基于物理约束贝叶斯框架的单几何构型SAR观测海表风场与流场一体化反演

《Remote Sensing of Environment》：Integrated retrieval of ocean surface wind and current fields from single-geometry SAR observations through a physically constrained Bayesian framework

　　

摘要

海面风和洋流通过海气相互作用耦合在一起，但通常是从星载合成孔径雷达（SAR）观测中独立反演的。对于工作模式下的单几何构型SAR，同时反演风和洋流是不适定问题，仍然依赖于背景信息。我们提出了一种物理约束的贝叶斯框架，将雷达回波功率和普多勒质心异常测量值相结合，以反演10米高度风速和径向海面流速。一种经验性的风-漂移关系对相对于产品推导的背景流速的径向流速增量进行了软约束，解通过加权最大后验估计获得。该框架利用多年Sentinel-1观测数据，与散度计、浮标和高分辨率雷达数据在不同海况下进行同位分析进行评估。在受湾流影响的美国东海岸区域校准的参数被固定用于时间保持事件和一个独立的南加利福尼亚州测试。在东海岸数据中，与ERA5大气再分析相比，风速均方根差异（RMSD）降低了0.59-0.77 m s?1。与高分辨率雷达相比，径向流速RMSD为0.21 m s?1，而操作型Sentinel-1径向速度产品为0.59 m s?1，传统风浪多普勒校正后为0.48 m s?1，海洋模式投影为0.38 m s?1。事件级消融实验表明，物理约束在两个独立测试中进一步降低了RMSD，分别为0.171 m s?1和0.324 m s?1。这些结果分离了可归因于物理项而非单纯联合数据融合的径向流速技能，并展示了联合利用互补SAR观测量的价值。该框架提供了一条实际途径，可以从常规单几何构型获取中对沿海风和径向流速进行公里级联合制图。

引言

海面风和洋流是耦合大气-海洋系统的基本组成部分，控制着海气交换和上层洋流循环（Dawe和Thompson，2006；Trindade等，2019）。因此，准确掌握地表风场和流速场对于海洋预报和漂流预测等应用至关重要（Niiler，2001；Bourassa等，2019；Lin等，2017）。然而，直接的现场观测仍然空间稀疏，而常用的漂流器采样的是真实表层以下的洋流（Sloyan等，2019）。卫星观测部分弥补了这一差距：散度计提供分辨率相对较低的风观测，且沿海覆盖范围有限；而传统星下点测高仪主要约束地转环流，无法解析大部分非地转的近地表流动（Hauser等，2023；Chelton等，2001；Villas B?as等，2019）。这些限制促使使用合成孔径雷达（SAR），SAR提供风诱导的表层粗糙度和多普勒视线方向表面运动的高分辨率观测，支持基于SAR的风反演和径向流速估算（Hansen等，2011；Fan等，2025a）。

星载SAR提供海洋表面的高分辨率相干观测，其本质上对风和流速诱导的过程均敏感（Horstmann和Koch，2008）。SAR测量的微波回波功率，以归一化雷达散射截面（NRCS，或σ?）表示，主要受风驱动的微小表面粗糙度控制，并受雷达几何和极化的调制，构成了通过建立的物理模型函数进行SAR风反演的物理基础。此外，SAR保留了相位信息，使得可以估计雷达分辨元内运动相关的多普勒频移（Hansen等，2011）。对于单天线SAR系统（如Sentinel-1），多普勒质心异常提供了一种视线速度代理量，而沿轨干涉SAR代表了不同的测量构型，其中利用沿轨分开的通道之间的相位差来估计表面运动（Romeiser等，2010）。在校正非物理贡献后，残余多普勒信号反映了混合的视线方向海洋表面运动，这是波浪轨道运动、波浪诱导的多普勒效应和潜在的表面流速的组合结果。因此，在单次SAR获取中同时获得NRCS和多普勒测量值为风强迫和视线方向表面运动提供了公里尺度的互补观测约束。

由于SAR对风诱导的海面粗糙度和空间分辨率敏感，SAR已被广泛用于高分辨率海洋表面风反演。大多数SAR风反演方法依赖于物理模型函数（GMF），如CMOD系列（Hersbach等，2007；Hersbach，2010；Lyzenga，2004；Sergeev等，2023），它们在给定的雷达观测几何、载频和极化条件下将NRCS与表面风速和风方向联系起来。尽管这些GMF最初是为散度计开发的，但它们已被广泛应用于SAR数据。然而，SAR获取通常是单方位角的；因此，风矢量反演是不适定的，通常需要来自数值天气预报或再分析产品的外部风方向信息。因此，SAR风反演方法可以大致分为非贝叶斯和贝叶斯方法（Portabella等，2002；Zhang等，2012）。非贝叶斯方法通过在GMF中指定风方向来估计风速，这使得反演对误差和背景风场的低分辨率敏感。风方向也可以从SAR图像中的线性特征推断（Fetterer等，1998；Horstmann和Koch，2006），但这种方法存在方向模糊性，且在缺乏清晰风条纹时适用性有限（Koch，2004）。贝叶斯方法在概率框架中将NRCS观测与先验风信息相结合，尽管其解仍可能受到背景风方向的强烈影响（Choisnard和Laroche，2008；Adamo等，2014；Zhu等，2024）。为了减少这种依赖性，近期研究探讨了利用多普勒信息来改善风方向估计（Mouche等，2012）。此外，还提出了数据驱动方法，包括基于神经网络和频谱或纹理的方法（Corcione等，2018；Grieco等，2016；Mu等，2022；Zanchetta和Zecchetto，2021；Li等，2020），这些方法在物理可解释性的代价上获得了更高的灵活性。

SAR还主要通过测量雷达分辨元内运动诱导的多普勒频移来观测海洋表面流速。对于Sentinel-1等星载SAR系统，观测到的多普勒信号反映了表面流速、风驱动波浪、涌浪和波浪破碎过程贡献的叠加。为了隔离与流速相关的分量，开发了多种经验性和半经验性多普勒模型，包括C波段多普勒（CDOP）模型系列的成员（CDOP-3S、CDOP3SiX和CDOP-Yn）以及基于物理的DPDop模型，用于在不同风和海况条件下校正波浪诱导的多普勒偏差（Moiseev等，2020、2022；Kudryavtsev等，2023；Yang等，2024）。近期研究进一步表明，不同的多普勒校正模型和流速梯度效应可以改变残余径向流速估计，强调基于多普勒的流速反演本质上依赖于模型（Elyouncha等，2024、2025）。这些模型使得可以从Sentinel-1多普勒观测中反演径向表面流速，特别是在中等到强风条件下。准确的流速反演还要求校正非物理多普勒贡献，这些贡献来源于卫星姿态变化、天线指向偏差、锯齿形效应和其他仪器相关伪影，否则可能引入系统性偏差（Fan等，2023）。因此，由此产生的产品应被解释为依赖于模型的径向流速估计，而非完整表面流速矢量的直接测量。现有的矢量反演方法通常依赖于外部背景场、利用连续SAR图像的特征追踪技术，或专用的多几何构型/干涉观测概念，限制了其适用于常规单几何构型Sentinel-1观测的能力。因此，可靠的单几何构型反演必须将多普勒测量与对背景环流和波浪相关多普勒贡献的明确处理相结合（Yang等，2023；Martin等，2022）。

尽管具有互补性，NRCS和多普勒测量通常分别用于风和流速反演链。风反演仍然对外部方向信息敏感，而径向流速估计依赖于所选的波浪诱导多普勒运动校正。联合反演提供了一种利用两种观测量敏感性的手段，同时纳入单观测几何构型所需的背景信息。

几项研究已经展示了利用SAR观测进行联合风-流速反演的潜力。Elyouncha等（2021）和Martin等（2018）表明，在贝叶斯框架中结合NRCS和多普勒信息可以改进小尺度风和流速结构的表示，特别是在干涉SAR数据可用的情况下。这些研究确立了贝叶斯数据融合的价值，但它们的观测构型和对背景信息的使用与常规单天线Sentinel-1反演不同。对于此类获取，关键的科学问题是：如何在引入物理上合理的风-流速信息的同时，区分局部风驱动响应与非风驱动的环流。

为了应对这一挑战，我们开发了一种物理约束的贝叶斯框架，用于从干涉宽幅模式（IW）获取的单几何构型Sentinel-1观测中同时反演10米风速和径向流速。该公式将NRCS和多普勒似然项与风背景先验相结合，并引入经验性风-漂移关系作为相对于产品推导的背景流速的径向流速增量的软约束。这种背景相对公式将局部风驱动趋势与背景环流分开表示。在采用的高斯误差模型下，反演为加权最大后验（MAP）估计。

为了将物理正则化的贡献与单纯联合数据融合的贡献区分开来，将完整反演与否则相同的无正则化对照进行了比较。在东海岸开发集上选择的参数随后被冻结，用于时间保持和地理独立的评估，其中SAR获取事件作为推断单元。

本文其余部分组织如下。第2节描述研究区域和辅助数据集。第3节定义SAR观测量、加权MAP目标函数、背景相对经验正则化、数值求解器和符号约定。第4节展示验证方案、总体验证、海况分析、多普勒模型和区域稳健性测试以及参数敏感性。第5节讨论信息互补性、物理解释、环境和多普勒模型依赖性、可迁移性以及剩余不确定性。第6节总结结论。

章节片段

研究区域和数据集

分析结合了多年的Sentinel-1海洋产品档案与大气、洋流、波浪和现场数据。该档案涵盖两个动态特征不同的美国沿海区域：美国东海岸外的西北大西洋和南加利福尼亚湾（图1）。这些区域在区域环流、沿海和大陆架几何、波浪气候和SAR观测几何构型方面存在差异，从而为反演分析提供了互补的环境设置。大气和海洋

方法论

本节描述了为从SAR观测中联合反演海洋表面风场和径向流速场而开发的方法学框架。它分为两个主要部分。首先，简要回顾相关的物理背景，以阐明将SAR观测量与风和流速诱导的海洋表面过程联系起来的机制，包括SAR成像和回波形成、与表面运动相关的多普勒频移以及风驱动的表层流速动力学。

验证方案、事件分区和评价指标

验证以独立的SAR获取事件为单位组织，而不是将单个OCN单元视为独立样本。东海岸开发分区包含58个事件，用于参数选择。反演配置随后被固定，用于56个事件的东海岸内部测试分区和96个事件的南加利福尼亚州（以下简称西海岸）外部测试分区。在同一次过境期间获取的覆盖段被分配给同一事件

联合逆问题中的信息互补性

结果表明，NRCS和多普勒提供了对表面状态耦合元素的互补约束。NRCS主要响应与风相关的短波粗糙度，而多普勒异常包含在模型依赖的波浪和流速相关贡献分离后视线方向表面运动的信息。这些敏感性并非独立，因为波浪诱导的多普勒校正依赖于风和海况。在顺序反演中，风

结论

本研究开发并评估了一种贝叶斯框架，用于从共位的Sentinel-1 NRCS和多普勒质心异常观测中联合反演10米风速和径向表面流速。其核心方法学特征是相对于产品推导的背景流速正则化与风相关的径向流速增量，而不是迫使总流速遵循经验性风-漂移关系。该公式结合了SAR回波和

CRediT作者贡献声明

Yuting Zhu：原创文稿撰写，可视化，验证，方法论，调查，形式化分析，数据整理，概念构思。Marcos Portabella：监督，方法论，概念构思。Shengren Fan：验证，监督。Giuseppe Grieco：文稿审阅与编辑，验证，方法论。Xiaoqing Wang：方法论，数据整理。Xiaofeng Li：文稿审阅与编辑，验证。Haohuan Fu：文稿审阅与编辑，验证，监督，项目管理

利益冲突声明

作者声明，他们不存在可能影响本文所报告工作的已知竞争性财务利益或个人关系。

致谢

作者感谢为本研究提供数据集的机构和机构。

哨兵1号SAR数据及OCN风和多普勒产品由欧洲空间局通过哥白尼计划提供。ERA5/ECMWF背景风场由欧洲中期天气预报中心提供。ASCAT风产品由欧洲应用气象卫星组织和哥白尼海洋服务提供。朱宇亭|马科斯·波尔塔贝拉|范胜任|朱塞佩·格里埃科|王晓晴|李晓峰|付浩环