本文關(guān)鍵詞：合成孔徑雷達(dá)提取海面風(fēng)、浪參數(shù)的研究　出處：《浙江海洋大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 極化率模型 XMOD 海面風(fēng)場(chǎng) 有效波高 平均波周期 SAR

【摘要】：合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)是一種主動(dòng)式微波成像雷達(dá),其工作不受外在天氣狀況影響,具有全天候、全天時(shí)、高分辨率的海洋遙感觀測(cè)能力。利用SAR來開展對(duì)海洋的研究已成為一個(gè)有效便捷的手段,其高分辨率的SAR圖像在海面風(fēng)場(chǎng)和海浪參數(shù)的反演方面研究具有重大意義。在前人的研究基礎(chǔ)上,本文對(duì)SAR圖像反演海面風(fēng)場(chǎng)和海浪參數(shù)開展了相關(guān)研究。用于X波段SAR圖像海面風(fēng)場(chǎng)反演的地球物理模型函數(shù)(GMF)XMOD1,XMOD2和SIRX-MOD都是基于VV極化發(fā)展而來的。目前,僅包含了雷達(dá)入射角的極化率模型XPR結(jié)合X波段的GMF已經(jīng)被用于HH極化TerraSAR-X圖像海面風(fēng)場(chǎng)的反演。而之前的雙極化TerraSAR-X圖像反演海面風(fēng)場(chǎng)的研究中發(fā)現(xiàn)極化率模型與海面風(fēng)速存在一種特別的關(guān)系。因此,為了提高HH極化TerraSAR-X圖像海面風(fēng)場(chǎng)反演的精度,本文引入了一個(gè)同時(shí)包含雷達(dá)入射角和海面風(fēng)速的極化率模型,本文稱之為XPR2。通過56幅雙極化TS-X和TD-X圖像以及與之匹配的ECMWF風(fēng)場(chǎng)數(shù)據(jù)擬合出XPR2。再利用38幅HH極化TerraSAR-X圖像和與之對(duì)應(yīng)的浮標(biāo)測(cè)量值驗(yàn)證XPR2的有效性。驗(yàn)證的結(jié)果顯示,采用XPR2反演結(jié)果的均方根誤差為1.79m/s,偏差為0.68m/s,優(yōu)于XPR反演結(jié)果的均方根誤差為2.31m/s,偏差為0.93m/s,另外,本文基于波段極化的Sentinel-1的SAR圖像,提出了一個(gè)反演有效波高H_s和平均波周期的半經(jīng)驗(yàn)算法。半經(jīng)驗(yàn)算法描述的是H_s與截?cái)嗖ㄩL(zhǎng)、雷達(dá)入射角和波浪傳播方向與雷達(dá)距離向之間的夾角的經(jīng)驗(yàn)關(guān)系。此外,T_(mw)可以通過另一個(gè)H_s與截?cái)嗖ㄩL(zhǎng)的經(jīng)驗(yàn)關(guān)系計(jì)算得到。我們收集了106幅波段極化Sentinel-1 SAR圖像和與之匹配的浮標(biāo)實(shí)測(cè)數(shù)據(jù),并從106幅SAR圖像中一共采集到幅與浮標(biāo)對(duì)應(yīng)的子圖像,用其中93幅子圖像用來擬合半經(jīng)驗(yàn)算法中的系數(shù),剩下的57幅子圖像用來驗(yàn)證半經(jīng)驗(yàn)算法。比較結(jié)果顯示H_s的RMSE為0.69m,SI為18.3%,Bias為0.11m;T_(mw)的RMSE為1.86s,SI為24.8%,Bias為0.62s。結(jié)果表明本文的H_s半經(jīng)驗(yàn)算法適合Sentinel-1的SAR圖像海浪參數(shù)的反演。
[Abstract]:Synthetic Aperture radar (SAR) is an active microwave imaging radar. High-resolution ocean remote sensing observation capability. Using SAR to carry out ocean research has become an effective and convenient means. The high resolution SAR images are of great significance in the retrieval of sea surface wind field and ocean wave parameters. In this paper, we have carried out a relative study on the inversion of sea surface wind field and sea wave parameters by SAR image. The geophysical model function for the inversion of sea surface wind field in X-band SAR image is GMF / XMOD1. Both XMOD2 and SIRX-MOD are based on VV polarization. The polarizability model (XPR), which only includes the radar incident angle, combined with X-band GMF, has been used to retrieve the sea surface wind field in the HH-polarized TerraSAR-X image. The previous dual-polarization TerraSA has been used to retrieve the sea surface wind field. It is found that there is a special relationship between the polarizability model and the wind speed of the sea surface in the study of R-X image inversion of the sea surface wind field. In order to improve the accuracy of sea surface wind field inversion in HH polarimetric TerraSAR-X images, a polarizability model including both radar incidence angle and sea surface wind speed is introduced in this paper. In this paper, XPR2 is called XPR2.The XPR2 is fitted by 56 bipolar TS-X and TD-X images and corresponding ECMWF wind field data. 38 HH polarimetric TerraSA images are used to fit XPR2. R-X images and corresponding buoy measurements verify the validity of XPR2. The root mean square error (RMS) of XPR2 inversion is 1.79 m / s and the deviation is 0.68 m / s, which is better than that of XPR inversion (2.31 m / s). The deviation is 0.93 m / s, in addition, the SAR image based on the band polarization of Sentinel-1 is presented in this paper. A semi-empirical algorithm for inversion of effective wave heights and mean wave periods is proposed. The semi-empirical algorithm describes HSCs and truncated wavelengths. The empirical relationship between the angle of incidence and the direction of wave propagation and the direction of radar range. Till. We have collected 106 polarimetric Sentinel-1 SAR images and the corresponding buoy measured data. The sub-images corresponding to the buoy are collected from 106 SAR images, and 93 sub-images are used to fit the coefficients in the semi-empirical algorithm. The remaining 57 sub-images are used to verify the semi-empirical algorithm. The comparison results show that the RMSE of HSCs is 0.69 mSI is 18.3mBias is 0.11m. The RMSE of T _ 2M _ w is 1.86s / m ~ (-1) and the SI is 24.8%. The Bias is 0.62s. The results show that the Hs semi-empirical algorithm proposed in this paper is suitable for the inversion of wave parameters in SAR images of Sentinel-1.
【學(xué)位授予單位】：浙江海洋大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：P715

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳德文;商少平;商少凌;張文舟;;臺(tái)風(fēng)期間臺(tái)灣島周邊海域海面風(fēng)場(chǎng)特征的衛(wèi)星遙感研究[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年01期

2 王鐵;;合成孔徑雷達(dá)反演黃海海面風(fēng)場(chǎng)[J];海洋湖沼通報(bào);2007年04期

3 周鑫;丁菊麗;田偉;張帆;;海面風(fēng)場(chǎng)的數(shù)值模擬與反演的研究進(jìn)展[J];廣東氣象;2009年01期

4 韓延磊;李洪平;;遙感資料反演海面風(fēng)場(chǎng)的新方法研究[J];中國(guó)新技術(shù)新產(chǎn)品;2010年07期

5 蔣興偉;宋清濤;;基于微波散射計(jì)觀測(cè)的氣候態(tài)海面風(fēng)場(chǎng)和風(fēng)應(yīng)力場(chǎng)[J];海洋學(xué)報(bào)(中文版);2010年06期

6 周凱;陳希;李妍;毛科峰;王樓;陸正民;;兩種海面風(fēng)場(chǎng)的對(duì)比及對(duì)海浪模擬的影響[J];海洋預(yù)報(bào);2012年03期

7 張曉東;黃健;孫喜艷;黃金霞;鄭延慶;黃海燕;白玉潔;;2009年11月汕尾紅海灣海面風(fēng)場(chǎng)的觀測(cè)分析[J];熱帶氣象學(xué)報(bào);2012年03期

8 呂柯偉;胡建宇;楊小怡;;南海及鄰近海域海面風(fēng)場(chǎng)季節(jié)性變化的空間差異[J];熱帶海洋學(xué)報(bào);2012年06期

9 張雷;石漢青;龍智勇;杜華棟;張子楊;;星載合成孔徑雷達(dá)圖像反演海面風(fēng)場(chǎng)方法綜述[J];海洋通報(bào);2012年06期

10 錢志春;;海面風(fēng)場(chǎng)兩層診斷模式試驗(yàn)初步結(jié)果[J];浙江氣象科技;1989年01期

相關(guān)會(huì)議論文 前6條

1 邵偉增;孫建;管長(zhǎng)龍;;SAR圖像反演風(fēng)場(chǎng)的研究[A];“海洋動(dòng)力過程與天氣、氣候變化”聯(lián)合學(xué)術(shù)年會(huì)論文摘要集[C];2009年

2 徐國(guó)龍;;印度洋海面風(fēng)場(chǎng)時(shí)空分布特征及其變化趨勢(shì)分析[A];S12 水文氣象、地質(zhì)災(zāi)害氣象預(yù)報(bào)與服務(wù)[C];2012年

3 何斌;翟國(guó)慶;高坤;周蓓鋒;;云跡風(fēng)資料同化對(duì)海面風(fēng)場(chǎng)數(shù)值模擬的影響[A];首屆長(zhǎng)三角氣象科技論壇論文集[C];2004年

4 劉宇迪;;SAR資料海面風(fēng)場(chǎng)反演模式的對(duì)比研究[A];新世紀(jì)氣象科技創(chuàng)新與大氣科學(xué)發(fā)展——中國(guó)氣象學(xué)會(huì)2003年年會(huì)“地球氣候和環(huán)境系統(tǒng)的探測(cè)與研究”分會(huì)論文集[C];2003年

5 劉宇迪;;SAR資料反演海面風(fēng)場(chǎng)的對(duì)比研究及其變分質(zhì)量控制[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

6 潘顯明;高太長(zhǎng);吳維;;利用實(shí)測(cè)海流資料計(jì)算海面風(fēng)場(chǎng)的新方法[A];第五屆長(zhǎng)三角氣象科技論壇論文集[C];2008年

相關(guān)博士學(xué)位論文 前4條

1 馬艷;臺(tái)風(fēng)海面風(fēng)場(chǎng)的動(dòng)力分析、四維同化及數(shù)值試驗(yàn)[D];中國(guó)科學(xué)院海洋研究所;2000年

2 馮倩;多傳感器衛(wèi)星海面風(fēng)場(chǎng)遙感研究[D];中國(guó)海洋大學(xué);2004年

3 王振占;海面風(fēng)場(chǎng)全極化微波輻射測(cè)量[D];中國(guó)科學(xué)院研究生院（空間科學(xué)與應(yīng)用研究中心）;2005年

4 賈瑞才;基于航海雷達(dá)圖像的海面風(fēng)場(chǎng)反演算法研究[D];哈爾濱工程大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 高雅;HY-2衛(wèi)星風(fēng)場(chǎng)資料LAPS系統(tǒng)融合及其應(yīng)用研究[D];南京信息工程大學(xué);2015年

2 孫從從;基于衛(wèi)星數(shù)據(jù)的海表溫度異常與海面風(fēng)場(chǎng)及中國(guó)氣候的相關(guān)性分析[D];中國(guó)海洋大學(xué);2015年

3 陳坤堂;星載微波散射計(jì)神經(jīng)網(wǎng)絡(luò)方法反演海面風(fēng)場(chǎng)研究[D];中國(guó)科學(xué)院國(guó)家空間科學(xué)中心;2016年

4 徐霈霈;不同分辨率風(fēng)場(chǎng)強(qiáng)迫對(duì)海洋水動(dòng)力模擬的影響分析[D];天津科技大學(xué);2015年

5 王佳瑩;南海海面風(fēng)場(chǎng)、高度場(chǎng)和溫度場(chǎng)的變化趨勢(shì)及年際變化特征[D];國(guó)家海洋局第一海洋研究所;2016年

6 方賀;全極化SAR海浪參數(shù)提取和海面風(fēng)場(chǎng)反演新方法[D];南京信息工程大學(xué);2016年

7 張政;合成孔徑雷達(dá)提取海面風(fēng)、浪參數(shù)的研究[D];浙江海洋大學(xué);2017年

8 薄文波;渤海海面風(fēng)場(chǎng)數(shù)值模擬與預(yù)報(bào)研究[D];中國(guó)海洋大學(xué);2014年

9 陳德文;臺(tái)灣島周邊海域臺(tái)風(fēng)海面風(fēng)場(chǎng)及其模型化研究[D];廈門大學(xué);2006年

10 楊亮;基于遙感數(shù)據(jù)的西北太平洋海面風(fēng)場(chǎng)時(shí)空特征分析[D];國(guó)家海洋局第一海洋研究所;2007年

，

本文編號(hào)：1356827