基于星载主被动微波盐度计的海面盐度反演方法研究

基于星载主被动微波盐度计的海面盐度反演方法研究

论文摘要

海洋盐度是联系全球水循环和海洋环流的重要动力学参数。2015年,我国首次提出了海洋盐度探测卫星计划,用于完成对全球海面盐度的观测。主被动微波盐度计(MICAP)是海洋盐度探测卫星上计划搭载的有效载荷之一。借鉴SMOS和Aquarius/SAC-D卫星的技术经验,MICAP首次采用了L/C/K多频段一维综合孔径辐射计和L波段数字波数合成散射计相结合的技术方案,具有多频段主被动联合探测的能力,目前国内外尚无载荷具备此能力。考虑到仪器配置不同,现存的海面盐度反演算法都无法直接用于MICAP的海面盐度反演。为此,本文开展了无降雨情况下的MICAP海面盐度物理反演算法和机器学习反演方法的研究,并结合国外卫星实测数据验证了本文所提算法的有效性,以期为未来我国海洋盐度卫星的应用提供相应的理论和算法支撑。首先,基于微波辐射传输方程和地物模式函数,建立了MICAP海面盐度反演算法所涉及的粗糙海面辐射亮温和后向散射系数模型。通过对比不同海水相对介电常数模型的差异及其对平静海面辐射亮温的影响,选择了适用于MICAP的海水介电常数模型,建立了MICAP的L/C/K波段粗糙海面辐射亮温模型。结合外推法和PALSAR的地物模式函数获得了43°-55°大入射角的后向散射系数,建立了MICAP的L波段外推地物模式函数。同时,分析了不同海浪谱模型及有无泡沫对L波段粗糙海面辐射亮温的影响,为海浪谱和泡沫模型的选择提供参考。其次,基于建立的粗糙海面辐射亮温模型、后向散射系数模型、L/C/K波段无降雨大气衰减模型以及宇宙辐射和法拉第旋转修正方法,针对无降雨情况,提出了一种适用于MICAP的多频段、多入射角主被动联合海面盐度物理反演算法。使用蒙特卡罗仿真方法,验证了所提算法的反演精度,评估了MICAP反演海面参数的性能。仿真结果表明,卫星单次过境时,在中低纬度,所提算法获得的海面盐度、温度和风速的均方根误差分别为0.6 psu、1.2℃和0.8 m/s。假设接收机的稳定度近似等于仪器的灵敏度,在中低纬度,使用所提算法获得的月平均(30天和200 km×200 km时空平均)海面盐度均方根误差小于0.13 psu。此外,还对比了MICAP不同频段配置对海面参数反演精度的影响。比较发现,使用不包含23.8 GHz频段配置反演的海面盐度、温度和风速均方根误差分别为0.6 psu、1.2℃和0.9 m/s。可见,在无降雨情况下,23.8 GHz频段的有无对海面盐度、温度和风速的反演精度影响较小,为MICAP频段配置的优化提供了参考。再次,使用Aquarius和AMSR2测量数据及相关辅助数据构建了算法验证数据集,验证了所提算法用于实测数据的有效性。在反演之前,使用建立的正演模型模拟了L/C/K波段的辐射亮温,并基于回归方法修正了测量亮温和模拟亮温之间的系统偏差。结果表明,相比于斯克里普斯海洋学研究所的Argo盐度插值数据以及遥感系统的AMSR2的温度、风速和云液水产品,所提算法获得的海面盐度、温度、风速和云液水的均方根误差分别约为0.61 psu、0.73℃、0.90 m/s和0.038 mm,证明了所提算法的可行性和合理性。同时,也说明了所提算法具有同步反演多个海气参数的能力。最后,将机器学习中的深度神经网络、高斯过程回归、支持向量机回归和核岭回归引入到海面盐度和风速的反演中,并使用Aquarius卫星在中国南海的测量数据和相关辅助数据验证了机器学习海面参数反演方法的可行性,对比了四种机器学习方法获得的海面盐度和风速的反演精度。进而,比较了深度神经网络反演方法和Aquarius两种物理算法获得的海面盐度反演结果。通过比较发现,相比于HYCOM的盐度,深度神经网络方法获得的海面盐度偏差和均方根误差均小于两种物理算法;相比于斯克里普斯海洋学研究所的月Argo盐度插值数据,深度神经网络方法获得的盐度均方根误差小于两种物理算法;相比于Argo浮标的盐度,深度神经网络方法获得的盐度均方根误差小于CAP算法,偏差小于两种物理算法。但深度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,对小样本数据的反演精度不理想。

论文目录

  • 摘要
  • Abstract
  • 缩略词清单
  • 第1章 绪论
  •   1.1 研究背景及意义
  •   1.2 国内外海洋盐度微波遥感的发展现状
  •     1.2.1 国外现状
  •     1.2.2 国内现状
  •   1.3 利用卫星遥感资料反演海面盐度的研究进展
  •     1.3.1 海面微波辐射和散射模型研究进展
  •     1.3.2 被动微波辐射计海面盐度反演算法研究进展
  •     1.3.3 主被动联合遥感器海面盐度反演算法研究进展
  •   1.4 研究内容
  •     1.4.1 拟解决的关键技术问题
  •     1.4.2 主要研究内容及论文组织框架
  • 第2章 主被动微波遥感海面盐度的机理及模型
  •   2.1 微波辐射相关概念
  •     2.1.1 亮度定义
  •     2.1.2 黑体普朗克辐射定律
  •     2.1.3 发射率和Kirchhoff定律
  •   2.2 微波散射相关概念
  •     2.2.1 雷达方程
  •     2.2.2 后向散射系数
  •   2.3 平静海面辐射
  •     2.3.1 Fresnel反射率和海水相对介电常数模型
  •     2.3.2 平静海面辐射亮温
  •   2.4 L/C/K波段粗糙海面辐射亮温模型
  •     2.4.1 海浪谱模型
  •     2.4.2 泡沫模型
  •     2.4.3 L波段粗糙海面辐射亮温模型
  •     2.4.4 C/K波段粗糙海面辐射亮温模型
  •   2.5 L波段粗糙海面后向散射系数模型
  •   2.6 MICAP的模型选择及其适用范围
  •   2.7 本章小结
  • 第3章 主被动微波盐度计海面盐度物理反演算法
  •   3.1 引言
  •   3.2 目前MICAP的系统设计方案及设计原理
  •     3.2.1 MICAP的系统设计
  •     3.2.2 MICAP的设计原理
  •   3.3 海面盐度反演算法理论基础
  •     3.3.1 海面盐度遥感原理
  •     3.3.2 物理反演算法
  •   3.4 MICAP主被动联合海面盐度物理反演算法的建立
  •     3.4.1 MICAP物理反演算法的处理流程
  •     3.4.2 基础数据
  •     3.4.3 MICAP多频段辐射亮温和后向散射系数仿真
  •     3.4.4 MICAP多频段无降雨情况下的大气衰减仿真
  •     3.4.5 宇宙辐射的仿真
  •     3.4.6 法拉第旋转的仿真
  •     3.4.7 MICAP反演算法代价函数的构建及求解
  •   3.5 MICAP海面盐度物理反演算法的结果分析
  •     3.5.1 卫星单次过境反演结果
  •     3.5.2 海面盐度月平均反演结果
  •   3.6 MICAP不同频段配置的反演结果对比分析
  •   3.7 本章小结
  • 第4章 利用国外卫星数据验证主被动联合海面盐度物理反演算法
  •   4.1 引言
  •   4.2 基础数据集的构建
  •     4.2.1 Aquarius数据
  •     4.2.2 AMSR2数据
  •     4.2.3 数据匹配
  •     4.2.4 初始场和验证数据
  •   4.3 辐射亮温和后向散射系数模拟
  •     4.3.1 L波段辐射亮温模拟结果
  •     4.3.2 L波段散射计后向散射系数模拟结果
  •     4.3.3 C/K波段辐射亮温模拟结果
  •   4.4 测量亮温偏差修正
  •     4.4.1 亮温偏差修正方法
  •     4.4.2 L波段测量亮温偏差修正
  •     4.4.3 C/K波段测量亮温偏差修正
  •   4.5 海面参数反演结果对比分析
  •     4.5.1 反演结果和初始场数据对比
  •     4.5.2 反演结果和验证数据对比
  •   4.6 主被动联合海面盐度物理反演算法的应用方法
  •   4.7 本章小结
  • 第5章 基于机器学习的中国南海海面盐度及风速反演方法
  •   5.1 引言
  •   5.2 用于反演的基础数据源
  •   5.3 四种机器学习海面盐度和风速反演方法及结果
  •     5.3.1 DNN方法及反演结果
  •     5.3.2 GPR方法及反演结果
  •     5.3.3 SVR方法及反演结果
  •     5.3.4 KRR方法及反演结果
  •   5.4 海面盐度反演结果对比分析
  •     5.4.1 四种机器学习海面参数反演方法的结果对比
  •     5.4.2 DNN方法与Aquarius物理反演算法的结果对比
  •   5.5 本章小结
  • 第6章 总结和展望
  •   6.1 论文总结
  •   6.2 论文主要贡献和创新点
  •   6.3 建议今后进一步深入研究的内容
  • 参考文献
  • 致谢
  • 作者简历及攻读学位期间发表的学术论文与研究成果
  • 文章来源

    类型: 博士论文

    作者: 张兰杰

    导师: 王振占

    关键词: 主被动微波遥感,海面盐度,海面风速,反演方法

    来源: 中国科学院大学(中国科学院国家空间科学中心)

    年度: 2019

    分类: 基础科学

    专业: 海洋学

    单位: 中国科学院大学(中国科学院国家空间科学中心)

    分类号: P715.7

    总页数: 172

    文件大小: 12579K

    下载量: 314

    相关论文文献

    • [1].盐度和透明度对强壮硬毛藻生长发育的影响[J]. 水产科学 2019(04)
    • [2].千里岩附近海域盐度变化趋势性研究[J]. 中国新技术新产品 2015(03)
    • [3].遥感海表盐度分析产品的有效分辨率研究[J]. 海洋学研究 2018(04)
    • [4].盐度对透明溞存活、生长和繁殖的影响[J]. 水产科学 2019(03)
    • [5].盐度胁迫对香港牡蛎部分生化指标的影响[J]. 海洋科学 2019(03)
    • [6].盐度对花鲈幼鱼消化酶和抗氧化系统的影响[J]. 动物学杂志 2019(05)
    • [7].江苏盐城湿地珍禽国家级自然保护区土壤盐度空间分异特征[J]. 湿地科学 2018(02)
    • [8].盐度对序批式生物膜反应器性能及微生物活性的影响[J]. 中国海洋大学学报(自然科学版) 2019(07)
    • [9].河道低盐度自动监测系统综述及其设计应用[J]. 江苏水利 2019(08)
    • [10].不同盐度对班节对虾“南海1号”生长指标、抗氧化能力的影响[J]. 科学养鱼 2019(09)
    • [11].盐度对水培海马齿生长和生理生化因子的影响[J]. 厦门大学学报(自然科学版) 2019(01)
    • [12].盐度对长江河口芦苇湿地甲烷排放的影响[J]. 海洋环境科学 2018(03)
    • [13].海表面盐度反演方法的探讨[J]. 住宅与房地产 2018(19)
    • [14].珠江口盐度预测统计模型[J]. 水资源保护 2018(06)
    • [15].盐度变化对克氏原螯虾渗透调节影响机制的初步研究[J]. 水生生物学报 2008(06)
    • [16].长江口水源地取水口盐度对径潮动力的响应[J]. 水利水运工程学报 2018(05)
    • [17].短期低盐度胁迫对驼背鲈(♀)×鞍带石斑鱼(♂)杂交子代幼鱼抗氧化及消化生理的影响[J]. 海洋科学 2018(02)
    • [18].温度和盐度对紫刺参(Apostichopus japonicus Selenta)稚参存活、生长和着色的影响[J]. 海洋与湖沼 2018(03)
    • [19].不同盐度对文蛤(Meretrix meretrix)呼吸代谢及体内酶活性的影响[J]. 海洋科学 2018(06)
    • [20].不同盐度对闽江河口沉积物硝化作用的影响[J]. 应用生态学报 2018(04)
    • [21].渤海湾卤虫卵孵化率与盐度关系的试验[J]. 河北渔业 2018(03)
    • [22].东中国海1976—1996年上层海洋盐度变化趋势及机制初步探讨[J]. 中国海洋大学学报(自然科学版) 2018(11)
    • [23].盐度对芦苇(Phragmites australis)表流湿地除氮效果的影响[J]. 湖泊科学 2017(06)
    • [24].太平洋暖池冷舌交汇区盐度变异机制及气候效应研究[J]. 地球科学进展 2018(08)
    • [25].中华小长臂虾对盐度的耐受性及盐度对其呼吸代谢的影响[J]. 生态学杂志 2018(11)
    • [26].盐度和漂白粉对东方新糠虾的急性胁迫影响[J]. 水产养殖 2019(01)
    • [27].盐度对珍珠龙胆石斑鱼幼鱼生长及鳃肾组织学结构的影响[J]. 大连海洋大学学报 2019(04)
    • [28].苏北滨海盐碱土壤性质演化及其对脱盐规律的启示[J]. 海岸工程 2018(03)
    • [29].滨海滩涂原生草滩及围垦农田土壤碳、氮、磷化学计量学特征及其随盐度的变化[J]. 江苏农业科学 2019(08)
    • [30].不同盐度生活污水硝化及N_2O释放特性[J]. 水处理技术 2019(09)

    标签:;  ;  ;  ;  

    基于星载主被动微波盐度计的海面盐度反演方法研究
    下载Doc文档

    猜你喜欢