海表面盐度的微波遥感——平静海面的微波辐射机理研究

基于平静海面微波辐射理论和海水相对电容率εr的经验公式,探讨了平静海面在L波段(1.4GHz)的微波辐射特性.依据两个不同的经验公式获得的海水相对电容率εr有较大差异,这种差异也体现在盐度反演结果上.海表面温度TS越高,海表面盐度SS对平静海面亮温(Tbv或Tbh)的影响越大,即|( )Tbv,bh/( )SS|越大.因此,在TS较高的海域,SS遥感容易达到较高的精度;反之,SS反演的精度则会降低.采用小角度入射角观测方案进行SS遥感具有优势.此时,SS和TS越高,则前述两种海水相对电容率εr经验公式反演SS的差异越小.在较小的入射角条件下,对于具有较高TS和SS的平静海面,使用现有海水相对电容率εr经验公式反演SS比较可行.而对于具有较低SS的近岸海域,则反演的SS可能产生比较大的误差.

基于SODA数据集的南海海表面盐度分布特征与长期变化趋势分析

盐度是南海物理环境的重要组成部分之一,盐度的变化对南海的水动力环境有重要影响。利用1972-2010年的SODA数据集的5.01 m层月平均数据,分析南海海域海表面盐度的时空分布特征,采用基于最小二乘法的线性拟合分析南海海表面盐度的长期变化趋势。结果表明南海海域的海表面盐度在39 a间90%以上区域均呈现盐度下降趋势,整个海域SSS则以每年0.005 88 psu的速率下降,春季SSS下降速率最大为0.006 4 psu/a,夏季SSS下降速率在四季中最小为0.005 19 psu/a。

海表面盐度的统计预测模型

海表面盐度SSS(Sea Surface Salinity)是研究大洋环流和海洋对全球气候影响的重要参量。海表面盐度卫星遥感探测可以满足大范围、连续观测的研究需要,是获取该参量的有效手段。2009年欧洲空间局发射了SMOS(Soil Moisture and Ocean Salinity)卫星,并且根据卫星观测的数据反演出海表面盐度的相关产品,但是产品的精度还有待于进一步的提高。本文利用多元线性回归的统计分析方法,针对SMOS卫星相关数据(观测亮温数据和辅助数据)建立一种全新的不依赖于物理机制的海表面盐度统计模型。本文针对太平洋中部提出的统计模型计算的盐度点对点的精度为0.165 5psu,1°×1°月平均精度为0.106 3psu,而SMOS卫星Level 2盐度产品的精度分别为0.585 5和0.181 9psu。同时将模型应用到验证数据集,得到了点对点精度为0.224 2psu,进一步说明模型具有很好的适应性和泛化能力。

基于SMOS卫星数据的海表面盐度模型

海表面盐度是研究海洋对全球气候影响以及大洋环流的重要参量之一,而卫星遥感技术是获取海表面盐度数据的最有效方法。目前,L波段的SMOS和Aquarius/SAC-D遥感卫星正在用于探测海表面盐度,并根据卫星观测数据和物理机制反演出海表面盐度的产品。但在某些近陆地区域,由于淡水流入及陆地射频(RFI)等因素影响,卫星反演盐度的产品精度较低。文中利用"东方红2号"科学考察船的实测数据、SMOS卫星数据,首次针对中国南海海域提出了用贝叶斯网络模型计算海表面盐度,并用验证数据集(实测Argo盐度)对模型进行适应性评估。经过计算,模型误差和验证误差分别为0.47 psu和0.45 psu,而相应的SMOS Level 2产品的精度分别为1.90 psu和1.82 psu。此模型为海表面盐度的计算提供了一个新方法。

基于微波遥感的海表面盐度探测机制研究进展

海表面盐度是气候学和海洋学的重要参数,利用海水盐度在L波段的辐射特性实现海表面盐度探测已经是国际上公认的有效手段。该文回顾了现有基于微波遥感的海表面盐度探测体制的研究进展,包括双波段探测体制、L波段被动探测体制、L波段主被动联合探测体制,着重介绍了机载L/S双波段,土壤温度观测卫星和宝瓶座应用科学卫星(Aquarius)的亮温校正技术,反演算法以及两颗盐度卫星的定标技术。此外,还介绍了一种基于GNSS反射信号(GNSS-R)技术的新型海表面盐度探测体制。最后,对基于微波遥感的不同海表面盐度探测体制的特点进行了总结比较,提出了未来海表盐度遥感可以改进的方向。

基于Argo浮标的西太平洋SMAP卫星海表面盐度数据质量评估

以西太平洋为研究区域,利用Argo浮标表层盐度观测值(<5m)对SMAP卫星获得的2016年海表面盐度反演质量进行了评估。首先将西太平洋2016-01—12期间的每日和每月SMAP卫星SSS数据与Argo实测SSS数据进行匹配,然后利用最小二乘线性回归法对其进行相关性分析,并对误差的分布特征进行了研究。结果表明:SMAPSSS与ArgoSSS之间具有极显著的正相关关系;每日Argo浮标数据(WMOID:2901520,WMOID:2901548)和SMAPSSS的变化趋势基本一致,前者均方根误差(RMSE)、偏差(Bias)和相关系数(r)分别为0.43,0.34和0.71,后者RMSE,Bias和r分别为0.41,0.26和0.69;研究区域内全年RMSE值处于0~0.35,在西太平洋南部海域偏差较大,这可能是由于该海域小岛众多,缺少Argo实测数据,导致其网格化的盐度存在较大误差。除夏季外,研究区域的大部分海域,RMSE都小于0.25。在海表盐度较低的海域,两者的对比结果误差较大,该现象在夏秋两季尤为显著。

基于Argo资料的西北太平洋海表面盐度对台风的响应特征分析

基于1996—2012年西北太平洋Argo剖面浮标盐度观测资料,利用合成分析方法研究了海表面盐度对台风的响应特征。结果表明海表面盐度对台风的响应具有明显的非对称性:台风过后其路径右侧的海表面盐度显著上升;左侧的则在R50内上升,R50外区域普遍下降。进一步分析显示台风强度、移动速度和海洋混合层深度对海表面盐度响应特征均有较大影响。强度大或移动缓慢的台风能造成大范围的海表面盐度上升;强度小或移动快速的台风只在路径右侧造成海表面盐度上升,左侧的则普遍下降。夏季(6-9月)台风过后,海表面盐度在混合层浅的区域普遍大幅上升,在混合层深的区域则在台风路径左右两侧2R50范围内小幅上升,在远离台风路径左侧区域下降。

南太平洋海表面盐度最大值年代际变异机理研究

已有研究表明南太平洋海表面盐度最大值存在明显的年代际变化,表现为盐度位置的变化,而对于调控该年代际变化的机制尚不清楚。利用1999—2022年的盐度数据,再现了盐度最大值位置的东北—西南向摆动,即2005年和2016年盐度位置偏东北,2011年和2022年偏西南。在此基础上,利用盐度收支分析与1.5层约化重力模式两种方法研究了1999—2022年南太平洋海表面盐度最大值的年代际变化机理,评估了淡水强迫、水平平流、垂直夹卷、水平扩散这4种因素的相对贡献。结果表明:水平平流、淡水强迫的平均贡献最大,前者是驱动南太平洋海表面盐度最大值位置的年代际变化的关键因素,而淡水强迫项主要是引起盐度量值大小的年代际变化;垂直夹卷项与水平扩散项在盐度最大值年代际变化中的贡献可能较小。

随机森林反演卫星遥感海表面盐度研究

海表面盐度是描述海洋状态、模拟海洋循环和检测气候变化的重要指标,对海洋研究意义重大。土壤湿度与海水盐度(soil moisture and ocean salinity,SMOS)卫星为全球海表面盐度分析提供了重要数据,但其整体精度尚未达到预期要求。基于海表面盐度遥感机理和SMOS卫星盐度反演基础理论,选取海表面盐度敏感因子,建立随机森林(random forest,RF)模型,并基于网格搜索算法优化模型参数,辅助提高SMOS卫星产品精度。其中基础RF得到的海表面盐度与Argo(array for real-time geostrophic oceanography)数据之间的平均绝对误差为0.08,均方根误差为0.15。而经网格搜索算法优化后的随机森林模型精度稍有所提升,其与Argo数据的绝对平均误差为0.08,均方根误差仅为0.14,且误差分布范围较小。两种模型均显著优于SMOS卫星Level 2级盐度产品。从机器学习与统计学理论出发,建立的高精度、高适应性的随机森林海表面盐度反演模型大幅提高了盐度精度,能够为相关海洋研究提供数据支撑。

海表面盐度卫星微波遥感研究进展

海表面盐度SSS(Sea Surface Salinity)是研究大洋环流和海洋对全球气候影响的重要参量、是决定海水基本性质的重要因素之一。卫星微波遥感可以满足盐度研究过程中大范围、连续观测的需要,国际上统一的认识是选择频率为1.413GHz的L波段作为盐度遥感的首选波段。目前,国外发展的海面盐度微波遥感反演算法主要有两种:基于海表发射率估算海表盐度的算法和基于贝叶斯定理提出的反演算法。影响盐度反演精度的因素主要有太空辐射、电离层法拉第旋转、大气、海面粗糙度等。其中,海面粗糙度对盐度反演影响很大,海面粗糙度处理模型可以分为3大类:理论算法(间接发射率模型、直接发射率模型)、经验算法、半经验半理论算法(Hollinger半经验模型、WISE半经验模型、Gabarró模型)。SMOS卫星和Aquarius/SAC-D卫星的成功发射,将海表面盐度遥感的反演精度控制在0.2psu以内,通过改进反演算法,有望得到更高的反演精度。

一种用于微波辐射计遥感海表面盐度和温度的反演算法

海面的微波辐射除了与海表面温度和盐度有关外,还受海面风的影响.海面风的观测误差严重地影响了海表面温度和盐度的遥感精度.通过研究海面风因子对海表面辐射影响,建立了海面风(包括风速和风向)与海表面的微波亮温T以及风导致的亮温修正量△T之间的关系;在此基础上,提出了利用微波辐射计的单卫星、多角度观测数据反演海表面盐度和温度的算法.在这个算法中,风对海表面辐射影响已经被剔除,风速和风向不再是反演算法的输入参数.因此,该算法不受制于海面风速和风向的影响导致的误差.这样,为利用单卫星、多角度微波辐射计遥感海表面盐度和温度提供了一个新途径.

海面风向不确定性对海表面盐度反演影响的剔除

基于海面微波辐射的小斜率近似模型算法,对海面风的影响进行了深入的讨论,提出一个计算海面风附加效应的关系式.该关系式表明,风对海面亮温的附加贡献ΔTh,v与海表面温度、海表面盐度以及海面风速呈近似的线性关系.另外,在较小的入射角和中低风速条件下,风对海面亮温的附加贡献的水平和垂直极化分量之和(ΔTh+ΔTv)与风向无关.据此,提出海表面盐度遥感反演的一个新公式,该公式中不包含风向因子.这有利于提高航空海表面盐度遥感的精度,对于单入射角卫星传感器也有一定的应用价值.

SMAP卫星海表面亮温仿真及海表面盐度遥感反演

海表面盐度遥感是海洋遥感研究的重要内容之一。针对大气对海表面盐度遥感的影响,根据大气辐射传输理论,对大气影响进行仿真分析及修正,进而通过神经网络模型反演了海表面盐度。研究结果表明:大气对海表面盐度遥感存在一定的影响,需进行校正;当大气温度和压强精度分别达到2℃和10 hPa时,可以去除大气影响;训练样本集选取数量的不同将对神经网络反演精度造成一定的影响;SMAP卫星海表面盐度遥感反演结果相对误差较小,残差基本集中在0.6以内,但在盐度值低于34.4‰的区域误差较大。

Aquarius/SAC-D卫星盐度数据在中国南海的准确度评估

采用Argo浮标表层数据评估了Aquarius/SAC-D卫星L2盐度数据在中国南海的准确度,并进行局地化影响因素分析。结果表明,匹配数据的线性关系并不显著,卫星数据在南海及其东北部海域的准确度分别为0.62‰和0.70‰。南海处于低纬度地区,海表温度较高,对结果影响较小,影响数据准确度的因素可能是该海域的强风场、降雨和陆地射频干扰(RFI)等。从分析结果可以看出盐度反演误差随风速增大而增大,风速大于7m·s 1时,盐度反演误差会呈明显上升趋势,可见海表面粗糙度对数据准确度影响很大;同时,南海处在RFI高度污染地区,即使卫星数据产品修正了RFI的影响,但并没有完全消除,所以RFI可能也会影响卫星数据的准确度。

基于风带的海表面亮温增量统计模型

海表面盐度(Sea Surface Salinity,SSS)是研究大洋环流和海洋对全球气候影响的关键参数之一。目前借助卫星遥感技术获取全天候和连续的SSS是最有效的方法,但是SSS的反演精度在大部分海域达不到预期目标。众所周知,海表面亮温是反演SSS的关键因素之一,海面粗糙度导致了亮温增量的产生,亮温正演模型的误差会影响盐度反演的精度。本文首次提出了依据6个风带划分全球海域,利用Argo实测盐度数据、SMOS卫星数据和相关辅助数据,通过LASSO统计方法在各风带覆盖的海域构建了一个全新的二次曲线亮温增量模型,再通过贝叶斯迭代反演算法计算出了各个海域的SSS产品。与Argo实测SSS对比,新模型下6部分海域反演SSS的绝对平均误差分别为0.76、0.88、0.93、0.92、1.28和1.21,均显著优于修正前(SMOS L2 SSS)产品的误差(0.98、1.61、2.82、1.50、2.35和3.13)。

基于遥感资料和观测数据的重点海域海表盐度评估分析

【目的】通过验证Aquarius海表盐度遥感产品数据在不同大洋和波束的反演精度,为其应用提供依据。【方法】基于自沉浮式剖面探测浮标Argo（Array for real-time geostrophic oceanography）盐度观测数据评估Aquarius卫星在重点海域（太平洋、大西洋、印度洋）和不同波束对应的海表盐度产品精度。【结果】相对于波束2和波束3,波束1海表盐度与Argo观测最为接近,偏差和均方根差分别为0.003psu和0.397psu。与大西洋和印度洋相比,太平洋反演精度最高。在中纬度地区,盐度偏差较小,约为0.1psu;在南北纬20°和高纬度区域,盐度偏差较大,约为0.2psu;低海温和高风速对盐度误差也有重要贡献,低海温对应的弱亮温信号和高风速下的不准确的海面粗糙度模型是导致盐度偏差的主要因素。此外,利用Argo月平均海表盐度观测数据评估了Aquarius卫星海表盐度三级产品,均方根差在0.27∽0.34psu之间,平均值为0.31psu。在二级和三级产品中,V3.0SSS_bias_adj的均方根差相比V3.0SSS均降低约0.04psu。【结论】与V2.0数据产品相比,V3.0二级产品精度有了的较大提高,三级产品无明显改善,升轨和降轨的偏差依然存在。海表温度校正能够提高盐度反演的精度,使得均方根误差下降0.04psu。

热带西太平洋海表盐度的变化特征及其对淡水通量的响应

基于1980~2015年的全球简单海洋资料同化分析系统(SODA)、全球海气通量(OAFlux)和全球降水气候学计划(GPCP)等海洋、大气观测再分析资料,采用线性拟合、经验正交函数(EOF)分解、相关分析和波谱分析等数理统计方法,分析了热带西太平洋海表盐度(SSS)和淡水通量时空变化特征及其关系.结果表明,SSS与淡水通量的气候态及长期线性变化趋势有较好的空间对应关系,两者均有多种时间尺度的EOF模态,其年代际变化模态有较好的正相关关系,并与太平洋年代际振荡(PDO)有密切的滞后相关.分析表明,PDO可能通过影响Walker环流的变化来影响热带西太平洋的淡水通量分布,从而影响SSS的时空格局.

印度洋海表盐度预报的线性马尔可夫模型及其改进办法

海洋盐度在水循环、海洋环流、海洋生态系统、全球天气和气候变化等方面起着至关重要的作用。然而,受观测的限制,以往对海洋盐度的研究相对匮乏,对其进行预报的工作更为少见。本文采用线性马尔可夫模型对印度洋海表面盐度(sea surface salinity,SSS)开展初步的预报工作。根据混合层盐度收支方程,选择海表面高度(sea surface height,SSH)、海表面温度(sea surface temperature,SST)、SSS等物理量的异常值作为模型的组成部分,对印度洋SSS开展预报工作。结果表明,马尔可夫模型可提前9个月对印度洋SSS进行较好的预报。此外,南太平洋海表面温度异常(sea surface temperature anomaly,SSTA),海表面高度异常(sea surface height anomaly,SSHA)和印度洋偶极子(Indian Ocean dipole,IOD)系数等遥相关因素的加入可将线性马尔可夫预报对印度洋SSS的预报效果(相关系数)平均提高10%。利用改进的模型对印度洋SSS进行提前1~11个月的“实时”预测,得出预报的SSS时空变化特征与观测场相吻合。综上所述,改进的线性马尔可夫模型对印度洋SSS具有一定的预测能力,未来可进一步完善。

海表盐度数据SMAP卫星遥感监测研究

海表盐度是监测海洋表面的海水化学成分变化的重要标识,在海水质量评估与优化、海洋水动力过程分析和海洋预报等方面发挥重大作用,受到国家有关部门和研究机构的关注。卫星遥感技术作为获取大范围、连续观测海表盐度数据的有效手段,克服了传统观测方式的时空局限性问题。SMAP卫星海表盐度数据具有独特的质量优势、良好的应用价值和可观的研究潜力。但自该应用技术问世以来研究成果尚较少且以国外为主。文章对SMAP的主要相关研究进展进行回顾和评述,旨在通过对SMAP海表盐度数据的相关研究现状分析,为我国SMAP海表盐度遥感数据应用研究提供参考。

基于SMOS卫星数据的BP神经网络盐度反演模型

海表面盐度SSS(Sea Surface Salinity)是研究大洋环流和海洋对气候影响的重要参量、是决定海水基本性质的重要因素之一。卫星微波遥感可以满足盐度研究过程中大范围、连续观测的需要。目前,由欧洲空间局设计开发的SMOS(Soil Moisture and Ocean Salinity)卫星于2009年发射成功,并且根据它的观测数据和物理机制反演出了海表面盐度的相关产品。但结果显示,在某些近海岸区域(如中国南海海域)受陆地RFI等诸多因素的影响,基于卫星遥感物理机制反演得到的盐度产品的精度较低。本文的主要目的是利用中国海洋大学"东方红2"科学考察船的走航数据、SMOS卫星数据,针对中国南海海域提出了用BP神经网络预测海表面盐度的方法,并用实测Argo浮标、WOA13的盐度数据对模型进行适应性评估。结果表明,模型产品相对于"东方红2"实测盐度数据的均方根误差(RMSE)是0.21,而SMOS的SSS1产品、SSS2产品和SSS3产品的精度分别为1.90、1.93和1.91。同时,在验证数据集中,模型预测数据相对于Argo浮标实测盐度数据的均方根误差(RMSE)是0.50,而SMOS的SSS1产品、SSS2产品和SSS3产品的精度分别为1.83、1.83和1.84。此模型具有良好的适应性和泛化能力,为海表面盐度的反演和预测提供了一个不依赖于物理机制的新方法。