基于GNSS-R的后续海冰观测实验

杨明华,曹云昌

(1.成都信息工程学院,四川 成都 610225;2.中国气象局,北京 100081)

0 引 言

全球导航卫星系统(GNSS),它包括全球所有的卫星系统,如:美国的GPS、俄罗斯的Glonass、欧洲的Galileo、中国的北斗导航卫星系统、日本的QZSS等。这些导航卫星系统最初主要利用卫星发射的电磁波穿过大气层并与目标物相作用实现对目标物的跟踪、定位、测速或授时等功能。导航卫星反射信号(GNSS-R)被提出之后,GNSS有了更广泛的时域波形的应用,研究人员发现反射信号的频率、幅度、相位、波形、极化特性等参量的变化反映了反射面的特性。国内外机构均开始了基于电磁波传播理论的GNSS-R遥感技术的研究。目前,海冰检测主要以微波遥感为主,可见光与红外遥感为辅,对海冰监测的数据主要来自NOAA(AVHRR)卫星、SAR、ERS-1等平台,但信号源单一、对反射信号的接收较为复杂,遥感成本增加[1]。GNSS-R技术则利用广泛的卫星资源,大范围地接收海面反射信号,克服了传统遥感方法的不足。GNSS-R技术主要应用于海洋探测,表现为两个方面:1)基于卫星直射信号与反射信号之间的延迟,反演海面高度、有效波高、海冰厚度; 2)利用GNSS信号的散射来探测海面风场、海面粗糙度、海水盐度。这一技术还可以应用于土壤湿度等陆面信息遥感[2]。因此,GNSS-R成为遥感研究领域的热门技术,具有广泛的应用前景。

1 实验概述

本次实验于2014年1月16日在天津汉沽展开。天线架较低,固定在开阔无遮挡且离海面较近的一个平台上,实验环境如图1所示。接收机采用4通道的差分接收机,1通道连接天顶指向的右旋圆极化天线接收直射信号,其余3个通道分别连接水平倾斜的圆极化和线极化天线来接收不同极化类型的反射信号。天线架上的天线安置如图2所示。

图1 海冰实验现场

图2 实验天线设置

2 实验原理

实验利用直射信号在海面反射后形成的反射信号的幅度、极化特性等各参数的变化来反推海洋表面信息。电磁波的极化对目标的介电常数、物理特性、几何形状等因素较为敏感,因此，极化测量能提高对目标物信息的获取能力。影响微波辐射的主要因素有:1)复介电常数。海水的温度、盐度大于海冰的温度、盐度,则冰雪的介电常数远小于水的介电常数,介电常数又影响菲涅尔反射系数,海水与海冰对电磁波的散射不同。2)反射面粗糙度,反射面主要包括光滑表面的镜面反射和粗糙表面的散射两种。对后者而言,表面粗糙度较小时,反射信号中存在与入射电磁波镜像对称的镜面反射分量—相干分量;随着散射面粗糙度的增大,反射信号中的相干分量逐渐减小,其他方向上的非相干分量逐渐增大，能量损失较大;当散射表面的粗糙度很大时,各方向上的反射分量的强度几乎相等[3]。海水可看做是均匀介质,则平静海面可作为微粗糙的反射面,电磁波在海面上的反射满足菲涅尔反射,结冰海面与平静海面相比较为粗糙,二者对电磁波的反射特性各不相同。将入射电磁波分解为平行于反射面和垂直于反射面的两个分量,分别求解这两种分量各自的反射波并进行叠加,可形成任一极性的反射波,由各类型的天线接收。实验中天线接收的反射信号主要来自镜面反射及其周围第一个菲涅尔带的散射。各种反射信号的强度受卫星高度角、海冰的介电常数、海水温度等诸多因素的影响,主要由菲涅尔系数表征[3-4]:

(1)

(2)

(3)

(4)

其中:r为右旋极化; l为左旋极化; v为垂直极化; h为水平极化。

海冰与海水的电磁特性差异较大,各自的反射系数不同,反射信号的极化特性和强度不同。介电常数与含水量、含盐量及温度有关,一般海水的介电常数值为80,冰的介电常数值为2.5,海水与海冰的反射系数Rrl之比为3∶2,利用两者的这种差异性进行对比分析来粗略地研究海冰的分布情况和变化过程。

3 数据分析

NASALangley研究中心在1999年的机载实验中表明位于中等高度的接收机采集的GPS反射信号功率的差异能明显区分海水与海冰的反射系数[4]。2009年格陵兰岛实验(Sea-Ice and Dry Snow REflectometry)表明海冰对GNSS-R信号的极化特性影响很大,左旋反射分量与右旋反射分量有较强的相关性[5-6]。该实验后续采用2014年1月17日采集的有海冰覆盖海面的反射信号与1月18日采集的无冰海面的反射信号并结合潮汐时刻对比分析海面海冰的分布状况。PRN21、PRN12的数据如图3、图4、图5所示。利用MATLAB计算21号星在1月17日的平均左旋圆极化比为0.226 5,而在1月18日的平均左旋圆极化比为0.395 5,在有海冰覆盖的海面和无海冰覆盖的海面两种情况下,反射信号中左旋圆极化分量相差较大,即海冰反射信号中左旋反射分量强度比海水表面的左旋反射分量弱,极化比与海冰分布相关。从能量角度上定量分析,21号星在1月17日和1月18日的左旋反射信号的峰值平均功率分别为110 386 910.8 W和153 640 383.5 W,二者相差43 253 472.7 W,由于海水与海冰反射信号能量之比为3∶2,可估计得1月17日海面上冰的覆盖率约为84.5%,现场图片如图1所示。分析极化比曲线的总体趋势[4-5],图5所示的12号星的总趋势同图3所示的21号星一致,均在1月17日潮汐高峰时刻15∶40之前呈上升态势,15∶40之后呈下降态势,极化比曲线呈现上升—下降的总趋势,表明左旋圆极化比走势在一定程度上表现了海冰的发展状况,如图12所示。对于线极化反射分量而言,图4、图6和图7的所示的曲线趋势相同,表明水平极化反射分量与海冰分布的相关性较小;图3与图8所示的极化比曲线趋势变化相同,垂直反射分量可表征海冰的分布。分析1月17日的三幅图(图3示出了左旋圆极化比,图6所示为水平线极化比,图8所示为垂直线极化比),图6与图3中所示的极化比曲线形状有较高的一致性,图8与图3中所示的曲线走势有较高的一致性;分析1月18日的三幅图(图4所示为左旋圆极化比,图7所示为水平线极化比,图9所示为垂直线极化比),图7与图4所示的曲线形状有较高的一致性,而垂直反射分量的线极化比趋势,如图9所示,与水平反射分量的趋势,如图7所示,共同组合为图4所示的走势。因此,垂直极化比值图更好地反映海冰总体的运动情况,水平极化比值图更好地反映海冰细节分布情况,左旋极化比值图是垂直极化比值图和水平极化比值图的综合表现。图10所示同图3所示一样可以反映海面海冰分布状况,图11所示中垂直反射分量与水平反射分量的比值图的效果较差,与图4所示的差异较大,无法清晰地反映海冰观测的真实情况,主要为图4所示与图9所示的趋势差异巨大所致,其原因需进一步实验及研究。

图3 1月17日PRN21左旋极化比及其趋势

图4 1月17日PRN21左旋极化比及其趋势

图5 1月18日PRN21左旋极化比及其趋势

图6 1月17日PRN12左旋极化比及其趋势

图7 1月17日PRN21水平极化比及其趋势

图8 1月18日PRN21水平极化比及其趋势

图9 1月17日PRN21垂直极化比及其趋势

图10 1月18日PRN21垂直极化比及其趋势

图11 1月17日PRN21垂直极化反射分量与水平极化反射分量比值及其趋势

图12 1月18日PRN21垂直极化反射分量与水平极化反射分量比值及其趋势

4 结束语

通过对有冰海面和无冰海面两种情况下各种数据的对比分析,说明了GNSS-R观测海冰的可行性。实验从左旋反射分量与入射信号的比值、垂直反射分量与水平反射分量的比值两方面共同验证了在电磁波传播理论的基础上由反射信号能够得到海面上海冰分布的基本情况并得到粗略的估计且表明各反射分量之间存在相当大的联系。各类型极化分量与海冰聚集程度有必然的联系。但由于各方面因素如环境温度(气温变暖,海冰持续时间过短,介电常数变化)、卫星过顶轨道差异(入射角度变化)、存储问题等影响了数据的真实性与稳定性,无法得到连续不断的有效数据,给数据分析带来诸多不便,随着国内外各行业的发展,最终都会得出适当的解决办法,GNSS-R技术将成为迅速发展的新兴的海面遥感手段,促进气象行业不断向前发展。

[1]张 云,郭建京 袁国良,等.基于GNSS反射信号的海冰检测的研究[J].全球定位系统, 2013,38(2):1-6.

[2]万 玮,陈秀万,李国平,等.GNSS-R遥感国内外研究进展[J].遥感信息,2012,27(3):112-117.

[3]杨东凯,张其善.GNSS反射信号处理基础与实践[M].北京：电子工业出版社,2012.

[4]MAURICE W L. Radar reflectivity of land and sea[M]. Artech House,Boston,London,2001.

[5]FABRA F, CARDELLACH E, NOGUES-CORREIG O, Monitoring sea-ice and dry snow with GNSS reflections [C]//IEEE International Geoscience & Remote Sensing Symposium, IGARSS 2010, July 25-30, 2010.

[6]邵连军.利用GNSS-R信号探测海冰的方法及初步实验结果[J].遥感信息, 2013,28(2):12-16.