AMSR-E觀測(cè)資料干擾對(duì)反演地表參數(shù)的影響

張思勃，官 莉（南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心，江蘇 南京 210044）

AMSR-E觀測(cè)資料干擾對(duì)反演地表參數(shù)的影響

張思勃，官 莉*（南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心，江蘇 南京 210044）

針對(duì)星載微波成像儀低頻窗區(qū)通道觀測(cè)數(shù)據(jù)中存在大范圍無(wú)線電頻率干擾（簡(jiǎn)稱RFI）的情況，以微波掃描輻射計(jì)（AMSR-E）為例，首先用改進(jìn)的主成分分析方法對(duì)RFI進(jìn)行識(shí)別；進(jìn)而探討RFI存在對(duì)反演地表參數(shù)的影響.然后，利用經(jīng)過(guò)線性擬合RFI訂正后的AMSR-E觀測(cè)資料，采用一維變分1D-Var方法進(jìn)行地表參數(shù)反演，通過(guò)對(duì)美國(guó)地區(qū)陸地RFI訂正前、后地表反演產(chǎn)品（地表溫度及降水率）的比較，發(fā)現(xiàn)RFI干擾使得受影響區(qū)域反演的地表溫度及降水率異常偏高，存在較大誤差.因此，在使用星載微波成像儀低頻窗區(qū)通道觀測(cè)進(jìn)行地表參數(shù)反演和資料同化前必須進(jìn)行有效地RFI識(shí)別和訂正，改進(jìn)的主成分分析識(shí)別方法和線性擬合的RFI訂正算法對(duì)陸地上觀測(cè)是有效的.

反演；RFI；AMSR-E；1D-Var

地表溫度、土壤濕度、表面降水率等地表參數(shù)作為重要的氣象要素，若利用傳統(tǒng)直接觀測(cè)方法，其觀測(cè)數(shù)據(jù)有很強(qiáng)的局地性，而且測(cè)站覆蓋范圍非常有限［1］.利用衛(wèi)星觀測(cè)的熱紅外通道反演地表溫度又有很多限制因素，特別是在陰天、雨雪等極端天氣情況下，熱紅外地表溫度反演精度難以保證［2-4］.微波遙感恰好可以彌補(bǔ)這一缺陷，微波窗區(qū)通道受大氣干擾小，可穿透部分云區(qū)獲得地表發(fā)射輻射，具有全天候、多極化等特點(diǎn)［5］.這些特征使得微波在地表參數(shù)反演領(lǐng)域具有獨(dú)特的優(yōu)越性［6］.目前常用的星載微波成像儀主要有:美國(guó)國(guó)家航空航天局地球觀測(cè)系統(tǒng)Aqua衛(wèi)星上搭載先進(jìn)的微波掃描輻射計(jì)（AMSR-E），美國(guó)國(guó)防部Coriolis實(shí)驗(yàn)衛(wèi)星上的全極化微波輻射計(jì)（WindSat），中國(guó)第二代極軌氣象衛(wèi)星風(fēng)云三號(hào)A/B/C星上的微波成像儀（MWRI）和日本第一期水循環(huán)全球變化觀測(cè)衛(wèi)星（GCOM-W1）上搭載的微波掃描輻射計(jì)（AMSR2）等［7］.這些搭載在極軌氣象衛(wèi)星上的微波成像儀主要用于提高地表遙感探測(cè)能力，被設(shè)計(jì)用來(lái)反演土壤濕度、植被含水量、地表溫度、雪覆蓋等地表參數(shù)［8-11］.

但是在用于反演地表參數(shù)的星載微波低頻觀測(cè)數(shù)據(jù)中發(fā)現(xiàn)大范圍的無(wú)線電頻率干擾（RFI）現(xiàn)象，所謂RFI現(xiàn)象是指人為主動(dòng)源（如:地基雷達(dá)、手機(jī)、空中交通管制設(shè)備、高速路上的GPS信號(hào)和限速設(shè)備等）的工作頻率恰好落在星載被動(dòng)儀器的觀測(cè)頻率內(nèi)，使得衛(wèi)星觀測(cè)到的自然地表、大氣輻射受到這些人為主動(dòng)發(fā)射輻射的干擾，對(duì)衛(wèi)星觀測(cè)數(shù)據(jù)造成污染［12］.在設(shè)計(jì)星載被動(dòng)傳感器的工作頻率時(shí)優(yōu)先選用專為被動(dòng)遙感設(shè)備預(yù)留的受保護(hù)的頻段，但是為了實(shí)現(xiàn)特定目標(biāo)的探測(cè)，許多星載被動(dòng)傳感器不得不工作在不受保護(hù)的波段（如，C波段和X波段），而且未來(lái)的傳感器仍得使用這些不受保護(hù)的波段來(lái)進(jìn)行探測(cè)［13］. RFI干擾會(huì)在遙感探測(cè)量中增加不可預(yù)測(cè)的噪聲，使得局地觀測(cè)亮度溫度異常偏高.特別對(duì)于被動(dòng)遙感，這一問(wèn)題猶為嚴(yán)重，因?yàn)榈乇硐鄬?duì)較弱的熱發(fā)射輻射很容易被強(qiáng)的RFI信號(hào)淹沒(méi)，給被動(dòng)微波遙感反演地表參數(shù)領(lǐng)域帶來(lái)挑戰(zhàn)［14-16］.

近十年來(lái)，在陸表RFI識(shí)別和訂正領(lǐng)域國(guó)外學(xué)者做出了重要的貢獻(xiàn)，2004年Li等［14］最先在AMSR-E的C波段（6.925GHz）觀測(cè)數(shù)據(jù)中發(fā)現(xiàn)RFI現(xiàn)象，提出利用譜差法識(shí)別中等強(qiáng)度以上的RFI區(qū).2005年Njoku等［13］將研究范圍從AMSRE數(shù)據(jù)的C波段擴(kuò)展到X波段（10.65GHz），指出可以利用全年的統(tǒng)計(jì)平均值和標(biāo)準(zhǔn)差值來(lái)作為識(shí)別RFI所需的閾值.2006年，Ellingson等［15］利用搭載在美國(guó)國(guó)防衛(wèi)星上的WindSat全極化輻射計(jì)觀測(cè)數(shù)據(jù)，對(duì)比Li等［14］和Njoku等［13］的研究結(jié)果，發(fā)現(xiàn)WindSat和AMSR-E低頻通道數(shù)據(jù)受RFI污染情況相似.2006年，Li等［16］利用主成分分析方法，充分考慮各通道間觀測(cè)數(shù)據(jù)的相關(guān)性，對(duì)RFI的識(shí)別算法進(jìn)行改進(jìn).然而，國(guó)內(nèi)開(kāi)展主動(dòng)無(wú)線電頻率對(duì)星載微波儀器的干擾研究和對(duì)無(wú)線電頻率進(jìn)行保護(hù)意識(shí)較晚，多數(shù)研究集中在地面主動(dòng)無(wú)線電頻率之間的相互影響［17-18］.2011年，Wu等［19］提出了針對(duì)AMSR-E觀測(cè)數(shù)據(jù)的RFI訂正算法即線性擬合法.2012年，鄒曉蕾等［12］利用MWRI觀測(cè)數(shù)據(jù)，針對(duì)冬季冰雪復(fù)雜地表的RFI識(shí)別問(wèn)題提出了標(biāo)準(zhǔn)化的主成分分析算法. 2013年Zhao等［20］使用WinSat觀測(cè)數(shù)據(jù)提出了雙主成分分析算法，適用于極地積冰下墊面條件下RFI的識(shí)別問(wèn)題.2014年，針對(duì)冬季冰雪和RFI混合的復(fù)雜陸地表面本課題組提出了一種簡(jiǎn)化算法即改進(jìn)的主成分分析算法［21］.另外除了陸表RFI的識(shí)別，在美國(guó)和歐洲大陸近岸洋面區(qū)域也發(fā)現(xiàn)了RFI現(xiàn)象，這類RFI現(xiàn)象主要源自洋面反射靜止通信/電視衛(wèi)星信號(hào)的干擾，特別地在美國(guó)附近洋面區(qū)域主要是微波輻射計(jì)的18.7GHz頻率通道受到DirecTV 10和DirecTV 11的干擾，而在歐洲附近洋面區(qū)域主要是微波輻射計(jì)的10.65GHz頻率通道受到Atlantic Bird 4A、Hot Bird 9和Astra 1KR的干擾［22］.由于本研究重點(diǎn)關(guān)注RFI現(xiàn)象對(duì)地表參數(shù)反演的影響情況，以美國(guó)大陸作為主要研究區(qū)域，RFI影響集中出現(xiàn)在6.9GHz通道，而在10.7GHz和18.7GHz通道則不受RFI影響.

上述研究都集中在對(duì)RFI的識(shí)別上，未討論RFI對(duì)反演地表參數(shù)的影響.本文以AMSR-E觀測(cè)為例，首先用改進(jìn)的主成分分析方法對(duì)無(wú)線電頻率干擾進(jìn)行識(shí)別；進(jìn)而探討RFI存在對(duì)反演地表參數(shù)的影響，通過(guò)對(duì)比試驗(yàn)分析識(shí)別和訂正RFI對(duì)反演地表參數(shù)精度的改善.

1 研究使用數(shù)據(jù)

本文利用搭載在2002年發(fā)射的Aqua衛(wèi)星上的先進(jìn)的微波掃描輻射計(jì)（AMSR-E）的觀測(cè)數(shù)據(jù)來(lái)開(kāi)展研究.AMSR-E是被動(dòng)式的遙感儀器，具有6個(gè)觀測(cè)頻率（6.925，10.65，18.7，23.8，36.5，89GHz），且每個(gè)頻率有水平和垂直兩種極化方式共計(jì)12個(gè)觀測(cè)通道.該成像儀采用圓錐形掃描方式，具有固定的55°地球入射角，以及1445km的刈寬，不同觀測(cè)頻率對(duì)應(yīng)不同星下點(diǎn)空間分辨率，從56km（6.9GHz）到5.4km（89GHz）不等［23］.本文使用的是AMSR-E的Level2A產(chǎn)品，它重采樣各通道觀測(cè)到的亮溫，因研究使用了AMSR-E的所有觀測(cè)通道，因此所有通道統(tǒng)一使用相同空間分辨率56km.

2 RFI識(shí)別和訂正方法介紹

2.1 改進(jìn)的主成分分析RFI識(shí)別算法

由于在AMSR-E的低頻通道大氣是相對(duì)透明的，探測(cè)到的微波輻射主要來(lái)自地表發(fā)射和散射的輻射.在陸地上，發(fā)射的微波輻射主要與土壤濕度、地表粗糙度、地表溫度和植被覆蓋程度有關(guān)［8］.由于土壤和植被中的水份對(duì)電磁輻射的吸收作用隨著頻率的增加而增加，導(dǎo)致探測(cè)到的亮度溫度值也隨著探測(cè)頻率的增加而增加.然而，隨著頻率的增加地表和植被的散射作用也越來(lái)越明顯，散射作用會(huì)減低觀測(cè)到的亮度溫度值.通常在頻率低于30GHz時(shí)，地表的發(fā)射效應(yīng)占主導(dǎo)地位，除冰雪散射區(qū)外，散射的作用是有限的.所以在非冰雪區(qū)，RFI影響就成了唯一可能造成被污染通道觀測(cè)亮度溫度異常偏大的原因.具體哪個(gè)觀測(cè)通道受到RFI污染，取決于當(dāng)?shù)厝藶橹鲃?dòng)源的工作頻率，比如美國(guó)地區(qū)主要是C波段受污染，而日本和中國(guó)地區(qū)主要是X波段受污染.如果RFI出現(xiàn)在C波段即6.9GHz，它會(huì)顯著地增加6.9GHz通道觀測(cè)到的亮溫，使得6.9GHz和 10.7GHz通道的亮溫差具有正譜差的特點(diǎn)（即6.9GHz通道觀測(cè)亮度溫度大于10.7GHz的亮度溫度）；如X波段受到干擾，則10.7GHz 的觀測(cè)亮度溫度大于18.7GHz的亮度溫度.這種譜差法可以從正常的自然發(fā)射輻射背景中區(qū)分出RFI區(qū)域，但是對(duì)于冰雪覆蓋的下墊面，散射作用會(huì)使觀測(cè)亮溫隨著頻率的增加而逐漸減低，因此冰雪散射作用造成了類似的正譜差特征，使得冬季高緯度地區(qū)有降雪時(shí)RFI區(qū)難以識(shí)別.為此，本課題組提出了一種改進(jìn)的主成分分析方法，以實(shí)現(xiàn)冰雪和RFI混合復(fù)雜地表時(shí)RFI的識(shí)別［21］，該算法不僅適用于冬季有冰雪存在的下墊面，同樣適用于夏季非散射地表的RFI識(shí)別.

通常是用積雪指數(shù)SI=TB18-TB36來(lái)對(duì)積雪進(jìn)行判斷的.在改進(jìn)的主成分分析方法中，利用3個(gè)變量:一個(gè)RFI指數(shù)（RI）和兩個(gè)積雪散射指數(shù)（SI）來(lái)構(gòu)建進(jìn)行主成分分析的向量.比如，對(duì)于6.9GHz水平極化通道的RFI識(shí)別，構(gòu)造數(shù)據(jù)矩陣如下:

式中:N表示指定區(qū)域內(nèi)的觀測(cè)點(diǎn)總數(shù)；TB表示觀測(cè)的亮度溫度；下標(biāo)H和V表示水平極化和垂直極化方式；下標(biāo)數(shù)字6表示6.9GHz通道，10表示10.7GHz通道，以此類推.

計(jì)算矩陣A的協(xié)方差矩陣S:S5×5=AAT，使其特征值（λ=［λ1，λ2，λ3］）以及特征向量（u=［u1，u2，u3］）滿足式（2）

利用特征向量把數(shù)據(jù)矩陣A投影到一個(gè)新的正交的數(shù)據(jù)空間，得到主成分矩陣Z:

《青衣》作為一部東方色彩濃郁的小說(shuō)，引發(fā)西方讀者共鳴的是它深刻詮釋了傳統(tǒng)與現(xiàn)代的交融，藝術(shù)與現(xiàn)實(shí)的碰撞，以及人性的熱望與偏執(zhí)；而它所反映的獨(dú)具特色的京劇文化以及社會(huì)、宗教、歷史、語(yǔ)言文化，則為西方讀者打開(kāi)了通往神秘東方國(guó)度的大門。論其文學(xué)價(jià)值，《青衣》兼?zhèn)涫澜缥膶W(xué)的普適性和中國(guó)文學(xué)的異質(zhì)性，既體現(xiàn)中國(guó)文學(xué)特色，又與西方文學(xué)傳統(tǒng)保持默契，作為譯介內(nèi)容無(wú)疑是明智之選。

每一個(gè)主成分彼此正交，互不相關(guān)，且第一主成分具有最大的方差，第二主成分次之.我們利用與RI（RFI指數(shù)）最相關(guān)的那個(gè)主成分來(lái)識(shí)別RFI區(qū)，通常夏季第一主成分可用來(lái)識(shí)別RFI分布和強(qiáng)度，而冬季，由于大范圍冰雪散射區(qū)的存在，第二主成分則是與RFI信息最相關(guān)的主成分.

2.2 RFI訂正方法

識(shí)別出RFI區(qū)后，需要進(jìn)一步去訂正這些地區(qū)的異常觀測(cè)，這里采用的是吳瑩等［19］提出的線性擬合方法.根據(jù)前人的研究成果，陸地區(qū)域無(wú)RFI影響時(shí)6.9，10.7，18.7GHz通道間的觀測(cè)亮度溫度相關(guān)性非常高，相關(guān)系數(shù)在0.87以上，而且洋面區(qū)域的相關(guān)性更高，相關(guān)系數(shù)在0.96以上［13］.正是由于自然地表發(fā)射輻射在各通道觀測(cè)之間的高度相關(guān)性，所以可以利用線性擬合的方法來(lái)擬合出未受RFI污染時(shí)各觀測(cè)通道間的關(guān)系曲線，對(duì)f1通道中受RFI干擾區(qū)域進(jìn)行訂正:

式中:下標(biāo)p表示水平極化或者垂直極化；H和V分別表示水平和垂直極化；f1表示須訂正通道的頻率；而f2表示未受污染通道的頻率；C0，C1，C2為擬合系數(shù).如果RFI出現(xiàn)在6.9GHz通道，且10.7GHz觀測(cè)未受污染的話，用10.7GHz通道的觀測(cè)值來(lái)訂正6.9GHz通道；但如果10.7GHz觀測(cè)也受污染的話（即6.9GHz和10.7GHz觀測(cè)都受污染），則用18.7GHz通道的觀測(cè)值來(lái)訂正6.9GHz通道.類似的，如果RFI區(qū)出現(xiàn)在10.7GHz通道，用18.7GHz通道的觀測(cè)值來(lái)訂正10.7GHz通道.表1給出了3種不同情況下對(duì)應(yīng)的式（4）中的擬合系數(shù)值.

表1 式（4）中的系數(shù)Table 1 Coefficients of eqation （4）

3 1D-Var反演算法介紹

利用變分技術(shù)，基于衛(wèi)星微波和紅外觀測(cè)數(shù)據(jù)除了可以反演大氣溫度、濕度垂直廓線外，還可以反演云量、云頂高度、地表溫度和地表發(fā)射率等大氣參數(shù)［24］.一維變分方法的代價(jià)函數(shù)定義為:

式中:X表示大氣狀態(tài)變量；X0表示大氣狀態(tài)的先驗(yàn)信息（稱作背景場(chǎng)）；Ym是已知觀測(cè)資料；H為觀測(cè)算子；B為背景場(chǎng)（X0）的誤差協(xié)方差矩陣；O為觀測(cè)資料的誤差協(xié)方差矩陣；F為觀測(cè)算子的誤差協(xié)方差矩陣.

一維變分產(chǎn)生的分析場(chǎng)Xa是使目標(biāo)函數(shù)式（5）達(dá)到最小值的解，即

要使得代價(jià)函數(shù)最小，可以通過(guò)對(duì)其求導(dǎo)，并使導(dǎo)數(shù)為零來(lái)求解，

將上式用于迭代循環(huán)，一直到代價(jià)函數(shù)達(dá)到最小時(shí)，結(jié)束循環(huán).

本研究使用快速通用輻射傳輸模式CRTM（Community Radiative Transfer Model），CRTM由美國(guó)NOAA JCSDA （Joint Center for Satellite Data Assimilation）設(shè)計(jì)研發(fā)，可以將大氣狀態(tài)變量投影到觀測(cè)空間，模擬計(jì)算出相應(yīng)的輻射值和輻射梯度（Jacobian）［25］，它不僅適用于晴空，同時(shí)也適用于有云及降水的天氣條件.該1D-Var算法從NCEP （NOAA's National Centers for Environmental Prediction） GDAS （Global Data Assimilation System）的客觀分析場(chǎng)中提取相關(guān)參數(shù)作為代價(jià)函數(shù)迭代的初始場(chǎng)，GDAS系統(tǒng)每天生成4個(gè)時(shí)次（00UTC、06UTC、12UTC和18UTC）水平空間分辨率為1°×1°的各種大氣參數(shù)場(chǎng)，垂直高度分為26層.在本1D-Var算法中需要輸入GDAS的溫度垂直廓線、濕度垂直廓線、云中液水含量垂直廓線，表面溫度以及地表發(fā)射率參數(shù)作為反演的背景場(chǎng).由于衛(wèi)星微波觀測(cè)輻射對(duì)地面輻射率很敏感，將地表發(fā)射率作為欲反演的大氣狀態(tài)變量的組成部分，極小化過(guò)程中動(dòng)態(tài)地調(diào)整地表發(fā)射率，有助于更好地反演地表參數(shù).反演得到的產(chǎn)品有地表和大氣參數(shù)兩類，地表參數(shù)主要有地表溫度和發(fā)射率譜；大氣參數(shù)主要有溫度垂直廓線、濕度垂直廓線、云中液態(tài)水含量垂直廓線等.基于這些基本的反演產(chǎn)品通過(guò)后處理算法（如，垂直積分、多元回歸等）可以計(jì)算得到其它的反演產(chǎn)品，如總水汽含量（TPW）、云中液水總含量、表面降水率（RR）等.

4 應(yīng)用試驗(yàn)及分析

4.1 應(yīng)用試驗(yàn)RFI訂正效果分析

以2011年3月10日美國(guó)地區(qū)AMSR-E的升軌觀測(cè)數(shù)據(jù)為例，利用上述改進(jìn)的主成分分析算法識(shí)別出6.9GHz通道上的RFI干擾區(qū)如圖1所示，圖1a為識(shí)別出的6.9GHz 水平極化RFI分布圖，圖1b為垂直極化.圖中灰線表示軌道寬度，兩軌之間的空白區(qū)為軌道間隙，沒(méi)有衛(wèi)星觀測(cè)數(shù)據(jù).通常以大于5K作為判斷RFI區(qū)的閾值.

從圖1中可見(jiàn)，無(wú)論在水平還是垂直極化，6.9GHz通道上都分布著大范圍、離散的RFI區(qū)，且數(shù)值越大表示RFI影響越強(qiáng).RFI干擾廣泛存在于美國(guó)本土，尤其是西海岸的加利福尼亞州和華盛頓州、密歇根州、俄亥俄州、肯塔基州及東海岸的北卡羅來(lái)納州、弗吉尼亞州、賓夕法尼亞州、馬薩諸塞州、馬里蘭州等地.

圖1 2011年3月10日AMSR-E升軌觀測(cè)數(shù)據(jù)識(shí)別出的美國(guó)地區(qū)6.9GHz RFI分布Fig.1 RFI distribution at 6.9 GHz with the AMSR-E ascending pass observations over the U.S. on 10 March， 2011

圖2 2011年3月10日美國(guó)地區(qū)AMSR-E升軌觀測(cè)6.9GHz通道亮度溫度Fig.2 Brightness temperatures at 6.9GHz with the AMSR-E ascending pass observations over the U.S. on 10March， 2011

進(jìn)一步對(duì)識(shí)別出的RFI區(qū)采用線性擬合方法進(jìn)行訂正，RFI訂正前、后的觀測(cè)亮度溫度對(duì)比如圖2所示.圖2a、2b分別為RFI訂正前的6.9GHz水平和垂直極化通道原始觀測(cè)亮溫.在這兩張圖中，由RFI造成的異常高亮度溫度區(qū)非常明顯，表現(xiàn)為各個(gè)孤立的異?！盁狳c(diǎn)”（紅色點(diǎn)區(qū)），亮溫值遠(yuǎn)超過(guò)300K，而自然地表發(fā)射則呈現(xiàn)大范圍、連續(xù)、平滑的亮度溫度分布特征.對(duì)比圖1，這些觀測(cè)亮度溫度異常高區(qū)與識(shí)別出的RFI區(qū)一一對(duì)應(yīng)，主要是受RFI干擾，使傳感器接收到的輻射加強(qiáng).

經(jīng)RFI識(shí)別和訂正處理后的亮度溫度為圖2c、2d，可見(jiàn)RFI訂正后觀測(cè)亮溫中的異常高值區(qū)已經(jīng)被合理的擬合數(shù)據(jù)所取代，RFI訂正后的AMSR-E 6.9GHz亮度溫度數(shù)據(jù)更平滑，符合自然地表發(fā)射輻射特征.對(duì)垂直極化通道的訂正效果（圖2d）要好于水平極化通道（圖2c），圖2c中對(duì)美國(guó)中部某些區(qū)域的訂正不是很徹底，還殘留一些孤立點(diǎn).另外，以垂直極化通道為例考察受 RFI污染通道的亮度溫度在RFI訂正前、后與不受RFI污染通道的亮度溫度間的關(guān)系，圖2e為RFI訂正前的AMSR-E 6.9GHz通道與不受RFI污染的18.7GHz通道間的亮度溫度散點(diǎn)圖，從圖中可見(jiàn)RFI訂正前的6.9GHz通道中有部分像素點(diǎn)的亮度溫度甚至超過(guò)300K，而這一異?，F(xiàn)象并沒(méi)有出現(xiàn)在18.7GHz通道的觀測(cè)亮溫中.圖2f為相應(yīng)的RFI訂正后的6.9GHz與18.7GHz通道間的亮度溫度散點(diǎn)圖，從圖中可見(jiàn)，RFI訂正后6.9GHz通道中亮度溫度異常高的像素點(diǎn)消失了.

4.2 應(yīng)用試驗(yàn)反演地表參數(shù)分析

以NCEP GDAS的客觀分析場(chǎng)作為1D-Var反演算法的背景場(chǎng)，利用2011年3月10日AMSR-E觀測(cè)美國(guó)地區(qū)的亮度溫度數(shù)據(jù)進(jìn)行反演，RFI訂正前、后反演的地表溫度如圖3所示.圖中高緯度北方有一片白色區(qū)域，主要是由于該區(qū)域存在積雪，積雪的散射作用使得變分反演時(shí)代價(jià)函數(shù)不收斂，造成反演失敗.圖3a為沒(méi)有進(jìn)行RFI訂正時(shí)利用1D-Var變分方法反演出的地表溫度圖，可見(jiàn)一些零散分布區(qū)域反演的地表溫度偏高（紅色，尤其是在東部的幾個(gè)州），且與周圍地表溫度的分布不連續(xù).溫度偏高區(qū)分布與圖1中識(shí)別出的RFI位置對(duì)應(yīng)的很好，比周圍其他自然地表發(fā)射輻射的反演結(jié)果偏高幾度甚至更高.因此，如果不進(jìn)行RFI識(shí)別和訂正處理將嚴(yán)重影響被動(dòng)微波遙感設(shè)備反演地表溫度的效果，使得反演精度大大降低、反演結(jié)果不可用.圖3b是RFI訂正后的反演結(jié)果.通過(guò)圖3a、3b對(duì)比發(fā)現(xiàn)，RFI識(shí)別和訂正處理可以有效地剔除由RFI污染所造成的反演異常高值區(qū)，使得反演的地表溫度分布更連續(xù)、更平滑可信，符合自然地表發(fā)射輻射的特征.

圖3 基于2011年3月10日AMSR-E升軌觀測(cè)利用1D-Var方法反演的美國(guó)地區(qū)地表溫度（K）Fig.3 Retrieved land surface temperatures （K） with the AMSR-E ascending pass observations by 1D-Var method over the U.S. on 10March， 2011

圖4 基于2011年3月10日AMSR-E升軌觀測(cè)利用1D-Var方法反演的美國(guó)地區(qū)降水率（mm/h）Fig.4 Retrieved surface rainfall rate （mm/h） with the AMSR-E ascending pass observations by 1D-Var method over the U.S. on 10March， 2011

為了進(jìn)一步對(duì)比RFI訂正前、后反演地表溫度的誤差，本文將1D-Var反演的地表溫度與NCEP FNL （Final Operational Global Analysis data） 空間分辨率為1°×1°的地表溫度再分析場(chǎng)（2011年3月10日18UTC）進(jìn)行比較，以地表溫度再分析場(chǎng)近似作為真值（圖3c）.首先，從圖像上看，RFI訂正前（圖3a）反演的地表溫度分布不連續(xù)，與地表溫度再分析場(chǎng)（圖3c）相比可以看到許多孤立點(diǎn)區(qū)的地表溫度反演異常偏高，而RFI訂正后（圖3b）反演的地表溫度分布更連續(xù)，平滑了圖3a中地表溫度異常高的像素點(diǎn)，雖然總體上RFI訂正后反演的地表溫度偏高于地表溫度再分析場(chǎng)（圖3c），但從反演結(jié)果的連續(xù)性上對(duì)比圖3a、3b和3c，可以發(fā)現(xiàn)RFI訂正后明顯改進(jìn)了地表溫度反演的效果.

然后，從統(tǒng)計(jì)數(shù)據(jù)上考慮，利用反演的地表溫度減去再分析真值得到二者的誤差，研究范圍覆蓋美國(guó)大陸（20N-52N，130W-60W）.經(jīng)統(tǒng)計(jì)發(fā)現(xiàn)RFI訂正前反演地表溫度的平均誤差為3.9128，均方根誤差為7.2512；而RFI訂正后平均誤差減少為3.2452，均方根誤差減少為6.6103，說(shuō)明RFI識(shí)別和訂正處理確實(shí)可以直接、有效地改善地表溫度的反演精度.但是就該個(gè)例而言，計(jì)算出的均方根誤差較大，分析可能原因:1）本文只是單一個(gè)例，相較于目前較公認(rèn)的微波地表溫度反演均方根誤差3～4K而言略偏高［26］，下一步需要做大量樣本的統(tǒng)計(jì)分析以檢驗(yàn)算法的可行性.2）時(shí)間不一致，在該個(gè)例中AMSR-E在美國(guó)陸地區(qū)的觀測(cè)時(shí)間在17UTC到21UTC時(shí)間段附近，而用于對(duì)比的地表溫度再分析場(chǎng)只能選擇時(shí)間較接近的18UTC資料，這將造成一定的誤差.3）空間不一致，地表溫度再分析場(chǎng)是空間分辨率為1°×1°的格點(diǎn)數(shù)據(jù)，為了與1D-Var反演的地表溫度對(duì)比，需要將1°×1°的格點(diǎn)資料內(nèi)插到衛(wèi)星觀測(cè)的空間分辨率上，這同樣也會(huì)造成一定的誤差.

反演的地面降水率如圖4所示，從圖4a中可見(jiàn)，RFI訂正前美國(guó)大陸上反演出了大范圍離散的降水區(qū)，尤其是東、西海岸各州以及中部的蒙大納州、懷俄明州、北達(dá)科州、南達(dá)科他州、奧克拉荷馬州等地.這些降水區(qū)基本呈孤立點(diǎn)狀分布且強(qiáng)度較弱（小于1mm/h），這并不符合我們熟知的降水規(guī)律（如，層云導(dǎo)致的大范圍連續(xù)降水或者對(duì)流云導(dǎo)致的局地強(qiáng)降水）.而且研究發(fā)現(xiàn)這些降水區(qū)的位置恰恰對(duì)應(yīng)于圖1中利用改進(jìn)的主成分分析算法識(shí)別出的RFI區(qū).由于RFI污染使得觀測(cè)數(shù)據(jù)異常偏高，讓反演算法誤認(rèn)為這些高亮溫是由降水引起的，造成虛假的陸面降水率反演.對(duì)比圖4b（RFI識(shí)別和訂正后的降水率反演結(jié)果）可以看到陸地上由RFI造成的虛假降水區(qū)被剔除了，只有在洋面上出現(xiàn)了零星的降水，提高了降水率產(chǎn)品的反演精度.

5 結(jié)論

5.1 以AMSR-E觀測(cè)數(shù)據(jù)為例，使用改進(jìn)的主成分分析算法識(shí)別美國(guó)陸地地區(qū)的RFI分布及強(qiáng)度，發(fā)現(xiàn)該地區(qū)主要受6.9GHz地面主動(dòng)源干擾.

5.2 RFI干擾使得受影響區(qū)域反演的地表溫度及降水率異常偏高，存在較大偏差，嚴(yán)重影響反演的地表參數(shù)精度.

5.3 RFI識(shí)別和訂正處理，可以有效地消除RFI的影響，改善反演地表參數(shù)的精度，進(jìn)行有效地RFI識(shí)別和訂正處理是利用星載被動(dòng)微波遙感設(shè)備觀測(cè)值反演地表參數(shù)及衛(wèi)星資料直接同化時(shí)必不可少的關(guān)鍵步驟.

5.4 改進(jìn)的主成分分析RFI識(shí)別方法和線性擬合的RFI訂正算法對(duì)陸地上星載微波成像儀觀測(cè)是普適的，不僅適用于ASMR-E，同時(shí)也適用于WindSat、MWRI、AMSR2等類似的設(shè)備，并用AMSR-E觀測(cè)資料在美國(guó)、歐洲和亞洲大陸對(duì)改進(jìn)的主成分分析算法進(jìn)行了測(cè)試.

5.5 但是該方法并不適用于洋面RFI的識(shí)別，這是由于洋面自身較大的波動(dòng)性給RFI識(shí)別帶來(lái)了困難.同時(shí)也不適用于終年積冰的格陵蘭島和南極州等地，在這些地區(qū)由于RFI訂正不完全，導(dǎo)致反演結(jié)果不可靠.進(jìn)一步改進(jìn)這些地區(qū)的RFI識(shí)別效果，是本課題組未來(lái)的研究方向.

［1］徐希孺，柳欽火，陳家宜.遙感陸面溫度 ［J］. 北京大學(xué)學(xué)報(bào)（自然科學(xué)版）， 1998，34（2）:248-253.

［2］朱懷松，劉曉錳，裴 歡.熱紅外遙感反演地表溫度研究現(xiàn)狀 ［J］.干旱氣象， 2007，25（2）:17-21.

［3］官 莉，王振會(huì)，Huang Hunglung.紅外高光譜資料模擬大氣廓線反演對(duì)云的敏感性 ［J］. 氣象科學(xué)， 2009，29（3）:312-316.

［4］賈媛媛，李召良.被動(dòng)微波遙感數(shù)據(jù)反演地表溫度研究進(jìn)展 ［J］.地理科學(xué)進(jìn)展， 2006，25（3）:96-105.

［5］張廷軍，晉 銳，高 峰.凍土遙感研究進(jìn)展:被動(dòng)微波遙感 ［J］.地球科學(xué)進(jìn)展， 2009，24（10）:1073-1083.

［6］毛克彪，施建成，李召良，等.用被動(dòng)微波AMSR數(shù)據(jù)反演地表溫度及發(fā)射率的方法研究 ［J］. 國(guó)土資源遙感， 2005，16（3）:14-17.

［7］鄒曉蕾.極軌氣象衛(wèi)星微波成像儀資料 ［J］. 氣象科技進(jìn)展，2012，2（3）:45-50.

［8］Njoku E G， Li L. Retrieval of land surface parameters using passive microwave measurements at 6 -18GHz ［J］. Geoscience and Remote Sensing， IEEE Transactions on， 1999，37（1）:79-93.

［9］Njoku E， Jackson T J， Lakshmi V， et al. Soil moisture retrievalfrom AMSR-E. Retrieval of soil moisture from AMSR-E ［J］. Geoscience and Remote Sensing， IEEE Transactions on， 2003，41（2）:215-229.

［10］Li L， Gaiser P W， Gao B C， et al. WindSat global soil moisture retrieval and validation ［J］. Geoscience and Remote Sensing，IEEE Transactions on， 2010，48（5）:2224-2241.

［11］Kelly R E， Chang A T， Tsang L， et al. A prototype AMSR-E global snow area and snow depth algorithm ［J］. Geoscience and Remote Sensing， IEEE Transactions on， 2003，41（2）:230-242.

［12］Zou X， Zhao J， Weng F， et al. Detection of Radio-Frequency Interference Signal Over Land From FY-3B Microwave Radiation Imager （MWRI） ［J］. Geoscience and Remote Sensing，IEEE Transactions on， 2012，50（12）:4994-5003.

［13］Njoku E G， Ashcroft P， Chan T K， et al. Global survey and statistics of radio-frequency interference in AMSR-E land observations ［J］. Geoscience and Remote Sensing， IEEE Transactions on， 2005，43（5）:938-947.

［14］Li L， Njoku E G， Im E， et al. A Preliminary Survey of Radio-Frequency Interference over the U. S. in Aqua AMSR-E Data ［J］. Geoscience and Remote Sensing， IEEE Transactions on，2004，42（2）:380-390.

［15］Ellingson S W， Johnson J T. A polarimetric survey of radio-frequency interference in C-and X-bands in the continental United States using WindSat radiometry ［J］. Geoscience and Remote Sensing， IEEE Transactions on， 2006，44（3）:540-548.

［16］Li L， Gaiser P W， Bettenhausen M H， et al. WindSat radio-frequency interference signature and its identification over land and ocean ［J］. Geoscience and Remote Sensing， IEEE Transactions on， 2006，44（3）:530-539.

［17］翟國(guó)慶，周 兵，賈 麗，等.移動(dòng)基站遠(yuǎn)場(chǎng)區(qū)功率密度分布和規(guī)劃控制距離 ［J］. 中國(guó)環(huán)境科學(xué)， 2010，30（9）:1293-1296.

［18］俞 鵬，翟國(guó)慶，黃逸凡，等.城市居住區(qū)設(shè)備噪聲頻率特性分析［J］. 中國(guó)環(huán)境科學(xué)， 2006，26（4）:491-495.

［19］Wu Y， Weng F. Detection and Correction of AMSR-E Radio-Frequency Interference ［J］. Acta Meteorologica Sinica，2011，25（5）:669-681.

［20］Zhao J， Zou X， and Weng F. WindSat Radio-Frequency Interference Signature and Its Identification Over Greenland and Antarctic ［J］. Geoscience and Remote Sensing， IEEE Transactions on， 2013，51（9）:4830-4839.

［21］官 莉，張思勃.星載微波輻射計(jì)歐洲大陸無(wú)線電頻率干擾分析［J］. 光學(xué)學(xué)報(bào)， 2014，34（7）:0728004-1-7.

［22］Gentemann C L， Wentz F J， Brewer M， et al. Passive microwave remote sensing of the ocean: An overview ［M］. Springer Netherlands: Oceanography from Space， 2010:13-33.

［23］Kawanishi T， Sezai T， Ito Y， et al. The advanced microwave scanning radiometer for the earth observing system （AMSR-E），NASDA's contribution to the EOS for global energy and water cycle studies ［J］. Geoscience and Remote Sensing， IEEE Transactions on， 2003，41（2）:184-194.

［24］Boukabara S A， Garrett K， Chen W， et al. MiRS: An all-weather 1DVAR satellite data assimilation and retrieval system ［J］. Geoscience and Remote Sensing， IEEE Transactions on， 2011， 49（9）:3249-3272.

［25］Weng F， Han Y， van Delst P， et al. JCSDA Community radiative transfer model （CRTM） ［C］//Proc. 14th Int. ATOVS Study Conf. 2005:217-222.

［26］Weng F， Grody N C. Physical retrieval of land surface temperature using the special sensor microwave imager ［J］. Journal of Geophysical Research: Atmospheres （1984-2012），1998，103（D8）:8839-8848.

Effect of AMSR-E data interference on the retrieval of land surface parameters.

ZHANG Si-bo， GUAN Li*（Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters， Nanjing University of Information Science and Technology， Nanjing 210044， China）. China Environmental Science， 2015，35（1）：260～268

There are spread radio-frequency interference （RFI） problems of the low-frequency observations of the spaceborne microwave imagers， e.g. AMSR-E （Advanced Microwave Scanning Radiometer）. A modified principal component analysis method was used to identify RFI and then its influence on the retrieval of surface parameters was studied. Next， the AMSR-E data corrected by linear fitting correction of RFI were used to retrieve the surface parameters through 1D-Var method. By comparing the retrieved products （e.g.， land surface temperature and surface rainfall rate）before and after RFI correction over the United States， it was found that retrieved land surface temperature and surface rainfall rate which were interfered by RFI were abnormally high and with large deviations. Therefore， it was necessary to effectively identify and correct RFI prior to low-frequency observations with spaceborne microwave imagers to retrieve land surface parameters or assimilate these observations. And the modified principal component analyzing RFI identification method and linear fitting RFI correction algorithm were effective for the observations over land.

retrieval；RFI；AMSR-E；1D-Var

X87，P407.7

A

1000-6923（2015）01-0260-09

張思勃（1987-），女，黑龍江哈爾濱人，南京信息工程大學(xué)博士研究生，主要從事大氣遙感科學(xué)與技術(shù)方面研究.發(fā)表論文2篇.

2014-03-20

國(guó)家自然科學(xué)基金項(xiàng)目（41175034）、江蘇省高校自然科學(xué)研究重大項(xiàng)目（13KJA170003）和江蘇省普通高校研究生科研創(chuàng)新計(jì)劃項(xiàng)目（CXLX13_489）

* 責(zé)任作者， 教授， liguan.nuist@gmail.com