張保衛(wèi)，郭建忠，成毅，張耀南，馮立強

(1.中國人民解放軍戰(zhàn)略支援部隊信息工程大學(xué)，鄭州 450001；2.河南大學(xué) 地理與環(huán)境學(xué)院，河南 開封 475000；3.河南省時空大數(shù)據(jù)產(chǎn)業(yè)技術(shù)應(yīng)用研究院，鄭州 450001；4.中國科學(xué)院西北生態(tài)環(huán)境資源研究院，蘭州 730000；5.中國科學(xué)院海洋研究所 海洋大數(shù)據(jù)中心，山東 青島 266071)

0 引言

合成孔徑雷達(dá)(synthetic aperture radar，SAR)反演海面風(fēng)速的原理是假定風(fēng)向恒定或變化不大的情況下，風(fēng)會對海面產(chǎn)生拖拽效應(yīng)，進而改變由大氣-海洋邊界層不穩(wěn)定性產(chǎn)生的海面粗糙度。SAR發(fā)射的微波信號對海面粗糙度變化十分敏感，可以得到SAR圖像中海面的后向散射信號，并根據(jù)其與海面風(fēng)向、風(fēng)速以及雷達(dá)入射角之間的關(guān)系，實現(xiàn)從SAR圖像中反演海面風(fēng)場(風(fēng)速和風(fēng)向)[1]?；赟AR數(shù)據(jù)反演海面風(fēng)場通常要先獲取海面風(fēng)向，并同雷達(dá)入射角、雷達(dá)視向、歸一化雷達(dá)后向散射系數(shù)(normalized radar cross section，NRCS)一并作為已知輸入?yún)?shù)，輸入到地球物理函數(shù)(geophysical model function，GMF)中，通過迭代計算，進而實現(xiàn)海面的風(fēng)速反演[2]?；贓RS-1/2衛(wèi)星上C波段垂直(VV)極化的散射計數(shù)據(jù)，歐洲中長期預(yù)報中心設(shè)計了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表現(xiàn)最優(yōu)。雖然這類模型是基于VV極化的散射計擬合得到的經(jīng)驗?zāi)Ｐ停诮?jīng)過大量SAR數(shù)據(jù)測試后，證實了CMOD在SAR數(shù)據(jù)上同樣適用[3]。

隨著SAR長時序觀測數(shù)據(jù)的積累，Lu等[4]基于Radarsat-2和Sentinel-1VV極化數(shù)據(jù)，建立了C_SARMOD2模型。而對于HH極化SAR數(shù)據(jù)在海面風(fēng)速反演時，由于沒有直接可用的GMF，需借助極化率模型與GMF相結(jié)合的方式進行風(fēng)速反演，但引入極化率模型會存在帶來潛在誤差的可能，進而可能造成風(fēng)速反演精度欠佳。于是，Zhang等[5]基于Envisat ASAR數(shù)據(jù)，建立了可直接適用于HH極化SAR數(shù)據(jù)的風(fēng)速模型CMODH，該模型無需借助極化率模型進行轉(zhuǎn)化，可直接進行海面風(fēng)速反演[6]。

本文旨在解決基于HH極化SAR數(shù)據(jù)風(fēng)速反演最優(yōu)模型選擇的問題。因此，選取Sentinel-1 HH極化SAR影像[7]，利用K_Model、CMOD 5.N、C_SARMOD 2和CMODH模型進行海面風(fēng)速反演。首先，將模型分為無需極化率模型(K_Model和CMODH)和需要極化率(CMOD 5.N和C_SARMOD 2) 兩類；之后，將兩類模型的風(fēng)速反演結(jié)果同NDBC海洋浮標(biāo)觀測風(fēng)速進行對比分析；最后，通過決定系數(shù)、均方根誤差、偏差和標(biāo)準(zhǔn)差評價這兩類模型風(fēng)速反演的精度，以選擇出HH極化SAR數(shù)據(jù)在風(fēng)速反演上的最優(yōu)模型。

1 數(shù)據(jù)與方法

1.1 實驗數(shù)據(jù)

1)HH極化SAR數(shù)據(jù)及預(yù)處理。為了評估不同模型對于HH極化SAR圖像的風(fēng)速反演的能力，共收集了24幅Sentinel-1HH極化SAR圖像，其中超寬(EW)和干涉寬(IW)模式分別為19幅和5幅。

原始SAR數(shù)據(jù)預(yù)處理的主要目的是將SAR圖像中的灰度值轉(zhuǎn)換為NRCS，賦予其坐標(biāo)系統(tǒng)，剔除其他干擾因素的影響等。本文基于SNAP (sentinel application platform)對Sentinel-1 SAR L1地距影像(ground range detected，GRD)進行了輻射定標(biāo)、噪聲移除、幾何校正、亮斑移除。

2)NDBC浮標(biāo)數(shù)據(jù)。NDBC(National Data Buoy Center)風(fēng)場數(shù)據(jù)是來自美國國家海洋和大氣管理局(National Oceanic and Atmospheric Administration，NOAA)可免費獲取的海面風(fēng)場資料(https：//www.ndbc.noaa.gov/)，本文將其作為驗證數(shù)據(jù)。NDBC作為實測風(fēng)速應(yīng)滿足兩個條件：浮標(biāo)站點需在SAR影像內(nèi)、二者的時間間隔小于30 min。本文共選取11個浮標(biāo)數(shù)據(jù)，分布在佛羅里達(dá)州沿岸，如圖1所示。

圖1 NDBC浮標(biāo)位置

由于NDBC浮標(biāo)上的風(fēng)速計測量的是海平面以上不同高度的風(fēng)速，而GMF反演結(jié)果是距海面10 m處的中性風(fēng)速，因此利用等效風(fēng)速轉(zhuǎn)化公式將所有浮標(biāo)數(shù)據(jù)都轉(zhuǎn)換為10 m高度處的等效中性風(fēng)，如式(1)所示。

v(z10)=v(zm)*ln (z10/z0)/ln (zm/z0)

(1)

式中：v(z10)和v(zm)分別表示10 m處和在mm處風(fēng)速；z10和zm分別表示10 m和mm高度；z0為常數(shù)(1.52×10-4)。

1.2 風(fēng)速反演模型

為了評估風(fēng)速反演的精度，使用HH極化SAR圖像和浮標(biāo)測量進行了案例和統(tǒng)計驗證。此外，對比了需要極化率模型和無需極化率模型在反演風(fēng)速上的精度，以獲取最優(yōu)的風(fēng)速反演模型。

1)K_Model。為了將風(fēng)向?qū)︼L(fēng)速估計的影響降至最低，Komarov等[8]提出了一種無風(fēng)向輸入的新模型，該模型是由347幅Radarsat-1 HH pol圖像和浮標(biāo)數(shù)據(jù)的組合。

2)CMOD 5.N。CMOD5.N是基于CMOD5的基礎(chǔ)上對后者進行了優(yōu)化得到的模型[9]，模型函數(shù)的內(nèi)部算法并未變化，優(yōu)化部分是模型的可調(diào)系數(shù)。經(jīng)過參數(shù)優(yōu)化后，模型修正了存在的低估誤差(0.5 m/s)，并降低了可能存在的大氣分層導(dǎo)致的誤差，使CMOD 5.N模型更能反映實際海面狀況。

3)C_SARMOD 2。文獻(xiàn)[2]采用與CMOD 5一樣的方法，并考慮Radarsat-2(RS-2)和Sentinel-1(S1) A SAR圖像中海面后向散射的上下風(fēng)差異來獲得函數(shù)中b2參數(shù)，構(gòu)建了一個新模型C_SARMOD 2。該模型包含32個參數(shù)，與CMOD 5和CMOD 5.N略有不同。

4)CMODH。文獻(xiàn)[6]提出，與VV極化NRCS類似，HH極化NRCS也取決于雷達(dá)入射角、風(fēng)速和方向，并通過入射角、風(fēng)速和相對風(fēng)向的非線性映射函數(shù)來描述HH極化下的NRCS，進而構(gòu)建了CMODH模型。

該模型無需使用極化率模型進行NRCS轉(zhuǎn)換，可以直接使用HH極化下獲得的C波段SAR圖像直接反演海洋表面風(fēng)速。

5)極化率模型。CMOD函數(shù)的共同點在于，是為VV極化風(fēng)速反演而構(gòu)建的。因此，利用極化率(polarization ratio，PR)模型將HH極化 NRCS轉(zhuǎn)換為VV極化 NRCS，進而用于HH 極化SAR數(shù)據(jù)風(fēng)速反演。

本文所用的極化率模型分為兩類。第一類為極化率模型僅依賴于入射角，如式(2)所示。

(2)

式中：PR為極化率；θ為雷達(dá)入射角。

第二類為極化率模型依賴于入射角和風(fēng)參數(shù)，如式(3)所示。

PR=A*exp(Bθ)+C

(3)

式中：PR為極化率；θ為雷達(dá)入射角;α、A、B、C為常數(shù)，如表1所示。

表1 雷達(dá)與入射角θ相關(guān)的極化率模型公式

2 結(jié)果

基于圖2的反演流程對24幅Sentinel-1 HH極化SAR數(shù)據(jù)進行風(fēng)速反演，并將反演結(jié)果同NDBC浮標(biāo)數(shù)據(jù)中的風(fēng)速進行對比，結(jié)果如表2所示。由表2可知，在無需極化率轉(zhuǎn)換的風(fēng)速模型中，CMODH的風(fēng)速反演結(jié)果與浮標(biāo)觀測風(fēng)速的決定系數(shù)為0.945，均方根誤差為1.59 m/s，偏差為0.68 m/s。CMODH與其他模型相比，決定系數(shù)、均方根誤差和偏差表現(xiàn)最優(yōu)。K_Model模型3個指數(shù)分別為0.934、1.71 m/s和0.79，模型反演結(jié)果均滿足海面風(fēng)速反演要求。雖然在標(biāo)準(zhǔn)差方面，K_Model略優(yōu)于CMODH，但是綜合4個指數(shù)來看，CMODH優(yōu)于K_Model模型。

表2 模型反演性能參數(shù)比較

在需要極化率的模型中，PR_Z與C_SARMOD2的組合表現(xiàn)最優(yōu)，4個指數(shù)(決定系數(shù)、均方根誤差、偏差、標(biāo)準(zhǔn)差)依次是0.689、3.39、-1.13、1.87。這類模型中，PR_Z和PR_L與C_SARMOD2的組合，6種極化率(PR_T、PR_H、PR_V、PR_E、PR_M、PR_L)與CMOD5.N的組合模型反演結(jié)果能均滿足海面風(fēng)速反演要求。

總體而言，無需極化率的模型風(fēng)速反演精度優(yōu)于需要極化率的模型。其原因在于，極化率的引入可能會導(dǎo)致不可知的誤差。而且，在無需極化率的模型中，CMODH的表現(xiàn)要明顯好于K_Model模型，說明了對于HH極化SAR進行風(fēng)速反演過程中相對風(fēng)向是不可忽略的重要因子之一。

3 討論

在兩類模型中，僅有CMODH和C_SARMOD2兩個模型在模型構(gòu)建過程中將Sentinel-1數(shù)據(jù)考慮進去?？紤]到不同SAR數(shù)據(jù)的信噪比是不同的，如RS-2具有比S1-1A/B更低的噪聲等效后向散射系數(shù)(noise equivalent sigma zero，NESZ)，這可能是CMODH和C_SARMOD2模型在同類模型中表現(xiàn)優(yōu)異的原因之一。

在無需極化率模型中，CMODH的模型反演結(jié)果優(yōu)于K_Model，造成這種結(jié)果可能還包括前者是基于ENVISA T/ASAR(2 700幅)、RS-2(1 352幅)和Sentinel-1(107幅)數(shù)據(jù)進行模型構(gòu)建和驗證，而后者是僅基于RS-1(347幅)和RS-2(84幅)數(shù)據(jù)進行模型構(gòu)建和驗證。因為二者都是經(jīng)驗擬合模型，數(shù)據(jù)量的大小對模型的精度具有決定性作用，這也可能是形成二者在風(fēng)速反演精度表現(xiàn)差異的原因之一。其次，較K_Model模型，CMODH的輸入?yún)?shù)引入了相對風(fēng)向這個變量，這也可能是提高其精度的因素之一。

在需要極化率模型中，極化率模型的引入可能存在不可量化的誤差，這也許是造成該類模型反演精度表現(xiàn)不佳的原因之一。

4 結(jié)束語

SAR數(shù)據(jù)以其高空間分辨率、多極化以及多成像模式的特點在海面風(fēng)場研究中展示出獨特的優(yōu)勢。利用SAR數(shù)據(jù)進行海面風(fēng)場反演中，GMF描述了海面風(fēng)矢量與雷達(dá)NRCS之間的關(guān)系，由于缺少精確的理論支持，這種關(guān)系是經(jīng)驗性的。因此，在海洋風(fēng)場反演過程中選擇合適的GMF是至關(guān)重要的，它的準(zhǔn)確性直接影響了風(fēng)速反演結(jié)果的精度。

本研究基于HH極化SAR數(shù)據(jù)對比了需要極化率模型和無需極化率模型在風(fēng)速反演中的精度。結(jié)果發(fā)現(xiàn)，極化率的引入可能會在風(fēng)速反演中導(dǎo)致新的誤差，無需極化率模型反演的風(fēng)速精度優(yōu)于需要極化率模型。而在無需極化率模型中，將相對風(fēng)向這個變量加以考慮可能是CMODH表現(xiàn)最佳的原因之一。GMF模型雖然能夠滿足海面風(fēng)場反演需求，今后想要獲取更高精度的海面風(fēng)場數(shù)據(jù)，不僅需要考慮海面風(fēng)場的物理機制，而且需要大量的SAR數(shù)據(jù)和實測風(fēng)場數(shù)據(jù)的支持。