Evaluation of Sea Surface High Wind Speed Inversion Method Using Joint Satellite Radar Altimeter and Radiometer Data
-
摘要: 基于2002年-2020年的Jason系列卫星数据，利用一种高风速计算方法得到431次飓风的风速信息。在此基础上，利用基于再分析的美国飓风中心（The National Hurricane Center, NHC）大西洋和东北太平洋飓风最佳路径数据集进行比对分析，对高风速计算方法进行了综合评估。文中计算和评估结果显示，8.03-66.93 m/s飓风风速RMSE优于4 m/s；卫星观测风速和NHC飓风最佳路径数据相关系数在0.9以上。这表明文中方法是可靠的，具备热带气旋高风速观测能力。同时，文中结果显示，飓风观测期间几乎都伴随着不同程度的降雨，当风速大于50 m/s时，卫星观测点均处于中到暴雨的环境下。文中研究证明了利用卫星雷达高度计和校正辐射计这对主被动微波遥感器联合获取极端海洋环境下风速信息的可行性，这为提升台风或飓风风速观测能力提供了一种有潜力的技术手段。另外，统计结果显示飓风期间风速和气压也具备很好的线性相关性，利用这种关系可以基于卫星获取的高风速信息来快速计算得到热带气旋中心气压，这将形成卫星对热带气旋风速和中心气压的同步获取能力。Abstract: Based on the Jason series satellite data from 2002 to 2020, the wind speed information of 431 hurricanes was obtained by using a high wind speed calculation method. On this basis, the best track data sets of hurricanes in the Atlantic and Northeast Pacific of the United States hurricane center based on reanalysis are compared and analyzed, and the high wind speed calculation method is comprehensively evaluated. The calculation and evaluation results show that the wind speed RMSE of 8.03-66.93 m/s hurricane is better than 4 m/s; the correlation coefficient between satellite wind speed and NHC hurricane best path data is above 0.9. This shows that the method in this paper is reliable and has the ability to observe the high wind speed of tropical cyclone. At the same time, the analysis results in the paper show that the hurricane observation period is almost accompanied by different degrees of rainfall. When the wind speed is greater than 50 m/s, the satellite observation points are in the moderate to heavy rain environment. The research in this paper proves the feasibility of using satellite radar altimeter and calibration radiometer to jointly obtain wind speed information in extreme marine environment, which provides a potential technical means for improving the wind speed observation ability of typhoon or hurricane. In addition, the statistical results show that there is also a good correlation between wind speed and pressure during the hurricane. This relationship can be used to quickly calculate the central pressure of tropical cyclone based on the high wind speed information obtained by satellite, which will form the satellite's ability to synchronously acquire the wind speed and central pressure of tropical cyclone.
-
1. 引言
雷达高度计获取海面风速的研究，在近40年中经历了一个从纯考虑后向散射系数[1–4]到引入有效波高[5–8]、降雨[9, 10]、白帽[11]等影响因素的过程，其具体方法分为统计方法和半物理半统计的反演方法。在此期间，Young等人[12]通过将Geosat后向散射系数与热带气旋风速预测结果进行分析，建立一种适用于20-40 m/s风速的模型函数，是第一个完全针对于高风速的模型函数。Sharoni等人[13]则考虑到热带气旋条件下的复杂海洋表面条件，将其他可同时观测到的参数（大气温度、含水量等）均纳入模型函数中，建立了一种全参数的热带气旋风速模型函数。此外的大多算法仅适用于反演非降雨条件下20 m/s以内的风速，无法实现准确的高风速数据获取。
高风速情况下海面实测数据的稀少和质量问题可能是导致这种现象出现的重要因素，但除此之外，强风条件下驱动的海面浪花和泡沫使卫星遥感探测的灵敏度减弱或是接收信号出现饱和也是重要因素之一。同时，极端天气条件下，往往伴随着降雨的发生，而降雨对高频段雷达信号的衰减是十分严重的，会显著降低雷达获取风场信息的能力，出现反演的低风速高估、高风速低估的情况[14]。现有大部分主动和被动微波遥感器工作在C和Ku频段，飓风期间的风速反演能力不足，同时难以将降雨对风的影响进行有效的剥离[15]。所以如何快速准确获取热带气旋期间的高风速信息，一直是海洋和大气遥感领域十分关注的技术问题。
基于校正辐射计（Calibration Microwave Radiometer，CMR）18.7 GHz通道对风速敏感的特性，张有广等[16]提出一种利用校正辐射计18.7 GHz通道亮温和雷达高度计后向散射信息，对台风期间受降雨影响的雷达高度计观测数据进行补偿，以获取准确高风速数据的改进算法，该算法可以实现50 m/s以上风速的高精度观测。由于HY-2卫星观测时间和空间等方面限制，在对该算法进行对比评估的过程中，采用的是3 h、150 km时空窗口，虽然得到较好的数据比对结果，但超过半数数据对之间的空间距离显著大于台风12级风圈的半径。采用过大的时空窗口进行数据统计分析，即使数据点吻合较好，也会存在较大的比对偏差。
本文基于上述高风速算法，采用更长时间序列的国外同类卫星雷达高度计数据和更小的时空窗口，对该方法进行进一步的对比评估。
2. 卫星观测及相关数据源
Jason系列卫星是美国和法国以及欧洲空间机构共同开发运行。其中，Jason-1和Jason-2卫星已经退役，Jason-3仍在轨运行，Jason系列卫星主载荷均是雷达高度计，具备相同的技术指标。三颗卫星已连续获取了20年以上的全球海洋动力环境信息，这些信息主要包括：海面高度、有效波高和海面风速等。我国的HY-2系列卫星始于2011年发射的HY-2A卫星，其后在2018、2020和2021年发射的HY-2B、HY-2C和HY-2D卫星已实现了3星组网业务化观测。HY-2系列卫星主载荷是微波散射计、雷达高度计和校正辐射计，用于获取全球的海面风场、海面高度、有效波高和海面温度等信息[17]。表1中仅列出与文中研究相关的雷达高度计和校正辐射计基本信息。另外，Jason系列卫星中的微波辐射计是为雷达高度计提供大气水汽路径延迟校正的载荷，与HY-2卫星中的校正辐射计技术指标、仪器功能都是一致的，只在频段上有微小差别。
表 1 Jason系列和HY-2系列卫星雷达高度计基本信息Table 1. Basic information of Jason and HY-2 series satellite radar altimeters卫星 在轨时间 主要技术指标 功能 Jason-1 2001年-2013年 1. 卫星观测重复周期10天；2. 雷达高度计观测频段：
Ku (13.575 GHz), C (5.3 GHz)；3. 微波辐射计观测频
段：18.7 GHz，23.8 GHz和34 GHz。获取全球海面高度、有效波高和海面风速、后向散射系数、亮度温度、大气水汽含量、液水含量等信息。 Jason-2 2008年-2019年 Jason-3 2016年-至今 HY-2B 2018年-至今 1.卫星观测重复周期14天（B星）和10天（C/D星）；2.雷达高度计观测频段：Ku (13.58 GHz), C (5.25 GHz)；3.校正辐射计观测频段：18.7 GHz，23.8 GHz和37 GHz。 HY-2C 2020年-至今 HY-2D 2021年-至今 2.1 雷达高度计及观测数据
雷达高度计是海洋动力环境卫星上的主动微波遥感载荷。它向海面垂直发射脉冲，通过接收返回脉冲的信号进行信息的获取。在返回的脉冲信号波形中，波形的幅度与海面后向散射特性具有相关性，利用这种相关关系可以建立海面风速与后向散射系数和波高的算法模型，进而实现海面以上10 m处风速信息的获取，观测精度优于2 m/s[8]。在雷达高度计的二级数据产品中包含了后向散射系数、海面风速、有效波高和海面高度等信息。数据沿轨道的空间分辨率为7 km，1 s一个观测数据点。
2.2 校正辐射计及观测数据
校正辐射计是雷达高度计卫星上专门为雷达高度计配备的用于大气湿对流层路径延迟校正的被动微波遥感载荷，是国内外同类卫星的标准配置载荷。校正辐射计拥有18.7 GHz、23.8 GHz和34 GHz（或37 GHz）三个亮温通道，三个通道分别对海面风速、大气水汽和液态水含量信息敏感，进而可以建立相应的反演算法。目前校正辐射计三通道亮温数据已经融合到了雷达高度计的二级标准数据产品中，数据采集间隔为1 s。
2.3 台风最佳路径数据集
中国气象局（China Meteorological Administration, CMA）和美国联合台风警报中心（Joint Typhoon Warning Center, JTWC）均有提供热带气旋最佳路径数据集。CMA热带气旋最佳路径数据集提供1949年以来西北太平洋（含南海）海域热带气旋每6小时的位置和强度[18, 19]，数据集中提供强度标记、经纬度、中心最低气压、中心最大风速（2 min内平均风速）等信息。JTWC热带气旋最佳路径数据集提供1945年以来太平洋、印度洋及其他海域的热带气旋数据，数据集中包括：经纬度、风速、气压等信息。
2.4 全球降雨观测网数据
全球降雨卫星观测（Global Satellite Mapping of Precipitation, GSMAP）是一种高度精准且具有高时空分辨率的全球降雨观测网数据，数据以全球降雨观测任务（Global Precipitation Measurement, GPM）中的双频降雨雷达（Dual-frequency Precipitation Radar, DPR）数据为核心，使用大量微波辐射计和对地静止红外成像仪数据，基于可靠的降水物理模型的降雨率反演算法产生。数据中提供每小时、每日、每月的降雨率。
2.5 大西洋和东北太平洋飓风数据集
美国国家飓风中心（The National Hurricane Center, NHC）负责对每年大西洋和东北太平洋海域发生的热带气旋进行再分析和官方评估，形成包含飓风最佳路径的日期、时间、经纬度、风速、风向、气压等信息的飓风数据集。其中数据集由卫星、机载和浮标等所有可用的观测数据构成，NHC还会使用最新的科学理解和分析技术定期对数据集进行重新分析和更新[20–26]。
3. 研究方法
3.1 现有海面风速反演方法
Jason和HY-2系列卫星雷达高度计均将Gourrion等提出的双参数模型[8]作为业务化海面风速算法，即
$$ {U}_{10}=\frac{Y-{a}_{{U}_{10}}}{{b}_{{U}_{10}}} $$ (1) $$ Y={\left[1+{exp}^{-(\overline{{W}_{y}}\overline{X}+\overline{{B}_{y}})}\right]}^{-1} $$ (2) $$ \overline{X}={\left[1+\mathrm{exp}(-(\overline{{W}_{x}}{\overline{P}}^{T}+{\overline{{B}_{x}}}^{T})\right]}^{-1} $$ (3) 其中，U10为距离海面10米处的风速；P为有效波高（Significant Wave Height, SWH）与后向散射系数（
$ {\sigma }^{0} $ ）归一化后的矩阵，维度为1×2，计算方法如表3所示；$ {a}_{{\sigma }^{0}} $ ，$ {b}_{{\sigma }^{0}} $ 为$ {\sigma }^{0} $ 系数，$ {a}_{SWH} $ ，$ {b}_{SWH} $ 为SWH系数，$ {a}_{{U}_{10}} $ ，$ {b}_{{U}_{10}} $ 为风速系数；$ \overline{{W}_{x}} $ ，$ \overline{{W}_{y}} $ ，$ \overline{{B}_{x}} $ ，$ \overline{{B}_{y}} $ 为待定的模型参数矩阵，维度分别为2×2，2×1，1×2，1×1；SWH和$ {\sigma }^{0} $ 为输入量。利用神经网络模型所确定的上述模型中的待定参数，如表2和表3所示。参数 a b σ° − 0.34336 0.06909 SWH 0.08725 0.06374 U10 0.1 0.02844 参数 矩阵元素 $ \overline{{W}_{x}} $ − 33.95062 − 11.03394 − 3.93428 − 0.05834 $ \overline{{W}_{y}} $ 0.54012 10.40481 $ \overline{{B}_{x}} $ 18.06378 − 0.37228 $ \overline{{B}_{y}} $ − 2.28387 … $ \stackrel{\rightharpoonup}{P} $ $ {a}_{{\sigma }^{0}}+{b}_{{\sigma }^{0}}{\sigma }^{0} $ $ {a}_{SWH}+{b}_{SWH}SWH $ 根据上述方法，雷达高度计可以实现全球海面风速的观测（见图1和图2所示），在非降雨条件下，20 m/s风速以内的观测精度优于2 m/s[13]。但是超过30 m/s的风速无法进行有效观测，例如：2022年9月30日HY-2B/C/D三颗卫星观测的全球海面风速（图1），观测范围基本在30 m/s以内，无法观测到台风“伊恩”（IAN）过程中的高风速数据（图1红色矩形内），此时CMA预报风速已达75 m/s左右，可见原有算法无法实现高风速观测。
图 1 HY-2B/C/D卫星雷达高度计联合观测海面风速Figure 1. Joint observation of sea surface wind speed with HY-2B/C/D satellite
图 2 Jason-1/2/3卫星雷达高度计联合观测海面风速Figure 2. Joint observation of sea surface wind speed with Jason-1/2/3 satellite3.2 海面高风速计算方法
基于雷达高度计和校正辐射计观测信息计算热带气旋风速的方法[16]，表示为：
$$ W=\left(\frac{{T}_{18}}{10}-\sigma ^{\circ}\right)\times 2+{W}_{0}， \left( \frac{{T}_{18}}{10} > \sigma ^{\circ} \right)$$ (4) 式（4）中，W为海面风速（单位：m/s）；σ°为雷达高度计后向散射系数（单位：dB）；T18为校正辐射计18.7 GHz通道亮温（单位：K）；W0为雷达高度计产品中带有的原始海面风速（单位：m/s）。式中等号右面的第一项，即：
$ \left(\dfrac{{T}_{18}}{10}-\sigma ^{\circ}\right)\times 2 $ ，是对W0高风速观测能力不足的补偿量，简化用ΔW表示。通过ΔW对雷达高度计原有海面风速观测的补偿，可实现海面高风速的观测。图3–4是以2次超强台风为例，将原算法风速和改进算法风速进行比较，从中可以看出改进算法观测风速得到明显提升，超强台风“布拉万”和“苏拉”的最大风速均在65 m/s左右，风速提升了近35 m/s。
图 3 HY-2B观测台风“布拉万”风速修正前后比较Figure 3. Comparison of THPHOON BOLAVEN wind speed before and after correction
图 4 FY-2G卫星观测TBB（Black Body Temperature）亮温与HY-2B观测轨迹Figure 4. Observations of TBB (Black Body Temperature) brightness temperature by FY-2G satellite and the observation trajectory of HY-2B
图 5 HY-2C观测台风 “苏拉”风速修正前后比较Figure 5. Comparison of THPHOON SAOLA wind speed before and after correction
图 6 FY-2G卫星观测TBB亮温与HY-2C观测轨迹Figure 6. Observations of TBB brightness temperature by FY-2G satellite and the observation trajectory of HY-2C将3 h，150 km时空窗口改为更小的1.5 h，50 km时空窗口后发现，2019-2021年HY-2雷达高度计数据与CMA数据集匹配点有6个，与JTWC数据集匹配点仅有2个，数据量过少无法得出可靠的评估结果。HY-2系列卫星在轨运行时间短，所获取的全球海洋动力环境信息较少，为得出可靠的高风速计算方法评估结果，需要纳入更长时间序列卫星雷达高度计数据进行评估。
表 4 HY-2B/C卫星台风观测（1.5 h，50 km）与CMA比较Table 4. Comparison between HY-2B/C satellite typhoon observation (1.5 h, 50 km) and CMA序号 台风名称 数据源 日期
(yy-mm-dd)纬度(N°) 经度(E°) $ {\sigma }_{Ku}^{0} $
(dB)$ {\sigma }_{C}^{0} $
(dB)W0
(m·s−1)T18
(K)W
(m·s−1)CMA风速
(m/s)观测距离
（km）降雨率
(mm·hr−1)1 WIPHA B 2019-08-01 20.88 110.72 12.22 13.9 12.05 183.46 24.30 23 24.61 1.4 2 KAMMURI B 2019-12-02 13.02 125.48 9.75 12.46 21.06 199.13 41.39 48 13.51 7.9 3 PHANFONE B 2019-12-27 14.97 116.63 10.37 12.37 19.18 180.0 34.44 30 24.91 8.8 4 Molave B 2020-10-27 14.14 110.56 9.37 12.13 22.50 197.70 43.30 45 26.55 3.2 5 SURIGAE C 2021-04-15 8.56 135.41 11.51 12.77 14.36 190.43 29.43 28 35.02 6.1 6 MINDULLE C 2021-09-26 19.28 136.43 9.05 10.06 23.60 209.07 47.31 52 45.74 3.0 表 5 HY-2B卫星台风观测（1.5 h，50 km以内）与JTWC 比较Table 5. Comparison between HY-2B satellite typhoon observation (1.5 h, 50 km) and JTWC序号 台风名称 数据源 日期
(yy-mm-dd)纬度(N°) 经度(E°) $ {\sigma }_{Ku}^{0} $
(dB)$ {\sigma }_{C}^{0} $
(dB)W0
(m·s−1)T18
(K)W
(m·s−1)JTWC风速
(m·s−1)观测距离
（km）降雨率
(mm·hr−1)1 WIPHA JTWC 2019-08-01 20.88 110.72 12.22 13.9 12.05 183.46 24.30 20 42.94 1.4 2 BUALOI JTWC 2019-10-23 21.08 142.44 7.00 10.04 29.04 222.12 59.46 60 30.03 9.1 4. 数据对比和评估
为了检验和评估式（4）计算热带气旋高风速的能力，选取美国国家飓风中心（National Hurricane Center, NHC）提供的最佳路径数据集进行比对评估。在数据统计中，首先采用的卫星观测和NHC数据匹配标准是：3 h的时间窗口和150 km的空间窗口，选取这个时空窗口内两个数据源最接近的观测点进行比对。考虑到HY-2B/C/D卫星在轨运行时间短，捕捉到飓风的次数少，为便于数据的大量统计，本文选取了Jason-1/2/3三颗卫星近20年的飓风观测数据，以期得到更加可靠的评估结果。
对2002-2020年期间的飓风进行统计，按照上述数据匹配标准，共得到Jason-1/2/3卫星431个飓风观测数据点。表6中对Jason系列卫星主要观测信息进行了统计，3颗卫星的飓风观测数据点远多于30个，所得的结果具有统计意义。从表中可以看出，观测到的最大风速是66.93 m/s，与NHC风速的绝对误差为0.57 m/s，原观测风速为28.18 m/s，风速的补偿量为38.75 m/s；观测的最小风速为8.03 m/s，与NHC风速的绝对误差为4.45 m/s，原观测风速为5.12 m/s，风速的补偿量为2.91 m/s。经过计算，Jason-1/2/3卫星的平均偏差分别为0.04 m/s，−0.40 m/s和−0.23 m/s，均方根误差（Root Mean Square Error, RMSE）分别为3.53 m/s，3.49 m/s和3.82 m/s，将3颗卫星合并后的平均偏差为−0.17 m/s，RMSE为3.57 m/s。由此可见，文中高风速方法应用于Jason-1/2/3卫星数据中，观测的平均偏差均小于0.5 m/s，RMSE均优于4 m/s，相关系数均大于0.9，观测的全部飓风在8.03-66.93 m/s之间，风速补偿量在2-40 m/s之间。图7给出了各个卫星观测风速与NHC风速的散点图以及观测风速与原风速的对比图，很明显文中方法可以显著提升飓风期间风速观测能力，并具备很好的观测精度。考虑到W0的可靠观测范围为2-20 m/s，将Jason-1/2/3 全部431个观测数据点中剔除风速小于20 m/s的观测点，可以得到飓风观测数据点195个，风速范围在20.04-66.93 m/s之间，RMSE为3.70 m/s。
表 6 Jason-1/2/3卫星主要观测信息统计Table 6. Statistical analysis of main observation information of Jason-1/2/3 satellite数据源 观测最大风速/(m·s−1) 观测最小风速/(m·s−1) 相关系数 平均偏差
(m·s−1)RMSE
(m·s−1)观测数据
点数W NHC W NHC Jason-1 59.40（原26.69） 50 8.03（原5.12） 12.5 0.94 0.04 3.53 195 Jason-2 58.63（原24.95） 57.5 8.39（原5.09） 10 0.95 -0.40 3.49 158 Jason-3 66.93（原28.18） 67.5 8.89（原4.37） 12.5 0.95 -0.23 3.82 78 Jason-1/2/3 66.93（原28.18） 67.5 8.03（原5.12） 12.5 0.95 -0.17 3.57 431 在飓风期间会有不同强度的降雨发生，为此，文中在将计算得到的高风速与NHC风速进行比对检验的基础上，对风速在50 m/s以上的观测点进行了统计（表8），并列出了相应的降雨情况。表中降雨程度按照《短时气象服务降雨量等级》给出的1 h降雨量进行划分[27]（表7）。可以看出，13次50 m/s以上风速的观测中均对应着中雨、大雨和暴雨，在这种环境下Ku频段的主动微波遥感器无法给出风速的准确观测信息，此时，海面被泡沫完全覆盖，遥感器观测的海面粗糙度信息与风速不再具备明显的相关性，降雨对雷达脉冲的带来严重衰减，观测的后向散射系数不能真实反应海面的粗糙度信息，也就无法反演出真实的海面风速。
表 7 短时气象服务降雨量等级划分表Table 7. Classification of Rainfall Levels for Short term Meteorological Services单位：mm 等级 时段 10 min 30 min 1 h 短时小雨 <0.5 <1.0 <2.0 短时中雨 0.5～0.9 1.0～1.9 2.0～3.9 短时大雨 1.0～1.9 2.0～3.9 4.0～7.9 短时暴雨 2.0～4.9 4.0～9.9 8.0～19.9 短时大暴雨 5.0～15.0 10.0～30.0 20.0～50.0 短时特大暴雨 >15.0 >30.0 >50.0 表 8 50 m/s以上风速和降雨统计Table 8. Statistics of wind speed and rainfall above 50 m/sJason
卫星编号飓风名称 观测日期
（日-月-年）纬度(N°) 经度
(E°)W
(m·s−1)W0
(m·s−1)ΔW
(m·s−1)Rr
(mm·hr−1)备注 3 MARIA 20-Sep-17 17.65 −66.80 66.93 28.18 38.75 10.7 暴雨 1 JEANNE 25-Sep-04 26.53 −76.70 59.40 26.69 32.71 3.0 中雨 2 OLAF 21-Oct-15 10.99 −142.71 58.63 24.95 33.68 4.8 大雨 2 JOAQUIN 1-Oct-15 22.75 −74.62 56.71 26.93 29.78 10.5 暴雨 2 DOLORES 15-Jul-15 18.06 −109.49 56.38 24.35 32.03 11.2 暴雨 2 HECTOR 5-Aug-18 14.07 −135.72 56.27 27.23 29.04 8.5 暴雨 2 SERGIO 3-Oct-18 12.15 −115.78 56.16 21.47 34.69 11.8 暴雨 2 JIMENA 1-Sep-15 16.90 −140.42 55.58 21.41 34.17 5.5 大雨 3 LEE 28-Sep-17 32.10 −57.30 52.59 22.05 29.16 14.09 暴雨 2 MICHAEL 9-Oct-18 25.34 −85.77 51.91 24.43 27.48 9.0 暴雨 2 IGOR 16-Sep-10 21.40 −57.80 51.88 22.37 30.16 4.84 大雨 3 ROSA 28-Sep-18 16.98 −117.56 51.60 23.88 27.72 3.5 中雨 1 ALMA 30-May-02 16.78 −114.96 50.33 22.17 28.16 19.9 暴雨 3 MARIA 20-Sep-17 17.65 −66.80 66.93 28.18 38.75 10.7 暴雨 
图 8 2017年9月20日飓风“MARIA”中观测点位置、降雨率分布和Jason-3观测轨迹 (风速66.93 m/s)Figure 8. Observation Point Location, Rainfall Rate Distribution and Jason-3 Observation trajectory in Hurricane "MARIA" on September 20, 2017 (Wind Speed 66.93 m/s)
图 9 2018年10月3日飓风“SERGIO”中观测点位置、降雨率分布和Jason-2观测轨迹（风速56.16 m/s）Figure 9. Observation Point Location, Rainfall Rate Distribution and Jason-2 Observation trajectory in Hurricane "SERGIO" on October 3, 2018 (Wind Speed 56.16 m/s)
图 10 2002年5月30日飓风“ALMA”中观测点位置、降雨率分布和Jason-1观测轨迹（风速50.33 m/s）Figure 10. Observation Point Location, Rainfall Rate Distribution and Jason-1 Observation trajectory in Hurricane ALMA on May 30, 2002 (Wind Speed 50.33 m/s)根据前人研究，海面降雨率越大雷达高度计后向散射系数衰减越严重，海面风速低估越明显[28]。但是，图11中并未看出风速随降雨率增大或减小的明显趋势。这可以理解为文中高风速计算方法，不仅补偿降雨对雷达信号的衰减，还可对高风速情况下波浪破碎、海面泡沫对雷达高度计后向散射系数的衰减进行风速的补偿。降雨、波浪破碎、泡沫等海洋和大气环境因素均可体现在了T18的亮度温度信息中，不存在观测信号饱和的问题，这是该方法能够实现高风速观测的主要原因。
图 11 50 m/s以上风速对应的W、W0、ΔW和RrFigure 11. W, W0, ΔW and Rr corresponding to wind speeds above 50 m/s为了更精确的对文中的高风速方法进行评价，这里把数据比对的时空窗口进一步缩小为1.5 h，50 km。考虑到Jason系列卫星数据指标的一致性，为进一步增加数据比对点数，以便于给出更可靠的统计结果，这里将Jason-1、Jason-2和Jason-3的观测数据一起进行统计分析。共计有74次飓风观测数据点，观测的最高风速50.33 m/s，最低风速8.46 m/s。其中，观测的最大风速是2002年5月30日的飓风“ALMA”，风速为50.33 m/s，与NHC风速绝对误差为2.83 m/s，时间差为1 h10 min，观测距离28.5 km。通过计算，W与NHC风速的RMSE为3.57 m/s，相关系数为0.94，对照表6中Jason-1/2/3统计结果（RMSE：3.57 m/s；相关系数：0.95），按照进一步精细化的数据比对窗口，两者相差不大。图12所示，由Jason系列卫星每个观测点对应的W（蓝线）和Rr降雨率（红线）的变化可以看出Rr的起伏变化，对应着W的变化，总体上符合Rr增大，风速增大的趋势；反之亦然。
图 12 Jason-1/2/3卫星观测点对应W、W0和NHC风速、气压、降雨率对比分析Figure 12. Comparative analysis of between W、W0 corresponding to Jason-1/2/3 satellite observation points and wind speed, air pressure, rainfall rate of NHC当把飓风观测数据进一步缩小时空比对窗口（0.6 h，30 km以内），这时可得到14个观测点，具体见表9，RMSE为2.47 m/s，相比利用1.5 h、50 km时空窗口得到的3.57 m/s 得到明显改善，但数据比对点少了60个。这说明了更严格的时空窗口可进一步提高数据比对的效果。
表 9 Jason-1/2/3卫星观测飓风风速信息统计（0.6 h 30 km内）Table 9. Jason-1/2/3 satellite observation of hurricane wind speed information statistics (within 0.6 h 30 km)Jason卫星编号 飓风名称 日期
(dd-mm-yy)$ {\sigma }_{Ku}^{0} $
(dB)$ {\sigma }_{C}^{0} $
(dB)W0
(m·s−1)T18
(K)W
(m·s−1)NHC
(m·s−1)Rr
(mm·hr−1)距离
（km）绝对误差
(m·s−1)时间间隔
(mmss)1 KARL 22-Sep-04 10.41 11.98 15.59 238.28 42.43 45.00 7.71 19.71 2.57 1503 1 MARIA 7-Sep-05 9.82 12.32 21.94 190.04 40.31 37.50 1.02 12.95 2.81 3244 2 JOSE 13-Sep-17 11.04 12.62 15.41 203.84 34.10 35.00 3.83 28.55 0.90 1217 3 GENEVIEVE 17-Aug-20 11.32 12.94 15.63 202.16 33.42 32.50 11.62 12.92 0.92 3124 2 GEORGETTE 26-Jul-16 11.52 13.47 14.02 192.05 29.39 27.50 0.24 11.77 1.89 0044 2 FIONA 20-Aug-16 11.41 13.73 14.40 172.78 26.14 22.50 2.73 13.23 3.64 1927 2 ESTELLE 16-Jul-16 12.50 14.59 10.56 188.79 23.32 20.00 0.30 28.70 3.32 1355 3 DEBBY 3-Aug-18 11.86 13.93 13.59 156.68 21.21 17.50 0.00 16.43 3.71 1600 3 GABRIELLE 7-Sep-19 12.26 13.75 11.50 169.97 20.97 22.50 0.00 8.17 1.53 2307 3 EMILIA 28-Jun-18 12.88 14.45 10.12 174.43 19.25 20.00 0.71 15.26 0.75 2824 1 EMILIA 23-Jul-06 13.10 14.75 9.47 178.99 19.07 22.50 6.53 4.83 3.43 0107 3 JULIETTE 8-Sep-19 13.12 14.33 9.04 172.37 17.27 15.00 0.08 12.81 2.27 2407 2 KEVIN 1-Sep-15 13.20 15.00 8.12 166.11 14.94 15.00 0.57 25.52 0.06 0241 2 LOWELL 17-Aug-14 14.28 14.99 4.75 177.28 11.65 15.00 2.86 22.68 3.35 1228 RMSE=2.47 m/s, R=0.96 另外，根据文中的统计发现飓风风速和中心气压也具有很好的相关性，这为基于卫星观测风速来计算气压提供了条件。如图12所示，NHC气压和NHC风速的相关性为0.94，具有很好的线性关系；Jason系列卫星W与NHC飓风中心气压的相关系数为0.86，而W0和NHC中心气压的相关系数为0.78，这说明卫星观测的风速与NHC风速越接近，则卫星风速与气压的相关性越高。这样便提供了一种直接利用卫星观测的热带气旋风速计算中心气压的简单方法，但前提是要准确获取到热带气旋期间的高风速信息。
5. 结论
基于长时间序列的Jason系列卫星数据计算的飓风期间风速与NHC大西洋和东北太平洋飓风数据集中的风速进行比对分析，结果显示文中的高风速计算方法能够实现优于4 m/s的观测精度，两个数据源的相关系数在0.9以上，这说明文中的高风速计算方法是可靠的，能够实现热带气旋期间高风速信息的获取。通过文中的数据比对分析，证明了利用主、被动微波遥感联合获取极端海洋环境下风速信息的可行性，这为进一步提升台风或飓风的风速观测能力提供了一种有潜力的技术手段。同时，根据统计可以看出飓风期间的风速和气压也具备很好的线性相关性，基于这种关系可以利用文中高风速方法计算的风速来快速得到热带气旋中心气压的信息。本文是基于再分析的NHC飓风最佳路径数据集来进行的评估，后续将纳入NOAA（National Oceanic and Atmospheric Administration）机载步进频率微波辐射计（Stepped Frequency Microwave Radiometer, SFMR）和下投式探空仪等现场观测数据做比对验证，并进一步分析各类比对数据不同空间分辨率和不同观测距离等因素对数据评估的影响。同时，本文主要是使用雷达高度计进行观测，能够获取的数据有限，后续将使用刈幅更宽的主被动微波遥感载荷做进一步的研究，来获取大范围的台风风场信息
致谢：感谢AVISO提供的Jason系列卫星雷达高度计数据（
https://www.aviso.altimetry.fr/ ）。感谢CMA（https://tcdata.typhoon.org.cn/zjljsjj.html ）、NHC和JTWC（https://www.nhc.noaa.gov/data/ ）提供的台风和飓风最佳路径数据集。感谢JAXA提供的降雨率数据（https://sharaku.eorc.jaxa.jp/GSMaP/index.htm ）。 -
图 1 HY-2B/C/D卫星雷达高度计联合观测海面风速
Fig. 1 Joint observation of sea surface wind speed with HY-2B/C/D satellite
图 2 Jason-1/2/3卫星雷达高度计联合观测海面风速
Fig. 2 Joint observation of sea surface wind speed with Jason-1/2/3 satellite
图 3 HY-2B观测台风“布拉万”风速修正前后比较
Fig. 3 Comparison of THPHOON BOLAVEN wind speed before and after correction
图 4 FY-2G卫星观测TBB（Black Body Temperature）亮温与HY-2B观测轨迹
Fig. 4 Observations of TBB (Black Body Temperature) brightness temperature by FY-2G satellite and the observation trajectory of HY-2B
图 5 HY-2C观测台风 “苏拉”风速修正前后比较
Fig. 5 Comparison of THPHOON SAOLA wind speed before and after correction
图 6 FY-2G卫星观测TBB亮温与HY-2C观测轨迹
Fig. 6 Observations of TBB brightness temperature by FY-2G satellite and the observation trajectory of HY-2C
图 8 2017年9月20日飓风“MARIA”中观测点位置、降雨率分布和Jason-3观测轨迹 (风速66.93 m/s)
Fig. 8 Observation Point Location, Rainfall Rate Distribution and Jason-3 Observation trajectory in Hurricane "MARIA" on September 20, 2017 (Wind Speed 66.93 m/s)
图 9 2018年10月3日飓风“SERGIO”中观测点位置、降雨率分布和Jason-2观测轨迹（风速56.16 m/s）
Fig. 9 Observation Point Location, Rainfall Rate Distribution and Jason-2 Observation trajectory in Hurricane "SERGIO" on October 3, 2018 (Wind Speed 56.16 m/s)
图 10 2002年5月30日飓风“ALMA”中观测点位置、降雨率分布和Jason-1观测轨迹（风速50.33 m/s）
Fig. 10 Observation Point Location, Rainfall Rate Distribution and Jason-1 Observation trajectory in Hurricane ALMA on May 30, 2002 (Wind Speed 50.33 m/s)
图 11 50 m/s以上风速对应的W、W0、ΔW和Rr
Fig. 11 W, W0, ΔW and Rr corresponding to wind speeds above 50 m/s
图 12 Jason-1/2/3卫星观测点对应W、W0和NHC风速、气压、降雨率对比分析
Fig. 12 Comparative analysis of between W、W0 corresponding to Jason-1/2/3 satellite observation points and wind speed, air pressure, rainfall rate of NHC
表 1 Jason系列和HY-2系列卫星雷达高度计基本信息
Tab. 1 Basic information of Jason and HY-2 series satellite radar altimeters
卫星 在轨时间 主要技术指标 功能 Jason-1 2001年-2013年 1. 卫星观测重复周期10天；2. 雷达高度计观测频段：
Ku (13.575 GHz), C (5.3 GHz)；3. 微波辐射计观测频
段：18.7 GHz，23.8 GHz和34 GHz。获取全球海面高度、有效波高和海面风速、后向散射系数、亮度温度、大气水汽含量、液水含量等信息。 Jason-2 2008年-2019年 Jason-3 2016年-至今 HY-2B 2018年-至今 1.卫星观测重复周期14天（B星）和10天（C/D星）；2.雷达高度计观测频段：Ku (13.58 GHz), C (5.25 GHz)；3.校正辐射计观测频段：18.7 GHz，23.8 GHz和37 GHz。 HY-2C 2020年-至今 HY-2D 2021年-至今 
下载: 导出CSV
参数 a b σ° − 0.34336 0.06909 SWH 0.08725 0.06374 U10 0.1 0.02844
下载: 导出CSV
参数 矩阵元素 $ \overline{{W}_{x}} $ − 33.95062 − 11.03394 − 3.93428 − 0.05834 $ \overline{{W}_{y}} $ 0.54012 10.40481 $ \overline{{B}_{x}} $ 18.06378 − 0.37228 $ \overline{{B}_{y}} $ − 2.28387 … $ \stackrel{\rightharpoonup}{P} $ $ {a}_{{\sigma }^{0}}+{b}_{{\sigma }^{0}}{\sigma }^{0} $ $ {a}_{SWH}+{b}_{SWH}SWH $
下载: 导出CSV
表 4 HY-2B/C卫星台风观测（1.5 h，50 km）与CMA比较
Tab. 4 Comparison between HY-2B/C satellite typhoon observation (1.5 h, 50 km) and CMA
序号 台风名称 数据源 日期
(yy-mm-dd)纬度(N°) 经度(E°) $ {\sigma }_{Ku}^{0} $
(dB)$ {\sigma }_{C}^{0} $
(dB)W0
(m·s−1)T18
(K)W
(m·s−1)CMA风速
(m/s)观测距离
（km）降雨率
(mm·hr−1)1 WIPHA B 2019-08-01 20.88 110.72 12.22 13.9 12.05 183.46 24.30 23 24.61 1.4 2 KAMMURI B 2019-12-02 13.02 125.48 9.75 12.46 21.06 199.13 41.39 48 13.51 7.9 3 PHANFONE B 2019-12-27 14.97 116.63 10.37 12.37 19.18 180.0 34.44 30 24.91 8.8 4 Molave B 2020-10-27 14.14 110.56 9.37 12.13 22.50 197.70 43.30 45 26.55 3.2 5 SURIGAE C 2021-04-15 8.56 135.41 11.51 12.77 14.36 190.43 29.43 28 35.02 6.1 6 MINDULLE C 2021-09-26 19.28 136.43 9.05 10.06 23.60 209.07 47.31 52 45.74 3.0
下载: 导出CSV
表 5 HY-2B卫星台风观测（1.5 h，50 km以内）与JTWC 比较
Tab. 5 Comparison between HY-2B satellite typhoon observation (1.5 h, 50 km) and JTWC
序号 台风名称 数据源 日期
(yy-mm-dd)纬度(N°) 经度(E°) $ {\sigma }_{Ku}^{0} $
(dB)$ {\sigma }_{C}^{0} $
(dB)W0
(m·s−1)T18
(K)W
(m·s−1)JTWC风速
(m·s−1)观测距离
（km）降雨率
(mm·hr−1)1 WIPHA JTWC 2019-08-01 20.88 110.72 12.22 13.9 12.05 183.46 24.30 20 42.94 1.4 2 BUALOI JTWC 2019-10-23 21.08 142.44 7.00 10.04 29.04 222.12 59.46 60 30.03 9.1
下载: 导出CSV
表 6 Jason-1/2/3卫星主要观测信息统计
Tab. 6 Statistical analysis of main observation information of Jason-1/2/3 satellite
数据源 观测最大风速/(m·s−1) 观测最小风速/(m·s−1) 相关系数 平均偏差
(m·s−1)RMSE
(m·s−1)观测数据
点数W NHC W NHC Jason-1 59.40（原26.69） 50 8.03（原5.12） 12.5 0.94 0.04 3.53 195 Jason-2 58.63（原24.95） 57.5 8.39（原5.09） 10 0.95 -0.40 3.49 158 Jason-3 66.93（原28.18） 67.5 8.89（原4.37） 12.5 0.95 -0.23 3.82 78 Jason-1/2/3 66.93（原28.18） 67.5 8.03（原5.12） 12.5 0.95 -0.17 3.57 431
下载: 导出CSV
表 7 短时气象服务降雨量等级划分表
Tab. 7 Classification of Rainfall Levels for Short term Meteorological Services
单位：mm 等级 时段 10 min 30 min 1 h 短时小雨 <0.5 <1.0 <2.0 短时中雨 0.5～0.9 1.0～1.9 2.0～3.9 短时大雨 1.0～1.9 2.0～3.9 4.0～7.9 短时暴雨 2.0～4.9 4.0～9.9 8.0～19.9 短时大暴雨 5.0～15.0 10.0～30.0 20.0～50.0 短时特大暴雨 >15.0 >30.0 >50.0
下载: 导出CSV
表 8 50 m/s以上风速和降雨统计
Tab. 8 Statistics of wind speed and rainfall above 50 m/s
Jason
卫星编号飓风名称 观测日期
（日-月-年）纬度(N°) 经度
(E°)W
(m·s−1)W0
(m·s−1)ΔW
(m·s−1)Rr
(mm·hr−1)备注 3 MARIA 20-Sep-17 17.65 −66.80 66.93 28.18 38.75 10.7 暴雨 1 JEANNE 25-Sep-04 26.53 −76.70 59.40 26.69 32.71 3.0 中雨 2 OLAF 21-Oct-15 10.99 −142.71 58.63 24.95 33.68 4.8 大雨 2 JOAQUIN 1-Oct-15 22.75 −74.62 56.71 26.93 29.78 10.5 暴雨 2 DOLORES 15-Jul-15 18.06 −109.49 56.38 24.35 32.03 11.2 暴雨 2 HECTOR 5-Aug-18 14.07 −135.72 56.27 27.23 29.04 8.5 暴雨 2 SERGIO 3-Oct-18 12.15 −115.78 56.16 21.47 34.69 11.8 暴雨 2 JIMENA 1-Sep-15 16.90 −140.42 55.58 21.41 34.17 5.5 大雨 3 LEE 28-Sep-17 32.10 −57.30 52.59 22.05 29.16 14.09 暴雨 2 MICHAEL 9-Oct-18 25.34 −85.77 51.91 24.43 27.48 9.0 暴雨 2 IGOR 16-Sep-10 21.40 −57.80 51.88 22.37 30.16 4.84 大雨 3 ROSA 28-Sep-18 16.98 −117.56 51.60 23.88 27.72 3.5 中雨 1 ALMA 30-May-02 16.78 −114.96 50.33 22.17 28.16 19.9 暴雨 3 MARIA 20-Sep-17 17.65 −66.80 66.93 28.18 38.75 10.7 暴雨
下载: 导出CSV
表 9 Jason-1/2/3卫星观测飓风风速信息统计（0.6 h 30 km内）
Tab. 9 Jason-1/2/3 satellite observation of hurricane wind speed information statistics (within 0.6 h 30 km)
Jason卫星编号 飓风名称 日期
(dd-mm-yy)$ {\sigma }_{Ku}^{0} $
(dB)$ {\sigma }_{C}^{0} $
(dB)W0
(m·s−1)T18
(K)W
(m·s−1)NHC
(m·s−1)Rr
(mm·hr−1)距离
（km）绝对误差
(m·s−1)时间间隔
(mmss)1 KARL 22-Sep-04 10.41 11.98 15.59 238.28 42.43 45.00 7.71 19.71 2.57 1503 1 MARIA 7-Sep-05 9.82 12.32 21.94 190.04 40.31 37.50 1.02 12.95 2.81 3244 2 JOSE 13-Sep-17 11.04 12.62 15.41 203.84 34.10 35.00 3.83 28.55 0.90 1217 3 GENEVIEVE 17-Aug-20 11.32 12.94 15.63 202.16 33.42 32.50 11.62 12.92 0.92 3124 2 GEORGETTE 26-Jul-16 11.52 13.47 14.02 192.05 29.39 27.50 0.24 11.77 1.89 0044 2 FIONA 20-Aug-16 11.41 13.73 14.40 172.78 26.14 22.50 2.73 13.23 3.64 1927 2 ESTELLE 16-Jul-16 12.50 14.59 10.56 188.79 23.32 20.00 0.30 28.70 3.32 1355 3 DEBBY 3-Aug-18 11.86 13.93 13.59 156.68 21.21 17.50 0.00 16.43 3.71 1600 3 GABRIELLE 7-Sep-19 12.26 13.75 11.50 169.97 20.97 22.50 0.00 8.17 1.53 2307 3 EMILIA 28-Jun-18 12.88 14.45 10.12 174.43 19.25 20.00 0.71 15.26 0.75 2824 1 EMILIA 23-Jul-06 13.10 14.75 9.47 178.99 19.07 22.50 6.53 4.83 3.43 0107 3 JULIETTE 8-Sep-19 13.12 14.33 9.04 172.37 17.27 15.00 0.08 12.81 2.27 2407 2 KEVIN 1-Sep-15 13.20 15.00 8.12 166.11 14.94 15.00 0.57 25.52 0.06 0241 2 LOWELL 17-Aug-14 14.28 14.99 4.75 177.28 11.65 15.00 2.86 22.68 3.35 1228 RMSE=2.47 m/s, R=0.96
下载: 导出CSV
-
[1] Brown G, Stanley H, Roy N. The wind-speed measurement capability of spaceborne radar altimeters[J]. IEEE Journal of Oceanic Engineering, 1981, 6(2): 59−63. doi: 10.1109/JOE.1981.1145484 [2] Chelton D B, Mccabe P J. A review of satellite altimeter measurement of sea surface wind speed: with a proposed new algorithm[J]. Journal of Geophysical Research: Oceans, 1985, 90(C3): 4707−4720. doi: 10.1029/JC090iC03p04707 [3] Chelton D B, Wentz F J. Further development of an improved altimeter wind speed algorithm[J]. Journal of Geophysical Research: Oceans, 1986, 91(C12): 14250−14260. doi: 10.1029/JC091iC12p14250 [4] Witter D L, Chelton D B. A geosat altimeter wind speed algorithm and a method for altimeter wind speed algorithm development[J]. Journal of Geophysical Research: Oceans, 1991, 96(C5): 8853−8860. doi: 10.1029/91JC00414 [5] Glazman R E, Greysukh A. Satellite altimeter measurements of surface wind[C]//Proceedings of IGARSS '93 - IEEE International Geoscience and Remote Sensing Symposium. Tokyo: IEEE, 1993: 1567−1569. [6] Monaldo F, Dobson E. On using significant wave height and radar cross section to improve radar altimeter measurements of wind speed[J]. Journal of Geophysical Research: Oceans, 1989, 94(C9): 12699−12701. doi: 10.1029/JC094iC09p12699 [7] Zhao Dongliang, Toba Y. A spectral approach for determining altimeter wind speed model functions[J]. Journal of Oceanography, 2003, 59(2): 235−244. doi: 10.1023/A:1025599423405 [8] Gourrion J, Vandemark D C, Bailey S A, et al. A two-parameter wind speed algorithm for Ku-band altimeters[J]. Journal of Atmospheric and Oceanic Technology, 2002, 19(12): 2030−2048. doi: 10.1175/1520-0426(2002)019<2030:ATPWSA>2.0.CO;2 [9] 陈戈, 方朝阳, 徐萍. 利用双波段补偿法提高卫星高度计海面风速反演精度[J]. 中国图象图形学报, 1999, 4(11): 970−975. doi: 10.11834/jig.1999011230Chen Ge, Fang Chaoyang, Xu Ping. Using a dual-frequency adjustment approach to improve the accuracy of altimeter retrieved sea surface wind speed[J]. Journal of Image and Graphics, 1999, 4(11): 970−975 doi: 10.11834/jig.1999011230 [10] Quartly G D, Guymer T H, Srokosz M A. The effects of rain on topex radar altimeter data[J]. Journal of Atmospheric and Oceanic Technology, 1996, 13(6): 1209−1229. doi: 10.1175/1520-0426(1996)013<1209:TEOROT>2.0.CO;2 [11] Tian Jiasheng, Liu Qiaoyun, Pan Wan, et al. Improved algorithm of retrieving oceanic surface wind speed based on a stratified media model at high sea states[J]. IET Microwaves, Antennas & Propagation, 2014, 8(15): 1333−1339. [12] Young I R. An estimate of the Geosat altimeter wind speed algorithm at high wind speeds[J]. Journal of Geophysical Research: Oceans, 1993, 98(C11): 20275−20285. doi: 10.1029/93JC02117 [13] Sharoni S M H, Md Reba M N, Hossain M S. Tropical cyclone wind speed estimation from satellite altimeter-derived ocean parameters[J]. Journal of Geophysical Research: Oceans, 2021, 126(4): e2020JC016988. doi: 10.1029/2020JC016988 [14] Quilfen Y, Prigent C, Chapron B, et al. The potential of QuikSCAT and WindSat observations for the estimation of sea surface wind vector under severe weather conditions[J]. Journal of Geophysical Research: Oceans, 2007, 112(C9): C09023. [15] Powell M D. Near-surface based, airborne, and satellite observations of tropical cyclones[M]//Chan J C J, Kepert J D. Global Perspectives on Tropical Cyclones: From Science to Mitigation. Singapore: World Scientific Publishing Company, 2010: 177−199. [16] 张有广, 贾永君, 林明森, 等. 基于HY-2卫星数据的热带气旋风速和气压反演[J]. 遥感学报, 2024, 28(6): 1588−1601.Zhang Youguang, Jia Yongjun, Lin Mingsen, et al. A retrieval method of tropical cyclone wind speed and sea level pressure based on HY-2 satellite data[J]. National Remote Sensing Bulletin, 2024, 28(6): 1588−1601. [17] Lin Mingsen, Zhang Youguang. 中国海洋卫星发展现状和主要应用进展(英文)[J]. Aerospace China, 2022, 23(1): 41−54. (查阅网上资料, 本条文献为英文文献, 请确认) Lin Mingsen, Zhang Youguang. The development status and main application progress of China's ocean satellites(English)[J]. Aerospace China, 2022, 23(1): 41−54. [18] Lu Xiaoqin, Yu Hui, Ying Ming, et al. Western north Pacific tropical cyclone database created by the China meteorological administration[J]. Advances in Atmospheric Sciences, 2021, 38(4): 690−699. doi: 10.1007/s00376-020-0211-7 [19] Ying Ming, Zhang Wei, Yu Hui, et al. An overview of the China meteorological administration tropical cyclone database[J]. Journal of Atmospheric and Oceanic Technology, 2014, 31(2): 287−301. doi: 10.1175/JTECH-D-12-00119.1 [20] Delgado S, Landsea C W, Willoughby H. Reanalysis of the 1954–63 Atlantic hurricane seasons[J]. Journal of Climate, 2018, 31(11): 4177−4192. doi: 10.1175/JCLI-D-15-0537.1 [21] Kieper M E, Landsea C W, Beven J L. A reanalysis of hurricane Camille[J]. Bulletin of the American Meteorological Society, 2016, 97(3): 367−384. doi: 10.1175/BAMS-D-14-00137.1 [22] Landsea C W, Glenn D A, Bredemeyer W, et al. A reanalysis of the 1911–20 Atlantic hurricane database[J]. Journal of Climate, 2008, 21(10): 2138−2168. doi: 10.1175/2007JCLI1119.1 [23] Landsea C W, Franklin J L. Atlantic hurricane database uncertainty and presentation of a new database format[J]. Monthly Weather Review, 2013, 141(10): 3576−3592. doi: 10.1175/MWR-D-12-00254.1 [24] Landsea C W, Feuer S, Hagen A, et al. A reanalysis of the 1921–30 Atlantic hurricane database[J]. Journal of Climate, 2012, 25(3): 865−885. doi: 10.1175/JCLI-D-11-00026.1 [25] Landsea C W, Anderson C, Clark G, et al. The Atlantic hurricane database re-analysis project: results for 1851-1899[C]//Proceedings of the 12th Symposium on Global Change Studies and Climate Variations. Boston: American Meteorological Society, 2001. [26] Hagen A B, Strahan-Sakoskie D, Luckett C. A reanalysis of the 1944–53 Atlantic hurricane seasons—the first decade of aircraft reconnaissance[J]. Journal of Climate, 2012, 25(13): 4441−4460. doi: 10.1175/JCLI-D-11-00419.1 [27] 中国气象服务协会. 短时气象服务降雨量等级: T/CMSA0013-2019[S]. 2019.China Meteorological Service Association. The grade of rainfall in short time weather service: T/CMSA0013-2019[S]. 2019. [28] 窦贤豪. 基于星载雷达高度计的中高海况海面参数校正方法研究[D]. 武汉: 华中科技大学, 2021.Dou Xianhao Research on sea surface parameter correction method for medium and high sea condition based on spaceborne radar altimeter[D]. Wuhan: Huazhong University of Science & Technology, 2021. -
下载:
计量
- 文章访问数: 27
- HTML全文浏览量: 6
- PDF下载量: 4
- 被引次数: 0
