2019, Vol. 49
2. 青岛海洋科学与技术试点国家实验室，区域海洋动力学与数值模拟功能实验室/“观澜号”海洋科学卫星工程部，山东 青岛 266237
海洋科学是一门基于观测的数据密集型学科。海洋卫星遥感以其大面积、准实时、连续观测的综合优势，是20世纪后期海洋科学取得重大进展的最主要技术手段。据作者统计，近20年来在Science、Nature期刊发表的涉海文章中近一半都与卫星遥感相关。进入21世纪，随着海洋科学在卫星计划中的主导地位不断增强，研制专门的海洋科学卫星正日益成为各国重点发展的方向。
海洋科学卫星一般以重大科学任务和科学目标为牵引，以探索科学前沿和追求科学发现为驱动，由海洋科学家和科学组织发起推动，具有开创性、引领性和突破性作用，对海洋科技原始创新能力和科技水平的提升具有不可替代的作用，是新科学、新技术、新产业得以涌现和发展的源头之一，是海洋科技领先的集中体现和重要标志。
1 海洋科学卫星发展 1.1 海洋遥感——海洋科学大发展的关键技术手段纵观海洋遥感发展历程，海洋技术的新突破和海洋科学的大发展往往通过科学任务驱动下的卫星计划实现的。在世界洋流(WOCE)计划的推动下，1992年美国发射了由美、法最新研制的TOPEX/Poseidon(简称“T/P”)测高卫星，被称之为测高技术上的一次飞跃[1]。T/P卫星以前所未有的海平面测高精度(~2 cm)对全球海洋进行了长达13年的高效观测，使人类认识到大洋环流的清晰面貌、确认海平面上升的客观事实(基于T/P卫星数据，发现全球平均海平面以(2.8±0.4) mm/年速度上升[2])、建立高精度海洋潮汐和大地水准面模型、发现海洋中广泛存在的中尺度涡现象等[3-6]，为海洋学和大地测量学的发展做出了重大贡献。在海洋水色卫星发展方面，1978年美国发射的Nimbus-7[7]试验卫星搭载了世界上第一代海洋水色遥感器——海岸带水色扫描仪CZCS，但受制于分辨率、信噪比、波段数量等能力限制，尚无法深入开展全球水色遥感的定量化研究。进入1990年代，为配合全球海洋通量联合研究(JGOFS)计划和全球海洋生态系统动力学研究(GLOBEC)计划，1997年美国又发射了世界上第一颗专用海洋水色卫星Seastar，搭载了当时最先进的第二代宽视场海洋观测传感器SeaWiFS，连续积累了十几年的全球海洋高质量水色数据，对全球海洋初级生产力估算、海洋生态系统与上层海洋过程、海洋碳通量与全球变暖等前沿领域研究发挥了重要作用[8]。21世纪以来，以科学应用为主导的卫星计划更是有增无减。例如，为观测大气与海洋、陆地之间的全球水汽循环，开展全球气候变化研究，欧空局于2009年发射了世界上唯一能够同时观测海水盐度和土壤湿度变化的SMOS卫星[9]；此外，为研究全球气候变暖影响，2010年欧空局又专门设计并发射了世界上第一个用于极地冰层、海洋浮冰及沿岸带海平面高度精确监测的Cryosat-2卫星[10]等。系列科学卫星计划的实施，不仅推动了海洋科学的跨越发展，而且带动了海洋卫星遥感技术的突破，加速了海洋卫星遥感的业务化应用。
1.2 海洋遥感的科学卫星时代正是由于科学卫星在海洋科技发展中的重大推动作用，以实现科学任务为目标导向的科学卫星越来越被重视，海洋遥感也逐渐由试验卫星、业务卫星阶段迈向科学卫星阶段。
1.2.1 试验卫星阶段——拉开倚天观海的序幕1970年代，美国先后发射了Seasat-A、Nimbus-7、TIROS-N等系列试验卫星[7, 11]，开启了现代空间对海观测的新历程。1978年，美国发射了世界上第一颗海洋卫星Seasat-A，该卫星搭载了当时技术条件下能够研制出来的所有海洋遥感器，如微波辐射计SMMR、微波高度计RA、微波散射计SASS、合成孔径雷达SAR、可见光红外辐射计VIRR等多种传感器。尽管在轨寿命只有短短的3个月，但其观测效率之高，远超当时人们的想象。更为重要的是，它首次验证了利用遥感手段从太空探测海洋的可行性、高效性和巨大潜力，为人类进入海洋立体观测的业务化时代迈出了关键一步。
1.2.2 业务卫星阶段——开启巡天探海的直播1980年代以来，在经过前期试验卫星技术验证，以及后续实施的系列科学卫星计划推动下，遥感器技术趋于稳定，寿命可长达十年之久，海洋遥感开始进入以业务化应用为主的发展阶段，形成了以水色传感器、微波辐射计、微波散射计、雷达高度计和合成孔径雷达为代表的有效载荷，发展了海洋水色、海洋动力环境卫星系列，建立了成熟的卫星数据分发和应用体系，并成功应用于海洋环境监测、海洋资源开发、海洋权益维护、防灾减灾等诸多领域，成为推动世界海洋经济发展、海洋事业进步、海洋强国迈进的重要驱动力量[12]。
1.2.3 科学卫星阶段——揭开大数据海洋学的新篇章进入21世纪，由于海洋科学卫星在科技发展中的地位愈加凸显，世界各国纷纷制定更多专门的海洋科学卫星计划，海洋遥感已迈入科学牵引的科学卫星时代。当前，海洋卫星的发展也逐步由追求载荷指标的先进性转向为解决科学问题的有效性，卫星载荷研制开始瞄准具体科学任务而量身打造。可以说，谁抢先提出海洋科学的前沿问题并针对性地研制和发射新型海洋遥感器，谁就能在该领域的卫星遥感技术、大数据应用及大科学研究方面占据主动。未来10年，随着面向全海域、全天时、全天候、高时空分辨率“四维遥感(时空维度)”观测的新一代海洋科学卫星计划的成功实施，海洋遥感将全面进入科学牵引、技术驱动、数据主导的新时代(见表 1)。
|
表 1 海洋卫星遥感发展的三个阶段 Table 1 Three phases of ocean satellite remote sensing development |
海洋动力过程(包括微小尺度、中尺度和大尺度运动)是海洋物质输运和能量传递的基本形式，是海洋学研究的基础。从水平尺度看，已对空间尺度较大的海洋环流及中尺度的海平面变化都有了比较清晰的认识[13]，但对于小尺度和中尺度间的裂缝，即亚中尺度(10~100 km)海洋动力过程仍知之甚少，而这恰恰是海洋能量级联和物质转移最关键的部分[14]，也是研究大洋环流、能量耗散和气候变化的基础。从垂直尺度看，当前的卫星遥感仅能进行“海洋表层”观测，而实现对海洋上混合层乃至跃层分层结构的剖面遥感观测，将对海洋生态学、海洋动力学、海洋军事学研究产生深远影响[15]。因此，实现海洋亚中尺度和近温跃层的遥感观测，是当前海洋遥感面临的重大技术挑战。
围绕海洋科学前沿，聚焦新载荷、新机理、新技术研发，世界主要海洋强国正在布局新一代海洋科学卫星计划，以掌握未来海洋科技的主动权。面向海洋亚中尺度遥感观测，2007年美法联合提出了“地表水与海洋地形”(Surface Water and Ocean Topography，SWOT)卫星计划[16](见图 1)，设计搭载了新型Ka波段干涉成像高度计，在与传统高度计厘米级测高精度相当的条件下，可将空间分辨率提高一个数量级(从100~150 km提高到10~20 km)，目前处于实施阶段，预期2021年发射；2018年欧空局提出了SKIM卫星计划[17]，设计搭载新型多波束多普勒扫描式雷达高度计，用于全球海洋表层矢量流场和波浪的遥感观测，空间分辨率与SWOT相当，目前处于全面论证阶段；面向海洋剖面“三维遥感”观测需求，国际上虽尚未提出专门的海洋卫星计划，但海洋激光雷达被认为是未来最有望实现这一目标的技术手段。聚焦国内，2016年中国青岛海洋科学与技术试点国家实验室提出了“观澜号”海洋科学卫星计划[18](见图 2)，设计同步搭载干涉成像高度计和海洋激光雷达的双载荷体制，将实现海洋水平动力过程高精高分(2 cm@3 km×3 km)和海洋剖面激光雷达垂直穿透(150~300 m)的一体化遥感观测能力，同步解决上述海洋亚中尺度和近温跃层遥感观测的科学需求，目前处于预研阶段。
|
图 1 “地表水与海洋地形”计划(NASA官网) Fig. 1 "SWOT"mission(NASA.gov) |
|
图 2 “观澜号”计划 Fig. 2 "Guanlan"mission |
如前所述，针对海洋亚中尺度遥感观测，具有宽刈幅、高分辨率、高精度的新型干涉成像高度计载荷是目前被较多采用的一种解决方案；针对海洋剖面分层遥感观测，作为一种主动光学遥感的激光雷达，已经通过机载试验及大气/冰盖星载激光雷达在轨验证，被证明是未来实现“三维遥感”的载荷技术。因此，本文重点选择干涉成像高度计和海洋激光雷达作为新一代海洋科学卫星的代表性载荷，分别予以介绍。
2.1 干涉成像高度计——卫星测高技术的新突破海洋雷达高度计是迄今唯一能以厘米级精度测量平均海平面高度的微波遥感器, 在海洋地形观测中占据着重要地位。基于雷达高度计的海洋卫星测高技术发展大致分为三个阶段，具体如表 2所示。
第一阶段：中尺度“菱形”阶段(1970年代—1980年代)。在该阶段，传统高度计每3/17天沿相交轨道重复测量海平面高度，而轨道之间从未采样的空白区域(约1.5°，沿赤道)形成一个“菱形”图案，空间分辨率~100 km。通过该阶段卫星计划的实施，获取了许多半定量结果, 如海盆尺度环流特征、南极环流特征及中尺度海洋变化等[19]。
第二阶段：半尺度“网格”阶段(1980年代—2010年代)。多源高度计数据融合测高技术的应用大大提高了采样精度，可以每天构建一个“网格”式(一般为0.25°×0.25°)SSH产品[20-21]。该阶段的空间分辨率提升至~50 km，并由此实现了对海洋环流、罗斯贝波和中尺度涡旋的系统观测和深入理解，对海洋科学的发展做出了许多定量化、基础性的贡献。如，通过测高获取海表地形的技术手段第一次为大尺度全球海洋模式研究提供了天然试验平台；SSH的高程测量揭示了海洋中一种类似于罗斯贝波特征的持久性的西向传播运动现象[22]，后又被证实为“全球海洋中几乎无处不在的非线性涡旋”[6]。
第三阶段：亚中尺度“像元”阶段(2020年代之后)。在即将到来的“像元”阶段，新一代干涉成像高度计的成功应用将有望实现每1~3天对海洋地形进行“成像”，其“像元”大小小于(10 km×10 km)[23]，空间分辨率提升至~10 km。2016年我国三维成像微波高度计随着天宫二号飞船的成功发射，成为国际上首颗在轨运行的宽刈幅干涉成像高度计，首次验证了海表面高度干涉测量和三维成像的技术可行性。而作为当前“像元”阶段的主要卫星任务——“SWOT”及“观澜号”卫星计划，将更以前所未有的刈幅宽度(100~200 km)、高空间分辨率(~10 km)、厘米精度(~2 cm)测量海洋地形[18, 24]，解决亚中尺度和几天时间内的海平面变化观测问题，实现对海洋涡旋整个生命周期(尤其是在发生和消亡阶段持续一两周内的亚中尺度状态)的跟踪观测。同时，它还将用于估计10~100 km尺度上发生的海洋垂向运动，有助于深入理解海洋环流能量平衡[25](见图 3)。
|
图 3 干涉成像高度计 Fig. 3 Interferometric imaging altimeter |
事实上，基于高度计的海洋动力学发展一直伴随着争议和争论，许多问题都是因为不完备采样(有时是病态的)和SSH重构不合理引起的。新一代干涉成像高度计所带来的测高技术上的突破(“栅格”阶段跨越至“像元”阶段)，将根本推动海洋动力学研究从中尺度向亚中尺度转变，这对打通海洋中不同尺度能量级联和物质循环关键链路, 进而提升全球气候预报预测的精细化水平，都具有十分重要的意义。
2.2 海洋激光雷达——三维遥感透视的新技术手段星载激光雷达发展于20世纪。作为星载激光雷达的先驱，美国NASA于1988年启动了激光雷达空间技术实验(LITE)[26]；1994年，美国在发现号航天飞机上成功进行了气溶胶和云激光雷达的可行性试验；2006年，美国NASA和法国CNES联合发射了CALIPSO卫星(云/气溶胶激光雷达和红外测卫星)[27]，至此，星载激光雷达技术终于从试验阶段转向实际应用阶段。但截止目前，国际上仍尚未实施对海观测的专用海洋激光雷达计划。
尽管CALIPSO卫星以大气观测为主要任务，但在过去的十多年中，它仍然为海洋学研究提供了许多宝贵的副产品[28]：Behrenfeld等使用CALIPSO数据来量化全球海洋浮游植物生物量和总颗粒有机碳储量[29]；Lu等发现海洋次表层总后向散射与叶绿素a浓度以及颗粒状有机碳之间存在显著关系，并表明CALIPSO激光雷达有望用于估算全球叶绿素a和颗粒状有机碳浓度[30]；Behrenfeld等报告了10年不间断的极地浮游植物生物量，发现极地浮游植物动态过程被划分为“盛衰”循环，并解释是由于浮游生物捕食者-猎物间的食物链失衡造成的[32]等，上述研究成果再次力证了激光雷达在海洋学研究中的重要潜在价值。
因此，星载海洋激光雷达作为一种主动光学遥感，与传统被动光学遥感相比，至少有三方面的优势：(1)可有效穿透海洋混合层，通过推导获取海洋次表层的分层光学性质，进而揭示温跃层结构及其相关动力学特征[31-35]；(2)通过其主动光学遥感，可实现全天时探测，并开展与传统被动光学遥感相结合的主被动融合研究；(3)实现水下生物群落的直接探测，同时结合真光层中各种浮游植物和浮游动物的间接信号，可揭示海洋食物链和生态系统的初步特征和规律[36-38](见图 4)。
|
图 4 海洋激光雷达 Fig. 4 Ocean lidar |
随着新一代海洋观测技术的发展，尤其是三维高分遥感透视技术的突破，海洋科学将迈入大数据时代[39]。据统计，截止到2019年，海洋观测数据的约一半贡献来自于卫星遥感[40]，然而，目前这些遥感数据的大部分来自于可见光和红外遥感器，而微波遥感数据由于低空间分辨率原因占比仍然较低。因此，具备全球海洋高时空分辨、长时间序列、无缝覆盖海平面高度测量能力的新一代宽刈幅干涉成像高度计的成功应用，不仅解决传统高度计存在的固有病态采样问题(沿轨密集/跨轨稀疏的不对称)，而且其带来的海量测高数据(每日数据激增约104倍)，必将进一步推动亚中尺度海洋学领域海洋大数据的新发展。
此外，当前卫星遥感还仅仅停留在准实时的二维阶段，海洋剖面深度的卫星遥感数据贡献近乎为零，即使垂直尺度上的现场观测数据分布也随深度锐减：即从海面的PB级减少到大洋海底的KB级。从该意义上讲，由于数据量在海洋垂直维度上的严重不均匀分布，海洋表面虽已进入大数据时代，而海洋内部仍处于小数据阶段。因此，海洋激光雷达在海洋三维遥感观测上的历史突破，不仅使其获取的直达近温跃层深度的全球海洋光学剖面数据显得极为珍贵，为海洋混合层的观测和研究做出不可估量的贡献，而且也是未来海洋内部跨入大数据时代的重要途径。
3.2 将建立海表动力参数和剖面光学/生态参数的一体化遥感能力，推动海洋跨学科深入研究全球变化问题已成为人类面临的共同挑战之一，从地球系统整体角度出发，海洋跨学科研究将是未来海洋科学发展的主要趋势和必然要求。在广泛的时空尺度中，海洋物理、海洋生物以及生物地球化学参数的相互耦合是海洋系统的一个基本特征，如上升流、厄尔尼诺/拉尼娜、太平洋年代际振荡等现象。研究表明，物理—生物—生物地球化学相互作用/协变在海洋中尺度上有着很强的表现，其机制研究需要使用多学科方法[41-42]。中尺度涡作为广泛存在且又典型的中尺度现象，是海洋科学研究的前沿和热点。目前通过卫星高度计数据融合而建立的全球范围内自动识别和跟踪单个涡流的方法，已使半尺度(~50 km)上的海洋跨学科研究取得了初步进展。然而，中尺度涡是一个旋转水柱，即通过所谓的埃克曼螺旋、海洋上混合层、镜像层[43]、密跃层(温跃层、盐跃层)，以及流体动力学和地球物理学的声波导、生物海洋学的真光层等“载体”沿垂直深度延伸至数百米甚至千米。因此，通过新一代干涉成像高度计和海洋激光雷达的联合观测，建立海表动力参数和剖面光学/生态参数的一体化遥感能力，不仅可实现对中尺度涡(甚至亚中尺度涡)表面特征和内部结构的三维同步观测，还将进一步推动海洋动力学和海洋生态学的跨学科研究。
3.3 将搭建海洋观测与模式“协作”的桥梁，推动亚中尺度海洋学的新突破观测(现场和遥感)和模式是支撑现代海洋学发展的两大强力工具，作为未来海洋学发展的“左膀右臂”，两者只有协同发展，使其分辨率在时空尺度上相互匹配，才能发挥其“合力”优势。1980年代，随着遥感卫星的业务化运行，海洋遥感(动力)观测能力率先达到中尺度(~100 km)水平，模式发展暂时落后；1990年代，提出的涡分辨率数值模拟概念[44]与当时卫星测高的中尺度分辨能力(~100 km)基本一致，迎头赶上；21世纪之后，随着计算机技术的飞速发展，区域模式动力(地转)分辨率已跃升至亚中尺度(~10 km)水平[45]，后来居上。然而，截至目前，融合高度计数据的最佳空间分辨率仍停留在半尺度，远落后于海洋模式的分辨率。观测和模式分辨率的长期不匹配将减缓并限制海洋模式乃至海洋学的整体发展。因而，随着新一代卫星计划的先后实施，其搭载的干涉成像高度计有望首次使卫星遥感的观测分辨率在全球尺度上达到~10 km水平，实现与模式分辨的“再匹配”，不仅为未来海洋模式深入研究和模式精细化预报提供第一手高分辨率观测资料，而且二者将共同为21世纪亚中尺度海洋学的新突破提供合力支撑。
3.4 将实现海洋生命系统的直接遥感探测，揭示水下生物群落迁移的时空规律目前，通过传统主流遥感器(可见光、热红外和微波)从空间探测的海洋基本参数包括：海表温度、海水盐度、海面高度、风场、水色和海冰等[51]。就海洋水色和海洋生态系统而言，持续的云层覆盖、夜间和极地区域的极夜现象严重制约了传统被动光学卫星的水色参数测量，甚至每年大片地区(如极地)连续好几个月都无法观测。而基于新一代海洋激光雷达主动遥感技术不仅可获取包括极地区域在内的全球海洋次表层剖面分层的光学特性，而且将有望实现海洋次表层以上海洋生命系统的直接遥感探测。因而，在未来十年，随着海洋激光雷达卫星的成功发射，将很快进入从太空探测生命信号的时代，海洋生命系统遥感能力将从目前积分初级生产力的物理探测阶段迈向分层生物群落的生命探测阶段，这在海洋卫星遥感的发展中将具有里程碑意义。
4 结语随着海洋科学卫星在科学前沿探索、核心技术突破、新兴产业带动等方面的作用日益凸显，发展专门的海洋科学卫星正在成为世界各国共识。当前，围绕海洋亚中尺度和近温跃层遥感观测需求，国际上正在积极布局实施以干涉成像高度计和海洋激光雷达为新型载荷的新一代海洋科学卫星计划，一旦实现突破，将对未来亚中尺度海洋学、海洋跃层动力学以及大数据海洋学发展将产生深远影响，这对我国把握当前海洋科技有望实现重点跨越的难得机遇、加快推进实施我国的海洋科学卫星计划，具有十分重要的借鉴和启示意义。
致谢: 感谢唐军武研究员和赵朝方教授的有益讨论和建设性意见。
| [1] |
Fu L L, Christensen E J, Jr C A Y, et al. TOPEX/POSEIDON mission overview[J]. Journal of Geophysical Research Oceans, 1994, 99(C12): 24369-24381. DOI:10.1029/94JC01761
(  0) |
| [2] |
Leuliette E W, Nerem R S, Mitchum G T. Calibration of TOPEX/Poseidon and Jason altimeter data to construct a continuous record of mean sea level change[J]. Marine Geodesy, 2004, 27(1): 79-94.
( 0) |
| [3] |
Fu L L, Cheney R E. Application of satellite altimetry to ocean circulation studies: 1987-1994[J]. Reviews of Geophysics, 1995, 33(S1): 213-223.
( 0) |
| [4] |
Cabanes C, Cazenave A, Le P C. Sea level rise during past 40 years determined from satellite and in situ observations[J]. Science, 2001, 294(5543): 840-842. DOI:10.1126/science.1063556
( 0) |
| [5] |
Mcclain C R. A decade of satellite ocean color observations[J]. Annual Review of Marine Science, 2009, 1(1): 19-42. DOI:10.1146/annurev.marine.010908.163650
( 0) |
| [6] |
Chelton D B, Schlax M G, Samelson R M. Global observations of nonlinear mesoscale eddies[J]. Progress in Oceanography, 2011, 91(2): 167-216.
( 0) |
| [7] |
Hovis W A, Clark D K, Anderson F, et al. Nimbus-7 Coastal Zone Color Scanner: System description and initial imagery[J]. Science, 1980, 210(4465): 60-63. DOI:10.1126/science.210.4465.60
( 0) |
| [8] |
Siegel D A, Behrenfeld M J, Maritorena S, et al. Regional to global assessments of phytoplankton dynamics from the SeaWiFS mission[J]. Remote Sensing of Environment, 2013, 135(4): 77-91.
( 0) |
| [9] |
Mecklenburg S. ESA's Soil Moisture and Ocean Salinity Mission-An overview on the mission's performance and scientific results[J]. IEEE Transactions on Geoscience & Remote Sensing, 2014, 50(5): 1354-1366.
( 0) |
| [10] |
Laxon S W, Giles K A, Ridout A L, et al. CryoSat-2 estimates of Arctic sea ice thickness and volume[J]. Geophysical Research Letters, 2013, 40(4): 732-737. DOI:10.1002/grl.50193
( 0) |
| [11] |
Born G H, Dunne J A, Lame D B. Seasat mission overview[J]. Science, 1979, 204: 1405-1406. DOI:10.1126/science.204.4400.1405
( 0) |
| [12] |
林明森, 张有广, 袁欣哲. 海洋遥感卫星发展历程与趋势展望[J]. 海洋学报, 2015, 37(1): 1-10. Lin M, Zhang Y, Yuan X. The development course and trend of ocean remote sensing satellite[J]. Acta Oceanologica Sinica, 2015, 37(1): 1-10. ( 0) |
| [13] |
Fu L L, Chelton D B, Le Traon P Y, et al. Eddy dynamics from satellite altimetry[J]. Oceanography, 2010, 23(4): 14-25. DOI:10.5670/oceanog.2010.02
( 0) |
| [14] |
Lapeyre G, Klein P. Impact of the small-scale elongated filaments on the oceanic vertical pump[J]. Journal of Marine Research, 2006, 64(6): 835-851. DOI:10.1357/002224006779698369
( 0) |
| [15] |
Chen G, Yu F. An objective algorithm for estimating maximum oceanic mixed layer depth using seasonality indices derived from Argo temperature/salinity profiles[J]. Journal of Geophysical Research: Oceans, 2015, 120(1): 582-595. DOI:10.1002/2014JC010383
( 0) |
| [16] |
Durand M, Fu L L, Lettenmaier D P, et al. The surface water and ocean topography mission: Observing terrestrial surface water and oceanic submesoscale eddies[J]. Proceedings of the IEEE, 2010, 98(5): 766-779. DOI:10.1109/JPROC.2010.2043031
( 0) |
| [17] |
Ardhuin F, Aksenov Y, Benetazzo A, et al. Measuring currents, ice drift, and waves from space: The sea surface Kinematics Multiscale monitoring (SKIM) concept[J]. Ocean Science, 2018, 14(3): 337-354. DOI:10.5194/os-14-337-2018
( 0) |
| [18] |
Chen G, Tang J, Zhao C, et al. Concept design of the "Guanlan" science mission: China's novel contribution to space oceanography[J]. Frontiers in Marine Science, 2019, 6: 194. DOI:10.3389/fmars.2019.00194
( 0) |
| [19] |
Fu L L. Recent progress in the application of satellite alimetry to observing the mesoscale variability and general circulation of the oceans[J]. Reviews of Geophysics, 1983, 21(8): 1657-1666. DOI:10.1029/RG021i008p01657
( 0) |
| [20] |
Ducet N, Traon P Y L, Reverdin G. Global high-resolution mapping of ocean circulation from TOPEX/Poseidon and ERS-1 and-2[J]. Journal of Geophysical Research, 2000, 105(C8): 19477-19498. DOI:10.1029/2000JC900063
( 0) |
| [21] |
Pujol M I, Faugère Y, Taburet G, et al. DUACS DT2014: The new multi-mission altimeter data set reprocessed over 20 years[J]. Ocean Science, 2016, 12(5): 1067-1090. DOI:10.5194/os-12-1067-2016
( 0) |
| [22] |
Chelton D B, Schlax M G. Global observations of oceanic Rossby waves[J]. Science, 1996, 272(5259): 234-238. DOI:10.1126/science.272.5259.234
( 0) |
| [23] |
Fu L L, Ferrari R. Observing oceanic submesoscale processes from space[J]. Eos Transactions American Geophysical Union, 2008, 89(48): 488-488. DOI:10.1029/2008EO480003
( 0) |
| [24] |
Fu L L, Ubelmann C. On the transition from profile altimeter to swath altimeter for observing global ocean surface topography[J]. Journal of Atmospheric and Oceanic Technology, 2014, 31(2): 560-568. DOI:10.1175/JTECH-D-13-00109.1
( 0) |
| [25] |
Capet X, Klein P, Hua B L, et al. Surface kinetic energy transfer in surface quasi-geostrophic flows[J]. Journal of Fluid Mechanics, 2008, 604: 165-174. DOI:10.1017/S0022112008001110
( 0) |
| [26] |
Winker D M, Couch R H, McCormick M P. An overview of LITE: NASA's lidar in-space technology experiment[J]. Proceedings of the IEEE, 1996, 84(2): 164-180. DOI:10.1109/5.482227
( 0) |
| [27] |
Winker D M, Pelon J, Coakley Jr J A, et al. The CALIPSO mission: A global 3D view of aerosols and clouds[J]. Bulletin of the American Meteorological Society, 2010, 91(9): 1211-1230. DOI:10.1175/2010BAMS3009.1
( 0) |
| [28] |
Hostetler C A, Behrenfeld M J, Hu Y, et al. Spaceborne lidar in the study of marine systems[J]. Annual Review of Marine Science, 2018, 10: 121-147. DOI:10.1146/annurev-marine-121916-063335
( 0) |
| [29] |
Behrenfeld M J, Hu Y, Hostetler C A, et al. Space-based lidar measurements of global ocean carbon stocks[J]. Geophysical Research Letters, 2013, 40(16): 4355-4360. DOI:10.1002/grl.50816
( 0) |
| [30] |
Lu X, Hu Y, Trepte C, et al. Ocean subsurface studies with the CALIPSO spaceborne lidar[J]. Journal of Geophysical Research: Oceans, 2014, 119(7): 4305-4317. DOI:10.1002/2014JC009970
( 0) |
| [31] |
Behrenfeld M J, Hu Y, O'Malley R T, et al. Annual boom-bust cycles of polar phytoplankton biomass revealed by space-based lidar[J]. Nature Geoscience, 2017, 10(2): 118. DOI:10.1038/ngeo2861
( 0) |
| [32] |
Behrenfeld M J, Falkowski P G. Photosynthetic rates derived from satellite-based chlorophyll concentration[J]. Limnology and Oceanography, 1997, 42(1): 1-20. DOI:10.4319/lo.1997.42.1.0001
( 0) |
| [33] |
Dekshenieks M M, Donaghay P L, Sullivan J M, et al. Temporal and spatial occurrence of thin phytoplankton layers in relation to physical processes[J]. Marine Ecology Progress Series, 2001, 223: 61-71. DOI:10.3354/meps223061
( 0) |
| [34] |
Churnside J H, Donaghay P L. Thin scattering layers observed by airborne lidar[J]. ICES Journal of Marine Science, 2009, 66(4): 778-789. DOI:10.1093/icesjms/fsp029
( 0) |
| [35] |
Chen G, Yu F. An objective algorithm for estimating maximum oceanic mixed layer depth using seasonality indices derived from Argo temperature/salinity profiles[J]. Journal of Geophysical Research: Oceans, 2015, 120(1): 582-595. DOI:10.1002/2014JC010383
( 0) |
| [36] |
Murphree D L, Taylor C D, McClendoni R W. Mathematical modeling for the detection of fish by an airborne laser[J]. AIAA Journal, 1974, 12(12): 1686-1692. DOI:10.2514/3.49579
( 0) |
| [37] |
Churnside J H. Review of profiling oceanographic lidar[J]. Optical Engineering, 2013, 53(5): 51405. DOI:10.1117/1.OE.53.5.051405
( 0) |
| [38] |
Churnside J H, Donaghay P L. Thin scattering layers observed by airborne lidar[J]. ICES Journal of Marine Science, 2009, 66(4): 778-789. DOI:10.1093/icesjms/fsp029
( 0) |
| [39] |
钱程程, 陈戈. 海洋大数据科学发展现状与展望[J]. 中国科学院院刊, 2018, 33(8): 884-891. QIAN C, CHEN G. Big data science for ocean: Present and future[J]. Bulletin of the Chinese Academy of Sciences, 2018, 33(8): 884-891. ( 0) |
| [40] |
Overpeck J T, Meehl G A, Bony S, et al. Climate data challenges in the 21st century[J]. Science, 2011, 331: 700-702. DOI:10.1126/science.1197869
( 0) |
| [41] |
Chelton D B, Gaube P, Schlax M G, et al. The influence of nonlinear mesoscale eddies on near-surface oceanic chlorophyll[J]. Science, 2011, 334: 328-332. DOI:10.1126/science.1208897
( 0) |
| [42] |
McGillicuddy Jr D J. Mechanisms of physical-biological-biogeochemical interaction at the oceanic mesoscale[J]. Annual Review of Marine Science, 2016, 8: 125-159. DOI:10.1146/annurev-marine-010814-015606
( 0) |
| [43] |
Chen G, Geng D. A "mirror layer" of temperature and salinity in the ocean[J]. Climate Dynamics, 2019, 52(1-2): 1-13. DOI:10.1007/s00382-018-4495-6
( 0) |
| [44] |
Semtner Jr A J, Chervin R M. Ocean general circulation from a global eddy-resolving model[J]. Journal of Geophysical Research: Oceans, 1992, 97(C4): 5493-5550. DOI:10.1029/92JC00095
( 0) |
| [45] |
Smith R D, Maltrud M E, Bryan F O, et al. Numerical simulation of the North Atlantic Ocean at 1/10[J]. Journal of Physical oceanography, 2000, 30(7): 1532-1561. DOI:10.1175/1520-0485(2000)030<1532:NSOTNA>2.0.CO;2
( 0) |
2. Laboratory for Regional Oceanography and Numerical Modeling/Engineering Department of Guanlan Satellite for Ocean Science, Qingdao National Laboratory for Marine Science and Technology, Qingdao 266237, China