按:   检索词:   从
   最新录用    过刊检索
星载合成孔径雷达海洋遥感与大数据
投稿时间:2019-10-15    点此下载全文
引用本文:李晓明,黄冰清,贾童,覃婷婷.星载合成孔径雷达海洋遥感与大数据[J].南京信息工程大学学报,2020,12(2):191~203
摘要点击次数: 188
全文下载次数: 144
作者单位
李晓明 中国科学院数字地球重点实验室/中国科学院空天信息创新研究院, 北京, 100094 
黄冰清 中国科学院数字地球重点实验室/中国科学院空天信息创新研究院, 北京, 100094
中国科学院大学, 北京, 100049 
贾童 中国科学院数字地球重点实验室/中国科学院空天信息创新研究院, 北京, 100094
中国科学院大学, 北京, 100049 
覃婷婷 桂林理工大学 测绘地理信息学院, 桂林, 541006 
基金项目:国家重点研发计划项目(2018YFC1407102)
中文摘要:星载合成孔径雷达以其全天候、全天时、不受云雨影响的工作特性在空间对海观测中起到了重要作用,又以其高空间分辨率、多极化、多成像模式的特点展示了其在海洋动力要素反演和海洋多尺度动力过程研究中独特的魅力.起步于20世纪70年代末的星载合成孔径雷达技术,迎来了发展的"黄金时期",大数据和机器学习又赋予了星载合成孔径雷达海洋遥感更强大的生命力.本文首先阐述了星载合成孔径雷达大数据的5"V"特性,进而以高分辨率海面风场反演、海洋内波中尺度动力过程观测两类典型案例,阐述了大数据、机器学习等现代信息科学技术与卫星海洋遥感结合,实现海洋环境参数高精度反演和海洋动力过程科学深层次认知的研究.最后,展望了星载合成孔径雷达海洋遥感与大数据的发展前景.
中文关键词:星载合成孔径雷达  海洋遥感  大数据  机器学习
 
Ocean remote sensing by spaceborne synthetic aperture radar (SAR) and big data
Abstract:The spaceborne synthetic aperture radar (SAR) plays an important role in ocean observation owing to its capability of working all-day and being insusceptible to sunlight,cloudiness or rainfall.It has unique advantages in retrieval of ocean surface dynamic parameters and study of multi-scale ocean dynamic processes with high spatial resolution,multi-polarization,and multi-imaging modes.Since the late 1970s,spaceborne SAR technology has developed rapidly.When combined with big data and machine learning techniques,spaceborne SAR exhibits more powerful vitality in ocean observation.In this paper,the 5‘V’ characteristics of spaceborne SAR big data are elaborated.Then two typical cases,i.e.retrieval of the sea surface wind speed,and scientific recognition of mesoscale dynamic processes of ocean internal waves,are presented to demonstrate the integration of spaceborne SAR,machine learning,and big data in assistance of high-resolution inversion of ocean environmental factors and deep understanding of marine dynamic processes.Finally,the prospective of spaceborne SAR big data for ocean remote sensing is given.
keywords:spaceborne synthetic aperture radar  ocean remote sensing  big data  machine learning
查看全文  查看/发表评论  下载PDF阅读器

您是本站第 1744666 位访问者
版权所有:南京信息工程大学期刊社《南京信息工程大学学报》编辑部     
地址:江苏南京,宁六路219号,南京信息工程大学