亮温拟合模型在南海海表盐度反演中的应用

邓 广，李洪平

（1.中国海洋大学 信息科学与工程学院 海洋技术系，山东 青岛 266100）

亮温拟合模型在南海海表盐度反演中的应用

邓 广1，李洪平1

（1.中国海洋大学 信息科学与工程学院 海洋技术系，山东 青岛 266100）

由于当前SMOS反演算法中的正演模型并不完善，SMOS反演盐度在南海的精度非常低。基于此，利用SMOS卫星L2数据的海水表面盐度反演软件L2OS输出原始反演盐度所模拟的亮温和代入HYCOM盐度数据所模拟的亮温建立回归模型，同时反演南海海域的盐度，并与HYCOM、实测数据进行比较。结果表明，使用该方法建立的新模型能有效减小SMOS在南海特定时间反演盐度的误差。

SMOS；海水表面盐度；反演模型；南海；亮温

海水表面盐度是研究海洋和全球水循环以及气候变化的重要因子，采用卫星遥感对其进行全球与全天候的定量数据获取越来越受到人们重视。欧洲空间局研发的土壤湿度与海洋盐度（SMOS）卫星于2009年发射成功，首次实现了全球特定时空分辨率的海表盐度数据卫星遥感观测，现已成为盐度研究的重要数据来源。SMOS反演精度目标是10 d的200 km×200 km或30 d的100 km×100 km内要达到0.1 psu的精度[1]；然而在一些特定海域，SMOS反演盐度远没有达到宣称的精度目标。在南海海域，SMOS反演的盐度精度差强人意[2-3]；且通过SMOS反演软件L2OS发布网站中提供的L2数据也可发现，无论是经质量控制后的单条带L2数据还是多天平均的全球L2数据，亦或巴塞罗那专家中心发布的由L2生成的L3数据[4]，在南海地区都因反演的数据质量达不到精度要求而被剔除，留下大量空白区域，导致SMOS反演的盐度在南海海域的实用性大大降低。

由于当前SMOS反演算法中的正演模型并不完善，其中海面粗糙度模型等都不是最准确的[1,5]；且用于反演的（如风速、波浪高度等）辅助数据自身的精度误差也会导致正演模型模拟的亮温误差[1,6]。另外，受无线电频率干扰（RFI）的影响，SMOS反演盐度在南海的精度非常低；但因RFI成分的复杂性，目前在SMOS反演算法中并没有加入RFI的修正方法[1,7]，因此导致正演模型所模拟的亮温并不是准确的海表辐射亮温，其准确度决定了SMOS反演盐度的精度。综上所述，通过对亮温进行建模以修正正演模型的方法具有较强科学性与可行性，对于提高SMOS反演精度具有重要意义。

1 数据来源和处理

1.1 SMOS数据

研究区范围是0°～25°N，105°～125°E的南海海域。用于亮温拟合建模的L1C和ECMWF数据均为全极化数据，包括2013年5月所有研究区内的升轨降轨数据，共65幅。为了验证新模型的准确度，采用2012 年4～6 月的SMOS数据，以保证验证结果的合理性；因验证还需利用浮标实测的数据，经数据匹配后，最终采用2012 年4月17日20点、22点，4月18日、24日、26 日、27日、29日，5月4日、7日、11日、13日、21 日以及6 月1 日共13幅经过研究区的数据作为验证数据。

1.2 混合坐标海洋模式数据

为了用正演模型相对精确地模拟海表辐射亮温来建模，以及验证新建模型反演的盐度精度，还需利用混合坐标海洋模式（HYCOM）所模拟的海表盐度数据。HYCOM具有1/12°的高空间分辨率和1 d的时间分辨率，且数据量足以覆盖整个南海，具有大面积连续性，不会在海岸和岛礁附近产生大量空白区域。

1.3 浮标实测数据

本文还使用了46个浮标实测数据，分布在南海不同的经纬度位置，在2012年4～6月间，每隔3 h测量一次海水压力、温度、盐度和密度数据。

1.4 数据处理

在L2OS软 件 中 找 到Forward Model和Main Processing模块中对应的C语言文件，编写程序并运行L2OS软件[8-9]。将2013年5月每幅数据中有效反演的网格点，按照每次测量不同的入射角顺序输出网格点编号、经度、纬度以及入射角，共计31 515 299条记录；然后依次是由3个海面粗糙度模型反演的海表盐度、风速，由正演模型模拟的转换到天线坐标系后的亮温，包括水平（TBh）和垂直（TBv）两种极化方式。为了比较分析原始模型和新模型所反演的盐度精度，将用于验证的2012年4～6月数据也以同样方式输出，存储为文本文件。

将HYCOM数据按照相应时间和空间距离最近的方式与L2OS中的反演网格点进行匹配，将L2OS原始反演的SSS替换为HYCOM对应时间和网格点的盐度，其他反演参数（如风速、海温等）保持不变，利用L2OS中的正演模型重新模拟亮温。按照之前同样的方法和格式输出2013年5月的各项数据。

2 拟合亮温建立新模型

2.1 简单线性拟合建模

选取部分网格点中，不同入射角下HYCOM盐度模拟的亮温和SMOS原始反演盐度模拟的亮温进行对比。由图1可见，无论何种海面粗糙度和极化方式，HYCOM模拟亮温和SMOS盐度模拟亮温之间都存在相当明显的线性关系。这些亮温是正演模型模拟的计算链上最顶层的亮温，综合考虑正演模型运算中所有的误差信息，采用该亮温拟合建模最能反映正演模型的误差水平，能最直接有效地修正正演模型，更具综合性与全面性。

图1 SMOS盐度模拟亮温与HYCOM盐度模拟亮温比较图

根据图1中反映的线性关系，对两组亮温进行简单线性拟合，并建立一元线性回归模型，建模公式为：

式中，x为SMOS盐度模拟的亮温；y为HYCOM盐度模拟的亮温；a、b为模型参数。拟合结果见表1。

表1 简单线性拟合结果表

从表1可知，相关系数R和决定系数R2均较大，表明SMOS盐度模拟亮温和HYCOM盐度模拟亮温间的相关性很强，线性拟合程度较高。

2.2 按风速分段线性拟合建模

SMOS反演算法中海面粗糙度模型的不准确对模拟亮温精度的影响较大，而风速又是影响粗糙度的主要因素。将2012年的13幅数据，按风速划分为0～1 m/s、1～2 m/s等区间，大于20 m/s的划为一个区间；在不同风速下，计算SMOS反演的原始盐度相对于HYCOM的均方根误差（RMSE）。

图2 不同风速下SMOS盐度相对于HYCOM盐度的RMSE

从图2可知，无论哪种粗糙度模型，SMOS反演盐度的误差大体随风速增大而增大，特别是大于10 m/ s后，趋势更显著，说明风速是影响反演精度的重要因素。因此，本文以1 m/s风速为间隔，选取对应风速区间内的原始模拟亮温与HYCOM模拟亮温进行分段线性拟合，创建了适用于不同风速的21个线性回归模型。

2.3 按经纬度分段线性拟合建模

据前人研究，RFI是影响SMOS反演精度的重要因素，且在南海有非常强的地域性[3,7]，因此本文分别按照经纬度的不同，以1°经度、纬度为单位，划分了20个经度和25个纬度区间，计算SMOS反演盐度相对于HYCOM的RMSE（图3、4）。

根据相关学者研究，RFI源主要分布在南海北部，特别是珠三角与台北等地，且距RFI源越近受其影响越大[3,7]。由图3、4可知，无论哪种粗糙度模型，SMOS反演盐度误差基本随纬度的增加而增大，即越靠近南海北部反演精度越低；在经度上的趋势虽表现得不太规律，但在115°～118°和124°的经度内RMSE有明显的峰值，恰好是珠三角与台北等地附近所在的经度，说明这些经度内反演的盐度误差较大，与前人研究结果相吻合；因此受RFI影响，SMOS反演精度在南海具有强地域性。按经纬度不同，为方便计算，以5°经度、纬度为间隔，本文选取对应经纬度范围内的原始模拟亮温与HYCOM模拟亮温，按上述方式进行分段线性拟合，创建了适用于不同经纬度的20个线性回归模型。

图3 不同经度内SMOS盐度相对于HYCOM盐度的RMSE

图4 不同纬度内SMOS盐度相对于HYCOM盐度的RMSE

3 建模结果比较与分析

将新模型代入L2OS中进行反演，并按前述方式和格式输出盐度等各项数据[8-9]。因受诸多因素影响，L2OS会反演出不属于盐度数值正常范围的异常值，所以在数据比较时会对反演盐度进行筛选，考虑南海海域通常的盐度数值范围后，本文取30～40 psu的盐度作为有效反演值。

3.1 RMSE分析

以单幅SMOS数据为单位，求取SMOS原始反演盐度和3种新模型代入后反演的盐度相对于HYCOM盐度的RMSE。

图5中横坐标表示2012年4～6月的13幅数据；深浅不同的黑色、绿色、红色、蓝色的3条线分别代表在3个海面粗糙度下SMOS原始的、简单线性模型的、风速模型的、经纬度模型反演的盐度RMSE。可以看出，无论哪种粗糙度模型，用新模型反演的盐度数据均比SMOS原始反演的更接近HYCOM，精度更好。

图5 不同模型反演盐度相对于HYCOM盐度的RMSE

表2为13幅数据求取相对于HYCOM盐度的RMSE，无论是否筛选盐度异常值或采用哪种海面粗糙度，3种新模型所反演的盐度精度都要优于SMOS原始反演精度。

表2 综合13幅数据的RMSE表

表3为13幅数据求取相对于浮标实测盐度的RMSE，可以看出，3种新模型所反演的盐度精度均优于SMOS原始反演精度。

表3 相对于浮标实测盐度的RMSE表

3.2 平均绝对误差分析

将13幅验证数据用各模型反演，并经30～40 psu盐度的筛选后，以0.25个经纬度网格为单位，对落入其中所有时间的有效反演网格点计算各模型反演盐度在该单位网格内相对于HYCOM的平均绝对误差（MAE），并以海面粗糙度1为例，画出各模型反演盐度MAE空间分布图。

图6中所有MAE色标都已统一，SMOS原始反演盐度MAE较大，许多网格都在2以上，特别是南海北部，呈现大片绿色和黄色甚至红色；而使用3种新模型反演的MAE均较小，多数网格都在2以下，整个南海几乎均为蓝与绿色，特别是经纬度模型的MAE在许多网格甚至都在1以下，几乎都为蓝色；直观证明了使用3 种新模型反演的盐度误差均小于SMOS原始模型反演误差，精度较高。

表4、5是综合了13幅数据的MAE结果，反映了图6整幅图的平均误差水平，结果与RMSE类似，新模型所反演的精度均优于SMOS原始反演。

图6 不同模型反演盐度的MAE空间分布图

表4 综合13幅数据的MAE表

表5 相对于浮标实测盐度的MAE表

3.3 误差标准差（STD）分析

使用各模型对所有数据反演，并经过盐度筛选后，求各模型反演盐度相对于HYCOM的绝对误差，画出绝对误差频率分布直方图。

由图7可知，无论哪种粗糙度模型，SMOS原始反演的误差分布都较分散，大多在-2、-1和0附近；而3种新模型的误差分布均较集中，大多在0附近，说明新模型反演盐度大多接近于HYCOM。值得一提的是，所有模型的误差分布在负数部分要比正数部分多，即各模型反演的盐度可能会比HYCOM盐度小。

图7 不同模型反演盐度的绝对误差频率分布直方图

表6 综合13幅数据的STD表

表7 相对于浮标实测盐度的STD表

表6、7是综合了13幅数据的STD结果，分别反映各模型反演相对于HYCOM和浮标实测盐度误差的离散程度。无论采用哪种粗糙度和筛选盐度异常值与否，新模型的STD都比SMOS原始反演的更小，即新模型误差分布更集中。结合图7分析可知，新模型的误差都集中在0附近，更直观地说明了新模型反演结果比SMOS原始反演的误差更小，精度更好。

从以上RMSE、MAE和STD的分析结果来看，尽管采用不同粗糙度反演的结果略有差异，但多数情况下经纬度模型优于风速模型和简单线性模型。

4 结 语

通过亮温拟合创建新模型来修正正演模型的方法，可有效减小SMOS在南海特定时间反演的海表盐度误差，提高反演精度。相比需要多种专业知识来分别对正演模型中的各个子模块进行理论修正，这种方法更简单方便、易操作，结果也更直观，具有说服力。该方法不仅能有效提高SMOS在南海反演盐度的精度，也在正演模型和亮温模拟的层面上，为进一步提高L2数据的反演精度提供了一种崭新的思路与尝试。

[1]陈建,张韧,安玉柱,等.SMOS卫星遥感海表盐度资料处理应用研究进展[J].海洋科学进展,2013,31(2):295-304

[2]REN Y Z, DONG Q, HE M X. Preliminary Validation of SMOS Sea Surface Salinity Measurements in the South China Sea[J]. Chinese Journal of Oceanology and Limnology,2015,33(1):262-271

[3]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

[4]SMOS-BEC Team. SMOS-BEC Ocean and Land Products Description[Z]. Barcelona: the SMOS Barcelona Expert Center,2015:1-22

[5]YIN X B,Boutin J,Martin N,et al. Validation of SMOS Measurements over Ocean and Improvement of Sea Surface Emissivity Model at L Band[C].IEEE Geoscience and Remote Sensing Symposium (IGARSS), 2011 IEEE International, Piscataway,2011:2 021-2 024

[6]YIN X B, Boutin J, Martin N, et al. Errors in SMOS Sea Surface Salinity and Their Dependency on a Priori Wind Speed[J]. Remote Sensing of Environment,2013,146(5):159-171

[7]王新新.基于微波辐射计的南海海表盐度遥感算法研究[D].大连:大连海事大学,2013

[8]SMOS Team. SMOS L2 OS Algorithm Theoretical Baseline Document[Z]. Paris:European Space Agency,2014

[9]SMOS Team. SMOS L2 OS Detailed Processing Model[Z]. Paris:European Space Agency,2014

P237

B

1672-4623（2017）07-0009-05

10.3969/j.issn.1672-4623.2017.07.003

邓广，硕士研究生，研究方向为海洋遥感。

2016-04-14。

项目来源：国家高技术研究发展计划资助项目（2013AA09A506-4）。