张保卫，郭建忠，成毅，张耀南，冯立强
(1.中国人民解放军战略支援部队信息工程大学，郑州 450001；
2.河南大学 地理与环境学院，河南 开封 475000；
3.河南省时空大数据产业技术应用研究院，郑州 450001；
4.中国科学院西北生态环境资源研究院，兰州 730000；
5.中国科学院海洋研究所 海洋大数据中心，山东 青岛 266071)
合成孔径雷达(synthetic aperture radar，SAR)反演海面风速的原理是假定风向恒定或变化不大的情况下，风会对海面产生拖拽效应，进而改变由大气-海洋边界层不稳定性产生的海面粗糙度。SAR发射的微波信号对海面粗糙度变化十分敏感，可以得到SAR图像中海面的后向散射信号，并根据其与海面风向、风速以及雷达入射角之间的关系，实现从SAR图像中反演海面风场(风速和风向)[1]。基于SAR数据反演海面风场通常要先获取海面风向，并同雷达入射角、雷达视向、归一化雷达后向散射系数(normalized radar cross section，NRCS)一并作为已知输入参数，输入到地球物理函数(geophysical model function，GMF)中，通过迭代计算，进而实现海面的风速反演[2]。基于ERS-1/2卫星上C波段垂直(VV)极化的散射计数据，欧洲中长期预报中心设计了C-band Model (CMOD)系列的GMF，常用模型有CMOD4、CMOD-IFR2、CMOD5和CMOD5.N等，其中CMOD5.N表现最优。虽然这类模型是基于VV极化的散射计拟合得到的经验模型，但在经过大量SAR数据测试后，证实了CMOD在SAR数据上同样适用[3]。
随着SAR长时序观测数据的积累，Lu等[4]基于Radarsat-2和Sentinel-1VV极化数据，建立了C_SARMOD2模型。而对于HH极化SAR数据在海面风速反演时，由于没有直接可用的GMF，需借助极化率模型与GMF相结合的方式进行风速反演，但引入极化率模型会存在带来潜在误差的可能，进而可能造成风速反演精度欠佳。于是，Zhang等[5]基于Envisat ASAR数据，建立了可直接适用于HH极化SAR数据的风速模型CMODH，该模型无需借助极化率模型进行转化，可直接进行海面风速反演[6]。
本文旨在解决基于HH极化SAR数据风速反演最优模型选择的问题。因此，选取Sentinel-1 HH极化SAR影像[7]，利用K_Model、CMOD 5.N、C_SARMOD 2和CMODH模型进行海面风速反演。首先，将模型分为无需极化率模型(K_Model和CMODH)和需要极化率(CMOD 5.N和C_SARMOD 2) 两类；
之后，将两类模型的风速反演结果同NDBC海洋浮标观测风速进行对比分析；
最后，通过决定系数、均方根误差、偏差和标准差评价这两类模型风速反演的精度，以选择出HH极化SAR数据在风速反演上的最优模型。
1.1 实验数据
1)HH极化SAR数据及预处理。为了评估不同模型对于HH极化SAR图像的风速反演的能力，共收集了24幅Sentinel-1HH极化SAR图像，其中超宽(EW)和干涉宽(IW)模式分别为19幅和5幅。
原始SAR数据预处理的主要目的是将SAR图像中的灰度值转换为NRCS，赋予其坐标系统，剔除其他干扰因素的影响等。本文基于SNAP (sentinel application platform)对Sentinel-1 SAR L1地距影像(ground range detected，GRD)进行了辐射定标、噪声移除、几何校正、亮斑移除。
2)NDBC浮标数据。NDBC(National Data Buoy Center)风场数据是来自美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration，NOAA)可免费获取的海面风场资料(https：//www.ndbc.noaa.gov/)，本文将其作为验证数据。NDBC作为实测风速应满足两个条件：浮标站点需在SAR影像内、二者的时间间隔小于30 min。本文共选取11个浮标数据，分布在佛罗里达州沿岸，如图1所示。
图1 NDBC浮标位置
由于NDBC浮标上的风速计测量的是海平面以上不同高度的风速，而GMF反演结果是距海面10 m处的中性风速，因此利用等效风速转化公式将所有浮标数据都转换为10 m高度处的等效中性风，如式(1)所示。
v(z10)=v(zm)*ln (z10/z0)/ln (zm/z0)
(1)
式中：v(z10)和v(zm)分别表示10 m处和在mm处风速；
z10和zm分别表示10 m和mm高度；
z0为常数(1.52×10-4)。
1.2 风速反演模型
为了评估风速反演的精度，使用HH极化SAR图像和浮标测量进行了案例和统计验证。此外，对比了需要极化率模型和无需极化率模型在反演风速上的精度，以获取最优的风速反演模型。
1)K_Model。为了将风向对风速估计的影响降至最低，Komarov等[8]提出了一种无风向输入的新模型，该模型是由347幅Radarsat-1 HH pol图像和浮标数据的组合。
2)CMOD 5.N。CMOD5.N是基于CMOD5的基础上对后者进行了优化得到的模型[9]，模型函数的内部算法并未变化，优化部分是模型的可调系数。经过参数优化后，模型修正了存在的低估误差(0.5 m/s)，并降低了可能存在的大气分层导致的误差，使CMOD 5.N模型更能反映实际海面状况。
3)C_SARMOD 2。文献[2]采用与CMOD 5一样的方法，并考虑Radarsat-2(RS-2)和Sentinel-1(S1) A SAR图像中海面后向散射的上下风差异来获得函数中b2参数，构建了一个新模型C_SARMOD 2。该模型包含32个参数，与CMOD 5和CMOD 5.N略有不同。
4)CMODH。文献[6]提出，与VV极化NRCS类似，HH极化NRCS也取决于雷达入射角、风速和方向，并通过入射角、风速和相对风向的非线性映射函数来描述HH极化下的NRCS，进而构建了CMODH模型。
该模型无需使用极化率模型进行NRCS转换，可以直接使用HH极化下获得的C波段SAR图像直接反演海洋表面风速。
5)极化率模型。CMOD函数的共同点在于，是为VV极化风速反演而构建的。因此，利用极化率(polarization ratio，PR)模型将HH极化 NRCS转换为VV极化 NRCS，进而用于HH 极化SAR数据风速反演。
本文所用的极化率模型分为两类。第一类为极化率模型仅依赖于入射角，如式(2)所示。
(2)
式中：PR为极化率；
θ为雷达入射角。
第二类为极化率模型依赖于入射角和风参数，如式(3)所示。
PR=A*exp(Bθ)+C
(3)
式中：PR为极化率；
θ为雷达入射角;α、A、B、C为常数，如表1所示。
表1 雷达与入射角θ相关的极化率模型公式
基于图2的反演流程对24幅Sentinel-1 HH极化SAR数据进行风速反演，并将反演结果同NDBC浮标数据中的风速进行对比，结果如表2所示。由表2可知，在无需极化率转换的风速模型中，CMODH的风速反演结果与浮标观测风速的决定系数为0.945，均方根误差为1.59 m/s，偏差为0.68 m/s。CMODH与其他模型相比，决定系数、均方根误差和偏差表现最优。K_Model模型3个指数分别为0.934、1.71 m/s和0.79，模型反演结果均满足海面风速反演要求。虽然在标准差方面，K_Model略优于CMODH，但是综合4个指数来看，CMODH优于K_Model模型。
表2 模型反演性能参数比较
在需要极化率的模型中，PR_Z与C_SARMOD2的组合表现最优，4个指数(决定系数、均方根误差、偏差、标准差)依次是0.689、3.39、-1.13、1.87。这类模型中，PR_Z和PR_L与C_SARMOD2的组合，6种极化率(PR_T、PR_H、PR_V、PR_E、PR_M、PR_L)与CMOD5.N的组合模型反演结果能均满足海面风速反演要求。
总体而言，无需极化率的模型风速反演精度优于需要极化率的模型。其原因在于，极化率的引入可能会导致不可知的误差。而且，在无需极化率的模型中，CMODH的表现要明显好于K_Model模型，说明了对于HH极化SAR进行风速反演过程中相对风向是不可忽略的重要因子之一。
在两类模型中，仅有CMODH和C_SARMOD2两个模型在模型构建过程中将Sentinel-1数据考虑进去。考虑到不同SAR数据的信噪比是不同的，如RS-2具有比S1-1A/B更低的噪声等效后向散射系数(noise equivalent sigma zero，NESZ)，这可能是CMODH和C_SARMOD2模型在同类模型中表现优异的原因之一。
在无需极化率模型中，CMODH的模型反演结果优于K_Model，造成这种结果可能还包括前者是基于ENVISA T/ASAR(2 700幅)、RS-2(1 352幅)和Sentinel-1(107幅)数据进行模型构建和验证，而后者是仅基于RS-1(347幅)和RS-2(84幅)数据进行模型构建和验证。因为二者都是经验拟合模型，数据量的大小对模型的精度具有决定性作用，这也可能是形成二者在风速反演精度表现差异的原因之一。其次，较K_Model模型，CMODH的输入参数引入了相对风向这个变量，这也可能是提高其精度的因素之一。
在需要极化率模型中，极化率模型的引入可能存在不可量化的误差，这也许是造成该类模型反演精度表现不佳的原因之一。
SAR数据以其高空间分辨率、多极化以及多成像模式的特点在海面风场研究中展示出独特的优势。利用SAR数据进行海面风场反演中，GMF描述了海面风矢量与雷达NRCS之间的关系，由于缺少精确的理论支持，这种关系是经验性的。因此，在海洋风场反演过程中选择合适的GMF是至关重要的，它的准确性直接影响了风速反演结果的精度。
本研究基于HH极化SAR数据对比了需要极化率模型和无需极化率模型在风速反演中的精度。结果发现，极化率的引入可能会在风速反演中导致新的误差，无需极化率模型反演的风速精度优于需要极化率模型。而在无需极化率模型中，将相对风向这个变量加以考虑可能是CMODH表现最佳的原因之一。GMF模型虽然能够满足海面风场反演需求，今后想要获取更高精度的海面风场数据，不仅需要考虑海面风场的物理机制，而且需要大量的SAR数据和实测风场数据的支持。
猜你喜欢入射角浮标风场浅谈浮标灵敏度的判断垂钓(2022年3期)2022-05-14浅谈浮标的吃铅比数值垂钓(2022年1期)2022-02-09基于FLUENT的下击暴流三维风场建模成都信息工程大学学报(2021年5期)2021-12-30ERA5风场与NCEP风场在黄海、东海波浪模拟的适用性对比研究海洋通报(2021年5期)2021-12-21光通过平行玻璃砖侧位移大小的分析教育周报·教研版(2021年14期)2021-06-20一种浮标位置修正算法*舰船电子工程(2021年5期)2021-06-04光束通过三棱镜的偏折情况再探讨*物理通报(2020年2期)2020-05-18提问：冬钓轻口鱼如何选择浮标？垂钓(2019年2期)2019-09-10距离和的最小值公式及其应用中学数学研究(广东)(2019年12期)2019-07-18预制圆柱形钨破片斜穿甲钢靶的破孔能力分析*弹箭与制导学报(2018年3期)2018-08-28