利用微卫星观测的双偏振全球导航卫星系统反射测量技术用于一年冰–多年冰海冰类型分类

《International Journal of Applied Earth Observation and Geoinformation》：Dual-polarization GNSS reflectometry for FYI–MYI sea ice type classification using microsatellite observations

　　

研究人员首次评估了小型卫星双偏振全球导航卫星系统反射测量（Dual-polarization GNSS Reflectometry, GNSS-R）技术在一年冰（First-year ice, FYI）与多年冰（Multi-year ice, MYI）分类中的应用价值。天目一号（Tianmu-1, TM-1）延迟多普勒图（Delay-Doppler Map, DDM）特征能够捕获极化海冰散射信息。双偏振观测提升了FYI–MYI的分类性能。研究在北极与南极海冰区域均观察到一致的改进效果。SHapley Additive exPlanations（SHAP）分析识别了用于冰类型判别的关键双偏振特征。

该研究发表于《International Journal of Applied Earth Observation and Geoinformation》。研究背景方面，海洋覆盖地球表面70%以上，极区海冰通过影响能量交换与海气通量在全球气候系统中具有基础性作用。FYI与MYI在厚度、表面粗糙度、盐度及内部结构上存在显著差异，直接影响海冰力学性质、热力学过程及冰洋相互作用，对极地航道安全至关重要，因此准确的FYI–MYI分类与监测是极地遥感与气候研究的核心任务。当前大尺度海冰类型监测主要依赖被动微波产品（如OSI-SAF、NSIDC），虽具备长期覆盖能力，但空间分辨率较粗，且在夏季融化期与边缘冰区存在较大不确定性；合成孔径雷达（Synthetic Aperture Radar, SAR）虽空间细节更优，但受重访周期、数据量与处理复杂度限制，难以实现连续大尺度监测，亟需互补技术。全球导航卫星系统反射测量（GNSS-R）利用双站观测几何下的前向散射导航信号感知地表，在海洋风场反演、土壤湿度估算及极区海冰监测中展现出潜力，其低成本、被动感知与高时空采样能力适合极区大尺度观测。既往研究多基于单偏振观测（主要利用反射功率与DDM形态），在FYI与MYI散射响应相似或观测几何变化显著时鲁棒性受限，而SMAP虽验证了线性H/V偏振价值，但其固定入射角与大口径定向天线与小卫星平台差异显著；天目一号（TM-1）微卫星提供的左旋圆极化（Left-Hand Circular Polarization, LHCP）/右旋圆极化（Right-Hand Circular Polarization, RHCP）配对观测更直接关联RHCP发射信号及其反射后的极化反转，可提供去极化、粗糙面散射及雪/冰介质内多次或体散射信息，且架构紧凑适于小卫星星座，但系统在极区海冰分类中的应用潜力尚未被充分评估。为此，研究人员利用TM-1双偏振GNSS-R数据，结合机器学习、可解释性分析与空间一致性评估，量化双偏振信息对FYI–MYI分类的贡献，聚焦极化信息评估而非业务产品开发。

为开展研究，研究人员主要采用以下关键技术方法：使用中国TM-1星座中TM12–TM22卫星搭载的全球导航卫星系统掩星探测仪迷你版（Global Navigation Satellite System Occultation Sounder-Mini, GNOS-M）L1级数据，时间范围为2024年3月11日至4月30日，涵盖北极3,928,110个样本与南极1,213,628个样本；使用OSI-SAF海冰边缘与海冰类型产品进行时空匹配以提供参考标签并滤除开阔水；数据预处理包括陆地掩膜、信噪比（Signal-to-Noise Ratio, SNR）质量过滤（北极LHCP SNR > ?5 dB、RHCP SNR > ?10 dB，南极LHCP SNR > 0 dB、RHCP SNR > ?8 dB）及双偏振配对（相同PRN、时差 < 0.1 s、镜面点经纬度差 < 0.02°与 < 0.05°）；从去噪DDM中提取单偏振特征（LH功率、RH功率、RH SNR、峰值旁瓣比（Peak-to-Sidelobe Ratio, PSLR）、各向异性）与双偏振特征（极化功率比（Polarization Power Ratio, Pol. Ratio）、极化对比指数（Polarization Contrast Index, Pol. Contrast））；采用极端梯度提升（eXtreme Gradient Boosting, XGBoost）模型进行FYI–MYI二分类，按时间划分训练集（3月11–30日）、验证集（3月31日–4月14日）与测试集（4月15–30日），通过代价敏感学习与概率阈值处理类别不平衡，并使用加权评价指标（综合MYI召回率、FYI召回率与MYI F1分数）进行评估；利用SHAP分析特征贡献。

研究结果部分，各小节结论如下：

4.1. Effect of dual-polarization decision parameters on classification performance：通过分析权重比r = w₁/w₂对MYI与FYI召回率的敏感性，发现北极在r ≈ 0.8–1.2区间两者趋于稳定，选定r = 1.0（w₁=0.45, w₂=0.45, w₃=0.1）；南极在r ≈ 0.6–0.7时MYI召回已改善且FYI未显著下降，选定r = 0.65（w₁=0.35, w₂=0.55, w₃=0.1）。MYI概率阈值与缩放权重的二维敏感性分析显示性能得分形成平滑高值区而非孤立最优，表明参数敏感性低、鲁棒性好；阈值增大则MYI召回降、FYI召回升，MYI F1在适中阈值范围表现良好，据此选定各区域最优阈值与权重（北极双偏振阈值0.21、权重2.30；南极双偏振阈值0.35、权重1.70）。

4.2. Comparison of dual-polarization and LHCP-only sea ice type classification results：双偏振方案较仅用LHCP方案提升分类表现。北极FYI召回率相对提升约0.4%，MYI召回率提升约1.7%，达69.04%（LHCP-only为67.38%），FYI召回率达74.79%；南极提升更显著，MYI召回率提升约4.5%达74.85%（LHCP-only为70.40%），FYI召回率提升约2.1%达73.64%，且未以牺牲FYI为代价。SHAP分析显示北极PSLR与各向异性等DDM形态特征主导重要性，双偏振特征（Pol. Ratio、Pol. Contrast）虽次但具清晰分离模式，提供互补敏感性；南极双偏振特征仍稳定贡献但次于形态描述符。单独使用Pol. Ratio分类AUC达0.64，最优断点R_bp = 0.11，证明极化特征具独立判别力且与形态特征互补。

4.3. Comprehensive evaluation and spatial consistency：空间上南极预测FYI呈环绕大陆连续环状、MYI集中于局地沿岸，与OSI-SAF参考产品一致；北极总体捕捉到中央盆地MYI与边缘海FYI分布，但80°N以上出现环状异常，源于卫星天线偏航转向~180°导致镜点方向增益下降与LHCP SNR退化。ROC曲线显示北极AUC = 0.796，南极AUC = 0.838，南极更优可能与高纬姿态机动有关。测试期内北极总体精度74.29%、南极73.71%，日分类精度与各类样本比例随时间平滑变化，无突变或退化，表明时间稳定性良好；联合空间、ROC与时间分析证实TM-1双偏振GNSS-R具稳健性能与潜力。

讨论部分总结：相较于既往单偏振GNSS-R海冰研究，该研究首次评估双圆极化观测用于海冰分类的价值；FYI与MYI盐度、内部结构差异导致介电常数对比，结合粗糙度与体散射差异改变反射GNSS信号极化态，产生不同LHCP/RHCP响应，配对观测捕获互补极化依赖响应，提供额外信息且较SAR具更广时间采样。TM-1提供~14 dB天线峰值增益的微卫星星座双站LHCP/RHCP观测，不同于SMAP固定入射角与36 dB线极化大天线系统，但小卫星双偏振潜力此前未被充分探索。区域差异方面，北极80°N以上环状异常关联SNR退化与天线偏航突变，未来姿态控制更稳的任务可改善；框架可扩展至未来具增强偏振能力的GNSS-R系统（如HydroGNSS）。局限性包括数据限于2024年3–4月无法全季节验证，训练测试均处连续季节转换期；双偏振配对缩减样本量；OSI-SAF产品在边缘冰区、混合区与季节转换期存不确定性且格点与GNSS-R镜点不匹配引入标签噪声（约1.2%样本受影响）。未来将扩展数据集、引入SAR等多源验证并优化特征与建模。

结论部分翻译：研究人员利用TM-1星座GNSS-R观测，评估了双偏振信息对两极FYI–MYI分类的价值，结果表明引入双偏振特征较单偏振方法改善了FYI与MYI分类的平衡性并增强整体稳定性。SHAP分析表明极化特征作为互补贡献者，与基于LHCP的DDM形态描述符协同作用而非作为主要判别依据；其特征重要性排序及与独立海冰产品的空间一致性支持此作用，时间分析证实模型行为稳定。北极性能部分受约80°N以上卫星天线偏航转向~180°限制，该变化改变观测几何并影响信号SNR，未来无此类姿态变化的任务有望提升北极表现。总体而言，双偏振GNSS-R提供了有价值的互补信息源，与传统（LHCP）DDM形态特征结合可增强分类鲁棒性与可解释性，支持未来任务中更精细的极区海冰监测；研究结果直接与近期发射的具双圆极化GNSS-R能力的ESA HydroGNSS任务相关。