基于最大似然估计的海面风场反演算法研究

最大似然估计法被认为是海面风场反演的最佳方法,目前被用来处理SeaWinds散射计数据。风矢量求解算法是风场反演算法的核心内容。最大似然法的目标函数形式决定了在风场反演过程中必须采用数值方法求解风矢量,而传统数值求解方法运算量大。该文对最大似然估计的风场反演方法的基本原理和具体过程进行探讨,根据其目标函数的一般分布特征,提出一种较为高效的数值风矢量搜索算法。用SeaWinds散射计的L2A实测数据和相应的L2B数据验证了该算法的可行性。

基于梯度算子的高分三号SAR风场反演方法

鉴于高分三号(GF-3)合成孔径雷达(SAR)图像具有黑白相间条纹特征,提出一种基于梯度算子的风场反演方法。对SAR图像重新采样后,利用Sobel梯度算子求解海面风向值,接着使用扩展后的CMOD5散射模型推算出风速值。为了测试该方法,对GF-3 SAR图像进行风场反演实验,并使用欧洲中尺度天气预报中心(ECMWF)再分析风场数据和美国国家浮标中心(NDBC)浮标风矢量数据对反演得到的SAR风场质量进行评估。实验结果表明:GF-3 SAR风场相比于ECMWF再分析风场,风速、风向均方根误差分别为1.79 m/s和11.95°;相比于NDBC浮标数据,风速、风向绝对偏差分别为0.24 m/s和9.03°。因此,本文方法能有效地从GF-3 SAR图像中反演出较高精度的风场,研究结果可为GF-3 SAR风场反演技术提供参考。

珠江口近岸水域实测光谱与Sentinel-2卫星影像光谱的对比分析

地面实测的水体高光谱数据与卫星影像上的多光谱数据都是水质反演与监测中的重要数据来源,二者之间存在光谱分辨率等差异,其关联性在一定程度上影响了水质反演的精度。为探究实测光谱与影像光谱之间的相关关系,文章以珠江口近岸水域为研究区,基于2020年与2021年间共计4轮同步实测的水体高光谱与哨兵2号影像数据,分别从光谱形态、反射率的角度对比分析不同大气校正算法的影像结果与实测数据之间的关系与差异。分别将等效反射率与Sen2cor(Sentinel-2 atmospheric correction)、C2RCC(Case-2 Regional/Coast Color)大气校正算法影像结果进行两两对比,得出以下结论:①Sen2cor大气校正算法在浑浊水体中表现更好,其影像光谱形态与实测光谱契合程度更高;②C2RCC大气校正算法在一般水体或非浑浊水体中的效果更好,其影像上的绝对反射率可以更好地还原水体的地面反射率。

基于遗传算法的微波散射计海面风矢量反演研究

针对目前传统反演方法存在的不足和限制,引入遗传算法用于风矢量反演中的目标函数优化。以SeaWinds散射计为例,根据其模型函数和模糊解的基本特征,设计并实现了一套可用于该散射计的海面风矢量反演算法,并利用SeaWinds散射计部分L2A实测数据对该反演算法进行了验证。实验结果表明,通过多代遗传操作,算法能够收敛于几个局部极值点,从而证明该算法能够有效解决数值风矢量的优化搜索问题。

一种海面风场反演的快速风矢量搜索算法

本文以SeaW inds散射计为例,从最大似然估计的海面风场反演方法出发,根据其目标函数的一般分布特征,提出并实现了一种快速风矢量搜索算法。然后采用美国SeaW inds散射计的部分LA实测数据对该搜索算法进行了验证,并与常规算法对同一实验数据的反演偏差及运行时间进行了对比分析,结果表明该算法在能够保证反演精度的前提下,在较大程度上提高了运行效率。

Sea Winds散射计海面风场模糊去除方法研究

利用最大似然法(MLE)对SeaWinds散射计数据反演得出的风矢量,一般存在2～4个模糊解,故需采用圆中数滤波法进行模糊去除.根据SeaWinds散射计第一模糊解的空间分布特性,归纳出一套适合SeaWinds散射计的模糊去除方法,并在理论上探讨了其适应性.该方法的圆中数定义简单,计算量小,且易于收敛.利用美国NASA提供的部分L2A原始数据对该方法进行验证的结果表明,对于简单风场分布情况,该方法在没有其他参考数据进行初始化的条件下,能有效解决SeaWinds轨道边缘区域的块状模糊问题.

Sea Winds散射计海面风场神经网络建模研究

根据Sea Winds散射计只有两个入射角和两种极化方式的特点,利用其L2A数据和F291海上浮标数据,针对传统建模方法的不足和限制,借助神经网络建立了一个两种极化方式下统一的神经网络地球物理模型函数。该模型的主要特点是建模风矢量全部取自海上浮标测量数据,因而所用风矢量更加客观准确。通过与Qscat-1模型的比较和L2B与浮标风速之间的偏差统计分析,证明了该神经网络模型的有效性,并发现Qscat-1模型存在一定的系统性偏差。

动态聚类适应值共享遗传算法在散射计风矢量反演中的应用

风矢量反演是散射计数据处理的核心内容,传统风矢量反演算法的设计过多依赖于目标函数的具体分布形态。以SeaWinds散射计为例,根据风矢量反演的多解问题和模糊解特性,设计了一种基于动态小生境遗传算法的风矢量反演算法。利用部分L2A和相应L2B数据对该算法进行了验证。结果表明该算法在无需任何目标函数先验知识的条件下能够取得较好的反演结果。

包含温度因子的海水地球物理模型函数建模研究

以SeaWinds散射计为例,利用其L2A卫星测量数据和相应的海面浮标测量数据,以温度作为独立变量,借助人工神经网络首次尝试建立了包含温度因子的海水地球物理模型函数。建模实验结果表明,在3—15m.s-1风速范围内,对于两种极化方式,后向散射系数先随温度的升高而增大,当风速大于某一数值后,又随温度的升高而减小,但两种极化方式的转折风速存在差异。该研究结果为海面微波散射机理认识的进一步深入和模型函数精度的进一步提高展示了潜在的可能途径。

Python程序设计课程思政教改研究

鉴于当前Python程序设计教学过程中普遍存在以讲授编程知识为主、思政要素嵌入不足等缺陷,重新梳理,将家国情怀、法制意识、道德规范、工匠精神、职业素养、绿色健康生活等思政要素纳入课程目标,并通过优化教学内容和教学方式,将思政要素与专业课程紧密融合,起到思政要素润物细无声的效果。最后,通过完善考核方式,将课程思政成效纳入考核体系。实践表明,Python课程思政改革能较好地提升教学效果,更好地发挥立德树人的思政作用。

结合实测光谱数据的珠江口水质遥感监测

河口近岸海域面积广阔,生物生产力高,受人类活动及陆源物质的影响较大,是自然因素和人为因素共同影响水体生态环境的典型区域.文章研究了珠江口近岸海域水体叶绿素a浓度和悬浮物浓度的遥感定量反演方法,并在实验水域验证了现有遥感反演模型的适用性;结合实测数据和遥感影像数据,通过统计分析建立珠江口近岸水域的叶绿素a浓度和悬浮物浓度的反演模型;利用Landsat8遥感影像反演了珠江口近岸海域叶绿素a浓度和悬浮物浓度的分布情况,提取珠江口近岸水域面状水质信息;反演结果符合理论分析和实际情况,证明本研究建立的水质参数遥感反演模型及方法适用于珠江口近岸海域水质监测.

基于目标函数分布特征的散射计海面风场反演方法

本文以SeaWinds散射计为例,针对圆锥扫描散射计星下点附近区域容易产生风向模糊问题,在分析其目标函数分布特征的基础上,对传统的最大似然风矢量反演算法和圆中数滤波算法进行了改进,提出了一种适合于圆锥扫描散射计的海面风场反演方法。该方法通过在目标函数分布较平坦的区域设置风向扩展区间,并使扩展后的更多风向解参与模糊去除来提高风向选择的准确性。利用200条轨道的SeaWinds散射计L2A数据和相应浮标数据,对本文给出的风场反演方法进行了验证。结果表明,该方法在无需外部辅助风场数据作为参考的条件下,能够使星下点附近区域的风向模糊性得到明显改善,从而证明了该方法的可行性。

星载微波散射计的研究现状及发展趋势

介绍了美国宇航局(NASA)和欧空局(ESA)星载微波散射计传感器的类别、特点以及发展历程,详细描述了星载散射计海面风矢量在大洋环流、海洋大气交互作用、中短期极端天气状况预报等领域的应用以及散射计分辨率增强数据在极地海冰制图、监测、分类、陆地植被参数反演等方面的应用,展望星载散射计研究在全天候、全天时、高时间分辨率、高空间分辨率等提高观测能力方向的发展趋势,最后简述国内星载散射计神州4号(SZ-4)散射计(CN/SCAT)和海洋卫星2号(HY-2)散射计的特点及研究现状。

HY-2A微波散射计风场反演算法

本文针对我国首颗自主发射的海洋二号(HY-2A)卫星微波散射计,建立了业务化运行的风场反演算法,该算法将散射计海面风矢量反演分为粗搜索和精搜索两个步骤,有效地提高了运算效率。采用矢量圆中数滤波算法进行风向模糊解去除,并采用NCEP风场作为背景场对初始场进行选择,提高了模糊去除准确性。算法的反演结果经与NDBC对比和ASCAT风场星星对比验证,结果表明HY-2A卫星微波散射计可提供风速精度优于2 m/s或10%,风向精度优于±20°的海面风场观测产品,可满足海洋科学研究和海洋业务应用的需求。

基于谱运算的复相关函数法在干涉复图像配准中的应用

复图像配准是干涉SAR处理中的关键步骤之一,要求配准精度达到0.1个像元的水平,而控制点的精确定位是复图像配准中的核心环节。尽管前人提出采用复相关系数法、信噪比法、平均扰动函数法等算法,但他们都是基于滑动窗口的算法,运算效率低。在分析前人算法的基础上,引入基于谱运算的复相关函数算法实现控制点的亚像元级精确定位,分析比较了算法的计算复杂度。应用该算法对我国某地区ERS 2的SLC数据进行了实验,生成了干涉图像,并进行了相干性分析,证明了该算法的可行性和稳健性。实验研究证明即使在主从图像时间间隔较大、相干性差的情况下,应用该算法也能获得干涉条纹图。

HY-2卫星微波散射计在西北太平洋台风监测中的应用研究

本文在简述海洋二号(HY-2)卫星微波散射计工作机制及海面风场反演原理的基础上,针对HY-2卫星微波散射计在轨运行的数据,利用该散射计数据开展海面台风中心定位、结构、台风路径、风速等值线、大风半径等台风参数的定量化应用分析研究。同时将HY-2卫星观测到的海面风场与风云二号(FY-2E)卫星云图进行融合展示,并将HY-2海面风场与ASCAT反演的海面风场和浮标提供的观测数据进行对比验证,多方面的定量分析显示出HY-2卫星海面风场观测的有效性和在台风监测中的优势。最后,对HY-2卫星微波散射计的优缺点进行分析,展望了其可能的改进方向。

SeaWinds散射计海面风场的几何反演算法

基于SeaWinds散射计雷达后向散射截面积随风速和相对方位角的变化规律,从信息图谱几何形态特征出发,提出了一种新的海面风场反演方法。它不同于传统的依据最小概率误差的遍历搜索算法,反演时不依赖方差,仅从信息图谱几何形态特征就可以反演风矢量。实验共用了218623条数据(即218623个风元)。实验结果表明,与对应的美国NASA反演数据(L2B)对比,风速平均相对偏差为7.4%,风向平均偏差为9.5°。

人工神经网络在星载散射计海面风场反演建模中的应用

地球物理模型函数(GMF)是散射计风场反演的基础及算法有效运行的前提条件。采用传统的统计方法建立GMF往往需要大量的、多种参数条件下的雷达后向散射测量数据。以圆锥扫描散射计SeaWinds为例,根据其特点,建立了一个两种极化方式下统一的神经网络模型函数(NNGMF),并对风速、相对风向采样间隔和测量值数目对模型精度的影响进行了详细分析。通过与Qscat-1模型进行比较,发现该神经网络模型在采样间隔较大或测量值数目较少的情况下,仍能较好地体现SeaWinds散射计的海面后向散射特性。

一种修正的Sea Winds散射计圆中数滤波法

利用最大似然法(MLE)对SeaWinds散射计数据反演得出的风矢量一般存在2—4个模糊解,而且第1模糊解构成的风场在轨道外侧区域容易出现块状模糊,所以不能像SASS和NSCAT等散射计那样,以第1模糊解初始化风场后用圆中数滤波法进行模糊去除。文章根据SeaWinds散射计第1模糊解的空间分布特性,对传统圆中数滤波法进行了修正,使之适合SeaWinds散射计的模糊去除,即在缺乏参考数据进行初始化的前提下,能够有效去除块状模糊问题。

海洋二号卫星微波散射计数据预处理技术研究

本文在简述海洋二号(HY-2A)星载微波散射计(简称散射计)工作原理的基础上,详细阐述了散射计数据预处理所涉及的关键技术,主要包括几何定位算法和雷达后向散射系数的计算。星载微波散射计数据的地理定位是计算遥感器观测点在地基坐标系中坐标的处理过程。地理定位需要考虑仪器扫描几何、空间位置、天线指向、地球曲率、旋转等因素。传统的遥感数据定位方法依赖于卫星轨道,定位精度难以保障,HY-2A卫星搭载了GPS传感器,提供1 s间隔的卫星平台定位数据,据此建立传感器观测几何与地面面元之间的几何模型,通过模型的解算获得观测面元中心的地理坐标,并计算观测面元的方位角、入射角等参数。随后采用参量代换法从雷达回波信号中计算后向散射系数。