Message Board

Respected readers, authors and reviewers, you can add comments to this page on any questions about the contribution, review,        editing and publication of this journal. We will give you an answer as soon as possible. Thank you for your support!

Name
E-mail
Phone
Title
Content
Verification Code
Volume 43 Issue 10
Oct.  2018
Turn off MathJax
Article Contents

ZHU Yongchao, ZOU Jingui, YU Kegen. A New Sea Ice Distribution Detection Method Using GNSS Reflected Signals[J]. Geomatics and Information Science of Wuhan University, 2018, 43(10): 1472-1477. doi: 10.13203/j.whugis20160539
Citation: ZHU Yongchao, ZOU Jingui, YU Kegen. A New Sea Ice Distribution Detection Method Using GNSS Reflected Signals[J]. Geomatics and Information Science of Wuhan University, 2018, 43(10): 1472-1477. doi: 10.13203/j.whugis20160539

A New Sea Ice Distribution Detection Method Using GNSS Reflected Signals

doi: 10.13203/j.whugis20160539
Funds:

The National Natural Science Foundation of China 41574031

More Information
  • Author Bio:

    ZHU Yongchao, PhD candidate, specializes in the study of global navigation satellite system (GNSS) applications. E-mail: ychzhu@whu.edu.cn

  • Corresponding author: ZOU Jingui, PhD, professor. E-mail: jgzou@sgg.whu.edu.cn
  • Received Date: 2017-09-05
  • Publish Date: 2018-10-05
  • Global navigation satellite system reflectometry (GNSS-R) delay-doppler map (DDM) obtained with TechDemoSat-1 (TDS-1) is used to detect ice presence over Greenland region of Arctic. DDM of sea ice shows less spreading than those of open water as the scattered GNSS signals follow the coherenty scattering model and diffuse scattering model over ice and water respectively. The transition from seawater to sea ice could lead to decrease of the pixel number of DDM. A pixel number ratio of adjacent DDM based detection scheme is proposed through employing a threshold method to distinguish sea ice and sea water, and to analyze sea ice distribution of Greenland region. Sea ice distribution of Greenland with time is analyzed through using multi-period data from TDS-1. The performance of the proposed method is assessed with a mathematical statistical approach through comparing with ground-truth sea ice data from the National Snow and Ice Data Center, USA. The effectiveness of this approach is validated with a probability of detection up to 98.76%-99.21%, and the overall probability of detection is 99.09%.
  • [1] Martin-Neira M. A Passive Reflectometry and Interferometry System (PARIS):Application to Ocean Altimetry[J]. ESA Journal, 1993, 17:331-355 http://cn.bing.com/academic/profile?id=bf6bce268d1013b560e2bb64dd43a5bf&encoded=0&v=paper_preview&mkt=zh-cn
    [2] 李伟强, 杨东凯, 李明里, 等.面向遥感的GNSS反射信号接收处理系统及实验[J].武汉大学学报·信息科学版, 2011, 36(10):1204-1208 http://ch.whu.edu.cn/CN/abstract/abstract673.shtml

    Li Weiqiang, Yang Dongkai, Li Mingli, et al. Design and Experiments of GNSS-R Receiver System for Remote Sensing[J]. Geomatics and Information Science of Wuhan University, 2011, 36(10):1204-1208 http://ch.whu.edu.cn/CN/abstract/abstract673.shtml
    [3] Clarizia M P, Ruf C, Cipollini P, et al. First Spaceborne Observation of Sea Surface Height Using GPS-Reflectometry[J]. Geophysical Research Letters, 2016, 43(2):767-774 doi:  10.1002/2015GL066624
    [4] 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
    [5] Yu K, Ban W, Zhang X, et al. Snow Depth Estimation Based on Multipath Phase Combination of GPS Triple-Frequency Signals[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(9):5100-5109 doi:  10.1109/TGRS.2015.2417214
    [6] Jacobson M D. Inferring Snow Water Equivalent for a Snow-covered Ground Reflector Using GPS Multipath Signals[J]. Remote Sensing, 2010, 2(10):2426-2441 doi:  10.3390/rs2102426
    [7] Komjathy A, Maslanik J, Zavorotny V U, et al. Sea Ice Remote Sensing Using Surface Reflected GPS Signals[C]. IEEE Geoscience and Remote Sensing Symposium, Honolulu, USA, 2000
    [8] Galley R J, Else B G T, Prinsenberg S J, et al. Summer Sea Ice Concentration, Motion, and Thickness Near Areas of Proposed Offshore Oil and Gas Development in the Canadian Beaufort Sea-2009[J]. ARCTIC, 2013, 66(1):105-116 http://cn.bing.com/academic/profile?id=d3030d6fd2de61562d5d5180dceeaaea&encoded=0&v=paper_preview&mkt=zh-cn
    [9] Fabra F, Cardellach E, Rius A, et al. Phase Alti-metry with Dual Polarization GNSS-R over Sea Ice[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(6):2112-2121 doi:  10.1109/TGRS.2011.2172797
    [10] 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
    [11] Yan Q, Huang W. Spaceborne GNSS-R Sea Ice Detection Using Delay-Doppler Maps:First Results from the UK TechDemoSat-1 Mission[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9(10):4795-4801 doi:  10.1109/JSTARS.2016.2582690
    [12] Fetterer F, Savoie M, Helfrich S, et al. Multisensor Analyzed Sea Ice Extent-Northern Hemisphere[EB/OL].[2016-11-15]. https://doi.org/10.7265/N5GT5K3K
    [13] Jales P, Unwin M. Mission Description-GNSS Reflectometry on TDS-1 with the SGR-ReSI[EB/OL].[2016-11-15]. http://merrbys.co.uk/resources/documentation
    [14] Rodriguez-Alvarez N, Akos D M, Zavorotny V U, et al. Airborne GNSS-R Wind Retrievals Using Delay-Doppler Maps[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(1):626-641 doi:  10.1109/TGRS.2012.2196437
  • 加载中
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

Figures(4)  / Tables(1)

Article Metrics

Article views(998) PDF downloads(233) Cited by()

Related
Proportional views

A New Sea Ice Distribution Detection Method Using GNSS Reflected Signals

doi: 10.13203/j.whugis20160539
Funds:

The National Natural Science Foundation of China 41574031

Abstract: Global navigation satellite system reflectometry (GNSS-R) delay-doppler map (DDM) obtained with TechDemoSat-1 (TDS-1) is used to detect ice presence over Greenland region of Arctic. DDM of sea ice shows less spreading than those of open water as the scattered GNSS signals follow the coherenty scattering model and diffuse scattering model over ice and water respectively. The transition from seawater to sea ice could lead to decrease of the pixel number of DDM. A pixel number ratio of adjacent DDM based detection scheme is proposed through employing a threshold method to distinguish sea ice and sea water, and to analyze sea ice distribution of Greenland region. Sea ice distribution of Greenland with time is analyzed through using multi-period data from TDS-1. The performance of the proposed method is assessed with a mathematical statistical approach through comparing with ground-truth sea ice data from the National Snow and Ice Data Center, USA. The effectiveness of this approach is validated with a probability of detection up to 98.76%-99.21%, and the overall probability of detection is 99.09%.

ZHU Yongchao, ZOU Jingui, YU Kegen. A New Sea Ice Distribution Detection Method Using GNSS Reflected Signals[J]. Geomatics and Information Science of Wuhan University, 2018, 43(10): 1472-1477. doi: 10.13203/j.whugis20160539
Citation: ZHU Yongchao, ZOU Jingui, YU Kegen. A New Sea Ice Distribution Detection Method Using GNSS Reflected Signals[J]. Geomatics and Information Science of Wuhan University, 2018, 43(10): 1472-1477. doi: 10.13203/j.whugis20160539
  • 全球卫星导航系统信号反射(global navigation satellite system reflection, GNSS-R)作为一种新型遥感技术,于1993年由欧洲空间局学者Martin-Neira首次提出[1],主要思路就是利用相应的GNSS-R接收机接收来自于地球表面的GNSS反射信号,采用特定的数学模型和方法对接收到的信号进行处理来探测反射面的特征信息。

    与传统遥感技术相比,GNSS-R技术具备较高的时间和空间覆盖率,卫星重访时间短,而且受天气变化影响较小;另外,GNSS-R是一种被动遥感技术,接收机本身并不发射信号,所以所需的功耗很小,现在一般有地面、机载和星载3种搭载模式。随着BDS、GPS、Galileo、GLONASS等全球卫星导航系统的不断完善,100多颗卫星信号都将是免费的信号源,散射在地球表面的信号分布在各个角落。GNSS-R技术则可以将这些“无用”信号应用在诸多地学研究领域,这也使得该技术具备较大的研究价值。

    GNSS-R在地学研究领域有着很广阔的应用空间,主要包括土壤湿度探测[2]、海面高度测量[3]、风场反演[4]、积雪深度测量[5]、雪水当量估计[6]及海冰探测[7]等多个方面。目前,国内外学者对海冰探测研究较少,而探测海冰分布情况不仅有利于全球气候变化研究,而且可以对航运路线制定、海底油气开采提供数据支持[8]

    文献[7]首次利用机载实验结果阐述了GNSS-R技术探测海冰的可能性。随后,Fabra等人利用格陵兰岛地面站实验采集的数据分析了GNSS-R技术反演海冰高度方法[9]。国内也有学者利用地面站接收机采集GPS反射信号来探测海冰存在情况[10]。2014年7月,由英国萨里卫星公司成功发射的低轨道技术验证卫星TechDemoSat-1(TDS-1)为星载GNSS-R研究带来了机遇。目前,已有利用TDS-1时延多普勒图(delay-doppler map, DDM)数据进行海冰探测的研究[11],总体来说,相关研究较少。

    本文提出了一种基于相邻DDM像素数量比值的海冰分布检测方法,通过分析两DDM中一定能量阈值以上像素点数量比值来区分海冰和海水,从而确定海冰的分布。为了提高该方法的检测精度,本文提出了一套数据处理方法。利用TDS-1采集到的北极格陵兰岛区域2015-03-2016-03期间部分可用DDM数据分析了该区域海冰分布情况。通过与美国国家冰雪数据中心(National Snow and Ice Data Center, NSIDC)[12]提供的数据进行比对,验证了该方法的成功率可以达到98.76%~99.21%。

  • TDS-1卫星于2014年7月在拜科努尔发射场成功发射,该卫星搭载了8个有效载荷,其中就包括了星载GNSS遥感接收机(space GNSS receiver remote sensing instrument, SGR-ReSI),主要用于验证GNSS-R相关技术。SGR-ReSI使用向下的带有一定增益(约13.3 dBi)的天线接收GPS L波段L1信号,并具备同时跟踪、记录和处理来自于4颗不同GPS卫星的反射信号。更多关于TDS-1及SGR-ReSI的介绍可以参考文献[13]。

  • DDM数据是对接收到的GNSS反射信号与本地复制信号进行互相关生成。DDM数据受反射表面粗糙度的影响。海冰表面一般比海水表面更加光滑,这就提供了利用DDM数据区分海冰和海水的基础。从海冰和海水表面采集的DDM数据如图 1所示。从图 1可以看出,海冰的DDM在时间延迟和多普勒频移方向上的扩展性小于海水的DDM,海水的DDM主要表现为马蹄形。

    Figure 1.  DDMs Generated from Reflected GNSS Signals over Sea Ice and Water Field

    为了便于数学计算分析,本文使用DDM中能量值高于一定阈值T的像素数量来表示其延展性[14],表达式为:

    式中,T为设定的能量阈值;M(τ, f)表示码延迟为τ、多普勒延迟为f处的能量值函数;τδfδ分别表示码延迟和多普勒延迟的分辨率;S表示DDM中高于阈值的区域大小,当τδ·fδ=1时,S则为DDM能量值高于设定阈值的像素数量。

  • DDM观测值数据受多种因素的影响,存在较大噪声,为了提高海冰检测的成功率,本文提出了一套完整的数据处理方法。

  • TDS-1自2014年发射以来,已采集有大量可用的DDM数据,本文首先在TDS-1数据服务平台[13]上选择格陵兰岛区域的数据,并根据其轨迹线有选择地下载DDM数据,保证所选取的数据轨迹在研究区域而且较均匀分布。考虑到每一条轨迹中只有部分数据可用,首先应对下载的DDM数据进行检测,选择DDM信噪比峰值大于0的数据作为本文的研究数据进行处理。

  • 在已有文献中,相关学者提出了诸多有效的数据去噪方法,本文选取DDM中前4排码片延迟区域作为噪声计算区域,其噪声计算公式为[14]

    式中,Mnoise表示计算的噪声值;τ1τi为噪声计算区域的码片延迟的上下边界;f1fj为噪声计算区域的频率延迟的上下边界;N则为该区域像素数量。

    上述步骤只是考虑了DDM数据的系统性噪声,DDM数据还会受斑点噪声的影响,为了降低斑点噪声对结果判断的影响,可以采用DDM非相干叠加方法。由TDS-1 DDM数据手册得知,每一个DDM是1 000个相干观测值(每个观测值的相干时间为1 ms)叠加生成,也就是1 s非相干观测值,为了进一步提高信噪比,降低斑点噪声的影响,本文采用自适应非相干叠加的方法。非相干叠加的数量不是一个固定值,而是根据实际情况采用自适应的叠加数量,避免错误地将海冰和海水的DDM进行叠加,导致错误的判断。在冰水交界处,叠加数量会减小。

  • 图 1可以看出,同一区域、同一时间段内海冰表面反射能量峰值一般高于海水表面反射能量,但是绝对能量值与接收机高度、倾角、天线增益及导航卫星的状态都有关系,且TDS-1数据没有校准,所以首先应该对DDM归一化,便于阈值的选择。DDM归一化的表达式为:

    式中,Mnormal(τ, f)表示归一化后DDM各个像素点的能量值;M(τ, f)表示归一化之前各像素点对应的值;Mmax则表示归一化之前DDM数据中最大的值。通过归一化处理之后,各DDM的最大值为1,如图 2为经过数据处理后的DDM图。

    Figure 2.  Processed DDMs After Noise Subtraction and Normalization

  • 归一化后的DDM数据能量值范围为0~1,所以选取的阈值T必定介于0~1之间,为了获得可靠的T,文献[11]通过迭代计算获得。当选择的阈值使得同一条跟踪轨迹数据集中(连续采集到的同一颗卫星反射信号),海冰DDM中高于选定阈值的像素数量最大值(Nmaxice)小于海水DDM中像素数量的最小值时(Nminwater),可以认为该阈值可用。本文随机选取一部分TDS-1数据作为训练数据,同时选取与DDM相对应同一天的美国国家冰雪数据中心的多传感器海冰范围数据[12]作为参考数据确定海冰和海水的DDM。同时定义海冰DDM中高于选定阈值的像素数量最小值为Nminice,海水DDM中像素数量的最大值为Nmaxice

    当两个DDM像素数量比值与1相差较大时,可以认为此处即为海冰-海水的交界处。假设相邻两个DDM数据高于选定阈值的像素数量分别为$\mathop {{M_i}\left( {\tau, f} \right) > T}\limits^{{N_i}} $和$\mathop {{M_{i + 1}}\left( {\tau, f} \right) > T}\limits^{{N_{i + 1}}} $,则可得其比值K及指标Δ的表达式为:

    Δ即为判定海冰-海水的指标。设Δ1Δ2分别为两个阈值,其计算方法为:

    则海冰判定原则为:

    1) 当Δ < Δ1,可以认为此处为海冰-海水过渡处,其中Mi为海冰表面反射数据,Mi+1为海水表面反射数据;

    2) 当Δ1 < Δ < Δ2时,可以认为MiMi+1来自于同一类型反射面;

    3) 当Δ>Δ2时,可以认为此处为海水-海冰过渡处,其中Mi为海水表面反射数据,Mi+1为海冰表面反射数据。

    经过计算,本文最终选取的阈值T为0.44,Δ1最佳取值为-0.15,Δ2最佳取值为0.18。相应阈值具体计算过程如图 3所示。

    Figure 3.  Flow Chart of Determining Thresholds

  • 本文主要选取了格陵兰岛区域(59°~ 83° N)2015-03-2016-03期间的部分DDM数据作为分析对象,利用本文提出的基于相邻DDM像素数量的检测方法对经过处理的DDM数据进行了分析。为了有效评定海冰检测方法的可靠性,选取NSIDC提供的海冰范围数据作为参考数据进行比对。

  • 为了合理评定海冰检测方法的精度,使用本文提出的基于像素数量比值方法和基于像素数量方法对DDM数据进行处理,所得到的数据处理结果如表 1所示。共有来自于356条数据集的27 760个DDM参与测试,本文提出的基于相邻DDM像素数量比值方法区分成功率最高可以达到99.21%,最低也有98.76%,总体成功率为99.09%;基于像素数量的方法总体区分成功率为98.66%,略低于本文所提出方法的成功率。尽管测试结果表明基于相邻DDM像素数量比值的方法优势并不明显,但是该方法考虑到了DDM数据的连续性,对于海冰浓度较小(海冰-海水边界变化较多)的区域,该方法将会有较大优势。因为在海冰浓度较小的区域,参与检测的一条DDM数据集中,除首尾两个DDM外,其他DDM会重复参与检测,两次相邻的检测中会有一个重复的DDM,两次相邻检测结果可以相互验证,提高检测方法的稳定性。

    数据采集日期 数据集数量 测试的DDM数量 像素比值法检测错误数 像素数量法检测错误数 像素比值法检测成功率/% 像素数量法检测成功率/%
    2015-03-31 24 2 105 26 37 98.76 98.24
    2015-04-17 39 3 214 26 34 99.19 98.94
    2015-06-04 38 3 178 25 29 99.21 99.09
    2015-06-28 26 2 099 22 25 98.95 98.81
    2015-07-21 27 2 106 18 35 99.15 98.34
    2015-08-23 31 2164 22 26 98.98 98.80
    2015-09-24 30 2 141 20 28 99.07 98.69
    2015-10-26 33 2 201 20 27 99.09 98.77
    2015-11-27 28 2 165 18 25 99.17 98.85
    2016-01-21 28 2 172 20 39 99.08 98.20
    2016-02-22 28 2 119 18 29 99.15 98.63
    2016-03-26 24 2 096 18 39 99.14 98.14
    总数 356 27 760 253 373 99.09 98.66

    Table 1.  Sea Ice Distribution Detection Results of Pixel Number Ratio and Pixel Number Methods Using DDM Dataset

    为了更加直观地描述海冰检测结果,选取了2015-03-31、2015-07-21、2015-11-21及2016-03-26的数据结果, 如图 4所示。图 4中白色底图为NSIDC提供的参考数据,黄色和红色线状轨迹分别表示检测出的海冰和海水DDM对应的地面轨迹。

    Figure 4.  Four Period Sea Ice Detection Results Based on the Pixel Number Ratio Method

    图 4可以看出,TDS-1的运动轨迹较为完整均匀地覆盖了格陵兰岛地区,这说明TDS-1可以采集到高纬度区域的GNSS反射信号,也使得GNSS-R技术具备探测高纬度区域的能力。如果把研究区域划分成ABC 3个区域(图 4(a)中所示),可以看出海冰覆盖变化主要发生在AC区。A区位于格陵兰岛西岸,主要包括巴芬湾、戴维斯海峡、迪斯科湾等区域;C区位于格陵兰东岸,主要是格陵兰海地区。

  • 本文提出了一种基于相邻DDM像素数量比值的海冰分布检测方法,通过计算相邻DDM数据中高于一定能量阈值的像素数量比值来区分海冰和海水。为了提高该方法的准确性,使用了噪声基底消除和非相干叠加方法对DDM数据去噪处理,保证了海冰检测方法的可用性。为了验证该方法的准确度,将其检测结果与美国国家冰雪中心提供的多传感器数据结果进行比对,结果显示基于像素数量比值的海冰检测成功率达到了98.76%~99.21%。与美国国家冰雪中心多传感器冰雪探测方法相比,本文使用的方法计算量小、实时操作性较强。另外,该方法不仅具备较高的分辨率,而且可以探测传统方法难以探测的高纬度区域。这些优点都使基于卫星反射信号的海冰检测方法具有更大的研究价值。

    这种基于DDM像素数量比值的方法虽然可以达到较高的精度,但仍然有一定的错误检测率,研究一种改进的方法可以进一步提升该方法在海冰检测中的应用价值。本文仅仅研究了海冰覆盖,下一步可以将研究范围扩展到海冰浓度、厚度等特征信息方面,探索一整套星载GNSS-R海冰探测方法。另外,DDM数据是经过对接收到的GNSS反射信号进行处理后得到的,下一步可以逆向研究DDM的生成算法,提出海冰参数反演新算法。

Reference (14)

Catalog

    /

    DownLoad:  Full-Size Img  PowerPoint
    Return
    Return