东亚洋面AMSR2 7.3 GHz观测中的射频干扰分析 
下载： 1077次
1 引言
微波通道具有全天时、全天候和多极化观测特点,能弥补可见光和红外通道的不足[1-2],因此在地表[3-4]和大气参数[5-6]反演中起着重要作用。然而,星载微波辐射计接收的不仅有来自地球表面自然发射的微波辐射,还包括了主动微波发射器发出的辐射以及地球表面反射的辐射,将这些夹杂在自然发射信号中的干扰信号[7]称为射频干扰(RFI)信号。虽然RFI信号降低了星载微波数据的可靠性[8-10],但目前的传感器仍需要使用这些无保护的频段才能实现对特定目标的观测[11]。在检测和抑制星载微波辐射计观测中的RFI信号方面,国内外学者进行了大量研究,以提高识别RFI信号的准确性,为评估微波数据反演地表和大气参数的准确性[12-13]提供了参考。
Li等[7]首次发现AMSR-E(Advanced microwave scanning radiometer-earth observing system)C波段信道中存在大范围的RFI信号,并使用谱差法量化RFI信号的强度和范围,之后,Li等[14]第一次将主成分分析(PCA)法应用于陆地区域的RFI信号分析;Zhao等[15]针对识别冰雪覆盖区域的RFI信号时,会产生大量假信号的问题,提出了双主成分分析[15-16](DPCA)法;Njoku等[17]通过RFI指数的标准偏差检验了全球陆地上AMSR-E信道中RFI信号的空间和时间分布特征;Lacava等[18]提出了一种可以在AMSR-E C波段数据上实施的多时相方法,以确定区域受RFI信号的影响;官莉等[19]分析了陆地上AMSR2 7.3 GHz通道的RFI信号分布。对洋面区域的RFI信号,一般使用多通道回归算法[14,20]。Adams等[21]提出了一种识别洋面区域RFI信号的卡方概率法;Zou等[22]使用标准化主成分分析(NPCA)法研究了洋面电视信号反射引起AMSR-E中的RFI信号污染;官莉等[23]采用DPCA法检测了水面上的RFI信号;周泽华等[24]使用NPCA法对FY-3C上搭载的微波成像仪(MWRI)在洋面上的电视干扰信号进行识别;Zabolotskikh等[25]发现通道之间的亮度温差比例不受区域和季节的限制,并通过设置不同通道的光谱差异比例阈值检测RFI信号;Tian和Zou[26]开发了一个经验模型,以定量计算电视信号对AMSR2观测的干扰。
地球表面的微波发射源或反射源分布数据可作为验证RFI信号检测结果的“真值”。但该数据难以获取,因此使用两种或两种以上相互独立的检测方法可评价RFI信号的检测效果及可靠性。本文采用广义RI指数(Radio frequency interference index)法和谱差法,检测东亚地区洋面上AMSR2中新增C波段通道中的RFI信号,分析两种结果间的差异,为评估不同识别算法的效果提供了参考。
2 AMSR2仪器和通道介绍
AMSR2仪器是一种搭载在GCOM-W1卫星上的先进圆锥扫描微波辐射计[27],轨道高度为700 km。与AMSR-E相比,AMSR2提供了更高的空间分辨率。AMSR2共有7个频率,14个通道,分别测量了6.925,7.3,10.65,18.7,23.8,36.5,89.0 GHz通道下水平和垂直(H-pol and V-pol)极化方式时的亮温,同时观测了不同天气条件下的陆地和海洋表面,具体的通道特性如
表 1. AMSR2通道特征参数
Table 1. AMSR2 channel characteristics
|
冬季高纬度地区洋面可能会存在海冰,而谱差法只能识别无冰雪覆盖表面的RFI信号,因此实验选取2017年7月1—16日的AMSR2一级亮温数据进行分析。
3 检测方法
3.1 广义RI指数检测方法
对于同一类型的地球表面,自然产生的微波信号频谱相对平滑,且带宽较大,星载微波辐射计各通道观测值之间的相关性较高。而RFI信号仅出现在某些较窄的波段中,强度持续且有一定的方向性。因而,可以通过未受干扰通道的亮温观测值估计出被RFI信号污染通道上的亮温值。
在同一类型地球表面的数据范围内,计算所有其他通道相对于受干扰通道的经验拟合系数,再计算出受干扰通道与预算出其他通道亮温值的差,将该偏差定义为广义RI指数ΔTi
式中,T为亮温,i为受到干扰的通道序号,j为不受干扰通道的序号,a0,i为常数项,aj,i为每个通道j用于计算通道i亮温值的线性拟合系数。其他未受干扰通道的线性组合可以检测被干扰通道的亮温是否受到射频干扰。以K为单位表示的广义RI指数ΔTi若为正值,且数值较大,则表明该亮温观测值受RFI信号非自然发射的影响。根据广义RI指数的大小,可以量化频率干扰信号的强度,检测出地球表面RFI信号的空间分布。
3.2 谱差检测方法
表面亮温随频率的增加而增加,可以忽略来自表面30 GHz以下的散射辐射,因此低频通道的RFI信号可能是产生负频谱梯度的原因。对于无积雪覆盖地区,RI指数可定义为[7]
式中,下标p为通道的极化方式,f1和f2为两个相邻的频率,且f1<f2。广义RI指数为正,且数值越大说明RFI信号越强。
4 检测结果分析
为了比较两种检测方法之间的定量差异,对东亚部分洋面区域,分别采用广义RI指数检测法和谱差法检测AMSR2 7.3GHz通道中的RFI信号。分析一个周期(2017年7月1日—16日)的数据发现,AMSR2 7.3 GHz的RFI信号在洋面上只出现在降轨数据中。
图 1. 广义RI指数检测方法检测水平极化下观测的RFI信号空间分布
Fig. 1. Spatial distribution of RFI signal observed under horizontal polarization with generalized RI index detection method
图 2. 谱差法检测水平极化下观测的RFI信号的空间分布
Fig. 2. Spatial distribution of RFI signal observed under horizontal polarization with spectral difference method
表 2. 检测到RFI信号的像素数
Table 2. Numbers of pixels of detected RFI signal
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
从图中可以看出,AMSR2 7.3 GHz通道水平极化方式亮温数据中的RFI信号分布在东亚海域日本岛以南的海域,呈东北—西南走向的狭长条带状,广义RI指数检测方法的效果更为显著。而RFI信号所处的狭长条带位置随观测时间的变化而变化。如2017年7月1日—16日这16天中,RFI狭长条带位于最西部的日期为7月11日,处于日本九州岛南端的大隅半岛和大隅群岛之间的大隅海峡至九州岛冲绳附近(22°N~27°N、125°E附近);RFI狭长条带位于最东部的日期为7月12日(10°N~20°N、135°E附近)。而2017年7月1日—16日这个观测周期的其余日期中,检测出的狭长条带均处于10°N~30°N、120°E~135°E范围内。
由于日本的地球同步通信卫星下行波段主要为4~8 GHz和11.7~12.2 GHz[28-29],根据区域洋面上RFI范围和强度的分布特点,即受干扰区域呈现东北—西南走向的狭长条带状,且位置随观测时间的变化而变化;干扰强度在狭长条带的中心位置最强,边缘比较弱,且干扰仅出现在卫星的降轨数据中。因此,可判断出其主要来源是洋面反射位于赤道上空静止卫星的下行信号,且静止卫星的服务范围决定了下行信号(通信/电视)投射至地球表面的范围。
5 结论
基于AMSR2亮温数据,通过广义RI指数检测法和谱差法检测了东亚洋面上7.3 GHz通道的RFI信号,比较了不同方法检测结果的差异。得出结论:广义RI指数法检测出的7.3 GHz通道RFI信号污染与谱差法的检测结果大致相同,且RFI信号的污染位置和时间变化特征几乎相同;但前一种方法检测出的RFI信号强度更大、像素更多,且确定的范围更广。相同频率下,垂直极化方式观测的RFI信号比水平极化方式多。对于AMSR2仪器,7.3 GHz通道水平方式测量的亮温数据中RFI信号分布在东亚日本岛以南海域,呈现东北—西南走向的狭长条带,且该狭长条带的位置随着观测时间的变化而变化。未来将尝试把该方法扩展到冰雪覆盖的表面,以及AMSR2其他波段测量RFI信号中,多方面了解AMSR2观测数据中的RFI信号污染,以便更合理地评估星载微波数据反演地球物理参数的精度。
[1] 张芳, 齐琳琳, 吉薇, 等. 不同地域大气对中远红外辐射传输的影响[J]. 光学学报, 2017, 37(4): 0401002.
[2] 寇人可, 王海晏, 吴学铭. 低纬度地区红外波段大气透射率研究[J]. 激光与光电子学进展, 2017, 54(1): 010102.
[3] Ermida S L, Jiménez C, Prigent C, et al. Inversion of AMSR-E observations for land surface temperature estimation: 2. Global comparison with infrared satellite temperature[J]. Journal of Geophysical Research: Atmospheres, 2017, 122(6): 3348-3360.
[4] 黄帅, 丁建丽, 张钧泳, 等. 基于Radarsat-2卫星微波遥感的后向散射系数研究[J]. 光学学报, 2017, 37(9): 0929001.
[5] 李小青, 杨虎, 游然, 等. 利用风云三号微波成像仪资料遥感“桑达”台风降雨云结构[J]. 地球物理学报, 2012, 55(9): 2843-2853.
Li X Q, Yang H, You R, et al. Remote sensing typhoon Songda's rainfall structure based on Microwave Radiation Imager of FY-3B satellite[J]. Chinese Journal of Geophysics, 2012, 55(9): 2843-2853.
[6] 王玉训, 王蕊, 严卫. 地基高光谱微波辐射计反演大气相对湿度廓线的通道选择[J]. 光学学报, 2019, 39(4): 0428002.
[7] Li L, Njok E, Njoku E G. et al. A preliminary survey of radio-frequency interference over the U. S. in Aqua AMSR-E data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2004, 42(2): 380-390.
[10] 官莉, 张思勃. 星载微波辐射计欧洲大陆无线电频率干扰分析[J]. 光学学报, 2014, 34(7): 0728004.
[11] 吴莹, 姜苏麟, 钱博, 等. 星载微波资料频率干扰信号识别研究综述[J]. 地球物理学进展, 2017, 32(5): 1944-1952.
Wu Y, Jiang S L, Qian B, et al. Review on identifying the radio frequency interference of spaceborne microwave radiometer[J]. Progress in Geophysics, 2017, 32(5): 1944-1952.
[13] 吴莹, 钱博, 王振会. 被动微波遥感观测资料干扰对地表参数反演的影响分析[J]. 国土资源遥感, 2017, 29(3): 176-181.
Wu Y, Qian B, Wang Z H. Effect of radio-frequency interference on the land surface parameters retrieval from passive microwave remote sensing data[J]. Remote Sensing for Land & Resources, 2017, 29(3): 176-181.
[14] Li L, Gaiser P W, Bettenhausen M H, et al. WindSat radio-frequency interference signature and its identification over land and ocean[J]. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(3): 530-539.
[16] 吴莹, 姜苏麟, 王振会. 积雪陆表微波观测资料干扰识别方法对比分析[J]. 国土资源遥感, 2018, 30(3): 40-47.
Wu Y, Jiang S L, Wang Z H. Comparison and analysis of the interference identification methods for microwave measurements over snow land[J]. Remote Sensing for Land & Resources, 2018, 30(3): 40-47.
[17] Njoku E G, Ashcroft P, Chan T K, et al. Global survey and statistics ofradio-frequency interference in AMSR-E land observations[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(5): 938-947.
[19] 官莉, 黄安晶. 陆地上AMSR-2 7.3 GHz观测无线电频率干扰的检测[J]. 激光与光电子学进展, 2016, 53(2): 022802.
[20] 冯呈呈, 赵虹. FY-3B微波成像仪海洋数据无线电干扰识别[J]. 遥感学报, 2015, 19(3): 465-475.
Feng C C, Zhao H. Identification of radio-frequency interference signal from FY-3B microwave radiation imager over ocean[J]. Journal of Remote Sensing, 2015, 19(3): 465-475.
[21] Adams I S, Bettenhausen M H, Gaiser P W, et al. Identification of ocean-reflected radio-frequency interference using WindSat retrieval Chi-square probability[J]. IEEE Geoscience and Remote Sensing Letters, 2010, 7(2): 406-410.
[23] 官莉, 夏仕昌, 张思勃. 大面积水体上空星载微波辐射计的干扰识别[J]. 应用气象学报, 2015, 26(1): 22-31.
Guan L, Xia S C, Zhang S B. Identifying theinterference of spaceborne microwave radiometer over large water area[J]. Journal of Applied Meteorological Science, 2015, 26(1): 22-31.
[24] 周泽华, 邹晓蕾, 秦正坤. FY-3C微波成像仪电视信号干扰识别和分析[J]. 遥感学报, 2017, 21(5): 689-701.
Zhou Z H, Zou X L, Qin Z K. Detection and analysis of television frequency interference from an FY-3C microwave radiation imager[J]. Journal of Remote Sensing, 2017, 21(5): 689-701.
[25] Zabolotskikh E V, Mitnik L M, Chapron B. Radio-frequency interference identification over oceans for C- and X-band AMSR2 channels[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(8): 1705-1709.
[26] Tian X X, Zou X L. An empirical model for television frequency interference correction of AMSR2 data over ocean near the U.S. and Europe[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(7): 3856-3867.
[27] Kachi M, Imaoka K, Fujii H, et al. Status of GCOM-W1/AMSR2 development and science activities[J]. Proceedings of SPIE, 2008, 7106: 71060P.
[28] 中文寻星(网络版)[EB/OL]. [ 2019- 05- 16]. . http://www. playtv. com. cn/
[29] Radio Spectrum Allocation[EB/OL]. [2019-05-16].https: //www. fcc. gov/engineering-technology/policy-and-rules-division/general/radio-spectrum-allocation.
Article Outline
吴莹, 李美欣. 东亚洋面AMSR2 7.3 GHz观测中的射频干扰分析[J]. 激光与光电子学进展, 2020, 57(9): 092801. Ying Wu, Meixin Li. Analysis of Radio Frequency Interference in AMSR2 7.3 GHz Channels over East Asian Ocean[J]. Laser & Optoelectronics Progress, 2020, 57(9): 092801.
PDF全文
