《IEEE Geoscience and Remote Sensing Magazine》：Monitoring Ocean Surface Current From Spaceborne SAR Doppler Shift
编辑推荐：
本文系统回顾了过去三十年间利用星载合成孔径雷达(SAR)多普勒质心异常(DCA)方法反演海表流(OSC)的研究。为解决高精度、全天候海表径向流监测难题，研究人员梳理了海流遥感成像机理、DCA估计、非地球物理校正及风浪诱导虚假表面流速(WASV)的校准等关键议题，并利用Sentinel-1 L2 OCN-RVL产品与高频(HF)雷达数据验证了该方法的流程与适用性。研究指出，提升极端海况下地球物理模型函数(GMF)性能、重构二维OSC矢量及协同多任务卫星观测是未来重点，而数据驱动AI技术的应用与挑战亦被讨论。该综述为发展近实时高精度OSC产品提供了重要参考。
广阔的海洋表面，看似平静，实则暗流涌动。精确掌握海表流(OSC)的动态，对于航海安全、海洋资源开发、环境监测乃至全球气候变化研究都至关重要。然而，传统的海洋观测手段，如浮标、船只测量，往往成本高昂、覆盖范围有限，且难以应对恶劣天气。于是，科学家们将目光投向了太空。星载合成孔径雷达(SAR)凭借其高分辨率、全天时、全天候的对海观测能力，成为了监测海洋表面状态的利器。其中，SAR系统记录的多普勒质心(DC)信息，蕴藏着海面运动的速度线索，为遥感反演海表径向流提供了可能。这一方法被称为多普勒质心异常(DCA)法。尽管该概念已提出数十年，但其从理论到业务化应用的完整链条中，仍存在诸多机理、校正和验证方面的挑战。为了系统梳理这一领域的发展脉络，明确未来方向，研究人员在《IEEE Geoscience and Remote Sensing Magazine》上发表了一篇综述文章，对过去三十年利用SAR多普勒频移遥感海表流的研究进行了全面回顾。
为开展这项综述研究，作者主要基于对大量已有文献的系统性梳理与整合，并辅以Sentinel-1 Level-2海洋径向流速(S1 L2 OCN-RVL)产品与高频(HF)雷达现场观测数据的对比分析，来具体说明DCA方法的工作流程与实际应用表现。研究并未涉及具体的实验样本队列或湿实验操作。
雷达遥感海流的成像机理
该部分阐述了海洋表面流如何影响SAR信号的多普勒频移。海表流会改变布拉格(Bragg)散射波的相位速度，从而在SAR图像的多普勒质心中产生可探测的异常(DCA)。然而，这个异常信号是海流径向速度与风浪诱导的虚假表面流速(WASV)共同作用的结果，后者源于风应力产生的波浪运动，是反演真实海流的主要干扰源。
多普勒质心估计
精确估计SAR图像的多普勒质心是DCA方法的第一步。文中讨论了多种估计技术，包括基于杂波锁定的方法、基于图像对比度最大化方法等，并分析了不同方法在精度和计算效率上的权衡。
非地球物理校正
在从原始DC值中提取地球物理信号前，必须去除各种非地球物理因素引入的偏差。这包括精确的轨道和姿态校正，以消除卫星平台自身运动和姿态变化对多普勒中心频率的影响。
风浪诱导虚假表面流速的估计与校准
这是DCA方法的核心与难点。研究人员需要从观测到的总DCA信号中分离并扣除WASV的贡献。这通常依赖于地球物理模型函数(GMF)，该函数建立了WASV与海面风场、波浪场参数（如风速、风向、有效波高）之间的统计关系。文章的讨论涵盖了不同GMF的发展、局限性及其在不同海况下的适用性。
基于Sentinel-1 OCN-RVL产品的示例
文章以欧空局哨兵一号(Sentinel-1)卫星提供的业务化二级海洋径向流速产品为例，结合与之同步的美国高频(HF)雷达网络观测的海表流数据，具体展示了DCA方法反演径向海流速度的完整流程，并评估了其精度和适用性。该示例验证了当前业务化产品在一定条件下的可靠性。
未来展望与挑战
文章最后指出了该领域未来的重点研究方向。首先，需要提升现有地球物理模型函数(GMF)在极端海况（如飓风、高风速条件）下的表现。其次，当前DCA方法主要提供沿雷达视线方向的径向流速，如何利用多角度观测或结合其他数据源（如散射计、高度计）来重建二维全流速矢量是一个关键挑战。第三，倡导协同利用多任务、多传感器的卫星观测数据，以弥补单一传感器在时空覆盖和观测维度上的不足。此外，数据驱动的人工智能(AI)技术已被证明能提升海表流反演的精度，但其稳健性仍受限于稀缺的现场观测数据、不足的物理约束以及模型固有的不确定性。最终，开发出近实时、高精度的业务化海表流产品，仍然是SAR多普勒遥感领域面临的一项持久挑战。
综上所述，这篇综述系统性地总结了利用星载SAR多普勒频移反演海表流三十年的研究进展。它清晰地阐述了从雷达成像机理、数据处理（DC估计与非地学校正）到核心地球物理信号（WASV）校准的全链条关键技术，并通过实际数据验证了方法的可行性。研究明确了未来需要在改进极端海况模型、重构二维流场、融合多源观测以及审慎发展AI应用等方面继续努力。这些工作对于最终实现可靠、业务化的全球海表流实时监测具有重要的科学意义与应用价值，将为海洋科学研究、海上作业安全和气候变化理解提供更强大的数据支撑。
