-
卫星测高技术广泛应用于海平面变化监测、平均海平面模型的建立[1-4]，动力海面地形确定、海冰研究及垂线偏差解算等科研领域[5-8]，也是反演全球和局部海域的大地水准面与重力异常的主要手段[9-12]。随着测量模式、测量精度以及数据覆盖率的不断完善，如何合理综合利用多颗测高卫星的海量观测数据获取更高空间分辨率和精度的海洋重力场模型成为国际上研究的热点。而高分辨率海洋重力场模型构建的关键在于测高数据的轨道间距和大地水准面分辨能力[13]。
卫星测高数据分为两种：一种是精密重复轨道观测数据，如T/P、Envisat等，重复周期为10~35 d，对应赤道处轨道间距约为80~315 km，不能满足高分辨率海洋重力场反演要求；二是大地测量漂移轨道观测数据，如Geosat/GM(1985~1986,176 d)、ERS-1/GM(1994~1995,168 d)和Jason-1/GM(2012~2013,406 d)等，这种任务观测周期长，难以实现重复周期观测数据，在赤道处对应的轨道间距约为7~10 km，是用于海洋重力反演的主要数据源。Cryosat-2重复周期为369 d，迄今已经发生三次重复，其赤道处的轨道间距约为7.5 km[14]，是有望改进海洋重力场反演的重要数据。
大地水准面分辨能力对应测高数据可分辨的大地水准面短波特征，决定了海洋重力场的分辨率[15]，对于沿轨滤波处理时的参数选择具有重要的参考价值[16]。Brammer等人提出谱关联性分析法[15]，根据重复轨道数据之间存在空间频率对应的谱关联性分析大地水准面分辨能力。此后，国外研究学者使用该方法分析了多颗测高卫星数据的大地水准面分辨能力，如Geos-3和Seasat分别为75 km和50 km[17]，Geosat/ERM、ERS-1/ERM以及T/P约为38 km、43 km和37 km，波形重构之后ERS-1/ERM数据可提升至35 km左右[18]，共线处理之后的Geosat/ERM、ERS-1/ERM、T/P数据可提升至24 km、30 km和22 km[13]。
本文分别采用谱关联分析法和信噪比分析法推算了Cryosat-2数据的大地水准面分辨能力，为应用Cryosat-2数据改进现有海洋重力场模型提供相关研究参考。
-
根据卫星测高原理，卫星沿星下点轨迹测量雷达脉冲反射足印区内的平均海面高度，回波足印区的直径范围约为3~5 km。不同周期的重复轨道间距通常在1 km之内，相对于足印区范围而言，重复轨道的星下点轨迹可看作完全重复，即包含相同的大地水准面信号。因此，作为大地水准面波长分辨能力分析的前提条件，重复轨道实际是要求不同数据序列包含相同的信号部分[16]。
假定z1和z2分别表示一对重复轨道的沿轨海表面高度数据序列；u表示沿轨的大地水准面信号；n1和n2分别表示沿轨测量数据的噪声部分；s表示沿轨距离；存在如下关系式：
(1) 
(2) -
为了描述数据序列之间在频域的谱关联性，引入均方一致性，定义为不同序列的互相关谱的平方除以单独数据序列的自相关谱的乘积，取值范围在0~1之间，1表示数据序列完全相关，0表示完全不相关，其数学表达式为：
(3) 式中，Sz1、Sz2和Sz1z2分别表示数据序列的自相关谱和互相关谱，可以采用周期图法、自相关法或参数估计法估算，其中周期图法和自相关法属于古典谱估计方法，使用过程中无法克服谱分辨率低的问题[19]。Brammer等指出针对沿轨测高数据的采样特征，自回归(auto-regressive,AR)建模可以获取令人满意的谱估计结果[15, 20]。数据序列的AR模型表达式为：
(4) 式中,n表示AR模型的阶数；ai和wk是AR模型的系数和噪声相关参数。Marks等定义了判定大地水准面波长分辨能力的标准，即重复轨道数据的均方一致性下降为0.5时所对应的空间波长[16]。Brammer 等曾经根据均方一致性下降为0作为分析Seasat数据的判断标准[15]，但0.5是更加保守和通用的选择[13, 15, 16]。
-
假定信号和噪声部分不相关，重复轨道时间序列之间作差可以消去信号部分，若由f表示空间采样频率，可以得到差分序列的功率谱和噪声谱之间的关系；顾及信号振幅与功率谱之间存在平方的关系，联合重复轨道数据加和以及差分序列的功率谱可以估算信号的功率谱。具体的关系可以表达为：
(5) 
(6) 式中,Sz1-z2和Sz1+z2分别表示重复轨道数据差分以及加和序列的功率谱；Sn和Su分别表示重复轨道数据序列的噪声谱和大地水准面信号谱。在谱分析的过程中，信号与噪声的功率谱通过一对数据序列差分加和及AR建模估算得到。本文从信噪比角度考虑，当信号谱与噪声谱的比值下降为1时，大地水准面信号的功率谱与噪声谱相交处的空间频率可判定为对应大地水准面信号的分辨率，简称为信噪比分析方法，是一种更加直观判定信号分辨能力的准则。
-
Cryosat-2卫星于2010年4月8日发射，在轨运行四年多来，首次提供了重复观测的密集轨道间距测高数据[21]。欧空局发布的基线B版本的L2级地球物理数据记录中，提供了沿轨20 Hz的时间、经纬度以及顾及各校正项的表面高信息[22]。为了控制沿轨数据质量，相关数据根据回波标识、平均海平面模型检核以及三倍中误差准则判定对沿轨20 Hz数据进行剔除，针对满足筛选条件的数据，平均得到沿轨1 Hz的表面高数据。
-
本文按照二级数据头文件中的周期号CYCLE和轨道相对编号REL_ORBIT对数据进行命名，所使用数据的时间和轨道号信息如表 1所示，需要注意的是各个周期的轨道数目并不完全一致。Cryosat-2数据手册指出2011年10月之前的B版本数据产品中包含不准确的周期编号和轨道参数[22]，重复轨道数据序列不能仅依据轨道编号判定，需要辅助以判定轨道间距小于1 km的条件筛选得到。
表 1 Cryosat-2数据概要信息
Table 1. General Information of Cryosat-2 Data
周期 时间范围 轨道号范围 1 2010-07~2010-07 2622~2853 2 2010-08~2011-02 1~2853 3 2011-02~2011-12 1~1795,2578~5344 4 2011-12~2012-06 1~2740 5 2012-07~2012-12 2748~5344 6 2012-12~2013-12 1~5344 沿轨数据的频谱分析要求采样间隔一致，因此数据处理过程中需判定沿轨采样点是否缺失，若存在缺失点则采用相邻两个采样点数据插值补齐采样间隔。为了抑制粗差数据对频谱分析的影响，对差分数据序列进行探测，若超过三倍标准差则移去该差分值并采用线性插值填补数据空白[23]。
-
在北大西洋、北太平洋、印度洋、南太平洋、南大西洋海域内选择5个30°×30°的区域作为研究区域，每个区域内分别挑选一组升弧和降弧的重复轨道数据序列对，筛选方法如§2.1所述，轨道编号及地理位置如图 1所示。以北大西洋海域内轨道编号为2754的升弧重复轨道数据序列对(Revs2754A)为例详细给出大地水准面波长分辨能力的分析过程。
图 1 所选Cryosat-2重复轨道数据的分布
Figure 1. Distribution of Selected Cryosat-2 Data Series with Repeated Ground Track
图 2(a)给出了重复轨道数据序列对Revs2754A对应的两组海面高比较，可以看出符合较好，反映出一致的大地水准面变化特征。图 2(b)是重复轨道海面高差分数据序列，相对大地水准面信号而言统称为噪声部分，主要由海洋现象、径向轨道误差以及高度计测量噪声引起。
图 2 重复轨道数据序列海面高度对比及差值
Figure 2. Comparison and Difference Between Sea Surface Heights and Repeat Track Data Sequences
基于时间序列数据分析的R语言软件，分别将沿轨海面高及其差分求和数据序列作为目标数据，首先通过增广迪基-福勒检验判定目标为稳态可建模数据序列；然后，通过绘制目标数据序列的自相关函数图、偏自相关函数图以及广义自相关函数图判定目标过程是否应该采用AR模型建模；最后结合赤池信息量准则(Akaike information criterion，AIC)，选择最优模型阶数。不同数据序列的建模阶数不同，例如示例弧段Revs2754A的数据序列进行AR建模的最优阶数为7阶，Revs5281D数据序列AR建模的最优阶数为8阶。
图 3(a)给出了AR建模之后沿轨海面高(ssh1/2)、大地水准面信号(geoid)以及噪声(noise)的功率谱图。依据信噪比方法判定信噪比下降为1的准则，即确定相应的信号谱下降至与噪声谱相交处，确定出对应的大地水准面分辨能力约为23.874 km。根据谱关联性分析方法计算重复轨道数据序列之间的均方一致性，如图 3(b)所示，按下降为0.5的判定标准确定的大地水准面分辨能力为22.241 km。
图 3 重复轨道数据序列大地水准面分辨能力
Figure 3. Analysis of the Resolution Capability of the Repeat Track Data Sequence
针对5个研究区域内的其他重复轨道数据序列对，采用与Revs2754A相同的处理方法，分析得到相应的信号波长分辨能力，结果见表 2。
表 2 Cryosat-2数据序列的大地水准面分辨能力
Table 2. Resolution Capability of the Selected Cryosat-2 Data Sequence
重复轨道号 序列长度 谱关联性分析/km 信噪比分析/km 北大西洋 2754A 561 22.241 23.874 (20°~50°,310°~340°) 5281D 560 23.881 24.634 北太平洋 3933A 558 27.568 26.385 (10°~40°,170°~200°) 4055D 559 31.191 29.737 印度洋 5225A 561 32.151 30.856 (-50°~-20°, 80°~110°) 4276D 560 26.397 28.537 南太平洋 2859A 561 31.371 28.259 (-40°~-10°,200°~230°) 3953D 559 30.256 28.623 南大西洋 3795A 560 24.504 25.241 (-50°~-20°,325°~355°) 3745D 538 25.216 26.611 平均值 - - 27.477 27.276 从表 2中可以看出相同数据序列的分辨能力也存在一定的差异，因为信噪比方法针对数据序列进行AR建模和参数谱估计，依赖于建模的优劣；而谱关联性方法直接由数据序列的互相关谱和自相关谱计算，谱估计时使用一定宽度的窗函数，本文选择300~400 km的汉宁窗[13]。不同研究区域内Cryosat-2数据的大地水准面分辨能力变化范围在23~33 km之间，平均值约为27 km，优于单个周期的Geosat/ERM、ERS-1/ERM 和T/P观测数据[13]。尽管结果略逊于共线处理后的T/P和Geosat数据，但其地面轨迹间距显著优于共线数据。因此，Cryosat-2卫星可以为构建高分辨率海洋重力场模型提供密集轨道间距数据和更优的短波信息。此外，大西洋海域范围内的研究区域分析结果显著优于其他三个区域，这是因为受大西洋中脊的影响，研究区域内的大地水准面短波信号比较显著。
-
测高数据大地水准面分辨能力为沿轨滤波处理提供滤波半径的选取依据[15]，Cryosat-2数据在不同海域内的平均值约为27 km，因此本文分别选择17 km、27 km和37 km的滤波直径对重复轨道数据序列分别进行处理，高斯滤波后分析的信号分辨能力见表 3。
表 3 不同直径沿轨滤波后Cryosat-2数据序列的大地水准面分辨能力
Table 3. Resolution Capability of the Cryosat-2 Data Sequence through Along-Track Filtering with Different Diameter
重复轨道号 大地水准面分辨能力/km 17 27 37 2754A 16.274 14.987 15.152 5281D 15.645 14.607 14.722 3933A 17.506 15.694 15.892 4055D 16.676 15.713 16.023 5225A 16.986 15.757 15.989 4276D 16.563 15.062 15.218 2859A 18.846 17.636 18.548 3953D 25.137 21.311 22.670 3795A 16.173 15.224 15.374 3745D 16.455 15.386 15.568 从表 3可以看出，滤波半径过小导致数据序列中的高频噪声不能有效抑制，滤波半径过大会造成大地水准面信号因过度滤波而损失，适中的滤波半径可以最大限度地提升数据序列的大地水准面分辨能力。其中南太平洋海域内海底相对平坦，而测高数据中包含相对较高的海洋变化噪声，因此大地水准面分辨能力在该海域显著降低。
-
大地水准面分辨能力不同于测高数据的采样率，提供了沿轨滤波处理时直径选取的依据。本文联合信噪比法和谱关联性法，选取5个研究区域，分析了Cryosat-2数据的大地水准面波长分辨能力，其变化范围在23~33 km之间。
目前，Cryosat-2数据的重复周期较少，随着在轨运行时间的累积，多个周期重复轨道数据通过共线处理和波形重构，可以有效抑制海面时变效应及地理环境干扰所致的噪声，从而进一步提升信号分辨能力。Cryosat-2数据已在全球大部分海域提供了密集的数据覆盖，因其大地水准面短波信息的更优表达特性，将是改进海洋重力场模型构建的重要数据源。
-
摘要: Cryosat-2卫星首次提供了369 d重复周期的密集漂移轨道测高数据,可用于改进海洋重力场反演精度和分辨率。从信号和噪声两个角度对其沿轨数据进行自回归建模,给出了一种以重复轨道观测序列差分加和确定信号谱和噪声谱,并比较分析测高数据大地水准面分辨能力的方法(称为信噪比分析法)。对全球5个试验区域采用谱关联性法和信噪比法来分析Cryosat-2沿轨数据的大地水准面,其分辨能力约为23~33 km,均值约为27 km,优于单周期Geosat/ERM、ERS-1/ERM和T/P数据的38 km、43 km和37 km。研究表明,Cryosat-2数据具有更低噪声水平和更高大地水准面信号辨识度,可以为构建海洋重力场模型提供更高分辨率的短波信息。Abstract: The cryosat-2 satellite recently published its first altimeter dataincluding periodically drifting orbit and dense ground tracks. These data can be used to improve the accuracy and resolution of the marine gravity field. In this paper, we constructs auto-regressive models of the altimeter data series by considering two aspects of signal and noise, and propose a new method called the signal-to-noise ratio analytical method for estimating the resolution capability of Cryosat-2 data. in five test cases, this new method offers a consistent alternative to the traditional spectral correlation method. The resolution capability of Cryostat-2 altimeter data from single cycle is in the range of 23 km~33 km, with an average value of 27 km, and better than 38 km, 43 km and 37 km of the Geosat/ERM, ERS-1/ERM and T/P data. This result shows that the Cryosat-2 altimeter data has a lower noise level and a higher geoid signal recognition. Therefore, it is reasonable to believe that the Cryostat-2 could provide shorter wavelength information for the construction of marine gravity field with higher resolution.
-
Key words:
- satellite altimetry /
- geoid /
- resolution capability /
- spectral correlation /
- signal-to-noise ratio
-
图 1 所选Cryosat-2重复轨道数据的分布
Figure 1. Distribution of Selected Cryosat-2 Data Series with Repeated Ground Track
图 2 重复轨道数据序列海面高度对比及差值
Figure 2. Comparison and Difference Between Sea Surface Heights and Repeat Track Data Sequences
图 3 重复轨道数据序列大地水准面分辨能力
Figure 3. Analysis of the Resolution Capability of the Repeat Track Data Sequence
表 1 Cryosat-2数据概要信息
Table 1. General Information of Cryosat-2 Data
周期 时间范围 轨道号范围 1 2010-07~2010-07 2622~2853 2 2010-08~2011-02 1~2853 3 2011-02~2011-12 1~1795,2578~5344 4 2011-12~2012-06 1~2740 5 2012-07~2012-12 2748~5344 6 2012-12~2013-12 1~5344 
下载: 导出CSV
表 2 Cryosat-2数据序列的大地水准面分辨能力
Table 2. Resolution Capability of the Selected Cryosat-2 Data Sequence
重复轨道号 序列长度 谱关联性分析/km 信噪比分析/km 北大西洋 2754A 561 22.241 23.874 (20°~50°,310°~340°) 5281D 560 23.881 24.634 北太平洋 3933A 558 27.568 26.385 (10°~40°,170°~200°) 4055D 559 31.191 29.737 印度洋 5225A 561 32.151 30.856 (-50°~-20°, 80°~110°) 4276D 560 26.397 28.537 南太平洋 2859A 561 31.371 28.259 (-40°~-10°,200°~230°) 3953D 559 30.256 28.623 南大西洋 3795A 560 24.504 25.241 (-50°~-20°,325°~355°) 3745D 538 25.216 26.611 平均值 - - 27.477 27.276
下载: 导出CSV
表 3 不同直径沿轨滤波后Cryosat-2数据序列的大地水准面分辨能力
Table 3. Resolution Capability of the Cryosat-2 Data Sequence through Along-Track Filtering with Different Diameter
重复轨道号 大地水准面分辨能力/km 17 27 37 2754A 16.274 14.987 15.152 5281D 15.645 14.607 14.722 3933A 17.506 15.694 15.892 4055D 16.676 15.713 16.023 5225A 16.986 15.757 15.989 4276D 16.563 15.062 15.218 2859A 18.846 17.636 18.548 3953D 25.137 21.311 22.670 3795A 16.173 15.224 15.374 3745D 16.455 15.386 15.568
下载: 导出CSV
-
[1] Anzenhofer M, Gruber T. Fully Reprocessed ERS-1 Altimeter Data from 1992 to 1995:Feasibility of the Detection of Long Term Sea Level Change[J]. Journal of Geophysical Research,1998, 103(C4):8089-8112 [2] 李大炜,李建成,金涛勇,等.利用多代卫星测高资料监测1993~2011年全球海平面变化[J].武汉大学学报·信息科学版,2012,37(12):1421-1424 Li Dawei,Li Jiancheng, Jin Taoyong, et al. Monitoring Global Sea Level Change from 1993 to 2011 Using TOPEX and Jason Altimeter Missions[J].Geomatics and Information Science of Wuhan University, 2012,37(12):1421-1424 [3] Marsh J G, Koblinsky J, Zwally H J, et al. A Global Mean Sea Surface based Upon GEOS3 and Seasat Altimeter Data[J]. Journal of Geophysical Research, 1992, 97(B4):4915-4921 [4] 金涛勇,李建成,姜卫平,等.基于多源卫星测高数据的新一代全球平均海面高模型[J].测绘学报,2011,40(6):723-729 Jin Taoyong, Li Jiancheng, Jiang Weipin, et al. The New Generation of Global Mean Sea Surface Height Model Based on Multialtimetric Data[J]. Acta Geodaetica et Cartographica Sinica, 2011,40(6):723-729 [5] 章传银,李建成,晁定波,等.联合卫星测高和海洋物理数据计算近海稳态海面地形[J].武汉测绘科技大学学报,2000,25(6):500-504 Zhang Chuanyin, Li Jiancheng, Chao Dingbo, et al. Calculating Stationary Sea Surface Topography of Coastal Area with Altimeter and Oceanographic Data[J]. Journal of Wuhan Technical University of Surveying and Mapping, 2000,25(6):500-504 [6] 邓凯亮,暴景阳,章传银,等.联合多代卫星测高数据确定中国近海稳态海面地形模型[J].测绘学报,2009,38(2):114-119 Deng Kailiang, Bao Jingyang, Zhang Chuanyin, et al. The Determination of Quasi-Stationary Sea Surface Topography over China Sea by Using Multi-altimeter Data[J]. Acta Geodaetica et CartographicaSinica, 2009,38(2):114-119 [7] Laxon S W, Giles K A, Ridout A L, et al. CryoSat-2 Estimates of Arctic Sea Ice Thickness and Volume[J].Geophysical Research Letters,2013, 40:732-737 [8] 王虎彪,王勇,陆洋.联合多种测高数据确定中国边缘海及全球海域的垂线偏差[J].武汉大学学报·信息科学版,2007,32(9):770-773 Wang Hubiao, Wang Yong, Lu Yang. High Precision Vertical Deflection over China Marginal Sea and Global Sea Derived from Multi-satellite Altimeter[J]. Geomatics and Information Science of Wuhan University, 2007, 32(9):770-773 [9] Sandwell D, Smith W H F. Marine Gravity Anomaly from Geosat and ERS-1 Satellite Altimetry[J]. Journal of Geophysical Research, 1997, 102(B5):10039-10054 [10] Andersen O B, Knudsen P. Global Marine Gravity Field from the ERS-1 and Geosat Geodetic Mission Altimetry[J]. Journal of Geophysical Research, 1998, 103(C4):8129-8137 [11] 李建成,宁津生,陈俊勇,等.中国海域大地水准面和重力异常的确定[J]. 测绘学报,2003,32(2):114-119 Li Jiancheng, Ning Jinsheng, Chen Junyong, et al. Geoid Determination in China Sea Areas[J]. Acta Geodaetica et Cartographica Sinica, 2003,32(2):114-119 [12] 杨元德,鄂栋臣,黄金维,等.Geosat/GM波形重跟踪反演中国沿海区域重力异常[J].武汉大学学报·信息科学版,2008,33(12):1288-1291 Yang Yuande, E Dongchen, Hwang Cheinway, et al. Chinese Coastal Gravity Anomalies from Waveform Retracked Geosat/GM Altimetry[J]. Geomatics and Information Science of Wuhan University, 2008,33(12):1288-1291 [13] Yale M M, Sandwell D, Smith W H F. Comparison of Along-Track Resolution of Stacked Geosat, ERS-1 and Topex Satellite Altimeters[J]. Journal of Geophysical Research, 1995, 100(B8):15117-15127 [14] Wingham D J, Francis C R, Baker S, et al. CryoSat:A Mission to Determine the Fluctuations in Earth's Land and Marine Ice Fields[J]. Adcances in Space Research,2006, 37:841-871 [15] Brammer R F, Sailor R V. Preliminary Estimates of the Resolution Capability of the Seasat Radar Altimeter[J].Geophysical Research Letters, 1998, 7(3):193-196 [16] Sailor R V, Driscoll M L. Comparison of Noise Models and Resolution Capabilities for Satellite Radar Altimeters[C]. Oceans 92 Mastering the Oceans Through Technology, Newport, 1992 [17] Marks K M, Sailor R V. Comparison of GEOS-3 and Seasat Altimeter Resolution Capabilities[J]. Geophysical Research Letters, 1986, 13(7):697-700 [18] Maus S, Green C M, Fairhead J D. Improved Ocean-Geoid Resolution from Retracked ERS-1 Satellite Altimeter Waveforms[J]. Geophysical Journal International, 1998, 134(1):243-253 [19] 张玲华,郑宝玉.随机信号处理[M].北京:清华大学出版社,2003 Zhang Linghua, Zheng Baoyu. Stochastic Signal Processing[M].Beijing:Press of Tsinghua University, 2003 [20] Sailor R V. Signal Processing Techniques, Geoid and Its Geophysical Interpretation[M]. Boca Raton, FL:CRC Press, 1993 [21] Labroue S, Boy F, Picot N, et al. First Quality Assessment of the Cryosat-2 Altimeter System over Ocean[J]. Advances in Space Research, 2012, 50:1030-1045 [22] ESRIN, ESA and Mullard Space Science Laborator. Cryosat Product Handbook[EB/OL]. University College London, https://earth.esa.int/documents/10174/125272/CryoSat_Product_Handbook, 2012 [23] Driscoll A L, Sailor R V. GFO On-Orbit Altimeter Noise Assessment[R]. NASA:NTRS, 2001 -
点击查看大图
图(3) / 表(3)
计量
- 文章访问数: 1165
- HTML全文浏览量: 39
- PDF下载量: 317
- 被引次数: 0
