高风速下卫星散射计海面风场反演技术研究

海面风场是研究海洋环流、全球气候变化等重要的海气界面参数，卫星散射计是测量海面风速的专门设备，已经获得了广泛的应用。对于高风速情况，由于遥感机制的复杂性，雷达散射截面受降雨的影响，目前还没有一个完全合适高风速的模型。.本项目拟针对降雨情况，开展卫星散射计高风速测量方法研究，建立适用于高风速，降雨条件下的地球物理模型,风矢量反演算法。拟采用散射计测得的后向散射系数、风向和辐射计同步测得的风速建立训练样本，采用神经网络方法对现有地球物理模型QSCAT-1高风速部分进行修正，建立大风地球物理模型。并对台风条件下，由降雨引起的风向、风速反演误差进行校正，以进一步提高风场反演精度，为HY-2散射计数据处理、应用奠定一定的理论和技术基础。

海面风场作为重要的海洋环境参数，对其监测研究具有重要意义。高时空分辨率卫星遥感手段的出现使得对全球海面风场的观测成为可能。目前业务化运行机构发布的风场遥感产品几乎全部来自于微波传感器。因此，研究卫星微波遥感海面风矢量反演算法，提高风矢量反演精度特别是大风条件下的风矢量反演精度，将是本研究的主要研究目的。. 地球物理模型用于描述后向散射系数与海面风场之间的关系，在风场反演中扮演非常重要的作用，可直接决定风场反演精度。现有QSCAT1地球物理模型在中低风速条件下表现尚可，但在高风速条件下精度较差。由于缺乏现场数据，QSCAT1在高风速条件下通常高估sigma0，使得反演获得的风速偏低。本研究利用QuikSCAT和SSM/I在西太平洋上对台风的同步结果进行对比分析，结果表明SSM/I在高风速条件下的观测结果更加接近“最佳路径分析”结果。在此基础上，本研究采用QuikSCAT和SSM/I的同步观测数据，并采用人工神经网络方法，建立大风地球物理模型，并将该模型应用于QuikSCAT对台风IOKE观测的风场反演，反演所得最高风速达55m/s。同时，运用Holland台风模型对反演结果进行对比分析，结果表明本研究建立的大风地球物理模型较QSCAT1精度有较大提高，单反演结果中仍存在一定误差，在台风条件下更高精度的风场反演有必要考虑降雨影响。. 通过分析业务化运行QuikSCAT在台风事件中的风矢量，表明降雨的出现对风向反演和风速反演均会带来较大误差，故需对台风条件下风向，风速反演误差分别进行校正。其中对风向的校正采用在风向多解去除算法中引入Holland的台风模型，从风向多解中选择与Holland的台风模型预测的风向最为接近的风矢量作为“真实解”的方法。对风速的校正则采用插值方法，利用对台风的先验知识，标记出在台风中心附近受到降雨污染的后向散射系数测量结果，再利用相邻点未受降雨污染的后向散射系数通过内插的方法替代标记为受降雨污染的后向散射系数。采用本研究的风速、风向校正算法，所得结果较原算法更加接近于Holland模型的结果，表明本研究降雨校正算法是有效的，但仍大偏差存在，表明该本研究所采用的辐射传输模式还需要进一步改进。