Please wait a minute...
img

官方微信

遥感技术与应用  2020, Vol. 35 Issue (2): 365-371    DOI: 10.11873/j.issn.1004-0323.2020.2.0365
模型与反演     
SMAP卫星海表面亮温仿真及海表面盐度遥感反演
王艺晴1(),韩震1,2,3(),周玮辰1,吴义生1
1.上海海洋大学 海洋科学学院,上海 201306
2.国家远洋渔业工程技术研究中心,上海 201306
3.上海河口海洋测绘工程技术研究中心,上海 201306
SMAP Satellite Sea Surface Brightness Temperature Simulation and Sea Surface Salinity Retrieval
Yiqing Wang1(),Zhen Han1,2,3(),Weichen Zhou1,Yisheng Wu1
1.College of Marine Sciences, Shanghai Ocean University, Shanghai 201306, China
2.National Engineering Research Center for Oceanic Fisheries, Shanghai 201306, China
3.Shanghai Engineering Research Center of Estuarine and Oceanographic Mapping, Shanghai 201306, China
 全文: PDF(4859 KB)   HTML
摘要:

海表面盐度遥感是海洋遥感研究的重要内容之一。针对大气对海表面盐度遥感的影响,根据大气辐射传输理论,对大气影响进行仿真分析及修正,进而通过神经网络模型反演了海表面盐度。研究结果表明:大气对海表面盐度遥感存在一定的影响,需进行校正;当大气温度和压强精度分别达到2 ℃和10 hPa时,可以去除大气影响;训练样本集选取数量的不同将对神经网络反演精度造成一定的影响;SMAP卫星海表面盐度遥感反演结果相对误差较小,残差基本集中在0.6以内,但在盐度值低于34.4‰的区域误差较大。

关键词: SMAP卫星海表面盐度大气辐射传输仿真盐度反演    
Abstract:

Sea surface salinity remote sensing is one of the important contents of the remote sensing research of the ocean. For the influence of the sea surface salinity remote sensing caused by the atmospheric, according to the theory of atmospheric radiation transfer, the atmospheric radiation effects were simulated and corrected, and then the sea surface salinity was inverted by the neural network model. The result showed that the atmospheric radiation effect was serious, and it needed to be corrected. When the precision of atmospheric temperature and pressure of the earth surface was 2 ℃ and 10 hPa, the atmospheric influence could be removed. The difference in the number of the training sample sets would have a certain impact on the accuracy of neural network inversion. The salinity retrieval relative error of the SMAP satellite was small, and the residual error was basically concentrated within 0.6, but the error was larger in the region where the salinity value is lower than 34.4‰.

Key words: SMAP satellite    Sea surface salinity    Atmospheric radiation transfer    Simulation    Salinity retrieval
收稿日期: 2018-11-10 出版日期: 2020-07-10
ZTFLH:  P73  
基金资助: “全球变化与海气相互作用”专项(GASI?02?PACIND?YGST03)
通讯作者: 韩震     E-mail: 641825629@qq.com;zhhan@shou.edu.cn
作者简介: 王艺晴(1994-),女,浙江台州人,硕士研究生,主要从事海洋遥感方面的研究。 E?mail: 641825629@qq.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  
王艺晴
韩震
周玮辰
吴义生

引用本文:

王艺晴,韩震,周玮辰,吴义生. SMAP卫星海表面亮温仿真及海表面盐度遥感反演[J]. 遥感技术与应用, 2020, 35(2): 365-371.

Yiqing Wang,Zhen Han,Weichen Zhou,Yisheng Wu. SMAP Satellite Sea Surface Brightness Temperature Simulation and Sea Surface Salinity Retrieval. Remote Sensing Technology and Application, 2020, 35(2): 365-371.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2020.2.0365        http://www.rsta.ac.cn/CN/Y2020/V35/I2/365

图1  研究区域示意图
图2  技术流程图
图3  辐射计入射角为40°时大气透射率的变化
图4  地面大气压强为1 013 hPa时,大气上、下行辐射亮温随地面大气温度的变化
图5  地面大气温度为290 K时,大气上、下行辐射亮温随地面大气压强的变化
入射角辐射类型对温度的变化率(K/℃)对压强的变化率(K/hPa)
40°上行0.006 40.005 3
下行0.006 40.005 3
表1  入射角为40°时大气上、下行辐射亮温对地面大气温度和压强的变化率
图6  SMAP卫星升轨海表面H、V极化亮温仿真结果
图7  SMAP卫星降轨海表面H、V极化亮温仿真结果
升轨:(Argo SSS-SMAP SSS)/Argo SSS平均相对误差最大相对误差降轨:(Argo SSS-SMAP SSS)/Argo SSS平均相对误差最大相对误差
7000.007 90.023 47000.007 50.024 2
8000.008 00.024 68000.007 60.022 4
9000.007 90.020 29000.007 40.021 4
1 0000.007 60.023 11 0000.007 20.021 3
1 1000.008 10.031 01 1000.007 60.021 0
1 2000.010 10.073 11 2000.007 20.025 3
表2  相对误差分析
图8  训练样本为1 000组时,SMAP卫星升轨数据反演SSS与Argo实测SSS数据的对比
图9  训练样本为1 000组时,SMAP卫星降轨数据反演SSS与Argo实测SSS数据的对比
1 Li Hualiang, Han Zhen, Zhang Yizhen, et al. Correlation of SMOS Satellite Sea Surface Brightness Temperature Data and the Sea Surface Salinity Data[J]. Remote Sensing Technology and Application,2016,31(1):143-148.
1 李化良,韩震,张宜振,等.SMOS卫星海表面亮温数据与海表面盐度数据的相关性研究[J].遥感技术与应用,2016,31(1):143-148.
2 Lagerloef G S E, Swift C T, Le Vine D M. Sea Surface Salinity: The Next Remote Sensing Challenge[J]. Oceanography, 1995, 8(2): 44-50.
3 Chen Biao, Yu Zhentao, Song Rugang. Atmospheric Propagation Effects Simulation on Sea Surface Salinity Remote Sensing[J]. Ocean Technology, 2009, 28(4): 68-71.
3 陈标, 于振涛, 宋汝刚. 海面盐度卫星遥感的大气影响仿真[J]. 海洋技术, 2009, 28(4): 68-71.
4 Jin Mengtong. Task Simulation for An Ocean Salinity Mission with One-dimensional Synthetic Aperture Microwave Radiometer at L Band[D]. Beijing: National Space Science Center, 2016.
4 金梦彤. 星载L波段一维综合孔径辐射计海洋盐度探测任务仿真[D]. 北京: 中国科学院国家空间科学中心, 2016.
5 Liu Yali. Research on Sea Surface Salinity Inversion Method for Real Aperture Microwave Radiometer[D]. Wuhan: Huazhong University of Science and Technology, 2016.
5 刘雅丽. 实孔径微波辐射计海面盐度反演方法研究[D]. 武汉: 华中科技大学, 2016.
6 Zhang Peichang, Wang Zhenhui. Basis of Atmospheric Microwave Remote Sensing[M]. Beijing: China Meteorological Press, 1995: 332-335.
6 张培昌, 王振会. 大气微波遥感基础[M]. 北京:气象出版社, 1995: 332-335.
7 Liou K N. An Introduction to Atmospheric Radiation[M]. Beijing: China Meteorological Press, 2004.
7 Liou K N. 大气辐射导论[M]. 北京: 气象出版社, 2004.
8 Skou N, Hoffman-Bang D. L-band Radiometers Measuring Salinity from Space: Atmospheric Propagation Effects[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(10): 2210-2217.
9 Sissenwine N, Dubin M, Wexler H. The US Standard Atmosphere, 1962[J]. Journal of Geophysical Research, 1962, 67(9): 3627-3630.
10 Wang Yingqiang, Yan Wei, Wang Yeying, et al. The Effects of Atmosphere on Radiative Transfer Characteristics and Salinity Retrieval on Spaceborne Salinity Meter[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2018, 54(2): 350-360.
10 王迎强, 严卫, 王也英, 等. 大气对星载盐度计辐射传输特性及盐度反演的影响研究[J]. 北京大学学报 (自然科学版), 2018, 54(2): 350-360.
11 Yueh S H, West R, Wilson W J, et al. Error Sources and Feasibility for Microwave Remote Sensing of Ocean Surface Salinity[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(5): 1049-1060.
12 Li Changjun, Zhao Qinghui, Zhao Hong. Retrieve Salinity Using BP Neural Networks Model based on SMOS Data[J]. Periodical of Ocean University of China, 2018, 48(1): 125-134.
12 李长军, 赵清晖, 赵红. 基于SMOS卫星数据的BP神经网络盐度反演模型[J]. 中国海洋大学学报(自然科学版), 2018, 48(1): 125-134.
13 Zhang Lanjie. Retrieval Study on Sea Surface Salinity for Microwave Imager Combined Active/Passive[D]. Beijing: National Space Science Center, 2019.
13 张兰杰. 基于星载主被动微波盐度计的海面盐度反演方法研究[D]. 北京: 中国科学院国家空间科学中心, 2019.
[1] 金梦彤,刘浩,武林,. 星载一维综合孔径微波辐射计海洋盐度探测任务仿真及外部误差源分析[J]. 遥感技术与应用, 2017, 32(2): 346-355.
[2] 杨白雪,杜永明,肖青,历华,曹彪,柳钦火. 蒙特卡洛方法研究积分球测量发射率的影响因素#br#[J]. 遥感技术与应用, 2017, 32(1): 149-157.
[3] 王迎强,严卫,严明. 基于星载微波辐射计的海面风场对海表盐度反演影响研究[J]. 遥感技术与应用, 2016, 31(6): 1037-1044.
[4] 陈思,刘浩,吴季,牛立杰. 基于Simulink的干涉式微波辐射计系统仿真研究[J]. 遥感技术与应用, 2015, 30(4): 757-766.
[5] 张勇,吕达仁. 星载全极化微波辐射计海面风向反演仿真研究[J]. 遥感技术与应用, 2014, 29(3): 386-393.
[6] 卢红丽,王振占,殷晓斌. 利用SMOS卫星数据反演海洋盐度方法研究[J]. 遥感技术与应用, 2014, 29(3): 401-409.
[7] 金 旭,段崇棣,欧祥荣,张廷新. X波段全极化微波辐射计的计算机仿真[J]. 遥感技术与应用, 2012, 27(6): 873-879.
[8] 王新新,赵冬至,杨建洪,王 祥. 海表面盐度卫星微波遥感研究进展[J]. 遥感技术与应用, 2012, 27(5): 671-679.
[9] 温 奇,范一大,陈世荣,孙 灏,胡卓玮. 环境减灾卫星数据在旱灾预警监测中的应用[J]. 遥感技术与应用, 2012, 27(4): 591-599.
[10] 杜岳恒,徐曦煜. 星载雷达高度计有源定标器回波模型及性能仿真研究[J]. 遥感技术与应用, 2012, 27(2): 177-182.
[11] 杨永生. SAR海浪方向谱的Monte Carlo仿真[J]. 遥感技术与应用, 2010, 25(6): 877-880.
[12] 王继水,顾卫杰. 矿山生态环境修复虚拟系统的关键技术研究及实现[J]. 遥感技术与应用, 2010, 25(6): 842-846.
[13] 李飞,种劲松. 内波极性转变过程序列SAR图像仿真研究[J]. 遥感技术与应用, 2008, 23(4): 451-456.
[14] 王敏, 杨凤凤, 梁甸农, 董臻. 分布式星载SAR-GMTI系统仿真[J]. 遥感技术与应用, 2007, 22(5): 648-652.
[15] 王晓慧,林明森. L波段海水辐射率模型综述[J]. 遥感技术与应用, 2007, 22(2): 216-221.