이전|다음

랜덤 포레스트와 선형 회귀를 융합한 일관된 X-밴드 레이더 평균 파 주기 역산

  • role： First author第一作者
  • Affiliation：

    Hubei Key Laboratory of Intelligent Vision Based Monitoring for Hydroelectric Engineering, China Three Gorges University, Yichang 443002, China

    College of Computer and Information Technology, China Three Gorges University, Yichang 443002, China

  • Email：liuh@ctgu.edu.cn
  • Introduction：刘含， 研究方向为无线电海洋遥感。E-mail： liuh@ctgu.edu.cn
LIU Han,  
  • Affiliation：

    Hubei Key Laboratory of Intelligent Vision Based Monitoring for Hydroelectric Engineering, China Three Gorges University, Yichang 443002, China

    College of Computer and Information Technology, China Three Gorges University, Yichang 443002, China

WANG Suyue,  
  • Affiliation：

    Hubei Key Laboratory of Intelligent Vision Based Monitoring for Hydroelectric Engineering, China Three Gorges University, Yichang 443002, China

    College of Computer and Information Technology, China Three Gorges University, Yichang 443002, China

ZHANG Qinghe,  
  • Affiliation：

    Hubei Key Laboratory of Intelligent Vision Based Monitoring for Hydroelectric Engineering, China Three Gorges University, Yichang 443002, China

    College of Computer and Information Technology, China Three Gorges University, Yichang 443002, China

SHEN Zhaoyang

추상적인

파도의 붕괴 및 진화로 인해 파수-주파수 스펙트럼에서 군집선과 고차 고조파가 나타나며, 이와 함께 주파 에너지가 감소한다. 군집선은 종종 일관된 마이크로파 레이더가 파 주기를 과대평가하게 만드는 주요 원인으로 간주된다. 기존 연구들은 파 주기 추정 정확도를 높이기 위해 군집선 에너지의 일부 또는 전체를 제거하려 했다. 그러나 파수-주파수 스펙트럼 내 에너지 분포의 불확실성으로 인해 스펙트럼 관점에서 파 주기를 역산할 때 항상 어느 정도의 편차가 존재한다. 이를 위해 본 논문은 일관된 X-밴드 레이더 기반의 랜덤 포레스트 및 선형 회귀 통합 모델을 활용한 평균 파 주기 추정 방법을 제안한다. 이 방법은 속도 시공간 시퀀스의 파동 운동 규칙에서 직접 파 주기를 추정한다; 먼저, 레이더에서 획득한 시간 도플러 스펙트럼에서 에코 속도 시공간 시퀀스를 도출한다; 둘째, 속도 시공간 시퀀스에서 특징을 추출하고 ECMWF 데이터와 함께 모델을 구축하여 최소 피크 간격을 예측하고 파봉과 파저의 위치를 찾는다; 마지막으로, 해파의 파장과 주기의 관계를 이용해 평균 파 주기를 역산한다. 시뮬레이션을 통해 이 방법의 유효성이 검증되었다. 또한, 중국 산둥성 해안에 배치된 일관된 X-밴드 레이더가 수집한 약 3일치 데이터셋을 분석하여 평균 파 주기를 역산하였으며, 수직 편파(VV) 및 수평 편파(HH)의 평균 제곱근 오차는 각각 0.15 및 0.22초였다. 결과는 이 방법이 해양 파라미터의 실시간 추정을 실현할 수 있음을 보여준다.

키워드

일관된 X-밴드 레이더; 평균 파 주기; 속도 시공간 시퀀스; 수직 편파(VV); 수평 편파(HH); 랜덤 포레스트; 실시간 추정

1 인용문

평균 웨이브 주기 MWP (Mean Wave Period) 는 해양 환경의 핵심 매개 변수 중 하나이며 해양 공학, 근해 작업 및 해양학 연구에서 매우 중요합니다 (Chen等，2022b）。원격 탐지 기술과 해면 전자파 산란 연구의 진전에 따라 레이더 등 설비는 전천후 모니터링과 저비용 등의 우세를 바탕으로 해양 환경 모니터링에 광범위하게 응용되고 있다 (方贺 等，2022；万勇 等，2023；Chen等，2020；Deng等，2022；Huang等，2024）。그 중 높은 시공 해상도의 상간과 비상간 마이크로파 레이더는 파도 파라미터를 얻는 데 많은 관심을 받고 있습니다 (Hackett等，2015；Chen等，2022a）。비상간 마이크로파 레이더는 조사 영역의 후방 산란 이미지에 3D 고속 푸리엽 변환(3D-FFT)을 적용하여 파도 매개변수(Huang等，2017；Young等，1985）。상간 마이크로파 레이더는 명확한 위상각을 가진 발사 신호를 통해 물 입자의 지름 방향 도플러 속도를 얻는다 (Plant等，2005；Chien等，2013）。따라서 속도 스펙트럼과 파고 스펙트럼 사이의 직접적인 관계를 이용하여 파도 파라미터를 반전시킨다 (Chen等，2019；Wu等，2023；Hu等，2024）。
속도 공시 서열은 레이더 회파 도플러 속도의 공간과 시간적 분포 상황을 표징하며, 이를 2차원 푸리엽 변환을 통해 파수 주파수 스펙트럼을 얻을 수 있으며, 이 스펙트럼은 레이더 회파 속도가 파수와 주파수 영역에서의 특성을 밝혀낸다.선형 해면의 경우, 에너지는 주로 파수 주파수 스펙트럼의 선형 색산 곡선에 집중된다.그러나 상관 마이크로파 레이더의 높은 시공 분별 특성은 파쇄파와 같은 해면의 비선형 세부 사항을 감지 할 수 있습니다 (Plant等，2003a；Stevens等，1999；Plant等，2012）。이러한 비선형 특징은 레이더가 관측한 파수 주파수 스펙트럼에 원점을 넘는 직선 (군선) 과 고차원 고조파 분량이 나타나게 하고, 나아가 레이더가 반연하여 얻은 파고 스펙트럼에서 주파 스펙트럼 에너지가 감소하고, 저주파 에너지가 증가한다(Liu等，2022a，2022b）。이러한 현상은 평균 웨이브 주기의 과대평가로 직결됩니다 (Pierella等，2021；Zhao等，2023）。그러므로 많은 연구들은 파주기반연의 정밀도를 높이기 위해 파수주파수스펙트럼에서 비선형분량을 제거하는데 진력하고있다.예를 들어,Hwang等（2010）마감 주파수가 0.04Hz인 퀄컴 필터를 사용하여 일부"군선"에너지를 필터링하지만 반전으로 얻은 웨이브 주기는 여전히 약 1.5s로 과대평가됩니다.Chen等（2017）마감 주파수를 0.05Hz로 조정하지만, 레이더가 반전하여 얻은 파도 스펙트럼은 부표 파도 스펙트럼에 비해 피크 주파수가 저주파 방향으로 뚜렷하게 오프셋된다.이 섹션 "군선" 을 유지하는 방법과 달리,Carrasco等（2017）선형 분산 필터를 기반으로 군선 및 고차원 고조파 에너지를 제거하고 연선형 분산 관계의 에너지만 유지합니다.그러나 레이더가 얻은 스펙트럼 피크 주파수는 부표의 피크 주파수보다 0.25 작다좌우.이전의 작업에서, 우리는 파쇄 후 발생하는 단파와 그 변천이"군선"과 고차조파의 발생을 설명할 수 있다는 것을 이미 실증했다."군선" 은 파수 주파수 스펙트럼의 저주파 영역에 위치하기 때문에, 그것은 상관 마이크로파 레이더의 고평가 주파수 주기의 주요 원인으로 간주됩니다 (Liu等，2022a）。그 다음에 본고는 일부 저주파 군선 에너지를 필터하는 새로운 색산 관계 필터를 제시했다.또한 주 스펙트럼 피크 주파수 감소로 인한 에너지 손실을 메우기 위해 고차공파를 보존하여 웨이브 주기 고평가 현상을 비교적 잘 개선했다(Liu等，2022b）。그러나 이 방법은 파도의 비선형 성분 중 주파수별 성분의 분포 특징을 고려하지 않았다.그런 다음Hu等（2024）레이디얼 속도 시계열을 QB-VMD로 분해해'군선'모드를 제거하고 주요 파도 모드를 적절히 보상해 재구성된 속도 공시 시퀀스에서 파도 매개변수를 추출하는 준이원 변분 모드 분해(QB-VMD) 방법을 제시했다.그러나 이 방법의 보상 인자는 다른 바다 상황에 따라 조정되어야 한다.그리고 상술한 연구는 모두 파수 주파수 스펙트럼을 바탕으로 파도 스펙트럼과의 직접적인 관계를 구축하여 파주기를 반전시킨다.파수 주파수 스펙트럼에서 서로 다른 주파수 성분의 분포 특징이 부족하기 때문에, 서로 다른 해상 상황이나 해면 환경에서의 회파 파수 주파수 스펙트럼은 서로 다른 필터가 처리해야 한다.
무작위 삼림과 선형 회귀의 통합 모델은 무작위 삼림이 비선형 특징에 대한 좋은 적응성과 선형 회귀의 효율적인 계산 성능을 결합시켜 복잡한 파도 데이터의 분석에 새로운 사고방식을 제공했다.이 통합 정책은 이미 여러 분야에 응용되었다.예를 들어,Feng等（2022）의학 진단에서 무작위 삼림과 논리 회귀를 통합하여 암 조기 검진의 정확도를 높였습니다.汪春丽和刘露萍（2021）금융 위험 통제에서 경도 향상 트리와 선형 모델을 결합하여 신용 평점 모델의 일반화 능력을 강화했습니다.Fan等（2021）환경 과학 분야의 연구에 따르면 혼합 집적 모델은 대기 질 예측에서 더 강한 비선형 의합 능력을 가지고 있습니다.상술한 연구에 따르면 트리 모델의 특징 선택 능력과 선형 모델의 수치 민감성을 결합한 통합 학습 방법은 복잡한 시스템 모델링에서 독특한 장점을 가진다.
상술한 분석을 바탕으로 단일 모델의 추정 정밀도와 일반화 능력의 한계를 극복하기 위해 본 연구는 무작위 삼림과 선형 회귀 집적 모델을 바탕으로 하는 상관 X-밴드 레이더 평균파 주기 추정 방법을 제시한다.이 방법은 속도 공시 서열에서만 평균파 주기를 직접 추정하는데, 이 방법에서는 비파동 성분이 효과적으로 제거되고 파도 파라미터가 속도 공시 서열에서 직접 추출되어 상관 X-밴드 레이더의 평균파 주기 측정 정밀도를 효과적으로 향상시켰다.이 방법을 검증하기 위해 2022년 11월 중국 산둥성에 배치된 상간 X-밴드 레이더가 수집한 약 3d의 데이터를 재분석해 상간 레이더의 파도 파라미터 반사 신뢰성을 높이기 위한 새로운 솔루션을 제공했다.

2 이론과 방법

2.1 이론적 기초

2.1.1 도플러 모델

와Fig. 1복합 표면 이론은 거친 해양 표면을 작은 척도, 중간 척도, 큰 척도 특징으로 분해합니다.마이크로파 산란의 발생은 작은 척도파의 공진 프라하 산란 (Plant等，1990）。마이크로파 레이더는 이런 공진 프라하 산란을 통해 작은 척도파와 상호작용한다(Poulter等，1994）。이런 상호작용에는 두가지 류형의 작은 척도파가 존재한다. 하나는 자유파이고 일반적으로 바람에 의해 직접 산생되며 그 고유의 상속도로 전파된다 (Plant等，2004；Plant，2003b）；또 다른 하나는 자유파와 중척도파의 상속도 사이에 있는 중척도파 파쇄로 인한 파쇄 단파입니다 (Plant，1997；Lee等，1995，1996，1998）。이전 작업에서는 자유파 및 파쇄 단파에 기반한 도플러 모델을 제안했습니다 (Liu等，2022b), 레이더가 측정한 도플러 스펙트럼은
식중,와각각 자유파와 파쇄단파 산란 후의 도플러 스펙트럼;레이디얼 거리에 있습니다.시간입니다.도플러 주파수입니다.
figure

Fig. 1 Model of the composite surface theory for free waves and broken short waves

레이더 세부 매개변수:Table 1와 같습니다.Fig. 22022년 11월 12일 15시의 상관 X-밴드 레이더를 위해 수집한 반향 예시.이 레이더는 단일 반송 주파수 연속파 신호를 사용하고 두 개의 안테나를 갖추고 있다.이 두 안테나는 각각 VV와 HH 극화 방식으로 신호를 보내고 수신하며 레이더는 응시 모드에서 작동한다.에서Fig. 2보통, 빨간색 돌기는 파쇄 단파로 인한 도플러 스펙트럼의"첨봉"현상을 나타냅니다 (Liu，2022b；Zhao等，2023）。에서Fig. 2파쇄된 단파의 반향 주파수가 뚜렷하게 확장되었음을 알 수 있다.스펙트럼 모멘트로 도플러 주파수를 계산합니다. 구체적인 계산 공식은 다음과 같습니다.

Table 1 Parameters of the radar

参数数值数值
天线极化方式VVHH
工作频率/GHz9.3—9.59.3—9.5
扫描带宽/MHz2525
频率扫描周期/0.150.15
采样时间/s0.00050.0005
采样间隔/m2.52.5
距离分辨率/m66
figure
figure

Fig. 2 Time-doppler spectrum， at 15：00 under different polarizations on November 12， 2022

레이디얼 속도로 표현할 수 있습니다.
식중,라디오 파장입니다.

2.1.2 변동 및 레이디얼 속도

와Fig. 1레이더가 입사각으로해면을 비출 때 해면의 물립자는 련속파의 형식으로 전파되는데 그들의 궤도운동(Zhao等，2023) 는 도플러 스펙트럼의 주파수 이동을 초래합니다 (Chen等，2012), 레이더가 각도에 들어갈 때해면을 비출 때, 해면에 있는 물 입자의 지름 방향 궤도 속도는
식중,각도를 응시하기 위한 레이디얼 거리;시간입니다.와궤도 속도를 나타내는 수평 및 수직 컴포넌트
식중깊은 물 속에서 하식을 만족시키다 (Greenlees，1994）：
식중,파폭입니다.동시에, 파수각도 주파수색산 관계를 따르다.
식중수심이 깊고,중력 가속도입니다.

2.2 무작위 삼림 회귀 및 선형 회귀의 통합 모델

집적 회귀 모델은 고차원 데이터 모델링에서 우위를 보인다.이 모델은 데이터 구조를 비선형과 선형 성분으로 분해하여 각각 무작위 삼림과 선형 회귀 모델링을 한다.무작위 삼림의 비선형 표현 능력은 선형 회귀의 효율성과 해석성을 결합하여 이 통합 모델이 복잡한 데이터 환경에서 뛰어난 적응성과 정확성을 가지게 한다.
무작위 삼림 회귀 모델은 여러 개의 독립 회귀 트리를 통합하여 평균 출력으로 안정적인 예측을 실현한다. 그 알고리즘은 Bagging 정책을 채택하여 무작위로 샘플 세트를 추출하고 각 노드에서 무작위로 특징 서브셋을 선택함으로써 소음과 이상 값에 대한 내성을 강화하고 과의합을 효과적으로 억제한다(Breiman，1996，2001）。선형 회귀는 적응성을 높이고 고차원 피쳐의 노이즈를 억제하기 위해 정규화 기술(예: Lasso(Tibshirani，2011) 또는 Ridge(Hoer 및 Kennard, 2000)가 반환되어 모델의 루프성을 향상시킵니다.선형 회귀는 목표 변수와 입력 피쳐 사이에 선형 관계가 있다고 가정하고 오차 제곱을 최소화하고 모델 매개변수를 추정합니다.두 모델을 결합한 최종 예측은 가중치를 통해 평균적으로 얻을 수 있습니다.
식중,무작위 숲의 비선형 예측을 나타냅니다.결정 트리 수에 대해입력 기반및 독립 분포 임의 변수에 대한 결정 트리 출력,선형 회귀를 나타내는 선형 예측,피쳐를 가져오기 위해회귀 계수는 각 피쳐가 대상 변수에 미치는 영향을 나타냅니다.오차 항목은 모델이 해석하지 못한 부분을 나타냅니다.와무작위 삼림 회귀와 선형 회귀를 위한 가중치.

2.3 반전 방법

와Fig. 3단일 행진파의 파장은 다음과 같습니다., 주파수 속도가, 웨이브 주기는. 구체적인 계산 공식은 다음과 같습니다.
figure

Fig. 3 Schematic of a single traveling wave

평균 웨이브 주기가 웨이브 주기이기 때문에전체 범위 내의 평균값.그러므로 파장은 평균파주기를 표징하는 하나의 매개 변수로 될수 있다.
상술한 이론 분석을 바탕으로 본고에서 제시한 알고리즘 절차는 다음과 같다.
1단계: 상관 X-밴드 레이더 회파 신호를 푸리엽 변환하여 단일 도플러 스펙트럼과 연속 시간 내의 2차원 스펙트럼 (시간 도플러 스펙트럼) 을 획득한다.
2단계: 통과式（2）시간 도플러 스펙트럼에서 도플러 주파수를 계산하다。
3단계: 통과式（3）도플러 주파수에서 레이디얼 속도의 시공 시퀀스 가져오기。
4단계: 레이디얼 속도의 시공 시퀀스 추출평균, 표준 차이, 최대, 최소, 중위수, 편도, 피크 등과 같은 피쳐는 실제 평균 웨이브 주기에서 계산된 최소 피크 거리 (최소 웨이브 간격 또는 최소 웨이브 차이 라고도 함) 와 연관성을 분석하여 상관 관계가 0.6 미만인 피쳐를 필터링하여 상관 없는 피쳐를 제거합니다.
5단계: 다음으로 남은 특징과 최소 피크 거리를 바탕으로 무작위 삼림 회귀 모델과 선형 회귀 모델이 결합된 통합 모델을 구축하여 최소 피크 거리를 예측한다.
6단계: 최소 피크 거리에 따라 레이디얼 속도를 정확하게 확인할 수 있는 시공 시퀀스파봉파곡의 위치와 파봉파곡간의 평균차에 근거하여 평균파주기를 계산한다.실시간 레이더 회파 데이터를 이미 구축된 모델에 입력하여 평균파 주기에 대한 실시간 예측을 실현한다.

3 에뮬레이션 검증

연합북해파도프로젝트(JONSWAP) 스펙트럼(Hasselmann等，1980) 및 Longuet-Higgins 분포 함수(Longuet-Higgin, 1957)는 지표 변위의 2차원 선형 구현 시간 시퀀스를 얻을 수 있습니다.선형 물결 이론에 따라 3D 풍파면 (Dankert和Rosenthal，2004）
식중,해면 위치입니다.각 주파수의 첫 번째단계;예개의 방위각의 단계;방향파 스펙트럼진폭을 유도할 수 있다; 각도 해상도는；랜덤 위상을 위해,에사이가 고르게 분포하다.
트랙 속도의 수평 및 수직 컴포넌트는式（5）및 (6) 얻습니다.에 의하여式（4）얻을 수 있다Fig. 4시뮬레이션된 속도 공백 시간 속도 시퀀스, 속도 공백 시간 속도 시퀀스는 깨진 단파의 산란 (노란색 점 모양의"간섭"현상을 명확하게 보여줍니다 (Wu等，2023) 그런 다음 2절에서 설명한 기계 학습 기반 파도 매개 변수 반사 방법을 사용하여 시뮬레이션 해면 데이터에서 최소 피크 거리를 추정하고 웨이브 피크 밸리 위치 (예:Fig. 4), 마지막으로, 이러한 태그 결과를 기반으로 평균 웨이브 주기를 계산합니다.
figure
figure

Fig. 4 The spatial-temporal displacement series and spatial-temporal velocity series of simulated data

근거式（9）모델, 서로 다른 가중치 배합 비율의 무작위 삼림 회귀와 선형 회귀 모델의 예측 성능을 비교하고 각 모델의 예측 정확도를 분석한다.Fig. 5RMSD 및 가중치 매개변수 표시변화 사이의 관계.가중치 배합 비율이 모델 성능에 미치는 영향이 현저하다는 것을 알 수 있다.Fig. 5RMSD가 최소치에 도달했을 때 해면의 평균 파도주기 추정 결과를 비교한 것으로 최우량 중하위 모델의 예측 차이를 직관적으로 반영했다.시뮬레이션 실험은 여러 가지 해황 조건, 풍속 0-20을 시뮬레이션하였다.. 통계 매개변수는 다음과 같습니다.Table 2와 같습니다.그 결과 본고 모델의 반전 결과는 실제 평균파 주기와 잘 맞아 방법의 유효성을 검증했다.

Table 2 Statistical parameters

参数数值
相关系数 CC0.97
均方根误差 RMSD0.27
绝对值误差 AMD0.24

4 상관 X-밴드 레이더 검증

4.1 실험 설정

2022년 11월, 산동성 연해지역에서 약 3d의 실험을 진행하여 레이다성능을 평가하였다.SPPR50P-HH 및 SPPR50P-VV 독립형 솔리드 스테이트 공방 모니터링/항법 레이더 근접 가설(Fig. 6）（关键 等，2023；刘宁波 等，2019，2021), 해면에서 80m 떨어진 고도에 배치되어 4252.5~4602.5m 떨어진 해변의 원시 레이더 데이터를 선택하기 때문에 약사각은 1.08 °~1.00 ° 이다.두 선은 수직 높이가 1m 이상 어긋나며 SPPR50P-HH는 위, SPPR50P-VV는 아래에 있습니다.모두 11.11km의 거리를 설정하고 수동으로 두 레이더의 응시 각도를 설정하여 두 레이더가 동시에 같은 장면을 응시할 수 있도록 한다.부표 값이 없기 때문에 이 위치의 ECMWF의 파도 매개변수를 선택하여 비교합니다.
figure
figure

Fig. 5 Statistical characteristics of RMAD for inverted mean wave period and verification results of simulated sea surface against wind speed

figure

Fig. 6 Radar installation location diagram

4.2 관찰 및 토론

4.2.1 시간 도플러보

Fig. 72022년 11월 13일 16: 00의 VV와 HH 극화에 따른 시간 도플러 스펙트럼입니다.풍속은 7.34m/s이며 유효파 높이는 1.11m로 측정됐다. 이 해황으로 인해 시간 도플러 스펙트럼이 간헐적으로 오른쪽으로 넓어졌다.분명히, VV 극화 하의 도플러 스펙트럼 강도는 HH 극화 하의 강도보다 높으며, HH 극화 모드에서 작동하는 레이더는 해양의 비선형 성분에 더욱 민감하며, 이는Plant（1997）의 결론이 일치합니다.
figure
figure

Fig. 7 Time doppler spectrum under different polarizations

4.2.2 속도 비어 있는 시퀀스

Fig. 8표시되었습니다Fig. 7이용式（2）와式（3）얻은 HH와 VV가 극화된 속도 공시 시퀀스 이미지 (붉은 별표) 파곡 (파란 별표) 은 HH가 극화된 도플러 속도가 VV가 극화된 도플러 속도보다 일반적으로 크다.이는 Sergievskay 등 (2019) 결론과 일치한다.와Fig. 8이와 같이 시공속도서렬에서 뚜렷한 황색점모양의"간섭"현상을 보이고있으며 집적모형을 리용하여 파봉파곡의 위치를 예측하고 표시하고있는데 이는 파의 운동상태를 똑똑히 보여주고있다.
figure
figure

Fig. 8 Spatial-temporal velocity series under different polarizations

4.2.3 결과 및 분석

상관 X-밴드 레이더를 사용하여 11월 12일 14: 00부터 12월 13일 15: 00까지의 데이터를 모델링하고, 11월 12일 16: 00부터 12월 13일 8: 00까지의 데이터를 검증한다.또한 색산 필터의 평균 웨이브 주기 반전 방법을 비교합니다 (Liu等，2022a）。Fig. 9와Fig. 10서로 다른 방법의 평균 웨이브 주기 시간 시퀀스입니다.주황색 더하기 기호는 필터 방법을 나타내고 빨간색 별표는 이 글의 방법의 반사 결과를 나타내며 파란색 원은 ECMWF 결과에 대응합니다.제시된 방법의 산점도Fig. 9와Fig. 10와 같습니다.통계 매개변수 요약Table 3. 필터링 방법보다 상관 X-밴드 레이더를 이용한 머신러닝 기반 파도 매개 변수 반연으로 추정된 평균 웨이브 주기가 ECMWF 결과와 잘 맞아떨어졌다.

Table 3 Comparison of statistical parameters obtained by the method in this paper with Liu et al.’s （filtering） method

参数VV极化HH极化
本文方法Liu等方法本文方法Liu等方法
CC0.960.910.890.85
RMSD0.150.210.220.31
AMD0.110.160.160.22
figure
figure

Fig. 9 Performance evaluation of X-band radar VV polarization data inversion for mean wave period on November 13-15， 2022

figure
figure

Fig. 10 Performance evaluation of X-band radar HH polarization data inversion for mean wave period on November 13-15， 2022

레이더의 풍속 (풍속 범위: 2-4、4—6、6—8) 및 관측된 노이즈 비율(SNR)(SNR 범위: <11dB, 11-13dB, > 13dB) 시계열은 다음과 같습니다.Fig. 10와Fig. 11와 같습니다.RMSD는 풍속 및 신호 잡음비의 증가에 따라 감소 추세를 보이고 있습니다.Fig. 10와Fig. 11와 같습니다.평균 웨이브 주기의 RMSD<0.3，), 레이더 반향의 신호 잡음비도 낮다.이는 저풍속 조건에서 해양 표면의 산란체 수와 강도가 부족하기 때문일 수 있습니다 (Hwang等，2014）。
figure
figure

Fig. 11 Analysis of polarization characteristics for X-band radar inversion of sea surface wind speed and mean wave period on November 13-15， 2022

figure
figure

Fig. 12 Analysis of X-band radar HH and VV polarization signal-to-noise ratio characteristics and their impact on the accuracy of mean wave period on November 13—15， 2022

4.2.4 토론

본고의 방법은 전통적인 필터 기반 방법에 비해 파도 주기 추정에 있어 더욱 강한 일치성을 나타낸다.전통적인 필터링 방법은 일반적으로 상관 마이크로파 레이더가 획득한 파수 주파수 스펙트럼에 대해 색산 필터링 방법으로"군선"을 제거한다.그러나 파수 주파수 스펙트럼에서 에너지 분포의 불확실성으로 인해 스펙트럼의 각도에서 평균 주파수 주기를 반전시킬 때 항상 일정한 편차가 존재한다.본고의 방법은 지름 방향 속도 서열에서 파쇄파의 영향을 직접 제거하고 더 나아가 파도 파라미터를 반전시켜 전통적인 방법에서 스펙트럼 특징의 불확실성으로 인한 오차를 피했다.실험 결과, 이 문서의 메소드가 반전하는 파도 매개변수는 ECMWF의 결과와 더 일치합니다.
이밖에 두가지 극화모식의 레이다하에서 모두 근실시간의 평균파주기예측을 성공적으로 실현할수 있다.그러나 VV 극화에 비해 HH 극화에서 반전되는 평균파 주기 오차가 크다.이것은 HH 극화 모드에서 레이더가 해양의 비선형 성분에 더욱 민감하고 반향 신호 소음이 비교적 낮기 때문일 수 있다.이 문제는 미래 연구에서 한층 더 토론될 것이다.
풍속이 돌변할 때 평균파주기평가오차가 커지게 되는데 결책트리의 수량과 선형회귀에서 정규화매개 변수의 부동한 수치를 합리하게 조정하여 평균파주기평가오차가 합리한 수준을 유지하도록 해야 한다.

5 결론

근접 실시간, 고정밀도의 파도 평균파 주기 추정을 실현하기 위해 본고는 상관 X-밴드 레이더의 무작위 삼림과 선형 회귀를 기반으로 한 통합 모델의 평균파 주기 추정 방법을 제시한다.집적모형을 리용하여 지름방향속도시공서렬을 예측하여 최소봉거리를 얻은후 최소봉거리에 따라 파봉파곡의 위치를 찾고 마지막으로 파도파장과 주기의 관계에 따라 파도매개변수를 반연한다.주요 결론은 다음과 같다: 본 연구는 제시된 통합 모델 방법이 파쇄파의 영향을 효과적으로 억제하고 상관 X-밴드 레이더에 기반한 근시파 주기 측정을 실현할 수 있으며 VV 극화 모델의 측정 정밀도가 HH 극화보다 우수하다는 것을 검증했다.이 방법은 극단적인 고해상 상황에서의 적용성과 계산 효율은 여전히 진일보한 연구와 향상이 필요하다.

References

  1. 1.
    Breiman L. 1996. Bagging predictors. Machine Learning, 24(2): 123-140
  2. 2.
    Breiman L. 2001. Random forests. Machine Learning, 45(1): 5-32
  3. 3.
    Carrasco R, Horstmann J and Seemann J. 2017. Significant wave height measured by coherent X-band radar. IEEE Transactions on Geoscience and Remote Sensing, 55(9): 5355-5365
  4. 4.
    Chen X W and Huang W M. 2022a. Spatial–temporal convolutional gated recurrent unit network for significant wave height estimation from shipborne marine radar data. IEEE Transactions on Geoscience and Remote Sensing, 60: 4201711
  5. 5.
    Chen X W, Huang W M, Zhao C and Tian Y W. 2020. Rain detection from X-band marine radar images: a support vector machine-based approach. IEEE Transactions on Geoscience and Remote Sensing, 58(3): 2115-2123
  6. 6.
    Chen Z Z, Chen X, Zhao C, Li J, Huang W M and Gill E W. 2019. Observation and intercomparison of wave motion and wave measurement using shore-based coherent microwave radar and HF radar. IEEE Transactions on Geoscience and Remote Sensing, 57(10): 7594-7605
  7. 7.
    Chen Z Z, Fan L G, Zhao C and Jin Y. 2012. Ocean wave directional spectrum measurement using microwave coherent radar with six antennas. IEICE Electronics Express, 9(19): 1542-1549
  8. 8.
    Chen Z Z, Wang Z H, Chen X, Zhao C, Xie F and He C. 2017. S-band Doppler wave radar system. Remote Sensing, 9(12): 1302
  9. 9.
    Chen Z Z, Zhang C Y, Zhao C, Chen X and Liu H. 2022b. Peak wave direction measurement using shipboard coherent microwave radar. IEEE Geoscience and Remote Sensing Letters, 19: 4500805
  10. 10.
    Chien H, Cheng H Y and Trizna D B. 2013. Determination of phase difference of backscatter signals from coherent-on-receive microwave marine radar for wave measurement//Proceedings of 2013 OCEANS - San Diego. San Diego: IEEE: 1-6
  11. 11.
    Dankert H and Rosenthal W. 2004. Ocean surface determination from X-band radar-image sequences. Journal of Geophysical Research: Oceans, 109(C4): C04016
  12. 12.
    Deng M, Zhao C, Chen Z Z, Ding F and Wang T. 2022. Wave height and wave period measurements using small-aperture HF radar. IEEE Transactions on Geoscience and Remote Sensing, 60: 4209212
  13. 13.
    Fan S R, Hao D X, Feng Y, Xia K W and Yang W B. 2021. A hybrid model for air quality prediction based on data decomposition. Information, 12(5): 210
  14. 14.
    Fang H, Yang J S, Fan G F, Li C, Shi D W and Perrie W. 2022. Ocean surface wind speed retrieve from co-polarized SAR using composite surface Bragg scattering model. National Remote Sensing Bulletin, 26(6): 1274-1287
  15. 15.
    Feng C H, Disis M L, Cheng C and Zhang L J. 2022. Multimetric feature selection for analyzing multicategory outcomes of colorectal cancer: random forest and multinomial logistic regression models. Laboratory Investigation, 102(3): 236-244
  16. 16.
    Greenlees J N. 1994. Basic wave mechanics: for coastal and ocean engineers, by Robert M. Sorensen. Naval Engineers Journal, 106(4): 227-228
  17. 17.
    Guan J, Liu N B, Wang G Q, Ding H, Dong Y L, Huang Y, Tian K X and Zhang M Y. 2023. Sea-detecting radar experiment and target feature data acquisition for dual polarization multistate scattering dataset of marine targets. Journal of Radars, 12(2): 456-469
  18. 18.
    Hackett E E, Fullerton A M, Merrill C F and Fu T C. 2015. Comparison of incoherent and coherent wave field measurements using dual-polarized pulse-Doppler X-band radar. IEEE Transactions on Geoscience and Remote Sensing, 53(11): 5926-5942
  19. 19.
    Hasselmann D E, Dunckel M and Ewing J A. 1980. Directional wave spectra observed during JONSWAP 1973. Journal of Physical Oceanography, 10(8): 1264-1280
  20. 20.
    Hoerl A E and Kennard R W. 2000. Ridge regression: biased estimation for nonorthogonal problems. Technometrics, 42(1): 80-86
  21. 21.
    Hu Z Q, Chen Z Z, Zhao C and Chen X. 2024. Inversion of wave parameters with shore-based coherent S-band radar using quasi-binary variational mode decomposition. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 17: 8570-8580
  22. 22.
    Huang W M, Liu X L and Gill E W. 2017. Ocean wind and wave measurements using X-band marine radar: a comprehensive review. Remote Sensing, 9(12): 1261
  23. 23.
    Huang Y X, Chen Z Z, Zhao C, Wei Y Y and Chen X. 2024. Wave parameter inversion for shipboard coherent S-band radar under shadow modulation. IEEE Transactions on Geoscience and Remote Sensing, 62: 4207815
  24. 24.
    Hwang P A, Perrie W and Zhang B. 2014. Cross-polarization radar backscattering from the ocean surface and its dependence on wind velocity. IEEE Geoscience and Remote Sensing Letters, 11(12): 2188-2192
  25. 25.
    Hwang P A, Sletten M A and Toporkov J V. 2010. A note on Doppler processing of coherent radar backscatter from the water surface: with application to ocean surface wave measurements. Journal of Geophysical Research: Oceans, 115(C3): C03026
  26. 26.
    Lee P H Y, Barter J D, Beach K L, Hindman C L, Lake B M, Rungaldier H, Shelton J C, Williams A B, Yee R and Yuen H C. 1995. X band microwave backscattering from ocean waves. Journal of Geophysical Research: Oceans, 100(C2): 2591-2611
  27. 27.
    Lee P H Y, Barter J D, Beach K L, Lake B M, Rungaldier H and Thompson H R. 1998. Scattering from breaking gravity waves without wind. IEEE Transactions on Antennas and Propagation, 46(1): 14-26
  28. 28.
    Lee P H Y, Barter J D, Caponi E, Caponi M, Hindman C L and Lake B M. 1996. Wind-speed dependence of small-grazing-angle microwave backscatter from sea surfaces. IEEE Transactions on Antennas and Propagation, 44(3): 333-340
  29. 29.
    Liu H, Chen Z Z and Zhao C. 2022a. A new Doppler model incorporated with free and broken-short waves for coherent S-band wave radar at near-grazing angles. IEEE Transactions on Geoscience and Remote Sensing, 60: 5108311
  30. 30.
    Liu H, Chen Z Z, Zhao C and Wu S T. 2022b. Improvement of mean wave period based on dispersion relation filter using shore-based coherent S-band radar. Journal of Atmospheric and Oceanic Technology, 39(8): 1105-1113
  31. 31.
    Liu N B, Ding H, Huang Y, Dong Y L, Wang G Q and Dong K. 2021. Annual progress of the sea-detecting X-band radar and data acquisition program. Journal of Radars, 10(1): 173-182
  32. 32.
    Liu N B, Dong Y L, Wang G Q, Ding H, Huang Y, Guan J, Chen X L and He Y. 2019. Sea-detecting X-band radar and data acquisition program. Journal of Radars, 8(5): 656-667
  33. 33.
    Longuet-Higgins M S. 1957. The statistical analysis of a random, moving surface. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 249(966): 321-387
  34. 34.
    Pierella F, Bredmose H and Dixen M. 2021. Generation of highly nonlinear irregular waves in a wave flume experiment: spurious harmonics and their effect on the Wave Spectrum. Coastal Engineering, 164: 103816
  35. 35.
    Plant W J. 1997. A model for microwave Doppler sea return at high incidence angles: Bragg scattering from bound, tilted waves. Journal of Geophysical Research: Oceans, 102(C9): 21131-21146
  36. 36.
    Plant W J. 2003a. Microwave sea return at moderate to high incidence angles. Waves in Random Media, 13(4): 339-354
  37. 37.
    Plant W J. 2003b. Bound waves and sea-surface slopes//Proceedings of Oceans 2003. Celebrating the Past ... Teaming Toward the Future. San Diego: IEEE: 1825-1828
  38. 38.
    Plant W J, Dahl P H, Giovanangeli J P and Branger H. 2004. Bound and free surface waves in a large wind-wave tank. Journal of Geophysical Research: Oceans, 109(C10): C10002
  39. 39.
    Plant W J and Farquharson G. 2012. Origins of features in wave number-frequency spectra of space-time images of the ocean. Journal of Geophysical Research: Oceans, 117(C6): C06015
  40. 40.
    Plant W J and Keller W C. 1990. Evidence of Bragg scattering in microwave Doppler spectra of sea return. Journal of Geophysical Research: Oceans, 95(C9): 16299-16310
  41. 41.
    Plant W J, Keller W C and Hayes K. 2005. Measurement of river surface currents with coherent microwave systems. IEEE Transactions on Geoscience and Remote Sensing, 43(6): 1242-1257
  42. 42.
    Poulter E M, Smith M J and McGregor J A. 1994. Microwave backscatter from the sea surface: Bragg scattering by short gravity waves. Journal of Geophysical Research: Oceans, 99(C4): 7929-7943
  43. 43.
    Sergievskaya I A, Ermakov S A, Ermoshkin A V, Kapustin I A, Molkov A A, Danilicheva O A and Shomina O V. 2019. Modulation of dual-polarized X-band radar backscatter due to long wind waves. Remote Sensing, 11(4): 423
  44. 44.
    Stevens C L, Poulter E M, Smith M J and McGregor J A. 1999. Nonlinear features in wave-resolving microwave radar observations of ocean waves. IEEE Journal of Oceanic Engineering, 24(4): 470-480
  45. 45.
    Tibshirani R. 2011. Regression shrinkage and selection via the lasso: a retrospective. Journal of the Royal Statistical Society Series B: Statistical Methodology, 73(3): 273-282
  46. 46.
    Wan Y, Ma E N, Qu R Z and Dai Y S. 2023. Accuracy evaluation of wave spectrum inversion based on Sentinel-1 and GF-3 SAR data. National Remote Sensing Bulletin, 27(4): 891-904
  47. 47.
    Wang C L and Liu L P. 2021. Analysis of the average price of second-hand houses in shanghai based on gradient boosting regression tree. Operations Research and Fuzziology, 11(3): 257-267
  48. 48.
    Wu S T, Zhao C, Chen Z Z, Xu Q H and Wang X. 2023. Wave parameter inversion from motion-affected echoes using shipboard coherent microwave radar. IEEE Transactions on Geoscience and Remote Sensing, 61: 5106311
  49. 49.
    Young I R, Rosenthal W and Ziemer F. 1985. A three-dimensional analysis of marine radar images for the determination of ocean wave directionality and surface currents. Journal of Geophysical Research: Oceans, 90(C1): 1049-1059
  50. 50.
    Zhao C, Wang X, Chen Z Z, Wu S T and Zeng Y C. 2023. Inversion of wave parameters from time-Doppler spectrum using shore-based coherent S-band radar. IEEE Transactions on Geoscience and Remote Sensing, 61: 5101211

더 읽기

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website