ecmall 店铺模板
汽车工程师必藏的500个英文缩写,下面一起来看看本站小编盖世汽车给大家精心整理的答案，希望对您有帮助
A
AFS：自适应照明系统
AYC：主动偏航控制系统
ASC：主动式稳定控制系统
ABS：防抱死制动系统
ASR：防滑系统
ASL：音量自动调节系统/排档自动锁定装置
AUX：音频输入端口
ADS：自适应减振系统
ACC：自适应巡航控制系统/车距感应式定速巡航控制系统
AWD：全时四轮驱动系统
ACD：主动中央差速器
AMT：电子自动变速箱/电控机械式自动变速器
All-Speed TCS:全速段牵引力控制系统
ACIS：电子控制进气流程系统/丰田可变进气歧管系统
ABD：自动制动差速系统
AUTO：自动切换四驱
ASC+T：自动稳定和牵引力控制系统
ABC：主动车身控制
ARP：主动防侧翻保护
AFM：动态燃油管理系统
APEAL：新车满意度
AT：自动变速器
AOD：电子控制按需传动装置
AACN：全自动撞车通报系统
ARTS：智能安全气囊系统
AWS：后撞头颈保护系统
AVS：适应式可变悬架系统
ATA：防盗警报系统
ALS：自动车身平衡系统
ARS：防滑系统
ASPS：防潜滑保护系统
ASS：自适应座椅系统
AQS：空气质量系统
AVCS：主动气门控制系统
ASF/Audi Space Frame：奥迪全铝车身框架结构
A-TRC：主动牵引力控制系统
AHC：油压式自动车高调整
AMG：快速换档自动变速箱
AHS2：“双模”完全混合动力系统
AI：人工智能换档控制
ARTS：自适应限制保护技术系统
ACU：安全气囊系统控制单元
AP：恒时全轮驱动
AZ：接通式全轮驱动
ASM：动态稳定系统
AS：转向臂
APC：预喷量控制
Active Light Function：主动灯光功能
ACE：高级兼容性设计
AWC：全轮控制系统
ASTC：主动式稳定性和牵引力控制系统
B
BA：紧急制动辅助系统
BEST：欧盟生物乙醇推广项目
Brake Energy Regeneration：制动能量回收系统
BLIS：盲区信息系统
BAS：制动助力辅助装置
Biometric immobilizer：生物防盗系统
BAR：大气压
BDC：下止点
B：水平对置式排列多缸发动机
BF：钢板弹簧悬架
BCM：车身控制模块
BMBS：爆胎监测与制动系统
C
CCS：智能定速巡航控制系统
CVVT：连续可调气门正时
CVT：无级变速器
CZIP：清洁区域内部组件
CVTC：连续可变气门正时机构连续可变配气正时
CBC：弯道制动控制系统转弯防滑系统
CNG：压缩天然气
CDC：连续减振控制
C-NCAP：中国新车评价规程
CCA：冷启动电池
CRDI：电控直喷共轨柴油机高压共轨柴油直喷系统
CFK：碳纤维合成材料
Child Protection：儿童保护
CPU：微处理器
CZ3：3门轿车
CATS：连续调整循迹系统
CRV：紧凑休闲车
CUV：跨界车
CZT：增压车型
CTS：水温传感器
CKP：曲轴位置传感器
CC：巡航系统
CFD：计算流力仿真
Cuprobraze Alliance：铜硬钎焊技术联盟
Cuprobraze Technology：铜硬钎焊技术
CCD：连续控制阻尼系统
Curb weight：汽车整备质量
Cross weight：汽车总质量
CKD：进口散件组装
D
DSC：动态稳定控制系统
DSP：动态换档程序
DSTC：动态稳定和牵引力控制系统动态循迹稳定控制系统
DOHC：双顶置凸轮轴
DSG：双离合无级变速箱直接档位变速器
DCS：动态稳定系统
DBW：电子油门
DSR：下坡速度控制系统
DATC：数位式防盗控制系统
DLS：差速器锁定系统
DSA：动态稳定辅助系统
DAC：下山辅助系统
DDC：动态驾驶控制程序
DIS：无分电器点火系统
DLI：丰田无分电器点火系统
DSC：动态稳定控制程序
DOD：随选排量
Dynamic Drive：主动式稳定杆
D：共轨柴油发动机
DD：缸内直喷式柴油发动机缸内直喷式发动机(分层燃烧|均质燃烧)
DQL：双横向摆臂
DB：减振器支柱
DS：扭力杆
Delphi Common Rail：德尔福柴油共轨系统
DTC：动态牵引力控制系统
DHS：动态操纵系统
DRL：白天行车灯
Doppel Vanos：完全可变正时调节
DPF：柴油颗粒过滤器
E
ECT-I：智能电子控制自动变速系统
ESP：电子稳定系统
EBD：电子制动力分配系统
EDL：电子差速锁
EGR：废弃再循环系统
EFI：电子燃油喷射控制系统
EVA：紧急制动辅助系统
EPS：电子感应式动力转向电控转向助力系统
EHPS：电控液压动力转向
ECU：电控单元
EMS：发动机管理系统
ECC：电子气候控制
ETCS-I：智能电子节气门控制系统
EBA：电控辅助制动系统紧急制动辅助系统
ECM：防眩电子内后视镜电子控制组件(模块)
EPAS：电动助力转向
EMV：多功能显示操控系统
EHPAS：电子液压动力辅助系统
ETC：牵引力控制系统动力控制与弥补系统电子节流阀控制系统
ELSD：电子限滑差速锁
ECVT：无级自动变速器
ED：缸内直喷式汽油发动机
EM：多点喷射汽油发动机
ES：单点喷射汽油发动机
ESP Plus：增强型电子稳定程序
EPB：标准电子手刹电子停车制动系统
ESC：能量吸收式方向盘柱电子动态稳定程序
ETS：电子循迹支援系统
ECT：电子控制自动变速系统
EBD：电子制动力分配系统
EHB：电子液压制动装置
EGO：排气含氧量
EBCM：电子制动控制组件
EECS|EEC：电控发动机
ESA：电控点火装置
ENG：发动机
ECS：电子悬架
ECO：经济曲线
EVM：压力调节电磁阀
EVLV：变矩器锁止电磁阀
EPDE：流量调节电磁阀
ESP Plus：增强型电子稳定程序
EDS：电子差速锁
ERM：防侧倾系统
F
FSI：汽油直喷发动机汽油分层直喷技术
FBS：衰减制动辅助
FPS：防火系统
FF：前置前驱
Four-C：连续调整底盘概念系统
FR：前置后驱
FFS：福特折叠系统
FCV：燃料电池概念车
Front Impact：正面碰撞
FAP：粒子过滤装置
FWD：前驱左右对称驱动总成
FRV：多功能休闲车
FI：前置纵向发动机
FQ：前置横向发动机
FB：弹性支柱
Full-time ALL：全时四驱
G
GPS：全球卫星定位系统
GDI：汽油直喷
GF：橡胶弹簧悬架
GLOBAL SMALL STYLISH SALOON：全球小型时尚三厢车
H
HPS：液压动力转向
HBA：可液压制动辅助
HDC：坡道缓降控制系统下坡控制系统
HRV：两厢掀背休闲车
HMI：人机交流系统
HSLA：高强度低合金钢
HSD：混合动力技术概念
HSA：起步辅助装置
HUD：抬头显示系统
HPI：汽油直喷发动机
HAC：上山辅助系统坡道起步控制系统
HC：碳氢化合物
Haldex：智能四轮全时四驱系统
HID：自动开闭双氙气大灯高强度远近光照明大灯
HI：后置纵向发动机
HQ：后置横向发动机
HP：液气悬架阻尼
HF：液压悬架
I
ICC：智能巡航控制系统
IAQS：内部空气质量系统
IDIS：智能驾驶信息系统
I-DSI：双火花塞点火
I-VTEC：可变气门配气相位和气门升程电子控制系统
Instant Traction：即时牵引控制
Intelligent Light System：智能照明系统
ITP：智能化热系统
IMES：电气系统智能管理
Intelli Beam：灯光高度自动调节
IMA：混合动力系统
ITS：智能交通系统
IDS：互动式驾驶系统
ILS：智能照明系统
ISC：怠速控制
IC：膨胀气帘
IDL：怠速触电
I-Drive：智能集成化操作系统
ICM：点火控制模块
Intelligent Light System：智能灯光系统
IVDC：交互式车身动态控制系统
J
K
L
LSD：防滑差速度
LED：发光二极管
LOCK：锁止四驱
LPG：液化石油气
LDW：车道偏离警示系统
LDA：气动供油量调节装置
LVA：供气组件
LL：纵向摆臂
LF：空气弹簧悬架
Low Pressure System：低压系统
LATCH：儿童座椅固定系统
M
MRC：主动电磁感应悬架系统
MPS：多功能轿车
MDS：多排量系统
MSR：发动机阻力扭矩控制系统
MUV：多用途轿车
MSLA：中强度低合金钢
MMI：多媒体交互系统
MT：手动变速器
MPV：微型乘用厢型车
MBA：机械式制动助力器
MPW：都市多功能车
MAP：进气管绝对压力点火提前角控制脉谱图进气压力传感器空气流量计
MASR：发动机介入的牵引力控制
MAF：空气流量传感器
MTR：转速传感器
MIL：故障指示灯
Multi-Crossover：多功能跨界休旅车
Multitronic：多极子自动变速器
MI：中置纵向发动机
MQ：中置横向发动机
MA：机械增压
ML：多导向轴
MIVEC：智能可变气门正时与升程控制系统
N
NICS：可变进气歧管长度
NCAP：欧洲新车评估体系
Nivomat：车身自动水平调节系统电子液压调节系统
NOR：常规模式
NVH：噪音和振动减轻装置
NOS：氧化氮气增压系统
O
OBD：车载自诊断系统
OHB：优化液压制动
OHV：顶置气门，侧置凸轮轴
OD档：超速档
OHC：顶置气门，上置凸轮轴
P
PASM：保时捷主动悬架管理系统
PSM：保时捷稳定管理系统车身动态稳定控制系统联机
PTM：保时捷牵引力控制管理系统循迹控制管理系统
PRESAFE：预防性安全系统
PCC：人车沟通系统遥控系统
PODS：前排座椅乘坐感应系统
PCCB：保时捷陶瓷复合制动系统
PATS：电子防盗系统
PDC：电子泊车距离控制器自动侦测停车引导系统驻车距离警示系统
PGM-FI：智能控制燃油喷射
Pole Test：圆柱碰撞
Pedestrian Impact Test：行人碰撞
PTS：停车距离探测
PCV：曲轴箱强制通风
PCV阀：曲轴箱通风单向阀
PCM：动力控制模块保时捷通讯管理系统
PWR：动力模式
PSI：胎压
PD：泵喷嘴
PDCC：保时捷动态底盘控制系统
PAD：前排乘客侧安全气囊助手席安全气囊禁止
Part-time：兼时四驱
PEM：燃油泵电子模块
Q
QLT：检查机油液面高度、温度和品质的传感器(Quality Level Temperature)
Quattro：全时四驱系统
QL：横向摆臂
QS：横向稳定杆
R
RSC：防翻滚稳定系统
RAB：即时警报制动
ROM：防车身侧倾翻滚系统
RISE：强化安全碰撞
RSCA：翻滚感应气囊保护
RR：后置后驱
RFT：可缺气行驶轮胎
RDK：轮胎压力控制系统
RWD：后驱
RSS：道路感应系统
RC：蓄电池的储备容量
Ray Tracing：即时光线追踪技术
R：直列多缸排列发动机
RES：遥控启动键
Real-time：适时四驱
S
SFS：灵活燃料技术
SRS：安全气囊
SH-AWD：四轮驱动力自由控制系统
SMG：顺序手动变速器
Symmetrical AWD：左右对称全时四轮驱动系统
SBW：线控转向
SIPS：侧撞安全保护系统
SUV：运动型多功能车
SBC：电子感应制动系统电子液压制动装置
Servotronic：随速转向助力系统
SSUV：超级SUV
SID：行车信息显示系统
Side Impact：侧面碰撞
SDSB：车门防撞钢梁
SLH：自动锁定车轴心
S-AWC：超级四轮控制系统
SSS：速度感应式转向系统
SVT：可变气门正时系统
SCR技术：选择性催化还原降解技术
SCCA：全美运动轿车俱乐部
SS4-11：超选四轮驱动
SPORT：运动曲线
SACHS：气液双筒式避震系统
SOHC：单顶置凸轮轴
SAHR：主动性头枕
SDI：自然吸气式超柴油发动机
ST：无级自动变速器
SL：斜置摆臂
SA：整体式车桥
SF：螺旋弹簧悬架
S：盘式制动
SI：内通风盘式制动
SFI：连续多点燃油喷射发动机
SF\CD：汽油\柴油通用机油
SAV：运动型多功能车
T
TCL：牵引力控制系统
TCS：循迹防滑系统
TRC：主动牵引力系统驱动防滑控制系统
TDI：轮胎故障监测器涡轮增压直喷柴油机
TSA：拖车稳定辅助
TPMS：轮胎压力报警系统胎压监测系统
TC Plus：增强型牵引力控制系统
TDO：扭力分配系统
TCU：自动变速箱的控制单元
TRACS：循迹控制系统
TDC：上止点
TBI：(化油器体的)节气门喷射
TPS：节气门体和节气门位置传感器丰田生产体系
Traffic Navigator：道路信息告知系统
Tiptronic：手动换档程序
TFP：手控阀位置油压开关
TNR：噪音控制系统
Tiptronic：轻触子-自动变速器
TDI：Turbo直喷式柴油发动机
TA：turbo涡轮增压
T：鼓式制动
TCM：变速器控制单元
TSI：双增压
Turn-By-Turn Navigation：远程车辆诊断和逐向道路导航
THERMATIC：四区域自动恒温控制系统
U
ULEV：超低排放车辆
V
VDC：车辆动态控制系统
VTG：可变几何涡轮增压系统
VIN：车辆识别代码
VSA：车辆稳定性辅助装置动态稳定控制系统
VSC：车辆稳定控制系统汽车防滑控制系统
VDIM：汽车动态综合管理系统
VTEC：可变气门正时及升程电子控制系统
VCM：可变气缸系统
VVT-I：智能可变正时系统进出气门双向正式智能可变系统
VICS：可变惯性进气系统
VGRS：可变齿比转向系统
VSES：动态稳定系统
Variable Turbine Geometry：可变几何涡轮增压系统
VIS：可变进气歧管系统
VCU：黏性耦合差速器
VDS：汽车可靠性调查
VCC：多元化概念车
VTI-S：侧安全气帘
VVT：内置可变气门正时系统
VDI阀：可变动态进气阀
VGIS：可变进气歧管系统
VTD：可变扭矩分配系统
VE：容积效率
Valvetronic：无级可变电子气门控制完全可变气门控制机构
VSS：车速传感器
VGT：可变截面涡轮增压系统
V：V型气缸排列发动机
VL：复合稳定杆式悬架后桥
VTCS：可变涡轮控制系统
VAD：可变进气道系统
VANOS：凸轮轴无级调节技术
W
WHIPS：头颈部安全保护系统防暴冲系统
WelcomingLight：自动迎宾照明系统
WOT：节气门全开
WA：汪克尔转子发动机
W：W型汽缸排列发动机
Z
ZBC：笼型车体概念
ZEV：零废气排放
4WD：四轮驱动
4C：四区域独立可调空调
4WS：四轮转向
4MATIC：全轮驱动系统
4HLC：高速四轮驱动配中央差速器
4H：高速四驱
4L：低速四驱
4LC：低速锁止四驱
针对当前的数字化转型，EMC公司认为，现代数据中心应当具备全闪存、云赋能、横向扩展和软件定义四个特征。围绕这四个核心，EMC发布了三款存储产品，包括VxRail超融合基础架构应用装置、VMAX All flash以及DSSD D5机架级闪存解决方案。其中，DSSD D5可将高级数据分析等应用提速多达10倍，并且可以改变Hadoop的三副本存储机制。
EMC预测，到2020年，用于生产应用的所有存储系统都将基于闪存阵列，传统磁盘仅用于大容量及归档存储。
EMC认为，2016年将是全闪存之年，主存储系统进入全闪存时代。
EMC全球高级副总裁、大中华区总裁叶成辉表示，当前的数字化转型中，大数据、移动、物联网等新应用不断推动数据中心向更快速、更高效、更敏捷的方向变革。
VMware全球副总裁、大中华区总裁郭尊华认为，企业都希望采用云计算、移动、互联网技术去推动新的业务的发展，在搭建数据中心的时候，要非常快速地去部署、管理这些IT的资源，同时也必须要去追求高效、经济的效率。
叶成辉表示，从EMC的角度来看，现代化的数据中心有四个方面的亮点。
全闪存。现在已经逐渐变成闪存的天下。EMC在三年半之前推出来第一台闪存，大家觉得很贵，但是现在已经在改变。现在EMC推出来的闪存产品已经是3.8TB，三星在研发的是30TB的闪存。今天大部分企业用的非闪存的存储还是1TB，而且是机械存储，故障率更高，需要很多的维修工作，所以闪存会改变未来。因为现在闪存比较大，成本比较低。所有的数据中心在未来18个月将会转换成新的应用会放在闪存上面。
云赋能。所有的数据中心未来都要跟云结合，这就是云赋能的做法。
横向扩展。添加硬盘的传统纵向扩展做法只适合数据量增长不大的情况，但是未来的数据中心是横向扩展的做法。
软件定义。新应用快速迭代，工程师已经没有那么多时间去管理数据中心，需要利用软件自动化管理来支持更多的新应用，所以未来是软件定义。
EMC全球高级副总裁、大中华区总裁叶成辉与VMware全球副总裁、大中华区总裁郭尊华
EMC资深产品顾问李君鹏（Mike）介绍了EMC最新发布的VxRail超融合基础架构应用装置、VMAX All flash和全新的机架级闪存的存储解决方案DSSD D5的技术细节。
随着CPU和存储的密度越来越高，以及有更快的网络来连接CPU和存储，现在可以使用软件定义的基础架构，超融合基础架构是软件定义的，将计算、软件定义的存储、网络和虚拟化集成在一起，超融合基础架构使计算、存储和网络功能与底层的硬件解耦合，运行在通用的基于X86标准的工业组件上。
超融合基础架构简化了SDDC软件定义的数据中心，超融合基础架构包括两个基本的组件，一个是超融合软件，另外一个是工业标准硬件。超融合软件提供了计算、存储、网络和管理功能。超融合软件允许物体存储融合在工业标准的X86服务器里，以构件块的方式提供了横向扩展的能力，可以使数据中心以敏捷、可扩展以及成本高效的方式来运行。
VMware的超融合软件，包括vCenter Server、vSphere、VSAN等。
VCE VxRail是由EMC和VMware共同组建的、单一研发团队提供的超融合的应用装置，以2U、四节点、敏捷可扩展、易管理、SDDC构件块的方式，提供了虚拟化、计算、存储、网络和数据保护。VxRail应用装置适合于部署在虚拟桌面、服务器工作负载、混合云以及分布式企业环境。VxRail应用装置提供了多种配置和规格，可以实现无中断的SDDC的横向扩展。
VxRail也提供了可以提升效率的数据服务，集成了复制、数据保护、备份功能。
VxRail为VMware超融合环境提供了单一厂商支持的单一厂商解决方案。
VxRail使用X86硬件运行软件定义的存储环境，VxRail是专门构建的SDDC软件定义数据中心解决方案。
VxRail是完全集成的VMware的超融合基础架构应用装置。
如果使用其他的超融合解决方案，用户需要使用第三方的工具和管理。VxRail允许客户利用现有的标准，使用相同的工具、管理、流程和技能，不需要新技术的学习过程。集成现有的VMware的软件版本，简化了生命周期管理，降低了TCO。
一个2U的VxRail最多可以有112个CPU核心，提供76TB的闪存容量，支持同步数据消除、压缩、纠删码，一个2U的应用装置提供了更多的闪存、更多的性能。
使用VxRail可以从小配置开始，16个VxRail应用装置最多可以运行3200个虚拟机。
使用VxRail可以选择适合任何使用情形的配置，对于那些需要最大的性能和规格，要求低延迟的应用程序，客户可以选择全闪存节点。对于那些需要兼顾性能和成本的使用场景，客户可以选择混合节点。
一个应用装置内的四个节点必须是同构的，不同配置的应用装置可以在一个群体当中混搭。 使用VxRail，简化了端到端的生命周期管理。VMware的超融合软件，可以自动搭建、配置和验证客户的VxRail，加速业务的敏捷性，加快了收效时间。从开机到调配虚拟机，客户只需要不到15分钟，就可以建立起一个VMware的群集，没有其他超融合解决方案能够做到这一点。要实现这个目标，超过200多个配置步骤，实现了自动化。添加一个新的应用装置到这个环境，只需要5分钟就可以完全配置好。
VxRail中，RecoverPoint提供了复制、数据保护和先进的灾难恢复。VMware的VDP提供了原端消重的数据恢复，还可以使用EMC的Data Domain，还可以将VxRail的存储容量可以扩展到可扩展的云存储当中。VxRail的市场当中，有一些经过验证的、预配置的应用程序供客户选择，进一步扩展了客户VxRail的价值。随着时间的推移，VxRail市场里会有越来越多的应用程序供客户选择。
EMC的融合平台提供了这种端到端的方式，将Vblock、VxRack等混合在一起，在边缘或者是在远程办公室、分支办公室，有VxRail，所有这一切通过VCE vScale联结在一起，使用VCE来管控。这就是分级的分布式企业应用的融合基础架构平台，是由EMC的VCE提供。
郭尊华表示，VMware自身也是VxRail的客户，在全球用了130套，节省了很多机房的空间和机架的空间。
对于EMC融合架构的三种不同产品Vblock、VxRack和VxRail的差异性，李君鹏总结说，Vblock最适合于部署在传统的数据中心，运行以前关键任务应用，像SAP、Oracle、Microsoft等等，第二平台最关键的应用。VxRack部署在传统的企业数据中心和服务提供商的数据中心最合适，运行这些通用的一般的第二平台工作应用和最新的第三平台应用。VxRail最适合于部署在数据中心以外，或者是中小企业，中小企业可能是很小的数据中心，只有很少的IT人员。像这些都是VxRail直接运行的虚拟化工作负载，都是VxRail比较适合的。都提供了很好的横向扩展能力，即使2U的VxRail应用装置，也可以扩展到16个应用装置，运行多达3200个虚拟机。如果是客户未来的环境需要扩展得更大，一开始就建议上VxRack。此外，不同于VxRail与VMware紧密集成，VxRack可以支持OpenStack环境。
认为全闪存年到来，EMC重新设计了VMAX，尽可能的利用最高密度的闪存，通过支持3.8TB的闪存盘，使VMAX All flash与混合阵列相比，在购买成本和总体拥有成本方面，更具有吸引力。与混合阵列相比，VMAX All flash提供了更高的性能，400万IOPS，低于0.5毫米的延迟，150GB/S的带宽。简化了基于应用装置的软件打包方式和横向扩展的构件块配置，消除了销售和购买的复杂性，使客户更乐意采纳全闪存的VMAX，和使用高端的数据存储服务。
由于全部是闪存盘，只提供了一个服务节点，不需要关心应用程序的I/O偏斜的不同，因为整个应用程序都是应用在闪存盘上。
VMAX All flash与ECM此前推出的XtremIO全闪存阵列的相同和不同之处：
首先，XtremIO和VMAX All flash都支持混合工作负载整合，都提供了一致的低延迟。与XtremIO不同的是，VMAX All flash提供了多维度的扩展，无论是端口支持的设备数量还是容量。VMAX All flash为关键任务应用提供了世界级的业务连续性和灾难恢复解决方案，提供了6个9的可用性。除了数据块的工作负载，VMAX All flash还可以整合mainframe、IBM 系列和文件的工作负载。VMAX All flash提供了线内的消重和压缩，还有无中断的VMAX数据迁移。
VMAX All flash为闪存而设计，能够支持巨大的规模，增加了闪存的耐用性，提供了一致的低于0.5毫秒的延迟。VMAX All flash提供了高IOPS、巨大的带宽。
多核多线程设计，用于超过100万个虚拟机，VMAX All flash有巨大的全局缓存，写I/O首先写到VMAX的cache当中，如果同一个地址的数据被反复修改，VMAX就把最后的修改写到后端的闪存盘上。VMAX巨大的全局内存使后端写到闪存盘的I/O数量减少了80%，增加了闪存的耐用性。同时VMAX All flash也提供了闪存的模组分析技术，可以监控闪存盘的使用寿命。当发现闪存盘的使用寿命接近的时候，可以预先准备好备用的闪存盘。
巨大的写缓存、智能的读写算法，为VMAX All flash提供了极低的、一致的低于0.5毫秒的延迟。CPU按照工作负载的要求，动态分配CPU的核，先进的QoS、优先级控制，可调整的前端后端的FE/BE样本文件。
VMAX All flash有巨大的SPC吞吐量，支持BI和DW。
VMAX All flash的基本构件块是V-brick，包括引擎和53TB的闪存软件，可按照13TB闪存包实现横向扩展。VMAX All flash纵向和横向扩展能力，可以分别扩展容量和性能。V-brick和驱动器升级都是打包的。
客户在寻求全闪存系统带来好处的同时，又不想失去高端存储支持他们关键任务的能力和价值，VMAX All flash广泛的生态环境为各种平台、操作系统、混合云等各类应用提供了通用的标准的交付存储服务的方式。VMAX All flash坚若磐石般的复制和集成技术，支持了客户的关键应用程序，维护数据的可用性，避难了灾难。
VMAX All flash企业规模的管理和自动化，简化了管理，降低了运行成本。
VMAX All flash巨大的整合能力可以满足服务提供商和大企业需要的可预测性、规模和控制。 使用unisphere配置VMAX All flash，平均的调配时间不到30秒。
VMAX All flash部署也非常灵活，可以单独部署，也可以作为Vblock融合存储架构来快速部署。
一个VMAX All flash技术更新的案例，客户原先有一个9机柜的VMAX20K，通过更新为相同容量的单一机柜的VMAX All flash，实现了6倍性能的提升，总体应用成本降低了40%，能耗减少了87%，占地面积减少了92%，预计驱动器的更换数量会减少98%。
VMAX All flash是真正的关键任务存储，管理自动化、丰富的企业数据服务、深入的生态环境集成、可信的保护、超大规模的整合，简化了规划和部署，实现闪存的潜能。
叶成辉认为，VMAX All flash最颠覆的就是传统的金融银行，因为70%的银行都有VMAX，对他们来讲最需要的是稳定、可靠、快，以前可能没有All flash，他们不够快。
DSSD提供了一个共享的和直接访问的高性能机架级闪存存储池，支持高度可扩展的协议，实现了NVMe从user space来访问，也实现了NVMe的热插拔的存储模块。
DSSD提供了超高的性能，一千万个IOPS，100GB/S的带宽，100微秒的延迟，144TB的闪存容量。
DSSD优化了数据通道和客户通道，DSSD的数据通道是不使用软件的，这样就提供了最低的应用程序的延迟，最大的IOPS和带宽。应用程序直接访问DSSD，不需要经过传统的I/O软件站。
DSSD D5是一个5U的高性能、高密度和基于NAED闪存的机架级存储，最多可以有36个闪存模块，可以全装或者半装。DSSD D5提供了不同的配置，可以有36TB、72TB或者144TB的闪存容量。
DSSD的闪存模块是双端口的，PCIe Gen3的，是热插拔的。DSSD有两个控制模块，提供了冗余。
DSSD有两个I/O模块，每一个IO模块可以连接48台冗余连接的主机。DSSD的控制模块不用来处理I/O请求。
与应用程序的接口，是DSSD与其他解决方案最大的不同点。DSSD直接连接各种应用程序，根据传统的应用程序特别是数据块内的应用程序，DSSD提供了一个block drive，不需要修改I/O原代码，直接访问DSSD。对于Hadoop类的应用程序，DSSD提供了Hadoop的HBase插件。
DSSD增减了空间、时间的垃圾回收可靠性，闪存物理控制，增强了闪存的耐用性。客户在寻求实时解决方案，EMC看到三类数据密集、性能密集的工作负载，受到传统存储瓶颈的影响最大。一类是高性能的数据仓库，包括传统的数据库、Oracle、MPP、内存数据库。另外一类是运行在HDFS上的高性能应用，SQL等等。第三类是定制应用。使用DSSD运行高性能的数据库和数据仓库，可以实时分析更大的数据级，并且不需要做过多的调整。
使用DSSD运行在HDFS上的高性能应用，可以使实时分析成为可能，并且可以独立扩展计算和存储。
使用DSSD用于定制应用，可以提供更好的带宽密度，减少等待时间和增加分析。
DSSD可以达到1000万的IOPS（5U系统），延迟100微秒，带宽100GB/s，原始数据存储容量144TB（可用容量100TB）。运行数据库，与Oracle最快的存储平台相比，性能是Oracle的三倍，延迟是Oracle的1/3，总体拥有成本是Oracle的1/3。
在DSSD上运行Hadoop，只需要存储一份数据就可以了，这与传统的Hadoop解决方案相比，存储容量仅是传统解决方案的1/3，速度是传统解决方案的10倍。
DSSD可以用于各行各业，可以用于信用卡的欺诈甄别，金融的风险分析，可以用于预测建模，流数据的近实时分析，还可以用于金融的交易建模，政府的设计仿真，石油天然气的抽取模拟网格，生命科学研究等定制应用。
在信用卡实时分析方面，过去由于没有能力快速地分析，可能只能分析少量的字段，来判断这笔交易是正常交易还是欺诈交易。有了DSSD，可以在更短的时间分析更多的字段，来分析这笔交易是否是正常交易还是欺诈交易。一家公司使用DSSD支持欺诈分析，使欺诈的金额降低了25%。
本文内容来源于《测绘学报》2022年第9期（审图号GS京（2022）0824号）
星
载GNSS-R海浪有效波高反演模型构建
布金伟1,2,余科根1,2,韩帅1,2
1. 中国矿业大学自然资源部国土环境与灾害监测重点实验室, 江苏 徐州 221116;2. 中国矿业大学环境与测绘学院, 江苏 徐州 221116
基金项目：国家自然科学基金(42174022;41574031);中国矿业大学未来科学家计划(2020WLKXJ049);江苏省研究生科研与实践创新计划(KYCX20_2003)
摘要：海浪有效波高是描述海况的重要参数, 在海浪和海洋动力学的预测中起着重要的作用。然而, 卫星雷达高度计和浮标等传统方法难以实现高时空分辨率的SWH估计。星载GNSS-R为估计SWH提供了一种思路。本文提出了一种基于归一化积分延迟波形反演星载GNSS-R海浪SWH的方法。首先, 对星载GNSS-R延迟多普勒图进行去噪处理和数据过滤以便对DDM数据进行严格质量控制。然后, 从DDM中提取NIDW, 并基于NIDW计算4个GNSS-R观测值(即归一化积分时延波形的前沿斜率和前沿波形值之和, 归一化积分时延波形的后沿斜率和后沿波形值之和)。随后, 基于这4个观测值建立了星载GNSS-R海浪SWH反演经验模型。最后, 分别将ERA5和AVISO SWH数据产品作为验证数据, 并将反演模型的SWH估计结果与ERA5和AVISO SWH数据产品进行比较和分析。试验结果表明, 当采用ERA5 SWH数据作为验证数据时, 4个观测值反演SWH的均方根误差和相关系数分别优于0.66 m和0.65;当采用AVISO SWH数据作为验证数据时, 4个观测值反演SWH的均方根误差和相关系数分别优于0.68 m和0.70。进一步表明了本文建模方法在星载GNSS-R SWH估计方面具有可行性和可靠性。
关键词：GNSS-R 延迟多普勒图 归一化积分时延波形 有效波高 经验模型
引文格式：布金伟, 余科根, 韩帅. 星载GNSS-R海浪有效波高反演模型构建[J]. 测绘学报，2022，51(9)：1920-1930. DOI: 10.11947/j.AGCS.2022.20210284
BU Jinwei, YU Kegen, HAN Shuai. Construction of spaceborne GNSS-R ocean waves significant wave height retrieval model[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(9): 1920-1930. DOI: 10.11947/j.AGCS.2022.20210284
阅读全文：http://xb.chinasmp.com/article/2022/1001-1595/20220909.htm
有效波高(significant wave height，SWH)作为海洋动力环境监测的重要因素，对于远洋航运发展和海洋资源开发都非常重要。传统获取有效波高的方法常采用浮标，浮标以长期、自动、定点、定时、全天候的方式收集有关海洋环境各个要素的信息，但覆盖范围较小，成本较高，容易受到海面因素的影响。另一种获取有效波高的方法是采用卫星高度计[1-4]，卫星高度计可提供全球覆盖范围和气候尺度的SWH数据，但是，现有的卫星高度计SWH产品的空间分辨率有限，限制了其科学应用价值。随着星载SAR卫星的不断发射，星载SAR为海浪研究和预报提供了有力的支持[5-7]。但其成本较为昂贵。
近年来，随着GNSS的迅速发展，GNSS技术不仅能够为用户提供导航定位和准确授时信息，还能提供全天时、全天候、不间断的L波段微波信号源。全球导航卫星系统反射测量(global navigation satellite system reflectometry，GNSS-R)被应用于海洋和陆地遥感领域(如海面风速反演[8]、海面高度反演[9]、雪深反演[10]、海冰探测[11]和土壤湿度反演[12]等)，以其重访周期短、观测成本低等优点展现出巨大的潜力。文献[13]提出利用GNSS反射信号进行海洋测高。文献[14]首次进行岸基试验，提出利用GNSS反射信号与直达信号的干涉复数场(interferometric complex field, ICF)的有效相关时间函数反演海浪有效波高的方法，利用半经验模型将GNSS-R ICF相干时间与SWH联系起来，初步探讨了GNSS-R在近岸海域海况监测中的应用潜力。文献[15]建立了有效波高与合成孔径雷达回波信号信噪比平方根之间的线性关系。文献[16]也基于该关系模型，首次利用星载CYGNSS GNSS-R数据估算了全球海洋有效波高。文献[17]利用GNSS-R干涉图技术(interference pattern technique，IPT)反演SWH和平均海平面(mean sea surface level，MSSL)，岸基试验结果表明，该方法估计的SWH和MSSL精度分别达6和4 cm。文献[18]利用L、S和Ku波段机会信号进行双基地雷达有效波高测量，将ICF相干时间方法用于3种波段的有效波高反演，并证实了该方法适用于在S波段、L波段和Ku波段3个频率上记录的数据。
针对岸基、船载和机载试验，国内学者也做了相关研究。文献[19]利用GNSS-R实测及超声波浪仪同步观测数据，计算了有效波高参数，与波浪仪实测数据对比，反演平均误差为2.88 cm。文献[20]讨论了干涉复数场及其相关时间，用三次多项式插值法估计相关时间，得到了新的海浪波高反演经验公式，将反演结果与声学波浪仪观测数据进行比对，结果表明两者比较一致。文献[21]通过对反射信号功率特征及信噪比的研究，提出了利用反射信号信噪比反演有效波高的方法。文献[22]建立了海面相关时间与波浪的有效波高和平均波周期的映射模型，试验结果表明，有效波高反演结果的均方误差为0.1 m。文献[23]进行了国内首次船载GNSS-R有效波高测量试验，通过与船上安装的WAVEX雷达波浪仪数据进行对比，二者之间的一致性验证了船载观测平台的可行性，为深入广泛开展GNSS-R海洋动力环境监测提供了依据。文献[24]在天津渤海湾特定区域进行了3次机载校飞试验，获得了大量有效GNSS-R信号数据，在DDM图谱基础上进行相关功率波形的计算，进而通过计算DCF(derivative of the correlation function)的函数波形宽度得到海面有效波高，验证了该方法的可行性。最近，英国、美国和中国已经分别成功发射了TechDemoSat-1(TDS-1)卫星[25]、CYGNSS[26]和BuFeng-1 A/B卫星[27]，尽管GNSS-R技术为估计SWH提供了新的机会，然而针对基于星载GNSS-R技术的有效波高估计的研究非常有限。
综上所述，针对GNSS-R海浪有效波高反演研究，国内做了大量研究，但主要集中在岸基、船载和机载试验，针对星载平台的GNSS-R有效波高反演研究国内目前未有文献报道。
因此，本文利用基于CYGNSS卫星观测的GNSS-R延迟多普勒图(delay-Doppler maps，DDMs)获得的观测值研究GNSS-R在有效波高反演方面的潜力。首先，对DDM数据进行去噪和过滤处理以便对DDM数据进行质量控制。然后，从CYGNSS DDM数据中计算了4个观测值，并基于这4个观测值提出了一个有效波高反演经验模型，最后，对有效波高反演模型性能进行验证。
1.1 数据
为了开发海浪有效波高反演模型和测试模型性能，本文引入了3个数据集：CYGNSS卫星观测的GNSS-R L1级数据、欧洲中期天气预报中心(European Center for Medium-Range Weather Forecasts，ECMWF)再分析SWH数据和AVISO卫星高度计SWH数据。
1.1.1 CYGNSS GNSS-R数据
CYGNSS由8颗小卫星组成，每颗CYGNSS卫星上都配备了4个延迟多普勒图测量仪(delay Doppler mapping instrument，DDMI)，CYGNSS的原始DDM大小是128×20，其中128是时间延迟，20是多普勒频移。为了压缩传输的数据，将大小转换为17×11。目前，美国国家航空航天局(National Aeronautics and Space Administration，NASA)主要向用户免费开放3种级别的CYGNSS GNSS-R数据。本文下载的数据格式为NetCDF格式，采用的是L1级数据产品，数据版本为V 3.0，该类型数据分别记录了8颗CYGNSS卫星(CY01、CY02、CY03、CY04、CY05、CY06、CY07和CY08)的DDM、反射点坐标、发射机位置等相关信息。此外，CYGNSS L1 V3.0中还提供了多个DDM产品(如brcs、raw_counts、power_digital、power_analog)。本文使用power_analog产品，有关CYGNSS L1 V3.0数据的更多变量说明，请参阅CYGNSS L1 V3.0用户指南和数据字典(https://podaac-tools.jpl.nasa.gov/drive/files/allData/cygnss/L1/docs/148-0346-8_L1_v3.0_netCDF_Data_Dictionary.xlsx)。目前，该版本主要包含从2018年8月1日(DOY 213)—2022年8月6日的GNSS-R数据，可以从网站(https://podaac-tools.jpl.nasa.gov/drive/files/allData/cygnss/L3/v3.0)下载获得。考虑到数据量较大，本文仅下载了2019年4月1日—2019年5月31日CY01卫星观测的GNSS-R数据进行研究，对应DOY 091—DOY 151。
1.1.2 ECMWF再分析SWH数据
哥白尼气候变化服务(Copernicus climate change service，C3S)气候数据库向用户免费开放ECMWF再分析数据产品，目前最新产品为ERA5数据，本文采用ERA5 SWH数据。ERA5提供了多种SWH产品，包括风浪和涌浪组合的SWH、风浪SWH和涌浪SWH。此外，ECMWF ERA5数据通常还提供不同涌浪相关的SWH(即significant wave height of first swell partition，significant wave height of second swell partition和significant wave height of third swell partition)。本文使用的是风浪和涌浪组合的SWH数据，其空间分辨率为0.5°×0.5°，时间分辨率为1 h，该数据是本文研究中采用的建模数据和模型测试数据，可从网站上(https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-single-levels)下载获取。
1.1.3 AVISO卫星高度计SWH数据
本文采用的另一种模型测试数据是AVISO卫星高度计SWH数据。AVISO提供了不同类型的数据集，包括：①海面高度数据，主要用于海、湖泊或冰等表面高度测量，是高度计中最基本和最知名的产品；②增值产品，专门用于特定用途的更高级别产品(L4+)，如涡流、海洋变化或冰冻圈研究；③风和海浪数据(如风速模量和有效波高)，专门用于海况研究；④平均海平面测高产品等。本文采用的AVISO SWH数据的空间分辨率为0.1°×0.1°，时间分辨率为24 h。该数据集可通过网站(https://www.aviso.altimetry.fr/en/home.html)免费下载。
1.2 DDM去噪和数据过滤
任何对地观测的遥感卫星数据均需要进行严格的质量控制，质量控制主要包括数据去噪和数据过滤两个方面。数据去噪通常采用的方法是将每个DDM对应的功率值减去噪底[28]，也称为噪底减法。其噪声计算公式为
(1)
式中，τ1和τi为计算噪声区域选定的延迟码片的上下边界；f1和fi为计算噪声区域选定的频率的上下边界；M为选定噪声区域的像素数量。则去噪后的DDM计算公式可以表达为
(2)
式中，DDMPower为未去噪的DDM功率值。
为了排除低质量的DDM测量数据，本文根据以下标准过滤数据[29]：
(1) 观测值需要具有良好的质量，这是由数据中的质量控制(quality control，QC)标志决定的。
(2) GNSS-R观测值及其对应的参考数据必须是正值。
(3) 当卫星跟踪器无法跟踪时所进行的测量将被丢弃。
(4) 选择距离陆地25 km以上的镜面反射点数据，以减少建模误差。
(5) 观测数据范围定义为纬度38°N—38°S和经度0°—360°。
(6) 镜面反射点方向上的接收天线增益(sp_rx_gain)大于0 dBi。
(7) 入射角范围为10°~40°。
1.3 GNSS-R观测值计算
GNSS散射信号相关功率模型是从基尔霍夫(Kirchhoff Approximation，KA)近似的几何光学方法出发，在双基雷达方程的基础上提出的，可以写成曲面积分的形式[30]
(3)
式中，〈y(τ,f)2〉为GNSS反射信号功率，是时间延迟τ和频率f的函数；Ti为相干积分时间；λ为信号波长；Pt和Gt为卫星发射功率和天线增益；Gr为接收机天线增益；Rt和Rr分别为卫星发射机到镜面反射点和镜面反射点到接收机的距离；Λ和S分别为伪码自相关函数和SINC函数；A为散射面积；σ0为双基地雷达散射截面(normalized bistatic radar cross section，NBRCS)[31]。
在之前的研究中，针对不同的GNSS-R应用已经提出了与DDM相关的几种观测值(如信噪比(SNR)、DDM能量均值(delay-Doppler map average，DDMA)、前沿斜率(leading edge slope，LES)和后沿斜率(trailing edge slope，TES)等)，并且这些观测值已经在海面风速反演、海冰监测、土壤湿度反演等领域得到广泛讨论[25, 28, 32-33]。文献[16]将SNR观测值用于SWH估计，这项研究首次利用星载CYGNSS GNSS-R数据的SNR观测值来估计SWH，然而本文的研究与文献[16]在反演方法上有所不同。本文引入了归一化积分时延波形(normalized integral delay waveform，NIDW)用于计算4个GNSS-R观测值(即归一化积分时延波形前沿斜率(LES-NIDW)、归一化积分时延波形后沿斜率(TES-NIDW)、归一化积分时延波形前沿波形值之和(LEWS-NIDW)和归一化积分时延波形后沿波形值之和(TEWS-NIDW))[30, 34]，并基于这4个观测值来进行星载GNSS-R SWH反演。它们的计算公式分别定义如下
(4)
(5)
(6)
(7)
式中，LESNIDW表示归一化积分时延波形的前沿斜率；TESNIDW表示归一化积分时延波形的后沿斜率；LEWSNIDW表示归一化积分时延波形的前沿波形值之和；TEWSNIDW表示归一化积分时延波形的后沿波形值之和；n表示参与计算的时延点数，在本文中，n=2；τi为延迟值，1个延迟等于0.25个码片(0.25 chips)；IWl和IWt分别为积分时延波形前沿和后沿部分波形值；NIDW表示归一化积分时延波形，在计算归一化积分时延波形以前，需要先计算积分时延波形，其计算公式为
(8)
式中，N是选定的多普勒频率数目(N=5)；〈|y′(τ,fk)2|〉表示经去噪后选定的时延和多普勒频移范围内的反射信号功率值。
当对积分时延波形进行归一化处理后，可以得到归一化积分时延波形
(9)
式中，IDWmax表示积分时延波形中的最大值。
图 1和图 2分别给出了不同SNR值(对应不同的SWH值)情况下的DDM和不同有效波高的归一化积分时延波形。使用的数据是2019年4月30日海洋上收集的CYGNSS数据。为了便于说明和计算，不同有效波高的归一化积分时延波形均以时间延迟零值处作为前沿和后沿的分界点，并将其分割为前沿(leading edge，LE)和后沿(trailing edge，TE)两个部分(如图 2中虚线所示)。如图 1和图 2所示，不同有效波高的DDM图像不同，DDM之间的差异主要集中在“马蹄形”区域；另一方面，归一化积分时延波形的前沿和后沿部分的不同有效波高可以很容易地区别出来；此外，不同海浪有效波高下反射信号的时延波形曲线具有不同的特征，这些不同特征为利用GNSS-R信号反演海浪有效波高提供了新的机会。
图 1 不同SNR的DDMFig. 1 DDM with different SNR
图选项
图 2 不同SWH的归一化积分时延波形Fig. 2 Normalized integral delay waveform (NIDW) with different SWH
图选项
2.1 建模方法
为了验证所提出方法的适用性和可靠性，本文下载并收集了1.1节描述的3种数据集，这些数据仅包含海洋上的数据，陆地上的数据不在本文研究范围之内。采用如1.2小节描述的方法对DDM数据进行质量控制后，从DDM中计算了4个有用的GNSS-R观测值，并利用DDM的数据采集时间和镜面反射点位置，通过空间上的双线性插值和时间上的线性插值，分别将ERA5 SWH产品、AVISO SWH产品数据分别与CYGNSS镜面点位置进行匹配，并通过随机选择将数据进一步划分为训练数据集和测试数据集，30%的数据样本用作训练集，其余70%的数据样本用作测试集。之后，将4个GNSS-R观测值和SWH分别作为输入和输出变量，采用最小二乘拟合建立海浪SWH反演模型。考虑到ERA5 SWH产品相比AVISO SWH产品数据具有更高的时空分辨率，因此，在开发海浪SWH反演模型时，本文仅采用ERA5 SWH数据进行训练模型。然后，将测试数据的GNSS-R观测值输入所得到的模型中，从而可以获得基于GNSS-R方法获得的SWH估计值。最后，为了进一步验证本文所提模型反演SWH的性能，将GNSS-R数据的SWH反演结果分别与ERA5 SWH产品和AVISO SWH产品数据进行比较，以评估本文所提方法的可行性。SWH反演模型的构建和测试流程算法如图 3所示。第1阶段是DDM处理和计算归一化积分时延波形，第2阶段是4个GNSS-R观测值提取，第3阶段是数据匹配，第4阶段是模型构建过程，第5阶段是模型性能评估。
图 3 星载GNSS-R方法SWH反演算法流程Fig. 3 Flowchart of SWH retrieval algorithm of spaceborne GNSS-R method
图选项
2.2 反演模型构建
图 2展示了不同有效波高下的归一化积分时延波形。由图 2可以看出，归一化积分时延波形随有效波高的变化而变化，有效波高的变化越大，时延波形的变化越大。根据大量数据的曲线拟合试验，4个GNSS-R观测值与ERA5 SWH数据之间的关系可以用式(10)表示，基于4个观测值(即归一化积分时延波形前沿斜率，归一化积分时延波形后沿斜率，归一化积分时延波形前沿波形值之和，以及归一化积分时延波形后沿波形值之和)构建的有效波高模型如图 4中的虚线所示
(10)
图 4 采用4个观测值构建的SWH反演模型Fig. 4 SWH retrieval models constructed with 4 observables
图选项
式中，xob分别表示4个观测值；其他符号是模型的拟合参数。
图 4给出了采用4个观测值数据构建的拟合模型曲线。图中散点分别代表 4个观测值与ERA5 SWH数据的关系，颜色栏表示数据密度，模型拟合的均方根误差(RMSE)和决定系数(R2)也在图中显示。由图 4可以看出，4个观测值的拟合模型曲线与散点拟合良好。其中，基于归一化积分时延波形前沿波形值之和与归一化积分时延波形后沿波形值之和构建的拟合模型的拟合性能在均方根误差和决定系数方面优于归一化积分时延波形前沿斜率和归一化积分时延波形后沿斜率。总体而言，基于4个观测值构建的拟合模型的决定系数大于0.43，相对偏低，主要原因是：4个观测值构建的拟合模型在低SWH值下的拟合性能较差。此外，由于训练数据集中缺少高SWH样本，因此很难获得理想的模型拟合性能。
3.1 验证方法
为了验证海浪SWH反演模型的性能，本小节将模型反演SWH分别与ERA5 SWH和AVISO SWH数据进行比较。此外，还将GNSS-R数据轨迹与ERA5 SWH数据分布进行比较，并分析了加勒比海及我国的黄海、东海和南海的SWH反演结果。采用均方根误差(root mean square error，RMSE)、平均绝对误差(mean absolute error，MAE)、皮尔逊相关系数(Pearson correlation coefficient, CC)和平均绝对百分比误差(mean absolute percentage error，MAPE)4个指标对模型反演SWH的性能进行评价。4个指标的计算公式如下
(11)
(12)
(13)
(14)
式中，m为数据样本数；SWHi,M和SWHi,T分别为模型估计SWH和从ERA5及AVISO再分析数据中获得的SWH；SWHM和SWHT分别为i,MSWH和i,TSWH的平均值。
3.2 SWH反演模型可靠性验证
3.2.1 利用ERA5 SWH数据验证
利用ERA5 SWH数据对4个GNSS-R观测值构建的SWH模型反演结果进行验证，如图 5所示。图 5给出了ERA5 SWH数据与4个观测值构建的反演模型估计的SWH的散点图，图中虚线为1∶1参考线，实线为4个观测值构建的SWH反演模型估计SWH与ERA5 SWH数据的线性拟合直线(Y=aX+b)，表 1给出了模型反演性能的4个评价指标。由图 5可以看出，本文提出的基于归一化积分时延波形的4个观测值构建的SWH反演模型估计的SWH与ERA5 SWH数据在相关性方面表现良好。由表 1也可以看出，4个观测值构建的反演模型的反演结果的相关系数均大于0.65。此外，归一化积分时延波形前沿波形值之和与归一化积分时延波形后沿波形值之和两个观测值的反演性能在4个指标方面均优于归一化积分时延波形前沿斜率和归一化积分时延波形后沿斜率两个观测值。然而，归一化积分时延波形前沿斜率和归一化积分时延波形后沿斜率两个观测值的反演性能差异不大。总的来说，4个观测值在均方根误差和相关系数方面分别优于0.66 m和0.65。
图 5 ERA5 SWH数据与4个观测值构建的反演模型估计的SWH的散点Fig. 5 Scatter plots of ERA5 SWH data and SWH estimated by retrieval model constructed based on 4 observables
图选项
表 1 基于4个观测值的反演模型估计SWH与ERA5 SWH数据对比的RMSE、MAE、CC和MAPE统计Tab. 1 The RMSE, MAE, CC and MAPE statistics of comparison of SWH estimated by the retrieval model based on 4 observables and ERA5 SWH data
观测值
RMSE/m
MAE/m
CC
MAPE/(%)
LESNIDW
0.653
0.499
0.67
25.77
TESNIDW
0.656
0.508
0.65
27.35
LEWSNIDW
0.606
0.463
0.73
24.64
TEWSNIDW
0.633
0.478
0.73
24.54
表选项
3.2.2 利用AVISO SWH数据验证
本文将4个观测值构建的SWH反演模型的反演结果与AVISO SWH数据进行比较。图 6给出了AVISO SWH数据与4个观测值构建的SWH反演模型估计的SWH的散点图。图中虚线为1∶1参考线，实线为4个观测值构建的SWH反演模型估计SWH与AVISO SWH数据的线性拟合直线(Y=aX+b)，表 2给出了模型反演结果与AVISO SWH数据对比的4个评价指标。由图 6和表 2可以看出，基于4个观测值构建的SWH反演模型的SWH估计结果与AVISO SWH数据均具有较好的相关性。除归一化积分时延波形后沿斜率观测值外，其他3个观测值反演SWH的结果与AVISO SWH数据的RMSE均小于0.66 m，并且相关系数大于0.72。通过以上两种参考数据的分析结果，进一步表明了本文所提的建模方法在星载GNSS-R SWH估计方面具有可行性和可靠性。
图 6 AVISO SWH数据与4个观测值构建的反演模型估计的SWH的散点Fig. 6 Scatter plots of AVISO SWH data and SWH estimated by retrieval model constructed based on 4 observables
图选项
表 2 基于4个观测值的反演模型估计SWH与AVISO SWH数据对比的RMSE、MAE、CC和MAPE统计Tab. 2 The RMSE, MAE, CC and MAPE statistics of comparison of SWH estimated by the retrieval model based on 4 observables and AVISO SWH data
观测值
RMSE/m
MAE/m
CC
MAPE/(%)
LESNIDW
0.649
0.527
0.73
24.97
TESNIDW
0.678
0.549
0.70
26.24
LEWSNIDW
0.659
0.538
0.72
25.34
TEWSNIDW
0.656
0.532
0.72
24.93
表选项
3.3 GNSS-R数据轨迹与ERA5 SWH数据分布比较
图 7为2019年5月基于CYGNSS数据的模型反演SWH结果与ERA5 SWH数据分布的比较。可以看出，基于4个GNSS-R观测值构建的模型反演结果与ERA5 SWH吻合较好。SWH的高值主要出现在高纬度地区，尤其是南纬地区。主要原因可能是由于全球气压的特定分布，导致高纬度地区风速较大。通常来说，SWH与海面风速呈正相关。由于CYGNSS轨道覆盖范围有限，目前无法使用CYGNSS数据估算北冰洋或南极洲周围海域的SWH。
图 7 2019年5月GNSS-R方法估计的SWH与ERA5 SWH数据全球分布的比较Fig. 7 Comparison of SWH estimated by GNSS-R method with ERA5 SWH data global distribution May 2019
图选项
限于篇幅，图 8仅展示了2019年5月在加勒比海、黄海、东海和南海地区基于TEWS-NIDW观测值估计SWH与ERA5 SWH数据分布的比较结果。值得一提的是，由于CYGNSS卫星覆盖范围有限，目前无法采用GNSS-R方法获得我国整个渤海地区的SWH反演结果。由图 8可以看出，总体上，CYGNSS SWH与ERA5 SWH基本一致。然而，GNSS-R数据轨迹较为稀疏，这是因为在数据预处理步骤中排除了一些低质量的DDM数据，并且低质量的DDM通常会连续出现一段时间。此外，本文仅针对1颗CYGNSS卫星数据来构建模型和验证模型性能，这也是GNSS-R数据轨迹较为稀疏的是主要原因。未来，将同时采用8颗CYGNSS来进行SWH反演，相信GNSS-R数据轨迹将更为密集，将能实现更高空间分辨率和更高精度的SWH反演结果。
图 8 2019年5月在加勒比海、黄海、东海和南海地区基于TEWS-NIDW观测值估计SWH与ERA5 SWH数据分布的比较Fig. 8 Comparison of SWH estimated by TEWS-NIDW observable with ERA5 SWH data distribution in the Caribbean Sea, Yellow Sea, East China Sea and South China Sea in May 2019
图选项
本文采用从CYGNSS卫星观测的GNSS-R延迟多普勒图(DDM)中计算的4个观测值推导出海浪有效波高经验模型。为了进一步验证所提模型的可靠性、可行性和适用性，还分别将ERA5和AVISO SWH数据产品作为验证数据，并将反演模型的SWH估计结果与ERA5和AVISO SWH数据产品进行比较和分析。主要结论如下：
(1) 采用ERA5 SWH数据作为验证数据时，归一化积分时延波形的前沿和后沿波形值之和两个观测值在均方根误差、平均绝对误差、相关系数和平均绝对百分比误差方面，均优于归一化积分时延波形的前沿和后沿斜率两个观测值。然而，归一化积分时延波形前沿斜率和归一化积分时延波形后沿斜率两个观测值的反演性能差异不大。总体而言，4个观测值在均方根误差和相关系数方面分别优于0.66 m和0.65。
(2) 采用AVISO SWH数据作为验证数据时，基于4个观测值构建的SWH反演模型的SWH估计结果与AVISO SWH数据均具有较好的相关性(相关系数均大于0.7)。除归一化积分时延波形后沿斜率观测值外，其他3个观测值反演SWH的结果与AVISO SWH数据的RMSE均小于0.66 m，并且相关系数大于0.72。进一步表明了本文所提的建模方法在星载GNSS-R SWH估计方面具有可行性和可靠性。
(3) 从GNSS-R方法估计SWH与ERA5 SWH数据全球分布的比较结果来看，CYGNSS SWH与ERA5 SWH基本一致。然而，由于CYGNSS轨道覆盖范围有限，目前无法使用CYGNSS数据估算北冰洋或南极洲周围海域的SWH。
笔者今后将同时采用8颗CYGNSS来构建SWH反演模型，以实现更高空间分辨率和更高精度的SWH反演结果。此外，将深入了解卫星和其他因素(如GNSS-R接收机、天线增益、信号噪声、入射角和海面风速等)的影响来提高星载GNSS-R有效波高反演性能。
致谢
特别感谢美国航空航天局(NASA)免费提供CYGNSS数据、欧洲中期天气预报中心(ECMWF)和AVISO数据中心免费提供SWH数据。
作者简介
第一作者简介：布金伟(1992—), 男, 博士生, 研究方向为GNSS精密定位和GNSS反射遥感。E-mail: b_jinwei@cumt.edu.cn
通信作者：余科根, E-mail: kegen.yu@cumt.edu.cn
初审：张艳玲
复审：宋启凡
终审：金 君
资讯
发表评论