颶風天氣下機載SFMR 與星載微波遙感海面風速的對比分析*

鐘俊杰 王志雄 鄒巨洪 林文明

1（南京信息工程大學海洋科學學院 南京 210044）

2（國家衛星海洋應用中心 北京 100081）

0 引言

熱帶氣旋（Tropical Cyclone, TC）是一種發生在熱帶或副熱帶洋面的災害性天氣系統，也是影響中國的主要災害性天氣系統之一。準確獲取TC 海面風場信息對于TC 活動的監視和預報具有重要意義。近年來，針對TC 海面風場的多種探測技術取得了重要發展，包括星載微波輻射計遙感技術，機載步進頻率微波輻射計（Stepped Frequency Microwave Radiometer, SFMR）探測技術，無人船現場觀測技術等[1-5]。星載主動微波散射計和被動微波輻射計具有空間覆蓋范圍大、觀測頻次較高等優點，其觀測數據在TC 定位、風場結構、強度估計和路徑預報等方面具有重要貢獻[6]。2019 年以來，同期在軌運行且能夠探測TC 海面風速的星載微波遙感器數據較多，其中微波散射計主要有中國HY-2 號系列B，C 和D 星散射計HSCAT，歐洲MetOp 系列A，B 和C 星散射計ASCAT，以及中法海洋衛星（Chinese-French Oceanography Satellite, CFOSAT）散射計CSCAT；微波輻射計主要有美國SMAP（Soil Moisture Active and Passive）和歐洲SMOS（Soil Moisture and Ocean Salinity）。

熱帶氣旋下海面風速的遙感反演依賴于經驗反演模型，而模型的構建和定標需要真實性高的海面風速數據。迄今，美國國家海洋和大氣管理局（National Oceanographic and Atmospheric Administration,NOAA）颶風偵察機搭載的下投式探空儀（Dropsonde）和SFMR 提供的海面高風速數據是TC 海面風速最主要的現場觀測數據源[3]。為減弱Dropsonde 接近海面時由于下降速度快等因素對海面10 m 處風速估計值的影響，Uhlhorn 等[7]提出了用海面150 m 高度以下多處風速測量值加權平均方式計算Dropsonde 海面10 m 處風速的方法。NOAA 機載SFMR 采用6 個C 波段通道（4.55～7.22 GHz）測量輻射亮溫，并通過經驗物理模型反演得到海面10 m 處風速和降雨率等物理參量；Dropsonde 與SFMR 同平臺準同步觀測，因此SFMR 風速反演模型的構建使用Dropsonde 海面風速[7]。2019 年Sapp等[3]研究發現風速在15～45 m·s-1區間時，SFMR 反演風速相對Dropsonde 風速偏低約10%，并由此改進了SFMR 反演模型，進而重處理了2008 年以來的SFMR 歷史數據。

盡管Dropsonde 數據稀少但可以很好地服務于SFMR 反演模型的定標和驗證，進一步將SFMR 數據沿著飛機軌跡進行空間平均可使其能夠很好地用于星載微波遙感器高風速反演模型的定標和驗證[8]。例如，L 波段SMAP 海面高風速反演模型的構建是基于颶風天氣下SMAP 與SFMR 時空匹配數據[1]；歐洲L 波段SMOS 海面高風速反演模型的構建同樣是基于颶風天氣下SMAP 與SFMR 時空匹配數據[2]。

研究表明，SMAP 和SMOS 兩個L 波段（1.4 GHz）微波輻射計觀測亮溫值受到強降雨的輕微影響，但在高風速（＞20 m·s-1）條件下L 波段海面輻射亮溫對風速變化具有較好地敏感性，表現為近似線性依賴關系[1,2]。然而，迄今高風速條件下微波散射計觀測的海面雷達后向散射系數（σ0）對風速增大的響應關系并無統一認識[9-12]；實際用于散射計海面風場反演的地球物理模型函數（Geophysical Model Function,GMF）的高風速部分會采用模型參數外推的方法予以填補，例如C 波段CMOD7 GMF[13]，Ku 波段NSCAT-4 GMF[14]或Ku-2011 GMF[10]。

盡管多種TC 探測技術可以提供TC 海面風速，但不同數據源之間高風速的一致性仍有待分析和驗證。熱帶氣旋下海面風場的空間變異性強，因此在進行高風速的真實性檢驗時有必要考慮不同數據源在探測機理、空間尺度、探測時間和空間位置等方面存在的差異。本研究旨在探討微波散射計和輻射計海面高風速的真實性檢驗方法和檢驗結果。

1 研究數據

1.1 SFMR 機載數據

美國NOAA 組織實施的機載SFMR 觀測計劃主要針對北大西洋和東太平洋的颶風，其數據由NOAA 國家環境衛星、數據和信息服務（National Environmental Satellite, Data, and Information Service, NESDIS）/衛星應用和研究中心（Center for Satellite Applications and Research, STAR）的海洋表面風小組（Ocean Surface Winds Team, OSWT）負責處理和發布。本文使用最新版本的（V1.2.0）數據[3]，時間范圍為2019—2021 年。比較SFMR 與星載微波散射計和輻射計數據，而后者在近岸區域由于受到陸地影響而缺失或誤差較大；因此剔除了颶風中心在墨西哥灣區域的航次數據，剩余共128 個飛行航次的SFMR 觀測數據文件（見圖1）。每個飛行航次的SFMR 數據文件都包含經緯度、海面10 m 處風速、降雨強度、質量標識和飛機飛行高度等信息；飛機在TC 上空時的飛行高度在3000 m 左右；機載SFMR 工作頻率為4.5～7.2 GHz，波束寬度（3 dB）為20°～28°，地面刈幅寬度約為1100～1600 m，沿飛機飛行軌跡將每一秒內的觀測數據進行平均作為觀測單元?？傮w而言，飛機飛行速度約為100 m·s-1，即相鄰SFMR 觀測單元的間距約為100 m。此外，研究僅保留質量標識（Quality Control, QC）數值為0 的數據，即僅保留了高質量數據、剔除了數據質量可靠性較差的數據。

圖1 使用颶風探測航次的軌跡及SFMR 海面風速Fig. 1 Geographical distribution of SFMR sea surface wind speeds

1.2 微波散射計

研究使用了三種類型的同時期在軌運行的星載散射計海面風場遙感數據，包括HY-2 系列衛星（包括B，C 和D 星）微波散射計HSCAT，歐洲MetOp系列衛星（包括A，B 和C 星）微波散射計ASCAT，以及CFOSAT 微波散射計CSCAT；散射計波段信息和數據時間范圍如表1 所示。已有研究表明，HY-2系列或歐洲MetOp 系列微波散射計觀測數據交叉定標總體精度均優于0.1 dB，且海面風場數據具有較高的一致性[15,16]，因此將同系列不同衛星的散射計數據源合并視為同一數據源。

表1 星載微波散射計和微波輻射計數據基本信息Table 1 Basic information of space-borne microwave scatterometer and microwave radiometer data

中國HY-2 系列微波散射計海面風場反演采用多解反演算法和二維變分模糊解去除方法，反演中所用地球物理模式函數為NSCAT-5.HY-2 GMF[17]。中法海洋衛星搭載了首個扇形波束旋轉掃描體制的微波散射計，海面風場反演算法同樣采用了多解反演算法和二維變分模糊解去除方法，其反演中所用地球物理模式函數為NSCAT-4 GMF[14]。歐洲MetOp 系列衛星搭載了固定天線類型的微波散射計ASCAT，海面風場反演算法采用最大似然估計算法和二維變分模糊解去除方法，其反演中所用地球物理模式函數為CMOD7 GMF[13]?？臻g分辨率是海面風場數據對比分析中的重要影響因素，為更好地揭示微波散射計共性問題，選用各微波散射計準實時業務化處理和發布的空間分辨率為25 km 的海面風場遙感數據。

1.3 微波輻射計

使用歐洲SMOS 和美國SMAP 兩種微波輻射計海面風速數據，數據基本信息如表1 所示。使用的SMOS 數據由歐空局（European Space Agency,ESA）SMOS 海面風數據服務系統獲取，選用將單日二級沿軌數據進行網格化處理得到的三級日風速數據，數據為目前最新版本（V300）。盡管SMOS 原始觀測“足印”大小約為40～50 km，但三級數據采用0.25°×0.25°的全球等經緯度地理網格。SMOS 數據文件中還包含質量標識信息，本研究僅選用質量標識值為0 的數據，即剔除了質量等級不夠可靠的數據。

使用的SMAP 數據由美國RSS（Remote Sensing System）公司處理和發布，選用重處理的三級網格化（0.25°×0.25°）日風速數據，數據版本為V1.0[18]。RSS 在構建SMAP 海面高風速反演模型時將海表溫度作為了重要因子，并且高風速（＞15 m·s-1）反演模型僅適用于海表溫度高于25 °C 的海域?；诖?，僅選用40°S—40°N 范圍內的SMAP 風速數據。SMAP數據在反演過程中已將質量不可靠的數據設置為無效數值，因此數據中并無質量標識。

1.4 IBTrACS 數據集

颶風活動資料（時間、中心位置等信息）由國際氣候管理最佳路徑檔案（International Best Track Archive for Climate Stewardship, IBTrACS）數據集提供，數據源為NOAA 國家環境信息中心（National Centers for Environmental Information, NCEI），數據版本為v04 r00。IBTrACS 每日更新當前活動的全球熱帶氣旋的最佳路徑信息，相同颶風信息的時間間隔為3 h[19]。在進行SFMR 與微波散射計和輻射計數據時空匹配時將使用IBTrACS 提供的颶風中心位置和移動方向等信息。

2 研究方法

2.1 SFMR 風速與空間尺度

熱帶氣旋下海面風場的空間變異性顯著，特別是在TC 中心位置附近風速梯度大。因此，空間尺度（即空間分辨率）是影響TC 海面風速探測結果的真實性檢驗的重要因素之一。星載微波散射計和輻射計遙感海面風速的空間分辨率約為25～40 km，而SFMR 探測海面風速的空間分辨率約為100 m，在進行TC 風速對比分析時有必要考慮空間尺度的影響。

將SFMR 數據進行空間重采樣可構建不同空間尺度的SFMR 風速數據，進而分析颶風天氣下海面風速隨觀測空間尺度變化的關系。以101, 201, 301 和401 s 為時間窗口將每個窗口內SFMR 數據取平均值，并把窗口內數據點經緯度取平均值作為新數據的中心位置，由此可以得到具有不同空間分辨率的SFMR 數據。重新采樣后的SFMR 數據的空間分辨率約為10, 20, 30 和40 km。以2020 年10 月21 日對颶風艾普西?。‥psilon）的飛行觀測數據為例，圖2給出了SFMR 原始分辨率（NO AVG）風速和降雨強度信息、四種空間尺度重采樣后的SFMR 風速、SFMR 重采樣時所使用原始分辨率SFMR 風速的標準差（Standard Deviation, SD），以及與SFMR 時空匹配的歐洲ASCAT 散射計提供的海面風速。

由圖2 可以看出，原始分辨率的SFMR 海面風速（黑色實線）隨空間位置變化的波動頻次高，在颶風中心位置附近相鄰分辨率單元的風速變化幅度最為顯著，幅度可達到10.0 m·s-1；隨著重采樣分辨率增大，颶風最大風速值隨之減小并且對應的空間位置略微偏離颶風中心。以該航次數據為例，原始分辨率和20 km 分辨率SFMR 數據給出的最大海面風速分別為57.7 和42.4 m·s-1，降低了約15.3 m·s-1；分辨率為20 和40 km 的SFMR 數據對應的最大風速SD 分別為17.7 和15.5 m·s-1，且對應的空間位置靠近颶風中心；從圖2 可見，颶風眼附近降雨強度較大，極端高風速伴隨著強降雨。

基于SFMR 風速與空間尺度關系的分析結果，可以預見若使用原始分辨率SFMR 風速與微波散射計和輻射計風速進行匹配分析則會存在顯著的系統誤差。為減小空間尺度對風速數據對比的影響，在進行SFMR 與微波散射計和輻射計數據時空匹配時，對落入微波散射計和輻射計風速中心位置12.5 km 以內的有效（不少于80 個）SFMR 風速數據取平均值作為SFMR 風速。

2.2 星載微波散射計和輻射計與SFMR 數據匹配方法

分別進行微波散射計和輻射計數據與SFMR 風速數據時空匹配，兩者匹配方法一致，以散射計數據為例介紹匹配方法?，F有研究在進行散射計與浮標現場數據匹配時，匹配原則是限定時間窗口（多為30 min）并取空間距離最近（不大于散射計分辨率）的數據點。然而，該匹配方法并不適用于熱帶氣旋下散射計與SFMR 數據匹配，主要是因為：一方面，有必要通過延長時間窗口來增加匹配數據量，Polverari 等[20]研究認為時間窗口可以延長至3 h；另一方面，TC 下海面風速的空間變異性強，有必要考慮TC 風場的移動。本研究設定時間窗口為3 h，并假設該時間范圍內颶風風場的空間分布相對于颶風前進方向不變?；诖?，將SFMR 平臺的地面軌跡與凍結的颶風風場相匹配。為此，可根據颶風中心位置和前進方向的變化（由IBTrACS 數據集獲?。?，將SFMR 數據空間位置進行平移和旋轉，進而完成SFMR 與散射計和輻射計數據的時空匹配。設SFMR 和散射計數據的平均觀測時間分別為T1和T2，即便假設颶風風場被凍結，仍需考慮颶風在兩個時刻之間的移動，包括空間平移和旋轉。

SFMR 與微波遙感數據匹配流程如圖3 所示，詳細方法如下。

圖3 SFMR 與星載微波遙感數據匹配流程Fig. 3 Matching process between SFMR and spaceborne microwave remote sensing data

步驟1分別確定SFMR 和微波散射計觀測時刻的颶風中心位置和前進方向。取風速值大小為最高風速值15%的SFMR 數據的平均觀測時間為T1；基于IBTrACS 路徑信息采用線性插值方法計算T1時刻颶風的中心位置L1和前進方向D1。以L1為中心劃定一個10° ×10°的空間范圍A1，取落入A1范圍內的散射計有效數據的平均觀測時間為T2；計算T2時刻的颶風中心位置L2和前進方向D2。

步驟2將T1時刻的SFMR 軌跡通過平移和旋轉得到等效T2時刻的SFMR 軌跡。建立極坐標，以D1為0 度方向，順時針方向為正，并計算SFMR 每個觀測點相對颶風中心L1的距離d（km）和方位角ψ（°）。以2017 年9 月3 日颶風厄瑪（Irma）期間NOAA H1 觀測航次為例，圖4（a）（b） 分別給出了SFMR 數據在地理坐標和極坐標下的地面軌跡以及觀測時間，圖4（a）中的黑色十字為對應的L1。計算D2相對于D1順時針旋轉的角度θ（°），將T1時刻SFMR 數據ψ都與θ相加，即實現了SFMR 旋轉；以L2為極坐標原點，將SFMR 軌跡數據從極坐標轉化到地理坐標，即得到等效T2時刻的SFMR 軌跡。

圖4 2017 年9 月3 日颶風Irma 期間NOAA SFMR170903 H1 航班（彩色線）的地理坐標（a）和極坐標（b）。散點的時間間隔為 3 h，黑色“+”號表示SFMR 觀測時間T1 對應的颶風中心位置Fig. 4 Geographic coordinates （a） and polar coordinates （b） of NOAA SFMR flight 170903 H1 （color line）during Hurricane Irma on 3 September 2017. The time interval of each scatter point is 3 h.The marker “+” indicating the hurricane center at the time of SFMR T1

步驟3將等效T2時刻的SFMR 數據與微波散射計數據進行時空匹配。散射計數據僅使用落入A1區域的有效數據，以散射計觀測網格點作為配對點坐標，匹配原則為空間距離小于12.5 km、觀測時間差小于3 h。需要注意的是，如前文2.1 節所述，對落入散射計數據12.5 km 以內的有效（不少于80 個）SFMR 風速和降雨強度數據取平均值作為SFMR 配對風速和降雨強度，而并非取原始分辨率的風速和降雨強度。

使用128 個飛行航次的SFMR 觀測數據文件，對每個數據文件遍歷步驟1～3，使每個SFMR 飛行航次觀測數據的空間位置平移和旋轉，進而與微波散射計數據配對。

2.3 SMAP 與SMOS 數據配對方法

2015 年以來美國SMAP 和歐洲SMOS 微波輻射計同期在軌運行，且均提供了海面風速遙感數據。由于SMAP 和SMOS 數據組織方式均為全球等經緯度網格，地理網格大小為0.25°×0.25°。為分析SMAP和SMOS 海面高風速（＞15 m·s-1）的一致性，對2019—2021 年期間40°S—40°N 范圍內的數據進行了時空配對，數據匹配原則主要為：以SMAP 觀測網格作為配對點坐標；觀測時間差不大于30 min；空間位置的經度和緯度差均小于0.25°；僅保留SMOS 數據QC 標識為0 的數據。

2.4 SMAP 與HSCAT-B 數據配對方法

美國微波輻射計SMAP 和中國HY-2B 衛星HSCAT-B 微波散射計均提供了海面風速遙感數據，并且兩種觀測儀器所搭載的衛星的降交點地方時都是上午6 點，這也意味著兩種數據存在較多觀測時間，觀測位置接近的風速數據，因此本研究對2019—2021 年期間40°S—40°N 范圍內的兩種數據進行了時空匹配。由于SMAP 數據組織方式為全球等經緯度網格，地理網格大小為0.25°×0.25°，而HSCAT-B 是空間分辨率為25 km 的沿軌數據，本研究的數據匹配原則為：以SMAP 觀測網格作為配對點坐標；觀測時間差不大于30 min；空間位置的經度和緯度差均小于0.25°；當多個風矢量單元（Wind Vector Cell,WVC）滿足配對條件時，選取距離最小的觀測點作為配對結果。

3 結果與分析

3.1 微波散射計與SFMR 比對分析結果

SFMR 與散射計和輻射計數據的匹配結果及基本比對信息列于表2，表中RMSE 和BIAS 分別為風速對比總體數據的均方根誤差和偏差，HSCAT 和ASCAT 分別使用了HY-2 系列（ 包括B ，C 和D 星）、MetOp 系列（包括A，B 和C 星）微波散射計數據。由表2 可以看出，三種散射計（包括C 波段ASCAT， 以及Ku波段CSCAT和HSCAT）相對SFMR風速的RMSE 和BIAS 都較接近，RMSE 位于區間7.32～7.82 m·s-1，BIAS 位于區間-4.67～-4.39 m·s-1。

表2 散射計和輻射計與SFMR 配對數據的總體對比結果Table 2 Overall comparisons of scatterometer or radiometer and SFMR wind speed

基于SFMR 與微波散射計配對數據，繪制海面風速對比的散點密度圖，結果如圖5 所示。由圖可見，當風速小于15 m·s-1時，SFMR 與散射計海面風速的總體相關性較高；當風速大于15 m·s-1時，三種散射計風速相對SFMR 風速表現出了顯著差異。具體而言，隨著SFMR 風速的增大，C 波段散射計ASCAT 風速仍然表現出總體增大的分布特點，而Ku 波段散射計CSCAT 和HSCAT 風速大約于25 m·s-1時表現出趨于飽和的分布特點。

圖5 SFMR 與ASCAT，CSCAT，HSCAT 匹配結果散點密度Fig. 5 Scatter plot of wind speeds from matched SFMR and ASCAT, CSCAT, HSCAT

為進一步分析降雨對散射計反演風速的影響，將散射計與SFMR 配對數據按照平均風速和SFMR 降雨率進行了數據分組，分組信息和各組數據統計分析結果如表3 所示。由表3 可見，相同降雨影響情況下（大于或小于2.1 mm·h-1）三種散射計風速相對SFMR 風速的RMSE 和BIAS 均隨著風速增大而顯著增大。相同風速情況下（分析三個風速區間）三種散射計風速相對SFMR 風速的RMSE 和BIAS 均隨降雨強度增大而增大，但變化幅度顯著小于風速變化對應的變化量。

表3 不同風速和降雨強度區間散射計與SFMR 風速對比結果Table 3 Comparisons of scatterometer and SFMR wind speed under different wind speed and rainfall intensity conditions

高風速（＞25 m·s-1）和強降雨（＞2.1 mm·h-1）情況下三種散射計與SFMR 匹配數據量均大于100，分析結果表明：Ku 波段CSCAT 和HSCAT 相對SFMR風速的RMSE 或BIAS 較為接近，分別約為18 和-17 m·s-1；C 波段ASCAT 與SFMR 風速相比的結果略優于Ku 波段散射計，RMSE 和BIAS 分別約為13.7 和-12.4 m·s-1。

3.2 微波輻射計與SFMR 比對分析結果

SFMR 與輻射計數據的匹配結果及基本比對信息如表2 所示?？傮w而言，輻射計風速比散射計風速更接近SFMR 風速?；谖⒉ㄝ椛溆婼MAP 和SMOS 與SFMR 匹配數據，繪制海面風速對比的散點圖，結果如圖6 所示。由圖可見，SMAP 風速與SFMR 風速總體一致性較好，各風速區間數據的離散程度也較為一致；然而，存在少量風速值相差顯著的分布，且主要表現為SMAP 風速較SFMR 風速顯著偏高。例如，當平均風速大于25 m·s-1時，存在7 個SMAP 風速異常大于（平均偏差33.1 m·s-1）SFMR 風速的配對結果。具體而言，輻射計SMOS 和SMAP相對SFMR 風速的RMSE 較為接近，分別為5.92 和5.82 m·s-1；而兩者BIAS 相差顯著，分別為-1.52 和0.52 m·s-1；下文3.3 節將直接比較分析SMAP 與SMOS 風速。

圖6 SFMR 與SMAP，SMOS 風速對比Fig. 6 Comparison of SFMR with SMAP and SMOS wind speed

進一步對比分析不同風速區間的輻射計與SFMR 風速，統計分析結果如表4 所示。在各風速區間，SMOS 風速總體均低于SFMR 風速，風速偏差位于區間-2.97～-1.06 m·s-1；SMAP 與SFMR 風速相比的總體偏差隨風速變化的幅度較大，這與匹配數據量和極端離散點的存在有關，配對結果中風速大于25 m·s-1的數量只有87 個，但是卻存在7 個SMAP風速異常大于（平均偏差33.1 m·s-1）SFMR 風速的配對結果，導致風速大于25 m·s-1時SMAP 風速整體偏高于SFMR 的程度上升明顯。

表4 不同平均風速區間SFMR 分別與SMOS 和SMAP 風速對比結果Table 4 Comparison results of SFMR with SMOS and SMAP in different average wind speed intervals

3.3 SMAP 與SMOS 比對分析結果

基于中低緯區域（40°S—40°N）的SMAP 和SMOS 配對數據集，繪制海面風速對比散點密度圖，結果如圖7 所示。為清楚表達高風速下匹配數據點的分布情況，將平均風速高于15 m·s-1的數據分布采用了不同的顏色棒繪圖表達。中低風速（≤15 m·s-1）情況下，兩者風速的RMSE 和BIAS 分別為1.31 和0.07 m·s-1；而在高風速（＞15 m·s-1）情況下，兩者風速的RMSE 和BIAS 分別為1.05 和 -0.21 m·s-1。

圖7 SMAP 與SMOS 風速對比的散點密度Fig. 7 Comparison of SMAP and SMOS wind speeds

3.4 SMAP 與HSCAT-B 比對分析結果

基于中低緯區域（40°S—40°N）的SMAP 和HY-2B 衛星HSCAT-B 散射計配對數據集，繪制海面風速對比的散點密度圖，結果如圖8 所示。為清楚表達高風速下匹配數據點的分布情況，將平均風速高于15 m·s-1的數據分布采用了不同的顏色棒繪圖表達。中低風速（≤15 m·s-1）情況下，兩者風速的RMSE 和BIAS 分別為1.76 和 -0.18 m·s-1；盡管中低風速區間兩者風速一致性較好，但風速差超過5 m·s-1的數據分布較為顯著。而在高風速（＞15 m·s-1）情況下，兩者風速的RMSE 和BIAS 分別為2.47 和 -1.51 m·s-1。與上文分析結果一致，HSCAT-B 風速高于25 m·s-1時表現出了趨于飽和的分布特點。

圖8 SMAP 與HSCAT-B 風速對比的散點密度Fig. 8 Comparison of SMAP and HSCAT-B wind speeds

4 結論

颶風天氣下機載SFMR 提供的海面風速被認為較為可靠，且較為廣泛地用于星載微波遙感反演模型的定標。分析了微波散射計和微波輻射計海面風速分別與SFMR 風速比對分析的結果。首先探討了颶風下SFMR 風速隨空間尺度的變化關系；總體而言，颶風最大風速隨空間尺度增大而減小。在考慮颶風下海面風場時空變異性強的前提下，論文提出了散射計和輻射計數據與SFMR 數據的配對方法。該方法假設在某段時間范圍內TC 風場的空間分布相對于颶風前進方向不變，根據IBTrACS 的TC 中心路徑信息將SFMR 軌跡轉換成風暴運動相對坐標，有效地將SFMR 與散射計和輻射計海面風速數據的匹配時間差延長到3 h。盡管因為TC 中心地理位置不精確以及SFMR 和衛星遙感數據之間的時間差會導致配對誤差，配對結果仍然能展示出散射計和輻射計的偏差特征?；赟FMR、散射計和輻射計數據之間的配對數據，分析表明高風速（＞15 m·s-1）情況下輻射計（SMAP 和SMOS）比散射計風速更接近于SFMR 風速，散射計風速鮮有大于30 m·s-1。在高風速（＞15 m·s-1）情況下，輻射計SMAP 和SMOS 提供海面風速的一致性較好，兩者風速的RMSE 和BIAS 分別為1.38 和0.41 m·s-1。

總體而言，高風速下輻射計風速比散射計風速更接近于SFMR 風速。隨著SFMR 風速的增大，C 波段散射計ASCAT 風速仍然表現出總體增大的分布特點，而Ku 波段散射計CSCAT 和HSCAT 風速大約于25 m·s-1時表現出趨于飽和的分布特點。進一步分析了不同風速和降雨率區間散射計風速與SFMR 風速的比對情況，結果表明相同降雨影響情況下三種散射計（ASCAT，CSCAT，HSCAT）風速相對SFMR 風速的RMSE 和BIAS 均隨著風速增大而顯著增大；相同風速情況下三種散射計風速相對SFMR 風速的RMSE 和BIAS 均隨降雨率增大而增大，但降雨影響引起的風速差異顯著小于風速變化引起的風速差異。

所使用的配對方法有效增加了SFMR 與散射計和輻射計的配對數據量，但由于星載微波遙感數據的空間分辨率為25 km，并且配對方法限定了配對區域的大小，導致高風速匹配數據量仍然不夠充足，易受極端偏離點的影響。

分析了不同探測技術提供的熱帶氣旋海面風速的一致性，重點考慮了風速數據時空表征差異，后續研究可以分析不同數據源在風速物理意義的差異對一致性分析結果的貢獻。