一种制造技术

本发明专利技术公开了一种

【技术实现步骤摘要】
一种SAR海洋产品数据反演SAR距离向流速的方法


[0001]本专利技术涉及合成孔径雷达
，具体是涉及一种合成孔径雷达海洋产品反演距离向流速的模型构建方法
。

技术介绍

[0002]事实上，海表面海流是上层海洋动力学的一个重要方面，海洋环流在气候变化中起着至关重要的作用
。
尽管洋流通常是通过船上仪器观测的，但全球洋流监测仍然是一个巨大的挑战
。
众所周知，合成孔径雷达
(
英文全称：
Synthetic Aperture Radar,
英文缩写：
SAR)
可用于具有精细空间分辨率的海面监测，即在四极化模式下获取的中国高分三号
(GF
‑
3)
的
8m
像素大小
。
在过去的几十年里，从
SAR
图像中提取上层海洋动力学和目标检测的算法已经得到了很好的发展，即风
、
波浪
、
海冰和漏油，特别是对于极端海洋状况和热带气旋
(
英文全称：
Tropical Cyclone,
英文缩写：
TC)
中的暴雨
。
[0003]原则上，洋流引起的剪切和辐合会影响海况，导致
SAR
粗糙度的变化，这种行为在锋面优势区的
SAR
图像中可以明显观察到
。
假设两种方法适用于从雷达视线方向的
SAR
图像中进行流速反演
。
一种技术，表示为沿轨道
INSAR(ATI)
，依赖于两个接收天线之间的相位信息
。
对于单波束
SAR
，与多普勒频移
(
英文全称：
Doppler Centroid Anomaly
，英文缩写：
DCA)
相关的多普勒频移频率有助于解释后向散射粗糙度模式与上层海洋动力学之间的关系，因为短周期波和海面流都对
DCA
产生影响
。
在文献中，雷达观察方向上的流速可以从
DCA
中反演出来，因为当时知道波的贡献
。
自
2016
年以来，作为
Envisat
‑
ASAR
的继任者，在
C
波段运行的
Sentinel
‑
1(S
‑
1)
正式提供了存储在海洋
(OCN)
产品中的
DCA、
风和波反演信息
。
这为定量分析上层海洋动力学对
DCA
的依赖性提供了机会
。

技术实现思路

[0004]根据前人的研究发现，大数据时代背景下，在
C
波段运行的
Sentinel
‑
1(S
‑
1)
提供了海洋
(OCN)
产品数据，在本专利技术中，借助
OCN
产品数据中的
DCA、
风和波浪反演的信息，探索这些信息与海面流之间的依赖关系
。
在此基础上，提出了一种实用的
SAR
距离向上的流速反演算法
。
将该算法应用于所有图像，并与
HYCOM
数据进行了验证
。
所述技术方案如下：
[0005]一种
SAR
海洋产品数据反演
SAR
距离向流速的方法，其包括：
[0006]获取合成孔径雷达的海洋产品数据
、HYCOM
数据；
[0007]利用海洋产品数据和
HYCOM
数据确定
DCA
多普勒频移与斯托克斯漂移
、
风速和流速之间在
SAR
距离向上的映射关系；
[0008]根据所述映射关系构造一种基于深度学习的海洋产品数据反演
SAR
距离向流速的反演模型；
[0009]验证所述反演模型的准确性；
[0010]采用所述模型预测根据合成孔径雷达的海洋产品数据反演
SAR
距离向流速
。
[0011]本专利技术的进一步改进在于，获取合成孔径雷达的海洋产品数据
、HYCOM
数据，具体
包括：
[0012]收集
Sentinel
‑1的
OCN
数据作为海洋产品数据；
OCN
数据中包括波束中心的雷达回波频移
(
称为测量多普勒频移
)、
与卫星速度和地球自转相关的预测多普勒频移
、SAR
反演的风速和海浪参数；
HYCOM
数据为采用开放数据源
HYCOM
模拟的海面流场，其空间分辨率为～
0.08
°
，间隔3小时
。
[0013]本专利技术的进一步改进在于，利用海洋产品数据和
HYCOM
数据确定
DCA
多普勒频移与斯托克斯漂移速度
、
风速和流速之间在
SAR
距离向上的关系，具体包括：
[0014]将获取的海洋产品数据和
HYCOM
数据，根据海洋产品数据和
HYCOM
数据中的变量计算对应的
DCA
多普勒频移与斯托克斯漂移速度
、
风速和流速，并将其都分解到
SAR
距离向上，然后将海洋产品数据与
HYCOM
数据进行充分的协同定位，得到数据集；并将数据集中的三分之二用于训练基于深度学习的距离向流速的反演模型，其余用于验证
。
[0015]本专利技术的进一步改进在于，所述反演模型为神经网络模型，表示为多层感知器；按照以下步骤构建基于深度学习的
SAR
距离向流速的反演模型；
[0016](1)
将获得的海洋产品数据计算每个数据的
DCA
多普勒频移
、
斯托克斯漂移和风速在
SAR
距离向上的分量以及雷达入射角；
[0017](2)
将
HYCOM
数据中的流速将其分解到对应的
SAR
距离向上；
[0018](3)
将海洋产品数据与
HYCOM
数据集进行协同定位，获得模型的训练数据集；
[0019](4)
将数据集中的三分之二数据用于模型的训练，三分之一的数据用于模型的验证；
[0020](5)
将反演模型用于预测单幅
SAR
图像的
SAR
距离向流速<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种
SAR
海洋产品数据反演
SAR
距离向流速的方法，其特征在于，包括：获取合成孔径雷达的海洋产品数据
、HYCOM
数据；利用海洋产品数据和
HYCOM
数据确定
DCA
多普勒频移与斯托克斯漂移
、
风速和流速之间在
SAR
距离向上的映射关系；根据所述映射关系构造一种基于深度学习的海洋产品数据反演
SAR
距离向流速的反演模型；验证所述反演模型的准确性；采用所述模型预测根据合成孔径雷达的海洋产品数据反演
SAR
距离向流速
。2.
根据权利要求1所述的一种
SAR
海洋产品数据反演
SAR
距离向流速的方法，其特征在于，获取合成孔径雷达的海洋产品数据
、HYCOM
数据，具体包括：收集
Sentinel
‑1的
OCN
数据作为海洋产品数据；
OCN
数据中包括波束中心的雷达回波频移
、
与卫星速度和地球自转相关的预测多普勒频移
、SAR
反演的风速和海浪参数；
HYCOM
数据为采用开放数据源
HYCOM
模拟的海面流场，其空间分辨率为～
0.08
°
，间隔3小时
。3.
根据权利要求1所述的一种
SAR
海洋产品数据反演
SAR
距离向流速的方法，其特征在于，利用海洋产品数据和
HYCOM
数据确定
DCA
多普勒频移与斯托克斯漂移速度
、
风速和流速之间在
SAR
距离向上的关系，具体包括：将获取的海洋产品数据和
HYCOM
数据，根据海洋产品数据和
HYCOM
数据中的变量计算对应的
DCA
多普勒频移与斯托克斯漂移...

【专利技术属性】
技术研发人员：邵伟增，胡宇逸，姚如，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：