文章信息
- 汪文杰, 许佳立, 黄贤青, 贾东宁. 2022.
- WANG Wen-jie, XU Jia-li, HUANG Xian-qing, JIA Dong-ning. 2022.
- 基于海洋安全的大气波导观测方法研究
- Observation methods of atmospheric duct based on marine safety
- 海洋科学, 46(1): 112-122
- Marine Sciences, 46(1): 112-122.
- http://dx.doi.org/10.11759/hykx20201230002
-
文章历史
- 收稿日期:2020-12-30
- 修回日期:2021-04-07
2. 中国海洋大学, 山东 青岛 266010
2. Ocean University of China, Qingdao 266010, China
大气波导是一种雷达波超视距传输的现象, 是由一定的对流层气象条件产生的具有垂直分布和水平扩展性的一种特殊大气层结构。在海洋环境中, 由于受海面以上水汽垂直分布以及大气边界层稳定度的影响, 使得大气波导在海洋中出现的频率和持久度要远高于其在陆地环境中出现的情况[1-2], 例如海上蒸发波导, 其出现的概率高达85%以上。随着世界各国对海洋经济的发展越来越重视, 海洋安全逐渐成为海洋经济持续稳定发展的重要支撑。因此, 利用海上大气波导来实现目标的超视距探测与超视距接收将有利于为海洋安全保障。
本文主要利用大气波导的双面性, 从超视距雷达探测和利用盲区隐身突防两个角度解析了海上蒸发波导、表面波导和悬空波导对海洋安全的重要性, 并详细阐述了这几种大气波导的探测原理与传统观测方法, 通过对比分析发现现有观测方法存在一定的局限性, 无论是观测精度还是观测范围都无法满足超视距传输需求。为此, 本文提出了一种基于多物理场协同观测的海上大气波导观测方法, 该方法集合了海上众多观测仪器设备, 不仅提高了观测精度, 还实现了大范围观测, 解决了传统观测方法存在的局限性。通过实时获取目标海域的大气波导参数, 如波导高度、强度、厚度和范围等, 可指导海上船舶进行超视距雷达精准探测。
1 国内外研究现状关于大气波导的研究最早可追溯至20世纪30年代, 当时雷达技术已得到广泛应用, 由大气波导引发的奇怪现象也逐渐受到世界各国的重视。20世纪70年代, 随着军事竞争的进一步需求, 世界上又掀起了研究大气波导的高潮。由于大气波导具有超视距发现、易形成电磁盲区、跳跃盲区[3]并增加雷达测高、测距、测角、测速的误差以及增强雷达杂波等特点, 如图 1所示, 因此, 各国开始竞相开展海上大气波导观测技术相关研究, 以便掌握大气波导的强度和位置, 进而为海上目标探测、发现和识别提供技术支持, 把握海上安全主动权。
目前, 国外对大气波导的探测方法主要包括卫星探测、低空系留气球探测、气象梯度塔探测、微波折射仪探测、微波辐射计探测、多普勒扩频雷达探测等方式。其中, 美国于1976年开发出集成大气折射率预报系统。美国在20世纪80年代投入的典型雷达诊断系统包括EMPE、AREPS、RPO以及RFPPAS等[4], 此类系统依托大气波导的有利传播条件来提升舰载雷达系统、侦测系统、岸基雷达系统以及通信系统等装备的性能。美国对大气波导的研究一直致力于其在军事上的应用, 部分学者通过X波段信标接收机阵列系统推导蒸发波导的高度, 并与大气垂直表面层模型一起使用, 以获得蒸发波导高度的精确值[5]。1995年, 美国Micro Lab1号[6]低轨卫星上天, 首次实现了利用地球掩星对大气波导的观测。前苏联也在各大洋中做了大量实验性工作, 结果表明在特定情况下, 由海上蒸发波导引起的电磁特殊效应可使雷达探测范围延伸至1 000 km以外, 澳大利亚[7]通信爱好者也多次收听到1 000 km外的超短波信号。除此之外, 日本、英国、法国、荷兰和印度等国家都相继开展了大气波导观测技术研究, 并取得一定成果。
中国在大气波导方面的研究工作起步较晚, 最初的研究工作其主要方式是通过释放探空气球或发射探空火箭进行观测, 从而获取大气温度、湿度、气压等相关参数随高度的变化情况, 进而探明对应观测点出现波导传播的条件。2000年前后, 中国学者开展基于模型的研究, 焦林等[8]提出了一种基于抛物线方程法的波导盲区位置确定方法, 并开发了盲区预测系统。康士峰等[9]提出了一种基于目标函数的雷达天线高度优化方法, 针对特定区域不同目标函数给出了雷达天线高度的优化结果。左雷等[3]对蒸发波导和表面波导条件下的雷达盲区形成机理及特性进行了分析, 并形成了大气波导对舰载雷达盲区影响的初步成果。近年来也有相关科研机构开始应用地基雷达、机载雷达等观测设备开展雷达波反演与仿真计算研究[10-11], 相关研究结果表明国外大气波导的计算模型并不适应中国海域[12], 应该根据中国海域的季节特点来选择最佳的波导计算模型并进行参数优化, 开发满足中国海域特殊环境特点的波导模型。
虽然各国对大气波导的探测方法呈现多元化, 但由于不同的探测方式所获取的信息参数不同, 采用的计算模型也不同, 故均存在一定局限性。其中, 卫星探测大气波导是通过地面接收站接收的卫星信号来探测大气波导存在与否; 低空系留气球和气象梯度塔探测方式采用探测大气湿度、温度、气压等参数的方式间接获得大气折射率; 而微波折射仪和微波辐射计等设备则是直接探测大气折射率来获取大气波导相关参数[13]。随着卫星观测技术和相关探测仪器的进一步发展, 国际上出现了一些新的大气波导探测方法:
1) 利用GPS气象学获得海上气象参数廓线, 开展大气波导探测研究, 即利用低轨卫星的星载GPS接收机和岸基雷达接收站的探测结果反演气温、气压、湿度等参数, 用于大气波导探测;
2) 利用雷达接收的海杂波反演大气波导剖面;
3) 利用激光雷达测得大气环境参数, 用于海上大气波导探测;
4) 利用数值天气预报和数据融合与同化技术, 结合海洋遥感卫星观测数据进行大气波导预测预报;
5) 利用岸基已有的电站, 如电视、电台和移动通信基站等接收的信号对大气波导进行反演, 从而获得大气波导相关参数[14]。
2 大气波导传统观测方法研究海洋大气环境中一般会出现三种形式的大气波导: 蒸发波导、表面波导和抬升波导。由于海洋表面大气湿度在垂直方向变化急剧, 故蒸发波导出现的概率最高, 而表面波导和抬升波导出现的概率相对较低。因此, 掌握这三种大气波导的形成机理和探测原理对大气波导的进一步研究至关重要[15]。下面将详细分析蒸发波导、表面波导和抬升波导的探测原理, 通过分析各种观测方法的优缺点进一步完善大气波导观测理论体系, 同时提出一种多物理场协同观测的探测方法, 该方法集合各类海洋观测仪器、设备以及卫星数据, 可实现大气波导的高精度、全覆盖、全天候、实时性观测与预报, 从整体上把握中国制海权。
2.1 蒸发波导由于海面上蒸发的水汽会在贴近海平面一定高度的气体层达到饱和, 导致其湿度在很小的高度范围内产生很大的垂直梯度, 从而形成波导传播的条件, 由此产生的波导称为蒸发波导。这是一类比较特殊的表面波导, 不受时间和空间的限制, 可以在任何时间、所有海域产生蒸发波导, 是出现概率最高的一种大气波导。蒸发波导高度通常在离海面40 m以下[16], 这一高度正好覆盖了大多数舰载微波雷达的天线高度, 可以有效利用蒸发波导进行远距离目标探测[17-18]。
目前, 蒸发波导的探测方法主要包括直接测量法、遥感反演法和数值模拟法。其中, 直接测量法目前主要以激光探测为主, 利用几何光学理论对大气中电磁波进行射线追踪, 从而进行大气波导的推导; 遥感反演法主要通过获取雷达海杂波和GPS信号, 并分析其中所包含的大气参数要素, 进而推导出蒸发波导折射情况; 数值模拟法则主要通过波导理论模型来计算蒸发波导的存在, 采用的波导模型主要有: Paulus-Jeske模型[19]、MGB模型[20]、伪折射率模型[21]、RSHMU模型和抛物线模型等[22-23]。
激光探测主要是利用激光的电磁波特性, 其在大气中传播时会受到大气折射率的影响发生折射, 激光折射率n与激光波长λ、大气温度T、大气湿度e和大气压强P有关, 其关系如下:
$ n=1+N(λ, T, P, e).$ | (1) |
由于激光在大气中的折射率和消光系数的变化率与上述大气参数密切相关, 因此可以通过激光的折射率和消光系数变化率来推导蒸发波导的特性, 基本理论框架如图 2所示。通过建立激光在大气中传输特性和蒸发波导之间的逻辑关系, 便可利用激光的回波信号对蒸发波导进行预测。同时, 由于激光传输具有单向性的特点, 使得激光探测蒸发波导更具隐蔽性, 在海上复杂电磁环境下, 可以在雷达保持静默条件下实现对蒸发波导的探测。采用雷达进行海上目标探测易被干扰, 而激光的单向传输特性使其不易被干扰和截获。
遥感反演法通过分析接收到的电磁波信号所承载的大气要素信息来求解大气折射状况。其中, 雷达海杂波反演信号主要通过舰载雷达和岸基雷达等设备获得, 因为此类设备安装高度大部分位于蒸发波导高度范围之内, 能够准确捕获海杂波信息, 通过将接收到信号和电磁波传播模式正向模拟结构作比较, 即可获得大气折射情况, 从而推导出蒸发波导的存在。其中最常采用的算法和技术包括最小二乘法、模拟退火法、最大后验概率算法、降维技术、遗传算法和射线追踪技术[24]。
GPS反演则是利用岸基固定GPS探测系统进行蒸发波导推导, 通过分析GPS探测系统接收的电磁信号, 求解出GPS信号因蒸发波导存在而产生的时延, 将时延作为参数输入到蒸发波导计算模型中, 通过分析时延与气象要素剖面关系进行蒸发波导反演。因岸基GPS系统分布广泛、位置固定, 因而可以实现蒸发波导全天候、高可靠、大范围观测。
数值模拟探测主要是通过一种基于相似理论的经验模型, 首先通过海上的智能浮标、漂流浮标、船载设备、低空系留气球以及梯度塔等相关探测仪器获取海上大气湿度、温度和压强等气象参数, 并以此作为输入导入到相关波导模型中推导出大气折射率, 最后通过大气折射率预测大气波导及其他特征参数[25]。具体可分别根据(2)、(3)式计算出大气折射率并诊断波导是否存在, 当满足(3)式时即可判别存在大气波导, 最后根据(4)式来判断大气波导强度, 公式如下:
$ M=\frac{77.6}{T}\times \left(P + 4810\frac{e}{T}\right)+\frac{Z}{{R}_{0}}\times {10}^{6} , $ | (2) |
$ \frac{{{\text{d}}M}}{{{\text{d}}z}} < {\text{0}}, $ | (3) |
$ \left| {\Delta M} \right| \geqslant 1, $ | (4) |
其中, M为考虑到地球曲率的影响加以订正的大气折射指数; T为海表大气温度, 单位为K; e为水汽压, 单位为hPa; P为大气压, 单位为hPa; Z为海拔高度, 单位为m; R0为地球平均半径, 取值6.371×106 m。ΔM表示的是波导强度, 即波导陷获层顶部与波导底部大气修正折射指数之差。
由于蒸发波导的波导高度一般在40 m以下, 通过地基雷达接收站观测蒸发波导受波导高度影响较大, 相关学者开始通过改进的离散混合傅里叶变换方法求解用于蒸发波导的抛物线模型, 并基于此模型开发了大规模的波导损耗模型, 最终获取了接收天线高度和波导高度对波导传播损耗的影响关系[26]。
2.2 低空波导(表面波导和抬升波导)不同于蒸发波导贴近海面的特殊性, 表面波导和抬升波导的性质及观测方法基本相同, 只在形成机理上略有区别: 表面波导是由大陆上暖而干燥的气团进入到相对冷而潮湿的海面形成的, 其波导厚度一般在300 m以下; 抬升波导主要是由副热带高压气体的运动形成的, 在副热带和热带海域的高层大气中存在大面积的强烈下沉运动, 当干而热的气团下降到一定高度碰到冷而湿的海气时, 会直接覆盖在海气边界层上方形成逆温, 从而形成抬升波导, 抬升波导的高度一般在3 000 m以下。因表面波导向上爬升一定高度后即成为抬升波导, 因此, 本文不再区分表面波导和抬升波导的观测区别, 一并进行研究, 并统称为低空波导。
由于低空波导的下边界层发生变化, 不再是海平面, 而是具有一定高度的大气层, 电磁波被陷获在一定高度的大气层中传播, 地基接收站无法接收到电磁信号, 因此低空波导无法像蒸发波导那样利用地基雷达接收海杂波来反演大气波导。目前, 对于低空波导主要利用GNSS系统进行观测, GNSS系统主要包括美国的GPS系统、俄罗斯的GLONASS系统和中国的北斗系统等, 可通过GNSS机接收到的卫星仰角、方位角等信息来判定大气波导的存在。原理为通过地面接收站接收到的卫星的仰角信息来判断此时的卫星是否在视距范围之内, 如果在视距范围之外便接收到卫星的信息则说明发生了波导传播, 再根据它们之间的射线几何关系便可判断大气波导的长度, 原理如图 3所示。根据图 3中的几何关系可以看出: 当α < β时, 为可视范围; 当α > β时, 若接收站接收到了卫星信号, 则说明在此空间范围内存在大气波导[27]。
根据图 3的几何关系可以推导出:
$ \phi = \frac{\pi }{2} - \arcsin \left( {\frac{{R + h}}{D}\cos \alpha } \right) + \alpha - \arccos \frac{R}{D} - \arccos \frac{R}{{R + h}}. $ | (5) |
大气波导的长度L可近似看作角度
$ L=R×\phi , $ | (6) |
其中, O为地球球心, R为地球半径, h为天线高度, S为GNSS卫星, A为天线, D为GNSS卫星到地球中心距离, α为GNSS卫星仰角, β为截止角度。
2.3 大气波导传统观测方法存在不足1) 观测精度不高
在大气波导探测方面普遍存在的现象是探测精度不高, 对于蒸发波导主要通过低空系留气球和梯度塔等设备进行观测, 只能对定点高度进行探测, 无法保证在垂直方向上的探测精度。目前, 世界各国正在努力提高大气波导的探测精度, 其中不莱梅大学的von Engeln等[28]研究人员利用欧洲的中尺度大气预报模式数据进行了一次全球大气波导研究, 并推导出大气波导在不同区域出现的概率、波导高、波导厚度等参数, 由于该大气模式预报和探空数据的精度只有200~300 m, 只能发现一些厚度较大的波导层, 因此无法进行精细化预报。在卫星数据反演大气波导技术上当受到不同高度的波导影响时也会出现精度偏低的情况, 因为单波段雷达杂波只对特定高度范围内的波导反演具有较高精度, 当遇到复合波导层时则须利用多波段雷达杂波反演技术推导大气波导[29]。
2) 观测范围有限
目前对于大气波导的观测仪器主要包括探空气球、梯度塔以及遥感卫星等, 而探空气球和梯度塔作为常规观测工具虽然精度较卫星稍高, 但其观测的范围非常小, 属于点对点观测。且梯度塔和低空系留气球多建设在海岸线, 只能对陆地和近海海域的大气环境进行观测, 而对于远海海域还是一片空白, 无法对远海的电磁环境进行预测, 使得远海环境无法得到保障。虽然采用遥感卫星观测大气波导可实现大范围观测, 但其垂直分辨相对较低, 因此考虑到精度的制约, 该技术一直停留在定性分析上, 并未得到实际应用。而对于其他地基雷达观测站一般存在分布间距大、观测参数单一等缺点, 亦无法满足海上大气波导大范围观测需求。
3) 观测成本高
原始的大气波导观测方法都是通过探空气球进行观测的, 多采用投放式, 大多无法回收, 导致收益比较低。而若用无线电探空仪、微波折射仪和地基雷达观测站等设备进行观测, 则其测量和制作成本又很高, 不适合大面积布放。采用卫星信息参数反演大气波导可实现大面积观测, 但其运行维护成本高, 存在技术不成熟和扩展性差等缺点, 且一般只供军方使用, 民用卫星普及率还很低, 亦无法满足观测需求[30]。
综上, 大气波导传统观测方法虽然技术已进入实践应用, 但仍存在观测精度低、观测范围小和观测成本高等缺陷, 急需一种简单、高效、实时和低成本的观测方法实现对大气波导的观测。
3 大气波导多物理场协同观测方法研究针对传统大气波导观测方法存在的不足, 同时为满足海上作业需求, 提出一种以浮标网、船联网、星联网和岸基网为观测设备的多物理场协同观测方法, 海上作业指挥流程图如图 4所示。该立体观测网络充分利用海上智能漂流浮标、船载智能终端设备、GNSS系统、地基雷达接收站和电台等观测设备, 构建了从点到线、从线到面、再从面到体的“空-天-地-海”立体观测体系, 形成了海气界面以上3 000 m内的大气空间“温-湿-压”等气象参数网络。同时, 本研究利用船载计算终端和海洋试点国家实验室的超级计算机, 充分发挥边缘计算和云计算优势, 实现了大气波导观测方式的设备协同、数据协同和计算协同。因协同观测方法充分利用了海洋试点国家实验室海洋星簇、海气表面、海洋模拟器等大科学计划, 获得了涵盖西太平洋、南印度洋以及中国海等海域的大量海洋气象数据, 海洋模拟器可做到大气预报精度27 km×27 km, 洋流预报精度9 km×9 km。其中为助力我国“海上丝绸之路”的发展, 针对“两洋一海”区域进行了精细化预报, 可做到大气预报精度9 km×9 km, 洋流预报精度3 km×3 km, 充分解决了传统单点式观测方法精度不高、观测范围有限和观测成本高等缺点。
大气波导传统观测方法和协同观测方法的对比分析如表 1所示。从表 1可以看出, 由于协同观测方法依托“空-天-地-海”立体观测网络, 开展大气波导仿真模拟, 因此其在预报精度和范围方面都优于传统观测方法。同时, 协同观测方法不增设大气波导专用观测设备, 而是利用现有观测网络采集数据, 只在数据传输方面有所损耗, 因此观测成本相对较低。大气波导协同观测方法的初始场数据均通过终端设备进行数据清洗之后再实时回传至服务器, 数据的时效性较高, 且依托全球海洋模式系统可对未来15 d的波导条件进行预报, 为海上航行安全提供了强有力的支撑。
观测方法 | 蒸发波导 | 低空波导 | |||||||
精度 | 范围 | 成本 | 时效性 | 精度 | 范围 | 成本 | 时效性 | ||
传统观测方法 | 低精度 | 局部 | 一般 | 延时 | 低精度 | 大范围 | 较高 | 实时 | |
协同观测方法 | 高精度 | 全球 | 较低 | 实时 | 高精度 | 全球 | 较低 | 实时 |
截止目前, 海洋试点国家实验室海洋大数据平台拥有40 PB的存储容量, 且实验室组建的科考船共享航次、浮标网、潜标网等观测网络体系持续不断的将数据实时回传至大数据中心, 通过紧密结合现有存量数据和实时增量数据, 完成了海洋气象数据智能获取与传输、重构与融合、存储与管理关键技术研究, 实现大数据技术对气象数据的服务管理。鉴于大气波导协同观测方法获取的数据分布范围广、价值密度低等特点, 通过人工智能技术对获取的数据进行智能过滤、智能筛选和智能压缩, 提高了数据传输效率, 降低了数据传输成本。最后, 利用神经网络技术, 以协同观测网络获取的“两洋一海”数据为输入, 通过预先设定好的网络神经单元和预期误差, 对大气波导模型进行强化训练, 不断优化大气波导预测预报系统, 解决不同波导模型在中国海域不适用问题[12], 为适合中国海域的特殊波导模型研究提供了数据支撑和模型支撑。
最终, 利用大数据、人工智能和神经网络技术对大气参数进行了实时有效的分析和整合, 为海上大气波导观测提供了高时空分辨率数据支撑[31], 构建了大气波导协同观测网络架构, 为海上超视距雷达探测提供指导, 系统架构如图 5所示。
其中, 对于波导高度的求解, 本文提出的协同观测方法与传统波导模型的预测方法略有不同。传统波导高度预测大多通过构建大气折射率廓线来推导波导高度, 对气象要素瞬时值依赖较高, 而气象瞬时值往往难以准确快速获得, 导致波导模型预测与实际情况偏差较大。而大气波导协同方法则是根据海洋大气近地层相似理论, 利用海气界面宏观观测物理量来计算蒸发波导及其特征量, 并引入风速、温度以及湿度普适函数来进行波导高度计算。最终通过求解温度、大气压和水汽压的廓线并结合大气修正折射率公式即可确定波导高度。
温度垂直廓线如下式:
$ T\left( z \right) = {T_s} + \frac{{{\theta _*}}}{k}\left[ {\ln \frac{z}{{{z_{0\theta }}}} - {\psi _h} \cdot \left( {\frac{z}{L}} \right)} \right] - {\Gamma _d} \cdot z . $ | (7) |
大气压廓线由静力学公式和理想气体定律联合积分如下:
$ P\left( z \right) = P\left( {{z_1}} \right)\cdot{\text{exp}}\left( { - \frac{{g \cdot \left( {z - {z_1}} \right)}}{{R\overline {{T_v}} }}} \right). $ | (8) |
水汽压垂直廓线如下:
$ e = \frac{{qP}}{{\varepsilon + \left( {1 - \varepsilon } \right) \cdot q}}, $ | (9) |
其中, Ts为海面温度测量值;
该协同观测方法深度融合了立体观测网络的物理场数据, 而浮标网、船联网、星联网和岸基网作为多物理场协同观测网络的重要组成部分, 主要负责获取前端空间立体网络的感知数据, 并利用自组网技术对获取的信息进行数据融合, 用于海上大气波导预测预报, 多物理场协同感知网络如图 6所示。
1) 浮标网
以海上智能漂流浮标、气象浮标、固定观测浮标为载体, 利用人工智能、大数据、自组网等新一代信息技术, 基于多传感器同步观测技术、智能边缘计算技术、多源数据智能感知与预处理技术、智能数据压缩编码技术、自适应通信组网技术以及海气耦合与数值计算等关键技术研究成果, 构建多物理场、自组网、低功耗、低成本、长时序智能浮标观测系统, 为蒸发波导检测提供设备支撑[32]。
2) 船联网
开展基于IEEE1451标准协议的网络化智能化标准接口的设计、船基数据传输链路的构建方式研究, 并设计完成海洋观测智能终端系统, 该系统集合了全球船舶体量庞大的优势, 形成全海域覆盖的船基观测网络, 该智能终端设备不仅自身具备观测能力, 还可通过自组网接收其他海洋装备的观测数据, 实现对海上大气温度、湿度、气压等关键大气波导参数的全面采集, 为大气波导预测提供坚实的数据支撑。
3) 星联网
利用已有GNSS系统构建卫星观测网络, 因GNSS接收机可获取多星信息, 故可将美国的GPS、俄罗斯的GLONASS系统和中国的北斗(BD)系统接收的信息进行有效融合, 使得信息参数更加准确。同时, 海上各类观测设备均内置GPS定位模块, 可在获取温、湿、风、压等参数的同时记录坐标位置, 最终结合GNSS接收机数据为低空波导提供大范围、高精度及实时性气象参数。
4) 岸基网
为减少观测成本, 还可充分利用广泛分布的岸基电站、电台等信号反演大气波导特征参数。由于沿海岸线分布的各类电站和电台在收发信号时会受到海上大气波导的影响, 使得FM或者TM电台传播方式由直线传播变为弧线传播或阶跃传播, 这将导致电磁信号的收发间隔和收发距离发生改变, 通过分析电磁信号强弱及电台实际分布情况, 即可得知该信号是由对流层散射导致还是大气波导影响导致。通过岸基观测网络对捕获到的异常电磁信号进行反演, 推导电磁信号中含有的大气波导特种参量, 即可用于大气波导预报系统的分析研究。
最后, 本文基于Jeske模型、P-J模型、A模型、伪折射率模型及MGB模型等多种大气波导数值模型及海杂波与电台信号反演计算, 依托前端构建的立体感知网络实时获取的大气波导气象特征参数, 开展了大气波导数据实时感知、参数智能筛选、模型深度优化、波导精准预报等关键技术研究, 并利用海洋试点国家实验室海洋模式预报系统对未来15 d内海洋气象条件进行精细化模拟, 模拟系统包括海洋大气、降水、海温和海流四个方面, 对海上复杂气象条件进行预判预估, 如图 7所示。依托海洋模式预报系统, 结合多物理场协同观测体系, 构建了大气波导预测预报系统, 实现未来海上电磁侦察环境早感知、早预报和早部署, 如图 8所示。
4 结论
本文以大气波导在海上航行安全的应用为背景, 分析了波导效应对海上超视距探测与利用电磁盲区的重要性, 以及如何利用大气波导为海上空对空探测、预警、通信、截收等方面提供决策依据。通过对传统大气波导观测方法的深入研究, 本文对蒸发波导、表面波导和抬升波导的观测原理进行了对比分析, 研究了传统观测方法在观测精度、观测范围和观测成本上存在的局限性, 提出了一种新的大气波导多物理场协同观测方法, 充分利用了海洋试点国家实验室立体观测网络对海上垂向3 000 m内全侦察环境实施高精度多物理量协同观测网络, 依托大气波导高通量精细化预报系统, 实现了对海上大气波导进行高精度、大范围、实时性观测, 强化了海上船舶的超视距探测能力, 为海上安全提供保障。
[1] |
ZHOU T, SUN T Y, HU H L. Analysis and prediction of 100 km-scale atmospheric duct interference in TD-LTE networks[J]. Journal of Communications and Information Networks, 2017, 2(1): 66-80. DOI:10.1007/s41650-017-0006-x |
[2] |
ZHAO X F, WANG D X, HUANG S X, et al. Statistical estimations of atmospheric duct over the South China Sea and the tropical eastern Indian Ocean[J]. Chinese Science Bulletin, 2013, 58(23): 2794-2797. DOI:10.1007/s11434-013-5942-8 |
[3] |
左雷, 涂拥军, 姚灿, 等. 海上大气波导环境下舰载超视距雷达盲区研究[J]. 火力与指挥控制, 2011, 36(10): 165-168. ZUO Lei, TU Yongjun, YAO Can, et al. Preliminary investigation on the blind of shipborne OTH radar based on sea atmospheric duct[J]. Fire Control and Command Control, 2011, 36(10): 165-168. DOI:10.3969/j.issn.1002-0640.2011.10.043 |
[4] |
张玉生, 郭相明, 赵强, 等. 大气波导的研究现状与思考[J]. 电波科学学报, 2020, 35(6): 813-831. ZHANG Yusheng, GUO Xiangming, ZHAO Qiang, et al. Research status and thinking of atmospheric duct[J]. Chinese Journal of Radio Science, 2020, 35(6): 813-831. |
[5] |
POZDERAC J, JOHNSON J, YARDIM C. X-band beacon-receiver array evaporation duct height estimation[J]. IEEE Transactions on Antennas and Propagation, 2018, 66(5): 2545-2556. DOI:10.1109/TAP.2018.2814060 |
[6] |
林伟, 察豪, 史建伟, 等. 浅谈海上大气波导形成及其测量预报技术[J]. 微计算机信息, 2006, 22(1/2): 156-158. LIN Wei, CHA Hao, SHI Jianwei, et al. The oceanic atmospheric duct form and its measure and forecast technology[J]. Microcomputer Information, 2006, 22(1/2): 156-158. |
[7] |
王华, 刘欣, 黄小毛. 表面波导对超短波通信对抗的影响[J]. 舰船科学技术, 2006, 28(6): 96-99. WANG Hua, LIU Xin, HUANG Xiaomao. The effect of duct condition on ultrashortwave communication countermeasure[J]. Ship Science and Technology, 2006, 28(6): 96-99. |
[8] |
焦林, 张永刚. 大气波导条件下雷达电磁盲区的预报研究[J]. 西安电子科技大学学报, 2007, 34(6): 989-994. JIAO Lin, ZHANG Yonggang. Prediction of the electromagnetic shadow zone under the atmospheric duct[J]. Journal of Xidian Universiy, 2007, 34(6): 989-994. DOI:10.3969/j.issn.1001-2400.2007.06.028 |
[9] |
康士峰, 曹仲晴, 王红光, 等. 基于目标函数的微波超视距雷达天线高度优化方法[J]. 电子与信息学报, 2014, 36(7): 1767-1770. KANG Shifeng, CAO Zhongqing, WANG Hongguang, et al. Antenna height optimization based on object function for microwave over-the-horizon radar[J]. Journal of Electronics & Information Technology, 2014, 36(7): 1767-1770. |
[10] |
GUO X M, ZHAO D L, ZHANG L J, et al. C band transhorizon signal characterisations in evaporation duct propagation environment over Bohai Sea of China[J]. Antennas Propagation IET Microwaves, 2019, 13(4): 407-413. DOI:10.1049/iet-map.2018.5040 |
[11] |
张鹏, 张守宝, 张利军, 等. 区域海面蒸发波导预报与监测试验对比分析[J]. 电波科学学报, 2017, 32(2): 215-220. ZHANG Peng, ZHANG Shoubao, ZHANG Lijun, et al. Comparison between predicted and experimental result of regional evaporation duct over sea[J]. Chinese Journal of Radio Science, 2017, 32(2): 215-220. |
[12] |
LIANG X, TIAN B, LV X S, YAN J W. Study on the best calculation scheme of equivalent evaporation duct feature[J]. The Journal of Engineering, 2019, 19: 5661-5664. |
[13] |
WANG Y J, GUO L X, LI Q L. A narrow-angle parabolic equation model in atmospheric ducts[C]//2016 11th International Symposium on Antennas, Propagation and EM Theory (ISAPE), 2016: 404-407.
|
[14] |
WANG H, SU S P, TANG H C. Atmospheric duct detection using wind profiler radar and RASS[J]. Journal of Atmospheric and Oceanic Technology, 2019, 36(4): 557-565. DOI:10.1175/JTECH-D-18-0009.1 |
[15] |
王海斌, 张利军, 王红光. 南海海区低空大气波导气候学分析[J]. 电波科学学报, 2019, 34(5): 633-642. WANG Haibin, ZHANG Lijun, WANG Hongguang. The climatological analysis of the lower atmospheric ducts in South China Sea[J]. Chinese Journal of Radio Science, 2019, 34(5): 633-642. |
[16] |
ESRJinadasa, 田斌, 郭鹏. 蒸发波导模型概述[J]. 船电技术, 2018, 38(10): 13-15. ESR Jinadasa, TIAN Bin, GUO Peng. Overview of evaporation duct models[J]. Marine Electric and Electronic Engineering, 2018, 38(10): 13-15. DOI:10.3969/j.issn.1003-4862.2018.10.004 |
[17] |
SHI Y, ZHANG Q, WANG S W, et al. Impact of typhoon on evaporation duct in the northwest Pacific Ocean[J]. IEEE Access, 2019, 7: 109111-109119. DOI:10.1109/ACCESS.2019.2932969 |
[18] |
熊威, 车梦虎. 海洋大气波导环境下反舰导弹作战效能评估[J]. 计算机测量与控制, 2019, 27(11): 252-254. XIONG Wei, CHE Menghu. Combat effectiveness evaluation of anti-ship missile in ocean atmospheric duct environment[J]. Computer Measurement & Control, 2019, 27(11): 252-254. |
[19] |
宋伟, 田斌, 周沫, 等. 蒸发波导预测模型研究[J]. 华中科技大学学报(自然科学版), 2013, 41(5): 52-56. SONG Wei, TIAN Bin, ZHOU Mo, et al. Research on evaporation duct predicting model[J]. Journal of Huazhong University of Science and Technology (Natural Science Edition), 2013, 41(5): 52-56. |
[20] |
田斌, 孔大伟, 周沫, 等. 蒸发波导迭代MGB模型适用性研究[J]. 电波科学学报, 2013, 28(3): 590-594. TIAN Bin, KONG Dawei, ZHOU Mo, et al. Study on the applicability of the iterative MGB evaporation duct model[J]. Chinese Journal of Radio Science, 2013, 28(3): 590-594. |
[21] |
田斌, 察豪, 李杰, 等. 蒸发波导伪折射率模型特性[J]. 火力与指挥控制, 2010, 35(12): 73-75. TIAN Bin, CHA Hao, LI Jie, et al. Study on the characteristic of pseudo-refractivity evaporation duct model[J]. Fire Control and Command Control, 2010, 35(12): 73-75. DOI:10.3969/j.issn.1002-0640.2010.12.021 |
[22] |
DINC E, AKAN O B. Channel model for the surface ducts: large-scale path-loss, delay spread, and AOA[J]. IEEE Transactions on Antennas & Propagation, 2015, 63(6): 2728-2738. |
[23] |
ZHU X Y, LI J C, JIANG Z H. An evaporation duct height prediction method based on deep learning[J]. IEEE Geoscience and Remote Sensing Letters, 2018, 15(9): 1307-1311. DOI:10.1109/LGRS.2018.2842235 |
[24] |
杨超, 陈竞, 王一旨, 等. 雷达海杂波反演大气波导的改进回溯搜索算法[J]. 系统工程与电子技术, 2018, 40(8): 1743-1749. YANG Chao, CHEN Jing, WANG Yizhi, et al. Inversion of atmospheric duct from the radar sea clutter with the improved backtracking[J]. Systems Engineering and Electronics, 2018, 40(8): 1743-1749. |
[25] |
YAN X D, YANG K D, MA Y L. Calculation method for evaporation duct profiles based on artificial neural network[J]. IEEE Antennas and Wireless Propagation Letters, 2018, 17(12): 2274-2278. DOI:10.1109/LAWP.2018.2873110 |
[26] |
YANG C, GUO L X. Inferring the atmospheric duct from radar sea clutter using the improved artificial bee colony algorithm[J]. International Journal of Microwave & Wireless Technologies, 2018, 10(4): 437-445. |
[27] |
SHI Y, ZHANG Q, WANG S W, et al. A comprehensive study on maximum wavelength of electromagnetic propagation in different evaporation ducts[J]. IEEE Access, 2019, 7: 82308-82319. DOI:10.1109/ACCESS.2019.2923039 |
[28] |
VON ENGELN A, TEIXEIRA J. A ducting climatology derived from the European Centre for Medium-Range Weather Forecasts global analysis fields[J]. Journal of Geophysical Research, 2004, 109: D18104. DOI:10.1029/2003JD004380 |
[29] |
郝晓静, 李清亮, 郭立新, 等. 基于MM5V3的大气波导预报可靠性和准确度分析[J]. 电波科学学报, 2017, 32(6): 725-734. HAO Xiaojing, LI Qingliang, GUO Lixin, et al. Reliability and accuracy to atmospheric duct prediction based on MM5V3[J]. Chinese Journal of Radio Science, 2017, 32(6): 725-734. |
[30] |
DINC E, ALAGOZ F, AKAN Q B. Path-loss and correlation analysis for space and polarization diversity in surface ducts[J]. IEEE Transactions on Antennas and Propagation, 2016, 64(10): 4498-4503. DOI:10.1109/TAP.2016.2587742 |
[31] |
ZHAO X F, HUANG S X. Radar sea clutter power modeling under the atmospheric duct propagation conditions[J]. Acta Physica Sinica, 2013, 62(9): 099204. DOI:10.7498/aps.62.099204 |
[32] |
闫西荡, 杨坤德. 蒸发波导环境下风浪对电磁波传播影响的数值模拟研究[J]. 海洋与湖沼, 2020, 51(1): 13-19. YAN Xidang, YANG Kunde. Numerical simulation of the influence of wind waves on electromagnetic wave propagation in evaporation duct environment[J]. Oceanologia et Limnologia Sinica, 2020, 51(1): 13-19. |