基于哨兵1号的台风风场反演方法研究

于鹏 钟小菁 耿旭朴

关键词：哨兵1号;台风;合成孔径雷达;交叉极化

0引言

我国位于亚洲东部、太平洋西岸，东部和南部大陆海岸线超1.8万km，特殊的地理位置决定了我国是世界上少数几个受台风影响最严重的国家之一.1949—2019年期间，共有491个台风登陆我国，即平均每年约有7个台风在我国登陆[1]，给人民的生命安全和生产生活带来了严重的危害，由其引起的极高风速、風暴潮以及风暴巨浪是我国海岸带最主要的致灾因素[2].台风的风速是决定台风潜在破坏性的重要指标，及时并准确地掌握台风风场信息是深入研究风暴潮洪水、风暴浪和海岸侵蚀等台风灾害的基础，对灾害预警、风险评估和灾后重建等具有重要意义.

相比于传统的地面观测方法和系统，卫星遥感具备在更大空间尺度上对海表面进行近实时观测的优势，这使得基于卫星遥感的手段非常适用于对像台风这样大尺度现象的监测.光学和红外传感器是探测台风顶部云层性质的重要仪器，但由于云层的持续存在和阻挡，它们很难被用来监测台风系统在海表面风速的大小.星载合成孔径雷达（SyntheticApertureRadar，SAR）是一种非常独特的工具，它具备全天时和全天候的对地观测能力.且与其他微波传感器和数值天气预报估算结果（分辨率通常约10km以上）相比，SAR具有更高的空间分辨率（风速产品可达到百米量级），可以更好地用于估计台风的风速和研究台风的内部结构，在预报台风路径方面也具备极大的潜力.

海表面的风速可以通过同极化（Vertical-Vertical或Horizontal-HorizontalPolarization，VV或HH极化）SAR图像以及经验地球物理模型函数（GeophysicalModelFunctions，GMFs）[3-6]来获取，但在高风速条件下，它们会受到信号饱和的影响，使反演结果小于实际风速[7-10].此外，如果没有预先的外部风向输入，基于同极化雷达数据的GMFs无法提供唯一的风速结果[11].近年来发射的星载C波段卫星传感器（Radarsat-2、Sentinel-1以及Gaofen-3）提供了获取来自地表交叉极化（Vertical-Horizontal或Horizontal-VerticalPolarization，VH或HV极化）雷达信号的新手段.与同极化信号相比，交叉极化雷达信号包含更多的海表面非布拉格散射的信息，这些信息与高风速条件下存在的波浪破碎现象有关[12-13].基于海表后向散射的物理模型[14]和GMFs模型[15]等的研究表明，C波段的交叉极化信号至少在观测60m/s的海表风速时也不会出现信号饱和的情况.因此，利用交叉极化SAR信号对台风风速进行反演的结果更为可靠，而且该反演方法并不像同极化信号一样需要预输入风向信息，具备在恶劣天气条件下对海表风速进行独立监测的能力.近些年来的研究提出了多种基于交叉极化SAR数据的高风速反演模型[16-22]，但缺少对各类模型之间的比较研究.

本研究使用哨兵1号（Sentinel-1，S-1）SAR遥感观测数据来研究台风的风场信息.在交叉极化雷达数据的基础上，以2020年的台风“海高斯”及“莫拉菲”为例，首先应用噪音向量和去噪方法对超宽幅模式影像内部的加性和乘性噪音进行去除.然后利用近年来开发的几种交叉极化GMFs对两个台风的风场进行估算，并与欧洲中期天气预报中心（EuropeanCentreforMedium-rangeWeatherForecasts，ECMWF）模型风场信息和基于同极化数据的哨兵1号风场产品做比较.分析和研究适合哨兵1号的台风风场反演方法.

1数据及预处理

1.1 哨兵1号SAR遥感数据

本研究所使用的SAR遥感影像由欧洲航天局（EuropeanSpaceAgency，ESA）哥白尼计划的哨兵1号任务提供，该数据是全世界首个向用户免费开放的SAR遥感影像数据，可在赤道地区提供重访周期为6d的海表面风场数据.哨兵1号任务由两颗卫星（Sentinel-1A和Sentinel-1B）组成，配备有中心频率为5.405GHz的C波段SAR传感器，可在4种特有的成像模式下工作，即：条带（stripmap，SM）、波（wave，WV）、干涉宽幅（InterferometricWide，IW）和超宽幅（ExtraWide，EW）模式.

本文所使用影像的具体信息如表1所示，台风“海高斯”于北京时间（下同）2020年8月18日18：25左右被影像1和2捕捉到，两景影像的成像模式为IW模式，空间分辨率为20m×22m.台风“莫拉菲”于2020年10月27日18：39左右被影像3和4捕捉到，两景影像的成像模式为EW模式，空间分辨率为93m×87m.

1.2 台风及最大风速数据

2007号台风“海高斯”（Higos）是2020年登陆我国的最强台风之一，也是该年登陆我国广东的最强台风.该台风于2020年8月16日在菲律宾吕宋岛以东的西北太平洋洋面生成，8月17日以热带低压的强度通过了吕宋海峡后到达中国南海，8月18日十几个小时内完成热带低压、热带风暴、强热带风暴和台风的四级连跳（图1（a）），并最终于2020年8月19日6时左右在广东省珠海市金湾区沿海登陆.“海高斯”所携带的极具破坏力的强风以及极端的降水给我国东南沿海地区带来了严重的洪涝灾害，导致了大面积的农田、房屋、公路及水利工程等受损.

2018号台风“莫拉菲”（Molave）是2020年通过我国南海的最强台风之一.该台风于2020年10月21日在西太平洋的法斯岛南部海域生成，10月25日完成热带风暴、强热带风暴及台风的三级连跳（图1（b）），此后总计在菲律宾登陆了5次，于10月26日进入中国南海，并最终于10月28日中午在越南广义省附近沿海登陆.该台风总计致使71人死亡，46人失踪，并造成超过6.6亿美元的财产损失，鉴于该台风所导致的严重自然灾害，台风委员会已将其从台风命名表中进行除名，以后将不再使用“莫拉菲”这一台风名称.

用于验证模型结果中台风最大风速的数据来源于国家气象中心研制的全球再分析数据产品（ChinaMeteorologicalAdministration’sglobalatmosphericRe-Analysis，CRA）[23]（http：//data.cma.cn），该数据集基于集合-变分混合同化技术，融合了探空、地面等中国特有的常规观测资料和风云卫星资料，可提供逐小时的台风中心位置、強度和移动方向等信息，能够为台风强度及其他气象预报提供有效检验.与时间分辨率为6h的台风最佳路径（BestTrack）数据相比，采用CRA最大风速信息能够有效降低因时间插值导致的误差.图1（a）显示了国家气象中心提供的“海高斯”从2020年8月16—20日的最大风速信息，图1（b）为“莫拉菲”从2020年10月25—29日的最大风速信息.

1.3 ECMWF模型数据

大气模型的风速预报结果是研究台风强度和参数的重要数据来源之一.本文将利用ECMWF提供的模式风场输出信息与本研究中其他方法获取的台风最大风速和结构进行比较.ECMWF预报模型提供了空间分辨率为0.125°×0.125°、时间分辨率为3h的海表面10m的风场数据.

1.4 SAR数据预处理

S-1卫星SAR数据可由欧洲航天局提供的SNAP（SentinelApplicationPlatform）软件进行预处理，处理过程包括辐射定标、几何校正、陆地掩膜和均值滤波等.由于“海高斯”登陆地点在珠江口附近，该海域的航运较为繁忙，进行风速反演时，结果容易受到船只等信号的干扰.考虑到在交叉极化SAR影像的多视处理中，随着视数的增大，尤其是当视数达到6以上时，船只与背景海面雷达信号的对比度会显著降低[24]，因此“海高斯”的SAR遥感图像的像素间距首先被重采样为10m×10m，后被统一采用多视及平均处理为600m×600m以降低船只等噪声对风速反演的影响.而对于“莫拉菲”的SAR影像，由于采用的是EW成像模式，扇状效应及热噪音的存在严重影响了双极化SAR数据的成像结果[25]，尤其限制了交叉极化数据在第1子条带上风场反演的应用[26].因此，针对“莫拉菲”的两景交叉极化影像，本研究应用了S-1中的噪音向量以及Sun等[27]提出的噪声去除方法对EW模式的交叉极化SAR影像进行处理，该算法除对已有的加性噪音去除方法进行了改进外，还提出了一种乘性噪音的去除方法以降低EW模式影像子条带边界的噪音.图2展示了应用该算法前后的SAR影像，通过两图的对比可以发现，该算法能够在各子条带之间的边界区域获得较好的处理结果，在第1子条带中明显存在的残差噪音也得到了有效去除，经过处理后的整幅SAR影像不再出现明显的不连续特征.

图3（a）显示了2020年8月18日IW模式的哨兵1号VH极化方式捕捉到的经预处理和陆地掩膜后的“海高斯”的SAR影像，表1所示的两幅时间间隔约为1min的SAR图像被合成在一起以提供“海高斯”更完整的结构.图3（b）展示的则是2020年10月27日EW模式的哨兵1号VH极化方式捕捉到的经处理后的台风“莫拉菲”的SAR影像，同样由两幅影像合成以更完整展示“莫拉菲”的台风结构，由图上的经纬度范围及表1信息可知，EW模式影像的幅宽更大，能够展示比“海高斯”SAR影像更大的范围.

2基于交叉极化SAR数据的风速反演方法

与同极化雷达信号相比，交叉极化信号对风向不敏感，反演风场不会因为风向变化而出现多个风速解的情况[28].目前，针对C波段的交叉极化SAR遥感数据，研究人员已经建立了多个交叉极化海洋模型以将海表面的粗糙度与较高风速联系起来，这些模型并不需要外部风向的输入[16-17，19，21-22]，其中主要有基于Radarsat-2卫星数据提出的C波段交叉极化海洋模型（C-bandCrossPolarizationOceanmodel，C-2PO）[16-17，19]和C波段交叉极化耦合参数海洋模型（C-bandCross-PolarizationCoupled-ParametersOceanmodel，C-3PO）[20]，以及基于我国发射的Gaofen-3卫星提出的全极化条带交叉极化模型（Quad-polarizationStripmapCross-polarizationmodel，QPS-CP）[21-22].

2.1 C-2PO和QPS-CP模型

本文采用的C-2PO模型有4种，分别以C2011[16]、C2012[17]、C2014Z[18]及C2014V[19]进行表示，其公式可以表示为

上式中：sVH表示VH极化的雷达后向散射系数（单位为dB）;U10代表海表面以上10m标准高度处的风速（单位为m/s）;b1和b2是用来拟合风速估算值的经验系数.参数b1在C2011、C2012、C2014Z及C2014V模型中分别选取为0.592、0.58、0.332和0.218;参数b2分别为35.6、35.652、30.143和29.07.

QPS-CP基于Gaofen-3卫星的全极化条带模型SAR产品提出，其表达形式与C-2PO的公式相同，都是关于风速和交叉极化SAR信号的线性公式，但参数大小不同.本文采用了C2019[21]和C2021[22]两种模型，参数b1分别为0.6683和0.4273;参数b2分别为37.3732和34.3875.

2.2 C-3PO模型

雷达的入射角是风速反演中的另外一个影响因素，但在上述基于交叉极化的模型中没有体现.因此，本研究应用了C-3PO以考虑雷达入射角对估算高风速信息的影响.C-3PO模型的形式为

上式中：q表示雷达入射角（单位为°）.

本研究基于S-1的交叉极化SAR数据对以上7种交叉极化模型结果、ECMWF模型结果及S-1海洋二级产品提供的风场进行比较，分析出最适合进行台风风场反演的方法.

3基于SAR数据估算的台风风场结果

3.1 模型估算的最大风速结果

直接利用同极化数据的GMFs进行风速反演已有诸多应用，但与该系列模型相比，基于同极化数据和变分方法的模型能够将更多的误差因素考虑在内，可以在中低风速条件下获得更高精度的风场信息[29].如S-1提供的风速产品就是利用Portabella等[30]提出的基于二维变分的方法，将C-bandModelFunctionIfremer2（CMOD-IFR2）同极化模型以及ECMWF模型的风矢量输出结果进行调整以获取最佳风场结果.因此，尽管CMOD-IFR2模型能在小于20m/s的风速条件下得到很好的结果[31-32]，但欧空局仍然采用了基于二维变分方法的风场数据作为S-1的风场产品.表2列出了通过ECMWF气象预报模型、S-1二级海洋产品以及采用不同交叉极化模型获得的台风“海高斯”及“莫拉菲”的海表面最大风速结果.其中，S1代表哨兵1号提供的由ECMWF和CMOD-IFR2两者同化得来的风速产品，从其值（25.5m/s和42.5m/s）远大于ECMWF风速大小（18.3m/s和35.8m/s）可知，其最大风速会受到CMOD模型的影响，并且与最佳路径数据相比，其具有更小的平均误差，更适合进行台风的风速反演.需要注意的是，国家气象中心CRA产品提供的最大风速为2min最大平均风速值，而SAR影像反演获得的最大风速为影像获取时刻的最大风速值.

对比交叉极化模型的结果可以发现，C-3PO模型提供了最小的平均误差（3.6m/s），与“海高斯”的最大风速相比，其误差只有0.8m/s，在估算最大风速较高的莫拉菲（45m/s）时，其误差（6.3m/s）较大.与预期结果相似，ECMWF预报模型结果较差，尤其是在估算“海高斯”的风速时仅能提供最大风速为18.3m/s的8级风力，其远远低于CRA提供的接近30m/s的11级风力结果.

3.2 基于交叉极化模型的“海高斯”台风风场结果

图4（a）展示了2020年8月18日18时25分ECMWF模型预报的“海高斯”台风的风场结果，图4（b）为S-1二级海洋产品提供的基于ECMWF和CMOD-IFR2模型的同化结果.图4（c）—（i）分别展示了基于交叉极化模型C2011、C2012、C2014Z、C2014V、C-3PO、C2019及C2021的风场结果.本研究中，基于SAR数据的风场反演结果（图4（b）—（i））的空间分辨率为600m，远高于ECMWF预报模型（图4（a））的结果（约10km），因此，高分辨率的SAR影像能够提供其他监测和模型手段无法获得的更精準的台风内部结构.交叉极化模型（图4（c）—（i））与S-1海洋产品（图4（b））相比，可以提供更为完整的台风结构，尤其是在台风眼的西侧区域，海洋产品只提供了较低的风速结果.与其他模型结果相比，C-3PO模型（图4（g））除可以获得更准确的最大风速外，还能够很好地还原台风内部的高风速信息.如表2，交叉极化模型中除了C-3PO外，C2021模型的平均误差（4.1m/s）最小，但其对台风眼区域的风速估算误差达到10m/s以上，无法准确获取该区域的风速信息.

3.3 基于交叉极化模型的“莫拉菲”台风风场结果

图5（a）—（i）分别展示了台风“莫拉菲”的ECMWF预报模型、S-1二级海洋产品以及不同交叉极化GMFs反演的台风风场结果.尽管与台风“海高斯”的结果（图4（a））相比，ECMWF的模型风场结果更为对称（图5（a）），但其台风眼区域位于北纬14°左右，与SAR影像呈现出的台风眼区域（图5（g）中间蓝色区域，北纬13.5°左右）存在很大差距.数据同化产品能够显示出更准确的台风眼位置（图5（b）），但与交叉极化模型的结果相比（图5（c）—（i）），其在台风眼附近无法呈现出强台风一般所具有的较为对称的风圈结构.在所有交叉极化GMFs估算的最大风速结果中，C2014V模型（图5（f））的平均误差相对较小，但与图4（f）类似，其对台风的最大风速具有明显的高估现象.

3.4 基于交叉极化模型的中低风速反演结果验证

通过表1、图4和图5的对比可以发现，与其他模型结果相比，C-3PO模型无论是在台风眼内外区域的风速估算上，还是在台风结构的对称性上，都能呈现出较好的结果.但C-3PO及C2014V等交叉极化模型在台风外围低风速区域的风速估算上存在问题，如在图4（f）和图4（g）中存在大范围的蓝色低风速区域，与海表面实际的气象情况不符.考虑到交叉极化模型对低风速估算存在一定的问题，而S-1的海洋产品在小于20m/s的中低风速条件下能够获得较为理想的结果，本文利用该产品对几种交叉极化模型的中低风速结果进行了评估，如表3所示.尽管与其他模型结果相比，C-3PO反演的中低风速结果与风场产品的相关系数（0.41）较高，但也仅为中低程度相关，并且存在较大的均方根误差.C2011、C2012及C2019能够获得小于3m/s的均方根误差，但与风场产品仅为弱相关或低度相关.这可能与低风速区域对应的雷达后向散射系数过于接近S-1数据的最大噪声等效散射系数（MaximumNoiseEquivalentSigmaZero，NESZ，大约–23dB）值有关.总体而言，对于哨兵1号SAR数据，交叉极化模型在中低风速条件下的表现较差.

3.5 台风风场的融合结果

基于同极化SAR数据的S-1海洋产品能够提供精度较高的中低风速结果，并且已经应用于常规的海表面风场监测，但在台风的高风速反演上则存在一定的问题.相比之下，C-3PO等交叉极化模型能够获得较为合理的台风风场的对称结构以及较为可靠的最大风速结果，但又无法获取准确的中低风速信息.因此，无法采用单一波段（同极化或交叉极化）的哨兵1号SAR数据对整体的台风风场进行准确估算.综合以上因素，本研究对S-1二级海洋产品和交叉极化模型结果进行了融合，其中背景的中低风速由S-1海洋产品提供，当C-3PO反演的风速结果大于20m/s且大于海洋产品提供的风速时，融合数据的风速由C-3PO模型提供.

图6展示了台风“海高斯”及“莫拉菲”的融合风场结果.结果表明，该融合结果综合了同极化和交叉极化SAR数据的优势，在很好地再现台风内部的较强风圈的同时，还能在台风外围得到较为合理的风速结果.对于台风“海高斯”，融合后的台风外围的中低风速结果（图6（a））比C-3PO模型的结果（图4（g））更为可信，图4（g）中台风东侧的蓝色低风速值的区域结果得到了较大改善.而对于台风“莫拉菲”，S-1海洋产品对C-3PO模型的反演结果进行了有效补充，其在东侧区域的高风速估算上有了一定改善（图6（b）和图5（g）），获得了42.5m/s的最大海表面风速，与CRA提供的45m/s的最大风速信息更为接近.总之，该融合方法无论在空间分辨率还是在极高风速的估算方面，都能够提供比ECMWF模型（图4（a）和5（a））更好的台风风场结果.

4讨论

SAR卫星通常采用扫描模式（ScanSAR），即通过天线在距离向的周期性转向以获得更大范围的观测空间，但在波束边缘会获得比波束中心更大的回波强度，导致在每个子条带之间会出现较大的噪音.在S-1的IW和EW模式下SAR数据进一步采用了渐进式地形扫描（TerrainObservationsbyProgressiveScansSAR，TOPSAR）技术，即引入天线波束在方位向的转变以提高SAR图像质量，但噪音对于海表面这类后向散射信号较弱的地物的影响仍然十分显著，尤其是对于拥有5个子条带的EW模式交叉极化海表面影像（图2（b））.图7（a）展示了未经噪音去除而应用C-3PO交叉极化模型的台风“莫拉菲”的风场结果，可以看出在各个子条带之间形成了不合理的高风速条带，该现象在第1和第2子条带之间较为明显，这种现象限制了哨兵1号EW模式交叉极化数据在台风风场反演等领域的应用.本文以台风“莫拉菲”的EW模式VH极化SAR影像为例，应用了噪声去除方法[27]及欧空局提供的噪音向量以降低影像中的加性和乘性噪音，对比应用该方法前、后的风场结果（图7），发现各子条带之间的风场反演结果得到了极大改善，尤其是在第1和第2子条带之间的高风速结果得到了有效优化，第1条带内的东西向的条形结果也得到了有效去除.此外，背景噪音也会对反演结果造成影响，如目前采用的交叉极化模型多是基于Radarsat-2和Gaofen-3数据提出的，而Radarsat-2数据（如双极化扫描模式产品，约–29dB）拥有优于Gaofen-3数据（如宽幅扫描模式产品，优于–22dB）和S-1数据（如IW模式产品，约–23dB）的背景噪音水平.由于海表同極化后向散射信号要强于交叉极化信号，背景噪音水平对同极化数据影响较小，但对交叉极化数据影响较大，尤其是在海表风速较小时，这也导致在将基于Radarsat-2提出的C2014Z、C2014V和C-3PO（图4（e）—（g））模型直接应用于S-1交叉极化数据时会出现不合理的低风速结果，这也是本文反演小于20m/s的台风风速时未采用交叉极化模型的原因.因此，未来可以应用本文采用的针对哨兵1号SAR数据提出的类似噪音去除方法，开发适合S-1交叉极化数据的反演模型，改善基于S-1卫星数据的风速反演效果.

如表2所示，交叉极化模型获得的“海高斯”的最大风速与CRA的较为接近，但在最大风速达到45m/s的“莫拉菲”的风速估算上存在一定误差，除模型导致的误差外，这可能与台风期间伴随的强降水导致的C波段SAR回波信号的减弱有关[33-35].Alpers等[34]基于15年以上的实验及观测结果发现，当风速小于10m/s时，降雨会导致C波段海表雷达后向散射信号增强;当风速大于10m/s时，降雨会降低雷达信号强度.因此，对于台风的不同区域，其反演精度可能也会存在差异.如在台风眼区，风速和降雨量较小，通过同极化数据能够获得较好的风速反演结果;在云墙区，风速和降雨量最大，受到两者的双重影响，误差可能最大;而对于螺旋雨带区，其风速和降雨强度会介于台风眼和云墙区之间，其反演精度也会介于两者之间.今后，需要搜集更多的台风期间的实测数据，增加对台风不同区域风速估算误差的分析研究，并在交叉极化GMFs中引入降雨的贡献以提高对台风风场的反演精度.

5结论与展望

本文以哨兵1号SAR数据的交叉极化影像为数据源，应用噪音向量和噪音去除方法对EW模式影像进行了预处理，影像中的加性和乘性噪音得到了有效去除，各子条带之间的扇状效应也得到了很大改善.利用2011—2021年10年来开发的C-2PO，C-3PO及QPS-CP等7种交叉极化模型对2020年的“海高斯”和“莫拉菲”两个台风的风场进行估算，结果表明，C-3PO模型在高风速反演方面能够获得较小的相对误差，且与ECMWF模型以及S-1二级海洋风场产品相比，能够在台风眼附近获得较为合理的对称风场结构.与风场产品的比较发现，交叉极化模型在中低风速的估算上存在一定误差，通过与已有风场产品的融合，可以兼顾同极化和交叉极化SAR数据的优势，很好地再现台风外部中低风速以及内部的海表面高风速结构.

交叉极化的SAR数据在高风速研究方面具有极高的价值，但目前的交叉极化模型在反演风速时仍存在一定的问题，如在本研究中需要与同极化产品进行融合以获得较为可靠的中低风速信息，未来需要对基于S-1交叉极化数据的GMFs进行优化.另外，在轨SAR卫星数量较少导致很难实现对同一个台风的多次重复观测，这极大地限制了SAR数据在台风监测与预报方面的应用.目前，国内已批准及正在规划一系列的SAR卫星任务，尤其是低成本的小卫星星座计划，如已于2020年12月发射首颗轻小型SAR卫星的厦门大学“海丝”卫星星座计划[36]，有望为台风等海洋观测和研究提供更短的重访周期以及更高分辨率的SAR观测数据，这也将加强和提高SAR卫星遥感在应对诸如台风“海高斯”和“莫拉菲”这类极端灾害事件的能力.