馮呈呈,董慧杰

?

AMSR-E衛(wèi)星資料陸面干擾的氣候特征分析

馮呈呈①②*,董慧杰①

① 南京信息工程大學 大氣科學學院,江蘇 南京 210044;

② 大連市氣象臺，遼寧 大連 116001

2014-12-15收稿,2015-06-15接受

公益性行業(yè)(氣象)科研專項(GYHY201406008);江蘇省普通高校研究生科研創(chuàng)新計劃資助項目(CXLX13_483;KYLX_0822);江蘇高校優(yōu)勢學科建設工程資助項目(PAPD)

摘要先進微波輻射計(AMSR-E)的低頻特性使其更容易受到無線電頻率干擾(RFI),本文首先對比了譜差法和雙主成分分析(Double Principal Component Analysis,DPCA)方法這兩種RFI識別算法的差異,驗證了DPCA方法的適用性,然后選用DPCA方法對2002年9月—2011年9月AMSR-E陸面升軌亮溫月平均數(shù)據(jù)中的RFI進行識別,并分析其多年變化特征。DPCA方法可以有效地識別出AMSR-E全球范圍內(nèi)陸地亮溫數(shù)據(jù)中的RFI分布情況。識別結(jié)果顯示:1)C波段中的RFI主要分布在美國、東亞及印度—阿拉伯半島地區(qū);X波段主要分布在歐洲及東亞地區(qū)。2)各區(qū)域的RFI空間位置及強度隨時間會發(fā)生變化,其原因可能是由于基礎設施及使用無線電頻譜的變化造成。3)不同區(qū)域月平均亮溫數(shù)據(jù)中識別出的RFI信號數(shù)量存在季節(jié)變化,并且C波段中識別出的RFI數(shù)量隨時間減少,X波段中隨時間增加。

關鍵詞

衛(wèi)星資料先進微波輻射計

無線電頻率干擾

雙主成分分析

氣候趨勢分析

微波遙感探測儀器具有很好的穿透性,可以穿透云層和部分的地表植被、土壤等,同時不受光照條件的限制,做到全天時、全天候的對地探測,為科學研究、氣象預報業(yè)務使用提供高質(zhì)量的探測數(shù)據(jù)。微波輻射數(shù)據(jù)常常被用于天氣、氣候的監(jiān)測、反演和同化研究(龍利民等,2010;閔錦忠等,2012;王葉慧等,2013;劉建文等,2015)。

目前,全世界廣泛使用的星載微波成像儀主要包括:搭載于地球觀測系統(tǒng)Aqua衛(wèi)星上的先進微波掃描輻射計(AMSR-E)(Kawanishi et al.,2003)、搭載于美國國防衛(wèi)星上的WindSat全極化輻射計(Gaiser et al.,2004)和我國風云三號系列衛(wèi)星上的微波成像儀(Dong et al.,2009)等。微波輻射計探測數(shù)據(jù)常常被用于反演海表溫度、海表風場、大氣云水、水汽、降水(Wilheit et al.,2003;Yan and Weng,2008)、土壤濕度(Jackson,1993;Njoku et al.,2003)、植被水含量(Calvet et al.,1994)、地表溫度(Basist et al.,1998;Mao et al.,2007)、積雪(Kelly and Bauer,2000;Kelly et al.,2003)等。但是,研究發(fā)現(xiàn)被動微波輻射儀器在接收來自地球表面的輻射信號的同時,會混入相近波段的主動微波發(fā)射信號,這種現(xiàn)象稱之為無線電頻率干擾(Radio Frequency Interference,RFI)。常見的RFI來源主要有手機、雷達、空中交通管制、車輛遙控、全球?qū)Ш蕉ㄎ幌到y(tǒng)等。這些RFI信號會對地球大氣的散射、發(fā)射輻射信號造成影響,在衛(wèi)星遙感的探測量中增加不可預測的噪聲。這一情況極大的影響了被動遙感觀測數(shù)據(jù)在反演、同化等研究的應用。例如,由于RFI的存在,在反演陸地表面土壤濕度的時候AMSR-E觀測數(shù)據(jù)中的6.925 GHz通道亮溫沒有被使用(Li et al.,2003)。因此,在使用被動微波探測數(shù)據(jù)之前,需要對其中包含的RFI有較明確的認識。

針對被動遙感探測數(shù)據(jù)中的RFI信號,國內(nèi)外學者展開許多相關研究。Li et al.(2003)首次提出在AMSR-E的C波段數(shù)據(jù)中存在有大范圍無線電頻率干擾現(xiàn)象,并使用譜差法對RFI做出識別。Njoku et al.(2005)對AMSR-E數(shù)據(jù),使用平均值和平均標準差方法進行分析,得到其中RFI全球陸面分布情況:C波段主要分布在美國、日本和中東地區(qū),X波段主要分布在英格蘭、意大利和日本。Ellingson and Johnson(2006)分析了美國地區(qū)WindSat六個月的觀測數(shù)據(jù),得到C波段與X波段中的RFI信號的分布和強度,與AMSR-E中RFI分布情況相一致。之后,Li et al.(2006)利用各通道間觀測數(shù)據(jù)的相關性,將主成分分析方法首次應用于陸面RFI識別中。Adams et al.(2010)通過分析一段時間內(nèi)海洋區(qū)域反演產(chǎn)品的卡方檢驗反推得到WindSat海洋區(qū)域亮溫數(shù)據(jù)中的RFI信號,指出海洋表面反射的靜止衛(wèi)星信號是海上RFI的主要來源。國內(nèi)相關研究起步較晚,但也取得了不少的成果。Wu and Weng(2011)使用譜差法識別AMSR-E數(shù)據(jù)陸面RFI信號,并對其做出訂正。Zou et al.(2012)提出使用標準化主成分分析方法識別RFI信號,去除周圍積雪散射影響,并首次識別我國FY-3B上的MWRI亮溫觀測數(shù)據(jù)中X波段的RFI信號分布。Zhao et al.(2013)發(fā)展了雙主成分分析方法(DPCA,Double Principal Component Analysis),并成功地識別出格陵蘭島和南極地區(qū)冰蓋邊緣WindSat數(shù)據(jù)中的RFI信號分布;之后,Feng et al.(2016)利用這一方法成功識別出積雪散射表面的分離散射信號和RFI信號。官莉和張思勃(2014)使用改進的主成分分析方法得到AMSR-E觀測數(shù)據(jù)中的RFI信號,認為RFI的位置和強度與輻射計方位角和靜止電視衛(wèi)星信號方位有關。

現(xiàn)有研究多是從RFI的識別方法及其來源等方面入手,對RFI信號的多年氣候變化特征很少涉及。本文選取2002年9月—2011年9月間的AMSR-E亮溫數(shù)據(jù),識別其月平均亮溫數(shù)據(jù)中陸面范圍內(nèi)的RFI信號,并分析RFI多年氣候變化特征,從而為AMSR-E資料的氣候應用提供借鑒。

1　數(shù)據(jù)介紹

AMSR-E主要用于觀測陸地、海洋和大氣的水和能量循環(huán)變化。AMSR-E共有12個通道,可以分別測量6個不同頻率的水平和垂直極化方向上的亮溫,分別是6.925、10.65、18.7、23.8、36.5、89.0 GHz?？臻g分辨率由89.0 GHz通道的5.4 km變化到6.925 GHz通道的56 km。AMSR-E采用圓錐掃描方式,圓錐掃描角為47.4°,掃描幀幅寬度1 445 km。衛(wèi)星每天越赤道兩次,分別為13:30(北京時間,下同;升軌)和01:30(降軌)。儀器的詳細參數(shù)和特征參見文獻Parkinson(2003)。

AMSR-E有多級數(shù)據(jù)產(chǎn)品。本文選用多年的Level-2A亮溫產(chǎn)品中56 km空間分辨率的亮溫數(shù)據(jù)。Level-2A亮溫經(jīng)過定標和重采樣,使得具有較高分辨率的高頻通道亮溫數(shù)據(jù)在空間分布上與低分辨率的低頻通道亮溫數(shù)據(jù)保持一致。這樣可以保證在同一空間位置處各通道均有亮溫數(shù)據(jù)。

2　識別方法

2.1譜差法

通常情況下,在陸面上,探測到的亮溫會隨著頻率的增大而增加,主要原因是由于土壤與植被水的介電常數(shù)與頻率有關,地表發(fā)射率和頻率正相關,隨頻率增加而增大。而存在于低頻通道上的RFI信號會使得所處通道的亮溫值增大,導致頻譜間差值的改變、逆轉(zhuǎn)。將這一頻譜差上的變化特性用于識別RFI信號的方法,稱為頻譜差異法(譜差法)。

Li et al.(2003)定義一種RFI指數(shù)用于識別RFI位置并量化其強度:

Ip,f1=Tp,f1-Tp,f2。

(1)

其中:T表示亮溫;p表示垂直或水平極化方式;f1和f2表示相鄰的頻率(f1

Wu and Weng(2011)利用這一指數(shù)識別AMSR-E陸面數(shù)據(jù)中的RFI信號并對其強度進行劃分:

(2)

同時,為了減少陸表積雪、冰等的散射影響,參考Zou et al.(2012)提出的散射敏感性譜差指數(shù):

T89H-T18H≥-10 K;T89V-T18V≥-10 K。

(3)

其中:T89H、T89V、T18H、T18V分別表示89 GHz和18.7 GHz的水平和垂直極化通道亮溫。

2.2DCPA方法

Zhao et al.(2013)提出使用雙主成分分析方法(DPCA)識別RFI信號,并成功地應用這一方法識別出南極和格陵蘭島地區(qū)WindSat數(shù)據(jù)中的RFI信號分布,有效去除了信號附近積雪散射的影響。

DPCA方法的理論基礎是不同通道間亮溫數(shù)據(jù)的相關特性。微波探測儀探測到的有地球表面產(chǎn)生的微波輻射在不同通道上的亮溫數(shù)據(jù)通常具有很高的相關性(Li et al.,2006;Zou et al.,2012)。而RFI的存在,會增加其所在通道的亮溫值,降低不同通道間的相關程度。DPCA方法采用兩次主成分分析,第一次主成分分析由各通道原始亮溫數(shù)據(jù)之間的相關性得到亮溫的高相關部分與殘余部分;對低相關性亮溫部分的RFI指數(shù)做第二次主成分分析得到RFI。

以AMSR-E數(shù)據(jù)為例,首先對各通道原始亮溫數(shù)據(jù)進行第一次主成分分析。使用十個低頻通道(除89.0 GHz通道外)的亮溫數(shù)據(jù),組成如下向量,

Vi=[T6.925H,i,T6.925V,i,T10.65H,i,T10.65V,i,T18.7H,i,T18.7V,i,T23.8H,i,T23.8V,i,T36.5H,i,T36.5V,i]T,i=1,2,…N。

(4)

其中:N為研究范圍內(nèi)的數(shù)據(jù)點總數(shù);H表示水平通道;V表示垂直通道。

相應的的數(shù)據(jù)矩陣可以表示為:

(5)

計算得到相應的特征值λi(i=1,2,…,10)、特征向量ei=[e1,i,e2,i,…e10,i]T及主成分系數(shù)ui=[ui,1,ui,2,…ui,10]。其中,i表示第i個主成分模態(tài),ei為第i個主成分。

(6)

由于主成分模態(tài)是依據(jù)特征值大小的降序排列,數(shù)據(jù)矩陣AR1代表了亮溫的主要特征。AR2矩陣為第(α+1)到第10個主成分模態(tài)亮溫之和,即為殘余的數(shù)據(jù)矩陣。AR1代表了不同通道間的強相關部分。殘余矩陣AR2則是包含了RFI信號的低相關的部分。通過α的數(shù)值選定,盡可能地將含有RFI的亮溫部分與主要亮溫信息分離開,同時使得RFI是殘余部分中的主要成分。

第二步主成分分析則是針對含有RFI信號的殘余矩陣AR2進行。根據(jù)Zou et al.(2012)文章中提出的方法,得到矩陣AR2的RFI指數(shù)。定義5個分量的RFI指數(shù)向量:

(7)

這一指數(shù)用于識別6.925 GHz水平極化通道上的RFI信號。同理,可以得到用于識別6.925 GHz垂直極化通道、10.65 GHz水平和垂直極化通道上的RFI信號的指數(shù)(公式略)。

計算得到特征值和特征向量,及其相應的主成分系數(shù)U,ui=[ui,1,ui,2,…ui,N],第一模態(tài)對應最大的數(shù)值。由于RFI信號包含在殘余矩陣中,第一主成分系數(shù)u1體現(xiàn)了RFI信號的存在可能性,其值越高表示RFI信號存在的可能性越大。

在DPCA方法中,α作為重要參數(shù),其取值決定了含有RFI的亮溫信息是否可以跟主要亮溫信息分離。α參數(shù)的確定思路大致如下:選取研究區(qū)域內(nèi)亮溫頻譜差異較大的典型區(qū)域(以保證所選區(qū)域內(nèi)存在RFI信號),依據(jù)這些區(qū)域?qū)牡诙沃鞒煞址治龅玫降牡谝恢鞒煞窒禂?shù)隨α(α=0～9)取值的變化曲線,α最終取為大多數(shù)點的第一主成分系數(shù)最大值所對應的數(shù)值。因此,不同區(qū)域、不同時間的亮溫場選取的α值不是固定的。

3　趨勢變化

3.1AMSR-E亮溫分布情況

AMSR-E主要是用于提高地表參數(shù)的探測能力。圖1給出的是基于美國標準大氣條件,通過輻射傳輸模式(Community Radiative Transfer Model,CRTM)計算得到的AMSR-E各頻率權(quán)重函數(shù)曲線分布圖。從圖中可以看到,各通道的權(quán)重函數(shù)均在地表處達到最大值。由此可見,AMSR-E所探測到的輻射量是地表和整個大氣層的不同垂直層向上的微波輻射加權(quán)總和,并對權(quán)重函數(shù)最大值所對應高度層上的大氣溫度最敏感。除23.8和36.5 GHz通道外,頻率越低,權(quán)重函數(shù)的范圍越窄。

圖1　AMSR-E儀器在不同通道的權(quán)重函數(shù)Fig.1　Weighting function of the AMSR-E channels

以2009年4月的美國地區(qū)陸面亮溫為例,在圖2中給出6.925、10.65、18.7和89.0GHz通道的亮溫空間分布。由圖中可以看出,各通道亮溫的空間分布具有較好的一致性。同時,亮溫值會隨著通道頻率的增加而增大,并且垂直通道上的亮溫數(shù)值大于同頻率水平通道。但是,研究發(fā)現(xiàn)美國地區(qū)在6.925 GHz通道上存在RFI,使得該通道上的亮溫在某些區(qū)域會出現(xiàn)高值區(qū),在這些區(qū)域6.925 GHz通道上的亮溫會大于10.65 GHz通道的亮溫。同時,也使得6.925 GHz通道上的亮溫分布變得不再平緩,出現(xiàn)亮溫“熱點”。

3.2RFI信號識別結(jié)果對比驗證

為研究AMSR-E數(shù)據(jù)中RFI信號多年變化趨勢,首先需要保證RFI信號的識別結(jié)果是準確的。由于沒有一個可信的“真實”數(shù)據(jù)集可以用來評估RFI信號的識別結(jié)果,因此,本文通過對比兩種完全不同的方法的識別結(jié)果,驗證方法的有效性。

圖3給出使用譜差法得到的全球范圍內(nèi)6.925 GHz和10.65 GHz水平、垂直通道上的RFI信號分布。即滿足T89H-T18H≥-10 K和T89V-T18V≥-10 K的條件下,RFI指數(shù)的全球分布。由圖中可以看到,譜差法得到的6.925 GHz水平、垂直通道亮溫數(shù)據(jù)中的RFI信號主要分布在美國地區(qū),在日本、印度及阿拉伯半島等處也有存在。10.65 GHz水平、垂直通道上的RFI信號主要存在于歐洲和日本地區(qū)。同時,相同頻率水平和垂直極化通道上的RFI信號分布情況大體一致。但是,譜差法得到的結(jié)果仍存在一定的問題,即在格陵蘭島、北西伯利亞等有積雪覆蓋的地區(qū),雖然使用了散射敏感性的譜差指數(shù),仍然有部分積雪散射表面造成的虛假信號。

使用DPCA方法識別的RFI信號分布情況如圖4所示?？梢?DPCA識別出的RFI空間水平分布與譜差法得到的結(jié)果(圖3)具有很好的一致性,同時,DPCA方法還有效避免了積雪散射的影響,除了10 GHz垂直通道上在格陵蘭島積雪邊緣處有少許虛假信號之外,其他通道上均很好地去除了積雪散射信號。兩種方法所得結(jié)果,與已有的研究結(jié)果(Li et al.,2003;Njoku et al.,2005)也是相同,這都說明DPCA方法的識別結(jié)果是可信的。

3.3C波段RFI信號變化趨勢

識別結(jié)果表明C波段的RFI信號主要存在于美國、東亞及阿拉伯—印度半島地區(qū)。對以上三個地區(qū)采用DPCA方法分析2002年9月至2011年9月時間內(nèi)C波段中的逐月RFI信號分布(圖5),圖中分別給出上述三個區(qū)域2002年9月和2011年9月RFI信號的空間分布、RFI信號數(shù)量的多年月平均以及RFI信號數(shù)量隨時間的變化曲線。其中RFI信號的認定閾值參考譜差法的閾值設定,選定為5。由圖5可見,較強的RFI信號主要出現(xiàn)在美國、印度半島、伊朗及日本地區(qū),在我國主要存在于北京地區(qū),珠三角地區(qū)也有出現(xiàn)。對比2002年9月和2011年9月,發(fā)現(xiàn)不同時間的RFI信號出現(xiàn)的位置并非一成不變的。

美國地區(qū),RFI信號的空間分布隨時間變化不大,主要的變化是美國中北部地區(qū)信號的減少和東南部地區(qū)信號的增多,同時東北部沿海大城市群(包括波士頓、紐約、華盛頓等)區(qū)域的信號有增強的趨勢。RFI信號的數(shù)量變化在季節(jié)上存在一定的規(guī)律,冬季識別出的RFI信號數(shù)量偏少,春夏的RFI信號數(shù)量較多。RFI識別數(shù)量在2002—2009年間呈減少趨勢;東亞地區(qū),不同時間的RFI信號的空間分布變化不大。但是在不同月份,RFI數(shù)量變化較大,夏季普遍偏多。RFI識別數(shù)量在2002—2011年之間隨時間減少。

印度—阿拉伯半島2002年9月與2011年9月識別出的RFI信號的空間分布有著較大的不同。隨著時間的變化,在沙特阿拉伯境內(nèi)的信號基本消失,在巴基斯坦和伊朗境內(nèi)的RFI信號明顯減少。分析其中的原因,首先可能與當?shù)氐木謩葑兓嘘P,受軍事設施變化的影響;其次,當?shù)赜途仍O施變化也會引起相應的變化。印度地區(qū),RFI信號的空間分布變化不大,主要分布在新德里、孟買、班加羅爾等人口眾多的大城市區(qū)。而其識別數(shù)量在2002年9月至2011年呈明顯減少趨勢。

圖2　2009年4月美國地區(qū)AMSR-E各通道陸地亮溫的空間分布(升軌)　　a1.6.925 GHz水平極化通道;a2.6.925 GHz垂直極化通道;b1.10.65 GHz水平極化通道;b2.10.65 GHz垂直極化通道;c1.18.7 GHz水平極化通道;c2.18.7 GHz垂直極化通道;d1.89.0 GHz水平極化通道;d2.89.0 GHz垂直極化通道Fig.2　The brightness temperature of AMSR-E on 12 channels over U.S.land areas during April 2009(ascending orbit):(a1)6.925 GHz horizontal polarization;(a2)6.925 GHz vertical polarization;(b1)10.65 GHz horizontal polarization;(b2)10.65 GHz vertical polarization;(c1)18.7 GHz horizontal polarization;(c2)18.7 GHz vertical polarization;(f1)89.0 GHz horizontal polarization;(f2)89.0 GHz vertical polarization

圖3　2009年4月全球RFI分布(譜差法)　　a.6.925 GHz水平極化通道;b.6.925 GHz垂直極化通道;c.10.65 GHz水平極化通道;d.10.65 GHz垂直極化通道Fig.3　The distribution of RFI signals detected during April 2009(by the spectral difference method):(a)6.925 GHz horizontal polarization;(b)6.925 GHz vertical polarization;(c)10.65 GHz horizontal polarization;(d)10.65 GHz vertical polarization

圖4　2009年4月全球RFI分布(DPCA)　　a.6.925 GHz水平極化通道;b.6.925 GHz垂直極化通道;c.10.65 GHz水平極化通道;d.10.65 GHz垂直極化通道Fig.4　The distribution of RFI signals during April 2009(by the DPCA method):(a)6.925 GHz horizontal polarization;(b)6.925 GHz vertical polarization;(c)10.65 GHz horizontal polarization;(d)10.65 GHz vertical polarization

圖5　基于DPCA方法識別出的6.925 GHz水平通道RFI信號分布(a1、a2、a3.2002年9月;b1、b2、b3.2011年9月)、多年月平均RFI識別數(shù)量(c1、c2、c3)及多年趨勢變化(d1、d2、d3)　　a1—d1.美國(60～130°W,20～50°N);a2—d2.東亞(100～150°E,15～55°N);a3—d3.印度—阿拉伯半島地區(qū)(30～90°E,5～45°N)Fig.5　RFI distributions on 6.925 GHz channels for horizontal polarization detected by the DCPA method(a1,a2,a3—September 2002;b1,b2,b3—September 2011);the RFI signal numbers in different months(c1,c2,c3);and the variation with time(d1,d2,d3):(a1—d1)U.S.,(20—50°N,60—130°W);(a2—d2)East Asia,(15—50°N,100—150°E);(a3—d3)Southwest Asia,(5—45°N,30—90°E)

3.4X波段RFI信號變化趨勢

10.65 GHz通道中RFI信號主要分布在歐洲地區(qū)(英格蘭、意大利)與東亞地區(qū)。同理,使用DPCA方法得到上述地區(qū)逐月的RFI信號分布情況。其中,2002年9月和2011年9月RFI信號空間分布及識別出的X波段RFI信號數(shù)量隨時間的變化情況如圖6所示。

由圖可見,東亞地區(qū)RFI信號主要分布在日本地區(qū),位置和強度等變化不大。對比2002年與2011年9月,發(fā)現(xiàn)我國的RFI信號有明顯增加,主要出現(xiàn)在北京、長三角等人口密集地區(qū)。RFI數(shù)量不同月份間差異較大,冬、夏季偏多,春、秋季偏少。2002—2011年間識別出的RFI數(shù)量隨時間略有增加;在歐洲地區(qū),RFI信號在英格蘭和意大利最為強烈。對比2002年9月和2011年9月的識別結(jié)果,在巴黎、埃及的亞歷山大港等地出現(xiàn)較明顯的RFI信號。RFI識別數(shù)量季節(jié)變化較小,在2002—2011年期間呈增加趨勢。

4　結(jié)論

本文首先對比了譜差法和DPCA方法識別的RFI信號的空間分布特征,驗證了DPCA方法的有效性,然后利用DPCA方法識別2002年9月—2011年9月AMSR-E陸面升軌亮溫月平均數(shù)據(jù)中的RFI信號,并分析了RFI信號的氣候特征。結(jié)果表明:

1)DPCA方法能夠有效地識別出全球范圍內(nèi)AMSR-E陸地亮溫數(shù)據(jù)中的RFI信號分布情況,可以較好地避免積雪等下墊面的影響。

2)由DPCA方法得到的AMSR-E數(shù)據(jù)中的RFI信號空間分布與已有的研究結(jié)果相同。其中,C波段主要分布在美國、東亞及印度—阿拉伯半島地區(qū);X波段主要分布在歐洲及東亞地區(qū)。

3)各區(qū)域的RFI信號的空間位置及強度隨時間會發(fā)生變化,很大程度上是由于人為使用無線電頻譜的變化有關。比較明顯的位置變化則可能與基礎設施等替換有關。

4)各區(qū)域的月平均亮溫中RFI信號的識別數(shù)量存在季節(jié)變化。C波段中識別出的RFI信號數(shù)量隨時間呈遞減趨勢;X波段中識別出的RFI信號數(shù)量隨時間呈增加趨勢。

參考文獻(References)

Adams I S,Bettenhausen M H,Gaiser P W,et al.,2010.Identification of ocean-reflected radio-frequency interference using WindSat retrieval chi-square probability[J].IEEE Geoscience & Remote Sensing Letters,7(2):406-410.

Basist A,Grody N C,Peterson T C,et al.,1998.Using the special sensor microwave/imager to monitor land surface temperatures,wetness,and snow cover[J].J Appl Meteor,37(9):888-911.

Calvet J C,Wigneron J P,Mougin E,et al.,1994.Plant water content and temperature of Amazon forest from satellite microwave radiometry[J].IEEE Transactions on Geoscience & Remote Sensing,32(2):397-408.

圖6　基于DPCA方法識別出的10.65 GHz水平通道RFI信號分布(a1、a2.2002年9月;b1、b2.2011年9月)、多年月平均RFI識別數(shù)量(c1、c2)及多年趨勢變化(d1、d2)　　a1—d1.東亞(100～150°E,15～55°N);a2—d2.歐洲(15～40°E,30～70°N)Fig.6　RFI distributions on 10.65 GHz channels for horizontal polarization detected by the DCPA method(a1,a2—September 2002;b1,b2—September 2011);the RFI signal numbers in different months(c1,c2);and the variation with time(d1,d2):(a1—d1)East Asia,(15—50°N,100—150°E);(a3—d3)Europe,(30—70°N,15°W—40°E)

Dong C,Yang J,Zhang W,et al.,2009.An overview of a new Chinese weather satellite FY-3A[J].Bulletin of the American Meteorological Society,90(10):1531-1544.

Ellingson S W,Johnson J T,2006.A polarimetric survey of radio-frequency interference in C and X-bands in the continental United States using WindSat radiometry[J].IEEE Transactions on Geoscience & Remote Sensing,44(3):540-548.

Feng C C,Zou X L,Zhao J,2016.Detection of radio-frequency interference signals from AMSR-E data over the United States with snow cover[J].Front Earth Sci,2016,10(2):195-204.

Gaiser P W,St Germain K M,Twarog E M,et al.,2004.The WindSat spaceborne polarimetric microwave radiometer:Sensor description and early orbit performance[J].IEEE Transactions on Geoscience & Remote Sensing,42(11):2347-2361.

官莉,張思勃,2014.星載微波輻射計歐洲大陸無線電頻率干擾分析[J].光學學報,34(7):277-283.Guan L,Zhang S B,2014.Source analysis of radio-frequency interference over Europe land from advanced microwave scanning Radiometer-E[J].Acta Optica Sinica,34(7):277-283.(in Chinese).

Jackson T J Ⅲ,1993.Measuring surface soil moisture using passive microwave remote sensing[J].Hydrological Processes,7(2):139-152.

Kawanishi T,Sezai T,Ito Y,et al.,2003.The advanced microwave scanning radiometer for the earth observing system(AMSR-E),NASDA’s contribution to the EOS for global energy and water cycle studies[J].IEEE Transactions on Geoscience & Remote Sensing,41(2):184-194.

Kelly G,Bauer P.2000.The use of AMSU-A surface channels to obtain surface emissivity over land,snow and ice for numerical weather prediction[C].The Eleventh International TOVS Study Conference,Budapest,Hungary.

Kelly R E,Chang A T,Tsang L,et al.,2003.A prototype AMSR-E global snow area and snow depth algorithm[J].IEEE Transactions on Geoscience & Remote Sensing,41(2):230-242.

Li L,Njok E,Im E,et al.,2003.A preliminary survey of radio-frequency interference over the U.S.in Aqua AMSR-E data[J].IEEE Transactions on Geoscience & Remote Sensing,42(2):1736-1738.

Li L,Gaiser P W,Bettenhausen M H,et al.,2006.WindSat radio-frequency interference signature and its identification over land and ocean[J].IEEE Transactions on Geoscience & Remote Sensing,44(3):530-539.

劉健文,蔡則帥,閔錦忠,等,2015.ATMS微波資料特征及其對臺風路徑預報的影響[J].大氣科學學報,38(3):421-427.Liu J W,Cai Z S,Min J Z,et al.,2015.Characteristics of ATMS data and their impact on typhoon track forecast[J].Trans Atmos Sci,38(3):421-427.(in Chinese).

龍利民,張萍萍,張寧,2010.2008-07-22襄樊特大暴雨FY-3A微波資料分析[J].大氣科學學報,33(5):569-575.Long L M,Zhang P P,Zhang N,2010.Analysis of 2008-07-22 Xiangfan rainstorm using FY-3A microwave data[J].Trans Atmos Sci,33(5):569-575.(in Chinese).

Mao K B,Shi J C,Li Z L,et al.,2007.A physics-based statistical algorithm fro retrieving land surface temperature from AMSR-E passive microwave data[J].Science in China,50(7):1115-1120.

閔錦忠,孔瑩,楊春等,2012.衛(wèi)星輻射率資料EnSRF同化及暴雨模擬應用[J].大氣科學學報,35(3):272-281.Min J Z,Kong Y,Yang C,et al.,2012.Assimilation of radiance data in WRF-EnSRF and its application in a rainstorm simulation[J].Trans Atmos Sci,35(3):272-281.(in Chinese).

Njoku E G,Jackson T J,Lakshmi V,et al.,2003.Soil moisture retrieval from AMSR-E[J].IEEE Transactions on Geoscience & Remote Sensing,41(2):215-229.

Njoku E G,Ashcroft P,Chan T K,et al.,2005.Global survey and statistics of radio-frequency interference in AMSR-E land observations[J].IEEE Transactions on Geoscience & Remote Sensing,43(5):938-947.

Parkinson C L,2003.Aqua:An earth-observing satellite mission to examine water and other climate variables[J].IEEE Transactions on Geoscience & Remote Sensing,41(2):172-183.

王葉慧,李剛,何光鑫,2013.風云三號衛(wèi)星微波輻射率資料的質(zhì)量控制[J].大氣科學學報,36(5):560-567.Wang Y H,Li G,He G X,2013.A quality control procedure for FY-3 microwave radiance data[J].Trans Atmos Sci,36(5):560-567.(in Chinese).

Wilheit T,Kummerow C D,Ferraro R,2003.Rainfall algorithms for AMSR-E[J].IEEE Transactions on Geoscience & Remote Sensing,41(2):204-214.

Wu Y,Weng F Z,2011.Detection and correction of AMSR-E radio-frequency interference[J].Acta Meteorologica Sinica,25(5):669-681.

Yan B H,Weng F Z,2008.Application of AMSR-E measurements for tropical cyclone predictions part I:Retrieval of sea surface temperature and wind speed[J].Adv Atmos Sci,25(2):227-245.

Zhao J,Zou X,Weng F Z,2013.WindSat radio-frequency interference signature and its identification over Greenland and Antarctic[J].IEEE Transactions on Geoscience & Remote Sensing,51(9):4830-4839

Zou X,Zhao J,Weng F Z,et al.,2012.Detection of radio-frequency interference signal over land from FY-3B microwave radiation imager(MWRI)[J].IEEE Transactions on Geoscience & Remote Sensing,50(12):4994-5003.

With the improvement of weather forecasting and the development of technology,the measurements of meteorological satellites have gradually become an important supplement to conventional observations.Owing to its advantage of all-day observation,Advanced Microwave Scanning Radiometer(AMSR-E) measurements have been widely used in research on global environmental change.The AMSR-E data record is very important in climate change monitoring and data assimilation in numerical weather prediction,but man-made radiative signals are also received by the microwave instrument and interfere with the natural thermal emissions of Earth.This phenomenon of satellite observations being mixed with signals from active microwave transmitters is referred to as Radio-Frequency Interference(RFI).RFI causes severe contamination of passive and active microwave sensing observations and corresponding retrieval products over some continents.The presence of RFI signals will reduce the scientific value of satellite measurements,so RFI signals should be detected and filtered before applying the microwave data in retrieval and data assimilation.With the long-term AMSR-E data being used in climate research,the characteristics of RFI signals also need to be analyzed.

This paper focuses on the characteristics of RFI signals from AMSR-E data and their trend from September 2002 to September 2011.In this study,firstly,the spectral difference method and double principal component analysis(DPCA) method are used to obtain the spatial distribution of RFI signals.Compared to the spectral difference method,the DPCA method can detect RFI signals even over snow-covered areas,by taking advantage of the correlation of different channels for natural and snow radiation,and the de-correlation caused by RFI,and it is more robust and suitable for application worldwide.Then,the DPCA method is chosen to detect the RFI signals from the AMSR-E data over land from September 2002 to September 2011,and the trend of RFI signals with time is analyzed.The results show that the DPCA method can identify the RFI signals from brightness temperature of AMSR-E over land effectively,and can avoid the scattering effect of snow surfaces.The RFI signals from AMSR-E detected by the DPCA method are distributed mainly over the United States,East Asia and the India—Arabia Peninsula on C-band channels,and over Europe and East Asia on X-band.Strong RFI signals are mainly concentrated in populated cities.The locations of RFI signals are almost the same for horizontal polarization and vertical polarization channels;and RFI for horizontal polarization is stronger than that for vertical polarization.The areas and positions of RFI signals change with time,and their intensities are also not constant.The variation of RFI signals is probably due to changes in the human utilization of the radio spectrum,and obvious position changes may be related to the replacement of the infrastructure.The number of RFI signals detected by the DPCA method also varies with the seasons,being high in summer and low in winter in different regions except East Asia.From September 2002 to September 2011,the number of RFI signals decreased with time on C-band channels and increases on X-band.

satellite data;AMSR-E;RFI;DPCA;trend analysis

(責任編輯：孫寧)

doi：10.13878/j.cnki.dqkxxb.20141215001

Trend analysis of radio-frequency interference signals of Advanced Microwave Scanning Radiometer data over land

Feng Chengcheng1,2,Dong Huijie1

1SchoolofAtmosphericScience,NanjingUniversityofInformationScience&Technology,Nanjing210044,China;2DalianMeteorologicalObservatory,Dalian116001,China

引用格式：馮呈呈,董慧杰,2016.AMSR-E衛(wèi)星資料陸面干擾的氣候特征分析[J].大氣科學學報,39(4):536-545.

Feng C C,Dong H J,2016.Trend analysis of radio-frequency interference signals of Advanced Microwave Scanning Radiometer data over land[J].Trans Atmos Sci,39(4):536-545.doi：10.13878/j.cnki.dqkxxb.20141215001.(in Chinese).

*聯(lián)系人，E-mail:feng_chengcheng@163.com