基于微波多載荷優勢互補的海面風場聯合反演方法研究

萬 勇，劉 燕

（中國石油大學（華東）海洋與空間信息學院，山東 青島 266061）

海面風場作為重要的海浪動力過程之一，影響著海浪的產生及海流的運動，對上層海洋過程和海氣界面之間的物質和能量交換有重要作用[1]。作為與人類活動最直接相關的海洋現象，全面系統的海面風場觀測對海洋科學研究、防災減災和國防建設等都具有重要意義。目前海面風場的觀測方式主要有3種：現場觀測、數值預報和遙感觀測。現場觀測是最早觀測海面風場的手段，可以獲取準確的海面風場信息，但無法實現大面積的實時海面風場觀測[2]。隨著海洋技術的不斷發展，大范圍空間域多方式融合的數值預報模式也隨之出現。由于其本身是一種數值計算的結果，其精度會受到驅動風場的準確性、初始條件的設定和水深等諸多條件的影響。微波遙感技術的發展為風場觀測提供了一種全新的手段，散射計首先被應用于海面風場觀測，可以獲得大面積的風場數據，SAR具有空間分辨率高的優勢，不受光照和天氣條件影響，隨之波譜儀也由觀測海浪信息逐漸發展為可以探測風場信息。

使用散射計反演海面風場最早可以追溯到1978年美國國家航空航天局發射了搭載有散射計SASS（Seasat-A Satellite Scatterometer）的海洋資源衛星Seasat。目前，散射計風場反演涉及地球物理模型函數、風場反演算法、風場模糊解去除方法的研究。對于地球物理模型函數，1997年STOFFELEN A[3]、1999年WENTZ F等[4]分別基于C波段和Ku波段散射及散射計觀測發展了一系列CMOD（C-band Model）模型函數。對于風矢量反演，1984年PIERSON J[5]、2006年宋新改等[6]先后提出了最大似然估計、多解反演等反演方法。對于模糊解去除，1986年LORENC A C[7]、1991年SHAFFER S J等[8]發展了中值濾波和二維變分分析等方法。基于散射計的風場反演，研究發現，地球物理模型同樣可以應用于SAR的風場反演。由于SAR的觀測方位角是固定的，無法在短時間內對同一海面單元進行多次觀測，因此對于單極化的SAR風場反演，需要首先獲取風向，然后再利用CMOD模型函數計算風速。風向獲取主要有兩種方法：一是SAR風條紋反演，風吹動海面使SAR圖像呈現出明暗相間的黑白條紋，如傅里葉變換法、局部梯度法等[9]；二是利用散射計和再分析數據等輔助資料直接獲取風向信息[10]。海洋波譜儀利用測量得到的海面后向散射系數來反演得到海浪方向譜。對于其天底點的σ0，與風速大小有關，與風向的相關性很弱，參考高度計反演風速的基本原理，選取入射角為0°的波束來反演風速信息。針對波譜儀的風向反演，2000年HESANY V等[11]通過分析飛艇探測到的10°的σ0數據發現當風速在6 m/s以下時，σ0隨風向變化較為明顯，這證明入射角在10°附近時σ0存在不對稱性。2019年黎鵬[12]利用中法海洋衛星攜帶的SWIM（Surface Waves Investigation and Monitoring）數據成功使用0°波束反演得到風速信息，10°波束得出風向信息。

海面風場可以通過海洋波譜儀、SAR和微波散射計等微波遙感器中的單一或多手段獲取。單星單載荷無法克服儀器本身缺陷引起的觀測問題，會引起數據測量的局限性。散射計反演風場空間分辨率低，SAR反演風場需要外部風向信息的輸入，波譜儀反演風向存在無法區分順風向是0°還是180°的情況。基于上述單載荷風場反演存在的問題，本文利用南海區域中現有的哨兵一號SAR圖像、MetOp散射計數據，以及SWIM波譜儀數據來反演中國南海區域的海面風場，相互借助各自風場信息實現3種載荷的兩兩聯合風場反演，波譜儀和散射計分別與SAR聯合為其提供風向，實現SAR的風場反演，得到高分辨率的風場信息，散射計與波譜儀相互聯合為波譜儀去除風向模糊，得到無模糊的風向結果，解決了現有的單載荷反演風場存在的問題。同時判斷聯合風場各自的反演精度，為實現區域大范圍高精度風場研究做準備。

1 研究區域與數據源

本研究利用Sentinel-1 SAR圖像、MetOp散射計數據和SWIM波譜儀數據反演中國南海區域的海面風場，并利用ECWMF（European Centre for Medium-range Weather Forecasts）風場數據對反演結果進行驗證。研究區域及使用數據介紹如下。

1.1 研究區域及數據分布

南海是亞洲三大邊緣海之一，是西北太平洋最大的邊緣海，地跨熱帶與副熱帶，是我國最大的海域之一，是“21世紀海上絲綢之路”的關鍵區域，而且該區域蘊含豐富的海洋資源，也是國際運輸的重要區域。在氣候上南海具有明顯的熱帶季風氣候，是典型的季風區，不過由于其地理位置特殊，天氣變化復雜，是臺風的多發地，海上大風直接影響著航海和生產，是造成海上災難的主要原因之一。因此，選取該區域具有十分重大的意義，研究區域經緯度范圍為15°N—27°N，107°E—126°E。

1.2 Sentinel-1 SAR數據

Sentinel-1衛星是歐洲航天局發射的對地觀測衛星系統，由兩顆在軌運行衛星構成，都載有C波段的SAR，可提供連續的對地觀測圖像，重放周期可達6天。Sentinel-1A衛星載有的SAR擁有多種工作模式，本文使用的是VV極化的干涉寬測繪帶模式（Interferometric Wide swath，IW）下的Level-1級數據中的單視復數產品（Single Look Complex，SLC）數據，可以獲得相位和振幅信息，空間分辨率高于5 m×20 m，幅寬可達250 km。下載的SAR圖像需經SNAP專用軟件的輻射定標及Deburst處理，輻射定標是將SAR記錄的原始灰度值轉換為后向散射系數，而Deburst去除的是Sentinel-1 IW SLC影像帶有脈沖的暗帶部分（黑色背景，無信號部分），效果就是合并所有脈沖有效信號部分。

1.3 MetOp散射計數據

MetOp系列衛星包括三顆極地軌道氣象衛星（MetOp-A、MetOp-B、MetOp-C），連同有關的地面設施共同構成歐洲氣象衛星應用組織（European Meteorological Satellite，EUMETSAT）的極地軌道衛星系統（EUMETSAT polarsystem，EPS），其攜帶的ASCAT（Advanced Scatterometer）散射計按頻段分屬于C波段散射計，可以對同一個風矢量單元能夠獲得觀測方位角相差45°的3次測量，采用雙刈幅觀測以提高空間覆蓋率，采用25°～65°的較大入射角使后向散射截面對風速更敏感，以改善反演風場的精度。MetOp衛星的刈幅寬度為550 km，平均5天可以覆蓋全球一次，每天觀測全球范圍的65%。本文采用了空間分辨率為12.5 km的ASCAT L1級后向散射系數數據產品。

1.4 中法海洋衛星SWIM數據

中法海洋衛星（China France Oceanography Satellite，CFOSAT）是我國航天領域第一次與先進宇航國家開展系統性、全流程合作的項目，也是中法兩國在航天工程領域、海洋科學領域高水平合作的重要成果。其搭載的波譜儀SWIM作為工作在Ku波段的小入射角雷達，獨特的工作方式（0°～360°全方位向掃描）使得它可以獲取全球范圍的0°～360°方位向的海面后向散射數據。SWIM/CFOSAT有6個波束對海面進行同時探測，入射角分別為0°、2°、4°、6°、8°、10°。其產品體系可分為兩部分，分別是星下點0°入射角獲取的有效波高產品與其余入射角共同探測反演的波浪譜產品[13]。本研究中利用L2級的波譜儀數據中的后向散射系數產品，選取的入射角的0°波束反演風速信息、10°波束反演風向信息。

1.5 再分析風場數據

ERA5數據是歐洲中長期天氣預報中心提供的第五代再分析數據，其范圍覆蓋全球。ERA5提供了自1979年至今的全球大氣再分析數據，包括海面10 m高處的風速數據、海面10 m高處的風向數據、平均波周期數據、有效波高數據等。ERA5數據提供每小時的數據（0時到23時），空間分辨率可達0.125°×0.125°。本研究選取在南海區域與各載荷觀測位置對應且時間匹配的ERA5數據，ERA5數據與各載荷數據匹配時間窗口為1 h之內，利用雙線性插值法匹配空間窗口為12.5 km，同時選擇海面10 m高處的風速風向數據作為反演驗證數據。

2 研究方法

2.1 單載荷風場反演方法研究

因為散射計可以在海面的同一位置進行多次觀測，而SAR在一個位置只能觀測一次，所以SAR只能在輸入外部風向的情況下利用地球物理模型函數得到風速結果，而散射計可以在此基礎上結合最大似然估計方法和去模糊解算法反演得到海表面風場信息。

2.1.1 SAR與散射計風場方法研究

（1）地球物理模型函數

本研究中風場反演所使用的方法是CMOD5.N，其描述了VV極化后向散射系數和雷達天線方位角、雷達入射角、海面10 m處風速和風向的關系[14]，其表達式如式（1）所示。

（2）最大似然估計

最大似然估計（Maximum Likelihood Estimation，MLE）的代價函數定義如下。

（3）去模糊算法

去模糊算法使用的是同極化微波散射計的圓中數濾波算法（Circular Median Filtering，CMF）[16]，通過在初始風場二維空間中開一定大小的窗口，即計算周圍風矢量風向的圓中數，然后在中心風矢量面元的幾個模糊解中找出風向與圓中數最接近的一個替代中心的當前風矢量，對整個風場反復迭代，直到風場不再改變或已達到預定的最大迭代次數為止，即得到模糊解去除后的風矢量。

2.1.2 波譜儀風場反演

根據前人結論得出：入射角范圍在0°～10°時，0°附近的平均后向散射系數隨風速的增大減小較為劇烈；10°附近的后向散射系數隨相對風向的各向異性與不對稱性（絕對值）均較大。所以本研究中SWIM應該采用0°附近的波束的后向散射系數來反演風速、10°附近的波束的后向散射系數來反演風向[12]。波譜儀0°波束下反演風速參考高度計反演風速的形式，公式如下。

2.2 多載荷風場聯合反演方法

2.2.1 基于散射計與SAR的風場聯合反演

首先下載滿足散射計與SAR時空匹配的數據，在此基礎上先實現散射計的風場反演。散射計數據經質量控制去除異常的后向散射系數的點。將后向散射系數和入射角信息帶入地球物理模型函數中，經過最大似然估計得到多個風矢量解，再經去模糊解得到散射計的風場信息。而散射計反演的風向結果作為SAR風場反演的初始信息，再次將后向散射系數與入射角帶入地球物理模型中得出SAR的風速結果，并對反演結果與ERA5數據進行對比分析，具體實驗步驟如圖1散射計與SAR的風場聯合反演示意圖所示。

圖1 散射計與SAR風場聯合反演示意圖

2.2.2 基于波譜儀與SAR的風場聯合反演

在審美由城市主導、偽文藝開始崩塌的時代，滋生于民間的土味文化，其野性、真誠和賣力正在刺激大批城市人口以旁觀者的獵奇心理加入其中，逐步形成新一輪的審丑文化潮流。

選取波譜儀與SAR空間范圍相互覆蓋的數據，且時間范圍要求3 h以內，則滿足波譜儀與SAR的時空匹配。然后將SAR數據的經緯度與波譜儀數據的經緯度進行空間匹配，因為波譜儀數據是以Box為單位，且每個Box的范圍為70 km×90 km，為了實現大范圍風場反演，參考高度計與SAR的時空匹配規則[17]，本文以波譜儀的單個Box點為圓心，選取半徑為1°的圓面積內的SAR數據作為單點Box匹配的SAR信息。

將反演得到的波譜儀的每個Box的模糊風向作為圓面積內的SAR的風向信息，帶入地球物理模型函數中實現SAR的風速反演，并對反演結果與ERA5數據進行對比分析，具體實驗步驟如圖2波譜儀與SAR的風場聯合反演示意圖所示。

圖2 波譜儀與SAR的風場聯合反演示意圖

2.2.3 基于散射計與波譜儀的風場聯合反演

首先根據下載的滿足散射計與波譜儀時空匹配的數據，參照本文2.1.1節SAR與散射計風場反演部分進行散射計的風場反演，以散射計的風場反演結果中的風向信息作已知條件。波譜儀反演風向信息的過程中，選取后向散射系數最大值時對應的相對風向角為0°或者180°，因此波譜儀反演風向存在180°模糊問題，選取距離波譜儀Box點最近的散射計的反演風向作為參考風向來判斷波譜儀的風向信息。并對反演結果與ERA5數據進行對比分析，具體實驗步驟如圖3所示。

圖3 散射計與波譜儀的聯合風場反演示意圖

3 結果與討論

本文通過聯系多個微波遙感傳感器的數據，通過建立各個傳感器之間相互關系，建立3種風場聯合反演的方法，將反演的風場數據與ERA5進行比較，使用均方根誤差（Root Mean Square Error，RMSE）進行評價，比較各數據風場聯合反演結果的精度。均方根誤差定義如下。

式中，Yi表示反演的風場信息；Xi表示參考風場數據，即ERA5風速或者風向數據。

3.1 基于散射計與SAR的風場聯合反演結果分析

本文所使用的SAR與散射計的數據如表1和表2所示，上下表中相應位置的SAR與散射計數據分別對應。所選散射計數據的時間與Sentinel-1 SAR衛星數據的獲取數據的時間相差在3 h以內，數據區域位置相互覆蓋，滿足時空匹配的條件。

表1 SAR數據信息

表2 散射計數據信息

本研究分析南海區域MetOp散射計與Sentinel-1SAR數據時空匹配的兩組數據，Sentinel-1SAR數據的聯合反演風速與ECMWF數據對比結果如圖4所示，結果顯示，聯合反演風速與ECMWF風速的均方根誤差為1.972 7 m/s。SAR與散射計風場聯合反演的最終結果中Sentinel-1SAR數據風場反演的精度符合公認的指標要求，即均方根誤差小于2 m/s。散射計與SAR的風場聯合反演結果由圖4可以明顯看出：在中等風速下，反演得到的風速高于ERA5的風速，原因可能是選取的原始數據是2021年冬季1月的數據，CMOD5.N求取風速數值時在春季偏低，夏秋冬季節偏高，RMSE數值在冬季較高[18]。

圖4 散射計與SAR聯合反演風速結果

3.2 基于波譜儀與SAR的風場聯合反演結果分析

本文所使用的波譜儀與SAR的數據如表3和表4所示，上下表中相應位置的SAR與波譜儀數據分別對應。所選波譜儀數據的時間與Sentinel-1SAR衛星數據的獲取數據的時間相差在1小時以內，滿足3 h的條件。

表3 SAR數據信息

表4 波譜儀數據信息

本文將SAR分塊后的后向散射系數與波譜儀的Box點進行時空匹配，滿足時空匹配條件的SAR數據與波譜儀的風向信息進行組合。將反演得到的波譜儀Box點風向作為輸入，使用CMOD5.N進行風場反演，將反演得到的風速與匹配的ERA5風速進行比較，計算其均方根誤差。

本文分析南海區域中法海洋衛星SWIM波譜儀與Sentinel-1SAR數據時空匹配的三組數據，Sentinel-1SAR數據反演風速與ECMWF數據對比結果如圖5所示，結果顯示反演風速與ECMWF風速的均方根誤差為1.986 m/s，其均方根誤差小于2 m/s，該風場聯合反演方法可行。由圖5也可以看出，聯波譜儀與SAR聯合反演得到的風速高于ERA5的風速結果，驗證了上述CMOD5.N在冬季反演結果偏高的問題。

圖5 波譜儀與SAR聯合反演風速結果

3.3 基于散射計與波譜儀的風場聯合反演結果分析

根據下載的兩種載荷的衛星數據，選取的散射計與波譜儀同步數據信息如表5和表6所示，上下表中相應位置的散射計與波譜儀數據分別對應。所選散射計數據的時間與波譜儀數據的獲取數據的時間相差在1 h以內，滿足3 h的條件。

表5 散射計數據信息

表6 波譜儀數據信息

本文將散射計數據與波譜儀的Box點進行時空匹配，將滿足時空匹配條件的散射計數據與波譜儀的信息進行組合。將反演得到的散射計的風向信息作為已知條件判斷波譜儀反演的風向的模糊性，將最終的波譜儀的風向結果與匹配的ERA5風向進行比較，計算其均方根誤差。

本研究分析南海區域中法海洋衛星SWIM波譜儀與MetOp散射計數據時空匹配的五組數據，由散射計去除波譜儀模糊風向的結果與ECMWF數據對比結果如圖6所示，結果顯示反演得到的波譜儀風向與ECMWF風向的均方根誤差為26.758 9°。波譜儀與散射計聯合反演的最終結果波譜儀的風向反演的精度符合公認的指標要求，即均方根誤差小于30°，即該風場聯合反演方法可行。

圖6 波譜儀與SAR的風場聯合反演結果圖

4 結 論

本研究利用現有的南海范圍的Sentinel-1 SAR衛星數據、MetOp散射計數據和中法海洋衛星SWIM波譜儀數據進行風場聯合反演研究，相互借助各自信息實現3種載荷的兩兩聯合，解決現有的SAR及波譜儀反演風場存在的問題，為我國以后未來遙感事業的發展提供單載荷的信息互補，得到高分辨率的風場信息，研究結論如下。

（1）對于多載荷風場聯合反演方法研究，建立的3種風場聯合方法——SAR與散射計的風場聯合反演、波譜儀與SAR的風場聯合反演，以及散射計與波譜儀的風場聯合反演，反演得到的風速的均方根誤差都小于2 m/s，風向的均方根誤差小于30°，都符合公認的標準，即該3種方法均可行。

（2）對于SAR反演風場問題，SAR的風速反演結果依賴于外部輸入風向的精度，即SAR的最終反演結果依賴于散射計與波譜儀的反演結果。