出版日期: 2019-05-25
点击次数：
下载次数：
DOI: 10.11834/jrs.20197154
2019 | Volumn23 | Number 3
上一篇  |  下一篇
技术方法 
双频共面合成孔径雷达海面风场反演
expand article info 艾未华1 , 陈冠宇1 , 戈书睿1 , 袁凌峰2 , 赵现斌1
1. 国防科技大学 气象海洋学院，南京 211101
2. 海军海洋水文气象中心，北京 100071
收稿日期: 2017-06-26; 预印本: 2018-05-04
基金项目: 国家自然科学基金(编号：41475019)
第一作者简介: 艾未华，1979年生，男，副教授，研究方向为现代气象海洋雷达技术。E-mail：awhzjax@126.com
通信作者简介: 陈冠宇，1994年生，男，硕士研究生，研究方向为微波海洋遥感。E-mail：guanyumail@126.com

摘要

根据L/C双频共面SAR能够获取同一海域双波段电磁波后向散射系数，得到更多海洋目标特征信息的电磁散射特点，结合地球物理模型函数研究了一种新的SAR海面风场反演方法。利用L/C双频共面SAR的L和C两个波段的地球物理模型函数和后向散射系数等信息，通过地球物理模型函数联立以及构建和求解最小代价函数，直接从SAR数据本身获取海面风场信息，并借助辅助数据去除了风向的180°模糊，从而实现海面风场反演。仿真分析和海上机载同步飞行试验的研究结果表明，该方法可直接利用SAR数据本身获取精度较高的海面风速、风向；绝对辐射定标精度是决定海面风场反演精度的关键因素，海面风场反演误差随定标精度提高而减小；随着海面风速的增大，风速反演误差逐渐增大。论文提出的双频共面SAR海面风场反演方法解决了传统单波段单极化SAR海面风场反演存在的固有问题，机载同步飞行试验的海面风速和风向反演结果与调查船观测值的均方根误差分别为0.93 m/s和19.39°，可为星载SAR海面风场反演业务化和载荷研制提供支持。

关键词

合成孔径雷达, 双频共面, 海面风场反演, 地球物理函数模型, 辐射定标

Method for ocean surface wind field retrieval from a common reflector dual-frequency SAR
expand article info AI Weihua1 , CHEN Guanyu1 , GE Shurui1 , YUAN Lingfeng2 , ZHAO Xianbin1
1.College of Meteorology and Oceanography, National University of Defense Technology, Nanjing 211101, China
2.Navy Hydrometeorological Center, Beijing 100071, China

Abstract

In accordance with the ability to obtain further target characteristic information when detecting the same surface area with L/C common reflector dual-frequency SAR dual-band electromagnetic wave, a new ocean wind field retrieval method is proposed. Wind speed and direction are estimated simultaneously using a geophysical model function and a normalized radar cross sections of the L/C dual-band in accordance with a common reflector dual-frequency SAR geophysical model function, and the fuzzy direction of 180° is wiped off using auxiliary data. Verification results show that the wind field retrieval method can be used to retrieve a high-precision wind speed and direction without other background sources in accordance with the simulation and airborne synchronous flight test on a sea. The major error can be explained by the insufficient accuracy in calibrating the NRCS for wind speed and direction retrieval. The wind speed error increases with the value of speed, and the root mean square error of wind speed and direction between retrieval and survey ship observed are 0.93m/s and 19.39°, respectively. The method for ocean surface wind field retrieval from the common reflector dual-frequency SAR solves the inherent problems of a sea surface wind field inversion of the traditional single-band SAR and increases the retrieval accuracy of the sea surface wind speed and direction, thereby providing support for business application and load developing of an ocean wind field retrieval from space-borne SAR images.

Key words

synthetic aperture radar, common reflector dual frequency, ocean wind field retrieve, CMOD, radiometric calibration

1 引　言

海面风场是作用在海面的风应力，它能够对大气与海洋环流以及海气相互作用产生直接影响，此外，它对海气之间的热量、物质和水汽交换具有重要作用，可作为海浪、海流和风暴潮等数值模式重要的输入因子。合成孔径雷达SAR(Synthetic Aperture Radar)能够实现全天候、全天时、高分辨率对海面成像，可获取大范围、高精度的海洋环境信息。

双频共面SAR是未来星载和机载SAR发展和应用的重要方向(Jordan 等，1995)，它可通过发射两个波长的电磁波对目标进行探测，测量目标每一个分辨单元内的不同频段电磁波的散射回波，获得与目标散射相关的双频段的极化散射矩阵(Vachon和Wolfe，2011)，从而得到数倍于传统SAR的目标回波信息，可较完整地揭示目标的散射机理，获取目标的特征参数，在海洋环境探测中具有传统单波段SAR无法比拟的优势。海面风场可改变海表面的粗糙程度，海面的粗糙程度和雷达波长都是影响SAR雷达后向散射回波的主要因素，因此可根据SAR测量得到的后向散射系数反演出海面风场信息(Portabella 等，2002)。目前，常用的SAR海面风场反演都是利用雷达后向散射系数与风矢量的经验关系得到的地球物理模型函数(Martin，2004)。双频共面SAR可同时测量得到两个波段的海面后向散射系数，因此，在海面风场反演方面充分利用其特点，可有望解决传统单波段SAR在海面风场反演中存在的问题，为反演精度的提高提供可能。

目前，SAR海面风场反演通常是利用不同波段的地球物理模型函数GMF(Geophysical Model Function)(Horstmann 等，2000；Thompson和Beal，2000；Monaldo，2000；Cameron 等，2006；Lehner 等，2012)，将已知相对风向、后向散射系数以及入射角等信息作为输入，通过非线性方程的解算得到海面风速，而风向的获取需要采用模式预报、散射计测得的海面风向或SAR风条纹信息等。基于SAR图像存在的风条纹信息(杨劲松，2005；Apel，1994；Levy，1998)，可利用二维FFT法(Vachon和Dobson，1996)、局部梯度法(杨劲松 等，2001；Koch，2004)、小波法(张日伟 等，2011；Leite 等，2010；艾未华 等，2012；孔毅 等，2011；De Biasio和Zecchetto，2012)以及正则化(姜祝辉 等, 2011a, 2011b)等方法反演得到海面风向，该方法提高了风向和风速反演的空间分辨率，但是由于星载SAR图像中存在明显风条纹比例约为40%，在业务化运用时存在一定的局限性。当图像中不存在风条纹时，常利用探测区域的模式预报资料或散射计探测数据等获取风向，但一般其空间分辨率较低，且与SAR时空不匹配，影响反演精度。根据SAR平台运动状态数据和海洋探测回波数据计算多普勒中心频率存在的特定差异，Mouche等(2012)提出基于SAR图像多普勒平移的贝叶斯反演方法，但该方法仍然依赖于背景场先验信息。

在机载SAR海面风场反演方面，艾未华等(2013)、赵现斌等(2013)针对机载SAR分别提出基于多入射角和多观测视角的机载SAR海面风场反演方法，但是仍未解决星载SAR海面风场反演中存在的各种问题。Xia(1996)提出利用星载SAR多入射角的后向散射系数，通常构建代价函数直接计算海面风场的方法，但是该方法实现的前提条件是要求大范围海面风场相对稳定，进而可将多个不同入射角的地球物理模型函数联立解算得到海面风速和风向，因此不具有普适性，难以进行业务化运用。根据交叉极化雷达后向散射系数与风速的线性函数关系，Vachon和Wolfe(2011)与Zhang和Perrie(2011)提出基于交叉极化的海面风场反演模型，利用交叉极化反演得到海面风速，进而采用地球物理模型函数得到海面风向，该方法适用于中高风速海况条件下的海面风场反演，还可用于解决高风速下的风速模糊问题(Zhang 等，2012；Hwang 等，2010)；但是由于交叉极化回波信号能量非常弱，容易受到噪声的污染，在中低风速海况下反演误差较大；另外，交叉极化的绝对辐射定标难度很大，不容易在工程方面实现(Zhang 等，2012)。从国内外SAR海面风场反演的研究成果来看，为了提高SAR海面风场的反演精度和空间分辨率，都是希望摆脱风场反演中对背景风向的依赖，尽量从SAR图像本身出发直接获取海面风场信息，实现星载SAR海面风场反演的业务化，这也是本研究的出发点。

载荷技术的进步一直推动着探测资料处理应用技术的发展。在海面风场反演方面，L/C双频共面SAR可同时获取两个波段电磁波对同一海面区域的探测回波，相对传统单波段SAR拥有更多的目标特征信息。目前C波段VV极化和L波段的HH极化地球物理函数模型(Horstmann 等，2000；Shimada 等，2003)已在业务化中得到应用，其中L波段电磁波波长较长，受云雨目标的影响相对较小。L/C双频共面SAR可探测多种海洋环境要素及目标，而高精度的同步海面风场是实现海洋环境信息获取和目标检测的基础，因此本文针对双频共面SAR对海探测特点，充分利用双波段探测回波的后向散射系数，将C波段和L波段的海面风场反演模型联立，通过非线性方程组的求解直接反演得到海面风速和风向，能够克服海面风场反演对风条纹和背景场风向资料的依赖问题，为星载SAR海面风场反演业务化和载荷研制提供依据。

2 双频共面SAR海面风场反演原理及方法

2.1 SAR海面风场反演地球物理函数模型

目前被广泛应用于反演C波段SAR海面风速的主要模式是CMOD(C-band models)系列模式(Thompson和Beal，2000；Monaldo，2000；Cameron 等，2006)。其定量表示了SAR后向散射系数与风向相对于雷达视向的相对风向、海面10 m高度处风速和入射角之间的关系 (艾未华 等，2013)，形式如下

$\sigma _{\rm{vv}}^0(\theta, \phi, u) = {10^{A(u, \theta)}}\left({1 + B\left({u, \theta } \right)\cos \phi + C\left({u, \theta } \right)\cos 2\phi } \right)$ (1)

式中， $\sigma _{\rm{vv}}^0$ 为VV极化的后向散射系数， $\phi $ 表示风向相对于雷达视向的相对风向， $A\left({u, \theta } \right)$ 、 $B\left({u, \theta } \right)$ 和 $C\left({u, \theta } \right)$ 为相应的系数，它们是海面10 m高度处风速、入射角的函数。

LMOD(L-band models)地球物理函数模式最初由日本学者提出，应用于L波段HH极化JERS-1 SAR(Shimada 等，2003；Kawamura 等，2002)。LMOD模式以NASA的散射计海面风场产品和JMA的浮标观测海面风场资料为基础，定量表示了SAR后向散射系数与风向相对于雷达方位向的夹角、海面10 m高度处风速和入射角之间的关系，如下式所示

$\sigma _{\rm{HH}}^0 = {A_0}(1 + {A_1}\cos \phi + {A_2}\cos 2\phi)$ (2)

式中， $\sigma _{\rm{HH}}^0$ 为HH极化的后向散射系数， $\phi $ 表示风向相对于雷达方位向的夹角， ${A_0}$ 、 ${A_1}$ 和 ${A_2}$ 是海面10 m高度处风速、入射角的函数。

LMOD和CMOD5地球物理函数明确了海面风速、相对风向与后向散射系数之间的定量关系，可作为SAR后向散射系数仿真和反演试验的依据。式(1)和(2)表明，在已知SAR后向散射系数、入射角和模型系数等条件下，存在风速、风向两个未知变量。因此，传统的SAR海面风场反演是要求已知海面风向，再通过模式解算出海面风速；而海面风向的获取通常需要风条纹和背景场信息，存在时空不匹配、分辨率不一致和精度较低等问题，从而影响了海面风速反演精度，这是单波段单极化SAR海面风场反演中存在的主要问题。很显然，如果能同时得到同一探测海域的L波段和C波段的SAR后向散射系数，就可以联立式(1)和式(2)，从而可直接获取海面风速和风向，双频共面SAR为这一海面风场反演基本思想的实现提供了可能。

2.2 双频共面SAR海面风场反演原理

LMOD和CMOD5地球物理函数都以SAR后向散射系数、入射角以及模型系数作为输入，输出则都为海面风速、风向，在函数形式上具有相似性。由于双频共面SAR可实现双波段对同一海域的同时探测，L和C波段地球物理模型函数的海面风速和风向值相同，而不同波段电磁波的雷达后向散射系数和模型相关常数不同。因此，可以针对双频共面SAR对海探测特点，联立式(1)和式(2)，通过方程组的求解直接得到海面风速和风向，从而解决单波段SAR在海面风场反演中存在依赖背景风向的问题。

图1中两条曲线分别为利用CMOD5和LMOD仿真得到的C波段(虚线)和L波段(实线)的SAR后向散射系数 ${\sigma ^0}$ 与风速、风向关系(海面风速10 m/s、相对风向135°和入射角35°)。显然，对于单个 ${\sigma ^0}$ ，CMOD5和LMOD各自存在无数组风速、风向的可能解，而当两个模型函数联立后则存在有限交点。


图 1 CMOD5(虚线)和LMOD(实线)地球物理函数模型的仿真风速、风向
Fig. 1 Simulation of CMOD5 (dashed line) and LMOD (solid line) geophysical function model wind speed, wind direction

由图1可知，两条曲线有4个交点，包括1个真解和3个模糊解。因此，可以通过联立L波段和C波段的地球物理模型函数，通过求解式(3)的非线性方程组，同时得到海面风速和风向，从而解决单波段SAR在海面风场反演中依赖背景风向的问题。

$\left\{ \begin{array}{l} \sigma _{\rm{L - band}}^0({\theta _{\rm{L - band}}}, \phi, u) = {A_0}\left({u, {\theta _{_{\rm{L - band}}}}} \right)\left(1 + {A_1}\right.\\ \left. \left({u, {\theta _{\rm{L - band}}}} \right) \cos \phi + {A_2}\left({u, {\theta _{\rm{L - band}}}} \right)\cos 2\phi \right) \\ \sigma _{\rm{C - band}}^0({\theta _{\rm{C - band}}}, \phi, u) = {10^{A(u, {\theta _{\rm{C - band}}})}}\left(1 + B \right. \\ \left. \left({u, {\theta _{\rm{C - band}}}} \right) \cos \phi + C\left({u, {\theta _{\rm{C - band}}}} \right)\cos 2\phi \right) \end{array} \right.$ (3)

因此，基于双频共面SAR海面风场反演的基本原理，可以考虑通过获取双频共面SAR对海探测的L、C波段后向散射系数，并将双波段的后向散射系数值、入射角和平台参数等信息代入式(3)，解算得到海面风速和风向。因此，可以利用双频共面SAR的工作特点，研究一种新的不受载荷平台限制的高精度SAR海面风场反演方法，从SAR图像本身直接反演得到海面风速和风向，从而解决传统SAR海面风场反演依赖背景风向的问题。

2.3 双频共面SAR海面风场反演方法

双频共面SAR的L和C波段电磁波探测的是同一海域，其回波都携带了海面风速和风向信息，即式(3)方程组中两等式的风速和风向相同。为求解式(3)的不同波段地球物理模型函数方程组，构建如式(4)所示的最小代价函数，通过求解代价函数直接获取海面风场信息。

$\begin{array}{l} {J_{\rm{Cost}}}\left( {\theta ,\phi ,u} \right) \!\!=\!\! \left( {\sigma^m _{\rm{L - band}}}\left( {{\theta _{\rm{L - band}}}, \phi ,u} \right) - \sigma _{\rm{L - band}}^0\right.\\ \left( {{\theta _{\rm{L - band}}},\phi ,u} \right) \Bigr)^2 + \left( \sigma _{\rm{C - band}}^m\left( {{\theta _{\rm{C - band}}},\phi ,u} \right) - \sigma _{\rm{C - band}}^0\right.\\ \left( {{\theta _{\rm{C - band}}},\phi ,u} \right) \Bigr)^2 \end{array}$ (4)

式中， ${\sigma _{\rm{L - band}}^m}$ 和 ${\sigma _{\rm{C - band}}^m}$ 分别是利用LMOD和CMOD5模型仿真计算得到的后向散射系数值， ${\sigma _{\rm{L - band}}^0}$ 和 ${\sigma _{\rm{C - band}}^0}$ 分别是双频共面SAR的不同波段的后向散射系数实际观测值， ${\theta _{\rm{L - band}}}$ 和 ${\theta _{\rm{C - band}}}$ 分别为L波段和C波段的电磁波对海观测的入射角。因此，已知L、C波段的后向散射观测值、入射角和卫星方位角等条件下，通过解算式(4)使其代价函数值最小，从而反演得到海面风速风向信息。求解目标代价函数的梯度值为零，使代价函数最小，从而得到海面风速、风向，如式(5)

$\left\{ \begin{gathered} \frac{{\partial {J_{\rm{Cost}}}(\theta, \phi, u)}}{{\partial u}} = 2\left({\sigma _{\rm{L - band}}^m - \sigma _{\rm{L - band}}^0} \right)\frac{{\partial \sigma _{\rm{L - band}}^m}}{{\partial u}} + \\ 2\left({\sigma _{\rm{C - band}}^m - \sigma _{\rm{C - band}}^0} \right)\frac{{\partial \sigma _{\rm{C - band}}^m}}{{\partial u}} = 0 \qquad\qquad \quad \\ \frac{{\partial {J_{\rm{Cost}}}(\theta, \phi, u)}}{{\partial \cos (\phi)}} = 2\left({\sigma _{\rm{L - band}}^m - \sigma _{\rm{L - band}}^0} \right)\frac{{\partial \sigma _{\rm{L - band}}^m}}{{\partial \cos (\phi)}} +\\ 2\left({\sigma _{\rm{C - band}}^m - \sigma _{\rm{C - band}}^0} \right)\frac{{\partial \sigma _{\rm{C - band}}^m}}{{\partial \cos (\phi)}} = 0 \qquad\qquad\quad \end{gathered} \right.$ (5)

通常，目标代价函数式(4)存在若干个局部最小值，每个局部最小值对应风速、风向模糊解。对于式(4)和(5)的非线性方程采用数值方法求解。本文采用双精度搜索法求取目标代价函数极小值，获取海面风速、风向模糊解(艾未华 等，2013)。对于反演得到的多组海面风矢量模糊解，可采用数值预报值、海上浮标、落山风等方法确定真实值，对于多极化SAR还可考虑采用极化信息去除风向模糊。

2.4 双频共面SAR海面风场反演流程

由以上分析可知，利用双频共面SAR的L、C波段的探测数据，通过式(3)非线性方程组的解算直接得到海面风向和风速，反演流程如图2所示。首先对双频共面SAR探测的L波段HH极化和C波段VV极化图像分别进行绝对辐射定标，定标精度是影响后续海面风场反演效果的关键。L和C波段的SAR图像有不同的空间分辨率，需根据海面风场空间分辨率将两个频率的雷达观测图像匹配到海面网格，首先确定海面风矢量单元的中心经纬度，再分别将L和C波段观测的海面风矢量单元区域的后向散射系数求平均值作为反演输入值，其中入射角取反演区域中心入射角；通过图像预处理得到两个波段探测区域的后向散射系数 $\sigma _{\rm{L - band}}^0$ 和 $\sigma _{\rm{C - band}}^0$ 、入射角、平台飞行方向、探测数据方位、方位向和距离向空间分辨率等信息，并代入式(4)或式(5)，利用搜索算法解算得到4组风速、风向模糊解，再利用去模糊方法实现海面风场的获取。


图 2 SAR海面风场反演流程图
Fig. 2 The flow chart of SAR sea surface wind field retrieval

为验证本文提出方法的有效性，依据以上反演流程，分别采用仿真和实测双频共面SAR数据进行反演试验分析。借助于L、C波段的地球物理模型函数，通过加入随机噪声仿真双频共面SAR后向散射系数，将仿真数据代入海面风场反演模型分析计算海面风速、风向反演精度，衡量SAR绝对辐射定标精度对反演结果的影响。同时，利用机载双频共面SAR实测的L、C波段数据和海上同步试验获取的测量船实测海面风速、风向数据进行海面风场反演试验，将反演结果与实测的海面风场比对计算反演误差，统计获取反演精度。

3 双频共面SAR风场反演方法误差分析

从SAR海面风场反演物理机理和地球物理模型函数可以看出，在入射电磁波波长确定的情况下，影响海面风速、风向反演的主要物理量是后向散射系数的精确程度。因此，为从理论上分析论文提出的双频共面SAR海面风场反演方法的性能，以及SAR绝对辐射定标精度对海面风速、风向反演结果的影响，以仿真的海面风速、风向和入射角为输入，利用LMOD和CMOD5地球物理模型仿真得到同一探测海域的C波段和L波段后向散射系数；在此基础上，引入SAR绝对辐射定标误差，利用仿真的后向散射系数，结合双频共面SAR海面风场反演方法进行海面风速和风向反演，统计分析不同风速、风向条件下的反演误差以及绝对辐射定标精度对海面风矢量反演精度的影响。假设双频共面SAR的L和C波段的绝对辐射定标精度分别均为0.5 dB、1.0 dB、1.5 dB和2.0 dB，入射角为35°，风速范围3—24 m/s、风向范围0°—359°。需要说明的是在高风速海况条件下，地球物理函数模型会出现速度模糊现象，该问题可利用交叉极化后向散射系数与风速的关系解决；但是由于交叉极化回波信号弱，其辐射定标难度大。

图3为仿真不同风速、风向条件下，L/C双频SAR的辐射定标精度均为1.5 dB时，海面风场反演方法的风速误差绝对值的分布图，海面风速反演的平均误差为1.76 m/s，整体均方根误差为2.16 m/s。随着风速的增大，海面风速反演误差在总体上呈增大趋势，尤其当风速值超过15 m/s时，风速反演误差明显增大；海面风速低于15 m/s时，风速的均方根误差为1.23 m/s；而当海面风速在15—25 m/s范围时，均方根误差明显增大，达到3.04 m/s，并且出现很多误差较大的值。风向在90°和270°附近时，高风速情况下的反演误差较大，这主要受到雷达辐射定标精度和地球物理模型函数余弦函数形式的影响。


图 3 海面风速反演误差绝对值分布图
Fig. 3 Distribution of error absolute values of sea surface wind speed retrieval

图4、图5分别为海面风速反演误差散点图和不同风速下的平均误差。后向散射系数的值随着海面风速增大而增大，这表示在相同定标精度情况下，可能产生更大的风速反演误差，因此绝对辐射定标精度是决定海面风速反演精度的关键因素，其中图4中横坐标为仿真风速，纵坐标为反演值，图5中海面风速误差为偏差值。在海面风速10 m/s附近，海面风速反演的误差相对较小，在低风速和高风速海况下的反演误差相对较大，这是由CMOD5地球物理模型函数的特性决定。


图 4 海面风速反演误差散点图
Fig. 4 The error scatter diagram of sea surface wind speed retrieval


图 5 海面风速反演平均误差
Fig. 5 The mean error of sea surface wind speed retrieval

图6为风速、风向变化时，L/C双频SAR海面风场反演方法的风向误差绝对值的分布情况，图7为海面风向反演误差散点图。由图7可知，当风向在0—359°范围内时，反演得到的海面风向的误差基本保持在一定范围内，海面风向反演的平均误差为21.20°，整体均方根误差为23.03°；图7中海面风向反演误差的绝对值在180°附近基本为对称分布，海面风向反演的误差与风速大小没有明显的正相关性，在风向90°和270°附近反演误差明显增大，这与海面风速反演误差的分布相一致，且存在明显的间隔90°的象限周期规律变化，这种现象是由地球物理模型函数中风向、风速与后向散射系数存在的余弦三角函数关系所致。图8为海面风向反演误差不同风速条件下的平均值，可以明显看出在低风速和高风速时有较大的海面风向反演误差，而在10 m/s左右的中等风速时海面风向反演的平均误差最小。


图 6 海面风向反演误差绝对值分布图
Fig. 6 Distribution of error absolute values of sea surface wind direction retrieval


图 7 海面风向反演误差散点图
Fig. 7 The error scatter diagram of sea surface wind direction retrieval


图 8 不同辐射定标精度下海面风向反演平均误差
Fig. 8 The mean error of sea surface wind direction retrieval at different radiation calibration accuracy

为进一步衡量SAR绝对辐射定标精度对海面风场反演的影响，按照以上仿真分析方法，分别分析比较了海面风速3—24 m/s、风向0—359°范围内，绝对定标精度分别为0.5 dB、1.0 dB、1.5 dB和2.0 dB的L/C双频SAR海面风速和风向的反演误差，如表1所示。在不同的SAR绝对辐射定标精度条件下，海面风速和风向反演误差存在差异，辐射定标精度越高则海面风速和风向的平均误差、均方根误差都越小，在中等风速时海面风向反演的精度较高；在辐射定标精度为0.5 dB时海面风速的平均误差为0.63 m/s、均方根误差为1.26 m/s，海面风向的平均误差为15.08°、均方根误差为18.53°。绝对辐射定标精度是SAR的重要性能指标，影响多种海洋遥感应用产品的质量，是直接决定海面风速、风向反演精度的决定性因素。反之，SAR卫星系统的海面风速、风向应用指标也直接决定了对SAR的绝对辐射定标精度要求，由于SAR的绝对辐射定标难度较大，因此必须根据应用需求设定合理的辐射定标精度。

表 1 不同绝对辐射定标精度对SAR海面风场反演误差的影响
Table 1 The effect of different absolute radiation calibration accuracy on the retrieval error of SAR sea surface wind field

下载CSV 
绝对辐射
定标精度/dB 		海面风速/(m/s) 海面风向/(°)
平均误差 均方根误差 平均误差 均方根误差
0.5 0.63 1.26 15.08 18.53
1.0 1.33 1.69 19.76 23.55
1.5 1.76 2.16 21.20 23.03
2.0 2.09 2.52 28.02 30.86

4 试验验证

4.1 试验数据

为验证L/C双频共面SAR海面风场反演方法有效性，开展了机载L/C双频共面SAR海上校飞和同步观测试验，利用试验获取的SAR数据和测量船实测海面的风速、风向数据进行反演试验。表2为机载双频共面SAR机载试验数据相关参数。机载SAR探测时间为北京时间2014年11月22日15时，平台飞行方向为由西南向东北，测量船实测风速8 m/s、风向45°(海面10 m高度处)。试验区域位于北纬19°，东经112°附近。采用NCEP资料解决风向模糊问题。

表 2 机载双频共面SAR探测图像参数信息
Table 2 The image information of airborne common reflector dual frequency SAR detection

下载CSV 
序号 数据参数 参数值
1 探测时间 2014-11-22 T15
2 探测波段 L，C
3 图像经纬度(图像中心) 112°E，19°N
4 距离向分辨率/m 1.76(C波段)，1.5(L波段)
5 方位向分辨率/m 1.80(C波段)，1.5(L波段)
6 图像中心入射角/° 43
7 飞机飞行方向/° 45
8 平台高度/m 8100
9 飞行速度/(m/s) 138
10 极化方式 VV, HH

4.2 反演结果及分析

利用获取的试验区域L/C双频SAR实测数据、同步实测风场数据和NCEP资料，采用本文提出的双频共面SAR海面风场反演方法进行反演试验，验证和评估海面风场反演方法的有效性。利用定标常数对L/C双频共面SAR对海探测图像进行辐射定标，提取L波段和C波段电磁波照射区域位置相同的若干图像块，并获取入射角、平台飞行角度、极化、平台飞行高度、图像分辨率等信息。将L、C波段的图像块后向散射系数以及对应相关的参数信息输入本文提出的双频SAR海面风场反演模型，通过解算获取4个模糊解，并利用NCEP资料等辅助数据去除风向模糊得到唯一解。

图9为2014年11月22日06时和12时(世界时)的NCEP海面风场图。从图9可知，海面风向在大部分区域是基本一致的，在东经112°、北纬19°附近为东北风，其中06时风速为8.22 m/s、风向为64.7°，12时风速为7.16 m/s、风向为74.5°。NCEP资料的风场时空分辨率较低，但可用于风场总趋势的分析，因此可用于去除风向的180°模糊。


图 9 11月22日06时和12时(世界时)的NCEP海面风场图
Fig. 9 NCEP sea surface wind field at 06:00 and 12:00 (UT) on November 22nd

表3为利用本文方法反演得到的11月22日机载双频共面SAR海面风速、风向结果和调查船观测值。从每个图像块的反演结果来看，由于图像分辨率高，各图像块之间间距较小，因此海面风速、风向的反演值差别不大，表明了该反演方法的稳定性。海面风速反演结果与调查船观测值的均方根误差为0.93 m/s；海面风向反演结果与调查船观测值的均方根误差为19.39°。

表 3 机载双频共面SAR数据海面风场反演结果
Table 3 Retrieval results of sea surface wind field with airborne common reflector dual frequency SAR data

下载CSV 
数据 海面风速/(m/s) 海面风向/(°)
反演值 调查船实测值 反演值 调查船实测值
11月22日01时 6.94 8 27.93 45
11月22日02时 7.41 28.12
11月22日03时 7.30 26.55
11月22日04时 7.40 26.91
11月22日05时 7.21 25.43
11月22日06时 7.40 26.97
11月22日07时 6.63 26.54
11月22日08时 6.81 25.48
11月22日09时 7.12 25.33
11月22日10时 7.38 26.98
RMS 0.93 19.39

图10为试验获取的机载数据反演的海面风场图，对应表3中的海面风向和风速，图10中为C波段SAR观测图像。从该图可以看出，飞机的飞行方向为由西南朝东北，SAR为右侧视观测。海面风场的空间分辨率取决于SAR图像的分辨率，由于机载SAR图像的分辨率很高，因此海面风场的空间分辨率可以达到百米量级。从整体上看，SAR反演的海面风场与NCEP资料在总体趋势上具有较好的一致性，均为东北风。


图 10 机载双频共面SAR反演海面风场图
Fig. 10 Retrieval of sea surface wind field with airborne common reflector dual frequency SAR

5 结　论

SAR作为一种全天候、全天时的高分辨率主动式微波成像雷达，在海洋遥感探测方面发挥重要作用。双频共面SAR是一种新型的有效载荷，通过发射两个波段的电磁波获取更为丰富的目标特征，为揭示目标的本质，反演获取高精度的特征参数提供了可能。传统的单波段星载SAR海面风场反演需要将已知的海面风向作为地球物理模型函数的输入，依赖背景风向和风条纹等信息，难以从SAR图像本身反演得到实时的海面风场，严重影响SAR海面风场反演的业务化。有效载荷技术的发展促进了参数反演方法的创新，论文针对双频共面SAR对海探测的工作特点，同时利用L、C两个波段的后向散射系数和地球物理模型函数，通过联立L、C两个波段的地球物理模型函数，直接利用SAR图像反演得到海面风场。该方法可解决SAR海面风场反演存在的固有问题，提高反演精度，同时该方法也可应用于机载SAR海面风场反演中，为今后SAR海面风场反演的业务化应用和载荷研制提供了技术支持。

论文分别开展了基于仿真数据和实测数据的反演分析。仿真分析表明绝对辐射定标精度是影响海面风速、风向反演精度的重要因素。要提高海面风场的反演精度，需采用内、外定标相结合方式保证SAR图像的绝对辐射定标精度；反之，SAR探测系统的辐射定标精度能力也决定了海面风场反演的精度。由于地球物理函数模型的固有特性，在低风速和高风速时SAR海面风场反演的误差较大；而在10 m/s的中等风速海况条件下，海面风速和风向的整体反演精度较高，进一步说明了地球物理函数模型最适用于中等风速海况下的海面风场反演。从根本上说，海面风场反演的精度一方面取决于L波段和C波段地球物理函数模型的准确性，另一方面取决于SAR图像的绝对辐射定标精度。仿真和实测数据的反演结果均证明了该方法的有效性，为下一步应用于星载和机载SAR海面风场探测业务奠定基础。下一步，将通过飞行试验获取更多的不同海况下的双频共面SAR数据，通过反演试验充分验证本文提出方法的有效性。

志 谢 感谢中国科学院电子学研究所和中国电子科技集团公司第三十八研究所提供的机载SAR试验数据、海上观测结果及在机载SAR数据定标方面给予的支持。

参考文献(References)

  • Ai W H, Kong Y and Zhao X B. 2012. Ocean surface wind direction retrieval from multi-polarization airborne SAR based on wavelet. Acta Physica Sinica, 61 (14): 148403 [DOI: 10.7498/aps.61.148403] ( 艾未华, 孔毅, 赵现斌. 2012. 基于小波的多极化机载合成孔径雷达海面风向反演. 物理学报, 61 (14): 148403 [DOI: 10.7498/aps.61.148403] )
  • Ai W H, Yan W, Zhao X B, Liu W J and Ma S. 2013. A new ocean surface wind field retrieval method from C-band airborne synthetic aperture radar. Acta Physica Sinica, 62 (6): 068401 [DOI: 10.7498/aps.62.068401] ( 艾未华, 严卫, 赵现斌, 刘文俊, 马烁. 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] )
  • Apel J R. 1994. An improved model of the ocean surface wave vector spectrum and its effects on radar backscatter. Journal of Geophysical Research Oceans, 99 (C8): 16269–16291. [DOI: 10.1029/94JC00846]
  • Cameron I, Lumsdon P, Walker N and Woodhouse I. 2006. Advances in SAR oceanography from envisat and ERS missions//Proceedings of SEASAR 2006. Frascati, Italy: ESA Publication Division
  • De Biasio F and Zecchetto S. 2012. Towards the wind direction determination in RADARSAT-2 polarimetrie images. European Journal of Remote Sensing, 45 (1): 141–151. [DOI: 10.5721/EuJRS20124514]
  • Horstmann J, Koch W, Lehner S and Tonboe R. 2000. Wind retrieval over the ocean using synthetic aperture radar with C-band HH polarization. IEEE Transactions on Geoscience and Remote Sensing, 38 (5): 2122–2131. [DOI: 10.1109/36.868871]
  • Hwang P A, Zhang B, Toporkov J V and Perrie W. 2010. Comparison of composite Bragg theory and quad-polarization radar backscatter from RADARSAT-2: with applications to wave breaking and high wind retrieval. Journal of Geophysical Research Atmospheres, 115 (C8): C08019 [DOI: 10.1029/2009JC005995]
  • Jiang Z H, Huang S X, He R and Zhou C T. 2011a. Regularization method to retrieve synthetic aperture radar sea surface wind. Acta Physica Sinica, 60 (6): 068401 ( 姜祝辉, 黄思训, 何然, 周晨腾. 2011a. 合成孔径雷达资料反演海面风场的正则化方法研究. 物理学报, 60 (6): 068401 )
  • Jiang Z H, Huang S X, Shi H Q, Zhang W and Wang B. 2011b. A new research on sea surface wind direction retrieval of synthetic aperture radar image. Acta Physica Sinica, 60 (10): 108402 [DOI: 10.7498/aps.60.108402] ( 姜祝辉, 黄思训, 石汉青, 张伟, 王彪. 2011b. 合成孔径雷达图像反演海面风向新方法的研究. 物理学报, 60 (10): 108402 [DOI: 10.7498/aps.60.108402] )
  • Jordan R L, Huneycutt B L and Werner M. 1995. The SIR-C/X-SAR synthetic aperture radar system. IEEE Transactions on Geoscience and Remote Sensing, 33 (4): 829–839. [DOI: 10.1109/36.406669]
  • Kawamura H, Shimada T, Shimada M, Kortcheva A and Watabe I. 2002. L-band SAR wind-retrieval model function and its application for studies of coastal surface winds and wind waves//IEEE International Geoscience and Remote Sensing Symposium. Toronto, Ontario, Canada: IEEE, 3: 1884–1886 [DOI: 10.1109/IGARSS.2002.1026288]
  • Koch W. 2004. Directional analysis of SAR images aiming at wind direction. IEEE Transactions on Geoscience and Remote Sensing, 42 (4): 702–710. [DOI: 10.1109/TGRS.2003.818811]
  • Kong Y, Zhao X B, Ai W H, Han D and Xue J. 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), 12 (3): 301–306. [DOI: 10.3969/j.issn.1009-3443.2011.03.018] ( 孔毅, 赵现斌, 艾未华, 韩丁, 薛剑. 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. [DOI: 10.3969/j.issn.1009-3443.2011.03.018] )
  • Lehner S, Pleskachevsky A and Bruck M. 2012. High-resolution satellite measurements of coastal wind field and sea state. International Journal of Remote Sensing, 33 (23): 7337–7360. [DOI: 10.1080/01431161.2012.685975]
  • Leite G C, Ushizima D M, Medeiros F N S and De Lima G G. 2010. Wavelet analysis for wind fields estimation. Sensors, 10 (6): 5994–6016. [DOI: 10.3390/s100605994]
  • Levy G. 1998. Imaging boundary layer roll signatures for climate applications//Proceedings of Sensing and Managing the Environment. 1998 IEEE International Geoscience and Remote Sensing. Seattle, WA, USA: IEEE, 3: 1437–1438 [DOI: 10.1109/IGARSS.1998.691483]
  • Martin S. 2004. An Introduction to Ocean Remote Sensing. Cambridge: Cambridge University Press: 201–207
  • Monaldo F. 2000. The Alaska SAR demonstration and near-real-time synthetic aperture radar winds. Johns Hopkins APL Technical Digest, 21 (1): 75–79.
  • Mouche A A, Collard F, Chapron B, Dagestad K F, Guitton G and Johannessen J A. 2012. On the use of Doppler shift for sea surface wind retrieval from SAR. IEEE Transactions on Geoscience and Remote Sensing, 50 (7): 2901–2909. [DOI: 10.1109/TGRS.2011.2174998]
  • Portabella M, Stoffelen A and Johannessen J A. 2002. Toward an optimal inversion method for synthetic aperture radar wind retrieval. Journal of Geophysical Research Oceans, 107 (C8): 3086 [DOI: 10.1029/2001JC000925]
  • Shimada T, Kawamura H and Shimada M. 2003. An L-band geophysical model function for SAR wind retrieval using JERS-1 SAR. IEEE Transactions on Geoscience and Remote Sensing, 41 (3): 518–531. [DOI: 10.1109/TGRS.2003.808836]
  • Thompson D and Beal R C. 2000. Mapping of mesoscale and submesoscale wind fields using synthetic aperture radar. John Hopkins APL Technical Digest, 21 : 58–67.
  • Vachon P W and Dobson F W. 1996. Validation of wind vector retrieval from ERS-1 SAR images over the ocean. The Global Atmosphere and Ocean System, 5 (2): 177–187.
  • Vachon P W and Wolfe J. 2011. C-band cross-polarization wind speed retrieval. IEEE Geoscience and Remote Sensing Letters, 8 (3): 456–459. [DOI: 10.1109/LGRS.2010.2085417]
  • Xia Z G. 1996. Applications of multi-frequency, multi-polarization and multi-incident angle SAR systems in urban land use and land cover mapping//1996 International Geoscience and Remote Sensing Symposium. Lincoln, NE, USA: IEEE, 4: 2310–2314 [DOI: 10.1109/IGARSS.1996.516971]
  • Yang J S. 2005. SAR Remote Sensing Techniques of Sea Surface Wind, Surface Wave and Internal Wave. Beijing: Ocean Press: 31–32 (杨劲松. 2005. 合成孔径雷达海面风场、海浪和内波遥感技术. 北京: 海洋出版社: 31–32)
  • Yang J S, Huang W G, Zhou C B, Fu B, Shi A Q and Li D L. 2001. Coastal ocean surface wind retrieval from SAR imagery. Journal of Remote Sensing, 5 (1): 13–16. [DOI: 10.11834/jrs.20010103] ( 杨劲松, 黄韦艮, 周长宝, 傅斌, 史爱琴, 厉冬玲. 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] )
  • Zhang B and Perrie W. 2011. Cross-polarized synthetic aperture radar: a new potential measurement technique for hurricanes. Bulletin of the American Meteorological Society, 93 (4): 531–541. [DOI: 10.1175/BAMS-D-11-00001.1]
  • Zhang B, Perrie W, Vachon P W, Li X F, Pichel W G, Guo J and He Y J. 2012. Ocean vector winds retrieval from C-band fully polarimetric SAR measurements. IEEE Transactions on Geoscience and Remote Sensing, 50 (11): 4252–4261. [DOI: 10.1109/TGRS.2012.2194157]
  • Zhang R W, Yan W, Ai W H and Ma S. 2011. A method of ocean surface wind direction retrievals for airborne SAR images based on Gabor wavelet transform. Journal of Microwaves, 27 (5): 79–83. ( 张日伟, 严卫, 艾未华, 马烁. 2011. 基于Gabor小波变换的机载SAR海面风向反演方法. 微波学报, 27 (5): 79–83. )
  • Zhao X B, Yan W, Kong Y, Han D and Liu W J. 2013. Theoretical research and experimental verification for ocean surface wind vector retrieval from airborne C-band fully polarimetric SAR. Acta Physica Sinica, 62 (13): 138402 [DOI: 10.7498/aps.62.138402] ( 赵现斌, 严卫, 孔毅, 韩丁, 刘文俊. 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] )
数据专区
  • 目录 目录
  • 文章信息 文章信息
  • 引用格式 引用格式
  • 地图 地图
  • 评论 评论
  • 图 图
  • 表 表
  • 二维码 二维码
  • 参考文献 参考文献
  • 多媒体 多媒体