基于SMAP卫星雷达资料的海冰密集度反演技术研究

SMAP是美国于2015年初发射的一颗卫星,搭载了L波段的雷达。它采用圆锥扫描方式,具有固定的入射角、较大的幅宽和千米级的分辨率,在海冰监测方面具有独特的优势。本文利用SMAP卫星雷达资料分别与德国Bremen大学海冰密集度产品和美国国家冰雪数据中心(NSIDC)海冰密集度产品建立3.125km和25km匹配数据集,分析了L波段雷达后向散射系数、极化比和归一化极化差与海冰密集度之间相关性,建立基于人工神经网络的海冰密集度反演算法。为了验证SMAP卫星雷达资料反演海冰密集度的精度,本文选择德国Bremen大学和美国冰雪数据中心发布的海冰密集度产品分别与SMAP海冰密集度产品进行对比分析,SMAP海冰密集度与Bremen海冰密集度的偏差为0.07、均方根误差为0.14;与NSIDC海冰密集度的偏差为0.04、均方根误差为0.18,这表明SMAP海冰密集度产品与现有业务化海冰密集度产品具有很好的一致性。

SMAP卫星辐射计在中国近海及沿岸的RFI特征分析

射频干扰RFI(Radio-Frequency Interference)的校正和抑制一直是微波遥感研究领域的重要问题之一。本文基于SMAP卫星2015年5月1日至5日L波段辐射计亮温数据对中国近海及沿岸的射频干扰进行了特征分析。研究发现RFI分布不均匀,主要集中在城市群及其周边地区;通过对比辐射计天线接收的亮温数据与射频干扰校正和抑制后的数据,发现研究区域主要的射频干扰(95%)的平均值为1.4 K,整体射频干扰平均值为2.5 K,标准差为6.5;研究区域中不同波段和极化的数据受到射频干扰影响较为相似,受射频干扰影响最大的是升轨的垂直极化数据,受影响最小的是升轨的水平极化数据。

基于SMAP卫星雷达资料的海冰检测技术

利用SMAP卫星雷达资料与美国国家冰雪数据中心(NSIDC)发布的近实时逐日极区网格化海冰密集度数据建立匹配数据集,分析了海冰和海水的L波段雷达后向散射特性差异,建立了基于线性判别分析算法的海冰检测算法。选择Sentinel-1A SAR极地地区的海冰影像对SMAP卫星雷达资料海冰检测产品进行实验验证,结果显示二者的海冰边缘线一致,说明SMAP海冰检测算法具有较高的精度。利用SMAP卫星雷达资料制作了北极和南极地区海冰覆盖图,计算了海冰覆盖面积,通过与美国国家冰雪数据中心(NSIDC)海冰覆盖面积比较发现,SMAP检测的北极地区海冰面积略大于NSIDC,相对偏差为3.3%,SMAP检测的南极地区海冰面积略小于NSIDC,相对偏差为1.8%,表明二者的覆盖面积基本一致,证实了SMAP海冰检测算法的精度。

SMAP卫星后向散射系数与海表面风场关系

海面风是海气互相作用的重要参数之一,如何通过雷达后向散射数据有效提取海表面风场信息,对于海洋动力环境遥感监测具有重要的研究意义。使用SMAP卫星L波段真实孔径雷达数据和国家环境预测中心再分析风场数据进行匹配,利用地球物理模型函数分析了SMAP卫星数据的后向散射系数与海表面风场之间的关系,讨论了不同风速和不同相对风向角时SMAP卫星数据反演海表面风场的潜力。研究显示,水平极化和垂直极化的后向散射系数与风速的关系紧密,适于海表面风场的反演;SMAP卫星数据存在正-侧风不对称现象和逆正-侧风不对称现象;在相对风向角为90°和270°时后向散射系数与风场的关系较为模糊;随着风速的增加,后向散射系数与相对风向角的规律关系也越来越明显,振幅也随风速增大而增大。GMF函数计算的风速偏差为1.19m/s(水平极化)和1.51m/s(垂直极化),均方根误差为1.58m/s(水平极化)和1.67m/s(垂直极化)。

广播卫星电视接收机对SMAP卫星L波段微波辐射计的射频干扰特征分析

该文通过融合SMAP卫星L波段交叉极化亮温,建立基于密度和强度空间分布特征的多重迭代聚类射频干扰(RFI)检测识别算法。分析并提取日本典型RFI源(广播卫星电视接收机)密度和累积强度的时空分布和变化特征。电视接收机作为典型的RFI源,主要分布在日本城市化水平和范围均相对较大的区域(条状或面状),局部区域内分布点圆状RFI(可能为微波辐射基站),导致局地化RFI累积强度具有很高的水平。同时,在日本其他区域也检测到独立分布的点圆状RFI,干扰强度和范围相对局限。2018年开始,日本RFI整体分布范围和强度能级呈下降趋势。典型RFI源特征分析对于我国建立RFI检测、识别及抑制模型具有重要意义。

基于Argo浮标的西太平洋SMAP卫星海表面盐度数据质量评估

以西太平洋为研究区域,利用Argo浮标表层盐度观测值(<5m)对SMAP卫星获得的2016年海表面盐度反演质量进行了评估。首先将西太平洋2016-01—12期间的每日和每月SMAP卫星SSS数据与Argo实测SSS数据进行匹配,然后利用最小二乘线性回归法对其进行相关性分析,并对误差的分布特征进行了研究。结果表明:SMAPSSS与ArgoSSS之间具有极显著的正相关关系;每日Argo浮标数据(WMOID:2901520,WMOID:2901548)和SMAPSSS的变化趋势基本一致,前者均方根误差(RMSE)、偏差(Bias)和相关系数(r)分别为0.43,0.34和0.71,后者RMSE,Bias和r分别为0.41,0.26和0.69;研究区域内全年RMSE值处于0~0.35,在西太平洋南部海域偏差较大,这可能是由于该海域小岛众多,缺少Argo实测数据,导致其网格化的盐度存在较大误差。除夏季外,研究区域的大部分海域,RMSE都小于0.25。在海表盐度较低的海域,两者的对比结果误差较大,该现象在夏秋两季尤为显著。

SMAP卫星的RBF神经网络海表盐度遥感反演

针对传统海表盐度遥感反演精度不高、影响因素较少等问题,本文基于SMAP(Soil Moisture Active Passive)卫星L2C(Level 2 C)数据、Argo(Array for Real-time Geostrophic Oceanography)数据和其他辅助数据,以太平洋部分海域(160°E~120°W,0°~30°N)为研究区域,综合考虑海面粗糙度以及白冠覆盖率等参量,利用径向基神经网络建立RBF亮温增量模型,并对平静海面亮温进行修正,然后基于Meissner-Wentz介电常数模型得到反演后的盐度值。验证结果表明:模型预测盐度和SMAP卫星盐度相对于Argo实测盐度的均方根误差分别为0.4和0.5,平均绝对误差分别为0.3和0.4。实验证明,利用RBF神经网络建立的亮温增量模型可以提高海表盐度反演的精度,对海表盐度反演具有实用意义。

基于机器学习的SMAP卫星海表盐度反演

针对传统海表盐度的物理机制反演模型拟合过程复杂且反演精度不高等问题,借助大范围、全天时、L波段探测的SMAP卫星微波海洋遥感产品,以北太平洋(135°~165°E,15°~45°N)范围为研究海域,利用深层神经网络(Deep Neural Network,DNN)和支持向量机(Support Vector Machine,SVM)建立海表盐度(Sea Surface Salinity,SSS)遥感反演模型。验证结果表明:DNN与SVM模型测试集反演SSS与Argo(Array for Real-time Geostrophic Oceanography)实测SSS的均方根误差(Root Mean Square Error,RMSE)分别为0.1790和0.2570,平均绝对误差(Mean Absolute Error,MAE)为0.1293和0.1821,最小绝对误差为0.6426和2.0380,最大绝对误差为1.3241和2.3732,反演模型数据与实测Argo数据拟合后的的相关系数分别为0.89和0.84。总体来看,DNN模型比SVM模型的反演精度更高,但两者均显著提高了SMOS盐度产品精度,能够为相关研究提供数据支撑。

SMAP卫星海表盐度产品精度评定与全球海表盐度特征分析

海表盐度是研究海洋变化及其气候效应重要的物理量。本文将2018年SMAP卫星的月均、日均海表盐度产品分别与Argo月均网格化产品、实时散点盐度数据进行比较,评定其精度,并分析全球海表盐度分布特征。结果表明:SMAP卫星月均产品RMSE为0.17,BIAS为0.11,STD为0.17,R为0.98,t检验呈显著相关;SMAP卫星日均产品RMSE为0.28,BIAS为0.23,STD为0.26,R为0.81,相较月均产品,精度较低。SMAP卫星月均产品偏差在中纬度海域较小,在高纬度海域较大;SMAP卫星日均产品偏差在太平洋海域为-0.6~0.6,在地中海海域超过1.0。全球海表盐度在25.0~40.0之间,沿纬度方向呈带状分布,其中大西洋海表盐度普遍高于太平洋和印度洋。

SMAP卫星土壤水分产品对比研究与误差分析

基于站点的传统土壤水分测量方法耗时耗力,土壤水分主动被动监测任务(SMAP)利用微波遥感提供高效及时的土壤水分产品。为了对比研究微波遥感产品的优劣势,对比分析现有的4种SMAP土壤水分产品,并利用实测数据检验不同产品的土壤水分反演精度。实验结果表明:SMAP主动产品精度较低;被动、主被动产品与地面实测结果具有良好的一致性,精度较高;增强被动产品精度最高。此外,还对土壤水分产品的误差来源进行了讨论,从而促进其在陆地水、能量和碳循环中的应用。

海表盐度数据SMAP卫星遥感监测研究

海表盐度是监测海洋表面的海水化学成分变化的重要标识,在海水质量评估与优化、海洋水动力过程分析和海洋预报等方面发挥重大作用,受到国家有关部门和研究机构的关注。卫星遥感技术作为获取大范围、连续观测海表盐度数据的有效手段,克服了传统观测方式的时空局限性问题。SMAP卫星海表盐度数据具有独特的质量优势、良好的应用价值和可观的研究潜力。但自该应用技术问世以来研究成果尚较少且以国外为主。文章对SMAP的主要相关研究进展进行回顾和评述,旨在通过对SMAP海表盐度数据的相关研究现状分析,为我国SMAP海表盐度遥感数据应用研究提供参考。

SMAP卫星海表面亮温仿真及海表面盐度遥感反演

海表面盐度遥感是海洋遥感研究的重要内容之一。针对大气对海表面盐度遥感的影响,根据大气辐射传输理论,对大气影响进行仿真分析及修正,进而通过神经网络模型反演了海表面盐度。研究结果表明:大气对海表面盐度遥感存在一定的影响,需进行校正;当大气温度和压强精度分别达到2℃和10 hPa时,可以去除大气影响;训练样本集选取数量的不同将对神经网络反演精度造成一定的影响;SMAP卫星海表面盐度遥感反演结果相对误差较小,残差基本集中在0.6以内,但在盐度值低于34.4‰的区域误差较大。

L波段SMAP卫星数据平静海面亮温信息提取研究

风致海表粗糙度是微波辐射计接收亮温的主要误差来源,通过建立亮温增益模型对海面亮温进行修正是获取平静海面亮温信息的一项关键工作。基于SMAP卫星L2C海面亮温数据和10 m风速数据,分析了亮温增益与风速之间的相关性,并利用最小二乘法根据不同风速区间建立L波段下的粗糙海面亮温增益模型,在考虑白冠对亮温影响的情况下,输入Argo浮标插值得到的温、盐数据集,使用Meissner-Wentz介电常数模型计算得到参考亮温,与亮温增益模型修正得到的平静海面亮温进行回归分析,定量评价了该模型在该海域的适用性。研究表明,风速与亮温增益呈现正相关关系,0~3 m/s风速区间的水平极化亮温灵敏度比垂直极化方式高0.25 K/(m/s),3~12 m/s风速区间的前者比后者高0.02 K/(m/s),大于12 m/s风速区间的前者比后者高0.01 K/(m/s);在靠近陆域的海面亮温偏差比较大,在开阔海域大部分极化亮温误差均能控制在0.2 K以内;模型亮温与参考亮温回归分析的决定系数均在0.5以上,均方根误差均可以控制在0.2 K以内。

美国SMAP卫星失效的一个可能性分析

美国主被动土壤水分监测卫星(Soil Moisture Active Passive, SMAP)是目前唯一搭载偏心旋转复合材料环形桁架天线的在轨卫星,但在轨仅工作数月便出现无法修复的雷达故障,损失惨重,故障原因至今尚未查明.基于复合材料圆柱壳等效模型,本文研究了考虑横向激励和参数激励共同作用下超大型复合材料环形桁架天线在偏心旋转状态的内共振特性和非线性动力学问题,从非线性动力学角度提出了一种SMAP卫星失效的可能性分析,也为我国研究此类大型可展卫星天线提供了理论参考.利用Donnell薄壁剪切变形理论及Hamilton原理建立偏心旋转复合材料层合圆柱壳的非线性偏微分方程,应用Galerkin离散导出耦合非线性常微分方程.通过Campbell图得到发生1:2内共振的参数条件后,进一步研究了偏心率和几何参数对偏心旋转复合材料层合圆柱壳内共振条件的影响.随后,利用多尺度法得到了1:2内共振和1/2次谐波共振情况下的四维非线性平均方程.通过数值仿真,发现在一定的横向激励和温度参数激励作用下,处于偏心旋转状态的超大型环形桁架天线等效模型发生大振幅混沌运动.这为解释SMAP卫星雷达失效提供了一种可能性.