布金偉

昆明理工大學(xué)國(guó)土資源工程學(xué)院,云南 昆明 650093

星載GNSS-R是一種利用地球表面反射的GNSS信號(hào)監(jiān)測(cè)地球物理參數(shù)的新興遙感技術(shù),因其具有時(shí)空分辨率高、觀測(cè)成本低、覆蓋范圍廣和全天候運(yùn)行等獨(dú)特優(yōu)勢(shì),已在陸地和海洋遙感領(lǐng)域得到了廣泛應(yīng)用。論文側(cè)重于利用CYGNSS任務(wù)收集的星載GNSS-R數(shù)據(jù)研究海面降雨強(qiáng)度及風(fēng)速和浪高反演方法,主要研究?jī)?nèi)容涵蓋星載GNSS-R數(shù)據(jù)質(zhì)量控制、時(shí)延多普勒?qǐng)D(DDM)特征觀測(cè)值提取、海面降雨檢測(cè)和強(qiáng)度反演建模、海面風(fēng)速反演建模、海面浪高反演建模、海面降雨強(qiáng)度及風(fēng)速和浪高聯(lián)合反演幾個(gè)方面。主要研究成果和貢獻(xiàn)如下。

(1) 針對(duì)降雨檢測(cè)和強(qiáng)度反演中采用傳統(tǒng)的噪底減法對(duì)DDM圖像去噪效果不佳的問(wèn)題,提出了基于BM3D、小波變換和積分圖像加速的非局部均值算法進(jìn)行DDM圖像去噪,去噪效果顯著優(yōu)于噪底減法;在降雨檢測(cè)中,提出了基于概率密度函數(shù)(PDF)、支持向量機(jī)(SVM)、隨機(jī)森林(RF)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)的降雨檢測(cè)方法,試驗(yàn)結(jié)果表明,這些方法準(zhǔn)確度高,尤其是CNN方法檢測(cè)精度最高;在降雨強(qiáng)度反演中,首次實(shí)現(xiàn)了基于星載GNSS-R的海面降雨強(qiáng)度估計(jì),提出了風(fēng)速影響校正經(jīng)驗(yàn)?zāi)Ｐ?構(gòu)建了雙和三觀測(cè)值經(jīng)驗(yàn)組合模型。試驗(yàn)結(jié)果表明,降雨強(qiáng)度估計(jì)性能可高達(dá)3.03 mm/h;針對(duì)組合模型精度提升有限的問(wèn)題,提出了基于機(jī)器學(xué)習(xí)方法的前饋神經(jīng)網(wǎng)絡(luò)(FFNN)模型,與經(jīng)驗(yàn)?zāi)Ｐ头椒ㄏ啾?FFNN模型反演精度提高了大約28.38%。

(2) 構(gòu)建了基于NBRCS和LES觀測(cè)值的風(fēng)速反演經(jīng)驗(yàn)?zāi)Ｐ?。為改善單一觀測(cè)值反演精度低的問(wèn)題,提出了一個(gè)基于最小方差估計(jì)(MVE)的風(fēng)速反演組合模型;針對(duì)經(jīng)驗(yàn)?zāi)Ｐ碗y以描述幾何參數(shù)和海況參數(shù)的影響,提出了一個(gè)深度學(xué)習(xí)模型框架(GloWS-Net),用于反演海面風(fēng)速。結(jié)果表明,基于MVE方法的組合模型相比LES觀測(cè)值模型反演精度提升15%,相比MVE方法,GloWS-Net模型反演精度提升了10.31%。與先前的模型(如全連接網(wǎng)絡(luò)(FCN)、CNN)相比,GloWS-Net模型在反演高風(fēng)速方面性能更好。

(3) 針對(duì)信噪比方法構(gòu)建的經(jīng)驗(yàn)?zāi)Ｐ筒贿m用于高海況條件下反演海面有效波高(SWH)的問(wèn)題,分別提出了基于積分時(shí)延波形和中心時(shí)延波形的兩項(xiàng)指數(shù)函數(shù)模型;為了解決DDMA或LES-IDW觀測(cè)值模型反演精度較低和現(xiàn)有線性組合模型精度提高有限的問(wèn)題,分別引入了MVE方法和粒子群優(yōu)化(PSO)方法構(gòu)建組合模型。針對(duì)PSO算法局部?jī)?yōu)化問(wèn)題,提出了一個(gè)基于模擬退火(SA)和PSO結(jié)合的組合模型(SA-PSO)。為進(jìn)一步提高反演精度,提出了一個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)模型。結(jié)果表明,MVE、PSO以及SA-PSO方法的反演精度相比加權(quán)平均模型分別提高了11.24%、17.91%和23.51%。DCNN模型反演精度相比傳統(tǒng)的CNN模型和FCN模型分別提高了43.14%和27.5%。

(4) 針對(duì)已有工作僅側(cè)重單一參數(shù)反演的問(wèn)題,選取中國(guó)附近海洋為研究區(qū)域,提出了一種適用于星載GNSS-R海面降雨強(qiáng)度和風(fēng)浪的聯(lián)合反演方法,該方法特別考慮了這些參數(shù)之間的相互影響。通過(guò)校正涌浪和風(fēng)速影響提出了一種分風(fēng)速區(qū)段的降雨檢測(cè)方法,該方法檢測(cè)精度高。通過(guò)同時(shí)校正風(fēng)速和涌浪影響,降雨強(qiáng)度反演精度約2 mm/h。通過(guò)事先進(jìn)行降雨檢測(cè)排除降雨干擾后,風(fēng)速反演精度提高了大約5%。通過(guò)考慮風(fēng)速影響和排除降雨干擾后,SWH反演精度改善了大約18%。最后,構(gòu)建DCNN模型反演涌浪SWH,結(jié)果表明,排除降雨干擾后,涌浪SWH反演精度優(yōu)于0.20 m。