卫星运动对GNSS-R风速反演的影响评估：来自TRITON任务的启示

这篇研究通过台湾新型GNSS反射测量（GNSS-R）卫星TRITON的高分辨率延迟多普勒图（DDM）数据，创新性地揭示了发射器-接收器相对速度（Vrel）对双基测量几何中DDM形态的关键影响。研究采用深度学习框架（CNN-LSTM）证明，传统地球物理模型函数（GMF）因忽略轨道动力学因素会导致风速反演系统误差，而显式引入Vrel特征可使均方根误差（RMSE）降低11%，为GNSS-R海洋遥感提供了新的动态几何校正范式。

　　

1 引言

全球导航卫星系统反射测量（GNSS-R）作为一种新兴被动遥感技术，通过接收GPS等卫星的地表反射信号反演环境参数。TRITON卫星任务由台湾太空中心（TASA）于2023年发射，其128×64分辨率的延迟多普勒图（DDM）为研究卫星运动对信号的影响提供了独特数据。传统地球物理模型函数（GMF）假设DDM特征仅反映海面粗糙度，但仿真研究表明，发射器与接收器的相对速度（V_rel=‖v?_rx-v?_tx‖）会导致多普勒展宽等几何畸变，其效应与高风速信号相似。TRITON轨道数据显示V_rel范围达4.8-5.3 km/s，亟需建立动态几何感知的反演模型。

2 材料与方法

2.1 数据源

研究采用2024年5-11月TRITON在西北太平洋、北大西洋等海域的230万条质量控制DDM数据，配套ECEF坐标系记录的卫星运动参数。环境参考数据使用ERA5再分析风场（0.25°分辨率），通过双线性插值匹配DDM时空位置。

2.2 特征工程

核心输入包括：未归一化的双基雷达散射截面（BRCS）以保留原始畸变、V_rel矢量模量、入射角。相比CYGNSS的17×11分辨率，TRITON的128×64 DDM能更精细捕捉多普勒结构变化。

2.3 深度学习模型

设计混合CNN-LSTM架构：ResNet分支处理BRCS图像提取空间特征（如多普勒展宽、峰值锐度），并行稠密分支编码V_rel等辅助参数，经双向LSTM（Bi-LSTM）融合后输出10米高度风速（U10）。对比实验中，V_rel感知模型相比基线模型（仅BRCS输入）显式引入几何动力学约束。

3 结果

3.1 模型性能

在50,575个测试样本中，V_rel感知模型将RMSE从2.08 m/s降至1.88 m/s（提升11.4%），偏差从0.06 m/s优化至0.04 m/s。散点图显示其预测结果更紧密沿ERA5参考1:1线分布。

3.2 可解释性分析

集成梯度（IG）热图揭示模型主要关注DDM的"闪耀区"（glistening zone），该区域对表面粗糙度和卫星运动畸变均敏感。高 attribution 值集中在多普勒延迟梯度显著的月牙边缘，证实模型通过V_rel有效解耦了几何畸变与真实风浪信号。

3.3 地理验证

北大西洋案例显示，模型反演风速（散点）与ERA5背景场（色阶）的空间梯度高度一致，尤其在强风区（>10 m/s）保持结构连贯性。

4 讨论

4.1 物理机制

V_rel增大导致信号路径长度快速变化，产生与风速增加相似的多普勒展宽。传统GMF将此误读为表面粗糙度变化，而深度学习通过几何特征注入实现物理可解释的校正。

4.2 应用拓展

该框架可推广至涌浪高度、海冰粗糙度等反演任务。TRITON的高分辨率DDM为开发跨星座通用几何校正模型奠定基础，未来可结合Transformer等架构进一步优化。

5 结论

研究证实卫星运动是GNSS-R信号不可忽略的调制因素，V_rel感知模型通过11.4%的RMSE提升验证了几何动态补偿的必要性。这一发现为新一代GNSS-R算法开发提供了范式转变，推动海洋遥感进入"轨道动力学aware"的新阶段。