基于微波多载荷优势互补的海面风场联合反演方法研究

万 勇，刘 燕

（中国石油大学（华东）海洋与空间信息学院，山东 青岛 266061）

海面风场作为重要的海浪动力过程之一，影响着海浪的产生及海流的运动，对上层海洋过程和海气界面之间的物质和能量交换有重要作用[1]。作为与人类活动最直接相关的海洋现象，全面系统的海面风场观测对海洋科学研究、防灾减灾和国防建设等都具有重要意义。目前海面风场的观测方式主要有3种：现场观测、数值预报和遥感观测。现场观测是最早观测海面风场的手段，可以获取准确的海面风场信息，但无法实现大面积的实时海面风场观测[2]。随着海洋技术的不断发展，大范围空间域多方式融合的数值预报模式也随之出现。由于其本身是一种数值计算的结果，其精度会受到驱动风场的准确性、初始条件的设定和水深等诸多条件的影响。微波遥感技术的发展为风场观测提供了一种全新的手段，散射计首先被应用于海面风场观测，可以获得大面积的风场数据，SAR具有空间分辨率高的优势，不受光照和天气条件影响，随之波谱仪也由观测海浪信息逐渐发展为可以探测风场信息。

使用散射计反演海面风场最早可以追溯到1978年美国国家航空航天局发射了搭载有散射计SASS（Seasat-A Satellite Scatterometer）的海洋资源卫星Seasat。目前，散射计风场反演涉及地球物理模型函数、风场反演算法、风场模糊解去除方法的研究。对于地球物理模型函数，1997年STOFFELEN A[3]、1999年WENTZ F等[4]分别基于C波段和Ku波段散射及散射计观测发展了一系列CMOD（C-band Model）模型函数。对于风矢量反演，1984年PIERSON J[5]、2006年宋新改等[6]先后提出了最大似然估计、多解反演等反演方法。对于模糊解去除，1986年LORENC A C[7]、1991年SHAFFER S J等[8]发展了中值滤波和二维变分分析等方法。基于散射计的风场反演，研究发现，地球物理模型同样可以应用于SAR的风场反演。由于SAR的观测方位角是固定的，无法在短时间内对同一海面单元进行多次观测，因此对于单极化的SAR风场反演，需要首先获取风向，然后再利用CMOD模型函数计算风速。风向获取主要有两种方法：一是SAR风条纹反演，风吹动海面使SAR图像呈现出明暗相间的黑白条纹，如傅里叶变换法、局部梯度法等[9]；二是利用散射计和再分析数据等辅助资料直接获取风向信息[10]。海洋波谱仪利用测量得到的海面后向散射系数来反演得到海浪方向谱。对于其天底点的σ0，与风速大小有关，与风向的相关性很弱，参考高度计反演风速的基本原理，选取入射角为0°的波束来反演风速信息。针对波谱仪的风向反演，2000年HESANY V等[11]通过分析飞艇探测到的10°的σ0数据发现当风速在6 m/s以下时，σ0随风向变化较为明显，这证明入射角在10°附近时σ0存在不对称性。2019年黎鹏[12]利用中法海洋卫星携带的SWIM（Surface Waves Investigation and Monitoring）数据成功使用0°波束反演得到风速信息，10°波束得出风向信息。

海面风场可以通过海洋波谱仪、SAR和微波散射计等微波遥感器中的单一或多手段获取。单星单载荷无法克服仪器本身缺陷引起的观测问题，会引起数据测量的局限性。散射计反演风场空间分辨率低，SAR反演风场需要外部风向信息的输入，波谱仪反演风向存在无法区分顺风向是0°还是180°的情况。基于上述单载荷风场反演存在的问题，本文利用南海区域中现有的哨兵一号SAR图像、MetOp散射计数据，以及SWIM波谱仪数据来反演中国南海区域的海面风场，相互借助各自风场信息实现3种载荷的两两联合风场反演，波谱仪和散射计分别与SAR联合为其提供风向，实现SAR的风场反演，得到高分辨率的风场信息，散射计与波谱仪相互联合为波谱仪去除风向模糊，得到无模糊的风向结果，解决了现有的单载荷反演风场存在的问题。同时判断联合风场各自的反演精度，为实现区域大范围高精度风场研究做准备。

1 研究区域与数据源

本研究利用Sentinel-1 SAR图像、MetOp散射计数据和SWIM波谱仪数据反演中国南海区域的海面风场，并利用ECWMF（European Centre for Medium-range Weather Forecasts）风场数据对反演结果进行验证。研究区域及使用数据介绍如下。

1.1 研究区域及数据分布

南海是亚洲三大边缘海之一，是西北太平洋最大的边缘海，地跨热带与副热带，是我国最大的海域之一，是“21世纪海上丝绸之路”的关键区域，而且该区域蕴含丰富的海洋资源，也是国际运输的重要区域。在气候上南海具有明显的热带季风气候，是典型的季风区，不过由于其地理位置特殊，天气变化复杂，是台风的多发地，海上大风直接影响着航海和生产，是造成海上灾难的主要原因之一。因此，选取该区域具有十分重大的意义，研究区域经纬度范围为15°N—27°N，107°E—126°E。

1.2 Sentinel-1 SAR数据

Sentinel-1卫星是欧洲航天局发射的对地观测卫星系统，由两颗在轨运行卫星构成，都载有C波段的SAR，可提供连续的对地观测图像，重放周期可达6天。Sentinel-1A卫星载有的SAR拥有多种工作模式，本文使用的是VV极化的干涉宽测绘带模式（Interferometric Wide swath，IW）下的Level-1级数据中的单视复数产品（Single Look Complex，SLC）数据，可以获得相位和振幅信息，空间分辨率高于5 m×20 m，幅宽可达250 km。下载的SAR图像需经SNAP专用软件的辐射定标及Deburst处理，辐射定标是将SAR记录的原始灰度值转换为后向散射系数，而Deburst去除的是Sentinel-1 IW SLC影像带有脉冲的暗带部分（黑色背景，无信号部分），效果就是合并所有脉冲有效信号部分。

1.3 MetOp散射计数据

MetOp系列卫星包括三颗极地轨道气象卫星（MetOp-A、MetOp-B、MetOp-C），连同有关的地面设施共同构成欧洲气象卫星应用组织（European Meteorological Satellite，EUMETSAT）的极地轨道卫星系统（EUMETSAT polarsystem，EPS），其携带的ASCAT（Advanced Scatterometer）散射计按频段分属于C波段散射计，可以对同一个风矢量单元能够获得观测方位角相差45°的3次测量，采用双刈幅观测以提高空间覆盖率，采用25°～65°的较大入射角使后向散射截面对风速更敏感，以改善反演风场的精度。MetOp卫星的刈幅宽度为550 km，平均5天可以覆盖全球一次，每天观测全球范围的65%。本文采用了空间分辨率为12.5 km的ASCAT L1级后向散射系数数据产品。

1.4 中法海洋卫星SWIM数据

中法海洋卫星（China France Oceanography Satellite，CFOSAT）是我国航天领域第一次与先进宇航国家开展系统性、全流程合作的项目，也是中法两国在航天工程领域、海洋科学领域高水平合作的重要成果。其搭载的波谱仪SWIM作为工作在Ku波段的小入射角雷达，独特的工作方式（0°～360°全方位向扫描）使得它可以获取全球范围的0°～360°方位向的海面后向散射数据。SWIM/CFOSAT有6个波束对海面进行同时探测，入射角分别为0°、2°、4°、6°、8°、10°。其产品体系可分为两部分，分别是星下点0°入射角获取的有效波高产品与其余入射角共同探测反演的波浪谱产品[13]。本研究中利用L2级的波谱仪数据中的后向散射系数产品，选取的入射角的0°波束反演风速信息、10°波束反演风向信息。

1.5 再分析风场数据

ERA5数据是欧洲中长期天气预报中心提供的第五代再分析数据，其范围覆盖全球。ERA5提供了自1979年至今的全球大气再分析数据，包括海面10 m高处的风速数据、海面10 m高处的风向数据、平均波周期数据、有效波高数据等。ERA5数据提供每小时的数据（0时到23时），空间分辨率可达0.125°×0.125°。本研究选取在南海区域与各载荷观测位置对应且时间匹配的ERA5数据，ERA5数据与各载荷数据匹配时间窗口为1 h之内，利用双线性插值法匹配空间窗口为12.5 km，同时选择海面10 m高处的风速风向数据作为反演验证数据。

2 研究方法

2.1 单载荷风场反演方法研究

因为散射计可以在海面的同一位置进行多次观测，而SAR在一个位置只能观测一次，所以SAR只能在输入外部风向的情况下利用地球物理模型函数得到风速结果，而散射计可以在此基础上结合最大似然估计方法和去模糊解算法反演得到海表面风场信息。

2.1.1 SAR与散射计风场方法研究

（1）地球物理模型函数

本研究中风场反演所使用的方法是CMOD5.N，其描述了VV极化后向散射系数和雷达天线方位角、雷达入射角、海面10 m处风速和风向的关系[14]，其表达式如式（1）所示。

（2）最大似然估计

最大似然估计（Maximum Likelihood Estimation，MLE）的代价函数定义如下。

（3）去模糊算法

去模糊算法使用的是同极化微波散射计的圆中数滤波算法（Circular Median Filtering，CMF）[16]，通过在初始风场二维空间中开一定大小的窗口，即计算周围风矢量风向的圆中数，然后在中心风矢量面元的几个模糊解中找出风向与圆中数最接近的一个替代中心的当前风矢量，对整个风场反复迭代，直到风场不再改变或已达到预定的最大迭代次数为止，即得到模糊解去除后的风矢量。

2.1.2 波谱仪风场反演

根据前人结论得出：入射角范围在0°～10°时，0°附近的平均后向散射系数随风速的增大减小较为剧烈；10°附近的后向散射系数随相对风向的各向异性与不对称性（绝对值）均较大。所以本研究中SWIM应该采用0°附近的波束的后向散射系数来反演风速、10°附近的波束的后向散射系数来反演风向[12]。波谱仪0°波束下反演风速参考高度计反演风速的形式，公式如下。

2.2 多载荷风场联合反演方法

2.2.1 基于散射计与SAR的风场联合反演

首先下载满足散射计与SAR时空匹配的数据，在此基础上先实现散射计的风场反演。散射计数据经质量控制去除异常的后向散射系数的点。将后向散射系数和入射角信息带入地球物理模型函数中，经过最大似然估计得到多个风矢量解，再经去模糊解得到散射计的风场信息。而散射计反演的风向结果作为SAR风场反演的初始信息，再次将后向散射系数与入射角带入地球物理模型中得出SAR的风速结果，并对反演结果与ERA5数据进行对比分析，具体实验步骤如图1散射计与SAR的风场联合反演示意图所示。

图1 散射计与SAR风场联合反演示意图

2.2.2 基于波谱仪与SAR的风场联合反演

在审美由城市主导、伪文艺开始崩塌的时代，滋生于民间的土味文化，其野性、真诚和卖力正在刺激大批城市人口以旁观者的猎奇心理加入其中，逐步形成新一轮的审丑文化潮流。

选取波谱仪与SAR空间范围相互覆盖的数据，且时间范围要求3 h以内，则满足波谱仪与SAR的时空匹配。然后将SAR数据的经纬度与波谱仪数据的经纬度进行空间匹配，因为波谱仪数据是以Box为单位，且每个Box的范围为70 km×90 km，为了实现大范围风场反演，参考高度计与SAR的时空匹配规则[17]，本文以波谱仪的单个Box点为圆心，选取半径为1°的圆面积内的SAR数据作为单点Box匹配的SAR信息。

将反演得到的波谱仪的每个Box的模糊风向作为圆面积内的SAR的风向信息，带入地球物理模型函数中实现SAR的风速反演，并对反演结果与ERA5数据进行对比分析，具体实验步骤如图2波谱仪与SAR的风场联合反演示意图所示。

图2 波谱仪与SAR的风场联合反演示意图

2.2.3 基于散射计与波谱仪的风场联合反演

首先根据下载的满足散射计与波谱仪时空匹配的数据，参照本文2.1.1节SAR与散射计风场反演部分进行散射计的风场反演，以散射计的风场反演结果中的风向信息作已知条件。波谱仪反演风向信息的过程中，选取后向散射系数最大值时对应的相对风向角为0°或者180°，因此波谱仪反演风向存在180°模糊问题，选取距离波谱仪Box点最近的散射计的反演风向作为参考风向来判断波谱仪的风向信息。并对反演结果与ERA5数据进行对比分析，具体实验步骤如图3所示。

图3 散射计与波谱仪的联合风场反演示意图

3 结果与讨论

本文通过联系多个微波遥感传感器的数据，通过建立各个传感器之间相互关系，建立3种风场联合反演的方法，将反演的风场数据与ERA5进行比较，使用均方根误差（Root Mean Square Error，RMSE）进行评价，比较各数据风场联合反演结果的精度。均方根误差定义如下。

式中，Yi表示反演的风场信息；Xi表示参考风场数据，即ERA5风速或者风向数据。

3.1 基于散射计与SAR的风场联合反演结果分析

本文所使用的SAR与散射计的数据如表1和表2所示，上下表中相应位置的SAR与散射计数据分别对应。所选散射计数据的时间与Sentinel-1 SAR卫星数据的获取数据的时间相差在3 h以内，数据区域位置相互覆盖，满足时空匹配的条件。

表1 SAR数据信息

表2 散射计数据信息

本研究分析南海区域MetOp散射计与Sentinel-1SAR数据时空匹配的两组数据，Sentinel-1SAR数据的联合反演风速与ECMWF数据对比结果如图4所示，结果显示，联合反演风速与ECMWF风速的均方根误差为1.972 7 m/s。SAR与散射计风场联合反演的最终结果中Sentinel-1SAR数据风场反演的精度符合公认的指标要求，即均方根误差小于2 m/s。散射计与SAR的风场联合反演结果由图4可以明显看出：在中等风速下，反演得到的风速高于ERA5的风速，原因可能是选取的原始数据是2021年冬季1月的数据，CMOD5.N求取风速数值时在春季偏低，夏秋冬季节偏高，RMSE数值在冬季较高[18]。

图4 散射计与SAR联合反演风速结果

3.2 基于波谱仪与SAR的风场联合反演结果分析

本文所使用的波谱仪与SAR的数据如表3和表4所示，上下表中相应位置的SAR与波谱仪数据分别对应。所选波谱仪数据的时间与Sentinel-1SAR卫星数据的获取数据的时间相差在1小时以内，满足3 h的条件。

表3 SAR数据信息

表4 波谱仪数据信息

本文将SAR分块后的后向散射系数与波谱仪的Box点进行时空匹配，满足时空匹配条件的SAR数据与波谱仪的风向信息进行组合。将反演得到的波谱仪Box点风向作为输入，使用CMOD5.N进行风场反演，将反演得到的风速与匹配的ERA5风速进行比较，计算其均方根误差。

本文分析南海区域中法海洋卫星SWIM波谱仪与Sentinel-1SAR数据时空匹配的三组数据，Sentinel-1SAR数据反演风速与ECMWF数据对比结果如图5所示，结果显示反演风速与ECMWF风速的均方根误差为1.986 m/s，其均方根误差小于2 m/s，该风场联合反演方法可行。由图5也可以看出，联波谱仪与SAR联合反演得到的风速高于ERA5的风速结果，验证了上述CMOD5.N在冬季反演结果偏高的问题。

图5 波谱仪与SAR联合反演风速结果

3.3 基于散射计与波谱仪的风场联合反演结果分析

根据下载的两种载荷的卫星数据，选取的散射计与波谱仪同步数据信息如表5和表6所示，上下表中相应位置的散射计与波谱仪数据分别对应。所选散射计数据的时间与波谱仪数据的获取数据的时间相差在1 h以内，满足3 h的条件。

表5 散射计数据信息

表6 波谱仪数据信息

本文将散射计数据与波谱仪的Box点进行时空匹配，将满足时空匹配条件的散射计数据与波谱仪的信息进行组合。将反演得到的散射计的风向信息作为已知条件判断波谱仪反演的风向的模糊性，将最终的波谱仪的风向结果与匹配的ERA5风向进行比较，计算其均方根误差。

本研究分析南海区域中法海洋卫星SWIM波谱仪与MetOp散射计数据时空匹配的五组数据，由散射计去除波谱仪模糊风向的结果与ECMWF数据对比结果如图6所示，结果显示反演得到的波谱仪风向与ECMWF风向的均方根误差为26.758 9°。波谱仪与散射计联合反演的最终结果波谱仪的风向反演的精度符合公认的指标要求，即均方根误差小于30°，即该风场联合反演方法可行。

图6 波谱仪与SAR的风场联合反演结果图

4 结 论

本研究利用现有的南海范围的Sentinel-1 SAR卫星数据、MetOp散射计数据和中法海洋卫星SWIM波谱仪数据进行风场联合反演研究，相互借助各自信息实现3种载荷的两两联合，解决现有的SAR及波谱仪反演风场存在的问题，为我国以后未来遥感事业的发展提供单载荷的信息互补，得到高分辨率的风场信息，研究结论如下。

（1）对于多载荷风场联合反演方法研究，建立的3种风场联合方法——SAR与散射计的风场联合反演、波谱仪与SAR的风场联合反演，以及散射计与波谱仪的风场联合反演，反演得到的风速的均方根误差都小于2 m/s，风向的均方根误差小于30°，都符合公认的标准，即该3种方法均可行。

（2）对于SAR反演风场问题，SAR的风速反演结果依赖于外部输入风向的精度，即SAR的最终反演结果依赖于散射计与波谱仪的反演结果。