SMAP卫星辐射计在中国近海及沿岸的RFI特征分析

周玮辰，韩震，2，王艺晴，罗志鲜，付定甜

（1.上海海洋大学海洋科学学院，上海201306；2.远洋渔业协同创新中心，上海201306）

SMAP卫星辐射计在中国近海及沿岸的RFI特征分析

周玮辰1，韩震1，2，王艺晴1，罗志鲜1，付定甜1

（1.上海海洋大学海洋科学学院，上海201306；2.远洋渔业协同创新中心，上海201306）

射频干扰RFI（Radio-Frequency Interference）的校正和抑制一直是微波遥感研究领域的重要问题之一。本文基于SMAP卫星2015年5月1日至5日L波段辐射计亮温数据对中国近海及沿岸的射频干扰进行了特征分析。研究发现RFI分布不均匀，主要集中在城市群及其周边地区；通过对比辐射计天线接收的亮温数据与射频干扰校正和抑制后的数据，发现研究区域主要的射频干扰（95%）的平均值为1.4 K，整体射频干扰平均值为2.5 K，标准差为6.5；研究区域中不同波段和极化的数据受到射频干扰影响较为相似，受射频干扰影响最大的是升轨的垂直极化数据，受影响最小的是升轨的水平极化数据。

射频干扰；SMAP卫星；亮温；辐射计

射频干扰RFI（Radio Frequency Interference）是指频率相近的目标电磁波与干扰电磁波同时被卫星传感器接收时，干扰电磁波对传感器造成的干扰。射频源对卫星的发射功率、发射频率、天线方向图、天线增益和传输损耗等参数影响各异，RFI主要通过视距传播、反射传播、绕射传播以及大气折射和散射作用等途径进入卫星传感器。针对卫星数据的RFI检测与抑制一直都是一个科学难题（Aksoy et al，2011；霍文娟等，2013）。Niamsuwan等2005年对L波段的射频干扰进行研究，并阐述了辐射计的设计和如何运用脉冲消隐技术获取有效的数据方法（Niamsuwan et al，2005）。Belz等2011年使用PALSAR传感器和UAVSAR传感器的数据分析了卫星对地观测的L波段可能受到的射频干扰（Belz et al，2011）。Daganzo等2013年分析了SMOS卫星辐射计受到的射频干扰，得出全球主要的射频干扰源分布在欧洲和亚洲，占到全球RFI源的73%（Daganzo et al，2013）。Vine等2014年利用Aquarius卫星L波段主被动探测系统研究了全球射频干扰分布，研究表明在射频干扰对辐射计的影响主要在陆地（Vine et al，2014）。王新新等2015年利用SMOS卫星资料对我国地区的L波段射频干扰进行特征分析，并使用stokes参数对射频干扰源进行了检测（王新新等，2015）。2016年卢海梁等利用SMOS卫星资料对中国地区L波段射频干扰进行分析，研究了射频干扰在我国地区的地理位置分布，时间和方位变化特征，部分地区射频干扰来源（卢海梁等，2016）。目前对被动微波辐射计受到的射频干扰去除和抑制的研究主要集中在识别和分析射频干扰源分布及造成的异常值上，而对射频干扰地区信号剔除和获取有效数据的方法研究较少。RFI源主要集中在东亚和欧洲，中国大陆和沿岸地区受到干扰严重，致使在这部分地区遥感数据具有较大偏差甚至缺失（Mohammed et al，2016；Oliva et al，2016），因此对RFI源位置以及其对L波段卫星微波辐射计的影响规律的分析，对提高我国内陆和近岸地区的卫星观测精度具有重要意义。本文使用土壤湿度主被动探测计划卫星SMAP（Soil Moisture Active and Passive mission）的资料对我国部分内陆和沿海地区受到的射频干扰的分布和强度进行统计和分析。

1 数据源和研究区域

SMAP卫星是美国国家航空和宇宙航行局于2015年1月31日发射的一颗卫星，其搭载的L波段的辐射计（1 400－1 427 MHz），可以获得空间分辨率为40KM的垂直极化（V）和水平极化（H）的亮温数据和第三、第四斯托克斯参数（T3和T4），以中心入射角为40度、扫描速率13.0～14.6 rp/m进行椭圆扫描，获取1000 KM的扫描幅宽，重访周期为2～3天。SMAP卫星搭载了星载系统性探测和抑制射频干扰设备，可以配合地面站进行多重RFI探测。经过地面站处理后SMAP卫星可获得精确度小于或等于1.3K的水平、垂直极化亮温数据，RFI造成的误差小于或等于0.3 K（Entekhabi et al，2010；Mohammed et al，2015）。本文的研究区域是中国部分内陆和沿海地区，范围为105°－140°E，15°－45°N（图1）。使用的数据为2015年5月1日至5日的L1B_TB亮温数据，并利用MATLAB2015a对数据进行了计算和处理分析。

图1 研究区域

2 SMAP卫星的RFI检测

在地面站中SMAP卫星数据会被应用到不同的检测算法中进行检测，被检测到的RFI的数据值将会被标记，然后根据最大可能性检测的方法对标记的射频干扰进行逻辑运算，剔除RFI干扰。最终获得的垂直极化和水平极化亮温产品的射频干扰误差小于或等于0.3 K，总误差小于或等于1.3 K。

2.1 脉冲检测法

脉冲检测法以接收到信号的地理坐标为单位通过检测在相同时间中的天线亮温的增幅变化来探测RFI。此算法主要适用于短时间内具有较大振幅的脉冲波干扰，脉冲波主要来自于对空监视雷达发出的脉冲（Noppasin et al，2005；路泽廷等，2015）。SMAP卫星运用此检测算法使用全波段天线亮温数据（TA），公式如下：其中TA为天线温度。mtd为稳健估计，即脉冲重复周期中去除最小的5%的样本数据与最大的5%的样本数据后的均值。β为阈值，σtd为标准差。当观测值与预测均值的差大于标准差与阈值的乘积时确认为被射频干扰污染，此观测值将被标记。

σtd的计算公式如下：

Trec是天线接收到的亮温，BW是辐射计的带宽，为24 MHz，τ（τ=0.3 ms）是脉冲重复周期样本的时长。

当系统最终确认观测值被脉冲形式的射频干扰污染后将会剔除此时间段的异常亮温值，剩余时间段的数据仍为有效数据，以此方法可以去除脉冲形式的射频干扰污染。

2.2 交叉频点算法

交叉频点算法与脉冲检测法一样检测相同时间内数据增幅量来探测辐射干扰（Guner et al，2010）。与脉冲检测法不同的是它使用16个部分波段（每个带宽1.5 MHz）测量数据，每个样本时间为4个脉冲重复周期（4τ=1.2 ms），RFI检测方式与上式（1）相同。σtd的计算略有不同，公式如下：

其中，Trec是天线接收到的亮温。n表示轨道中样本的数量。τ（τ=0.3 ms）是脉冲重复周期样本的时长。

此算法使用部分波段测量数据，对不同频率内的射频干扰进行检测，系统会剔除被射频干扰污染波段的异常数据。

2.3 峰态检测算法

峰值检测算法会对所有的数据进行RFI检测，它使用前四个集成时间的观测数据进行峰值计算统计，区分高斯分布与非高斯分布的信号，借此判断检测数据是否被RFI污染（Roo et al，2007）。其核心算法公式如下：

其中μn为第n个接收信号时间点，未受到射频干扰污染的常规峰值为3，若观测峰值与常规峰值的差大于其阈值βk与观测值标准差的乘积，则会被标注为疑似射频干扰数据。其公式如下：

其中k为由（4）得到的观测数据的峰值，knom为常规峰值，σk为观测值的标准差。

2.4 极化检测算法

在自然界中有水平极化和垂直极化的亮温数据，若没有RFI，则第三、第四斯托克斯参数（T3和T4）会接近0（Parde et al，2011）。第三、第四斯托克斯参数对RFI较敏感，当这两个参数异常大时代表此处有RFI污染。SMAP地面站的RFI检测算法是个较为简单的阈值检测算法，它的主要理论是寻找超出规定标准差的变量并将其认定为辐射干扰。其RFI判别式如下：

其中β3，4为阈值，σ3，4（t）为第三、第四斯托克斯参数的标准差。当第三、第四斯托克斯参数的绝对值大于阈值与标准差时此处被判断为辐射干扰。

SMAP卫星地面站对上述四种检测算法所标注出的RFI位置进行统计，同时对轨道数据对应的阈值和错误率进行统计分析，之后使用最大可能性RFI检测逻辑算法对RFI进行标定。系统根据不同的干扰类型剔除被污染的数据，留下未被污染的有效数据储存于L1B_TB级数据中。若整个波段在成像时间内都被污染则剔除该地区的有效数据。

3 SMAP卫星RFI源探测及分析

3.1 射频干扰检测

由于中国沿岸地区的射频干扰严重，本文使用SMAP卫星2015年5月1号至5号的L1B_TB数据对中国沿海地区的射频干扰进行研究。将卫星数据分为升轨和降轨，分别研究了上述区域RFI校正和抑制前后的数据，并绘制了亮温图像。接收当天线受到严重的射频干扰时所接收到的温度会达到300 K甚至更高，为了更加精确的描绘RFI，本文将色标的最大值设为300 K。图2为升轨数据不同极化的原始天线亮温影像，（a）和（c）分别为原始天线接收到的水平极化和垂直极化亮温影像，（b）和（d）则为经过RFI过滤器校正后的亮温影像。

从图2可以看出，天线获取的陆地水平极化亮温值分布在220～260 K之间，海洋的亮温值则小于100 K。垂直极化的亮温值总体要高于水平极化亮温值，陆地地区亮温主要集中在240～280 K之间，海洋则在100～120 K之间。从图2中可以明显地看出部分地区的亮温值等于或大于300 K，异常值的分布不均匀，异常的亮温主要集中在经济比较发达的地区，例如，东北三省的省会周边、长江三角洲和珠江三角洲等。这是可能由于这些区域具有较多的射频干扰源，如手机基站、工厂、电网、无线电接收和发射基站等。图2中受到射频干扰最为严重的是日本，几乎整个日本地区的亮温值都异常偏高。

图2 升轨数据不同极化的原始天线亮温影像

经过处理的影像可以发现异常的高亮温被有效的抑制了，图中已经没有等于或高于300 K的地区，符合地物的真实亮温值大小。部分受到射频干扰巨大的地区的亮温值被剔除（图2中白色区域），这部分地区主要集中在图2（a）和（c）中亮温异常大的地区。由于过滤器会剔除受干扰的波段或被污染时间的异常数据，因此在被剔除值像素地区周边射频干扰较弱的地区的亮温值被修复。除了异常高的亮温像素点之外，其余天线接收亮温经过RFI过滤后并没有较大的变化。

图3为降轨数据不同极化的原始天线亮温影像，图3中的（a）和（c）分别为原始天线接收到的水平极化和垂直极化亮温影像，（b）和（d）则为经过RFI过滤器校正后的亮温影像。与图2对比，由于卫星扫描的方位角不同，导致影像受射频干扰的程度存在一定差异，图3降轨影像的极高异常值少于图2升轨影像，但是总体而言并无较大差异。异常值主要在30°－45°N，105°－120°E之间，这部分地区主要为内陆城市及其周边地区。同时中国大陆沿海经济发达的城市和台湾南北两端都存在异常值。

为了更好地对比不同极化方式受到射频干扰的影响，本文将天线接收到的原始亮温值减去经过射频干扰过滤器抑制后的亮温值，获得经过抑制的RFI大小。图4为研究区域升轨的射频干扰大小的概率分布，样本数据按干扰值从小到大排列，横轴为射频干扰值的大小，纵轴为概率。圆圈表示的是垂直极化的射频干扰值，叉表示水平极化的射频干扰值。表1是升轨数据不同分布区间的射频干扰值大小分布。由图4和表1可知99%的水平极化和垂直极化的射频干扰的大小分别小于28.94 K和30.80 K。从图4圈和叉基本重合可以看出研究地区不同极化射频干扰大小量级的分布也非常相似。在射频干扰极大（大于80 K）之后，垂直极化射频干扰值更加偏大，被校正的极大值也多于水平极化数据。不过对于总体的数据来说这部分数据量极少。从表1可以看出两种极化射频干扰值都较为相似，垂直极化的亮温校正值要略微大于水平极化的亮温校正值。

图3 降轨数据不同极化的原始天线亮温影像

图4 升轨的RFI射频大小概率分布

表1 升轨数据射频干扰值大小分布

为了更加直观地了解射频干扰数值的概率分布，选取了升轨水平极化的射频干扰共70 134个样本，绘制了干扰值大小分布的直方图（图5）。由图5可以发现大多数射频干扰值的大小集中在0～1 K，经统计小于1 K的射频干扰样本有46 728个，占到总样本数的66.6%，是射频干扰值在1 K至2 K的样本数的6.17倍。当射频干扰数值大于14 K后只有极少的数据样本。由此可以发现射频干扰值的大小主要集中在5 K以内，并且随着干扰信号的增大而骤减。

图5 升轨水平极化的射频干扰值分布直方图

图6和表2分别为降轨的射频干扰值的概率分布图和干扰值大小分布。降轨的射频干扰值大小和分布与升轨射频干扰非常相似，不同的极化方式只在极大值（大于80 K）之后分布才有较大的区别，而这部分校正值只占总体的千分之一，对总体的影响较小。由上述图表可以得出结论，主要的射频干扰校正值（95%）都是小于约12 K，平均值约为1.4 K，且分布范围广，超过99%的异常值大小修正可以达到约30 K及以上，这部分的像素点主要集中在天线接收到的极大异常值（300 K及以上）周边，这些极大的异常值主要集中在我国经济较发达的区域。

图6 降轨的RFI射频大小概率分布

表2 降轨数据射频干扰值大小分布

4.2 研究区域的RFI源分析

图7的（a）和（b）分别为研究区域升轨的水平极化和垂直极化不同强度的RFI源位置。根据表1的射频干扰值的分布特征，本文将射频大小的分布将75%～90%、90%～99%和99%以上的像素分别用绿色、黄色、红色在图中表示，其中白色区域为因辐射计整个波段都被干扰而剔除的像素点。红色的像素点都被绿色和黄色的像素点包围，由此可见较强烈的射频干扰源将会辐射性地污染至周边地区，传播的范围大于100 km。

宽频段的射频干扰会导致整个辐射计接收频段被污染，因此受污染地区的数据被过滤器剔除，使图像上显示白色无数据，宽频段射频干扰主要集中在甘肃地区及周边（35°－37°N、103°－107°E），成都（104°E，30.5°N）和重庆（106.5°E，29.5°N）两市及其周边，西安和咸阳周边地区（108°－109°E，34°－35°N）。而日本被剔除的数据最多，可见是宽频段干扰最严重的地区。大多数宽频段的射频干扰周边都伴随着较强的可抑制的窄频段RFI污染，东北地区辽宁、黑龙江（122°－127°E，42°－46°N）河北省（35°－38°N，115°－120°E）、长江三角洲（118°－122.5°E，30°－32.5°N）和珠江三角洲（113°－114.5°E，22°－23.5°N）都是异常值偏多的地区。台湾南北两侧的射频干扰较强烈，其中部分地区有超过80 K的干扰，但是并无强烈的宽频段的干扰，因此并没有剔除的像素点。海表面的射频干扰源较少，只有部分零星被校正的干扰源，其中水平极化的数据在日本海有类似于条带的干扰（40°－43°N，133°－134°E），而垂直极化的数据并没有这部分干扰，这可能是由于天线获取信号的方位角对RFI非常敏感，不同方位角会受到不同的射频干扰影响。

图7 升轨不同极化射频干扰源分布

图8中的（a）和（b）分别显示了研究区域降轨的水平极化和垂直极化不同强度的RFI源位置。根据表2的射频干扰值的分布特征，将射频大小的分布将75%～90%、90%～99%和99%以上的像素分别用绿色、黄色、红色在图中表示，其中白色区域为因辐射计整个波段都被干扰而剔除的像素点。

水平极化和垂直极化的较大射频干扰总体较为相似，主要的射频干扰源都围绕城市及其周边。较大的RFI的校正也有部分区别，如太原市（112°E，38°N）在水平极化数据中有较大的射频干扰校正，图中显示为红色，而在垂直极化中这部分为黄色和绿色区域，说明此地的射频干扰源对垂直极化亮温影响较大。

图8 降轨不同极化射频干扰源分布

在海面上降轨数据与升轨数据相似，射频干扰较少，强度远小于陆地。主要的区别是水平极化的数据在日本海有条带状的射频干扰校正值，而垂直极化数据则没有。在海南岛南方地区（108°－110°E，15°－18°N）垂直极化数据有较强的校正而水平极化则没有，这极可能是越南沿海地区城市造成的射频干扰污染。

升轨与降轨的射频干扰较为相似，主要的区别是在校正值的大小上有部分差异，这是由于射频干扰源对不同极化和轨道的影响的不同造成的。射频干扰源的总体分布来看主要的水平干扰集中在陆地地区，海面的射频干扰较少且微弱。SMAP卫星校正和抑制的射频干扰的整体分布不均匀，大小差异也较大，以大城市群为中心，辐射状地向周围延伸。

表3为研究区域的亮温数据统计，本文使用了4天的升轨和降轨各5轨数据进行分析。从表3中可以发现95%射频干扰的校正大小为1.37～1.5 K之间，整体射频干扰校正的平均值为2.51～2.68 K。而射频干扰的最大校正值在146～158 K，主要的被校正的射频干扰值较小，95%的射频干扰值的平均值在1.4 K左右。由于干扰值的变化较大，所有轨道不同极化的RFI的标准差约为6.5。研究区域受到射频干扰最强的是升轨的垂直极化数据，受干扰最弱的是水平极化的升轨数据，其受到RFI的像素点最少，被完全污染导致剔除的数据也最少。

表3 研究区域亮温数据统计

5 结论

基于2015年5月1日至4日的SMAP卫星辐射计L1B_TB数据对中国内陆及近岸地区的射频干扰源进行特征分析，得出如下结果：（1）对天线接收到的亮温数据进行研究分析，发现主要的RFI集中在陆地，分布不均匀以大城市为中心以辐射状向四周扩散，扩散的范围大于100 km。（2）宽频段RFI干扰会污染整个24 MH通道导致辐射计无法获取有效数据，主要分布集中在甘肃地区及周边、成都和重庆两市及其周边，西安和咸阳周边地区，日本是受宽频段干扰最严重的地区。大多数宽频段的射频干扰周边都伴随着较强的可抑制的窄频段RFI污染。窄频段的射频干扰分布广泛，通常造成较小干扰，可以通过脉冲检测法、交叉频点算法进行校正。（3）经过校正的主要的射频干扰值（95%的射频干扰）的平均值约为1.4 K，大部分射频干扰值小于2 K。卫星地面站校正的射频干扰最大值是垂直极化降轨数据的158.7 K，整体射频干扰平均值约为2.5 K，整体标准差约6.5。（4）不同波段和极化的数据受到射频干扰影响较为相似，射频干扰校正值也颇为相近。其中受影响最大的是升轨的垂直极化数据，受影响最小的是升轨的水平极化数据。

Aksoy M,Park J,Johnson J T,2011.Joint analysis of radio frequency interferencefromSMOSmeasurementsandfromairborne observations City.1－4.

Available:http://nsidc.org/data/docs/daac/smap/sp_l1btb/pdfs/D－92339－A_SMAP_Radiometer_Level_1B_TB_PDS_150720_withignorespacessigs.pdf

Belz J E,Huneycutt B L,Spencer M W,2011.A study of radio frequency interference in the space－to－Earth exploration allocation at L－band City.1－10.

Daganzo－Eusebio E,Oliva R,Kerr Y H,et al,2013.SMOS Radiometer in the 1400－1427－MHz Passive Band:Impact of the RFI Environment and Approach to Its Mitigation and Cancellation.IEEE Transactions on Geoscience&Remote Sensing,51:4999－5007.

De Roo R D,Misra S,Ruf C S,2007.Sensitivity of the Kurtosis Statistic as a Detector of Pulsed Sinusoidal RFI.Geoscience and Remote Sensing,IEEE Transactions on,45:1938－1946.

Entekhabi D,Njoku E G,Neill P E O,et al,2010.The Soil Moisture Active Passive(SMAP)Mission.Proceedings of the IEEE,98:704－716.

Guner B,Niamsuman N,Johnson J T,2010.Performance Study of a Cross-Frequency Detection Algorithm for Pulsed Sinusoidal RFI in Microwave Radiometry.IEEE Transactions on Geoscience&Remote Sensing,48:2899-2908.

Mohammed P N,Aksoy M,Piepmeier J R,et al,2016.SMAP L-Band Microwave Radiometer:RFI Mitigation Prelaunch Analysis and First Year On-Orbit Observations.54:1-13.

Niamsuwan N,JohnsonJ T,2005.Sky observations at L-band with an interference suppressing microwave radiometer City.5562-5565.

Noppasin N,Johnson J T,Ellingson S W,2005.Examination of a simple pulse-blanking technique for radio frequency interference mitigation.Radio Science,40:351-352.

Oliva R,Daganzo E,Richaume P,et al,2016.Status of Radio Frequency Interference(RFI)in the 1400-1427 MHz passive band based on six years of SMOS mission.Remote Sensing of Environment,180:64-75.

Mohammed-Tano P,2015.“Soil Moisture Active Passive(SMAP)project level 1B-TB product specification document.Pasadena,CA,USA:SMAP Project,”Jet Propulsion Lab.,Pasadena,CA,USA,JPL D-92339,[Online].

Parde m,Zribi M,Fanise P,et al,2011.Analysis of RFI Issue Using the CAROLS L-Band Experiment.IEEE Transactions on Geoscience&Remote Sensing,49:1063-1070.

Vine D M L,De Matthaeis P,2014.Aquarius Active/Passive RFI Environment at L-Band.Geoscience&Remote Sensing Letters IEEE,11:1747-1751.

霍文娟,韩震,2013.AQUA卫星的MODIS和AMSR-E反演的印度洋北部海域海表温度特征对比分析.海洋通报,553-558.

卢海梁,李青侠,李炎,等,2016.基于SMOS卫星数据的中国地区L波段射频干扰研究.微波学报,32:86-91.

路泽廷,朱江,韩君,等,2015.最新SMOS卫星海表盐度L3/4级产品的误差分析.海洋通报,428-439.

王新新,王祥,韩震,等,2016.基于L波段Stokes参数遥感数据射频干扰检测及特性分析.电子与信息学报,2342-2348.

Radio Frequency Interference characteristics analysis for SMAP Radiometer in the offshore and coastal areas of China

ZHOU Wei-chen1,HAN zhen1,2,WANG Yi-qing1,LUO Zhi-xian1,FU Ding-tian1

（1.College of Marine Sciences,Shanghai Ocean University,Shanghai 201306,China;2.Collaborative Innovation Center for Distant-water Fisheries,Shanghai 201306,China）

RFI（Radio Frequency Interference）detection and mitigation has been one of the most crucial issues of microwave remote sensing.In this paper,we analyzed China's coastal and offshore areas'brightness temperature and RFI acquired by SMAP（Soil Moisture Active Passive）satellite L-band radiometer.The study found that the distribution of RFI are uneven,and RFI are mainly concentrated in the urban agglomeration and its surrounding areas.By comparing the radiometer antenna brightness temperature data and the data after RFI filtering,we found that the average of 95%RFI is 1.4 K,and the standard deviation is 6.5.Under the influence of RFI,there is no obvious difference between different band and polarization in the study area.Significant RFI contaminations are present in ascending vertical polarization observation,and the ascending horizontal polarization data is the least affected.

Radio Frequency Interference;Soil Moisture Active Passive mission;brightness temperature;radiometer

TP7

A

1001－6932（2017）06－0706－09

10.11840/j.issn.1001-6392.2017.06.014

2016-11-09；

2017-03-01

电磁波信息科学教育部重点实验室开放基金（EMW201501）。

周玮辰（1992-），博士研究生，主要从事海洋遥感研究。电子邮箱：363900598@qq.com。

韩震，博士，教授，电子邮箱：zhhan@shou.edu.cn。

袁泽轶）