散射計海面風場資料在遠洋航天氣象保障中應用方向探討

鐘劍，馬衛民，姜，孫一妹

（中國衛星海上測控部，江蘇江陰214431）

散射計海面風場資料在遠洋航天氣象保障中應用方向探討

（中國衛星海上測控部，江蘇江陰214431）

結合目前遠洋航天氣象保障中關注重點及存在的弱點，創新嘗試引入高精度散射計海面風場資料，探討散射計海面風場資料在遠洋航天氣象保障中應用的可行方向，主要包括應用于診斷海面風場氣候統計特征、應用于診斷熱帶氣旋生成預報預警、應用于診斷熱帶氣旋內部結構特征、結合數學非線性時間序列預報方法應用于站點海面風和海面風場預報，總結相關方向關鍵技術的國內外研究進展，為下一步散射計海面風場資料在遠洋航天氣象保障中的深入應用及國內海洋二號衛星散射計資料的應用提供理論基礎和方向支撐。

海面風場；散射計資料；遠洋航天氣象保障

1 引言

隨著我國對海洋資源和海洋權益的日益關注和重視，我國遠洋活動不斷增加，尤其是隨著我國進入航天發射的高峰階段，遠洋航天活動越來越頻繁[1]。遠洋航天活動一個重要關注點在于確保船舶航行安全的氣象保障。遠洋航天氣象保障主要關注密切影響船舶安全和任務實施的氣象要素和天氣系統，其中，氣象要素主要包括海面風場和海浪，天氣系統主要包括熱帶氣旋、冷空氣、溫帶氣旋和熱帶云團強對流等。

目前，我國在遠洋航天氣象保障主要依賴于數值預報產品及衛星云圖產品[2]。衛星云圖僅僅能提供當前大氣狀況的云圖特征，并不能提供天氣要素具體預報數值。數值預報產品雖然能提供包括海面風場、海浪等天氣要素的預報場，但目前遠洋航天氣象保障中并未開發自主的數值預報產品，而可用的數值預報產品仍然存在以下問題：一是依賴于國內外各大數值預報中心發布，在某些情況下，并不能準確按時接收各種數值預報產品，影響氣象保障的效率和準確性；二是國外產品缺點在于分辨率相對較粗，而國內產品雖然分辨率相對較高，但預報精度相比國外產品仍然存在一定差距。同時，對于遠洋航天氣象保障重點關注的熱帶氣旋天氣系統生成預報預警、熱帶氣旋結構診斷等，其保障產品仍然有待進一步豐富。尋找更多的高精度海面要素和熱帶氣旋預報產品是遠洋航天氣象保障的一個重要研究發展方向。

衛星散射計，能夠高精度提供海面風場信息，為更好開展遠洋航天氣象保障提供了一種可能。星載散射計為一種主動式微波遙感器，其通過測量海表后向散射回波信號強度可間接反演得到海面風場信息。由于其具備全天候、大面積、近實時觀測的特點，衛星散射計被認為是目前獲取海面風場的最理想遙感器[3]。同時，衛星散射計特有的全天候觀測能力和受云雨影響較小的特性，使得其在極端天氣如熱帶氣旋和大風浪情況下的應用有著其它傳感器不可比擬的優越性。隨著散射計資料海面風場反演方法的改進，其在無雨條件下的海面風場反演風速誤差達到0～2 m/s或風速的10%，風向誤差達到0°～20°。同時，通過合理構建降雨對微波信號的影響，降雨條件下的海面風場反演精度也不斷提高[3]。

雖然衛星散射計目前主要用于反演海面風場要素，但是遠洋航天氣象保障中關注的眾多天氣系統和氣象要素等均與海面風場的變化息息相關。如，災害性天氣系統熱帶氣旋一個重要特征就在于海面風場的變化，海浪的變化也主要受海面風場的影響等[4]。散射計提供的海面風場要素，不但能夠為氣象預報保障提供近實時海面風場參考，同時，還可用以診斷其他一些遠洋航天氣象保障中關注的要素和產品。目前，遠洋航天氣象保障中尚缺少散射計海面風場產品及其拓展應用產品。

本文結合遠洋航天氣象保障中存在的弱點，嘗試將散射計海面風場資料引入到遠洋航天氣象保障中，探討其在遠洋航天氣象保障中應用的可行方向，總結相關研究方向的目前國內外研究進展，以便為下一步散射計海面風場資料在遠洋航天氣象保障中的應用提供理論基礎和方向支撐。

2 散射計海面風場資料在遠洋航天氣象保障中應用可行方向

遠洋航天氣象保障中重點關注氣象要素為海面風場和海浪，天氣系統為熱帶氣旋、冷空氣、溫帶氣旋和熱帶云團等；同時，目前遠洋航天氣象保障中缺乏自主的數值天氣預報產品，在短時間內也無法實現自主的數值天氣預報，并且包括熱帶氣旋生成和結構診斷等相關保障產品仍有待進一步豐富。

針對目前遠洋航天氣象保障現狀，散射計海面風場資料除了可以用于近實時分析包括臺風、副高等在內的天氣系統外[5]，在遠洋航天氣象保障中應用可行方向總結主要可包括：應用于診斷海面風場氣候統計特征、應用于診斷熱帶氣旋生成預報預警、應用于診斷熱帶氣旋內部結構特征、結合數學非線性時間序列預報方法應用于站點海面風和海面風場預報。下面將結合遠洋航天氣象保障的關注重點和弱點對各個可行方向進行闡述和探討。

2.1 海面風場氣候特征統計

遠洋航天氣象保障中，在每次遠洋航行執行任務前，對于特定時間段特定任務海域均要進行氣象要素氣候特征統計，以便為更好開展氣象保障提供氣候特征參考和指導。目前，遠洋航天氣象保障中進行氣象要素氣候統計，主要依賴于歷史的數值預報產品資料。由于散射計海面風場資料具有高精度的特性，將其應用于診斷海面風場氣候統計特征具有明顯的優越性，也是散射計海面風場資料服務于氣象保障的一個重要應用方面。

國外方面，Fang等[6]針對中國南海區域，利用1°×1°的散射計海面風場格點資料，開展了海面風場線性趨勢特征研究和基于經驗正交函數分解（EOF）分解的風場年代際變化特征研究。He[7]利用3a的QuikSCAT散射計海面風場資料，研究了西南太平洋區域的風速概率分布特征。Chronis等[8]利用2000—2008年的12.5 km分辨率QuikSCAT散射計海面風場資料，開展地中海和黑海海域的風場季節平均統計特征研究和大風極端事件統計特征研究，并分析兩者之間的聯系。Sathiyamoorthy等[9]利用印度的OSCAT散射計海面風場資料，研究了2010年夏季季風期間的季風季節變率和主要模態特征。Collins等[10]利用QuikSCAT散射計資料診斷了西印度洋海域海面風場局地尺度空間特征和年代際變化特征。

國內方面，郭小鋼等[11]利用ERS衛星散射計風場資料，插值到1°×1°網格格點，研究了包括東北季風和西南季風隨緯度變化及風應力特征在內的南沙群島海域的風場特征。劉春霞等[12]利用QuikSCAT散射計資料，研究了南海的大風頻數特征和海面風場空間統計特征。楊亮[13]利用衛星遙感散射計海面風場資料，對西北太平洋海面風場時空特征進行了相關分析。沈春等[14]利用QuikSCAT散射計資料進行經驗正交函數分析和隨機動態分析，研究了中國南海海面風場的變化特征。馬艷輝[15]利用QuikSCAT和ASCAT網格化時間序列數據，對南極周邊海域的海面風場基本統計特征和經驗正交函數分解統計特征進行了分析。

以上分析顯示，散射計海面風場資料已經被廣大氣象學者應用于開展海面風場的基本統計特征和其它統計特征研究，但不同海域海面風場統計特征并不相同，針對遠洋航天氣象保障重點關注海域，開展基于散射計海面風場資料的海面風場氣候統計特征研究，其可為遠洋航天氣象保障提供一種新的海面風場氣候統計特征產品。

2.2 熱帶氣旋生成預報預警

由于遠洋航天任務實施海域和時間可變性較小的特殊性，熱帶氣旋生成預報預警對遠洋航天氣象保障顯得更加尤為重要，也一直是關注重點和氣象保障難點。在以往任務中，就曾多次遭遇熱帶氣旋生成可能影響任務實施和船舶安全航行的情形。尤其是對于在熱帶輻合帶或者西南季風帶等熱帶云團活躍條件下的情形，此時，由于熱帶云團發展和消亡不確定性較大，數值預報產品對熱帶云團是否會發展生成熱帶氣旋有時會存在很大誤差，某些情況下對于熱帶氣旋生成診斷的時間有時很短，此時，如果熱帶氣旋生成位置和時間在任務實施海域和時間附近，為了更有利于領導進行指揮決策，希望能盡早給出熱帶氣旋生成的預報信息。目前，航天遠洋氣象保障中關于熱帶氣旋生成預報預警的產品有待進一步豐富。

由于熱帶氣旋生成一個重要方面表現在海面風場變化上，散射計海面風場逐漸應用于診斷熱帶氣旋生成預報預警。目前利用散射計海面風場資料診斷熱帶氣旋生成主要包括兩種思想，分別為基于相對渦度思想和基于大尺度矢量場匹配思想。

Liu[16]和Katsaros等[17]最早通過分析QuikSCAT散射計海面風場數據指出，在熱帶擾動被美國國家臺風中心（National Hurricane Center，NHC）判定為熱帶氣旋前24 h，散射計海面風場資料具備明顯的環流特征。Sharp等[18]首次提出利用散射計海面風場數據計算相對渦度，用于診斷熱帶氣旋生成。利用1999年和2000年多個臺風個例進行了初步診斷數值試驗，表明基于相對渦度思想診斷熱帶氣旋生成預報預警的可行性。基于Katsaros等思想，Hite等[19]和Gierach等[20]利用衛星散射計海面風場資料和靜止氣象環境衛星資料，結合低層相對渦度和風速診斷熱帶氣旋的生成。針對利用散射計資料計算相對渦度診斷熱帶氣旋生成，Ford[21]和Bourassa等[22]提出一種改進的相對渦度計算方法，同時分析了相對渦度計算的主要誤差源。

同時，Jaiswal等[23]基于大尺度海面風矢量場的匹配思想，提出一種可以克服基于相對渦度思想局限性的熱帶氣旋生成預報預警方法。其基本思想是，利用發展熱帶氣旋的海面風矢量場具有相似特征，利用矢量塊匹配算法，匹配海面風場與歷史數據庫中發展的熱帶擾動海面風場信息，進而診斷熱帶擾動是否發展成為熱帶氣旋。利用2007—2009年臺風季的連續海面風場資料開展試驗，結果表明，所有發展成為熱帶風暴的14個熱帶擾動均被該方法有效診斷出來，同時，也存在兩個錯誤診斷個例，熱帶氣旋生成診斷時間基本在25～114 h之間。之后，Jaiswal等[24]利用該方法，基于印度海洋二號OSCAT散射計海面風場資料，診斷了北印度洋海域的熱帶氣旋生成，2009年的11個熱帶氣旋數值試驗結果表明，其對應的熱帶擾動全部被診斷出來，提前診斷出來的時間也基本在24～144 h之間（見圖1），平均為63 h，但也存在2%的錯誤診斷率[24]。

圖1 北印度洋2009—2011年歷史數據庫樣本熱帶氣旋個例的跟蹤時間（該時間為熱帶低壓系統被JTWC確定為熱帶風暴時間與被算法診斷可發展成為熱帶風暴時間之差，摘自參考文獻[24]）

以上分析顯示，散射計海面風場資料應用于診斷遠洋海域熱帶氣旋生成預報預警具有一定的優越性，但是針對不同海域，需要構建相應的熱帶氣旋生成預報預警模型，優化診斷模型中若干關鍵參數。針對遠洋航天氣象保障重點關注海域特點，開發基于散射計海面風場資料的熱帶氣旋生成預報預警產品，并應用于遠洋航天氣象保障中，在提供一種新的預報保障產品的同時為更好開展熱帶氣旋生成預報預警保障提供一種可能。

同時，對于散射計海面風場資料診斷熱帶氣旋生成，目前算法中仍然存在一定的錯誤診斷率，且對于某些熱帶氣旋個例，其預報預警時效仍然相對較短（見圖1），而對于這些個例，往往是遠洋航天氣象保障中氣象保障的難點。

2.3 熱帶氣旋內部結構特征診斷

熱帶氣旋特定風速半徑、臺風中心位置在某些特殊情況下也是遠洋航天氣象保障的重點。如，2016年遭遇的一次在發展的熱帶氣旋附近實施任務的情形，在這種情況下，目前主要通過密切關注衛星云圖的變化、雷達觀測資料及常規觀測資料的變化來診斷熱帶氣旋的發展變化，在定量確定熱帶氣旋某一風速影響范圍等方面仍然存在欠缺，不利于更好準確判斷熱帶氣旋對船舶的影響程度。隨著散射計增強高分辨資料的出現以及反演海面風場精度的不斷提高，散射計海面風場資料逐漸應用于診斷熱帶氣旋內部結構特征。

國外方面，Magnan[25]利用NSCAT 25 km分辨率散射計海面風場資料，針對西北太平洋9個熱帶氣旋個例，開展計算熱帶氣旋關鍵風半徑和熱帶氣旋尺度大小研究，表明散射計資料可用以估計熱帶氣旋中心，且估計的關鍵風半徑與美國聯合預報預警中心（Joint Typhoon Warning Center，JTWC）產品具有很好的一致性。之后，QuikSCAT增強2.5 km分辨率資料出現，能夠呈現出更加細致的熱帶氣旋內部結構信息（見圖2）。Halterman等[26-27]利用該高分辨率海面風場資料，通過與25 km分辨率資料對比分析表明，2.5 km分辨率資料能夠有效監測熱帶氣旋的內核大小和結構以及是否存在中心眼墻等特征，而這些在25 km分辨率資料中往往無法體現。同時，2.5 km分辨率資料在熱帶氣旋環流中心定位方面比25 km分辨率資料精度也更高。Said等[28]利用QuikSCAT 2.5 km高分辨率散射計海面風場產品，開展估計熱帶氣旋中心和風半徑的研究。結果表明，與熱帶氣旋最佳路徑相比，估計的熱帶氣旋中心平均誤差只有19 km，標準偏差為10 km。同時，文中提出了一種利用散射計海面風場資料自動估計風速半徑的方法。

同時，國內方面，還局限于利用粗分辨率的散射計資料估計熱帶氣旋中心的研究。Zou等[29]研究了采用搜索QuikSCAT反演風向的渦旋中心，風速或后向散射系數的臺風中心區域在局部最小值點的方法定位獲得臺風中心位置信息。Zhong等[3]利用QuikSCAT散射計海面風場資料，構建了自動搜索確定臺風中心的相關流程，并利用一次熱帶氣旋多個觀測時次散射計資料進行了數值試驗，驗證了該方法的有效性。

圖2 25 km分辨率和2.5 km增強分辨率下2007年8月臺風“Dean”的風速和風向圖（摘自參考文獻[29]）

以上分析顯示，散射計海面風場資料可用于診斷熱帶氣旋路徑信息，同時，高分辨率的散射計海面風場還可用于診斷熱帶氣旋內部結構信息，在獲取高精度散射計海面風場資料后，將其應用于診斷航天遠洋海域熱帶氣旋結構特征，可更加客觀準確評估熱帶氣旋的影響范圍和影響大小，進而更好服務于航天遠洋氣象保障。

增強2.5 km高分辨率的散射計資料是通過一定的算法對正常25 km分辨率觀測資料提高分辨率生成[28]，因此，其不可避免存在一定程度的誤差，而這些誤差也會在一定程度上導致熱帶氣旋內部結構診斷存在誤差。同時，須注意到，受散射計衛星觀測的影響，散射計海面風場資料一般對于某個海域一天只有1—2次的觀測資料，時間密度仍然相對有限。

2.4 站點海面風和海面風場預報技術

目前，遠洋航天氣象保障中仍然缺少自主的預報保障產品，主要依賴于國內外發布的數值預報產品和衛星云圖等。在以往氣象保障中，仍然存在不能按時準確接收數值預報產品影響預報保障效能的情形。發展計算量較小、精度可靠的預報保障產品是遠洋航天氣象保障的一個重要研究方向。同時，當氣象保障人員關注站點或者日平均海面風場預報時，此時，數值天氣預報計算量太大，利用高精度站點或日平均海面風場資料時間序列，結合數學非線性時間序列預報方法開展海面風場預報研究具有重要的研究價值，也是目前發展起來的散射計海面風場資料的一個重要應用方向。

More等[30]和Malmberg等[31]分別利用人工神經網絡和卡爾曼濾波方法開展站點海面風預報研究。之后，由于遺傳算法相對傳統神經網絡等非線性時間序列預報算法，具有可提供顯式預報方程的優越性，逐漸廣泛用于海面風預報。Basu等[32]最早利用北印度洋的in situ常規觀測和衛星散射計觀測海面風場時間序列資料，基于遺傳算法開展單站海面風速預報研究。結果表明：該方法相對持續模型和自回歸模型具有明顯優越性。Zhong等[33]結合奇異譜分析濾除時間序列噪音方法，驗證了遺傳算法在中國南海站點海面風預報中的有效性，結果顯示，3個站點對于緯向風和徑向風的1～4 d預報誤差分別在1.24～1.95 m/s、1.4～2.11 m/s、1.68～2.80 m/s及2.15～3.51 m/s之間，不同站點由于海面風包含的噪音不同而可預報性和預報誤差并不相同。

通過結合經驗正交函數分解方法，Sharma等[34-35]分別針對阿拉伯海海域和孟加拉灣海域，利用散射計海面風場資料，將遺傳算法應用于區域海域海面風場預報研究。研究表明：對于5 d內預報，其相對于持續模型具有優越性。同時，Basu等[36]針對整個北印度洋海域（包括阿拉伯海和孟加拉灣），開展基于遺傳算法和經驗正交函數分解的散射計海面風場1～4 d預報研究，通過與浮標觀測資料對比，顯示出令人振奮的結果。結果顯示，對于北印度洋大部分海域，1 d預報誤差在1.5 m/s左右，3 d預報誤差也基本維持在1.5～2.0 m/s量級，4 d預報誤差在3 m/s量級，且均在4 m/s以下（見圖3）。同時，孟加拉灣海域的預報誤差相對阿拉伯海海域要更大。需說明的是，遺傳算法開展站點海面風和海面風場預報，相對于神經網絡等非線性時間預報算法另一重要特征在于計算量小，且一次構建預報模型后可長時間應用。

以上分析顯示，將散射計海面風場資料應用于站點海面風或海面風場預報具有潛在應用價值，但是對于不同站點或不同海域、及不同的觀測資料，所構建的海面風或海面風場預報模型是不相同的。針對遠洋航天氣象保障重點關注站點或海域特點，利用高精度散射計海面風資料，構建其相應的站點海面風或海面風場預報模型，可為其遠洋航天氣象保障提供一種自主開發的新的海面風預報產品，在豐富海面風預報產品的同時可為進一步提高海面風預報精度提供一種可能。

須注意到，利用散射計海面風場資料，基于遺傳算法的站點海面風或海面風場預報中，海面風場資料時間序列的噪音是影響算法有效性的一個重要因素，這也是前人研究中不同站點和不同海域的預報誤差不相同，有時差異還較大的原因。對于某些海面風場資料時間序列噪音較大的海域，該算法的預報誤差可能會相對較大。同時，該算法對于冷空氣或者熱帶氣旋等惡劣天氣引起的海面風突然增大的情況下的預報精度都還有待進一步考究。

圖3 北印度洋海面風場預報均方根誤差分布（單位：m/s，摘自參考文獻[37]）

3 總結和展望

本文針對散射計海面風場資料在遠洋航天氣象保障中的應用，總結歸納了4個可行應用方向，包括應用于診斷海面風場氣候統計特征、應用于診斷熱帶氣旋生成預報預警、應用于熱帶氣旋內部結構特征診斷、結合數學非線性時間序列預報方法應用于預報站點海面風或海面風場。對其相關可行應用方向的國內外研究進展進行歸納總結，結合遠洋航天氣象保障關注重難點，探討了在遠洋航天氣象保障中應用的可行性，可為下一步散射計海面風場資料在遠洋航天氣象保障中的深入應用提供理論基礎和方向支撐。

這些方向的研究均與遠洋航天氣象保障息息相關，如每次開展遠洋航天氣象保障前，均需要對關注海域海面風場等氣象要素特征進行統計，以便預報員了解相關海域氣候特征，高精度海面風場資料為氣候特征估計提供更好資料源；熱帶氣旋一直以來都是遠洋航天氣象保障重點關注天氣系統，對熱帶氣旋生成預報預警更是目前遠洋航天氣象保障中的薄弱環節，基于散射計海面風場資料開展熱帶氣旋預報預警，可為診斷熱帶氣旋生成進而更好開展熱帶氣旋預報保障提供一種可能；熱帶氣旋內部結構特征是有效評估熱帶氣旋影響范圍和影響強度的重要方面，高精度散射計海面風場資料可診斷熱帶氣旋結構特征，進而更好服務于航天遠洋氣象保障；海面風場一直以來都是影響遠洋航天氣象保障的重要氣象要素，基于散射計海面風場資料開展站點海面風或海面風場預報，可為遠洋航天氣象保障提供一種新的預報產品。

同時，目前我國海洋二號衛星散射計資料應用大多還局限于應用于數值天氣預報和海面風場氣候統計，在其它方面的應用還較少，本文中提出的4個可行應用方向還可為海洋二號衛星散射計資料在氣象保障中的深入應用提供理論和方向支撐。

[1]馬衛民,褚曉春,王力群.神舟七號飛船發射海上測控氣象保障分析[J].氣象,2010,36(12):35-40.

[2]趙學洋,周云山.數值預報產品在西南太平洋船舶導航中的應用[J].海洋預報,2013,30(5):69-74.

[3]Zhong J,Fei J F,Huang S X,et al.An improved QuikSCAT wind retrievalalgorithmandeyelocatingfortyphoon[J].Acta Oceanologica Sin,2012,31(1):41-50.

[4]周凱,陳希,李妍,等.兩種海面風場的對比及對海浪模擬的影響[J].海洋預報,2012,29(3):9-14

[5]苗春生,高雅,王堅紅.HY-2衛星近海面風場資料融合及在海上天氣系統分析中的應用[J].海洋預報,2015,32(4):12-22

[6]Fang G H,Chen H Y,Wei Z X,et al.Trends and interannual variability of the South China Sea surface winds,surface height,and surface temperature in the recent decade[J].Journal of Geophysical Research,2006,111(C11):C11S16.

[7]He Y P.Surface wind speed probability distribution in the Southeast Pacific of Marine Stratus and Stratocumulus regions[J].Central EuropeanJour-nalof Geosciences,2009,1(4):443-455.

[8]Chronis T,Papadopoulos V,Nikolopoulos E I.Qui-ckSCAT observations of extreme wind events over the Mediterranean and BlackSeasduring2000-2008[J].InternationalJournalof Climatolo-gy,2010,31(4):2068-2077.

[9]Sathiyamoorthy V,Sikhakolli R,Gohil B S,et al.Intra-seasonal variability in Oceansat-2 scatter-ometer sea-surface winds over the Indian summer monsoon region[J].Meteorology and Atmospheric Physics,2012,117(3-4):145-152.

[10]Collins C,Reason C J C,Hermes J C.Scatterom-eter and reanalysis wind products over the western tropical Indian Ocean[J].Journal of Geophysical Research,2012,117(C3):C03045.

[11]郭小鋼,靖春生,李立.南沙群島海域風場特征——衛星散射計觀測資料分析[J].熱帶海洋學報,2003,22(4):18-25.

[12]劉春霞,何溪澄.QuikSCAT散射計矢量風統計特征及南海大風遙感分析[J].熱帶氣象學報,2003,19(增刊):107-117.

[13]楊亮.基于遙感數據的西北太平洋海面風場時空特征分析[D].青島:國家海洋局第一海洋研究所,2007.

[14]沈春,蔣國榮,施偉來,等.南海QuikSCAT海面風場變化特征分析[J].海洋預報,2012,29(3):1-8.

[15]馬艷輝.基于散射計數據的南極周邊海域海面風場特征研究[D].青島:中國海洋大學,2013.

[16]Liu W T.Wind over troubled water[J].Backs-catter,2001,12:10-14.

[17]Katsaros K B,Forde E B,Chang P,et al.Quik SCAT’s SeaWinds facilitates early identification of tropical depressions in 1999 hurricane season[J].Geophysical Research Letters,2001,28(6):1043-1046.

[18]Sharp R J,Bourassa M A,O’Brien J J.Early detection of tropical cyclones using SeaWinds-derived vorticity[J].Bulletin of the American Meteorological Society,2002,83(6):879-889.

[19]Hite M M,Bourassa M A,O'Brien J J.Vorticity-based detection of tropical cyclogenesis[C]//14th Conference on Interaction of the Sea and Atmosphere.Atlanta,GA:America Meteorolog-ical Society,2016.

[20]Gierach M M,Bourasa A,Cunningham P,et al.Vorticity-based detectionoftropicalcyclogenesis[J].JournalofApplied MeteorologyandClimato-logy,2007,46(8):1214-1229.

[21]Ford K M.Uncertainity of scatterometer-derived vorticity[D].Florida:TheFloridaStateUniver-sity,2008.

[22]Bourassa A M,Ford K M.Uncertainty in scatterometer-derived vorticity[J].Journal of Atmospheric and Oceanic Technology,2010,27(3):594-602.

[23]Jaiswal N,Kishtawal C M.Prediction of Tropical Cyclogenesis Using Scatterometer Data[J].IEEE Transcations on Geoscience andRemoteSensing,2011,49(12):4904-4909.

[24]Jaiswal N,Kishtawal C M,Pal P K.Prediction of tropical cyclogenesisinNorthIndianOceanusingOceansat-2 scatterometer(OSCAT)winds[J].Meteorology and Atmospheric Physics,2013,119(3-4):137-149.

[25]Magnan S G.Calculating tropical cyclone critical wind radii and storm size using NSCAT winds[D].New York:State University of New York,1998.

[26]Halterman R R.Observation and tracking of tropical cyclones using resolution enhanced scatt-erometry[D].Brigham:Brigham Young Univer-sity,2006.

[27]HaltermanR,DavidL.A comparisonofhurricaneeye determination using standard and ultra-high resolution QuikSCAT winds[C]//IEEE Internat-ional Conference on Geoscience and Remote Sensing Symposium.Denver,CO,USA:IEEE,2006:4117-4120.

[28]Said F,Long D G.Determining selected tropical cyclone characteristics using QuikSCAT′s ultra-high resolution images[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2011,4(4):857-869.

[29]Zou J H,Lin M S,Pan D L,et al.Applications of QuikSCAT in typhoon observation and tracking[J].Journal of Remote Sensing,2009,13(5):840-846.

[30]More A,Deo M C.Forecasting wind with neural networks[J].Marine Structures,2003,16(1):35-49.

[31]Malmberg A,Holst U,Holst J.Forecasting near-surface ocean winds with Kalman filter techni-ques[J].Ocean Engineering,2005,32(3-4):273-291.

[32]Basu S,Satheesan K,Sarkar A,et al.Ocean surface wind prediction in the north Indian Ocean from in situ and satellite observations using genetic algorithm[J].Geophysical Resear-ch Letters,2005,32(24):L24601.

[33]Zhong J,Dong G,Sun Y M,et al.Application of the nonlinear time series prediction method of genetic algorithm for forecasting surface wind of point station in the South China Sea with scatterometer observations[J].Chinese Physics B,2016,25(11):110502.

[34]Sharma,R,Sarkar A,Agarwal N,et al.A new technique for forecasting surface wind field from scatterometer observations:A case study for the Arabian Sea[J].IEEE Transactions on Geoscien-ce and Remote Sensing,2007,45(3):613-620.

[35]Sharma R,Sarkar A,Agarwal N,et al.Predicting wind field in the Bay of Bengal from scatter-ometer observations using genetic algorithm[J].GeophysicalResearchLetters,2007,34(3):L03603.

[36]BasuS,SharmaR,AgarwalN,etal.Forecastingof scatterometer-derived wind fields in the north Indian Ocean with a data-adaptive approach[J].Journal of Geophysics Research,2009,114(C9):C09004.

Application of the wind field from scatterometer observations in ocean-going meteorology support

ZHONG Jian，MAWei-Min，JIANG Min，SUN Yi-Mei
（China Satellite Maritime Tracking and Control Department,Jiangyin 214431 China）

A new observation of wind field from scatterometer is introduced for ocean-going meteorology support to overcome the drawbacks in practice.Several research aspects are proposed,such as the diagnosing climate statistical characteristic of wind field,the tropical cyclogenesis,the inner structure of tropical cyclone,and wind point or wind field prediction with nonlinear prediction method.A detailed review on research advances of these directions is summarized.The research can provide the theoretical foundation and direction support for using the wind field from scatterometer especially for the HY-2 in oceangoing meteorology support.

wind field；scatterometer observation；oceangoing meteorology support

P732.1

A

1003-0239（2017）06-0008-08

10.11737/j.issn.1003-0239.2017.06.002

2016-12-06；

2016-12-23。

國家自然科學青年基金（41605075）。

鐘劍（1984-），男，工程師，博士，從事海洋氣象水文要素預報和資料同化數值預報研究。E-mail：zhj_zhongjian@163.com