地球物理学报  2015, Vol. 58 Issue (6): 1869-1880   PDF    
机载SAR探测图像中归一化雷达截面随入射角变化规律应用
赵现斌1, 严卫1, 孔毅1, 刘文俊2, 陆文1    
1. 解放军理工大学气象海洋学院, 南京 211101;
2. 解放军第75822部队, 广州 510510
摘要:机载SAR对海探测时, 探测范围小和时空匹配难等局限使其无法借助风条纹和辅助资料反演海面风矢量.本文在仿真研究CMOD5.N地球物理模型参数的函数关系, 实例分析机载SAR探测图像中距离向均值曲线变化规律的基础上, 发现相同风向、风速条件下, CMOD5.N模型构建的标准曲线和探测图像的距离向均值曲线遵循统一的归一化雷达截面随入射角变化规律, 且两者具有良好的相关性.据此, 本文提出将距离向均值曲线与标准曲线逐条匹配, 采用相关系数判定两者的相关程度, 选择使得相关系数绝对值最大的标准曲线作为最优匹配曲线, 进而直接确定风向和风速的海面风矢量反演方法.机载SAR飞行探测实验结果表明, 海面风矢量反演结果与浮标观测结果的均方根误差为风向11.3°, 风速0.9 m·s-1, 高于反演精度指标要求, 原因在于该方法既避免了机载SAR探测图像中斑点噪声的影响, 又不会产生局部最优解, 提高了海面风矢量反演精度.
关键词机载SAR     探测图像     归一化雷达截面     入射角     变化规律    
Application research for change rule of normalized radar cross section changes with incidence angle in airborne SAR sounding image
ZHAO Xian-Bin1, YAN Wei1, KONG Yi1, LIU Wen-Jun2, LU Wen1    
1. College of Meteorology and Oceanography, PLA University of Science and Technology, Nanjing 211101, China;
2. Unit No.75822 of PLA, Guangzhou 510510, China
Abstract: Based on high mobility, airborne SAR can be used as an effective means of ocean surface wind field fine sounding near coast, which makes up the lack of timely sounding from spaceborne SAR. Because of the limitation of small sounding range and difficult temporal and spatial matching, airborne SAR can't use wind streaks and auxiliary information to retrieve ocean surface wind vector. It's an important issue for ocean surface wind vector retrieval from airborne SAR, which gets rid of wind streaks and auxiliary information, and directly retrieves wind vector from sounding image.
Based on simulation research function relationship of CMOD5.N geophysical model parameter and instance analysis change rule of airborne SAR sounding image's distance to the mean curve, we discover that standard curve built by CMOD5.N model and distance to the mean curve of sounding image follow an uniform change rule of normalized radar cross section changes with incidence angle in the same wind direction and speed condition, and both have good correlation. Accordingly, we present an ocean surface wind vector retrieval method. We match distance to the mean curve and standard curve one by one, and use correlation coefficient to determine correlation between the two, and select the standard curve when correlation coefficient absolute value is maximum value as the optimal matching curve, finally directly determine wind direction and wind speed.
Airborne SAR flight sounding experimental results show that root mean square errors between sounding data retrieval results and buoy observations are wind direction 11.2° and wind speed 0.8 m·s-1, wind direction 10.6° and wind speed 0.8 m·s-1, wind direction 12.0° and wind speed 1.1 m·s-1 on July 26, July 30 and August 5, respectively. The total root mean square error between ocean surface wind vector retrieval results and buoy observations is wind direction 11.3° and wind speed 0.9 m·s-1. Retrieval results are better than wind direction 20° and wind speed 2 m·s-1, and better than retrieval accuracy indicator. Because retrieval method avoids the effect of speckle noise in airborne SAR sounding image, and does not produce local optimal solution, finally improves ocean surface wind vector retrieval accuracy. The polarization correlation coefficient can be used to judge wind direction trend, but there is a small number of misjudgment. The reason is that sounding data differences between airborne SAR and RADARSAT-2 SAR in sounding width and platform stability, which cause differences in the variation of polarization correlation coefficient with respect to wind direction.
These research results can be used in ocean surface wind vector operational sounding of airborne SAR. Because of experimental condition restriction, this article only carried out sounding experimentunder moderate sea conditions. We will carry out more experimental research, especially in high wind speed conditions, and further validate and improve retrieval method. In addition, we will carry out systematic research of polarization scattering characteristics from airborne fully polarimetric SAR, and explore effective ways to remove wind direction ambiguity.
Key words: Airborne SAR     Sounding image     Normalized radar cross section     Incidence angle     Change rule    
1 引言

海面风场是作用在海面的风应力,直接影响着大气与海洋环流以及海气之间的相互作用,是研究海浪、海洋环流、海洋气象和海气相互作用关键的地球物理参数.星载微波散射计是业务化的海面风矢量遥测设备,但在海岸附近、半封闭的海湾和海冰边缘地带(离岸30km以内),其探测值易受到陆地和海冰的影响,反演海面风矢量的精度较低(He et al.,2005).合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动式微波成像雷达,它通过测量海面反射信号,经过相干综合处理得到归一化雷达截面,获得包含海洋环境信息的探测图像(Portabella et al.,2002; Martine et al.,2004).SAR探测图像具有高空间分辨率的优势,可提供海洋及沿岸地区海面风场、海浪、海洋内波、中尺度涡、海冰和海洋锋等地球物理信息,是海洋环境探测重要的技术手段(金亚秋,1998; 范开国等,2012).卫星是搭载SAR的主要平台,然而受轨道限制,星载SAR难以满足特定区域实时探测的需求,特别是风场情况复杂的近海岸区域.高机动性的机载SAR,弥补了星载SAR实时探测能力的不足,可作为近海岸海面风场精细化探测的有效手段(赵现斌等,2013).

SAR探测数据反演海面风矢量主要通过 CMOD地球物理模型函数(Geophysical Model Functions,GMFs)计算海面10m的风向、风速(Quilfen et al.,1998; Stoffelen and Anderson.,1997; Hersbach et al.,2007). 由于CMOD模型函数包含了风向和风速两个地球物理参数调制归一化雷达截面(Normalized Radar Cross Section,NRCS).其中,归一化雷达截面与风向为谐波函数关系,而与风速为指数函数关系(赵现斌等,2012).因此,无法通过一组归一化雷达截面和入射角直接计算出海面风向、风速.传统的海面风场反演方法,通常先通过技术手段获取风向,再利用CMOD地球物理模型函数计算风速.获取风向的技术手段主要有基于SAR图像风条纹的风向 反演方法(SAR Wind Direction Algorithm,SWDA),包括FFT法(Vachon and Dobson,1996; 杨劲松等,2001)、局部梯度法(Koch,2004; 朱华波等,2005)和小波分析法(Leite et al.,2010; 孔毅等,2011),或者将探测区域的数值预报模式资料(Numerical Weather Prediction,NWP)或散射计探测数据的背景风向作为输入风向(Li et al.,2011; Yang et al.,2011).然而,机载SAR受平台飞行高度限制,探测范围较小,图像中存在风条纹的可能性较低(Levy,2001),使得SWDA方法很难业务化应用.另外,机载SAR的机动性强,而探测范围有限,在时空上难与NWP资料和散射计探测数据相匹配.因此,如何不依赖风条纹和辅助信息,直接从SAR探测图像反演海面风矢量,是机载SAR海面风矢量反演研究面临的一个重要问题.

针对这一问题,He等(He et al.,2005; Zou et al.,2007)根据ENVISAT ASAR和RADARSAT-1 SAR探测图像近距点和远距点的入射角差异,提出了通过SAR探测图像的区域选取,将两个归一化雷达截面和对应的入射角引入代价函数直接计算海面风矢量的反演方法,开展了利用星载SAR探测图像反演海面风矢量的有益探索.艾未华等(2013)利用机载SAR探测图像距离向不同入射角及其对应的归一化雷达截面,通过代价函数求解直接反演出海面风向、风速,并分析了影响反演精度的主要因素.然而,上述方法反演海面风矢量时易受SAR探测图像中斑点噪声的影响,且存在局部最优解,导致反演结果误差较大.

仿真研究发现,CMOD地球物理模型参数的函数关系中,特定风向、风速条件下,归一化雷达截面随入射角变化规律具有特殊性.与之对应的是,机载SAR探测图像沿着距离向由明变暗,表明探测图像中归一化雷达截面随着入射角变化也符合某种规律.基于上述分析,本文结合CMOD5.N地球物理模型参数的函数关系和机载SAR探测图像距离向均值曲线的变化规律,提出一种海面风矢量反演方法,不依赖辅助信息,直接利用机载SAR探测图像反演海面风矢量.

2 飞行探测数据

本次实验数据为C波段全极化SAR探测图像,包括归一化雷达截面σ0HH、σ0HV、σ0VH和σ0VV以及极化散射矩阵系数SHH、SHV、SVH和SVV.文中采用数据包括VV极化归一化雷达截面σ0VV,以及VV和VH极化散射矩阵系数SVV和SVH.

机载SAR三次飞行探测的时间分别为北京时间2012年7月26日14时到21时,7月30日06时到13时,8月5日10时到14时,探测图像信息如表 1所示.

表 1 机载SAR探测图像信息 Table 1 Sounding image information of airborne SAR

比对验证数据来源于位于探测区域的中国气象局“58573”号浮标,浮标数据每10 min一次.浮标提供的海洋环境要素包括海面10 m高的风向、风速,海浪的波向、有效波高和有效波周期等.

为保证比对验证数据的有效性,我们以浮标周围50 km×50 km的区域作为飞行实验区,并设计载机作近似等腰直角的三角航向飞行,如图 1所示.图中箭头的指向为载机飞行方向,柱状条的指向为雷达探测视向.为保证探测区域的海面风矢量基本一致,完成一个三角航迹飞行的时间尽可能短,一般不超过20 min,且每个三角航迹中采用相同的飞行高度、入射角和分辨率.

图 1 飞行方案示意图 Fig. 1 The diagram of flight scheme

3 机载SAR图像特性及应用方法构想 3.1 地球物理模型函数及其参数变化规律

海面风场使得海面产生了坡陡和破碎波,这时海面散射通常由二尺度散射模型描述,风速与雷达回波在海浪平缓时呈现线性关系,而在海浪破碎时,表现为三次方关系.机载SAR对海探测时,同极化(VV、HH)雷达回波主要依赖前者,受海表面的Bragg散射影响,而交叉极化(VH、HV)雷达回波符合典型的双尺度散射结构,受海表倾斜或体散射的影响(Zhang and Perrie,2012).

依据Bragg散射定理,风致海面的微尺度波是产生雷达回波的主要散射体.据此,假定VV极化归一化雷达截面与风速成正比,通过长期统计星载微波散射计探测数据与相应位置的浮标或数值预报资料得出相关系数,建立了归一化雷达截面与风向、风速和雷达入射角的函数关系,其一般表达式为(Horstmann and Koch,2005):

其中: u为海面10 m风速,Φ为风向相对于雷达方位向的夹角,θ为雷达相对于海面的入射角,ABCγ为由雷达频率和极化决定的系数.

CMOD5地球物理模型函数由欧洲中期数值天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)和荷兰皇家气象研究 所(Royal Netherl and s Meteorological Institute,KNMI)联合开发.通过增加机载风雨成像仪在极端天气条件下的探测数据,及其对应的ECMWF模式风场数据和浮标观测风场数据来调整模型系数,CMOD5 地球物理模型函数进一步发展为CMOD5.N(Verhoef et al,2008). CMOD5.N模型函数一方面修正了CMOD5系统存在的0.5 m·s-1低估误差,另一方面因其针对中性风设计,更能代表海表状况,避免了大气分层可能带来的误差.

为了进一步考察CMOD5和CMOD5.N两个地球物理模型函数中VV极化归一化雷达截面与风向、风速和雷达入射角三个参数的函数关系,本文确定其中两个参数,逐一仿真研究归一化雷达截面与另一个参数的函数关系.仿真研究中,风速取值范围为3~30 m·s-1,风向取值范围为0~360°,雷达入射角取值范围为20~60°.研究归一化雷达截面随风速变化规律时,雷达入射角取值为40°(机载SAR设计指标),风向取值为0°、45°和90°;研究归一化雷达截面随风向变化规律时,雷达入射角取值为40°,风速取值为5、10 m·s-1和15 m·s-1;研究归一化雷达截面随入射角变化规律时,风向取值 为40°,风速取值为5、10 m·s-1和15 m·s-1. 通过仿真计算,VV极化归一化雷达截面与风速、风向和雷达入射角的函数关系如图 2所示.

图 2 CMOD地球物理模型参数的函数关系
(a)VV极化归一化雷达截面与风速; (b)VV极化归一化雷达截面与风向; (c)VV极化归一化雷达截面与雷达入射角.
Fig. 2 The function of CMOD geophysical model parameters
(a) VV polarization NRCS with respect to wind speed; (b) VV polarization NRCS with respect to wind direction; (c) VV polarization NRCS with respect to radar incidence angle.

图 2a表明当风向和雷达入射角固定时,VV极化归一化雷达截面随着风速的增加而增加,图 2b表明当风速和雷达入射角固定时,VV极化归一化雷达截面与风向近似为余弦函数关系,图 2c表明当风向和风速固定时,VV极化归一化雷达截面随着入 射角的增加而降低.值得注意的是,图 2c仿真结果中,黑、红、蓝三条曲线表示分别风向40°,风速5 m·s-1、10 m·s-1和15 m·s-1时,归一化雷达截面随入射角的变化规律.可以看出,不同风向、风速条件下,CMOD地球物理模型函数中归一化雷达截面随入射角变化规律是唯一的.

图 2( ac)仿真结果均表明,当风速、风向和雷达入射角确定时,CMOD5地球物理模型函数仿真计算的归一化雷达截面值大于CMOD5.N的计算 值.可以推断,在归一化雷达截面探测值相同的条件下,CMOD5模型函数反演的风速值将低于CMOD5.N反演值,这与前文所述CMOD5模型函数存在0.5 m·s-1低估误差的结论一致.本文采用CMOD5.N地球物理模型函数作为机载SAR海面风矢量反演的研究模型.

3.2 机载SAR探测图像中距离向均值曲线变化规律

研究机载SAR探测图像(7月26日探测图像20120726-01)可以发现,探测图像在距离向上存在着由明到暗变化(由左到右),如图 3a所示.我们知道,机载SAR对海探测时,随着距离向斜视距的增加,雷达入射角沿距离向逐渐增大.结合图 2c仿真研究结果,可知上述现象由入射角增大引起的归一化雷达截面值减小引起.

图 3 机载SAR探测图像的距离向均值曲线
(a)机载SAR探测图像; (b)距离向均值曲线.
Fig. 3 Distance to the mean curve of Airborne SAR sounding image
(a) Airborne SAR sounding image; (b) Distance to the mean curve.

为了进一步考察入射角变化对归一化雷达截面的影响,我们沿方位向平均归一化雷达截面,得到了描述归一化雷达截面随入射角变化规律的距离向均值曲线(Distance to the Mean Curve,DMC),记为DMCα~β(ø,u),图 3b中曲线所示.其中,α为起始入射角,β为截止入射角,ø,u为探测海域的风向、风速.从图 3b可知,距离向均值曲线由探测海域的风向和风速确定,随着入射角增大呈现出规律性下降趋势,而波浪状的上下波动,是由于海洋表面的海浪等其它海洋现象调制了归一化雷达截面.

采用上述处理方法,本文利用105幅机载SAR探测图像,开展了距离向均值曲线变化规律研究.研究结果表明,不同海况条件下,距离向均值曲线的变化规律是唯一的.由于距离向均值曲线变化规律是对探测图像中归一化雷达截面随入射角变化规律的定量描述,所以不同海况条件下,机载SAR探测图 像中归一化雷达截面随入射角变化规律也是唯一的.

3.3 应用方法构想

从3.1节CMOD地球物理模型参数的函数关系仿真结果可知,不同风向、风速条件下,归一化雷达截面随入射角变化规律具有唯一性.如果利用CMOD5.N地球物理模型函数构建不同风向、风速条件下归一化雷达截面随入射角变化的标准曲线库(St and ard Curve of CMOD5.N,SCC),那么曲线库中描述归一化雷达截面随入射角变化规律的标准曲线是唯一的.同样,从3.2节机载SAR探测图像中距离向均值曲线的变化规律可知,不同海洋环境条件下,描述归一化雷达截面随入射角变化规律的距离向均值曲线也是唯一的.

通过上述分析,我们发现标准曲线是CMOD5.N地球物理模型函数对归一化雷达截面随入射角变化规律的理论刻画,而距离向均值曲线是对机载SAR探测图像中这一自然规律的定量描述.可以断定,相同风向、风速条件下,CMOD5.N地球物理模型函数构建的标准曲线和机载SAR探测图像的距离向均值曲线,必然遵循统一的归一化雷达截面随入射角变化规律.从统计学的角度,此时标准曲线和距离向均值曲线必然具有良好的相关性,这是本文开展机载SAR探测图像中归一化雷达截面随入射角变化规律应用研究的基础.

因此,我们设想将特定海况条件下机载SAR探测图像的距离向均值曲线与标准曲线库中的曲线逐条匹配,采用统计方法判定出与距离向均值曲线相关性最强的标准曲线,称之为最优匹配曲线.那么,仿真确定最优匹配曲线的风向、风速就是反演的海面风向、风速,应用方法构想如图 4所示.

图 4 应用方法构想 Fig. 4 The diagram of application method

4 反演方法研究 4.1 机载SAR探测图像的入射角范围计算

机载SAR波束宽度θd计算的关系式为

式中: 0.886为相控阵雷达确定的常数,λ为雷达波长,本文采用C波段SAR波长为0.056 m,d为天线距离向宽度,这里确定为0.28 m.

经计算可知,机载SAR的波束宽度为10.2°,表明机载SAR探测距离向上入射角的变化范围较大,图中获得的距离向均值曲线,可以描述归一化雷达截面随入射角变化规律.假定机载SAR探测图像的入射角变化范围为α~β,如图 5所示.图中,长箭头所指方向为载机飞行方向,长箭头与虚直线间的距离为载机飞行高度.

图 5 机载SAR飞行探测示意图 Fig. 5 Flight sounding schematic of airborne SAR

机载SAR探测图像的起始入射角为

截止入射角为

式中,H为载机飞行高度,R为雷达探测的起始斜距. 4.2 标准曲线库构建

依据机载SAR探测特点,本文在风向0~360°,风速3~20 m·s-1,雷达入射角25~60°范围内,采用CMOD5.N地球物理模型函数构建不同风向、风速条件下,归一化雷达截面随入射角变化的标准曲线库,记为SCC25~60°(Φ,U).其中,风向Φ取值范围为0~360°,风速U取值范围为3~20 m·s-1.

为了便于描述标准曲线库,我们抽取风速5 m、10 m和15 m,构建风速抽样条件下的标准曲线库,如图 6所示.图中,三条曲面分别描述了风速5 m、10 m和15 m条件下,风向0~360°变化范围内,归一化雷达截面随入射角变化规律.不难看出,不同风向、风速条件下的标准曲线均不相交.

图 6 风速抽样条件下的标准曲线库 Fig. 6 Standard curve database in wind speed sampling condition

为了考察不同风向、风速条件下,描述归一化雷 达截面随入射角变化规律的标准曲线的唯一性.我 们在风向45°,风速5 m·s-1、10 m·s-1和15 m·s-1条件下,仿真计算标准曲线的变化规律,计算结果如图 7a所示;在风速10 m·s-1,风向0°、45°和90°条件下,仿真计算标准曲线的变化规律,计算结果如图 7b所示.

图 7 不同风向、风速条件下标准曲线的变化规律
(a)风向固定,不同风速条件下的变化规律; (b)风速固定,不同风向条件下的变化规律.
Fig. 7 Variation of standard curve in different wind directions and speeds
(a) Variation of fixed wind direction and different wind speeds; (b) Variation of fixed wind speed and different wind directions.

图 7(ab)仿真结果表明,不同风向、风速条件下,描述归一化雷达截面随入射角变化规律的标准曲线是唯一的.因此,可以通过寻找机载SAR探测图像中距离向均值曲线的最优匹配曲线,直接反演海面风矢量.

4.3 距离向均值曲线与标准曲线匹配

距离向均值曲线DMCα~β(øu)定量描述了机载SAR探测图像中,探测入射角α~β范围内,海面风向为ø,风速为u条件下,归一化雷达截面随入射角变化规律.当机载SAR探测入射角范围为α~β时,需要先从标准曲线库SCC25~60°(Φ,U)中选取特定标准曲线库SCCα~β(Φ,U),再开展匹配研究.

本文在最优匹配曲线判定时,采用相关系数来判定距离向均值曲线与特定标准曲线的相关程度.相关系数一般用r表示,若基于样本对协方差和标准差进行估计,可以得到样本相关系数,表达式为(张世强等,2009):

式中,xi为距离向均值曲线DMCα~β(ø,u)产生的样本,为xi的平均值,yi为特定标准曲线SCCα~β(Φ,U)产生的样本,为yi的平均值. 相关系数的绝对值丨r丨在0到1之间,其值越大,表明两条曲线的相关性越强.当相关系数绝对值最大时,即:

可以判定特定标准曲线库SCCα~β(Φ,U)中的曲线SCCα~β(Φ′,U′)与距离向均值曲线DMCα~β(ø,u)的相关程度最高,称之为最优匹配曲线.此时,仿真风向Φ′,风速U′与探测区域海面风向,风速u最接近,可以认为Φ′=ø,U′=u,从而计算出风向和风速.

从CMOD地球物理模型函数的一般表达式可知,模型函数中存在cos(ø)和cos(2ø)两个参数,使得利用CMOD5.N模型函数求解风矢量时,模糊风 向不可避免.图 2b中归一化雷达截面与风向的谐波函数关系说明了这一问题. 从图中可知,利用CMOD5.N地球物理模型函数计算风向时,在0~360°范围内会求解出4个解,分别为ø,180-ø,180+ø和360-ø.本文将采用全极化SAR最新研究成果,利用极 化信息来确定风向趋势,去除模糊风向,确定唯一风向.

4.4 极化相关系数去除模糊风向

全极化SAR照射散射体时,照射在散射体的入射波被散射体散射回去,在远场情况下散射波可视为面波,整个散射过程可看成一个线性转换过程(陈曦,2008):

式中,上标tr表示发射天线发射到散射体上的入射波,上标re表示接收天线接收到来自散射体的散射 波,r为散射目标与接收天线之间的距离,k为电磁波波数,H表示水平发射或接收,V表示垂直发射或接收.极化散射矩阵[S] 是一个2×2矩阵的复矩阵,包含了幅度和相位信息,SHH和SVV为同极化(co- polarization)分量,SHV和SVH为交叉极化(cross-polarization)分量.

Zhang等在考察RADARSAT-2 SAR极化散射矩阵系数之间的相关性时,发现极化通道VV和VH之间的相关系数ρVVVH随着风向变化呈现出奇 对称性,ρVVVH为复数,可表示为(Zhang et al.,2012):

同时,提出了根据极化相关系数实部、虚部的正负情况,去除模糊风向的法则:当相关系数的实部小于0,虚部小于0时,0°<ø<90°;当相关系数的实部大于0,虚部大于0时,-90°<ø<0°;当相关系数的实部小于0,虚部大于0时,-180°<ø<-90°;当相关系数的实部大于0,虚部小于0时,90°<ø<180°.其中,ø指风向相对于雷达方位向的夹角.

这样,依据极化相关系数与风向的奇对称性,可以去除模糊风向,确定唯一风向.

4.5 反演方案

在完成基于归一化雷达截面随入射角变化规律的海面风矢量反演理论研究和应用方法构建基础上,本文提出了反演方案的具体流程,如图 8所示.

图 8 海面风矢量反演流程 Fig. 8 Retrieval process of ocean surface wind vector

首先,读取机载SAR探测图像,确保图像中不包含海洋内波、溢油和船舶等其他海洋环境信息.

其次,确定机载SAR探测图像的起始入射角α,截止入射角β,将方位向的归一化雷达截面值进行平均处理,得到描述归一化雷达截面随入射角变化规律的距离向均值曲线DMCα~β(ø,u).ø,u为需求解的海面风向、风速.

接着,在风向0~360°,风速3~20 m·s-1,雷达入射角25~60°范围内,采用CMOD5.N地球物理模型函数构建标准曲线库SCC25~60°(Φ,U).Φ,U为风向、风速取值范围.

然后,依据入射角范围α~β,确定特定标准曲线库SCCα~β(Φ,U),再采用相关系数判定距离向均值曲线的最优匹配曲线SCCα~β(Φ′,U′).Φ′=øU′=u为包含模糊解的风向、风速.

最后,计算VV和VH通道之间的极化相关系数ρVVVH,利用极化相关系数随着风向变化呈现出的奇对称性去除模糊风向,得到最终风向、风速.

5 实验结果及分析 5.1 实例研究

本文以7月26日探测数据20120726-01为例,开展基于归一化雷达截面随入射角变化规律的机载SAR海面风矢量反演应用研究.探测数据的起始入射角为25°,截止入射角为35°,与其匹配的浮标风向为130°,风速为5.6 m·s-1.

首先,计算探测图像的距离向均值曲线DMC25~35(ø,u);其次,采用CMOD5.N地球物理模型函数构建标准曲线库SCC25~60(Φ,U);再按照入射角范围25~35°,从标准曲线库中选取特定标准曲线库SCC25~35(Φ,U);然后,逐条匹配距离向均值曲线和特定标准曲线,采用相关系数判定出距离向均值曲线的最优匹配曲线SCCα~β(Φ′,U′);最后,利用极化相关系数去除模糊风向,确定风向、风速.匹配结果如图 9所示,图中平滑曲线为最优匹配曲线.

图 9 距离向均值曲线与特定标准曲线最优匹配个例 Fig. 9 Optimal matching case between distance to the mean curve and specific standard curve

图 9可知,最优匹配曲线对应的风向为119.6°,风速为6.3 m·s-1,沿曲线抽样的样本数为501,相关系数为0.9861.与浮标结果对比,风向反演误差为-10.4°,风速反演误差为0.7 m·s-1,满足海面矢量反演精度要求(风速测量范围为3~20 m·s-1时,风向反演均方根误差小于20°,风速反演均方根误差小于2 m·s-1).

5.2 实验结果分析

为进一步验证海面风矢量反演方法,定量分析反演结果,本文利用机载C波段全极化SAR探测数据,包括2012年7月26日49组,7月30日37组和8月5日19组试验数据,开展海面风矢量反演实验研究.海面风矢量反演结果与浮标观测结果比对如图 10所示. 标观测值的比对结果.7月26日、7月30日和8月5日探测数据反演结果与浮标观测结果的均方根误 差分别为:风向11.2°,风速0.8 m·s-1;风向10.6°,风速0.8 m·s-1;风向12.0°,风速1.1 m·s-1.反演结果与浮标观测结果总的均方根误差为:风向11.3°,风速0.9 m·s-1.

图 10 海面风矢量反演结果与浮标观测结果对比
(a)风向反演结果对比; (b)风速反演结果对比.
Fig. 10 Ocean surface wind vector retrieval results versus buoy observation results
(a) Wind direction retrieval results comparison; (b) Wind speed retrieval results comparison.

从反演结果可知,海面风矢量反演精度高于精度指标要求.这是因为该方法主要利用CMOD5.N地球物理模型函数和机载SAR探测图像遵循统一的归一化雷达截面随入射角变化规律反演海面风矢量,不受图像中斑点噪声的影响,同时基于相关系数的最优匹配方法不会产生局部最优解,提高了海面风矢量反演精度.

极化相关系数去除模糊风向过程中,可以判断风向趋势,但出现了少量错误判断.从理论上讲,极化散射特性为探测目标的本身特征,与探测雷达无关.因此,极化相关系数与风向变化呈现的出奇对称性应该适用于机载全极化SAR.经过分析,我们认 为出现差异的原因存在于探测幅宽和平台稳定性两个方面.在探测幅宽方面,RADARSAT-2 SAR的探测幅宽达上百公里,而本文采用机载SAR的探测幅宽仅为十几公里,幅宽的差异可能使得机载SAR的探测图像不能产生与RADARSAT-2 SAR探测范围一致的极化特征.在平台稳定性方面,载机平台稳定性误差造成的探测误差,也会影响探测数据的极化特征.

6 结论与展望

本文依据相同风向、风速条件下,CMOD5.N地球物理模型函数构建的标准曲线和机载SAR探测图像的距离向均值曲线遵循统一的归一化雷达截面随入射角变化规律,使得两条曲线的相关性较强这一特征,开展了基于归一化雷达截面随入射角变化规律的机载SAR海面风矢量反演应用研究.在完成标准曲线库构建,距离向均值曲线与标准曲线匹配原则确立,以及极化相关系数去除风向模糊方法研究基础上,提出了海面风矢量反演方案.实现了不借助风条纹和辅助资料,直接利用机载SAR探测图像反演海面风矢量.

机载SAR飞行探测试验结果表明,海面风矢量 反演结果与浮标观测结果均方根误差为风向11.3°,风速0.9 m·s-1,高于反演精度指标要求.这是因为该方法既避免了机载SAR探测图像中斑点噪声的影响,又不会产生局部最优解,提高了海面风矢量反演精度.极化相关系数可以判断风向趋势,但存在少量误断,这是由于本文所用机载SAR探测数据与RADARSAT-2 SAR探测数据存在着探测幅宽和平台稳定性两方面的差异,导致两者极化相关系数随风向变化规律会出现差异.

论文研究结果对于机载SAR海面风矢量的业务化探测具有重要作用.由于试验条件限制,本文仅开展了中等海况条件的探测试验,未来我们将继续开展实验研究,并针对性设计高风速条件下的探测试验,进一步验证、改进反演方法.另外,针对海面风矢量反演中存在的模糊风向,下一步将开展机载全极化SAR极化散射特性的系统研究,探寻去除模糊风向的有效方法.

致谢 中国电子科技集团公司第三十八研究所提供机载SAR探测数据和舟山气象局提供浮标观测结果,以及两个单位在数据处理过程中的热情帮助.

参考文献
[1] Ai W H, Yan W, Zhao X B, et al. 2013. A new ocean surface wind field retrieval method from C-band airborne synthetic aperture radar. Acta Physica Sinica (in Chinese), 62(6): 068401, doi: 10.7498/aps.62.068401.
[2] Chen X. 2008. Quantitative inversion of terrain elevation and forest structural parameters using PolSAR and PolInSAR data (in Chinese)[Ph. D. thesis]. Beijing: Institute of Remote Sensing Applications Chinese Academy of Sciences.
[3] Fan K G, Huang W G, He M X, et al. 2012. Marine atmospheric boundary layer depth retrieval by SAR in China Sea. Chinese Journal of Geophysics (in Chinese), 55(4): 1137-1143, doi: 10.6038/j.issn.0001-5733.
[4] He Y J, Perrie W, Zou Q P, et al. 2005. A new wind vector algorithm for C-band SAR. IEEE Trans. Geosci. Remote Sens., 43(7): 1453-1458, doi: 10.1109/TGRS.2005.848411.
[5] Hersbach H, Stoffelen A, De Haan S. 2007. An improved C-band scatterometer ocean geophysical model function: CMOD5. a J. Geophys. Res., 112(C3): C03006.
[6] Horstmann J, Koch W. 2005. Measurement of ocean surface winds using synthetic aperture radars. IEEE J. Oceanic Eng., 30(3): 508-515, doi: 10.1109/JOE.2005.857514.
[7] Jin Y Q. 1998. KEMOTE sensing of DMSP SSM/IOVER the South China Sea and retrieval of sea surface wind. Acta Geophysica Sinica (in Chinese), 41(1): 30-37.
[8] Koch W. 2004. Directional analysis of SAR images aiming at wind direction. IEEE Trans. Geosci. Remote Sens., 42(4): 702-710, doi: 10.1109/TGRS.2003.818811.
[9] Kong Y, Zhao X B, Ai W H, et al. 2011. Ocean surface wind field retrieval from airborne SAR imagery based on Mexican-hat wavelet transform. Journal of PLA University of Science and Technology (Natural Science Edition) (in Chinese), 12(3): 301-306.
[10] Leite G C, Ushizima D M, Medeiros F N S, et al. 2010. Wavelet analysis for wind fields estimation. Sensors, 10(6): 5994-6016, doi: 10.3390/s100605994.
[11] Levy G. 2001. Boundary layer roll statistics from SAR. Geophys. Res. Lett., 28(10): 1993-1995, doi: 10.1029/2000GL012667.
[12] Li X F, Zheng W Z, Yang X F, et al. 2011. Sea surface imprints of coastal mountain lee waves imaged by synthetic aperture radar. J. Geophys. Res., 116(C2): C02014, doi: 10.1029/2010JC006643.
[13] Martine S. 2004. An Introduction to Ocean Remote Sensing (in Chinese). Jiang X W Trans. Beijing: Ocean Press, 246-299.
[14] Portabella M, Stoffelen A, Johannessen J A. 2002. Toward an optimal inversion method for synthetic aperture radar wind retrieval. J. Geophys. Res.: Oceans (1978—2012), 107(C8): 3086, doi: 10.1029/2001JC000925.
[15] Quilfen Y, Chapron B, Elfouhaily T, et al. 1998. Observation of tropical cyclones by high-resolution scatterometry. J. Geophys. Res., 103(C4): 7767-7786, doi: 10.1029/97JC01911.
[16] Stoffelen A, Anderson D. 1997. Scatterometer data interpretation: Estimation and validation of the transfer function CMOD4. J. Geophys. Res., 102(C3): 5767-5780, doi: 10.1029/96JC02860.
[17] Vachon P W, Dobson F W. 1996. Validation of wind vector retrieval from ERS-1 SAR images over the ocean. Global Atmos. Ocean Syst., 5(2): 177-187.
[18] Verhoef A, Portabella M, Stoffelen A, et al. 2008. CMOD5. n-the CMOD5 GMF for neutral winds. EUMETSAT Ocean and Sea Ice SAF Tech. Note SAF/OSI/CDOP/KNMI/TEC/TN/165.
[19] Yang J S, Huang W G, Zhou C B, et al. 2001. Coastal ocean surface wind retrieval from SAR imagery. Journal of Remote Sensing (in Chinese), 5(1): 13-16, doi: 10.11834/jrs.20010103.
[20] Yang X F, Li X F, Pichel W G, et al. 2011. Comparison of ocean surface winds from ENVISAT ASAR, MetOp ASCAT scatterometer, buoy measurements, and NOGAPS model. IEEE Trans. Geosci. Remote Sens., 49(12): 4743-4750, doi: 10.1109/TGRS.2011.2159802.
[21] Zhang B, Perrie W. 2012. Cross-polarized synthetic aperture radar: A new potential measurement technique for hurricanes. Bull. Amer. Meteor. Soc., 93(4): 531-541.
[22] Zhang B, Perrie W, Vachon P W, et al. 2012. Ocean vector winds retrieval from C-band fully polarimetric SAR measurements. IEEE Trans. Geosci. Remote Sens., 50(11): 4252-4261, doi: 10.1109/TGRS.2012.2194157.
[23] Zhang S Q, Lv J N, Jiang Z, et al. 2009. Study of the correlation coefficients in mathematical statistics. Mathematics in Practice and Theory (in Chinese), 39(19): 102-107.
[24] Zhao X B, Kong Y, Yan W, et al. 2012. Radiometric calibration accuracy of airborne synthetic aperture radar in ocean surface wind field sounding. Acta Physica Sinica (in Chinese), 61(14): 148404, doi: 10.7498/aps.61.148404.
[25] Zhao X B, Yan W, Kong Y, et al. 2013. Theoretical research and experimental verification for ocean surface wind vector retrieval from airborne C-band fully polarimetric SAR. Acta Physica Sinica (in Chinese), 62(13): 138402, doi: 10.7498/aps.62.138402.
[26] Zhu H B, Wen B Y, Huang J. 2005. Wind directions retrieval based on scale partitioned SAR images' gradients. Journal of Wuhan University (Natural Sciene Edition) (in Chinese), 51(3): 375-378.
[27] Zou Q P, He Y J, Perrie W, et al. 2007. Wind-vector estimation for RADARSAT-1 SAR images: Validation of wind-direction estimates based upon geometry diversity. IEEE Geosci. Remote Sens. Lett., 4(1): 176-180, doi: 10.1109/LGRS.2006.885886.
[28] 艾未华, 严卫, 赵现斌等. 2013. C波段机载合成孔径雷达海面风场反演新方法. 物理学报, 62(6): 068401, doi: 10.7498/aps.62.068401.
[29] 陈曦. 2008. PolSAR和PolInSAR定量提取地形高程和森林结构参数研究[博士论文]. 北京: 中国科学院遥感应用研究所.
[30] 范开国, 黄韦艮, 贺明霞等. 2012. 星载SAR遥感图像反演海洋大气边界层高度. 地球物理学报, 55(4): 1137-1143, doi: 10.6038/j.issn.0001-5733.
[31] 金亚秋. 1998. 星载微波SSM/I对南中国海海面遥感的辐射特征及其风场反演. 地球物理学报, 41(1): 30-37.
[32] 孔毅, 赵现斌, 艾未华等. 2011. 基于墨西哥帽小波变换的机载SAR海面风场反演. 解放军理工大学学报(自然科学版), 12(3): 301-306.
[33] Martine S. 2004. 海洋遥感导论. 蒋兴伟译. 北京: 海洋出版社, 246-299.
[34] 杨劲松, 黄韦艮, 周长宝等. 2001. 合成孔径雷达图像的近岸海面风场反演. 遥感学报, 5(1): 13-16, doi: 10.11834/jrs.20010103.
[35] 张世强, 吕杰能, 蒋峥等. 2009. 关于相关系数的探讨. 数学的实践与认识, 39(19): 102-107.
[36] 赵现斌, 孔毅, 严卫等. 2012. 机载合成孔径雷达海面风场探测辐射定标精度要求研究. 物理学报, 61(14): 148404, doi: 10.7498/aps.61.148404.
[37] 赵现斌, 严卫, 孔毅等. 2013. 机载C波段全极化SAR海面风矢量反演理论研究及实验验证. 物理学报, 62(13): 138402, doi: 10.7498/aps. 62.138402.
[38] 朱华波, 文必洋, 黄坚. 2005. 基于尺度分离的 SAR 图像梯度反演海面风向. 武汉大学学报 (理学版), 51(3): 375-378.