1 引言

台风是发生在热带海洋上的强烈气旋性漩涡，常给受影响地区带来严重灾害.台风的生成和发展主要受不稳定大气初始扰动及海面热力条件等因素的影响，其路径和强度在短时间内均可能出现很大变化，经过地区会产生破坏力很强的大风、强降水等天气现象，因此船只、浮标等常规观测手段一般无法对台风进行捕获和跟踪观测.在气象业务中，常利用可见光和红外遥感手段，对台风温度场及云系特征进行观测和分析，估计台风发展状况和中心附近最大风速.由于云层的覆盖遮挡，可见光和红外等被动遥感均难以识别云层下海面的热力学状况，对台风在不同阶段的云水含量、降水强度、云水和水汽的分布及变化等要素探测能力有限.主动式卫星遥感是目前获取台风条件下大范围区域海面风场资料的主要手段，以QSCAT散射计为代表，可提供空间分辨率25 km，精度为1 m·s^-1(风速)、15°(风向)的海面风场产品，为科学研究和天气预报服务.

全极化微波辐射计是19世纪90年代中后期才发展起来的一种新的被动微波遥感技术，它的出现 打破了被动式卫星传感器只能观测海面风速、不能观测海面风向的局限，为被动式卫星遥感开启了崭新的应用领域.2003年，在NRL(Naval Research Laboratory for the U.S. Navy)、IPO(Integrated Program Office/NPOESS)和NASA(National Aeronautics and Space Administration)等机构的共同推动下，国际上第一个载有全极化微波辐射计WindSat的试验卫星Coriolis升空，用于验证全极化微波辐射传感器的可靠性，建立相应的海面风速、风向算法，为将来全极化微波辐射计的业务化运行提供依据(Gaiser et al., 2004).Coriolis卫星轨道高度为840 km，轨道倾角98.7°，重访周期为8天，升轨过境时间为地方 时18点.WindSat在10.7 GHz、18.7 GHz和37 GHz 频率上设置了全极化通道，测量对应于目标微波辐射4个Stokes参数的亮温，其首要应用是观测海面风场；在6.8 GHz和23.8 GHz频率上的水平和垂直双极化通道主要用来观测海面温度和大气水汽含 量，为利用全极化通道反演海面风矢量提供辅助资料.

微波具有能够穿透云盖、浓雾、降雨的特点，所以利用星载微波辐射计可以探测云以下大气和海表状况，是分析台风的一种有效手段.目前为止，在无降水情况下利用被动式微波传感器进行海面风速反 演，其精度可达到1 m·s^-1(Bettenhausen et al., 2006)； 一旦有降水出现，由于传感器定标精度的限制和风场反演算法的不成熟，原算法无法得到稳定的回归参数，导致风场反演无法进行，因此，NRL发布的WindSat风场、海面温度等产品中未包括云层较厚、降水强度较大等区域的产品数据.为弥补这一缺陷，Thomas Meissner和Frank J. Wentz提出可利用对风速敏感、受降水影响较小的通道组合方案，对降水条件下海面风场进行反演计算(Meissner and Wentz, 2009).全极化辐射计在短时间内获得全球大面积风场的同时，还可以获得大气云水含量、水汽含量和海表温度等环境场参数，是国际上星载微波遥感技术的前沿方向.开展深入的理论和数据处理研究，对于我国将来设计和制造自己的全极化辐射计具有重要的意义.

本文通过分析WindSat观测亮温在台风区域的分布特征，对利用全极化微波辐射计进行台风区域内海面风场反演的可行性进行了理论分析和验证，并在敏感性分析的基础上确定了反演使用的辐射计通道.在此基础上，设计和构建反演算法，在NRL针对WindSat发展的前向辐射传输模型FM(Forward Model)中加入了降水对大气透过率的影响，并利用台风区域实测数据对海面发射率经验校正系数进行了计算，为进行海面风场反演奠定基础.为提高海面风向反演准确度，本文设计了环境影响经验修正函数，对第三和第四Stokes通道亮温进行环境参数影响经验修正，突出海面风向的作用.在海面风场反演中，分别使用基于统计的多元线性回归算法和最大似然估计法，实现了海面风速和风向等其他物理要素的反演计算，并将海面风场反演结果与QSCAT散射计风场产品进行了对比.

2 数据来源

通过WindSat数据处理技术组(Cal/Val Science Team)，我们获得了JPL(Jet Propulsion Laboratory) PO.DAAC(Physical Oceanography Distributed Active Archive Center)下发的2003年11月至2004年12 月的WindSat传感器数据SDR(Sensor Data Record)、 环境数据EDR(Environmental Data Record)， 数据版本TDR(Technical Data Report)为146AFBBDA.其中，SDR为定标、定位、极化旋转校正等预处理后的传感器亮温，EDR为对应于SDR观测点的产品数据，主要包含晴空条件下海面风矢量产品，还包括其他产品如海面温度、大气柱中水汽总量、大气柱中云液态水总量和降水强度等.为了验证本文海面风场反演算法的准确性，选取PO.DAAC提供的QSCAT level 2B海面风场产品进行对比分析，两颗卫星间采用60 min的时间窗口和25 km的空间窗口进行数据匹配.

依据中国台风网报告，2004年我国以东太平洋面上生成热带风暴共30次.其中，0414号台风“云娜”风力强、雨量大、影响范围广，具有典型代表性.“云娜”于2004年8月6日上午在西太平洋关岛西北的洋面发展成热带低压，移动过程中强度不断增强，10日升级为台风，12日在浙江温岭登陆时中心气压为950 hPa，中心最大风力达12级.本文研究使用了2004年8月10日WindSat在“云娜”上方过境时的观测数据(轨道号为08262)进行个例研究，分析了反演结果准确度及误差空间分布特征.在此基础上，本文针对2004年出现的台风过程逐次进行了分析计算，并将海面风场反演结果与QSCAT产品作对比，以验证反演算法的精度及可靠性.

3 台风境内风场反演可行性分析

台风区的近海面风场按风速大小可分为三个区域：外围，自台风的边缘向内直到最大风速区，风速分布呈阵性，且风速向内增大；中圈，围绕台风眼的最大风速区，通常与围绕台风眼的云墙区相重合；内圈，在台风眼区，风速向中心迅速减小.海面风速的不均匀分布会影响海面粗糙度，使海面发射率发生变化，反映在全极化微波辐射计测量结果上，表现为辐射计观测亮温的不均匀分布(图 1).另外，由于风向引起的海面粗糙度的各向异性，表现为海面反射率的各向异性，因此在不同的相对风向角条件下卫 星测量的全极化辐射值是不同的.台风的切线风向沿台风一周变化约为360°，某区域和另一区域的相对风向角差别可达180°，根据电磁辐射理论，这使得目标电 磁辐射的第三和第四Stokes参数 T₃和T₄ 出现正负符号变化，WindSat实测数据也证实了这一点(图 1).

在图 1所示的WindSat 10.7 GHz各极化通道亮温图像中去掉了陆地、海岸和近海岸数据，仅保留下垫面标识为海洋的亮温图像，这是由于近海岸水体和远离海岸的水体的运动学特征存在差异.受海岸轮廓及海底大陆架对水体运动的影响，在近海岸处无法利用全极化微波辐射计进行海面风场反演.由图 1可以看出，WindSat水平极化通道亮温 T_h 的分布特征与垂直极化通道亮温 T_v 类似，数值略小.从 T_v 和 T_h 的分布图像可以清晰地看到：在台风风速逐渐增大的外围区，WindSat观测亮温随着海面风速的不连续变化而变化；在围绕台风眼的中圈，由于高风速引起的海面粗糙度很高，WindSat观测亮温值也很高；在台风眼区域，WindSat观测亮温随海面风速的减小而迅速减小，台风眼的位置在亮温图像上明确地被显示出来.由10.7 GHz交叉极化通道(第三和第四Stokes极化通道)亮温图像可以看出，随相对风向角的变化， T₃和T₄ 的符号及大小存在周期性变化.由此可见，各极化通道的亮温特征包含了海面风速和海面风向信息，可通过选择观测通道，构建反演算法，将台风区域海面风场反演出来.

4 台风境内风场反演个例 4.1 反演流程

目前为止，利用全极化微波辐射计观测亮温进行海面风场反演的算法可以分为三类：统计算法、半统计算法和物理算法.统计算法是从辐射计亮温和现场测量地物参数推导出经验关系式，例如多元线性回归算法或改进D矩阵算法(Goodberlet et al., 1990)，可以对除海面风向外的其他物理因素如海面风速、海面温度、大气水汽等进行反演，为海面风向的反演提供必要的环境场.半统计算法又称物理统计法，与统计算法的不同之处在于回归时使用辐射传输模型计算来仿真亮温，例如最大似然估计法MLE(Maximum Likelihood Estimate)，一般用来进行海面风向反演(Meissner and Wentz, 2005)，也可同时进行海面风向和风速的联合反演，但进行联合反演时风向和风速的反演精度会互相制约.物理反演算法是Wentz(1992)提出的，其本质是非线性方程组的求解问题，反演的准确及效率取决于地物模式的准确性和方程组解法的有效性.

在以上三种方法中，统计方法在大气参数和海面温度的反演方面已经获得广泛应用.本文中将利用统计方法反演大气水汽含量、云中液态水含量、海面温度和海面风速4个物理量.在海面风向的反演方面，迄今为止多采用物理统计法进行，即在计算中利用全极化微波辐射传输正演模型来模拟亮温进行迭代.由于正演模型输入需要大气和海面各部分参数，所以在使用物理统计法反演海面风向之前，需要先对模型输入量进行反演或估计.另外，为了去除大气和下垫面对海面风向测量通道 T₃和T₄ 的影响，提高海面风向反演精度，在进行海面风向反演之前对辐射计观测亮温加入了大气和海面环境影响经验修正.反演的整体流程如图 2所示.

具体来讲分为以下几个步骤.首先，利用统计方法反演计算海面风速、海面温度、大气水汽和云中液态水含量；第二步，对第三和第四Stokes通道亮温进行大气和海面环境影响经验修正，突出海面风向的作用；第三步，将反演结果作为正演模型输入量的一部分，利用最大似然估计法反演计算海面风向；第四步，采用中值滤波的方法，在几个最大似然解中选取风向的最优估计值；最后，将风场反演结果和大气 参数反演结果输入正演模型，结合最大似然估计法进行海面风向迭代反演，若相邻两次风向迭代反演结果小于规定阈值，即作为风场最终反演结果输出.

4.2 基于敏感性分析的通道选择方案

全极化微波辐射计观测亮温包含海面风场信息，可对全极化微波辐射计相对于大气和海洋等物理参数的敏感性进行分析，考察辐射计的哪些通道对哪些物理因素较为敏感，为反演海面风矢量、海面温度、水汽等重要物理因素时通道的选取提供理论支持，并为去除大气水汽和云中液态水、降水强度等在海面风矢量反演中的不利影响，提高海面风矢量反演精度奠定基础(严卫和王蕊, 2007).

同样的背景条件下，不同观测频率上环境要素对海面风向信号的干扰程度是不同的.由于高频率通道亮温对海面风速的敏感性要高于低频通道(Wentz, 1983)，所以以往的研究者通常使用18.7 GHz和37 GHz进行无降水情况下风速的反演.但是，微波辐射计亮温除了受到风引起的海面粗糙度的影响外，还受到海面温度、大气状况等因素的影响，高频通道的大气透明度明显低于低频通道.在降水条件下进行海面风场反演时，采用高频通道将带来较大反演误差.

以水汽含量对微波辐射计接收亮温的影响为 例，假设背景条件为6 mm·h^-1中等强度降水，海 面温度301 K，垂直气柱上云中液态水含量为0.26 mm， 海面风速13 m·s^-1，观测方向与实际风向的相对风向角为45°，当大气水汽含量发生变化时，各通道将受到不同程度的影响(图 3).

如图 3a、3b所示，观测频率较高时， T_v和T_h 随水汽含量的增加将明显增大，海面风速信号在一定程度上会被掩盖.通过对台风区域WindSat不同频率实测亮温的空间分布特征进行分析(图 4)，也能得出同样的结论.

通过对比分析WindSat 10.7 GHz、18.7 GHz和37 GHz T_v 图像，可知在云覆盖或降水条件下，高频率通道卫星观测亮温受到大气环境的影响更为明显，37 GHz上 T_v 在台风眼区周围因云和降水而几乎饱和(图 4c)，若利用此通道进行海面风速反演，反演误差必然较大.因此，在进行高水汽含量的台风区域风速反演时，在同水平定标精度等情况下，应尽量避免选取使用高频通道.基于上述分析结果，本文选择利用6.8 GHz和10.7 GHz通道进行海面风速反演.

对于海面风向观测而言，虽然相对风向角未变化，但随着大气水汽含量的变化，交叉极化通道的观测亮温 T₃和T₄ 仍会产生很大变化，并且变化幅度随观测频率的增高而增大(图 4c，3d).为了避免高频通道上云和降水带来的影响，本文利用10.7 GHz单频率交叉极化通道结合MLE法进行海面风向反演，并设计了大气和海面环境影响经验修正函数，去除该通道上环境大气的亮温贡献，突出海面风向的作用，以提高反演精度.

4.3 反演算法实现 4.3.1 扩展辐射传输正演模型

基于物理统计法进行海面风向反演时，需要使用全极化微波辐射传输正演模型来模拟亮温进行迭 代，因此正演模型的准确程度直接关系到最终 反演结果的准确度.以往常用的微波辐射传输模式如MODTRAN(MODerate resolution atmospheric TRANsmission)、LBLRTM(The Line-By-Line Radiative Transfer Model)、CRTM(Community Radiative Transfer Model) 等均不包含对目标微波辐射传输的全极化描述.为了适应WindSat观测海面风场的任务需求，NRL构建了晴空条件下针对WindSat的前向辐射传输模型FM(Forward Model)，计算物理统计反演法中所需的通道仿真亮温.2005年11月至今， EUMETSAT NWP SAF (Satellite Application Facility on Numerical Weather Prediction)发布了快速辐射传输模式RTTOV(Radiative Transfer for TOVS) 8.7起系列版本，包含对全极化微波辐射计WindSat 的模拟计算.本文研究使用的辐射传输正演模型基于参数化模型NRL-FM(Wang et al., 2005)，为使辐射传输模型能够在非晴空条件下使用，在大气部分加入了降水对大气透过率的影响，扩展后的正演模型框架如图 5所示，输入量为海面温度、海水盐度、入射角、海面风向、海面风速、观测频率及极化方式、水汽含量、云中液态水含量、降水强度等，输出量为 星载全极化微波辐射计仿真亮温.在此基础上，利用 选用的台风区域内WindSat EDR、SDR数据及LBLRTM 模式、RTTOV模式等对模型中的部分参数重新进行了拟合.

按照极化辐射传输理论，星载全极化微波辐射计接收到的亮温可表示为(Wang et al, 2005)：

其中 T_p(p=v,h,3,4) 为某频率上卫星接收到的亮温，下标p表示通道极化方式， T_up、T_down 分别为上行大气辐射亮温和下行大气辐射亮温， τ 为大气透过率， e_p、r_p 分别为海面发射率和反射率， T_s 为海面温度、 Ω 为下行大气辐射校正系数， Tc 为宇宙背景温度(约2.7 K).该模型主要包含大气和海面两个部分，采用单层大气模型和参数化算法，并且加入了海面散射角修正 Ω 和海面发射率经验修正，解决 τ、T_up、T_down、e_p、r_p 等参数关于模型输入量的计算问题.

在1～37 GHz，即使有云或中等强度的降水，大气也是相当透明的，吸收成分主要为O₂和H₂O，大气透过率 τ 可用垂直方向上总的氧气吸收系数 A_O、 水汽吸收系数 A_v、 云中液态水吸收系数 A_L 和降水衰减系数 A_R 在观测角 θ 路径上的投影量来计算：

其中 A_O、A_v和A_L 是水汽含量V和云水含量L的函数，参数化算法系数的拟合基于大气吸收的LBLRTM模式.台风区域一般伴随着厚云层及强降水过程，因此我们在观测路径上加入了降水带来的衰减A_R.当满足(a)T^{37 GHz}_v－0.979×T^{37 GHz}_h<55.0，(b)1.175×T^{18.7 GHz}_v－30.0>T^{37 GHz}_v，(c)T^{18.7 GHz}_h>170.0，(d)T^{37 GHz}_h>210.0条件之一即判定存在降水(JPL, 2006)，此时， A_R 与降水强度R有关.

上下行大气辐射用大气有效辐射T_eff 的透过量表示：

其中T_eff 是关于T_s和V等环境物理量的函数(Wang et al., 2005)：

海面部分的模拟核心内容为粗糙海面发射率的计算.当海面风速达到20 m·s^-1时，超过三分之一的海面上覆盖有白水泡沫(Steven et al., 2004)，泡沫表面比无泡沫表面具有更高的微波发射率，其影响和粗糙表面的影响一样重要.假设观测视野内泡沫是随机分布的，假设其发射率为1，泡沫覆盖率为F，那么整体海面的发射率e_p可以表示为：

其中 F 使用Monahan(1986)泡沫模式：

e^w_v,h 是与风向无关的海面发射率，包含与风速无关和与风速相关两部分，即平静海面发射率 e⁰_v,h 叠加风速 w 的影响：

平静海面发射率 e⁰_v,h 可以通过计算平静海面反射率 r⁰_v,h 得到.根据Ellison的介电常数模式模拟海面温度t范围-2～32 ℃、盐度s范围29‰～37‰，利用Fresnel反射定律，计算平静海面反射率为(刘璟怡等, 2007)：

其中， Θ=(t+c_r8)/c_r9，t=T_s-273.16 K.

e^φ 是风向 φ 引起的海面发射率的变化(Wang et al., 2005)：

式中 a_p 为一阶谐波系数， b_p 为二阶谐波系数(Wang et al., 2005)：

由于海面粗糙作用的影响，下行大气辐射在海面处会产生向各个方向的散射，在一定的角度范围内，海面上小于或大于入射角的微波辐射均可能会到达星载全极化微波辐射计天线，该影响由下行大气辐射校正系数 Ω 进行修正. Ω 的本质是实际海面散射的大气下行辐射和在近似入射角上海面反射大气下行辐射的比值，可由海面坡度方差 σ 和大气光学厚度A计算(刘璟怡等, 2007)：

其中 G(σ)=g₀+g₁σ+g₂σ²，A=－lnτ/secθ，σ²=5.22×10^－3[1－0.00748(37－ν)^1.3]w，g_i(i=0,1,2) 是利用RTTOV模式拟合的经验系数， ν 是入射频率.

为减小模型整体误差，参考Michael等(2004)使用2003年9月至2004年2月的WindSat亮温资料研究发展的对风成海面发射率的修正方案(Wang et al., 2005)，对垂直极化和水平极化通道采用各向同性的经验修正形式，对交叉极化通道采用谐波形式的经验修正(式(13))，系数 c_ei(i=0,1,2,3) 使用2004年8月份的WindSat亮温数据重新进行拟合得到(表1).

4.3.2 环境参数反演及影响修正

在利用星载微波辐射计垂直和水平极化通道亮温进行大气参数的反演时，多采用线性统计回归算法(Wentz, 1999)：

其中， R 和 J 是线性函数. P_j=T_s,V,L,R 表示反演的参数.下标 i 代表辐射计的通道，下标j代表要反演的参数， J (TB) 在该算法中有两种形式： J (TB)=TB和 J (TB)=－ln(290-TB). 通过对 J (TB) 各组合形式反演准确度进行对比，我们选定仅对于37 GHz通道采用后一种线性形式进行计算，即最终的统计回归算式为：

利用该算式可进行海面温度、大气中水汽含量、云中液态水含量以及降水强度等反演计算.通过选取样本进行回归分析，得反演系数(表2).利用卫星观测亮温，对台风区域内所有样本点进行统计反演，可得区域内各物理要素场的分布情况(图 6).

从反演结果可以看出，台风区域海面温度因降水的作用在整体上低于周围海域，但在台风中圈存在一个明显的暖涡结构(图 6a箭头所示)，并且台风周围大范围水汽含量很高(图 6b)，在底层风场的作用下水汽不断地被输送到台风内部，此刻台风正处于旺盛发展阶段，强度将会进一步加强.

除用于对台风状况进行定性分析外，环境场要素反演结果的另一个重要用途是对交叉极化通道观测亮温 T₃和T₄ 进行大气和海面环境影响经验修正.无论理论分析还是实际验证均表明，WindSat各频率交叉极化通道测量的亮温除了随海面风向的不同而发生变化以外，还随着大气水汽含量 V、云中液态水含量L、海面温度T_s、降水强度R 等不同而发生变化.因此， T₃和T₄ 不仅包含了海面风矢量的信息，还包含了大气和海洋的其他物理信息，而后者对于海面风矢量的反演来说是一种干扰因素.为了消除其他物理因素的影响，在此设计一个修正函数 f(T_s,V,L,R)，将T₃和T₄ 加上该函数，可以达到大气和海面修正的效果.

数值试验证明，使用修正后的 T₃和T₄ 进行 海 面风向反演可使反演误差减小10°左右.修正函数系数 由正演模型结合敏感性分析结果得来，具体见表3. 4.3.3 海面风场反演

进行海面风速反演，可考虑单层大气模型，假设 Ω=1，TC=0， 将大气温度用等效温度T_eff表示，认为 T_s=T_eff， 则星载全极化微波辐射计垂直通道和 水平通道观测亮温可以由方程(1)和(4)推导简化为：

将 τ²和T_eff 看作未知数，可得：

可以看出，若考虑使用 λT_v－T_h 极化通道组合形式，当选择参数 λ≈R_h/R_v， 在辐射传输模型中大气透过率 τ 的贡献可以消除.通过对WindSat各频率及其对应的入射角计算， R_h/R_v 值位于1.5~ 1.8之间(Meissner and Wentz, 2009)，使用6.8 GHz和10.7 GHz通道进行海面风速反演可采用统计回归法：

通过计算获得的系数分别为：c₀=352.75，c₁=0.20，c₂=-2.33，λ₁=1.65，λ₂=1.56， λ 符合统计特征范围，海面风速的反演结果如图 7所示.与空间间隔不大于25 km、时间间隔不超过60 min的散射计QSCAT风场产品相比，风速反演均方根误差为1.74 m·s^-1.

利用WindSat亮温进行海面风向的反演一般采用物理统计法进行，在各种物理统计反演方法中，MLE法具有更深刻的理论基础.以前MLE法常用于散射计海面风场的反演(解学通等, 2005)，但是通过研究发现，这种方法同样可以用来进行全极化微波辐射计风场的反演.

WindSat接收到的亮温 T ^*_B 由两部分组成：

其中， T ⁰_B 定义为理想全极化微波辐射计(无噪声)在 同样条件下的测量亮温，即真实值； ε ^* 代表相同条件下的随机噪声.

另一方面，采用正演模型对真实值 T ⁰_B 进行模拟时也存在误差，记为模型误差 ε ^M，则 T ⁰_B 和模型预测值 T ^M_B 之间的关系为：

随机噪声 ε ^* 满足高斯分布，是辐射计带宽、积分时间、接收机噪声和稳定性等的函数，其均值为0，方差是辐射计设计参数的函数.模型误差 ε ^M 包括由于各种变量引起的微波热辐射扰动和模型局限性带来的影响，也可以看作一个均值为0、方差依赖于真实风矢量和辐射计参数的高斯分布.对于给定的风向 φ， 卫星测量值 T ^*_B 相对于模型预测值 T ^M_B 之间的残差R可以定义如下：

由于仪器噪声和模型误差相互独立，显然残差也满足高斯分布.假设某个地面单元内有N个近似同时间、同地点的亮温测量值，所有这些测量值对应于一个未知的风向 φ ，而每个测量值所对应的残差是相互独立的，那么这些残差的联合条件概率密度函数可写作：

式(23)即似然函数表达式，其最大似然解对应于风向的最佳估计值 φ. 对似然函数表达式两边取自然对数，得到最大似然估计风向反演的目标函数：

由上述的推导可知，MLE法反演海面风向实际上是寻找最佳风向的估计值，使目标函数 J_MLE 取得极小值.

理论上， J_MLE 的全局最小值应对应于真实风向的最佳估计值.但实际上，由于正演模型本身的局限性及辐射计各种测量噪声的影响，真实风向的最佳估计值可能对应于 J_MLE 的局部极小值.风向反演结果去模糊考虑风场的连续性，使用中值滤波的方法进行，从若干个 J_MLE 的局部极小值对应的风向中选取出风向的最佳估计.使用未经环境修正的SDR进行海面风向反演时，风向反演结果与散射计QSCAT风场产品相比均方根误差为30.71°，使用 修正后的SDR进行反演，风向反演精度提高到18.56°， 风场最终反演形态见图 8.

通过对反演误差在台风区域的空间分布情况(图 9)进行分析，可以看出海面风速和海面风向反演误差的空间分布特征是不同的.对海面风速而言，台风中圈对应的区域反演误差较大，这主要是由于台风中圈最大风速区通常与围绕台风眼的云墙区相重合，云墙和强降水表现出的亮温增强信号与高风速引起的亮温增强信号混淆在一起，导致海面风速反演结果与实际值出现较大偏差.对海面风向而言，反演误差较大的区域主要集中在相对风向角0°~ 10°、160°~200°和350°~360°区域内，这是由于交叉极化通道亮温 T₃和T₄ 在该角度区间内测量值一般小于0.2 K，观测值被测量噪声淹没，导致无法反演出正确的海面风向.

5 反演算法可靠性验证

为验证本文算法的精度及可靠性，我们依据中国台风网对2004年度台风的837个时次记录，共寻 找到1013轨WindSat过境数据(包含升轨和降轨数据)，其中851轨因WindSat和QSCAT在以台风眼为中心的15°×15°台风区域内匹配观测数据量小于1000未采用，实际使用量为162轨(表4)，对各台风过程海面风场反演误差的统计情况见表5.

对2004年各台风过程进行分析计算，并将反演结果与QSCAT风场产品进行对比，海面风速和海面风向反演的均方根误差分别可达1.64 m·s^-1和18.02°.在参与计算的数据资料中，90%左右数据点风速反演误差小于2 m·s^-1、风向反演误差小于20°.通过对比分析可知，在海面风向反演计算前，采用本文设计的经验修正函数对 T₃和T₄ 通道观测亮温进行环境影响修正，可使风向反演精度提高10°以上.

6 结论

与传统的双极化微波辐射计相比，全极化微波辐射计的突出特点在于其可以提供包含海面风向在内的海面风场矢量信息，打破了传统微波辐射计只能观测海面风速的局限，是被动微波遥感领域新的发展方向.全极化微波辐射计相对于可见光、红外遥感及传统双极化微波辐射计而言，可以穿透云盖和降水，获取海面风场资料，为在台风等恶劣天气条件下进行海洋遥感提供了有效方法.

本文通过选取6.8 GHz和10.7 GHz低频通道 组合形式，基于交叉极化通道亮温 T₃和T₄ 的风向特征，利用全极化微波辐射计WindSat实测亮温，实现了台风区域海面风场反演，90%左右数据点能达到风速反演误差小于2 m·s^-1、风向反演误差小于20°的要求.反演结果可用于对台风底层海面附近最大风速及风场分布情况进行定量分析，以确定台风强度、发展状况等信息，也可作为数值预报模式的有效输入量，弥补台风区域其他观测手段的对于海面风场要素观测的局限，提高危险天气的观测和预报能力.

相对晴空条件而言，在台风等复杂天气条件下进行气象要素的微波遥感探测是困难的.随着云滴粒子和降水粒子半径的增大，大气对微波的衰减更为明显，忽略大气散射带来的误差将越来越大，最终影响产品精度，造成台风中圈的风速反演结果与实际值出现较大偏差.另外，由于云和降水等因素的影响，在复杂天气条件下准确地进行微波辐射亮温的正演仿真是很困难的，在特定的相对风向角区间内交叉极化通道的观测值将被测量噪声和模型噪声掩盖，使海面风向反演结果误差增大.本文通过设计经验修正函数，对第三和第四Stokes通道观测亮温进行环境影响修正，在一定程度上减弱了环境因素对海面风向反演精度的影响，使风向反演精度提高10°以上，为将来提供高质量的全极化微波辐射计海面风场产品奠定了基础.

致谢 感谢PO.DAAC提供的WindSat实测数据支持了本文的研究.