亮溫擬合模型在南海海表鹽度反演中的應用

鄧 廣，李洪平

（1.中國海洋大學 信息科學與工程學院 海洋技術系，山東 青島 266100）

亮溫擬合模型在南海海表鹽度反演中的應用

鄧 廣1，李洪平1

（1.中國海洋大學 信息科學與工程學院 海洋技術系，山東 青島 266100）

由于當前SMOS反演算法中的正演模型并不完善，SMOS反演鹽度在南海的精度非常低。基于此，利用SMOS衛星L2數據的海水表面鹽度反演軟件L2OS輸出原始反演鹽度所模擬的亮溫和代入HYCOM鹽度數據所模擬的亮溫建立回歸模型，同時反演南海海域的鹽度，并與HYCOM、實測數據進行比較。結果表明，使用該方法建立的新模型能有效減小SMOS在南海特定時間反演鹽度的誤差。

SMOS；海水表面鹽度；反演模型；南海；亮溫

海水表面鹽度是研究海洋和全球水循環以及氣候變化的重要因子，采用衛星遙感對其進行全球與全天候的定量數據獲取越來越受到人們重視。歐洲空間局研發的土壤濕度與海洋鹽度（SMOS）衛星于2009年發射成功，首次實現了全球特定時空分辨率的海表鹽度數據衛星遙感觀測，現已成為鹽度研究的重要數據來源。SMOS反演精度目標是10 d的200 km×200 km或30 d的100 km×100 km內要達到0.1 psu的精度[1]；然而在一些特定海域，SMOS反演鹽度遠沒有達到宣稱的精度目標。在南海海域，SMOS反演的鹽度精度差強人意[2-3]；且通過SMOS反演軟件L2OS發布網站中提供的L2數據也可發現，無論是經質量控制后的單條帶L2數據還是多天平均的全球L2數據，亦或巴塞羅那專家中心發布的由L2生成的L3數據[4]，在南海地區都因反演的數據質量達不到精度要求而被剔除，留下大量空白區域，導致SMOS反演的鹽度在南海海域的實用性大大降低。

由于當前SMOS反演算法中的正演模型并不完善，其中海面粗糙度模型等都不是最準確的[1,5]；且用于反演的（如風速、波浪高度等）輔助數據自身的精度誤差也會導致正演模型模擬的亮溫誤差[1,6]。另外，受無線電頻率干擾（RFI）的影響，SMOS反演鹽度在南海的精度非常低；但因RFI成分的復雜性，目前在SMOS反演算法中并沒有加入RFI的修正方法[1,7]，因此導致正演模型所模擬的亮溫并不是準確的海表輻射亮溫，其準確度決定了SMOS反演鹽度的精度。綜上所述，通過對亮溫進行建模以修正正演模型的方法具有較強科學性與可行性，對于提高SMOS反演精度具有重要意義。

1 數據來源和處理

1.1 SMOS數據

研究區范圍是0°～25°N，105°～125°E的南海海域。用于亮溫擬合建模的L1C和ECMWF數據均為全極化數據，包括2013年5月所有研究區內的升軌降軌數據，共65幅。為了驗證新模型的準確度，采用2012 年4～6 月的SMOS數據，以保證驗證結果的合理性；因驗證還需利用浮標實測的數據，經數據匹配后，最終采用2012 年4月17日20點、22點，4月18日、24日、26 日、27日、29日，5月4日、7日、11日、13日、21 日以及6 月1 日共13幅經過研究區的數據作為驗證數據。

1.2 混合坐標海洋模式數據

為了用正演模型相對精確地模擬海表輻射亮溫來建模，以及驗證新建模型反演的鹽度精度，還需利用混合坐標海洋模式（HYCOM）所模擬的海表鹽度數據。HYCOM具有1/12°的高空間分辨率和1 d的時間分辨率，且數據量足以覆蓋整個南海，具有大面積連續性，不會在海岸和島礁附近產生大量空白區域。

1.3 浮標實測數據

本文還使用了46個浮標實測數據，分布在南海不同的經緯度位置，在2012年4～6月間，每隔3 h測量一次海水壓力、溫度、鹽度和密度數據。

1.4 數據處理

在L2OS軟 件 中 找 到Forward Model和Main Processing模塊中對應的C語言文件，編寫程序并運行L2OS軟件[8-9]。將2013年5月每幅數據中有效反演的網格點，按照每次測量不同的入射角順序輸出網格點編號、經度、緯度以及入射角，共計31 515 299條記錄；然后依次是由3個海面粗糙度模型反演的海表鹽度、風速，由正演模型模擬的轉換到天線坐標系后的亮溫，包括水平（TBh）和垂直（TBv）兩種極化方式。為了比較分析原始模型和新模型所反演的鹽度精度，將用于驗證的2012年4～6月數據也以同樣方式輸出，存儲為文本文件。

將HYCOM數據按照相應時間和空間距離最近的方式與L2OS中的反演網格點進行匹配，將L2OS原始反演的SSS替換為HYCOM對應時間和網格點的鹽度，其他反演參數（如風速、海溫等）保持不變，利用L2OS中的正演模型重新模擬亮溫。按照之前同樣的方法和格式輸出2013年5月的各項數據。

2 擬合亮溫建立新模型

2.1 簡單線性擬合建模

選取部分網格點中，不同入射角下HYCOM鹽度模擬的亮溫和SMOS原始反演鹽度模擬的亮溫進行對比。由圖1可見，無論何種海面粗糙度和極化方式，HYCOM模擬亮溫和SMOS鹽度模擬亮溫之間都存在相當明顯的線性關系。這些亮溫是正演模型模擬的計算鏈上最頂層的亮溫，綜合考慮正演模型運算中所有的誤差信息，采用該亮溫擬合建模最能反映正演模型的誤差水平，能最直接有效地修正正演模型，更具綜合性與全面性。

圖1 SMOS鹽度模擬亮溫與HYCOM鹽度模擬亮溫比較圖

根據圖1中反映的線性關系，對兩組亮溫進行簡單線性擬合，并建立一元線性回歸模型，建模公式為：

式中，x為SMOS鹽度模擬的亮溫；y為HYCOM鹽度模擬的亮溫；a、b為模型參數。擬合結果見表1。

表1 簡單線性擬合結果表

從表1可知，相關系數R和決定系數R2均較大，表明SMOS鹽度模擬亮溫和HYCOM鹽度模擬亮溫間的相關性很強，線性擬合程度較高。

2.2 按風速分段線性擬合建模

SMOS反演算法中海面粗糙度模型的不準確對模擬亮溫精度的影響較大，而風速又是影響粗糙度的主要因素。將2012年的13幅數據，按風速劃分為0～1 m/s、1～2 m/s等區間，大于20 m/s的劃為一個區間；在不同風速下，計算SMOS反演的原始鹽度相對于HYCOM的均方根誤差（RMSE）。

圖2 不同風速下SMOS鹽度相對于HYCOM鹽度的RMSE

從圖2可知，無論哪種粗糙度模型，SMOS反演鹽度的誤差大體隨風速增大而增大，特別是大于10 m/ s后，趨勢更顯著，說明風速是影響反演精度的重要因素。因此，本文以1 m/s風速為間隔，選取對應風速區間內的原始模擬亮溫與HYCOM模擬亮溫進行分段線性擬合，創建了適用于不同風速的21個線性回歸模型。

2.3 按經緯度分段線性擬合建模

據前人研究，RFI是影響SMOS反演精度的重要因素，且在南海有非常強的地域性[3,7]，因此本文分別按照經緯度的不同，以1°經度、緯度為單位，劃分了20個經度和25個緯度區間，計算SMOS反演鹽度相對于HYCOM的RMSE（圖3、4）。

根據相關學者研究，RFI源主要分布在南海北部，特別是珠三角與臺北等地，且距RFI源越近受其影響越大[3,7]。由圖3、4可知，無論哪種粗糙度模型，SMOS反演鹽度誤差基本隨緯度的增加而增大，即越靠近南海北部反演精度越低；在經度上的趨勢雖表現得不太規律，但在115°～118°和124°的經度內RMSE有明顯的峰值，恰好是珠三角與臺北等地附近所在的經度，說明這些經度內反演的鹽度誤差較大，與前人研究結果相吻合；因此受RFI影響，SMOS反演精度在南海具有強地域性。按經緯度不同，為方便計算，以5°經度、緯度為間隔，本文選取對應經緯度范圍內的原始模擬亮溫與HYCOM模擬亮溫，按上述方式進行分段線性擬合，創建了適用于不同經緯度的20個線性回歸模型。

圖3 不同經度內SMOS鹽度相對于HYCOM鹽度的RMSE

圖4 不同緯度內SMOS鹽度相對于HYCOM鹽度的RMSE

3 建模結果比較與分析

將新模型代入L2OS中進行反演，并按前述方式和格式輸出鹽度等各項數據[8-9]。因受諸多因素影響，L2OS會反演出不屬于鹽度數值正常范圍的異常值，所以在數據比較時會對反演鹽度進行篩選，考慮南海海域通常的鹽度數值范圍后，本文取30～40 psu的鹽度作為有效反演值。

3.1 RMSE分析

以單幅SMOS數據為單位，求取SMOS原始反演鹽度和3種新模型代入后反演的鹽度相對于HYCOM鹽度的RMSE。

圖5中橫坐標表示2012年4～6月的13幅數據；深淺不同的黑色、綠色、紅色、藍色的3條線分別代表在3個海面粗糙度下SMOS原始的、簡單線性模型的、風速模型的、經緯度模型反演的鹽度RMSE。可以看出，無論哪種粗糙度模型，用新模型反演的鹽度數據均比SMOS原始反演的更接近HYCOM，精度更好。

圖5 不同模型反演鹽度相對于HYCOM鹽度的RMSE

表2為13幅數據求取相對于HYCOM鹽度的RMSE，無論是否篩選鹽度異常值或采用哪種海面粗糙度，3種新模型所反演的鹽度精度都要優于SMOS原始反演精度。

表2 綜合13幅數據的RMSE表

表3為13幅數據求取相對于浮標實測鹽度的RMSE，可以看出，3種新模型所反演的鹽度精度均優于SMOS原始反演精度。

表3 相對于浮標實測鹽度的RMSE表

3.2 平均絕對誤差分析

將13幅驗證數據用各模型反演，并經30～40 psu鹽度的篩選后，以0.25個經緯度網格為單位，對落入其中所有時間的有效反演網格點計算各模型反演鹽度在該單位網格內相對于HYCOM的平均絕對誤差（MAE），并以海面粗糙度1為例，畫出各模型反演鹽度MAE空間分布圖。

圖6中所有MAE色標都已統一，SMOS原始反演鹽度MAE較大，許多網格都在2以上，特別是南海北部，呈現大片綠色和黃色甚至紅色；而使用3種新模型反演的MAE均較小，多數網格都在2以下，整個南海幾乎均為藍與綠色，特別是經緯度模型的MAE在許多網格甚至都在1以下，幾乎都為藍色；直觀證明了使用3 種新模型反演的鹽度誤差均小于SMOS原始模型反演誤差，精度較高。

表4、5是綜合了13幅數據的MAE結果，反映了圖6整幅圖的平均誤差水平，結果與RMSE類似，新模型所反演的精度均優于SMOS原始反演。

圖6 不同模型反演鹽度的MAE空間分布圖

表4 綜合13幅數據的MAE表

表5 相對于浮標實測鹽度的MAE表

3.3 誤差標準差（STD）分析

使用各模型對所有數據反演，并經過鹽度篩選后，求各模型反演鹽度相對于HYCOM的絕對誤差，畫出絕對誤差頻率分布直方圖。

由圖7可知，無論哪種粗糙度模型，SMOS原始反演的誤差分布都較分散，大多在-2、-1和0附近；而3種新模型的誤差分布均較集中，大多在0附近，說明新模型反演鹽度大多接近于HYCOM。值得一提的是，所有模型的誤差分布在負數部分要比正數部分多，即各模型反演的鹽度可能會比HYCOM鹽度小。

圖7 不同模型反演鹽度的絕對誤差頻率分布直方圖

表6 綜合13幅數據的STD表

表7 相對于浮標實測鹽度的STD表

表6、7是綜合了13幅數據的STD結果，分別反映各模型反演相對于HYCOM和浮標實測鹽度誤差的離散程度。無論采用哪種粗糙度和篩選鹽度異常值與否，新模型的STD都比SMOS原始反演的更小，即新模型誤差分布更集中。結合圖7分析可知，新模型的誤差都集中在0附近，更直觀地說明了新模型反演結果比SMOS原始反演的誤差更小，精度更好。

從以上RMSE、MAE和STD的分析結果來看，盡管采用不同粗糙度反演的結果略有差異，但多數情況下經緯度模型優于風速模型和簡單線性模型。

4 結 語

通過亮溫擬合創建新模型來修正正演模型的方法，可有效減小SMOS在南海特定時間反演的海表鹽度誤差，提高反演精度。相比需要多種專業知識來分別對正演模型中的各個子模塊進行理論修正，這種方法更簡單方便、易操作，結果也更直觀，具有說服力。該方法不僅能有效提高SMOS在南海反演鹽度的精度，也在正演模型和亮溫模擬的層面上，為進一步提高L2數據的反演精度提供了一種嶄新的思路與嘗試。

[1]陳建,張韌,安玉柱,等.SMOS衛星遙感海表鹽度資料處理應用研究進展[J].海洋科學進展,2013,31(2):295-304

[2]REN Y Z, DONG Q, HE M X. Preliminary Validation of SMOS Sea Surface Salinity Measurements in the South China Sea[J]. Chinese Journal of Oceanology and Limnology,2015,33(1):262-271

[3]王新新,楊建洪,趙冬至,等.SMOS衛星鹽度數據在中國近岸海域的準確度評估[J].海洋學報,2013,35(5):169-176

[4]SMOS-BEC Team. SMOS-BEC Ocean and Land Products Description[Z]. Barcelona: the SMOS Barcelona Expert Center,2015:1-22

[5]YIN X B,Boutin J,Martin N,et al. Validation of SMOS Measurements over Ocean and Improvement of Sea Surface Emissivity Model at L Band[C].IEEE Geoscience and Remote Sensing Symposium (IGARSS), 2011 IEEE International, Piscataway,2011:2 021-2 024

[6]YIN X B, Boutin J, Martin N, et al. Errors in SMOS Sea Surface Salinity and Their Dependency on a Priori Wind Speed[J]. Remote Sensing of Environment,2013,146(5):159-171

[7]王新新.基于微波輻射計的南海海表鹽度遙感算法研究[D].大連:大連海事大學,2013

[8]SMOS Team. SMOS L2 OS Algorithm Theoretical Baseline Document[Z]. Paris:European Space Agency,2014

[9]SMOS Team. SMOS L2 OS Detailed Processing Model[Z]. Paris:European Space Agency,2014

P237

B

1672-4623（2017）07-0009-05

10.3969/j.issn.1672-4623.2017.07.003

鄧廣，碩士研究生，研究方向為海洋遙感。

2016-04-14。

項目來源：國家高技術研究發展計劃資助項目（2013AA09A506-4）。