基于微波遙感技術(shù)海面鹽度反演方法

牛 原, 邱志偉, 常宇佳, 吳振宇, 潘春天

基于微波遙感技術(shù)海面鹽度反演方法

牛 原, 邱志偉, 常宇佳, 吳振宇, 潘春天

(江蘇海洋大學(xué) 海洋技術(shù)與測繪學(xué)院, 江蘇 連云港 222005)

海面鹽度 (sea surface salinity, SSS)是研究海洋變化及其氣候效應(yīng)重要的物理量, 對(duì)海洋生態(tài)環(huán)境、海洋可持續(xù)發(fā)展至關(guān)重要。為了提高海面鹽度反演精度, 本文通過對(duì)SMAP衛(wèi)星L波段微波輻射計(jì)測量的亮溫?cái)?shù)據(jù)進(jìn)行海面鹽度反演研究, 考慮風(fēng)、浪等影響海面粗糙度的環(huán)境因子對(duì)Klein-Shift模型(簡稱K-S模型)進(jìn)行改進(jìn), 再將反演鹽度與Argo鹽度進(jìn)行比對(duì)。結(jié)果顯示改進(jìn)K-S模型反演鹽度與Argo鹽度相關(guān)系數(shù)= 0.99, 呈顯著相關(guān), 且平均偏差I(lǐng)AS和均方根誤差MSE分別為0.16和0.17, 殘差基本分布在0.2之內(nèi), 相比較于K-S模型, 反演精度提高了0.5左右?？偟膩砜? 改進(jìn)K-S模型反演鹽度與Argo鹽度之間偏差較小, 反演精度較好, 在空間分布上趨于一致, 且海面鹽度空間變化上具有明顯的緯度分布地理特征。

海面鹽度; 反演方法; 改進(jìn)K-S模型

海面鹽度(sea surface salinity, SSS)研究對(duì)于全球海-氣變化、海洋生態(tài)環(huán)境及可持續(xù)發(fā)展研究具有重大意義[1]。目前對(duì)于海面鹽度的研究, 大多集中在遙感衛(wèi)星觀測、現(xiàn)場實(shí)測等方面。現(xiàn)場觀測雖然精度高, 但是無法獲取大范圍的海面鹽度數(shù)據(jù), 且費(fèi)時(shí)費(fèi)力。微波遙感反演是獲得大范圍的鹽度數(shù)據(jù)的有效手段。

國外開展海面鹽度的研究工作較早。早在1970年, Hollinger[2]就證明了海表亮溫的觀測與海面風(fēng)速等因素有關(guān)。隨后Swift等[3]進(jìn)行實(shí)驗(yàn)證明利用微波遙感技術(shù)進(jìn)行海面鹽度研究是切實(shí)可行的, 頻率為1.413 GHz的L波段是微波遙感技術(shù)探測鹽度的最佳波段。Blume等[4]利用L波段和S波段微波輻射計(jì)在臨近大西洋海域?qū)Ｃ纣}度進(jìn)行實(shí)驗(yàn), 在綜合考慮到輻射和海面粗糙度等影響因素下, 海面鹽度反演精度達(dá)到1。Talone等[5]做了一系列實(shí)驗(yàn), 證明了通過處理輔助數(shù)據(jù)能夠?qū)α翜睾秃Ｃ纣}度反演精度有明顯的提高; Fore等[6]基于SMAP數(shù)據(jù)提出了兩種鹽度反演方法: 一種只利用L波段輻射計(jì), 另一種是利用雷達(dá)反演風(fēng)場來聯(lián)合反演, 并說明了風(fēng)速對(duì)于鹽度反演的影響很大。Olmedo等[7]基于非貝葉斯方法反演海面鹽度, 提出了一種有效消除系統(tǒng)偏差的方法, 但是無法消除風(fēng)速等輔助數(shù)據(jù)帶來的隨機(jī)偏差, 進(jìn)而影響海面鹽度反演的精度。國外開展鹽度遙感衛(wèi)星項(xiàng)目也處于領(lǐng)先狀態(tài), 目前在軌運(yùn)行的可以用于海面鹽度研究的遙感衛(wèi)星主要有歐洲空間局(European Space Agency, ESA)的土壤濕度和海面鹽度衛(wèi)星(soil moisture and ocean salinity, SMOS)和美國宇航局(National Aeronautics and Space Administration, NASA)的主被動(dòng)土壤濕度衛(wèi)星(soil moisture active passive, SMAP)。SMOS衛(wèi)星任務(wù)是遠(yuǎn)程探測陸地上的土壤濕度和海洋表面的鹽度[8-9]。SMAP衛(wèi)星于2015年1月31日在美國發(fā)射, 主要是進(jìn)行土壤濕度方面的研究, 但是由于其搭載L波段微波輻射計(jì), 故也能進(jìn)行海面鹽度的反演研究。

相對(duì)來說, 國內(nèi)開展海面鹽度研究起步較晚。1988年, 華中科技大學(xué)與國家海洋局第二海洋研究所開展航空實(shí)驗(yàn), 利用自主研制的機(jī)載L波段微波輻射計(jì)觀測海面鹽度, 其精度優(yōu)于2[10]。隨后在“十一五”期間, 中國科學(xué)院國家空間科學(xué)中心基于機(jī)載實(shí)驗(yàn)數(shù)據(jù)對(duì)海面鹽度進(jìn)行了反演, 獲得了優(yōu)于0.2 的海面鹽度反演精度。海面鹽度反演精度受到很多因素的影響。盧紅麗等[11]基于SMOS數(shù)據(jù)提出了不修正系統(tǒng)偏差的大入射角反演方法能夠較好地反演鹽度。Yin等[12]基于SMOS衛(wèi)星數(shù)據(jù)開展海面粗糙度研究工作, 修正了雙尺度模型(two-scale model, TSM), 改善了模型算法效率。王迎強(qiáng)等[13]利用MPM93 模型仿真不同天氣情況下的L 波段大氣輻射參數(shù)及鹽度計(jì)觀測亮溫, 研究不同天氣情況對(duì)海面鹽度反演值的影響。王進(jìn)等[14]基于Aquarius衛(wèi)星數(shù)據(jù)對(duì)海面粗糙度參數(shù)化模型進(jìn)行研究, 反演的海面鹽度精度優(yōu)于0.5。相比于國外, 我國遙感衛(wèi)星海面鹽度探測的研究較為落后。直至2015年, 我國首顆用于觀測海面鹽度的鹽度遙感衛(wèi)星項(xiàng)目才開始啟動(dòng), 計(jì)劃于2020年發(fā)射升空。目前反演海面鹽度精度無法達(dá)到優(yōu)于0.1的精度, 一直是困擾學(xué)術(shù)界的問題, 雖然海洋方面研究日漸成熟, 但是關(guān)于海面鹽度反演的相關(guān)研究存在不足。

本文選取臨近中國東海的西北太平洋地區(qū)為研究區(qū)域, 選用的數(shù)據(jù)是SMAP衛(wèi)星攜帶的L波段微波輻射計(jì)觀測到的亮溫?cái)?shù)據(jù), 并以Argo浮標(biāo)海面鹽度作為驗(yàn)證數(shù)據(jù)。通過對(duì)西北太平洋海域風(fēng)、浪等影響海面粗糙度的影響因子進(jìn)行分析研究, 改進(jìn)海面鹽度反演模型, 運(yùn)用牛頓法進(jìn)行海面鹽度反演, 一定程度上提高海面鹽度反演的精度, 最后對(duì)海面鹽度的空間地理特征進(jìn)行相關(guān)分析。

1 數(shù)據(jù)與方法

1.1 研究區(qū)域及數(shù)據(jù)

研究區(qū)域位于太平洋西北部區(qū)域(130°～160°E, 10°～30°N), 靠近中國東海, 橫跨北回歸線, 氣候變化特征顯著。通過反演該區(qū)域海面鹽度、分析空間分布地理特征能夠一定程度上了解中國東海區(qū)域乃至整個(gè)太平洋海域海-氣變化。為了能夠減少大陸近岸的影響, 選取了相對(duì)遠(yuǎn)離陸地的海面區(qū)域, 減少相關(guān)環(huán)境因素的影響。

SMAP衛(wèi)星搭載了雙極化Ｌ波段微波輻射計(jì), 配備一個(gè)直徑為6 m的大孔徑反射式天線, 衛(wèi)星對(duì)地觀測的刈幅約為1 000 km[15]。反演所需要的亮溫?cái)?shù)據(jù)采用SMAP衛(wèi)星25 km網(wǎng)格分辨率數(shù)據(jù), 數(shù)據(jù)來源于美國冰雪數(shù)據(jù)中心(NSIDC) (https: //nsidc.org), 該數(shù)據(jù)集包含從SMAP衛(wèi)星L波段微波輻射計(jì)導(dǎo)出的每日兩次的增強(qiáng)亮度溫度數(shù)據(jù), 屬于L1B級(jí)網(wǎng)格化數(shù)據(jù)產(chǎn)品。本次實(shí)驗(yàn)共下載了2019年1月1日至1月31日的亮溫?cái)?shù)據(jù)以及歐洲中期天氣預(yù)報(bào)中心(European Centre for Medium-Range Weather Forecasts, ECMWF)(https: //cds.climate.copernicus.eu)下載的海面風(fēng)速SSW和有效波高SWH數(shù)據(jù)。實(shí)驗(yàn)所用到的溫鹽數(shù)據(jù)均來自于中國Argo實(shí)時(shí)資料中心(http://www.argo.org.cn/)[16]。

1.2 技術(shù)方法

技術(shù)流程如圖1。首先對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行預(yù)處理, 然后對(duì)Klein-Shift模型(簡稱K-S模型)進(jìn)行風(fēng)、浪等環(huán)境因子造成的海面粗糙度改進(jìn), 進(jìn)而利用牛頓法進(jìn)行反演, 并與Argo實(shí)測海面鹽度驗(yàn)證數(shù)據(jù)進(jìn)行精度對(duì)比, 最后分析研究區(qū)域內(nèi)的海面鹽度分布的地理空間特征。

圖1 模型改進(jìn)后的海面鹽度反演技術(shù)流程圖

2 海面鹽度微波遙感原理及模型改進(jìn)

2.1 海面鹽度微波遙感原理

微波遙感技術(shù)適用于海面鹽度的反演, 遙感衛(wèi)星上搭載的L波段微波輻射計(jì)能夠測得海表亮溫?cái)?shù)據(jù), 再根據(jù)K-S模型就能夠反演得到海面鹽度[17]。

由于海面情況復(fù)雜, 其海面粗糙度變化比較明顯, 所以海表亮溫B包括平靜海表亮溫B_ flat和海面粗糙度造成的亮溫增量B_rough, 即

B(,SS,SS,SS,SW)B_flatB_rough, (1)

其中,B_flat為平靜海面的亮溫,B_rough為海面粗糙度引起的亮溫增量, 入射角為SS和SW分別為海表面10 m高度處風(fēng)速和有效波高。

平靜海面狀態(tài)下, 亮溫和海面溫度、L波段微波輻射計(jì)的海面發(fā)射率()有關(guān), 即

B(SS,SS)()SS(2)

在一定條件下, 發(fā)射率()和菲涅爾反射率()海水介電常數(shù)r存在函數(shù)關(guān)系, 即

其中,H()V()分別為水平和垂直極化菲涅爾反射率,為海水的復(fù)折射率;為海水復(fù)折射率的實(shí)部[18]。因?yàn)樵诤Ｋ泄獾乃p較小, 所以海水復(fù)折射率的虛部近似等于0, 故=1。

海水的介電常數(shù)基于德拜方程表示, 即

(7)

= 25–SS, (9)

平靜海表亮溫與入射角、海面溫度和海水的介電常數(shù)有關(guān), 最終可以表示為頻率、入射角以及海面溫度和鹽度的函數(shù), 用表示, 即

B(SS,SS)(SS,SS,r). (11)

通過獲取相關(guān)數(shù)據(jù), 即可反演得到海面鹽度, 即

SS–1[,,SSB(SS,SS),r] (12)

海面鹽度SS變化會(huì)改變海水的介電常數(shù)r, 進(jìn)而使海表亮溫B發(fā)生變化[20]。因此, 通過微波輻射計(jì)觀測到的海表亮溫B, 及其與海面鹽度SS的函數(shù)關(guān)系, 就可以利用海表亮溫B數(shù)據(jù)反演出海面鹽度SS[21]。

2.2 模型改進(jìn)

由于海面鹽度的變化在微波輻射低頻段對(duì)海水介電常數(shù)最為敏感, 故海面鹽度反演最佳的波段是L波段[22]。在微波遙感中, 海表亮溫對(duì)于微波輻射計(jì)觀測的極化方式、入射角等都有很大關(guān)系, 故本實(shí)驗(yàn)選擇和SMAP衛(wèi)星同一入射角, 即40°入射角來進(jìn)行海面鹽度反演。為了保證時(shí)空一致性, 將下載到的海面亮溫B、海面10 m高度處的風(fēng)速SS、有效波高SW、海面溫度SS、海面鹽度SS等數(shù)據(jù)進(jìn)行空間匹配處理, 使用克里金插值法, 將實(shí)驗(yàn)相關(guān)數(shù)據(jù)插值處理為同一分辨率, 即1°′1°網(wǎng)格數(shù)據(jù), 以便實(shí)驗(yàn)所用。并對(duì)插值處理后的亮溫、海面溫度、風(fēng)速、波高及海面鹽度驗(yàn)證數(shù)據(jù)進(jìn)行篩選, 提取出實(shí)驗(yàn)所在區(qū)域相關(guān)數(shù)據(jù)。

影響海面鹽度反演精度的海面因素細(xì)主要有海面粗糙度情況和海面溫度等。海面粗糙度受到風(fēng)速、波高的影響很大, 因此選擇風(fēng)速和波高為表征海面粗糙度的參量[23]。通過對(duì)風(fēng)速、波高等影響海面粗糙度的因子進(jìn)行糾正, 改進(jìn)經(jīng)驗(yàn)?zāi)Ｐ? 提高粗糙海表亮溫測量的精確度, 進(jìn)而優(yōu)化海表亮溫反演模型, 提高反演精度。

根據(jù)星載輻射計(jì)傳輸原理, 微波輻射計(jì)從太空觀測到的空間總輻射亮溫主要由4部分組成, 分別是海表輻射、大氣上行輻射、大氣下行輻射和宇宙背景輻射亮溫。本文選取的亮溫?cái)?shù)據(jù)是消除了宇宙背景輻射和大氣輻射的海表輻射亮溫, SMAP衛(wèi)星提供了風(fēng)向、風(fēng)速輔助數(shù)據(jù)造成的海表亮溫偏差, 在SMAP獲取的海表亮溫?cái)?shù)據(jù)中去除輔助數(shù)據(jù)亮溫偏差即可得到平靜海面的亮溫B_ flat。

海水介電常數(shù)模型選取的是K-S模型, 通過編程處理, 將分離出的平靜海表亮溫代入K-S模型中利用牛頓法進(jìn)行反演, 得到平靜海面的鹽度。由于海面情況比較復(fù)雜, 必須考慮海面粗糙度的影響。目前來看海面粗糙度模型主要有3種, Gabarro等[24]基于大量現(xiàn)場觀測數(shù)據(jù)提出的粗糙度經(jīng)驗(yàn)?zāi)Ｐ? Voronovich[25]提出小斜率近似模型(small slope approximation, SSA)以及Yueh等提出的雙尺度模型[26-27]。經(jīng)驗(yàn)?zāi)Ｐ拖鄬?duì)于其他兩種模型來說, 算法簡單, 精度方面滿足要求, 故本文選擇經(jīng)驗(yàn)數(shù)據(jù)來擬合海面粗糙度模型。將Argo鹽度運(yùn)用正演的方式, 獲得對(duì)應(yīng)的海表亮溫。比較由正演方式獲得的海表亮溫和公式(1)計(jì)算得到的值, 然后不斷修改式中B_rough, 直至正演值與計(jì)算值達(dá)到最佳匹配, 則此時(shí)的B_rough即為海面粗糙度造成的亮溫增量。B_rough與風(fēng)速、有效波高線性相關(guān), 即

B_Hrough=1·SS+1·SW, (13)

B_Vrough=2·SS+2·SW, (14)

式中，1、1、2、2代表擬合系數(shù), 具體數(shù)值如表1所示。

表1 粗糙度亮溫增量擬合

圖2、圖3分別表示入射角為40°時(shí), 復(fù)雜海面情況下不同極化方式粗糙度對(duì)亮溫造成的增量, 大約在2～6 K之間, 很大程度上會(huì)影響海面鹽度的反演精度, 導(dǎo)致海面鹽度的偏差。

圖2 水平極化狀態(tài)下粗糙海面對(duì)亮溫造成的增量

圖3 垂直極化狀態(tài)下粗糙海面對(duì)亮溫造成的增量

對(duì)K-S模型作粗糙度亮溫增量改進(jìn), 海面粗糙度造成亮溫增量和海面發(fā)射率的關(guān)系為:

H_roughB_HroughSS, (15)

V_roughB_VroughSS. (16)

對(duì)海面發(fā)射率作于粗糙度因子改進(jìn)

HB_Hflat/SSH_rough, (17)

VB_Vflat/SSV_rough. (18)

將改進(jìn)后的海面發(fā)射率H和V代入公式(2)中, 可以得到極化條件下粗糙海表亮溫B_H(,SS,SS,SS,SW)B_V(,SS,SS,SS,SW)再結(jié)合其他數(shù)據(jù)代入改進(jìn)K-S模型中進(jìn)行反演, 其中改進(jìn)K-S模型是指在德拜方程及其各參數(shù)解析式[式(5)—(10)]為主體的K-S模型下, 結(jié)合式(11)—(12)函數(shù)關(guān)系基礎(chǔ)上考慮海面粗糙度因素[式(13)—(18)]之后的海面鹽度模型, 可求出粗糙海面的鹽度。

3 牛頓法反演海面鹽度及其分析

牛頓法(Newton method)是在實(shí)復(fù)數(shù)領(lǐng)域求最優(yōu)解問題比較常用的方法, 具有迭代收斂速度快的優(yōu)點(diǎn), 算法較為簡單[28]。牛頓法對(duì)于初值選取要求高, 且在遙感反演過程中, 現(xiàn)場實(shí)測值多為點(diǎn)數(shù)據(jù), 且不一定都能獲取, 故本文選取Argo鹽度氣候平均資料作為其初值, 消除了牛頓法初始值選取不當(dāng)影響結(jié)果精度的問題, 一定程度上優(yōu)化其算法, 提高了反演精度。將海面鹽度反演的主要因素海表亮溫、海面溫度、海面10 m高度處的風(fēng)速、有效波高等數(shù)據(jù)作為輸入?yún)?shù), 在牛頓法中進(jìn)行反演, 得到反演的海面鹽度。需要注意的是, 如果SS、SS和SW等輸入?yún)?shù)存在誤差, 會(huì)很大程度影響反演的精度, 因此一定要避免此類誤差。

反演的海面鹽度和Argo鹽度相關(guān)的程度取決于相關(guān)系數(shù)值,值越大, 說明兩者之間越相關(guān); 反之相關(guān)程度越低。使用平均偏差I(lǐng)AS和均方根誤差MSE來評(píng)估反演鹽度與Argo鹽度之間的偏差和反演鹽度的精度。計(jì)算公式為:

圖4是改進(jìn)K-S模型反演鹽度與Argo鹽度散點(diǎn)對(duì)比結(jié)果, 從中可以看出, 改進(jìn)K-S模型反演鹽度與Argo鹽度相關(guān)系數(shù)=0.99, 且平均偏差I(lǐng)AS和均方根誤差MSE分別為0.16和0.17, 一定程度上反映了改進(jìn)K-S模型反演鹽度與Argo鹽度之間偏差較小, 精度較高。

殘差在數(shù)理統(tǒng)計(jì)中是指實(shí)際觀察值與估計(jì)值之間的差, 本文指的是反演鹽度和Argo鹽度之間的差。為了能更好地比較出改進(jìn)前后K-S模式反演鹽度的精度效果, 將兩者殘差進(jìn)行對(duì)比。圖5是K-S模型反演的鹽度與Argo鹽度進(jìn)行結(jié)果對(duì)比之后的殘差圖, 圖6是改進(jìn)K-S模型反演出來的鹽度與Argo鹽度進(jìn)行結(jié)果對(duì)比之后的殘差圖。從圖中可以看出K-S模型反演鹽度殘差集中在±0.8以內(nèi), 反演精度較低; 而改進(jìn)K-S模型用牛頓法反演的精度在±0.2以內(nèi), 反演精度較高, 說明對(duì)K-S模型進(jìn)行粗糙度改進(jìn)提高了反演精度。可以看到圖6中出現(xiàn)了殘差的波動(dòng), 主要是因?yàn)檠芯繀^(qū)域存在一些島嶼以及風(fēng)、浪的影響了反演結(jié)果。王藝晴等[29]利用神經(jīng)網(wǎng)絡(luò)法對(duì)海面鹽度進(jìn)行反演, 結(jié)果表明反演鹽度與實(shí)測數(shù)值相比殘差集中在0.6以內(nèi), 本文用牛頓法反演得鹽度與實(shí)測數(shù)值相比殘差集中在0.2以內(nèi), 一定程度上說明在海面鹽度反演上牛頓法較神經(jīng)網(wǎng)絡(luò)法精度更高。

圖4 改進(jìn)K-S模型反演鹽度與Argo鹽度散點(diǎn)對(duì)比圖

注: 黑色散點(diǎn)代表匹配數(shù)據(jù)點(diǎn); 虛線代表擬合趨勢線

圖5 K-S模型反演鹽度與Argo鹽度殘差結(jié)果對(duì)比圖

圖6 改進(jìn)K-S模型反演鹽度與Argo鹽度殘差結(jié)果對(duì)比圖

圖7a和圖7b分別是基于K-S模型和改進(jìn)K-S模型、運(yùn)用牛頓法進(jìn)行反演得出的海面鹽度空間分布圖, 圖8c是Argo鹽度空間分布圖?？梢钥闯鯧-S模型反演鹽度與Argo鹽度存在較大偏差, 基于改進(jìn)K-S模型運(yùn)用牛頓法反演鹽度與Argo鹽度在空間分布上趨于一致, 反映出運(yùn)用牛頓法進(jìn)行反演精度高、效果好的特點(diǎn)。海面鹽度的變化范圍在33.6～35.2, 且具有明顯的緯度分布特征, 緯度越高, 鹽度越大。緯度較高區(qū)域, 鹽度自西向東逐漸增大, 特別是在以(155°E, 25°N)為中心的海域鹽度最高。這是因?yàn)樵娇拷笱笾行? 蒸發(fā)量越大, 遠(yuǎn)超于降水量, 故鹽度越高。圖7d反映了基于改進(jìn)后K-S模型的牛頓法反演鹽度與Argo鹽度偏差空間分布, 偏差范圍從–0.2～ 0.15, 可以看出偏差由東向西依次增加, 這可能與陸地射頻干擾RFI的影響有關(guān), 越向西越靠近陸地, 陸地RFI會(huì)影響亮溫的測量, 造成一定程度的鹽度反演偏差。在(25°N, 150°～155°E)位置誤差偏大, 主要是因?yàn)樵搮^(qū)域蒸發(fā)量大, 加上風(fēng)、浪的影響, 使其海面粗糙度誤差偏大, 進(jìn)而影響反演結(jié)果。研究區(qū)域中存在一些島嶼, 導(dǎo)致部分?jǐn)?shù)據(jù)丟失或出現(xiàn)偏差, 影響了鹽度的反演精度。

4 結(jié)論

本文根據(jù)SMAP衛(wèi)星L波段微波輻射計(jì)測得的亮溫?cái)?shù)據(jù), 該數(shù)據(jù)消除了宇宙背景及大氣輻射的干擾, 并去除海面環(huán)境輔助因子造成的亮溫偏差, 獲得平靜海面的亮溫進(jìn)行鹽度反演研究?？紤]到海面復(fù)雜的情況, 基于K-S模型做海面粗糙度的改進(jìn), 利用牛頓法對(duì)改進(jìn)前后的K-S模型進(jìn)行反演實(shí)驗(yàn)對(duì)比, 剖析偏差原因, 最后對(duì)研究區(qū)域海面鹽度空間分布作簡要分析, 結(jié)論如下。

1) 風(fēng)、浪等因素造成的海面粗糙度對(duì)亮溫影響較大, 造成的亮溫增量約為2～6 K, 很大程度上影響了鹽度反演的精度。選取40°左右的大入射角進(jìn)行粗糙度亮溫增量擬合, 結(jié)果表明反演精度較高, 改進(jìn)效果明顯, 所以在海面鹽度反演中一定要考慮海面粗糙度的影響。

2) 牛頓法在反演海面鹽度的問題上, 具有迭代收斂的速度快、算法相對(duì)簡單和反演精度高的特點(diǎn)。本文通過選取Argo鹽度的氣候平均資料作為牛頓法反演的初始值, 解決了牛頓法初始值選取不當(dāng)造成精度偏差的問題, 選取大范圍區(qū)域進(jìn)行反演, 一定程度上消除了偶然性, 通過對(duì)600個(gè)樣本的反演結(jié)果精度對(duì)比, 結(jié)果顯示改進(jìn)K-S模型反演鹽度與Argo鹽度顯著相關(guān), 且平均偏差BIAS和均方根誤差RMSE分別為0.16和0.17, 一定程度上反映了改進(jìn)K-S模型反演鹽度與Argo鹽度之間偏差較小, 殘差普遍集中在±0.2以內(nèi), 反演精度較高。

圖7 K-S模型、改進(jìn)K-S模型反演鹽度與Argo鹽度空間分布及偏差分布

3) 本研究反演精度沒有達(dá)到理想的0.1, 后續(xù)還需要對(duì)大氣輻射、宇宙背景輻射、陸地RFI等影響進(jìn)行細(xì)化研究, 繼續(xù)提高其精度。

[1] REUL N, TENERELLI J, CHAPRON B, et al. Modeling sun glitter at L-Band for sea surface salinity remote sensing with SMOS[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(7): 2073-2087.

[2] HOLLINGER J. Passive microwave measurements of sea surface roughness[J]. IEEE Transactions on Geoscience and Remote Sensing, 1971, 9(3): 165-169.

[3] SWIFT C, MCINTOSH E. Considerations for microwave remote sensing of ocean-surface salinity[J]. IEEE Transactions on Geoscience and Remote Sensing, 1983, 21(4): 480-491.

[4] BLUME H, LOVE W, VAN M J, et al. Radiometric observations of sea temperature at 2.65GHz over the Chesapeake Bay[J]. IEEE Transactions on Geoscience and Remote Sensing, 1977, 25(1): 121-128.

[5] TALONE M, SABIA R, CAMPS A, et al. Sea surface salinity retrievals from HUT-2D L-band radiometric measurements[J]. Remote Sensing of Environment, 2010, 114(8): 1756-1764.

[6] FORE A G, YUEH S H, TANG W Q, et al. Combined active/passive retrievals of ocean vector wind and sea surface salinity with SMAP[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(12): 7396- 7404.

[7] OLMEDO E, MARTINEZ J, TURIEL A, et al. Debiased non-Bayesian retrieval: A novel approach to SMOS Sea Surface Salinity[J]. Remote Sensing of Environment, 2017, 193: 103-126.

[8] FONT J, CAMPS A, BORGES A, et al. SMOS: the challenging sea surface salinity measurement from space[J]. Proceedings of the IEEE, 2010, 98(5): 649-665.

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

[10] 雷震東, 曾原, 林士杰, 等. 航空微波遙感海水鹽度的研究[J]. 宇航學(xué)報(bào), 2010, 13(2): 62-67.

LEI Zhendong, ZENG Yuan, LIN Shijie, et al. Research on seawater salinity remote sensing by aerial microwave[J]. Journal of Astronautics, 2010, 13(2): 62-67.

[11] 盧紅麗, 王振占, 殷曉斌. 利用SMOS衛(wèi)星數(shù)據(jù)反演海洋鹽度方法研究[J]. 遙感技術(shù)與應(yīng)用, 2014, 29(3): 401-409.

LU Hongli, WANG Zhenzhan, YIN Xiaobin. Research on the retrieval of ocean salinity using SMOS satellite data[J]. Remote Sensing Technology and Application, 2014, 29(3): 401-409.

[12] YIN X B, BOUTIN J, DINNAT E, et al. Roughness and foam signature on SMOS-MIRAS brightness temperatures: A semi-theoretical approach[J]. Remote Sensing of Environment, 2016, 180: 221-233.

[13] 王迎強(qiáng), 嚴(yán)衛(wèi), 王也英, 等. 大氣對(duì)星載鹽度計(jì)輻射傳輸特性及鹽度反演的影響研究[J]. 北京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2018, 54(2): 350-360.

WANG Yingqiang, YAN Wei, WANG Yeying, et al. The influence of the atmosphere on the radiation transmission characteristics and salinity inversion of a spaceborne salinometer[J]. Journal of Peking University (Natural Science Edition), 2018, 54(2): 350-360.

[14] 王進(jìn), 張杰, 王晶. 基于Aquarius數(shù)據(jù)的粗糙海面L波段輻射模型研究[J]. 中國海洋大學(xué)學(xué)報(bào)(自然科學(xué)版), 2018, 48(5): 125-132.

WANG Jin, ZHANG Jie, WANG Jing. Research on L-band radiation model of rough sea surface based on Aquarius data[J]. Periodical of Ocean University of China, 2018, 48(5): 125-132.

[15] 馬文韜. 基于Aquarius衛(wèi)星的鹽度遙感偏差與復(fù)雜海面微波輻射研究[D]. 青島: 中國海洋大學(xué), 2015.

MA Wentao. Salinity remote sensing deviation based on aquarius satellite and microwave radiation on complex sea surface [D]. Qingdao: Ocean University of China, 2015.

[16] 李宏, 劉增宏, 許建平, 等. 全球海洋Argo網(wǎng)格數(shù)據(jù)集(BOA-Argo)用戶手冊(cè)[R]. 杭州: 中國Argo實(shí)時(shí)資料中心, 2017.

LI Hong, LIU Zenghong, XU Jianping, et al. User manual of global ocean argo grid dataset (BOA-Argo) [R]. Hangzhou: China Argo Real-time Data Center, 2017.

[17] 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, 2003, 25(1): 104-111.

[18] 李志. 海洋表層鹽度遙感反演機(jī)理及應(yīng)用研究[D]. 青島: 中國海洋大學(xué), 2008.

LI Zhi. Research on remote sensing inversion mechanism and application of ocean surface salinity [D]. Qingdao: Ocean University of China, 2008.

[19] GRANT E H, BUCHANAN T J, COOK H F. Dielectric behavior of water at microwave frequencies [J]. The Jour-nal of Chemical Physics, 1957, 26(1): 156-161.

[20] 周博天. 海面鹽度多源遙感協(xié)同反演方法研究[D]. 北京: 中國地質(zhì)大學(xué)(北京), 2013.

ZHOU Botian. Research on multi-source remote sensing cooperative inversion method of sea surface salinity [D]. Beijing: China University of Geosciences (Beijing), 2013.

[21] 李青俠, 張靖, 郭偉, 等. 微波輻射計(jì)遙感海洋鹽度的研究進(jìn)展[J]. 海洋技術(shù), 2007, 26(3): 58-63.

LI Qingxia, ZHANG Jing, GUO Wei, et al. Research progress of remote sensing ocean salinity by microwave radiometer[J]. Ocean Technology, 2007, 26(3): 58-63.

[22] LAGERLOEF G, SWIFT C T, LE VINE D M. Surface Salinity: The Next Remote Sensing Challenge[J]. Oceanography, 1995, 8(2): 44-50.

[23] 王杰, 矯玉田, 曹勇, 等. 海表面鹽度遙感技術(shù)的發(fā)展與應(yīng)用[J]. 海洋技術(shù), 2006, 25(3): 76-81.

WANG Jie, JIAO Yutian, CAO Yong, et al. Development and application of remote sensing technology for sea surface salinity[J]. Ocean Technology, 2006, 25(3): 76-81.

[24] GABARRO C, FONT J, CAMPS A, et al. A new empirical model of sea surface microwave emissivity for salinity remote sensing[J]. Geophysical Research Letters, 2004, 31(1): 169-178.

[25] VORONOVICH A. Small-slope approximation for electromagnetic wave scattering at a rough interface of two dielectric half-spaces[J]. Waves in Random Media, 1994, 4: 337-367.

[26] YUEH S, WILSON W, LI F. Modeling of wind direction signals in polarimetric sea surface brightness temperatures[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(6): 1400-1418.

[27] TALONE M, SABIA R, GOURRION J. Simulated SMOS levels 2 and 3 products: The effect of introducing ARGO data in the processing chain and its impact on the error induced by the vicinity of the coast [J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(9): 3041-3049.

[28] 龍熙華. 數(shù)值分析[M]. 西安: 陜西科學(xué)技術(shù)出版社, 2000.

LONG Xihua. Numerical analysis[M]. Xi’an: Shaanxi Science and Technology Press, 2000.

[29] 王藝晴, 韓震, 周瑋辰, 等. SMAP衛(wèi)星海表面亮溫仿真及海表面鹽度遙感反演[J]. 遙感技術(shù)與應(yīng)用, 2020, 35(2): 365-371.

WANG Yiqing, HAN Zhen, ZHOU Weichen, et al. SMAP satellite sea surface brightness temperature simulation and sea surface salinity remote sensing inversion[J]. Remote Sensing Technology and Application, 2020, 35(2): 365-371.

Inversion method of sea surface salinity based on microwave remote sensing technology

NIU Yuan, QIU Zhi-wei, CHANG Yu-jia, WU Zhen-yu, PAN Chun-tian

(School of Marine Technology and Geomatics, Jiangsu Ocean University, Lianyungang 222005, China)

Sea surface salinity is an important physical quantity in studying ocean changes and climate effects, which are very significant to the marine ecological environment and the sustainable development of the ocean. To improve the accuracy of the sea surface salinity inversion, the brightness temperature data measured by the SMAP L-band microwave radiometer is used to study the sea surface salinity inversion, and the Klein-Shift (K-S) model is improved by considering environmental factors such as wind and waves that affect the sea surface roughness. Comparing the salinity retrieved by Newton’s method with the measured salinity of Argo, results show that the improved K-S model inversion salinity has a significant correlation with the Argo salinity correlation coefficient= 0.99, the average deviation and root mean square error are respectively 0.16 and 0.17, and the residuals are basically distributed within 0.2. For the K-S model, the inversion accuracy is improved by about 0.5. In general, the improved K-S model has a small deviation between the salinity inversion and the Argo salinity, the inversion accuracy is better than the other two, and the spatial distribution tends to be consistent. Moreover, the spatial variation of sea surface salinity has obvious geographic characteristics of latitude distribution.

sea surface salinity; inversion method; K-S model improvement

Jul. 13, 2020

TP79

A

1000-3096(2022)01-0067-09

10.11759/hykx20200713005

2020-07-13;

2020-09-22

江蘇省省測繪地理信息局開放基金項(xiàng)目(JSCHKY201904); 水文水資源與水利工程科學(xué)國家重點(diǎn)實(shí)驗(yàn)室“一帶一路”水與可持續(xù)發(fā)展科技基金面上項(xiàng)目(2018491411); 連云港市“海燕計(jì)劃”人才資助項(xiàng)目( HYJH202021); 2020年江蘇省研究生實(shí)踐創(chuàng)新計(jì)劃項(xiàng)目(SJCX20_1254)

[Open Fund Project of Jiangsu Provincial Surveying, Mapping and Geographic Information Bureau, No. JSCHKY201904; National Key Laboratory of Hydrology, Water Resources and Hydraulic Engineering Science, “Belt and Road” Water and Sustainable Development Technology Fund General Project, No. 2018491411; Lianyungang City “Haiyan Program” Talent Funding Project, No. HYJH202021; 2020 Jiangsu Province Postgraduate Practice Innovation Program Project, No. SJCX20_1254]

牛原(1994—), 男, 碩士研究生, 河南林州人, 主要從事海洋遙感研究, E-mail: niuyuan_1994@yeah.net; 邱志偉(1985—), 男,通信作者, 碩士生導(dǎo)師, 主要從事海洋微波遙感研究, E-mail: qiuzhiwei-2008@163.com

(本文編輯: 叢培秀)