SMAP衛星輻射計在中國近海及沿岸的RFI特征分析

周瑋辰，韓震，2，王藝晴，羅志鮮，付定甜

（1.上海海洋大學海洋科學學院，上海201306；2.遠洋漁業協同創新中心，上海201306）

SMAP衛星輻射計在中國近海及沿岸的RFI特征分析

周瑋辰1，韓震1，2，王藝晴1，羅志鮮1，付定甜1

（1.上海海洋大學海洋科學學院，上海201306；2.遠洋漁業協同創新中心，上海201306）

射頻干擾RFI（Radio-Frequency Interference）的校正和抑制一直是微波遙感研究領域的重要問題之一。本文基于SMAP衛星2015年5月1日至5日L波段輻射計亮溫數據對中國近海及沿岸的射頻干擾進行了特征分析。研究發現RFI分布不均勻，主要集中在城市群及其周邊地區；通過對比輻射計天線接收的亮溫數據與射頻干擾校正和抑制后的數據，發現研究區域主要的射頻干擾（95%）的平均值為1.4 K，整體射頻干擾平均值為2.5 K，標準差為6.5；研究區域中不同波段和極化的數據受到射頻干擾影響較為相似，受射頻干擾影響最大的是升軌的垂直極化數據，受影響最小的是升軌的水平極化數據。

射頻干擾；SMAP衛星；亮溫；輻射計

射頻干擾RFI（Radio Frequency Interference）是指頻率相近的目標電磁波與干擾電磁波同時被衛星傳感器接收時，干擾電磁波對傳感器造成的干擾。射頻源對衛星的發射功率、發射頻率、天線方向圖、天線增益和傳輸損耗等參數影響各異，RFI主要通過視距傳播、反射傳播、繞射傳播以及大氣折射和散射作用等途徑進入衛星傳感器。針對衛星數據的RFI檢測與抑制一直都是一個科學難題（Aksoy et al，2011；霍文娟等，2013）。Niamsuwan等2005年對L波段的射頻干擾進行研究，并闡述了輻射計的設計和如何運用脈沖消隱技術獲取有效的數據方法（Niamsuwan et al，2005）。Belz等2011年使用PALSAR傳感器和UAVSAR傳感器的數據分析了衛星對地觀測的L波段可能受到的射頻干擾（Belz et al，2011）。Daganzo等2013年分析了SMOS衛星輻射計受到的射頻干擾，得出全球主要的射頻干擾源分布在歐洲和亞洲，占到全球RFI源的73%（Daganzo et al，2013）。Vine等2014年利用Aquarius衛星L波段主被動探測系統研究了全球射頻干擾分布，研究表明在射頻干擾對輻射計的影響主要在陸地（Vine et al，2014）。王新新等2015年利用SMOS衛星資料對我國地區的L波段射頻干擾進行特征分析，并使用stokes參數對射頻干擾源進行了檢測（王新新等，2015）。2016年盧海梁等利用SMOS衛星資料對中國地區L波段射頻干擾進行分析，研究了射頻干擾在我國地區的地理位置分布，時間和方位變化特征，部分地區射頻干擾來源（盧海梁等，2016）。目前對被動微波輻射計受到的射頻干擾去除和抑制的研究主要集中在識別和分析射頻干擾源分布及造成的異常值上，而對射頻干擾地區信號剔除和獲取有效數據的方法研究較少。RFI源主要集中在東亞和歐洲，中國大陸和沿岸地區受到干擾嚴重，致使在這部分地區遙感數據具有較大偏差甚至缺失（Mohammed et al，2016；Oliva et al，2016），因此對RFI源位置以及其對L波段衛星微波輻射計的影響規律的分析，對提高我國內陸和近岸地區的衛星觀測精度具有重要意義。本文使用土壤濕度主被動探測計劃衛星SMAP（Soil Moisture Active and Passive mission）的資料對我國部分內陸和沿海地區受到的射頻干擾的分布和強度進行統計和分析。

1 數據源和研究區域

SMAP衛星是美國國家航空和宇宙航行局于2015年1月31日發射的一顆衛星，其搭載的L波段的輻射計（1 400－1 427 MHz），可以獲得空間分辨率為40KM的垂直極化（V）和水平極化（H）的亮溫數據和第三、第四斯托克斯參數（T3和T4），以中心入射角為40度、掃描速率13.0～14.6 rp/m進行橢圓掃描，獲取1000 KM的掃描幅寬，重訪周期為2～3天。SMAP衛星搭載了星載系統性探測和抑制射頻干擾設備，可以配合地面站進行多重RFI探測。經過地面站處理后SMAP衛星可獲得精確度小于或等于1.3K的水平、垂直極化亮溫數據，RFI造成的誤差小于或等于0.3 K（Entekhabi et al，2010；Mohammed et al，2015）。本文的研究區域是中國部分內陸和沿海地區，范圍為105°－140°E，15°－45°N（圖1）。使用的數據為2015年5月1日至5日的L1B_TB亮溫數據，并利用MATLAB2015a對數據進行了計算和處理分析。

圖1 研究區域

2 SMAP衛星的RFI檢測

在地面站中SMAP衛星數據會被應用到不同的檢測算法中進行檢測，被檢測到的RFI的數據值將會被標記，然后根據最大可能性檢測的方法對標記的射頻干擾進行邏輯運算，剔除RFI干擾。最終獲得的垂直極化和水平極化亮溫產品的射頻干擾誤差小于或等于0.3 K，總誤差小于或等于1.3 K。

2.1 脈沖檢測法

脈沖檢測法以接收到信號的地理坐標為單位通過檢測在相同時間中的天線亮溫的增幅變化來探測RFI。此算法主要適用于短時間內具有較大振幅的脈沖波干擾，脈沖波主要來自于對空監視雷達發出的脈沖（Noppasin et al，2005；路澤廷等，2015）。SMAP衛星運用此檢測算法使用全波段天線亮溫數據（TA），公式如下：其中TA為天線溫度。mtd為穩健估計，即脈沖重復周期中去除最小的5%的樣本數據與最大的5%的樣本數據后的均值。β為閾值，σtd為標準差。當觀測值與預測均值的差大于標準差與閾值的乘積時確認為被射頻干擾污染，此觀測值將被標記。

σtd的計算公式如下：

Trec是天線接收到的亮溫，BW是輻射計的帶寬，為24 MHz，τ（τ=0.3 ms）是脈沖重復周期樣本的時長。

當系統最終確認觀測值被脈沖形式的射頻干擾污染后將會剔除此時間段的異常亮溫值，剩余時間段的數據仍為有效數據，以此方法可以去除脈沖形式的射頻干擾污染。

2.2 交叉頻點算法

交叉頻點算法與脈沖檢測法一樣檢測相同時間內數據增幅量來探測輻射干擾（Guner et al，2010）。與脈沖檢測法不同的是它使用16個部分波段（每個帶寬1.5 MHz）測量數據，每個樣本時間為4個脈沖重復周期（4τ=1.2 ms），RFI檢測方式與上式（1）相同。σtd的計算略有不同，公式如下：

其中，Trec是天線接收到的亮溫。n表示軌道中樣本的數量。τ（τ=0.3 ms）是脈沖重復周期樣本的時長。

此算法使用部分波段測量數據，對不同頻率內的射頻干擾進行檢測，系統會剔除被射頻干擾污染波段的異常數據。

2.3 峰態檢測算法

峰值檢測算法會對所有的數據進行RFI檢測，它使用前四個集成時間的觀測數據進行峰值計算統計，區分高斯分布與非高斯分布的信號，借此判斷檢測數據是否被RFI污染（Roo et al，2007）。其核心算法公式如下：

其中μn為第n個接收信號時間點，未受到射頻干擾污染的常規峰值為3，若觀測峰值與常規峰值的差大于其閾值βk與觀測值標準差的乘積，則會被標注為疑似射頻干擾數據。其公式如下：

其中k為由（4）得到的觀測數據的峰值，knom為常規峰值，σk為觀測值的標準差。

2.4 極化檢測算法

在自然界中有水平極化和垂直極化的亮溫數據，若沒有RFI，則第三、第四斯托克斯參數（T3和T4）會接近0（Parde et al，2011）。第三、第四斯托克斯參數對RFI較敏感，當這兩個參數異常大時代表此處有RFI污染。SMAP地面站的RFI檢測算法是個較為簡單的閾值檢測算法，它的主要理論是尋找超出規定標準差的變量并將其認定為輻射干擾。其RFI判別式如下：

其中β3，4為閾值，σ3，4（t）為第三、第四斯托克斯參數的標準差。當第三、第四斯托克斯參數的絕對值大于閾值與標準差時此處被判斷為輻射干擾。

SMAP衛星地面站對上述四種檢測算法所標注出的RFI位置進行統計，同時對軌道數據對應的閾值和錯誤率進行統計分析，之后使用最大可能性RFI檢測邏輯算法對RFI進行標定。系統根據不同的干擾類型剔除被污染的數據，留下未被污染的有效數據儲存于L1B_TB級數據中。若整個波段在成像時間內都被污染則剔除該地區的有效數據。

3 SMAP衛星RFI源探測及分析

3.1 射頻干擾檢測

由于中國沿岸地區的射頻干擾嚴重，本文使用SMAP衛星2015年5月1號至5號的L1B_TB數據對中國沿海地區的射頻干擾進行研究。將衛星數據分為升軌和降軌，分別研究了上述區域RFI校正和抑制前后的數據，并繪制了亮溫圖像。接收當天線受到嚴重的射頻干擾時所接收到的溫度會達到300 K甚至更高，為了更加精確的描繪RFI，本文將色標的最大值設為300 K。圖2為升軌數據不同極化的原始天線亮溫影像，（a）和（c）分別為原始天線接收到的水平極化和垂直極化亮溫影像，（b）和（d）則為經過RFI過濾器校正后的亮溫影像。

從圖2可以看出，天線獲取的陸地水平極化亮溫值分布在220～260 K之間，海洋的亮溫值則小于100 K。垂直極化的亮溫值總體要高于水平極化亮溫值，陸地地區亮溫主要集中在240～280 K之間，海洋則在100～120 K之間。從圖2中可以明顯地看出部分地區的亮溫值等于或大于300 K，異常值的分布不均勻，異常的亮溫主要集中在經濟比較發達的地區，例如，東北三省的省會周邊、長江三角洲和珠江三角洲等。這是可能由于這些區域具有較多的射頻干擾源，如手機基站、工廠、電網、無線電接收和發射基站等。圖2中受到射頻干擾最為嚴重的是日本，幾乎整個日本地區的亮溫值都異常偏高。

圖2 升軌數據不同極化的原始天線亮溫影像

經過處理的影像可以發現異常的高亮溫被有效的抑制了，圖中已經沒有等于或高于300 K的地區，符合地物的真實亮溫值大小。部分受到射頻干擾巨大的地區的亮溫值被剔除（圖2中白色區域），這部分地區主要集中在圖2（a）和（c）中亮溫異常大的地區。由于過濾器會剔除受干擾的波段或被污染時間的異常數據，因此在被剔除值像素地區周邊射頻干擾較弱的地區的亮溫值被修復。除了異常高的亮溫像素點之外，其余天線接收亮溫經過RFI過濾后并沒有較大的變化。

圖3為降軌數據不同極化的原始天線亮溫影像，圖3中的（a）和（c）分別為原始天線接收到的水平極化和垂直極化亮溫影像，（b）和（d）則為經過RFI過濾器校正后的亮溫影像。與圖2對比，由于衛星掃描的方位角不同，導致影像受射頻干擾的程度存在一定差異，圖3降軌影像的極高異常值少于圖2升軌影像，但是總體而言并無較大差異。異常值主要在30°－45°N，105°－120°E之間，這部分地區主要為內陸城市及其周邊地區。同時中國大陸沿海經濟發達的城市和臺灣南北兩端都存在異常值。

為了更好地對比不同極化方式受到射頻干擾的影響，本文將天線接收到的原始亮溫值減去經過射頻干擾過濾器抑制后的亮溫值，獲得經過抑制的RFI大小。圖4為研究區域升軌的射頻干擾大小的概率分布，樣本數據按干擾值從小到大排列，橫軸為射頻干擾值的大小，縱軸為概率。圓圈表示的是垂直極化的射頻干擾值，叉表示水平極化的射頻干擾值。表1是升軌數據不同分布區間的射頻干擾值大小分布。由圖4和表1可知99%的水平極化和垂直極化的射頻干擾的大小分別小于28.94 K和30.80 K。從圖4圈和叉基本重合可以看出研究地區不同極化射頻干擾大小量級的分布也非常相似。在射頻干擾極大（大于80 K）之后，垂直極化射頻干擾值更加偏大，被校正的極大值也多于水平極化數據。不過對于總體的數據來說這部分數據量極少。從表1可以看出兩種極化射頻干擾值都較為相似，垂直極化的亮溫校正值要略微大于水平極化的亮溫校正值。

圖3 降軌數據不同極化的原始天線亮溫影像

圖4 升軌的RFI射頻大小概率分布

表1 升軌數據射頻干擾值大小分布

為了更加直觀地了解射頻干擾數值的概率分布，選取了升軌水平極化的射頻干擾共70 134個樣本，繪制了干擾值大小分布的直方圖（圖5）。由圖5可以發現大多數射頻干擾值的大小集中在0～1 K，經統計小于1 K的射頻干擾樣本有46 728個，占到總樣本數的66.6%，是射頻干擾值在1 K至2 K的樣本數的6.17倍。當射頻干擾數值大于14 K后只有極少的數據樣本。由此可以發現射頻干擾值的大小主要集中在5 K以內，并且隨著干擾信號的增大而驟減。

圖5 升軌水平極化的射頻干擾值分布直方圖

圖6和表2分別為降軌的射頻干擾值的概率分布圖和干擾值大小分布。降軌的射頻干擾值大小和分布與升軌射頻干擾非常相似，不同的極化方式只在極大值（大于80 K）之后分布才有較大的區別，而這部分校正值只占總體的千分之一，對總體的影響較小。由上述圖表可以得出結論，主要的射頻干擾校正值（95%）都是小于約12 K，平均值約為1.4 K，且分布范圍廣，超過99%的異常值大小修正可以達到約30 K及以上，這部分的像素點主要集中在天線接收到的極大異常值（300 K及以上）周邊，這些極大的異常值主要集中在我國經濟較發達的區域。

圖6 降軌的RFI射頻大小概率分布

表2 降軌數據射頻干擾值大小分布

4.2 研究區域的RFI源分析

圖7的（a）和（b）分別為研究區域升軌的水平極化和垂直極化不同強度的RFI源位置。根據表1的射頻干擾值的分布特征，本文將射頻大小的分布將75%～90%、90%～99%和99%以上的像素分別用綠色、黃色、紅色在圖中表示，其中白色區域為因輻射計整個波段都被干擾而剔除的像素點。紅色的像素點都被綠色和黃色的像素點包圍，由此可見較強烈的射頻干擾源將會輻射性地污染至周邊地區，傳播的范圍大于100 km。

寬頻段的射頻干擾會導致整個輻射計接收頻段被污染，因此受污染地區的數據被過濾器剔除，使圖像上顯示白色無數據，寬頻段射頻干擾主要集中在甘肅地區及周邊（35°－37°N、103°－107°E），成都（104°E，30.5°N）和重慶（106.5°E，29.5°N）兩市及其周邊，西安和咸陽周邊地區（108°－109°E，34°－35°N）。而日本被剔除的數據最多，可見是寬頻段干擾最嚴重的地區。大多數寬頻段的射頻干擾周邊都伴隨著較強的可抑制的窄頻段RFI污染，東北地區遼寧、黑龍江（122°－127°E，42°－46°N）河北省（35°－38°N，115°－120°E）、長江三角洲（118°－122.5°E，30°－32.5°N）和珠江三角洲（113°－114.5°E，22°－23.5°N）都是異常值偏多的地區。臺灣南北兩側的射頻干擾較強烈，其中部分地區有超過80 K的干擾，但是并無強烈的寬頻段的干擾，因此并沒有剔除的像素點。海表面的射頻干擾源較少，只有部分零星被校正的干擾源，其中水平極化的數據在日本海有類似于條帶的干擾（40°－43°N，133°－134°E），而垂直極化的數據并沒有這部分干擾，這可能是由于天線獲取信號的方位角對RFI非常敏感，不同方位角會受到不同的射頻干擾影響。

圖7 升軌不同極化射頻干擾源分布

圖8中的（a）和（b）分別顯示了研究區域降軌的水平極化和垂直極化不同強度的RFI源位置。根據表2的射頻干擾值的分布特征，將射頻大小的分布將75%～90%、90%～99%和99%以上的像素分別用綠色、黃色、紅色在圖中表示，其中白色區域為因輻射計整個波段都被干擾而剔除的像素點。

水平極化和垂直極化的較大射頻干擾總體較為相似，主要的射頻干擾源都圍繞城市及其周邊。較大的RFI的校正也有部分區別，如太原市（112°E，38°N）在水平極化數據中有較大的射頻干擾校正，圖中顯示為紅色，而在垂直極化中這部分為黃色和綠色區域，說明此地的射頻干擾源對垂直極化亮溫影響較大。

圖8 降軌不同極化射頻干擾源分布

在海面上降軌數據與升軌數據相似，射頻干擾較少，強度遠小于陸地。主要的區別是水平極化的數據在日本海有條帶狀的射頻干擾校正值，而垂直極化數據則沒有。在海南島南方地區（108°－110°E，15°－18°N）垂直極化數據有較強的校正而水平極化則沒有，這極可能是越南沿海地區城市造成的射頻干擾污染。

升軌與降軌的射頻干擾較為相似，主要的區別是在校正值的大小上有部分差異，這是由于射頻干擾源對不同極化和軌道的影響的不同造成的。射頻干擾源的總體分布來看主要的水平干擾集中在陸地地區，海面的射頻干擾較少且微弱。SMAP衛星校正和抑制的射頻干擾的整體分布不均勻，大小差異也較大，以大城市群為中心，輻射狀地向周圍延伸。

表3為研究區域的亮溫數據統計，本文使用了4天的升軌和降軌各5軌數據進行分析。從表3中可以發現95%射頻干擾的校正大小為1.37～1.5 K之間，整體射頻干擾校正的平均值為2.51～2.68 K。而射頻干擾的最大校正值在146～158 K，主要的被校正的射頻干擾值較小，95%的射頻干擾值的平均值在1.4 K左右。由于干擾值的變化較大，所有軌道不同極化的RFI的標準差約為6.5。研究區域受到射頻干擾最強的是升軌的垂直極化數據，受干擾最弱的是水平極化的升軌數據，其受到RFI的像素點最少，被完全污染導致剔除的數據也最少。

表3 研究區域亮溫數據統計

5 結論

基于2015年5月1日至4日的SMAP衛星輻射計L1B_TB數據對中國內陸及近岸地區的射頻干擾源進行特征分析，得出如下結果：（1）對天線接收到的亮溫數據進行研究分析，發現主要的RFI集中在陸地，分布不均勻以大城市為中心以輻射狀向四周擴散，擴散的范圍大于100 km。（2）寬頻段RFI干擾會污染整個24 MH通道導致輻射計無法獲取有效數據，主要分布集中在甘肅地區及周邊、成都和重慶兩市及其周邊，西安和咸陽周邊地區，日本是受寬頻段干擾最嚴重的地區。大多數寬頻段的射頻干擾周邊都伴隨著較強的可抑制的窄頻段RFI污染。窄頻段的射頻干擾分布廣泛，通常造成較小干擾，可以通過脈沖檢測法、交叉頻點算法進行校正。（3）經過校正的主要的射頻干擾值（95%的射頻干擾）的平均值約為1.4 K，大部分射頻干擾值小于2 K。衛星地面站校正的射頻干擾最大值是垂直極化降軌數據的158.7 K，整體射頻干擾平均值約為2.5 K，整體標準差約6.5。（4）不同波段和極化的數據受到射頻干擾影響較為相似，射頻干擾校正值也頗為相近。其中受影響最大的是升軌的垂直極化數據，受影響最小的是升軌的水平極化數據。

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,韓震,2013.AQUA衛星的MODIS和AMSR-E反演的印度洋北部海域海表溫度特征對比分析.海洋通報,553-558.

盧海梁,李青俠,李炎,等,2016.基于SMOS衛星數據的中國地區L波段射頻干擾研究.微波學報,32:86-91.

路澤廷,朱江,韓君,等,2015.最新SMOS衛星海表鹽度L3/4級產品的誤差分析.海洋通報,428-439.

王新新,王祥,韓震,等,2016.基于L波段Stokes參數遙感數據射頻干擾檢測及特性分析.電子與信息學報,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

電磁波信息科學教育部重點實驗室開放基金（EMW201501）。

周瑋辰（1992-），博士研究生，主要從事海洋遙感研究。電子郵箱：363900598@qq.com。

韓震，博士，教授，電子郵箱：zhhan@shou.edu.cn。

袁澤軼）