根据风场反演使用的传感器的不同，可将风场反演技术分为扫描微波辐射计和星载盐度计两类。前者采用常规的多通道扫描微波辐射计进行风场反演，又可将其反演算法分为单波段反演算法和多波段反演算法。单波段反演算法的代表为AMSR2微波辐射计，其利用36GHz通道反演风速；多通道反演算法的代表为HY-2A微波辐射计，其采用9个通道亮温进行风速反演。
1.扫描微波辐射计风速反演算法
（1）AMSR2风速反演算法
对于AMSR2微波辐射计，其风速反演算法采用了36GHz的高频波段。为了发展风速反演算法，首先需确定亮温对风速的依赖关系。结果表明：36V通道风致亮温在6m/s以下低风速时保持为0，6m/s以上高风速时亮温随风速线性增大；36H通道亮温在低风速条件下也保持了对风速的敏感性，且其对风速的敏感性高于36V通道。36H和36V通道亮温均存在风向信号，36V通道亮温在逆风向达到最大值，顺风向达到最小值；36H通道亮温在侧风向达到最大值，在顺风和逆风向达到最小值。
AMSR2风速反演算法首先利用36GHz通道亮温计算参数S36，S36参数定义为：
式中，参数b=208为常数，参数a、c与SST有关，见表4.4，f为大气效应的校正项，t为一个与风速有关的偏移量。
表4.4 不同SST条件下参数a和c值
S36参数中也包括风向信号，风速在5～7m/s范围内S36与风向无关；风速上升时，S36在顺风向达到最大值，逆风向达到最小值。最终JAXA利用7个月的数据，建立S36与SeaWinds散射计风速产品的经验关系，实现了S36参数计算海面风速的反演算法，AMSR2反演的海面风场如图4.7所示。AMSR2的海面风速提取精度可达1m/s。
图4.7 AMSR2反演的海面风场图
（2）HY-2A微波辐射计风速反演算法
HY-2A微波辐射计采用多元回归算法进行包括风速在内的海气参量产品反演（周武，2013）。首先基于物理辐射传输模型进行亮温数值模拟，根据全球数据库得到海水盐度、海面温度、海面风速、风向、水汽含量和云液水含量的组合，利用RTM模型计算HY-2A微波辐射计9个通道的亮温值；进而建立不同海洋大气物理参数与模拟亮温的经验关系，根据最小二乘回归获得反演参量和模拟亮温线性经验方程的拟合系数，最终得到风速反演经验方程如下：
对于海面风速，反演方程中各拟合系数的取值为：-0.33、0.68、0.25、-0.34、0.26、-0.07、-7.98、-1.53、0.95和65.14。与TAO浮标现场观测数据比较，HY-2A微波辐射计风速反演均方根误差约为1.5m/s，HY-2A微波辐射计反演的海面风速如图4.8所示。
图4.8 HY-2A微波辐射计反演的海面风速图(www.xing528.com)
（3）Windsat微波辐射计风场反演算法
Windsat使用18、23、37GHz通道亮温进行风场反演，其中18和37通道为全极化通道，23为双极化通道。各通道亮温可表示为：
式中，T H/Viso为H/V极化亮温中的各向同性亮温数据，τ为大气透射率，ΔT H，V（W，ϕ）为亮温中的风向信号；Ua和Va为第三、第四斯托克斯量；U（W，ϕ）和V（W，ϕ）为第三、第四斯托克斯量中的风向信号（Yueh，2006）。
风场反演过程中，首先利用18、23和37GHz双极化亮温，结合AMSR数据建立的粗糙海面辐射模型，反演风速、水汽、云水含量和大气透射率，SST采用Reynolds SST产品，将风速等反演结果代入（4.41）、（4.42）式的第三、第四斯托克斯量表达式中，获得代价函数的局部最小值，其后将风向模糊解剔除，最终获得风向的最大似然解，Windsat反演的全球风场分布如图4.9所示。
图4.9 Windsat反演的全球风场分布图
2.星载盐度计风速反演算法
目前对海面风速的微波遥感，主要采用C波段以上的频段。事实上，星载盐度计工作的L波段电磁波波长较长，其大气透明度高，受天气条件影响小；而且L波段亮温对风速的敏感性可达0.3K/ms-1，因此，L波段微波辐射更适用于非常规气象条件下的风速反演。
（1）SMOS风速反演算法
利用SMOS亮温遥感海面风速，首先从SMOS亮温中提取风致粗糙海面亮温信号，结果表明其风致粗糙海面亮温的空间分布与风场相似，进而将风速数据与粗糙海面亮温进行线性拟合，从而建立风速反演算法（Reul，2012）：
式中，ΔI为提取的H极化和V极化粗糙海面亮温之和，U10为海面10m高处风速。利用该算法SMOS反演的风场结构与H∗Wind风场吻合，验证了L波段辐射计反演风速的能力。
（2）Aquarius风速反演算法
Aquarius是采用真实孔径天线的星载盐度计，受工作体制的限制，其幅宽仅400km，但是其工作频段与SMOS相同，也可进行海面风速测量。利用Windsat微波辐射计、NDBC浮标数据和Aquarius亮温数据，针对海表温度低于15℃和高于15℃两种情况，基于神经网络方法分别发展L波段风速反演算法，并与Windsat的全天候风速产品进行比较，发现Aquarius的风速反演精度约1m/s。在0.5～10mm/h雨率范围内，对风速反演精度进行了研究，结果表明：在降雨条件下算法反演精度良好，低海温条件下算法的反演均方根误差约1.0～2.0m/s，高海温下算法的反演均方根误差在1.4～2.4m/s之间。通过与NDBC浮标实测数据比较，Aquarius反演风速的精度约1m/s（Wang等，2015）。风速反演散点图以及反演误差与降雨率的关系如图4.10所示。
图4.10 风速反演散点图（左）以及反演误差与降雨率的关系（右）
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
