多源衛星融合的廣東海域海面風場特征

唐煥麗，姚琴，呂曉瑩，楊名名，王婧

(1.廣州市增城區城鄉規劃與測繪地理信息研究院，廣州 511300；2.國家海洋局空間海洋遙感與應用研究重點實驗室，北京 100081；3.廣東省海洋發展規劃研究中心，廣州 510220；4.廣東航天宏圖技術有限公司，廣州 511400)

0 引言

海面風場(sea surface wind，SSW)是海洋學的重要物理參數之一，它是海洋上層運動的主要動力來源[1-2]，與海洋中幾乎所有的海水運動直接相關。在海洋動力過程中，它不僅是形成海面波浪的直接動力，而且是影響區域和全球海洋環流的關鍵性因子。同時，海面風場對海面溫度、全球生化過程和水文循環等也有重要影響，可調節海/氣之間的熱量、水汽和物質交換，維持著區域與全球的氣候，更是氣象預報的必要參數[3]。此外，海面風場對海事航行、海洋工程、海洋漁業等有直接影響[4-6]。相比于傳統海面風場觀測方法(如浮標、考察船、大洋航行船只、驗潮站)，遙感技術為海面風場的監測提供了一個嶄新的技術手段[7]。衛星遙感具有空間分辨率高、覆蓋范圍廣、費用低廉等優點，能夠實現大范圍、準同步、長時間、實時或準實時地觀測，滿足動態長期的區域以及全球海洋參數觀測和分析的需求，加強衛星遙感風場的應用研究對提高海面風場的預報水平具有重要的意義[4，8]。

在衛星遙感風場研究方面，相繼發射的SeaSat、QuikSCAT、MetOp-A、MetOp-B等衛星提供了豐富的數據源。我國第一顆海洋動力環境探測衛星“海洋二號”A星(HY-2A)于2011年8月成功發射，實現了我國業務化監測和全球海洋動力環境參數的自主遙感探測[6，8-9]。然而，單一衛星對某一區域的過境次數最多為一天兩次，多源衛星數據的設計參數往往不一致。海面風場融合研究旨在將不同時空分辨率、不同獲取方式的海洋衛星風場數據、各類氣象模式風場資料等整合在一起，得到時空分辨率較高、覆蓋較完整、結果值較接近真值的融合產品。海面風場為一種時空變量，這決定了其時空分布上具有較強的相關性和連續性。已有研究表明，在空間觀測值信息中引入時間變量可提高融合精度[10-16]。然而大部分時空融合算法較為復雜，執行效率較低，在業務推廣方面具有一定局限性。

我國“海洋二號”衛星散射計風場在解析中小尺度風場變化方面具有明顯優勢，具備覆蓋范圍較廣、分辨率高等特點[17]。許多學者已將HY-2衛星數據與國內外其他海洋數據結合，探討其在臺風監測、海上天氣系統分析、特定海域的海洋動力參數分析等方面的應用[8，12-13，18-19]。Yu等[20]以2012年襲擊韓國的Bolaven臺風為例，探討HY-2A在三維變分同化系統中對天氣研究與預報模型(WRF 3DVAR)的影響，結果表明HY-2A衛星數據有效補充海洋表面觀測數據，提高臺風風場和壓力場的預測率。苗春生等[18]運用局地分析和預報系統(local analysis and prediction system，LAPS)將HY-2衛星海面風場資料進行融合處理，融合產品改善了衛星掃描區的空間覆蓋率在時空上的多變性，提供了可進行物理量診斷計算的經緯度網格區域場，滿足了專業分析和研究對資料的要求。齊亞琳等[12]采用時空權重插值法對HY-2散射計海面風場和美國國家環境預報中心(National Centers for Environmental Prediction，NCEP)風場進行融合，使得數據改善明顯，并且可用于中、大尺度的海洋現象探討研究中。但是，MetOp-B與HY-2A的風場融合研究仍較少。

此外，學者對廣東附近海域的海面風場研究關注度較低。廣東作為海洋大省，海洋資源豐富，海洋經濟已為國民經濟社會發展的重要增長極。同時，該省每年遭受的海洋災害也最為嚴重，據統計[21]，2013—2017年，廣東海洋災害直接經濟損失總額高達227.32億元人民幣，2013、2014、2017年這三年的經濟損失均居全國首位。在各類海洋災害中，風暴潮災害造成的損失最為嚴重，每年均高于95%。針對廣東附近海域的海面風場研究迫在眉睫。

因此，本文以HY-2A風場數據為基礎，結合MetOp-B風場數據，以浮標觀測數據作為結果驗證依據，探討快速可行的時間空間融合算法；在此基礎上，分析融合風場的臺風捕捉能力，討論臺風對廣東附近海域海面環境的影響，海面風場參數的時空分布及變化規律。

1 海面風場數據和融合方法

1.1 海面風場數據

HY-2A、MetOp-B均為近年發射的在役海洋衛星，可分別提供2012、2013年至今的海面風場資料，適用于對近年來的海面風場環境研究。

HY-2A衛星風場資料是由我國國家衛星海洋中心提供的衛星散射計海面風場，為經處理的二級產品資料，空間分辨率為25 km×25 km，數據為HDF格式。HY-2A衛星微波散射計主要用于全球海面風場觀測[22]，測量的風速范圍為4～24 m/s，風速精度為2 m/s或10%；風向測量范圍為0～360°，風向精度為±20°。蔣興偉等[9]指出HY-2A衛星微波散射計是目前世界上在軌運行的唯一具有24 h內可以覆蓋全球90%以上的海域面積能力的海洋遙感衛星。

2013年4月24日，歐洲航天局(European Space Agency，ESA)和歐洲氣象衛星開發組織(European Organisation for the Exploitation of Meterological Satellites，EUMESAT) 聯合發射的MetOp-B代替MetOp-A作為主要的業務觀測衛星，其提供的海面風場數據產品風速精度為2 m/s，風速范圍為0～50 m/s，但風速大于25 m/s后精度下降，本文使用的MetOP-B風場數據空間分辨率為12.5 km。

1.2 海面風場數據融合方法

為了充分發揮和整合兩衛星數據的優勢，實現快速提高數據覆蓋面，并保持數據的觀測精度，通過實驗，本文采取以下融合方法：

1)時間窗口的選擇。為了保證HY-2A和MetOp-B融合的精度和匹配風場的數據量，參照張婷等[23]研究將數據融合時間窗口設置為30 min，以使得匹配到的數據能準同步覆蓋廣東附近海域。

2)匹配數據融合處理。時間差在30 min內的HY-2A數據和MetOp-B數據，空間位置一致的取平均值作為融合后的風矢量；由于HY-2A對目標海域的覆蓋度明顯優于MetOp-B，同時為了保持融合數據精度，本實驗以其為主要觀測數據，相同位置HY-2A和MetOp-B數據時間差超過30 min，則將HY-2A數據作為該位置的風矢量。如當前位置只存在一種數據，則融合風矢量取該數據觀測值。為實現風速和風向的融合，實驗將風矢量分解為緯向風速和經向風速，分別進行融合處理。

經向風速、緯向風速分解公式如下：

(1)

(2)

式中：spd表示散射計風速；dir表示散射計風向；u表示分解后的緯向風速；v代表分解后的經向風速。

最大風速海面風矢量是海面風場，尤其是臺風研究中的重要參數之一，為保證風向在插值前后保持一致，插值過程中，選用了格網中最大的徑向風和緯向風計算風矢量。融合公式如下：

U=MAX(ui) (i=1，2，3，…)

(3)

V=MAX(vi) (i=1，2，3，…)

(4)

(5)

(6)

式中：U表示空間格網中最大緯向風速；V表示空間格網中最大經向風速；ui表示空間格網中所有緯向風速；vi表示空間格網中所有經向風速；SPD表示融合后的網格最大風速；DIR表示融合后的網格風向。

1.3 融合結果及驗證

本實驗獲取了2016年10月20日HY-2A全球風場、MetOp-B全球風場數據，原始數據分別為.h5、.nc格式，需要根據兩類數據格式和實驗需要進行風速矢量觀測值提取、建立格網、空間插值等預處理，再進行數據融合。具體過程如圖1所示。

圖1 融合過程圖

1)空間重采樣，實現空間分辨率統一。為了解決HY-2A與MetOp-B風場數據空間分辨率不一致的問題，在進行風場融合之前，對HY-2A和MetOp-B數據分別進行空間重采樣。本次融合實驗數據為全球尺度，因此按照0.25°×0.25°劃分全球網格，將HY-2A和MetOp-B數據分別插值到該空間格網中。

空間重采樣空間網格轉換公式如下：

X=(Lon+0.125)/0.25

(7)

Y=(Lat+90.125)/0.25

(8)

式中：X為經轉換后散射計風速在空間網格中的行號；Y為經轉換后散射計風速在空間網格中的列號；Lon為沒有轉換前散射計風速的經度；Lat為沒有轉換前散射計風速的緯度。

采用均值內插的方法分別對HY-2A和MetOP-B經向風和緯向風數據進行插值，公式如下：

(9)

(10)

式中：ui表示每個單元格中的緯向風速；u’表示取均值后的緯向風速；vi表示每個單元格中的緯向風速；v’表示取均值后的緯向風速；n表示每個單元格中包含的原始風矢量個數。

2)數據時空匹配，實現源數據觀測值融合。采用本實驗設計的時空融合方法，分別對重采樣后的HY-2A與MetOp-B緯向風速和經向風速進行時空匹配，完成兩數據的融合處理。圖2～圖4為融合前后全球風場分布圖。對比圖可知，HY-2A一天的覆蓋率明顯高于MetOp-B，但仍無法實現一天數據的全球覆蓋；MetOp-B數據主要在0°W～45°W和90°E～135°E范圍內，對HY-2A數據進行了很好的補充；廣東附近海域位于90°E～135°E范圍內，融合后數據覆蓋比例較大，選擇這兩類數據作為融合數據源合理。

圖2 2016-10-20 HY-2A全球風場分布圖

圖3 2016-10-20 MetOp-B全球風場分布圖

圖4 2016-10-20融合HY-2A與MetOp-B的全球風場分布圖

3)融合結果驗證。本文采用TAO/TRITON陣列浮標風場觀測數據來驗證融合效果。來自美國國家數據浮標中心(National Data Buoy Center，NDBC)的TAO和日本海洋地球科學和技術局(Japan Agency for Marine-Earth Science and Technology，JAMSTEC)的TRITON系泊設備的數據統稱為TAO/TRITON陣列，該陣列浮標主要對太平洋赤道及熱帶地區進行觀測，可提供包括海面風矢量、海表溫度、大氣溫度、相對濕度、長波輻射、短波輻射等多種海洋氣象數據，每10 min進行一次觀測，可提供5 d平均及月平均的海洋氣象數據產品。

為了獲取足夠數量的驗證樣本，保證驗證的可靠性，本文獲取該陣列的64個浮標每10 min觀測的海面風數據，包括風速與風向信息。浮標的覆蓋范圍為太平洋熱帶區域的110°W至136°E、10°N至10°S海面，位置分布如圖5所示。將這些浮標數據與融合數據進行時空匹配確定驗證樣本，即以同一位置浮標數據時間與融合數據時間相差在30 min以內視為同步的原則，選取驗證樣本。

圖5 用于驗證的TAO/TRITON陣列浮標位置分布圖

分別計算匹配風速和風向的標準誤差，平均誤差，公式如下：

(11)

(12)

(13)

(14)

式中：Ebias-spd表示風速平均誤差；δspd表示風速標準誤差；n1表示匹配風速樣本個數；wsi表示融合風速；wmi表示浮標風速；Ebias-dir表示風向平均誤差；δdir表示風向標準誤差；n2表示風向匹配樣本個數；Φsi表示融合風向；Φmi表示浮標風向。

通過匹配，驗證樣本數為341個，二者之間風速平均誤差為0.103 2 m/s，風速標準誤差1.979 3 m/s，風向平均誤差1.556 6°，風向標準誤差10.426 2°。由此可見，融合風速和風向具有較好的精度。

2 海面風場融合應用分析

本文選取廣東附近海域(WN：27°00′N，106°E；EN：27°00′N，125°00′E；WS：13°00′N，106°E；ES：13°00′N，125°00′E)為應用分析區域，探討融合數據的臺風捕捉能力，以及研究區月、旬風場應用分析效果。

2.1 臺風捕捉

2016年第22號臺風“海馬”(強臺風級)為當年對廣東影響最為嚴重的一次臺風，其影響范圍包括粵東-珠三角大部分城市，如汕頭、梅州、惠州、汕尾、潮州、揭陽等市，造成的直接經濟損失高達7.59億元，占全年臺風風暴潮災害直接經濟損失的81.96%，占全年各類海洋災害造成直接經濟損失的78.82%[24]。該臺風中心于10月21日中午12點40分前后在廣東省汕尾市登陸。因此，本文采用2016年10月20日HY-2A(圖6)與MetOp-B(圖7)風場數據，通過數據融合捕捉“海馬”臺風，分析該臺風對研究區域海面環境的影響，融合結果如圖8所示。

圖6 HY-2A風場

圖7 MetOp-B風場

圖8 融合風場

融合結果表明：

①HY-2A數據未能發現臺風的蹤跡，數據只能反映粵西地區海面環境狀況。

②MetOp-B數據顯示，當日臺風中心主要位于20°N，117°E區域，即廣東粵東區域東南部海域，由此推測該臺風對粵東地區、福建南部地區都存在潛在威脅。受衛星軌跡的影響，臺風中心的西南部數據缺失，無法很好地反映珠三角及粵西當日的海面環境狀況。

③HY-2A/MetOp-B融合結果，將兩數據的優勢進行了很好的互補，在反應臺風中心當前位置的同時，較為完整地體現“海馬”臺風對粵東至粵西周邊海域風速和風向的影響。經統計，研究區域內當日最大風速為31.8 m/s，主要風向為西北風，粵東地區風速明顯高于粵西，珠三角-粵東地區為主要潛在威脅區域，該區域要重點做好臺風防御準備工作，加強對海域活動控制。

2.2 上、下旬及月份風場產品分析

2016年10月是廣東附近海域受臺風影響較為嚴重的一個月，當月15日前后至20日前后，廣東先后遭受21號臺風“莎莉嘉”和22號臺風“海馬”的影響，其中，1621“莎莉嘉”造成直接經濟損失0.47億元，主要受災地區為湛江。

對2016年10月HY-2A和MetOp-B風場數據融合結果進行統計分析：①10月上旬，研究區域風速為0～38.5 m/s，平均風速為8.1 m/s；②10月下旬，研究區域風速為0 ～44.1 m/s，平均風速為8.9 m/s，最大風速和平均風速均高于當月上旬，最大風速出現在臺風進入研究區域期間，最小風速出現在月底，即臺風過境后；③全月風速為0～44.1 m/s，平均風速為8.4 m/s。臺風在19日前后對研究區域的海面環境影響較大。

表1 2016年10月HY-2A/MetOp-B融合風場月、旬產品統計表

3 結束語

本文通過對HY-2A、MetOp-B提供的風速和風向數據進行時空融合，融合結果有效地彌補了2種衛星數據的覆蓋盲區，獲取空間分辨率為0.25°×0.25°、時間差控制在30 min以內的融合風場數據。浮標驗證結果表明，融合得到的風場數據與浮標觀測風場數據較為一致，風速和風向的融合精度較好。在此基礎上，本文開展了融合產品應用分析研究，采用此融合方法成功捕捉了1622號臺風“海馬”，獲取當日該臺風對粵東至粵西全廣東附近海域的海面風場的狀況，為海洋預報奠定工作基礎，為潛在威脅區域的海洋防災減災策略的制定提供數據支撐。2016年10月HY-2A和MetOp-B風場數據的融合結果，較為全面地反映研究區域在當月上下旬及整個月份的海面風速情況，受臺風影響，下旬最大風速均高于上旬，平均風速高于上旬及月平均風速。這為臺風過境前后研究區域的海洋動力環境研究提供借鑒。