基于Argo浮标数据的星载微波辐射计Aquarius数据产品质量评估

王进，张杰，王晶

（1.青岛大学物理科学学院，山东青岛 266071；2.国家海洋局第一海洋研究所，山东青岛 266061；3.中国海洋大学信息科学与工程学院，山东青岛 266003）

基于Argo浮标数据的星载微波辐射计Aquarius数据产品质量评估

王进1，3，张杰2，王晶3*

（1.青岛大学物理科学学院，山东青岛 266071；2.国家海洋局第一海洋研究所，山东青岛 266061；3.中国海洋大学信息科学与工程学院，山东青岛 266003）

Aquarius是专门用于海洋盐度监测的L波段辐射计，于2011年6月发射入轨，目前已进入业务化运行阶段。本文以太平洋为研究区域，利用Argo盐度现场数据对星载微波辐射计Aquarius的2012年2级数据产品质量进行了分析与讨论，结果表明：与Argo数据比较，Aquarius数据盐度存在0.1的负偏差，标准差约为0.7，升轨和降轨数据差异不明显；受亮温陆地污染和无线电射频干扰的影响，近岸海域反演误差较大；海面温度较高的低纬海域反演结果优于中纬度海域；受亮温敏感性及粗糙海面发射率模型的影响，Aquarius在低温水域以及高风速条件下盐度反演误差较大，标准差可达1以上。

海表盐度；L波段亮温；星载辐射计；Argo浮标

1 引言

海洋盐度是影响海洋动力环境和海－气相互作用的一个关键因子，其对海洋中的热力、动力过程的影响非常显著，是大洋热盐环流的驱动因素之一［1—2］。此外，海洋盐度的观测还有助于预测短期天气情况、长期气候变化趋势和地质灾害［3］。因此，快速、大范围地监测全球海洋中盐度分布具有重要意义。

在星载L波段辐射计发射之前，对海洋盐度数据的获取主要依赖海洋科考船、浮标和CTD等现场观测数据，其观测数据的时空覆盖率很低。据NASA统计，从19世纪70年代英国皇家海军科考船“挑战者”号对全球海洋盐度数据进行科学调查以来，目前只有不到24%的海洋区域进行过盐度调查，且区域覆盖大多处于陆地周边近海。星载L波段辐射计SMOS和Aquarius的成功发射，使得人类第一次拥有从外太空进行海洋盐度监测的能力［4—5］。由于SMOS和Aquarius刈幅较宽（SMOS为1 050 km× 640 km，Aquarius为390 km），两颗卫星可在2～7 d内覆盖全球海域，完成对全球海洋盐度的观测［6—7］。

L波段亮温对海洋盐度敏感度为0.2～1 K／psu［8］，在海洋盐度动态范围内亮温只有数开尔文的变化，这对盐度的高精度观测带来了困难。SMOS和Aquarius在发射前确定的盐度精度指标为0.1～0.2（10～30 d，150～200 km平均）［5，9—10］，在轨运行期间盐度数据产品的实际精度如何是各国研究者普遍关心的问题。有研究者采用现场或模式数据在不同海域开展了对SMOS和Aquarius盐度产品的真实性检验研究，结果表明SMOS和Aquarius在开阔海域与现场观测数据的盐度标准差为0.3～0.6，且在高纬、高风速、低温海域反演误差较大［11—15］，并发现SMOS升轨和降轨数据反演的盐度数据存在差异［11］。同时有研究者利用现场数据，开展了对SMOS和Aquarius在中国近海区域的精度验证工作，发现由于陆地射频干扰RFI（Radio Frequencies Interference）、风场和降雨的影响，盐度数据的精度较大洋区域低，为0.6～1.2［16—17］。

目前对星载盐度计数据真实性检验采用的数据时间范围较小，一般采用几个月到半年的数据；同时已经开展的工作主要针对SMOS盐度计的数据产品，而Aquarius由于发射入轨较晚（2011年6月），相关工作较少。本文利用2012年全年的Aquarius 2级数据产品和Argo现场数据，以太平洋海域为研究区域，对Aquarius 2级数据产品质量进行了分析和评价。本文的研究结果对于星载微波辐射计Aquarius海面盐度信息提取算法的改进及盐度数据产品的海洋应用具有重要意义。

2 数据与方法

2.1 Aquarius数据

Aquarius数据采用美国国家航空航天局（NASA）提供的Aquarius L2 SCI数据产品（V2.0），时空覆盖范围为2012年全年，每天约30轨数据。数据为HDF格式，包括Aquarius辐射计、散射计测量的主要数据、数据质量标记和经纬度、时间等信息。Aquarius采用一个直径为2.5 m的带有3个喇叭馈源的抛物面反射器天线，3个波束的地面足印分别为76 km×94 km、84 km×120 km和96 km×156 km。研究中提取了地面分辨率最高的天线波束盐度反演值、经纬度、测量时间以及SST、风速等参数，以太平洋海域（60°S～60°N，110°E～80°W）为研究区域，提取了Aquarius相关数据，构成海面盐度遥感数据集（图1a）。可以看到，Aquarius数据产品可以较好的反映海面盐度的整体空间分布特征，存在着南北副热带海域两个高盐水域，盐度随纬度呈马鞍形双峰分布。

2.2 Argo数据

Argo数据为法国海洋开发研究院IFREMER（French Research Institute for Exploitation of the Sea）提供的2012年全年太平洋海域Argo数据。由于SOLO或者PROVOR型Argo浮标在水面至5 m水深范围内不抽水［11］，为保证盐度数据的有效性，选择5～10 m以内最接近海面的数据作为海面盐度；对于其他类型的Argo数据，选择0.5～10 m以内最接近海面的数据作为海面盐度；同时对Argo数据进行数据质量控制，仅保留盐度、温度和压力标记为正常（标记为1）的数据；最后根据研究区域对Argo数据的空间位置进行选择，构成海面盐度现场数据集（图1b）。

图1 Aquarius（a）和Argo（b）盐度数据的空间分布Fig.1 Spatial distribution of Aquarius（a）and Agro（b）data

2.3 数据的时空匹配与处理

考虑到海面盐度的时空变化较慢，基于以上发展的海面盐度遥感和现场数据集，利用±5 d、±50 km的时空窗口分别对Aquarius升轨和降轨数据与Argo数据进行匹配。匹配过程前首先对Aquarius数据进行质量控制，剔除了盐度没有正常反演的数据；为避免海冰的影响，剔除了SST小于0℃的数据，最终得升轨匹配数据132 915组，降轨匹配数据118 534组，并计算了平均偏差（mean bias）、标准差（standard deviation）和相关系数（correlation coefficient）作为盐度数据产品质量评价的指标。

3 结果与讨论

3.1 误差总体分布

在盐度误差－2～2间，本文计算了升轨／降轨及全部匹配数据反演误差的概率密度分布函数PDF（Probability Density Function）及升轨和降轨数据与Agro盐度数据的散点图，如图2所示。可见盐度反演误差主要分布于－1～1范围内，基本呈高斯分布形态。同时误差中负偏差略多于正偏差，说明A-quarius升轨和降轨数据都存在负的平均偏差。散点图中可见升轨、降轨的误差分布基本相同，这与SMOS盐度数据误差分布与卫星轨道相关［11］的特点有明显区别，且在32～34低盐区域的反演精度较低。

利用Aquarius和Argo匹配数据集，计算了A-quarius盐度反演的平均偏差、标准差和相关系数，如表1、2所示。Aquarius升轨数据的全年保持负偏差，平均值为－0.12，标准差0.70；降轨数据除了在8—10月呈现正偏差外，在其他月份也均为负偏差，平均值为－0.07，标准差为0.68；与SMOS盐度数据相比，Aquarius升轨／降轨数据的差异不明显。相关系数方面，升轨和降轨数据差别不大，约为0.8。

图2 盐度反演误差的概率密度函数（a），升轨（b）和降轨（c）Aquarius数据与Argo盐度数据散点图Fig.2 Probability distribution ofΔSSS（a）and the scatter plots of Aquarius retrieval results and Argo in-situ data（b.ascending passes，c.descending passes）

表1 2012年1—6月统计数据Tab.1 Statistics for first half year of 2012

表2 2012年7—12月统计数据Tab.2 Statistics for second half year of 2012

3.2 误差分布特征分析

3.2.1 误差空间分布特征

本文在纬度60°S～60°N范围内，按1°间隔统计了盐度反演平均偏差及标准差数据，如图3a所示。可见Aquarius反演结果在大部分区域内都呈现负偏差，降轨数据的反演结果略高于升轨；同时随着纬度的上升，反演误差也随之增大，标准差由低纬度的0.4增大到中纬度的1以上。

图3 平均偏差和±1倍标准差的纬度分布（a）和海面盐度与温度的纬度分布（b）Fig.3 Latitudinal distribution of value ofΔSSS±1 standard deviation（a）and SST／SSS（b）

为了分析盐度反演误差随纬度的分布特征，本文根据Argo数据绘制了海面温度和盐度随纬度的分布图，如图3b所示。可见海表温度随纬度增大而下降，在±30°以上的中纬度海域，其海面温度一般不高于20℃。由于L波段亮温对海面盐度的敏感性随SST的增大而增大［18—21］，因此中纬度海域较低的海表面温度，降低了L波段亮温对盐度的敏感度，从而导致该海域反演误差大于低纬海域。由于不同盐度条件下L波段亮温对盐度敏感性比较稳定，海面盐度对反演误差的影响不大。综合海面温度和盐度两个因素，反演误差随纬度增大的原因，主要是SST对亮温敏感性的影响所致。

3.2.2 反演误差与距陆地距离的关系

受到L波段电磁波频率和天线尺寸的限制，星载盐度计数据的空间分辨率普遍较低。SMOS盐度数据的空间分辨率为30～90 km，Aquarius盐度数据的空间分辨率不小于100 km。盐度计在近岸海域的数据易受到陆地亮温的污染和陆地无线电射频源的干扰（RFI），导致盐度反演误差增大。有研究者［12］对距离海岸5 000 km内的SMOS盐度误差进行过统计，结果表明在距离海岸1 500 km范围内的SMOS盐度反演误差明显增大。

为讨论Aquarius反演误差与距海岸距离的关系，研究中采用8 km分辨率的陆地掩模文件，根据匹配数据的经纬度计算了全部数据距海岸的距离；并按100～3 000 km范围、100 km间隔分别计算了Aquarius反演误差的平均偏差和标准差（图4）。可以看到，盐度反演平均偏差在100～500 km范围内随距离的增大而明显减小，500 km以外的平均偏差保持稳定；标准差随着距离的增大减小了一半左右，由0.8减小到0.4。结果表明陆地亮温污染及射频干扰的确对Aquarius反演结果产生了影响。前期有研究者发现由于RFI干扰的影响，SMOS在中国近岸海域数据质量下降［17］，本文进一步针对西太平洋海域，研究了反演误差与陆地距离的关系（图略），发现在距陆地1 200 km内的Aquarius存在一个－0.1至－0.2的负偏差，标准差也大于远洋海域，最大值接近1。

3.2.3 反演误差与SST的关系

海面温度是影响海面辐射亮温的主要因素之一。为了分析在不同SST条件下Aquarius反演算法的精度，在0°～31℃范围内按1℃间隔对Aquarius反演结果与海表面温度的关系进行了统计（见图5a）。可见在海表面温度10℃以下的海域，Aquarius反演结果明显偏低，海表温度每下降1℃，偏差约增大0.1；海表温度10℃以上Aquarius反演结果稳定，盐度平均偏

图4 反演误差与距陆地距离的关系Fig.4 Mean value ofΔSSS±1 standard deviation as a function of the distance to coastline

差在－0.2以内；标准差与海表温度的关系类似，随海表温度的上升标准差随之减小，由低温时的2减小到0.4。

产生这些特征的原因可由两方面进行分析：由Klein-Swift海水介电常数模型［16］的数值模拟结果表明（见图5b），L波段亮温对海面盐度的敏感度随SST的降低而下降。可以看到，在10℃以下亮温对盐度的敏感度约0.4 K／psu，远低于30℃水温时敏感度（0.75 K／psu），较低的亮温敏感度导致了Aquarius在低温水域数据质量下降。同时，水温6～7℃是海水中出现海冰的阈值温度［12］，因此Aquarius在低温水域的亮温也可能受到海冰的影响，影响了低温水域的盐度反演精度。

3.2.4 反演误差与风速的关系

风导致海面粗糙度增大，进而影响海面发射率与辐射亮温。当风速达到一定阈值后，海面将出现泡沫与白冠，海面辐射亮温进一步增大，因此海面风速对L波段辐射亮温的影响，是盐度反演算法中一个重要误差源。SMOS算法中同时采用两种理论模型和一种经验模型对风致粗糙海面亮温进行修正，Aquarius则采用了经验模型［22］进行亮温修正。

图5 反演误差与SST的关系（a）和不同SST条件下亮温对盐度的敏感度（b）Fig.5 Mean value ofΔSSS±1 standard deviation as a function of SST（a）and Sensitivity of TB to SST（b）

为分析海面风速对Aquarius反演结果的影响，利用Aquarius搭载的散射计同步观测风速数据，在0～20 m／s风速范围内按1 m／s风速间隔对盐度反演误差与风速关系进行了统计。如图6a所示，在海面风速0～10 m／s范围内，升轨和降轨数据都没有明显的系统偏差，标准差稳定在0.5～0.6范围内，说明此时粗糙海面模型准确的描述了海面亮温对风速的响应。当风速高于10 m／s时，升轨和降轨数据的平均偏差和标准差均随风速的增大而增大，平均偏差接近－0.5，标准差最大值为1.7，表明现有算法中的粗糙海面模型在高风速下性能有待完善。Aquarius现有反演算法中仅使用V极化通道进行盐度反演［23］，考虑到L波段V极化通道亮温随盐度的增大而减小（图6b），在高风速情况下升轨和降轨数据出现的负偏差说明现有粗糙海面模型低估了风致粗糙海面亮温，导致计算的平静海面亮温过高，进而低估了海面盐度值；同时也可能存在射频干扰RFI的影响，导致测量亮温偏高的情况。

图6 反演误差与风速的关系（a）和V极化通道亮温与盐度的变化关系（b）Fig.6 Mean value ofΔSSS±1 standard deviation as a function of wind speed（a）and the V-pol.TB value from calm sea as a function of sea surface salinity（b）

4 结论

本文利用Argo现场盐度数据对Aquarius 2012年盐度数据的误差进行了分析，讨论了Aquarius盐度反演误差的分布特征以及误差与几个海气参数的关系，得到主要结论如下：

（1）Aquarius数据总体呈现负偏差；与Argo现场数据比较，盐度平均偏差为－0.1，标准差约为0.7，相关系数约为0.8。

（2）Aquarius盐度数据可以较好的描述全球海域的海表面盐度分布特征，但受到SST对亮温敏感度的影响，Aquarius中纬地区反演误差大于低纬地区；由于陆地污染和RFI等因素影响，Aquarius在近岸区域反演误差大于开阔大洋区域。

（3）由于L波段亮温对盐度变化的敏感性受SST因素的影响，Aquarius在低温水域反演误差较大；现有粗糙海面模型对于风速10 m／s以上的情况，存在对风致亮温的低估，导致较大的盐度反演误差。

致谢：作者感谢美国国家航空航天局（NASA）和法国海洋开发研究院（IFREMER）提供Aquarius和Argo数据。

［1］ 冯士■，李凤岐，李少菁.海洋科学导论［M］.北京：高等教育出版社，1999.

Feng Shizuo，Li Fengqi，Li Shaojing.An Introduction of Ocean Sciences［M］.Beijing：Higher Education Press，1999.

［2］ 王新新，赵冬至，杨建洪，等.海表面盐度卫星微波遥感研究进展［J］.遥感技术与应用，2012，27（5）：671－679.

Wang Xinxin，Zhao Dongzhi，Yang Jianhong，et al.Progress in SSS（sea surface salinity）microwave remote sensing by satellite［J］.Remote Sensing Technology and Application，2012，27（5）：671－679.

［3］ 李志.海洋表层盐度遥感反演机理及应用研究［D］.青岛：中国海洋大学，2008.

Li Zhi.The study of sea surface salinity retrieval model at L-band［D］.Qingdao：Ocean University of China，2008.

［4］ Font J，Camps A，Borges A，et al.SMOS：The challenging sea surface salinity measurement from space［J］.Proceedings of the IEEE，2010，98（5）：649－665.

［5］ Vine D，Lagerloef G，Torrusio S.Aquarius and remote sensing of sea surface salinity from space［J］.Proceedings of the IEEE，2010，98（5）：688－703.

［6］ Vine D，Lagerloef G，Colomb F，et al.Aquarius：an instrument to monitor sea surface salinity from space［J］.IEEE Trans Geosci Remote Sens，2007，45（7）：2040－2050.

［7］ BarréH，Duesmann B，Smos K Y.The mission and the system［J］.IEEE Trans Geosci Remote Sens，2008，46（3）：587－593.

［8］ Yin X，Boutin J，Martin N，et al.Optimization of L-band sea surface emissivity models deduced from SMOS data［J］.IEEE Trans Geosci Remote Sens，2012，50（5）：1414－1426.

［9］ Mecklenburg S，Drusch M，Kerr Y，et al.ESA's soil moisture and ocean salinity mission：mission performance and operations［J］.IEEE Trans Geosci Remote Sens，2012，50（5）：1354－1366.

［10］ Yin X，Boutin J，Spurgeon P.First assessment of SMOS data over open ocean：Part I—Pacic Ocean［J］.IEEE Trans Geosci Remote Sens，2012，50（5）：1648－1661.

［11］ Boutin J，Martin N，Yin X.First assessment of SMOS data over open ocean：Part II—sea surface salinity［J］.IEEE Trans Geosci Remote Sens，2012，50（5）：1662－1675.

［12］ Reul N，Tenerelli J，Boutin J.Overview of the first SMOSsea surface salinity products.Part I：quality assessment for the second half of 2010［J］.IEEE Trans Geosci Remote Sens，2012，50（5）：1636－1647.

［13］ Banks C，Gommenginger C，Srokosz M，et al.Validating SMOS ocean surface salinity in the Atlantic with Argo and operational ocean model data［J］.IEEE Trans Geosci Remote Sens，2012，50（5）：1688－1702.

［14］ Subrahmanyam B，Grunseich G，Nyadjro E.Preliminary SMOSsalinity measurements and validation in the Indian Ocean［J］.IEEE Trans Geosci Remote Sens，2013，51（1）：19－27.

［15］ Ebuchi E，Abe H.Evaluation of sea surface salinity observed by Aquarius［C］.IGRASS，2012：5767－5769.

［16］ 王新新，杨建洪，赵冬至，等.Aquarius／SAC-D卫星盐度数据在中国南海的准确度评估［J］.热带海洋学报，2013，32（5）：23－28.

Wang Xinxin，Yang Jianhong，Zhao Dongzhi，et al.Assessment of Aquarius／SAC-D salinity data accuracy in the South China Sea［J］.Journal of Tropical Oceanography，2013，32（5）：23－28.

［17］ 王新新，杨建洪，赵冬至，等.SMOS卫星盐度数据在中国近岸海域的准确度评估［J］.海洋学报，2013，35（5）：169－176.

Wang Xinxin，Yang Jianhong，Zhao Dongzhi，et al.SMOSsatellite salinity data accuracy assessment in the China coastal areas［J］.Haiyang Xuebao，2013，35（5）：169－176.

［18］ Klein L，Swift C.An improved model for the dielectric con-stant of sea water at microwave frequencies［J］.IEEE J Oceanic Eng，1977，OE-2：104－111.

［19］ 史久新，朱大勇，赵进平.海水盐度遥感反演精度的理论分析［J］.高技术通信，2004，14（7）：101－105.

Shi Jiuxin，Zhu Dayong，Zhao Jinping.Theoretic analysis on the retrieval precision of ocean salinity remote sensing［J］.High Technology Letters，2004，14（7）：101－105.

［20］ 齐震，魏恩泊，刘淑波.粗糙海面L和C波段的代价函数多参量遥感反演分析［J］.海洋科学，2012，36（1）：100－107.

Qi Zhen，Wei Enbo，Liu Shubo.Rough sea surface cost function retrieval models for L and C band［J］.Marine Sciences，2012，36（1）：100－107.

［21］ Qi Zhen，Wei Enbo.Analysis of cost functions for retrieving sea surface salinity［J］.Journal of Ocean University of China，2012，11（2）：147－152.

［22］ Yueh S，Dinardo S，Fore A，et al.Passive and active L-band microwave observations and modeling of ocean surface winds［J］.IEEE Trans Geosci Remote Sens，2010，48（8）：3087－3100.

［23］ Wentz F.Aquarius salinity retrieval algorithm，Algorithm Theoretical Basis Document［R］.RSS Technical Report 082912，Remote Sensing Systems，Santa Rosa，California，2012.

Quality assessment of spaceborne microwave radiometer Aquarius data product based on Argo buoy data

Wang Jin1，3，Zhang Jie2，Wang Jing3*

（1.College of Physics，Qingdao University，Qingdao 266071，China；2.The First Institute of Oceanography，State Oceanic Administration，Qingdao 266061，China；3.College of Information Science and Engineering，Ocean University of China，Qingdao 266003，China）

Aquarius is a spaceborne L-band radiometer whose mission focuses on the measurement of sea surface salinity from space.Aquarius was successfully launched on June 2011 and has been working operationally for more than two years.This research shows the preliminary results of quality assessment of Aquarius salinity data product based on the Argo buoy data for 2012.The results reveal that the standard deviation of the error of the Aquarius L2 data is about 0.7，with a negative mean bias of－0.1.There is little difference between ascending and descending orbits data.The data quality degrades in coastal region because of the impact of land contamination and RFI.Because that the brightness temperature sensitivity is affected by the sea surface temperature，larger errors are observed in the region of low SST and higher latitude.The performance of sea surface emissivity model with wind-induced roughness in current salinity retrieval algorithm degrades under high wind speed，so large discrepancies are observed with the standard deviation of more than 1.

sea surface salinity；L-band brightness temperature；spaceborne radiometer；Argo buoy

P714.1

A

0253-4193（2015）03-0046-08

王进，张杰，王晶.基于Argo浮标数据的星载微波辐射计Aquarius数据产品质量评估［J］.海洋学报，2015，37（3）：46—53，

10.3969／j.issn.0253-4193.2015.03.005

Wang Jin，Zhang Jie，Wang Jing.Quality assessment of spaceborne microwave radiometer Aquarius data product based on Argo buoy data［J］.Haiyang Xuebao，2015，37（3）：46—53，doi：10.3969／j.issn.0253-4193.2015.03.005

2013-12-20；

2014-06-26。

国家海洋局海洋遥测工程技术研究中心开放基金（2013002）。

王进（1979—），男，山东省济南市人，讲师，主要从事微波海洋遥感研究。E-mail：wangjin＠qdu.edu.cn

*通信作者：王晶，教授，从事微波海洋遥感研究。E-mail：wjing＠ouc.edu.cn