以下文章来源于卫星导航国际期刊 ，作者郭斐
标题：一种基于地理分区的GNSS-R风速反演方法
作者：李政，郭斐*，陈发德，张治宇，张小红
主题词：CYGNSS；地理差异；海面风速；GNSS反射测量；海洋重力
Wind speed retrieval using GNSS-R technique with geographic partitioning
Zheng Li, Fei Guo*, Fade Chen, Zhiyu Zhang and Xiaohong Zhang
Satellite Navigation (2023) 4: 4
引用文章:
Li, Z., Guo, F., Chen, F. D. et al. Wind speed retrieval using GNSS-R technique with geographic partitioning. Satell Navig 4, 4 (2023). https://doi.org/10.1186/s43020-022-00093-z
PDF文件下载链接：
https://satellite-navigation.springeropen.com/articles/10.1186/s43020-022-00093-z
本文亮点
1.首次展示了地理位置差异对CYGNSS (Cyclone Global Navigation Satellite System) 观测数据的影响。研究发现，同一风速对应的SNR、NBRCS和LES观测值在不同经纬度地区差异较大，且呈现一定的规律性。
2.提出了一种经向非等间隔分区并兼顾高低风速样本的GNSS-R风速反演方法，提升了海面风速反演性能。
3.发现SNR观测值与海洋重力适度相关，相关系数达0.5 ~ 0.6，这为将来使用GNSS-R进行海洋重力反演提供了潜在的可能性。
内容简介
本文首次展示了地理位置差异对CYGNSS观测数据的影响。研究发现，同一风速对应的观测数据会随着地理位置的变化而呈规律地变化。虽然传统方法考虑了镜面反射点的经纬度信息，但是由于观测数据随经纬度的非单调变化，它不能有效地减少地理差异造成的误差。因此，提出了一种经向非等间隔分区并兼顾高低风速样本的GNSS-R风速反演方法。根据CYGNSS观测值与地理经纬度的变化规律，海面被划分为不同的区域以进行独立的风速反演，并通过对训练集进行重采样以兼顾高风速样本的低发生率。与传统方法相比，在中低风速（0 ~ 20 m/s）范围内，新方法将反演风速的RMSE从1.52 m/s降低到1.34 m/s，相关系数从0.86提高到0.90；而在高风速（20 ~ 30 m/s）范围内，RMSE从8.07 m/s降低到4.06 m/s，相关系数从0.04提高到0.45。同时发现，SNR观测值与海洋重力适度相关，相关系数达到0.5 ~ 0.6，这为将来使用GNSS-R进行海洋重力反演提供了潜在的可能性。
图文导读
I CYGNSS观测值的地理差异
为了分析地理位置对CYGNSS观测数据的影响，按以下标准对观测数据进行了比较：将海洋划分为经度和纬度分别为5°的等间隔区域；每个区域上相同风速对应观测数据的平均值。
可以看出，同一风速所对应的观测数据随地理位置的不同而不同。这种现象可能与海面粗糙度的影响因素有关，包括外部因素和内部因素。风速是主要的外部因素。海面上的波浪随着海面风的增大而变得粗糙。理想情况下，不同的风速会导致不同的粗糙度，从而使CYGNSS的观测数据与风速保持一一对应。然而，海面粗糙度也可能受到内部因素的影响，如海洋重力，这将抵消部分风对波浪的影响。因此，当风速不变时，不同重力区域的海面可能产生不同的粗糙度。
II 地理差异与海洋重力关联性
为了了解海洋重力对地理差异可能产生的影响，比较了CYGNSS观测数据与海洋重力的变化趋势。
图中显示了当风速为5 m/s时，CYGNSS观测数据与海洋重力沿经度和纬度的相关性。所有数据沿经度和纬度划分为0.5°的区间，并在每个区间计算各类数据的平均值。左栏显示了CYGNSS观测数据和海洋重力沿经度方向的变化。右栏显示了CYGNSS观测数据和海洋重力沿纬度方向的变化。可以看出，CYGNSS观测数据与海洋重力沿经度方向的相关性明显高于沿纬度方向的相关性，海洋重力的变化范围在纬度方向约为-15×10-3 ~ 10×10-3 cm/s2，在经度方向为-80×10-3 ~ 60×10-3cm/s2。结果表明，CYGNSS可以在一定程度上反映海洋重力的大尺度变化。
图中红色为海洋重力，蓝色为不同风速下的SNR。由于数据量随着风速的增加而迅速减少，因此根据风速将数据分为三个范围（0 ~ 5 m/s，5 ~ 10 m/s，10 ~ 25 m/s），并分别给出了归一化后的相关系数（R）。从这些图中可以看出，相关系数随着风速的增加而下降，这可能是由于高风速下数据质量和数量的减少造成的。
III 海面风速反演方法
首先将CYGNSS的观测数据与ECMWF的风速数据进行时空匹配。然后，根据分区策略将海面划分为22个区域。在每个区域中，60%的数据被用于训练集，测试集1和测试集2各占20%。为了削弱由于低发生率造成的对高风速数据的低估，对每个地区的训练集进行重采样，以增加其中高风速数据的占比。对重采样前后的训练集分别进行训练，得到原始模型和重采样模型。这两个模型分别被用于测试集进行风速反演。结果表明，原始模型在低风速下有较好的反演性能，而重采样模型在中高风速下具有较好的性能。为了在整个风速范围内达到最佳反演性能，对两个模型的反演风速进行融合。对于测试集1，将两个模型得到的风速输入多层感知器进行训练，得到一个能够同时适应低风速和高风速的融合模型。需要注意的是，当训练后的模型保持不变时，反演风速的性能特征也基本不变。因此，得到的融合模型将是通用的。如果训练的模型发生变化，融合模型也需要重新训练。最后，对获得的融合模型进行评估。对于测试集2，首先使用原始模型和重采样模型进行风速反演，获得两个不同性能的风速结果，然后使用融合模型对这两种风速结果进行融合，以验证融合模型的性能。
IV 不同方法的风速反演结果对比
图中（a）、（b）、（c）分别为未重采样方法、重采样方法和融合方法。左栏是无地理分区方法的结果，右栏是基于地理分区方法的结果。从图中可以看出，基于地理分区的方法其性能都优于无地理分区的方法。与未重采样的方法相比，在20 ~ 30 m/s的范围内，重采样的方法具有更好的性能，RMSE从5.06 m/s减少到4.18 m/s，R从0.35增加到0.37。然而，在0 ~ 20 m/s的范围内，RMSE从1.38 m/s增加到1.52 m/s，R从0.89下降到0.87。相比之下，融合方法在高风速和低风速下都有更好的表现。当风速小于20 m/s时，RMSE为1.34 m/s，R为0.90。当风速大于20 m/s时，RMSE为4.06 m/s，R为0.45。
V 不同区域风速反演性能分析
与传统方法相比，改进后的方法在所有区域都显示出更好的性能，反演风速的RMSEs从（1.26 ~ 2.14 m/s）下降到（1.09 ~ 1.75 m/s），相关系数从（0.82 ~ 0.88）增加到（0.88 ~ 0.92）。
作者简介
郭斐 教授
本文通讯作者
武汉大学测绘学院
▍作者简介
郭斐，武汉大学测绘学院教授、博士生导师，从事卫星导航定位技术及其应用研究。
近年来，发表SCI论文40余篇，兼任《全球定位系统》期刊编委、《Satellite Navigation》和《导航定位与授时》期刊青年编委等。
更多介绍，请点击作者主页
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
