AMSR-E C波段的无线电频率干扰信号的多瞬时调查外文翻译资料

 2022-12-08 15:41:19

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

AMSR-E C波段的无线电频率干扰信号的多瞬时调查

摘要：无线电频率干扰(RFI)对于现在和未来的微波卫星任务正日益成为一个严重的问题。在C波段和X波段的RFI可能会污染遥感测量，比如先进微波扫描辐射计(AMSR-E)和WindSat传感器。在本文中，多瞬时的强大卫星技术方法已经实现了对AMSR-E的C波段数据上系统地识别出不同区域受到不同程度的无线电频率干扰的影响，试图把他们与自然地球物理变化区分开来。从范围上来讲，我们对AMSR-E 9年的数据进行了调查，也让我们更好地推断RFI对在升轨或降轨中所取得的水平极化和垂直极化的数据的影响。详细的说，我们进行了两种分析：一个只考虑在C波段的测量，另一个是考虑在C波段和X波段上的组合测量。这项研究的结果将在本文展示和讨论。

关键词：先进微波扫描辐射计(AMSR-E)，被动微波遥感，无线电频率干扰(RFI)，强大的卫星技术(RST)

1.引言

在过去几年中，星载微波辐射计的数据中存在无线电频率干扰信号(RFI)的问题严重影响了遥感科学产品的质量。这种趋势在未来几年将日益增长，因为卫星遥感的频率已经与无线电业务分配的频率开始重叠。详细的说，RFI的产生通常是由人为排放源如电信传输、民用和军用雷达、高带宽的点对点地面无线通信线路和无线路由器引起的[2], [3]。同时，在受保护的频段附近工作的不必要的高排放服务站可能会产生RFI[4]。被动微波传感器工作在微波低频段的电磁波谱，如先进微波扫描辐射计(AMSR-E)在地球观测系统Aqua平台和在美国国防部的科里奥利卫星的WindSat辐射计，都展示了RFI对测量信号及其对地球物理参数的影响的增强[5]–[10]。事实上，除此之外，获得的C波段数据(AMSR-E的6.7-7.1 GHz 和WindSat的6.74-6.86 GHz)，X波段的数据(AMSR-E的10.6-10.7 GHz和WindSat的10.55-10.85 GHz)，尽管它们在一个受保护的频段上所获得[11]，仍然发现被RFI信号影响了。应该强调的是，AMSR-E在X波段的频率为100 MHz的带宽是大于保护频率的带宽的（10.6–10.68 GHz），所以它也对边界敏感，但授权排放。RFI影响接收的数据进一步在欧洲航天局/土壤湿度及海洋盐度任务中的合成孔径微波成像辐射计L波段(1.40-1.427 GHz)获得的第一个数据中得到证实，在世界大部分地区已发现RFI影响也存在于这些受保护的波段[4], [12]–[18]。如果不能正确的识别和消除，RFI污染可能会显著降低现有和未来的C波段和X波段的微波被动遥感任务的科学价值，如2012年5月18日推出日本志津久任务中的(最初是全球变化首要观察任务-水)[20]第二代先进微波扫描辐射计(AMSRE-2)，以及像美国航空航天局[22], [23]在2011年6月推出的和定于2014年11月的土壤水份主动—被动[24]所推出的L波段微波任务。

因此，为了未来的任务，需要检测RFI和缓解策略来确保辐射计测量不会受到极端RFI的影响，对过去的数据来说，开发新的合适和可靠的数据后处理策略[1], [25]以减少RFI对测量被测信号的传感器的影响很重要。

一些作者已经调查了AMSR-E和WindSat的C波段和X波段的RFI[5]–[10]。仍然存在的问题之一是识别出领域存在的低水平RFI的可靠性，并且，需要区分出受到RFI影响的地区与存在较大的自然地球物理变化的地区，如融冰或季节性植被的存在。考虑到RFI本质上是对观察到的亮度温度(TB)产生正向偏差，低水平的RFI至少是长期调查最关注的问题，如长期气候测量[26]。

在本文中，强大的卫星技术(RST)方法[27], [28]使用AMSR-E的C波段的数据已经实现了对RFI在全球范围内陆地上的来源位置的识别。特别是，这种研究是旨在识别不同级别的RFI污染，试图区分自然地球物理变化(而不是RFI影响)。RST已经被证明是一个合适的工具来监控许多自然和环境风险[27], [28]，本文也引用的是AMSR-E数据[29]–[31]。此外，这种基于卫星的多瞬时记录分析的原始的方法，在时空领域，已经证明能减少在测量信号上杂散的影响（可能是由RFI造成的）[32]。

RST在AMSR-E上的实现将在第二部分提出，而这种分析的结果将在第三和第四部分展示和讨论。关于RFI迹象存在的潜在用途可用于本地化AMSR-E的C波段数据，必须注意检索关于地表参数的信息(如土壤水分和植被水含量等)。此外，这些信息还可以使用在AMSRE-2的早期阶段来评估其在克服AMSR-E 数据中的RFI的缺点的有效性。

  1. 研究方法

被动微波传感器测量从地球表面发射的自然能量。考虑到AMSR-E低频通道接收到的微波辐射取决于地表的发射和散射[5],[7],[9],[10]。在陆地上，这两个参数表征土壤水分、表面温度、粗糙度和植被覆盖率。C波段水平极化的水体亮温约为70 K，垂直极化约为170 K。地表的发射率高于水体，亮温在250 K~320 K范围内，极化差异较小但仍然存在[9],[10]。在X波段的两个表面(水和土地)的放射反应与在C波段的相似，由于土壤和水的混合物光谱的介电性能，在X波段的亮温高于两种表面在C波段的亮温。考虑到在30GHz以下的散射效应的增加可以减少亮温的相对变化，但这通常是有限的(除了干雪，冰，和一些沙漠表面)，由于RFI的存在，C波段和X波段的亮温之间的自然正谱梯度可能会反转。为了更好地评估AMSR-E C波段的RFI的污染，基于在6.9GHz和10.7GHz的相同极化方式(垂直极化或水平极化)所获得的测量差异指数(就亮温而言)已被提出[5]。

(1)

指数的正值表示RFI的存在。特别是，5Klt; RI6.9p lt;10 K表示存在适度的RFI，RI6.9pgt; 10K表示RFI较强[5],[7]。详细的说，Njoku等人使用一年(2002年6月~ 2003年5月)的AMSR-E的2级数据，得出可以从时空上分类不同的阈值获得更好的无线电频率干扰的描述方法。

从这些考虑出发，我们首先将RST方法应用于AMSR-E C波段的信号测量中(6.9p的亮温等)，然后定义(1)中的指标(RI6.9p等)。RST是一个自动变化的检测方法，可以识别时空域中像素级的已经被初步确定为正常状态的异常信号，这些正常状态是在类似的观测条件下收集过去几年中卫星观测期间的数据基础上得到的。通过这样的分析，在时空领域中持续显示高值、虚假和随机的高可变性的地区比如相关无线电频率干扰的影响应该很容易突显出来。

详细的说，所用数据[33]是AMSR-E从2002年6月到2011年5月的三级地表产品(AE_Land3)数据。使用网格化的地表产品包括日常测量（在升轨和降轨中分层）的表层土壤湿度和植被水含量/粗糙度的解释信息以及亮温和质量控制变量。输入一个平均空间分辨率为56公里的图像的亮温数据(包括水平极化和垂直极化)，再对可扩展的以25公里为地球网格单元间距的等面积全球性的圆柱形进行采样。

根据RST方法，我们计算出每个像素网格地表上每年十二个月的TB6.9p和RI6.9p指标的均值和标准差。具体来说，我们应用的过程可以概括如下：1)作为第一步，将每月获得的所有AMSR-E数据收集在一起。（即第一个月：2003年1月，2004年1月，... ，2011年1月，第二个月：2003年2月，2004年2月，...，2011年2月，等等)，在轨道类型(即升轨或降轨)和极化方式(即水平或垂直)的基础上分层；2)然后，对于这48个数据集中的每一个(即两个极化和两个轨道类型的每个月的数据)，计算出多年TB6.9p和RI6.9p指标的平均值和标准差。超过3200个AMSR-E数据（整个AMSR-E数据集的96%）已处理到这一步；每个月的数据集是由大约270个图像组成。被用于这项研究的“参考领域”试图获得RFI分布在全球范围陆地上清晰的视图。事实上，我们所分析的地区的信号在强度和时间上显示高可变性或持续的高值，应该是有RFI的存在[7]。我们预计，人为噪音如无线电频率干扰是在时空域稳定出现的，而自然过程(如地球物理或气象)可能会有特有的季节性和周期性的特征。参考领域应当能综合这样的差别行为，有效的区分出RFI，虽然可能必须考虑存在一定的局限性。可能发生年际变化或许是由于地球物理或气象过程(如雪/冰融化或季风季节)，他们的发生是可以预期的，从一年到另一年都应该考虑到。即使可能稍微修改统计数据，但是使用足够长的时间的数据，RST方法应该能够显著平滑可能产生的影响。其他可能由于无线电频率干扰源本身的年际变化，将在后面讨论。

TABLE I

SUMMARY OF MONTHLY VALUES (IN KELVIN) OBTAINED BY AVERAGING OVER LAND-PIXEL RST MEAN TEMPORAL

ESTIMATIONS ACHIEVED BY ANALYZING NINE YEARS OF AMSR-E C-BAND (TB6.9) MEASUREMENTS

TABLE II

SAME AS TABLE I BUT FOR RST STANDARD DEVIATION ESTIMATIONS

Fig. 1. Results of RST analysis on TB6.9, considering AMSR-E data from June 2002 to May 2011. (a) Annual trend of the spatial mean of the temporal means.(b) Annual trend of the spatial mean of the temporal standard deviations.

3. 结果

只要计算出全年十二个月的时间平均值和标准差，就能总结从这些参考领域所产生巨大的信息量（对于每一个研究信号的96种不同的信息），以及时间参考领域内（均值和标准差等）在只考虑陆地的像素下对全年每个月的不同极化方式（垂直和水平）和轨道类型（升轨和降轨）的数据已经做了全球空间平均。

通过分别分析TB6.9p结果总结报告表I、II的均值和标准差以及图1，显示了这两种信号的年度趋势。应该强调的是，这样的过程是在中北纬度到北纬至从中南纬到南纬较大数量的陆地像素点上受影响的（比率约为2.5），因此，从气候的角度来看，结果更接近于北方的气候。这一结果的分析使我们有以下几方面的考虑：1)观察随夏季北半球温度增加时的平均值，TB6.9p呈现明显的季节性趋势[Fig. 1(a)]；2)正如预期的那样，在垂直极化测量的亮温高于水平极化3）在上升过程中的亮温测量值（即当地时间下午1:30）高于夜间，由于太阳辐射的贡献；4)在降轨的垂直极化中获得的数据是最稳定的[Fig. 1(b)]。关于这最后的结论，由于传感器的扫描模式，垂直极化方向上的测量几乎总是大于水平极化方向上的所有的自然排放，这些都来自自然或人为的表面。此外，水平极化方向上的数据的变化范围大于垂直极化的。因此，垂直极化获得的数据比水平的更稳定，也受到更大的AMSR-E的55ordm;入射角的地球物理变化的影响[7]。降轨过程获得的数据时间在当地时间上午1:30(因此在夜间)，所以测量到的RFI信号低于升轨中的是合理的，因为那个时刻正在进行的人类活动比较少[5]。

被测信号中存在RFI污染的证据可以通过观察参考领域平均值和标准差的最大值观察到；他们的范围分别是323.53 K到345.80 K和29.76 K到60.56 K。假定一般陆地微波发射率平均值为0.8，有效地表温度应介于404 K和430 K之间，这是远高于地球自然表面的热发射的值。通过类似的考虑，我们可以计算出标准差，正如我们在均匀的数据集中分层图像(即每月的时间窗口)，这些高值不太可能是由于自然波动。因此，如此高的值可以归结于人为的来源。

对AMSR-E的C波段RFI污染的证据进行了评估，通过RST计算出RI6.9p指标，考虑之前的工作，可以更好地映射它的存在[5],[7],[10]。除了上述RI6.9p指数能检测RFI的存在的能力，我们通过多时相分析可以区分持续RFI信号在不同的时空变化能力和自然发生的物理过程。在图2中，可以看出RI6.9p在全球范围内随时间的平均值和标准差的年度变化。先看图2(a)，考虑RI6.9的平均值，通过分析TB6.9p信号可以证实：在垂直和水平极化数据之间的区别是显而易见的，垂直极化测量结果总是比水平的更高。这样的结论也建立在考虑到不同的轨道的传感器：在降轨通道获得的测量结果，事实上，高于在升轨的测量结果。此外，在这种情况下，一个季节性的趋势是可识别的，随着在夏季RI6.9的减少，这可能与一般在这段期间北半球冰川覆盖较小有关。考虑标准差的年度趋势，之前的结论也得到了证实，在垂直极化的降轨获得的测量结果是最稳定的。

Fig. 2. Results of RST analysis on RI6.9, considering AMSR-E data from June 2

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[31498]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章