论文部分内容阅读
2003年1月，国际上第一颗星载全极化微波辐射计WindSat被发射升空，这标志着微波辐射计跨入了一个崭新时代。与传统微波辐射计仅仅能够测量垂直和水平极化亮温不同，全极化微波辐射计可以测量地表-大气辐射的全部4个Stokes参数，提供了采用被动遥感原理实现海洋-大气参数测量的一种新手段。与主动型测风遥感仪器散射计相比，全极化微波辐射计除了可以反演出海面风场（风向和风速）以外，还可以同时获取海面温度、水汽总量、云中液态水含量和降水率等参数。 微波辐射传输模型是研究微波辐射信号能量传输的理论基础，是开展海面-大气参数物理反演及其仿真分析的有用工具。本文从海面发射率/反射率（平镜海面的发射率、发射率中的风速成分、发射率中的风向成分，以及反射率校正因子）和大气吸收效应这两个方面，针对当前应用最为广泛的经典计算模型，通过比对WindSat实测亮温和模型计算亮温，选取了模拟计算性能最优的算法构建了本文适用的GMF模型函数。该GMF模型不仅被应用到了本文后续WindSat海面风场物理反演算法当中，而且还可作为海面-大气环境参数反演相关研究中正演模拟和指标论证的仿真工具。 定标是建立微波辐射计的接收机输出电压与天线温度之间定量关系的过程，是微波辐射计测量数据定量化应用的前提条件。第3和第4个Stokes参数是开展海面风向反演的主要通道，但其振幅仅仅只有几K甚至零点几K，因此对这两个交叉极化通道的定标精度要求非常高。本文分别基于海面和热带雨林这两类典型的自然目标背景场，采用替代定标法评估了WindSat交叉极化通道的定标偏差和仪器噪声。从海面替代定标研究结果来看，WindSat交叉极化通道在海面上存在非常明显的定标偏差，并且该偏差在升轨、降轨、前向刈幅和后向刈幅等不同观测模态之间存在差异;WindSat的仪器噪声整体上较低，第3个Stokes参数的仪器噪声基本在0.2K以内，第4个Stokes参数的仪器噪声在0.1K以内。另外，使用亚马逊热带雨林地区开展的替代定标结果与基于海面背景的结果整体上一致。 全部4个Stokes参数虽然在理论上可以唯一确定出海面风向，但是由于所用GMF的风向谐波特征以及辐射计本身存在测量噪声，WindSat通常会出现最终风向解并非最接近真实风向的情况。本文首先对海面风向反演180°模糊度现象的成因进行了剖析，并提出了利用WindSat特有的前-后向刈幅观测能力来去除风向反演180°模糊度的思路。通过搭建海面风场仿真场景，使用最大似然估计法和以第一风向解为初始场的中值滤波技术，详细分析了使用单视前向刈幅和双视前-后向刈幅观测数据在不同海面风速和风向条件下的风向反演性能。仿真结果表明，使用前-后向刈幅数据开展海面风向反演，能够有效去除风向反演180°模糊度问题，反演精度明显优于仅仅使用前向刈幅数据的结果。 使用WindSat实测数据开展海面风场反演研究是本文的核心内容。本文分别开发了BP神经网络、基于WindSat单视刈幅的最大似然估计和基于WindSat双视刈幅的最大似然估计这三类海面风场反演算法，并对各类算法的反演性能进行了详细比较和分析: 1、BP神经网络海面风场反演算法。本文借鉴了ERS散射计海面风场BP神经网络反演技术，针对全极化微波辐射计通道特征，建立了BP神经网络WindSat海面风场反演模型，并反演了海面风向、海面风速、海面温度、柱状水汽总量、柱状云水总量。 2、基于WindSat单视刈幅的物理反演算法。首先，使用WindSat前向单视刈幅的垂直和水平极化亮温，利用基于残差平方和的海面风速反演算法反演了除海面风向之外的其他大气海洋参数。接着，使用前向单视刈幅的第3和第4个Stokes参数亮温，利用最大似然估计技术反演海面风向并得出4个风向模糊解，并分别以第一风向解和相匹配的QuikSCAT风向作为初始场，使用中值滤波技术对4个风向模糊解实施滤波。 3、基于WindSat双视刈幅的物理反演算法。在完成前向单视刈幅海面风向反演之后，如果该观测像素还存在后向刈幅观测数据的话，则使用前-后向双视刈幅的观测数据继续使用最大似然估计技术反演海面风向并得出4个风向模糊解。随后，分别以双视刈幅第一风向解和相匹配的QuikSCAT风向作为初始场，使用中值滤波技术对4个风向模糊解实施滤波。 4、使用BP神经网络反演算法和基于残差平方和最小的物理反演算法的海面风速反演均方根误差均低于0.8m/s，海面温度反演均方根误差均低于0.9℃，柱状水汽总量反演均方根误差均低于0.70mm，柱状云水总量的反演误差均低于0.03mm。 5、使用QuikSCAT海面风向作为比对真值对上述三类风向反演算法进行了综合比较，其中基于双视刈幅的海面风向最大似然估计法的反演性能最优，其通过使用前-后向观测刈幅的数据能够在大部分风速范围内有效去除风向反演的180°模糊度问题，显著提高了WindSat在低风速下的海面风向反演精度。该算法使用第一风向解作为初始场的中值滤波解在7m/s的风速条件下即可优于20°，这个风向反演性能已经达到了采用NCEP/GDAS资料作为中值滤波初始场的WindSat业务算法水平。 在恶劣天气条件下使用微波辐射计准确反演海面风场非常困难。本文选用了2003～2004年的17个热带飓风个例，建立了强风/降水条件下的海面风场BP神经网络反演算法，并采用该BP神经网络模型反演了海面风场，经与时空匹配的HRD比对数据集进行比较分析后证明，两类数据吻合得较好，表明利用BP神经网络技术开展热带飓风等恶劣天气条件下的海面风场反演是可行和有效的。