史伟哲

(北京空间飞行器总体设计部,北京 100094)

1 引言

星载合成孔径雷达(SAR)是一种装载在卫星上的主动式微波探测器。它沿运行轨道观测,可以全天时、全天候获得大范围、高分辨率的海洋图像。由于SAR 影像具有高分辨率和宽刈幅,可以同时直观观测海洋中百米量级的小尺度的现象和百千米量级的中尺度现象。作为一种先进的遥感手段,星载SAR 的出现,为一些受制于传统观测手段的海洋目标研究,如:海洋表面风场、海浪方向谱、内波、锋面等,提供了更为丰富的观测信息。

经典的海面微波散射理论是Bragg 共振理论。Wright[1]认为海面普遍存在的微尺度波与电磁波发生Bragg 共振,是侧视微波遥感器产生回波信号的主要原因。衡量电磁波回波信号强弱的物理量是后向散射截面,定义为由于散射所返回的电磁波的能量密度与入射电磁波的能量密度的比值。Valenzuela[2]在对电磁波散射理论的回顾中指出,后向散射截面的大小正比于海面短波谱在Bragg 波数处的值。普遍认为的海洋现象如内波、海浪在SAR 上成像的机制,是这些波动现象在传播过程中会对海表面微尺度波进行调制,从而改变电磁波对海面的后向散射截面,使图像灰度值发生变化,在SAR 图像中以周期性明暗相间的条纹显示出来。在过去的几十年中,基于Bragg 共振理论,对SAR 影像的海洋目标仿真与反演做了大量的工作,提出了风场、海浪谱、内波和锋面的一些仿真反演模式。

研究SAR海洋目标仿真与反演方法,不仅可以提高SAR 图像的海洋应用水平,而且对海洋SAR卫星系统的总体设计也具有重要意义。SAR海洋目标仿真是海洋SAR卫星系统总体仿真设计,特别是SAR卫星回波模拟必不可少的组成部分,SAR海洋目标仿真的性能直接影响了SAR卫星系统总体参数设计的准确性。SAR海洋目标反演的结果对SAR卫星系统性能的评价具有重要影响,并为卫星系统总体参数的优化提供支持和约束。本文分析了星载SAR海洋场景仿真与反演方法,可为我国星载SAR系统总体设计提供参考。

2 SAR 风场反演

2.1 SAR图像风场反演原理

海面风场是海洋的主要动力来源,海面风是影响海浪、海流、水团等要素的活跃因子,也是海浪、海洋环流、海气边界层气象学以及海气相互作用研究中非常重要的参数,海洋学和气象学领域绝大部分研究都需要海面风场的资料。但是,传统的监测海面风场的手段所获得的观测资料,其时间和空间分布极其有限。随着遥感技术的发展,各种主动及被动微波遥感器,已成为现代获取海洋风场的主要手段,如风散射计、高度计、辐射计和SAR 等。风散射计是最为有效的获取全球海面风场的手段,可用于海洋风场和海浪预报,但是分辨率极其有限,欧洲遥感卫星-1、2(ERS-1/2)搭载的散射计分辨率仅为25km ,对于海面风中尺度和小尺度的波动以及近海岸约50km 范围内的风场估算无能为力。与前述几种技术相比,SAR 的优点是空间分辨率极高,最高已达1m,并且能够全天候、全天时地工作,因此能够提供海洋及沿海岸地区风场的细节信息,是其他几种遥感手段所不能替代的。

SAR 的风速反演原理与微波散射计一样,都是根据风速与雷达后向散射截面的定量关系来反推而得。海面粗糙度与Bragg 波紧密相关,而海面粗糙度与局部风大小有关。当风速较小时,风区内海洋表面首先生成尺度较小的短波,但是数量较少,随着风速的增大,一些短波逐渐发展为尺度较大的长波,与此同时,生成更多的短波,其数量远多于已发展成尺度较大的长波,从而后向散射系数增大。因此,后向散射系数的变化间接反映着风速的变化。

2.2 SAR 图像风速反演方法

风速SAR 反演方法分为三类:

第一类算法使用最为广泛,特点是风向由SAR图像预处理得出,风速则使用散射计的经验地球物理函数(Geophysical Model Function,GMF)给出。对于SAR 图像中风向的确定,Gerling[3]发现“海洋卫星”(Seasat)SAR 图像上千米的尺度特征是由局部风引起的,并且与风向有关。Alpers 和Brummer[4]首次解释了风条纹的成因,认为海面存在与风向平行的周期性风条纹。风向信息可以通过SAR 图像的二维低频谱获得,谱峰的连线即为风向方向,但是具有180°的模糊性,需要其他资料来补充以确定真实方向。

针对ERS-1/2 携带的C频段/5.3GHz 垂直(VV)极化的散射计,人们发展了CM OD-4,CM ODIFR2 及CM OD-5 三个经验GMF模型。起初CM OD 系列模型仅用于散射计,后来人们发现对于SAR 也适用。

CM OD 系列模式函数一般形式为

其中σ0为雷达测量的后向散射系数;θ是入射角;u为海面10m 高的风速;α为雷达观测方向与风向的夹角,a,b,c,k是电子波束入射角的函数。由于CM OD模型中的风矢量由风速和风向两个成分组成,因此人们应用CMOD模型需要预先知道风向信息,从而用来确定风速。

CM OD是针对垂直(VV)极化而发展起来的经验模型函数,要运用到水平(HH)极化方式成像的SAR 图像时,需要利用极化率模型(PR)进行转换:

式中σ0HH,σ0VV分别表示HH 极化和VV 极化方式下的后向散射系数。

虽然上述方法简便实用,但是也有其局限性。首先,求出的风向具有180°的模糊性,需要外部风向信息等来消除;其次,如果SAR 图像中没有明显的低频风条纹,这种方法的有效性有待考证。

第二类算法是Portabella.M 等人[5]提出的统计分析法。通过同时利用SAR 数据和背景场来获得风向、风速的最佳估计值,其基本思想来源于气象学中的资料同化,即假设背景场和利用SAR 风向算法(SAR Wind Direction Algorithm,SWDA)+GMF所得的风场数据误差具有高斯分布和独立的特征,通过建立两者的误差补偿函数来进行优化。最优化的风矢量对应着最小的误差函数。

这种方法克服了第一种方法的风向不确定的局限,而且对风条纹没有严格的要求,具有较大的潜力。但是它也有自身的问题,在低风速条件下,风速估值比真实值小0.65m/s。误差分析得知,统计法得出的风矢量与真实值之间存在系统偏差。此外,权系数的选择具有主观性,并在一定程度上影响反演质量。

第三类算法是截断波长法。这种方法基于海洋长波轨道运动引起的方位方向截断效应。该算法的关键是估算方位向截断波长以及如何定义风速与方位向截断波长的关系。然后根据图像谱或者自相关函数以及半经验模型来计算风速。

这种方法的优势是不需要任何的风向信息。在计算完风速之后,在GMF 基础上进行风向反演。这样,反演风向往往具有较大误差。

除了上述三种主流算法之外,国内外专家不断对风场反演进行改善,近年来还涌现了其他算法,如神经网络法、基于Fizeau条纹技术法、基于尺度分离梯度法等等。

SAR 图像的风速反演算法已经基本成熟,考虑到各种方法的优缺点和可操作性,目前从SAR 数据中提取的风速产品基本是基于地球物理函数(GMF),并结合从大气模式、美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)提供的风速场或Q uick Scatterometer(Q UIKSCAT)产品提供的近似风向联合得到的。误差范围在2m/s 范围内,达到或接近于散射计风速产品的误差。但由于SAR 具有更高的分辨率,因此在风场细结构的研究方面具有其特别优势。

3 波浪场仿真与反演

海浪中的长波部分与海面Bragg 波产生最直接的作用,因此海浪信息是反映在SAR 图像上的最普遍的海洋现象。长波通过对短波进行调制作用来改变后向散射截面在空间上的分布[6-7]。这些调制包括倾斜调制、流体动力调制、非线性的速度聚束机制[8-9]。倾斜调制是一种纯几何效应,由于长涌浪的存在导致入射角的变化而引起后向散射截面的改变。Alpers.W 等人[10]、M astenbroek 和de Valk[11]分别提出了不同形式的倾斜调制的调制传递函数。流体动力调制是由于长波的存在使海洋表面生成汇聚区和发散区,从而调制短Bragg 散射波的能量和波数,目前Hasselmann.K 和Hasselmann.S[8]提出的流体动力调制的调制传递函数应用最广。速度聚束是海浪成像作用中最主要的部分,长波浪的轨道速度会使产生散射的面元产生上下的运动,正是这个上下的运动速度会改变目标的多普勒频移,从而改变目标在SAR 图像中的位置。He[12]导出了在变化流场中的海浪散射机制的表达式。

SAR 的海浪长波反演实际是要解决两个问题:一是要补偿由于成像的非线性作用所被截断的高波数部分的信息,二是要解决图像所固有的180°方向模糊问题,给出确定的波浪传播的方向。Hasselmann.K 和Hasselmann.S[8]考虑到非线性成像关系的作用,提出了德国马普学会(M ax-Planck Institute,M PI)反演方法。该方法用WAM 海浪模式的结果作为初猜谱来解决180°方向模糊并补偿高波数信息。Hasselmann[13]改进了M PI算法,将谱划分为有限个独立的波系统,然后在每一步的迭代中分别调整独立的波系统。另一个改进是应用了更加适合的代价函数。M asternbroek 和De.Valk[11]提出了半参数反演方法(SPRA),同样也是应用Hasselmann[8]提出的非线性成像关系,但它并不需要预先给出海浪谱的信息。风浪部分的信息是由与SAR 共同配置的散射计所得到的风速和SAR 图像来获得,涌浪部分则是由SAR 谱的剩余信号通过准线性关系反推而来。何宜军[14]提出了海浪谱反演的参数化方法,通过SAR 谱来确定海浪谱参数,用不同入射角的两幅子图像来消除180°方向模糊。Voorrips.A等人[15]应用6年的浮标资料验证了ERS-1、ERS-2 卫星SAR 图片反演海浪谱的两种算法的准确性,认为SPRA要优于M PI 方法。SUN Jian 和GUAN Changlong[16]针对SPRA理论上的缺陷,提出了更为有效的参数化初猜谱方法,先根据附加信息和卫星参数计算出风浪和涌浪的分离波数,将SAR 图像谱中的信号通过二维数字滤波器分成风浪生成部分和涌浪生成部分,对两部分分别用不同方式进行处理。Schulz-S tellenfleth 等人[17]依照散射计风速反演-CMOD模型的思路,对C频段SAR海浪要素的反演问题提出了CWAVE模型,利用多项式拟合的方法,把SAR 谱的参数与海浪参数直接建立联系,而不再使用海浪谱—SAR 谱的成像理论,是最近比较新的方法。

SAR海浪要素反演实际上是要准确建立衡量真实海面状态的海浪谱和刻画SAR海浪条纹的SAR 谱之间的关系。需要谨慎处理的是,由于SAR成像中存在非线性作用,所以真实的海浪传播方向与SAR 图像中体现出来的方向并不一致。此外,仅从SAR 影像的海浪条纹的后向散射截面分布中获得有效波高信息仍然存在困难。因此,不管是对有效波高的反演采用积分方法还是非积分方法,其准确性都需要更多实际观测资料的支持。

4 内波仿真与反演

海洋内波是发生在密度稳定层化的海水内部的一种波动,其最大振幅出现在海洋内部。

目前,从SAR 图像中观测到的主要是内孤立波和内潮波,而且内孤立波的特征比较明显。内孤立波SAR 图像在传播方向上显示的是明暗相间分布的条纹,对于下凹型内孤立波亮条纹在前,暗条纹在后,对于上凸型的内孤立波则是暗条纹在前,亮条纹在后。对于SAR 图片初步的分析工作可以确定波动所在的位置、波的传播方向以及波的类别等少量信息。但SAR 图像够能呈现海洋内波场的水平二维信息,可以从中提取内波的垂向结构、传播方向、振幅以及深度等动力学信息和海水层化结构信息。

4.1 内孤立波信息的SAR仿真

进行内波SAR 图像的仿真和反演,首先要建立内孤立波的传播模型,根据传播模型得到内波引起的表面流场。内孤立波传播模式考虑了频散性与非线性的共同作用,目前应用最为广泛的是以Kortew eg-de Vries(KdV)理论为基础的传播模型。而现有的内波SAR 信息提取主要是基于两层KdV 理论。通过内孤立波的传播模型获得海洋内波诱发海表流场后,结合雷达的成像模型,即可实现海洋内波的成像仿真。就内孤立波的SAR 仿真而言,基于KdV 的一维传播模式仍是目前应用最广的一类模式,如杨劲松[18]使用两层的KdV 传播模型建立了内孤立波的一套仿真模式,并且根据仿真的结果,分析了内波参数以及雷达参数对内波SAR 探测的影响,得到最佳的仿真条件。但是所有的SAR 图片给出的内波信息都是二维的,建立并完善一套水平二维的内孤立波传播模式,将是一份极其有意义的工作。二维的仿真模型正处于发展阶段。进一步的开发与完善将是内孤立波SAR 仿真模拟中的一项核心工作。Meng 等人[19]根据 Pierini[20]所用的Kadomtsev-Petviashvili(Kp)方程,进行了内孤立波的二维仿真,与真实的SAR 图像比较,得到较好的结果。申辉[21]用Patrick.J.Lynett 和Philip.L-F.Liu[22]所建立的水平二维模式,对南海东沙附近内孤立波的绕射和反射过程进行了成像仿真,并将仿真结果与实测SAR 图像进行了比较,结果发现,仿真结果较好地再现了实测图像所揭示的海洋内波信息。

4.2 内孤立波信息的SAR 反演

目前对于从遥感图像中提取海洋内波动力学参数以及海水层化结构信息的方法,基本都是以Alpers[23]提出的SAR 内波成像机制为基础,在内波成像机理的一阶近似下,建立图像强度与海表内波诱发流场之间的定量相关关系。再根据海洋内波动力学传播模型,从流场信息中反演海洋内波的振幅等信息。Apel 和G onzales[24]从原理上提出了两种从SAR 图像上反演内波振幅的方法,即飞行时间法和波长变化法。第一种方法的有效性已被原作者否认,第二种方法适用于有比较规则的渐进变小波长的一组内孤立波。Small.J.Z 等人[25]使用现场和“欧洲遥感卫星”(ERS)SAR 资料分析了大振幅内波。他们使用KdV 方程从SAR 图像中估计内波的相速度和振幅。相速度的误差为10%～20%,计算得到的振幅在观测值2倍范围内。但此方法采用了连续层化模型,并用现场测量的密度垂直剖面,这使得该方法存在实际的应用困难。Porter 和Thompson[26]提出了完全依赖遥感信息推测海水状态参量的方法。他们的方法是基于这样的假定:认为遥感图像中内波消失的点,对应两层流体假定下非线性系数为零的位置,即内波消失点混合层深度为局地水深的一半。根据这一点得到内波反演点的混合层深度。但是由于内波的SAR成像受多种因素的影响,该方法的基本假定:内波消失点混合层深度为局地水深的一半,并不完全成立。Li.X 等人[27]在两层线性模式的假定下,依据历史资料模拟了上混合层厚度与内波群速度的关系,同时利用一幅标准模式的加拿大“雷达卫星”(Radarsat)ScanSAR 图像所呈现的多个内波波群的信息,直接计算出内波的群速度,然后得到与此群速度最佳匹配的海洋混合层深度。Zheng.Q.A等人[28]使用两层孤立波模型用从SAR 图像上获取的孤立波的半波宽度来计算内波振幅。根据Porter 和Thompson[26]提出的研究思路,Zhao.Z.X 等人[29]和申辉等人[21]提出了根据内波图像中极性的改变确定混合层深度的方法。在获得上混合层深度后,Zhao.Z.X 利用遥感图像中反演得到的内波相速度,根据内波的频散关系,进一步计算了两层流体假定下,上下两层流体的密度差异;而申辉等人[21]在得到混合层深度和密度差异的情况下,进一步提取了内孤立波的特征波长,并反演得到内波的振幅。但是,获得一幅包含极性转换过程的SAR 图像是比较困难的。对于内波传播方向和波长的提取,杨劲松[3]给出了一个基于快速傅里叶变换的谱分析方法。Rodenas[30]则采用小波变换方法提取了内波的波长。

SAR 内波波长与波向要素是可以直接根据SAR 内波条纹进行谱分析获得,而从SAR 内波图像中获得内波振幅信息是SAR 内波反演的难点,目前内波振幅的反演误差一般会在50%以上,有时会达到一倍以上足以掩盖真实值,其原因在于内波产生海区的海水层化信息难以准确获得。此外,SAR内波图像中内波条纹强度与内波振幅之间的关系并不明确,需对其做进一步研究。

5 锋面仿真与反演

在水团边界处(锋面处)存在幅聚条纹是海洋锋的特征。由于存在强烈剪切,表面薄层(surface film)和污染物聚集会抑制Bragg 波,同时,在幅聚区,由于幅聚波浪能量聚集,波陡增加和破碎导致表面粗糙度增加,从而产生亮条纹。这两种作用的相对强弱取决于风速、表面薄层特征和流场不均匀程度。

在海洋锋区,由于各种海洋要素变化剧烈,SAR图像在锋面两侧表现出不同的特征。普遍认为,在中等风速下,SAR 的后向散射截面与海表面温度(Sea Surface Temperature,SST)存在着较好的相关[31-33],而后向散射截面的值又恰好决定着SAR 图像谱的能量,以至于影响波高反演的精度。

从真实的物理过程来考虑,与大尺度海气相互作用不同,在中小尺度海洋锋区附近,SST 与风速存在着正相关。即暖水区一侧风矢量也大。Chelton.D.B 等人[34]和Small.R.J 等人[35]综述了海洋锋区由于强的SST 梯度所引起的中小尺度海气相互作用的物理过程,提出了合理的解释:在锋区暖的一侧,大气边界层不稳定,湍流热通量导致湍流混合,界面存在强的动量交换,使界面处气流加速。同时,大气边界层两侧不同的加热状况,会形成一个沿着SST 梯度方向的压强梯度力,推动大气产生一个类似于海陆风一样的由低温吹向高温的风。综合两种因素,SST 的变化对大气边界层的影响,就是冷水区对应着较低风速而在暖水区对应着较高风速。根据波浪理论,风的增大也导致风浪增大,这与S ong.Q 等人[36]用模式模拟的结果相吻合。在SAR 图像中海洋锋区高SST 一侧,统计意义上表现为高后向散射截面值。鉴于锋面SAR成像的机制的定量化还不是很清楚,国内外在定量反演锋面要素方面的研究很少。

锋面要素流速、SST 对SAR 后向散射截面的影响较之风对其的影响是次级的,因此要精确反演锋面区海洋要素是要以排除风速的影响为前提。目前尚未建立SST 与雷达的后向散射截面间的定量关系。因此,建立风速影响下的SST ,对雷达后向散射截面影响的理论或经验的物理模型是锋面要素定量反演的基础。

6 研究展望

由于SAR 的海洋目标成像信号比较弱,而且还受到海面运动的干扰,同时各种海洋目标SAR成像理论还不完善,因此,对海洋目标要素进行定量化反演,还存在着短时间内无法克服的困难。目前,除了风速和海浪的定量反演结果可以进行业务化的应用,其它要素在目标自动识别、要素反演精度方面还具有很大的经验性,需要从理论上和实验上来加强。

目前,研究海洋要素场的空间分布是国际上的一个热点问题,研究涉及大气重力波的SAR成像、波浪在近岸的折射效应的SAR 观测以及SAR 对波流相互作用研究的数据支持等方面。

本文对海面风场、波浪场、内波及锋面等几种海洋SAR卫星主要观测要素的仿真和反演方法进行了研究,可为我国海洋SAR卫星的总体设计提供参考。随着大量的SAR 数据投入到科研及民用服务中,星载SAR海洋场景仿真与反演方法的研究也在不断深入,卫星设计人员只有了解并掌握SAR海洋目标仿真与反演方法,才能更好地完成海洋SAR卫星总体设计与分析工作。

References)

[1]Wright J.Backscattering from capillary w aves with application to sea clutter[J].IEEE Trans.Antennas Propagat,1966,AP-14:749-754

[2]Valenzuela G.Theories for the interaction of electromagnetic and oceanic w aves——a review[J].Boundary—Layer Meteorology,1978,13:61-68

[3]Gerling T.Structure of the surface wind field from the Seasat SAR[J].Journal of Geophysical Research,1986,91:2308-2320

[4]Alpers W,Brummer B.Atmospheric boundary layer rolls observed by the synthetic aperture radar aboard the ERS-1 satellite[J].Journal of Geophysical Research.,1994,99:12613-12621

[5]Portabella M,S toffelen A,Johannessen J A.Tow ard an optimal inversion method for synthetic aperture radar wind retrieval[J].Journal of Geophysical Research,2002,107

[6]Plant W.Atw o-scale model of short wind-generated w aves and scatterometry[J].Journal of Geophysical Research,1986,91(C9):10735-10749

[7]Romerser R,Alpers W.An im proved composite surface model for the radar backscattering cross section of the ocean surface:Model response to surface roughness variations and the radar imagery of underw ater bottom topography[J].Journal of Geophysical Research,1997,102:25251-25267

[8]Hasselmann K,Hasselmann S.On the nonlinear mapping of an ocean w ave spectrum into a synthetic aperture radar image spectrum and its inversion[J].Journal of Geophysical Research,1991,96(C6):10713-10729

[9]Donelan M,Pierson W J.Radar scattering and equilibrium ranges in wind-generated w aves with application to scatterometry[J].Journal of Geophysical Research,1987,92:4971-5029

[10]Alpers W,Ross D B,Rufenach C L.On the detectability of ocean surface wave by Real and Synthetic Aperture Radar[J].Journal of Geophysical Research,1981:6481-6498

[11]Masternbroek C,de Valk C F.Asemiparametric algorithm to retrieve ocean wave spectra f rom synthetic aperture radar[J].Journal of Geophysical Research,2000,105:3497-3516

[12]He Y J.Ocean w ave imaging mechanism by imaging radar[J].Science in China (series D),2000,43(6):587-595

[13]Hasselmann S,Bruning C,Hasselmann K,et al.An improved algorithm for the retrieval of ocean wave spectra from synthetic aperture radar image spectra[J].Journal of Geophysical Research,1996,101(C7):16615-16629

[14]何宜军.合成孔径雷达提取海浪方向谱的参数化方法[J].科学通报,1999,44(4):428-433

[15]Voorrips A,Mastenbroek C,Hansen B.Validation of tw o algorithms to retrieve ocean w ave spectra from ERS synthetic aperture radar[J].Journal of Geophysical Research,2001,106(C8):16825-16840[16]SUN Jian,GUAN Changlong.Parameterized firstguess spect rum method for retrieving directional spectrum of swell-dominated waves and huge waves f rom SAR images[J].Chinese Journal of Oceanology and Lim nology,2006,24(1):12-20

[17]Schulz-Stellentfleth,Kong J,Lehner S.An empirical approach for ret rieval of integral ocean wave parameters f rom synthetic aperture radar data[J].Journal of Geophysical Research,2001,112:3019-3033

[18]杨劲松,周长宝,黄韦艮.合成孔径雷达图像内波参数提取方法研究[J].遥感技术与应用,2000,15(1):6-9

[19]Meng J M,Zhang Z L,Zhao J S,et al.Simulation of the SAR image of internal solitary waves in Alboran sea[J].Journal of Hydrodynamics,2001,13:88-92

[20]Pierini S.Amodel for the Alboran Sea internal solitary w ave[J].Journal Physical Oceanography,1989,19:755-772

[21]申辉.海洋内波遥感与数值模拟研究[D].中国科学院海洋研究所,2005

[22]Lynett P,Liu P L-F.Atw o-dimensional,depth-averaged model for internal w ave propagation over variable bathymetry[J].Wave Motion,2002,36:221-240

[23]Alpers W.Theory of radar imaging of internal waves[J].Nature,1985,314:245-247

[24]Apel J R,F I Gonzalez.Nonlinear feature of internal w aves off Baja California as observed f rom the SEASAT imaging Radar[J].Journal of Geophysical Research,1983,88:4459-4446

[25]Small J Z.Observations of large amplitude internal w aves at the Malin Shelf Edge during SESAME 1995[J].Continental Shelf Research,1999,19:1389-1436

[26]Porter D J,Thompson D R.Continental shelf parameters inferred f rom SAR internal wave observations[J].Journal of Atmospheric and Oceanic Technology,1999,16:475-487

[27]Li X,Clemente-Colo′n P,Friedman K S.Estimating oceanic mixed layer depth from internal w ave evolution observed from RADARSAT-1 SAR[J].John H opkins,Applied Physics Laboratory,Technical Digest,2000,21:130-135

[28]Zheng Q A,Yuan Y L,Klemas V,et al.Theoretical expression for an ocean internal soliton synthetic aperture radar image and determination of the soliton characteristic half width[J].Journal of Geophysical Research,2001,106:31415-31423

[29]Zhao zhangxiao,Klemas V,Zheng Quanan,et al.Estimating parameters of a two-layer stratified ocean f rom polarity conversion of internal solitary waves observed in satellite SAR images[J].Remote Sensing Environment,2001,92:276-287

[30]Rodenas J,Garello R.Wavelet analysis in SAR ocean image profiles for internal w avedetection and w avelength estimation[J].IEEE Geoscience and Remote Sensing,1997,35:933-945

[31]Askari F,Greenaeft G L,Keller W C,et al.Radar imaging of thermal fronts[J].International Journal of Remote Sensing,1994,14:275-294

[32]Mattie M G,Lichy D E,Beal R C.Seasat detection of waves,currents and inlet discharge[J].International Journal of Remote Sensing,1980,1:377-398

[33]Vesecky J F,Stew ard R H.The observation of ocean surface phenomena using imagery from the SEASAT synthetic aperture radar:An assessment[J].Journal of Geophysical Research,1982,87:3397-3430

[34]Chelton D B,Schlax M G,Freilich M H,et al.Satellite radar measurements reveal short-scale features in the wind stress field over the w orld ocean[J].Science,2004,303:978 -983

[35]Small R J,deSzoeke S P,Xie S P,et al.Air-sea interaction over ocean fronts and eddies[J].Dynamics of Atmospheres and oceans,2008,45:274-319

[36]Song Q,H ara T,Cornillon P,et al.A comparison betw een observations and MM5 simulations of the marine atmospheric boundary layer across a temperature f ront[J].J.Atmos.Ocean.Tech.21,2004,170-178