机载合成孔径雷达海面风场探测辐射定标精度要求研究

复杂的机载合成孔径雷达系统使得探测精度要求研究难以系统有效. 依据辐射定标精度在机载合成孔径雷达海面风场探测信息流程中的作用, 提出通过辐射定标精度要求整体考察系统探测精度要求的研究方法, 仿真研究了CMOD4地球物理模型函数的参数关系,系统地确定出不同入射角和风向条件下机载合成孔径雷达海面风场探测的辐射定标精度要求.研究结果表明, 辐射定标精度要求随着入射角的增加而降低,且随着风向变化呈周期性变化, 这一规律与CMOD4地球物理模型函数中由风速变化引起的后向散射截面变化值的变化规律一致. 依据这一规律,研究发现通过采用有源定标器定标、设计载机做侧风飞行以及选择大入射角的探测图像作为反演图像区这三种手段,能够提高风速反演精度.     

合成孔径雷达资料反演海面风场的正则化方法研究

针对基于散射计地球物理模型函数的合成孔径雷达资料反演海面风场中背景风向存在很大误差的问题,提出了利用正则化方法反演海面风场,并通过L曲线准则对正则化参数进行最优选择,然后对该方法进行仿真试验.试验结果显示,正则化方法反演海面风场的风速和风向的反演精度均优于变分同化方法,分析不同真实风向情况下的反演精度表明,真实风向在45°和135°附近时,风速反演的精度高,真实风向在0°和90°时,风向反演的精度高,这种现象与地球物理模型函数中后向散射截面相对于风向的导数相关. 关键词： 合成孔径雷达 正则化 L曲线准则 变分同化     

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

机载全极化SAR海面风矢量反演研究对于近海岸复杂气象条件下风矢量探测具有重要意义. 本文从极化散射理论出发,通过分析全极化SAR探测数据与海面风矢量的关系, 设计了全极化SAR海面风矢量反演方案.依据机载SAR高机动性和全极化两个探测特点, 针对VV极化探测数据,提出了基于最大似然估计的海面风矢量反演方法,并设计了飞行实验方案; 针对VH极化探测数据,提出了通过带约束最优拟合的VH极化海面散射模型反演风速, 再利用CMOD5地球物理模型函数计算风向的海面风矢量反演方法. 利用机载全极化SAR探测的台风'海葵'边缘数据,开展了海面风矢量反演实验研究. 研究结果表明,两种风矢量反演方法均可不借助辅助信息,反演复杂气象条件下的海面风矢量. 前者反演风向、风速的均方根误差分别为18.0°, 1.8 m/s, 后者反演风向、风速的均方根误差分别为9.3°, 1.2 m/s,后者的反演精度优于前者. 这是因为VH极化归一化雷达截面与风向和雷达入射角无关,仅与风速密切相关, 更适合复杂气象条件下的海面风矢量反演. 关键词： 机载全极化SAR 海面风矢量 理论研究 实验验证     

基于小波的多极化机载合成孔径雷达海面风向反演

为了实现从合成孔径雷达(SAR)图像本身提取高精度的海面风向信息, 提高SAR海面风场反演精度,研究了多极化机载SAR海面风向反演技术, 借助小波分析相对傅里叶分析和局部梯度更精细的时-频分析能力, 将二维连续小波变换与快速傅里叶变换(FFT)相结合,提出一种新的机载SAR海面风向反演方法. 为验证反演方法的有效性,通过海上同步飞行试验获取多极化机载SAR数据及同步调查船实测风向数据,用于反演试验的数据比对.采用本文提出的方法, 利用多种小波基对机载C波段SAR的同极化和交叉极化数据进行风向反演, 将反演结果与美国国家环境预报中心再分析资料以及调查船实测风向进行比对. 结果表明,本文提出的基于小波分析的海面风向反演方法适用于机载SAR探测数据, 反演精度优于二维FFT法和局部梯度方法;小波基的选择对反演结果影响较大, Mexican-Hat小波基是机载SAR海面风向反演的最优小波基, 且同极化与交叉极化机载SAR数据均可用于海面风向的反演.     

多参数背景场误差模型在散射计资料台风风场反演中的应用

利用散射计资料反演海面风场时, 台风区域普遍存在降雨使得风场反演误差很大, 引入降雨地球物理模型函数 (GMF+Rain) 及多解方案 (MSS), 结合二维变分(2DVAR) 模糊去除思想风速反演误差很大程度减小, 但风向反演误差仍有待进一步改善, 如何进一步减小风向反演误差有待进一步研究. 文章介绍了2DVAR模糊去 除方法的基本思想, 针对背景场误差较大时, 2DVAR模糊去除风向误差较大, 引入包含若干参数的背景场误差模型. 基于台风个例数值试验结果, 着重从理论分析角度讨论各参数关于2DVAR模糊去除效果的敏感性, 进而提出最优参数设置方案以改善风向模糊去除效果. 2006年“摩羯”台风QuikSCAT数据风场反演数值试验结果结合理论分析表明: 引入多参数误差模型, 通过设置粗糙误差概率等于0, 2DVAR风向模糊去除效果明显改善; 同时, 背景场的影响可通过增大背景场误差方差, 减小背景场误差相关尺度和减小粗糙误差概率而减小, 进而减小在背景场误差较大情况下的风向反演误差. 关键词： 台风风场反演 二维变分 多参数误差模型 散射计资料     

基于海面散射模型的全极化合成孔径雷达海洋环境探测关键技术参数设计仿真研究

技术参数设计研究是提升全极化SAR海洋环境探测能力的有效途径. 本文通过分析噪声等效后向散射系数和辐射分辨率与海洋环境探测的地球物理联系,提出一种全极化SAR关键技术参数设计方法. 采用全极化海面散射模型计算不同海洋环境条件下的雷达后向散射系数,据此确定全极化SAR对海探测的噪声等效后向散射系数,再将其作为合成孔径雷达方程输入参数,以辐射分辨率和信噪比的函数关系为约束条件,开展信噪比、辐射分辨率和系统功率孔径积等技术参数设计研究. 论文通过全极化海面散射模型的仿真计算,发现对海探测的噪声等效后向散射系数设计为-35.0 dB,可满足全极化SAR不同海洋环境条件的探测需求. 通过研究辐射分辨率与信噪比的函数关系,发现对海探测的最优信噪比为8.0 dB. C波段机载全极化SAR设计结果表明,由于兼顾了海洋环境探测需求,本文设计方法使得全极化SAR技术参数同时满足了海洋环境应用需求和系统设计要求. 关键词： 海面散射模型 全极化合成孔径雷达 海洋环境探测 技术参数设计     

合成孔径雷达反演海面风场变分模型分析

为考察合成孔径雷达反演海面风场变分模型精度,开展了误差分析试验.在背景场误差为极大值条件下分析场误差低于背景场误差,且随背景场风向增大呈周期性变化;在背景场误差逐渐变大条件下分析场误差逐渐增大,误差偏离方向与背景场误差偏离方向一致;在特定背景场条件下与直接反演模型相比,低风速时反演误差略高,中高风速时反演误差明显较低.总体来讲,变分模型误差小于背景场误差,风速反演误差小于1.60 m/s,风向误差小于17.15°.     

变分同化结合广义变分最佳分析对微波散射计资料进行海面风场反演

针对微波散射计资料的海面风场反演,本文首先利用QuikSCAT卫星散射计的近实时资料,借助荷兰皇家气象学会的SeaWinds散射计数据处理模式,在不同风速和海域的情况下,采用多解方案结合二维变分同化方法进行风向的模糊去除,达到消除解的不唯一性的目的,且对4种反演结果（低速风、中速风、高速风和近海岸风）与美国国家海洋和大气管理局卫星资料中心的近实时风场数据的对比分析,说明了该技术的有效性.在此基础上,对反演得到的中速风场利用广义变分最佳分析方法进行了调整,调整后的风场结构有了进一步的改善.此方法可为我国散射计资料反演海面风场的研究提供新的思路和方法.     

变分同化结合广义变分最佳分析对微波散射计资料进行海面风场反演

针对微波散射计资料的海面风场反演,本文首先利用QuikSCAT卫星散射计的近实时资料,借助荷兰皇家气象学会的SeaWinds散射计数据处理模式,在不同风速和海域的情况下,采用多解方案结合二维变分同化方法进行风向的模糊去除,达到消除解的不唯一性的目的,且对4种反演结果（低速风、中速风、高速风和近海岸风）与美国国家海洋和大气管理局卫星资料中心的近实时风场数据的对比分析,说明了该技术的有效性.在此基础上,对反演得到的中速风场利用广义变分最佳分析方法进行了调整,调整后的风场结构有了进一步的改善.此方法可为我国散射计资料反演海面风场的研究提供新的思路和方法. 关键词： 多解方案 二维变分同化 广义变分最佳分析 正则化方法     

含泡沫面元模型的海面电磁散射研究

传统计算海面电磁散射的方法都是通过求集平均的方法来统计得到不同输入参数下海面总回波系数的均值曲线,并不需要具体的几何样本.随着合成孔径雷达以及雷达成像的发展,为了充分描述海面各点的分布特征,需要得到海面具体面元的散射结果,同时随着海面上方风速的增大,海面泡沫层的出现会对散射结果产生相当大的影响.本文采用海面模型面元化的思想,将海面散射的贡献面元化,同时考虑泡沫层对大入射角下散射结果的影响,计算了不同风速下海面的后向散射系数,并与实测数据做对比分析,验证了方法的准确性.     

Application of the Tikhonov regularization method to wind retrieval from scatterometer data I. Sensitivity analysis and simulation experiments

Scatterometer is an instrument which provides all-day and large-scale wind field information, and its application especially to wind retrieval always attracts meteorologists. Certain reasons cause large direction error, so it is important to find where the error mainly comes. Does it mainly result from the background field, the normalized radar cross-section (NRCS) or the method of wind retrieval? It is valuable to research. First, depending on SDP2.0, the simulated `true' NRCS is calculated from the simulated 'true' wind through the geophysical model function NSCAT2. The simulated background field is configured by adding a noise to the simulated 'true' wind with the non-divergence constraint. Also, the simulated 'measured' NRCS is formed by adding a noise to the simulated 'true' NRCS. Then, the sensitivity experiments are taken, and the new method of regularization is used to improve the ambiguity removal with simulation experiments. The results show that the accuracy of wind retrieval is more sensitive to the noise in the background than in the measured NRCS; compared with the two-dimensional variational (2DVAR) ambiguity removal method, the accuracy of wind retrieval can be improved with the new method of Tikhonov regularization through choosing an appropriate regularization parameter, especially for the case of large error in the background. The work will provide important information and a new method for the wind retrieval with real data.     

机载光纤多普勒测风激光雷达风场反演及实验验证

通过分析1 550 nm全光纤机载多普勒测风激光雷达系统的测量模式特征,给出飞机速度校正方法、机载系统风场反演模型和算法,实现了机载大气三维风场的反演和显示软件。利用机载激光雷达的飞行试验数据,结合实时测量的小球测风数据,进行了风场信息的反演和结果的对比印证,统计4个架次的风廓线测量结果,两者的水平风速标准偏差小于1.4 m/s,风向标准偏差小于10°,相关系数都达到0.95以上,从实验结果上验证了激光雷达的工作性能和数据反演算法的准确性。     

Application of Tikhonov regularization method to wind retrieval from scatterometer data Ⅱ: cyclone wind retrieval with consideration of rain

According to the conclusion of the simulation experiments in paper I, the Tikhonov regularization method is applied to cyclone wind retrieval with a rain-effect-considering geophysical model function (called GMF+Rain). The GMF+Rain model which is based on the NASA scatterometer-2 (NSCAT2) GMF is presented to compensate for the effects of rain on cyclone wind retrieval. With the multiple solution scheme (MSS), the noise of wind retrieval is effectively suppressed, but the influence of the background increases. It will cause a large wind direction error in ambiguity removal when the background error is large. However, this can be mitigated by the new ambiguity removal method of Tikhonov regularization as proved in the simulation experiments. A case study on an extratropical cyclone of hurricane observed with SeaWinds at 25-km resolution shows that the retrieved wind speed for areas with rain is in better agreement with that derived from the best track analysis for the GMF+Rain model, but the wind direction obtained with the two-dimensional variational (2DVAR) ambiguity removal is incorrect. The new method of Tikhonov regularization effectively improves the performance of wind direction ambiguity removal through choosing appropriate regularization parameters and the retrieved wind speed is almost the same as that obtained from the 2DVAR.