自然资源部海洋二所何贤强研究员团队建立了基于物理模型的降雨条件下SMAP卫星海表盐度反演方法！

近日，自然资源部第二海洋研究所卫星海洋环境监测预警全国重点实验室何贤强研究员团队及合作者在Remote Sensing of Environment 发表了题为“Retrieval of sea surface salinity from SMAP L-band radiometry under rainfall conditions”的研究论文。论文第一作者为该室的金旭晨副研究员，通讯作者为该室何贤强研究员，合作者包括该室潘德炉院士、白雁研究员、周立章助理研究员、李腾副研究员、龚芳高级工程师等。本研究是何贤强研究员团队在高海况下海洋遥感领域所取得的新进展。

海表盐度是刻画海洋淡水收支和全球水循环的关键参数。卫星L波段微波辐射计可实现大范围海表盐度观测，但降雨会同时改变大气辐射传输与海面微波发射特性，造成明显的低盐偏差。现有业务产品通常采用降雨标记和质量控制剔除相关观测，虽有助于保证产品稳定性，却也损失了研究降水淡水输入、风暴过程和上层海洋快速响应所需的关键信息。

针对上述难题，本研究构建了面向降雨条件的SMAP海表盐度物理反演框架。研究首先将CMORPH降雨数据按SMAP约40 km观测足迹进行高斯加权聚合，获得等效降雨强度；随后基于辐射传输模型订正降雨引起的大气发射和衰减，并在海面粗糙度模型中同时考虑雨滴撞击产生的环形波增强以及降雨湍流对短波的阻尼效应；最终利用最大似然方法，将订正后的镜面亮温反演为海表盐度（图1）。

图1 降雨条件下SMAP海表盐度反演算法流程图

研究采用Drifter、Salinity Snake、Wave glider三套独立近表层盐度资料开展验证。结果显示，未经订正的SMAP海表盐度在降雨条件下普遍存在约0.28至0.50 psu的负偏差；经降雨订正后，残余偏差控制在约±0.16 psu以内，均方根误差相对降低约15%至55%。以2小时匹配窗口为例，表层盐度验证的偏差由0.493 psu降至0.069 psu，均方根误差由0.546 psu降至0.245 psu，表明该方法能够显著削弱降雨造成的系统性“虚假淡化”。

在强降雨案例中，未订正结果在降雨核心区出现低于29 psu的异常低盐，订正后提高至约31 psu，并与降雨影响模型给出的足迹尺度淡化分布更为一致（图2）。不同降雨资料和足迹加权方案的试验表明，该方法能够较稳健地削弱降雨低盐偏差。研究说明，受降雨影响的L波段观测仍保留有用盐度信息，为海洋淡水循环及风暴过程近表层盐度监测提供了新途径。

图2 强降雨案例中降雨率及海表盐度订正前后的空间对比

论文引用

1. Jin, X., He, X.*, Bai, Y., Wang, Y., Zhou, L., Yu, S., Li, T., Gong, F., & Pan, D. (2026). Retrieval of sea surface salinity from SMAP L-band radiometry under rainfall conditions. Remote Sensing of Environment, 345, 115570.

相关论文

1. Jin, X., He, X.*, Shanmugam, P., Bai, Y., Ying, J., Zhu, Q., Zhao, Y., & Pan D. (2026). Estimation of sea surface foam coverage and effective foam layer thickness from satellite microwave measurements. Remote Sensing of Environment, 334, 115176.

2. Jin, X., He, X.*, Shanmugam, P., Ying, J., Gong, F., Zhu, Q., & Pan, D. (2024). Modeling the influence of precipitation on L-band SMAP observations of ocean surfaces through machine learning approach. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 17, 10291-10305.

3. Jin, X., He, X.*, Wang, D., Ying, J., Gong, F., Zhu, Q., Zhou, C., & Pan, D. (2023). Impact of rain effects on L-band passive microwave satellite observations over the ocean. IEEE Transactions on Geoscience and Remote Sensing, 61, 4200316.

4. Jin, X., He, X.*, Bai, Y., Wang, D., Ying, J., Zhu, Q., Gong, F., Zhou, C., & Pan, D. (2023) A vector radiative transfer model for simulating the microwave emissivity of sea foam based on matrix operator method. Frontiers in Marine Science, 10, 1103843.

5. Jin, X., He, X.*, Shanmugam, P., Bai, Y., Gong, F., Yu, S., & Pan, D. (2021). Comprehensive vector radiative transfer model for estimating sea surface salinity from L-band microwave radiometry. IEEE Transactions on Geoscience and Remote Sensing, 59(6), 4888–4903.

• 信息来源：卫星海洋环境监测预警全国重点实验室。

  转载请注明信息来源及海洋知圈编排。