《Remote Sensing of Environment》：Optimizing 1D-Var near-surface wind speed from SSMIS with RapidScat
编辑推荐：
使用1D-Var和RTTOV-SCATT从SSMIS（Special Sensor Microwave Imager/Sounder）检索近地表风速。评估了SSMIS风速与RapidScat的兼容性，以用于未来的EPS-SG（Second Generation
使用1D-Var和RTTOV-SCATT从SSMIS（Special Sensor Microwave Imager/Sounder）检索近地表风速。评估了SSMIS风速与RapidScat的兼容性，以用于未来的EPS-SG（Second Generation EUMETSAT Polar System）。使用7个通道和ERA5初猜（ERA5 first-guess）的SSMIS风速具有最低的SDD（Standard Deviation of Differences）。互校准（Intercalibration）支持未来成像仪和散射仪之间的一致性。
**论文解读：基于1D-Var的SSMIS近地表风速优化及其与RapidScat的互校准研究**
**研究背景与问题**
海洋表面风场是天气与气候系统中海气相互作用建模的关键参数，同时支撑航海、能源生产及旅游等海事活动。现有虚拟散射计星座（如ASCAT、OSCAT、RapidScat）提供稳定、独立且互校准的矢量风，但被动微波辐射计（如SSMIS）的风速反演受降水、海面粗糙度等因素影响，精度低于散射计。为迎接计划于2026年发射的EUMETSAT第二代极轨系统（EPS-SG），其上搭载的微波成像仪（MWI）和散射计（SCA）需要协同处理，确保风速产品的一致性。当前主要问题包括：辐射计反演在极端风速下偏差较大，散射计与辐射计之间的校准依赖背景信息，且RTTOV（Radiative Transfer for TOVS）等辐射传输模型的经验性参数化引入不确定性。因此，研究人员开展本研究，旨在优化一维变分反演（1D-Var）方法，从SSMIS亮度温度（TB）中获取近地表风速，并通过与RapidScat（Ku波段散射计）的交叉验证，评估算法对EPS-SG的适用性。论文发表在《Remote Sensing of Environment》。
**主要关键技术方法**
本研究采用一维变分反演（1D-Var）技术，结合快速辐射传输模型RTTOV及其散射模块RTTOV-SCATT，从SSMIS的7个通道（19.35、22.235、37.0、91.65 GHz）的亮度温度（TB）观测中反演近地表风速。背景场来源包括：ERA5初猜数据集（ECMWF Reanalysis 5 first guess，提供每小时预报场）和NWP SAF-IFS廓线数据库（含约13,000个全球海洋大气廓线，基于SST和风速阈值匹配）。观测误差协方差矩阵（R-matrix）基于模拟与观测TB差异的标准差（SDD）构建，背景误差协方差矩阵（B-matrix）来自英国气象局。采用平均偏差校正（Average bias correction）和TB依赖偏差校正（TB-dependent bias correction）以减少系统误差。通过优化风速背景误差标准差（最优值0.9 m/s）和通道组合（5通道或7通道），利用RapidScat（国际空间站2014年10月数据）及浮标数据进行独立验证，并与ERA5应力等效风进行对比。
**研究结果**
**4.1 全天空条件下的近地表风速反演**
通过2014年10月9日7次连续轨道数据展示反演结果。多数像元成本函数值在0-2之间，平均3次迭代收敛。雨标志（基于TB(37V)-TB(37H)<50 K或TB(19H)>165 K）识别降水像元，其迭代次数增至4-7次，成本函数值高于8，且高风速和冰缘区域偏差较大。成本函数阈值有效过滤极端异常值（ΔTB>15 K），仅1%格点成本函数>8。
**4.2 验证**
与RapidScat对比：全天空条件下，SSMIS风速平均偏差0.17 m/s，SDD 1.04 m/s，相关系数0.96。风速>15 m/s时偏差显著增大，但本研究聚焦<30 m/s范围。与浮标对比（2014年10-12月）：偏差0.09 m/s，SDD 1.42 m/s。与ERA5应力等效风对比：偏差0.17 m/s，SDD 0.76 m/s，且SSMIS与RapidScat的SDD（1.04 m/s）略低于ERA5与RapidScat的SDD（1.07 m/s），表明SSMIS反演更接近散射计。
**4.3 反演背景场的选择**
比较NWP SAF-IFS廓线与ERA5初猜背景，分别使用5通道（19-37 GHz）和7通道（含91 GHz）。结果显示，使用ERA5初猜+7通道配置获得最低偏差（0.17 m/s）和SDD（1.04 m/s）与RapidScat对比。NWP SAF-IFS廓线因匹配精度较低，导致91 GHz通道引入更大偏差，SDD更高。共同匹配样本分析进一步确认ERA5初猜+7通道最优。
**4.4 风速背景误差方差的确定**
通过调整风速背景误差标准差（BE SD）从1.4 m/s降至0.7 m/s，与RapidScat对比。当BE SD=0.9 m/s时，5通道和7通道配置均获得最低SDD（7通道：0.97 m/s）和适当偏差（0.09 m/s）。进一步降低BE SD导致SDD回升，且反演更偏向背景场。与ERA5应力等效风对比时，SDD随BE SD减小而降低，符合1D-Var原理。
**4.5 全天空与晴空条件下风速反演的比较**
应用雨标志后，13%的像元被标记为降水。晴空条件下，SSMIS与RapidScat的SDD降至0.96 m/s，偏差0.15 m/s，优于全天空（SDD 1.04 m/s）。降水像元SDD增至1.44 m/s，偏差0.28 m/s，因ERA5和RapidScat在降水时误差均较大。
**讨论与结论**
研究人员指出，1D-Var反演方法可推广至任何微波成像仪，仅需平均偏差校正。算法已为EPS-SG任务准备就绪，SCA（C波段，5.3 GHz，双极化）受降水影响小于RapidScat，将成为更稳定的参考。R-matrix和B-matrix的优化及TB偏差校正显著提升反演精度。最优风速背景误差标准差为0.9 m/s。晴空条件反演精度更高，但RTTOV-SCATT在全天空下仍存在TB依赖偏差，未来需利用SCA的雨筛选数据改进成本函数阈值和质量控制。用户需要互校准的风速，因此本研究评估了SSMIS风速与OSI SAF散射计风速的兼容性，以支持EPS-SG协同产品。结论部分翻译如下：本研究展示了基于1D-Var的反演方法从SSMIS亮度温度估计近地表风速的结果。该算法可应用于任何微波成像仪，只需进行平均偏差校正。算法已为即将发射的EPS-SG任务做好准备，该任务将搭载SCA和MWI仪器。SCA将与虚拟散射计星座互校准，成为验证MWI的稳定参考。使用1D-Var反演，结合背景场，优化了通道和背景误差。结果表明，使用ERA5初猜和7个通道得到最低SDD。偏差校正减少了风速偏差。最优风速背景误差标准差为0.9 m/s。晴空条件比全天空更好。未来可使用SCA进行更精细的雨标志校正。用户需要互校准的风速，因此本研究检验了MWI风速反演与OSI SAF散射计风速的对比，以支持EPS-SG任务。
