陳冠宇，艾未華，程玉鑫，戈書睿，袁凌峰

(1. 國防科技大學氣象海洋學院，江蘇 南京 211101； 2. 中國華陰兵器試驗中心，陜西 華陰 714200； 3. 海軍海洋水文氣象中心，北京 100071)

基于星載SAR數(shù)據(jù)和模式資料的海面風場變分融合方法研究

陳冠宇1，艾未華1，程玉鑫2，戈書睿1，袁凌峰3

(1. 國防科技大學氣象海洋學院，江蘇 南京 211101； 2. 中國華陰兵器試驗中心，陜西 華陰 714200； 3. 海軍海洋水文氣象中心，北京 100071)

為實現(xiàn)合成孔徑雷達數(shù)據(jù)與數(shù)值預報模式資料融合，提高海面風場精度和業(yè)務化運用水平，提出了一種基于星載SAR數(shù)據(jù)與模式資料的變分融合方法。其研究思路是采用二維連續(xù)小波變換提取SAR圖像中高精度風條紋風向，結合地球物理模型函數(shù)求解海面風場的經(jīng)向分量和緯向分量，然后采用Kriging插值方法將數(shù)值預報模式風速插值到SAR海面風場覆蓋區(qū)域，得到SAR風速觀測算子，由此構建SAR風場與模式風場融合的代價函數(shù)，并采用變分方法求解分析風場，最終得到融合后的海面風場結果。仿真分析結果表明，變分融合后的海面風速和風向結果更接近于理想值，尤其在SAR海面風場覆蓋區(qū)域更為明顯。選取ENVISAT/ASAR資料和與其時空匹配的歐洲中期天氣預報中心模式風場資料開展實例驗證，結果表明融合后的海面風場結果比模式風場更加接近于浮標觀測結果。

合成孔徑雷達； 小波變換； 變分融合方法； 海面風場

引言

海面風場是海洋上層運動的主要動力來源，它與海洋中絕大多數(shù)的物理過程密切相關，是研究海洋動力環(huán)境的重要參數(shù)，在海洋災害監(jiān)測、海洋資源的開發(fā)利用等方面亦具有重要意義[1]，海面風場的探測已成為當前海洋學研究中的一個熱點。利用衛(wèi)星遙感手段進行海洋觀測的技術已經(jīng)趨于成熟，尤其是海面風場的觀測[2]。星載合成孔徑雷達(synthetic aperture radar，SAR)具有全天時、全天候、高分辨率(數(shù)十米至數(shù)米)等特點，尤其適用于海岸帶和島嶼區(qū)的觀測，可以彌補散射計、微波輻射計等載荷在海面風場探測方面的不足[3-4]。相對于其他探測海面風場的衛(wèi)星載荷，SAR具備反演獲取高精度海面風場的特點，擁有廣闊的應用前景[5]。與微波散射計不同，星載合成孔徑雷達僅能單視角方向?qū)Ｓ^測，因此海面風場反演需先獲得風向再反演風速，其風向獲取依賴于圖像風條紋或外部風向，其中外部風向的時空分辨率不易與SAR風場匹配，而基于風條紋的風向反演方法精度高，但統(tǒng)計表明僅有44%左右的SAR圖像包含風條紋信息[6-7]；全極化SAR能夠獨立反演海面風場，但對交叉極化弱信號的絕對輻射定標要求較高，在具體工程實現(xiàn)方面存在較大困難[8]，限制了SAR海面風場反演的業(yè)務化應用。

許多研究證明多源數(shù)據(jù)的融合有利于提高氣象、海洋等產(chǎn)品的探測精度，探索將SAR探測資料反演的海面風場數(shù)據(jù)與其他風場資料進行融合，有望提高風速和風向精度[9]。目前，已有學者對微波散射計、微波輻射計和微波高度計海面風場資料進行了融合研究，但針對SAR數(shù)據(jù)與其他風場資料融合的相關研究較少。Anctil et al.[10]對高度計風速與大西洋船測風場進行了資料融合，Chin et al.[11]采用結合多分辨率分析的插值方法將ERS-1衛(wèi)星散射計風場數(shù)據(jù)與歐洲中期天氣預報中心模式風場數(shù)據(jù)進行融合，Atlas et al.[12]通過變分方法融合輻射計資料SSM/I海面風速、常規(guī)觀測和歐洲中期天氣預報中心分析值，生成了變分分析風場，美國國家大氣研究中心(NCAR)數(shù)據(jù)支持部門(DSS)開發(fā)了QuikSCAT散射計觀測值和NCEP再分析資料的融合產(chǎn)品QSCAT-NCEP混合風場資料[13]，但針對SAR數(shù)據(jù)與其他風場資料融合的相關研究較少。

本文開展基于星載SAR數(shù)據(jù)與模式資料的海面風場變分融合方法研究，利用小波分析的時-頻局部化特性，反演出風條紋區(qū)域高精度的風向和風速，并通過變分方法與數(shù)值預報模式風場進行融合，獲得分析風場。分別仿真研究模式風場存在誤差和SAR后向散射截面存在誤差兩種情況下的結果，對比融合得到的分析風場與理想風場的誤差，結果表明兩種情況下均是變分融合的結果更接近于理想風場，尤其在風條紋區(qū)域更為明顯；選取ENVISAT/ASAR數(shù)據(jù)與歐洲中期天氣預報中心模式風場資料進行海面風場的變分融合試驗，結果表明融合后的海面風場結果較模式風場更加接近浮標觀測結果。仿真分析與試驗結果均表明，文章提出的基于星載SAR數(shù)據(jù)與模式資料的海面風場變分融合方法能夠有效提高海面模式風場的精度。

1 變分融合方法

1.1 基于小波的SAR海面風場反演方法

小波分析因其出色的時-頻局部化特性被譽為信號處理中的“數(shù)學顯微鏡”[14]。通過理論分析和實際的反演試驗，Mexican-hat小波在SAR海面風場反演方面取得了較好的效果[15-16]。二維Mexican-hat小波具有較好的時域和頻域局部化能力及信號能量集中特性，對于信噪比較高、風條紋清晰的SAR圖像，該方法能夠獲取較高的海面風向反演精度[17]。在空間-頻率域，二維Mexican-hat小波變換可表示為：

(1)

式中:k表示二維空間-頻率域的變量；·表示向量內(nèi)積。

Mexican-hat小波法反演風向的過程是首先對SAR圖像進行二維連續(xù)Mexican-hat小波變換，獲取不同尺度下的小波能量譜圖像，提取風條紋信息。然后對能量譜圖像進行二維FFT變換，計算SAR圖像中風條紋的波數(shù)譜。最后將二維波數(shù)譜峰值的連線做垂線，對其進行風向去模糊后得到海面風向[18]。針對Mexican-hat小波法反演風向存在的風向180°模糊問題，采用數(shù)值預報模式風向?qū)ζ溥M行去除。文獻[19]的研究表明，在二維連續(xù)小波分解尺度為8時，海面風向反演獲取的效果較好。

Hersbach et al.[20]經(jīng)大量試驗建立了SAR后向散射截面與海面風場之間關系的CMOD地球物理模型：

σ0(V,θ,φ)=
B0(V,θ)(1+B1(V,θ)cosφ+B2(V,θ)cos2φ)α

(2)

其中B0、B1、B2是風速V和入射角θ的函數(shù)，φ為風向，α為常數(shù)。將反演出的風向作為地球物理模型函數(shù)的相對風向輸入，同時輸入定標后的后向散射系數(shù)和入射角，通過迭代計算得到相應的海面風速，最終獲得SAR反演海面風場信息。

1.2 變分融合

本文采用變分方法對SAR風場與模式風場進行融合。首先，將SAR海面風場矢量(觀測風場)與模式風場矢量(背景風場)分解為經(jīng)向分量U和緯向分量V(即水平與垂直分量)，分別利用Kriging插值法將分解的背景風場插值到SAR風場所在區(qū)域上得到SAR風速觀測算子H[21]，然后利用變分融合方法求解分析風場。

X=(V1,V2,…，VN)T

則：

觀測算子H可表示為：

這里μ為極小化處理時的拉格朗日乘子，

c(xi,xj)為背景風場中網(wǎng)格點xi與xj之間的協(xié)方差函數(shù)，xk為觀測風場區(qū)域上的插值點。本文采用指數(shù)型插值函數(shù)：

其中，L為插值點與觀測點之間的距離，C0、C1、a均為常數(shù)。

觀測風場與背景風場采用二維變分(2D-Var)的方法進行融合計算，其在數(shù)學上可以描述為使如下定義的目標函數(shù)最小：

J=Jq+Jm

(3)

其中，觀測風場的目標函數(shù)Jq和背景風場的目標函數(shù)Jm定義如下：

(4)

(5)

其中，U和V分別是融合得到的經(jīng)向風速和緯向風速(即分析風速)，q和m代表觀測風場和背景風場，Q和M分別是觀測風場和背景風場的誤差協(xié)方差矩陣。將(4)和(5)式帶入(3)式可得：

(6)

(7)

利用最優(yōu)化算法求解(6)和(7)式便可得出融合后的分析風速。

1.3 海面風場變分融合流程

本文提出的基于星載SAR數(shù)據(jù)與模式資料的海面風場變分融合方法，首先在SAR影像線性紋理特征明顯的區(qū)域(風條紋區(qū)域)采用二維連續(xù)小波變換提取風條紋信息，但是存在180°的風向模糊問題，對此可以利用模式資料的風向?qū)ζ溥M行風向去模糊得到SAR海面風向[22]。然后將反演出的風向作為相對風向輸入地球物理模型函數(shù)進一步求解SAR海面風速，并將風速分解為經(jīng)向分量和緯向分量。利用Kriging插值法將分解的背景風場插值到SAR風場所在區(qū)域上得到SAR風速觀測算子，構建SAR風速與背景風速融合的代價泛函，最后通過變分方法求解分析風速得出融合結果。具體反演流程如圖1所示。

圖1 海面風場的變分融合流程圖Fig.1 Flow chart of variational fusion of sea surface wind field

2 仿真研究及誤差分析

為深入地分析融合效果，考查誤差對融合結果的影響，引入隨機擾動，分別針對模式風場存在誤差、SAR風場無誤差和SAR后向散射截面存在誤差、模式風場無誤差兩種情況，對變分融合結果進行敏感性分析，將變分融合后的分析風場與理想風場進行比對，驗證變分方法融合SAR風場和模式風場的有效性。仿真模擬的SAR風場區(qū)域及理想風場探測點位置如圖2所示，圖中黑色箭頭代表理想風場，白點代表SAR風場坐標位置，理想風場經(jīng)向分量ui=8 m·s-1、緯向分量vi=6 m·s-1，分辨率為20 km。左側灰色區(qū)域為A區(qū)，表示SAR風場覆蓋區(qū)域。利用Kriging插值方法將理想風場插值到A區(qū)上構造理想SAR風場，分辨率為30 km。灰色區(qū)域右側的區(qū)域為B區(qū)(參考區(qū)域)，將參考區(qū)上的融合結果與A區(qū)的融合結果進行比對，以考察SAR風場覆蓋區(qū)域和非SAR風場覆蓋區(qū)域的融合效果，這主要是考慮到并非SAR圖像上都存在風條紋，在實際應用中SAR圖像中僅部分區(qū)域包含風條紋。整體風場的經(jīng)向距離取值范圍為[-100 km，100 km]，緯向距離取值范圍為[-100 km，100 km]。

圖2 模擬的背景風速探測點位置和SAR風場反演區(qū)域Fig.2 Location of detection point of simulated background wind speed and retrieval area of SAR wind field

2.1 背景模式風場存在誤差時風場融合結果的敏感性分析

當理想風場的風速為10 m·s-1左右時，背景風場的風速均方根誤差一般不超過1 m·s-1。由于選取的理想風場的風速均為中等風速(10 m·s-1)，所以對該理想風場添加ε=1 m·s-1的隨機誤差(記ε為最大擾動振幅)，進而得到擾動風場。將擾動風場作為背景場，然后引入模擬的SAR風場，經(jīng)過變分融合得到分析風場，具體研究流程如圖3所示。

圖3 背景風場存在誤差時的研究流程圖Fig.3 Research flow chart of background wind field with error

利用Kriging插值計算得到的理想SAR風速為10 m·s-1，背景風速最小為9.15 m·s-1，最大為10.94 m·s-1。通過比對融合后的分析風場與模式風場的差值(圖4)可知，SAR風場覆蓋的A區(qū)域融合后分析風場的變化較為明顯，而融合后B區(qū)域的分析風場相較于背景模式風場變化不大。經(jīng)計算得出的A區(qū)域的分析風速在9.63～10.57 m·s-1之間振蕩，擾動明顯得到了抑制，即采用變分方法融合SAR風場與模式風場是有效的。

為考察本文方法在不同擾動強度、不同區(qū)域內(nèi)的融合效果，采用文獻[23]的方法，針對融合結果對整體以及A區(qū)和B區(qū)的風場進行敏感性試驗分析。取ε=0.5、1.0、2.0 m·s-1，分別將背景以及分析風場和理想風場進行對比，計算得到各自對應的均方根誤差，結果如表1-3所示，其中ebu為背景風場在經(jīng)向分量上的均方根誤差，ebv為背景風場在緯向分量上的均方根誤差， eau為分析風場在經(jīng)向分量上的均方根誤差，eav為分析風場在緯向分量上的均方根誤差。綜合分析表1-3可知，隨著ε的減小，分析風場的均方根誤差隨之減小。當ε=0.5、1.0、2.0 m·s-1時，分析風場在經(jīng)向分量和緯向分量方向上的均方根誤差均比背景風場在經(jīng)向分量和緯向分量方向上的均方根誤差小，說明基于星載SAR數(shù)據(jù)與模式資料的變分融合方法對模式數(shù)據(jù)有積極效應。由于B區(qū)背景風場距離SAR風場區(qū)域較遠，不能使SAR風速對背景風場產(chǎn)生有效影響，因此，對于均方根誤差，背景和分析風場的結果幾乎相同，結果如表3所示；A區(qū)中SAR風場覆蓋的背景風場受到較大的影響，從均方根誤差來看，分析風場均明顯小于背景風場(表2)，融合效果明顯，這些與圖4所得結果一致。統(tǒng)計表明：在A區(qū)，利用SAR風場與背景風場進行變分融合后，背景風場的均方根誤差能夠降低17%左右。整體風場在經(jīng)向和緯向分量上的均方根誤差介于A區(qū)與B區(qū)風場在經(jīng)向和緯向分量上的均方根誤差之間。由此可知，采用本文的方法進行風場融合是有效的。

圖4 融合后的分析風場與模式風場的誤差(a.經(jīng)向分量U，b.緯向分量V)Fig.4 Error of analysis wind field and model wind field after fusion(a.meridional component U,b.zonal component V)

表1不同振幅擾動下整體區(qū)域背景風場和分析風場相對理想風場的均方根誤差

Table 1 Root mean square error of overall regional background wind field and analysis wind field compared to ideal wind field under different amplitude disturbances m·s-1

表2不同振幅擾動下A區(qū)背景風場和分析風場相對理想風場的均方根誤差

Table 2 Root mean square error of background wind field in area A and analysis wind field compared to ideal wind field under different amplitude disturbances m·s-1

表3不同振幅擾動下B區(qū)背景風場和分析風場相對理想風場的均方根誤差

Table 3 Root mean square error of background wind field in area B and analysis wind field compared to ideal wind field under different amplitude disturbances m·s-1

2.2 SAR后向散射截面存在誤差時風場融合結果的敏感性分析

下面針對SAR后向散射截面存在誤差的情況，對變分融合結果進行敏感性分析，具體研究流程如圖5所示。對理想的SAR后向散射截面σi添加隨機擾動得到加擾動的SAR后向散射截面σ0。Freeman初步給出了SAR反演海面風場、海浪等海洋環(huán)境要素時的輻射定標精度，認為SAR探測風速的誤差小于20%時，其絕對定標精度、相對定標精度均為1 dB[24]。當風速為10 m·s-1時，假定入射角為30°，相對風向為90°，代入地球物理模型求得σi=-11.8 dB，對σi添加最大為1 dB的擾動，反演的SAR風速與背景風速之差最大值可達2.3 m·s-1，統(tǒng)計得到SAR風速的均方根誤差為1.06 m·s-1。假設對背景風場不作擾動，即(ub,vb)=(ui,vi)，在這種情況下利用變分方法進行風場融合后，通過比對分析風場與理想風場的誤差(圖6)可知，分析風場由于計入SAR后向散射截面隨機擾動而有小幅度擾動，但不明顯，其原因是在變分方法中分析風場中的信息只有15%左右來自觀測場的貢獻，其余85%左右來自背景場的貢獻[25]。SAR后向散射截面受擾動后，針對整體風場以及A區(qū)風場和B區(qū)風場，計算各個風場經(jīng)向分量和緯向分量相對于理想風場經(jīng)向分量和緯向分量的均方根誤差，所得結果如表4所示。由表4可知，當SAR后向散射截面存在誤差時，覆蓋區(qū)域的均方根誤差稍大一些，遠離覆蓋區(qū)域的均方根誤差稍小一些，整體的風速誤差僅在厘米每秒級。

圖5 SAR后向散射截面存在誤差時的研究流程圖Fig.5 Research flow chart of SAR backward scattering cross section with error

圖6 融合后的分析風場與理想風場的誤差(a.經(jīng)向分量U，b.緯向分量V)Fig.6 Error of analysis wind field and ideal wind field after fusion(a.meridional component U,b.zonal component V)

表4σi受擾動下背景風場和分析風場相對理想風場的均方根誤差

Table 4 Root mean square error of background wind field and analysis wind field compared to ideal wind field under σi disturbed m·s-1

3 實例研究及驗證

3.1 試驗數(shù)據(jù)

本文采用的SAR數(shù)據(jù)是兩軌ENVISAT/ASAR 的寬幅成像模式垂直極化數(shù)據(jù)；采用的背景風場數(shù)據(jù)是與SAR數(shù)據(jù)時空匹配的歐洲中期天氣預報中心再分析資料；浮標數(shù)據(jù)為NDBC(National Data Buoy Center)數(shù)據(jù)，其觀測高度為海表面5 m，通過風場剖面能量法則將浮標風速轉化為海表面10 m等效風速。

3.2 結果分析

首先在SAR影像紋理特征明顯區(qū)域采用二維小波法反演海面風向，利用CMOD_IFR2模型求解海面風速并分解為經(jīng)向分量和緯向分量。以圖8中第一軌SAR圖像浮白框區(qū)域SAR子圖像(圖7a)為例，說明基于Mexican-hat小波變換的海面風場反演過程，先對SAR圖像進行二維連續(xù)小波變換獲得小波能量譜，再對其進行二維FFT變換計算風條紋的波數(shù)譜，波數(shù)譜峰值連線(實線)的垂線(虛線)就是所求風向(圖7b)。但圖7b中所得風向存在180°模糊，將模式風向作為比對去模糊風向。根據(jù)模式風向判斷，2011年5月24日08時左右探測區(qū)域為東南風，去除西北向的模糊風向，可得風向的反演結果為101.1°，結合地球物理模型函數(shù)求解出海面風速為12.2 m·s-1。

圖7 小波法反演的SAR子圖像(a)和風向(b)Fig.7 SAR sub image(a) and wind direction(b) inversed by the wavelet method

圖8為第一軌SAR數(shù)據(jù)反演風場和2011年5月24日06時歐洲中期天氣預報中心再分析風場資料的探測點位置及浮標位置圖。圖中箭頭方向代表風向，箭頭長度代表風速。SAR資料探測時間為2011年5月24日07：52。白色箭頭代表SAR風場，經(jīng)緯網(wǎng)格點分辨率為0.3°×0.3°；黑色箭頭代表模式風場，經(jīng)緯網(wǎng)格點分辨率為0.25°×0.25°；白點代表浮標位置，浮標號為46078，觀測時間為07:50。計算風條紋區(qū)域SAR反演風向和風速并分解為經(jīng)向分量和緯向分量，以此作為觀測風場，并以模式風場作為背景場，經(jīng)過變分融合得到分析風場，如圖9所示，圖中箭頭方向表示風向，箭頭長度表示風速，圖中左上角為風速標尺，標尺長度代表風速為10 m·s-1。

圖10中SAR數(shù)據(jù)探測時間為2011年8月23日20：55，與之時空匹配的2011年8月23日18時歐洲中期天氣預報中心再分析風場資料的探測點位置及浮標位置如圖所示，浮標號為46075，觀測時間為20:50。圖11為經(jīng)過變分融合得到的分析風場。

圖8 SAR反演風場和數(shù)值預報模式風場Fig.8 Wind field retrieval results of SAR and wind field of numerical forecasting model

圖10 SAR反演風場和數(shù)值預報模式風場Fig.10 Wind field retrieval results of SAR and wind field of numerical forecasting model

圖9 變分融合后的分析風場Fig.9 Analysis wind field after variational fusion

圖11 變分融合后的分析風場Fig.11 Analysis wind field after variational fusion

由圖11可知，變分融合后的分析風場與模式風場的趨勢基本保持一致，將浮標點附近的SAR反演風速、分析風速和模式風速同浮標探測值進行比對分析，結果如表5所示。

表5浮標點附近的SAR反演風速、分析風速和模式風速

Table 5 SAR retrieval wind speed， analysis wind speed and model wind speed near the buoy m·s-1

由表5可以看出，SAR反演風速與浮標風速最為接近，模式風速與之相比誤差較大。這一方面是由于基于小波的SAR反演風場具有精度高、誤差小的特點，另一方面SAR圖像探測時間與浮標探測時間幾乎相同，而模式風場的探測時間與浮標觀測時間相差較多，其中浮標2處的模式風速與浮標觀測值相比誤差很大，這可能與模式風速探測時間同浮標觀測時間相差近3 h有關。通過變分融合得到的分析風速較模式風速更加靠近浮標風速，其中浮標1處的分析風速與浮標觀測值十分接近，浮標2處的分析風速相較于模式風速也得到改善，證明本文提出的風場融合方法有效。

4 小結

本文提出的基于星載SAR數(shù)據(jù)與模式資料的海面風場變分融合方法，主要是利用SAR反演海面風場精度高、區(qū)域廣的特點，通過小波變換法提取較高精度的風條紋風向，結合地球物理模型函數(shù)反演風速并分解為經(jīng)向分量和緯向分量，以數(shù)值預報模式資料作為背景風場，構建變分融合的代價泛函，最后利用變分方法求解分析風場，實現(xiàn)合成孔徑雷達數(shù)據(jù)反演海面風場與數(shù)值預報模式風場資料的融合，以期提高區(qū)域性海面模式風場的整體精度。仿真研究表明，在背景模式風場存在誤差、SAR反演風場無誤差的情況下，SAR風場對背景風場的調(diào)整有積極作用，能夠使背景風場的均方根誤差降低17%左右，遠離SAR風場覆蓋區(qū)域效果次之。在SAR后向散射截面存在擾動、背景模式風場無誤差的情況下，融合后的分析風場受擾動的幅度較小，說明在一定的輻射定標精度內(nèi)SAR后向散射截面誤差對風場融合結果的影響相對較小，利用本文方法融合的風場具有較強的抗噪性。但該方法需要SAR圖像中存在一定區(qū)域的風條紋信息，以便提取較高精度的風條紋風向及風速信息與背景風場進行融合，進而提升海面風場融合的整體精度。

[1] Shimada T, Sawada M, Sha W, et al. Low-level easterly winds blowing through the Tsugaru Strait, Japan. Part I: Case study and statistical characteristics based on observations[J]. Mon Wea Rev, 2010, 138(10):3806-3821.

[2] Sheng Z. The estimation of lower refractivity uncertainty from radar sea clutter using the Bayesian-MCMC method[J]. Chin Phys B, 2013,22(2):580-585.

[3] Liang Z. New GMF+RAIN model based on rain rate and application in typhoon wind retrieval[J]. Acta Phys Sinica, 2010, 59(10):7478-7490.

[4] Martin S. An introduction to ocean remote sensing[M]. Cambridge: Cambridge University Press, 2014: 401-435.

[5] Portabella M, Stoffelen A, Johannessen J A. Toward an optimal inversion method for synthetic aperture radar wind retrieval[J]. J Geophys Res, 2002, 107(C8):1-13.

[6] Apel J R. An improved model of the ocean surface wave vector spectrum and its effects on radar backscatter[J]. J Geophys Res, 1994, 99(C8):16269-16291.

[7] Attema E P W, Duchossois G, Kohlhammer G. ERS-1/2 SAR land applications: Overview and main results[C]// Geoscience and remote sensing symposium proceedings, 1998. IGARSS’98. 1998 IEEE International. 1998:1796-1798.

[8] Zhang B, Perrie W, Vachon P W, et al. Ocean vector winds retrieval from C-Band fully polarimetric SAR measurements[J]. IEEE Trans Geosci Remote Sens, 2012, 50(11):4252-4261.

[9] Grody N C, Weng F. Microwave emission and scattering from deserts: Theory compared with satellite measurements[J]. IEEE Trans Geosci Remote Sens, 2008, 46(2):361-375.

[10] Anctil F, Donelan M A, Forristall G Z, et al. Deep-water field evaluation of the NDBC-SWADE 3-m discus directional buoy[J]. J Atmos Oceanic Technol, 1993, 10(1):97.

[11] Chin T M, Milliff R F, Large W G. Basin-scale, high-wavenumber sea surface wind fields from a multiresolution analysis of scatterometer data[J]. J Atmos Oceanic Technol, 1998, 15(3):741.

[12] Atlas R, Hoffman R N, Ardizzone J, et al. A new cross-calibrated, multi-satellite ocean surface wind product[C]// Geoscience and Remote Sensing Symposium, 2008. IGARSS 2008. IEEE International. 2008:I-106-I-109.

[13] Grody N C, Weng F. Microwave emission and scattering from deserts: Theory compared with satellite measurements[J]. IEEE Trans Geosci Remote Sens, 2008, 46(2):361-375.

[14] 張日偉, 嚴衛(wèi), 艾未華,等. 基于Gabor小波變換的機載SAR海面風向反演方法[J]. 微波學報, 2011, 27(5):79-83.

[15] 孔毅, 趙現(xiàn)斌, 艾未華,等. 基于墨西哥帽小波變換的機載SAR海面風場反演[J]. 解放軍理工大學學報(自然科學版), 2011, 12(3):301-306.

[16] Leite G C, Ushizima D M, Medeiros F N, et al. Wavelet analysis for wind fields estimation.[J]. Sensors, 2010, 10(6):5994-6016.

[17] Ai W H. Ocean surface wind direction retrieval from multi-polarization airborne SAR based on wavelet[J]. Acta Phys Sinica, 2012, 61(14):321-328.

[18] 程玉鑫, 艾未華, 孔毅,等. 基于影像紋理特征和外部風向的星載SAR海面風場反演研究[J]. 海洋科學, 2015, 39(12):157-164.

[19] 艾未華, 孔毅, 趙現(xiàn)斌. 基于小波的多極化機載合成孔徑雷達海面風向反演[J]. 物理學報, 2012, 61(14):465-473.

[20] Hersbach H, Stoffelen A, Haan S D. An improved C-band scatterometer ocean geophysical model function: CMOD5[J]. J Geophys Res Oceans, 2007, 112(C3):225-237.

[21] Jiang Z H. A new approach to adjusting sea surface wind using altimeter wind data by variational regularization method[J]. Acta Phys Sinica, 2010, 59(12):8968-8977.

[22] 張毅, 蔣興偉, 林明森,等. 合成孔徑雷達海面風場反演研究進展[J]. 遙感技術與應用, 2010, 25(3):423-429.

[23] 姜祝輝, 黃思訓, 杜華棟,等. 利用變分結合正則化方法對高度計風速資料調(diào)整海面風場的研究[J]. 物理學報, 2010, 59(12):8968-8977.

[24] Freeman A. SAR calibration: An overview[J]. IEEE Trans Geosci Remote Sens, 1992, 30(6):1107-1121.

[25] Comstock K K, Wood R, Yuter S E, et al. Reflectivity and rain rate in and below drizzling stratocumulus[J]. Quart J Roy Meteor Soc, 2004, 130(603):2891-2918.

Researchonoceanwindvariationalfusionmethodbasedonspace-borneSARandmodeldata

CHEN Guanyu1, AI Weihua1, CHENG Yuxin2, GE Shurui1, YUAN Lingfeng3

(1.CollegeofMeteorologyandOceanography,NationalUniversityofDefenseTechnology,Nanjing211101,China; 2.HuayinWeaponTestCenterofChina,Huayin714200,China; 3.NavyHydrometeorologicalCenter,Beijing100071,China)

Based on the space-borne SAR(synthetic aperture radar) data and model data, a variational fusion method is presented to implement the fusion of SAR data and numerical weather prediction model data, and to improve the accuracy of sea surface wind field and operational level. First, two-dimensional continuous wavelet transform is applied to extract wind direction of high precision wind stripe in SAR image, and geophysical model function is used to calculate meridional and zonal components of sea surface wind field. Then the Kriging interpolation method is used to interpolate the wind speed of numerical weather prediction model to the coverage area of SAR sea surface wind field, resulting in that the SAR wind speed observation operator is obtained and the cost function of SAR wind field combined with model wind field is established. The variational method is adopted to solve the analysis wind field. Finally, the sea surface wind field results after fusion are obtained. Simulation results show that through the variational fusion, the sea surface wind speed and wind direction results are closer to the ideal values, especially in the coverage area of SAR wind field. The ENVISAT/ASAR sounding data and the spatial temporally matched model wind data of ECMWF(European Center for Mediumrange Weather Forecasts) are selected to carry out the case verification, and the results show that the sea surface wind field after fusion is closer to the buoy observed result than the model wind field, so it is confirmed that the variational fusion method is effective.

synthetic aperture radar; wavelet transform; variational fusion method; sea surface wind field

陳冠宇,艾未華,程玉鑫,等.基于星載SAR數(shù)據(jù)和模式資料的海面風場變分融合方法研究[J].海洋氣象學報,2017,37(4):65-74.

Chen Guanyu,Ai Weihua,Cheng Yuxin,et al.Research on ocean wind variational fusion method based on space-borne SAR and model data[J].Journal of Marine Meteorology,2017,37(4):65-74.

10.19513/j.cnki.issn2096-3599.2017.04.008.(in Chinese)

P407.2

A

2096-3599(2017)04-0065-10

10.19513/j.cnki.issn2096-3599.2017.04.008

2017-07-19；

2017-08-16

國家自然科學基金項目(41475019，41375029)

陳冠宇(1994—)，男，碩士研究生，主要從事微波海洋遙感研究，guanyumail@126.com。

艾未華(1979—)，男，副教授，主要從事氣象海洋雷達技術研究，awhzjax@126.com。