留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

星载GNSS-R海冰边界探测方法

张国栋 郭健 杨东凯 王峰 高洪兴

张国栋, 郭健, 杨东凯, 王峰, 高洪兴. 星载GNSS-R海冰边界探测方法[J]. 武汉大学学报 ● 信息科学版, 2019, 44(5): 668-674. doi: 10.13203/j.whugis20170050
引用本文: 张国栋, 郭健, 杨东凯, 王峰, 高洪兴. 星载GNSS-R海冰边界探测方法[J]. 武汉大学学报 ● 信息科学版, 2019, 44(5): 668-674. doi: 10.13203/j.whugis20170050
ZHANG Guodong, GUO Jian, YANG Dongkai, WANG Feng, GAO Hongxing. Sea Ice Edge Detection Using Spaceborne GNSS-R Signal[J]. Geomatics and Information Science of Wuhan University, 2019, 44(5): 668-674. doi: 10.13203/j.whugis20170050
Citation: ZHANG Guodong, GUO Jian, YANG Dongkai, WANG Feng, GAO Hongxing. Sea Ice Edge Detection Using Spaceborne GNSS-R Signal[J]. Geomatics and Information Science of Wuhan University, 2019, 44(5): 668-674. doi: 10.13203/j.whugis20170050

星载GNSS-R海冰边界探测方法

doi: 10.13203/j.whugis20170050
基金项目: 

国家重点研发计划 2017YFB0502802

详细信息

Sea Ice Edge Detection Using Spaceborne GNSS-R Signal

Funds: 

The National Key Research and Development Program of China 2017YFB0502802

More Information
  • 摘要: 针对星载接收平台提出了一种利用全球导航卫星系统反射信号(Global Navigation Satellite Systemreflectometry,GNSS-R)进行海冰边界探测的方法。该方法利用导航卫星信号经海冰和海水表面散射后反射信号时延相关功率映射(delay map,DM)的差异,结合镜面反射点位置来探测海冰边界。利用自适应阈值调整算法处理TDS-1卫星数据,获取有效的DM数据,进而得到DM衍生量随镜面反射点位置的变化趋势,并设置DM衍生量的阈值来识别海冰。与全球海冰分布图对比发现,DM衍生量阈值对应的镜面反射点位置与海冰分布图的海冰边界位置基本吻合,证明了DM的有效区时延距离、相关功率的峰值和归一化标准差均可用于海冰边界探测,星载GNSS-R技术在海冰边界探测领域具有较大潜力。
  • 图  1  反射面单元与DDM的映射关系

    Figure  1.  Mapping Relations of ReflectingSurface Cells and DDM

    图  2  海冰和海水的DDM

    Figure  2.  DDM of Sea Ice and Sea Water

    图  3  DM有效区示意图

    Figure  3.  Available Data Area of DM

    图  4  海冰边界探测方法流程图

    Figure  4.  Flowchart of Sea Ice Edge Detection Algorithm

    图  5  移动平滑处理结果图

    Figure  5.  Results of Moving Average Smoothing

    图  6  自适应阈值调整算法结果

    Figure  6.  Results of Adaptive Threshold Algorithm

    图  7  海冰边界的反演结果

    Figure  7.  Results of Sea Ice Edge Retrieved by TDS-1 Spaceborne DDM Data

    表  1  SGR-ReSI接收机参数

    Table  1.   Receiver Parameters of SGR-ReSI

    功率 质量 顶天线增益 底天线增益 频段
    5~10 W 1.5 kg 4 dB 13 dB L1L2
    下载: 导出CSV

    表  2  不同探测设备参数

    Table  2.   Parameters of Different RemoteSensing Equipment

    探测技术 接收机 质量/kg 功耗/W 分辨率/km
    GNSS-R SGR-ReSI 1.5 5~10 6×0.4
    散射计 RapidScat 90 16×20
    辐射计 AMSR-E 314 350 3.5×5.9
    下载: 导出CSV

    表  3  DM衍生值反演结果

    Table  3.   Results Retrieved by TDS-1 Spaceborne DM Data

    日期 类别 数据量/组 DLR/码片 ADM/dB σDM_S
    平均值 阈值 平均值 阈值 平均值 阈值
    2016-02-24 海水 579 8.491 5 5.000 0 42.548 2 44.500 0 0.075 8 0.168 4
    海冰 93 2.390 3 49.002 0 0.310 7
    陆地 41 2.355 7 40.764 0 0.046 0
    2016-01-30 海水 433 10.066 5 6.000 0 43.212 5 49.000 0 0.096 4 0.236 3
    海冰 42 2.013 0 56.271 0 0.358 7
    陆地 50 2.771 1 41.243 2 0.073 9
    下载: 导出CSV

    表  4  DM衍生量阈值和海冰边界位置

    Table  4.   Position of DM Derivative Thresholds and Sea Ice Edge

    日期 DLR ADM σDM_S 海冰边界位置
    阈值位置 误差/km 阈值位置 误差/km 阈值位置 误差/km
    2016-02-24 54.376 76°N 2.543 6 54.090 28°N 30.174 4 54.185 78°N 19.269 5 54.354 45°N
    153.135 62°E 153.231 03°E 153.193 79°E 153.127 15°E
    2016-01-30 56.395 21°N 28.919 3 56.627 73°N 1.162 3 56.526 71°N 12.748 3 56.637 86°N
    149.252 65°E 149.089 06°E 149.134 53°E 149.084 46°E
    下载: 导出CSV
  • [1] 唐述林, 秦大河, 任贾文, 等.极地海冰的研究及其在气候变化中的作用[J].冰川冻土, 2006, 28(1): 91-100 doi:  10.3969/j.issn.1000-0240.2006.01.013

    Tang Shulin, Qin Dahe, Ren Jiawen, et al. The Studies of Polar Sea Ice and Their Contribution to Climate Change Researches[J]. Journal of Glaciology and Geocryology, 2006, 28(1): 91-100 doi:  10.3969/j.issn.1000-0240.2006.01.013
    [2] 孙劭, 苏洁, 史培军. 2010年渤海海冰灾害特征分析[J].自然灾害学报, 2011, 20(6): 87-93 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zrzhxb201106016

    Sun Shao, Su Jie, Shi Peijun. Features of Sea Ice Disaster in the Bohai Sea in 2010[J]. Journal of Natural Disasters, 2011, 20(6): 87-93 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zrzhxb201106016
    [3] 杨东凯, 张其善. GNSS反射信号处理基础与实践[M].北京:电子工业出版社, 2012

    Yang Dongkai, Zhang Qishan. GNSS Reflected Singal Processing: Fundamentals and Applications[M]. Beijing: Publishing House of Electronics Industry, 2012
    [4] Zavorotny V U, Gleason S, Cardellach E, et al. Tutorial on Remote Sensing Using GNSS Bistatic Radar of Opportunity[J]. IEEE Geoscience and Remote Sensing Magazine, 2015, 2(4):8-45 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=a87476c9a1870aa7e42193cd6e12841f
    [5] 周旋, 叶小敏, 于暘, 等.基于GNSS-R的海面风速探测技术研究[J].电子与信息学报, 2013, 35(7): 1575-1580 http://d.old.wanfangdata.com.cn/Periodical/dzkxxk201307008

    Zhou Xuan, Ye Xiaomin, Yu Yang, et al. Sea Surface Wind Speed Measurement Using GNSS Reflection Signal[J]. Journal of Electronics and Information Technology, 2013, 35(7): 1575-1580 http://d.old.wanfangdata.com.cn/Periodical/dzkxxk201307008
    [6] Valencia E, Camps A, Rodriguez-Alvarez N, et al. Using GNSS-R Imaging of the Ocean Surface for Sil Slick Detection[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2013, 6(1): 217-223 doi:  10.1109/JSTARS.2012.2210392
    [7] Gleason S. Towards Sea Ice Remote Sensing with Space Detected GPS Signals: Demonstration of Technical Feasibility and Initial Consistency Check Using Low Resolution Sea Ice Information[J]. Remote Sensing, 2010, 2(8): 2017-2039 doi:  10.3390/rs2082017
    [8] Masters D, Axelrad P, Katzberg S. Initial Results of Land-Reflected GPS Bistatic Radar Measurements in SMEX02[J]. Remote Sensing of Environment, 2004, 92(4): 507-520 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=bbfba95601739a4a05d9d5511b98d19c
    [9] Rivas M B, Maslanik J A, Axelrad P. Bistatic Scattering of GPS Signals off Arctic Sea Ice[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(3): 1548-1553 doi:  10.1109/TGRS.2009.2029342
    [10] Fabra F. GNSS-R as a Source of Opportunity for Remote Sensing of the Cryosphere[D]. Barcelona: Polytechnic University of Catalonia, 2013
    [11] Yan Q, Huang W. Sea Ice Detection from GNSS-R Delay-Doppler Map[C]. The 17th International Symposium on Antenna Technology and Applied Electromagnetics, Montreal, Canada, 2016
    [12] Zhang Y, Meng W, Gu Q, et al. Detection of Bohai Bay Sea Ice Using GPS-Reflected Signals[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(1): 39-46 doi:  10.1109/JSTARS.2014.2357894
    [13] 杨明华, 曹云昌.基于GNSS-R的后续海冰观测实验[J].全球定位系统, 2014, 39(4): 51-54 http://d.old.wanfangdata.com.cn/Periodical/qqdwxt201404012

    Yang Minghua, Cao Yunchang. The Following Experiment of Sea Ice Observation Using GNSS-R Signals[J]. GNSS World of China, 2014, 39(4): 51-54 http://d.old.wanfangdata.com.cn/Periodical/qqdwxt201404012
    [14] 尹聪, 曹云昌, 朱彬, 等. GNSS-R海冰遥感的模拟和实验验证[J].华中师范大学学报(自然科学版), 2016, 50(4): 612-618 doi:  10.3969/j.issn.1000-1190.2016.04.023

    Yin Cong, Cao Yunchang, Zhu Bin, et al. Simulation and Experimental Verification of Sea Ice Remote Sensing Using GNSS-R[J]. Journal of Central China Normal University(Nat Sci), 2016, 50(4):612-618 doi:  10.3969/j.issn.1000-1190.2016.04.023
    [15] 高洪兴, 杨东凯, 张波, 等.基于GNSS卫星反射信号的海冰厚度探测[J].电子与信息学报, 2017, 39(5): 1096- 1100 http://d.old.wanfangdata.com.cn/Periodical/dzkxxk201705012

    Gao Hongxing, Yang Dongkai, Zhang Bo, et al. Remote Sensing of Sea Ice Thickness with GNSS Refleted Signal[J]. Journal of Electronics and Information Technology, 2017, 39(5): 1096- 1100 http://d.old.wanfangdata.com.cn/Periodical/dzkxxk201705012
    [16] Foti G, Gommenginger C, Jales P, et al. Spaceborne GNSS Reflectometry for Ocean Winds: First Results from the UK TechDemoSat‐1 Mission[J]. Geophysical Research Letters, 2015, 42(13): 5435-5441 doi:  10.1002/2015GL064204
    [17] Durden S L, Perkovic-Martin D. The RapidScat Ocean Winds Scatterometer: A Radar System Engineering Perspective[J]. IEEE Geoscience and Remote Sensing Magazine, 2017, 5(3):36-43 doi:  10.1109/MGRS.2017.2678999
    [18] Kawanishi T, Sezai T, Ito Y, et al. The Advanced Microwave Scanning Radiometer for the Earth Observing System (AMSR-E), NASDA's Contribution to the EOS for Global Energy and Water Cycle Studies[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(2): 184-194 doi:  10.1109/TGRS.2002.808331
    [19] Zavorotny V U, Voronovich A G. Scattering of GPS Signals from the Ocean with Wind Remote Sensing Application[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(2): 951-964 doi:  10.1109/36.841977
    [20] 杨东凯, 丁文锐, 张其善.软件定义的GNSS反射信号接收机设计[J].北京航空航天大学学报, 2009, 35(9): 1048-1051 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=bjhkhtdxxb200909004

    Yang Dongkai, Ding Wenrui, Zhang Qishan, et al. Software Defined GNSS Reflections Receiver Design[J]. Journal of Beijing University of Aeronautics and Astronautics, 2009, 35(9): 1048-1051 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=bjhkhtdxxb200909004
    [21] Brown G S. A Theory for Near-Normal Incidence Microwave Scattering from First-year Sea Ice[J]. Radio Science, 1982, 17(1): 233-243 doi:  10.1029/RS017i001p00233
    [22] Alonso-Arroyo A, Zavorotny V U, Camps A. Sea Ice Detection Using U.K. TDS-1 GNSS-R Data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(9): 4989-5001 doi:  10.1109/TGRS.2017.2699122
  • [1] 邓攀, 王泽民, 安家春, 张辛, 于秋则, 孙伟.  利用小波分解的GNSS-R雪厚反演改进算法 . 武汉大学学报 ● 信息科学版, 2021, 46(6): 863-870. doi: 10.13203/j.whugis20190181
    [2] 杜皓, 郭文飞, 郭迟, 路鹏远, 叶世榕.  针对GNSS-R海面风速反演的自适应CDF匹配方法 . 武汉大学学报 ● 信息科学版, 2021, 46(12): 1924-1931. doi: 10.13203/j.whugis20210253
    [3] 刘奇, 张双成, 南阳, 马中民.  利用星载GNSS-R相干信号探测南亚洪水 . 武汉大学学报 ● 信息科学版, 2021, 46(11): 1641-1648. doi: 10.13203/j.whugis20210056
    [4] 梁勇, 杨磊, 吴秋兰, 洪学宝, 汉牟田, 杨东凯.  地表粗糙度影响下的GNSS-R土壤湿度反演仿真分析 . 武汉大学学报 ● 信息科学版, 2018, 43(10): 1546-1552. doi: 10.13203/j.whugis20160557
    [5] 柳聪亮, 白伟华, 夏俊明, 孙越强, 孟祥广, 杜起飞.  低轨卫星星载GNSS反射事件模拟分析 . 武汉大学学报 ● 信息科学版, 2018, 43(6): 826-831, 839. doi: 10.13203/j.whugis20160161
    [6] 陈冠旭, 刘焱雄, 柳响林, 戴礼文, 范士杰.  船载GNSS探测海洋水汽信息的影响因子分析 . 武汉大学学报 ● 信息科学版, 2017, 42(2): 270-276. doi: 10.13203/j.whugis20150028
    [7] 刘帅, 贾小林, 孙大伟.  GNSS星载原子钟性能评估 . 武汉大学学报 ● 信息科学版, 2017, 42(2): 277-284. doi: 10.13203/j.whugis20150344
    [8] 苏昊月, 庞小平, 赵羲.  南极海冰边界AMSR-E密集度产品精度检验 . 武汉大学学报 ● 信息科学版, 2016, 41(4): 559-564. doi: 10.13203/j.whugis20140121
    [9] 赵羲, 苏昊月, 石中玉, 庞小平.  南极海冰密集度多源数据的交叉检验 . 武汉大学学报 ● 信息科学版, 2015, 40(11): 1460-1466. doi: 10.13203/j.whugis20150250
    [10] 胡长江, 李英冰.  GNSS-R星载测高的动态性误差和信号平行误差研究 . 武汉大学学报 ● 信息科学版, 2015, 40(12): 1695-1700. doi: 10.13203/j.whugis20130819
    [11] 陈润静, 彭碧波, 高凡, 范城城.  星载双频GPS二次周跳探测方法研究 . 武汉大学学报 ● 信息科学版, 2012, 37(6): 697-700.
    [12] 韩英, 符养.  利用卫星星座对GNSS-R海洋遥感时空特性进行研究 . 武汉大学学报 ● 信息科学版, 2011, 36(2): 208-211.
    [13] 路勇, 杨东凯, 熊华钢, 李伟强.  基于GNSS-R的海面风场监测系统研究 . 武汉大学学报 ● 信息科学版, 2009, 34(4): 470-473.
    [14] 王迎强, 严卫, 符养, 张辉.  单颗LEO卫星轨道参数对GNSS反射事件分布和数量影响的模拟研究 . 武汉大学学报 ● 信息科学版, 2009, 34(12): 1410-1414.
    [15] 周兆明, 符养.  渤海GNSS-R机载测风试验及其反演结果 . 武汉大学学报 ● 信息科学版, 2008, 33(3): 241-244.
    [16] 邵连军, 张训械, 王鑫, 孙强.  利用GNSS-R信号反演海浪波高 . 武汉大学学报 ● 信息科学版, 2008, 33(5): 475-478.
    [17] 刘经南, 邵连军, 张训械.  GNSS-R研究进展及其关键技术 . 武汉大学学报 ● 信息科学版, 2007, 32(11): 955-960.
    [18] 符养, 周兆明.  GNSS-R海洋遥感方法研究 . 武汉大学学报 ● 信息科学版, 2006, 31(2): 128-131.
    [19] 王甫红, 刘基余.  星载GPS载波相位测量的周跳探测方法研究 . 武汉大学学报 ● 信息科学版, 2004, 29(9): 772-774.
    [20] 吴究.  遥感探测科技在土木工程上之应用 . 武汉大学学报 ● 信息科学版, 1988, 13(4): 112-121.
  • 加载中
图(7) / 表(4)
计量
  • 文章访问数:  938
  • HTML全文浏览量:  106
  • PDF下载量:  145
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-03-22
  • 刊出日期:  2019-05-05

星载GNSS-R海冰边界探测方法

doi: 10.13203/j.whugis20170050
    基金项目:

    国家重点研发计划 2017YFB0502802

    作者简介:

    张国栋, 博士生, 主要从事GNSS-R遥感应用研究。guodongzhang_q@163.com

    通讯作者: 杨东凯, 博士, 教授。yangdongkai@sina.com
  • 中图分类号: P228

摘要: 针对星载接收平台提出了一种利用全球导航卫星系统反射信号(Global Navigation Satellite Systemreflectometry,GNSS-R)进行海冰边界探测的方法。该方法利用导航卫星信号经海冰和海水表面散射后反射信号时延相关功率映射(delay map,DM)的差异,结合镜面反射点位置来探测海冰边界。利用自适应阈值调整算法处理TDS-1卫星数据,获取有效的DM数据,进而得到DM衍生量随镜面反射点位置的变化趋势,并设置DM衍生量的阈值来识别海冰。与全球海冰分布图对比发现,DM衍生量阈值对应的镜面反射点位置与海冰分布图的海冰边界位置基本吻合,证明了DM的有效区时延距离、相关功率的峰值和归一化标准差均可用于海冰边界探测,星载GNSS-R技术在海冰边界探测领域具有较大潜力。

English Abstract

张国栋, 郭健, 杨东凯, 王峰, 高洪兴. 星载GNSS-R海冰边界探测方法[J]. 武汉大学学报 ● 信息科学版, 2019, 44(5): 668-674. doi: 10.13203/j.whugis20170050
引用本文: 张国栋, 郭健, 杨东凯, 王峰, 高洪兴. 星载GNSS-R海冰边界探测方法[J]. 武汉大学学报 ● 信息科学版, 2019, 44(5): 668-674. doi: 10.13203/j.whugis20170050
ZHANG Guodong, GUO Jian, YANG Dongkai, WANG Feng, GAO Hongxing. Sea Ice Edge Detection Using Spaceborne GNSS-R Signal[J]. Geomatics and Information Science of Wuhan University, 2019, 44(5): 668-674. doi: 10.13203/j.whugis20170050
Citation: ZHANG Guodong, GUO Jian, YANG Dongkai, WANG Feng, GAO Hongxing. Sea Ice Edge Detection Using Spaceborne GNSS-R Signal[J]. Geomatics and Information Science of Wuhan University, 2019, 44(5): 668-674. doi: 10.13203/j.whugis20170050
  • 海冰作为高纬度海洋的重要组成部分,它的生成、发展和消融反映了大气与海洋的交换过程。一方面,海冰会影响高纬度地区的水文特征、热量交换、洋流态势和生态系统等,直接影响全球气候变化[1]。另一方面,海冰直接关系到人类社会实践活动[2],例如当海冰过多时,会封锁海港,船只停滞,严重妨碍海上交通;海冰强大的推力、涨压力和竖向力可以摧毁海上钻井平台等海上建筑物。因此,加大海冰实时探测力度,对海洋气候变化监测和防灾减灾具有至关重要的作用。目前,海冰探测主要依靠光学遥感和微波遥感。光学遥感技术易因云层覆盖而无法得到准确的海冰分布图,极大限制了海冰遥感监测。微波遥感技术具有遥感范围广、对云层不敏感、全天候提供监测等优点,但要实现高时空分辨率的海冰遥感监测所需成本巨大。

    全球导航卫星系统反射信号(Global Navigation Satellite System reflectometry, GNSS-R)技术是一种新兴的被动无源遥感手段,通过接收处理经海洋、陆地等反射的导航卫星信号,实现对目标反射面特征的提取[3]。GNSS-R技术采用双(多)基雷达模式,利用全球共享的GNSS星座为多源微波信号发射源,接收机的复杂度、体积、重量和成本都大大下降,有利于搭载在小卫星平台上[4],已应用于海面测风[5]、溢油探测[6]、海冰探测[7]、土壤湿度探测[8]等领域。利用GNSS-R进行海冰探测的起步较晚,详见文献[9-11]。尽管国内针对GNSS-R海冰探测的研究较国外落后,但也取得了一定进展[12-15]。目前,国内针对GNSS-R海冰探测的研究多集中在岸基和机载平台,星载GNSS-R海冰边界探测尚未进行相关论述。

    本文利用英国TDS-1星载GNSS-R数据探讨星载GNSS-R探测海冰的可行性。首先对英国TDS-1星载任务进行简单介绍;然后分析海水和海冰的反射信号相关功率,提出了利用反射信号功率强度和时延分布进行海冰、海水识别和分类的方法,并针对数据中的噪声提出了自适应阈值调整算法来获取有效的相关功率;最后利用英国TDS-1星载数据对所提方法进行了验证。实验结果表明,星载GNSS-R相关功率时延映射的衍生量包括有效区时延距离、相关功率的峰值和归一化标准差,均可用于探测海冰-海水的边界,其中相关功率的峰值和归一化标准差还可用于探测海冰-陆地的边界。

    • TDS-1星载任务旨在验证星载GNSS-R技术探测海面风速、海冰、土壤湿度和大气层等的可行性。TDS-1卫星上搭载的GNSS反射信号接收机SGR-ReSI能够实时接收、处理4路来自不同卫星的GPS L1 CA码信号,其参数如表 1所示。

      表 1  SGR-ReSI接收机参数

      Table 1.  Receiver Parameters of SGR-ReSI

      功率 质量 顶天线增益 底天线增益 频段
      5~10 W 1.5 kg 4 dB 13 dB L1L2

      TDS-1搭载的GNSS-R接收机的输出量为经过1 000次非相干累加后的时延-多谱勒相关功率,其中,时延和多谱勒分辨率分别为244 ns和500 Hz[16]

      发生相干散射时,GNSS-R信号主要来源于第一菲涅尔反射区。TDS-1的轨道高度为650 km,对应的第一菲涅尔反射区约为400 m×400 m。结合TDS-1的足迹速度(6 km/s)和1 s的非相干累加时间,TDS-1的最终分辨率约为6 km×0.4 km。在非相干散射的情况下,由于能量贡献区域的扩展,相应的分辨率会大幅下降。TDS-1全球平均重访时间约为15 d,且纬度越高,重访时间越长。

      SGR-ReSI、散射计RapidScat[17]和辐射计AMSR-E[18]相应的质量、功耗和分辨率参数如表 2所示。对比发现,GNSS-R的接收机SGR-ReSI质量轻、功耗低,更易在小卫星平台上搭载。

      表 2  不同探测设备参数

      Table 2.  Parameters of Different RemoteSensing Equipment

      探测技术 接收机 质量/kg 功耗/W 分辨率/km
      GNSS-R SGR-ReSI 1.5 5~10 6×0.4
      散射计 RapidScat 90 16×20
      辐射计 AMSR-E 314 350 3.5×5.9
    • GNSS反射信号相关功率的均值是时间延迟τ和多谱勒频移f的函数,通常被称为时延-多谱勒映射(delay-Doppler map, DDM),可表示为[19]

      $$\begin{array}{l} \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\left\langle {{\left| {{Y_{{\rm{DDM}}}}\left( {\tau , f} \right)} \right|^2}} \right\rangle = \\ \frac{{{\lambda ^2}T_i^2}}{{{{\left( {4{\rm{ \mathsf{ π} }}} \right)}^3}}}{P_t}{G_t}\mathop \int\!\!\!\int \nolimits^ \frac{{{G_r}}}{{R_t^2R_r^2}}{\Lambda ^2}\left( \tau \right){\rm{si}}{{\rm{n}}^2}\left( {{\rm{ \mathsf{ π} }}f{T_i}} \right){\sigma _0}{\rm{d}}s \end{array}$$ (1)

      式中,λ为电磁波的波长;Ti为相干积分时间;Pt为发射机发射功率;GtGr分别为发射机天线和接收机天线增益;RtRr分别为发射机和接收机到镜面反射点的距离;Λ(τ)为伪随机码的自相关函数;sin(πfTi)为多谱勒频移函数;σ0为标准化双基雷达散射截面系数(normalized radar cross section, NRCS);s为散射单元的面积。从式(1)可知,反射信号的DDM中包含了反射面特征参数的信息。由于海水和海冰的NRCS具有较大差别,因此,可根据反射信号DDM的幅度对海冰和海水进行识别分类。

      GNSS反射信号由经不同散射单元散射的信号组成[20],不同散射单元散射的信号具有不同的时延和多谱勒频率。如图 1所示,DDM不仅表示了GNSS反射信号在时延-多谱勒域的分布,而且也表示了散射能量在空间域的分布。

      图  1  反射面单元与DDM的映射关系

      Figure 1.  Mapping Relations of ReflectingSurface Cells and DDM

      由电磁散射理论可知,反射面的粗糙度直接影响了散射功率空间分布。根据式(2)所示的瑞利判据,海冰表面可以认为是光滑表面,而海水表面为粗糙表面。并且,文献[21]通过计算海冰和海水两者表面高度的概率密度函数发现,海冰表面高度的概率密度函数明显比海水狭窄,即海冰表面是光滑的。

      $${h_r} < \frac{\lambda }{{8{\rm{cos}}\theta }}$$ (2)

      式中,hr为反射面高度变化的均方根;θ为入射角。

      因此,经海冰反射的GNSS信号主要为相干成分,在时延-多谱勒域上分布集中;而经海水反射的GNSS信号非相干成分较多,在时延-多谱勒域有更广泛的延拓[4]。2005年发射的英国DMC卫星和2014年发射的TDS-1卫星得到的海冰、海水的DDM图像也验证了上述理论[22]。由TDS-1得到的海冰和海水的DDM如图 2所示。

      图  2  海冰和海水的DDM

      Figure 2.  DDM of Sea Ice and Sea Water

      在星载GNSS-R遥感中,由于发射机和接收机的相对速度变化大,导致DDM不同时刻的多谱勒频移差别较大,为了更简单准确地识别海冰,本文仅研究利用DDM在时延域上的特征来识别海冰和海水,即时延映射(delay map, DM),可表示为:

      $$\left\langle {{{\left| {{Y_{{\rm{DM}}}}\left( \tau \right)} \right|}^2}} \right\rangle = \left\langle {{{\left| {{Y_{{\rm{DDM}}}}\left( {\tau , {f_0}} \right)} \right|}^2}} \right\rangle $$ (3)

      式中,f0为〈|YDDM(τ, f)|2〉取峰值时的多谱勒频率。

      受天线、仪器系统噪声、信号传输环境变化等因素的影响,DM数据中包含了大量无关噪声,如图 3所示。为了剔除噪声,取左右阈值中间的DM数据为有效数据,定义为有效区S

      图  3  DM有效区示意图

      Figure 3.  Available Data Area of DM

      经前文分析可知,海冰和海水NRCS的差异造成了反射信号功率强度不同,粗糙度的差异造成了反射信号功率分布不同,表现在反射信号DM上就是幅度和波形不同,为描述DM的这两类特征,进行如下定义。

      1) DM幅度ADM

      $${A_{{\rm{DM}}}} = {\rm{max}}\left\{ {\left\langle {{{\left| {{Y_{{\rm{DM}}}}\left( \tau \right)} \right|}^2}} \right\rangle } \right\}$$ (4)

      2) 有效区时延距离DLR

      $${D_{LR}} = {\tau _R} - {\tau _L}$$ (5)

      式中,τRτL为两侧阈值对应的时间延迟。

      3) 相关功率归一化标准差σDM_S

      $$\begin{array}{l} \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;{\sigma _{{\rm{DM}}\_S}} = \\ \sqrt {\frac{1}{n}\mathop {\mathop \sum\limits_{i = 1} }\limits^n {{\left( {\left\langle {{{\left| {{Y_{{\rm{DM}}}}\left( {{\tau _i}} \right)} \right|}^2}} \right\rangle - \frac{1}{n}\mathop {\mathop \sum\limits_{i = 1} }\limits^n \left\langle {{{\left| {{Y_{{\rm{DM}}}}\left( {{\tau _i}} \right)} \right|}^2}} \right\rangle } \right)}^2}} \end{array}$$ (6)

      式中,n为有效区内的相关功率采样点数。

    • 海冰边界探测方法的具体过程如图 4所示。根据式(3),由星载DDM数据得到对应的DM数据。利用自适应阈值除噪算法对DM数据进行处理得到有效区S,进而得到前文所述的DM衍生量相关功率峰值ADM、有效区时延距离DLR和有效区相关功率归一化标准差σDM_S。由于DM衍生量波动幅度太大,为更加准确地检测突变点,先对衍生量作移动平滑处理,再设置相应的阈值检测突变点,以DLR为例,处理前后效果如图 5所示。结合收发卫星轨道参数估计衍生量突变点对应时间的镜面反射点位置,从而达到探测海冰边界的目的。

      图  4  海冰边界探测方法流程图

      Figure 4.  Flowchart of Sea Ice Edge Detection Algorithm

      图  5  移动平滑处理结果图

      Figure 5.  Results of Moving Average Smoothing

      为得到有效区S,需要设置相应的阈值,将噪声从DM数据中剔除。但由于天线、仪器系统噪声、信号传输环境变化等因素具有很强的随机性,并且根据上文分析可知,海冰和海水的相关功率差别较大,若利用固定阈值的方法剔除噪声,容易出现有效区S过大或者过小的问题。因此本文采用自适应阈值调整算法,时刻调整阈值大小。

      自适应阈值调整算法的基本思想是:以DM平均值为参考,从镜面反射点处(即DM峰值功率所对应的时延坐标)向两侧扩展,寻找首次低于平均值的点,记为(τL, DML)、(τR, DMR),两点间的DM数据即为有效的相关功率值,如图 3所示。

      为验证自适应阈值调整算法的准确性和可行性,利用Matlab软件对大量DM数据进行处理,得到DM左右侧阈值坐标。从处理结果中随机选取两组,如图 6所示。从图 6中可以看出,该算法可以根据不同的DM数据自动调整阈值大小,将噪声从DM数据中剔除,得到有效的相关功率值。

      图  6  自适应阈值调整算法结果

      Figure 6.  Results of Adaptive Threshold Algorithm

    • 利用MERRByS网站公布的TDS-1卫星搭载的SGR-ReSI接收机分别于2016-01-30和2016-02-24采集的两组DDM数据进行海冰边界探测分析。这两组DDM数据对应的镜面反射点均由南至北贯穿鄂霍次克海域,依次经过海水-海冰-陆地。

      利用Matlab软件按照本文提出的自适应阈值调整算法对两组DDM数据进行处理,得到DM衍生量随采集时间变化的趋势。结合收发卫星位置信息得到镜面反射点轨迹,进而得到DM衍生量随镜面反射点位置变化的趋势。为了验证DM衍生量的变化与海冰有关,证明星载GNSS-R海冰边界探测模型的可行性,从国家冰雪数据中心获得同时期由特别微波辐射/成像计(special sensor microwave/image,SSM/I)得到的鄂霍次克海域海冰分布图,将其与反演结果进行对比验证,具体结果如图 7所示。

      图  7  海冰边界的反演结果

      Figure 7.  Results of Sea Ice Edge Retrieved by TDS-1 Spaceborne DDM Data

      结合海冰分布图和镜点轨迹,分别计算海水、海冰和陆地GNSS-R各DM衍生量的平均值和阈值,并统计相应的数据量,结果如表 3所示,并将各阈值对应的镜面反射点位置标注于图 7中。根据表 3中平均值可知,DLR可识别海水-海冰、海水-陆地,ADMσDM_S可识别海水-海冰、海冰-陆地。根据表 3中阈值可知,各衍生量的阈值随采集时期的变化而变化。因为不同时期发射卫星和信号传输环境均不同,导致TDS-1卫星接收到的反射信号强度和延拓不同,因此需要时刻调整各DM衍生量的阈值。

      表 3  DM衍生值反演结果

      Table 3.  Results Retrieved by TDS-1 Spaceborne DM Data

      日期 类别 数据量/组 DLR/码片 ADM/dB σDM_S
      平均值 阈值 平均值 阈值 平均值 阈值
      2016-02-24 海水 579 8.491 5 5.000 0 42.548 2 44.500 0 0.075 8 0.168 4
      海冰 93 2.390 3 49.002 0 0.310 7
      陆地 41 2.355 7 40.764 0 0.046 0
      2016-01-30 海水 433 10.066 5 6.000 0 43.212 5 49.000 0 0.096 4 0.236 3
      海冰 42 2.013 0 56.271 0 0.358 7
      陆地 50 2.771 1 41.243 2 0.073 9

      为更精确地分析GNSS-R海冰边界反演结果与真实海冰边界的误差,表 4统计了各衍生量阈值对应的镜面反射点位置、全球海冰分布图海冰边界位置及各镜面反射点相对于海冰分布图海冰边界位置的误差。

      表 4  DM衍生量阈值和海冰边界位置

      Table 4.  Position of DM Derivative Thresholds and Sea Ice Edge

      日期 DLR ADM σDM_S 海冰边界位置
      阈值位置 误差/km 阈值位置 误差/km 阈值位置 误差/km
      2016-02-24 54.376 76°N 2.543 6 54.090 28°N 30.174 4 54.185 78°N 19.269 5 54.354 45°N
      153.135 62°E 153.231 03°E 153.193 79°E 153.127 15°E
      2016-01-30 56.395 21°N 28.919 3 56.627 73°N 1.162 3 56.526 71°N 12.748 3 56.637 86°N
      149.252 65°E 149.089 06°E 149.134 53°E 149.084 46°E

      根据图 7表 3的反演结果,可得出:

      1) DLRADMσDM_S 3种衍生量均能探测海冰边界。探测结果与SSMI得到的海冰边界的平均位置误差为15.8 km,其中误差最小为1.2 km,最大为30.2 km。考虑到TDS-1卫星地面足迹的速度为6 km/s,即位置误差在5 s以内。这是因为TDS-1卫星的主要设计任务是测试星载SGR-ReSI接收机的硬件性能,输出的DDM数据未经过校准,数据质量较差;并且在海冰边缘的海域由于受到海冰的遮蔽作用,海浪较小,可能会和海冰一样发生相干散射,进而将海水误判为海冰。

      2) 图 7(a)图 7(c)图 7(e)中,即2016-02-24的反演结果,在海冰区域中有一段DM衍生量的值相对更接近于海水DM衍生量的值,但未越过阈值,仍在判定为海冰的范围内。因为相比2016-01-30的海冰,2016-02-24靠近陆地部分的海冰形成时间较长,受风、雪等侵蚀较严重,表面粗糙度增加,造成反射信号的相干性较弱,但仍强于海水。

      3) 图 7(b)图 7(d)图 7(f)中,即2016-01-30的反演结果,在海冰边界处DM衍生量的变化缓冲区较长,但各阈值对应的镜面反射点位置和海冰边界位置误差并未发生变化。进一步分析发现,由于2016-01-30的海冰-海水边界相对于镜面反射点轨迹是倾斜的,受TDS-1卫星足迹分辨率的限制,镜面反射点在经过海冰边界区域时,探测区域中海冰和海水同时存在。因此由海水进入海冰时,反射信号的相干性缓慢增强,而非剧变。

    • 本文针对星载接收平台提出了一种基于GNSS-R的海冰边界探测手段,给出了星载DDM数据处理的一般流程,并利用TDS-1卫星数据进行了验证测试,结果表明:

      1) 星载GNSS-R DM有效区时延距离、相关功率的峰值和归一化均方差均可有效地探测海冰-海水边界,误差为1.2~30.2 km。

      2) 受探测分辨率的限制,在海冰边界处会出现探测区域中海冰和海水共存的现象,这时DM衍生量的变化会有过渡期,导致探测结果有误差。

      TDS-1卫星的数据未经过校准,质量较差,故在处理TDS-1卫星数据的过程中,部分数据无法用于本文提出的海冰边界探测方法。因此,仍需要进一步优化星载DDM数据处理流程算法。在研究过程中发现,DM衍生量在海冰-陆地边界处有明显的变化,这表明本文提出的DM衍生量具有探测海冰-陆地边界的潜力。

参考文献 (22)

目录

    /

    返回文章
    返回