陳 建，張 韌*，安玉柱，馬 強，楊代恒

(1. 解放軍理工大學 氣象海洋學院 江蘇 南京，211101； 2. 軍事海洋環(huán)境軍隊重點實驗室，江蘇 南京 211101；3. 成都軍區(qū)氣象中心，四川 成都 610031)

海表鹽度(Sea Surface Salinity, SSS)在大洋環(huán)流、海氣相互作用等全球大氣、海洋過程中起著重要作用。一方面，海表鹽度影響制約著障礙層形成、深層水團形成、溫鹽環(huán)流等海洋物理過程，利用鹽度分布特性可以推測海洋上層垂直剖面結構、計算海洋的熱貯存等；另一方面，作為海氣交界面處的關鍵要素，海表鹽度的季節(jié)和年際變化和El Nio、蒸發(fā)與降水等海氣相互作用現象息息相關，是理解和預測氣候變化必須的信息，同時還可運用于海洋模式邊界條件確定、海表飽和水汽壓計算等。為此，歐洲的土壤濕度和海洋鹽度衛(wèi)星(Soil Moisture and Ocean Salinity, SMOS)已先于美國的寶瓶座鹽度衛(wèi)星(Aquarius)發(fā)射實施。

SMOS是歐洲航天局(ESA)生命行星計劃中的地球探測者機遇任務的第2顆衛(wèi)星，可提供全球范圍內高頻率、業(yè)務化、特定精度和覆蓋率的陸表土壤水分和海表鹽度信息，其中海表鹽度為SMOS主要觀測量。在SMOS發(fā)射之前，海洋水色、海表溫度、海洋地形、海流、海風、海冰等幾乎所有的海面要素都實現了遙感觀測，鹽度是唯一尚未實現從太空進行遙感監(jiān)測的海面要素。鑒于鹽度在海洋科學研究中的重要性，目前源自現場觀測的鹽度資料無論在時間連續(xù)性，還是空間分辨率上都已遠遠不能滿足科學研究的需要。因此，全新的SMOS衛(wèi)星遙感海表鹽度資料顯示了其難以替代的科學價值。

SMOS衛(wèi)星由法國公司制造，主要投資方來自法國和西班牙，重658 kg，設計使用壽命為3 a，包括試運行的半年和正式運行2.5 a以及2 a的擴展運行和10 a的任務后處理。SMOS衛(wèi)星運行在太陽同步晨昏軌道，平均軌道高度為755 km，上午6:00越過赤道北上，下午18:00越過赤道南下，最大訪問周期3 d，衛(wèi)星掃描帶寬1 000 km，平均像素大小43 km。衛(wèi)星采用法國航天局和阿爾卡特-阿萊尼亞航天公司聯合研制的PROTEUS衛(wèi)星平臺。合成孔徑微波成像輻射計(Microwave Imaging Radiometer using Aperture Synthesis, MIRAS)是搭載于SMOS衛(wèi)星的唯一有效載荷，它是由西班牙航空制造股份有限公司領導的20多家歐洲公司聯合建造，展開直徑約為6 m，有Y型的3個天線臂。MIRAS工作在微波L頻段，是首個極軌運行的天基二維干涉輻射計，中心頻率為1.413 GHz，該頻段在避免人為輻射噪音并把大氣層、天氣和地表植被等造成的干擾降至最低的同時，保證了對土壤濕度和海洋鹽濃度的最大敏感度[1]。

SMOS衛(wèi)星于2009-11發(fā)射升空試運行并傳回首批觀測圖像，2010-05進入了正式運行階段。SMOS的測量目標為：精度0.1、時空分辨率200 km×200 km /10 d或100 km×100 km /30 d[2]。

1 SMOS海表鹽度資料

1.1 產品分級

SMOS海表鹽度產品分為以下幾個級別：1) Raw：衛(wèi)星接收到的原始格式資料，即CCSDS包格式的星上數據；2) L0：對Raw進行格式化后得到的源包格式資料，即帶有頭文件的星上數據；3) L1a：對L0進行單位轉換和校準后得到的校正可見度；4) L1b：對L1a進行圖像重構后得到的天線極化參照系下亮溫的傅里葉分量，即以儀器快照為單位的亮溫；5) L1c：對L1b亮溫進行地理定位重組后得到的天線極化參照系下的ISEA[3]網格上以軌道為單位的亮溫；6) L2：對L1c亮溫進行迭代反演后得到的ISEA網格上的基于3種不同反演算法的軌道級海表鹽度場以及相應的不確定度；7) L3：對L2 海表鹽度進行時空重組后得到的不同時空分辨率的網格化海表鹽度場，如200 km×200 km / 10 d，100 km×100 km / 30 d等以及相應的不確定度；8) L4：L3海表鹽度與其它數據融合后得到的改進的、精度更高的海表鹽度場及一些衍生產品，如密度場、雨量分布等。

1.2 文件格式

SMOS產品采用二進制-XML混合格式的文件存儲方式，即1個SMOS產品由1個頭文件和1個數據塊文件組成，2個文件分享同一個文件名，僅用不同的擴展名來區(qū)分：頭文件為“.HDR”，實為ASCII格式的XML文件；而數據塊文件為“.DBL”，為二進制格式。頭文件和數據塊文件通過“.ZIP”格式對外發(fā)布。頭文件包含固定頭文件和可變頭文件，其中固定頭文件對所有數據類型結構都相同，可變頭文件則允許對不同的數據類型有不同的定義和結構信息，因此其下又包含主要產品頭文件MPH和特定產品頭文件SPH；數據塊文件包括一個或多個數據集，每個數據集又包括一系列統(tǒng)一的數據集記錄，包含格點數目和各個格點的內容，如格點標識、地理坐標、亮溫或海表鹽度及其誤差和相關輔助參數、控制標記、控制描述、科學標記、科學描述等，涵蓋了整形、實型、比特型等不同類型，以及長整型、短整型等不同長度，因此需要其儲存方式的說明[4-6]。ESA提供了一組基于C++語言的二進制-XML庫函數來讀取二進制-文本混合格式，SMOS網站上提供了此庫函數及說明文檔下載(http:∥www.smos.esa.int/BinaryXML/)。頭文件和數據塊文件是所有產品共有的；視產品類型不同，還包括JPEG格式(.jpg)的快照數據產品、XML格式(.EEF)的質量報告等。

1.3 數據發(fā)布

L1和L2級的資料發(fā)布于歐空局地球觀測系統(tǒng)(http:∥eopi.esa.int/esa)，可用EOLI(Earth Observation Link)軟件下載，同時提供了一個全新的交互式用戶管理系統(tǒng)CARE CMS (https:∥caresp.eo.esa.int/care-sp/)；SMOS巴塞羅那研究中心(BEC)發(fā)布了一套簡化的Netcdf格式L3資料(http:∥tarod.cmima.csic.es)，但其不包含質量控制標記且不區(qū)分上升、下降軌道；而SMOS L3/4產品處理中心(SMOS level 3 and 4 Processing Centre, CP34)的CP34 Light Web接口((http:∥www.cp34-users.cmima.csic.es/light_web/homeAction.do)則提供了原始格式，即二進制-XML混合格式的L3資料。

2 海表鹽度反演

2.1 基本反演方法

海表鹽度反演經歷了一個逐漸發(fā)展、完善的過程，事實上直到現在也未達到一個完美的精度。Zine等[7]對其過程進行了概括總結。SMOS現階段業(yè)務化運行中反演的基本原理和技術途徑可大致歸納如下。

海面亮溫TB是海表發(fā)射率e和海表溫度SST的函數，即TB=e·SST。e是海水的相對復介電常數εr的函數，而εr又與SSS、SST以及電磁波頻率f、入射角θ、極化方式p和海表粗糙度r等因素相關εr，即

TB=TB{e[εr(SSS,SST,f,θ,p,r，…)]，SST}=TB(SSS，SST，f,θ,p,r,…)

(1)

鹽度反演的復雜性在于如何在具有一個合理的空間分辨率的前提下達到嚴格的精度要求，而選擇1.4 GHz波段可以在保持TB對SSS較大敏感度的同時減小各種噪音的影響。

(2)

圖1給出了海表鹽度反演的算法流程。L2數據塊文件包括每個ISEA49格點上的：3個SSS反演值、SST/WS輔助參數、極化亮溫、相應的理論不確定度等地球物理相關參數；指示輻射噪音、外源污染等造成的反演質量的控制標記和描述；指示海冰、大雨、近陸等可能影響反演質量的物理條件的科學標記和描述。除了頭文件和數據塊文件之外，還有一份質量報告[4]。

圖1SMOS海表鹽度反演算法流程Fig.1 Retrieval algorithm flow for SMOS SSS

目前，尋找有效提高觀測和反演精度的誤差訂正方法仍是一個亟待解決的問題。SMOS發(fā)射前，Sabia等[17]就已系統(tǒng)研究了SMOS反演方案中的誤差源及其分布：1)亮溫觀測不精確、輻射噪音干擾、近陸污染等場景誤差；2)太陽/大氣等外源誤差移除不徹底、校準穩(wěn)定性與圖像重構誤差等因素；3)由于海水介電常數模型不精確、依賴于海表狀態(tài)的粗糙度模型不精確等環(huán)節(jié)可能產生的誤差源。SMOS發(fā)射之后，這些誤差問題有些退居其次，有些則更加突出。以下簡要分析幾個最為重要和突出的問題。

2.2 觀測亮溫誤差來源和移除

2.2.1 輻射計信號漂移

SMOS發(fā)射后，試運行階段就發(fā)現MIRAS的一個突出問題：觀測亮溫隨時間所表現出的長期和短期漂移現象[18]。具體表現在SMOS亮溫圖像在很大程度上是由MIRAS的3個參考輻射計單元，即噪音注入輻射計(Noise Injection Radiometers， NIR)決定的，而輻射計接收到的信號將會受物理溫度變化的影響而產生漂移，如軌道的晨昏位置變化引起的太陽直接加熱和星系反射輻射加熱變化、季節(jié)更替引起的溫度變化等都會導致輻射計數據接收漂移，而該問題在SMOS發(fā)射前是沒有充分預計到的。

Kainulainen等[19]運用外部目標觀測 (External Target Observation，ETO)方法，基于簡單天空參照物，研究了NIR的短期穩(wěn)定性；通過對多個天空觀測，估計出一個平均天線溫度，分析了其時間序列特征規(guī)律，研究了NIR的長期穩(wěn)定性；隨后將參照物擴展到太平洋和南極洲等其他目標，并進行了類似分析，歸納、提取出一組校正系數，并基于該校正系數，發(fā)展了一個新的雙系數熱力學天線模型用以代替先前的單系數模型。通過對單坡度熱力損失模型的性能評估發(fā)現：僅對天空目標進行短期雙周軌道漂移校正時可以達到預期設計要求，但對長期漂移仍無能為力，其機制目前仍不明了。

為了對輻射計的長期穩(wěn)定性進行評估，業(yè)已進行了一些著名的地面試驗，如始于2008-12,為期2 a的Domex-2實驗中，將南極洲的Concordia站 (Dome C)作為外部目標，通過收集地面數據來監(jiān)測校正MIRAS的性能。實驗發(fā)現：2009-2010年的2 a間，V偏振方向亮溫的高度穩(wěn)定性得到了確認，而H方向由于南極大陸表層和次表層的復雜因素影響而呈現出較大的波動。盡管如此，現場觀測的亮溫無論是角度差異還是時變趨勢都和SMOS的觀測比較一致，下一步需開展的工作是對亮溫的空間穩(wěn)定性進行分析[20]。

上升和下降軌道間的差異也是一個重要的誤差來源，它一方面體現在前面所述由于探測器位置不同而引起的溫度差異，另一方面則體現在由于運行方向不同而引起的陸地或海冰污染區(qū)域的差異上。

2.2.2 近陸污染

由于陸面和洋面輻射性質的顯著差異，靠近陸地一定范圍區(qū)域的亮溫需作剔除處理，即使距離稍遠不作剔除，也應進行標記以示陸地的潛在影響[12]。當大片陸地進入SMOS的掃描范圍，亮溫漂移形態(tài)會有一個顯著的扭曲。近陸污染主要體現在亮溫圖像重構環(huán)節(jié)上，對試運行期間的反演鹽度精度曾產生嚴重影響，在對反演算法和分析處理程序完善、更正后，近陸污染已大為減小[18]。

2.2.3 無線電頻率干擾

無線電頻率干擾(Radio Frequency Interference,RFI)是指MIRAS受保護波段即1 400～1 427 MHz頻譜受到人為輻射噪音造成的干擾。由于MIRAS僅此一個輻射頻段且每1.2 s才測一次值，加之MIRAS的干涉儀性質也會產生RFI痕跡，因此常規(guī)的標準RFI檢測方法并不奏效。研究發(fā)現[21]：受到RFI污染的區(qū)域主要集中在北大西洋、地中海、北印度洋、中國近海等區(qū)域；目前相對有效的移除方法，一是利用全偏振特性獲取更多信息，二是只采用六邊形即視場中心區(qū)域內的亮溫測值。另外利用航空微波遙感實驗進行校正也是一個正在探索的方法。2010年在比斯開灣進行的CAROLS 輻射計航空實驗也證實了在比斯開灣SMOS下降軌道數據受到了RFI污染[22]。有關RFI的問題尚需進一步深入、細致的研究。

2.2.4 海洋目標變換

儀器校正后仍然存在的亮溫偏差，若該偏差沿軌道或在不同軌道的空間分布基本不變，則屬系統(tǒng)誤差，可通過經驗性的海洋目標變換(Ocean Target Transformation, OTT)方法移除。作為一個重要的外部亮溫校正方法，OTT由Meirold-Mautner等[23]首先提出，其基本思想：對于多個觀測點，用正演模型和輔助數據計算偽亮溫，觀測亮溫與偽亮溫之差的空間平均定義為儀器誤差引入的偏差，用觀測亮溫減去此偏差得到校正亮溫。隨后，Talone等[24]改進了OTT方法，使其不依賴于具體的模型，并提出了參數均勻化方案，一定程度上改善了OTT的效果，并用于業(yè)務階段的儀器校正。但是目前業(yè)務上OTT算法仍然受正演模型缺陷的影響，表現在當天頂角和入射角不同時，誤差分布將有所不同，隨著地表條件參數的改變偏差訂正會有0.5 K左右的變化，且受到來自太陽和天空的污染。針對上述缺陷，人們提出了相應的改進算法[25]，其主要特征是進行了數據選擇，使其在各種不同的地球物理條件下保持穩(wěn)定(5 < WS < 11 m·s-1時變化小于0.1 K)，但缺點是對數據選擇有嚴格要求，且因法拉第效應和星系影響無法混合使用上升和下降軌道數據。

OTT方法未能徹底消除亮溫的長期漂移，至于是否需要運用時變OTT方法以及使用視場中的哪部分觀測數據和運用何種極化方式，都是選擇運用最優(yōu)OTT方法中需要考慮的問題。

2.3 正演模型及反演算法改進

鹽度反演不僅要求儀器性能良好，對數據處理也有嚴格的要求。L波段海表粗糙度模型存在較大的不確定性，它首先反映在模型的多樣性方面[7]：模型1用雙尺度方法處理電磁散射，并用雙DV (Durden & Vesecky)波譜描述粗糙表面；模型2基于小坡度近似輻射理論和Kudryavtsev海面波譜模型，用一個特定的泡沫模型計算泡沫影響；模型3則是基于既有數據歸納、提取得到的半經驗公式。上述3個粗糙度模型均需要在SMOS運行過程中進行校正、測試、改進和比較。

海表粗糙度最重要的影響因素是風速。SMOS與現場資料的差異分布表明[26]：TB(WS)屬于非線性函數關系，粗糙度模型的誤差隨風速增大(12 m·s-1以上)而增大，但在大洋南部大風區(qū)SMOS反演的SSS場整體偏小。因此，無論是理論模型，還是半經驗粗糙度模型都需通過實際數據來進一步擬合和優(yōu)化模型參數。例如，通過數據擬合得到的模型1的優(yōu)化參數，其初步校正結果在3～17 m·s-1風速范圍內SSS的平均反演偏差較之發(fā)射前的模型結果有明顯降低；同時鑒于輔助風速數據和真實風速之間的差異，也需對風速反演結果進行部分校正，即分析反演SSS誤差前首先應注意ECMWF風場和反演風場間的誤差，以使風速適應范圍和SSS精度兩者之間達到較好平衡。再處理過程中提出了3種新的粗糙度模型[27]，突破了一直以來用TB與WS的線性關系來描述粗糙度模型的局限，刻畫了TB和WS間的非線性關系。并在2～15 m·s-1范圍內得到了較好的驗證(3種模型差異小于0.5 K)，但在大風環(huán)境下運用仍存在較大偏差。

除粗糙度以外，銀河系噪音的影響也在模型中得到了考慮和相應的優(yōu)化[26]。但是由于儀器誤差的存在，正演模型調整仍很困難，僅能對模型本身進行改進；同時，風速僅刻畫了海面粗糙度的一階近似，海況、大氣穩(wěn)定性、海流等不容忽視的影響因素(某些海區(qū)的影響幅度可達1 K)仍未得到充分考慮。

3 海表鹽度標準化產品制作

L2級產品的時空分辨率大約為15.74 km×15.74 km/3 d，數據量非常大，同時由于反演算法的復雜性，其觀測誤差也大于可接受的范圍。研究表明[7]，根據軌道中位置的不同，L2 級海表鹽度的誤差在中心為0.5 psu而在邊緣則可達1.7 psu。因此，通過對L2級產品進行網格化處理，進一步得到L3級標準化產品，這樣既可通過降低時空分辨率減小數據量、提高產品精度，也可提供更便于研究和應用的再分析產品。

SMOS L3級海洋鹽度產品類型(L3OSPT)有6種，產品類型與數據輸入、輸出及處理過程參數如表1[28]。

表1L3子產品參數Table 1 Parameters of L3 sub-products

注：ISEA 15.74 km = ISEA49，ISEA 31.48 km = ISEA48，ISEA 62.96 km = ISEA47；RCos為一種緯距相等、經距不等的等距離格點

(3)

式中，σi為L2觀測值xi的觀測誤差，它由觀測點在FOV中的位置和其它外源誤差決定。

L3-2和L3-3級產品均采用最優(yōu)插值(OI)處理，但時空窗口選擇不同。在SMOS前，OI被用于多種遙感數據的客觀分析處理，如海表溫度、海面高度異常、水色等。早在2008年，Obligis等[29]就運用OI生成鹽度圖像，模擬出了L3-2/3產品，得到了較滿意的效果；Jorda等[30]系統(tǒng)地給出了CP34中采用的L3產品處理方案和相應的配置。OI處理中給出了L3格點上的分析場向量xa以及分析場誤差估計var(εa)，其具體方法原理、步驟參見文獻[31]：

xa-xb=ST·(B+R)-1·(dobs-db)

(4)

var(εa)=var(εb)diag[I-ST·(B+R)-1·S]

(5)

式中，xb為L3格點上的背景場向量；S為觀測點和L3格點間的相關系數矩陣；B為觀測點間相關系數矩陣；R為觀測誤差的相關系數矩陣；I為單位矩陣；dobs為觀測值向量；db為觀測點上的背景場向量；var(εb)為觀測場方差即信號方差；diag表示對角值。

Jorda等[32]利用OI誤差估計公式，系統(tǒng)量化了觀測誤差對L3產品精度的影響，分析結果表明：L3-2、L3-3若要獲得0.1的精度，則L2的最大觀測誤差應不超過0.8和1.1，他同時還進行了魯棒性分析。Gourrion等[33]針對SMOS試運行期間上升軌道全偏振業(yè)務模式的L1B產品，用一個簡略反演方案和非業(yè)務L3同化方案，將得到的L3圖像與WOA05氣候態(tài)資料和Argo資料進行對比，發(fā)現其并未達到要求的精度；與熱帶大西洋漂流浮標的對比結果表明，當前100 km×100 km/10d格點資料產品的誤差介于0.3～0.6[34]。

L3-3a/b是L3-3分別進行季節(jié)和年平均得到的產品。

L3數據塊文件包括每個ISEA48/49或RCos格點上：3個SSS的L2輸入觀測數量、L2輸入貢獻方差、L3絕對值/參考值/異常值、背景場、相關理論不確定性等地球物理學參數；對L2控制標記和描述進行總結得到的質量控制標記。除了頭文件、數據塊文件、質量報告之外，還有若干快照數據產品[5]。

4 海表鹽度的多源數據融合

目前，關于L4級產品的算法研究尚不多。Jorda等[35]著重分析了L3級產品的誤差方差，并利用最優(yōu)插值可融合多源數據的優(yōu)點，將L3與Argo、CTD和錨定浮標等輔助數據結合，并在R中考慮了不同數據儀器所致的精度誤差以及由于將海表下幾米近似作為海表所致的代表性誤差，生成了模擬L4產品，并進行了多個對比實驗。結果表明：對誤差減小貢獻最大的是空間分辨率而非時間分辨率的提高，尤其在SSS方差較大地方獲得的輔助數據對精度的改善效果最為明顯，而輔助觀測在較長相關尺度的區(qū)域效果最好。

在ECMWF，為合理同化SMOS亮溫資料而進行的業(yè)務化準實時產品再處理和監(jiān)測工作已初見成效[36]；2011-06美國航空航天局NASA的Aquarius發(fā)射后，兩種衛(wèi)星產品的結合應用也提上了議程，如進行彼此資料的交叉驗證、資料融合、RFI檢測和過濾等[37]。

SMOS海表鹽度資料雖然還未得到深入應用，但是可以預見，該資料在融合現場資料或其它遙感產品、重構SSS場或鹽度剖面中將會有重要的應用前景。在重構SSS場方面，Brassington等[38]指出SMOS觀測的SSS會有較大的期望誤差，誤差方差限制了對整個海洋狀態(tài)甚至是SSS本身的準確分析，他通過估計遙感SSS對一個由SST和SLA(海面高度異常)構成的多元海洋數據同化系統(tǒng)的影響，提出了一個簡單的解析公式來診斷觀測誤差方差的大小，該診斷公式用于一個最優(yōu)插值方案的結果表明，SST和SLA在中高緯度顯著約束了SSS的誤差方差，而在低緯約束較弱，這意味著遙感SSS觀測有望明顯改善赤道海域的多元分析，而在中高緯的改善效果則比較有限；Delcroix等[39]通過對大約1000萬個經過校正的現場SSS觀測如VOS、TAO/TRITON浮標和Argo剖面等進行客觀分析，得到1950-2008年熱帶太平洋(120°E～70°W,30°N～30°S)時空分辨率分別為1°×1°/1個月的SSS格點數據集以及相關誤差場，并提出了當現場觀測網更成熟、衛(wèi)星遙感SMOS或Aquarius資料可獲得時，對該產品進一步改進和更新的相關設想。在重構鹽度剖面方面，早在1999年，Hansen等[40]就用溫度觀測剖面和SSS資料估計了上層海洋的鹽度剖面，刻畫出了海洋上層鹽度變化的基本特征和障礙層等物理海洋現象，用此鹽度剖面估計出的位勢高度均方差相對不使用SSS資料的情況減少了50%。該研究是基于將來遙感SSS場較之深層觀測更易在大范圍內取得的預期設想得到的。此后，基于溫度、鹽度、高度三者結合來重構溫鹽剖面的研究層出不窮，其中很多研究強調了SSS觀測的重要性，如Agarwal等[41]將經驗正交函數分解EOF和遺傳算法GA相結合，提出了一種用SSS構建鹽度三維結構的方法，得到了印度洋次表層鹽度剖面；Ballabrera-Poy等[42]用Argo溫鹽資料，分別用氣候態(tài)T-S關系、線性回歸多項式模型和非線性回歸神經網絡模型進行東北大西洋上層1 200 m的鹽度重構。結果表明，SSS資料為三維鹽度結構提供了重要信息，尤其強調了衛(wèi)星遙感SSS資料和溫鹽剖面資料的結合使用在三維鹽度場重構中潛在的應用價值。

5 展 望

鹽度作為海洋遙感領域的難點問題，當前的分析處理技術仍存在許多不足之處，尚需相關領域研究者的持續(xù)合作解決。截止目前，SMOS格點資料距0.1的目標精度仍有一定差距，其全球分布情況為：開闊海域具有較為連續(xù)的鹽度空間分布，但仍有大片區(qū)域反演值欠精確，部分海域的鹽度異常明顯大于SSS的正常變率。通過數據篩選、時空平滑等L3數據處理可起到一定的改善效果，但L1，L2處理過程中的諸多問題仍未得到完善解決。

自2011-10起，ESA根據上述相關要點對L1和L2業(yè)務處理器進行了大規(guī)模的改進，稱之為“再處理”，這是自SMOS業(yè)務處理器經過近兩年的在軌校準驗證后的首次大規(guī)模改動，是一個重要里程碑。隨后CP34也會對所有經過再處理的L2數據進行重新加工，新格點數據于2012-02發(fā)布后進入下一輪的校準驗證。試驗中，經過再處理的SMOS數據與熱帶大西洋漂流浮標資料的初步對比顯示[28]：SMOS給出了近似的SSS特征，但靠近陸地和海冰處上升和下降軌道的數據尚有較大差異，而在大洋南部有較低的SSS值，RFI的影響也很顯著。由此可見，資料誤差仍在一定程度上存在，未來需繼續(xù)完善的工作包括：1) 尋找適應性強的OTT方法，或者可移除系統(tǒng)偏差和長期漂移的其他方法；2) 場景誤差(如RFI和近陸污染)的移除或標記；3) 現有的粗糙度模型在大風環(huán)境下的效果仍然較差，且與海況、降水、星系信號等相聯系的地球物理環(huán)境誤差依然存在，需要進一步完善；4) 如何對視場區(qū)域、極化方式等進行最優(yōu)選取和組合；5) 進一步改進、提高反演技巧。

此外，SSS作為海氣相互作用的關鍵要素，對ENSO循環(huán)[43]、蒸發(fā)降水[44]等問題研究更是意義重大。隨著SMOS產品精度的不斷提高、業(yè)務運用不斷成熟，高時空分辨率的遙感SSS資料將會進一步推進這些研究領域的全新發(fā)展。

致謝：感謝ESA提供SMOS L2產品、CP34提供SMOS L3產品；感謝BEC的Gourrion J的答疑解惑以及資料支持。

參考文獻(References)：

[1] QU X F. The European "soil moisture and ocean salinity" satellite has been launched [J]. Space International, 2009 (11) :1-3. 曲向芳. 歐洲“土壤濕度和海洋鹽濃度"衛(wèi)星升空[J]. 國際太空, 2009(11):1-3.

[2] KERR Y H, WIGNERON J P, BOUTION J, et al. The SMOS mission: New tool for monitoring key elements of the global water cycle [C]. Proceedings of the IEEE, 2010, 98(5): 666-687.

[3] SNYDER J P. An equal-area map projection for polyhedral globes [J]. Cartographica, 1992,29(1):10-21.

[4] ESA SMOS Team. SMOS L2 OS Input/Output Data Definition [EB/OL]. [2011-05-01].http:∥www.argans.co.uk/smos/docs/deliverables/delivered/IODD/SO-TN-ARG-GS-0009_L2OS-IODD_v2.18_101207.pdf

[5] CP34 GMV. SMOS CP34 Product Output Format Definition [EB/OL]. [2011-05-01].http:∥www.cp34-users.cmima.csic.es/light_web/documentation.do;jsessionid=AC2D1871B1EB6E1CE7043E1DC4302E05?idDL=CP34-PS-0001_v2.7d_2009-XX-XX.doc

[6] CHEN J, ZHANG R, WANG H Z, et al. The method and application of extracting SMOS salinity data based on hybrid binary-XML file format with Matlab[J]. Marine Science Bulletin, 2011,30(6):692-696. 陳建，張韌，王輝贊,等. Matlab對基于二進制-XML混合格式的SMOS鹽度數據的提取方法與實現[J]. 海洋通報, 2011,30(6):692-696.

[7] ZINE S, BOUTION J, FONT J, et al. Overview of the SMOS sea surface salinity prototype processor [J]. IEEE Trans. Geosci. Remote Sens., 2008,46(3):621-645.

[8] MARQUARDT D W. An algorithm for least-squares estimation of non-linear parameters [J]. J. Soc. Ind. Appl. Math, 1963,11(2):431-441.

[9] WALDTEUFEL P, BOUTIN J, KERR Y. Selecting an optimal configuration for the soil moisture and ocean salinity mission [J]. Radio Sci., 2003,38 (3):8051-8066.

[10] SABIA R, CAMPS A, VALL-LLOSSERA M, et al. Impact on sea surface salinity retrieval of different auxiliary data within the smos mission [J]. IEEE Trans. Geosci. Remote Sens., 2006,44 (10):2769-2778.

[11] CAMPS A, VALL-LLOSSERA M, BATRES L, et al. Retrieving sea surface salinity with multiangular l-band brightness temperatures: Improvement by spatio-temporal averaging [J]. Radio Sci., 2005,40:1-13.

[12] ZINE S, BOUTIN J, WALDTEUFEL P, et al. Issues about retrieving sea surface salinity in coastal areas from smos data [J]. IEEE Trans. Geosci. Remote Sens., 2007,45 (7): 2061-2072.

[13] KLEIN L, SWIFT C. An improved model for the dielectric constant of sea water at microwave frequencies [J]. IEEE J. Ocean. Eng., 1977,2(1): 104-111.

[14] DINNAT E P, BOUTIN J, CAUDAL G, et al. Issues concerning the sea emissivity modeling at l band for retrieving surface salinity [J]. Radio Sci., 2003,38 (4):8060-8070.

[15] JOHNSON J T, ZHANG M. Theoretical study of the small slope approximation for ocean polarimetric thermal emission [J]. IEEE Trans. Geosci. Remote Sens., 1999,37(5): 2305-2316.

[16] GABARRO C, FONT J, CAMPS A, et al. A new empirical model of sea surface microwave emissivity for salinity remote sensing [J]. Geophys. Res. Lett., 2004,31:L01309-1: L01309-5.

[17] SABIA R, CAMPS A, TALONE M, et al. Determination of the sea surface salinity error budget in the Soil Moisture and Ocean Salinity Mission [J]. IEEE Trans. Geosci. Remote Sens., 2010,48(4):1684-1693.

[18] MARTIN-NEIRA M, CORBELLA I, TORRES F, et al. Overview: MIRAS instrument performance and status of RFI[R]. France: 1st SMOS science workshop, 2011.

[19] KAINULAINEN J, MARTIN-NEIRA M, CLOSA J, et al. Performance and stability of the SMOS reference radiometers - Status of investigations after 20 months of operation[R]. France: 1st SMOS science workshop, 2011.

[20] BROGION M, MACELLONI G, PETTINATO S, et al. Results of the Domex-2 experiment: Comparison between SMOS and Radomex data collected at Concordia base Antarctica[R]. France: 1st SMOS science workshop, 2011.

[21] FONT J, BOUTIN J, REUL N, et al. Status of Sea Surface Salinity product provided by SMOS[R]. France: 1st SMOS science workshop, 2011.

[22] MARTIN A, BOUTIN J, HAUSER D, et al. L-band radiometric measurements in the Gulf of Biscay[R]. France: 1st SMOS science workshop, 2011.

[23] MEIROLD-MAUTNER I, MUGERIN C, VERGELY J L, et al. SMOS ocean salinity performance and TB bias correction [R]. Austria: Proceedings of EGU General Assembly 2009, 2009.

[24] TALONE M, GOURRION J, GONZALEZ V, et al. SMOS' brightness temperatures statistical characterization [R]. USA: IGARSS 2010 proceedings, 2010.

[25] GOURRION J, SABIA R, PORTABELLA M, et al. Improving SMOS salinity retrieval: Systematic error diagnostic[R]. France: 1st SMOS science workshop, 2011.

[26] YIN X, BOUTIN J, MARTIN N, et al. Sea surface roughness and foam signature onto SMOS brightness temperature and salinity[R]. France: 1st SMOS science workshop, 2011.

[27] GUIMBARD S, GOURRION J, VENDRELL L, et al. SMOS Ocean Forward model: Roughness models improvement[R]. France: 1st SMOS science workshop, 2011.

[28] CP34 GMV. Detailed Processing Model for SMOS CP34 OS L3 Processors [EB/OL]. [2011-05-01].http:∥www.cp34-users.cmima.csic.es/light_web/documentation.do;jsessionid=AC2D1871B1EB6E1CE7043E1DC4302E05?idDL=CP34-DPM-0001-1-3_2008-11-04_DPMOS.doc

[29] OBLIGIS E, BOONE C, LARNICOL G, et al. Benefits of the future sea surface salinity measurements from SMOS generation and characteristics of SMOS geophysical products [J]. IEEE Trans. Geosci. Remote Sens., 2008,46(3):746-753.

[30] JORDA G, GOMIS D, TALONE M. The SMOS L3 mapping algorithm for sea surface salinity [J]. IEEE Trans. Geosci. Remote Sens. 2011,49(3):1032-1051.

[31] BRETHERTON F P, DAVIS R E, FANDRY C B. A technique for objective analysis and design of oceanographic experiments applied to MODE-73 [J]. Deep-Sea Res. I, 1976,23:559-582.

[32] JORDA G, GOMIS D. Accuracy of SMOS Level 3 SSS products related to observational errors [J]. IEEE Trans. Geosci. Remote Sens., 2010, 48(4): 1694-1701.

[33] GOURRION J, BALLABRERA J, ARETXABALETA A L, et al. Preliminary validation of SMOS products (Levels 3 and 4) [R]. USA: IGARSS 2010 proceedings, 2010.

[34] BOUTIN J, YIN X, MARTIN N, et al. Sea surface salinity from SMOS satellite and in situ observations: surface autonomous drifters in the tropical Atlantic Ocean[R]. France: 1st SMOS science workshop, 2011.

[35] JORDA G, GOMIS D. Toward SMOS L4 SSS products improving L3 SSS with auxiliary SSS data [J]. IEEE Trans. Geosci. Remote Sens., 2010, 48(5): 2204-2214.

[36] MUNOZSABATER J. Towards the assimilation of SMOS brightness temperatures at ECMWF[R]. France: 1st SMOS science workshop, 2011.

[37] LAGERLOEF G, KERR Y, ANTERRIEU E, et al. Simulating Aquarius by resampling SMOS and initial results from Aquarius data[R]. France: 1st SMOS science workshop,2011.

[38] BRASSINGTON G B, DIVAKARAN P. The theoretical impact of remotely sensed sea surface salinity observations in a multi-variate assimilation system[J]. Ocean Modelling, 2009,27(1-2):70-81.

[39] DELCROIX T, ALORY G, CRAVATTE S, et al. A gridded sea surface salinity data set for the tropical Pacific with sample applications (1950-2008) [J]. Deep-Sea Research I, 2011,58(1):38-48.

[40] HANSEN V D, THACKER W C. Estimation of salinity profiles in the upper ocean [J]. J. Geophys. Res., 1999,104(4):7921 7933.

[41] AGARWAL N, SHARMA R, BASU S, et al. Derivation of salinity profiles in the Indian Ocean from satellite surface observations [J]. IEEE Trans. Geosci. Remote Sens., 2007,4(2):322-325.

[42] BALLABRERA-POY J, MOURRE B, GARCIA-LADONA E, et al. Linear and non-linear T S models for the eastern North Atlantic from Argo data: Role of surface salinity observations [J]. Deep-Sea Research I, 2009,56(10):1605-1614.

[43] HENIN C, PENHOAT Y, IOUALALEN M. Observations of sea surface salinity in the western Pacific fresh pool: Large-scale changes during 1992 95 [J]. J. Geophys. Res., 1998,103(4):7523-7536,.

[44] CRAVATTE S, DELCROIX T, ZHANG D, et al. Observed freshening and warming of the western Pacific warm pool [J]. Clim. Dyn., 2009:33(4):565-589.