无线射频干扰对SMOS卫星盐度数据产品准确度的影响研究

王新新，王祥*，赵建华，范剑超，王进，韩震

(1.国家海洋环境监测中心 海域资源环境动态监管中心，辽宁 大连 116023；2.青岛大学 物理科学学院，山东 青岛 266071；3.上海海洋大学 海洋科学学院，上海 201306)

无线射频干扰对SMOS卫星盐度数据产品准确度的影响研究

王新新1，王祥1*，赵建华1，范剑超1，王进2，韩震3

(1.国家海洋环境监测中心 海域资源环境动态监管中心，辽宁 大连 116023；2.青岛大学 物理科学学院，山东 青岛 266071；3.上海海洋大学 海洋科学学院，上海 201306)

SMOS卫星数据发布以来，相关学者针对海表盐度数据开展了大量的真实性检验工作，但是在受无线射频干扰(RFI)影响海域开展的相关工作很少。本文以西太平洋海域为研究区域，选择合理的时空匹配窗口，将WOD13实测海表盐度数据与SMOS卫星单轨海表盐度数据进行数据匹配，采用统计学方法开展SMOS卫星数据真实性检验，并分析RFI对SMOS卫星数据的影响。结果表明，SMOS卫星受分布在西太平洋沿岸射频干扰源的影响，RFI污染高风险区单轨L2数据准确度相对较低，最优仅为3.45，RFI污染低风险区的卫星数据准确度最优为1.07，可见，RFI对单轨卫星数据准确度的影响很大，最终导致西太平洋海域西部大面积海域数据缺失，尤其是中国近海海域，如何检测和减缓RFI对卫星数据的影响是亟待解决的问题。

无线射频干扰；微波辐射；SMOS卫星；海表盐度；真实性检验

1 引言

自2009年SMOS卫星成功升空试运行并传回首批观测图像以来，卫星微波遥感实现了海表盐度(Sea Surface Salinity, SSS)大范围、连续观测的目的，克服了传统SSS监测方式的弊端，大大满足了近几年对SSS研究和监测的需求[1]。2010年5月SMOS卫星进入了正式运行阶段，开始发布SSS卫星数据产品，并定期更新最新版本卫星数据，在全球气候变化研究、水循环监测与研究、台风跟踪、极地海冰监测等领域提供了大量的数据，起到了重要的作用[2]。

SMOS卫星SSS数据的准确度一直是国内外学者关注的问题，官方的观测目标为在时空分辨率为(200 km×200 km)/10 d或(100 km×100 km)/30 d条件下，准确度预计达到0.1～0.2[3-4]。近几年国内外学者针对此课题已经做了大量的研究：Banks等[5]2012年选择北大西洋亚热带大尺度海域(不包括近岸海域)开展SMOS卫星L2单轨数据准确度评估研究，研究结果表明该海域RMSE为0.5；Boutin等[6]2011年发布初步评估结果为全球尺度下SMOS盐度数据(30 d，1°×1°)的RMSE<0.3，远离沿岸陆地和涡流地区的大西洋热带开放海域(10 d，0.25°×0.25°)的RMSE<0.4；Boutin等在2012年发布了更加权威的评估结果，结论为远离陆地和海冰的海域SSS升轨平均数据(10 d，100 km×100 km)的准确度在0.3～0.5之间[7]；Boutin等[8]2013年在亚热带大西洋、热带太平洋、南印度洋、南太平洋等开阔海域得到的SMOS卫星L2平均融合数据(10 d，100 km×100 km)的最新准确度评估结果为：在热带和亚热带，准确度近似等于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单轨L2盐度数据的评估结果为1.2；Ren等[10]在南海海域得到SMOS盐度平均数据(7 d，1°×1°)的最优评估结果为0.74。

总结已有工作发现，在受无限射频干扰(Radio Frequency Interference, RFI)影响区域开展的SMOS卫星L2数据产品准确度评估工作很少。RFI对L波段微波遥感卫星的影响是不容忽视的，坐落在陆地或海洋平台上的发射源的RFI依然会严重影响微波辐射计接收的辐射信号，严重影响发射源周围海域SSS卫星遥感的准确度[11]。本文以西太平洋海域为研究区域，基于WOD13现场观测盐度数据评估SMOS卫星L2海表盐度数据产品的准确度，并分析近岸RFI源对SMOS卫星数据产品准确度的影响，对理解RFI的干扰特征和研究抑制RFI的算法具有一定的意义。

2 数据与方法

2.1 研究海域情况

本文选取西太平洋海域为研究区域(图1)，虽然海区地理形态复杂，受陆架地形、黑潮流系以及季风活动影响显著，卫星反演产品质量逊于大洋海区早已有共识，但是相关研究结果表明，西太平洋西部沿岸坐落的大量RFI源是影响SSS卫星产品质量的主要误差源[11-12]。在中国坐落着大量的点状RFI源，中强发射源通过天线辐射旁瓣的影响，造成发射源周围大范围区域内的卫星数据受到污染，在海面上形成以RFI源为中心的辐射条带，多个RFI源旁瓣在海面上形成的条带叠加在一起，其辐射强度随距离的增大呈衰减变化，影响由各自的条带影响扩展到面影响，严重影响着西太平洋海域SMOS卫星SSS数据产品的准确度[11-13]。以西太平洋海域为研究区域研究RFI对SMOS卫星的影响具有一定的代表性，并且在数据匹配筛选时，尽量排除其他误差源对数据的影响，以确保研究的客观合理。

图1 西太平洋区域RFI空间分布Fig.1 Spatial distribution of RFI in the western Pacific Ocean

2.2 受RFI影响判断依据

由于自然条件下的第3、第4 Stokes参数相对于人为RFI源很敏感，其值的异常变化可以用来表征人为辐射源。应用基于Stokes参数的RFI检测算法开展研究区域的RFI检测，计算表征RFI源辐射强度参数W，得到西太平洋海域RFI源的位置及其空间强度分布信息和特征[13]。检测算法为：

(1)

式中，U和V分别代表第3和第4 Stokes参数。

SMOS卫星运行轨道为太阳同步轨道，访问周期3 d，选取3 d SMOS卫星多轨L1C数据，对西太平洋海域和沿岸陆地形成全覆盖。提取单轨L1C数据中U，V参量数据，应用公式计算单一栅格处所有入射角的W参数，通过比较提取每个栅格点处参数W的最大值，并根据W参数值合理分级，生成RFI影响范围分布图。

由于地面RFI源的发射功率、天线方向图、天线增益、传输损耗等参数各异，同时SMOS卫星观测角度也相对丰富，这导致RFI对卫星的影响规律十分复杂，基于Stokes检测算法得到的RFI影响范围在一定程度上并不能完全用来表征某一时空的卫星数据是否受RFI污染，用它来表征空间上受RFI污染的风险则更贴切，所以根据W值分布特征和距岸距离将研究区域划分为RFI污染高风险海域和低风险海域，同时参考SMOS卫星数据处理团队通过RFI检测测试得到的栅格点受RFI污染概率(Dg_RFI_probability)数据，综合判断匹配点是否受RFI污染。

2.3 数据选择

实测数据采用2014年1-12月美国国家海洋数据中心(National Oceanographic Data Center, NODC)发布的WOD13中的高分辨率CTD数据(0.5～5 m)、水下滑翔机(Glider Data，GLD)数据(0.5～5 m)和Argo浮标数据，选择质量控制后的数据。Argo浮标数据水深的选择原则参考Boutin等[7]提出的方案，即大多数Argo浮标选择0.5～10 m水深的数据，而SOLO型和PROVOR型浮标在水深小于5 m时，浮标停止泵水，这两类浮标选择5～10 m水深的数据。

卫星数据采用2014年1-12月SMOS卫星L2级SSS数据产品(OSUDP2)，数据版本为V622。为避免其他误差源(风速、太阳耀斑、海表温度等)对真实性检验结果造成影响，参考Boutin等[7]提出的筛选方案对卫星数据进行筛选，即选择不受太阳耀斑影响、有效亮温值个数大于16、迭代次数小于20、风速小于6m/s和海表温度大于20℃的SSS卫星数据。SMOS卫星数据处理选用了3个海表粗糙度模型(双尺度模型、小坡度近似模型和半经验模型)模拟海表亮温，3种模型最终反演出3种盐度产品(SSS1、SSS2、SSS3)，要分别对其开展准确度评估[1,14]。

2.4 匹配评估方法

卫星观测数据与现场实测数据之间差异主要会出现时空差异的问题，考虑该问题后L2单轨数据采用的匹配方法为：提取24 h内与实测数据经纬度一致的卫星观测数据，即空间坐标点一致，时间匹配窗口为±12 h。通过匹配得到RFI污染高风险区域匹配点1 813个，RFI污染低风险区域匹配点2 394个(图2)。

评估方法主要是采用统计学中线性最小二乘回归的方法，计算相关系数(Corr)、偏差(Bias)和均方根误差(RMSE)用来评估数据的准确度。偏差反应的是每一组匹配点中卫星测量值与现场观测值之间的差异；RMSE对一组测量值中特大、特小的误差反应非常敏感，所以用RMSE衡量观测值与真值之间的偏差，能够很好地反映出卫星SSS数据的准确度。RMSE和Bias定义如式(2)、式(3)。

(2)

(3)

3 结果分析

3.1 真实性检验结果

通过统计分析发现，在受RFI污染高风险海域和低风险海域，SMOS卫星L2数据中参数Dg_RFI_probability大于1的匹配点的个数分别为1 670个和770个，分别占各自区域内匹配点总数的97.5%和32.2%，这表明根据RFI检测结果划分研究海域方案具有一定的合理性，并且在低风险海域，虽然远离RFI源，但是依然有一部分匹配点数据受到了RFI的污染，可见RFI源的作用范围是难以想象的。

SMOS卫星单轨SSS盐度产品OSUDP2(V622)与实测数据匹配线性拟合结果如图3、表1所示。评估结果分为受RFI污染高风险和低风险两类情况分别讨论。从图中可以看出，A组和B组的3类数据产品(SSS1、SSS2、SSS3)的Bias和RMSE都分别相差不大，这主要由于在数据筛选过程中，剔除了受风速影响的匹配数据点，导致受风速影响的3个粗糙度模型之间的差异较小；A组和B组3类数据产品与实测数据的相关系数都偏低，但是B组卫星数据与实测数据的相关性比A组数据高。

图2 西太平洋区域卫星数据与实测数据匹配点分布Fig.2 Spatial distribution of the matching data in the western Pacific Ocean

图3 SMOS卫星单轨数据与实测数据匹配散点图Fig.3 Scatter plot of SMOS SSS versus in-situ SSS

A组数据的Bias和RMSE比B组数据高，制约A和B组数据质量的共同因素是卫星数据的空间分辨率，SMOS卫星L2数据采用重采样的栅格(ISEA grid)存储形式，数据产品的空间分辨率为15.74 km，而真实的空间分辨率是变化的(30～300 km)，平均空间分辨率为40 km，这导致发布的重采样后的SMOS卫星数据产品准确度会相对降低。由于匹配数据过程中进行了数据筛选，排除了其他误差源对检验结果的影响，对比结果表明，RFI作为主要误差源，严重影响了SMOS卫星SSS数据的准确度。

表1 SMOS卫星单轨SSS数据与实测SSS数据统计结果

3.2 RFI影响分析

图4为Bias与参数W之间的函数关系图，从图中可以看出，随着参数W的增大，3类数据产品的Bias也都随之增大，尤其W在0～600范围区间内，Bias增大的幅度较大。根据相关研究结果，参数W可以表征RFI源辐射强度，并且随距离的增大呈衰减变化，可以推断随着与RFI源距离的增大，Bias会随之减小。从图1可以看出，RFI源广泛分布在中国、韩国和日本等地，多个点状RFI源对卫星造成叠加影响效应，导致其影响范围变大，影响更加复杂。

根据图1、图2和匹配数据点W值的统计直方图(图5)可以看出，匹配点在RFI作用范围内的分布主要集中在RFI影响相对较弱的区域，即远离陆地的海域，该真实性检验结果并不能完全反应RFI对SMOS卫星的影响，但是从得到的结论可以看出，即使在RFI影响相对较弱的情况下，SMOS卫星数据质量依然受到了严重的影响，导致大量数据丢失。图6为SMOS巴塞罗那研究中心(Barcelona Expert Center，BEC)发布的月均SSS数据产品(1°×1°)，该数据产品剔除了受RFI影响的数据，从图中可以看出，太平洋西部海域几乎没有数据，数据缺失范围与本文所划的RFI污染区域基本一致，可见RFI对西太平洋海域影响巨大，尤其对中国附近海域的SSS数据造成了严重的损失。

4 结论

通过西太平洋受RFI污染低风险海域的SSS卫星数据与实测数据匹配拟合分析，得到SMOS卫星L2单轨卫星SSS数据产品(15.74 km×15.74 km)的准确度相对较低，而在考虑到RFI作为主要因素影响的情况下，其准确度更低；RFI对卫星数据的影响随着距离的增大而减小，但是即使在距离相对较远的海域，其影响依然是不可忽视的，导致西太平洋西部大面积海域数据缺失，尤其是中国近海海域。

图4 偏差与参数W之间函数关系Fig.4 Bias as a function of W

图5 匹配数据点W值统计直方图Fig.5 W statistical histogram of scatter plot

图6 BEC发布SSS数据产品(月均，1°×1°)Fig.6 SSS products by BEC(month weighted average, 1°×1°)

本文对SMOS卫星数据的真实性检验结果未来可以对SMOS卫星数据用户提供较好的参考。近年来，针对SSS的研究飞速发展，可用于SSS卫星遥感的传感器也随之增多，下一步将针对中国海域RFI重度污染区域，重点研究如何检测并剔除RFI对微波辐射计接收信号的污染并提高中国海域SSS遥感准确度。

[1] 陈建, 张韧, 安玉柱, 等. SMOS卫星遥感海表盐度资料处理应用研究进展[J]. 海洋科学进展, 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, 杨建洪, 赵冬至, 等. SMOS卫星盐度数据在中国近岸海域的准确度评估[J]. 海洋学报, 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, 韩震, 等. 基于L波段Stokes参数遥感数据射频干扰检测及特性分析[J]. 电子与信息学报, 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, 赵建华, 等. 无线射频干扰对SMOS卫星盐度数据产品准确度的影响研究[J]. 海洋学报, 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。

国家重点研发计划资助(海洋环境安全保障专项——盐度计海洋信息提取技术(2016YFC1401006))；国家自然科学基金(61273307)。

王新新(1989—)，男，辽宁省盘锦市人，助理研究员，主要从事海表温盐卫星遥感研究。E-mail:xxwang@nmemc.org.cn

*通信作者：王祥，助理研究员，主要从事海表温盐卫星遥感研究。E-mail:xwang@nmemc.org.cn