大面积水体上空星载微波辐射计的干扰识别

官 莉夏仕昌张思勃

1）（南京信息工程大学气象灾害预报预警与评估协同创新中心，南京210044）2）（中国人民解放军61741部队，北京100094）

大面积水体上空星载微波辐射计的干扰识别

官 莉1）*夏仕昌2）张思勃1）

1）（南京信息工程大学气象灾害预报预警与评估协同创新中心，南京210044）2）（中国人民解放军61741部队，北京100094）

卫星微波仪器接收的来自地气系统的被动热辐射与主动传感器发射的信号相混合，被称为无线电频率干扰（RFI），在主动及被动微波遥感探测领域已成为越来越严重的问题。海洋表面反射的静止通讯、电视卫星下发信号是干扰海洋上星载被动微波辐射计观测的主要来源。该文以先进的微波扫描辐射计AMSR-E为例，采用双主成分分析方法对美国陆地上大面积水体、附近洋面和中国海岸线附近的RFI进行识别，研究表明：美国附近洋面区域星载微波辐射计18.7 GHz通道观测主要受静止电视卫星Direc TV的干扰，由于海表反射引起的RFI非常依赖于静止卫星和星载被动仪器的相对几何位置，只有当闪烁角θ（观测视场镜面反射的静止电视卫星信号方向与视场到星载仪器方向之间的夹角）较小时卫星观测易受到污染。美国海洋区域较强RFI分布在五大湖区域，离内陆越近RFI越强，东西海岸RFI较强，而整个南海岸干扰相对较弱。中国海岸线附近AMSR-E 6.925 GHz通道观测受RFI影响，而18.7 GHz通道观测未受到干扰。

微波；AMSR-E；无线电频率干扰（RFI）；识别

引 言

卫星微波接收的来自地气系统的被动热辐射与主动传感器发射的信号相混合，被称为无线电频率干扰（radio-frequency interference，简称 RFI），在主动及被动微波遥感探测领域已成为越来越严重的问题［1-2］。人为的RFI源主要来自建于地表的主动微波发射器，如手机、雷达、GPS导航、空中交通管制、车辆测速仪器等，这些RFI源会污染地球大气的散射和发射辐射，会在卫星遥感探测量中增加不可预测的噪声［3］。目前全世界广泛使用的星载微波成像仪，如美国NASA地球观测系统EOS Aqua卫星搭载的先进微波扫描辐射计（Advanced Microwave Scanning Radiometer，简称AMSR-E）［4］、我国FY-3卫星搭载的微波成像仪（MicroWave Radiation Imager，简称 MWRI）、AMSR-E的后续仪器 AMSR-2［5］和美国国防卫星上的WindSat全极化辐射计等的C波段（6.9 GHz）或 X波段（10.7 GHz）观测受来自地面主动的微波发射即无线电频率干扰RFI影响，造成观测亮温相比视场内自然大气和地表发射、散射辐射而言异常偏大，进而使反演的地表参数（如地表温度、海表温度和土壤湿度等）与资料同化的分析场具有较大误差［6-8］。如果不正确识别和去除RFI污染资料，将大大降低星载被动微波仪器的科学价值。为解决这一问题已经开发了很多RFI识别算法，定量给出RFI的范围和强度，如谱差法、平均值和标准差方法、主成分分析（PCA）方法、标准化的主成分分析（NPCA）方法和双主成分分析（DPCA）方法等。

Li等［9］于2004年最先发现AMSR-E在C波段通道的探测数据中存在大范围的无线电频率干扰现象，并提出可以利用谱差法量化RFI的强度和范围，理论基础是低频通道受RFI影响，而高频通道不受RFI影响，利用受RFI影响通道和不受RFI干扰通道的观测亮温差进行RFI的识别。Njoku等［10［11］。Li等［12］进一步研究指出，谱差法没有利用辐射计观测各通道间的相关性，来自自然地表-大气的各通道之间观测相关性非常高，而RFI只明显增加被污染通道的观测，使RFI干扰通道和其余通道观测之间的相关性很低。这一信息对于从自然辐射数据中识别出RFI区十分重要，针对陆地地区首次提出PCA方法，将目标物的发射、散射特性和辐射计资料多通道间的相关性集成到一个统计的主成分分析框架中。Zou等［1］利用我国极轨卫星FY-3B上搭载的微波辐射成像仪MWRI对于陆地上RFI的识别开展了研究，提出了标准化的PCA方法，利用通道间的相关性有效识别积雪覆盖区域RFI，该算法不仅适用于晴空下垫面，而且适用于积雪陆表。Zhao等［13］使用WindSat的观测数据对格陵兰岛和南极洲附近海冰下垫面RFI识别算法进行研究，指出现有的谱差法及PCA方法在对海冰区RFI识别时会产生大量虚假信号，提出利用DPCA方法识别强散射的海冰区RFI信号。

上述研究均针对陆地上星载微波辐射计的RFI进行检测，而对洋面上RFI的识别研究较少。由于海洋表面固有的大的谱差波动特征使谱差法不能应用于海洋区域，通过利用通道回归模型差技术直接预测没有RFI污染时的亮温值，进一步与实际观测的亮温进行对比，达到识别海洋上RFI强度的目的［12］。Adams等［14］利用 WindSat反演地球物理参数x2概率估计法对洋面反射的RFI进行识别，研究发现，海洋表面反射的静止通讯、电视卫星下行信号是干扰海洋上星载被动微波辐射计观测的主要来源。静止通讯、电视卫星固定在地球赤道上空的某一位置上，向指定区域连续发射信号。一般美国或欧洲的静止电视卫星天线均设计为定向的、仅集中向北半球美国或欧洲指定陆地地区发射。全球海岸线地区人口密度较高，尽管这些静止卫星天线设计只集中向陆地地区发射，仍然有少部分较强的辐射投射到海岸线附近的海域上，因此在海岸线附近存在大范围、较强的RFI干扰。概率估计算法必须借助大气参数的反演，概率估计是针对反演的海表参数（如海表面温度）进行的。本文将以先进的微波扫描辐射计AMSR-E为例，用DPCA方法对美国地区附近洋面和中国沿海地区的RFI进行识别，同时分析洋面上RFI来源以及分布特征。

1 资料简介

AMSR-E（Advanced Microwave Scanning Radiometer on the Earth Observing System）搭载在2004年5月NASA发射的EOS地球观测系统Aqua卫星上，轨道倾角为98.3°。该仪器主要用于观测云和地表，分别测量6.925 GHz，10.65 GHz，18.7 GHz，23.8 GHz，36.5 GHz和89.0 GHz水平极化和垂直极化的亮温，共有12个通道，空间分辨率从89 GHz的5.4 km下降为6.9 GHz的56 km。具体的通道特性见表1。AMSR-E是圆锥型扫描仪器，天线圆锥扫描角为47.4°，扫描帧幅宽度为1445 km。降交点和升交点赤道过境时间分别为01：30（世界时，下同）和13：30［15］。

表1 AMSR-E通道特性Table 1 AMSR-E instrument description

本文使用的是2011年6—7月AMSR-E Level 2A观测的亮温，Level 2A资料中所有通道的空间分辨率均重新取样到56 km的相同空间分辨率，选取美国和中国海洋区域作为研究对象，探讨静止电视卫星对星载微波辐射计观测的影响。

2 双主成分分析（DPCA）方法简介

双主成分分析方法包含两步主成分分析，第1次主成分分析是对由10个通道观测组成的亮温V向量进行的，所有观测视野点构成的要进行主成分分析的矩阵为A10×N：

其中，T是观测亮温，下标V，H分别表示垂直极化和水平极化，下标数字表示观测的频率，N为总观测点数。

矩阵A10×N的协方差矩阵为R10×10＝AAT，通过解方程R ei＝λiei（i＝1，2，…，10）可求得其特征值λi（i＝1，2，…，10）和特征向量ei＝［e1，i，e2，i，…，e10，i］T。将矩阵A投影到由特征向量e1，e2，…，e10构成的正交空间，可得到主成分系数：

其中，u＝［ui，1，ui，2，…，ui，N］为第i个主成分的系数。

由主成分和主成分系数，矩阵A可以由两部分A1和A2重构：

由于来自自然地表和大气的辐射观测值通道与通道之间高度相关，通道间观测的相关性由前几个主成分即A1捕获；矩阵A2即从α＋1到第10个主成分亮温的和，被称为残余数据矩阵。RFI只是使被干扰通道的观测值异常偏高，与其他通道不相关，因而RFI信号则含在残余矩阵A2中，本文α取3。第2步主成分分析对残余矩阵A2展开，即对A2进行标准化的主成分分析，如RFI存在于18.7 GHz通道：

其中，μ和σ为每个视场点5个RFI因子的平均值和标准差。

与上述步骤相同，资料矩阵B5×N由重构：

其特征向量e1，e2，…，e5为主成分，ui＝［ui，1，ui，2，…，ui，N］为第i个主成分的系数。矩阵A2第1主成分的系数u1中的较大值表明RFI的存在，且第1主成分的系数值越大表明较强RFI存在的可能性越大。对该方法的详细描述见文献［13］。

3 应用试验

由于极轨卫星Aqua有效载荷AMSR-E每16 d覆盖完全相同的区域，16 d的周期内每天轨道覆盖观测范围不太相同，有一定差异［16］。本文选取2011年6月1—16日AMSR-E 1个周期的观测为例，研究重点是洋面上RFI的识别，只选择夏季资料，可避免冬季时误将高纬度地区积雪错认为是虚假的RFI。表2给出了目前主要的静止电视卫星，影响欧洲地区的静止电视卫星主要是中心频率在10.7 GHz附近的Hot Bird，Atlantic Bird和Astra，而影响美国地区的则是中心频率为18.7 GHz的Direct TV卫星［17］。按照上述的DPCA方法计算出的美国地区周边海洋上的与RFI有关的第1主成分系数u1，图1分别给出6月1日、4日、7日和11日AMSR-E降轨18.7 GHz通道水平极化的u1分布（其余12 d类似，图略）。图中白色区域为卫星轨道观测间隙区，灰白色为陆地区域。下一个16 d内卫星每天观测区域和RFI出现位置重复图1的分布（图略）。由图1可见，u1越大的地方，即暖色调区域，RFI出现概率越大且强度越强。6月1日RFI主要出现在西海岸的俄勒冈州和五大湖的密歇根湖上，4日较强的RFI出现在东海岸的德拉华州、马里兰州和苏必利尔湖西侧，7日弗罗里达州和加利福尼亚沿岸有较弱的RFI出现，11日较强RFI出现在弗吉尼亚的东海岸。卫星观测轨道偏东海岸时，18.7 GHz通道RFI干扰出现在轨道帧幅的西边缘，卫星观测轨道偏西海岸时，干扰出现在轨道帧幅的东边缘的概率较大，若卫星刚好过境美国大陆中部，则星下点附近的观测受影响。

表2 主要的静止电视卫星Table 2 Major geostationary TV satellite

图1 2011年6月1日、4日、7日和11日AMSR-E降轨18.7 GHz通道水平极化第1主成分系数u1和静止卫星闪烁角θ分布Fig.1 The first PC coefficientu1and the geostationary satellite gilint angleθof AMSR-E 18.7 GHz with horizontal polarization of decending node in June 2011

在16 d的轨道周期内，RFI每天出现位置和强度均在变化。海洋表面反射的静止通讯、电视卫星信号是干扰海洋上星载被动微波辐射计观测的主要来源，洋面上风速较小时多发生的是镜面反射。由于海表反射引起的RFI非常依赖于静止卫星和星载被动仪器的相对几何位置，闪烁角定义为观测视场镜面反射的静止电视卫星信号方向与视场到星载仪器方向之间的夹角。图2给出了洋面反射静止卫星下行发射的示意图及闪烁角θ的定义。图1中展示了2011年6月1日、4日、7日和11日美国附近洋面上AMSR-E每个观测视场的闪烁角θ分布。由图1可知，RFI出现概率的大小与θ大小的相关性非常好，只有当θ小到电视广播信号可以反射进入AMSR-E视场，该视场才受到干扰。受RFI干扰区域都是闪烁角θ非常小的区域，基本小于15°，θ越接近0°出现的RFI强度越强。表3给出了2011年6月1日、4日、7日和11日RFI干扰区θ不同取值时所占的百分比，识别的RFI区域中有33.37%的θ取值小于5°，5°≤θ＜15°的占61.22%，θ≥15°的只占5.41%，同样说明RFI大都出现在θ＜15°的地方。图3为2011年6月1—16日AMSR-E降轨观测平均的闪烁角θ分布，θ等值线为圆心在赤道上约100°W（静止电视卫星的位置）的同心圆，θ较小值即图中深红色区域（θ＜2.5°）分布在40°～45°N附近宽约5个纬度的环状带内，该深红色环状区域就是RFI出现概率最大的地方，越往南或往北，θ值逐渐增大。将6月1—16日AMSR-E降轨18.7 GHz通道水平极化的第1主成分系数u1分布综合显示在图4中，可以看出，美国附近海洋区域出现的RFI污染集中在东西海岸和五大湖区域，尤其是五大湖和东海岸北部受无线电干扰概率较大且强度较强，较强RFI出现位置与图3中的环状θ极小值带吻合得非常好。

续图1

图2 洋面反射静止卫星下行发射及闪烁角θ的示意图Fig.2 The sketch map of the reflected geostationary TV satellite downlink signals by ocean surface and the definition of glint angleθ

表3 RFI区闪烁角θ取值的百分比（单位：%）Table 3 The percentage of glint angleθin different range at RFI area（unit：%）

图3 2011年6月1—16日AMSR-E降轨观测平均的闪烁角θ分布Fig.3 The average glint angleθbased on AMSR-E decending observations from 1 June to 16 June in 2011

图4 2011年6月1—16日综合AMSR-E降轨18.7 GHz通道水平极化第1主成分系数u1分布Fig.4 The synthesized distribution of first PC coefficientu1based on AMSR-E 18.7 GHz decending observations with horizontal polarization from 1 June to 16 June in 2011

洋面并不是完全光滑、平整的镜面，尤其是洋面风速较大时，非严格的镜面反射造成干扰信号具有角展度，同时为有效防止将小尺度的天气系统误认为是虚假的RFI信号，将第1主成分系数u1＞0.3和θ＜25°综合作为判断是否受静止卫星RFI干扰的阈值判据，2011年6月1日—7月2日两个完整轨道周期，即月平均的美国海洋区域18.7 GHz通道水平极化识别的RFI分布和强度如图5所示。图6给出了6月4日和6月7日升轨观测时的第1主成分系数u1，对比图1中相应日期降轨时u1，降轨时在美国近海岸尤其东海岸出现大范围较强RFI，而图6中升轨观测没有出现。对气象极轨卫星而言，降轨时受静止卫星RFI影响的主要是北半球，升轨时受干扰的主要是南半球，对美国而言，受静止卫星污染的是降轨观测。较强RFI分布在五大湖的密歇根湖、安大略湖和伊利湖，离内陆越近，RFI越强，东西海岸北部RFI较强，而整个南海岸干扰相对较弱。受洋面反射静止电视卫星信号引起的18.7 GHz通道垂直极化RFI分布和强度与水平极化相似（图略）。

图5 2011年6月1日—7月2日美国海洋区域18.7 GHz通道水平极化月平均RFI强度分布Fig.5 The monthly average RFI intensity at 18.7 GHz horizontal polarization over America ocean from 1 June to 2 July in 2011

图6 2011年6月4日（a）和7日（b）AMSR-E升轨18.7 GHz水平极化第1主成分系数u1Fig.6 The first PC coefficientu1of AMSR-E 18.7 GHz with horizontal polarization of acending node on 4 June（a）and 7 June（b）in 2011

为验证该方法对大面积水体上RFI识别的有效性，利用DPCA方法对中国海岸线附近的RFI进行识别。中国东部海岸线附近2011年6月8日RFI的识别结果见图7。图7a是6.9 GHz通道水平极化RFI的分布及强度，较强RFI主要出现在杭州湾和珠江口（黄红色区域），温州附近海域也有一处较弱的RFI影响。根据长时间序列的观测分析可知，这几处RFI尽管强度时强时弱，但始终都存在，位置不变，即这些干扰源是长期存在、固定的地面源。由图7b可知，AMSR-E 18.7 GHz通道观测在中国不论是陆地还是海岸线均未受无线电干扰。

同时，也利用我国FY-3系列气象卫星上搭载的微波辐射成像仪MWRI进行验证。MWRI与AMSE-E相比，没有低频6.925 GHz通道，其余5个通道的设置完全相同［18］，而日本通信卫星和我国中继卫星等部分使用18.6～18.8 GHz频段进行通信［19］，所以重点分析18.7 GHz通道观测。图8a显示的是2011年6月8日我国海岸线附近MWRI观测的18.7 GHz水平极化亮温，图中没有亮温值异常偏高的区域；图8b是识别出的RFI分布及强度。FY-3 MWRI识别的中国海岸线附近的RFI（图8b）与AMSR-E识别的结果（图7b）相似，均不存在值大于10的暖色调区域，说明均未发现RFI影响。可能是因为日本通信卫星主要下发频率为C波段（4～8 GHz）和 Ku波段（11.7～12.2 GHz）［20］，所以对星载仪器18.7 GHz通道观测没有造成干扰。通信卫星的用户主要为地面固定站或速度较低的移动通信站，其静止卫星星载天线大多指向固定，中继卫星星间天线大多需要跟踪高速高动态运动的卫星、飞船等航天器，而不是朝向地面发射，因此未对对地观测仪器造成干扰。

图7 AMSR-E识别的中国东部海岸线附近2011年6月8日6.9 GHz（a）和18.7 GHz（b）通道水平极化RFI的分布Fig.7 The identified RFI along China east coast of AMSR-E 6.9 GHz（a）and 18.7 GHz（b）horizontal polarization on 8 June 2011

图8 2011年6月8日FY-3 MWRI 18.7 GHz通道水平极化亮温（a）和RFI（b）分布Fig.8 The brightness temperature（a）and the RFI（b）of FY-3 MWRI 18.7 GHz horiontal polarization on 8 June 2011

4 结 论

本文以先进的微波扫描辐射计AMSR-E为例，利用DPCA方法对美国陆地上大面积水体、附近洋面和中国海岸线附近的RFI进行识别，同时分析洋面上RFI来源以及分布特征。结果表明：

1）DPCA方法对于识别洋面上的RFI是有效的，残余矩阵主成分分析后第1主成分系数u1＞0.3和闪烁角θ＜25°综合作为判断是否受静止卫星RFI干扰的阈值判据，美国附近洋面区域星载被动微波辐射计18.7 GHz通道观测主要受静止电视卫星Direc TV的干扰。

2）AMSR-E降轨观测美国地区洋面时受静止卫星干扰，而升轨观测则不受其影响。当卫星观测轨道覆盖东海岸时，18.7 GHz通道RFI干扰出现在轨道帧幅的西边缘，卫星观测轨道偏西海岸时，干扰出现在轨道帧幅的东边缘的概率较大，若卫星刚好过境美国大陆中部，则星下点附近的观测受影响。在40°～45°N附近宽约5个纬度的环状闪烁角θ极小值带内RFI出现概率最大。

3）月平均的18.7 GHz通道RFI分布和强度表明，美国海洋区域较强RFI分布在五大湖的密歇根湖、安大略湖和伊利湖，离内陆越近，RFI越强，东西海岸RFI较强，而整个南海岸干扰相对较弱。

4）中国海岸线附近的RFI主要干扰6.925 GHz通道的观测，而18.7 GHz通道观测未受干扰。干扰主要出现在东部杭州湾、温州和珠江口附近海岸线，且干扰源为稳定、长期的地面固定源。

［1］ Zou X，Zhao J，Weng F，et al.Detection of radio-frequency interference signal over land from FY-3B microwave radiation imager（MWRI）.IEEE Trans Geosci Remote Sens，2012，50（12）：4994-5003.

［2］ 张秀再，郭业才，陈金力，等.L与X波段气象卫星信道概率统计特性.应用气象学报，2012，23（4）：478-484.

［3］ Wu Y，Weng F.Detection and correction of AMSR-E radiofrequency interference.Acta Meteor Sinica，2011，25（5）：669-681.

［4］ 杨晓峰，陆其峰，杨忠东.基于AMSR-E土壤湿度产品的LIS同化试验.应用气象学报，2013，24（4）：435-445.

［5］ Keiji I，Norimasa I，Taikan O.AMSR Series in A-Train-Status／Products／Services for GCOM-W1.A-Train User Workshop，2010.

［6］ 任强，董佩明，薛纪善.台风数值预报中受云影响微波卫星资料的同化试验.应用气象学报，2009，20（2）：137-146.

［7］ 张淼，卢乃锰，谷送岩，等.风云三号（02）批卫星微波氧气吸收通道降水特性.应用气象学报，2012，23（2）：223-230.

［8］ 刘健，张里阳.气象卫星高空间分辨率数据的云量计算与检验.应用气象学报，2011，22（1）：35-45.

［9］ Li L，Njoku E G，Im E，et al.A preliminary survey of radiofrequency interference over the US in Aqua AMSR-E data.IEEE Trans Geosci Remote Sens，2004，42（2）：380-390.

［10］ Njoku E G，Ashcroft P，Chan T K，et al.Global survey and statistics of radio-frequency interference in AMSR-E land observations.IEEE Trans Geosci Remote Sens，2005，43（5）：938-947.

［11］ Ellingson S W，Johnson J T.A polarimetric survey of radiofrequency interference in C-and X-Bands in the continental United States using WindSat radiometry.IEEE Trans Geosci Remote Sens，2006，44（3）：540-548.

［12］ Li L，Gaiser P W，Bettenhausen M H，et al.WindSat radiofrequency interference signature and its identification over land and ocean.IEEE Trans Geosci Remote Sens，2006，44（3）：530-539.

［13］ Zhao J，Zou X，Weng F.WindSat radio-frequency interference signature and its identification oer Greenland and Antarctic.IEEE Trans Geosci Remote Sens，2013，51（9）：4830-4839.

［14］ Adams I S，Bettenhausen M H，Gaiser P W，et al.Identification of ocean-reflected radio-frequency interference using WindSat retrieval Chi-Square probability.IEEE Geoscience and Remote Sensing Letters，2010，7（2）：406-410.

［15］ Kawanishi T，Sezai T，ITO Y，et al.The advanced microwave scanning radiometer for the earth observing system（AMSRE），NASDA’s contribution to the EOS for global energy and water cycle studies.IEEE Trans Geosci Remote Sens，2003，41（2）：184-194.

［16］ AMSR-E Data Users Handbook（5th Edition）.Japan Aerospace Exploration Agency，2-1，2009.

［17］ Chelle G，Marty B，Kyle H，et al.Algorithm Development GCOMW AMSR-2 Ocean Product Suite.Joint PI Workshop of Global Environment Observation Mission，2010.

［18］ Zhang P，Yang J，Dong C，et al.General introduction on payloads，ground segment and data application of Fengyun 3A.Frontiers of Earth Science in China，2009，3：367-373.

［19］ 王家胜.我国数据中继卫星系统发展建议.航天器工程，2011，20（2）：1-8.

［20］ ［2014-04-12］.http：∥www.asiatvro.com／channelinfo／128.htm.

Identifying the Interference of Spaceborne Microwave Radiometer over Large Water Area

Guan Li1）Xia Shichang2）Zhang Sibo1）

1）（Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters，Nanjing University of Information Science&Technology，Nanjing210044）
2）（Unit61741of PLA，Beijing100094）

The phenomenon of satellite-measured passive microwave thermal emission from natural surface and atmosphere being mixed with signals from active sensors is referred as radio-frequency interference（RFI）.Due to increasing conflicts between scientific and commercial users of the radio spectrum，RFI is an increasing serious problem for microwave active and passive remote sensing.RFI greatly affects the quality of data and retrieval products from space-borne microwave radiometry，as the C-band and X-band of spaceborne microwave radiometer operate in unprotected frequency bands.Interference signals over land come dominantly from lower frequency active microwave transmitters，including radar，air traffic control，cell phone，garage door remote control，GPS signal on highway，defense tracking and vehicle speed detection for law enforcement.The signal emanating from geostationary communication and television satellites that reflect off the ocean surface is the major interference source over ocean of spaceborne passive microwave imagers.RFI detection and correction of low-frequency radiances over large water area is extremely important before these data being used for either geophysical retrievals or data assimilation in numerical weather prediction models.

RFI over ocean and inland large water area of North America，as well as over the coastline of China are identified and analyzed based on Advanced Microwave Scanning Radiometer（AMSR-E）observations using double principal component analysis（DPCA）algorithm.The AMSR-E instrument is primarily designed to enhance cloud and surface sensing capabilities.The DPCA method takes advantage of the multichannel correlation for natural surface radiations，as well as the de-correlation between different RFI contaminated frequencies.Results show that the DPCA method works well in detecting the location and intensity of RFI over ocean and large water area.The AMSR-E observation over the ocean of America at 18.7 GHz is mainly interfered by geostationary television satellites Direc TV.The RFI location and intensity from the ocean reflection of downlink radiation highly depends upon the relative geometry between the geostationary satellite and the measuring passive sensor.Only the field of views with smaller glint angle（defined as the angle between the geostationary specular reflection vector and the AMSR-E line-of-sight vector）is easily affected by RFI.The stronger RFI distribute near the Great Lakes of America，and the RFI magnitude of East and West Coast is stronger than south coast.AMSR-E observations of 6.925 GHz are contaminated by RFI along the coastline of China，while observations of 18.7 GHz are not affected.

microwave；AMSR-E；RFI；identification

官莉，夏仕昌，张思勃.大面积水体上空星载微波辐射计的干扰识别.应用气象学报，2015，26（1）：22-31.

10.11898／1001-7313.20150103

2014-04-02收到，2014-09-17收到再改稿。

江苏省高校自然科学研究重大项目（13KJA170003）

*email：liguan.nuist＠gmail.com