摘要
海流是海水重要的运动形式，在海洋热力结构调整、气候变化、渔业和矿产资源开发、航运及航海安全等方面发挥着重要的作用。合成孔径雷达(Synthetic Aperture Radar，SAR)凭借着全天时、全天候、高分辨率的优势成为观测海流的重要手段。本文利用Sentinel-1 SAR数据，基于多普勒质心异常法(Dopplercentroid anomaly，DCA)从201 7-2019年升轨和降轨的图像中反演了海表流场。通过对比海上浮标测量的流场、高度计融合流场，对反演结果进行了精度验证和误差分析。结果显示，DCA法同时适用于升轨和降轨的流场反演。 传统DCA法反演的SAR流场偏大，为了进一步提高反演精度，本文构建了包含振荡系数的经验关系模型。研究发现，反演精度与背景海况之间存在密切联系。根据反演精度随背景流场的变化关系，构建了新的半经验反演算法。利用2017-2018年SAR数据对该算法进行了建模及模型训练，利用2019年全球Sentinel-1 SAR数据对新的反演算法进行了精度验证和误差分析。结果表明，全球海表流场平均均方根误差从0.74 m/s降低到0.20 m/s，说明构建的半经验反演算法能大幅提高海面流场反演精度。 为了研究影响新算法反演精度的因素，本文分析了海表流速、海表风场和陆地多普勒频移对反演误差的影响。结果显示，均方根误差与海表流速正相关，与海表风速之间没有明显的关系。另外，传统DCA方法中，使用陆地多普勒频移矫正是反演海表流场的关键一步。而利用新的半经验反演算法，无陆地的场景下的均方根误差从0.85 m/s降低到了0.29 m/s，表明新的反演算法不仅适应于有陆地的近岸，同样适用于无陆地信息的开阔大洋，拓展了SAR反演海表流场的适用范围，使之能应用于全球大洋。
NETL