星載GNSS-R臺風觀測資料分析

邵連軍，周旋，張春華，劉洪偉

(61741部隊，北京 100094)

0 引言

19世紀90年代以來，臺風路徑預報準確率提高了50%以上，這主要歸功于衛星遙感資料為中尺度數值天氣預報系統提供的背景場信息[1]。然而，臺風強度預報準確度卻沒有實質性的提高，原因之一就是現有遙感衛星對臺風內部風場的探測能力還有待提高。當風速大于20 m/s時，由于模式函數趨于飽和，導致散射計嚴重低估海面風速；另外，臺風演變比較快，傳統極軌衛星重訪周期長，難以及時捕獲臺風變化信息。

早在2000年10月，美國國家海洋大氣局(National Oceanic Atmospheric Adminstration，NOAA)和美國國家航空航天局(National Aeronautics and Space Administration，NASA)就開始探索基于GNSS反射信號的遙感技術(global navigation satellite system-reflectometry，GNSS-R)探測臺風的可行性，并在WP-3D“颶風獵人”飛機上安裝了GNSS-R接收機，開展了2次穿越臺風的機載觀測實驗，取得了初步研究成果[2]。在機載GNSS-R風場探測實驗取得進展的基礎上，NASA著手研究利用星載GNSS-R技術觀測臺風的方法，經過多年努力，于2016年12月成功發射了CYGNSS(cyclone global navigation satellite system)星座。Ruf等[3-5]針對CYGNSS衛星觀測資料，不斷改進海面風場反演算法，反演精度得到不斷提高，但距離衛星設計指標還有一定差距；Zhang等[6]利用CYGNSS模擬數據開展了熱帶氣旋數值預報實驗研究；Morris等[7]利用CYGNSS模擬數據研究了臺風的結構和強度；Jeonghwan等[8]利用CYGNSS的3級數據對2017年位于東太平洋的颶風“Dora”進行了初步分析；胡運等[9]對正常海況下的CYGNSS海面風場進行了分析。目前，國內在星載GNSS-R技術探測臺風方面尚處于起步階段，尚未見到利用星載GNSS-R觀測資料開展臺風分析的報道。本文綜合利用CYGNSS衛星的2、3級風速觀測數據對2018年9月2個典型臺風“山竹”和“潭美”進行研究，分析驗證CYGNSS觀測數據的特點及其對臺風的探測能力，總結了其不足，提出了改進方案。

1 CYGNSS衛星及其數據

1.1 衛星簡介

CYGNSS星座于2016年12月15日發射，由8顆小衛星組成，衛星部署在高度510 km、傾角35°的低地球軌道上，采用三軸穩定方式，能夠探測緯度35°N～35°S之間的海面風速，絕大部分臺風都發生在這個緯度范圍。每顆衛星搭載1臺延時多普勒映射接收機(delay Doppler map instrument，DDMI)和3副專用接收天線。其中，1副天線朝上，用于接收導航定位信號；2副天線朝下，用于接收海面反射信號，反射信號攜帶了海面粗糙度信息，用來反演海面風速。海面反射信號數據頻率為1 Hz，每臺DDMI接收機有4個反射信號接收通道，可以同時接收4顆GPS衛星反射信號，整個CYGNSS星座可以同時測量32個海面反射點的風速。

1.2 數據分級

CYGNSS衛星的數據產品分為4級。對原始I/Q觀測資料采樣，在星上進行相關處理，得到延時-多普勒圖像(delay Doppler map，DDM)，對DDM進行二次采樣，得到0級數據。采用星上定標系統對DDM進行定標，并基于衛星的高度和位置信息對DDM的散射截面進行校正，得到1級數據。對1級數據進行反演處理，得到帶有時間序列標記的非網格化風速和均方斜率參數，為2級數據。對2級數據進行精確地理定位并進行網格化處理，得到3級業務產品。

1.3 臺風風速反演算法

CYGNSS衛星臺風風速反演算法流程如圖1所示。首先需要建立反演模型。其方法是，收集CYGNSS衛星的歷史觀測數據和美國NOAA利用“颶風獵人”飛機上搭載的步進頻率輻射計(stepped frequency microwave radiometer，SFMR)儀器臺風觀測資料，進行時空匹配。主要選取CYGNSS海面反射點軌跡與“颶風獵人”飛行軌跡相近且時間相差在20 min以內的數據，對挑選的DDM數據進行預處理，提取歸一化散射截面(normalized bistatic radar cross section，NBRCS)和前沿斜率(leading edge slope，LES)，通過與時空匹配的SFMR機載觀測海面風速做回歸處理，進而建立反演模型。在此基礎上，對星載DDM數據進行校正處理，然后提取NBRCS和LES參數，利用反演模型進行計算，得到臺風風速反演結果。

圖1 CYGNSS衛星風速反演算法流程圖

CYGNSS衛星發射以來，風速反演算法經過幾次迭代升級，目前發布的數據為V2.1版本，本文選用該版本的反演資料開展研究。根據文獻[4]報道，當海面風速小于20 m/s時，回歸處理所用的數據來自模式輸出結果，風速反演不確定度為1.4 m/s；當海面風速大于20 m/s時，尤其是臺風觀測數據，回歸所用的數據來自“颶風獵人”機載SFMR現場觀測結果，風速反演不確定度為17%。根據文獻[5]最新報道，經過算法改進，當海面風速大于20 m/s時，風速反演不確定度可下降到11.3%。

2 臺風觀測數據分析

臺風一般由外圍區、臺風眼和最大風速區3部分組成。外圍區的風速由外向內增加，有螺旋狀云帶和陣性降雨。臺風眼位于臺風中心區，最常見的臺風眼呈圓形或橢圓形狀，平均約45 km，臺風眼的天氣比較平靜，風速小。最強烈的降水產生在最大風速區，平均寬度18～19 km，它與臺風眼之間有環狀云墻[10]。最大風速區盛行強烈的輻合上升氣流，受強降水的影響，傳統微波散射計往往對這個區域的探測探測能力不足。由于臺風的風速分布結構復雜，探測難度大，為了驗證星載GNSS-R技術對臺風的觀測能力，本文選取2018年9月2個典型的臺風“山竹”和“潭美”進行分析，通過對2次臺風反演結果的分析，驗證星載GNSS-R臺風探測的一致性和可行性，并研究該技術在高風速條件下的優勢與不足。

2.1 臺風“山竹”觀測數據分析

注：該圖基于自然資源部標準地圖服務下載的審圖號為GS(2016)1666號的標準地圖制作，底圖無修改。

2.2 臺風“潭美”觀測數據分析

注：該圖基于自然資源部標準地圖服務下載的審圖號為GS(2016)1666號的標準地圖制作，底圖無修改。

2.3 結果討論

綜合分析臺風“山竹”和“潭美”的觀測數據可以看出，GNSS-R風速觀測數據在高風速條件下的探測結果比較一致，符合臺風風速結構分布規律，初步說明星載GNSS-R技術在臺風觀測方面具有可行性。隨著風速反演算法不斷成熟，該技術能夠為臺風內部風場探測提供更加精確的資料，具有較大的應用潛力。

通過數據分析，發現CYGNSS衛星在最大風速區和臺風眼的探測數據分辨率較低，難以提供這個重要區域的海面風速詳細分布信息，主要原因是反射信號采樣率不夠高。CYGNSS衛星反射信號采樣率一直保持1 Hz，按這個采樣率計算，2個相鄰反射點之間的平均距離約為5.7 km。這個采樣率對于常規狀態下的海面風速探測是能夠滿足要求的，但對于臺風來說，單顆CYGNSS衛星穿越最大風速區和臺風眼一般為10多秒時間。這個區域的風速變化尤其劇烈，需要比較高的采樣率才能捕捉到該區域的風場詳細變化信息，應該考慮對星載接收機進行改進，提高臺風區域海面反射信號的采樣頻率。

3 接收機改進方案

為了使GNSS-R接收機更精細地探測臺風內部，尤其是最大風速區的風速信息，應提高臺風區域的反射信號采樣率。建議后續星載GNSS-R接收機設計中考慮采樣頻率自適應調整方案。熱帶氣旋導致海面反射信號特性變化，對星上相關處理得到的DDM波形也會帶來影響。通過對DDM進行處理，提取對風速變化比較敏感的NBRCS和LES參量。其中，NBRCS反映信號的強度特性，LES反映信號的波形特性。文獻[3]研究結果表明，這2個參數隨風速增大都呈降低趨勢。從這2個參數的變化特性入手，設計接收機采樣頻率自適應調整方案，初步設計方案如圖4所示。

圖4 星載GNSS-R采樣頻率自適應調整方案

首先收集整理歷史觀測數據，對不同風速條件下的NBRCS和LES參量的變化特征進行統計分析。隨著臺風的強度變化，其影響半徑可以達到300 km以上。從圖2(d)和圖3(d)可以看出，當GNSS-R衛星從外圍逐步穿越臺風時，海面風速由外至內呈上升趨勢；結合風速與NBRCS、LES參量的變化關系，針對不同臺風風速量級設定相應閾值，建立NBRCS和LES參量閾值表，制定接收機采用頻率匹配調整策略，將該閾值表注入到星載接收機相應模塊。星載接收機接收海面反射信號，對觀測數據進行在軌處理，得到DDM波形數據。進一步處理得到NBRCS和LES參量。結合閾值表進行比對判斷，當接收機檢測到信號變化超出設定的閾值時，根據策略自適應調整采樣頻率。需要說明的是，GNSS-R接收機在軌自適應調整的工程實現有待進一步研究論證，本文提出初步方案，供下一步衛星載荷設計和研制參考。

4 結束語

本文介紹了美國CYGNSS衛星的軌道特點、載荷組成、數據分級及其臺風風速反演算法。選取2018年9月“山竹”和“潭美”2個典型臺風的探測數據進行了分析。分析表明，CYGNSS衛星能夠探測到具有強烈降水的最大風速區海面風速，其風速分布符合臺風風速結構規律。針對CYGNSS衛星在反射信號采樣率方面存在的不足，提出了星載GNSS-R接收機采樣頻率自適應調整的改進方案。CYGNSS作為全球首個基于GNSS-R技術體制的遙感衛星星座，在臺風探測方面具有較大潛力。我國應借鑒CYGNSS衛星發展經驗，在軌道設計、載荷研制和反演算法方法等方面不斷優化，并積極探索反演數據在臺風預報模式中的應用，提高臺風預報準確度。