基于交叉极化数据的海面风速反演研究

全极化数据可以获取比单极化数据更多的目标信息,研究发现C波段交叉极化数据同样可用于海面风速反演。针对RADARSAT-2 Fine Quad模式具有全极化成像的特点,以我国东部海域为研究区,结合同极化数据和交叉极化数据反演海面风速模型,探究各种极化数据的最优风速反演方法。对于同极化数据采用地球物理模型函数(GMF)和极化率模型(PR)组合的方式进行海面风速反演,对交叉极化数据采用C波段交叉极化海面散射模型(C-2PO)进行海面风速反演,反演结果与ERA-Interim风场数据进行比较分析;此外,对Scan SAR模式交叉极化数据的后向散射系数与海面风速的关系进行探索分析。研究结果表明,RADARSAT-2 Fine Quad模式四种极化数据选用合适的模型均可反演出高精度的海面风速,其中VH和HV极化数据的反演结果基本相同,交叉极化数据反演风速效果好于同极化数据,同时,Scan SAR模式交叉极化数据的后向散射系数随海面风速的增大表现出一定的线性变化趋势。全极化模式数据在海面风速反演上表现出比单极化模式数据较为明显的优势,将成为未来海面风速反演的发展方向。

基于有理函数模型的GNSS-R岸基海面风速反演算法

岸基条件下,海浪不能充分生长,海浪谱的理论模型不足以完全描述相关时间和风速的关系,已有研究一般使用幂函数形式的经验模型反演海面风速。文中提出一种新的有理函数形式的经验模型,取代传统幂函数形式的经验模型进行海面风速的反演。试验数据分析表明,新的有理函数形式的经验模型反演得到的风速与实际风速的相关系数为0.986 2,均方根误差为0.45 m/s,与传统的幂函数形式的经验模型反演结果相比,其相关系数提高了0.80%,均方根误差降低了20.19%。

基于ANN的GNSS-R海面风速反演方法

全球导航卫星系统反射信号(GNSS-R)进行海面风速反演时,传统方法主要有波形匹配法和经验函数方法。针对传统方法存在计算量大,反演过程繁琐等不足,引入人工神经网络,提出了一种多隐藏层的人工神经网络方法进行海面风速反演。首先分析不同输入特征参数与风速之间的关系,其次建立用于风速反演的ANN模型,最后进行模型训练,验证该模型的可行性。反演结果表明,风速小于15 m/s的低风速时,反演误差约为1.53 m/s,风速大于15 m/s的高风速时,反演误差约为2.74 m/s。

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。

同极化Radarsat-2数据的海面风速反演研究

基于Radarsat-2雷达数据具有多极化方式、多分辨率等成像模式的特点,以中国东部海域为研究区选取多景Radarsat-2影像进行海面风速反演研究。采用导入ERA-Interim数据构建初始海面风向的方法,针对不同极化方式的Radarsat-2数据,利用GMF模型和极化率模型组合进行海面风速反演,并将反演风速与ERA-Interim风速数据进行比较分析。结果表明:对于VV极化的Radarsat-2数据采用3种GMF模型均可反演出较高精度的海面风速,其中CMOD4模型总体表现好于其他二者,其均方根误差可达到1.5m/s以内;HH极化Radarsat-2数据采用Kirchhoff模型进行极化转换更适用于海面风速的反演,3种GMF模型之间反演效果差异不大,其均方根误差均在2m/s以内。同时,研究发现VV和HH极化的Radarsat-2数据均表现出高分辨率成像模式影像的风速反演效果优于低分辨率成像模式的特点。

“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。

基于SAR图像雨团足印的海面风向提取方法

利用地球物理模式函数进行SAR海面风速反演时,需以风向作为地球物理模式函数的输入。本文应用了一种利用SAR图像上雨团足印顺风一侧比逆风一侧明亮的图像特征的海面风向提取方法,以进行海面风速反演。4景RADARSAT-2卫星SAR示例数据风向提取结果相对于ASCAT散射计的风向均方根误差满足不大于16°。分别以本文方法提取的风向和ASCAT散射计风向作为输入,利用地球物理模式函数CMOD5进行海面风速的SAR反演,两者的风速反演结果基本一致,其均方根误差差值不超过0.3m/s。本文利用SAR图像雨团足印信息的风向提取方法准确可靠,可应用于SAR海面风速反演。

高分辨率合成孔径雷达卫星反演风场资料在中国近海风能资源评估中的应用研究

由于海上测风非常昂贵,实地测风资料严重不足,而卫星反演海面风场资料可以有效地弥补这一缺陷,对近海风能资源评估具有至关重要的意义。近年来,欧洲太空局2002年3月发射的Envisat卫星搭载合成孔径雷达(SAR)图像产品在欧洲近海风能资源评估中得到了广泛应用。文中探讨了空间分辨率约1 km×1 km的SAR卫星反演海面风场资料应用于杭州湾近海风能资源评估的技术方法,通过杭州湾海域的实测风速与SAR卫星反演海面风速数据的对比分析发现:(1)14个实测站点中13个站的相对误差小于20%,其中7个站的相对误差小于10%,平均标准差为2.29 m/s;(2)以SAR卫星反演风速数据为基础计算的风能参数(形状参数和尺度参数)与实测数据计算结果的一致性较高;(3)将该数据同化进入WRF数值模式中,与控制试验相比,大部分检验站点的风速相关系数明显提高,标准差和相对误差也得到改善。SAR卫星反演风场资料可用于中国的近海风能资源评估。