星載合成孔徑雷達遙感海洋風場波浪場

李曉峰 張 彪 楊曉峰

①(中國科學院海洋研究所 青島 266071)

②(南京信息工程大學 南京 210044)

③(中國科學院空天信息創新研究院 北京 100101)

1 引言

1978年，美國國家航空航天局(NASA)發射了SEASAT衛星，這是第1顆以海洋為探測目標的民用海洋觀測衛星，其搭載了高度計、輻射計、散射計、合成孔徑雷達(Synthetic Aperture Radar,SAR)共4型微波遙感器[1]。由于系統故障，SEASAT只工作了不到3個月，但是SEASAT SAR搜集了大量圖像，使人們清晰地看到海洋洋流、內波、渦旋、海冰等[2,3]。90年代以來，加拿大的RADARSAT-1/2/Constellations，歐洲航天局的ERS-1/2,Envisat,Sentinel-1系列，德國DLR的TerraSAR-X系列衛星，日本的ALOS系列、中國的高分系列衛星所攜帶的SAR傳感器在沿海和海洋提供了大量的SAR圖像?；谶@些海洋SAR數據，海洋遙感界進行了大量工作來反演SAR圖像中的大氣和海洋狀況?；A研究包括沿岸流、海洋鋒面，大氣邊界層現象、海洋內波等等[4—6]。SAR海洋學取得了長足的進步，有些算法已經成熟并可以應用到業務化產品當中去，其中技術最成熟的兩個算法是海面風場反演[7]和海浪信息提取[8]。

在中低風速條件下，風場反演是基于同極化(VV或者HH)海面歸一化雷達橫截面(Normalized Radar Cross Section,NRCS)的地球物理模式函數模型，此類模型是風速、風向以及SAR視線方向和入射角的函數。在高風速條件下(＞25 m/s)，同極化海面后向散射信號趨于飽和，基于交叉極化(HV或者VH)海面后向散射信號的海面風場反演成為發展方向。

早期海浪信息的提取是基于經典的海浪方向譜與雷達圖像譜非線性積分映射模型。利用SAR圖像獲取海浪方向譜，然后計算有效波高、主波波長、主波波向和周期等特征參數。然而，傳統星載SAR海浪譜反演方法存在一定的局限性：(1)海浪譜反演結果依賴于海浪數值模式提供的先驗波譜信息；(2)海浪方向譜與雷達圖像譜非線性積分映射模型中涉及的水動力調制傳遞函數計算并不準確；(3)無法有效解決反演的海浪譜中固有的180°方向模糊問題。隨著新型雷達衛星干涉和極化成像模式的出現，雙天線SAR測量的干涉相位和全極化SAR測量的目標散射矩陣信息，逐漸應用于發展海浪遙感新理論和新方法，有望解決傳統星載合成孔徑雷達海浪遙感面臨的瓶頸問題。

本文系統地總結了SAR在海面風場、波浪場研究中的成果。第2部分論述了海面風場反演的基本原理、典型大氣現象的圖像特征以及風場反演信息的誤差。第3部分總結了傳統合成孔徑雷達海浪遙感方法以及存在的問題，詳細介紹新型干涉與極化合成孔徑雷達海浪遙感研究進展，并指出了其潛在優勢和未來發展方向。結語在第4部分。

2 SAR海面風場反演及其應用

2.1 基本原理

在微波波段，海面微波后向散射信號的強度與海面風場的強度存在明顯正相關關系。在無風或極低風速條件下，海面可以視為準鏡面，SAR作為側視雷達接收到的海面回波信號非常??；隨著風速的增加，海面粗糙度變大，海面回波信號也逐漸增強，如圖1所示。后向散射信號在雷達入射方向與風向平行時達到最大值，并且風吹向雷達時的回波信號強度稍強于風背離雷達方向的強度。海面雷達回波信號隨著風速和風向存在規律變化，是海面風場定量遙感的理論基礎。

上世紀60年代美國學者就發現了在20°～60°入射角范圍內，雷達海面后向散射信號主要來自于與雷達波長接近的海面波的Bragg散射作用[9]。Bragg散射的產生需要入射電磁波λ和海面波的波長L滿足關系

當海面各反射點反射的回波信號距離差ΔR滿足(ΔR=nλ/2)時，回波相位相差為2π的整數倍，各回波信號同相相加，產生共振加強效應。例如，對于X波段電磁波其對應Bragg波范圍為1.9～4.3 cm,C波段對應的Bragg波長在3.7～8.2 cm之間，而L波段對應的Bragg波長則為33.6～48.4 cm。

圖1 雷達波在光滑表面、中度粗糙表面和粗糙表面的微波散射和反射分布Fig.1 Radar scattering from surfaces with different roughnesses

產生Bragg共振的海面波較小但其回波信號卻沒有被更大的海面波信號所淹沒是因為：空間上隨機分布的海面長波產生的雷達回波平均功率正比于觀測范圍內的有效散射點數，但是Bragg共振條件下的雷達回波平均功率正比于散射數的平方。因此共振效應會形成一個顯著的雷達回波信號，同時也對應著海面特定波長的表面波譜。

需要特別注意的是海面短波主要是由海面風產生的，并隨著風速的改變而快速變化。因此，不同的雷達頻段對風速變化的敏感性是不同的，更高頻段(更短波長)的雷達接收到的海面回波信號會更快的隨風速的變化而改變，對風場更敏感。因此，業務化的氣象海洋衛星通常使用頻率更高的Ku或者C波段進行海面風場遙感。

2.2 反演方法

為了從雷達后向散射信號定量反演海面風場，必須建立海面風場與雷達后向散射之間的正向模型。但是，由于目前描述海面起伏拓撲關系的理論分析模型還不夠完善，表面長波與短波間的相互作用機理還不完全明了，海面波浪破碎、泡沫、油膜覆蓋等現象各自對毛細重力波波譜密度的貢獻機理尚不清楚，此外雷達電磁波與復雜粗糙海面的相互作用也難以準確建模，導致基于物理機理的海面風場微波遙感模型精度明顯低于基于統計的經驗模型[10—15]。因此，當前業務化的海面風場雷達遙感反演均使用基于統計的經驗模型[16]。

2.2.1 地球物理模式函數

描述雷達后向散射信號與海面風場之間定量關系的經驗模型在風場遙感中被稱為“地球物理模式函數(Geophysical Model Function,GMF)”。好的模式函數必須滿足以下條件：

(1) 可通過星載雷達系統觀測值計算對應的海面風速和風向；

(2) 模式函數可表格化或具備函數形式；

(3) 不依賴于業務運行中難以實時獲得的氣象海洋附加數據。

各種非天底觀測雷達系統其風場反演地球物理模式函數的基本表達式都是相似(示例見圖2)。式(2)為一個通用的地球物理模式函數

其中，φ為風向與雷達入射方向的夾角，系數B0,B1和B2由風速、雷達波入射角、極化方式和頻率決定，指數z隨不同模式函數調整。

圖2 在42°雷達入射角條件下，CMOD5地球物理模式函數描述的雷達后向散射系數NRCS與風速和相對風向之間的函數關系Fig.2 CMOD5 GMF at 42° incident angle.CMOD5 is a GMF which described the relationship of NRCS,wind speed and rela-tive wind direction

地球物理模式函數最初是被設計用于微波散射計的風場反演，并且經過了長期的業務化優化。因為散射計和SAR獲取的海面后向散射信號特征相似，因此當SAR具有與散射計系統相同的雷達波頻率、極化方式和入射角分布范圍時，散射計的模式函數也可用于SAR風場反演[17—19]。

合成孔徑雷達海面風速反演通?；谟纱怪睒O化衛星散射計觀測建立的地球物理模式函數。隨著合成孔徑雷達長時間序列觀測數據的積累，陸和張等人[20]利用大量RADARSAT-2和Sentinel-1A垂直極化雷達圖像和時空匹配的浮標風速觀測，建立了垂直極化合成孔徑雷達海面風速地球物理模式函數C_SARMOD2，并將該模式函數與各種散射計海面風場模式函數的反演結果與浮標觀測進行了統計驗證和比較，發現C_SARMOD2反演風速均方根誤差最小，其值為1.84 m/s。對于傳統合成孔徑雷達海面風速反演，由于沒有相應的地球物理模式函數，只能將各種極化比模型與散射計模式函數相結合，然而無論是經驗還是理論極化比模型并不準確，在將水平極化后向散射轉化為垂直極化后向散射過程中存在潛在的誤差，從而影響海面風速的反演精度。為解決這個問題，張等人[21]利用海量Envisat ASAR圖像和時空匹配的ASACT風速和風向，首次建立了水平極化合成孔徑雷達海面風速地球物理模式函數CMODH，利用該模式函數可以由水平極化合成孔徑雷達圖像直接反演海面風速，無需極化比模型轉化雷達后向散射。通過與浮標觀測的風速以及利用各種極化比模型反演的結果相比較，發現CMODH反演的風速精度較高，其均方根誤差為1.66 m/s[22]。

需要特別指出的是，每種經驗模式函數只適用于單一雷達頻段、單一極化方式和一定的雷達入射角范圍。因此，針對不同的SAR載荷參數設置，在使用其觀測數據進行風場反演時，需要選擇或建立不同的模式函數，或者使用極化比模型將同一頻段但是不同極化的SAR數據先轉換為原有模式函數適用的極化方式[23—27]。隨著SAR衛星的增加，SAR海洋觀測數據的積累，目前在SAR海面風場反演中，已經越來越多的使用針對SAR研發的地球物理模式函數(詳見表1)。這些SAR專用模式函數的統計訓練樣本中，相較于微波散射計的模式函數，包含了更多的近岸觀測，在空間分辨率、雷達頻率和入射角范圍等方面更針對SAR載荷，風場反演精度更高。

表1 專用于SAR風場反演的地球物理模式函數匯總表Tab.1 GMFs developed for SAR wind retrievel

交叉極化觀測是極化合成孔徑雷達獨特的優勢，而過去和目前在軌的星載微波散射計衛星均沒有交叉極化觀測能力。2011年，Vachon和Wolfe，張彪等人[33]利用RADARSAT-2衛星觀測，首次發現C波段交叉極化海面后向散射信號對風向和雷達入射角不敏感，只是風速的線性函數，可直接用于風速反演[34]。隨后，張彪等人[35]同樣基于RADARSAT-2衛星觀測，發現交叉極化雷達回波信號在高風速條件下不易飽和，提出了適用于高風速反演的C-2PO模式函數；張國勝等人[36]通過考慮交叉極化波段非Bragg散射的貢獻，發現C波段交叉極化SAR海面回波信號存在對入射角的依賴性，利用RADARSAT-2衛星和美國國家大氣海洋局颶風飛機觀測數據，提出了改進的C-3PO模式函數。交叉極化SAR觀測的引入，顯著地提高了C波段SAR反演風場在高風速條件下的精度[37—43]。

2.2.2 風向提取

SAR是固定觀測角度的側視雷達，每次衛星過境只能獲取單一角度的海面觀測。雖然，已知風速、風向和觀測幾何，可以通過地球物理模式函數準確的計算確定頻段和極化的雷達海面后向散射強度，但是，只有單一雷達后向散射觀測，無法同時反演風速和風向。風向信息的獲取成為SAR海面風場反演的難題。早在上世紀80年代，基于美國SEASAT衛星獲取的L波段SAR圖像，Gerling等人[44]就發現了SAR圖像上的公里尺度的條紋特征是由風場產生的，通過將SAR圖像進行傅里葉變化，可以從圖像頻率譜中估計風向。但是該方法得到的風向存在180°風向模糊，即，無法區分順風和逆風方向。隨后，該方法得到了學者們的進一步完善和改進,提出了多種基于小波分析[45—47]、局部梯度[48—51]和圖像非均勻性[52,53]的風向提取算法。但是，由于SAR成像的復雜性和海氣環境的多變性，并非所有的SAR圖像都包含清晰的風條紋特征，限制了此類方法的普適性和風向提取精度。張彪等人[54]通過分析大量全極化合成孔徑雷達圖像和浮標觀測數據發現同極化和交叉極化通道相關系數與海面風向呈奇對稱，該特征可以有效去除海面風向計算過程中存在的180°方向模糊問題，獲取海面風向唯一解。此外，該研究建立了海面風速和風向協同反演模式，并且獲取了高空間分辨率(100 m)的海面風場，能夠反映海岸帶區域海面風場在亞公里尺度變化的精細結構特征。統計驗證結果表明，基于該模式反演的海面風速均方根誤差為1.39 m/s，海面風向均方根誤差為22.5°。對于高海況海面風向信息提取，張彪等人[55]利用垂直極化和水平極化雷達圖像，基于代價函數方法獲取了包含風向模糊的臺風海面風向，然后采用參數化流入角模型消除了風向模糊。范和張彪等人[56]建立了基于局地梯度的雙極化合成孔徑雷達臺風海面風向反演方法，結合臺風風場結構特征獲取了無模糊的風向，并用浮標、衛星散射計、輻射計以及拋棄式探空儀觀測風向驗證了反演的海面風向，其均方根誤差為13.3°。

除了從SAR圖像本身獲取風向，還可以通過外部輔助數據的方式，獲取風向信息。最常見的外部數據源包括：海上浮標觀測[57]、散射計等其他衛星遙感產品[58]和數值天氣預報模式輸出產品[59,60]?？紤]到外部數據獲取的便利性、空間覆蓋性和時間連續性等因素，數值天氣預報模式輸出產品是最常用的風向數據來源。但是，業務化模式的空間分辨率通常明顯低于SAR，因此，在風場反演前需要對模式風向進行插值處理，以保證每個反演的風單元都有對應的風向信息。

2.2.3 真實性檢驗

對SAR反演風場的真實性檢驗是其數據定量應用的前提[61]。隨著星載SAR的日益增多和SAR風場反演業務化系統的運行，對SAR風場遙感產品的誤差特性有了更準確的認識。表2給出了具有代表性的一些SAR風場遙感產品的誤差統計結果。經過與海上固定浮標、數值模式再分析資料和微波散射計風場遙感產品的對比，可以發現，SAR遙感風場產品整體上與其他風場資料均有很好的一致性，數據之間的均方根差異或標準偏差均小于2.0 m/s這一風場業務化精度要求。但是，不同衛星或者同一衛星不同極化數據得到的反演精度還存在差異，這與衛星載荷的數據質量、定標精度、模式函數和外部輔助數據的使用有關。整體上看，在中低風速條件下(＜20 m/s)，SAR反演風場可以實現與其他遙感手段相近或相同的反演精度；而在高風速條件下，SAR反演風場仍然面臨挑戰。

表2 SAR風速遙感誤差統計結果匯總表Tab.2 SAR wind speed retrieval statistics

2.3 SAR風場資料應用

2.3.1 海氣邊界層現象研究

海氣邊界層(Marine Atmospheric Boundary Layer,MABL)指的是在大氣逆溫層之下，海洋表面之上的大氣層。雖然海氣邊界層僅存在于海洋表面之上1～2 km，但它決定著海氣之間的能量、動量和物質的交換。海氣邊界層內存在著多種重要的物理現象，包括大氣重力波、邊界層風條紋、強降水、大氣熱/冷鋒面、錮囚鋒面、大氣渦街等。由于此類現象的空間尺度對常規氣象觀測網而言太小，對單個觀測站點來講又太大，因此關于它們發生發展的動力學過程機制的研究在相當長的一段時間內進展緩慢。近年來，隨著高分辨率衛星遙感技術和中尺度數值預報模式的發展，該領域的研究有了快速突破。

海氣邊界層現象會改變海面風場的分布，對海洋表面毛細波和重力波波譜產生調制，影響到海面粗糙度，因而可被SAR圖像記錄。隨著SAR衛星的不斷發射，SAR觀測到的MABL現象也不斷增多。受益于SAR極高的空間分辨率和風場定量反演能力，為海氣邊界層現象生消機制的研究提供了新的觀測資料，在大氣重力波(atmospheric gravity waves)[68—76]、大氣渦街(vortex streets)[77,78]、下坡風(katabatic winds)[79,80]、布拉風(bora winds)[81—86]、極地氣旋(polar lows)[87—91]、邊界層渦旋(boundary layer rolls)[92—97]、錮囚鋒(occluded fronts)[98]等現象的研究中，發揮了重要作用。圖3給出了我國海南島東部一次陸海風過程和渤海海域一次大風寒潮過程的SAR圖像及其對應的風速反演結果，可以發現SAR的高分辨率和近岸觀測能力對此類中小尺度的近岸過程研究具有顯著的優勢。通過SAR衛星遙感和數值模式的結合，還可彌補高分辨率遙感資料在重訪周期上的不足，并且實現了與遙感數據同步的各類大氣海洋環境參量信息的獲取，可以更加全面的分析邊界層物理過程的生消機制。此外，衛星遙感觀測數據也是數值模式精度檢驗的重要手段，通過對比模擬結果和遙感影像的差異，可以直觀并定量的判斷數值模式對特定天氣現象的模擬能力，為模式資料同化方法和參數化方案的優化提供依據。

圖3 不同過程的SAR圖像及其對應的風速反演結果Fig.3 SAR images of different processes and their corresponding wind speed

2.3.2 海上風能資源開發

SAR可以得到高分辨率的近岸風場資料，通過收集長時序SAR衛星觀測資料，可以對近海風能資源進行定量評估。2000年前后，歐洲航天局率先資助了利用星載SAR衛星數據進行海上風能資源評估的研究項目(FP5-WEMSAR)。在該項目資助下，丹麥Ris?國家實驗室利用近岸測風塔觀測數據驗證了利用衛星遙感資料估算近海平均風速、風速Weibull分布參數和風功率密度分布的可行性，并估算出了計算上述參數所需的最小衛星遙感數據量[99]。2004年，上述研究團隊進一步研究了風速Weibull分布參數不同數學擬合方法導致的風功率密度分布結果的不確定性，提出了基于觀測樣本均值和偏斜度的最佳擬合方法，該方法在保證風功率密度估算精度的前提下，可大幅減少擬合所需的衛星觀測數據量[100]。2006年，基于前述研究成果，丹麥Ris?國家實驗室基于SAR數據，利用歐空局ESR-2和ENVISAT/ASAR載荷觀測數據，計算得到了北海Horns Rev海上風電場海域的平均風速和風功率密度分布，估算結果與測風塔實測數據取得很好的一致性，驗證了利用衛星遙感數據進行海上風能評估的能力。2010年，在中歐環境項目支持下，國家衛星氣象中心和丹麥Ris?國家實驗室合作，利用148景C波段SAR數據，得到了江蘇近海1 km分辨率的平均風速和風功率密度分布數據。2013年，美國國家海洋大氣局環境衛星中心(NOAA/NESDIS)利用12年的1439景RADARSAT-1和11500余景ENVISAT/ASAR數據，得到了馬里蘭州近海區域的平均風速和風功率密度分布數據[7]。2019年，丹麥Ris?國家實驗室和NOAA/NESDIS進一步合作基于衛星SAR風場資料完成了美國東部沿海區域的風能資源評估，并發現SAR風場資料比傳統數值模式再分析資料對風能評估中的風速梯度和變化參數的估計更準確[101]。

2.3.3 臺風監測與預警預報

極端天氣尤其是臺風的遙感監測一直是SAR海洋學研究的熱點和難點。上世紀70年代隨著第1顆海洋衛星SEASAT的升空，研究人員就試圖利用L波段的SAR觀測提取颶風風速[102]。隨后，基于ERS系列衛星和Radarsat-1衛星觀測，學界對典型熱帶氣旋過程進行了觀測試驗，初步驗證了SAR臺風反演的可行性[103,104]。然而，與數值模式和現場觀測資料對比發現，SAR臺風風場存在顯著的低估。利用交叉極化SAR可以比同極化SAR獲得更準確的中高風速反演結果，但是在風速＞35 m/s時，仍然存在較大誤差[66,68]。

臺風是復雜的天氣系統，其內部通常包含強降雨和劇烈的海氣相互作用過程。由于其巨大的破壞性，臺風條件下的有效氣象海洋觀測非常缺乏，不足以支撐經驗統計模型的開發。此外，對臺風及其生消過程的地球物理認識尚不清晰，也無法建立準確的機理模型對其三維形態和運動過程進行模擬，更加難以對其電磁散射特性進行定量描述[105,106]。2016年，歐空局發起了名為ESA SHOC的臺風觀測計劃，通過與WMO區域天氣預報中心等組織的合作，利用5天內的臺風中心位置預報數據，結合衛星軌道，制定臺風SAR任務規劃，并根據臺風發展的情況對未來3天的觀測計劃進行更新，確保制定的觀測計劃能夠準確覆蓋臺風中心。該計劃的實施，極大提高了對臺風中心區域的觀測成功率和同一臺風生命周期內的重復觀測能力，為全球臺風科研人員積累了非常寶貴的臺風極化SAR觀測資料，支撐了臺風形態學和臺風動力過程的相關研究[107—111]。

由于SAR衛星觀測的空間覆蓋能力弱、重訪周期長，目前尚未通過資料同化方式進入業務化的數值天氣預報系統。但是，世界各主要氣象海洋機構均開展了相關的預先研究，向預報員和預報產品用戶展示SAR風場資料在氣象水文預報領域的應用潛力[112]。在臺風預報方面，通過將SAR海面風場反演數據輸入變分同化系統，結合中尺度數值天氣預報模式，選取典型臺風過程進行了同化應用研究；已經在變分同化框架內引入了風場地球物理模式函數，實現了遙感資料篩選、變分偏差訂正、變分質量控制等資料同化；建立了適于SAR遙感風場的變分同化流程，成功實現了高分辨率衛星遙感風場資料的同化，并在西北太平洋區域的試驗中，取得了對臺風路徑和強度預報的初步效果[113,114]。

3 SAR海浪遙感

3.1 傳統SAR海浪遙感

傳統單天線合成孔徑雷達遙感海浪方向譜及特征參數主要有4種方法，分別是初猜譜方法、交叉譜方法、半參數化方法和經驗方法。上世紀90年代初期，為了利用星載合成孔徑雷達圖像定量獲取海浪方向譜信息，Hasselmann等人[115]發展了海浪方向譜與雷達圖像譜積分映射模型，由于該模型呈現高度非線性特征，無法直接求逆，需要輸入海浪數值模式提供的初始猜測譜并進行迭代求解，因此稱為初猜譜方法。該方法建立了海浪譜與圖像譜之間的數學物理模型，但利用該模型反演的海浪方向譜結果依賴于初猜譜的準確性。此外，初猜譜方法反演的海浪方向譜存在180°方向模糊，無法知曉真實的海浪傳播方向，因而需要先驗波譜信息去除模糊解。為了解決這個問題，Engen等人[116]提出了交叉譜方法，基于海浪譜與圖像交叉譜映射模型，利用SAR圖像交叉譜反演海浪方向譜。圖像交叉譜不僅較大程度減小斑點噪聲，而且保留了重要的譜形特性。更重要的是，交叉譜能夠提供海浪傳播方向的信息。歐洲地球資源衛星ERS上搭載了SAR和散射計，利用這兩個載荷可以同步獲取海面波浪和風場信息。針對這一特點，Mastenbroek等人[117]構建了一種半參數化海浪譜反演方法，其優點在于不需要先驗海況信息。該方法首先利用散射計風速構造包含波齡和主波傳播方向的參數化風浪譜，使其結合非線性映射模型模擬的風浪圖像譜與觀測圖像譜差別最小，得到最優風浪參數對應的風浪譜。其次，利用雷達圖像譜與風浪圖像譜做差，獲取涌浪圖像譜，再結合線性映射模型計算涌浪譜。最后，將最優風浪譜與涌浪譜相加即可得到反演的海浪方向譜。然而，該方法也存在局限性，即利用前向映射的風浪圖像譜去逼近風浪和涌浪共存的觀測圖像譜并不十分合理。上述3種方法均基于圖像譜與海浪譜非線性映射模型，利用SAR圖像反演海浪方向譜，然后計算有效波高、主波波長、主波波向和周期等特征參數。Schulz-Stellenfleth等人[118]發展了一種新的反演海浪特征參數的經驗方法，首先通過二次函數將海浪特征參數與ERS-2雷達后向散射系數、圖像方差以及利用正交函數和圖像方差譜計算的20個參數建立關聯，然后采用逐步回歸方法擬合二次函數中的系數。該方法的優點是計算效率高，不用反演海浪方向譜，利用輻射定標后的ERS-2波模式圖像直接計算海浪特征參數，這種方法也被應用于Envisat ASAR海浪參數計算[119]。

3.2 干涉SAR海浪遙感

雙天線干涉合成孔徑雷達是在平行或垂直于衛星飛行方向上以一定間距(基線)安置兩幅天線的雙天線SAR，前者稱為沿軌或順軌干涉SAR，后者稱為交軌干涉SAR。相對于單天線合成孔徑雷達，雙天線干涉SAR觀測能夠同時測量目標的振幅和相位信息。對于沿軌干涉SAR，沿衛星飛行方向上前后兩幅天線在較短的時間間隔內分別向海面同一目標區域發射電磁波，接收到的信號經過匹配濾波，分別產生兩幅復圖像，經過干涉相干處理得到干涉SAR復圖像，其中干涉相位包含海浪軌道速度信息。對于交軌干涉SAR，與衛星飛行方向垂直的兩幅天線同時向海面相同目標點發射電磁波，接收到海面回波信號具有一定的相干性，經過干涉處理后的相位差與兩幅天線至海面目標之間的路徑差有關。由于目標點高程信息與路徑差存在一定的幾何關系，因而可以將干涉相位轉化為高程信息。雙天線SAR海浪測量的優勢體現在兩個方面：(1)干涉復圖像的相位正比于海浪軌道速度的徑向分量，其成像機制較傳統單天線雷達更為直接；(2)真實孔徑雷達調制傳遞函數對相位圖像幾乎沒有影響，因而雙天線相位圖像相對于單天線振幅圖像更適合遙感海浪。

上世紀90年代初期，Marom等人[120]發現機載沿軌干涉SAR圖像呈現了清晰的海面波浪特征，并率先利用相位圖像獲取了二維海浪方向譜，其結果與現場浮標觀測較為一致，這一奠基性的重大科學發現從此開啟了雙天線雷達海浪遙感研究的序幕。對于傳統單天線SAR，當海浪沿著或接近于衛星飛行方向傳播時，速度聚束會引起高波數區域信息損失，導致波長較短的海浪無法成像。Lyzenga等人[121]通過理論研究發現雙天線SAR能夠拓展海浪波長的探測范圍，進一步掀起了干涉雷達海浪遙感的熱潮。Shemer[122]推導了單天線和雙天線SAR單頻海浪成像解析表達式，可用于定量分析二者測量海浪的優勢和局限性。為進一步研究沿軌干涉SAR海浪成像機制，Bao等人[123]建立了包含速度聚速調制和長波后向散射調制的海浪成像模型，并基于蒙特卡洛方法數值仿真了不同海況和雷達參數條件下的振幅圖像譜和相位圖像譜，發現速度聚束會影響沿軌干涉SAR海浪成像。然而，蒙特卡洛方法存在統計取樣不確定性，而且需要對每個樣本逐要素計算相位圖像，因而計算量較大。為解決這個問題，Bao等人[124]建立了沿軌干涉SAR海浪方向譜與相位譜非線性積分映射模型，便于由輸入的海浪方向譜前向仿真相位圖像譜。在建立該模型之前，需要確定相位圖像表達式，但在推導過程中遺漏了狄拉克δ函數項，導致所建立的非線性積分映射模型丟失了海浪徑向軌道速度的導數項。He等人[125]在相位圖像中加入了狄拉克函數項，得到了較為完整的海浪譜與相位譜非線性積分映射模型。張彪等人[126]全面綜述了沿軌干涉SAR海浪遙感理論和關鍵技術，指出了海浪測量存在的具體問題和下一步研究的方向。為了深入研究沿軌干涉合成孔徑雷達海浪成像機制，張彪等人[127]數值模擬了不同距離速度比率、不同有效波高和波長比率對應的相位圖像譜，發現當速度聚束比率逐漸增大時，速度聚束引起的海浪成像非線性逐漸增強，導致相位譜發生變形；當有效波高與波長比率逐漸增大時，相位譜逐漸變窄且向距離軸旋轉。此外，上述研究還發現當兩幅天線的間距即基線逐漸增大時，相位譜逐漸變形，產生這種現象的主要原因是兩天線對海面同一目標區域觀測的時間間隔大于海面相關時間，從而導致接收的回波信號失去相關性。在上述研究的基礎上，張彪等人[128]發展了沿軌干涉SAR參數化海浪方向譜反演方法，利用機載C波段和X波段干涉相位圖像獲取了海浪方向譜，并與同步浮標觀測進行了定量比較和驗證，發現沿軌干涉合成孔徑雷達不僅可以探測波長較長的涌浪，而且可以探測波長較短的風浪。如圖4，其中，“A”表示方位向，“R”表示距離向。

對于交軌干涉合成孔徑雷達海浪遙感，Schulz-Stellenfleth等人[129]發展了交軌干涉SAR海浪成像模型，計算了數字高程模型方差譜，發現對低振幅的涌浪，利用失真的數字高程模型計算的波高誤差在10%以內，且誤差依賴于海浪傳播方向和海面相關時間。此外，Schulz-Stellenfleth等人[130]發現當海浪成像非線性較弱時，利用交軌SAR海面數字高程模型計算的有效波高和海浪頻譜與浮標測量較為一致，然而計算的主波傳播方向與浮標觀測相差30°。張彪等人[131]建立了包含海面高度和速度聚束的交軌干涉SAR涌浪干涉相位模型，得到了涌浪成像的解析表達式，進一步研究了沿方位向傳播的涌浪成像機制。此外，通過定義二次諧波振幅與基波振幅比率來表征海浪成像非線性，通過比較交軌和沿軌干涉SAR相位的2階調和分量，分析了不同海況和干涉雷達參數條件下的數值模擬結果，發現當速度聚束較強時，交軌干涉SAR更適合測量海浪；當速度聚束較弱時，沿軌干涉SAR更適合測量海浪。此外，張彪[132]利用多維高斯變量特征函數方法建立了交軌干涉SAR海浪方向譜與相位圖像譜非線性積分映射模型，并指出長波徑向軌道速度的1階導數項不能忽略。

圖4 文獻[128]的海浪波譜反演方法Fig.4 Ocean wave spectrum retrieval algorithm of Ref.[128]

3.3 極化SAR海浪遙感

由于速度聚束的影響，傳統單極化SAR不能較好地成像沿方位向傳播的海浪。方位向圖像強度調制的衰減使得利用垂直或水平極化SAR圖像計算海浪方向譜并不準確。此外，當海浪沿方位向傳播時，傾斜調制和水動力調制會明顯衰減，導致反演的海浪譜與觀測的海浪譜存在較大的差距。上世紀90年代中期，Schuler等人[133]利用機載全極化SAR海浪圖像發現了一種新的極化方向調制，相對于傾斜調制和水動力調制，極化方向調制在方位向最強，不僅能夠提高雷達對方位向傳播海浪的觀測能力，還能夠改進海浪譜反演的準確度，該項研究為極化SAR海浪測量指出了光明的方向。為了進一步構建全極化SAR海浪測量的關鍵技術，Schuler等人[134]發展了全極化SAR遙感海浪斜率和海浪譜的新方法，即利用海浪運動引起的極化方向角調制計算方位向斜率，使用極化分解理論計算的散射角參數計算距離向斜率。該方法的優點是不需要計算復雜的參數化傾斜、水動力和速度調制傳遞函數，可以由極化雷達數據直接測量海浪斜率，較大程度簡化了海浪譜計算的過程，且反演的海浪譜與浮標觀測結果較為一致。然而，該方法依然沒有解決由于非線性聚束效應引起的方位向海浪測量不準確問題，仍需要采用Hasselmann等人[115]提出的SAR基于后向散射強度的海浪測量方法輔助解決。He等人[135]推導了線性極化SAR極化方向調制函數和傾斜調制傳遞函數，通過數值模擬研究了雷達和海浪參數對線性極化雷達圖像譜的影響，提出了一種剔除海浪180°方向模糊的方法。在此基礎上，He等人[136]發展了一種利用全極化真實孔徑雷達測量方位向和距離向海浪斜率的新方法，該方法利用兩種線性極化圖像信息將有關弱極化項剔除，不用計算水動力調制傳遞函數，利用機載全極化合成孔徑雷達AIRSAR圖像進行海浪反演，獲得了與浮標一致的結果。張彪等人[137]利用RADARSAT-2星載全極化SAR圖像驗證了該方法，反演的有效波高、主波周期和波長等參數與浮標觀測相吻合，如圖5，其中，“Azimuth direction”表示方位向，“Radar illumination”表示雷達視向，“N”表示正北方向，“Azimuth wavenumber”表示方位向波數，“Range wavenumber”表示距離向波數。此外，在速度聚束模式情況下，何等人[138]推導了雙極化SAR圖像譜與海浪方向譜的非線性變化關系，該關系有潛力應用于星載合成孔徑雷達反演海浪譜及特征參數。此外，張彪等人[139]發展了全極化SAR海浪和海面風場協同遙感方法，同步獲取了海面風場和海浪譜信息，較大程度提高了極化SAR海洋動力環境定量遙感水平，如圖6、圖7，其中，圖7中“N”表示正北方向，“flight”表示衛星飛行方向，“Azimuth wavenumber”表示方位向波數，“Range wavenumber”表示距離向波數。

4 結語

合成孔徑雷達海面風場反演已經在多國氣象海洋部門實現了業務化運行。與微波散射計和微波輻射計等同樣具備海面風場監測能力的微波遙感器相比，SAR風場反演精度已到達與之相近的水平，并且具有更高的空間分辨率和近岸海域觀測能力。隨著各國SAR衛星計劃的陸續實施，以及SAR衛星組網和編隊技術的發展，SAR海面風場資料的空間覆蓋能力和連續觀測能力也將進一步提升，有望實現對全球海域的動態連續觀測。在SAR風場技術方面，也仍然存在一些需要攻克的前沿技術：(1)35 m/s以上的高風速反演仍然存在較大不確定性；(2)降雨等強對流天氣對海面雷達后向散射信號干擾很大，能否實現降雨和風場的協同反演？(3)海面風場、浪場和流場是相互耦合的，但是當前SAR業務系統仍然將3個參量分別反演，應該建立海面風浪流場的綜合反演系統，實現對海面動力環境的最優監測；(4)SAR衛星技術發展迅速，極化干涉SAR、MIMOSAR、多頻段SAR等新體制雷達衛星均已納入多國的衛星發展規劃，為海面動力參數反演提供了新的機遇和挑戰。

圖5 從RADARSAT-2衛星于2009年2月25日02:09 UTC 獲取的SAR圖像中截取的512×512像元子圖像Fig.5 Corresponding 512 × 512 pixel size images of area northwest of Morro Bay,CA selected from SAR image acquired at 02:09 UTC on 25 February 2009

圖6 RADARSAT-2衛星于2012年5月24日13:53 UTC獲取的SAR圖像Fig.6 SAR images off the U.S.West Coast (Tanner Bank) from RADARSAT-2 fine quad-polarization SAR data acquired on 24 May 2012,at 13:53 UTC

國內外學者近20年在傳統和新型星載SAR海浪遙感方面取得了一系列創新成果，建立了海浪遙感理論、方法和關鍵技術的系統研究體系。隨著衛星技術的快速發展和日益增長的海洋動力環境監測需求，逐漸出現了以下亟需解決的關鍵科學和技術問題：(1)海岸帶區域地形復雜，經常出現波浪的折射和繞射，海面風場在該區域亞公里尺度內會發生劇烈變化，如何獲取該區域內波長較短的風浪信息以及波場的空間演變特征？(2)傳統星載SAR海浪遙感普遍關注中低海況下的海浪譜和特征參數信息提取。臺風產生的巨浪對于沿海地區建筑物具有較大的破壞性，能否定量獲取臺風波浪場及空間分布特征？(3)傳統SAR海浪成像受到“速度聚束”的影響，只能探測波長較長的涌浪，中法衛星波譜儀能夠測量波長較短的風浪。能否同時利用SAR和波譜儀協同觀測獲取高分辨率海浪譜并拓展波長探測范圍？(4)星載SAR海洋遙感的區域通常是開闊大洋和近岸區域，對于北極海冰和海水混合區域內的海浪研究較少，常規研究主要聚焦于提取主波波長和波向信息，缺乏邊緣冰區(marginal ice zones)海浪有效波高的定量遙感研究；(5)傳統星載SAR海浪遙感方法是基于海浪譜和圖像譜非線性映射或交叉譜的物理驅動模型，隨著全球海洋長時間序列數據的積累，面向數據驅動和機器學習的海浪特征參數信息提取技術將是一種新的嘗試。

圖7 文獻[139]的海浪波譜反演方法Fig.7 Ocean wave spectrum retrieval algorithm in Ref.[139]