CN114019504B - 基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法 - Google Patents

基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法 Download PDF

Info

Publication number
CN114019504B
CN114019504B CN202111303843.5A CN202111303843A CN114019504B CN 114019504 B CN114019504 B CN 114019504B CN 202111303843 A CN202111303843 A CN 202111303843A CN 114019504 B CN114019504 B CN 114019504B
Authority
CN
China
Prior art keywords
cloud
particles
cloud precipitation
particle
satellite
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
CN202111303843.5A
Other languages
English (en)
Other versions
CN114019504A (zh
Inventor
黄浩
赵坤
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
Original Assignee
Nanjing University
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 filed Critical Nanjing University
Priority to CN202111303843.5A priority Critical patent/CN114019504B/zh
Publication of CN114019504A publication Critical patent/CN114019504A/zh
Application granted granted Critical
Publication of CN114019504B publication Critical patent/CN114019504B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法，步骤为接收雷达扫描径向上的Ka和W波段反射率因子观测，即ZKa和Zw；利用数值模式进行三维线性插值得到观测点的温度T；确定各观测点上粒子的特性，并计算在Ka和W波段云降水粒子的后向散射截面和消失截面；将伽马分布模型中Dm和Nw参数作为变分分析的状态向量，将ZKa和ZW作为观测量，构建变分分析的代价函数，其中观测算子中考虑云降水粒子谱计算的反射率因子和单位距离衰减；利用LBFGSB算法最小化代价函数，并在其中引入状态变量Dm为非负的条件，求得Dm、Nw及云降水粒子谱。该方法解决了观测强降水时Ka和W频段雷达电磁波强衰减导致观测不到地表信号而造成的衰减订正困难的问题。

Description

基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法
技术领域
本发明涉及一种星载双频雷达粒子谱反演方法，尤其涉及一种基于变分分析的星载Ka/W双频雷达的粒子谱反演方法。
背景技术
星载Ka/W双频云雨测量雷达可以测量Ka和W两个频段的反射率因子，即 ZKa和ZW。由于Ka和W两个不同频段的云降水粒子散射特性存在差异，相比与常规云雷达和降水雷达而言，双频段反射率因子联合观测可以获取更多的云雨粒子信息，为云、降水研究提供重要的数据基础。其中，自然界云降水中，双波长比DFR与粒子中值直径存在正相关。在实际应用中一般需要通过反演得到云雨粒子的谱分布，为天气研究提供云降水微物理特性的定量信息。我国已经开始初步研制星载Ka和W双频云雨雷达，因此，反演算法的研制有利于未来的实际应用。
在Ka与W两个频段上，雷达能量受云、降水的衰减作用明显，会给粒子谱的反演带来显著的不确定性。星载雷达具有独特的自上而下的观测模式，现有的降水雷达(如热带测雨卫星雷达)一般会装载Ku波段雷达。Ku波段的衰减相对于Ka和W波段而言较小，一般能够观测到地表或海表面的反射率因子，在衰减订正时可以将地表/海表的反射率因子作为参考，其精度一般能满足研究需求。然而对于Ka/W双频雷达而言，由于W波段的强衰减作用，一般在降水稍强时就很难观测到地表/海表的信号，给云雨粒子的反演带来难点。
发明内容
本发明所要解决的技术问题是观测强降水时，Ka和W频段雷达信号衰减较强导致观测不到地表信号，衰减订正困难，进而影响星载Ka/W双频云雨雷达的粒子谱的反演。
为了解决上述技术问题，本发明的基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法，包含如下步骤：
步骤1,接收星载Ka/W双频雷达一个扫描径向上的Ka反射率因子观测ZKa和W波段反射率因子观测Zw。
步骤2，根据星载Ka/W双频雷达的扫描径向上各观测点的时间、经纬度和高度，利用数值模式数据进行三维线性插值,得到各观测点对应的温度T。
步骤3，根据温度T确定各观测点上的云降水粒子的相态、密度、形状、倾斜角方差、融化度和介电常数属性，并计算在Ka和W波段云降水粒子的后向散射截面和消失截面。
步骤4，将云降水粒子谱分布假定为伽马分布，将云降水粒子谱分布模型参数中云降水粒子谱平均直径Dm和浓度截距参数Nw作为变分分析的状态向量，将ZKa和ZW作为观测量，构建变分分析的代价函数，其中观测算子中考虑云降水粒子谱和后向散射截面计算的反射率因子和单位距离衰减。
步骤5，利用LBFGSB算法最小化代价函数，并在其中引入状态变量为非负的条件，求得云降水粒子谱平均直径Dm和浓度截距参数Nw，以及云降水粒子谱。
上述技术方案中，当温度T≤0摄氏度时，云降水粒子假定为冰和空气的混合体，即冰晶和雪粒子，冰相粒子假定为扁球体，其形状由轴长比表示，轴长比为扁球体短轴比长轴；当温度T﹥0摄氏度时，云降水粒子假定为扁球体，其属性设定由高度H决定，高度单位为米。
上述技术方案中，当T≤-20摄氏度时，云降水粒子密度设定为0.4g/cm3，轴长比设定为0.5，云降水粒子倾斜角方差为20度；当温度T在-10﹤T≤0摄氏度时，云降水粒子密度设定为0.2g/cm3，轴长比设定为0.75，云降水粒子倾斜角方差为20度；当温度T在-20﹤T≤-10摄氏度之间时，云降水粒子密度设定为0.5+0.03×(T+20)g/cm3，轴长比设定为0.4+0.035×(T+20)，云降水粒子倾斜角方差为20度。
上述技术方案中，当温度T﹥0摄氏度时，将温度T＝0摄氏度的高度标记为 H0，单位为米，当H<H0-1000时，云降水粒子为纯液态，密度为1g/cm3，其中轴长比ar假定与粒子的直径D的关系符合Brandes等(2002)提出的关系 arBrandes(D)＝0.9951+0.02510D-0.03644D2+0.005030D3-0.0002492D4，云降水粒子倾斜角为5度；而当H介于H0和H0-1000时，粒子为半融化态，即冰、空气、液态水的混合体，当H0﹥H≥H0-500时，云降水粒子的融化度为0.001×(H0-H)，云降水粒子的密度为0.2+0.3/500×(H0-H)g/cm3，直径为D的云降水粒子的轴长比设定为0.75+0.001×(H0-H)×[arBrandes(D)-0.75]；当H0-500﹥H≥H0-1000 时，云降水粒子的融化度为0.001×(H0-H)，云降水粒子的密度为 0.5+0.5/500×(H0-H-500)g/cm3，直径为D的云降水粒子的轴长比设定为0.75+0.001×(H0-H)×[arBrandes(D)-0.75]，云降水粒子倾斜角为20-0.015 ×(H0-H)。
上述技术方案中，所述变分分析的代价函数为 其中x是n个有效观测点上的状态变量Dm和Nw，x＝ [Dm(1)，Dm(2)，…，Dm(n)，Nw(1)，Nw(2)，…，Nw(n)]。和/>分别是有效观测点上的ZKa和ZW观测，/>和/>分别是ZKa和ZW对应的观测误差，和/>分别是从x计算ZKa和ZW的观测算子，FDFR是纯液态粒子时利用Ka波段反射率因子ZKa预测DFR的关系，OF是n×n的对角阵，其中纯液态粒子观测点对应值设为 1，其他观测点上设为一个极大值，可设为10的8次方。
上述技术方案中，所述数值模式数据选择中国气象局的全球模式数据或者最近时刻的欧洲中心第五代再分析数据。
上述技术方案中，液态水的介电常数根据Liebe等(1991)给出的方法计算，冰的介电常数根据Hufford(1991)给出的方法计算。融化粒子的介电常数根据 Maxwell-Garnett(M-G)混合公式计算。粒子的后向散射截面和消失截面采用 T-矩阵算法计算。
上述技术方案中，所述利用LBFGSB算法最小化代价函数时不采用线性化步骤，各迭代最小化过程中的梯度利用自动微分算法求得。
本方案的基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法解决了降水粒子对Ka和W频段雷达信号较强所导致的观测不到地表信号时衰减订正困难的问题。
附图说明
图1 2017年8月23日00:00华南Hato台风个例WRF数值模式模拟对应的 Ka(a)和W(b)波段星载雷达观测反射率因子观测，以及双波比DFR(c)。在仿真中采用Wolfensberger和Berne(2018)开发的仿真算子，雷达高度设定为 410km，经纬度分别为东经114.3度和北纬21.0度，雷达波束宽度0.14度，径向分辨率250m，交轨方向为方位角0度(南北)。降水对雷达电磁波的衰减已考虑，Ka和W波段雷达的灵敏度假设为-12dBZ。仿真中假定空气衰减已经经过提前订正。
图2是图1对应的温度(a)和利用温度确定粒子密度的示意图(b)。
图3是利用T矩阵算法计算的Ka和W波段雪粒子的后向散射截面和粒子直径之间的关系，雪密度设置为0.2g/cm3，温度为0度。其中，介电常数是利用 Maxwell-Garnett混合方案计算。
图4是与图1相对应的变分反演的结果，分别为ZKa(a)和DFR(b)，以及反演得到的Dm(c)。
图5是基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法。
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。通过仿真数据验证本方案的实现过程和性能。
参见图5，具体步骤如下:
步骤1，接收星载Ka/W双频雷达的扫描数据，以如图1中利用数值模拟进行仿真的一次台风过程结果为例。其中仿真采用的方法见图注。
步骤2，通过插值得到观测所对应的温度T，图2(a)为利用欧洲中心第五代再分析数据(ERA5)进行三维线性插值得到的各层的温度结果。
步骤3，根据温度T确定各观测点上的云降水粒子的相态、密度、形状、倾斜角方差、融化度和介电常数属性，并计算在Ka和W波段粒子的后向散射截面和消失截面。图2(b)给出了粒子的属性和温度与高度的关系，其中A-E分别为-20摄氏度、-10摄氏度、0摄氏度、0摄氏度以下500米、0摄氏度以下1000 米的节点，右侧分别为对应的密度、轴长比、粒子倾斜角方差；其余点分别是这些点关于高度的线性插值。图3给出了在节点C，利用T矩阵算法计算的后向散射截面与粒子直径的结果，黑色实线和虚线分别是Ka和W波段的结果。
步骤4，将粒子谱分布假定为伽马分布，构建变分分析的代价函数。该步骤中，Dm和Nw是伽马分布的两个参数，伽马分布的公式如下，其中μ设定为常数3。
根据散射原理，Ze，Ka、Ze，W、AKa和AW均写为关于各观测点的粒子谱N(D) [m-3mm-1]的函数，即
其中λ是电磁波波长，D是降水物等效直径，Kw，Ka和Kw，W是两个波段的介电因子(常数)，σb，Ka[mm2]和σb，W[mm2]分别为Ka和W波段的后向散射截面，σe，Ka[mm2] 和σe，W[mm2]分别为Ka和W波段的消失截面。N(D)是粒子谱，它表示单位取样体积范围内单位粒子直径档内的粒子数，是关于粒子的等效体积直径(D，单位为mm)的函数。由上述公式，我们可以得到观测前项算子
同时，观测算子中引入了纯液态粒子时Ka波段反射率因子ZKa和DFR的关系作为约束，防止反演本身的数值不稳定，我们这里采用的关系为DFR(ZKa)＝0.54ZKa- 5.44。
步骤5，利用LBFGS-B算法(limited-memory Broyden-Fletcher-Go1dfarb-Shannoalgorithm for bound optimization)计算步骤5中的代价函数最小时的x，同时在最小化时设置x中对应Dm的元素大于0；在最小化时用到的代价函数的梯度我们利用autograd软件自动获取。
步骤6，虽然图1中给出了整个剖面扫描图像，但反演是逐个雷达径向进行，直至扫描结束。图4给出了与图1相对应的变分反演的结果，图4(a)和图4 (b)为反演结果正演得到的ZKa和DFR，图4(c)为反演得到的Dm，结果相对比较合理。

Claims (8)

1.基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法，其特征在于：
步骤1,接收星载Ka/W双频雷达一个扫描径向上的Ka反射率因子观测ZKa和W波段反射率因子观测Zw；
步骤2，根据星载Ka/W双频雷达的扫描径向上各观测点的时间、经纬度和高度，利用数值模式数据进行三维线性插值,得到各观测点对应的温度T；
步骤3，根据温度T确定各观测点上的云降水粒子的相态、密度、形状、倾斜角方差、融化度和介电常数属性，并计算在Ka和W波段云降水粒子的后向散射截面和消失截面；
步骤4，将云降水粒子谱分布假定为伽马分布，将云降水粒子谱分布模型参数中云降水粒子谱平均直径Dm和浓度截距参数Nw作为变分分析的状态向量，将ZKa和ZW作为观测量，构建变分分析的代价函数，其中观测算子中考虑云降水粒子谱和后向散射截面计算的反射率因子和单位距离衰减；
步骤5，利用LBFGSB算法最小化代价函数，并在其中引入状态变量为非负的条件，求得云降水粒子谱平均直径Dm和浓度截距参数Nw，以及云降水粒子谱。
2.如权利要求1所述的基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法，其特征在于：当温度T≤0摄氏度时，云降水粒子假定为冰和空气的混合体，冰相粒子假定为扁球体，其形状由轴长比表示；当温度T﹥0摄氏度时，云降水粒子假定为扁球体，其属性设定由高度H决定。
3.如权利要求2所述的基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法，其特征在于：当T≤-20摄氏度时，云降水粒子密度设定为0.4g/cm3，轴长比设定为0.5，云降水粒子倾斜角方差为20度；当温度T在-20﹤T≤-10摄氏度之间时，云降水粒子密度设定为0.5+0.03×(T+20)g/cm3，轴长比设定为0.4+0.035×(T+20)，云降水粒子倾斜角方差为20度；当温度T在-10﹤T≤0摄氏度时，云降水粒子密度设定为0.2g/cm3，轴长比设定为0.75，云降水粒子倾斜角方差为20度。
4.如权利要求2或3所述的基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法，其特征在于：当温度T﹥0摄氏度时，将温度T＝0摄氏度的高度标记为H0，当H<H0-1000时，云降水粒子密度为1g/cm3，其中轴长比ar假定与粒子的直径D的关系为arBrandes(D)＝0.9951+0.02510D-0.03644D2+0.005030D3-0.0002492D4，云降水粒子倾斜角为5度；当H0﹥H≥H0-500时，云降水粒子的融化度为0.001×(H0-H)，云降水粒子的密度为0.2+0.3/500×(H0-H)g/cm3，直径为D的云降水粒子的轴长比设定为0.75+0.001×(H0-H)×[arBrandes(D)-0.75]；当H0-500﹥H≥H0-1000时，云降水粒子的融化度为0.001×(H0-H)，云降水粒子的密度为0.5+0.5/500×(H0-H-500)g/cm3，直径为D的云降水粒子的轴长比设定为0.75+0.001×(H0-H)×[arBrandes(D)-0.75]，云降水粒子倾斜角为20-0.015×(H0-H)。
5.如权利要求2所述的基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法，其特征在于：所述变分分析的代价函数为
其中x是n个有效观测点上的状态变量Dm和Nw，x＝[Dm(1),Dm(2),…,Dm(n),Nw(1),Nw(2),…,Nw(n)]，和/>分别是有效观测点上的ZKa和ZW观测，/>和/>分别是ZKa和ZW对应的观测误差，和/>分别是从x计算ZKa和ZW的观测算子，FDFR是纯液态粒子时利用Ka波段反射率因子ZKa预测DFR的关系，OF是n×n的对角阵，其中纯液态粒子观测点对应值设为1，其他观测点上设为一个极大值。
6.如权利要求1所述的基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法，其特征在于：所述数值模式数据选择中国气象局的全球模式数据或者最近时刻的欧洲中心第五代再分析数据。
7.如权利要求1所述的基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法，其特征在于：液态水的介电常数根据Liebe给出的方法计算，冰的介电常数根据Hufford给出的方法计算，融化粒子的介电常数根据Maxwell-Garnett混合公式计算；云降水粒子的后向散射截面和消失截面采用T-矩阵算法计算。
8.如权利要求1所述的基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法，其特征在于：所述利用LBFGSB算法最小化代价函数时不采用线性化步骤，各迭代最小化过程中的梯度利用自动微分算法求得。
CN202111303843.5A 2021-11-05 2021-11-05 基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法 Active CN114019504B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111303843.5A CN114019504B (zh) 2021-11-05 2021-11-05 基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111303843.5A CN114019504B (zh) 2021-11-05 2021-11-05 基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法

Publications (2)

Publication Number Publication Date
CN114019504A CN114019504A (zh) 2022-02-08
CN114019504B true CN114019504B (zh) 2024-03-19

Family

ID=80061474

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111303843.5A Active CN114019504B (zh) 2021-11-05 2021-11-05 基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法

Country Status (1)

Country Link
CN (1) CN114019504B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114924241B (zh) * 2022-04-15 2024-09-17 国家卫星气象中心(国家空间天气监测预警中心) 星载降水测量雷达和地基天气雷达的频率修正方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107656279A (zh) * 2017-09-19 2018-02-02 中国电子科技集团公司第三十八研究所 一种基于双参数粒子谱分布的测雨雷达辐射传输系统
CN110361742A (zh) * 2019-06-21 2019-10-22 中国人民解放军国防科技大学 一种基于星载三频毫米波雷达的云雨微物理参数反演方法
CN110940984A (zh) * 2019-11-25 2020-03-31 南京大学 基于变分分析的双偏振雷达比差分相移快速估算方法
CN111611731A (zh) * 2020-03-27 2020-09-01 国家卫星海洋应用中心 卫星数据融合方法、装置及电子设备
CN113189678A (zh) * 2021-04-29 2021-07-30 南京气象科技创新研究院 基于多源观测资料的降水现象综合识别方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8525724B2 (en) * 2010-10-08 2013-09-03 University Of Massachusetts System and method for generating derived products in a radar network

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107656279A (zh) * 2017-09-19 2018-02-02 中国电子科技集团公司第三十八研究所 一种基于双参数粒子谱分布的测雨雷达辐射传输系统
CN110361742A (zh) * 2019-06-21 2019-10-22 中国人民解放军国防科技大学 一种基于星载三频毫米波雷达的云雨微物理参数反演方法
CN110940984A (zh) * 2019-11-25 2020-03-31 南京大学 基于变分分析的双偏振雷达比差分相移快速估算方法
CN111611731A (zh) * 2020-03-27 2020-09-01 国家卫星海洋应用中心 卫星数据融合方法、装置及电子设备
CN113189678A (zh) * 2021-04-29 2021-07-30 南京气象科技创新研究院 基于多源观测资料的降水现象综合识别方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于雷达反射率因子的降水性层状云中雨滴谱参数的反演方法与检验研究;周嘉健;肖辉;潘雯菁;王振会;;热带气象学报;20180415(第02期);全文 *

Also Published As

Publication number Publication date
CN114019504A (zh) 2022-02-08

Similar Documents

Publication Publication Date Title
Jin et al. Assessment of BeiDou differential code bias variations from multi-GNSS network observations
Rama Rao et al. On the validity of the ionospheric pierce point (IPP) altitude of 350 km in the Indian equatorial and low-latitude sector
Coleman A ray tracing formulation and its application to some problems in over-the-horizon radar
Guarnieri et al. Atmospheric phase screen in GEO-SAR: Estimation and compensation
Hu et al. Research progress on geosynchronous synthetic aperture radar
Li et al. Back projection algorithm for high resolution GEO-SAR image formation
CN111077526A (zh) 基于高轨星载sar系统的电离层层析方法及系统
CN114019504B (zh) 基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法
Iguchi et al. An overview of the precipitation retrieval algorithm for the dual-frequency precipitation radar (DPR) on the global precipitation measurement (GPM) mission's core satellite
Ji et al. Spaceborne P-band SAR imaging degradation by anisotropic ionospheric irregularities: A comprehensive numerical study
Cardellach et al. Probability of intense precipitation from polarimetric GNSS radio occultation observations
Xu et al. A cloud-dependent 1DVAR precipitation retrieval algorithm for FengYun-3D microwave soundings: a case study in tropical cyclone mekkhala
Nitti et al. On the use of COSMO/SkyMed data and Weather Models for interferometric DEM generation
Das et al. Assessment of ground‐based X‐band radar reflectivity: Attenuation correction and its comparison with space‐borne radars over the Western Ghats, India
Leinonen et al. Mapping radar reflectivity values of snowfall between frequency bands
Li et al. Differential tropospheric delay estimation by simultaneous multi-angle repeat-pass InSAR
CN115542284B (zh) 一种基于简缩极化sar的月表介电常数反演方法
CN104793191B (zh) 一种背景电离层对geosar成像影响分析方法及其验证方法
Nonaka et al. Evaluation of the geometric accuracy of TerraSAR-X
Perry et al. Modeling and validating a SuperDARN radar's Poynting flux profile
Oury et al. Estimate of precipitation from the dual-beam airborne radars in TOGA COARE. Part 1: The K–Z relationships derived from stereo and quad-beam analysis
Crisologo Enhancing the consistency of spaceborne and ground-based radar comparisons by using quality filters
Gulyaeva et al. Scale factor mitigating non-compliance of double-frequency altimeter measurements of the ionospheric electron content over the oceans with GPS-TEC maps
Bolen et al. Ground and satellite-based radar observation comparisons: Propagation of space-based radar signals
Ding et al. Geosynchronous SAR imaging algorithm research

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