1 引 言
海表面盐度(Sea Surface Salinity,SSS)作为海洋环境要素之一,对大洋环流、海气交换和全球气候变化等有着举足轻重的作用[1 ] 。早在50 a前,国外就开始了航空盐度遥感技术的研究,并逐步建立了L波段SSS遥感的基本理论体系[2 ] 。自2009年起,随着土壤湿度和海表盐度卫星(Soil Moisture and Ocean Salinity,SMOS)、Aquarius/SAC-D卫星以及主被动土壤湿度卫星(Soil Moisture Active Passive,SMAP)的相继发射,卫星微波辐射计遥感SSS逐渐走向业务化。
通过微波辐射计反演SSS时,影响反演精度的误差因素主要有太空、电离层、大气、海表面粗糙度和射频干扰等,其中大气和海表面粗糙度的影响占比较大[3 ] ,因此,利用SMAP卫星L1B大气顶端亮温数据、海表面温度数据、HY-2A卫星L2级有效波高以及风矢量数据,根据大气辐射传输理论,对辐射计探测亮温的组成进行了分析,仿真计算了大气对SSS遥感反演精度的影响,并对大气影响进行了修正,最后通过神经网络模型进行了SSS反演。
2 研究区域及数据
使用2016年1月16日至1月31日SMAP卫星L1B大气顶端亮温数据(TB,toa ),该数据从美国冰雪数据中心(NSIDC)下载(http://nsidc.org ),HY-2A卫星L2级有效波高(SWH)和海面10 m高处风矢量数据(U10 )数据从国家海洋卫星应用中心下载(http://www.nsoas.gov.cn/ ),Argo浮标实测SSS数据(Argo SSS)及海表面温度数据(SST)来自中国Argo实时资料中心(http://www.argo.org.cn/ )。选取的研究区域位于130°~180° E,0°~30° N,研究区域如图1 所示。
图1
图1
研究区域示意图
Fig.1
Map of the study area
技术流程如图2 所示。首先根据大气辐射传输理论,仿真计算大气透射率和大气上、下行辐射亮温,同时得出其随地面大气温度和压强的变化关系,并定量分析大气对SSS遥感反演精度的影响;然后针对SMAP卫星L1B大气顶端亮温数据TB,toa 去除大气辐射的影响,得到海表面亮温数据TB,sur ;最后用计算得出的海表面亮温数据TB,sur 通过RBF神经网络模型反演SSS,并利用Argo浮标实测SSS数据进行了精度评价。
图2
图2
技术流程图
Fig.2
Flow chart of technology
3 SMAP卫星海表面亮温仿真
3.1 理论及模型建立
星载微波辐射计测量的亮温由4部分组成,即海表面的直接辐射、大气的上行辐射、大气的下行辐射经海表面反射的辐射和宇宙空间进入大气经海表面反射的辐射。其中反射的大气辐射和海表面的直接辐射同时被大气衰减[4 ] 。因此,根据大气辐射传输理论,到达大气层顶部的辐射计探测到的亮温TB,toa 可以表示为[5 ,6 ] :
T B , t o a = t T B , s u r + T B U + t ρ T B D + t 2 ρ T B c o s (1)
其中:t 为大气透射率,TB,sur 为海表面亮温,TBU 为大气上行辐射亮温,TBD 为大气下行辐射亮温,TB cos 为宇宙背景噪声辐射亮温。将TB cos 取值为3.1 K,其实际上是宇宙背景辐射(2.73 K)加上银河系的背景噪声(0.37 K)[5 ] 。ρ 为海面的反射率,其计算公式为:
ρ = 1 - T B , s u r S S T (2)
对公式(1)进行分析可知,式中海表面亮温TB,sur 为SSS反演所需要的量,其余部分皆为误差项。因此,从大气顶端亮温TB,toa 中剔除这些误差项的影响就可以得到海表面亮温TB,sur ,其计算公式为:
T B , s u r = T B , t o a - T B U t - T B D + t T B c o s S S T - T B D + t T B c o s S S T (3)
公式(3)中的误差项主要包括大气透射率t 和大气上、下行辐射TBU 和TBD ,若要计算得到海表面亮温TB,sur ,就必须先求取这些误差项的值。
大气透射率t 和上、下辐射TBU 和TBD 的计算模型如下,通常采用高度坐标[7 ] :
t θ , H = e x p [ - τ 0 , H s e c θ ] (4)
τ z 1 , z 2 = ∫ z 1 z 2 κ a z s e c θ d z (5)
T B U θ , H = ∫ 0 H T z κ a z t z , H s e c θ d z (6)
T B D θ , H = ∫ 0 H T z κ a z t 0 , z s e c θ d z (7)
其中:θ 为辐射计入射角(SMAP卫星入射角为40°),τ (0,H )表示地面到H 高度处的光学厚度,T (z )为大气的温度廓线,κa 为大气的衰减系数。由于通常情况下,大气中云、雨和水蒸气对微波传输的影响可以忽略不计,因此在κa 的计算过程中只需考虑氧气的影响[8 ] 。衰减系数κO 2 (单位:dB/km)计算公式如下[8 ] :
κ O 2 f = 1.1 × 10 - 2 f 2 p a 1013 300 T a × γ 1 f - f 0 2 + γ 2 + 1 f 2 + γ 2 (8)
其中:f 为L波段的频率1.4 GHz;f 0 为氧气吸收带的频率60 GHz;pa 为大气的压强;Ta 为大气的温度;γ 表示线宽(大气压强和温度的函数),其表达式如下[8 ] :
γ = γ 0 P 1013 300 T 0.85 (9)
γ 0 = 0.59 , P ≥ 333 0.59 1 + 0.0031 333 - P , 25 ≤ P ≤ 333 1.18 , P ≤ 25 (10)
关于公式(8)中需输入的大气温压廓线,本文选用的是1962年美国标准大气廓线,表达式如下[9 ] :
T a z = T 0 - 6.5 z , 0 ≤ z ≤ 11 T 11 , 11 ≤ z ≤ 20 T 11 + z - 20 , 20 ≤ z ≤ 32 (11)
P z = P 0 ⋅ e - z / 7.7 k m (12)
其中:T 0 表示海表大气温度,z 表示海拔高度,T (11)表示11 km高度处的大气温度,P 0 表示海表大气压强。
3.2 仿真结果与分析
大气影响仿真结果如图3 ,4 ,5 和表1 所示。图3 所示为辐射计40°入射角时大气透射率随地面大气温度和压强的变化。从仿真结果可以看出,大气透射率随地面温度的增大而增大,随地面大气压强的增大而减小。图4 和图5 为辐射计40°入射角时大气上、下行辐射亮温随地面大气温度和压强的变化。由图4 和图5 可知,大气上、下行辐射亮温的大小差别非常小[10 ] ,正常情况下小于0.002 K,范围都在2~4.5 K之间,且随大气温度的增大而减小,随大气压强的增大而增大,并且其随大气温度的变化范围要小于随大气压强的变化范围。结合公式(1)可知,大气对亮温的影响随大气温度的增大而减小,随大气压强的增大而增大,造成的亮温误差约为2~4 K,超出了反演精度要求。因此,在海表面亮温仿真过程中,需要去除大气辐射的影响。
图3
图3
辐射计入射角为40°时大气透射率的变化
Fig.3
The change of atmospheric transmissivity with 40° incidence angle
图4
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
Fig.4
The change of upwelling and downwelling radiation brightness temperature with the atmospheric temperature when the atmospheric pressure is 1 013 hPa
图5
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
Fig.5
The change of upwelling and downwelling radiation brightness temperature with the atmospheric pressure when the atmospheric temperature is 290 K
表1 为辐射计40°入射角时大气上、下行辐射亮温对大气温度及压强的变化率。由表1 可知,当大气温度精度达到2 ℃时,40°入射角的亮温精度小于等于0.012 8 K;当大气压强精度达到10 hPa时,40°入射角的亮温精度小于等于0.053 K。在这种情况下,大气上、下行辐射亮温影响较小,符合反演精度要求[11 ] ,可以去除大气影响。
图6 、图7 分别为SMAP卫星升轨和降轨的海表面亮温TB,sur 仿真结果。由图6 和图7 可知,SMAP卫星升轨及降轨海表面亮温数据相差不大,分布特征也较为相似,其中H极化亮温变化范围为69~77 K,V极化亮温数值较大,变化范围为109~115.5 K。
图6
图6
SMAP卫星升轨海表面H、V极化亮温仿真结果
Fig.6
The simulation results of the SMAP H and V polarization bright temperature of the ascending orbit
图7
图7
SMAP卫星降轨海表面H、V极化亮温仿真结果
Fig.7
The simulation results of the SMAP H and V polarization bright temperature of the descending orbit
4 神经网络模型反演海表面盐度
4.1 神经网络反演算法
神经网络(Neural Network,NN)是数据挖掘技术中的重要方法之一[12 ] 。它来源于生物神经网络的启发,具有自适应性、学习能力强和抗干扰能力等各种优点。
进行SMAP卫星SSS反演。RBF神经网络是一种三层神经网络,其中包括输入层、隐藏层与输出层,从输入层到隐藏层的变换是非线性的,而从隐藏层到输出层的变换则是线性的。RBF神经网络训练速度快,具有很强的非线性映射能力,能够实现较高精度的SSS反演。由于反演的值是SSS,因此输出的结果是一个标量,故输出层的神经元节点个数为1。本文采用了影响盐度反演的5个因素作为输入参量,分别为海表面H极化亮温(TBh )、海表面V极化亮温(TBv )、海表面温度(SST)、风速(U10 )和有效波高(SWH),即输入层包含5个节点。在RBF神经网络中,隐藏层的节点个数是不确定的,它将在设计网络的训练过程中根据自身设置的目标误差值而不断增加,直到达到预期的误差要求,本网络的训练误差设置为0.01。其中,选取2016年1月16日至1月31日共16 d的数据组成输入样本集,样本集在输入RBF神经网络之前需进行预处理,采用Matlab插值函数将5个输入参量进行网格化处理,按1°×1°的空间分辨率进行匹配,剔除无效值后有效数据为1 456组。分别取前700、800、900、1 000、1 100、1 200组作为训练样本输入神经网络进行训练,利用训练得出的模型对剩余样本组进行检验,检验所得相对误差如表2 所示。可以看出,在神经网络反演过程中,训练样本集选取数量的不同将对反演结果造成一定的影响,随着训练样本的增加,相对误差逐渐减小,在训练样本为1 000组时,平均相对误差最小,最大相对误差较小,之后随着训练样本的增加,相对误差又逐渐增大,这可能是由于随着神经网络训练中迭代次数的增加,曲线由欠拟合变得过拟合所导致的。
4.2 精度评估
根据上述结论,选取训练样本为1 000组时的反演结果作为本次神经网络反演海表面盐度精度评估的依据。图8 为训练样本为1 000组时SMAP卫星升轨数据反演SSS与Argo实测SSS数据的对比结果,图9 为训练样本为1 000组时SMAP卫星降轨数据反演SSS与Argo实测SSS数据的对比结果。
图8
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
Fig.8
Comparison of the SMAP SSS of the ascending orbit and the Argo SSS when the training sample is 1 000 groups
图9
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
Fig.9
Comparison of the SMAP SSS of the descending orbit and the Argo SSS when the training sample is 1 000 groups
从图8 和图9 可以看出,SMAP卫星升轨和降轨数据进行SSS反演测试结果均较好,残差基本上集中在0.6以内。两者SSS测试结果在SSS值低于34.4‰的区域误差较大,在SSS值接近35.4‰的区域,降轨数据SSS测试结果要稍好于升轨数据SSS测试结果。
由表2 可知,训练样本为1 000组时,升、降轨数据海表面反演盐度与Argo实测SSS的相对误差均较小,其中升轨数据反演SSS的相对误差要略大于降轨数据反演SSS的值。
5 讨 论
海表盐度作为气候及海洋研究中的重要参数之一,其在海洋参量研究中的重要地位是不可取代的。目前,越来越多的学者针对卫星盐度遥感反演进行了研究[13 ] ,但由于海表面情况复杂,影响因素较多,使得卫星海表面盐度的测量仍存在较大误差。因此,如何提高海表盐度的反演精度仍然是研究者面临的巨大考验。本文基于SMAP卫星L1B大气顶端亮温数据、海表面温度数据、HY-2A卫星L2级有效波高以及风矢量数据进行了海表面亮温仿真,并利用神经网络模型对SMAP卫星海表面盐度进行了反演,获得了一些初步的研究成果和结论。但是,其中也存在一些不足有待进一步的研究。一是影响SSS反演精度的误差因素有许多,本文只考虑了大气对SSS反演精度的影响,后续可以进一步研究太空、电离层、海表面粗糙度和射频干扰等对SSS反演精度的影响。二是神经网络方法对参考样本的质量和样本数量的依赖性较大。因此,在未来的学习中,可结合更多的SSS反演影响因素,不断优化模型的输入参数,建立适应性更强的盐度反演模型。
6 结 语
本文根据大气辐射传输理论仿真计算得出大气透射率和上、下行辐射亮温随地面大气温度、压强的变化关系,定量分析了大气对SSS反演精度的影响,并对大气影响进行了修正,最终通过RBF神经网络模型反演得到了SMAP SSS,结论如下:
(1)大气对辐射计接收亮温的影响随大气温度的增大而减小,随大气压强的增大而增大,造成的亮温误差约为2~4 K,远超出了海表面亮温反演精度要求,所以在海表面亮温仿真过程中必须考虑大气的影响。
(2)当大气温度与大气压强达到2 ℃和10 hPa的精度要求时,大气上、下行辐射亮温影响小于等于0.053 K,符合海表面亮温反演精度要求,可以去除大气影响。
(3)训练样本集选取数量的不同将对神经网络反演结果造成一定的影响,随着训练样本组数的增加,相对误差逐渐减小,在训练样本为1 000组时,平均相对误差最小,最大相对误差较小,之后随着训练样本组数的增加,相对误差又逐渐增大,其原因是由于随着神经网络训练中迭代次数的增加,曲线由欠拟合变得过拟合所导致的。
(4)训练样本为1 000组时,SMAP卫星升轨、降轨数据进行SSS反演测试结果均较好,残差基本上集中在0.6以内,但在盐度值低于34.4‰的区域误差较大;两者相对误差均较小,其中降轨数据的值要略小于升轨数据的值。
参考文献
View Option
[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 .
[本文引用: 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 .
[本文引用: 1]
[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 .
[本文引用: 1]
[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 .
[本文引用: 1]
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 .
[本文引用: 1]
[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 .
[本文引用: 1]
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 .
[本文引用: 1]
[5]
Liu Yali . Research on Sea Surface Salinity Inversion Method for Real Aperture Microwave Radiometer
[D]. Wuhan : Huazhong University of Science and Technology , 2016 .
[本文引用: 2]
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 .
[本文引用: 2]
[6]
Zhang Peichang , Wang Zhenhui . Basis of Atmospheric Microwave Remote Sensing [M]. Beijing : China Meteorological Press , 1995 : 332 -335 .
[本文引用: 1]
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 .
[本文引用: 1]
[7]
Liou K N . An Introduction to Atmospheric Radiation [M]. Beijing : China Meteorological Press , 2004 .
[本文引用: 1]
Liou K N . 大气辐射导论 [M]. 北京 : 气象出版社 , 2004 .
[本文引用: 1]
[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 .
[本文引用: 3]
[9]
Sissenwine N , Dubin M , Wexler H . The US Standard Atmosphere, 1962
[J]. Journal of Geophysical Research , 1962 , 67 (9 ): 3627 -3630 .
[本文引用: 1]
[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 .
[本文引用: 1]
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 .
[本文引用: 1]
[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 .
[本文引用: 1]
[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 .
[本文引用: 1]
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 .
[本文引用: 1]
[13]
Zhang Lanjie . Retrieval Study on Sea Surface Salinity for Microwave Imager Combined Active/Passive
[D]. Beijing : National Space Science Center , 2019 .
[本文引用: 1]
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 .
[本文引用: 1]
SMOS卫星海表面亮温数据与海表面盐度数据的相关性研究
1
2016
... 海表面盐度(Sea Surface Salinity,SSS)作为海洋环境要素之一,对大洋环流、海气交换和全球气候变化等有着举足轻重的作用[1 ] .早在50 a前,国外就开始了航空盐度遥感技术的研究,并逐步建立了L波段SSS遥感的基本理论体系[2 ] .自2009年起,随着土壤湿度和海表盐度卫星(Soil Moisture and Ocean Salinity,SMOS)、Aquarius/SAC-D卫星以及主被动土壤湿度卫星(Soil Moisture Active Passive,SMAP)的相继发射,卫星微波辐射计遥感SSS逐渐走向业务化. ...
SMOS卫星海表面亮温数据与海表面盐度数据的相关性研究
1
2016
... 海表面盐度(Sea Surface Salinity,SSS)作为海洋环境要素之一,对大洋环流、海气交换和全球气候变化等有着举足轻重的作用[1 ] .早在50 a前,国外就开始了航空盐度遥感技术的研究,并逐步建立了L波段SSS遥感的基本理论体系[2 ] .自2009年起,随着土壤湿度和海表盐度卫星(Soil Moisture and Ocean Salinity,SMOS)、Aquarius/SAC-D卫星以及主被动土壤湿度卫星(Soil Moisture Active Passive,SMAP)的相继发射,卫星微波辐射计遥感SSS逐渐走向业务化. ...
Sea Surface Salinity: The Next Remote Sensing Challenge
1
1995
... 海表面盐度(Sea Surface Salinity,SSS)作为海洋环境要素之一,对大洋环流、海气交换和全球气候变化等有着举足轻重的作用[1 ] .早在50 a前,国外就开始了航空盐度遥感技术的研究,并逐步建立了L波段SSS遥感的基本理论体系[2 ] .自2009年起,随着土壤湿度和海表盐度卫星(Soil Moisture and Ocean Salinity,SMOS)、Aquarius/SAC-D卫星以及主被动土壤湿度卫星(Soil Moisture Active Passive,SMAP)的相继发射,卫星微波辐射计遥感SSS逐渐走向业务化. ...
海面盐度卫星遥感的大气影响仿真
1
2009
... 通过微波辐射计反演SSS时,影响反演精度的误差因素主要有太空、电离层、大气、海表面粗糙度和射频干扰等,其中大气和海表面粗糙度的影响占比较大[3 ] ,因此,利用SMAP卫星L1B大气顶端亮温数据、海表面温度数据、HY-2A卫星L2级有效波高以及风矢量数据,根据大气辐射传输理论,对辐射计探测亮温的组成进行了分析,仿真计算了大气对SSS遥感反演精度的影响,并对大气影响进行了修正,最后通过神经网络模型进行了SSS反演. ...
海面盐度卫星遥感的大气影响仿真
1
2009
... 通过微波辐射计反演SSS时,影响反演精度的误差因素主要有太空、电离层、大气、海表面粗糙度和射频干扰等,其中大气和海表面粗糙度的影响占比较大[3 ] ,因此,利用SMAP卫星L1B大气顶端亮温数据、海表面温度数据、HY-2A卫星L2级有效波高以及风矢量数据,根据大气辐射传输理论,对辐射计探测亮温的组成进行了分析,仿真计算了大气对SSS遥感反演精度的影响,并对大气影响进行了修正,最后通过神经网络模型进行了SSS反演. ...
星载L波段一维综合孔径辐射计海洋盐度探测任务仿真
1
2016
... 星载微波辐射计测量的亮温由4部分组成,即海表面的直接辐射、大气的上行辐射、大气的下行辐射经海表面反射的辐射和宇宙空间进入大气经海表面反射的辐射.其中反射的大气辐射和海表面的直接辐射同时被大气衰减[4 ] .因此,根据大气辐射传输理论,到达大气层顶部的辐射计探测到的亮温TB,toa 可以表示为[5 ,6 ] : ...
星载L波段一维综合孔径辐射计海洋盐度探测任务仿真
1
2016
... 星载微波辐射计测量的亮温由4部分组成,即海表面的直接辐射、大气的上行辐射、大气的下行辐射经海表面反射的辐射和宇宙空间进入大气经海表面反射的辐射.其中反射的大气辐射和海表面的直接辐射同时被大气衰减[4 ] .因此,根据大气辐射传输理论,到达大气层顶部的辐射计探测到的亮温TB,toa 可以表示为[5 ,6 ] : ...
实孔径微波辐射计海面盐度反演方法研究
2
2016
... 星载微波辐射计测量的亮温由4部分组成,即海表面的直接辐射、大气的上行辐射、大气的下行辐射经海表面反射的辐射和宇宙空间进入大气经海表面反射的辐射.其中反射的大气辐射和海表面的直接辐射同时被大气衰减[4 ] .因此,根据大气辐射传输理论,到达大气层顶部的辐射计探测到的亮温TB,toa 可以表示为[5 ,6 ] : ...
... 其中:t 为大气透射率,TB,sur 为海表面亮温,TBU 为大气上行辐射亮温,TBD 为大气下行辐射亮温,TB cos 为宇宙背景噪声辐射亮温.将TB cos 取值为3.1 K,其实际上是宇宙背景辐射(2.73 K)加上银河系的背景噪声(0.37 K)[5 ] .ρ 为海面的反射率,其计算公式为: ...
实孔径微波辐射计海面盐度反演方法研究
2
2016
... 星载微波辐射计测量的亮温由4部分组成,即海表面的直接辐射、大气的上行辐射、大气的下行辐射经海表面反射的辐射和宇宙空间进入大气经海表面反射的辐射.其中反射的大气辐射和海表面的直接辐射同时被大气衰减[4 ] .因此,根据大气辐射传输理论,到达大气层顶部的辐射计探测到的亮温TB,toa 可以表示为[5 ,6 ] : ...
... 其中:t 为大气透射率,TB,sur 为海表面亮温,TBU 为大气上行辐射亮温,TBD 为大气下行辐射亮温,TB cos 为宇宙背景噪声辐射亮温.将TB cos 取值为3.1 K,其实际上是宇宙背景辐射(2.73 K)加上银河系的背景噪声(0.37 K)[5 ] .ρ 为海面的反射率,其计算公式为: ...
1
1995
... 星载微波辐射计测量的亮温由4部分组成,即海表面的直接辐射、大气的上行辐射、大气的下行辐射经海表面反射的辐射和宇宙空间进入大气经海表面反射的辐射.其中反射的大气辐射和海表面的直接辐射同时被大气衰减[4 ] .因此,根据大气辐射传输理论,到达大气层顶部的辐射计探测到的亮温TB,toa 可以表示为[5 ,6 ] : ...
1
1995
... 星载微波辐射计测量的亮温由4部分组成,即海表面的直接辐射、大气的上行辐射、大气的下行辐射经海表面反射的辐射和宇宙空间进入大气经海表面反射的辐射.其中反射的大气辐射和海表面的直接辐射同时被大气衰减[4 ] .因此,根据大气辐射传输理论,到达大气层顶部的辐射计探测到的亮温TB,toa 可以表示为[5 ,6 ] : ...
1
2004
... 大气透射率t 和上、下辐射TBU 和TBD 的计算模型如下,通常采用高度坐标[7 ] : ...
1
2004
... 大气透射率t 和上、下辐射TBU 和TBD 的计算模型如下,通常采用高度坐标[7 ] : ...
L-band Radiometers Measuring Salinity from Space: Atmospheric Propagation Effects
3
2005
... 其中:θ 为辐射计入射角(SMAP卫星入射角为40°),τ (0,H )表示地面到H 高度处的光学厚度,T (z )为大气的温度廓线,κa 为大气的衰减系数.由于通常情况下,大气中云、雨和水蒸气对微波传输的影响可以忽略不计,因此在κa 的计算过程中只需考虑氧气的影响[8 ] .衰减系数κO 2 (单位:dB/km)计算公式如下[8 ] : ...
... [8 ]: ...
... 其中:f 为L波段的频率1.4 GHz;f 0 为氧气吸收带的频率60 GHz;pa 为大气的压强;Ta 为大气的温度;γ 表示线宽(大气压强和温度的函数),其表达式如下[8 ] : ...
The US Standard Atmosphere, 1962
1
1962
... 关于公式(8) 中需输入的大气温压廓线,本文选用的是1962年美国标准大气廓线,表达式如下[9 ] : ...
大气对星载盐度计辐射传输特性及盐度反演的影响研究
1
2018
... 大气影响仿真结果如图3 ,4 ,5 和表1 所示.图3 所示为辐射计40°入射角时大气透射率随地面大气温度和压强的变化.从仿真结果可以看出,大气透射率随地面温度的增大而增大,随地面大气压强的增大而减小.图4 和图5 为辐射计40°入射角时大气上、下行辐射亮温随地面大气温度和压强的变化.由图4 和图5 可知,大气上、下行辐射亮温的大小差别非常小[10 ] ,正常情况下小于0.002 K,范围都在2~4.5 K之间,且随大气温度的增大而减小,随大气压强的增大而增大,并且其随大气温度的变化范围要小于随大气压强的变化范围.结合公式(1) 可知,大气对亮温的影响随大气温度的增大而减小,随大气压强的增大而增大,造成的亮温误差约为2~4 K,超出了反演精度要求.因此,在海表面亮温仿真过程中,需要去除大气辐射的影响. ...
大气对星载盐度计辐射传输特性及盐度反演的影响研究
1
2018
... 大气影响仿真结果如图3 ,4 ,5 和表1 所示.图3 所示为辐射计40°入射角时大气透射率随地面大气温度和压强的变化.从仿真结果可以看出,大气透射率随地面温度的增大而增大,随地面大气压强的增大而减小.图4 和图5 为辐射计40°入射角时大气上、下行辐射亮温随地面大气温度和压强的变化.由图4 和图5 可知,大气上、下行辐射亮温的大小差别非常小[10 ] ,正常情况下小于0.002 K,范围都在2~4.5 K之间,且随大气温度的增大而减小,随大气压强的增大而增大,并且其随大气温度的变化范围要小于随大气压强的变化范围.结合公式(1) 可知,大气对亮温的影响随大气温度的增大而减小,随大气压强的增大而增大,造成的亮温误差约为2~4 K,超出了反演精度要求.因此,在海表面亮温仿真过程中,需要去除大气辐射的影响. ...
Error Sources and Feasibility for Microwave Remote Sensing of Ocean Surface Salinity
1
2001
... 表1 为辐射计40°入射角时大气上、下行辐射亮温对大气温度及压强的变化率.由表1 可知,当大气温度精度达到2 ℃时,40°入射角的亮温精度小于等于0.012 8 K;当大气压强精度达到10 hPa时,40°入射角的亮温精度小于等于0.053 K.在这种情况下,大气上、下行辐射亮温影响较小,符合反演精度要求[11 ] ,可以去除大气影响. ...
基于SMOS卫星数据的BP神经网络盐度反演模型
1
2018
... 神经网络(Neural Network,NN)是数据挖掘技术中的重要方法之一[12 ] .它来源于生物神经网络的启发,具有自适应性、学习能力强和抗干扰能力等各种优点. ...
基于SMOS卫星数据的BP神经网络盐度反演模型
1
2018
... 神经网络(Neural Network,NN)是数据挖掘技术中的重要方法之一[12 ] .它来源于生物神经网络的启发,具有自适应性、学习能力强和抗干扰能力等各种优点. ...
基于星载主被动微波盐度计的海面盐度反演方法研究
1
2019
... 海表盐度作为气候及海洋研究中的重要参数之一,其在海洋参量研究中的重要地位是不可取代的.目前,越来越多的学者针对卫星盐度遥感反演进行了研究[13 ] ,但由于海表面情况复杂,影响因素较多,使得卫星海表面盐度的测量仍存在较大误差.因此,如何提高海表盐度的反演精度仍然是研究者面临的巨大考验.本文基于SMAP卫星L1B大气顶端亮温数据、海表面温度数据、HY-2A卫星L2级有效波高以及风矢量数据进行了海表面亮温仿真,并利用神经网络模型对SMAP卫星海表面盐度进行了反演,获得了一些初步的研究成果和结论.但是,其中也存在一些不足有待进一步的研究.一是影响SSS反演精度的误差因素有许多,本文只考虑了大气对SSS反演精度的影响,后续可以进一步研究太空、电离层、海表面粗糙度和射频干扰等对SSS反演精度的影响.二是神经网络方法对参考样本的质量和样本数量的依赖性较大.因此,在未来的学习中,可结合更多的SSS反演影响因素,不断优化模型的输入参数,建立适应性更强的盐度反演模型. ...
基于星载主被动微波盐度计的海面盐度反演方法研究
1
2019
... 海表盐度作为气候及海洋研究中的重要参数之一,其在海洋参量研究中的重要地位是不可取代的.目前,越来越多的学者针对卫星盐度遥感反演进行了研究[13 ] ,但由于海表面情况复杂,影响因素较多,使得卫星海表面盐度的测量仍存在较大误差.因此,如何提高海表盐度的反演精度仍然是研究者面临的巨大考验.本文基于SMAP卫星L1B大气顶端亮温数据、海表面温度数据、HY-2A卫星L2级有效波高以及风矢量数据进行了海表面亮温仿真,并利用神经网络模型对SMAP卫星海表面盐度进行了反演,获得了一些初步的研究成果和结论.但是,其中也存在一些不足有待进一步的研究.一是影响SSS反演精度的误差因素有许多,本文只考虑了大气对SSS反演精度的影响,后续可以进一步研究太空、电离层、海表面粗糙度和射频干扰等对SSS反演精度的影响.二是神经网络方法对参考样本的质量和样本数量的依赖性较大.因此,在未来的学习中,可结合更多的SSS反演影响因素,不断优化模型的输入参数,建立适应性更强的盐度反演模型. ...