全球导航卫星系统反射信号(GNSS-R)具有全球覆盖、全天候的可用性、成本低等特点，其有广泛的卫星资源应用于检测海洋表面，应用领域如海洋测高[2-4]、海洋风场[5-7]、海面浮油[8-9]和海面有效波高[10-11]。近年来，海冰检测已经成为使用GNSS-R技术研究的一个重要领域。
Komjathy等[12]首次于2000年发表了全球定位系统(GPS)在遥感领域的新的潜在应用。不过，GPS只包含中地球轨道(MEO)卫星星座。通常，单颗MEO卫星在一天的可用时间为4~6 h，并且卫星的仰角在10°~80°之间变化，而可使用的仰角范围有限[13-16]，这使得单颗卫星的海冰检测的时间分辨率降低。使用多颗卫星相结合可以提高时间分辨率，但每颗卫星发射信号功率不同，在信号传输过程中的信号衰减程度不一致等原因导致使用多颗卫星协作的情况会带来不同程度的系统误差[17-22]。
中国自主研发的北斗系统由地球同步轨道(GEO)卫星、倾斜地球同步轨道(IGSO)卫星和MEO卫星组成。与MEO卫星和IGSO卫星相比，GEO卫星具有较低的角速度，仰角几乎没有变化，所以镜面反射点也几乎没有变化。因此，使用GEO卫星检测海冰不仅具有高时间分辨率，而且能够减少因卫星仰角变化对反射信号功率造成的影响。然而，使用北斗GEO卫星反射信号检测海冰的研究还很少[23-24]。
本文使用笔者团队开发的北斗卫星反射信号(BeiDou-R)软件接收机接收数据，利用3颗北斗GEO卫星(C01、C02和C03)在渤海湾进行了2次实验，对实验结果的分析验证了北斗GEO卫星反射信号检测海冰密集度的可行性。
第1次实验首次验证了利用GEO卫星的反射信号检测海冰的可能性。由于第1次实验(2015年)当天气温比较高，从海冰状态到全部融化成海水状态仅持续11 h。同时海冰密集度的变化受潮汐的影响，当潮水上涨时会将海冰冲碎并带走海冰，海冰密集度急速降低，因此未能进行长时间的连续观测。第2次实验(2016年)中海冰状态持续了6 d并且海冰密集度高达90%，因此利用3颗北斗GEO卫星对沿海海冰进行了长时间的连续观测。
2次实验结果表明，渤海湾海域海冰产生的反射信号的极化比值与海冰密集度和大气温度有一定的相关性。同时本文使用干涉相位的均方根RMS?讨论了海面粗糙度，发现海面粗糙度变化较小，可以忽略其对实验结果的影响。
1 原理方法 1.1 BDS的特征 北斗卫星导航系统(BDS)由3部分组成：空间段、地面段和用户段。与其他系统不同，BDS不仅包括MEO卫星和IGSO卫星，也包括GEO卫星。截至2016年6月12日，已成功发射23颗卫星，包括7颗GEO卫星、8颗MEO卫星、8颗IGSO卫星。由于卫星轨道的特点，造成了GEO与MEO和IGSO的可视时间和仰角变化率都有较大的不同。其中，GEO卫星的轨道高度为35 786 km，可视时间为24 h(全天)，仰角几乎不变。
图 1为2016年2月1日渤海湾的C03(GEO)、C08(IGSO)和C11(MEO)卫星的24 h仰角时序图，体现了北斗3种星座不同的可视时间。C03(北斗GEO)的可视时间长达24 h，仰角的变化范围仅为3°~4°；C08(北斗IGSO)的可视时间为16 h，仰角变化率会改变，一段时间内的仰角变化率保持在10°以内，与GEO卫星有相同的特征，而另一段时间内的仰角变化率非常大，与MEO卫星有相同的特征；C11(北斗MEO)的可视时间被分割成2段，共6 h。可视时间和仰角的变化率与各自卫星的轨道特性有着密切的关系。由此可见，在接收机固定位置的情况下，单颗GEO卫星的时间分辨率比MEO卫星和IGSO卫星高，因此可以利用GEO卫星对特定位置进行长时间的稳定观测。基于这一特性，本文使用了3颗北斗GEO卫星(C01、C02和C03)提高了基于地基反射信号的海冰检测的时间分辨率。
 |
| 图 1 2016年2月1日的24 h北斗混合星座代表卫星的时序图 Fig. 1 24 h timing diagram of BeiDou mixed constellation (February 1, 2016) |
| 图选项 |
BDS发射2种右旋圆极化(RHCP)L波段信号，分别为B1频率(1 561.098 MHz)和B2频率(1 207.14 MHz)。本文采用B1频率信号，其带宽为4.092 MHz。
1.2 海冰检测原理 本文假设海面平静，忽略海面粗糙度的影响。对于光滑的表面，电磁波的反射类似镜面反射[23]。入射角等于反射角，利用菲涅耳反射系数可以确定入射电磁波与反射电磁波之间的关系。
实验中卫星数据的仰角范围为38°~43°，故实验利用直射信号在海面反射后的反射左旋圆极化信号R-LHCP与直射右旋圆极化信号D-RHCP的比值——极化比(R-LHCP/D-RHCP)模型反推海洋表面物理信息。
1.3 海面粗糙度原理 在本文的2次实验中，镜面反射区域实际是略微粗糙的海面，这导致海冰表面的反射信号在各个方向都有散射，从而降低了反射信号的功率[19]。
由于反射面的粗糙度与RMS?的变化相关，因此通过RMS?来表征镜面反射点处的海面粗糙度。图 2为计算RMS?的流程。通过分析RMS?与海冰表面状况之间的关系来判断是否需要用海面粗糙度对实验结果进行校正。
 |
| 图 2 RMS?计算流程 Fig. 2 Calculation flowchart of RMS? |
| 图选项 |
2 海冰实验 为了验证使用BeiDou-R技术与极化比(R-LHCP/D-RHCP)海冰模型检测海冰密集度的可行性，笔者在中国渤海进行了2次实验。为了消除不同时刻卫星仰角变化对实验结果的影响以及提高观测的时间分辨率，采用北斗GEO卫星对海冰进行探测。
考虑到天线波束角和反射面积，选择卫星仰角范围为135°~225°的海冰数据进行处理。筛选出3颗符合条件的GEO卫星C01、C02和C03。然而在2015年的实验期间，C02卫星发生轨道漂移现象，故2015年符合条件的卫星只有C01和C03卫星。
图 3(a)为实验位置坐标，图 3(b)为北斗卫星的镜面反射点位置。图中，蓝色、玫红色、绿色圆点分别代表C01、C02、C03的镜面反射点，红色圆点表示接收器的位置。
 |
| 图 3 实验场地接收机和镜面反射点位置 Fig. 3 Receiver and specular reflection points of experimental area |
| 图选项 |
本次实验用了3个接收天线：D-RHCP、R-LHCP和R-RHCP天线，相关参数详见表 1。本文使用的是BDS中频(IF)信号的软件接收机，采样频率为16.36 MHz，带宽约为16 MB/s。
表 1 D-RHCP、R-LHCP和R-RHCP天线的参数对比 Table 1 Comparison of parameters of D-RHCP, R-LCHP and R-RHCP antennas
| 参数 | D-RHCP 天线 | R-LHCP 天线 | R-RHCP 天线 |
| 工作温度/℃ | -55~+85 | -40~+80 | -55~+85 |
| 天线增益/dB | 3 | 12 | 12 |
| 波束角/(°) | 0~360 | 21 | 21 |
| 质量/kg | < 0.2 | 1.2 | 1.2 |
| 尺寸/(mm×mm×mm) | 119×76×18 | 212×212×20 | 212×212×20 |
表选项
图 4为2016年1月30日3颗GEO卫星的天顶图。实线箭头代表 2015年接收天线朝向, 虚线箭头代表 2016年接收天线朝向。
 |
| 图 4 2016年1月30日实验地点卫星天顶图 Fig. 4 Skyplot of satellite at experiment point (January 30, 2016) |
| 图选项 |
图 5为2015年1月24日08:24时刻C01卫星的路径延迟与相关功率关系曲线，该曲线为240 s的数据。在这组数据中，极化比(R-LHCP/D-RHCP)为0.11。用同样的方法估计2个实验中的极化比(R-LHCP/D-RHCP)所有值。
 |
| 图 5 2015年1月24日08：24时刻C01卫星路径延迟与相关功率关系曲线 Fig. 5 Relationship between path delay and related power of C01 satellite (January 24, 2015, 08:24) |
| 图选项 |
3 实验数据分析 3.1 第1次实验 在本次BeiDou-R岸基实验中，用照相机每5 min拍摄一张实验场景，并使用支持向量机(SVM)的方法计算照片中实验场景的海冰密集度。结果显示在图 6中，图中小照片代表实验场景。
 |
| 图 6 海冰密集度及实验场景 Fig. 6 Pictures of sea ice concentration and experimental scene |
| 图选项 |
2015年1月24日，海面高潮发生在05:48和17:33时刻，低潮发生在12：09时刻。从图 6中可以看出，07:58~12:14时刻海冰密集度没有明显的变化，12:14时刻之后海冰密集度略有下降，然后又有所上升。结合气象站的气温资料，可能是中午气温变化造成的。在13:06~15:16时刻，海冰密集度稳定。15:16时刻之后，海水涨潮到实验区域，海水增加并将海冰冲走，镜面反射区海冰密集度急剧下降。
将接收的07:58~16:43时刻的卫星信号数据进行1次相干累加和100次非相干累加，得到如图 7所示结果。
 |
| 图 7 C01和C03卫星的极化比、海冰密集度和大气温度变化 Fig. 7 Polarization ratio, sea ice concentration and atmospheric temperature change of C01 and C03 satellites |
| 图选项 |
根据文献[21]所述，极化比值(R-LHCP/D-RHCP)与海冰密集度呈负相关。从图 7中可以看到，07:58~12:55时刻C01卫星的极化比值和07:58~11:22时刻C03卫星的极化比值逐渐上升，而海冰密集度逐渐下降；12:55~15:16时刻C01和C03卫星的极化比值先下降后上升，海冰密集度先上升后下降；15:16时刻之后潮汐到达实验区域，C01和C03卫星的极化比值上升，海冰密集度下降。
12:55时刻的C01卫星数据中的峰值可能是由于中午大气温度较高引起的海冰暂时融化，15:16时刻之后极化比值迅速上升是因为潮汐影响导致海冰密集度迅速降低。C03卫星的结果类似。
3.2 第2次实验 在2016年的实验中，笔者对实验区域进行了视频拍摄，随后使用SVM计算从视频中获取的实验场景照片的海冰密集度。结果如表 2所示，实验期间海面几乎被海冰覆盖。由于海冰密集度变化幅度极小，很难分析海冰密集度和极化比之间的关系。
表 2 2016年实验中每天的海冰密集度 Table 2 Daily sea ice concentration of experiment in 2016
| 时刻 | 海水密集度 | |||||
| 2016-01-30 | 2016-01-31 | 2016-02-01 | 2016-02-02 | 2016-02-03 | 2016-02-04 | |
| 08:00 | 0.91 | 0.93 | 0.93 | 0.93 | 1.00 | 0.97 |
| 11:00 | 0.94 | 0.97 | 1.00 | 1.00 | 0.95 | 0.95 |
| 14:00 | 0.95 | 0.99 | 1.00 | 1.00 | 0.98 | 0.94 |
| 17:00 | 0.95 | 0.99 | 1.00 | 1.00 | 0.98 | 0.94 |
表选项
本文分析了极化比和大气温度之间的关系，结果如图 8所示。可以看出，C01、C02和C03卫星的极化比值与大气温度之间呈正相关关系。
 |
| 图 8 极化比与大气温度的关系 Fig. 8 Relationship between polarization ratio and atmospheric temperature |
| 图选项 |
表 3显示了每颗卫星每天的极化比值与大气温度之间的相关性，最右列是每颗卫星在6 d的实验中总的相关值。
表 3 极化比和大气温度的相关性 Table 3 Relationship between polarization ratio and atmospheric temperature
| 卫星 | 仰角/(°) | 相关值 | 总相关值 | |||||
| 2016-01-30 | 2016-01-31 | 2016-02-01 | 2016-02-02 | 2016-02-03 | 2016-02-04 | |||
| C01 | 38 | 0.55 | 0.67 | 0.82 | 0.71 | 0.45 | 0.49 | 0.61 |
| C02 | 30 | 0.66 | 0.78 | 0.80 | 0.76 | 0.84 | 0.68 | 0.72 |
| C03 | 43 | 0.54 | 0.57 | 0.73 | 0.72 | 0.60 | 0.52 | 0.57 |
表选项
通过对图 8和表 3进行分析，得出以下结论：
1) 在连续6 d的实验期间，C01、C02和C03卫星的极化比值与大气温度之间呈正相关的关系，相关值分别为0.61、0.72和0.57。
2) C02卫星的极化比与大气温度的相关性结果比C01和C03卫星大。通过实验现场观察发现，C02卫星的镜面反射点区域的海冰结构更稳定。推测当海冰密集度高且稳定时，大气温度对极化比值的影响最大。
3.3 海面粗糙度分析 通过计算RMS?标准偏差来分析海面的粗糙度。
图 9为2次实验的RMS?数据，图中每个点是30 min实验数据的平均值。在2015年的实验中，实验海域中是冰与水的混合物(见图 6)。在2016年的实验中，实验海域中海冰密集度达到90%以上(见表 2)。从图 9可以得出，风速和RMS?之间无明显的相关性。海冰和海水混合物的海况，海面粗糙度基本不受风速影响，主要与海冰的表面状况有关。图 10为2次实验中具有代表性的海面状况照片。
 |
| 图 9 2次实验的RMS?值 Fig. 9 RMS? values of two experiments |
| 图选项 |
 |
| 图 10 2次实验海冰状况实景图 Fig. 10 View diagrams of two sea ice experiments |
| 图选项 |
表 4为2次实验RMS?值的标准偏差。可以发现，第2次实验的RMS?值的标准偏差值比第1次实验更小，反映了更加光滑的海面状况。第2次实验期间，渤海湾实验区海面是由海水新结的海冰组成，海面比第1次实验的更光滑(实验现场照片见图 10)。在海冰密集度大时，RMS?值可以直接反映海冰的表面状况。
表 4 2次实验的RMS?值的标准差 Table 4 Standard deviation of RMS? of two experiments
| 实验 | 标准差 | ||
| C01 | C02 | C03 | |
| 第1次 | 0.129 7 | 0.143 7 | |
| 第2次 | 0.002 6 | 0.002 4 | 0.002 3 |
表选项
由于2次实验中RMS?范围小于0.5 rad(见图 9和表 4)，对海冰检测的影响可以忽略，所以无需对2次实验的结果进行校正。
4 结论 本文通过在渤海的2次实验，利用3颗北斗GEO卫星的反射信号检测海冰密集度，验证了使用岸基BeiDou-R软件接收机接收北斗GEO卫星反射信号检测海冰密集度的可行性。
从2次实验的结果可知，BeiDou-R软件接收机能够被用来接收BeiDou-R信号。从处理后的数据可以得到以下结论：
1) 由于GEO卫星仰角几乎不变，在岸基实验中呈现很好的时间分辨率，并提供更可行的数据，可以使用单颗GEO卫星定点长时间监测海况，可以使用多个GEO卫星结合提高空间分辨率。在未来的研究中，将结合北斗IGSO卫星进一步提高检测海冰密集度的空间分辨率。
2) 当海冰密集度变化范围大的情况下，可以利用BeiDou-R信号极化比技术探测海冰密集度变化。
3) 当海冰密集度大，且变化范围小的情况下，极化比技术可以检测气温的变化。因为海冰厚度与气温有一定的相关性，海冰厚度的变化也可能影响极化比值。由于本文提到的2次实验中缺乏海冰厚度的数据，这一问题需要在将来进一步研究。
4) 当海冰密集度大时，由于海面粗糙度受风速影响较小，非相干相位的RMS可以直接反映海冰的表面状况。从本文实验中RMS?的结果得出海面粗糙度对海冰检测的影响极小可以忽略，故不需校正。
5) 本文实验中定性地分析了海冰密集度的变化与极化比的相关性，在未来的实验中将尝试对极化比和海冰密集度的关系进行定量分析。
致谢
本文在研究过程中，得到了北京航空航天大学杨东凯教授、李伟强博士关于GNSS-R方面的悉心指导；在渤海海冰实验过程中，中国气象局气象探测中心、天津市气象科学研究所、天津市滨海新区气象局等单位给予了大力支持；同时，在撰写论文的过程中，得到了上海海洋大学通信导航海洋应用实验室老师和同学的关心和帮助，在此一并表示诚挚感谢。
参考文献
| [1] | 李剑, 黄嘉佑, 刘钦政. 黄、渤海海冰长期变化特征分析[J].海洋预报, 2005, 22(2): 22–32. LI J, HUANG J Y, LIU Q Z. Long term variation characteristics of sea ice in Bohai and Yellow Sea[J].Ocean Forecast, 2005, 22(2): 22–32.DOI:10.11737/j.issn.1003-0239.2005.02.004(in Chinese) |
| [2] | RIUS A, CARDELLACH E, MATTIN-NEIRA M. Altimetric analysis of the sea-surface GPS-reflected signals[J].IEEE Transactions on Geoscience & Remote Sensing, 2010, 48(4): 2119–2127. |
| [3] | PARK H, VALENCIA E, CAMPS A, et al. Delay tracking in spaceborne GNSS-R ocean altimetry[J].IEEE Geoscience & Remote Sensing Letters, 2013, 10(1): 57–61. |
| [4] | ZHANG Y, LI B B, TIAN L M, et al. Phase altimetry using reflected signals from BeiDou GEO satellites[J].IEEE Geoscience & Remote Sensing Letters, 2016, 13(10): 1410–1414. |
| [5] | ZAVOROTNY V U, VORONOVICH A G. Scattering of GPS signals from the ocean with wind remote sensing application[J].IEEE Transactions on Geoscience & Remote Sensing, 2000, 38(2): 951–964. |
| [6] | RODRIGUEZ-ALVAREZ N, AKOS D M, ZAVOROTNY V U, et al. Airborne GNSS-R wind retrievals using delay-Doppler maps[J].IEEE Transactions on Geoscience & Remote Sensing, 2013, 51(1): 626–641. |
| [7] | VALENCIA E, ZAVOROTNY V U, AKOS D M, et al. Using DDM asymmetry metrics for wind direction retrieval from GPS ocean-scattered signals in airborne experiments[J].IEEE Transactions on Geoscience & Remote Sensing, 2014, 52(7): 3924–3936. |
| [8] | LI C, HUANG W, GLEASON S. Dual antenna space-based GNSS-R ocean surface mapping:Oil slick and tropical cyclone sensing[J].IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2015, 8(1): 425–435. |
| [9] | VALENCIA E, CAMPS A, RODRIGUEZ-ALVAREZ N, et al. Using GNSS-R imaging of the ocean surface for oil slick detection[J].IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2013, 6(1): 217–223. |
| [10] | SOULAT F, CAPARRINI M, GERMAIN O, et al. Sea state monitoring using coastal GNSS-R[J].Geophysical Research Letters, 2004, 31(21): 133–147. |
| [11] | LARSON K M, RAY R D, NIEVINSKI F G, et al. The accidental tide gauge:A GPS reflection case study from Kachemak Bay, Alaska[J].IEEE Geoscience & Remote Sensing Letters, 2013, 10(5): 1200–1204. |
| [12] | KOMJATHY A, ZAVOROTNY V, AXELRAD P, et al. GPS signal scattering from sea surface: Comparison between experimental data and theoretical model[C]//The 5th International Conference on Remote Sensing for Marine and Coastal Environments, 1998: 1-12. |
| [13] | YAN Q, HUANG W. Spaceborne GNSS-R sea ice detection using delay-Doppler maps:First results from the U.K.TechDemoSat-1 mission[J].IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2016, 9(10): 4795–4801. |
| [14] | WIEHL M, LEGRESY B, DIETRICH R. Potential of reflected GNSS signals for ice sheet remote sensing[J].Progress in Electromagnetics Research, 2003, 40: 177–205.DOI:10.2528/PIER02102202 |
| [15] | GLEASON S, HODGART S, SUN Y, et al. Detection and processing of bistatically reflected GPS signals from low earth orbit for the purpose of ocean remote sensing[J].IEEE Transactions on Geoscience & Remote Sensing, 2005, 43(6): 1229–1241. |
| [16] | RIVAS M B, MASLANIK J A, AXELRAD P. Bistatic scattering of GPS signals off arctic sea ice[J].IEEE Transactions on Geoscience & Remote Sensing, 2010, 48(3): 1548–1553. |
| [17] | |
| [18] | CARDELLACH E, FABRA F, NOGUéS-CORREIG O, et al. GNSS-R ground-based and airborne campaigns for ocean, land, ice, and snow techniques:Application to the GOLD-RTR data sets[J].Radio Science, 2016, 46(6): 1–16. |
| [19] | FABRA F, CARDELLACH E, RIUS A, et al. Phase altimetry with dual polarization GNSS-R over sea ice[J].IEEE Transactions on Geoscience & Remote Sensing, 2012, 50(6): 2112–2121. |
| [20] | FABRA F. GNSS-R as a source of opportunity for remote sensing of the cryosphere[D]. Barcelona: Universitat Politècnicade Catalunya(UPC), 2013. |
| [21] | ZHANG Y, GUO J J, YUAN G L, et al. Sea ice study based on GNSS-R signal[J].Global Positioning System(China), 2013, 38(2): 1–7. |
| [22] | ZHANG Y, MENG W T, GU Q M, et al. Detection of Bohai bay sea ice using GPS-reflected signals[J].IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2015, 8(1): 39–46. |
| [23] | 张阳. 基于北斗卫星反射信号的海面高度测量方法研究[D]. 北京: 北京化工大学, 2015. ZHANG Y. Study on sea surface height measurement based on Beidou satellite reflection signal[D]. Beijing: Beijing University of Chemical Technology, 2015(in Chinese).http://www.bigengculture.com/kejilunwen/dizhicehuilunwen/320110.html |
| [24] | 白伟华. GNSS-R海洋遥感技术研究[D]. 北京: 中国科学院研究生院, 2008. BAI W H. Study of the GNSS-R ocean remote sensing technique[D]. Beijing: Graduate University of Chinese Academy of Sciences, 2008(in Chinese).http://cdmd.cnki.com.cn/Article/CDMD-80073-2009222984.htm |
