無線射頻干擾對SMOS衛星鹽度數據產品準確度的影響研究

王新新，王祥*，趙建華，范劍超，王進，韓震

(1.國家海洋環境監測中心 海域資源環境動態監管中心，遼寧 大連 116023；2.青島大學 物理科學學院，山東 青島 266071；3.上海海洋大學 海洋科學學院，上海 201306)

無線射頻干擾對SMOS衛星鹽度數據產品準確度的影響研究

王新新1，王祥1*，趙建華1，范劍超1，王進2，韓震3

(1.國家海洋環境監測中心 海域資源環境動態監管中心，遼寧 大連 116023；2.青島大學 物理科學學院，山東 青島 266071；3.上海海洋大學 海洋科學學院，上海 201306)

SMOS衛星數據發布以來，相關學者針對海表鹽度數據開展了大量的真實性檢驗工作，但是在受無線射頻干擾(RFI)影響海域開展的相關工作很少。本文以西太平洋海域為研究區域，選擇合理的時空匹配窗口，將WOD13實測海表鹽度數據與SMOS衛星單軌海表鹽度數據進行數據匹配，采用統計學方法開展SMOS衛星數據真實性檢驗，并分析RFI對SMOS衛星數據的影響。結果表明，SMOS衛星受分布在西太平洋沿岸射頻干擾源的影響，RFI污染高風險區單軌L2數據準確度相對較低，最優僅為3.45，RFI污染低風險區的衛星數據準確度最優為1.07，可見，RFI對單軌衛星數據準確度的影響很大，最終導致西太平洋海域西部大面積海域數據缺失，尤其是中國近海海域，如何檢測和減緩RFI對衛星數據的影響是亟待解決的問題。

無線射頻干擾；微波輻射；SMOS衛星；海表鹽度；真實性檢驗

1 引言

自2009年SMOS衛星成功升空試運行并傳回首批觀測圖像以來，衛星微波遙感實現了海表鹽度(Sea Surface Salinity, SSS)大范圍、連續觀測的目的，克服了傳統SSS監測方式的弊端，大大滿足了近幾年對SSS研究和監測的需求[1]。2010年5月SMOS衛星進入了正式運行階段，開始發布SSS衛星數據產品，并定期更新最新版本衛星數據，在全球氣候變化研究、水循環監測與研究、臺風跟蹤、極地海冰監測等領域提供了大量的數據，起到了重要的作用[2]。

SMOS衛星SSS數據的準確度一直是國內外學者關注的問題，官方的觀測目標為在時空分辨率為(200 km×200 km)/10 d或(100 km×100 km)/30 d條件下，準確度預計達到0.1～0.2[3-4]。近幾年國內外學者針對此課題已經做了大量的研究：Banks等[5]2012年選擇北大西洋亞熱帶大尺度海域(不包括近岸海域)開展SMOS衛星L2單軌數據準確度評估研究，研究結果表明該海域RMSE為0.5；Boutin等[6]2011年發布初步評估結果為全球尺度下SMOS鹽度數據(30 d，1°×1°)的RMSE<0.3，遠離沿岸陸地和渦流地區的大西洋熱帶開放海域(10 d，0.25°×0.25°)的RMSE<0.4；Boutin等在2012年發布了更加權威的評估結果，結論為遠離陸地和海冰的海域SSS升軌平均數據(10 d，100 km×100 km)的準確度在0.3～0.5之間[7]；Boutin等[8]2013年在亞熱帶大西洋、熱帶太平洋、南印度洋、南太平洋等開闊海域得到的SMOS衛星L2平均融合數據(10 d，100 km×100 km)的最新準確度評估結果為：在熱帶和亞熱帶，準確度近似等于0.3～0.4；在寒冷海域，RMSE在0.5左右；王新新等[9]2013年在南海海域得到SMOS單軌L2鹽度數據的評估結果為1.2；Ren等[10]在南海海域得到SMOS鹽度平均數據(7 d，1°×1°)的最優評估結果為0.74。

總結已有工作發現，在受無限射頻干擾(Radio Frequency Interference, RFI)影響區域開展的SMOS衛星L2數據產品準確度評估工作很少。RFI對L波段微波遙感衛星的影響是不容忽視的，坐落在陸地或海洋平臺上的發射源的RFI依然會嚴重影響微波輻射計接收的輻射信號，嚴重影響發射源周圍海域SSS衛星遙感的準確度[11]。本文以西太平洋海域為研究區域，基于WOD13現場觀測鹽度數據評估SMOS衛星L2海表鹽度數據產品的準確度，并分析近岸RFI源對SMOS衛星數據產品準確度的影響，對理解RFI的干擾特征和研究抑制RFI的算法具有一定的意義。

2 數據與方法

2.1 研究海域情況

本文選取西太平洋海域為研究區域(圖1)，雖然海區地理形態復雜，受陸架地形、黑潮流系以及季風活動影響顯著，衛星反演產品質量遜于大洋海區早已有共識，但是相關研究結果表明，西太平洋西部沿岸坐落的大量RFI源是影響SSS衛星產品質量的主要誤差源[11-12]。在中國坐落著大量的點狀RFI源，中強發射源通過天線輻射旁瓣的影響，造成發射源周圍大范圍區域內的衛星數據受到污染，在海面上形成以RFI源為中心的輻射條帶，多個RFI源旁瓣在海面上形成的條帶疊加在一起，其輻射強度隨距離的增大呈衰減變化，影響由各自的條帶影響擴展到面影響，嚴重影響著西太平洋海域SMOS衛星SSS數據產品的準確度[11-13]。以西太平洋海域為研究區域研究RFI對SMOS衛星的影響具有一定的代表性，并且在數據匹配篩選時，盡量排除其他誤差源對數據的影響，以確保研究的客觀合理。

圖1 西太平洋區域RFI空間分布Fig.1 Spatial distribution of RFI in the western Pacific Ocean

2.2 受RFI影響判斷依據

由于自然條件下的第3、第4 Stokes參數相對于人為RFI源很敏感，其值的異常變化可以用來表征人為輻射源。應用基于Stokes參數的RFI檢測算法開展研究區域的RFI檢測，計算表征RFI源輻射強度參數W，得到西太平洋海域RFI源的位置及其空間強度分布信息和特征[13]。檢測算法為：

(1)

式中，U和V分別代表第3和第4 Stokes參數。

SMOS衛星運行軌道為太陽同步軌道，訪問周期3 d，選取3 d SMOS衛星多軌L1C數據，對西太平洋海域和沿岸陸地形成全覆蓋。提取單軌L1C數據中U，V參量數據，應用公式計算單一柵格處所有入射角的W參數，通過比較提取每個柵格點處參數W的最大值，并根據W參數值合理分級，生成RFI影響范圍分布圖。

由于地面RFI源的發射功率、天線方向圖、天線增益、傳輸損耗等參數各異，同時SMOS衛星觀測角度也相對豐富，這導致RFI對衛星的影響規律十分復雜，基于Stokes檢測算法得到的RFI影響范圍在一定程度上并不能完全用來表征某一時空的衛星數據是否受RFI污染，用它來表征空間上受RFI污染的風險則更貼切，所以根據W值分布特征和距岸距離將研究區域劃分為RFI污染高風險海域和低風險海域，同時參考SMOS衛星數據處理團隊通過RFI檢測測試得到的柵格點受RFI污染概率(Dg_RFI_probability)數據，綜合判斷匹配點是否受RFI污染。

2.3 數據選擇

實測數據采用2014年1-12月美國國家海洋數據中心(National Oceanographic Data Center, NODC)發布的WOD13中的高分辨率CTD數據(0.5～5 m)、水下滑翔機(Glider Data，GLD)數據(0.5～5 m)和Argo浮標數據，選擇質量控制后的數據。Argo浮標數據水深的選擇原則參考Boutin等[7]提出的方案，即大多數Argo浮標選擇0.5～10 m水深的數據，而SOLO型和PROVOR型浮標在水深小于5 m時，浮標停止泵水，這兩類浮標選擇5～10 m水深的數據。

衛星數據采用2014年1-12月SMOS衛星L2級SSS數據產品(OSUDP2)，數據版本為V622。為避免其他誤差源(風速、太陽耀斑、海表溫度等)對真實性檢驗結果造成影響，參考Boutin等[7]提出的篩選方案對衛星數據進行篩選，即選擇不受太陽耀斑影響、有效亮溫值個數大于16、迭代次數小于20、風速小于6m/s和海表溫度大于20℃的SSS衛星數據。SMOS衛星數據處理選用了3個海表粗糙度模型(雙尺度模型、小坡度近似模型和半經驗模型)模擬海表亮溫，3種模型最終反演出3種鹽度產品(SSS1、SSS2、SSS3)，要分別對其開展準確度評估[1,14]。

2.4 匹配評估方法

衛星觀測數據與現場實測數據之間差異主要會出現時空差異的問題，考慮該問題后L2單軌數據采用的匹配方法為：提取24 h內與實測數據經緯度一致的衛星觀測數據，即空間坐標點一致，時間匹配窗口為±12 h。通過匹配得到RFI污染高風險區域匹配點1 813個，RFI污染低風險區域匹配點2 394個(圖2)。

評估方法主要是采用統計學中線性最小二乘回歸的方法，計算相關系數(Corr)、偏差(Bias)和均方根誤差(RMSE)用來評估數據的準確度。偏差反應的是每一組匹配點中衛星測量值與現場觀測值之間的差異；RMSE對一組測量值中特大、特小的誤差反應非常敏感，所以用RMSE衡量觀測值與真值之間的偏差，能夠很好地反映出衛星SSS數據的準確度。RMSE和Bias定義如式(2)、式(3)。

(2)

(3)

3 結果分析

3.1 真實性檢驗結果

通過統計分析發現，在受RFI污染高風險海域和低風險海域，SMOS衛星L2數據中參數Dg_RFI_probability大于1的匹配點的個數分別為1 670個和770個，分別占各自區域內匹配點總數的97.5%和32.2%，這表明根據RFI檢測結果劃分研究海域方案具有一定的合理性，并且在低風險海域，雖然遠離RFI源，但是依然有一部分匹配點數據受到了RFI的污染，可見RFI源的作用范圍是難以想象的。

SMOS衛星單軌SSS鹽度產品OSUDP2(V622)與實測數據匹配線性擬合結果如圖3、表1所示。評估結果分為受RFI污染高風險和低風險兩類情況分別討論。從圖中可以看出，A組和B組的3類數據產品(SSS1、SSS2、SSS3)的Bias和RMSE都分別相差不大，這主要由于在數據篩選過程中，剔除了受風速影響的匹配數據點，導致受風速影響的3個粗糙度模型之間的差異較小；A組和B組3類數據產品與實測數據的相關系數都偏低，但是B組衛星數據與實測數據的相關性比A組數據高。

圖2 西太平洋區域衛星數據與實測數據匹配點分布Fig.2 Spatial distribution of the matching data in the western Pacific Ocean

圖3 SMOS衛星單軌數據與實測數據匹配散點圖Fig.3 Scatter plot of SMOS SSS versus in-situ SSS

A組數據的Bias和RMSE比B組數據高，制約A和B組數據質量的共同因素是衛星數據的空間分辨率，SMOS衛星L2數據采用重采樣的柵格(ISEA grid)存儲形式，數據產品的空間分辨率為15.74 km，而真實的空間分辨率是變化的(30～300 km)，平均空間分辨率為40 km，這導致發布的重采樣后的SMOS衛星數據產品準確度會相對降低。由于匹配數據過程中進行了數據篩選，排除了其他誤差源對檢驗結果的影響，對比結果表明，RFI作為主要誤差源，嚴重影響了SMOS衛星SSS數據的準確度。

表1 SMOS衛星單軌SSS數據與實測SSS數據統計結果

3.2 RFI影響分析

圖4為Bias與參數W之間的函數關系圖，從圖中可以看出，隨著參數W的增大，3類數據產品的Bias也都隨之增大，尤其W在0～600范圍區間內，Bias增大的幅度較大。根據相關研究結果，參數W可以表征RFI源輻射強度，并且隨距離的增大呈衰減變化，可以推斷隨著與RFI源距離的增大，Bias會隨之減小。從圖1可以看出，RFI源廣泛分布在中國、韓國和日本等地，多個點狀RFI源對衛星造成疊加影響效應，導致其影響范圍變大，影響更加復雜。

根據圖1、圖2和匹配數據點W值的統計直方圖(圖5)可以看出，匹配點在RFI作用范圍內的分布主要集中在RFI影響相對較弱的區域，即遠離陸地的海域，該真實性檢驗結果并不能完全反應RFI對SMOS衛星的影響，但是從得到的結論可以看出，即使在RFI影響相對較弱的情況下，SMOS衛星數據質量依然受到了嚴重的影響，導致大量數據丟失。圖6為SMOS巴塞羅那研究中心(Barcelona Expert Center，BEC)發布的月均SSS數據產品(1°×1°)，該數據產品剔除了受RFI影響的數據，從圖中可以看出，太平洋西部海域幾乎沒有數據，數據缺失范圍與本文所劃的RFI污染區域基本一致，可見RFI對西太平洋海域影響巨大，尤其對中國附近海域的SSS數據造成了嚴重的損失。

4 結論

通過西太平洋受RFI污染低風險海域的SSS衛星數據與實測數據匹配擬合分析，得到SMOS衛星L2單軌衛星SSS數據產品(15.74 km×15.74 km)的準確度相對較低，而在考慮到RFI作為主要因素影響的情況下，其準確度更低；RFI對衛星數據的影響隨著距離的增大而減小，但是即使在距離相對較遠的海域，其影響依然是不可忽視的，導致西太平洋西部大面積海域數據缺失，尤其是中國近海海域。

圖4 偏差與參數W之間函數關系Fig.4 Bias as a function of W

圖5 匹配數據點W值統計直方圖Fig.5 W statistical histogram of scatter plot

圖6 BEC發布SSS數據產品(月均，1°×1°)Fig.6 SSS products by BEC(month weighted average, 1°×1°)

本文對SMOS衛星數據的真實性檢驗結果未來可以對SMOS衛星數據用戶提供較好的參考。近年來，針對SSS的研究飛速發展，可用于SSS衛星遙感的傳感器也隨之增多，下一步將針對中國海域RFI重度污染區域，重點研究如何檢測并剔除RFI對微波輻射計接收信號的污染并提高中國海域SSS遙感準確度。

[1] 陳建, 張韌, 安玉柱, 等. SMOS衛星遙感海表鹽度資料處理應用研究進展[J]. 海洋科學進展, 2013, 31(2): 295-304.

Chen Jian, Zhang Ren, An Yuzhu, et al. Overview on processing and applying on the SMOS satellite remotely sensed sea surface salinity products[J]. Advances in Marine Science, 2013, 31(2): 295-304.

[2] Yin Xiaobin, Boutin J, Spurgeon P. First assessment of SMOS data over open ocean: Part I—Pacific Ocean [J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(5): 1648-1661.

[3] Font J, Camps A, Borges A, et al. SMOS: The challenging sea surface salinity measurement from space[J]. Proceedings of the IEEE, 2010, 98(5): 649-665.

[4] Kerr Y H, Wigneron J P, Boution J, et al. The SMOS mission: New tool for monitoring key elements of the global water cycle[J]. Proceedings of the IEEE, 2010, 98(5): 666-687.

[5] Banks C, Gommenginger C, Srokosz M, et al. Validating SMOS ocean surface salinity in the Atlantic with Argo and operational ocean model data[J]. IEEE Geoscience and Remote Sensing Society, 2012, 50(5): 1688-1702.

[6] Boutin J, Reul N, Font J. Sea surface salinity from SMOS satellite: complementarity to in situ observations[C]//WCRP Open Science Conference Climate Research in Service to Society, Denver, 2011.

[7] Boutin J, Martin N, Yin Xiaobin. First assessment of SMOS data over open ocean: part Ⅱ-sea surface salinity[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(5): 1662-1675.

[8] Boutin J, Martin N, Reverdin G. Sea surface freshening inferred from SMOS and ARGO salinity:impact of rain[J]. Ocean Science, 2013, 9(1): 183-192.

[9] 王新新, 楊建洪, 趙冬至, 等. SMOS衛星鹽度數據在中國近岸海域的準確度評估[J]. 海洋學報, 2013, 35(5): 169-176.

Wang Xinxin, Yang Jianhong, Zhao Dongzhi, et al. SMOS satellite salinityaccuracy assessment in the China coastal areas[J]．Haiyang Xuebao, 2013, 35(5): 169-176.

[10] Ren Yongzheng, Dong Qing, He Mingxia. Preliminary validation of SMOS sea surface salinity measurements in the South China Sea[J]. Chinese Journal of Oceanology and Limnology, 2015, 33(1): 262-271.

[11] Oliva R, Daganzo E, Kerr Y H, et al. SMOS radio frequency interference scenario: status and actions taken to improve the RFI environment in the 1400-1427-MHz passive band[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(5): 1427-1439.

[12] Johanson J, Mohammed P, Piemeier J, et al. Soil moisture active passive (SMAP) microwave radiometer radio-frequency interference(RFI) mitigation: Algorithm updates and performance assessment [C]//2016 IEEE International Geoscience and Remote Sensing Symposium(IGARSS), 2016.

[13] 王新新, 王祥, 韓震, 等. 基于L波段Stokes參數遙感數據射頻干擾檢測及特性分析[J]. 電子與信息學報, 2015, 37(10): 2342-2348.

Wang Xinxin, Wang Xiang, Han Zhen, et al. Radio frequency interference detection and characteristic analysis based on the L band Stokes parameters remote sensing data[J]. Journal of Electronics & Information Technology, 2015, 37(10): 2342-2348.

[14] Zine S, Boutin J, Font J, et al. Overview of the SMOS sea surface salinity processor[J]. IEEE Transaction on Geoscience and Remote Sensing, 2008, 46(3): 621-644.

Study on the effect of radio frequency interference on the accuracy of SMOS sea surface salinity data

Wang Xinxin1, Wang Xiang1, Zhao Jianhua1, Fan Jianchao1, Wang Jin2, Han Zhen3

(1.MarineResourcesandEnvironmentMonitoringCenter,NationalMarineEnvironmentalMonitoringCenter,Dalian116023,China;2.CollegeofPhysics,QingdaoUniversity,Qingdao266071,China;3.CollegeofMarineScience,ShanghaiOceanUniversity,Shanghai201306,China)

Scholars have done a lot of work in the assessment and validation of SMOS sea surface salinity (SSS) data since SMOS satellite data released, but rarely work have done in the Western Pacific Ocean(WPO) influenced by radio frequency interference (RFI), it will be of important significance on understanding of RFI influence on SMOS SSS date. The main method is matching the WOD13 in-situ SSS data with SMOS half-orbit SSS data, assessing the accuracy of SMOS data by statistics method. Results suggest that since SMOS is polluted by RFI sources located in west coast of the WPO, the RMSE of SMOS L2 SSS data in high risk area of RFI pollution is relatively low, and the highest RMSE can be achieved on 3.45, thus it can be seen that the RFI have a significant influence on SMOS satellite in the WPO, this has resulted in the loss of significant amount of data, especially in the China sea, how to detect and mitigate RFI is a scientific problem to be solved.

radio frequency interference; microwave radiometry; SMOS satellite; sea surface salinity; validation

P731.12

A

0253-4193(2017)11-0141-07

王新新, 王祥, 趙建華, 等. 無線射頻干擾對SMOS衛星鹽度數據產品準確度的影響研究[J]. 海洋學報, 2017, 39(11):141-147,

10.3969/j.issn.0253-4193.2017.11.013

Wang Xinxin, Wang Xiang, Zhao Jianhua, et al. Study on the effect of radio frequency interference on the accuracy of SMOS sea surface salinity data[J]. Haiyang Xuebao, 2017, 39(11):141-147, doi:10.3969/j.issn.0253-4193.2017.11.013

2016-10-19；

2017-03-13。

國家重點研發計劃資助(海洋環境安全保障專項——鹽度計海洋信息提取技術(2016YFC1401006))；國家自然科學基金(61273307)。

王新新(1989—)，男，遼寧省盤錦市人，助理研究員，主要從事海表溫鹽衛星遙感研究。E-mail:xxwang@nmemc.org.cn

*通信作者：王祥，助理研究員，主要從事海表溫鹽衛星遙感研究。E-mail:xwang@nmemc.org.cn