基于FY-3E WindRAD散射计双频后向散射数据改进的海面风速反演方法

《Atmospheric and Oceanic Science Letters》：Improved sea surface wind retrievals from dual-frequency backscatter measurements of the FY-3E WindRAD scatterometer

　　方莉豆|向芳|王志雄|吕娜|赵珂|尚健|胡秀清|张鹏
中国气象局国家卫星气象中心（国家空间天气中心），北京，中国

**摘要**
WindRAD是搭载在FY-3E卫星上的首个能够提供同步C波段和Ku波段后向散射测量的 operational scatterometer。本研究评估了从双频观测中获取的海表面风产品的在轨性能。与其他旋转散射仪相比，WindRAD的双频观测几何结构通过利用互补的入射角度，有效缓解了单频散射仪在近天底区域的观测缺陷，提高了子卫星轨道区域的风速测量精度。与仅使用WindRAD单频测量获得的风速数据相比，双频观测结果受益于Ku波段和C波段测量数据的互补特性，以及更多的观测数据，从而提高了整体风速测量的准确性。此外，还进一步研究了降雨对风速测量的影响。研究结果表明，双频观测降低了对环境因素的敏感性，并为降雨特性分析提供了额外的潜力。总体而言，本研究利用首个 operational 双频散射仪，利用真实的在轨数据首次对双频测量的改进效果进行了定量验证。研究结果突显了WindRAD双频测量的能力与局限性，并强调了改进地球物理模型函数（GMFs）和联合反演方法的必要性，以提高跨频段的测量一致性。

**1. 引言**
卫星风速产品已被广泛应用于实时高影响天气检测、短期天气预报和长期气候监测等领域。世界气象组织（WMO）的全球气候观测系统（GCOS）强调了海表面风应力数据在监测海洋环流及其相关过程中的重要性（Zemp等，2021年）。星载散射仪是提供高质量海表面风速数据的重要平台，在过去几十年中经历了显著发展。所有在轨和退役的散射仪均工作在C波段或Ku波段，其天线设计主要是为了为每个风速矢量单元（WVC）提供多个方位角观测数据。主要的散射仪类型包括固定扇形波束天线和旋转笔形或扇形波束天线。值得注意的是，欧洲MetOp系列卫星上的Advanced Scatterometer（ASCAT）使用卫星两侧的三个固定扇形波束天线在C波段工作（Figa-Salda?a等，2002年）。相比之下，QuikSCAT卫星上的SeaWinds、印度Oceansat-2和SCATSAT-1卫星上的Ocean Scatterometer（OSCAT）以及HY-2系列卫星上的散射仪（HSCAT）则使用旋转笔形波束天线在Ku波段工作（Jiang等，2012年；Zhang等，2020年）。搭载在FY-3E卫星上的WindRAD是首个双频散射仪，它采用旋转扇形波束配置，能够同时进行C波段和Ku波段的后向散射测量并反演风速（Shang等，2024年；Liu等，2023年；Li等，2023年；Wen等，2025年）。

以往的研究已经广泛比较了不同频率散射仪的观测结果。不同任务之间的风速测量结果仍存在显著差异，这主要是由于仪器特性的差异，其中工作频率是一个主要因素。特别是在降水等恶劣天气条件下，C波段散射仪在海洋状态中等时表现良好，受降水影响较小，因此测量结果更为可靠（Portabella等，2012年）。相比之下，Ku波段测量对降雨更为敏感，这与瑞利散射理论一致（Van de Hulst，1957年；Tournadre和Quilfen，2003年）。因此，C波段风速数据常被用作Ku波段测量结果的参考（Zhao等，2023年）。环境因素（如海表温度SST和强风）的其他影响在Ku波段更为明显，尤其是在垂直极化情况下（Fernandez等，2006年；Wang等，2017年）。多项研究表明，由于频率不同，海表面风速测量结果确实存在差异（Bentamy等，2012年；Wang等，2019年）。然而，这些发现基于不同卫星平台上的单频散射仪观测数据。虽然Liu等（2019年）和Li等（2019年）通过模拟分析探讨了双频散射技术的潜在优势，但这些发现仍基于不同卫星平台上的单频观测数据或基于模拟的方法；尚未系统地使用实际星载双频测量数据来评估Ku波段和C波段数据的联合反演效果。本研究首次利用FY-3E WindRAD卫星的同步C波段和Ku波段观测数据，系统性地评估了双频测量的改进效果。与传统的卫星间比较方法不同，本研究通过一致的天线观测几何结构、校准和处理流程，清晰地分离了频率依赖性效应。基于真实观测数据而非模拟结果，我们揭示了双频联合反演的机制。此外，还探讨了双频信号在各种风况下对降雨特性分析的潜力，为风-雨联合反演提供了新的视角。

本文结构如下：第2节介绍了本研究使用的数据集，包括WindRAD L2风速产品和用于风速性能分析的多源数据集；第3节展示了评估结果及相关讨论，包括晴空条件下双频反演的单独WVC分析、整体偏差特征的统计分析以及降雨条件下的反演性能；第4节总结了研究结论。

**2. 数据集**
2.1. WindRAD提供的海表面风速数据
WindRAD是搭载在FY-3E卫星上的散射仪，该卫星于2021年7月5日发射，清晨05:30（东部标准时间）穿过赤道（Zhang等，2022年）。WindRAD仪器使用四个旋转天线，几乎同时获取Ku波段（13.256 GHz）的垂直（VV）和水平（HH）极化信号，以及C波段（5.4 GHz）的VV和HH信号（Liu等，2023年；Shang等，2024年）。本研究使用近乎实时的单频和双频WindRAD Level-2风速产品，这些数据是通过地面段处理链中的贝叶斯反演方法和2D-Var（二维变分）模糊消除方法从操作L1数据中获得的（Stoffelen和Portabella，2006年；Vogelzang等，2009年）。在风速反演过程中，采用了最大似然估计（MLE）函数，其定义如下：
(1) MLE = 1/N∑i=1N(σoi0 ? σsi0)Kp(σsi0)，
其中N是WVC中的有效测量数量，i是测量索引。测量的和模拟的NRCS（标准化雷达截面）值分别表示为σoi0和σsi0。Ku波段和C波段的NRCS模拟使用了NSCAT-4DS和CMOD-7地球物理模型函数，以及独立开发的C波段HH极化GMF。WindRAD的C-HH GMF是基于同步双频观测数据制定的，参考真值为SSMIS风速和ERA5再分析风速。采用CMOD-7框架和极化比（PR）方法（Horstmann等，2000年；Zhang等，2019年），通过拟合不同入射角、风速和方向的数据来分离风速依赖性和风向依赖性成分，并将这些PR特性与CMOD-7结合，得到最终的GMF。直接来自WindRAD L1数据集的雷达后向散射系数测量的标准差Kp被用于计算。L2数据包含C波段、Ku波段和双波段三种风速数据集；前两种数据分别从单频观测中获取，而双波段数据是通过联合双频反演获得的，其中所有经过质量控制的Ku波段和C波段测量数据被用于构建联合MLE。应用了NWP（数值天气预报）和NOC（海洋校准）方法（Verspeek等，2012年）来校正WindRAD L1 NRCS与海洋自然目标模拟值之间的差异，包括独特的相对天线方位角（天线方位角与卫星运动方向之间的角度）依赖的偏差（Shang等，2024年）。本研究使用了从2023年5月1日至2024年4月1日的更新版WindRAD L2数据（共11个月）。

2.2. 共址数据
2.2.1. ERA5提供的海表面风速数据
ERA5是第五代ECMWF全球气候再分析产品，提供了全球大气、陆地表面和海洋波的详细记录（Hersbach等，2020年）。ERA5的海表面风速数据以每小时一次的频率提供，初始时间分别为UTC 06:00和18:00，空间网格为31公里。ERA5风速数据被转换为应力等效风速，并线性插值到WindRAD的WVC位置。

2.2.2. IMERGE产品提供的降雨率数据
Level 3 Integrated Multi-satellite Retrievals（IMERG）的瞬时微波降水估计数据用于分析降水对WindRAD风速的影响。IMERG数据集提供了从60°N到60°S范围内每半小时一次、0.1°×0.1°网格化的降水估计值，这些数据来源于多个降水相关卫星和其他来源（Huffman等，2020年）。本研究使用了IMERG Final Run V07研究级产品。IMERG降雨数据与WindRAD测量数据通过5分钟的时间窗口和20/√2公里的空间阈值进行了共址处理。为了考虑降雨的非均匀分布，应用了半宽为20/√2公里的汉明滤波器来平均每个WVC内的降水数据。选择这种滤波器尺度是为了匹配WindRAD WVC的固有空间分辨率，可以在有效抑制噪声和小尺度波动的同时，保留真实的中间尺度风结构，避免过度平滑或过滤不足。

**3. 评估结果与讨论**
3.1. 单个WVC分析
为了分析双频反演机制，选择了代表性的天底、最佳观测位置和外围观测位置的WVC（2024年2月23日，轨道0042线上第461行的第35、17和4个WVC）进行详细分析。在典型的贝叶斯反演过程中，通过从0°到360°以2.5°为间隔采样风向，获得模糊的风向量解。对于每个采样方向，通过最小化MLE成本函数来确定唯一的风速。图1展示了仅使用Ku波段、仅使用C波段以及使用双频观测时，144个采样风向的风速模糊解及其对应的MLE值。成本函数最小值对应的风向量被视为反演结果。

**图1. 单个WVC反演的风速模糊解及其对应的MLE值。**
(a–c)显示了天底WVC的结果，(d–f)显示了最佳观测位置WVC的结果，(g–i)显示了外围观测位置WVC的结果。黑色乘号表示MLE值的局部最小值（模糊解），圆圈表示ERA5风向量。MLE曲线在最小值附近的曲率直接关系到反演精度：曲率较低表示对噪声的敏感度较高，识别正确风向的信心较低。如图1所示，仅使用C波段或Ku波段得到的MLE曲线在局部最小值附近相对平坦，而当结合两个频率时，曲率显著增加，特别是在天底和外围观测位置。这种改进主要归因于双频测量提供的加倍观测样本量，极大地丰富了单个WVC内的观测信息。因此，双频反演结果与模型参考值的吻合度更高。在不同横向位置上，双频观测增强了成本函数的曲率。然而，在最佳观测位置，由于观测数量更多和方位角多样性更高，改进效果不如天底和外围区域明显。这些结果证实，双频反演机制一致提高了所有横向位置的风速测量精度，尤其是在单频几何约束最严格的天底区域，效果最为显著。

此外，Ku波段的MLE值明显高于C波段的MLE值，这可以归因于Ku波段测量中的Kpc水平较低（Shang等，2024年）。因此，在联合反演中，Ku波段观测在组合成本函数中的权重更大，使得双频反演结果更接近Ku波段测量结果。这表明双频反演自然趋向于单频数据集，具有更高的观测精度。

3.2. 整体评估
使用大量共址ERA5风速数据（超过4亿个匹配对）评估了WindRAD L2产品中C波段、Ku波段和双波段风速数据的整体精度和误差特性。应用了WindRAD L2产品的质量控制（QC）标志来排除受地球物理或仪器噪声污染的样本。QC标志由风速反演过程中的标准化MLE残差确定（Portabella和Stoffelen，2002年）。根据这一标准，8.1%的Ku波段样本、6.3%的C波段样本和3.2%的双频样本被剔除。由于其更宽的入射角覆盖范围，C波段在Ku波段和双频结果不可用的扫描边缘区域仍能保持有效的反演。由于质量控制（QC）方案能够有效识别低质量的边缘数据，因此在排除这些边缘样本后，C波段的剔除率下降到了3.5%。由于散射计风速反演是一个过度确定的问题，可以使用最大似然估计（MLE）残差来进行QC，该残差理论上与WVC包含均匀风场的对数概率成反比。在降雨、海况不均匀或风速极端变化的情况下，MLE残差会显著增加。正如Portabella和Stoffelen（2002）所展示的，MLE残差可以有效检测由降雨、锋面、低空急流和海冰引起的异常，从而可靠地去除受污染的数据。对于FY-3E WindRAD的旋转扇形波束系统，本研究采用了一种基于经验MLE查找表的标准化QC方案，其中MLE值通过WVC指数、入射角、方位角和风速进行标准化以设定动态阈值。先前的研究表明，C波段风速反演通常只过滤掉不到0.5%的数据，而Ku波段由于对降雨更敏感（Wang等人，2020年），会剔除3%–6%的数据。WindRAD的Ku波段QC率略高于类似散射计，而C波段的QC率明显高于ASCAT。C波段剔除率升高与仪器噪声、一级产品精度和GMF性能有关，这些因素都会影响反演的不确定性。波段间差异的物理原因如下：C波段对降雨和其他环境干扰的敏感性较低，并且提供了更好的空间连续性，导致其固有的异常率低于Ku波段。然而，由于WindRAD的扇形波束设计，入射角较大的扫描边缘处MLE值会增加，而C波段覆盖的入射角范围更广，因此两个波段的总体QC率相似，C波段的QC率仅略低。

表1总结了统计结果，包括风速、风向以及u和v分量的偏差和标准差（SD），以及用于量化散射计风速矢量精度的矢量均方根（VRMS）。VRMS的定义如下：(2)VRMS=1/N∑iN[(uiWindRAD?uiERA5)2+(viWindRAD?viERA5)2]，其中u和v分别代表WindRAD和参考源（此处为ERA5）的纬向和经向风分量；N表示有效共位样本的数量；i是样本索引。如公式（2）所示，VRMS包括了风速和风向的均方根误差，全面表征了总的风速矢量误差。

表1. FY-3E WindRAD风产品的整体统计性能。

| 波段 | VRMS (m/s) | 风速 (m/s) | 方向 (°) | 偏差 | SD | VRMS |
|-----------|----------------|------------|-------------|-------------|-------------|
| C-band | 2.01 | -0.28 | 1.12 | 0.88 | 13.66 |
| Ku-band | 1.97 | 0.12 | 1.11 | 0.58 | 13.38 |
| Dual-band | 1.93 | 0.07 | 1.11 | 0.66 | 13.24 |

如表1所示，Ku波段和双频风速与ERA5数据的吻合度优于C波段风速，表明C波段反演的不确定性更高——这一结果与先前的研究一致。双频反演在大多数精度指标上也略有改进。此外，双频反演结果与Ku波段反演结果更为接近。这些结果的可能原因在第3.1.3节中进行了讨论。

3.3.3. 与CTI相关的误差特性

由于WVC在扫描带内的测量几何形状变化，旋转散射计风产品通常表现出跨轨道位置依赖性（Portabella和Stoffelen 2004；Wang等人2020）。跨轨道指数（CTI）用于表示WVC相对于扫描带中心的位置，以说明方位角的变化。图2展示了在不同CTI下WindRAD和ERA5风速差异的概率密度分布，显示了CTI依赖的风速误差，包括偏差、SD和VRMS。

对于C波段和Ku波段产品，风速偏差明显依赖于CTI，而双频反演在整个扫描带上显示出几乎恒定的偏差。就VRMS而言，它包含了风向误差，双频产品在近地面的VRMS值比C波段或Ku波段结果更小。这一改进表明，双频风速反演中独立的观测视角增加了，有效减少了近地面稀疏测量几何结构引起的风速矢量误差，如第3.1节所分析的。与其他现有的旋转散射计（Wang等人2020）相比，WindRAD的双频反演在近地面表现更强，CTI依赖的误差特性也更稳定。为了更好地量化扫描带内的性能变化，我们将扫描带分为三个区域：近地面区域（CTI 25–45）；最佳区域（CTI 11–24和46–60）；以及外扫描带区域（CTI 1–10和61–70）。评估显示，相对于C波段，双频反演在近地面区域的VRMS改进达到了7.17%，最佳区域为4.39%，外扫描带区域为2.60%。相对于Ku波段，相应的VRMS改进分别为7.47%、0.89%和0.79%。值得注意的是，近地面和外扫描带位置的改进似乎比模拟研究（Liu等人2019；Li等人2019）报告的更为明显，这可以归因于WindRAD特有的扇形波束配置。

3.4. 与降雨率相关的误差特性

正如先前研究所指出的，不同频率的散射计信号在降雨存在时容易发生失真。为了研究这些效应对双频反演的影响，本研究结合IMERGE降水数据分析了WindRAD风数据。为了研究风和降雨的联合效应，图3展示了不同风速和降雨率区间内WindRAD–ERA-5风速偏差的二维直方图。图3(a–c)显示了风速偏差，红色和蓝色分别表示正偏差和负偏差，代表了降雨对WindRAD风速反演的增强和减弱效应。为了确保统计可靠性，图中仅显示了包含超过50个样本的区间，因为样本过于稀疏可能会引入RMSE估计的不稳定性。与先前的研究一致，Ku波段受降雨的影响大于C波段。此外，双频结果显示出中等情况。在低风速下，降雨主要增强了WindRAD的风速，且这种增强效果随降雨率的增加而增加。随着风速的增加，减弱和增强效应趋于抵消，在15 m/s以上时减弱效应占主导，导致这个过渡阈值附近的净偏差最小。

图3. (a–c) 风速偏差，(d–f) 风向标准差，以及(g–i) VRMS作为IMERGE降雨率和平均风速的函数。风速区间为1 m/s，降雨率区间为1 mm/h。对于风速（图3(d–f)），分析集中在风速高于7.5 m/s的情况，因为即使在没有降雨的情况下，低风速条件也会导致较高的定向不确定性。强降雨会增加低风速和中等风速下的风向反演误差，尤其是在Ku波段。对于风速为6–7 m/s和降雨率约为10 mm/h的情况，Ku波段反演的RMSE超过了25°，而C波段和双频反演的RMSE约为20°；在晴朗条件下，RMSE降低到约13°。图3(g–i)展示了VRMS的变化——一个综合指标，反映了降雨条件下的风速和方向误差。频率带差异及双频反演的混合特性在VRMS分布中最为明显。显然，降雨对通过双频反演得到的风速矢量的影响明显小于Ku波段单频反演。双频反演对降雨的鲁棒性可以通过以下机制解释：C波段测量受降雨的干扰较小，其观测数据有效地抵消了降雨引起的Ku波段信号失真。在强降雨条件下（降雨率> 10 mm/h），双频反演的VRMS明显降低。

此外，利用Ku波段和C波段对降雨的不同敏感性，它们在受降雨影响的WVC上的观测差异提供了表征降雨信息的巨大潜力。图4中的等高线显示了不同风速区间内Ku波段和C波段风速的平均偏差和VRMS随降雨率的变化。结果表明，频率间风速偏差对降雨的敏感性受到背景海面后向散射的调节。对于风速低于15 m/s的情况，正偏差和VRMS随降雨率的增加而单调增加，直到15 mm/h为止，之后敏感性变得可以忽略。对于风速在15到21 m/s之间的情况，偏差和VRMS的敏感性都很小。当风速超过21 m/s时，负偏差也显示出对降雨强度的敏感性。因此，可以通过Ku-C风速偏差推断出15 mm/h以下和以上风速的降雨信息。当降雨率超过15 mm/h时，Ku-C波段风速矢量之间的VRMS可以作为降雨强度的有效指标，因为在这个范围内它仍然具有可测量的敏感性。然而，这种敏感性高度依赖于风速，且在超过15 mm/h时响应饱和，限制了其在强降雨条件下的应用。

4. 结论

本研究首次系统评估了同步双频散射计WindRAD。与单波段风速反演相比，双频风速受益于双波段的互补特性和大幅增加的独立观测数量，这显著提高了反演精度，特别是在近地面和外扫描带，这些地方的观测几何条件有限，降低了风向敏感性。总体而言，双频风速具有最佳的统计精度。WindRAD的观测还证实了降雨对不同波段的显著影响，与先前的研究一致。Ku-C波段风速偏差和VRMS能够为15 m/s以下和21 m/s以上的风提供有用的降雨信息指标，表明使用双频差异具有潜在的降雨检测能力。总体而言，WindRAD的准同步双频观测表明C波段风受环境影响较小。双频反演有效提高了产品精度，并降低了环境敏感性，同时为降雨特征提供了额外价值。在操作上，WindRAD的双频测量提高了风产品的精度和鲁棒性，尤其是在近地面和外扫描带，同时减少了环境和降雨的敏感性。这些优势直接支持了实时业务风监测、短时预报和数值天气预报（NWP）。尽管已经实现了初步的双频产品，但在GMF、联合反演算法和跨频率一致性方面仍需进一步改进。推进这些方面将对于充分发挥双频散射测量在海洋、天气和气候应用中的科学和业务潜力至关重要。

本工作得到了中国国家重点研发计划[项目编号2021YFB3900405]的支持。