戚纖云, 周云軒, 田 波, 于 鵬

(華東師范大學(xué)河口海岸學(xué)國家重點(diǎn)實驗室,上海 200062)

基于Sentinel-1A的長江口近岸風(fēng)矢量場反演研究

戚纖云, 周云軒, 田 波, 于 鵬

(華東師范大學(xué)河口海岸學(xué)國家重點(diǎn)實驗室,上海 200062)

選取長江口外近岸海域,以歐空局發(fā)射的Sentinel-1A為SAR圖像數(shù)據(jù)源,利用多級小波變換和傅里葉變換獲得高精度風(fēng)向信息,再利用基于GMF的3種CMOD系列模型反演風(fēng)速,最后將反演結(jié)果與同時相的ECMWF模式風(fēng)場數(shù)據(jù)以及五組實測數(shù)據(jù)進(jìn)行對比.結(jié)果表明,除個別包含復(fù)雜紋理特征的SAR子圖像以外,SAR風(fēng)場反演精度整體優(yōu)于ECMWF模式風(fēng)場.經(jīng)過多級小波變換后的風(fēng)向反演結(jié)果更優(yōu),均方根誤差分別為31.6°,29.7°,23.5°.經(jīng)過二級小波變換之后的整景SAR圖像結(jié)合風(fēng)向信息代入到CMOD系列模型中反演得到的風(fēng)速精度最優(yōu),均方根誤差控制在0.8 m/s.比較適合長江口外近海海域的是MOD-IFR2和CMOD4,均方根誤差分別為1.08 m/s和1.05 m/s.

合成孔徑雷達(dá)SAR; 風(fēng)場反演; 小波變換; 傅里葉變換;CMOD系列模型

0 引 言

作為海洋環(huán)境的關(guān)鍵要素之一,海表風(fēng)場數(shù)據(jù)的獲取方法有很多.相比于浮標(biāo)零星的數(shù)據(jù)覆蓋度,散射計較低的分辨率,合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)因其分辨率高、穿透能力強(qiáng)、重訪周期短,具有十分廣闊的前景.近年來,利用SAR影像對海氣交互作用、海表流、內(nèi)波、油跡監(jiān)測和淺海水下地形反演等方面的研究快速發(fā)展[1].

利用SAR反演風(fēng)場信息包括風(fēng)向提取和風(fēng)速反演兩部分.SAR影像上的風(fēng)致條紋最初是由Gerling等[2]發(fā)現(xiàn)的,之后Fetterer[3]和Muller[4]以及Wackerman等[5]進(jìn)一步驗證了風(fēng)致條紋的風(fēng)向提取能力.利用風(fēng)致條紋提取風(fēng)向主要有三種方法:①是Gerling等提出的根據(jù)傅里葉變換(Fast Fourier transform,FTT)分析頻譜域的波譜能量峰提取風(fēng)向[5];②是Horstmann等提出的利用局部梯度(Local Gradient,LG)的方法分析空間域上的梯度風(fēng)[6-7];③是利用小波變換或與傅里葉變換相結(jié)合提取風(fēng)向[8-11].利用SAR風(fēng)速反演這種方法主要基于兩種方式:一種是結(jié)合散射計實測數(shù)據(jù)的半經(jīng)驗?zāi)Ｐ?EP,Empirical Model),另一種是基于電磁計算,即建立電磁模型(EM,Electromagnetic Model)[12].其中,基于地球物理模式函數(shù)(Geophysical Model Function,GMF)的CMOD系列模型包括CMOD4、CMODIFR2、CMOD5、CMOD5.n、CMOD7等.各種研究表明CMOD系列模型獲取中性風(fēng)場信息是最簡便、使用率最高的方法[13].國內(nèi)研究也集中在應(yīng)用CMOD系列模型并作相關(guān)改進(jìn)的研究[14-15].隨著SAR衛(wèi)星技術(shù)的飛速發(fā)展,針對不同的研究區(qū)域和不同類型的SAR數(shù)據(jù)源,選擇合適的反演方法,對于提高SAR反演海表風(fēng)場的精度十分重要.同時,相應(yīng)的精度驗證和適用性研究也是非常必要的.在這些研究中,大部分研究者對于反演精度驗證,采用的是將模式風(fēng)場作為驗證數(shù)據(jù),但是兩種風(fēng)場數(shù)據(jù)的分辨率并不相同,需要將反演得到的風(fēng)場插值到模式風(fēng)場中,并且作為模式風(fēng)場資料同化來源的散射計數(shù)據(jù)受陸地影響較大,并不能很好地反映出近岸海表風(fēng)場的真實情況.所以,為了提高驗證的合理性和準(zhǔn)確性,本文結(jié)合出海采集到的實測點(diǎn)數(shù)據(jù)與模式風(fēng)場數(shù)據(jù)共同作為驗證數(shù)據(jù)進(jìn)行分析.

1 研究區(qū)及數(shù)據(jù)

2014年,歐空局發(fā)射了Sentinel-1(C-band)系列雷達(dá)衛(wèi)星,該系列包含Sentinel-1A和Sentinel-1B兩顆衛(wèi)星,接替和改進(jìn)已經(jīng)退役的ENVISAT-ASAR[16].Sentinel-1采用太陽同步軌道,軌道高度693 km,傾角98.18°;2016年Sentinel-1B發(fā)射后,Sentinel-1的重訪周期變?yōu)? d[17].本文用到的SAR數(shù)據(jù)類型為地距影像(Ground Range Detected,GRD)、干涉測量寬幅模式(IW)、幅寬為240 km、單視分辨率為5 m×20 m(距離向×方位向)、VV極化方式、軌道方向上行,圖像成像時間是2016年6月8日09:54.兩種驗證數(shù)據(jù)分別是實測風(fēng)場數(shù)據(jù)和歐洲中期天氣預(yù)報中心(European Centre for Medium-Range Weather Forecasts,ECMWF)提供的模式風(fēng)場數(shù)據(jù).其中實測數(shù)據(jù)是Sentinel-1A過境時刻的佘山氣象站實測數(shù)據(jù)以及出海采集的5個實測點(diǎn)風(fēng)場數(shù)據(jù)(使用WindLog風(fēng)向風(fēng)速儀測量),如表1所示.覆蓋了5個實測點(diǎn)的試驗區(qū)域如圖1所示,作為后續(xù)反演精度的驗證區(qū)域.ECMWF模式風(fēng)場是取2016年6月8日9:00和12:00兩組數(shù)據(jù)后插值得到的同時相的距離海表10 m高的風(fēng)場數(shù)據(jù),分辨率為 0.125°×0.125°.

表1 實測數(shù)據(jù)Tab.1 In-situ data

圖1 試驗數(shù)據(jù)地理位置示意圖Fig.1 Geographic locations of SAR images and in-situ data

2 方法及預(yù)處理

2.1 方法概述

本文首先對整景SAR圖像進(jìn)行一系列預(yù)處理,得到的后向散射系數(shù)波段經(jīng)過多級小波變換后,提取各級包含主要信息的低頻分量,將其進(jìn)行二維傅里葉變換即利用風(fēng)致條紋提取風(fēng)向信息,再將風(fēng)向信息以及相關(guān)的雷達(dá)參數(shù)一并代入到3種CMOD模型得到風(fēng)速.最后將反演得到的風(fēng)場結(jié)果與實測數(shù)據(jù)和ECMWF模式風(fēng)場數(shù)據(jù)進(jìn)行精度驗證分析,流程圖如圖2所示.

2.2 圖像預(yù)處理

ESA提供下載的Sentinel-1A圖像是level1數(shù)據(jù),需要進(jìn)行的預(yù)處理包括輻射定標(biāo)、重采樣、濾波、地形校正、陸地掩膜和船只光斑濾除.其中的σ0波段是圖像上的DN值,即遙感圖像上的像元亮度值,需要根據(jù)輻射標(biāo)定表(LUTs)中所對應(yīng)的絕對校準(zhǔn)常數(shù)進(jìn)行輻射定標(biāo),轉(zhuǎn)化為歸一化雷達(dá)后向散射截面σ0.再將斜距分辨率約為8.5 m×9.9 m的SAR原始數(shù)據(jù)重采樣為10 m×10 m.將SAR圖像固有的椒鹽斑點(diǎn)噪聲通過濾波處理消除,采用了3×3像素的Lee濾波窗口對SAR圖像上的高頻噪點(diǎn)進(jìn)行降噪處理.除此之外,SAR圖像需要地形校正補(bǔ)償因地形變化和衛(wèi)星傳感器的傾斜產(chǎn)生的扭曲.該景SAR圖像覆蓋了陸地和海面,因此需要進(jìn)行陸地掩膜,消除陸地以及人造地物等對海表風(fēng)場反演的干擾.長江口口外分布著眾多從航道駛出的船只,因其不同的介電常數(shù)和特有的幾何形狀,在SAR圖像上表現(xiàn)為光斑,本研究中根據(jù)其明顯的后向散射系數(shù)特征進(jìn)行船只光斑濾除.經(jīng)過一系列預(yù)處理的SAR圖像見圖3,可以看到陸地已經(jīng)被掩膜,僅剩部分近期促淤圍墾的灘涂,因粗糙度遠(yuǎn)遠(yuǎn)高于海面,所以呈現(xiàn)亮度較高的狀態(tài),比較容易分辨.其次,長江口三級分汊、四口入海處的交界處海面線性條紋特征明顯.除此之外,圖像上仍包含一些光斑噪點(diǎn),也是后續(xù)操作中需要去除的高頻信息.

圖2 Sentinel-1A圖像反演海表風(fēng)矢量場流程圖Fig.2 Flowchart of sea surface wind vector field inversion based on Sentinel-1A

圖3 預(yù)處理后的2016年6月7日長江口近岸Sentinel-1A圖像Fig.3 Preprocessed Sentinel-1A image located in Yangtze Estuary offshore on June 7,2016

3 SAR海表風(fēng)場反演

3.1 SAR海表風(fēng)向提取

3.1.1 SAR提取海表風(fēng)向物理機(jī)制

散射計具有多個天線,以不同入射角觀測地面和海表,可以直接獲取風(fēng)矢量信息.單一天線的SAR只能間接獲得風(fēng)場信息[18].因此建立后向散射系數(shù)與風(fēng)矢量場之間的關(guān)系成為了該研究方向的重點(diǎn).研究表明SAR后向散射系數(shù)與海面粗糙度有關(guān),這是由于海洋大氣導(dǎo)致海表輻聚和輻散,從而引起粗糙度變化,顯示出交錯的明暗條紋,間接反映出風(fēng)向信息[19].傅里葉變換和局部梯度法都是基于上述原理提取風(fēng)向的.

3.1.2 小波變換

利用小波變換將SAR圖像進(jìn)行多級分解后提取具有主要信息的低頻分量,選取合適的低頻分量再進(jìn)行傅里葉變換得到風(fēng)向.經(jīng)過信號重構(gòu)后的風(fēng)向信息再代入到CMOD模型中,縮小風(fēng)向的反演誤差,進(jìn)而提高風(fēng)速反演精度.

設(shè)f(t)、φ(t)是平方可積函數(shù),L2(R)代表平方可積函數(shù)空間,且f(t)、φ(t)∈L2(R),則信號f(t)的一維離散小波變換為[20]

公式中,〈f(t),φj,k(t)〉是 f(t)與 φj,k(t)的內(nèi)積.如果,{φj,k(t)}j,k∈Z是 L2(R)的標(biāo)準(zhǔn)正交基,則公式為正交離散小波變換,公式變化為

其中,djk〈f(t),φj,k(t)〉是第j尺度下k位置上的離散小波變換系數(shù).如圖4所示,經(jīng)過一次分解后得到的是一個包含主要信息的低頻分量和沿水平、垂直以及對角線方向的3個高頻.如果去掉部分高頻相當(dāng)于原信號的去噪和壓縮處理,對得到的低頻分量再次進(jìn)行連續(xù)分解,便可得到信號不同分辨率下的低頻分量,即多分辨率分析.本文采用Daubechies小波中的db2.通過大量的試驗比較表明,Daubechies小波在SAR海面風(fēng)向的反演中取得了較優(yōu)的精度[21].經(jīng)過三級小波變換分解后的低頻分量和高頻分量結(jié)果如圖5.

圖4 二維離散小波變換階層式架構(gòu)示意圖Fig.4 The 2D-discrete wavelet transform structure diagram

3.1.3 傅里葉變換

式中,X為定標(biāo)后圖像的灰度值,即NRCS(dB),Y為計算得到的低波數(shù)譜,并且l,m=1,2,···,N[22].二維傅里葉變換后的SAR圖像由時域方式變?yōu)橐灶l譜域的方式展現(xiàn)出圖像包含的線性條紋特征,也就是將SAR圖像的頻譜按照不同的頻率疊加到一幅圖中,根據(jù)研究目標(biāo)設(shè)置閾值,根據(jù)不同的頻譜對應(yīng)的特定頻率去除掉噪音,選取低波數(shù)部分得到風(fēng)向信息.但是使用這種方法得到的海面風(fēng)向有180°方向模糊,需要外部信息確定海面風(fēng)向[23].經(jīng)過小波變換和傅里葉變換后,試驗區(qū)域內(nèi)SAR提取的風(fēng)向信息和實測點(diǎn)風(fēng)向數(shù)據(jù)以及ECMWF模式風(fēng)場中的風(fēng)向信息如表2所示.為了更好地進(jìn)行精度對比,將前者的風(fēng)場插值到0.25°×0.25°,與ECMWF風(fēng)場數(shù)據(jù)保持一致.

圖5 3級小波變化分解后的低頻分量和高頻分量Fig.5 Multiscale components of wavelet transform decomposition

表 2 試驗區(qū)域SAR提取風(fēng)向信息與驗證數(shù)據(jù)結(jié)果Tab.2 S1-S5Wind direction data from SAR and validation data 風(fēng)向/(°)

3.2 SAR海表風(fēng)速反演

3.2.1 SAR反演海表風(fēng)速物理機(jī)制

討論SAR反演海表風(fēng)速物理機(jī)制實際上是討論海面對雷達(dá)入射波束的后向散射機(jī)制.在20°—70°入射角條件下,布拉格散射占主導(dǎo)地位,雷達(dá)后向散射的主要散射體是由海面風(fēng)場產(chǎn)生的微尺度波[24].

3.2.2CMOD系列模型

地球物理模式函數(shù)是基于ECMWF模式風(fēng)場和ERS散射計數(shù)據(jù)以及浮標(biāo)數(shù)據(jù)等眾多風(fēng)場數(shù)據(jù),建立的雷達(dá)后向散射系數(shù)與海面長波參數(shù)、雷達(dá)觀測入射角、極化方式、雷達(dá)入射波的頻率等參數(shù)之間的關(guān)系,繼而間接建立了海面風(fēng)矢量與后向散射系數(shù)之間的關(guān)系[25].通常地球物理模式函數(shù)中σ0可以表示為傅里葉級數(shù)展開的形式[26]:

其中A0,A1,A2是入射角、風(fēng)速、相對方位角的函數(shù),可以通過散射計的測量數(shù)據(jù)與實測數(shù)據(jù)經(jīng)曲線擬合獲得.有研究表明[27],在小于15 m/s的風(fēng)速條件下CMOD4效果較優(yōu),風(fēng)速大于15 m/s時,CMOD-IF2比CMOD4效果更好;CMOD4模型反演近岸風(fēng)速性能最好,CMODIFR2模型次之,CMOD5模型最差.本文將整景SAR圖像分別代入3個CMOD系列模型中,驗證上述有關(guān)CMOD系列模型的適應(yīng)范圍,風(fēng)矢量場反演結(jié)果如圖6和表3所示.這里值得注意的是,A1、A2、A3代表的是分別經(jīng)過一級小波變換、二級小波變換、三級小波變換后的包含主要信息的低頻分量.基于CMOD系列模型的整景SAR反演結(jié)果和同時相ECMWF模式風(fēng)場如圖7所示.

圖6 基于CMOD-ifr2/4/5模型反演結(jié)果與驗證數(shù)據(jù)風(fēng)矢量對比圖Fig.6 The inversion results of wind vector based on CMOD-ifr2/4/5 models compared with the validation data

表 3 實驗區(qū)域SAR反演風(fēng)向信息與驗證數(shù)據(jù)結(jié)果Tab.3 S1-S5 Wind Speed data from SAR and validation data

圖7 長江口近岸風(fēng)場反演結(jié)果圖Fig.7 Retrieved sea surface wind field of fthe Yangtze Estuary

4 結(jié)果與分析

對于SAR圖像風(fēng)向提取,如表2所示,ECMWF模式風(fēng)場的風(fēng)向和SAR反演風(fēng)向分別與實測點(diǎn)風(fēng)向的平均絕對誤差為 28.9°、29.2°、24.6°、24.6°、15.7°,均方根誤差分別為35.1°、41.5°、31.6°、29.7°、23.5°.5個實驗區(qū)域中 S1、S3、S4、S5的 4個實測數(shù)據(jù)與SAR圖像反演得到的風(fēng)向基本吻合,而在實驗區(qū)域S2處,實測風(fēng)向與SAR反演風(fēng)向相差較大.這是因為在S2處的子圖像上不僅包含風(fēng)致條紋還有不同方向上尺度相近的線性條紋,這導(dǎo)致了頻譜域內(nèi)無法區(qū)分真正的風(fēng)致條紋,進(jìn)而得到了不準(zhǔn)確的頻譜峰值擬合線.因此,反演得到的風(fēng)向是不準(zhǔn)確的.除去試驗區(qū)域S2,其他驗證區(qū)域內(nèi),根據(jù)平均絕對誤差和均方根誤差可知,經(jīng)過三級小波變換(A3)處理后的風(fēng)向反演精度最高,其次是二級小波變換(A2)和一級小波(A1).經(jīng)過小波變換后的低頻信息有效地濾掉了包含不同方向的高頻信息,風(fēng)向提取的精度明顯提高,可以看出船舶光斑等奇異點(diǎn)造成的誤差是較大的.無小波變換處理的風(fēng)向是將圖像的后向散射波段直接進(jìn)行傅里葉變換得到風(fēng)向,其提取精度誤差較大,原因可能是SAR圖像覆蓋區(qū)域靠近陸地.海流導(dǎo)致的條紋,以及島嶼、船只等光斑使得SAR圖像上的線性條紋特征復(fù)雜,容易與風(fēng)致條紋混淆,導(dǎo)致風(fēng)向提取精度較差,進(jìn)一步影響后續(xù)風(fēng)速反演.

對于SAR圖像風(fēng)速反演,整體來說,經(jīng)過小波變換之后的A1、A2、A3均優(yōu)于沒有進(jìn)行小波變換的原始數(shù)據(jù),這其中很大一部分的原因是風(fēng)向提取精度的提高.因為有證據(jù)表明風(fēng)向的準(zhǔn)確性對利用地球物理模式函數(shù)反演風(fēng)速至關(guān)重要,也就是說很小的誤差也可能會給風(fēng)速的反演結(jié)果帶來明顯偏差.多級小波變換降低噪聲的效果是十分明顯的,但是在小波變換消除噪點(diǎn)的同時,降低了每景子圖象的分辨率,這會間接影響風(fēng)速反演.研究表明,經(jīng)過二級小波變換之后的整景SAR圖像的相應(yīng)參數(shù)結(jié)合風(fēng)向信息代入到CMOD模型中反演得到的風(fēng)速精度是比較合理的,平均絕對誤差為0.72 m/s,均方根誤差為0.80 m/s.CMOD系列模型中,比較適合的是CMOD-IFR2和CMOD4,原因是整景SAR圖像覆蓋的長江口近海海域海表風(fēng)速較低,在10m/s風(fēng)速以內(nèi);經(jīng)過CMOD5模型反演得到的風(fēng)速存在高估的情況,適用于高風(fēng)速海表風(fēng)速反演.

在實驗區(qū)域S5處,實測數(shù)據(jù)來自于佘山島氣象站數(shù)據(jù).佘山島氣象站海拔高度為70 m,需要將氣象站的數(shù)據(jù)根據(jù)高度與風(fēng)速的關(guān)系調(diào)整到海表10 m高,以便精度驗證[19].研究表明,S5處的ECMWF模式風(fēng)場數(shù)據(jù)與實測數(shù)據(jù)最相近,但是整體來講,其風(fēng)向信息與實測點(diǎn)風(fēng)向之間的平均絕對誤差和均方根誤差均小于僅經(jīng)過傅里葉變換的SAR圖像提取的風(fēng)向,但是大于經(jīng)過各級小波變換之后的SAR圖像提取的風(fēng)向.風(fēng)速反演的精度對比中,ECMWF模式風(fēng)場的風(fēng)速與實測點(diǎn)風(fēng)速之間的平均絕對誤差和均方根誤差均大于SAR圖像反演得到的風(fēng)速.

從圖6中可以看到,每個實驗區(qū)域都有丁壩、船只光斑、油跡、島嶼(佘山島)等明顯的噪聲干擾,但是在這些影響因素下,基于CMOD系列模型利用Sentinel-1A反演長江口近岸風(fēng)場是可行的.圖7中,整景SAR圖像風(fēng)場反演結(jié)果圖與利用率較高的ECMWF模式風(fēng)場對比可知,前者的風(fēng)向在分辨率高的情況下略顯得凌亂,后者相鄰子圖像之間的風(fēng)向延續(xù)性更強(qiáng).這表明傅里葉變換得到的頻譜圖像更能捕捉到分辨率較高的SAR圖像的風(fēng)致條紋,從而獲得分辨率更高的風(fēng)向信息.但是,這種方法的弊端是反演的風(fēng)向信息結(jié)果中會存在個別與真實風(fēng)向相差很大的情況,而出現(xiàn)這種情況往往是因為受到其他因素影響圖像上出現(xiàn)的其他線性特征(大氣邊界層渦旋、Langmuir環(huán)流等因素都有可能引起海面線性條紋),并非是風(fēng)紋理特征.并且這種線性特征的尺度正好在風(fēng)紋理尺度范圍內(nèi)(例如海表波浪),因此直接干擾SAR圖像提取風(fēng)向,且這種干擾難以用同以頻率域為基礎(chǔ)的小波變換濾掉.所以,在后續(xù)研究中應(yīng)注意剔除非局地風(fēng)引起的紋理特征,以獲得正確的SAR反演風(fēng)向.

5 結(jié)論與展望

微波遙感圖像區(qū)別于光學(xué)圖像,難以根據(jù)肉眼直觀地目視判讀,只能借助頻譜域的差異,也就是條紋的尺度去判讀,進(jìn)而進(jìn)行濾波降噪,根據(jù)風(fēng)致條紋的尺度設(shè)置閾值來獲取低頻的風(fēng)向信息.SAR圖像缺乏風(fēng)致條紋,或者某些線性條紋并不是由風(fēng)引起時,在頻率相似的情況下,很難分辨條紋的屬性.研究表明,適宜長江口近岸風(fēng)場反演的最優(yōu)流程是經(jīng)過二級小波變換后進(jìn)行傅里葉變換,提取低頻風(fēng)向信息,利用基于GMF的CMOD-IFR2和CMOD4模型反演風(fēng)速;SAR圖像風(fēng)場反演總體上優(yōu)于ECMWF模式風(fēng)場,但是當(dāng)個別子圖像的條紋特征復(fù)雜時,容易造成比較大的誤差.

未來,針對SAR反演海表風(fēng)場這一研究方向的改進(jìn)有以下3個方面.①雖然SAR全球覆蓋周期太長,但可以與其他散射計作為數(shù)據(jù)補(bǔ)充.②建立針對SAR開發(fā)的GMF;由于SAR與散射計成像尺度不同,會導(dǎo)致反演過程中無法避免的誤差.③因數(shù)據(jù)獲取的限制,僅比較了IW模式的Sentinel-1A圖像風(fēng)場反演精度,未來研究可以嘗試不同模式下的Sentinel-1圖像反演風(fēng)場操作.中國已經(jīng)開啟微波遙感時代,隨著中國自主研發(fā)衛(wèi)星的技術(shù)越來越先進(jìn),覆蓋我國陸地、海洋的微波遙感衛(wèi)星會越來越多,模式也會越來越齊全,同時也會進(jìn)一步提高我們對微波遙感在風(fēng)場反演領(lǐng)域的認(rèn)知.

[1] JOHANNESSEN J A.Coastal observing systems:The role of synthetic aperture radar[J].Johns Hopkins Apl Technical Digest,2000,21(1):41-48.

[2] GERLING T W.Structure of the surface wind field from the Seasat SAR[J].Journal of Geophysical Research,1986:2308-2320.

[3]FETTERER F M,GINERIS D,WACKERMAN C C,et al.Validating a scatterometer wind algorithm for ERS-1 SAR[J].IEEE Transactions on Geoscience and Remote Sensing,1998,36(2):479-492.

[4] MULLER G,BRUMMER B,ALPERS W,et al.Roll convection within an arctic cold-air outbreak:Interpretation of in situ aircraft measurements and spaceborne SAR imagery by a three-dimensional atmospheric model[J].Monthly Weather Review,1999,127(3):363-380.

[5] WACKERMAN C C.Estimating wind vectors from RADARSAT synthetic aperture radar imagery[R].Verdian ERIM International Report 10032100-1T,prepared for Office of Naval Research for Contract,2000(00014).

[6]HORSTMANN J,KOCH W,LEHNER S,et al.Ocean winds from RADARSAT-1 scan SAR[J].Canadian Journal of Remote Sensing,2002,28(3):524-533.

[7] HORSTMANN J,KOCH W,LEHNER S,et al.Ocean wind fields retrieved from the advanced synthetic aperture radar aboard ENVISAT[J].Ocean Dynamics,2004,54(6):570-576.

[8] FICHAUX N,RANCHIN T.Combined extraction of high spatial resolution wind speed and wind direction from SAR images:A new approach using wavelet transform[J].Canadian Journal of Remote Sensing,2011,28(3):510-516.

[9] DU Y,VACHON P W,WOLFE J,et al.Wind direction estimation from SAR images of the ocean using wavelet analysis[J].Canadian Journal of Remote Sensing,2002,28(3):498-509.

[10] LEITE G C,USHIZIMA D,MEDEIROS F N,et al.Wavelet analysis for wind fields estimation[J].Sensors,2010,10(6):5994-6016.

[11] 張毅,蔣興偉,宋清濤,等.C波段地球物理模式函數(shù)對比分析研究[J].遙感信息,2012(1):31-36.

[12] LA T V,KHENCHAF A,COMBLET F,et al.Study of wind speed retrievals from Sentinel-1 images using physical models[C]//Antennas and Propagation(EuCAP),201610th European Conference on.IEEE,2016:1-4.

[13] 孔毅,趙現(xiàn)斌,艾未華,等.基于墨西哥帽小波變換的機(jī)載SAR海面風(fēng)場反演[J].解放軍理工大學(xué)學(xué)報(自然科學(xué)版),2011(3):301-306.

[14] HE Y,ZOU Q.Validation of wind vector retrieval from ENVISAT ASAR images[C]//Geoscience and Remote Sensing Symposium,2004,IGARSS’04.IEEE,2004:3184-3187 vol.5.

[15] 宋貴霆,侯一筠,何宜軍.Comparison of two wind algorithms of ENVISAT ASAR at high wind[J].中國海洋湖沼學(xué)報(英文版),2006,24(1):92-96.

[16] MONALDO F,JACKSON C,PICHEL W,et al.Early validation of operational SAR wind retrievals from Sentinel-1A[C]//Geoscience and Remote Sensing Symposium.IEEE,2015:1223-1226.

[17]PICHEL W G,MONALDO F M,JACKSON C,et al.NOAA operational SAR winds:Current status and plans for Sentinel-1A[C]//Geoscience and Remote Sensing Symposium.IEEE,2015:4916-4919.

[18] 范開國,黃韋艮,?？》?等.NCEP/QSCAT混合風(fēng)向用于SAR圖像反演高分辨率海面風(fēng)速[J].遙感技術(shù)與應(yīng)用,2010,25(6):873-876.

[19]ALPERS W,BR¨UMMER B.Atmospheric boundary layer rolls observed by the synthetic aperture radar aboard the ERS-1 satellite[J].Journal of Geophysical Research Oceans,1994,99(C6):12613-12621.

[20] 張毅,蔣興偉,林明森,等.基于小波分析的近岸海面風(fēng)場反演研究[J].高技術(shù)通訊,2011,21(10):1056-1061.

[21] 張雷,石漢青,杜華棟,等.用小波分析反演星載SAR圖像海面風(fēng)向[J].遙感學(xué)報,2013,18(1):215-230.

[22] 楊勁松,黃韋艮,周長寶,等.合成孔徑雷達(dá)圖像的近岸海面風(fēng)場反演[J].遙感學(xué)報,2001,5(1):13-16.

[23] 程玉鑫,艾未華,孔毅,等.基于影像紋理特征和外部風(fēng)向的星載SAR海面風(fēng)場反演研究[J].海洋科學(xué),2015,39(12):157-164.

[24] LIN H,XU Q,ZHENG Q.An overview on SAR measurements of sea surface wind[J].Progress in Natural Science,2008,18(8):913-919.

[25]WACKERMAN C C,RUFENACH C L,SHUCHMAN R A,et al.Wind vector retrieval using ERS-1 synthetic aperture radar imagery[J].IEEE Transactions on Geoscience and Remote Sensing,1996,34(6):1343-1352.

[26]PORTABELLA M,STOFFELEN A,JOHANNESSEN J A.Toward an optimal inversion method for synthetic aperture radar wind retrieval[J].Journal of Geophysical Research:Oceans,2002,107(C8):1-13.

[27] 王珂,洪峻,張問一,等.SAR反演鄰近岸海面風(fēng)場方法[J].電子與信息學(xué)報,2013,35(8):1800-1805.

(責(zé)任編輯：李萬會)

Sea surface wind vector retrieval of fthe Yangtze Estuary based on Sentinel-1A

QI Xian-yun,ZHOU Yun-xuan,TIAN Bo,YU Peng
(State Key Laboratory of Estuarine and Coastal Research,East China Normal University,Shanghai200062,China)

This paper selected SAR images in the Yangtze Estuary from Sentinel-1A which was launched by ESA.Firstly,it extracts high-precise wind direction using multilevel wavelet transform and fourier transform.Secondly,wind speed information are obtained through three kinds of CMOD models of GMF,and compare with five sets of in-situ data and as well as wind vector from ECMWF.The results indicats that except for some sub-images containing complex texture,the precision of SAR-derived wind field is better than that of ECMWF.The multiscale wavelet transform is conducive to wind field retrieval(RMSE of wind direction are 31.6°,29.7°,23.5°respectively),especially the wind speed retrieval after the second level wavelet(RMSE of wind speed is 0.8 m/s).Among CMOD models,CMOD-IFR2 and CMOD4 are suitable for coastal area of the Yangtze Estuary(RMSE of wind speedis 1.08 m/s and 1.05 m/s respectively).

synthetic aperture radar; wind vector retrieval; wavelet transform;fourier transform; CMOD models

TP732

A

10.3969/j.issn.1000-5641.2017.06.012

1000-5641(2017)06-0126-10

2016-12-08

國家自然科學(xué)基金(41476151)

戚纖云,女,碩士研究生,研究方向為河口海岸微波遙感.E-mail:qxybeijing0319@hotmail.com.

周云軒,男,教授,研究方向為河口海岸變化遙感研究.E-mail:xyzhou@sklec.ecnu.edu.cn.