SMOS與Aquarius衛(wèi)星海表鹽度測量方法及數(shù)據(jù)的對比分析

陳之薇,李青俠,李 炎

(1. 華中科技大學(xué)電子信息與通信學(xué)院，湖北 武漢 430074; 2. 多譜信息處理技術(shù)重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430074；3. 中國科學(xué)院國家空間科學(xué)中心，北京 100190)

0 引言

目前，國際上海表鹽度(SSS)遙感衛(wèi)星有SMOS、Aquarius和SMAP衛(wèi)星。其中SMAP衛(wèi)星主要用于土壤濕度遙感，雖也可提供海表面鹽度遙感數(shù)據(jù)，但不能滿足鹽度遙感精度要求。故本文僅比較分析SMOS和Aquarius這2顆衛(wèi)星。

SMOS和Aquarius同為L波段海表鹽度遙感衛(wèi)星。但SMOS采用世界首臺二維綜合孔徑式輻射計MIRAS[1]，而Aquarius[2]則采用實(shí)孔徑輻射計與散射計結(jié)合的主被動觀測方式。2顆衛(wèi)星的觀測方式不同，導(dǎo)致鹽度數(shù)據(jù)的處理算法存在差異。為得到高精度鹽度數(shù)據(jù)，SMOS和Aquarius測量數(shù)據(jù)都進(jìn)行了一系列處理[3-4]，包括外部干擾校正、天線誤差校正和輔助參數(shù)校正等。因?yàn)?顆衛(wèi)星的載荷及處理算法不同，其鹽度數(shù)據(jù)精度亦不同。通過對比這2顆衛(wèi)星的遙感器載荷、數(shù)據(jù)處理算法和鹽度數(shù)據(jù)，總結(jié)得出二者的優(yōu)缺點(diǎn)，及需要進(jìn)一步研究的問題。以期為后續(xù)海洋鹽度遙感的相關(guān)研究提供參考，特別是為我國的海洋鹽度遙感載荷的研制提供借鑒。

1 海表鹽度測量方法對比

1.1 載荷的技術(shù)指標(biāo)

SMOS于2009年11月2日發(fā)射，并在次日成功展開天線臂，星上搭載了世界首臺二維綜合孔徑式輻射計MIRAS。Aquarius由美國和阿根廷合作研制，并于2011年6月10日發(fā)射。衛(wèi)星的主載荷由美國宇航局(NASA)負(fù)責(zé)，采用3個實(shí)孔徑輻射計加散射計的配置。二者各有優(yōu)勢與特點(diǎn)[5-6]，其配置與關(guān)鍵技術(shù)指標(biāo)見表1。

表1 SMOS和Aquarius衛(wèi)星載荷配置及關(guān)鍵技術(shù)指標(biāo)的比較

從表1中可得出以下結(jié)論：

1)SMOS與Aquarius的設(shè)計壽命均為3年。目前，SMOS仍然在軌運(yùn)行；而Aquarius因?yàn)樵O(shè)備故障于2015年6月8日停止工作[10]。

2)歐洲的SMOS衛(wèi)星采用綜合孔徑體制，并且后續(xù)的衛(wèi)星計劃依然沿用這一體制；而美國的Aquarius衛(wèi)星采用主被動聯(lián)合體制，包括現(xiàn)在在軌的土壤濕度探測衛(wèi)星SMAP也采用這一方式，這些衛(wèi)星各有特點(diǎn)和優(yōu)勢。

3)SMOS搭載的MIRAS輻射計采用二維稀疏天線陣干涉測量，其采用了每個天線支臂有23個天線單元的Y型陣；Aquarius則是輻射計與散射計共用一副2.5 m單折疊拋物面天線。

4)SMOS的入射角范圍覆蓋0°～55°；Aquarius則為固定的入射角。

5)由于任務(wù)需要，SMOS分辨率能同時兼顧海表鹽度及土壤濕度的測量；而Aquarius任務(wù)為海洋鹽度測量，分辨率無法滿足土壤濕度測量的要求。

6)SMOS通過大入射角來保證大幅寬，Aquarius則通過3個波束組合實(shí)現(xiàn)幅寬。由于SMOS的幅寬更寬，可實(shí)現(xiàn)3天88個半軌數(shù)據(jù)的全球重訪周期；而Aquarius則需要7天103個軌道數(shù)據(jù)才能覆蓋全球。

1.2 軌道特性

SMOS和Aquarius都選擇了太陽同步的晨昏軌道來避免太陽光照的影響。不同的是，SMOS選擇的降交點(diǎn)是上午06:00，而Aquarius選擇的則是下午06:00。為滿足地面分辨率、重訪周期和覆蓋率的需求，SMOS軌道高度為763 km(傾斜角為98°)，Aquarius為657 km(傾斜角為32.5°)。

如圖1所示，在同一時間段，紅色線為SMOS的一軌數(shù)據(jù)的軌跡圖，藍(lán)色線為Aquarius的軌跡圖。從圖1可看出，因2顆衛(wèi)星軌道不同，運(yùn)行軌跡呈相反的形狀，因SMOS有更寬的刈幅，紅色軌跡比藍(lán)色軌跡寬。由于SMOS的L1c級數(shù)據(jù)是將海洋和陸地數(shù)據(jù)分開處理的，故在紅色軌跡線上出現(xiàn)空白區(qū)域，而這塊區(qū)域?qū)儆陉懙胤秶?/p>

1.3 定標(biāo)方法

SMOS采用的定標(biāo)方法是噪聲注入和冷空定標(biāo)[11]。MIRAS輻射計系統(tǒng)構(gòu)成復(fù)雜，不能采用傳統(tǒng)的兩點(diǎn)定標(biāo)或簡單的Dicke定標(biāo)方法對系統(tǒng)定標(biāo)，必須針對不同的誤差，通過分步定標(biāo)的方法，消除其對系統(tǒng)測量精度的影響，從而達(dá)到定標(biāo)的目的。

因系統(tǒng)在軌運(yùn)行時儀器的溫度隨時間而變化，輻射計測量結(jié)果包含一些誤差，故在軌過程中需進(jìn)行周期性定標(biāo)。將定標(biāo)過程分為短定標(biāo)、長定標(biāo)、自定標(biāo)和冷空定標(biāo)，如表2所示。

其中，短定標(biāo)采用噪聲二級注入定標(biāo)，通過二級相關(guān)噪聲的注入，獲得fringe-washing函數(shù)(FWF)在零點(diǎn)的取值，完成系統(tǒng)通道的幅度、相位以及功率檢波器(PMS)的校正，短定標(biāo)每次持續(xù)34.8 s。長定標(biāo)將進(jìn)行噪聲二級定標(biāo)和殘留可見度函數(shù)校正，通過輸入二級相關(guān)噪聲完成幅度、相位校正和PMS定標(biāo);通過輸入匹配負(fù)載產(chǎn)生的非相關(guān)噪聲，完成殘留可見度函數(shù)校正，長定標(biāo)每次持續(xù)6 004 s。自定標(biāo)是完成設(shè)備在軌時由本振帶來的正交誤差和同相誤差校正，每次持續(xù)4.8 s。冷空定標(biāo)是對系統(tǒng)絕對定標(biāo)，完成去歸一化處理的過程；冷空定標(biāo)時，衛(wèi)星調(diào)整姿態(tài)，天線朝向冷空觀測，冷空觀測時間為310 s。為不影響衛(wèi)星對地觀測時間，定標(biāo)的總長度設(shè)定為不超過整個系統(tǒng)工作時間的1%。自定標(biāo)每隔21 min進(jìn)行一次，短定標(biāo)每隔24 h一次，冷空定標(biāo)每隔2周一次，長定標(biāo)每隔4周一次。

表2 SMOS在軌定標(biāo)過程

Aquarius的定標(biāo)過程包含其1級數(shù)據(jù)的處理過程，Aquarius定標(biāo)主要包含噪聲定標(biāo)[12]、冷空定標(biāo)[7]及全量程定標(biāo)[13]等幾部分。

Aquarius中配置的相關(guān)噪聲二極管提供參考的注入噪聲，用以校正接收機(jī)信號的相位和振幅，從而定標(biāo)包括第三Stokes參數(shù)亮溫在內(nèi)的極化數(shù)據(jù)[12]。

冷空定標(biāo)[7]通過對2.73 K宇宙背景輻射的觀測對輻射計絕對定標(biāo)。Aquarius冷空定標(biāo)時，平臺沿俯仰旋轉(zhuǎn)180°，使觀測波束朝向宇宙遠(yuǎn)端，從而獲得對宇宙背景輻射的觀測。

此外，Aquarius還可進(jìn)行全量程定標(biāo)[13]，包括觀測天空、海洋、陸地的定標(biāo)。

2 數(shù)據(jù)處理算法對比

2.1 介電常數(shù)模型

在SMOS和Aquarius鹽度測量方法中，一個顯著的不同在于海水介電常數(shù)模型的選取。SMOS選取的是Klein-Swift模型[14]，而Aquarius選取的是Meissner-Wentz模型[15]。

Klein-Swift模型是來自于1.43 GHz和2.653 GHz頻率的實(shí)驗(yàn)數(shù)據(jù)，并且基于簡單的Debye方程

式中：ε為頻率無限大時的介電常數(shù)(當(dāng)溫度為0～30 ℃，鹽度為23～39 psu時，ε變化范圍為4.6～8.5)；ε0為真空介電常數(shù)，取值8.854 101 2 F/m；εs為靜態(tài)介電常數(shù)；τ為弛豫時間；γ為海水離子電導(dǎo)率；f0為輻射頻率(單位為GHz)。這些參數(shù)中，εs、τ和γ都是和海表鹽度S和海表溫度Ts相關(guān)的量，計算公式為

計算所需的系數(shù)m(i)、t(j)和s(k)均為擬合系數(shù)。

Meissner-Wentz模型則衍生于Wentz的介電常數(shù)模型，比Klein-Swift模型有更大的頻率適用范圍。并且該模型基于雙Debye模型

式中：ε1為中頻介電常數(shù)；f1和f2分別為一次和二次Debye弛豫頻率(單位為GHz)；ε和ε0同式(1)；靜態(tài)介電常數(shù)εs來自修正后的Wentz模型。

圖2比較了SMOS和Aquarius介電常數(shù)模型根據(jù)海表鹽度和海表溫度的變化。對比發(fā)現(xiàn)，兩種模型計算的差異主要體現(xiàn)在實(shí)部。海表溫度為20 ℃時，隨海表鹽度的變化，Aquarius模型計算出的介電常數(shù)實(shí)部低于SMOS；海表鹽度為35 psu時，Aquarius模型計算出的介電常數(shù)實(shí)部在低溫(小于5 ℃)時高于SMOS，而在高溫(大于25 ℃)時則低于SMOS，在中間溫度段吻合得較好。

2.2 海面粗糙度的校正

SMOS衛(wèi)星粗糙度校正依據(jù)第三方的歐洲中期天氣預(yù)報中心(ECWMF)數(shù)據(jù)中的風(fēng)速、波齡和波高數(shù)據(jù)，通過3種模型模擬粗糙度的亮溫貢獻(xiàn)，這必然會引入由數(shù)據(jù)的時間和空間不同步帶來的誤差。當(dāng)鹽度數(shù)據(jù)為空間分辨率為1°的月均數(shù)據(jù)時，ECMWF數(shù)據(jù)會為鹽度反演引入0.26 psu的誤差[16]。

而Aquarius衛(wèi)星在運(yùn)行初期，依據(jù)來自國家環(huán)境預(yù)報中心(NCEP)提供的海面風(fēng)場信息進(jìn)行粗糙度校正，故任何NCEP的預(yù)報誤差都會對粗糙度修正造成影響，進(jìn)而導(dǎo)致鹽度反演的誤差。同時，運(yùn)用NCEP的數(shù)據(jù)也會帶來數(shù)據(jù)時間和空間不同步的問題。故在后續(xù)的版本中，Aquarius利用星上散射計獲得數(shù)據(jù)，并采用主被動聯(lián)合反演(CAP)的方法處理數(shù)據(jù)，校正風(fēng)場引起的粗糙度帶來的誤差[17-18]。

將CAP得到的海面風(fēng)速同SSMI/S(Special Sensor Microwave Imager Sounder)和ECMWF的風(fēng)速測量結(jié)果對比發(fā)現(xiàn)，Aquarius的主被動聯(lián)合方法有更好的精度[19-21]，見表3。

表3 SSMI/S、ECMWF和CAP風(fēng)速反演精度對比

比較2013年8月18日的SMOS輔助數(shù)據(jù)ECMWF和Aquarius散射計測量的中國南海區(qū)域的風(fēng)速，如圖3所示。從圖3可看出，兩個來源的風(fēng)速數(shù)據(jù)差別較大，必然會造成兩個衛(wèi)星反演鹽度結(jié)果不同。

理論上，就粗糙度校正而言，Aquarius依靠散射計可更加有效地校正粗糙度對鹽度測量的影響，從而可提高海表鹽度的反演精度。

2.3 鹽度反演算法

SMOS的鹽度反演方法采用迭代算法(最優(yōu)化算法)。鹽度反演中使用的代價函數(shù)[24]為

該算法構(gòu)造式(6)的代價函數(shù)，選取LM(Levenberg-Marquard)最優(yōu)化算法[22-23]尋找使式(6)達(dá)到最小時的鹽度值，該鹽度值即為鹽度的反演值。

第一Stokes參數(shù)與亮溫關(guān)系為

I=TB，V+TB，H

(7)

模型亮溫為

TB,p(θ,S)=(1-P)[TB,flat,p(θ,S)+

TB,rough,p(θ,S)]+P·TB,foam,p(θ,S)

(8)

式中：p=H,V為輻射計極化方式；P為泡沫覆蓋率，取值范圍為0到1；θ為入射角；TB,flat,p(θ,S)、TB,rough,p(θ,S)和TB,foam,p(θ,S)分別為平靜海面亮溫、粗糙海面亮溫和被泡沫覆蓋的海面亮溫。

圖 4為運(yùn)用LM迭代反演算法進(jìn)行反演的流程圖。1)初始化所有參數(shù)，計算物理參數(shù)的先驗(yàn)誤差，標(biāo)記反演的初始值，準(zhǔn)備輔助數(shù)據(jù)；2)運(yùn)用初始參數(shù)計算代價函數(shù)的初始值，反演迭代開始；3)運(yùn)用正向模型計算梯度和海森矩陣；4)在迭代過程中更新反演參數(shù)，然后用新的參數(shù)值計算新的代價函數(shù)的值；5)判定代價函數(shù)，若其值增加，則減小Marquardt放大系數(shù)λ；6)若代價函數(shù)較之以前減小，則增大Marquardt放大系數(shù)λ，然后計算新的梯度和海森矩陣；7)當(dāng)反演滿足收斂準(zhǔn)則時，保存反演結(jié)果退出循環(huán)，計算反演結(jié)果的誤差方差，反演過程結(jié)束。

Aquarius早期數(shù)據(jù)版本中的鹽度反演方法是Wentz等[25]提出的半經(jīng)驗(yàn)反演算法，該算法假定海面鹽度與海面亮溫和海面風(fēng)速之間近似存在一種線性關(guān)系，從天線溫度出發(fā)依次減去銀河系、各天體、地球大氣及海面粗糙度的亮溫貢獻(xiàn)，通過匹配各參數(shù)統(tǒng)計回歸得到一組系數(shù)，從而確定該線性方程以用于鹽度反演。

但Aquarius后期數(shù)據(jù)版本開始使用CAP方法。CAP 算法(2.0版本)由 Yueh等[21]于2013年提出，該算法基于海面的 L 波段主被動聯(lián)合觀測數(shù)據(jù)同時反演海面鹽度、風(fēng)速及風(fēng)向。CAP 算法中的代價函數(shù)為

(9)

從式(9)可看出，CAP算法中用Stokes矢量亮溫，有

(10)

用CAP算法構(gòu)造式(9)的代價函數(shù)，選用最優(yōu)化算法尋找使目標(biāo)函數(shù)最小的鹽度值、風(fēng)速及風(fēng)向值，其中的鹽度值即為反演的鹽度值。

轉(zhuǎn)換成Stokes分量的模型亮溫有

TB,p(S,Ts,vs,φ)=TB,p,flat(S,Ts)+

Ts·Δep(vs,φ)

(11)

式中：TB,p,flat為與鹽度和溫度有關(guān)的平靜海面亮溫；Δep為粗糙度引起的海面發(fā)射率變化。

CAP算法的代價函數(shù)采用Stokes參量平方和的形式，避免了法拉第旋轉(zhuǎn)的誤差。

3 海表鹽度數(shù)據(jù)對比

本文比較的SMOS與Aquarius海表鹽度數(shù)據(jù)有2種：1)L2級別數(shù)據(jù)，直接從亮溫數(shù)據(jù)中反演得到的鹽度數(shù)據(jù)，即單次測量數(shù)據(jù)；2)L3/L4級別數(shù)據(jù)，利用L2級別的鹽度數(shù)據(jù)網(wǎng)格進(jìn)行時空平均后的鹽度數(shù)據(jù)。

3.1 數(shù)據(jù)的相關(guān)程度

3.1.1 Aquarius數(shù)據(jù)與SMOS數(shù)據(jù)的相關(guān)程度

由于Aquarius和SMOS的空間分辨率及刈幅寬度的差別，為對比2顆衛(wèi)星L2級別數(shù)據(jù)，將SMOS的數(shù)據(jù)映射到1°×1°的尺度上。選取2013年8月18日Aquarius和SMOS的海洋鹽度數(shù)據(jù),如圖5為Aquarius和SMOS一天數(shù)據(jù)共同覆蓋到的部分的差異值(Aquarius-SMOS)。

一天中Aquarius和SMOS匹配(共同覆蓋)到的數(shù)據(jù)為6 145個，從圖5可看出，在中緯度的開闊海域，2顆衛(wèi)星的測量數(shù)據(jù)結(jié)果較相近，且SMOS的數(shù)據(jù)結(jié)果略偏高；但靠近兩極區(qū)域則有較大的差距，Aquarius的數(shù)據(jù)結(jié)果偏高。圖6計算了圖5中一天的Aquarius和SMOS共同覆蓋到的數(shù)據(jù)的相關(guān)程度。

從圖6可得出，Aquarius和SMOS一天數(shù)據(jù)的相關(guān)程度為0.503 9。之后又選取2013年8月19日和20日的數(shù)據(jù)進(jìn)行匹配，計算出來的結(jié)果也十分相似：19日匹配6 160個，相關(guān)程度為0.479 4；20日匹配6 370個，相關(guān)程度為0.508 7。對照表4，Aquarius和SMOS一天數(shù)據(jù)的相關(guān)程度約為0.5，相關(guān)程度中等。

表4 相關(guān)系數(shù)和數(shù)據(jù)相關(guān)程度的關(guān)系

對比2顆衛(wèi)星經(jīng)過時空平均后的網(wǎng)格化鹽度數(shù)據(jù)，選取2013年8月的Aquarius和SMOS的L3級別數(shù)據(jù)，網(wǎng)格大小為1°×1°。圖 7為2顆衛(wèi)星月均鹽度數(shù)據(jù)的差異圖。

從圖 7(c)可看出，絕大多數(shù)開闊海域的數(shù)據(jù)差異在0.5 psu以內(nèi)，在某些近海區(qū)域和靠近兩極(高緯度)區(qū)域，數(shù)據(jù)差異較大，達(dá)到或超過2 psu。圖8計算了圖7中月均Aquarius和SMOS數(shù)據(jù)的相關(guān)程度。

從圖8中可看出，Aquarius和SMOS匹配到的29 922個數(shù)據(jù)的相關(guān)系數(shù)為0.701 3，為強(qiáng)相關(guān)?？傮w來說，相比于單次測量結(jié)果，月均數(shù)據(jù)使數(shù)據(jù)相關(guān)性有所提高。

為進(jìn)一步說明兩個數(shù)據(jù)間的相關(guān)性，表5分析了2013年中12個月的月均數(shù)據(jù)相關(guān)程度。從表5中可看出，經(jīng)過時空平均后，月均數(shù)據(jù)的相關(guān)程度確實(shí)會提高；對比每個月之間的結(jié)果又發(fā)現(xiàn)，4月的數(shù)據(jù)相關(guān)度最高，10月的相關(guān)度最低。

3.1.2 衛(wèi)星數(shù)據(jù)與實(shí)測數(shù)據(jù)的相關(guān)程度

選取Argo海面浮標(biāo)數(shù)據(jù)作參照[26-28]，將其看作鹽度的真實(shí)值，分別比較Aquarius和SMOS鹽度數(shù)據(jù)的相關(guān)程度。

由于Argo浮標(biāo)測量的數(shù)據(jù)具有時空分布不規(guī)則的缺點(diǎn)，法國海洋開發(fā)研究所CORIOLIS設(shè)計開發(fā)了基于最優(yōu)插值技術(shù)的ISAS溫鹽分析系統(tǒng)。ISAS數(shù)據(jù)利用有限覆蓋的Argo浮標(biāo)數(shù)據(jù)，結(jié)合理論模型和其他來源的鹽度數(shù)據(jù)，提供了高精度的鹽度地面測量數(shù)據(jù)[29]，故本文采用ISAS數(shù)據(jù)。

表5 SMOS和Aquarius月均數(shù)據(jù)相關(guān)性與匹配個數(shù)(2013年)

表6計算了2013年1月至12月的衛(wèi)星數(shù)據(jù)同ISAS數(shù)據(jù)的相關(guān)程度。總體來說，SMOS月均數(shù)據(jù)同ISAS數(shù)據(jù)的相關(guān)程度較高，大部分都在1左右；但Aquarius月均數(shù)據(jù)較SMOS明顯偏低，特別是7月至9月的數(shù)據(jù)，說明這3個月的鹽度測量數(shù)據(jù)高于ISAS的實(shí)測數(shù)據(jù)。

表6 Aquarius和SMOS月均數(shù)據(jù)同ISAS數(shù)據(jù)的匹配與相關(guān)性(2013年)

雖然SMOS同ISAS實(shí)測數(shù)據(jù)的相關(guān)性較Aquarius好，但并不能說明SMOS的鹽度測量精度就高于Aquarius，下面分別針對全球范圍及區(qū)域范圍來分析2顆衛(wèi)星的鹽度測量精度。

3.2 衛(wèi)星數(shù)據(jù)的測量精度分析

將ISAS的數(shù)據(jù)作為鹽度地面測量的“真實(shí)值”，進(jìn)而分析衛(wèi)星遙感數(shù)據(jù)的精度。

圖9(a)為ISAS浮標(biāo)測量的月均鹽度數(shù)據(jù)，同Aquarius和SMOS的衛(wèi)星遙感月均數(shù)據(jù)(2013年8月，同圖7)比較，結(jié)果見圖9(c)。

基于圖9的比較結(jié)果，從2顆衛(wèi)星數(shù)據(jù)的全球測量精度以及區(qū)域數(shù)據(jù)的精度兩個方面分析。

為了定量評估精度，這里計算誤差均值及均方根誤差。測量數(shù)據(jù)xobs即為SMOS和Aquarius衛(wèi)星測量的鹽度數(shù)據(jù)，作為參考真值的數(shù)據(jù)xtrue為ISAS浮標(biāo)測量的海面鹽度數(shù)據(jù)，故測量的誤差可表示為

ei=xobs,i-xtrue,i

(12)

誤差均值指所有誤差值的平均值

(13)

平均是為消除測量的隨機(jī)誤差，故均值應(yīng)該和真值最接近。在測量學(xué)中，通常用均方根誤差(RMSE)衡量觀測值同真值之間的偏差，其表達(dá)式為

(14)

為方便比較，將2顆衛(wèi)星的數(shù)據(jù)與ISAS實(shí)測數(shù)據(jù)的誤差均值M和均方根誤差eRMS繪制成對月份變化的曲線，如圖10所示。

由圖10可看出，Aquarius的誤差均值小于SMOS，同時Aquarius的均方根誤差也小于SMOS，表明Aquarius的鹽度測量精度更高。由于Aquarius運(yùn)用的是實(shí)孔徑的觀測手段，雖然相比SMOS的綜合孔徑輻射計有分辨率低和角度信息少等缺點(diǎn)，但在全球范圍內(nèi)，卻有更高的亮溫測量穩(wěn)定度。

從圖 10可看出，不同區(qū)域衛(wèi)星測量數(shù)據(jù)的誤差有差別。有必要分析不同海域的精度。

3.2.1 開闊海域

開闊海域因遠(yuǎn)離陸地污染及射頻干擾(RFI,Radio Frequency Interference)的影響，一般有更好的鹽度測量精度。表7選取5個不同的開闊海域，對比其鹽度測量精度。為方便與前面的結(jié)果對比，圖11標(biāo)示了這5個區(qū)域在地圖上的位置。

表7 開闊海域的選取

分別計算和分析5個區(qū)域的SMOS和Aquarius數(shù)據(jù)，將計算結(jié)果繪制成隨月份變化的曲線，如圖12所示。

從圖12可看出，在這5個開闊海域，大多數(shù)月份的SMOS的月均測量誤差均值及均方根誤差都小于Aquarius。雖然全球范圍SMOS的鹽度測量精度不如Aquarius，但SMOS在開闊海域的表現(xiàn)優(yōu)于Aquarius。

3.2.2 海岸區(qū)域

對于海岸區(qū)域，鹽度測量會受到陸地污染及RFI的影響[30]，故海岸區(qū)域的鹽度遙感一直是難點(diǎn)，其測量精度明顯低于開闊海域。表8選取了5個不同的近海區(qū)域，對比其鹽度測量精度。為方便和前面的結(jié)果對比，圖13標(biāo)示了這5個區(qū)域在地圖上的位置。

表8 海岸區(qū)域的選取

分別計算和分析這5個區(qū)域的SMOS和Aquarius數(shù)據(jù)的測量精度并將計算結(jié)果繪制成隨月份變化的曲線，如圖14所示。從誤差均值看，二者在海岸區(qū)域的測量均存在較大誤差，在區(qū)域1，SMOS和Aquarius的測量誤差比較接近，而在區(qū)域2～5的多數(shù)月份，Aquarius的測量誤差均值明顯小于SMOS。從均方根誤差看，在區(qū)域1、2、5中，二者測量結(jié)果大多數(shù)接近，但在區(qū)域3和4中，某些月份SMOS的均方根誤差大于Aquarius，甚至SMOS測量的海岸鹽度在某些月份的均方根誤差達(dá)到1.8 psu。說明在近海區(qū)域Aquarius的測量精度高于SMOS。

4 結(jié)束語

從海表鹽度測量方法、數(shù)據(jù)處理算法和鹽度數(shù)據(jù)3個方面，對比分析了SMOS和Aquarius 2顆鹽度衛(wèi)星。

在鹽度遙感器載荷體制方面，SMOS采用綜合孔徑輻射計，有較高的空間及時間分辨率，可同時滿足海洋鹽度遙感及土壤濕度遙感的需求，但定標(biāo)系統(tǒng)更復(fù)雜；Aquarius采用高穩(wěn)定度的實(shí)孔徑輻射計及散射計聯(lián)合測量，空間分辨率達(dá)到了海洋鹽度遙感的需求，但沒達(dá)到土壤濕度遙感的需求，故后來美國于2015年發(fā)射了另一顆衛(wèi)星SMAP用于測量土壤濕度。

在海面粗糙度校正方面，SMOS的粗糙度校正依靠第三方的ECWMF數(shù)據(jù)中的風(fēng)速、波齡和波高數(shù)據(jù)，但因時間、空間不同步而帶來誤差。Aquarius后來版本中同時利用星上散射計獲得的數(shù)據(jù)，采用CAP算法處理數(shù)據(jù)，避免了時間、空間不同步帶來的誤差，故利用散射計與輻射計同時測量的Aquarius衛(wèi)星能更加有效地校正粗糙度。

反演算法方面，SMOS采用LM最優(yōu)化算法使構(gòu)造的代價函數(shù)最小化,得到鹽度值。Aquarius在早期使用的是半經(jīng)驗(yàn)算法，在后來的數(shù)據(jù)版本中開始采用CAP算法作為其官方算法之一，CAP算法同樣是最小化其所構(gòu)造的代價函數(shù)反演鹽度，但其代價函數(shù)不同，引入了散射計同步測量數(shù)據(jù)，減少了海面粗糙度對鹽度反演精度的影響。

在數(shù)據(jù)質(zhì)量上，對比SMOS衛(wèi)星和Aquarius衛(wèi)星之間的L3級數(shù)據(jù)發(fā)現(xiàn)，SMOS和Aquarius的月均鹽度數(shù)據(jù)之間的相關(guān)程度高于單日測量。將2顆衛(wèi)星的鹽度遙感數(shù)據(jù)與ISAS浮標(biāo)鹽度數(shù)據(jù)對比發(fā)現(xiàn)，在全球范圍內(nèi)，Aquarius鹽度測量精度優(yōu)于SMOS；但在開闊海域，SMOS鹽度測量精度優(yōu)于Aquarius；而在近海岸區(qū)域，均出現(xiàn)較大的誤差，且SMOS數(shù)據(jù)誤差更大。

未來的鹽度遙感研究需要考慮以下問題：1)在鹽度遙感器載荷的選擇問題上，綜合孔徑輻射計有更高的空間及時間分辨率，而實(shí)孔徑輻射計有更高的穩(wěn)定度，結(jié)合散射計的同步測量也可達(dá)到較高的測量精度；2)從原理上看，L波段微波輻射計可兼顧土壤濕度遙感和海洋鹽度遙感，但土壤濕度遙感與海洋鹽度遙感對空間分辨率及測量精度的要求不一樣，可選擇一顆衛(wèi)星實(shí)現(xiàn)海表鹽度和土壤濕度遙感，也可用兩顆衛(wèi)星分別實(shí)現(xiàn)。這些問題均需要在總體設(shè)計的時候綜合論證。

除了上述需要選擇論證的問題外，還需要進(jìn)一步研究的問題有：1)2顆衛(wèi)星的鹽度遙感數(shù)據(jù)在近海區(qū)域誤差均較大；2)目前SMOS和Aquarius都不能有效解決RFI問題，使部分測量數(shù)據(jù)無效或精度受到影響。

在數(shù)據(jù)處理方面，SMOS和Aquarius衛(wèi)星的數(shù)據(jù)處理算法不斷改進(jìn)、數(shù)據(jù)處理軟件的版本不斷升級，使其數(shù)據(jù)產(chǎn)品精度也不斷提升。這種提高遙感數(shù)據(jù)精度的方法值得借鑒。

[1] BARRE H M, DUESMANN B, KERR Y H. SMOS: the mission and the system[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(3): 587-593.

[2] LE VINE D, LAGERLOEF G, Yueh S, et al. Aquarius mission technical overview[C]∥IEEE International Conference on Geoscience and Remote Sensing Symposium, Denver, CO, USA, 2006: 1678-1680.

[3] CAMPS A, DUFFO N, VALL-LLOSSERA M, et al. Sea surface salinity retrieval using multi-angular L-band radiometry: numerical study using the SMOS end-to-end performance simulator[C]∥IEEE International Conference on Geoscience and Remote Sensing Symposium, Toronto, Ontario, Canada, 2002: 1123-1125.

[4] WENTZ F J, LE VINE D. Algorithm theoretical basis document Aquarius level-2 radiometer algorithm: revision 1[R]. RSS Technical Report, 2008(4): 012208.

[5] LAGERLOEF G, COLOMB F R, LE VINE D, et al. The aquarius/SAC-D mission: designed to meet the salinity remote-sensing challenge[J]. Oceanography, 2008, 21(1): 68-81.

[6] 唐治華. 國外海洋鹽度與土壤濕度探測衛(wèi)星的發(fā)展[J]. 航天器工程, 2013, 22(3): 83-89.

[7] DINNAT E P, LE VINE D M, PIEPMEIER J R, et al. Aquarius L-band radiometers calibration using cold sky observations[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(12): 5433-5449.

[8] FORE A G, NEUMANN G, FREEDMAN A P, et al. Aquarius scatterometer calibration[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(12): 5424-5432.

[9] CORBELLA I, TORRES F, DUFFO N, et al. MIRAS calibration and performance: results from the SMOS in-orbit commissioning phase[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(9): 3147-3155.

[10] KAREN N. International Spacecraft Carrying NASA′s Aquarius instrument ends operations[EB/OL]. [2015-06-18]. http://www.nasa.gov/press-release/international-spacecraft-carrying-nasa-s-aquarius-instrument-ends-operations.

[11] BROWN M A, TORRES F, CORBELLA I, et al. SMOS calibration[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(3): 646-658.

[12] PIEPMEIER J, BINDLISH R, BROWN S, et al. Aquarius radiometer post-launch calibration for product version 2[Z]. Aquarius Project Document: AQ-014-PS-0015, 2013.

[13] DINNAT E P, LE VINE D M, BINDLISH R, et al. Aquarius whole range calibration: celestial sky, ocean, and land targets[C]∥13th IEEE Specialist Meeting on Microwave Radiometry and Remote Sensing of the Environment (MicroRad), Pasadena, CA, USA, 2014: 192-196.

[14] KLEIN L, SWIFT C T. An improved model for the dielectric constant of sea water at microwave frequencies[J]. IEEE Transactions on Antennas and Propagation, 1977, 25(1): 104-111.

[15] MEISSNER T, WWNTZ F J. The emissivity of the ocean surface between 6 and 90 GHz over a large range of wind speeds and Earth incidence angles[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(8): 3004-3026.

[16] 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 Transactions on Geoscience and Remote Sensing, 2006, 44(10): 2769-2778.

[17] YUEH S. Aquarius CAP algorithm and data user guide[Z]. Jet Propul. Lab., Pasadena, Calif, 2013.

[18] FREEDMAN A, MCWATTERS D, SPENCER M. The Aquarius scatterometer: an active system for measuring surface roughness for sea-surface brightness temperature correction [C]∥IEEE International Conference on Geoscience and Remote Sensing Symposium, Denver, CO, USA, 2006: 1685-1688.

[19] STOFFELEN A. Toward the true near-surface wind speed: error modeling and calibration using triple collocation[J]. Journal of Geophysical Research, 1998, 103(C4): 7755-7766.

[20] VOGELZANG J, STOFFELEN A, VERHOED A, et al. On the quality of high-resolution scatterometer winds[J]. Journal of Geophysical Research: Oceans, 2011, 116(C10), C10033.

[21] YUEH S H, WENQING T, FORE A G, et al. L-band passive and active microwave geophysical model functions of ocean surface winds and applications to aquarius retrieval[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(9): 4619-4632.

[22] MARQUARDT D W. An algorithm for least-squares estimation of nonlinear parameters[J]. Journal of the Society for Industrial and Applied Mathematics, 1963, 11(2): 431-441.

[23] WALDTEUFEL P, BOUTIN J, KERR Y. Selecting an optimal configuration for the soil moisture and ocean salinity mission[J]. Radio Science, 2003, 38(3): 16.

[24] CAMPS A, FONT J, VALL-LLOSSERA M, et al. Determination of the sea surface emissivity at L-band and application to SMOS salinity retrieval algorithms: review of the contributions of the UPC-ICM[J]. Radio Science, 2008, 43(3): 1-16.

[25] MEISSNER T, WENTZ F, LAGERLOED G, et al. The Aquarius salinity retrieval algorithm[C]∥2012 IEEE International Geoscience and Remote Sensing Symposium, Munich, Germany, 2012: 386-388.

[26] PABLOS M, PILES M, GONZLEZ-GAMBAU V, et al. SMOS and aquarius radiometers: inter-comparison over selected targets[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014, 7(9): 3833-3844.

[27] ROEMMICH D, GILSON J. The 2004—2008 mean and annual cycle of temperature, salinity, and steric height in the global ocean from the Argo program[J]. Progress in Oceanography, 2009, 82(2): 81-100.

[28] RISER S C, REN L, WONG A. Salinity in Argo[J]. Oceanography, 2008, 21(1): 56.

[29] GAILLARD F, AUTRET E, THIERRY V, et al. Quality control of large Argo datasets[J]. Journal of Atmospheric and Oceanic Technology, 2009, 26(2): 337-351.

[30] LI Y, LI Q, LANG L, et al. Correction of SMOS data in coastal area of south China sea based on land contamination analysis[C]∥IEEE International Conference on Geoscience and Remote Sensing Symposium (IGARSS), Beijing, China, 2016: 7667-7670.