海面GNSS-R模型与时延-多普勒特征研究

GNSS海面反射信号的建模对全球导航卫星系统反射测量(Global Navigation Satellite System-Reflectometry,GNSS-R)遥感应用具有重要意义.针对海面GNSS反射信号建模问题,本文采用Z-V模型研究了GNSS反射信号的时延一维相关功率和时延-多普勒二维相关功率特征,分析了不同风速下一维相关功率的变化情况,讨论了时延间隔和多普勒间隔对时延-多普勒图(delayDoppler map,DDM)的影响.数值结果表明:海面GNSS反射信号的相关功率对海面风速具有敏感性,在DDM波形仿真中,应选择合适的时延与多普勒间隔参数.该模型可模拟不同海况下海面GNSS反射信号的相关功率,为GNSS-R反射信号模拟及海洋遥感应用提供理论模型支撑.

基于PCA算法的星载GNSS-R海面目标反演

提出使用主成分分析(principal components analysis,PCA)抑制时延多普勒图(delay Doppler map,DDM)中的海杂波,提高海面目标反演精度。以挪威Sn hvit采气平台作为海面目标,采用2016-11-13的DDM数据进行目标反演。结果显示,未使用PCA抑制海杂波前,反演位置平均误差为17.65 km;抑制海杂波后,反演位置平均误差为11.42 km,位置精度提升35.30%。

基于CYGNSS数据的星载GNSS-R水体分布探测方法研究

利用CYGNSS(cyclone global navigation satellite system)采集的GNSS卫星反射信号,提出一种基于星载GNSS-R的水体分布探测方法。首先对CYGNSS低轨卫星星座采集的GNSS反射信号进行处理,获取地表反射率数据;再按0.01°×0.01°的空间分辨率将研究区划分为格网,剔除异常值和无效值后,利用区域均值算法重新计算各格网的反射率,并利用格网样本方差和标准差作为衡量指标,采用随机游走图像分割算法进行水体分布探测;最后利用本文提出的方法分析刚果盆地的水体分布情况,并利用MODIS数据对结果进行评估。结果表明,星载GNSS-R具有较强的水体分布探测能力,进一步拓展了GNSS-R的应用场景。

利用星载GNSS-R DDM反演土壤湿度可行性分析

针对目前全球卫星导航系统星载反射信号(GNSS-R)土壤湿度探测技术主要停留在地基以及机载观测研究,难以实现星载大范围探测这一难题,提出利用星载GNSS-R时延多普勒图(DDM)数据进行土壤湿度反演:首先建立了DDM信噪比(SNR)与土壤湿度数据相关性模型,然后利用英国技术演示卫星(UK TDS-1)的DDM以及欧洲航天局土壤湿度与海水盐度(SMOS)卫星的土壤湿度数据对模型进行了验证。结果表明,DDM SNR与土壤湿度数据具有较强的相关性:2者在植被覆盖度较高以及接近裸土的2块区域均呈现出较高的相关系数,说明利用星载GNSS-R DDM反演土壤湿度具有一定的可行性。

面向陆表的星载GNSS-R DDM波形分类

GNSS-R信号在面向复杂场景的陆表遥感应用中存在信噪比(SNR)低和有效信息难以辨别提取的问题,严重制约了其在陆表遥感领域的应用拓展。为从海量低信噪比的星载GNSS-R陆表数据中快速区分杂波信号和有效信息,本文通过统计归纳分析,基于星载时延多普勒图(DDM)相关峰的显著程度评定,提出了一种DDM波形分类方法。随后,利用该方法对UK TechDemoSat-1(TDS-1)星载陆表观测数据进行了波形分类。最后,比较了分类后波形对应的SNR情况,同时结合典型地物类型对分类结果进行了相关性分析,证实了波形分类方法的可行性与有效性。

星载GNSS海洋反射信号建模与仿真

星载GNSS反射信号建模与仿真对GNSS反射信号正逆问题的研究及接收机算法和性能的评估非常重要。从几何、信号和信息的角度建立了星载GNSS反射信号分层建模方法。详细论述了星载GNSS反射信号的双基几何关系,建立了海风、涌浪和降雨驱动的线性组合海浪谱,并基于此计算了GNSS反射信号双基散射系数,基于各散射单元独立散射的假设推导了反射信号模型,通过仿真产生了星载GNSS反射信号及时延-多普勒相关功率,并与UK TDS-1卫星实测相关功率进行了对比分析。结果显示,通过先产生反射信号后处理得到的相关功率和直接端对端产生的相关功率与UK TDS-1卫星实测的相关功率的余弦相似度分别为0.97和0.94,所提架构和方法可正确对星载GNSS反射信号进行建模和仿真。同时,通过所建平台分析了涌浪和降雨形成的海浪谱对星载GNSS反射信号的影响。结果发现,涌浪主要影响低风速探测而对高风速无影响,降雨对星载GNSS反射信号无明显影响。

GNSS反射信号海面溢油回波DDM仿真研究

海上溢油已成为影响海洋生态环境的重要污染物之一,我国近40年发生约3200起海上溢油事故。当今用于监测海上溢油的遥感主要是光学和雷达卫星,卫星遥感往往重访周期长,而海上溢油事件时常发生,给海洋带来严重的环境污染,需要快速、准确的监测其状况。GNSS-R技术具有全天候监测海洋的特点,因此更适合用于海面溢油检测。为了验证GNSS-R技术在检测海面溢油的可行性,利用2013年中国青岛海洋溢油事故的遥感图像的溢油结果,作为仿真实验检测目标,进行岸基的GNSS-R海面溢油检测仿真研究。利用Z-V散射模型和海水/溢油的均方坡度(MSS)模型结合,建立了能反映海面状况GNSS散射信号特征的时延-多普勒图(DDM)。仿真得到DDM中检测到海面溢油区域,验证了利用GNSS反射信号进行海面溢油检测的可行性。

一种改进的星载GNSS-R卷积神经网络海冰检测方法

卷积神经网络(convolutional neural network,CNN)已用于星载全球导航卫星系统反射测量(global navigation satellite system-reflectometry,GNSS-R)海冰检测,其具有数据预处理简单、最大限度保留反射面信息等优势,但已有GNSS-R CNN海冰检测方法研究的数据集时间跨度较小,代表性有限,且未考虑训练集内海水、海冰时延多普勒图(delay-Doppler map,DDM)的比例对方法泛化能力的影响。针对该问题,首先提出一种筛除畸形DDM方法,有效筛除错误数据;然后,设计合适的CNN结构及参数,通过小样本对比实验发现CNN模型在训练集内海水、海冰DDM的比例为1∶1时具有高准确率和最佳泛化能力,并优化数据集选取策略;最后使用2018年全年大样本数据集评估改进的方法在大数据量和大时间跨度时的有效性和可靠性。研究表明,改进的方法通过加强数据质量控制、优化数据集选取策略,提升了CNN海冰检测方法的泛化能力及可靠性,使其更适用于实际应用场景,为海冰消融等研究提供参考。

“吉林一号”宽幅01B卫星GNSS-R数据风速反演研究

为了初步分析和评估“吉林一号”宽幅01B卫星全球导航卫星系统反射(global navigation satellite systemreflectometry,GNSS-R)测量数据反演海面风速的有效性和可用性,建立未标定时延多普勒相关功率峰值信噪比、归一化时延波形前沿斜率和后沿斜率反演海面风速的模型,得到了反演模型反演风速与ECMWF(European Centre for MediumRange Weather Forecasts)风速的均方根误差。当无严格数据质量控制和数据定标时,时延-多普勒图(delay-Doppler map,DDM)的峰值信噪比、时延波形前沿和后沿斜率的反演风速的均方根误差分别为3.22 m/s、3.67 m/s和3.49 m/s。当控制信噪比大于-6 dB时,DDM峰值信噪比反演的风速的均方根误差满足低风速反演精度2 m/s的需求,但数据量下降为无严格数据质量控制的78.11%;对于前沿和后沿斜率,当信噪比大于-3 dB时,均方根误差小于2 m/s,数据量下降至53.74%。结果表明“,吉林一号”宽幅01B卫星的GNSS-R数据可用于海面风速的测量。

一种使用卫星反射信号探测海冰分布新方法

利用TechDemoSat-1低轨道卫星采集的卫星反射信号生成的时延多普勒图(delay-doppler map,DDM)探测北极格陵兰岛(Greenland)地区的海冰分布。由于卫星散射信号在海冰和海水上分别遵循相干散射和漫散射模型,与海水相比,海冰的时延多普勒图扩散较少,所以从海水到海冰的过渡会导致时延多普勒图中高于一定能量值的像素数量减小。提出了一种基于相邻DDM像素数量比值的检测方法,通过采用一定阈值来区分海冰和海水的时延多普勒图,用于分析格陵兰岛地区海冰的分布情况。还利用多期数据分析了格陵兰岛地区海冰分布随时间的变化。通过与美国国家冰雪数据中心提供的数据比对,利用数学统计方法对本文提出的方法性能进行了评估。结果显示,该方法的判断成功率可以达到98.76%~99.21%,整体评估成功率约为99.09%。

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。