数如下:
布拉格散射的计算公式为:
其中,i表示SAR图像像素点;PP和QQ代表HH或者VV,当PP为VV则QQ为HH,当PP为HH则QQ为VV;bHH表示HH极化散射系数;ε表示海水介电常数;bVV表示VV极化散射系数;ζ为海面斜率。
基于第三代海浪模式WAVEWATCH-III模拟SAR图像对应区域的海浪谱和斜率,并把模拟的海浪谱作为SE带入上述式子中,获取仿真后向散射截面。
S3:确定归一化雷达后向散射截面值与模拟归一化雷达后向散射截面值的差值与降雨量之间的关系;
将GF-3SAR遥感图像的观测到的NRCS与模拟的NRCS之差与降雨量之间的关系与TRMM卫星观测到的降雨量数据进行分析,发现归一化雷达后向散射截面值与模拟归一化雷达后向散射截面值的差值与降雨量之间呈线性关系,即降雨量越大所述模拟归一化雷达后向散射截面值和所述归一化雷达后向散射截面值之间的差异越大。
S4:根据归一化雷达后向散射截面值与模拟归一化雷达后向散射截面值的差值与降雨量之间的关系构造反演算法。
S4进一步包括步骤:
S41:利用公式(1)~(11)计算原始星载SAR图像对应的模拟归一化雷达后向散射截面值;
S42:将TRMM卫星测量的降雨量数据与模拟归一化雷达后向散射截面值协同定为分类;
S43:简化计算过程,建立拟合公式:
Rate=A*(NRCSSAR-NRCSSimulation)+B (10);
其中,Rate表示降雨量;A、B表示关系常数可针对不同极化不同波段SAR卫星进行拟合;NRCSSAR表示归一化雷达后向散射截面值;NRCSSimulayion表示模拟归一化雷达后向散射截面值。
以上结合附图实施例对本发明进行了详细说明,本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而,实施例中的某些细节不应构成对本发明的限定,本发明将以所附权利要求书界定的范围作为本发明的保护范围。
Claims (4)
1.一种基于合成孔径雷达的降雨反演方法,包括步骤:
S1:获取原始星载SAR图像和TRMM卫星测量的降雨量数据;计算获得所述原始星载SAR图像的归一化雷达后向散射截面值;
S2:利用基于布拉格散射理论的改进复合表面雷达后向散射模型模拟获得一模拟归一化雷达后向散射截面值;
S3:确定所述归一化雷达后向散射截面值与所述模拟归一化雷达后向散射截面值的差值与降雨量之间的关系;
S4:构造反演算法;
所述S2步骤中,所述布拉格散射理论的改进复合表面雷达后向散射模型包括公式:
其中,NRCS表示所述模拟归一化雷达后向散射截面值;RCS表示雷达后向散射截面值;x,y是水平坐标向量;
RCS=σPPSE(kB,φB) (2);
其中,SE表示E谱能量值,kB是布拉格波数的大小,φB是布拉格波数的方向;σ0是水平或垂直极化下的布拉格散射;PP表示水平或垂直极化;σ是校正的局部σ0;w是加权布拉格散射函数;k0是雷达波数;θ是入射角;φ是雷达的方位角;Sp和St分别是平行和垂直于雷达观察方向的略微倾斜的布拉格散射面的斜率,Sp和St主要由海浪引起的微尺度波调制;
布拉格散射的计算公式为:
其中,i表示SAR图像像素点;PP和QQ代表HH或者VV,当PP为VV则QQ为HH,当PP为HH则QQ为VV;bHH表示HH极化散射系数;ε表示海水介电常数;bVV表示VV极化散射系数;ζ为海面斜率。
2.根据权利要求1所述的基于合成孔径雷达的降雨反演方法,其特征在于,所述S1步骤中:所述TRMM卫星测量的降雨量数据的收集间隔为3小时;将所述TRMM卫星测量的降雨量数据与所述原始星载SAR图像进行匹配时,二者之间的时间差距不超过1个半小时。
3.根据权利要求1所述的基于合成孔径雷达的降雨反演方法,其特征在于,所述S3步骤中,所述归一化雷达后向散射截面值与所述模拟归一化雷达后向散射截面值的差值与降雨量之间呈线性关系,即降雨量越大所述模拟归一化雷达后向散射截面值和所述归一化雷达后向散射截面值之间的差异越大。
4.根据权利要求3所述的基于合成孔径雷达的降雨反演方法,其特征在于,所述S4进一步包括步骤:
S41:利用公式(1)~(11)计算所述原始星载SAR图像对应的所述模拟归一化雷达后向散射截面值;
S42:将所述TRMM卫星测量的降雨量数据与所述模拟归一化雷达后向散射截面值协同定为分类;
S43:简化计算过程,建立拟合公式:
Rate=A*(NRCSSAR-NRCSSimulation)+B (10);
其中,Rate表示降雨量;A、B表示关系常数可针对不同极化不同波段SAR卫星进行拟合;NRCSSAR表示所述归一化雷达后向散射截面值;NRCSSimulation表示模拟归一化雷达后向散射截面值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110773775.2A CN113325418B (zh) | 2021-07-08 | 2021-07-08 | 基于合成孔径雷达的降雨反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110773775.2A CN113325418B (zh) | 2021-07-08 | 2021-07-08 | 基于合成孔径雷达的降雨反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113325418A CN113325418A (zh) | 2021-08-31 |
CN113325418B true CN113325418B (zh) | 2023-07-25 |
Family
ID=77425986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110773775.2A Active CN113325418B (zh) | 2021-07-08 | 2021-07-08 | 基于合成孔径雷达的降雨反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113325418B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117192555B (zh) * | 2023-11-02 | 2024-01-12 | 中国科学院空天信息创新研究院 | Sar图像海面大气锋检测及其冷暖类型判定方法与系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102540148A (zh) * | 2012-02-15 | 2012-07-04 | 上海大学 | 一种降雨立体分布参数的反演算法 |
CN106610491A (zh) * | 2016-12-21 | 2017-05-03 | 广州市气象台 | 星载sar后向散射系数的检验方法及装置 |
CN107748360A (zh) * | 2017-09-05 | 2018-03-02 | 浙江海洋大学 | 海表风场反演方法及装置 |
CN112162282A (zh) * | 2020-09-07 | 2021-01-01 | 浙江海洋大学 | 一种基于合成孔径雷达海表流速反演方法 |
-
2021
- 2021-07-08 CN CN202110773775.2A patent/CN113325418B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102540148A (zh) * | 2012-02-15 | 2012-07-04 | 上海大学 | 一种降雨立体分布参数的反演算法 |
CN106610491A (zh) * | 2016-12-21 | 2017-05-03 | 广州市气象台 | 星载sar后向散射系数的检验方法及装置 |
CN107748360A (zh) * | 2017-09-05 | 2018-03-02 | 浙江海洋大学 | 海表风场反演方法及装置 |
CN112162282A (zh) * | 2020-09-07 | 2021-01-01 | 浙江海洋大学 | 一种基于合成孔径雷达海表流速反演方法 |
Non-Patent Citations (3)
Title |
---|
合成孔径雷达反演降雨量算法的研究进展;谢亚楠;周明亮;刘志坤;;遥感技术与应用;第32卷(第04期);全文 * |
星载SAR降水反演研究简介;孙逢林 等;《气象科技进展》(第1期);文章第112-113页 * |
海洋雨团的全极化SAR回波信号仿真研究;曲秀凤;种劲松;吴秀清;吴一戎;;通信技术;第43卷(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113325418A (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112213727B (zh) | 一种基于主被动微波联合探测的星载雷达的降水订正方法 | |
Baghdadi et al. | Estimation of soil parameters over bare agriculture areas from C-band polarimetric SAR data using neural networks | |
Yueh et al. | SMAP L-band passive microwave observations of ocean surface wind during severe storms | |
Vachon et al. | Wind retrieval from RADARSAT SAR images: Selection of a suitable C-band HH polarization wind retrieval model | |
Yu et al. | An overview of GNSS remote sensing | |
Schuler et al. | Measurement of ocean surface slopes and wave spectra using polarimetric SAR image data | |
Nie et al. | A C-band wind/rain backscatter model | |
Xu et al. | Assimilating all-sky infrared radiances from Himawari-8 using the 3DVar method for the prediction of a severe storm over North China | |
Yin et al. | Errors in SMOS sea surface salinity and their dependency on a priori wind speed | |
Iturbide-Sanchez et al. | Assessment of a variational inversion system for rainfall rate over land and water surfaces | |
Marseille et al. | Toward scatterometer winds assimilation in the mesoscale HARMONIE model | |
Shao et al. | Cyclone wind retrieval based on X-band SAR-derived wave parameter estimation | |
Zhao et al. | Retrieval of rain rates for tropical cyclones from Sentinel-1 synthetic aperture radar images | |
CN113325418B (zh) | 基于合成孔径雷达的降雨反演方法 | |
Jiang et al. | Estimating the sea state bias of Jason-2 altimeter from crossover differences by using a three-dimensional nonparametric model | |
Shao et al. | Sea state parameters retrieval from cross-polarization Gaofen-3 SAR data | |
Bu et al. | Retrieval of sea surface rainfall intensity using spaceborne GNSS-R data | |
CN108983235B (zh) | 一种基于刈幅的交叉极化sar风场反演方法 | |
Comite et al. | Bistatic radar systems at large baselines for ocean observation | |
Bu et al. | A new integrated method of CYGNSS DDMA and LES measurements for significant wave height estimation | |
Sun et al. | Retrieval of surface wave parameters from SAR images and their validation in the coastal seas around Japan | |
Jin et al. | Remote sensing and its applications using GNSS reflected signals: advances and prospects | |
Miao et al. | Wet tropospheric correction methods for wide-swath altimeters | |
Guerraou et al. | Investigation of azimuthal variations from X-band medium-grazing-angle sea clutter | |
Ayari et al. | Simulations of the bistatic scattering using two-scale model and the unified sea spectrum |
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 |