利用合成孔径雷达反演海表面风场外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

利用合成孔径雷达反演海表面风场

M.A.Panfilova,sup1; M.B.Kanevsky,sup1; G.N.Balandina,sup1;

V.Yu.Karaev,sup1; A.Stoffelen,sup2; and A.Verkhoev sup2;

我们提出了一种使用极化合成孔径雷达数据确定海面以上风速矢量的新方法。初步计算表明，雷达图像中最大值的位置与风速有关，而由于图像光谱的中心对称性，风向存在180°的不确定性。对于风向模糊，则使用基于在共极化和交叉极化复信号相关系数来消除。据研究显示，理论上，在没有精确雷达校准下使用极化雷达，也可能获得关于风速和方向的信息。

一、简介

在卫星海洋学里，远程测量表面风速的问题（确定海洋和大气相互作用的关键参数）永远是关注的焦点，而测量散射电磁信号强度的微波雷达散射计，则确定风速以上从空间海洋的基本工具[1.2]。

散射计有广阔的（超过1000km）扫描模式，观测到的表面风速网格的标准尺度为25times;25km。将后向散射截面的风速反演程序与地球物理模型函数的比较[3，4]，后者对入射角的后向散射截面，风速，和探测角度（换句话说，就是网格点的观测角度）和风向有一定的依赖性。

由于地球物理模型函数对方位角的非单调准周期有依赖性，在得出后向散射截面的结果存在不确定性。由于地球物理模型的功能取决于三个变量，为确保正确的测量的风速和方向，至少要在不同的方位角进行三个测量。

具有大约10m空间分辨率的合成孔径雷达可以获得具有高空间分辨率的风场信息，然而，并不能直接使用这样的雷达作为高分辨率散射仪。与散射仪相反，合成孔径雷达中的每个单元仅能在一个方位角观测。由于一个方向上的后向散射截面不足以使用地球物理模型函数确定表面风速和方向，因此我们应该使用附加信息，例如表面上风条纹，波峰的方向[5] 或浮标和散射仪数据。 例如，[4,6]中所描述的仅在同轴共极化下的常规非极化雷达的数据下，使用地球物理模型函数确定表面风速的算法。

使用在共极化和交叉极化的极化合成孔径雷达（SAR）是开发确定风速和方向的技术的新一步。 我们提出了用于确定这种雷达风速的算法[7]，显示出共极化（VV）和交叉极化（VH）的SAR数据对于风速和方向确定，即使在相同方位角处的测量也是有效的。 [7]中描述的方法假设风速是根据C-2PO线性算法从交叉极化的反向散射截面确定的，而风向是使用CMOD5算法[4]获得的。由于后向散射截面对角度的依赖性是非单调的，所以几个风向满足一个风速。通过计算共极化和交叉极化下的测量之间的相关系数的复杂系数来解决这个问题，并且该系数的符号明确地确定风向象限。

研究过程中，我们提出了一种确定风速的新方法。根据这种方法，我们将分析雷达图像的均匀区域的频谱，而非向散射截面。如此一来，扫描移动的海面时，不需要合成孔径雷达的精确校准。

二、海洋SAR图像光谱计算

让我们通过数值模拟来验证该方法的思路：在海面上引入x和Y轴，SAR安装在航天器上，其在x方向上移动并且雷达正沿着Y方向扫描。SAR图像光谱在准线性近似的框架内计算。

（1）

这里，theta;0雷达入射角，kappa;x是x轴方向上的波数，kappa;y是y轴方向上的波数，，其中beta;是波矢量与x轴的夹角，TRAR是实际孔径雷达的调制传递函数，g：9.8m/s是重力加速度，R/V是倾斜距离与雷达速度的比率，W（kappa;x，kappa;y)是海浪高度谱，是轨道速度的径向分量的方差。后一量对风速的依赖性可用过方差对风速U10的依赖性（通过在频谱上积分来计算方差）近似获得：

（2）

在准线性近似中，SAR图像谱(1)由三个因子组成。前两个因素是在线性近似中的SAR光谱，使得第一个是调制传递函数。它包括典型的实际孔径雷达的调制TRAR和由于散射体的速度分组引起的调制。根据[9]中给出的计算，估计给定入射角的调制TRAR。

图1·海波谱（a，c，e和g）和相应的SAR图像光谱在准线性近似（b，d，f和h）中计算。 分别在面板结构和半径上分别表示方位角值和rad / m波数kappa;。 风速等于12米/秒

第二因子w（Kx，(Y)）是海浪高度谱。虽然它包括波纹和风波谱，但在一般情况下，我们仅考虑风波。使用JONSWAP模型[10]计算风波频谱，风波谱的角分布取自[11]。SAR图像的非线性包括在第三指数因子中，其显示为大波数的SAR光谱截止因子，并且由分辨率单元的极限中的轨道-速度方差来规定。

为了说明构造SAR图像时的波谱变换， 公式（1）对于以下参数值执行：U10 = 12m /s，R/V = 120s（根据RADASART-2卫星观测模式），TRAR= 3（对应于C波段，入射角30°）。

图1（续）

风向模型频谱分别如图la，lc，和lg所示，分别为风向角Psi;=0°，30°，60°和90°（角度Psi;从x轴测定）。在相同条件下，SAR图像的模型光谱如图1b,1d，1f和1h所示。图1表明，光谱受到方位角波数的限制，而光谱最大值向y轴旋转，相对于x轴接近90°的风向，分裂成两个最大值。这与以下事实有关：由于散射体的速度分组沿y轴的调制几乎不存在，而是立即出现非零kappa;x。

还应该注意的是， 公式（1）不允许与天线平移运动的反射器的信号的干扰有关的斑点噪声。 斑点噪声的存在导致波的SAR图像的频谱与小波数难以区分。

三、确定风速和方向的方法

计算SAR图像的二维光谱后，确定了光谱最大值的位置。如图2显示，固定风波取样的频谱最大位置与风向和速度（如果不允许180°模糊）唯一相关。 知道真实SAR图像光谱最大值的位置后，可以使用类似于图2所示的列线图来确定风速和方向（具有上述不确定性）。180°的风向模糊与SAR图像能量谱相对于坐标原点的对称性有关，可以使用关于共同和交叉极化的复信号之间的相关系数来消除：

（3）

这里，角括号表示在所考虑的SAR图像区域上的平均值。

在[7]中，显示相关系数的实部和虚部对方位角有奇数依赖性，这个结果是基于SAR数据的大量阵列和海上浮标的风速测量数据获得的。为了确定其中相对于扫描方向的风向矢量所在的象限，应该使用以下标准：

1)if Rerho; lt; 0 and Imrho; gt; 0, -180°lt; phi; lt;-90°

2)if Rerho; gt; 0 and Imrho; gt; 0, -90°lt; phi; lt;0° （4）

3)if Rerho; lt; 0 and Imrho; lt; 0, 0°lt; phi; lt;90°

4)if Rerho; gt; 0 and Imrho; lt; 0, 90°lt; phi; lt;180°

图2·用于确定SAR图像频谱最大值的位置的风速和方向的行列图，风向从x轴计算

这里phi;是风和扫描(y轴）方向之间的角度。因此，根据极化测量雷达数据，风速矢量分两个阶段确定。首先，使用具有180°模糊的行列图网格发现风速和方向，然后通过对于叉和极化信号复相关系数符号来改进风向。

注意，图2仅是该方法的说明，因为对于固定（半）无量纲取样执行该计算，而在统计学意义上，实际获取是风速的函数。因此，完全获取弱风全速可能性最高，而强风的全速可能性很低，因为形成强风需要较长风时与大风区。因此，为了得到一个真实的行列图，我们应该处理大量的实际光谱，以便获得已知风速的每个光谱，这样可以保证我们提出方法的准确性。

评估该方法的适用性限制，作为标准，我们采用波长超过分辨率像素至少八分之一，而空间分辨率为5m的RADASART-2卫星，由雷达看到的最小波长为40m，这对应JONSWAP模型频谱的风速6．5m/s[10]。而众所周知，通过SAR图像确定沿x轴传播的波谱十分困难。因此，在数据处理过程中，我们考虑到SAR图像中波的传播方向接近探测方向。

四、数据源和SAR图像处理

我们处理来自RADASART-2卫星的正交SAR图像，该卫星在C波段工作，频率为5．405GHz，空间分辨率为5m,使用共极化和交叉极化的数据。关于摄影条件的信息在表1中给出。

表1·SAR图像信息

图3·共同极化（a）和其光谱（b）的SAR图像，方位角和kappa;（rad / m）分别在面板结构和半径上表示。

表2.不同极化下信号的复相关系数的值

欧洲预报中心(ECMWF)模型[2],这些数据包含沿着平行和经线的两个风速分量的信息，时间和空间分辨率分别为3h和约5km。对研究船舶的SAR图像提交了10米高的风速和方向的亚卫星数据。 然而，我们应该考虑到卫星和亚卫星测量在地域间隔。从研究区域到船舶的距离约为100公里，以便在公海进行测量。SAR图像处理如下：在每个图像中选择具有足够均匀的波的5times;5km区域，这样的区域包含约1000times;1000点。运用快速傅里叶变换对SAR图像的谱分析，因为噪声影响该偏振明显更弱。SAR图像光谱总是包含斑点噪声，为了消除后者，并使光谱最大值具有更大的对比度，使用在[13]中描述的修改的谱分析的方法，然后通过5times;5点窗平滑二维光谱。在图3a和3b中分别给出了共极化处的SAR图像及其平滑谱的示例。

表3·相对于x轴的频谱最大值和对应的风速和方向的坐标