基于Sentinel-1A的长江口近岸风矢量场反演研究

选取长江口外近岸海域,以欧空局发射的Sentinel-1A为SAR图像数据源,利用多级小波变换和傅里叶变换获得高精度风向信息,再利用基于GMF的3种CMOD系列模型反演风速,最后将反演结果与同时相的ECMWF模式风场数据以及五组实测数据进行对比.结果表明,除个别包含复杂纹理特征的SAR子图像以外,SAR风场反演精度整体优于ECMWF模式风场.经过多级小波变换后的风向反演结果更优,均方根误差分别为31.6°,29.7°,23.5°.经过二级小波变换之后的整景SAR图像结合风向信息代入到CMOD系列模型中反演得到的风速精度最优,均方根误差控制在0.8 m/s.比较适合长江口外近海海域的是MOD-IFR2和CMOD4,均方根误差分别为1.08 m/s和1.05 m/s.     

遥感资料反演海面风场的新方法研究

本文对应用SAR（Synthetic Aperture Radar）图像反演海面风场方法进行了阐述,并对三种反演模式进行仿真总结。首先介绍SAR图像风场反演的的物理机制,接着介绍风场反演的地球物理模式函数（Geophysical Model Function,GMF）,并对CMOD4、CMOD-IFR2和CMOD5三种模式进行仿真,得到雷达后向散射系数和风速、风向、入射角、极化方式的关系。特别对两个较新的极化比模式进行了介绍和分析。此外对当前应用美国CALIPSO激光雷达卫星资料验证海面风场的方法进行了阐述和探索。     

基于波数能量谱的海面风向反演算法

为提高应用X波段导航雷达反演海面风向的适用性和精度,针对现有局部梯度法反演海面风向存在无法自动寻找到合适的缩减图像分辨率,导致风向反演结果不稳定的问题,提出基于波数能量谱的海面风向反演算法.首先,应用风场成像特征,将包含风条纹的海面静态特征提取出来;其次,应用二维离散傅里叶变换获得海面静态特征的能量谱;最后,利用风条纹尺度特性,构建波数能量谱带通滤波器,将风条纹能量谱提取出来,从而得到海面风向.通过实验将本文算法、局部梯度法与风向标实测数据比较分析,表明本文算法反演适用性达到99%,反演精度提高了58.97%.     

基于ARM的X波段雷达图像提取海面风向研究

为解决传统局部梯度法(LGM)从X-band雷达图像中提取海面风向时存在局限性和较大误差的问题,针对X-band雷达图像风场成像特征,提出基于自适应缩减法(ARM)的海面风向反演算法.首先,设计了一种自适应缩减算子,算子能够连续缩减图像,扩大了缩减后图像分辨率适应风条纹尺度的范围;然后,构建了自适应判断算法,根据由像元梯度直方图统计计算出的稳定系数来判断缩减后图像分辨率与风条纹尺度是否达到最佳,从而获得最优缩减率;最后,利用最优缩减率得到的像元梯度方向获得主梯度方向,根据风条纹特征提取出海面风向.通过岸基实验数据验证表明:ARM算法具有很好的性能,比传统LGM算法的海面风向反演精度提高了58.3%,在风速变化剧烈情况下也能得到稳定反演结果.     

基于Sentinel-1合成孔径雷达卫星影像的福建沿海区域风能资源分析

海面风场风能资源分析对海上风电场的建设开发具有重要意义.近年来随着遥感技术的发展,星载合成孔径雷达(SAR)为海面风能的分析与评估提供了新手段.基于2015—2019年福建沿海区域的122景Sentinel-1 SAR影像,采用快速傅里叶变换风向反演方法及地球物理模式函数CMOD5.N风速反演方法对福建沿海区域进行SAR风场反演,并从风能有效性、稳定性及时空分布特征方面分析福建近海风能资源.主要结果显示:风速数值范围较大的秋、冬季有效风能占比较高,可达70%以上;福建沿海区域多年平均风能稳定性较好,春、秋、冬季风能稳定性较好,而夏季风能稳定性较差;福建沿海风能的空间分布主要为东北—西南走向逐渐递减类型,在台湾海峡中部区域出现风能最大值.     

基于遗传神经网络算法的海面风速反演新方法

针对海面运动的复杂性、海面电磁散射理论模型的局限性以及利用SAR图像反演海面风速存在的非线性现象,基于遗传神经网络的方法,以业务化的CMOD4模式函数数据为基础,采用Fletcher-Reeves算法的变梯度反向传播算法,建立一种SAR风速反演的新模型。试验结果表明,利用遗传神经网络方法反演海面风速是可行的,当随机误差小于10%时,模型的抗噪能力较强,风速反演的精度较为理想。比较不同风速下的反演结果可以发现,在中、小风速的情况下,模型的抗噪能力较强,模型学习拟合和预测检验的精度相对较高;在大风速的情况下,模型的反演能力有待于进一步提高。     

基于交叉谱法的C波段机载SAR海浪反演

传统的初猜谱海浪反演方法,需要先使用海浪预报模式来获取初猜谱,其优劣直接影响着反演的精度。为了摆脱对初猜谱的依赖,在不需要先验信息的情况下实现海浪反演,提出了基于交叉谱法的海浪反演方案。该方案采用C波段全极化机载SAR探测数据,利用全极化信息反演海面风矢量,作为WVW算法的风场输入,再通过WVW算法获取海浪谱,进而提取海浪信息。研究结果表明,海浪反演精度得到显著提高,海浪传播180°模糊问题也得到了有效解决。该方案对机载SAR海浪反演业务化应用具有借鉴意义。     

机载GPS-R遥感海面风场实验

利用GPS导航卫星反射信号遥感海面风场是一种新的海洋遥感手段.对2009年在我国海南开展的机载飞行实验进行了介绍,为了验证该技术测风原理的正确性、反演算法的可行性和实际测风精度,利用飞行实验数据反演出了海面风速风向,并与同步获得的海洋站实测风场数据和卫星散射计风场数据进行了对比.统计表明,GPS-R反演风场与博鳌海洋站...     

海面风应力和海面阻力系数的星载SAR遥感测量

在海面张力波和短重力波星载合成孔径雷达(SAR)成像机理的基础上,建立了海面风应力和阻力系数的遥感测量模型.该模型由辐射定标模式、风速反演模式以及风应力和阻力系数计算模式3部分组成.同时以雷达卫星SAR为例,对海面阻力系数和风应力的遥感测量进行了探索性研究,获得了较好的结果.     

基于便携式高频地波雷达风场的反演

针对天线口径小、便携式雷达系统具有很宽的波束,大大增加了远距离处海面风和浪参数反演难度的问题,导出了有效浪高与风速之间的经验关系,结合改进后的风向反演算法,即可实现海面风场的获取,而不需要任何先验信息实现远距离风速的反演.风场中同时包含了风速和风向信息,为了验证风场的可靠性,将多个浮标的数据与风场数据进行比对.结果表明:风速比对的相关系数均在0.85以上,均方根误差约为3 m/s;在限定风速大于5 m/s时,风向比对的均方根误差会低于20°.风速与风向的比对结果验证了风场的可靠性.     

Wind vector retrieval using dual polarization imagery of ASAR

A new algorithm for retrieving wind vector using dual polarization imagery of advanced synthetic aperture radar (ASAR) is developed and tested. Based on the combination of co-polarization and cross-polarization, this new algorithm effectively eliminates the 180° ambiguity which occurs when using single imagery of the ASAR to retrieve wind vector. This algorithm also solves the problem that the retrieval results will break down on very small spatial scales. The results retrieved from dual polarization imagery of ASAR show that the wind speed and direction are in agreement with the data from Quikscat and buoy measurements. The root mean square errors of wind direction and speed between the retrieved results and data from Quikscat are 2.21° and 0.53 m/s, respectively. Comparisons between the new method and the traditional method show that the new methods fit the buoy data and Quikscat data a little better than the traditional method in this image.     

An overview on SAR measurements of sea surface wind

Studies show that synthetic aperture radar （SAR） has the capability of providing high-resolution （sub-kilometer） sea surface wind fields. This is very useful for applications where knowledge of the sea surface wind at fine scales is crucial. This paper aims to review the latest work on sea surface wind field retrieval using SAR images. As shown, many different approaches have been developed for retrieving wind speed and wind direction. However, much more work will be required to fully exploit the SAR data for improving the retrieval accuracy of high-resolution winds and for producing wind products in an operational sense.     

对流层风廓线雷达资料质量分析

为了检验对流层风廓线雷达观测数据的准确性,利用2014年6-7月咸宁的对流层风廓线雷达和GPS移动探空资料,以GPS探空观测值为参考,对对流层风廓线雷达的观测质量进行对比分析,定义两者风向偏差在15°以内或风速偏差在3m/s以下的样本为有效样本,通过比较有效样本占总样本数的比值来判断风向和风速数据的质量。结果表明:降水量对风场影响不明显,风速和风向有效样本数的变化不同,比较时段内,风向数据的质量优于风速,降水提高了风向数据的质量;1~10km高度,风向数据的质量较好,而降水将提高该数据的质量;8km高度以下,风速数据的质量较好,降水对该数据的质量起反效果。总体来说,除近地层(1km以下)外,风速值越大,风向数据的质量越好,降水对高层风向数据的质量有正贡献。     

一种基于小波和Hough变换的仿射不变性商标检索

提出了一种基于小波和Hough变换的仿射不变性商标检索方法.根据商标图像色彩单调、纹理简单的特点,首先对商标图像进行二值化处理并做Hough变换;然后,对经Hough变换的商标图像信息进行规范化处理,使其对应的小波变换具有仿射不变性,并用Mexican Hat小波对规范化后Hough变换信息进行奇异点分析.最后根据奇异点的信息进行商标检索.实验结果表明,该方法在检索效率和检索准确率上均高于现在应用较多的仿射不变矩算法.     

基于小波和分形的遥感图像快速编码

在分析分形编码的匹配过程和小波变换系数分布特点的基础上,提出了一种卫星遥感图像的快速编码算法,即对分形编码的定义域块和值域块分别进行小波交换,并通过计算域块信息库来匹配值域块和定义域块。分别对长春地区的SPOTS影像和广州地区的,TM影像的试验表明,该算法在峰值信噪比下降极小的情况下显著地提高了图像编码速度,在多分辨率卫星遥感数据的可视化表达领域可望有较好的应用前景。     

基于 MVDＲ 波束形成算法的风速风向测量方法

为更好地抑制传统测风方法中噪声的问题,提出了基于 MVDＲ( Minimum Variance Distortioniess Ｒesponse) 波束形成算法,结合一种特殊的弧形阵列的测风研究方法,通过使用四元超声波传感器弧形阵列结构获得冗余空间采样信息,并将阵列所接收信息进行最小方差无畸变响应的波束形成算法处理,从而估计待测的风速风向信息。仿真结果表明,该方法可实现对风速 0 ～ 60 m/s 与风向角 0 ～ 359°的估计,可实现对风速以及风向的准确测量。     

Retrieval of ocean surface wind stress and drag coefficient from spaceborne SAR

A model for retrieval of wind stress and drag coefficient on the sea surface with the data measured by spacebome synthetic aperture radar (SAR) has been developed based on the SAR imaging mechanisms of ocean surface capillary waves and short gravity waves. This model consists of radiometric calibration, wind speed retrieval and wind stress and drag coefficient calculation. A Radarsat SAR image has been used to calculate wind stress and drag coeffi cient. Good results have been achieved.     

基于小波分析法与神经网络法的非平稳风速信号短期预测优化算法

为提高传统神经网络对非平稳风速的预测精度,提出一种基于小波分析法与神经网络法混合建模的优化算法。该优化方法引入小波分析法对实测非平稳风速信号进行分解,将非平稳性原始风速序列转化为多层较平稳分解风速序列,再利用BP神经网络对各分解层风速序列建立预测模型,最终加权各层预测结果获得风速超前多步预测结果。仿真结果表明:该优化算法实现了风速的高精度短期多步预测,将传统神经网络法对应超前步数的平均绝对相对误差分别提高了55.56%,32.43%和34.58%,其超前1步、3步和5步预测的风速平均相对误差分别为0.48%,1.50%和2.97%。优化网络具备信号分解与自学习能力。