張 杰 張 晰范陳清 孟俊敏

(國(guó)家海洋局第一海洋研究所 青島 266061)

極化SAR在海洋探測(cè)中的應(yīng)用與探討

張 杰 張 晰*范陳清 孟俊敏

(國(guó)家海洋局第一海洋研究所 青島 266061)

合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)是重要的對(duì)地觀測(cè)傳感器，在陸地和海洋中都有廣泛的應(yīng)用。極化合成孔徑雷達(dá)通過(guò)不同的收發(fā)通道組合，能夠獲取豐富的目標(biāo)散射信息，可以提升目標(biāo)檢測(cè)、分類(lèi)識(shí)別、定量反演的能力。該文以海冰、艦船、溢油、海浪、內(nèi)波、風(fēng)場(chǎng)、海底地形等海上目標(biāo)和海洋動(dòng)力環(huán)境要素為例，分析了極化SAR在海洋監(jiān)測(cè)中的重要作用，探討了極化SAR未來(lái)的發(fā)展方向，給出了進(jìn)一步開(kāi)展極化SAR海洋應(yīng)用的建議。

極化SAR；海洋應(yīng)用；海上目標(biāo)；海洋動(dòng)力環(huán)境要素

1 引言

海洋作為藍(lán)色國(guó)土，是我們賴以生存和發(fā)展的空間。海洋中的艦船監(jiān)測(cè)關(guān)系到海洋主權(quán)與權(quán)益維護(hù)，海冰、內(nèi)波、海浪等則對(duì)海上航運(yùn)、海上作業(yè)、海洋工程存在嚴(yán)重威脅，海上溢油會(huì)造成巨大經(jīng)濟(jì)損失與環(huán)境污染，為了能更好地利用和保護(hù)海洋，需要對(duì)海洋中的目標(biāo)和環(huán)境動(dòng)力要素進(jìn)行可靠有效的監(jiān)測(cè)。合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)由于其全天時(shí)全天候的工作能力而成為了海洋監(jiān)測(cè)的主要手段，星載SAR發(fā)射成功后的30多年間，已經(jīng)在海洋領(lǐng)域得到了廣泛的應(yīng)用。

極化合成孔徑雷達(dá)(PolSAR)是雷達(dá)理論和技術(shù)發(fā)展的新技術(shù)，美國(guó)JPL實(shí)驗(yàn)室在1985研制出第1部機(jī)載極化SAR系統(tǒng)，開(kāi)創(chuàng)了極化成像雷達(dá)研究的新紀(jì)元。隨著極化SAR理論和技術(shù)的同步發(fā)展，國(guó)外相繼發(fā)射了Radarsat-2, TerraSAR-X, Cosmo-SkyMed, ALOS-2等搭載了極化SAR系統(tǒng)的衛(wèi)星，這些SAR衛(wèi)星在對(duì)地觀測(cè)中發(fā)揮了重要作用[1-5]。

近幾年，我國(guó)的極化SAR理論與應(yīng)用研究在多個(gè)科研項(xiàng)目的支持下取得了較大進(jìn)展。自主的高分辨率極化SAR衛(wèi)星也已發(fā)射，即將建成高分辨率SAR對(duì)地觀測(cè)系統(tǒng)。未來(lái)極化數(shù)據(jù)的獲取將更加便捷，極化SAR也將在目標(biāo)檢測(cè)、類(lèi)型識(shí)別、參數(shù)估計(jì)、定量反演中發(fā)揮更加重要的作用。

本文首先概述了極化SAR的基本理論，然后主要以張杰團(tuán)隊(duì)在海冰、艦船、溢油、海浪、內(nèi)波、風(fēng)場(chǎng)、海底地形的極化SAR監(jiān)測(cè)工作為例，論述了極化SAR在海洋監(jiān)測(cè)中的重要作用和發(fā)展?jié)摿?，最后，?duì)極化SAR未來(lái)的發(fā)展方向做了展望，以期得到進(jìn)一步開(kāi)展極化SAR海洋監(jiān)測(cè)研究的啟示。

2 極化SAR基本理論

雷達(dá)通過(guò)發(fā)射電磁波和接收散射回波來(lái)獲取目標(biāo)信息。電磁波在與其傳播方向垂直平面上的分量的時(shí)空變化軌跡稱(chēng)為極化。極化SAR系統(tǒng)中，為了能夠定量計(jì)算和分析地物的電磁散射特性，常用一個(gè)復(fù)矩陣(稱(chēng)之為極化散射矩陣，Sinclair矩陣)，來(lái)描述地物的電磁散射過(guò)程[6]，利用散射矩陣可以進(jìn)一步推導(dǎo)出分布式目標(biāo)的相干矩陣和協(xié)方差矩陣來(lái)描述目標(biāo)或環(huán)境的電磁散射特性[7]。

一般而言，極化SAR系統(tǒng)包含雙極化和全極化兩種模式。雙極化系統(tǒng)發(fā)射水平或垂直方向的電磁波，同時(shí)接收水平和垂直方向的電磁波，能獲取HH/HV或VV/VH兩個(gè)通道的數(shù)據(jù)；全極化系統(tǒng)發(fā)射水平和垂直方向的電磁波，同時(shí)接收水平和垂直方向的電磁波，能獲取HH, HV, VV, VH 4通道的數(shù)據(jù)。

簡(jiǎn)縮極化SAR系統(tǒng)是雙極化SAR與全極化SAR系統(tǒng)的折中，與全極化SAR系統(tǒng)相比，系統(tǒng)設(shè)計(jì)復(fù)雜度低，成像范圍大，與雙極化SAR系統(tǒng)相比，簡(jiǎn)縮極化SAR系統(tǒng)發(fā)射和接收信號(hào)組合更豐富[8]。簡(jiǎn)縮極化SAR系統(tǒng)只發(fā)射一個(gè)方向的電磁波，接收兩個(gè)方向的回波信號(hào)，有3種常用的簡(jiǎn)縮極化模式。π/4模式[9]：系統(tǒng)發(fā)射45°方向的線極化波，接收水平和垂直回波信號(hào)；雙圓極化(Dual Circular Polarization, DCP)模式[10]：系統(tǒng)發(fā)射圓極化波，同時(shí)接收左圓和右圓極化波?；旌?Circular-Transmit-and-Linear-Receive, CTLR) 模式[11,12]，系統(tǒng)發(fā)射圓極化波，接收一組水平和垂直回波信號(hào)。簡(jiǎn)縮極化的最大優(yōu)勢(shì)能夠重構(gòu)大幅寬的全極化數(shù)據(jù)，更適于大范圍的海洋監(jiān)測(cè)。

無(wú)論是雙極化、全極化、還是簡(jiǎn)縮極化SAR，都可以獲得多通道數(shù)據(jù)，相比于單極化SAR單一的灰度圖像，極化SAR通過(guò)通道組合得到偽彩色圖像，在海洋監(jiān)視的目標(biāo)解譯中更具有優(yōu)勢(shì)。

極化信息與目標(biāo)尺度、形狀、結(jié)構(gòu)、取向和材料等目標(biāo)屬性存在著本質(zhì)的內(nèi)在聯(lián)系。利用極化數(shù)據(jù)提供的散射矩陣和相干矩陣和協(xié)方差矩陣，可進(jìn)一步提取SAR圖像中地物目標(biāo)的散射特征[13-15]，如熵、alpha角、各向異性度等。對(duì)于艦船、海冰、海上平臺(tái)等海洋目標(biāo)監(jiān)測(cè)來(lái)說(shuō)，極化SAR豐富的散射信息和極化特征有助于海上目標(biāo)的幾何細(xì)節(jié)刻畫(huà)和散射特性分析，從而實(shí)現(xiàn)目標(biāo)的檢測(cè)、分類(lèi)和識(shí)別。

對(duì)于海洋動(dòng)力環(huán)境要素，極化SAR對(duì)不同海況條件下的不同尺度的海浪、海流、海面風(fēng)場(chǎng)的敏感程度不同，且只用單極化SAR進(jìn)行海浪、海流、海面風(fēng)場(chǎng)等海洋動(dòng)力環(huán)境要素的反演時(shí)，一般都會(huì)存在180°的方向模糊，如果缺少現(xiàn)場(chǎng)數(shù)據(jù)，則無(wú)法確定其真實(shí)傳播方向。極化SAR不僅能夠利用影像的幅度信息，其通道間的相對(duì)相位信息有助于消除方向上的模糊。

因此，極化信息的使用增加了SAR信息的維度，更有利于目標(biāo)的有效識(shí)別和動(dòng)力要素的準(zhǔn)確提取。

3 極化SAR海上目標(biāo)監(jiān)測(cè)應(yīng)用

3.1 艦船監(jiān)測(cè)

在單極化SAR船只目標(biāo)檢測(cè)研究中，Rey[16]最早提出利用K分布海雜波模型結(jié)合恒虛警率(Constant False Alarm Rate, CFAR)的檢測(cè)方法。后來(lái)，Novak[17]發(fā)展了利用高斯模型的雙參數(shù)CFAR的方法。隨著SAR圖像分辨率不斷提高，艦船由低分辨率SAR圖像中的點(diǎn)目標(biāo)擴(kuò)展為面目標(biāo)，而且高分辨率SAR中海雜波的分布也表現(xiàn)出了新的特性。Xing[18]提出了基于a穩(wěn)態(tài)分布與EXS-C-CFAR算法相結(jié)合的方法，該方法能夠有效地減少漏檢，且很好地保留了艦船輪廓信息。背景窗中可能存在船只會(huì)干擾海雜波的統(tǒng)計(jì)；Tao等人提出了基于截?cái)嘟y(tǒng)計(jì)的方法解決背景窗口中可能存在的船只對(duì)海雜波統(tǒng)計(jì)的影響[19]。

與單極化SAR相比，極化SAR提供了豐富的散射信息，雷達(dá)發(fā)射的電磁波與船只目標(biāo)的相互作用以二次散射為主，而與海面的相互作用以Bragg散射為主，根據(jù)船只與海洋極化散射特性的異同就可以實(shí)現(xiàn)目標(biāo)檢測(cè)。Sugimoto等人結(jié)合Yamaguchi分解理論和CFAR方法達(dá)到了船只檢測(cè)的目的[20]，R. Touzi利用RS-2全極化數(shù)據(jù)證明極化度極差可以檢測(cè)出HV極化下難以用肉眼觀察到的小目標(biāo)[21]，Wei等人將船只的SAPN值作為迭代準(zhǔn)則，利用Wishart距離分類(lèi)器進(jìn)行了船海分割[22]。張杰團(tuán)隊(duì)開(kāi)展了全極化與雙極化SAR船只監(jiān)測(cè)的工作，對(duì)于全極化SAR，根據(jù)實(shí)部的正負(fù)來(lái)區(qū)分船只目標(biāo)與海洋背景[23]，對(duì)于雙極化數(shù)據(jù)，使用極化香農(nóng)熵的正負(fù)來(lái)實(shí)現(xiàn)船海分離[24]。圖1和圖2分別為使用UAVSAR全極化和RADARSAR-2雙極化數(shù)據(jù)進(jìn)行船只檢測(cè)的個(gè)例，利用相關(guān)的參數(shù)的符號(hào)就可以快捷地實(shí)現(xiàn)目標(biāo)檢測(cè)。上述方法的品質(zhì)因數(shù)都在0.92以上，優(yōu)于K-CFAR、G0-CFAR檢測(cè)算法，并且克服了傳統(tǒng)CFAR方法因虛警率設(shè)置產(chǎn)生的算法自動(dòng)性差的缺點(diǎn)。

圖1 UAVSAR, 2010-06-23. Re圖，剖面包含海水和船只Fig. 1 The Reimage for UAVSAR in 2010-06-23 with the profile of ship and sea

近年來(lái)，隨著SAR高分辨率的提高，利用SAR進(jìn)行艦船類(lèi)型識(shí)別成為可能，目前的研究主要集中在分類(lèi)特征和分類(lèi)器的構(gòu)造上。較多的特征是從圖像角度出發(fā)選取的紋理特征、幾何特征等，隨著極化SAR的應(yīng)用，與目標(biāo)自身本質(zhì)特性相關(guān)的極化特征也被發(fā)掘使用。Touzi、張晰等人根據(jù)艦船散射體的分布區(qū)分艦船類(lèi)型[25,26]。張杰團(tuán)隊(duì)使用Ji[27]的艦船數(shù)據(jù)庫(kù)，選取了貨船、集裝箱、油輪3種類(lèi)型目標(biāo)的21項(xiàng)目標(biāo)特征，使用5種常用的分類(lèi)器進(jìn)行了最優(yōu)分類(lèi)組合實(shí)驗(yàn)，發(fā)展的優(yōu)勝團(tuán)隊(duì)選取方法對(duì)3種類(lèi)型船只的分類(lèi)精度達(dá)到了90%以上[28]，該結(jié)果在目前船只分類(lèi)文獻(xiàn)中精度最高。

3.2 海冰監(jiān)測(cè)

海冰類(lèi)型是海冰監(jiān)測(cè)的重要參數(shù)，是海冰冰情評(píng)估及預(yù)報(bào)的重要指標(biāo)。早期，針對(duì)單極化SAR數(shù)據(jù)，主要是Clausi和Yu利用紋理特征進(jìn)行了海冰分類(lèi)[29-31]，Yu進(jìn)一步加入了形狀特征識(shí)別海冰類(lèi)型[32]。但單極化SAR的海冰分類(lèi)精度不高，如在初生冰和開(kāi)闊水域分類(lèi)中常出現(xiàn)誤判。多極化海冰SAR數(shù)據(jù)能提取更多極化特征，張杰團(tuán)隊(duì)通過(guò)分析利用RADARSAT-2全極化數(shù)據(jù)提取的海冰極化相關(guān)系數(shù)、圓極化系數(shù)、散射熵和Alpha角等極化特征，不僅可以區(qū)分海水和初生冰，而且能夠區(qū)分出灰冰、灰白冰，固定冰，發(fā)展了基于二叉樹(shù)思想的高分辨率全極化SAR海冰分類(lèi)算法，并利用上述極化特征進(jìn)行了海冰分類(lèi)(見(jiàn)圖3)，海水的識(shí)別精度達(dá)到99.67%；固定冰達(dá)到95.24%；灰白冰和灰冰分別為82.29%和73.17%，識(shí)別率最差的是初生冰精度為59.38%；總精度為86.67%的準(zhǔn)確率[33,34]。

圖2 船只目標(biāo)極化SAR探測(cè)Fig. 2 Ship detection by PolSAR data

圖3 極化SAR海冰分類(lèi)Fig. 3 Sea ice classification by PolSAR

3.3 溢油監(jiān)測(cè)

SAR溢油檢測(cè)主要包括海水與油膜的區(qū)分。單極化SAR提供的目標(biāo)特征較少，Keramitsoglou[35]、Frate[36]、蘇騰飛[37]等人開(kāi)展了基于模糊方法、神經(jīng)網(wǎng)絡(luò)方法的單極化SAR溢油監(jiān)測(cè)方法來(lái)區(qū)分油水。但除油膜外，生物膜及低風(fēng)區(qū)、雨團(tuán)、船尾跡、上升流等一些海洋現(xiàn)象也在SAR影像上表現(xiàn)為暗區(qū)域(低后向散射強(qiáng)度)，使得單極化SAR溢油檢測(cè)誤識(shí)別率較高。

多極化SAR可以同時(shí)獲得目標(biāo)散射的能量信息、相位信息及極化信息，在SAR在溢油檢測(cè)、識(shí)別方面有著顯著優(yōu)勢(shì)。近年來(lái)，相關(guān)學(xué)者利用多極化SAR所特有的極化信息尋找區(qū)分油膜和類(lèi)油膜的有效特征，提出了若干溢油SAR監(jiān)測(cè)極化參數(shù)，如：F參數(shù)[38]、一致性參數(shù)[39]可以區(qū)分油膜和海水，同極化相位差的標(biāo)準(zhǔn)差[40,41]、散射熵H的概率密度函數(shù)[42,43]、CT參數(shù)[44]、極化度[45]等其他極化參數(shù)[46]不僅能區(qū)分油膜和海水，還可以區(qū)分油膜與類(lèi)油膜。張杰團(tuán)隊(duì)通過(guò)分析Radarsat-2數(shù)據(jù)中海水與油膜的極化特征分析，引入了單次反射特征值相對(duì)差異度(Single bounce Eigenvalue Relative Difference, SERD)特征可以有效地區(qū)分溢油和海水，并且在原油和生物油膜的區(qū)分方面也有優(yōu)勢(shì)，可用于溢油檢測(cè)[47](見(jiàn)圖4)。

圖4 SAR溢油檢測(cè)Fig. 4 Oil spill detection by SAR data

4 極化SAR海洋動(dòng)力要素監(jiān)測(cè)

4.1 海浪監(jiān)測(cè)

SAR 是目前唯一可以提供海浪方向譜的星載微波遙感器，可以計(jì)算得到有效波高、平均波周期、主波波長(zhǎng)、主波波向等海浪參數(shù)。Hasselmann等采用雙尺度海面模型，建立了海浪譜到圖像譜的變換關(guān)系[48]。以此關(guān)系為基礎(chǔ)，發(fā)展了系列的SAR海浪反演算法，有代表性的是MPI算法[28]、交叉譜算法、PARSA算法。其中，Engen[49]發(fā)展的基于交叉譜的海浪信息提取算法解決了海浪傳播方向上的180°模糊問(wèn)題，但存在較大誤差。Schulz[50]結(jié)合MPI和交叉譜方法提出了PARSA算法，解決了180°模糊的問(wèn)題，又具有比交叉譜方法更好的精度。

極化SAR海浪信息提取方面，Schuler[51-53]等首先給出了利用極化方向角和H-Alpha分解提取海浪斜率譜的算法，該方法可以直接測(cè)量海浪譜，不需要復(fù)雜的調(diào)制傳遞函數(shù)，在中低海況下精度較高。何宜軍等人通過(guò)對(duì)線性極化方向調(diào)制傳遞函數(shù)和傾斜調(diào)制傳遞函數(shù)的數(shù)值仿真，檢驗(yàn)了雷達(dá)和海浪參數(shù)對(duì)線性極化SAR圖像譜的影響，提出了一種消除180°方向模糊的方法[54]。之后，他們又提出了一種使用C波段全極化SAR數(shù)據(jù)測(cè)量海浪波斜譜的新方法[55]。張杰團(tuán)隊(duì)利用AIRSAR數(shù)據(jù)，用文獻(xiàn)[54]方法反演了海浪譜(圖5)，通過(guò)與實(shí)測(cè)浮標(biāo)數(shù)據(jù)比對(duì)，取得了較好的反演結(jié)果(見(jiàn)表1)。

圖5 極化SAR海浪探測(cè)Fig. 5 Sea wave detection by PolSAR data

表1 SAR反演海浪參數(shù)值與對(duì)應(yīng)的浮標(biāo)測(cè)量值對(duì)比Tab. 1 Inversion results of wave parameters and the corresponding buoy measurements

4.2 風(fēng)場(chǎng)監(jiān)測(cè)

SAR具有觀測(cè)海面風(fēng)場(chǎng)的能力。對(duì)于單極化SAR，目前常用C波段VV極化數(shù)據(jù)的地球物理模型函數(shù)為CMOD系列模型，主要包括CMOD4, CMOD-IFR2, CMOD5以及CMOD5.N模型算法。SAR圖像為單一視向，無(wú)法利用CMOD模型算法同時(shí)反演風(fēng)速和風(fēng)向。因此，傳統(tǒng)C波段VV極化SAR反演海面風(fēng)場(chǎng)時(shí)一般先利用2維FFT變換法、小波分析法、梯度法等方法從SAR圖像風(fēng)條紋信息中估計(jì)出風(fēng)向，再利用CMOD模型反演風(fēng)速[56,57]。利用HH極化SAR圖像進(jìn)行風(fēng)場(chǎng)信息反演時(shí)，需要先利用Thompson、Elfouhaily、AD模型、Kirchoff等極化比模型[58-60]，將HH極化轉(zhuǎn)換到VV極化，再利用VV極化的風(fēng)場(chǎng)反演方法進(jìn)行計(jì)算。此外，Ren等人在CMOD基礎(chǔ)上發(fā)展了針對(duì)于X波段的XMOD模型函數(shù)[61]。

極化SAR海面風(fēng)場(chǎng)反演中，目前主要的方法是利用交叉極化SAR反演海面風(fēng)速，該方法通過(guò)建立風(fēng)速與交叉極化后向散射系數(shù)之間的經(jīng)驗(yàn)關(guān)系實(shí)現(xiàn)。由于交叉極化信號(hào)小，低風(fēng)速信息容易湮沒(méi)在噪聲之中，導(dǎo)致風(fēng)速無(wú)法反演。隨著C波段RADARSAT-2衛(wèi)星的業(yè)務(wù)化運(yùn)行，其多極化(尤其是全極化)SAR數(shù)據(jù)的高信噪比使得利用多極化SAR數(shù)據(jù)反演海面風(fēng)場(chǎng)成為可能。張彪等人基于C波段RADARSAT-2全極化SAR提出了一個(gè)同時(shí)依賴于入射角和風(fēng)速(記為SAD模型)的分析極化比模型，結(jié)合CMOD5.N模型反演風(fēng)速，結(jié)果表明SAD模型精度較高[62]。

4.3 內(nèi)波監(jiān)測(cè)

SAR能夠監(jiān)測(cè)內(nèi)波的振幅、傳播速度、傳播方向。SAR內(nèi)波的監(jiān)測(cè)工作主要集中在兩方面。第一是內(nèi)波的時(shí)空分布特征：其中，孟俊敏分析了南海北部和臺(tái)灣東北部的內(nèi)波分布特征[63]；Zheng等人分析了南海內(nèi)波的時(shí)空分布特征[64]；Li利用MITgcm模式模擬了南海西北部?jī)?nèi)波的生成與傳播，此處內(nèi)波多是由海底山脊與海潮相作用形成[65]；Zhang使用SUNTANS模型，對(duì)中國(guó)南海內(nèi)波進(jìn)行了數(shù)值模擬，該模型能夠準(zhǔn)確地預(yù)測(cè)內(nèi)波的到達(dá)時(shí)間[66]。第二是內(nèi)波SAR參數(shù)反演：如，Small等利用多時(shí)相SAR提取了內(nèi)波的振幅[67]。Li等人利用單景SAR影像提取了內(nèi)波上混合層厚度[68]，種勁松利用時(shí)間序列SAR影像提取了內(nèi)波的波長(zhǎng)、傳播速度、傳播方向、極性等參數(shù)[69,70]，Cai等人分析了南海內(nèi)波的頻散系數(shù)和非線性系數(shù)等[71]。

在極化SAR內(nèi)波監(jiān)測(cè)應(yīng)用中，Schuler利用極化SAR研究了內(nèi)波對(duì)極化方向角產(chǎn)生的影響，并提出了方向角擾動(dòng)與潛在內(nèi)波流強(qiáng)度的經(jīng)驗(yàn)關(guān)系[32]。張杰團(tuán)隊(duì)利用ALOS PALSAR全極化SAR數(shù)據(jù)，提取并分析了SAR海洋內(nèi)波的后向散射系數(shù)、極化比、極化特征值等11種極化特征在內(nèi)波檢測(cè)中的性能，指出極化熵和極化角可以有效地識(shí)別內(nèi)波[72](見(jiàn)圖6)，該工作將有助于后續(xù)極化SAR內(nèi)波監(jiān)測(cè)的開(kāi)展。

圖6 內(nèi)波極化SAR圖像及其極化特征Fig. 6 Internal-wave SAR image and its polarimetric features

4.4 海底地形反演

SAR不能直接觀測(cè)到海底地形，SAR測(cè)量的是海面的后向散射，海底地形之所以被SAR觀測(cè)到是由于水下地形間接地改變了海面的后向散射。

Shuchman等人采用了不同的含有松馳率項(xiàng)的源函數(shù)，利用射線追蹤的方法對(duì)作用量平衡方程進(jìn)行了求解[73]。之后，出現(xiàn)了大量的改進(jìn)成像模型，如BRM模型[74]和Inglada[75]模型等。袁業(yè)立從理論上導(dǎo)出了海面微尺度波高頻譜的表達(dá)式，為定量的SAR影像仿真與地形反演奠定了理論基礎(chǔ)[76]，后有學(xué)者陸續(xù)在其基礎(chǔ)上建立了水下地形仿真和反演模型[77]，研究并分析了不同地形條件下，淺海水下地形的雷達(dá)后向散射截面[78]，利用ERS-1和Radarsat SAR影像對(duì)南沙群島雙子礁開(kāi)展了水下地形SAR監(jiān)測(cè)研究[79]。

基于單極化SAR的水下地形監(jiān)測(cè)沒(méi)有考慮極化方式對(duì)雷達(dá)成像的影響。事實(shí)上，水下地形SAR成像與SAR的極化方式具有密切關(guān)系，張杰團(tuán)隊(duì)利用Radarsat-2全極化SAR數(shù)據(jù)(見(jiàn)圖7)，在進(jìn)行極化白化濾波后，對(duì)臺(tái)灣淺灘區(qū)域開(kāi)展水下地形監(jiān)測(cè)研究，反演結(jié)果總體平均絕對(duì)誤差為2.56 m，而VVHHVH的平均誤差分別為2.63 m, 2.65 m, 3.19 m(見(jiàn)圖8)，可見(jiàn)全極化的監(jiān)測(cè)精度高于單極化SAR的監(jiān)測(cè)精度[80]。

圖7 Radarsat-2全極化SAR影像，2009-01-06Fig. 7 Radarsat-2 PolSAR images, 2009-01-06

圖8 全極化SAR水下地形監(jiān)測(cè)結(jié)果Fig. 8 The results of underwater topography detection by PolSAR data

5 結(jié)論與展望

本文對(duì)艦船、海冰、溢油、海浪、內(nèi)波、水下地形等海洋要素的極化SAR監(jiān)測(cè)現(xiàn)狀進(jìn)行了論述，從中可以看出極化SAR已在海洋監(jiān)測(cè)中發(fā)揮了重要的作用。隨著極化SAR分辨率的提高，極化新技術(shù)的發(fā)展，SAR海洋監(jiān)測(cè)仍有許多重要的工作仍需進(jìn)一步開(kāi)展。對(duì)于海洋監(jiān)測(cè)業(yè)務(wù)，需要從工程和算法的角度發(fā)展高效智能的SAR圖像目標(biāo)解譯和認(rèn)知算法。

近年來(lái)，國(guó)內(nèi)外學(xué)者相繼提出了干涉極化、緊縮極化SAR等多種極化SAR體制。緊縮極化具備雙極化SAR和全極化SAR的優(yōu)點(diǎn)，在大范圍的海洋環(huán)境監(jiān)測(cè)中有廣泛的應(yīng)用前景。交軌干涉極化SAR在艦船、海冰、海島、海上構(gòu)造物等海洋目標(biāo)的幾何結(jié)構(gòu)精細(xì)化提取和3維重構(gòu)中有很大的應(yīng)用潛力。順軌干涉極化SAR在海上目標(biāo)和海流速度提取[81]方面能發(fā)揮重要作用。新體制極化SAR系統(tǒng)設(shè)計(jì)復(fù)雜，定標(biāo)難度大，也是未來(lái)一個(gè)重要的研究方向。

對(duì)于艦船檢測(cè)，需要建立適用于高分辨率極化SAR圖像的海雜波模型，提高目標(biāo)檢測(cè)的準(zhǔn)確率。對(duì)于艦船類(lèi)型識(shí)別，現(xiàn)有的研究主要針對(duì)貨船、油輪、集裝箱3種目標(biāo)，需要擴(kuò)大識(shí)別的范圍，同時(shí)，需考慮利用極化散射特征提取船只的上層結(jié)構(gòu)甚至3維特征，提高類(lèi)型識(shí)別的精度。

對(duì)于海冰監(jiān)測(cè)，利用極化散射信息可提高分類(lèi)的精細(xì)化程度和海冰分類(lèi)精度，極化SAR信息的引入可以進(jìn)一步定量提取海冰厚度及冰上雪厚。

對(duì)于海面溢油監(jiān)測(cè)，利用極化SAR數(shù)據(jù)，一方面，有助于解決從低風(fēng)區(qū)、內(nèi)波、雨團(tuán)、船尾跡、上升流、油脂冰等偽信息中準(zhǔn)確地提取溢油區(qū)域的技術(shù)難題，另一方面，有可能實(shí)現(xiàn)油膜厚度的提取。

SAR是獲取海面風(fēng)場(chǎng)、海浪等海洋動(dòng)力環(huán)境要素的主要手段之一，實(shí)現(xiàn)復(fù)雜和極端海況條件下海洋動(dòng)力環(huán)境要素的準(zhǔn)確提取將推動(dòng)SAR在海洋監(jiān)測(cè)應(yīng)用中的廣泛應(yīng)用。極化SAR的出現(xiàn)有助于解決諸如海浪探測(cè)中180°向模糊、高海況條件下的風(fēng)場(chǎng)探測(cè)等問(wèn)題，借鑒相關(guān)的思路和方法可以開(kāi)展內(nèi)波、中尺度渦等海洋動(dòng)力過(guò)程的高精度探測(cè)。

隨著科學(xué)技術(shù)的不斷發(fā)展，MIMO、干涉星座、DBF寬測(cè)繪帶成像等新體制雷達(dá)應(yīng)運(yùn)而生[82]，必將在海上目標(biāo)和海洋動(dòng)力環(huán)境監(jiān)測(cè)中發(fā)揮重要的作用，為我國(guó)海洋環(huán)境安全和海上權(quán)益維護(hù)提供技術(shù)支撐與保障。

[1]Boerner W-M. Introduction to radar polarimetry with assessments of the historical development and of the current state of the art[C]. Proceedings: International Workshop on Radar Polarimetry, JIPR-90, 20-22, Nantes, France, March 1990.

[2]Boerner W-M. Recent advances in extra-wide-band polarimetry, interferometry and polarimetric interferometry in synthetic aperture remote sensing and its applications[J].IEE Proceedings-Radar,Sonar and Navigation, 2003, 150(3): 113-124.

[3]Ulaby F T and Elachi C. Radar polarimetry for geoscience applications[J].Geocarto International, 1990, 5(3): 38.

[4]王雪松. 雷達(dá)極化技術(shù)研究現(xiàn)狀與展望[J]. 雷達(dá)學(xué)報(bào), 2016, 5(2): 119-131. Wang X S. Status and prospects of radar polarimetry techniques[J].Journal of Radars, 2016, 5(2): 119-131.

[5]Lee J S and Pottier E. Polarimetric Radar Imaging[M]. CRC Press, 2015.

[6]Kostinski A and Boerner W M. On foundations of radar polarimetry[J].IEEE Transactions on Antennas and Propagation, 1986, 34(12): 1395-1404.

[7]Cloude S R. Group theory and polarization algebra[J].Optik, 1986, 75(1): 26-36.

[8]張紅, 謝鐳, 王超, 等. 簡(jiǎn)縮極化SAR數(shù)據(jù)信息提取與應(yīng)用[J].中國(guó)圖象圖形學(xué)報(bào), 2013, 18(9): 1065-1073. Zhang H, Xie L, Wang C,et al.. Information extraction and application of compact polarimetric SAR data[J].Chinese Journal of Image and Graphics, 2013, 18(9): 1065-1073.

[9]Souyris J C, lmbo P, Fjortofi R,et al.. Compact polarimetry based on symmetry properties of geophysical media: The mode[J].IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(3): 634-646.

[10]Slaw N and Preiss M. Compact polarimetric analysis of X-band SAR data[C]. 6th European Conference on Synthetic Aperture Radar, 2006: 1-4．

[11]Raney R K. Dual-polarized SAR and stokes parameters[J].IEEE Geoscience and Remote Sensing Letters, 2006, 3(3): 317-319.

[12]Raney R K. Hybrid-polarity SAR architecture[J].IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(11): 3397-3404.

[13]Cloude S R and Pottier E. An entropy based classification scheme for land applications of polarimetric SAR[J].IEEE Transactions on Geosciences and Remote Sensing, 1997, 35(1): 68-78.

[14]Freeman A and Durden S L. A three-component scattering model for polarimetric SAR data[J].IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(3): 963-973.

[15]Cameron W L and Leung L K. Feature motivated polarization scattering matrix decomposition[C]. IEEE International Conference on Radar, 1990: 549-557.

[16]Rey M T, Campbell J, and Petrovic D. A comparison of ocean clutter distribution estimators for CFAR-based ship detection in RADARSAT imagery[R]. Defence Research Establishment, Report No.1340, 1998.

[17]Novak L M, Burl M C, and Irving W W. Optimal polarimetric processing for enhanced target detection[J].IEEE Transactions on Aerospace and Electronic Systems, 1993, 29(1): 234-244.

[18]Xing X W, Ji K F, Zou H,et al.. High resolution SAR imagery ship detection based on EXS-C-CFAR in Alphastable clutters[C]. IGRASS, 2011: 316-319.

[19]Tao D, Anfinsen S N, and Brekke C. Robust cfar detector based on truncated statistics in multiple-target situations[J].IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(1): 117-134.

[20]Sugimoto M, Ouchi K, and Nakamura Y. On the novel use of model-based decomposition in SAR polarimetry for target detection on the sea[J].Remote Sensing Letters, 2013, 4(9): 843-852.

[21]Touzi R, Hurley J, and Vachon P. Ship detection using polarimetric Radarsat-2[C]. Asia-Pacific Conference on Synthetic Aperture Radar (APSAR), 2013: 104-107.

[22]Wei J, Li P, Yang J,et al.. A new automatic ship detection method using L-band polarimetric SAR imagery[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014, 7(4): 1383-1393.

[23]Zhang X, Zhang J, Meng J M,et al.. A novel polarimetric SAR ship detection filter[C]. International Radar Conference, 2013: 1-5.

[24]龍夢(mèng)啟, 楊學(xué)志, 孟俊敏, 等. 利用香農(nóng)熵的雙極化合成孔徑雷達(dá)船只檢測(cè)[J]. 遙感信息, 2015, 30(5): 14-19. Long M Q, Yang X Z, Meng J M,et al.. Dual polarimetric SAR data for ship detection based on Shannon entropy[J].Remote Sensing Information, 2015, 30(5): 14-19.

[25]Touzi R and Charbonneau F. The SSCM for ship characterization using polarimetric SAR[C]. IGARSS 2003, 2003: 194-196.

[26]張晰, 張杰, 紀(jì)永剛, 等. 基于結(jié)構(gòu)特征的SAR船只類(lèi)型識(shí)別能力分析[J]. 海洋學(xué)報(bào)(中文版), 2010, 32(1): 146-152. Zhang X, Zhang J, Ji Y G,et al.. The capability analysis of ship classificationby structure feature using SAR images[J].Acta Oceanologica Sinica(Chinese), 2010, 32(1): 146-152.

[27]Xing X, Ji K, Zou H,et al.. Ship classification in TerraSARX images with feature space based sparse representation[J].IEEE Geoscience and Remote Sensing Letters, 2013, 10(6): 1562-1566.

[28]Lang H, Zhang J, Zhang X,et al.. Ship classification in SAR image by joint feature and classifier selection[J].IEEE Geoscience and Remote Sensing Letters, 2016, 13(2): 212-216.

[29]Clausi D A and Yue B. Comparing co-occurrence probabilities and Markov random fields for texture analysis of SAR sea ice imagery[J].IEEE Transactions on Geosciences and Remote Sensing, 2004, 42(1): 215-228.

[30]Yu Q and Clausi D A. Filament preserving segmentation for SAR sea ice imagery using a new statistical model[J].IEEE Transactions on Geosciences and Remote Sensing, 2006, 44(12): 3678-3684.

[31]Palenichka R, Hirose T, and Lakhssassi A. Sea ice segmentation of SAR imagery using multi-temporal and multi-scale feature extraction[C]. 2011 2nd International Conference on Space Technology, 2011: 1-4.

[32]Yu Q and Clausi D A. IRGS: MRF based image segmentation using edge penalties and region growing[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 2008, 30(12): 2126-2139.

[33]張晰. 極化SAR渤海海冰厚度探測(cè)研究[D]. [博士論文], 中國(guó)海洋大學(xué), 2011. Zhang X. Research on sea ice thickness detection by polarimetric SAR in bohai sea[D]. [Ph.D. dissertation], Ocean University of China, 2011.

[34]劉眉潔, 戴永壽, 張杰, 等. 高分辨率全極化合成孔徑雷達(dá)數(shù)據(jù)海冰二次分類(lèi)方法研究[J]. 海洋學(xué)報(bào)(中文版), 2013, 35(4): 80-87. Liu M J, Dai Y S, Zhang J,et al.. The research on the object-based method of sea ice classification of highresolution quad-polarization SAR data[J].Acta Oceanologica Sinica(Chinese), 2013, 35(4): 80-87.

[35]Keramitsoglou I, Cartalis C, and Kiranoudis C. Automatic idetification of oil spills on satellite images[J].Environmental Modelling and Software, 2006, 21(5): 640-652.

[36]Frate F and Petrocchi A. Neural networks for oil spill detection using ERS-SAR data[J].IEEE Transactions on Geosciences and Remote Sensing, 2000, 38(5): 2282-2287.

[37]蘇騰飛. 面向?qū)ο蟮腟AR溢油檢測(cè)算法與系統(tǒng)構(gòu)建[D]. [碩士論文], 國(guó)家海洋局第一海洋研究所, 2013. Su T F. Object-oriented SAR oil spill detection algorithm and system implementation[D]. [Master dissertation], The First Institute of Cceanography, SOA, 2013.

[38]Liu P, Li X, Qu J,et al.. Oil spill detection with fully polarimetric UAVSAR data[J].Marine Pollution Bulletin, 2011, 62(12): 2611-2618.

[39]Zhang B, Perrie W, Li X,et al.. Mapping sea surface oil slicks using RADARSAT-2 quad-polarization SAR image[J].Geophysical Research Letters, 2011, 38(10): 415-421.

[40]Migliaccio M and Nunziata F. On the co-polarized phase difference for oil spills observe[J].International Journal of Remote Sensing, 2009, 30(6): 1587-1602.

[41]Velotto D and Nunziata F. Dual-polarized TerraSAR-X data for oil-spill observation[J].IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(12): 4751- 4762.

[42]Migliaccio M, Gambardella A, and Massimo T. Oil spill observation by means of polarimetric SAR data[C]. Proceedings of SEASAR 2006, ESA SP-613, 2006: 1-6.

[43]Migliaccio M and Tranfaglia M. A study on the capability of SAR polarimetry to observe oil spills[C]. Proceedings of the 2nd International Workshop POLINSAR 2005, ESA SP-586, 2005: 1-6.

[44]Duan B and Chong J S. Based on the covariance and coherency matrix for SAR sea oil spill observation[C]. Proceedings of 2011 IEEE CIE International Conference on Radar, Chengdu, China, 2011, 2: 1291-1294.

[45]Nunziata F, Gambardella A, and Migliaccio M. On the degree of polarization for SAR sea oil slick observation[J].ISPRS Journal of Photogrammetry and Remote Sensing, 2013, 78: 41-49.

[46]Skrunes S, Brekke C, and Eltoft T. Characterization of marine surface slicks by Radarsat-2 multipolarization feature[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(9): 5302-5319.

[47]鄭洪磊. 基于極化特征的SAR溢油檢測(cè)研究[D]. [碩士論文],中國(guó)海洋大學(xué), 2015. Zheng H L. Oil spill detection based on polarimetric features[D]. [Master dissertation], Ocean University of China, 2015.

[48]Hasselmann K and Hasselmann S. On the nonlinear mapping of an ocean wave spectrum into a synthetic aperture radar image spectrum and its inversion[J].Journal of Geophysical Research:Oceans, 1991, 96(C6): 10713-10729.

[49]Engen G and Johnsen H. SAR-ocean wave inversion using image cross spectra[J].IEEE Transactions on Geoscience and Remote Sensing, 1995, 33(4): 1047-1056.

[50]Schulz-Stellenfleth J, Lehner S, and Hoja D. A parametric scheme for the retrieval of two-dimensional ocean wave spectra from synthetic aperture radar look cross spectra[J].Journal of Geophysical Research:Oceans, 2005, 110: C05004.

[51]Schuler D, Lee J, Kasilingam D,et al.. Measurement ofocean surface slopes and wave spectra using polarimetric SAR image data[J].Environment Remote Sensing, 2004, 91(2): 198-211.

[52]Schuler D L, Jansen R W, Lee J S,et al.. Polarisation orientation angle measurements of ocean internal waves and current fronts using polarimetric SAR radar[J].IEE Proceedings-Radar,Sonar and Navigation, 2003, 150(3): 135-143.

[53]Schuler D L, Lee J S, Kasilingam D,et al.. Measurement of ocean surface slopes and wave spectra using polarimetric SAR image data[J].Remote Sensing of Environment, 2004, 91(2): 198-211.

[54]He Y J, Shen H, and Perrie W. Remote sensing of ocean waves by polarimetric SAR[J].Journal of Atmospheric and Oceanic Technology, 2006, 23(12): 1768-1773.

[55]He Y J, Perrie W, Xie T,et al.. Ocean wave spectra from a linear polarimetric SAR[J].IEEE Transactions on Geosciences and Remote Sensing, 2004, 42(11): 2623-2631.

[56]Gerling T W. Structure of the surface wind field from the Seasat SAR[J].Journal of Geophysical Research, 1986, 91(C2): 2308-2320.

[57]Gisela C, Leif E B, Ulander L M,et al.. Retrieval and assessment of sub-mesoscale wind velocity vectors with Synthetic Aperture Radar[C]. IGARSS 2011, 2011: 2041-2044.

[58]Bergeron Thomas, Bernier Monique, Chokmani Karem,et al.. Wind speed estimation using polarimetric RADARSAT-2 images: Finding the best polarization and polarization ratio[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2011, 4(4): 896-904.

[59]Mouche A, Hauser D, Daloze J F,et al.. Dual-polarization measurements at C-band over the ocean: Results from airborne radar observations and comparison with ENVISAT ASAR data[J].IEEE Transactions on Geoscience&Remote Sensing, 2005, 43(4): 753-769.

[60]Horstmann J, Monaldo F, Thompson D R,et al.. First assessment of C-band polarization ratio from ENVISAT ASAR imagery[C]. IGARSS 2005, 2005: 1002-1005.

[61]Ren Y, Lehner S, Brusch S,et al.. An algorithm for the retrieval of sea surface wind fields using X-band TerraSARX data[J].International Journal of Remote Sensing, 2012, 33(23): 7310-7336.

[62]Zhang Biao, Perrie Will, and He Yijun. Wind speed retrieval from RADARSAT-2 quad-polarization images using a new polarization ratio model[J].Journal of Geophysical Research:Oceans, 2011, 116: C08008.

[63]孟俊敏. 利用SAR影像提取海洋內(nèi)波信息的技術(shù)研究[D]. [博士論文], 中國(guó)海洋大學(xué), 2002. Meng J M. A study of information extraction technology of ocean internal waves from SAR images[D]. [Ph.D. dissertation], Ocean University of China, 2002.

[64]Zheng Q A, Susanto D R, Ho C,et al.. Statistical and dynamical analyses of generation mechanisms of solitary internal waves in the northern South China Sea[J].Journal Geophysical Research:Oceans, 2007, 112: C03021.

[65]Li D, Chen X, and Liu A. On the generation and evolution of internal solitary waves in the northwestern South China Sea[J].Ocean Modeling, 2011, 40(2): 105-119.

[66]Zhang Z, Fringer O B, and Ramp S R. Three-dimensional, nonhydrostatic numerical simulation of nonlinear internal wave generation and propagation in the South China Sea[J].Journal of Geophysical Research:Oceans, 2011, 116: C05022.

[67]Small J, Hallock Z, Pavey G,et al.. Observations of large amplitude internal waves at the Malin Shelf edged during SESAME 1995[J].Continental Shelf Research, 1999, 19(11): 1389-1436.

[68]Li X, Clemente-Colon P, Friedman K S,et al.. Estimating oceanic mixed layer depth from internal wave evolution observed from Radarsat-1 SAR[J].Johns Hopkins APL Technical Digest, 2000, 21(1): 130-135.

[69]楊勁松. 合成孔徑雷達(dá)海面風(fēng)場(chǎng)、海浪和內(nèi)波遙感技術(shù)[D]. [博士論文], 青島海洋大學(xué), 2001. Yang J S. Sea surface wind, waves and waves of remote sensing technology about Synthetic aperture radar[D]. [Ph.D. dissertation], Ocean University of Qingdao, 2001.

[70]種勁松, 歐陽(yáng)越, 李飛, 等. 合成孔徑雷達(dá)圖像海洋內(nèi)波探測(cè)[M]. 北京: 海洋出版社, 2010. Chong J S, Ouyang Y, and Li F,et al.. Oceanic Internal Wave Detection in Synthetic Aperture Radar Image[M]. Beijing: Ocean Press, 2010.

[71]Cai S, Xie J, Xu J,et al.. Monthly variation of some parameters about internal solitary waves in the South China Sea[J].Deep Sea Research Part I:Oceanographic Research Papers, 2014, 84: 73-85.

[72]李魯靖, 孟俊敏, 張晰, 等. SAR極化特征圖像與s0圖像的海洋內(nèi)波可視性對(duì)比[J]. 海洋學(xué)研究, 2014, 32(2): 23-34. Li L J, Meng J M, Zhang X,et al.. Comparison for the visibility of the SAR polarization characteristics ands0images of internal waves[J].Journal of Marine Sciences, 2014, 32(2): 23-34.

[73]Shuchman R A, Lyzenga D R, and Meadows G A. Synthetic aperture radar imaging of ocean bottom topography via tidal-current interactions: Theory and observation[J].International Journal of Remote Sensing, 1985, 6(7): 1179-1120.

[74]Chubb S R, Valenzuela G R, and Greenberg D A. Radar surface signatures based on the two-dimensional tidal circulation of Phelps Band[J].IEEE Transactions on Geoscience and Remote Sensing, 1991, 29(1): 129-134.

[75]Inglada J and Garello R. On rewriting the imaging mechanism of underwater bottom topography by synthetic aperture radar as a Volterra series expansion[J].Journal of Oceanic Engineering, 2002, 27(3): 665-674.

[76]Yuan Y L. Representation of high frequency spectra of ocean waves and the basis for analyzing SAR images[J].Oceanologia et Limnologia Sinica, 1997, 28(Suppl.): 1-5.

[77]Jin M B and Yuan Y L. Formulation and solution of the mathematical and physical inverse problem detecting sea topography by SAR image[J].Oceanologia et Limnologia Sinica, 1997, 28(Suppl.): 27-31.

[78]Fu B, Huang W G, Zhou C B,et al.. Simulation study of sea bottom topography mapping by Spaceborne SARRelationship between topography parameters and measurement of water depth[J].Acta Oceanologica Sinica, 2001, 23(1): 35-42.

[79]Yang J G, Zhang J, and Meng J M. Underwater topography detection of Shuangzi Reefs with SAR images acquired in different time[J].Acta Oceanologica Sinica, 2007, 26(1): 48-54.

[80]畢曉蕾, 孟俊敏, 楊俊鋼, 等. 極化信息在水下地形SAR探測(cè)中的應(yīng)用[J]. 遙感學(xué)報(bào), 2013, 17(1): 34-45. Bi X L, Meng J M, Yang J G,et al.. Application of SAR polarization information for detection of underwater topography[J].Journal of Remote Sensing, 2013, 17(1): 34-45.

[81]Romeiser R and Graber H C. Advanced remote sensing of internal waves by spaceborne along-track InSAR-A demonstration with TerraSAR-X[J].IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(12): 6735-6751.

[82]蔡愛(ài)民, 王燕宇. 雙/多基地 SAR 成像研究進(jìn)展與趨勢(shì)及其關(guān)鍵技術(shù)[J]. 上海航天, 2016, 33(4): 112-118. Cai A and Wang Y. Progress incidence and key technology of Bi/Multi SAR imaging[J].Aerospace Shanghai, 2016, 33(4): 112-118.

Discussion on Application of Polarimetric Synthetic Aperture Radar in Marine Surveillance

Zhang Jie Zhang Xi Fan Chenqing Meng Junmin
(First Institute of Oceanography,State Oceanic Administration,Qingdao266061,China)

Synthetic Aperture Radar (SAR), an important earth observation sensor, has been used in a wide range of applications for land and marine surveillance. Polarimetric SAR (PolSAR) can obtain abundant scattering information of a target to improve the ability of target detection, classification, and quantitative inversion. In this paper, the important role of PolSAR in ocean monitoring is discussed with factors such as sea ice, ships, oil spill, waves, internal waves, and seabed topography. Moreover, the future development direction of PolSAR is put forward to get an inspiration for further research of PolSAR in marine surveillance applications.

Polarimetric SAR; Marine application; Target; Ocean dynamic environmental factors

TN95

A

2095-283X(2016)06-0596-11

10.12000/JR16124

張杰, 張晰, 范陳清, 等. 極化SAR在海洋探測(cè)中的應(yīng)用與探討[J]. 雷達(dá)學(xué)報(bào), 2016, 5(6): 596-606.

10.12000/JR16124.

Reference format:Zhang Jie, Zhang Xi, Fan Chenqing,et al.. Discussion on application of polarimetric synthetic aperture radar in marine surveillance[J].Journal of Radars, 2016, 5(6): 596-606. DOI: 10.12000/JR16124.

張 杰(1963-)，男，內(nèi)蒙古包頭人，博士，國(guó)家海洋局第一海洋研究所，研究員，室主任。研究方向?yàn)楹Ｑ筮b感技術(shù)與應(yīng)用，主要成果為主持國(guó)家自然科學(xué)基金、863計(jì)劃、國(guó)家載人航天工程等項(xiàng)目30余項(xiàng)，獲多項(xiàng)海洋創(chuàng)新成果獎(jiǎng)，出版專(zhuān)著1部，在國(guó)內(nèi)外重要學(xué)術(shù)刊物上與學(xué)生合作發(fā)表論文百余篇。 社會(huì)兼職：國(guó)家海洋局與中國(guó)航天科技集團(tuán)海洋遙測(cè)工程技術(shù)研究中心主任。

2016-11-07；改回日期：2016-11-23；

2016-12-21

*通信作者：張晰 xi.zhang@fio.org.cn

國(guó)家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)(2013AA122803), 國(guó)家自然科學(xué)基金(61471136)

Foundation Items: The National High-tech R & D Program of China (863 Program)(2013AA122803), The National Natural Science Foundation of China (61471136)

E-mail: zhangjie@fio.org.cn