于 VV 极化的散射计，后来通过大量的数据测试，其对 SAＲ 风速反演也同样适用。虽然这些模式是针对中性稳定的海气边界层所建立的，但是由于海气边界层从中性变化至不稳定的过程中，NＲCS 变化极小，因此 COMD 系列模型也能在海气边界不稳定情况下得到良好的应用［4］。SAＲ 利用 GMF 进行海面风速反演时，稳定可靠的外部风向信息是关键的一个因素。较为常用的外部风向信息主要包括海洋浮标局地风向、散射计遥感观测风向以及高分辨率数值预报模式风向等，根据实际情况选择不同的外部风向信息，有助于提高风速反演的精确性［5］。韩冰等［6］利用同极化 ＲADAＲSAT-2 SAＲ 数据对中国东部海域进行风速反演，对于 VV 极化的 SAＲ 数据，利用 CMOD4、CMOD5 和 CMODFIＲF-2 GMF 进行风速反演时，3 种GMF 均可获取高精度海面风速，且 CMOD4 模型总体表现优于其他二者，其均方根误差达 1． 5 m/s。姜祝辉等［7］假定雷达入射角 θ = 25° ，雷达天线方位角为0°，在风向为 0°，风速区间为 0 ～ 50 m / s 时，分析了CMOD4、CMOD-5、COMD-IFＲ2 模型风速与 NＲCS 之间的关系。结果显示，当风速在 2 ～ 20 m/s 之间时，3条曲线很接近，当风速小于 2 m/s 和大于 20 m/s 时，3 条曲线差别较大。除了 VV 极化的 GMF 外，交叉极化( VH 和 HV)的风 场 反 演 模 型 也 一 直 是 海 洋 学 家 研 究 的 热点［8 － 10］。Vachon 和 Wolfe［9］研究了加拿大东西海岸C 波段全极化 ＲADAＲSAT-2 SAＲ 影像，并统计了交叉极化的 NＲCS 与海洋浮标风速数据，进而建立了NＲCS 与海面 10 m 处风速的关系，构建 C-2PO ( C-band cross-polarized ocean backscatter model) 海面风速反演模型。随后利用该模型对 SAＲ 图像进行风速反演，并与相应海洋浮标风速进行对比，结果显示:VH 极化与 HV 极化的风速反演与浮标风速均方根误差分别为 1． 59 m/s 和 1． 56 m/s，满足海面风速反演要求。随后，Zhang 等［10］利用 C-2PO 海面风速反演模型，选取 534 幅全极化 ＲADAＲSAT-2 SAＲ 图像进行海面风速反演，与美国国家资料浮标中心( NationalData Buoy Center，NDBC) 浮标风速数据比较，均方根误差为 1． 39 m/s，具有较高的风速反演精度。本文选取 ＲADAＲSAT-2 全极化 SAＲ 影像，并采用搭载于 Metop-A 极轨卫星的 ASCAT 散射计 12． 5km 风场产品作为外部风向，分别利用 CMOD5． NGMF 和 C-2PO 模型进行海面风速反演。本文中，SAＲ 反演风速为海面 10 m 高度处风速，且将 0 ～ 10m / s 范围内风速定义为低风速段，10 ～ 20 m / s 风速为中等风速段，20 m/s 及其以上风速定义为较高风速。随后，将 NDBC 海洋浮标观测风速作为海面实测数据，将两种模型风速反演结果与之对比，进而比较两种风速反演模型在各风速段下的反演效果。2 数据与方法2． 1 实验数据2． 1． 1 SAＲ 数据及其预处理加拿大 ＲADAＲSAT-2 卫星是目前唯一在轨的搭载 C 波段传感器的高分辨率商用合成孔径雷达卫星，其空间分辨率范围为 3 ～100 m，入射角范围为 10° ～60°，最大成像幅宽为 500 km。本文选取的是精细全极化模式( Fine Qual-Pol) 的单视复型产品( SingleLook Complex，SLC) ，该产品采用单视处理，保留了SAＲ 相位信息。图像幅宽 25 km × 25 km，入射角范围 18° ～49°，标称分辨率 5． 2 m × 7． 6 m，实际分辨率随入射角的变化而变化［11］。为了使 SAＲ 数据满足海面风场反演的需求，需要对原始 SAＲ 数据预处理。首先进行辐射定标，即将 SAＲ 数据中的影像灰度值转化成以 d B 为单位的NＲCS σ0，从而建立起目标 σ0与雷达影像强度的定量关系。本文选用的 SAＲ 数据是辐射校正后的数据，因此可以直接利用 ＲADAＲSAT-2 产品手册中的相关参数和定标公式对所有像元逐个定标。其次，为了获取准确的 SAＲ 图像空间位置信息，还需对 SAＲ图像进行一定的几何校正［12］。由于本文所研究的对象为海洋，地球重力作用使得海表面变得相对平缓，起伏度较小，在成像海域面积小的情况下，可以忽略因斜距成像而导致的叠掩和几何畸变等现象，因此本文的 SAＲ 图像几何校正仅采用产品文件 product． xml进行地理编码校正。此外，在获取的 SAＲ 影像中包含多种要素信息，而在这些信息中又包括可用信息和噪声信息，降低和剔除噪声信息对于海面风场反演的精确度有着至关重要的作用。杜培军［13］选用 ＲADA-ＲSAT SAＲ 数据作为研究对象，对比研究了 LEE 滤波、均值滤波、中值滤波、FＲOST 滤波、GAMMA 滤波等算法，以边缘保持指数和平滑指数作为评价指标，结果显示，GAMMA 滤波具有较高的边缘保持能力，因此本文采用 GAMMA 滤波法对 SAＲ 数据进行降噪处理。401 海洋学报 40 卷 2 ASCAT 风场资料ASCAT 散射计可获取海面 10 m 高度的等效风矢量，范围覆盖全球海洋，其风场数据产品主要包括12． 5 km 和 25 km 网格分辨率产品。Verspeek 等［14］利用海洋浮标数据对 12． 5 km 分辨率的 ASCAT 海洋风场产品进行检验，结果显示两者具有较高的一致性，且比 25 km 分辨率的 ASCAT 风场产品精度更高。本文选取 12． 5 km 网格分辨率风向产品作为外部输入风向，值得注意的是，由于 SAＲ 图像空间分辨率高于 ASCAT 12． 5 km 产品分辨率，因此在风速反演过程中，需要利用空间插值处理方法将 SAＲ 数据和 AS-CAT 风向数据均插值在浮标站点处，从而在浮标经纬度处进行风速反演。2． 1． 3 NDBC 浮标资料海洋浮标是获取海洋各种参数信息以及灾害监测的主要手段之一，在各国的海洋浮标系统中，美国国家海洋和大气管理局( National Oceanic and Atmos-pheric Administration，NOAA) 的 NDBC 是通用型海洋资料浮标的典型代表，其下属的海洋浮标遍布全球海洋，长年工作于海洋并提供了大量珍贵的海洋数据。作为与 SAＲ 反演对比的实测风速，本文采用的是NDBC 具有实时资料的站点所提供的风场数据，且每个浮标站点位置均位于 SAＲ 影像内，两者数据获取时间间隔不超过 30 min。值得指出的是，SAＲ 风场反演得出的风速数据以及 ASCAT 提供的外部风场信息均位于海面 10 m 高处，但安装在 NDBC 浮标上的风速计所测为海面5 m处风速，因此，有必要将浮标风速转化为海面 10 m 高处的等效风速。本文采用 Tomua［15］给出的等效风速转化公式进行转换。2． 2 反演模型2． 2． 1 CMOD5． N 地球物理模式函数CMOD5． N GMF 是在 CMOD5 GMF 基础上发展而来的，其函数内容没有改变 CMOD5 GMF 的内部算法公式，只是对其包含的 28 个可调系数( c1－c28) 进行了修改。此外，CMOD5． N GMF 修正 了CMOD5 GMF 存在的 0． 5 m / s 低估误差，更能代表海表面状况，从而避免了大气分层可能带来的误差。2007 年 7 月和 2008 年 1 月，CMOD5． N GMF 分别在EＲS-2 卫星和搭载于 Metop-A 极轨卫星上的 ASCAT散射计上用于风速反演，其所得数据与欧洲中期天气预报中心( ECMWF) 风场数据相比，具有良好的一致性［2］。CMOD5. N GMF 的具体表达式为:σ0VV= b0( θ，v) ［1 + b1(θ，v) cosφ +b2(θ，v) cos2φ］1． 6， ( 1)式中，φ 表示相对风向( 即风向相对于雷达天线视向的夹角) ; v 表示离海面 10 m 处风速( 单位: m/s) ; θ表示雷达入射角( 单位: ( °) ) ; σ0VV为 VV 极化的NＲCS( 单位: d B) 。2． 2． 2 C-2PO 风速反演模型Vachon 和 Wolfe［9］利 用 全 极 化 ＲADAＲSAT-2SAＲ 数据首先构建了交叉极化的 NＲCS 与离海面10 m处风速的经验公式，即 C-2PO 风速反演模型。C-2PO 风速反演模型表达式如下:σ0VH= a·U10+ b， ( 2)式中，σ0VH为 VH 极化的 NＲCS( 单位: d B) ; U10为海面 10 m 高处风速( 单位: m/s) ; a、b 均为系数且 a =0. 580，b = － 35． 652。从式( 2) 可以看出，VH 极化雷达后向散射系数与风速呈线性关系，与其余参数，如雷达入射角等无关。本文选取 142 幅 ＲADAＲSAT-2 全极化 SAＲ 影像，分别利用基于 VV 极化的 CMOD5． N GMF 和基于VH 极化的 C-2PO 模型进行海面风速反演，随后将风速范围分定义为低风速段( 0 ～ 10 m/s) ，中等风速段( 10 ～20 m/s) 及较高风速段( 20 m/s 及以上) ，探究对于不同风速段下两种风速反演模型的精度差异，其流程如图 1 所示。图 1 两种模型风速反演流程Fig． 1 Flowchart of wind speeds retrieval from two models为了更好地说明两种模型的反演流程，本节选取1 幅全极化 ＲADAＲSAT-2 SAＲ 影像，分别利用 C-2PO模型和 CMOD5． N GMF 进行海面风速反演实验。所9 期 方贺等: 基于 C-2PO 模型和 CMOD5． N 地球物理模式函数的 SAＲ 风速反演性能评估501 SAＲ 图像成像时间为 2012 年 1 月 9 日 03 时 52分 26 秒( UTC) ，成像中心区域位于白令海域( 57°05'79″N，177°46'58″W) ，在 SAＲ 成像区域内覆盖代号为46035( 57°1'33″N，177°44'16″W) 的海洋浮标。实验前首先进行数据的时空匹配。在时间上，浮标风速选取2012 年 1 月 9 日 03 时 50 分海面风速数据，ASCAT 散射计风场产品时间为 2012 年 1 月 9 日 03 时 42 分，3种数据时间间隔不超过 10 min，经过有效风速转换，计算得浮标海面 10 m 高处风速 Ubuoy= 11． 2 m / s。空间上，将所需的 SAＲ 和 ASCAT 数据利用反距离加权空间插值法［16］，插值在浮标 46035 所处经纬度处。由 CMOD5． N GMF，我们首先给出 VV 极化 SAＲ图像的 NＲCS 即 σ0VV( 图 2a) ，在浮标 46035 处，计算得 σ0VV= － 13． 3 d B ，雷达入射角 θ = 36° ，雷达视向角为 192°，ASCAT 提供的外部风向为 310°，则相对风向 φ = 118° 。将 σ0VV、θ 以及 φ 带入公式( 2) ，计算得浮标点处风速 UCMOD5． N= 12． 9 m / s，与浮标观测风速误差为 1． 7 m/s，满足海面风速反演要求。对于 C-2PO 模型，由于其风速值仅与 VH 极化的NＲCS 相关，其计算相对较为简便。VH 极化的 NＲCS即 σ0VH分布如图 2b 所示，浮标 46035 处 σ0VH= － 28． 3d B ，代入公式( 2) ，则浮标点处风速为 UC-2PO= 12． 6m / s ，与浮标观测风速误差 1． 4 m / s，满足海面风速反演要求。图 2 VV 极化( a) 和 VH 极化( b) NＲCS 分布Fig． 2 Distribution of NＲCS of VV-polarization ( a) and VH-polarization ( b)3 结果选取 142 幅全极化 ＲADAＲSAT-2 SAＲ 数据，利用图 1 给出的反演流程在全风速( 0 ～25 m/s) 段内进行风速反演，并与 NDBC 浮标风速进行对比( 图 3) 。由图可以看出，CMOD5． N GMF 在 0 ～25 m/s 范围的风速反演结果与浮标观测风速的均方根( root-mean-square，ＲMS) 误差为 1． 68 m / s，C-2PO 模型与浮标观测风速的 ＲMS 误差为 1． 74 m/s，两种模型反演结果均满足海面风速反演要求，且 CMOD5． N GMF 略优于C-2PO 模型。本文根据风速大小，首先将风速段定义为低风速( 0 ～10 m/s) 、中等风速( 10 ～ 20 m/s) 和较高风速段( 20 m/s 及以上) ，并分别在各风速段展开讨论。在低风速段( 图 4a，图 4b) ，CMOD5． N GMF 与浮标风速的 ＲMS 误差为 1． 73 m/s，C-2PO 模型反演风速与浮标的 ＲMS 误差为 1． 97 m/s，表明 CMOD5． N GMF 在低风速段表现要明显优于 C-2PO 模型。在中等风速段( 图 4c，图 4d) 中，CMOD5． N GMF 和 C-2PO 模型与浮标风速的 ＲMS 误差分别为 1． 61 m/s 和 1． 56 m/s，两种模型均表现良好。在较高风速段( 图 4e，图 4f)中，CMOD5． N GMF 和 C-2PO 模型与浮标风速的 ＲMS误差分别为 1． 82 m/s 和 1． 78 m/s，满足海面风速反演的要求，且两模型均有着反演风速要高于实测风速的特征。总体而言，CMOD5． N GMF 风速反演精度要略优于 C-2PO 模型，其原因在于，低风速段的 SAＲ 图像样本数量( 59 幅) 约占样本总数量( 142 幅) 的 42% ，且在这些样本中，CMOD5． N GMF 的表现要明显好于 C-2PO 模型，而中、高风速段内两模型风速反演效果相当。基于 此，本 文 第 4 节 将 着 重 讨 论 低 风 速 下CMOD5． N GMF 风速反演精度优于 C-2PO 模型内在601 海洋学报 40 卷基于 C-2PO 模型和 CMOD5． N 地球物理模式函数的SAＲ 风速反演性能评估方贺1，谢涛2，3*，周育锋4，杨劲松5，赵立1，何宜军1，William． Perrie6( 1． 南京信息工程大学 海洋科学学院，江苏 南京 210044; 2． 青岛海洋科学与技术试点国家实验室 区域海洋动力学与数值模拟功能实验室，山东 青岛 266237; 3． 南京信息工程大学 遥感与测绘工程学院，江苏 南京 210044; 4． 北京应用气象研究所，北京 100029; 5． 国家海洋局第二海洋研究所 卫星海洋环境动力学国家重点实验室，浙江 杭州 310012; 6．Fisheries ＆ Oceans Canada，Bedford Institute of Oceanography，Dartmouth，Nova Scotia，B2Y 4A2，Canada)收稿日期:2017-09-10; 修订日期:2018-02-20。基金项 目: 国 家 自 然 科 学 基 金 项 目 ( 41776181) ; 国 家 重 点 研 发 计 划 项 目 ( 2016YFC1401007) ; 全 球 变 化 研 究 国 家 重 大 科 学 研 究 计 划( 2015CB953901) ; 江苏省研究生科研创新计划( KYCX18_1012) ; 江苏省气象局 2014 年现代化项目“江苏海洋气象综合业务平台”。作者简介: 方贺( 1990—) ，男，江苏省徐州市人，博士研究生，主要从事海洋微波遥感研究。E-mail: fanghe_doc@ 163． com* 通信作者: 谢涛( 1973—) ，男，湖南省张家界市人，教授，博士生导师，主要从事微波遥感研究。E-mail: xietao@ nuist． edu． cn摘要: 本文选取 142 幅 ＲADAＲSAT-2 全极化合成孔径雷达( SAＲ) 影像，在没有入射角输入的情况下，首先利用 C-2PO 模型进行海面风速反演。随后，将同一时空下的 ASCAT 散射计风向作为初始风向，提取相应雷达入射角，利用地球物理模式函数( GMF) CMOD5． N 对 142 幅 SAＲ 影像进行风速计算。反演结果与美国国家资料浮标中心海洋浮标风速数据对比，结果显示: CMOD5． N GMF 和 C-2PO 模型均可反演出较高精确度的海面风速，其均方根误差分别为 1． 68 m/s 和 1． 74 m/s。此外，研究发现，在低风速段，CMOD5． N GMF 的风速反演精度要明显优于 C-2PO 模型。针对这一现象，本文以 SAＲ 系统成像机理为基础，以低风速 SAＲ 图像为具体案例，给出了 3 种造成这一现象的原因。关键词: 全极化合成孔径雷达; 海面风速; 交叉极化; 地球物理模式函数; 反演中图分类号: TP721． 2; P732 文献标志码: A 文章编号: 0253-4193( 2018) 09-0103-101 引言合成孔径雷达( synthetic aperture radar，SAＲ) 所发射的微波信号对由大气-海洋边界层不稳定性产生的海表面粗糙度的变化十分敏感，通过获取海面后向散射信号，并根据其与海面风向、风速以及雷达入射角之间的关系，可以直接从 SAＲ 图像中提取海面风场( 风速和风向)［1］。经典的 SAＲ 海面风场反演方法需先获取海面风向，然后将雷达入射角、归一化雷达后向散射系数( normalized radar cross section，NＲCS)等作为已知参数，输入到不同波段的地球物理函数( geophysical model function，GMF) 中，通过迭代计算可以获取海面的风速。基于遥感卫星 EＲS-1 /2 携带的 C 波段 VV 极化的散射计，欧洲中长期预报中心( ECMWF) 设计了 CMOD( C-band models) 系列 GMF，其中 CMOD4、CMOD-IFＲ2、CMOD5 和 CMOD5． N GMF是较为常用的 GMF 模型，可以用于业务化的风场反演［2］。CMOD7 是该系列 GMF 最新的产品，但目前仅用于 C 波段散射计风场的处理，尚没有将其应用于SAＲ 反演海面风场的先例［3］。起初 CMOD 系列 GMF，并给出 3 种造成这种结果的可能性原因。图 3 CMOD5． N GMF 反演风速与 NDBC 浮标实测风速对比( a) 及 C-2PO 模型反演风速与 NDBC浮标实测对比( b)Fig． 3 SAＲ-retrieved wind speed versus NDBC buoy wind for CMOD5． N GMF ( a) and C-2PO ( b)model of ＲADAＲSAT-2 data4 讨论SAＲ 是一种主动式微波遥感雷达，通过向海面发射和接收相干电磁波，获取海面雷达后向散射信息进而对目标进行成像。风速越低，海面粗糙度就越小，即SAＲ 所接收到的回波信号就越少，所以海面后向散射就越弱。这也是导致低风速下的海面风场遥感观测难度增加的主要原因。在本文第 3 节中，我们在低风速下分别利用 CMOD5． N GMF 和 C-2PO 两种模型进行了风速反演，结果显示基于 VH 极化的 C-2PO 模型在低风速反演误差较大，而基于 VV 极化的 CMOD5． N GMF则表现较为理想。针对这一结论，本节基于 1 幅低风速下的 SAＲ 图像，分析了 3 种可能造成这一现象的原因。所选 SAＲ 影像( 图 5) 成像时间为 2012 年 4 月 29日 02 时 43 分 32 秒，成像中心区域经纬度坐标为 57°04'45″N，177°37'21″W。影像内包含的海洋浮标代号为46035( 57°01'33″N，177°44'16″W) ，浮标风速获取时间为2012 年 4 月 29 日 02 时 50 分，经计算得出海面 10 m 处风速为 6．3 m/s。4． 1 信噪比的影响在全极化 SAＲ 系统的 4 种( HH、HV、VV 和 VH)极化通道数据中，由于雷达发射和接收的电磁波方向不同，其获得的雷达回波信号强度和目标信息也不尽相同。在同一幅 SAＲ 图像中，VH 极化的 NＲCS σ0VH要远远小于 VV 极化的 NＲCS σ0VV( 图 5) 。较 VH 极化数据而言，VV 极化数据往往有着较高的信噪比( signal-noise ratio，SNＲ) ，因此图像质量较高。在海面低风速情况下，由海面低粗糙度所造成的低雷达回波信号，是导致 VH 极化的 NＲCS σ0VH精度降低的主要原因，继而影响 SAＲ 图像质量。由式( 2) 可以看出，VH 极化的 C-2PO 模型中，风速 U10仅与 σ0VH相关而，即 U10反演的精确度完全取决于 σ0VH的取值，此外，当 VH 极化的 NＲCS σ0VH小于 － 35． 652 d B 时，C-2PO 模型将不再适用。因此，虽然全极化 SAＲ 数据的高信噪比使得利用全极化 SAＲ 数据反演称为可能，但由于交叉极化信号小，使得低风速信息容易湮没在噪声之中，导致风速反演误差变大甚至无法反演。4． 2 入射角 θ 的影响SAＲ 系统是侧视成像，因此入射角度的不同使得其探测的地物目标信息也不尽相同。Zhang 等［17］在C-2PO 模型的基础上，研究发现 U10的数值不仅与σ0VH有关，而且与入射角 θ 也有着密切的联系。基于此，Zhang 等［17］提出了 C-3PO( C-band cross-polariza-tion coupled-parameters ocean) 模型，并利用该模型进行海面风速反演，反演结果与观测数据有着良好的一致性。该模型表达式如下σ0( )VH = 0． 298 3·U10－ 29．[ ]470 8 ·1 + 0． 07·θ － 34． 534．[ ]5， ( 3)9 期 方贺等: 基于 C-2PO 模型和 CMOD5． N 地球物理模式函数的 SAＲ 风速反演性能评估701图 4 低( a，b) 、中( c，d) 、较高( e，f) 风速段 CMOD5． N GMF 与 C-2PO 模型反演风速与 NDBC 浮标实测风速对比Fig． 4 SAＲ-retrieved wind speed versus NDBC buoy wind for CMOD5． N GMF and C-2PO model at low( a，b) ，medium ( c，d) and higher ( e，f) wind velocity scope式中，σ0( )VH 为 VH 极化的 NＲCS; U10为海面10 m处风速。由式( 3) ，选取低风速 U10= 5 m / s ，入射角 θ 取值范围为 19． 5° ～ 49． 5°，步长 1°，模拟了则 σ0( VH)与入射角 θ 关系( 图 6) ，由图可见，将入射角考虑在内时，σ0( VH) 的值随着入射角 θ 的增加而减小，但文中所采用的 C-2PO 模型没有将入射角 θ 对 NＲCS的影响考虑在内。因此，在低风速下，当雷达入射角θ 较大时，入射角对 C-2PO 模型海面风速反演精度的影响不可忽略。801 海洋学报 40 卷图 5 VH 极化( a) 和 VV 极化( b) NＲCS 分布Fig． 5 Distribution of NＲCS of VH-polarization ( a) and VV-polarization ( b)图 6 C-3PO 模型中 5 m/s 风速下 VH 极化的模拟 NＲCS 随入射角的变化Fig． 6 Dependence of simulated VH-NＲCS on incidence angle for 5 m / s wind speed in C-3PO model4． 3 重构图像分辨率的影响本文所选 SAＲ 影像为精细全极化模式产品，标称分辨率5． 2 m ×7． 6 m，但在实际海面风场反演应用中，无需如此高分辨率的图像，因此在图像预处理过程中，我们对图像进行了 100 m × 100 m 的重构。研究发现，重构分辨率的不同对 VH 极化的 C-2PO 模型风速反演精度有着很大的影响。图 7 给出了重构分辨率分别为100 m，500 m，1 000 m，1 500 m 和2 000 m时 VH 极化( 第一列) 和 VV 极化( 第三列) 的 NＲCS，以及在不同分辨率下分别利用 C-2PO 模型( 第二列)和 CMOD5． N GMF( 第四列) 反演的风速。从图 7( 第一列和第二列) 我们可以看出，C-2PO模型在重构分辨率为 100 m，500 m，1 000 m，1 500 m和 2 000 m 时，其对应反演风速分别为8． 53 m/s，8． 24m / s，8． 13 m / s，8． 72 m / s 和 8． 83 m / s，对比浮标风速其反演误差分别为 2． 03 m/s，1． 94 m/s，1． 83 m/s，2. 42 m / s 和 2． 53 m / s，反演误差较大。此外我们还发现，当分辨率从 100 m 降低至 1 000 m 时，C-2PO 模型反演精度上升，当超过 1 000 m 时，反演精度开始下降，造成这一结果的原因可能有以下 3 点。首先，SAＲ 系统固有的背景噪声即等效噪声( noise equiva-lent sigma nought，NESN) 随着重构分辨率的降低而降低; 其次，分辨率的降低，意味着图像像素间距增加，从而在一定程度上抑制了 SAＲ 图像的相干斑，使得风速反演的精度增加; 最后，分辨率的降低使得 SAＲ图像每个像元的面积增加，使得风场的空间变化变得9 期 方贺等: 基于 C-2PO 模型和 CMOD5． N 地球物理模式函数的 SAＲ 风速反演性能评估901图 7 VH 极化在重构分辨率 100 m、500 m、1 000 m、1 500 m 和 2 000 m 下的 NＲCS 分布( 第一列) 以及对应的 C-2PO 风速反演( 第二列) ; VV 极化在重构分辨率 100 m、500 m、1 000 m、1 500 m 和 2 000 m 下的 NＲCS 分布( 第三列) 以及对应的 CMOD5． N GMF 风速反演( 第四列)Fig． 7 VH-polarized NＲCS distributed ( the first column) and wind speeds retrieved by C-2PO model ( the second column) atspatial resolution of 100 m，500 m，1 000 m，1 500 m and 2 000 m; VH-polarized NＲCS distributed ( the third column) andwind speeds retrieved by CMOD5． N GMF ( the fourth column) at spatial resolution of 100 m，500 m，1 000 m，1 500 m and 2 000 m平滑［18］。图 7( 第三列和第四列) 显示，VV 极化的CMOD5． N GMF 在分辨率重构为 100 m，500 m，1 000m，1 500 m 和 2 000 m 时，其对应反演风速分别为 7．97 m / s，8． 03 m / s，7． 88 m / s，8． 14 m / s 和 8. 25 m / s，反演误差分别为 1． 67 m/s，1． 73 m/s，1． 58 m/s，1． 84m / s 和 1． 95 m / s。相比于 C-2PO 模型，在低风速下，011 海洋学报 40 卷VV 极化的 CMOD5． N GMF 在风速反演方面表现的更加稳定和精确。低风速下重构分辨率对两种模型影响的不同可以解释如下。SAＲ 向待测物体发射电磁波，则目标的散射体回波在成像时相干叠加，因此相关的斑点噪声不可避免。当 SAＲ 图像分辨率较高时，其对应的像元面积较小，相干斑对回波信号影响较大，当重构分辨率逐渐降低，像元面积也随着变大，相干斑噪声对回波信号的影响也会随之变小。对于 VV 极化数据而言，其本身回波信号较强，因此重构后的像元对其回波信号影响较小，使得风速反演精度处于稳定状态，但是 VH 极化本身数据回波信号弱，相同斑点噪声对其回波信号影响较大，继而分辨率的变化会使风速反演精度随之发生变化。5 结论本文选取 142 幅 ＲADAＲSAT-2 全极化 SAＲ 影像，分别利用 C-2PO 模型和 CMOD5． N GMF 对海面风速进行反演，与浮标风速对比结果显示，两种模型在 0 ～25m/s 风速段内与浮标风速 ＲMS 误差分别为1． 68 m / s 和 1． 74 m / s，满足海面风场反演要求。随后，本文将风速段划分为低风速段( 0 ～10 m/s) 、中等风速段( 10 ～ 20 m/s) 和较高风速段( 20 m/s 及以上) ，比较两种模型在各风速段表现。比较结果显示，在中等风速段，C-2PO 模型和 CMOD5． N GMF 风速计算结果与 NDBC 浮标的 ＲMS 误差分别为 1． 56 m/s和 1． 61 m/s，两种模型均表现良好; 在较高风速段中，C-2PO 模型和 CMOD5． N GMF 反演风速和浮标 ＲMS误差分别为 1． 78 m/s 和 1． 82 m/s，且两模型均有着反演风速要高于实测风速的特征; 在低风速段，C-2PO模型和 CMOD5． N GMF 反演风速与浮标的 ＲMS 误差分别为 1． 97 m/s 和 1． 73 m/s，CMOD5． N GMF 在低风速下反演效果要明显优于 C-2PO 模型。针对低风速下 CMOD5． N GMF 表现要明显优于 C-2PO 模型这一现象，本文基于 SAＲ 系统成像的内在机制，给出了3 种造成该现象的原因，即信噪比、重构分辨率和入射角 θ 对这一现象的影响，并进行了详细讨论。利用合成孔径雷达对海面大范围风场进行反演是海洋遥感的研究热点，但由于 SAＲ 系统固有的成像特点，过去一般采用 VV 极化的 CMOD 系列 GMF进行海面风速反演。近几年，大量学者研究了 VH 极化的 NＲCS 与海面风速的关系，使得 VH 极化的 SAＲ数据也可以用于海面风速的反演。本文比较了基于VV 极化的 COMD5． N GMF 和基于 VH 极化的 C-2PO模型在全风速段进行风速反演的表现，并着重讨论了低风速下两种模型的优劣，给出了相应的原因分析。无论是 CMOD 系列的 GMF 还是 C-2PO 模型，其描述的海面风矢量与雷达后向散射系数之间的关系都只是经验性的，要想获得更为精确的海面风场反演数据，不仅需要对反演模型物理机制的精确描述，还依赖于需要大量的 SAＲ 遥感数据和现场实测数据的支持。致谢: ＲADAＲSAT-2 原始图像( 图 2，图 5 和图 7) 产品版权归 Mac Donald，Dettwiler，和 Associates Ltd． 公司所有，在此表示感谢!参考文献:［1］ Zecchetto S，De Biasio F，della Valle A，et al． Wind fields from C-and X-band SAＲ images at VV polarization in coastal area ( Gulf of Oristano，Ita-ly) ［J］． IEEE Journal of Selected Topics in Applied Earth Observations and Ｒemote Sensing，2016，9( 6) : 2643 － 2650．［2］ Hersbach H． Comparison of C-band scatterometer CMOD5． N equivalent neutral winds with ECMWF［J］． Journal of Atmospheric ＆ Oceanic Technolo-gy，2010，27( 4) : 721 － 736．［3］ Stoffelen A，Verspeek J A，Vogelzang J，et al． The CMOD7 Geophysical Model Function or ASCAT and EＲS Wind Ｒetrievals［J］． IEEE Journal ofSelected Topics in Applied Earth Observations ＆ Ｒemote Sensing，2017，10( 5) : 2123 － 2134．［4］ Alpers W，Brümmer B． Atmospheric boundary layer rolls observed by the synthetic aperture radar aboard the EＲS-1 satellite［J］． Journal of Geophysi-cal Ｒesearch Oceans，1994，99( C6) : 12613 － 12621．［5］ Kim T S，Park K A，Li X，et al． Observation of wind direction change on the sea surface temperature front using high-resolution full polarimetric SAＲdata［J］． IEEE Journal of Selected Topics in Applied Earth Observations and Ｒemote Sensing，2017，10( 6) : 2599 － 2607．［6］ 韩冰，许遐祯，刘焕彬，等． 同极化 ＲADAＲSAT-2 数据的海面风速反演研究［J］． 遥感技术与应用，2017，32( 3) : 419 －426．Han Bing，Xu Xiazhen，Liu Huanbin，et al． Wind speed retrieval of ocean surface using ＲADAＲSAT-2 co-polarization data［J］． Ｒemote SensingTechnology and Application，2017，32( 3) : 419 － 426．［7］ 姜祝辉，黄思训，何然，等． 合成孔径雷达资料反演海面风场的正则化方法研究［J］． 物理学报，2011，60( 6) : 769 －776．Jiang Zhuhui，Huang Sixun，He Ｒan，et al． Ｒegularization method to retrieve synthetic aperture radar sea surface wind［J］． Acta Physica Sinica，9 期 方贺等: 基于 C-2PO 模型和 CMOD5． N 地球物理模式函数的 SAＲ 风速反演性能评估111