C波段地球物理模式函数对比分析研究

详细对比分析了CMOD4,CMOD_IFR2,CMOD5模式函数在不同风速、入射角及相对风向下NRCS的变化情况,其中,在中等风速区间三者的差异较小,而在高风速下,CMOD4,CMOD_IFR2都存在过度响应的情况,另外还探讨了极化比因子的选取问题。本文以丰富图件的形式展现了各CMOD函数在不同条件下的响应情况,可以为正在或即将要使用这些模式函数的学者们提供参考。

基于C-2PO模型和CMOD5.N地球物理模式函数的SAR风速反演性能评估

本文选取142幅RADARSAT-2全极化合成孔径雷达(SAR)影像,在没有入射角输入的情况下,首先利用C-2PO模型进行海面风速反演。随后,将同一时空下的ASCAT散射计风向作为初始风向,提取相应雷达入射角,利用地球物理模式函数(GMF)CMOD5.N对142幅SAR影像进行风速计算。反演结果与美国国家资料浮标中心海洋浮标风速数据对比,结果显示:CMOD5.N GMF和C-2PO模型均可反演出较高精确度的海面风速,其均方根误差分别为1.68 m/s和1.74 m/s。此外,研究发现,在低风速段,CMOD5.N GMF的风速反演精度要明显优于C-2PO模型。针对这一现象,本文以SAR系统成像机理为基础,以低风速SAR图像为具体案例,给出了3种造成这一现象的原因。

HY-2卫星微波散射计海面风场地球物理模式函数研究

地球物理模式函数GMF (Geophysical Model Function)在星载微波散射计海面风场反演中具有关键作用。本文以C波段MetOp/ASCAT散射计风场数据为参考数据,通过改进现有Ku波段NSCAT-4 GMF中后向散射系数对海面风速和风向的依赖关系,以及增加海表温度(SST)因子项,构建了适用于HY-2卫星微波散射计海面风场反演的NSCAT-5.HY-2 GMF。研究结果表明,相比NSCAT-4 GMF,采用NSCAT-5.HY-2 GMF反演得到的HY-2散射计海面风速与ASCAT散射计风速的一致性提高了约11%,特别是风速反演误差不再依赖于SST变化、不再呈现显著经向分布特点。本论文研究结果对进一步提升国内外其他Ku波段星载微波散射计数据的海面风场遥感应用具有重要参考价值。

海表温度对中法海洋卫星散射计测量的影响

卫星散射计通过测量海表粗糙度反演全球海面风场。对于Ku波段散射计,海表粗糙不仅和海面风场相关,还受海表温度的二阶效应调制。定量研究了海表温度对中法海洋卫星(CFOSAT)散射计(CSCAT)反演风速和后向散射测量的影响。结果表明,CSCAT两种极化方式测量的后向散射系数都会受到海表温度的影响,但是垂直极化中低入射角(θ <36°)测量的后向散射系数几乎不随温度变化。因此CSCAT的风速偏差也随海表温度的变化而变化,且随着入射角的增大和风速的减小,海表温度对风速偏差的影响程度增大。在数据分析的基础上提出了一种考虑海表温度影响机制的地球物理模式函数,为未来CFOSAT散射计风场反演的海温校正提供参考。

海面后向散射方向特性分析

基于地球物理模式函数SASSⅡ和CMOD2,仿真不同入射角及风速条件下电磁波海面后向散射系数随散射方位角的变化,分析了两种模式函数对应的逆风向和顺风向的后向散射系数差,并给出了相应的计算结果。提出了利用逆风向和顺风向后向散射系数差初步消除风向反演180°模糊的方法。

海洋目标的HY-2A卫星微波散射计在轨辐射定标研究

HY-2A卫星微波散射计主要用于测量海表面的风速和风向,为了满足其风速和风向的测量精度要求,必须对其进行在轨辐射定标。本文基于散射计在开阔大洋的观测数据,利用经过定标的seawinds散射计后向散射系数数据,分析了海洋目标定标法的定标精度,结果表明定标精度可以达到0.15 dB,且模式函数对定标结果的影响为系统偏差,说明海洋目标定标法需要选用高精度的模式函数。然后,采用相同的海洋目标定标算法,实现了HY-2A卫星微波散射计的在轨辐射定标,获得HY-2A卫星微波散射计VV极化的定标系数为-1.79 dB,HH极化的定标系数为-1.73 dB。最后,利用NDBC浮标观测数据,检验HY-2A卫星微波散射计反演的风矢量精度,证明获得的定标系数可以明显提高HY-2A卫星微波散射计反演风矢量的精度。

针对GNSS-R海面风速反演的自适应CDF匹配方法

利用全球导航卫星系统反射(global navigation satellite system reflectometry,GNSS-R)信号对海面风速进行反演时,连续地球物理模式函数常用于建立时延-多普勒图像(delay/Doppler map,DDM)特征值与风速之间的映射关系。该模型在DDM较少的风速范围内(0~5 m/s及12~20 m/s)存在较大系统偏差。为解决该问题,提出了一种自适应累积分布函数(cumulative distribution function,CDF)匹配方法。该方法将反演风速序列与参考风速序列进行CDF匹配,并利用最小二乘自适应地寻找最优阶数多项式,对风速偏差序列进行拟合和改正。公开数据实验验证结果表明,在0~5 m/s和12~20 m/s内,改正后的反演风速均方根误差分别减小了6%和15%,系统偏差分别减小了45%和25%,明显提升了少样本情况下的反演精度,反演风速更符合自然界中风速分布。