利用漂流浮标和高频雷达在整个海洋环境中对Sentinel-1 IW径向速度产品进行校正和验证

《Remote Sensing of Environment》：Correction and validation of Sentinel-1 IW radial velocity products using drifter and HF radar across the entire ocean environment

海洋表面电流提取中非地球物理误差与风浪诱导速度校正方法研究。基于美国东海岸、西海岸及夏威夷的漂流浮标和HF雷达数据，提出适用于开放海域和沿海的非地球物理校正新方法，结合风浪参数优化CDOP、KaDOP和CDOP-Yn模型，验证校正后RVL产品精度提升超60%，并分析不同海况、雷达几何参数的影响。

　　### 深度解读：Sentinel-1雷达数据在海洋表面流研究中的应用与挑战

自2014年Sentinel-1合成孔径雷达（SAR）卫星发射以来，SAR数据在沿海区域绘制精细尺度的海洋表面流（OSC）方面发挥了重要作用。然而，尽管这些数据在研究中具有广泛的适用性，其应用仍受到非地物理误差（如姿态误差、波浪引起的表面速度误差）的限制。因此，如何提高SAR数据的精度，特别是在沿海和开阔海域，成为海洋科学研究的重要课题。

#### 一、海洋表面流的测量与研究意义

海洋表面流是海洋动力学研究的核心内容之一，它不仅对天气和气候模式产生深远影响，还对船舶航行、渔业资源管理和潮汐能开发等实际应用具有重要价值。然而，传统的直接测量方法，如漂流浮标、船载观测和定点传感器，虽然精度高，但成本昂贵且空间覆盖有限。相比之下，卫星SAR技术具有全球覆盖、连续观测和全天候工作的优势，为大规模海洋流研究提供了新的可能。

Sentinel-1的Interferometric Wide Swath（IW）模式Level-2产品能够提供高分辨率的海洋风场和表面径向速度（RVL）。这些数据的分辨率可达0.9公里×0.7-0.8公里，能够在不同海况下捕捉到海洋表面流的动态变化。然而，SAR观测的径向速度数据需要经过校正，以去除非地物理项和风浪引起的误差，从而提取真实的地物理信号。

#### 二、SAR数据的非地物理校正与风浪误差处理

SAR观测数据中的非地物理误差主要来源于卫星姿态、雷达扫描方式（如TOPS模式）和电子指向误差。这些误差会显著影响数据的精度，因此需要进行系统校正。校正方法通常分为两种：一种是使用卫星姿态陀螺仪数据，但该数据并非公开可用；另一种是利用陆地信号作为参考，通过统计方法估算误差。这种方法在沿海区域（如中国、挪威、德国、美国和南非）已被广泛应用，但在远离陆地的开放海域或岛屿地区效果有限。

为了解决这一问题，研究者提出了一种适用于所有海洋区域的非地物理校正方案。该方案结合了陆地覆盖情况和海况参数，以更全面地处理误差。具体而言，该方法分为三种校正策略：对于连续陆地覆盖的区域（方案i），使用相邻轨道或相同周期的参考图像进行误差估算；对于缺乏连续陆地但存在参考图像的区域（方案ii），利用这些图像进行校正；对于远离陆地且无参考图像的区域（方案iii），则采用海洋数据进行线性拟合，以估算径向方向的误差。

校正后的SAR数据在与实际观测数据（如漂流浮标和高频雷达）的对比中表现出显著的精度提升。例如，在美国东海岸、西海岸和夏威夷群岛的验证中，校正后的数据与实际观测数据的RMSE（均方根误差）降低了超过60%。这表明，通过合理的校正策略，SAR数据在海洋表面流研究中具有较高的可靠性。

#### 三、风浪误差（WASV）的校正效果分析

风浪误差是SAR数据中的一个关键问题，特别是在海况复杂的情况下。风浪引起的表面速度（WASV）可能超过2米/秒，从而掩盖真实的海洋流信号。为了解决这一问题，研究者提出了多种风浪校正模型，如CDOP、KaDOP和CDOP-Yn等。这些模型利用风速、风向、波浪高度、波浪周期和波浪方向等参数，以更精确地估算WASV对SAR观测的影响。

在不同海况下的校正效果差异显著。例如，在纯风浪海况下，CDOP模型的RMSE高达0.34米/秒，而KaDOP和CDOP-Yn模型在风浪主导的混合海况中表现出更好的性能，其RMSE分别为0.21米/秒，且与高频雷达的拟合度达到0.62。在纯涌浪海况下，WASV校正的精度较低，表明模型在极端海况下的适用性仍需进一步研究。

此外，研究还发现，风浪校正对不同雷达几何参数（如入射角、卫星轨道和极化方式）的依赖性较强。例如，在低入射角（如IW1）下，非地物理项和WASV的影响较大，导致数据偏差较高。而在高入射角（如IW3）下，非地物理项的影响减弱，WASV校正的效果更为显著。因此，入射角的大小是影响SAR数据精度的重要因素之一。

#### 四、SAR数据与实际观测数据的对比分析

为了验证校正方案的有效性，研究者利用了大量实际观测数据，包括1282个漂流浮标和78,054个高频雷达观测点。这些数据覆盖了美国东海岸、西海岸和夏威夷群岛的多个区域，涵盖了不同海况和地理条件。通过对比校正后的SAR数据与实际观测数据，研究发现：

- **未校正的SAR数据**：与实际观测数据的RMSE范围在0.66-0.76米/秒，偏差范围在0.01-0.08米/秒之间，表明原始数据存在较大的系统误差。
- **非地物理校正后的数据**：RMSE降低至0.22-0.27米/秒，偏差提高至0.52-0.67米/秒，表明校正后的数据更接近真实情况。
- **结合风浪校正的数据**：RMSE进一步降至0.23-0.27米/秒，偏差达到0.47米/秒，显示出校正后数据在多个区域和海况下的高一致性。

在纯风浪海况下，CDOP模型的精度较低，而KaDOP和CDOP-Yn模型则表现出更好的性能。特别是在风浪主导的混合海况中，KaDOP模型的RMSE为0.21米/秒，且与高频雷达的拟合度达到0.62。这表明，引入风浪参数的模型在复杂海况下的适用性更强。

#### 五、SAR数据在极端海况下的表现

在极端海况（如飓风）下，SAR数据的精度仍面临挑战。由于风浪引起的误差较大，传统的校正方法可能无法完全消除这些误差。因此，研究者特别关注了飓风期间SAR数据的表现。例如，在2017年和2018年的飓风案例中，使用双极化数据结合ECMWF风场数据，能够更准确地模拟风浪对SAR观测的影响。

研究还发现，在高风速海况下，共极化（co-polarization）SAR数据可能因信号饱和而低估风速，导致校正效果不佳。相比之下，交叉极化（cross-polarization）数据虽然在低风速下表现较差，但在高风速海况下能够提供更精确的风速估计。因此，合理选择极化方式对于提高SAR数据在极端海况下的精度至关重要。

#### 六、其他影响SAR数据精度的因素

除了非地物理项和风浪误差外，其他因素也会影响SAR数据的精度，包括时间匹配、海区特性、风场数据源、雷达波长和水深等。时间匹配是指SAR观测数据与实际观测数据之间的间隔时间。研究发现，较短的时间间隔能够提高数据的一致性，这在多个研究案例中得到了验证。

此外，不同海区的特性也会影响校正效果。例如，在近岸区域，陆地回波干扰可能导致数据偏差较大；而在远海区域，由于背景流较弱，风浪校正可能过度，从而影响精度。因此，在不同海区中，校正策略需要根据实际情况进行调整。

风场数据源的选择同样重要。在非复杂海况下，使用SAR反演的风场数据通常比再分析数据（如ECMWF）更准确。但在复杂海况下，再分析数据可能提供更全面的风浪信息，从而提高校正效果。雷达波长和极化方式也会影响校正精度，例如，C波段SAR数据在HH极化下更容易受到波浪破碎的影响，而VV极化则相对稳定。

水深对海洋表面流的影响也不容忽视。在浅水区域，由于水深较浅，雷达信号的调制效应更为显著，导致表面流的观测精度下降。而在深水区域，表面流的特征更加清晰，SAR数据的精度较高。因此，在浅水区域进行海洋流研究时，需要特别关注水深的影响。

#### 七、未来研究方向与挑战

尽管SAR数据在海洋表面流研究中表现出较高的精度，但仍存在一些挑战。首先，当前的风浪校正模型主要适用于低至中等海况，而在极端海况（如飓风）下，模型的适用性仍需进一步验证。其次，DCA方法仅能提供瞬时的径向流信息，而无法捕捉完整的二维流场，这限制了其在气候研究中的应用。因此，未来的研究需要开发更精确的校正模型，并结合多源数据（如卫星、浮标和数值模型）进行综合分析。

此外，SAR数据的精度还受到雷达几何参数的影响，如入射角、卫星轨道和极化方式。因此，研究者需要进一步探索这些参数如何影响校正效果，并开发适应不同海况和地理条件的校正策略。同时，时间匹配、海区特性、风场数据源、雷达波长和水深等因素也需要在实际应用中进行综合考虑。

#### 八、结论

综上所述，Sentinel-1 IW模式Level-2 RVL产品在海洋表面流研究中具有重要的应用价值。通过引入非地物理校正和风浪校正策略，SAR数据的精度得到了显著提升，特别是在沿海和开放海域。然而，校正效果受到多种因素的影响，包括海况、雷达几何参数、风场数据源和水深等。因此，未来的研究需要在这些方面进行更深入的探索，以提高SAR数据在不同环境下的适用性。

在极端海况下，如飓风，SAR数据的精度仍然面临挑战。尽管KaDOP和CDOP-Yn模型在多数情况下表现出较好的性能，但在纯涌浪海况下，其精度较低，表明模型在极端条件下的适用性仍有待提高。此外，DCA方法仅能提供瞬时的径向流信息，无法全面反映海洋流的动态变化，这限制了其在长期气候研究中的应用。

因此，未来的海洋流研究应结合多种观测手段，如SAR、高频雷达、漂流浮标和数值模型，以更全面地分析海洋表面流的特性。同时，开发更精确的校正模型，并考虑更多影响因素，将是提高SAR数据精度的关键方向。这不仅有助于更准确地绘制海洋表面流，还能为海洋环境监测和气候变化研究提供可靠的数据支持。