降雨对SAR风场反演的影响及校正

余水，杨劲松，贺双颜，贺治国，任林，郑罡

(1．浙江大学 海洋学院，浙江 舟山 316021；2.国家海洋局第二海洋研究所 卫星海洋环境动力学国家重点实验室，浙江 杭州 310012)

降雨对SAR风场反演的影响及校正

余水1,2，杨劲松2*，贺双颜1，贺治国1，任林2，郑罡2

(1．浙江大学 海洋学院，浙江 舟山 316021；2.国家海洋局第二海洋研究所 卫星海洋环境动力学国家重点实验室，浙江 杭州 310012)

合成孔径雷达(Synthetic Aperture Radar, SAR)在风场反演中发挥着重要的作用，但由于受到降雨的影响，海面风场的反演精度会随之下降。本文利用Radarsat-2 SAR观测数据，准同步降雨数据和再分析风场资料对2014年台风“威马逊”外围风场受降雨影响的情况进行了分析，建立了雨致海表阻尼后向散射系数受降雨强度，入射角等因素影响的拟合模型，并对降雨引起的信号衰减，后向体散射进行了评估。实验发现雨致海表面阻尼作用抑制风致海面波的影响十分明显，且降雨造成的信号衰减随降雨强度和入射角的增大而增加，雨滴产生的后向体散射和雨致海表阻尼作用造成的后向散射系数变化随降雨强度的增大而增加，随入射角的增大而减小。实例表明本文建立的模型能够有效改善降雨条件下SAR风场的反演精度。

SAR；风场反演；降雨影响；校正

1 引言

海面风场是海气相互作用研究中非常重要的参数，而台风作为天气尺度上最为强烈的海气相互作用之一，其风场信息也成为最难监测的物理量之一。传统的观测手段包括浮标、海洋站、不定期的船舶报告等，效率低、成本高，所获数据往往是零星分布的点数据，在时间和空间方面常无法满足要求[1-2]。随着遥感技术的发展，各种被动及主动式微波传感器成为获取海面风场的重要手段，如辐射计、高度计、散射计、合成孔径雷达等[3]。其中，合成孔径雷达(Synthetic Aperture Radar, SAR)可获取相对更高空间分辨率的海面风场信息，适用于近海、岛屿和冰缘附近海域海面风场以及局地风场的测量，一定程度上弥补了散射计测风的不足，在台风监测方面发挥着越来越重要的作用，近年来备受关注[4-7]。

海面风通过对海表面的作用，产生海表面波，改变海表面粗糙度，引起雷达后向散射系数信号变化。因此，SAR所观测到的后向散射系数利用地球物理模式函数(Geophysical Model Function, GMF)可以反演获得海面风场信息[8]。利用交叉极化海面散射模型C-2PO可以得到较高精度的海面风场信息[9-10]。SAR图像在无雨、中低风速情况下，雷达后向散射系数随风速的增加逐渐增大，海面风速反演具有较高的精度。但随着风速的增加，GMF随风速的变化趋于停滞，海面风速反演的精度也会迅速下降[11-12]。

台风常伴随着大范围的强降雨，目前业务化使用的GMF函数例如CMOD4、CMOD5、CMOD5.N、CMOD-IFR2等均未考虑强降雨的天气条件，在台风这种极端天气情况下，其海面风速反演误差在某些矢量单元上甚至达到50%[10, 13]。现阶段，用于风场反演的SAR数据主要是C波段的ENVISAT/ASAR，Radarsat-1/2/SAR等，一般情况下，由于C波段雷达波长大于雨滴直径，雷达后向散射系数受降雨散射衰减的影响较小，但在一定的降雨强度和入射角情况下，雨滴对风场反演的精度有很大的影响[14]。

降雨对合成孔径雷达测风的影响主要包括：雨滴在大气中对信号的衰减作用，使回波信号减弱；雨滴下降时产生后向体散射，使回波信号增强；雨滴落入海水中时对水面产生扰动或对海表面波产生阻尼作用会改变海面的粗糙度，从而影响回波信号[15]。其中，针对前两项影响因素已有较为成熟的经验以及理论模型，但降雨对海表面的影响十分复杂，仍需进一步的研究。降雨与海表面的相互作用主要包括：雨滴滴落水面产生环形波，茎状或花冠状波纹，从而影响了风致海表波；雨滴在海表上层产生湍流使短重力波谱产生衰减；降雨伴随的下沉气流可能会改变海表面波谱[16]。因此，雨滴与海表面波的相互作用可能造成雷达后向散射截面增加或减小。现阶段，由于雨滴与海表面的相互作用过程十分复杂，研究者们的研究主要集中在雨滴在大气中对信号的衰减，雨滴在大气中产生的体散射，以及雨滴落入海表面产生的环形波等所造成的影响，而对雨致海表面波阻尼作用未有有效的理论模型。

关于降雨对风场反演的影响，国内外学者开展了大量的研究工作，研究者们利用同步数据提出了针对不同传感器的降雨修正模型。其中，Nie和Long[17]利用搭载在ERS-1/2上的C波段ESCAT散射计数据和热带测雨任务卫星上的降雨雷达(PR)数据评估了后向散射截面受降雨影响的情况，并通过对雨滴衰减、雨滴后向体散射、雨表面扰动3个方面进行定量分析，提出了降雨修正模型。为研究者们深入研究降雨影响奠定了基础。周旋等[18]构建了2010年全年的ASCAT散射计，降雨雷达和欧洲中期天气预报中心数值预报的匹配数据，定量分析了降雨对C波段散射计测风的影响并建立了C波段主动微波辐射传输模型。这些研究主要集中在C波段散射计，所采用的同步数据及也均是散射计数据。随着SAR测风应用的推广，越来越多的研究者开始关注降雨对SAR风场反演的影响。Xu等[16]建立了以物理传输模型为基础的受降雨影响的SAR海表粗糙度后向散射模型，并利用ENVISAT ASAR数据和NEXRAD降雨数据对建立的模型进行了评估。由于雨滴落入海面后与海表面波的相互作用十分复杂，尚未有准确的理论解释，研究者们的研究集中在降雨对海表面产生的扰动作用，忽略了雨滴与海表面波相互作用所产生的阻尼效果，本文则通过同步数据拟合探讨了雨致海表面阻尼作用对雷达信号的影响，利用2014年Radarsat-2 SAR对台风“威马逊”的观测数据、热带测雨任务卫星(Tropical Rainfall Measuring Mission, TRMM)的降雨雷达(Precipitation Radar，PR)以及美国国家环境预报中心(National Centers For Environmental Prediction, NCEP)再分析风场资料建立了匹配数据集，根据辐射传输模型(Radiative transfer model，RTM)计算了在不同入射角情况下的雨滴产生的体散射以及雨滴在大气中造成的衰减，并利用匹配数据对降雨强度与雨滴落入海面后造成的后向散射截面变化进行了数据拟合，间接获得了雨致海表阻尼作用造成的后向散射系数变化与降雨强度、入射角的定量经验关系，最后利用观测数据对模型性能进行了验证。

2 降雨条件下的雷达后向散射

在SAR图像中，降雨(雨团)通常能引起形状不规则的亮暗斑状图案[19]。而这种现象受两种机制的影响，其一是降雨与海面的相互作用，其二是大气中雨点产生的体散射效应及衰减作用。综合考虑这两种因素，可以将微波传感器接收到的信号表示为[15, 17]：

(1)

式中，σ0表示微波传感器观测到的后向散射截面值；σwind表示风矢量产生的雷达后向散射截面；σsurf表示降雨与海表面的相互作用；αatm表示双向的雨致大气衰减；σatm表示雨致大气后向体散射。

2.1 雨滴的衰减和后向体散射作用

在降雨情况下，信号在传输的过程中会受到降雨粒子的影响，一方面信号投射到雨滴上，能量会被雨滴吸收，变成其他形式的能量，另一方面能量会被降雨粒子散射，使得入射方向的能量受到削弱，由此造成了SAR信号的衰减。为了简化计算，雨滴可以近似看做瑞利粒子，雨滴的衰减可以表示成[16]：

(2)

n0=1 950·R0.21，

(3)

(4)

(5)

〈a6〉=2.37·10-21R1.26，

(6)

(7)

式中，εr表示雨滴的复相对介电常数；R表示降雨强度。

SAR信号在传输过程中，由于受到降雨粒子的影响，一部分信号通过雨滴的后向体散射作用返回微波传感器方向，雨滴的后向体散射系数可表示为：

(8)

降雨对微波传感器信号的衰减系数，以及雨滴产生的后向体散射与降雨强度及入射角的关系如图1a、1b所示。由图1可以看出，随着降雨强度的增加，同一入射角下，衰减系数逐渐减小，降雨引起的后向体散射逐渐增加，且随着入射角的增加，同样的降雨强度下，衰减系数随入射角增大变化量很小，后向体散射则略有减小。

图1 雨致衰减系数(a)及雨致后向体散射(b)与降雨强度及入射角的关系Fig.1 Rain-induced attenuation and raindrop volumetric scattering in different incident angle and rain rate rain-in-duced attenuation(a), raindrop volumetric scattering(b)

2.2 雨滴与海表面的相互作用

降雨对海表的影响十分复杂，要建立起大气与海表的动力过程十分困难，因此现阶段仍无海表扰动或阻尼作用受降雨强度影响的解析关系模型，雨滴对海表的影响主要包括以下几个方面[16, 21-24]：首先，雨滴撞击海表形成环形波，形成皇冠状的火山坑并且发展成为垂直的茎状；其次，雨滴在海表上层产生扰动因而衰减了短重力波谱；由于降雨伴随的下沉气流会改变原始风场因而改变了海表的粗糙度；由于复杂波之间的相互影响产生阻尼作用，削弱了海表面波。

粗糙海表面波谱可以由风致重力波谱和雨致海表波谱组成，因此，降雨情况下SAR观测到的后向散射截面可以综合表示成[16]：

(9)

在20°～70°的波束入射角下，海面的微波散射为布拉格散射，风致海面微尺度波是产生雷达后向散射的主要散射体。因此，利用CMOD5等GMF可以获得由风产生的归一化雷达后向散射截面。雨致海表面扰动就可由式(10)得：

(10)

3 数据

本文选取2014年7月发生在西北太平洋上的“威马逊”台风，利用2014年7月17日10点29分(世界标准时间)的Radarsat-2SAR观测数据，准同步的TRMM降雨强度数据以及NCEP提供的海面风场再分析数据对雨致海表面阻尼作用造成的后向散射系数变化与降雨强度及入射角之间的定量关系进行研究。

Radarsat-2是加拿大继Radarsat-1之后于2007年12月发射的C波段合成孔径雷达卫星，其SAR有11种波束模式，最高地面分辨率可达3m，最大成像幅宽500km，入射角范围在10°～60°之间[25]。本文所用的Radarsat-2数据为双极化模式，空间分辨率为50m，幅宽为500km×500km，入射角在19.4°～49.4°之间。

测雨雷达搭载在TRMM卫星上，入射角范围在0°～18°之间，星下点水平分辨率为4.3km，径向分辨率为250m。本文中采用的是网格化的3A42产品数据，每3h提供一次数据，空间分辨率为0.25°×0.25°。

海面风场再分析数据来自美国国家环境预报中心(NCEP)和国家大气研究中心(NCAR)联合执行的全球大气40年资料再分析计划，每天4次全球网格点数据，空间分辨率为0.5°×0.5°。

本文选用的准同步TRMM测雨雷达和Radarsat-2的SAR观测数据可观察到明显的雨带区域，但两者对应特征区域位置不完全重合。分析其原因：一方面是因为降雨数据与SAR数据采集时间存在1.5h的时间差，另一方面，降雨雷达主要观测云顶台风的降雨情况，而SAR不受云层及天气的影响，主要探测海表面的情况，台风因其特殊的动力过程及大气结构在云顶和海表面位置存在一定的偏差[26-28]。因此本文根据SAR图像的雨带暗斑，将TRMM数据进行移动使其降雨区域与SAR雨带位置基本重合。

台风作为一种极端的天气情况，中心附近(台风眼外)风速常能达到三四十米每秒，其中心(台风眼内)及外围风场风速较低。在中低风速情况下，GMF反演的风场具有较高的精度，而在高风速条件下，随风速增加，后向散射系数的增加速度逐渐减小，GMF随风速的变化逐渐变缓趋于停滞，海面风速反演的精度迅速下降。因此，为了更好获得风致海面扰动情况，本文研究的区域集中在台风外围，风速在35m/s以下(即GMF反演精度较高区域)，且在降雨较为集中的区域。

同时为了研究在不同入射角情况下后向散射截面受降雨影响的情况，本文选取3个不同入射角范围的区域，分别对数据进行处理。3个区域的入射角范围分别是20°～25°，25°～30°，30°～35°。SAR所观测到的归一化后向散射截面及降雨强度示意图如图2，图3所示，图中红框位置为3个不同入射角范围的区域。图4为根据NCEP数据的风向信息利用CMOD5反演的台风风速分布图。

图2 2014年7月17日Radarsat-2 SAR对台风“威马逊”的观测数据Fig.2 Radarsat-2 SAR image of typhoon Rammasun in July 17, 2014

图3 2014年7月17日台风“威马逊”TRMM 3B42降雨强度Fig.3 TRMM 3B42 rain rate of typhoon Rammasun in July 17, 2014

图4 2014年7月17日台风“威马逊”CMOD5反演风速分布Fig.4 Wind speeds of typhoon Rammasun retrieved by CMOD5 in July 17, 2014

4 雨致海表面扰动的后向散射校正

4.1 受降雨影响的风场校正

雨带对应区域在SAR图像上呈现明显的暗带且风速小于周围区域，考虑是受到降雨的影响。为了得到台风原始风场，本文通过线性插值的方法，将受降雨影响的区域进行风速的替代，得到不受降雨影响时3个区域的风速分布图，如图5所示。通过计算分析可以发现，区域1入射角较小，最大降雨强度在20mm/h左右，降雨对风速变化的影响平均约10m/s；区域2入射角中等，最大降雨强度在10mm/h左右，降雨对风速变化的影响平均约5m/s；区域3入射角较大，最大降雨强度在15mm/h左右，降雨对风速变化的影响平均约3m/s(表1)。

经过校正后的风场可以看作是无降雨情况下风速的分布情况，作为计算风致海面散射的输入风场，通过GMF可以计算出风致海表后向散射系数。

图5 研究区域1、2、3校正前(a，b，c)和校正后风速分布(d，e，f)Fig.5 Regional 1, 2 and 3 wind speeds distribution before correction (a, b, c) and after correction (d, e, f)

区域入射角范围最大降雨强度对风速影响120°～25°20mm/h10m/s225°～30°10mm/h5m/s330°～35°15mm/h3m/s

4.2 拟合雨致海表面阻尼作用的后向散射

降雨通过在大气中产生的衰减，后向体散射和海表面相互作用影响C波段SAR测风的精度，为了探究雨致海表面阻尼作用对测风精度的影响，本文利用式(10)间接获得这项的后向散射，并与准同步的降雨强度数据进行拟合以获得两者之间的定量关系。

利用多项式函数对降雨强度R和雨致海表面阻尼作用所致后向散射截面变化进行拟合，拟合表达式如式(12)所示：

(11)

(12)

式中，pn为拟合系数；R为降雨强度；n为拟合多项式阶数，本文采用线性拟合，即n=1。不同入射角下，拟合图像如图6所示，对应的拟合系数如表2所示。

图6 雨表面阻尼作用造成的后向散射系数变化与降雨强度的关系Fig.6 Relationship between rain rate and sea surface backscattering a.入射角20°～25°；b.入射角25°～30°；c.入射角30°～35°a.Incident angle is 20°～25°; b.incident angle is 25°～30°; c.incident angle is 30°～35°

入射角/(°)p0p1数据个数偏差均方根误差20°～25°0.001871-0.470924160.012140.1084025°～30°-0.012840.0307520930.013610.0366230°～35°-0.0003267-0.040929070.000120.01719

5 实验验证

为了验证本文提出的降雨条件下的SAR后向散射系数模型的精度，本文利用匹配的步进式微波辐射计(Step Frequency Microwave Radiometer, SFMR)风速和降雨数据，计算获得模型后向散射系数，并与2010年10月17日1时24分台风“鲶鱼”ENVISAT ASAR观测数据进行比对，验证雨致海表面阻尼后向散射系数模型的表现。

SFMR是由美国麻省大学微波遥感实验室提供，工作在C波段，可以同时在6个频率测量海表面发射率，从而得到海表面风速和降雨强度，测风的精度可以达到1 m/s，最高测风风速可达70 m/s[29]。图7是ENVISAT ASAR对台风“鲶鱼”的观测数据，蓝色实线为SFMR飞行路径，红色实线是中国气象局(China Meteorological Agency, CMA)提供的台风最佳路径数据。

图7 SFMR数据(蓝线)及CMA最佳路径数据(红线)在2010年10月17日01:24:22 ENVISAT ASAR对台风鲶鱼的观测数据上所显示的移动路线Fig.7 SFMR path (blue line) and CMA Typhoon best track (red line) in 01:24:22 October 17, 2010 Megi ENVISAT ASAR data

台风移动速度很快，在SFMR测量过程中，台风也时时移动，为了能够收集与SAR数据同步的风场数据，本文对数据进行了以下步骤的处理：

(1)选取SAR图像采集时间前后半小时时间差范围的SFMR数据作为研究对象，根据最佳路径数据移动方向，将SAR图像在此1 h内进行移动，获得和SFMR时间契合的SAR数据；

(2)考虑到CMOD5模式在高风速情况下可能产生的饱和现象，实验中选择风速小于30 m/s的数据与对应SAR数据进行研究。

图8是SFMR数据集各点对应的降雨强度及该点SAR观测到的后向散射截面值。

图8 SFMR采集数据点对应SAR归一化后向散射截面值(NRCS)及各点降雨强度大小Fig.8 SFMR rain rate and wind speeds data and its corresponding SAR NRCS

利用匹配的SFMR风速和SFMR降雨数据，通过模型计算后向散射系数，并与SAR观测到的后向散射系数相比较，模型应用前后不同入射角范围内验证结果如图9所示。

表3显示了3个区域不同入射角情况下，模型的校正效果。其中，20°～25°入射角范围内，偏差与均方根误差减小了40%左右；25°～30°范围内，偏差与均方根误差减小了60%左右；30°～35°范围内，偏差与均方根误差减小了89%左右。由此可见模型在较大入射角范围的校正效果较好，在低入射角范围内仍需进一步研究。由校正结果也可以发现：该模型在改进数据一致性方面有较好的表现，在与标准数据的准确度对比上仍需进一步改进。当降雨强度变化时，雨滴对海表的扰动作用也越来越复杂，不同海况或风速情况下，都可能对SAR风速反演有较大的影响。

图9 模型计算与SAR实测雷达后向散射系数对比，a～c分别为区域1,2,3原始SFMR数据与SAR比对结果，d～f分别为区域1,2,3加降雨影响模型后SFMR数据与SAR比对结果Fig.9 Normalized radar cross section comparison between SAR observations and SFMR calculation NRCS before (a, b, c) and after (d, e, f) using our model

入射角数据个数偏差均方根误差校正前校正后校正前校正后校正前校正后20°～25°74740.339770.336910.348600.3373725°～30°34340.157050.0753310.176500.0786730°～35°52520.132470.047010.132960.04703

由上述实验结果可知，本文提出的降雨条件下的校正模型在一定程度上可以改善SAR风速反演的精度。

6 结论

本文基于雨滴在大气中的衰减，后向体散射以及雨滴与海表面相互作用3个方面的影响因素，探讨了降雨对SAR海面风速反演精度的影响。在理论推导的基础上，利用台风“威马逊”的Radarsat-2 SAR观测数据，TRMM降雨雷达降雨强度数据和NCEP再分析资料匹配数据集，定量拟合了雨致海表面阻尼作用对后向散射系数产生的影响与入射角以及降雨强度的关系。

台风条件下，降雨对SAR风速反演精度的影响可达30%，且随着降雨强度的增大受影响的机制越复杂。定量分析发现，雨滴对SAR信号的衰减作用随降雨强度和入射角的增大而增强，雨滴产生的后向体散射随降雨强度的增大而增大，随入射角的增大而减小。降雨与海表相互作用产生的后向散射截面则较为复杂，较其他两个因素的影响更为显著，既可能在海表面产生环形波及其他复杂波形成飞溅从而增加了雷达后向散射系数，也可能由于各种复杂波谱的叠加作用导致海表面风致波被削弱，从而减小了雷达后向散射系数。本文利用SAR及其同步数据对雨致海表面阻尼作用进行了探究，得到了经验拟合模型，其影响随降雨强度的增加而增加，随入射角的增大而减小。

为了验证本文所拟合模型的校正效果，本文利用2010年10月台风“鲶鱼”的SFMR实测数据计算模型后向散射系数，然后与ENVISAT ASAR观测数据进行比对。结果表明，本文提出的模型能够有效评估降雨对SAR测风精度的影响。

C波段SAR能有效的获得海面风场信息，降雨是影响风场反演精度的主要因素之一。本文的工作提供了一种有效的手段，对研究清楚降雨对SAR信号的影响是一个有益的尝试，对开展台风监测，预警及灾害评估具有重要意义。

[1] 陈艳玲, 黄珹, 丁晓利, 等. ERS-2 SAR反演海洋风矢量的研究[J]. 地球物理学报, 2007, 50(6): 1688-1694.

Chen Yanling, Huang Cheng, Ding Xiaoli, et al. Study on ocean wind vector retrieval from ERS-2 SAR image[J]. Chinese Journal of Geophysics, 2007, 50(6): 1688-1694.

[2] 胡潭高, 张登荣, 王洁, 等. 基于遥感卫星资料的台风监测技术研究进展[J]. 遥感技术与应用, 2013, 28(6): 994-999.

Hu Tangao, Zhang Dengrong, Wang Jie, et al. Review of typhoon monitoring technology based on remote sensing satellite data[J]. Remote Sensing Technology and Application, 2013, 28(6): 994-999.

[3] Jin Y, Xu F. Polarimetric scattering and SAR information retrieval[M]. Hoboken, New Jersey:John Wiley & Sons, 2013.

[4] Vachon P W, Dobson F W. Validation of wind vector retrieval from ERS-1 SAR images over the ocean[J]. The Global Atmosphere & Ocean System, 1996, 5(2): 177-187.

[5] 杨劲松, 黄韦艮, 周长宝, 等. 合成孔径雷达图像的近岸海面风场反演[J]. 遥感学报, 2001, 5(1): 13-16.

Yang Jinsong, Huang Weigen, Zhou Changbao, et al. Coastal ocean surface wind retrieval from SAR imagery[J]. Journal of Remote Sensing, 2001, 5(1): 13-16.

[6] Zhang Dengrong, Zhang Yuzhou, Hu Tangao, et al. A comparison of HY-2 and QuikSCAT vector wind products for tropical cyclone track and intensity development monitoring[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(8): 1365-1369.

[7] Jin Y, Xu F. Inversions from Polarimetric SAR Images[C]. Piscataway, New Jersey:Wiley-IEEE Press, 2013:215-233.

[8] 杨劲松. 合成孔径雷达海面风场,海浪和内波遥感技术[D].青岛:中国海洋大学,2001.

Yang Jinsong. Synthetic aperture radar sea surface wind, waves and internal wave remote sensing technolgy[D]. Qingdao:Ocean University of China, 2001.

[9] Zhang B, Perrie W, Vachon P W, et al. Ocean vector winds retrieval from C-band fully polarimetric SAR measurements[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(11): 4252-4261.

[10] Zhang B, Perrie W. Recent progress on high wind-speed retrieval from multi-polarization SAR imagery: a review[J]. International Journal of Remote Sensing, 2014, 35(11/12): 4031-4045.

[11] Powell M D, Vickery P J, Reinhold T A. Reduced drag coefficient for high wind speeds in tropical cyclones[J]. Nature, 2003, 422(6929): 279-283.

[12] Tournadre J, Quilfen Y. Impact of rain cell on scatterometer data: 1. Theory and modeling[J]. Journal of Geophysical Research Oceans, 2003, 108(C7): 352-367.

[13] 邹巨洪, 林明森, 潘德炉, 等. QuikSCAT在台风监测中的应用[J]. 遥感学报, 2009, 13(5): 840-853.

Zou Juhong, Lin Mingsen, Pan Delu, et al. Applications of QuikSCAT in typhoon observation and tracking[J]. Journal of Remote Sensing, 2009, 13(5): 840-853.

[14] Zhang B, Perrie W. Cross-polarized synthetic aperture radar: a new potential measurement technique for hurricanes[J]. Bulletin of the American Meteorological Society, 2012, 93(4): 531-541.

[15] Nie C, Long D G. A C-band scatterometer simultaneous wind/rain retrieval method[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(11): 3618-3631.

[16] Xu F, Li X, Wang P, et al. A backscattering model of rainfall over rough sea surface for synthetic aperture radar[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(6): 3042-3054.

[17] Nie C, Long D G. A C-band wind/rain backscatter model[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(3): 621-631.

[18] 周旋,杨晓峰,李紫薇,等. 降雨对C波段散射计测风的影响及其校正[J]. 物理学报, 2012, 61(14): 532-542.

Zhou Xuan, Yang Xiaofeng, Li Ziwei, et al. Rain effect on C-band scatterometer wind measurement and its correction[J]. Acta Physica Sinica, 2012, 61(14): 532-542.

[19] 曲秀凤, 种劲松, 吴秀清, 等. 基于SAR的海洋降雨信号研究[J]. 遥测遥控, 2009, 30(4): 50-55.

Qu Xiufeng, Zhong Jinsong, Wu Xiuqing, et al. Investigation of rainfall signal over the ocean based on SAR[J]. Journal of Telemetry, Tracking and Command, 2009, 30(4): 50-55.

[20] Lemaire D, Bliven L F, Craeye C, et al. Drop size effects on rain-generated ring-waves with a view to remote sensing applications[J]. International Journal of Remote Sensing, 2002, 23(12): 2345-2357.

[21] Craeye C, Sobieski P W, Bliven L F. Radar signature of the sea surface perturbed by rain[C]//Geoscience and Remote Sensing Symposium, 1999. IGARSS'99 Proceedings. IEEE 1999 International. IEEE, 1999, 1: 206-208.

[22] Bliven L F, Sobieski P W, Craeye C. Rain generated ring-waves: measurements and modelling for remote sensing[J]. International Journal of Remote Sensing, 1997, 18(1): 221-228.

[23] Alpers W, Melsheimer C. Rainfall[J]. Synthetic Aperture Radar Marine Users, Manual, US Dept. of Commerce, NOAA. 2004: 355-371.

[24] Melsheimer C, Alpers W, Gade M. Simultaneous observations of rain cells over the ocean by the synthetic aperture radar aboard the ERS-1/2 satellites and by weather radars[C]//Geoscience and Remote Sensing Symposium, 1999. IGARSS'99 Proceedings. IEEE 1999 International. IEEE, 1999, 1: 194-196.

[25] Morena L C, James K V, Beck J. An introduction to the RADARSAT-2 mission[J]. Canadian Journal of Remote Sensing, 2004, 30(3): 221-234.

[26] Cheng Y H, Huang S J, Liu A K, et al. Observation of typhoon eyes on the sea surface using multi-sensors[J]. Remote Sensing of Environment, 2012, 123(6): 434-442.

[27] Pan Y, Liu A K, He S, et al. Comparison of typhoon locations over ocean surface observed by various satellite sensors[J]. Remote Sensing, 2013, 5(7): 3172-3189.

[28] He S, Liu A K, Yu C K, et al. Rainband feature tracking for wind speeds around typhoon eyes using multiple sensors[J]. International Journal of Remote Sensing, 2016, 37(9): 2016-2031.

[29] 周旋,叶小敏,于暘,等. 基于GNSS-R的海面风速探测技术研究[J]. 电子与信息学报, 2013, 35(7): 1575-1580.

Zhou Xuan, Ye Xiaomin, Yu Yang, et al. Sea surface wind speed measurement using GNSS reflection signal[J]. Journal of Electronics & Information Technology, 2013, 35(7): 1575-1580.

The correction of rain effect on SAR wind field retrieval

Yu Shui1,2, Yang Jingsong2, He Shuangyan1,2, He Zhiguo1,2, Ren Lin2，Zheng Gang2

(1.OceanCollege,ZhejiangUniversity,Zhoushan316021,China; 2.StateKeyLaboratoryofSatelliteOceanEnvironmentDynamics,SecondInstituteofOceanography,StateOceanicAdministration,Hangzhou310012,China)

Synthetic Aperture Radar (SAR) plays an important role in typhoon wind field retrieval, but due to the influence of the rainfall on the radar signal, the inversion precision of sea surface wind field will decline. In this paper, we analysis the rain effect to the 2014 typhoon Rammasun by using RADARSAT-2 SAR data, quasi-synchronous rainfall data and reanalysis data. The damping from rainfall to the water surface is simulated by rain rate and incident angle. Rain-induced attenuation and raindrop volumetric scattering was also evaluated. It is found that the rain effect to the sea surface perturbation is much complex than the other two factors, and the signal attenuation increases with the increases of rainfall and incident angle, raindrop volumetric scattering and rain-induced sea surface damping increase with the increase of rainfall, but with the decrease of incident angle. The experimental results also indicate that the model can improve the SAR wind measurement accuracy under rainfall conditions.

SAR; wind field retrieval; rain effect; correction

10.3969/j.issn.0253-4193.2017.09.004

2016-10-26；

2017-02-23。

国家自然科学基金(41321004，41306191，41306192，41406203，41676167)；国家863项目(2013AA09A505)；中国科技部-欧洲空间局合作“龙计划”四期项目(32249)；全球变化与海气相互作用专项国际合作项目(GASI-IPOVAI-04)。

余水(1993—)，女，安徽省六安市人，主要从事海洋微波遥感研究。E-mail:kerry_1993@163.com

*通信作者：杨劲松(1969—)，男，湖南省宁远县人，研究员，博士生导师，主要从事海洋微波遥感研究。E-mail:jsyang@sio.org.cn

TN957.52；P444

A

0253-4193(2017)09-0040-11

余水, 杨劲松, 贺双颜, 等. 降雨对SAR风场反演的影响及校正[J]. 海洋学报, 2017, 39(9): 40-50,

Yu Shui, Yang Jingsong, He Shuangyan, et al. The correction of rain effect on SAR wind field retrieval[J]. Haiyang Xuebao, 2017, 39(9): 40-50, doi:10.3969/j.issn.0253-4193.2017.09.004