《International Journal of Applied Earth Observation and Geoinformation》：Optical Flow-based temporal displacement correction for Time-Consistent Multi-Satellite wind field reconstruction
海面风场是理解海洋中尺度动力学和改善数值天气预报的关键。然而，传统的多源遥感风产品往往难以捕捉中尺度和亚中尺度海洋研究所需要的时空一致性和动态变异性。现场测量虽然精确，但空间覆盖有限；数值再分析数据集提供连续的时空信息，但由于其有限的有效空间分辨率，常常难以完全解析小尺度动态过程。因此，迫切需要高质量的海面风矢量数据集来弥合这些差距。
为了克服单一卫星无法提供连续、高精度全球观测的限制，融合多源卫星观测已成为生成增强时空分辨率网格产品的标准方法。然而，生成多卫星风场（MSWF）在传感器间一致性和时空对准方面面临持续挑战。一个关键问题是由不同卫星过境时间引起的时序不一致。大多数现有的融合方法在时间窗口内假设准静态条件，因此这些静态方法无法纠正由平流引起的空间位移。在泰勒冻结湍流假设下，静态插值会引入结构错位并模糊快速演变的特征。
为了解决静态融合的局限性，本研究提出了一种基于光流法的时序位移校正（OF-TDC）方法，旨在解决全球MSWF生成中的时序不一致问题。与静态融合不同，OF-TDC将卫星风场视为序列图像，并利用ERA5风场作为动态参考来估算平流轨迹。该方法源自计算机视觉中的光流算法，在地球科学中已成功应用于捕捉对流降水事件期间的变异性以及重建海洋遥感中的表层流。OF-TDC算法应用近似的拉格朗日守恒将异步观测投影到统一的参考时间。这一策略实现了与ERA5一致的每小时时间分辨率，同时保持全球空间覆盖，产生适用于中尺度研究的瞬时且物理连贯的MSWF快照。
为了确保融合过程输入的可靠性，该研究引入了一个专门的偏差校正框架。该方法整合了分层贝叶斯收缩与双参考平滑策略，有效解决了高风速条件下稀疏采样引起的统计不稳定性。研究还进行了针对浮标、GNSS-R数据和热带气旋案例的广泛验证，以证明该框架的稳健性。该论文发表在《International Journal of Applied Earth Observation and Geoinformation》上。
研究人员为开展此项研究，主要运用了以下几项关键技术方法：首先，采用了结合分层贝叶斯收缩估计器和双参考Locally Weighted Scatterplot Smoothing (LOESS) 平滑的稳健偏差校正方案，对原始卫星风速进行预处理，以改善与ERA5风场的一致性。其次，利用三重碰撞分析量化各卫星传感器的随机误差，并基于此对小时内重叠的传感器数据进行误差加权平均融合，生成每小时集成风场。核心方法是基于多尺度金字塔Horn-Schunck光流算法，利用ERA5风场序列估算风场的平流轨迹，并将集成风场从观测时间反向平流校正至目标参考时间，最后通过时序优先级选择生成最终的高时空一致性MSWF产品。所使用的数据包括2022年的多种散射计、辐射计风场、ERA5再分析数据，并利用浮标和GNSS-R风产品进行验证。
2. 数据
研究利用了2022年的六种散射计风产品和多种辐射计风产品，所有数据重采样至0.25°网格。辅助和验证数据集包括ERA5再分析数据（0.25°空间分辨率和每小时时间分辨率）、浮标风测量数据以及独立的星载GNSS-R风产品（如CYGNSS和FY-3E GNOS-II）。ERA5的10米中性风被转换为应力等效风（SEW），以确保与卫星观测的物理一致性。
3. 方法
研究方法框架包括三个处理模型。模型1进行数据预处理，包括双线性插值重映射、偏差校正（BC）和通过三重碰撞分析量化传感器特定随机误差。模型2执行每小时集成，采用基于动态误差的加权方案，对每个小时区间内的MSWF进行集成。模型3应用OF-TDC，利用从ERA5推导的运动位移将每小时集成的风场对齐到一个共同参考时间，然后通过时序优先级选择生成最终的MSWF。
3.1. 偏差校正
为了提高MSWF之间以及卫星数据与ERA5风场之间的空间一致性，在OF-TDC过程之前对原始卫星风速应用了偏差校正程序。该方法构建了一个偏差校正查找表（BCLT），涵盖了0-30 m/s的风速范围。为了解决高风速下稀疏样本引起的统计不稳定性，设计了一个分层贝叶斯收缩估计器。采用可变带宽的LOESS技术来细化BCLT，确保跨风速梯度的连续性。为了防止高风速下的过度校正，引入了指数衰减函数来限制校正幅度。该方法使用两个不同的参考基线计算偏差，以减轻对单一来源的依赖性。
3.2. 卫星加权和集成
利用三重碰撞分析对单个卫星数据集进行误差表征，然后对落入相同小时时段内的观测数据，根据其固有误差（IE）指标进行加权平均，生成每小时偏差校正后的集成风矢量。
3.3. 基于光流法的时序位移校正
多尺度金字塔Horn-Schunck（HS）算法用于精确对齐MSWF数据的时间。该算法基于亮度恒定假设和平滑性约束，通过最小化一个包含数据项和平滑项的能量泛函来估算光流场。采用从粗到细的策略，使用高斯金字塔（深度为5层，尺度因子为0.5）来处理大位移。OF-TDC工作流程在一个离散的每小时框架内集成这些步骤。对于目标时间T前后3小时内的每个小时时段，利用ERA5风场序列，通过光流算法估算从观测时间（T+K）到目标时间（T）的运动位移向量，然后将卫星风矢量沿再分析流轨迹移动，得到在参考时间T的最终时间对齐的风场。此过程对所有6个小时时段重复进行。最后，应用时序优先级策略来合成时间T的MSWF：对于被多个对齐时段覆盖的网格单元，选择时间偏移最小的观测值。
4. 风场位移校正的验证
4.1. 卫星综合风场
融合框架在离散的每小时基础上运行，以确保与ERA5的一致性。散射计通常覆盖全球海洋的80%以上，加入辐射计后总覆盖率超过90%，显著增强了全球海面风场的空间覆盖。对单个传感器的统计评估验证了后续融合过程的数据质量可行性。偏差校正分析表明，校正后偏差明显向零收敛，显示出清晰的改进。尽管校正后偏差有所改善，但CSCAT在高风速状态下仍存在残余偏差，这归因于仪器不稳定性和2022年的时间校准漂移。辐射计在15 m/s以上显示出更强的偏差。通过三重碰撞分析得出的固有误差（IE）指标支持动态加权集成方案，该方案优先考虑散射计，辐射计风速作为补充数据，生成每小时集成的MSWF。
4.2. 对卫星综合风场的影响
在利用偏差校正和每小时IE加权集成构建MSWF后，应用OF-TDC来改善时间一致性。对北太平洋一个动态演变气旋的案例分析表明，OF-TDC消除了由时间混合引起的进入气旋眼的人为高风，锐化了低风眼结构，并减轻了传感器间时间间隙引入的模糊效应。全球评估通过根据时间偏移分选观测值来量化性能。结果显示，未应用OF-TDC时，这些分量的标准差（STD）随着时间偏移的增加而增加，而将OF-TDC应用于集成场则有效抑制了这种误差增长。OF-TDC显著减少了2小时和3小时偏移处的偏差，最大减少量分别为0.13 m/s和1.86°。该方法对风向的改善优于风速，增强了对流区域的空间连续性。与ERA5比较的概率密度函数（PDF）分布进一步验证了集成场。经过OF-TDC后，分布更加集中，STD降低。v分量对中高纬度天气扰动更为敏感，v分量校正的增强凸显了OF-TDC在捕捉动态过程（如中尺度扰动和锋面过境）方面的物理适应性。OF-TDC在缓解两小时以上的时间误差传播方面发挥了作用，通过结合时空位移指导，该技术增强了时间连续性并保持了物理合理性。
与浮标数据的比较评估表明，OF-TDC在年度和月度尺度上提高了风速和风向的准确性。校正后的结果误差更小，显示出改进的时间稳定性。风向的改善更为明显，校正后的结果在所有月份都优于未校正的结果，尤其是在初始偏差较大时。然而，OF-TDC引入的改进在全年来是稳定的，但其总体幅度仍然有限。这种有限的改进可能与OF-TDC对观测间时间偏移的敏感性有关。较大的偏移通常会导致更好的性能。在本研究中，大多数MSWF样本（约35%）落在0.5至1.5小时范围内，而只有约20%落在2.5至3.5小时之间，这略高于低于0.5小时的比例。这种分布主要源于优先考虑观测质量和反演精度的卫星数据预处理和选择策略，倾向于较短的偏移以确保集成风场的基线可靠性。因此，尽管校正方法在理论上对长偏移场景表现更好，但其实际效果受到此类样本比例相对较小的限制，削弱了整体评估的显著性。
该方法估算相邻时间之间的风位移，然而在1小时内的短偏移处，噪声主导了大气变化。这种光流矢量的不稳定性会增加误差。在这些短偏移处强制进行时间对齐可能会破坏固有的空间一致性并损害结构完整性。在3小时偏移处，改进变得更加清晰，风速偏差的STD降低了约0.03 m/s，风向降低了1°。从-3小时到+3小时的对称性表明类似的校正效果适用于时间对称集成。对齐分析表明，较长的偏移会增加未校正的误差，而校正后的场保持集中分布。虽然校正效果在1小时时最小，但在2小时和3小时时变得明显，尤其是对于风向。
为了评估OF-TDC的有效性，将应用和未应用OF-TDC的两个MSWF版本与浮标数据进行了比较。OF-TDC在4至20 m/s的范围内有显著改进，这是大多数风矢量所在的区域。风向在4 m/s以上的大多数风速下都有所改善，除了个别高速情况。该方法被证明对中等风最有效，而在极端条件下性能有限。光流敏感度以及ERA5和卫星风之间的大差异等因素降低了在极端情况下的可靠性。
5. 飓风和热带气旋期间的应用
基于上述分析，校正效果在不同风况下差异很大。该方法在中等风况下表现良好，但在极端风况下显示出有限的效用。此外，校正效果受到观测间时间偏移的强烈影响。热带气旋（TC）呈现出高度动态的结构，需要准确的估算来评估改进是否补偿了极端条件的局限性。分析了2022年大西洋飓风季的五个热带气旋案例。这些案例涵盖了从热带风暴到5级飓风的强度。案例包括飓风厄尔、菲奥娜、伊恩，以及热带风暴亚历克斯和邦妮（后者后来在东太平洋增强）。
OF-TDC校正后的风速显示出略高的相关性和0.03 m/s的偏差STD降低，表明对光流随机误差的适度控制。风向相关性从0.930提高到0.933，STD从17.57°下降到16.98°，显示出更清晰的改进。OF-TDC增强了MSWF与观测的一致性，特别是在强对流和复杂风下。
OF-TDC的校正效果表现出对时间偏移的强烈依赖性。在更宽的时间偏移（如±2和±3小时）下，风速误差的STD显著降低，表明OF-TDC有效缓解了由异步风场结构引起的位移误差。相比之下，在较短的偏移（如±1小时）下，变化不太明显，甚至在+1小时处观察到轻微的恶化，这是由于噪声的影响。对于风向，该方法在几乎所有偏移处都表现出更一致的改进。最显著的增益发生在+3小时处，STD误差从21.73°减少到20.28°，误差减少约6.7%。这种增强可能归因于热带气旋中风向的结构连续性以及浮标和ERA5方向观测之间的高度一致性，这有助于更可靠的光流位移估算。
对每个热带气旋案例在整个时间段内以及在不同时间偏移下，计算了MSWF与浮标观测偏差的STD。风速偏差平均有OF-TDC时为1.457 m/s，无OF-TDC时为1.471 m/s，减少了1%。风向偏差平均有OF-TDC时为17.40°，无OF-TDC时为17.79°，减少了2.2%。
热带风暴亚历克斯较弱，结构松散。风速偏差减少了0.22%，主要在±3小时偏移处，在1小时偏移处有轻微增加。风向偏差减少了1.74%，在±3小时偏移处显示出稳定的减少。短偏移或风的快速变化限制了校正效果。类似地，邦妮由于垂直风切变具有不对称结构。风速偏差减少了0.42%，在不同偏移处有±0.02 m/s的波动。风向改进最小，仅在+3小时偏移处为0.31°。较短时间间隔内连续的环境扰动降低了光流性能。
相比之下，飓风显示出更清晰的改进。达到二级飓风的厄尔，风速误差减少了1.25%，风向误差减少了4%，最大的改进发生在+3小时偏移处，风向改善了2.24°；微小的负偏差与短期结构变化有关。具有紧凑结构和清晰眼墙的菲奥娜实现了最显著的精度增益，风速误差减少了2.79%，风向误差减少了3.55%，特别是在+2至+3小时偏移处，风速改善了0.19 m/s。最强的风暴伊恩，在多个偏移处显示出风速误差减少0.4%，风向误差减少2.36%，其湍流结构有助于大尺度演化模拟，尽管快速的短期变异性偶尔会引入误差。
OF-TDC有效补偿了中至长期的风演化，而短期快速变化会降低性能。强且有组织的风暴显示出显著改进。弱或不对称的风暴显示出有限或负面的效果。
6. 讨论
6.1. 偏差校正
在偏差校正过程中，简单的偏差调整在高风区失败，原因是稀疏样本以及观测风和背景风之间的巨大差异，导致BCLT中的振荡和非物理校正。一种改进的方法解决了稀疏高速样本、大偏差波动和过度校正的问题。分层贝叶斯收缩估计器用区域先验加权局部观测。经验贝叶斯减少了均方误差，并提高了低样本条件下的稳健性。这稳定了高风偏移的BCLT校正。LOESS平滑抑制了振荡，同时保留了非线性风偏结构。指数衰减函数限制了高风中的校正，防止ERA5过度校正，并遵循柯尔莫哥洛夫湍流缩放。极端风校正在物理上是合理的。
6.2. 光流法
海面风显示出平滑的空间变化，卫星图像保持一致的结构。这些条件支持使用光流方法，因为它们有助于保持时间连续性和校正位移。然而，传统的光流方法仍然面临几个限制。背景误差协方差的表示是困难的。在异质区域保持气旋结构也具有挑战性。陡峭的风梯度和极端风事件会增加误差。
热带气旋分析显示了对时间偏移的明显依赖性。在1小时间隔处，随机观测噪声主导了微妙的物理位移信号，限制了校正效果。而在3小时偏移处，物理位移的影响允许OF-TDC有效捕捉大尺度运动。气旋中的快速强度变化经常破坏亮度恒定性，但结果表明，在3小时窗口内，校正空间错位比保持强度更重要。该方法显著减少了由系统平流引起的位置误差，在中等或长时间间隙中提供了比亮度假设损失更大的优势。未来的研究应通过涡旋依赖性背景误差协方差建模来解决这些问题，以改善物理一致性和泛化性。
6.3. MSWF OF-TDC在强降雨条件下的性能
降雨污染对微波遥感构成挑战。2022年9月在东太平洋区域（130°W至80°W，5°N至20°N）的比较分析评估了MSWF的稳健性。虽然ERA5作为一致的空间参考，但再分析数据在极端降水方面可能存在不确定性。因此，该分析侧重于MSWF相对于单个传感器的相对稳定性，而不是绝对精度验证。
虽然HSCAT-B在低降雨下表现良好，但在强降雨下性能显著下降，衰减导致风速误差上升，相关性下降。这反映了Ku波段信号的降雨衰减。相比之下，集成的MSWF在强降雨期间通过保持较低的风速STD误差和0.886的较高CC，表现出卓越的稳健性。至关重要的是，MSWF保持了风向一致性，STD误差为5.73°，这比独立散射计有显著改进。OF-TDC与未校正基线之间的边际统计差异表明，基础的多源加权融合有效减轻了混沌对流场中单传感器降雨污染。OF-TDC在此场景中贡献了适度的统计改进。这表明强降雨下稳健性的主要增强源于多源风产品的加权组合，有效减轻了单传感器污染。OF-TDC起辅助作用。虽然快速对流演化限制了基于平流的校正，但该方法仍然减少了方向方差，并保持了风场结构相对于时间错位的物理连续性。
6.4. 针对GNSS-R风速的验证
星载GNSS-R代表了一种独特的测量范式，采用双基前向散射几何结构。海面反射的导航信号被记录为延迟-多普勒图（DDM）。风反演依赖于通过经验函数或数据驱动反演从DDM推导出的粗糙度指标。这种测量物理与散射计的單基后向散射机制和辐射计的被动发射率传感形成对比。最近针对不同基准的验证证实GNSS-R风产品满足业务精度要求。此外，人工智能策略的出现显著提高了反演模型的精度。
CYGNSS凭借其低倾角轨道，在热带和亚热带海洋上提供高时间采样。互补地，FY-3E运行在极轨道上，利用多GNSS反射信号实现近全球覆盖。两者均在L波段频率运行，依赖于前向GNSS反射而非主动后向散射或热发射，使其能够作为真正独立的第三方参考。
为了评估MSWF，与GNSS-R产品进行了比较。最终MSWF OF-TDC与CYGNSS和FY-3E GNOS数据的密度等高线图显示整体一致性很高。尽管密度图主要由频繁的中等风主导，但分箱评估证实了有效匹配延伸到高风状态。MSWF OF-TDC在高风区间表现出优于ERA5背景场的稳定性。与CYGNSS的比较表明，在15至40 m/s范围内，OF-TDC差异的STD始终低于ERA5。类似地，与FY-3E的比较显示，在风速超过11 m/s时，OF-TDC的STD误差降低。这些结果表明GNSS-R提供了有价值的独立验证。未来的工作将探索将GNSS-R集成到融合框架中，以进一步提高时间分辨率。
6.5. 极端风重建的局限性
虽然OF-TDC方法有效校正了时间位移，但解析极端风强度的能力本质上受到输入卫星观测的限制。这种局限性在热带气旋中超过30 m/s的风速时尤为明显。大多数散射计和辐射计在强气旋的眼墙内倾向于饱和或受到降雨污染。对热带气旋案例的分析表明，重建的风场通常遵循可用传感器的强度。当存在L波段辐射计数据（如SMAP或SMOS）时，系统成功捕获了约45 m/s的较高风速。然而，在没有这些特定数据集的情况下，融合结果依赖于较低分辨率的背景场或饱和的散射计风。因此，与CYGNSS和IBTrACS等独立参考的差异是预期的。这些偏差反映了当前微波星座的局限性，而非光流方法本身。
7. 结论
多卫星观测提高了海面风场的空间和时间分辨率，但卫星过境时间的差异导致集成产品中的时间不匹配，限制了它们对中尺度和亚中尺度过程的效用。本研究提出了OF-TDC方法，利用ERA5再分析风场演化来估算风轨迹。该方法改善了风产品的时间对齐和物理一致性。在方法上，提出的混合偏差校正方法有效减轻了源特定偏差和回归稀释效应，为多传感器融合建立了稳健的基线。
OF-TDC方法针对不同的时间间隙、风速和热带气旋环境进行了测试。结果表明性能取决于时间间隙和风结构。在短间隙处，最小的风演化被观测噪声主导，限制了校正效果。中等和长间隙显示出清晰的动态信号，允许更好的时间位移估计和空间一致性。该方法在4至20 m/s的风速下效果最好。在非常弱或强的风下性能下降。热带气旋作为一个严格的测试平台。对2022年五个大西洋风暴的分析表明，强而紧凑的气旋允许更好的风校正，而弱或扩散的气旋显示出有限的改进。强降雨下的验证证明了卓越的稳健性，特别是在保持风向一致性方面，优于单个传感器。此外，与CYGNSS和FY-3E GNSS-R数据的独立比较证实了高物理可靠性，尤其是在高风状态下。
OF-TDC方法在为风场集成添加时间信息方面前景广阔，特别是在结构化和活跃的中等到强风中。性能取决于风环境、时间配置和算法设置。未来的工作应改进动态条件下的光流、模型误差传播，并将该方法与数据同化相结合，以增强动态风重建和
