基于多普勒频移的SAR海表流场反演

doi:10.11873/j.issn.1004-0323.2019.2.0293

遥感技术与应用

2019, Vol. 34

Issue (2): 293-302 DOI: 10.11873/j.issn.1004-0323.2019.2.0293

模型与反演

基于多普勒频移的SAR海表流场反演

宋小霞¹，王静¹，储小青²

(1.中山大学地理科学与规划学院广东省城市化与地理空间模拟重点实验室，广东广州 510275；
2.中国科学院南海海洋研究所热带海洋环境国家重点实验室，广东广州 510301)

Estimation of Sea Surface Velocities from SAR Images Using the Doppler Shift

Song Xiaoxia¹，Wang Jing¹，Chu Xiaoqing²

(1.Guangdong Provincial Key Laboratory for Urbanization and Geo-simulation，School of Geographyand Planning，Sun Yat-Sen University，Guangzhou 510275，China；
2.State Key Laboratory of Tropical Oceanography，South China Sea Institute of Oceanology，ChineseAcademy of Sciences，Guangzhou 510301，China)

全文: PDF(10606 KB)

摘要： 采用欧空局ENVISAT先进合成孔径雷达(Advanced Synthetic Aperture Radar，ASAR)宽幅模式(Wide Swath Mode，WSM)数据，基于多普勒频移理论模型去除地球和卫星相对运动产生的频移，并用C波段经验模型CDOP(C Band Doppler Frequency)和双尺度辐合散射模型分别去除海面风场和布拉格散射的影响，从而实现高分辨率海表流场的反演，并将反演结果与AVISO(Archiving，Validation and Interpretation of Satellite Oceanographic Data)高度计流场和GLD(Global Drifting Buoy)漂流浮标流场进行精度验证。分别选取有陆地覆盖的厄加勒斯海域和无陆地覆盖的台湾东北部黑潮流域进行反演研究。研究结果表明：厄加勒斯海表流速范围约-1.8~1.8 m/s，流向与AVISO流场较为一致；在黑潮流域，反演的ASAR流场能够明显地揭示黑潮的路径和流向，且与AVISO流场匹配较好。综合反演结果表明ASAR流场与AVISO流场的均方根误差为0.17 m/s，与漂流浮标GLD流场的均方根误差为0.11 m/s。可见此流场反演方法切实可行，同时适用于近岸和开阔海域，且反演精度较高。

关键词： SAR; 多普勒频移; 理论模型; 海表流场; 反演算法
TP79

Abstract: The sea surface velocities field plays an important role in seawater exchange and substance transportation.In this paper，the Wide Swath Mode(WSM) data derived from the ENVISAT Advanced Synthetic Aperture Radar(ASAR) are used to retrieve the high-resolution sea surface velocities field.based on the theoretical model of SAR Doppler shift，the errors caused by the relative motion between Earth and satellite are removed.Then we use the C Band Doppler Frequency Model(CDOP) and the Bragg scattering model to remove the errors caused by the sea surface wind and Bragg scattering，respectively.The data used to verify the accuracy of the retrieval results are AVISO(Archiving Validation and Interpretation of Satellite Oceanographic) velocities and the GLD(Global Drifting Buoy) velocities.Our method is applied both in the coastal area with land cover(Agulhas) and the open sea(Kuroshio) without any land.Results show that in Agulhas，the velocity ranges from -1.8 m/s to 1.8 m/s，and their directions agree very well.In the Kuroshio，the ASAR current can clearly reveal the flow path and direction of the Kuroshio，and it matches well with the AVISO current.The comprehensive results shows，the Root Mean Square Error(RMSE) of ASAR and AVISO is 0.17 m/s，and the RMSE of ASAR and GLD is 0.11 m/s.This implies that the methods used here not only simplified the processes but also has high accuracy to retrieve sea surface velocities both in the coastal area and in the open sea.

Key words: SAR Doppler shift Theoretical model Sea surface velocities Retrieval algorithm

收稿日期: 2018-05-13 出版日期: 2019-05-10

ZTFLH:

TP79

基金资助: 国家重点研发计划“星载新体制SAR综合环境监测技术”（2017YFB0502700)，国家自然科学基金项目（41276108、41676010、41476011、41522601、41276025)。

作者简介: 宋小霞（1994-)，女，四川甘孜人，硕士研究生，主要从事海洋遥感研究。E-mail：songxiaoxiaflq@163.com。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

引用本文:

宋小霞, 王静, 储小青. 基于多普勒频移的SAR海表流场反演[J]. 遥感技术与应用, 2019, 34(2): 293-302.

Song Xiaoxia, Wang Jing, Chu Xiaoqing. Estimation of Sea Surface Velocities from SAR Images Using the Doppler Shift. Remote Sensing Technology and Application, 2019, 34(2): 293-302.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2019.2.0293 或 http://www.rsta.ac.cn/CN/Y2019/V34/I2/293

[1]	王树果, 马春锋, 赵泽斌, 魏龙. 基于Sentinel-1及Landsat 8数据的黑河中游农田土壤水分估算[J]. 遥感技术与应用, 2020, 35(1): 13-22.
[2]	杨燕,李震,黄磊,田帮森. 高分辨率SAR影像提取冰川面积与冰面河[J]. 遥感技术与应用, 2019, 34(6): 1155-1161.
[3]	李春江,沈国状,张继超. 基于灰色系统理论的植被物理参数与极化分解参数的关联分析[J]. 遥感技术与应用, 2019, 34(4): 839-846.
[4]	苏华,张明慧,李静,陈修治,汪小钦. 基于光学与SAR因子的森林生物量多元回归估算[J]. 遥感技术与应用, 2019, 34(4): 847-856.
[5]	徐梦竹, 徐佳, 邓鸿儒, 袁春琦. 基于全极化SAR影像的海岛地物分类[J]. 遥感技术与应用, 2019, 34(3): 647-654.
[6]	李春江, 沈国状, 张继超. 基于灰色系统理论的植被物理参数与极化分解参数的关联分析—以鄱阳湖湿地为例[J]. 遥感技术与应用, 2019, 34(2): 284-292.
[7]	李丹, 杨斌, 陈财. 基于Sentinel-1A数据反演九寨沟地震地表形变场[J]. 遥感技术与应用, 2018, 33(6): 1141-1148.
[8]	李姣姣, 刘玉, 陈锟山. 基于香农熵的极化SAR相干矩阵信息量评价[J]. 遥感技术与应用, 2018, 33(5): 842-849.
[9]	王仕哲, 柯长青. 基于ALOSPALSAR的喜马拉雅山冰川流速分布及变化[J]. 遥感技术与应用, 2018, 33(5): 942-955.
[10]	王常颖, 田德政, 韩园峰, 隋毅, 初佳兰. 基于属性差决策树的全极化SAR影像海冰分类[J]. 遥感技术与应用, 2018, 33(5): 975-982.
[11]	郭欣,赵银娣. 基于Sentinel-1A SAR的湖南省宁乡市洪水监测[J]. 遥感技术与应用, 2018, 33(4): 646-656.
[12]	张程，张红，王超. 基于PCDM香农熵的全极化SAR图像船舶目标检测方法[J]. 遥感技术与应用, 2018, 33(3): 499-507.
[13]	刘建歌，慕德俊. 基于SAR影像海冰动态特征的提取方法[J]. 遥感技术与应用, 2018, 33(1): 55-60.
[14]	张王菲，陈尔学，李增元，赵磊，姬永杰. 干涉、极化干涉SAR技术森林高度估测算法研究进展[J]. 遥感技术与应用, 2017, 32(6): 983-997.
[15]	周晓宇，陈富龙. 四川大熊猫栖息地PALSAR时序数据森林覆盖动态监测研究[J]. 遥感技术与应用, 2017, 32(6): 1100-1106.

Viewed

Full text

Abstract

Cited

Shared

Discussed