SMOS衛(wèi)星遙感海表鹽度資料處理應(yīng)用研究進展

陳 建，張 韌*，安玉柱，馬 強，楊代恒

(1. 解放軍理工大學(xué) 氣象海洋學(xué)院 江蘇 南京，211101； 2. 軍事海洋環(huán)境軍隊重點實驗室，江蘇 南京 211101；3. 成都軍區(qū)氣象中心，四川 成都 610031)

海表鹽度(Sea Surface Salinity, SSS)在大洋環(huán)流、海氣相互作用等全球大氣、海洋過程中起著重要作用。一方面，海表鹽度影響制約著障礙層形成、深層水團形成、溫鹽環(huán)流等海洋物理過程，利用鹽度分布特性可以推測海洋上層垂直剖面結(jié)構(gòu)、計算海洋的熱貯存等；另一方面，作為海氣交界面處的關(guān)鍵要素，海表鹽度的季節(jié)和年際變化和El Nio、蒸發(fā)與降水等海氣相互作用現(xiàn)象息息相關(guān)，是理解和預(yù)測氣候變化必須的信息，同時還可運用于海洋模式邊界條件確定、海表飽和水汽壓計算等。為此，歐洲的土壤濕度和海洋鹽度衛(wèi)星(Soil Moisture and Ocean Salinity, SMOS)已先于美國的寶瓶座鹽度衛(wèi)星(Aquarius)發(fā)射實施。

SMOS是歐洲航天局(ESA)生命行星計劃中的地球探測者機遇任務(wù)的第2顆衛(wèi)星，可提供全球范圍內(nèi)高頻率、業(yè)務(wù)化、特定精度和覆蓋率的陸表土壤水分和海表鹽度信息，其中海表鹽度為SMOS主要觀測量。在SMOS發(fā)射之前，海洋水色、海表溫度、海洋地形、海流、海風(fēng)、海冰等幾乎所有的海面要素都實現(xiàn)了遙感觀測，鹽度是唯一尚未實現(xiàn)從太空進行遙感監(jiān)測的海面要素。鑒于鹽度在海洋科學(xué)研究中的重要性，目前源自現(xiàn)場觀測的鹽度資料無論在時間連續(xù)性，還是空間分辨率上都已遠(yuǎn)遠(yuǎn)不能滿足科學(xué)研究的需要。因此，全新的SMOS衛(wèi)星遙感海表鹽度資料顯示了其難以替代的科學(xué)價值。

SMOS衛(wèi)星由法國公司制造，主要投資方來自法國和西班牙，重658 kg，設(shè)計使用壽命為3 a，包括試運行的半年和正式運行2.5 a以及2 a的擴展運行和10 a的任務(wù)后處理。SMOS衛(wèi)星運行在太陽同步晨昏軌道，平均軌道高度為755 km，上午6:00越過赤道北上，下午18:00越過赤道南下，最大訪問周期3 d，衛(wèi)星掃描帶寬1 000 km，平均像素大小43 km。衛(wèi)星采用法國航天局和阿爾卡特-阿萊尼亞航天公司聯(lián)合研制的PROTEUS衛(wèi)星平臺。合成孔徑微波成像輻射計(Microwave Imaging Radiometer using Aperture Synthesis, MIRAS)是搭載于SMOS衛(wèi)星的唯一有效載荷，它是由西班牙航空制造股份有限公司領(lǐng)導(dǎo)的20多家歐洲公司聯(lián)合建造，展開直徑約為6 m，有Y型的3個天線臂。MIRAS工作在微波L頻段，是首個極軌運行的天基二維干涉輻射計，中心頻率為1.413 GHz，該頻段在避免人為輻射噪音并把大氣層、天氣和地表植被等造成的干擾降至最低的同時，保證了對土壤濕度和海洋鹽濃度的最大敏感度[1]。

SMOS衛(wèi)星于2009-11發(fā)射升空試運行并傳回首批觀測圖像，2010-05進入了正式運行階段。SMOS的測量目標(biāo)為：精度0.1、時空分辨率200 km×200 km /10 d或100 km×100 km /30 d[2]。

1 SMOS海表鹽度資料

1.1 產(chǎn)品分級

SMOS海表鹽度產(chǎn)品分為以下幾個級別：1) Raw：衛(wèi)星接收到的原始格式資料，即CCSDS包格式的星上數(shù)據(jù)；2) L0：對Raw進行格式化后得到的源包格式資料，即帶有頭文件的星上數(shù)據(jù)；3) L1a：對L0進行單位轉(zhuǎn)換和校準(zhǔn)后得到的校正可見度；4) L1b：對L1a進行圖像重構(gòu)后得到的天線極化參照系下亮溫的傅里葉分量，即以儀器快照為單位的亮溫；5) L1c：對L1b亮溫進行地理定位重組后得到的天線極化參照系下的ISEA[3]網(wǎng)格上以軌道為單位的亮溫；6) L2：對L1c亮溫進行迭代反演后得到的ISEA網(wǎng)格上的基于3種不同反演算法的軌道級海表鹽度場以及相應(yīng)的不確定度；7) L3：對L2 海表鹽度進行時空重組后得到的不同時空分辨率的網(wǎng)格化海表鹽度場，如200 km×200 km / 10 d，100 km×100 km / 30 d等以及相應(yīng)的不確定度；8) L4：L3海表鹽度與其它數(shù)據(jù)融合后得到的改進的、精度更高的海表鹽度場及一些衍生產(chǎn)品，如密度場、雨量分布等。

1.2 文件格式

SMOS產(chǎn)品采用二進制-XML混合格式的文件存儲方式，即1個SMOS產(chǎn)品由1個頭文件和1個數(shù)據(jù)塊文件組成，2個文件分享同一個文件名，僅用不同的擴展名來區(qū)分：頭文件為“.HDR”，實為ASCII格式的XML文件；而數(shù)據(jù)塊文件為“.DBL”，為二進制格式。頭文件和數(shù)據(jù)塊文件通過“.ZIP”格式對外發(fā)布。頭文件包含固定頭文件和可變頭文件，其中固定頭文件對所有數(shù)據(jù)類型結(jié)構(gòu)都相同，可變頭文件則允許對不同的數(shù)據(jù)類型有不同的定義和結(jié)構(gòu)信息，因此其下又包含主要產(chǎn)品頭文件MPH和特定產(chǎn)品頭文件SPH；數(shù)據(jù)塊文件包括一個或多個數(shù)據(jù)集，每個數(shù)據(jù)集又包括一系列統(tǒng)一的數(shù)據(jù)集記錄，包含格點數(shù)目和各個格點的內(nèi)容，如格點標(biāo)識、地理坐標(biāo)、亮溫或海表鹽度及其誤差和相關(guān)輔助參數(shù)、控制標(biāo)記、控制描述、科學(xué)標(biāo)記、科學(xué)描述等，涵蓋了整形、實型、比特型等不同類型，以及長整型、短整型等不同長度，因此需要其儲存方式的說明[4-6]。ESA提供了一組基于C++語言的二進制-XML庫函數(shù)來讀取二進制-文本混合格式，SMOS網(wǎng)站上提供了此庫函數(shù)及說明文檔下載(http:∥www.smos.esa.int/BinaryXML/)。頭文件和數(shù)據(jù)塊文件是所有產(chǎn)品共有的；視產(chǎn)品類型不同，還包括JPEG格式(.jpg)的快照數(shù)據(jù)產(chǎn)品、XML格式(.EEF)的質(zhì)量報告等。

1.3 數(shù)據(jù)發(fā)布

L1和L2級的資料發(fā)布于歐空局地球觀測系統(tǒng)(http:∥eopi.esa.int/esa)，可用EOLI(Earth Observation Link)軟件下載，同時提供了一個全新的交互式用戶管理系統(tǒng)CARE CMS (https:∥caresp.eo.esa.int/care-sp/)；SMOS巴塞羅那研究中心(BEC)發(fā)布了一套簡化的Netcdf格式L3資料(http:∥tarod.cmima.csic.es)，但其不包含質(zhì)量控制標(biāo)記且不區(qū)分上升、下降軌道；而SMOS L3/4產(chǎn)品處理中心(SMOS level 3 and 4 Processing Centre, CP34)的CP34 Light Web接口((http:∥www.cp34-users.cmima.csic.es/light_web/homeAction.do)則提供了原始格式，即二進制-XML混合格式的L3資料。

2 海表鹽度反演

2.1 基本反演方法

海表鹽度反演經(jīng)歷了一個逐漸發(fā)展、完善的過程，事實上直到現(xiàn)在也未達到一個完美的精度。Zine等[7]對其過程進行了概括總結(jié)。SMOS現(xiàn)階段業(yè)務(wù)化運行中反演的基本原理和技術(shù)途徑可大致歸納如下。

海面亮溫TB是海表發(fā)射率e和海表溫度SST的函數(shù)，即TB=e·SST。e是海水的相對復(fù)介電常數(shù)εr的函數(shù)，而εr又與SSS、SST以及電磁波頻率f、入射角θ、極化方式p和海表粗糙度r等因素相關(guān)εr，即

TB=TB{e[εr(SSS,SST,f,θ,p,r，…)]，SST}=TB(SSS，SST，f,θ,p,r,…)

(1)

鹽度反演的復(fù)雜性在于如何在具有一個合理的空間分辨率的前提下達到嚴(yán)格的精度要求，而選擇1.4 GHz波段可以在保持TB對SSS較大敏感度的同時減小各種噪音的影響。

(2)

圖1給出了海表鹽度反演的算法流程。L2數(shù)據(jù)塊文件包括每個ISEA49格點上的：3個SSS反演值、SST/WS輔助參數(shù)、極化亮溫、相應(yīng)的理論不確定度等地球物理相關(guān)參數(shù)；指示輻射噪音、外源污染等造成的反演質(zhì)量的控制標(biāo)記和描述；指示海冰、大雨、近陸等可能影響反演質(zhì)量的物理條件的科學(xué)標(biāo)記和描述。除了頭文件和數(shù)據(jù)塊文件之外，還有一份質(zhì)量報告[4]。

圖1SMOS海表鹽度反演算法流程Fig.1 Retrieval algorithm flow for SMOS SSS

目前，尋找有效提高觀測和反演精度的誤差訂正方法仍是一個亟待解決的問題。SMOS發(fā)射前，Sabia等[17]就已系統(tǒng)研究了SMOS反演方案中的誤差源及其分布：1)亮溫觀測不精確、輻射噪音干擾、近陸污染等場景誤差；2)太陽/大氣等外源誤差移除不徹底、校準(zhǔn)穩(wěn)定性與圖像重構(gòu)誤差等因素；3)由于海水介電常數(shù)模型不精確、依賴于海表狀態(tài)的粗糙度模型不精確等環(huán)節(jié)可能產(chǎn)生的誤差源。SMOS發(fā)射之后，這些誤差問題有些退居其次，有些則更加突出。以下簡要分析幾個最為重要和突出的問題。

2.2 觀測亮溫誤差來源和移除

2.2.1 輻射計信號漂移

SMOS發(fā)射后，試運行階段就發(fā)現(xiàn)MIRAS的一個突出問題：觀測亮溫隨時間所表現(xiàn)出的長期和短期漂移現(xiàn)象[18]。具體表現(xiàn)在SMOS亮溫圖像在很大程度上是由MIRAS的3個參考輻射計單元，即噪音注入輻射計(Noise Injection Radiometers， NIR)決定的，而輻射計接收到的信號將會受物理溫度變化的影響而產(chǎn)生漂移，如軌道的晨昏位置變化引起的太陽直接加熱和星系反射輻射加熱變化、季節(jié)更替引起的溫度變化等都會導(dǎo)致輻射計數(shù)據(jù)接收漂移，而該問題在SMOS發(fā)射前是沒有充分預(yù)計到的。

Kainulainen等[19]運用外部目標(biāo)觀測 (External Target Observation，ETO)方法，基于簡單天空參照物，研究了NIR的短期穩(wěn)定性；通過對多個天空觀測，估計出一個平均天線溫度，分析了其時間序列特征規(guī)律，研究了NIR的長期穩(wěn)定性；隨后將參照物擴展到太平洋和南極洲等其他目標(biāo)，并進行了類似分析，歸納、提取出一組校正系數(shù)，并基于該校正系數(shù)，發(fā)展了一個新的雙系數(shù)熱力學(xué)天線模型用以代替先前的單系數(shù)模型。通過對單坡度熱力損失模型的性能評估發(fā)現(xiàn)：僅對天空目標(biāo)進行短期雙周軌道漂移校正時可以達到預(yù)期設(shè)計要求，但對長期漂移仍無能為力，其機制目前仍不明了。

為了對輻射計的長期穩(wěn)定性進行評估，業(yè)已進行了一些著名的地面試驗，如始于2008-12,為期2 a的Domex-2實驗中，將南極洲的Concordia站 (Dome C)作為外部目標(biāo)，通過收集地面數(shù)據(jù)來監(jiān)測校正MIRAS的性能。實驗發(fā)現(xiàn)：2009-2010年的2 a間，V偏振方向亮溫的高度穩(wěn)定性得到了確認(rèn)，而H方向由于南極大陸表層和次表層的復(fù)雜因素影響而呈現(xiàn)出較大的波動。盡管如此，現(xiàn)場觀測的亮溫?zé)o論是角度差異還是時變趨勢都和SMOS的觀測比較一致，下一步需開展的工作是對亮溫的空間穩(wěn)定性進行分析[20]。

上升和下降軌道間的差異也是一個重要的誤差來源，它一方面體現(xiàn)在前面所述由于探測器位置不同而引起的溫度差異，另一方面則體現(xiàn)在由于運行方向不同而引起的陸地或海冰污染區(qū)域的差異上。

2.2.2 近陸污染

由于陸面和洋面輻射性質(zhì)的顯著差異，靠近陸地一定范圍區(qū)域的亮溫需作剔除處理，即使距離稍遠(yuǎn)不作剔除，也應(yīng)進行標(biāo)記以示陸地的潛在影響[12]。當(dāng)大片陸地進入SMOS的掃描范圍，亮溫漂移形態(tài)會有一個顯著的扭曲。近陸污染主要體現(xiàn)在亮溫圖像重構(gòu)環(huán)節(jié)上，對試運行期間的反演鹽度精度曾產(chǎn)生嚴(yán)重影響，在對反演算法和分析處理程序完善、更正后，近陸污染已大為減小[18]。

2.2.3 無線電頻率干擾

無線電頻率干擾(Radio Frequency Interference,RFI)是指MIRAS受保護波段即1 400～1 427 MHz頻譜受到人為輻射噪音造成的干擾。由于MIRAS僅此一個輻射頻段且每1.2 s才測一次值，加之MIRAS的干涉儀性質(zhì)也會產(chǎn)生RFI痕跡，因此常規(guī)的標(biāo)準(zhǔn)RFI檢測方法并不奏效。研究發(fā)現(xiàn)[21]：受到RFI污染的區(qū)域主要集中在北大西洋、地中海、北印度洋、中國近海等區(qū)域；目前相對有效的移除方法，一是利用全偏振特性獲取更多信息，二是只采用六邊形即視場中心區(qū)域內(nèi)的亮溫測值。另外利用航空微波遙感實驗進行校正也是一個正在探索的方法。2010年在比斯開灣進行的CAROLS 輻射計航空實驗也證實了在比斯開灣SMOS下降軌道數(shù)據(jù)受到了RFI污染[22]。有關(guān)RFI的問題尚需進一步深入、細(xì)致的研究。

2.2.4 海洋目標(biāo)變換

儀器校正后仍然存在的亮溫偏差，若該偏差沿軌道或在不同軌道的空間分布基本不變，則屬系統(tǒng)誤差，可通過經(jīng)驗性的海洋目標(biāo)變換(Ocean Target Transformation, OTT)方法移除。作為一個重要的外部亮溫校正方法，OTT由Meirold-Mautner等[23]首先提出，其基本思想：對于多個觀測點，用正演模型和輔助數(shù)據(jù)計算偽亮溫，觀測亮溫與偽亮溫之差的空間平均定義為儀器誤差引入的偏差，用觀測亮溫減去此偏差得到校正亮溫。隨后，Talone等[24]改進了OTT方法，使其不依賴于具體的模型，并提出了參數(shù)均勻化方案，一定程度上改善了OTT的效果，并用于業(yè)務(wù)階段的儀器校正。但是目前業(yè)務(wù)上OTT算法仍然受正演模型缺陷的影響，表現(xiàn)在當(dāng)天頂角和入射角不同時，誤差分布將有所不同，隨著地表條件參數(shù)的改變偏差訂正會有0.5 K左右的變化，且受到來自太陽和天空的污染。針對上述缺陷，人們提出了相應(yīng)的改進算法[25]，其主要特征是進行了數(shù)據(jù)選擇，使其在各種不同的地球物理條件下保持穩(wěn)定(5 < WS < 11 m·s-1時變化小于0.1 K)，但缺點是對數(shù)據(jù)選擇有嚴(yán)格要求，且因法拉第效應(yīng)和星系影響無法混合使用上升和下降軌道數(shù)據(jù)。

OTT方法未能徹底消除亮溫的長期漂移，至于是否需要運用時變OTT方法以及使用視場中的哪部分觀測數(shù)據(jù)和運用何種極化方式，都是選擇運用最優(yōu)OTT方法中需要考慮的問題。

2.3 正演模型及反演算法改進

鹽度反演不僅要求儀器性能良好，對數(shù)據(jù)處理也有嚴(yán)格的要求。L波段海表粗糙度模型存在較大的不確定性，它首先反映在模型的多樣性方面[7]：模型1用雙尺度方法處理電磁散射，并用雙DV (Durden & Vesecky)波譜描述粗糙表面；模型2基于小坡度近似輻射理論和Kudryavtsev海面波譜模型，用一個特定的泡沫模型計算泡沫影響；模型3則是基于既有數(shù)據(jù)歸納、提取得到的半經(jīng)驗公式。上述3個粗糙度模型均需要在SMOS運行過程中進行校正、測試、改進和比較。

海表粗糙度最重要的影響因素是風(fēng)速。SMOS與現(xiàn)場資料的差異分布表明[26]：TB(WS)屬于非線性函數(shù)關(guān)系，粗糙度模型的誤差隨風(fēng)速增大(12 m·s-1以上)而增大，但在大洋南部大風(fēng)區(qū)SMOS反演的SSS場整體偏小。因此，無論是理論模型，還是半經(jīng)驗粗糙度模型都需通過實際數(shù)據(jù)來進一步擬合和優(yōu)化模型參數(shù)。例如，通過數(shù)據(jù)擬合得到的模型1的優(yōu)化參數(shù)，其初步校正結(jié)果在3～17 m·s-1風(fēng)速范圍內(nèi)SSS的平均反演偏差較之發(fā)射前的模型結(jié)果有明顯降低；同時鑒于輔助風(fēng)速數(shù)據(jù)和真實風(fēng)速之間的差異，也需對風(fēng)速反演結(jié)果進行部分校正，即分析反演SSS誤差前首先應(yīng)注意ECMWF風(fēng)場和反演風(fēng)場間的誤差，以使風(fēng)速適應(yīng)范圍和SSS精度兩者之間達到較好平衡。再處理過程中提出了3種新的粗糙度模型[27]，突破了一直以來用TB與WS的線性關(guān)系來描述粗糙度模型的局限，刻畫了TB和WS間的非線性關(guān)系。并在2～15 m·s-1范圍內(nèi)得到了較好的驗證(3種模型差異小于0.5 K)，但在大風(fēng)環(huán)境下運用仍存在較大偏差。

除粗糙度以外，銀河系噪音的影響也在模型中得到了考慮和相應(yīng)的優(yōu)化[26]。但是由于儀器誤差的存在，正演模型調(diào)整仍很困難，僅能對模型本身進行改進；同時，風(fēng)速僅刻畫了海面粗糙度的一階近似，海況、大氣穩(wěn)定性、海流等不容忽視的影響因素(某些海區(qū)的影響幅度可達1 K)仍未得到充分考慮。

3 海表鹽度標(biāo)準(zhǔn)化產(chǎn)品制作

L2級產(chǎn)品的時空分辨率大約為15.74 km×15.74 km/3 d，數(shù)據(jù)量非常大，同時由于反演算法的復(fù)雜性，其觀測誤差也大于可接受的范圍。研究表明[7]，根據(jù)軌道中位置的不同，L2 級海表鹽度的誤差在中心為0.5 psu而在邊緣則可達1.7 psu。因此，通過對L2級產(chǎn)品進行網(wǎng)格化處理，進一步得到L3級標(biāo)準(zhǔn)化產(chǎn)品，這樣既可通過降低時空分辨率減小數(shù)據(jù)量、提高產(chǎn)品精度，也可提供更便于研究和應(yīng)用的再分析產(chǎn)品。

SMOS L3級海洋鹽度產(chǎn)品類型(L3OSPT)有6種，產(chǎn)品類型與數(shù)據(jù)輸入、輸出及處理過程參數(shù)如表1[28]。

表1L3子產(chǎn)品參數(shù)Table 1 Parameters of L3 sub-products

注：ISEA 15.74 km = ISEA49，ISEA 31.48 km = ISEA48，ISEA 62.96 km = ISEA47；RCos為一種緯距相等、經(jīng)距不等的等距離格點

(3)

式中，σi為L2觀測值xi的觀測誤差，它由觀測點在FOV中的位置和其它外源誤差決定。

L3-2和L3-3級產(chǎn)品均采用最優(yōu)插值(OI)處理，但時空窗口選擇不同。在SMOS前，OI被用于多種遙感數(shù)據(jù)的客觀分析處理，如海表溫度、海面高度異常、水色等。早在2008年，Obligis等[29]就運用OI生成鹽度圖像，模擬出了L3-2/3產(chǎn)品，得到了較滿意的效果；Jorda等[30]系統(tǒng)地給出了CP34中采用的L3產(chǎn)品處理方案和相應(yīng)的配置。OI處理中給出了L3格點上的分析場向量xa以及分析場誤差估計var(εa)，其具體方法原理、步驟參見文獻[31]：

xa-xb=ST·(B+R)-1·(dobs-db)

(4)

var(εa)=var(εb)diag[I-ST·(B+R)-1·S]

(5)

式中，xb為L3格點上的背景場向量；S為觀測點和L3格點間的相關(guān)系數(shù)矩陣；B為觀測點間相關(guān)系數(shù)矩陣；R為觀測誤差的相關(guān)系數(shù)矩陣；I為單位矩陣；dobs為觀測值向量；db為觀測點上的背景場向量；var(εb)為觀測場方差即信號方差；diag表示對角值。

Jorda等[32]利用OI誤差估計公式，系統(tǒng)量化了觀測誤差對L3產(chǎn)品精度的影響，分析結(jié)果表明：L3-2、L3-3若要獲得0.1的精度，則L2的最大觀測誤差應(yīng)不超過0.8和1.1，他同時還進行了魯棒性分析。Gourrion等[33]針對SMOS試運行期間上升軌道全偏振業(yè)務(wù)模式的L1B產(chǎn)品，用一個簡略反演方案和非業(yè)務(wù)L3同化方案，將得到的L3圖像與WOA05氣候態(tài)資料和Argo資料進行對比，發(fā)現(xiàn)其并未達到要求的精度；與熱帶大西洋漂流浮標(biāo)的對比結(jié)果表明，當(dāng)前100 km×100 km/10d格點資料產(chǎn)品的誤差介于0.3～0.6[34]。

L3-3a/b是L3-3分別進行季節(jié)和年平均得到的產(chǎn)品。

L3數(shù)據(jù)塊文件包括每個ISEA48/49或RCos格點上：3個SSS的L2輸入觀測數(shù)量、L2輸入貢獻方差、L3絕對值/參考值/異常值、背景場、相關(guān)理論不確定性等地球物理學(xué)參數(shù)；對L2控制標(biāo)記和描述進行總結(jié)得到的質(zhì)量控制標(biāo)記。除了頭文件、數(shù)據(jù)塊文件、質(zhì)量報告之外，還有若干快照數(shù)據(jù)產(chǎn)品[5]。

4 海表鹽度的多源數(shù)據(jù)融合

目前，關(guān)于L4級產(chǎn)品的算法研究尚不多。Jorda等[35]著重分析了L3級產(chǎn)品的誤差方差，并利用最優(yōu)插值可融合多源數(shù)據(jù)的優(yōu)點，將L3與Argo、CTD和錨定浮標(biāo)等輔助數(shù)據(jù)結(jié)合，并在R中考慮了不同數(shù)據(jù)儀器所致的精度誤差以及由于將海表下幾米近似作為海表所致的代表性誤差，生成了模擬L4產(chǎn)品，并進行了多個對比實驗。結(jié)果表明：對誤差減小貢獻最大的是空間分辨率而非時間分辨率的提高，尤其在SSS方差較大地方獲得的輔助數(shù)據(jù)對精度的改善效果最為明顯，而輔助觀測在較長相關(guān)尺度的區(qū)域效果最好。

在ECMWF，為合理同化SMOS亮溫資料而進行的業(yè)務(wù)化準(zhǔn)實時產(chǎn)品再處理和監(jiān)測工作已初見成效[36]；2011-06美國航空航天局NASA的Aquarius發(fā)射后，兩種衛(wèi)星產(chǎn)品的結(jié)合應(yīng)用也提上了議程，如進行彼此資料的交叉驗證、資料融合、RFI檢測和過濾等[37]。

SMOS海表鹽度資料雖然還未得到深入應(yīng)用，但是可以預(yù)見，該資料在融合現(xiàn)場資料或其它遙感產(chǎn)品、重構(gòu)SSS場或鹽度剖面中將會有重要的應(yīng)用前景。在重構(gòu)SSS場方面，Brassington等[38]指出SMOS觀測的SSS會有較大的期望誤差，誤差方差限制了對整個海洋狀態(tài)甚至是SSS本身的準(zhǔn)確分析，他通過估計遙感SSS對一個由SST和SLA(海面高度異常)構(gòu)成的多元海洋數(shù)據(jù)同化系統(tǒng)的影響，提出了一個簡單的解析公式來診斷觀測誤差方差的大小，該診斷公式用于一個最優(yōu)插值方案的結(jié)果表明，SST和SLA在中高緯度顯著約束了SSS的誤差方差，而在低緯約束較弱，這意味著遙感SSS觀測有望明顯改善赤道海域的多元分析，而在中高緯的改善效果則比較有限；Delcroix等[39]通過對大約1000萬個經(jīng)過校正的現(xiàn)場SSS觀測如VOS、TAO/TRITON浮標(biāo)和Argo剖面等進行客觀分析，得到1950-2008年熱帶太平洋(120°E～70°W,30°N～30°S)時空分辨率分別為1°×1°/1個月的SSS格點數(shù)據(jù)集以及相關(guān)誤差場，并提出了當(dāng)現(xiàn)場觀測網(wǎng)更成熟、衛(wèi)星遙感SMOS或Aquarius資料可獲得時，對該產(chǎn)品進一步改進和更新的相關(guān)設(shè)想。在重構(gòu)鹽度剖面方面，早在1999年，Hansen等[40]就用溫度觀測剖面和SSS資料估計了上層海洋的鹽度剖面，刻畫出了海洋上層鹽度變化的基本特征和障礙層等物理海洋現(xiàn)象，用此鹽度剖面估計出的位勢高度均方差相對不使用SSS資料的情況減少了50%。該研究是基于將來遙感SSS場較之深層觀測更易在大范圍內(nèi)取得的預(yù)期設(shè)想得到的。此后，基于溫度、鹽度、高度三者結(jié)合來重構(gòu)溫鹽剖面的研究層出不窮，其中很多研究強調(diào)了SSS觀測的重要性，如Agarwal等[41]將經(jīng)驗正交函數(shù)分解EOF和遺傳算法GA相結(jié)合，提出了一種用SSS構(gòu)建鹽度三維結(jié)構(gòu)的方法，得到了印度洋次表層鹽度剖面；Ballabrera-Poy等[42]用Argo溫鹽資料，分別用氣候態(tài)T-S關(guān)系、線性回歸多項式模型和非線性回歸神經(jīng)網(wǎng)絡(luò)模型進行東北大西洋上層1 200 m的鹽度重構(gòu)。結(jié)果表明，SSS資料為三維鹽度結(jié)構(gòu)提供了重要信息，尤其強調(diào)了衛(wèi)星遙感SSS資料和溫鹽剖面資料的結(jié)合使用在三維鹽度場重構(gòu)中潛在的應(yīng)用價值。

5 展 望

鹽度作為海洋遙感領(lǐng)域的難點問題，當(dāng)前的分析處理技術(shù)仍存在許多不足之處，尚需相關(guān)領(lǐng)域研究者的持續(xù)合作解決。截止目前，SMOS格點資料距0.1的目標(biāo)精度仍有一定差距，其全球分布情況為：開闊海域具有較為連續(xù)的鹽度空間分布，但仍有大片區(qū)域反演值欠精確，部分海域的鹽度異常明顯大于SSS的正常變率。通過數(shù)據(jù)篩選、時空平滑等L3數(shù)據(jù)處理可起到一定的改善效果，但L1，L2處理過程中的諸多問題仍未得到完善解決。

自2011-10起，ESA根據(jù)上述相關(guān)要點對L1和L2業(yè)務(wù)處理器進行了大規(guī)模的改進，稱之為“再處理”，這是自SMOS業(yè)務(wù)處理器經(jīng)過近兩年的在軌校準(zhǔn)驗證后的首次大規(guī)模改動，是一個重要里程碑。隨后CP34也會對所有經(jīng)過再處理的L2數(shù)據(jù)進行重新加工，新格點數(shù)據(jù)于2012-02發(fā)布后進入下一輪的校準(zhǔn)驗證。試驗中，經(jīng)過再處理的SMOS數(shù)據(jù)與熱帶大西洋漂流浮標(biāo)資料的初步對比顯示[28]：SMOS給出了近似的SSS特征，但靠近陸地和海冰處上升和下降軌道的數(shù)據(jù)尚有較大差異，而在大洋南部有較低的SSS值，RFI的影響也很顯著。由此可見，資料誤差仍在一定程度上存在，未來需繼續(xù)完善的工作包括：1) 尋找適應(yīng)性強的OTT方法，或者可移除系統(tǒng)偏差和長期漂移的其他方法；2) 場景誤差(如RFI和近陸污染)的移除或標(biāo)記；3) 現(xiàn)有的粗糙度模型在大風(fēng)環(huán)境下的效果仍然較差，且與海況、降水、星系信號等相聯(lián)系的地球物理環(huán)境誤差依然存在，需要進一步完善；4) 如何對視場區(qū)域、極化方式等進行最優(yōu)選取和組合；5) 進一步改進、提高反演技巧。

此外，SSS作為海氣相互作用的關(guān)鍵要素，對ENSO循環(huán)[43]、蒸發(fā)降水[44]等問題研究更是意義重大。隨著SMOS產(chǎn)品精度的不斷提高、業(yè)務(wù)運用不斷成熟，高時空分辨率的遙感SSS資料將會進一步推進這些研究領(lǐng)域的全新發(fā)展。

致謝：感謝ESA提供SMOS L2產(chǎn)品、CP34提供SMOS L3產(chǎn)品；感謝BEC的Gourrion J的答疑解惑以及資料支持。

參考文獻(References)：

[1] QU X F. The European "soil moisture and ocean salinity" satellite has been launched [J]. Space International, 2009 (11) :1-3. 曲向芳. 歐洲“土壤濕度和海洋鹽濃度"衛(wèi)星升空[J]. 國際太空, 2009(11):1-3.

[2] KERR Y H, WIGNERON J P, BOUTION J, et al. The SMOS mission: New tool for monitoring key elements of the global water cycle [C]. Proceedings of the IEEE, 2010, 98(5): 666-687.

[3] SNYDER J P. An equal-area map projection for polyhedral globes [J]. Cartographica, 1992,29(1):10-21.

[4] ESA SMOS Team. SMOS L2 OS Input/Output Data Definition [EB/OL]. [2011-05-01].http:∥www.argans.co.uk/smos/docs/deliverables/delivered/IODD/SO-TN-ARG-GS-0009_L2OS-IODD_v2.18_101207.pdf

[5] CP34 GMV. SMOS CP34 Product Output Format Definition [EB/OL]. [2011-05-01].http:∥www.cp34-users.cmima.csic.es/light_web/documentation.do;jsessionid=AC2D1871B1EB6E1CE7043E1DC4302E05?idDL=CP34-PS-0001_v2.7d_2009-XX-XX.doc

[6] CHEN J, ZHANG R, WANG H Z, et al. The method and application of extracting SMOS salinity data based on hybrid binary-XML file format with Matlab[J]. Marine Science Bulletin, 2011,30(6):692-696. 陳建，張韌，王輝贊,等. Matlab對基于二進制-XML混合格式的SMOS鹽度數(shù)據(jù)的提取方法與實現(xiàn)[J]. 海洋通報, 2011,30(6):692-696.

[7] ZINE S, BOUTION J, FONT J, et al. Overview of the SMOS sea surface salinity prototype processor [J]. IEEE Trans. Geosci. Remote Sens., 2008,46(3):621-645.

[8] MARQUARDT D W. An algorithm for least-squares estimation of non-linear parameters [J]. J. Soc. Ind. Appl. Math, 1963,11(2):431-441.

[9] WALDTEUFEL P, BOUTIN J, KERR Y. Selecting an optimal configuration for the soil moisture and ocean salinity mission [J]. Radio Sci., 2003,38 (3):8051-8066.

[10] SABIA R, CAMPS A, VALL-LLOSSERA M, et al. Impact on sea surface salinity retrieval of different auxiliary data within the smos mission [J]. IEEE Trans. Geosci. Remote Sens., 2006,44 (10):2769-2778.

[11] CAMPS A, VALL-LLOSSERA M, BATRES L, et al. Retrieving sea surface salinity with multiangular l-band brightness temperatures: Improvement by spatio-temporal averaging [J]. Radio Sci., 2005,40:1-13.

[12] ZINE S, BOUTIN J, WALDTEUFEL P, et al. Issues about retrieving sea surface salinity in coastal areas from smos data [J]. IEEE Trans. Geosci. Remote Sens., 2007,45 (7): 2061-2072.

[13] KLEIN L, SWIFT C. An improved model for the dielectric constant of sea water at microwave frequencies [J]. IEEE J. Ocean. Eng., 1977,2(1): 104-111.

[14] DINNAT E P, BOUTIN J, CAUDAL G, et al. Issues concerning the sea emissivity modeling at l band for retrieving surface salinity [J]. Radio Sci., 2003,38 (4):8060-8070.

[15] JOHNSON J T, ZHANG M. Theoretical study of the small slope approximation for ocean polarimetric thermal emission [J]. IEEE Trans. Geosci. Remote Sens., 1999,37(5): 2305-2316.

[16] GABARRO C, FONT J, CAMPS A, et al. A new empirical model of sea surface microwave emissivity for salinity remote sensing [J]. Geophys. Res. Lett., 2004,31:L01309-1: L01309-5.

[17] SABIA R, CAMPS A, TALONE M, et al. Determination of the sea surface salinity error budget in the Soil Moisture and Ocean Salinity Mission [J]. IEEE Trans. Geosci. Remote Sens., 2010,48(4):1684-1693.

[18] MARTIN-NEIRA M, CORBELLA I, TORRES F, et al. Overview: MIRAS instrument performance and status of RFI[R]. France: 1st SMOS science workshop, 2011.

[19] KAINULAINEN J, MARTIN-NEIRA M, CLOSA J, et al. Performance and stability of the SMOS reference radiometers - Status of investigations after 20 months of operation[R]. France: 1st SMOS science workshop, 2011.

[20] BROGION M, MACELLONI G, PETTINATO S, et al. Results of the Domex-2 experiment: Comparison between SMOS and Radomex data collected at Concordia base Antarctica[R]. France: 1st SMOS science workshop, 2011.

[21] FONT J, BOUTIN J, REUL N, et al. Status of Sea Surface Salinity product provided by SMOS[R]. France: 1st SMOS science workshop, 2011.

[22] MARTIN A, BOUTIN J, HAUSER D, et al. L-band radiometric measurements in the Gulf of Biscay[R]. France: 1st SMOS science workshop, 2011.

[23] MEIROLD-MAUTNER I, MUGERIN C, VERGELY J L, et al. SMOS ocean salinity performance and TB bias correction [R]. Austria: Proceedings of EGU General Assembly 2009, 2009.

[24] TALONE M, GOURRION J, GONZALEZ V, et al. SMOS' brightness temperatures statistical characterization [R]. USA: IGARSS 2010 proceedings, 2010.

[25] GOURRION J, SABIA R, PORTABELLA M, et al. Improving SMOS salinity retrieval: Systematic error diagnostic[R]. France: 1st SMOS science workshop, 2011.

[26] YIN X, BOUTIN J, MARTIN N, et al. Sea surface roughness and foam signature onto SMOS brightness temperature and salinity[R]. France: 1st SMOS science workshop, 2011.

[27] GUIMBARD S, GOURRION J, VENDRELL L, et al. SMOS Ocean Forward model: Roughness models improvement[R]. France: 1st SMOS science workshop, 2011.

[28] CP34 GMV. Detailed Processing Model for SMOS CP34 OS L3 Processors [EB/OL]. [2011-05-01].http:∥www.cp34-users.cmima.csic.es/light_web/documentation.do;jsessionid=AC2D1871B1EB6E1CE7043E1DC4302E05?idDL=CP34-DPM-0001-1-3_2008-11-04_DPMOS.doc

[29] OBLIGIS E, BOONE C, LARNICOL G, et al. Benefits of the future sea surface salinity measurements from SMOS generation and characteristics of SMOS geophysical products [J]. IEEE Trans. Geosci. Remote Sens., 2008,46(3):746-753.

[30] JORDA G, GOMIS D, TALONE M. The SMOS L3 mapping algorithm for sea surface salinity [J]. IEEE Trans. Geosci. Remote Sens. 2011,49(3):1032-1051.

[31] BRETHERTON F P, DAVIS R E, FANDRY C B. A technique for objective analysis and design of oceanographic experiments applied to MODE-73 [J]. Deep-Sea Res. I, 1976,23:559-582.

[32] JORDA G, GOMIS D. Accuracy of SMOS Level 3 SSS products related to observational errors [J]. IEEE Trans. Geosci. Remote Sens., 2010, 48(4): 1694-1701.

[33] GOURRION J, BALLABRERA J, ARETXABALETA A L, et al. Preliminary validation of SMOS products (Levels 3 and 4) [R]. USA: IGARSS 2010 proceedings, 2010.

[34] BOUTIN J, YIN X, MARTIN N, et al. Sea surface salinity from SMOS satellite and in situ observations: surface autonomous drifters in the tropical Atlantic Ocean[R]. France: 1st SMOS science workshop, 2011.

[35] JORDA G, GOMIS D. Toward SMOS L4 SSS products improving L3 SSS with auxiliary SSS data [J]. IEEE Trans. Geosci. Remote Sens., 2010, 48(5): 2204-2214.

[36] MUNOZSABATER J. Towards the assimilation of SMOS brightness temperatures at ECMWF[R]. France: 1st SMOS science workshop, 2011.

[37] LAGERLOEF G, KERR Y, ANTERRIEU E, et al. Simulating Aquarius by resampling SMOS and initial results from Aquarius data[R]. France: 1st SMOS science workshop,2011.

[38] BRASSINGTON G B, DIVAKARAN P. The theoretical impact of remotely sensed sea surface salinity observations in a multi-variate assimilation system[J]. Ocean Modelling, 2009,27(1-2):70-81.

[39] DELCROIX T, ALORY G, CRAVATTE S, et al. A gridded sea surface salinity data set for the tropical Pacific with sample applications (1950-2008) [J]. Deep-Sea Research I, 2011,58(1):38-48.

[40] HANSEN V D, THACKER W C. Estimation of salinity profiles in the upper ocean [J]. J. Geophys. Res., 1999,104(4):7921 7933.

[41] AGARWAL N, SHARMA R, BASU S, et al. Derivation of salinity profiles in the Indian Ocean from satellite surface observations [J]. IEEE Trans. Geosci. Remote Sens., 2007,4(2):322-325.

[42] BALLABRERA-POY J, MOURRE B, GARCIA-LADONA E, et al. Linear and non-linear T S models for the eastern North Atlantic from Argo data: Role of surface salinity observations [J]. Deep-Sea Research I, 2009,56(10):1605-1614.

[43] HENIN C, PENHOAT Y, IOUALALEN M. Observations of sea surface salinity in the western Pacific fresh pool: Large-scale changes during 1992 95 [J]. J. Geophys. Res., 1998,103(4):7523-7536,.

[44] CRAVATTE S, DELCROIX T, ZHANG D, et al. Observed freshening and warming of the western Pacific warm pool [J]. Clim. Dyn., 2009:33(4):565-589.