方贺，蔡菊珍，何月，徐瑞，张育慧，张小伟，贺忠华，肖晶晶，谢涛

（1.浙江省气候中心，浙江杭州310017；2.自然资源部第二海洋研究所卫星海洋环境动力学国家重点实验室，浙江杭州310012；3.国家海洋环境预报中心，北京100081；4.南京信息工程大学遥感与测绘学院，江苏南京210044）

1 引言

海表面风场是推动海洋表面运动的重要动力，同时也是大气和海洋相互作用的重要参数之一，高时空分辨率的海表面风场资料有利于大气-海洋动力过程的研究。此外，海面风尤其是海上大风天气是我国沿海地区常有的灾害性天气，对海洋航运、安全生产以及海洋工程危害甚大，因此准确且及时的海表面风场预报和观测尤为重要[1]。

传统的海面风场观测手段（浮标、气象站和测风塔等）有着明显的局限性，如建设维护成本较高、无法获取大面积海面信息以及受外界环境因素影响较大，从而影响高质量海面风场数据的获取。随着空间遥感技术的发展，各种星载传感器应运而生，可以弥补传统海面风场观测的不足，使得长时间和大范围获取高分辨率海面风场信息成为可能。在众多星载传感器中，合成孔径雷达（Synthetic Aperture Radar，SAR）可以不受云、日照以及太阳光线的影响，实现全天时和全天候成像的能力，已逐渐成为海面风场监测，尤其是近岸风场反演的新手段[2]。

早期的SAR海面风速反演研究主要基于单极化影像数据展开。对于C波段VV极化SAR影像数据，CMOD（C-Band MODe）系列半经验地球物理模式函数（Geophysical Model Functions，GMF）是最常用的手段。CMOD系列模式函数起初是基于VV极化的散射计海面风场反演而设计，后被证明同样适用于SAR风场反演。在众多CMOD函数版本中，较为常用且经过多种SAR影像数据检验的有CMOD4[3]、CMOD-IFR2[4]、CMOD5[5]和CMOD5.N[6]模式函数。CMOD7是CMOD系列函数最新的版本，但目前多应用于C波段散射计风场的处理，用于SAR风场反演的研究较少[7]。对于HH极化影像风场反演，通常的做法是利用极化比（Polarization Ratio，PR）模型将HH极化SAR归一化雷达后向散射系数（Normalized Radar Cross Section，NRCS）转化为VV极化NRCS，然后再代入CMOD模式函数用于反演海面风速。PR模型是一种半经验模式函数，通过拟合HH极化NRCS与海表面风速、入射角和相对风向等信息而开发的。目前，学者们基于不同SAR影像数据开发了众多版本的PR模型，由于建立模型的数据源和参考风场不同，因此各种模型的适用性仍有待进一步研究[8-13]。

相较共极化（VV和HH极化）SAR影像，交叉极化（VH和HV极化）SAR数据可以获取更多的海洋环境信息，从而在海面风场遥感领域展现出独特的优势。随着加拿大RADARSAT-2（RS-2）和中国高分三号SAR卫星的成功发射，我们可以同时获取VV、HH、VH和HV极化的SAR影像，使得交叉极化SAR海面风速反演成为可能。Vachon等[14]选用加拿大环境及气候变化部（Environment and Climate Change Canada）的浮标风场作为参考数据，对比分析了RS-2精细四极化SAR雷达后向散射系数和海表面风速的关系。分析结果表明：交叉极化SAR的NRCS与风速呈线性关系，与风向和雷达入射角无关，并以此建立了一个线性交叉极化风速反演模型。随后，Zhang等[15]通过对比分析534幅RS-2交叉极化NRCS和美国国家浮标中心（National Data Buoy Center，NDBC）浮标风速的关系，同样发现交叉极化NRCS与风速呈线性关系，并提出了用于交叉极化风速反演的C-2PO（C-band cross-Polarized Ocean backscatter model）模型。最近研究发现，高海况下利用共极化SAR数据反演海面风速会出现“饱和”现象，即反演风速低于实际风速。然而，这一现象并未出现在交叉极化SAR海面风速反演中。因此，交叉极化SAR影像被广泛应用于飓风观测，学者们基于这一特性也开发了众多用于飓风风速反演的模型，并取得了良好的反演效果[16-17]。

相较传统的单极化SAR系统，星载RS-2四极化SAR卫星可以测量完整的极化散射矩阵，获取更多的海洋环境参数信息，从而在海面风场遥感领域展现出独特的优势。近年来，RS-2 SAR影像数据在中国沿海海域也有了初步应用。韩冰等[18]以ERAInterim资料构建海面初始风向场，对4景成像于中国海域的RS-2精细四极化影像开展了风速反演实验。结果表明：在4种极化通道下，SAR反演风速与ERA-Interim风速均有着良好的一致性，从而表明该数据在中国海域的可应用性。同年，许遐祯等[19]采用RS-2宽幅扫描、窄幅扫描模式和标准模式的7景RS-2 SAR影像，联合ERA-Interim风场对共极化SAR数据进行风速反演研究。结果显示：VV极化数据采用CMOD4模式函数表现最好，与ERAInterim风速的均方根误差（Root Mean Square Error，RMSE）为1.5 m/s；HH极化数据则采用CMOD4、CNMO-IFR2和CMOD5与Kirchhoff模型的组合函数更适用于海面风速反演，与ERA-Interim风速的RMSE均在2 m/s以内。

综上所述，利用RS-2不同极化SAR影像数据，基于现有风速反演模型可以在我国沿海海域获取海表面风速数据。但由于影像数量有限，且没有实况观测风速数据进行对比验证，因此对于各极化通道下最佳风速模型的选取仍有待进一步验证。本研究选取102景我国沿海海域RS-2精细四极化原始SAR影像开展风速反演研究，基于较常用的风速反演模型对比分析了共极化和交叉极化SAR风速的反演效果，探究各极化方式数据反演风速的最优方法，并对HH极化和交叉极化数据的NRCS与海面风速关系进行进一步研究分析。

2 数据处理和方法

2.1 RS-2 SAR影像

RS-2是一颗搭载C波段传感器的高分辨率商用雷达卫星，于2007年12月发射升空，设计寿命7～12 a，至今仍在轨运行。RS-2具有1 m高分辨率和全天候成像能力，其搭载的传感器具有多极化方式和多空间分辨率的特点，使得RS-2卫星具有多种成像模式，可以同时提供VV、HH、VH和HV极化SAR影像，是世界上最先进的商业SAR卫星之一。本文选用的RS-2影像为精细四极化（Quad-Fine）单视复型产品（Single-Look Complex，SLC）。该产品标称空间分辨率8 m×5m，刈幅25 m×25 km，入射角范围20°～60°。产品除了提供传统的共极化数据外，还可以提供交叉极化数据，极大地丰富了SAR观测的地物目标信息。此外，精细四极化SAR数据具有较大的信噪比，各极化通道串扰噪声低于-35 dB，保证了交叉极化信号强度不受同极化数据的污染，从而可以较好地应用于海面风场反演中。

在利用SAR数据进行海面风速反演前，需对高分辨率原始SAR影像进行预处理，主要包括辐射定标、降噪滤波、海陆掩膜和空间分辨率重采样。本文选用的RS-2 SLC SAR数据是经过辐射校正后的数据，因此可以直接利用官方用户手册提供的定标参数进行辐射定标。SAR是一种相干的成像系统，在其对目标成像过程中，不可避免地形成一种称为“玟斑”的噪声。斑点噪声的存在严重影响SAR图像的质量，进而影响海面风速信息的准确提取。为了克服这一缺陷，学者们一般采用降低原始SAR影像空间分辨率的方法来获取高精度海面风速。为了降低斑点噪声对SAR影像的影响，本文对原始SAR图像进行100 m×100 m的空间分辨率重采样[20]。中国沿海岛屿众多，陆地相对于海面而言较为粗糙，其后向散射系数远高于海面，是影响沿海SAR风场反演精度的重要因素。因此，对本研究所选SAR数据中的岛屿和陆地影像，采用10 m水深矢量进行陆地掩膜，水深矢量采用美国国家海洋和大气管理局（National Oceanic and Atmospheric Administration，NOAA）提供的ETOPO1地形高程数据。此外，在利用SAR影像进行海面风场反演前，我们还采用“同质性滤波”算法对海上目标物和内波等非风场信号进行剔除，以此保证SAR风场反演的准确性[15]。

2.2 再分析资料

ERA-Interim是欧洲中长期天气预报中心（European Center for Medium range Weather Forecasts,ECMWF）提供的再分析数据，是连接再分析数据（ERA-40）与新一代再分析产品的过渡数据。它可以提供海面10m高处U（东西方向，正值）和V（南北方向，负值）风速分量数据，空间最高分辨率为0．125°×0．125°，时间分辨率为6 h。Song等[21]采用中国科学院近海海洋观测研究网络黄海站和东海站浮标数据，对2010—2011年期间的ERAInterim风场进行评估。结果显示：ERA-Interim风场在黄海和东海海域与浮标风场有着良好的一致性，从而证明了ERA-Interim风场在东海和黄海海域是真实可靠的。因此，本文选取ERA-Interim风场作为RS-2 SAR风速反演所使用的外部风场和参考风场。

2.3 数据时空匹配

利用RS-2共极化SAR影像开展海面风速反演实验，需要借助外部风向信息，构建初始风向场，然后通过CMOD模型函数提取风速信息；另一方面，对于SAR影像反演得出的风速场，需要利用参考风速对其进行评估，从而确定反演风速的精度。因此，在进行海面风速反演前，需要将SAR影像与参考风场进行时间和空间匹配，从而建立SAR影像与参考数据间的时空关系。

ERA-Interim数据和SAR影像空间匹配流程如图1所示。时间上，RS-2卫星在中国海域的过境时间分别约为10时（升轨，世界时，下同）和22时（降轨），基于时间间隔最小原则，本文选取当日12时和次日0时的U和V风速分量。空间上，RS-2精细四极化SAR影像幅宽约25 km×25 km，而ERAInterim的空间分辨率为0．125°×0．125°，因此，本文利用插值方法，在一幅SAR影像内选取5～7个ERA-Interim网格点数据。图2所示为1景SAR影像与ERA-Interim风场的时空匹配。图中ERAInterim样本点S2、S3、S4、S5、S6、S7和S8落在SAR影像，因此可以认为是有效样本点。

图1 RS-2 SAR影像训练数据库与ERA-Interim匹配流程图

本文中，将102景RS-2 SAR影像以及时空匹配的ERA-Interim风场分为训练数据库和测试数据。训练数据库包括102景RS-2 SAR影像，有效样本点为735个，用于在各极化通道下开展SAR风速反演实验；测试数据库包括24景RS-2 SAR影像，有效样本点为164个，用于验证本文提出HH和交叉极化SAR风速反演模型。

图2 RS-2精细四极化SAR影像（成像时间为2012年8月8日22时03分40秒；红色“+”表示ERA-Interim样本点；红色箭头表示风向；原始影像产品版权归MacDonald、Dettwiler和Associate s Ltd公司所有）

2.4 四极化SAR海面风速反演模型

对于VV极化SAR数据，目前国际上使用最为广泛且经过大量数据验证的是CMOD4、CMODIFR2、CMOD5和CMOD5.N[1-2，18-19]。CMOD函数一般表达式如下：

式中：σ0VV为VV极化的NRCS；ϕ为相对风向；系数b0、b1和b2为入射角θ和海表面10 m高处风速u10的函数。对于CMOD4、CMOD5和CMOD5.N模式函数，指数n=1．6；对CMOD-IFR2模式函数，n=1。由式（1）可以看出，在已知雷达入射角、相对风向以及VV极化的NRCS时，可以计算出海表面10 m高处风速。图3a和3b分别表示不同CMOD模式函数模拟的σ0VV与海面风速和相对风向之间的关系。

对于HH极化SAR数据，其风速反演一般做法是利用PR模型将HH极化的NRCSσ0HH转化为σ0VV，然后代入CMOD模式函数中进行风速计算。极化比的一般形式如下：

基于不同SAR卫星数据，学者们提出了不同的PR模型，主要可以分为两大类：一类是只与入射角有关的比值形式PR模型；另一类是与入射角和海面风矢量有关的指数形式PR模型。本文采用目前较为常用的6种PR模型进行HH极化SAR数据风速 反 演，分 别 记 为E1996[8]、T1998[9]、H2000[10]、V2000[11]、M2005[12]和Z2011[13]。图3c为上述6种PR模型模拟的极化比数值随雷达入射角的变化。

除共极化SAR影像外，交叉极化SAR影像在海面风场遥感领域也有着广泛的应用。Vachon等[14]基于550景RS-2四极化SAR数据和浮标风场资料，构建了Vachon-CP的交叉极化SAR风速反演模型，并指出交叉极化的NRCS仅和海面风速有关，而与入射角无关。随后，Zhang等[15]基于这一特性，在Vachon-CP模型的基础上进行了相应的参数调整，提出了C-2PO风速反演模型。Vachon-CP模型和C-2PO模型的一般表达式如下：

式中：σ0VH/HV表示VH/HV交叉极化的NRCS。图3d为Vachon_CP和C-2PO模型仿真的海面风速与交叉极化NRCS的关系。

3 风速反演结果和对比分析

基于120景训练SAR数据库中735个样本点以及时空匹配的ERA-Interim风场，利用相应风速反演模型，分别在VV、HH、VH和HV极化通道下开展SAR风速反演实验。此外，本文选取RMSE、偏差（Bias）和相关系数（Corr）作为评价参数，用于检验SAR风速反演模型的性能。一般认为，SAR反演风速与参考风速RMSE小于2 m/s，即可认为SAR反演风速满足高精度海面风速反演要求[2，14-15，20]。

图3 不同极化模式SAR风速反演模型比较

以ERA-Interim风场作构建海面初始风向，分别利用CMOD4、CMOD-IFR2、CMOD5和CMOD5.N模式函数对VV极化RS-2数据进行海面风速反演。图4为利用CMOD模式函数的SAR反演风速与ERA-Interim风速对比图。图中可以看出，基于CMOD4、CMOD-IFR2、CMOD5和CMOD5.N的SAR反演风速与ERA-Interim风速的RMSE分别为2.23 m/s、2.34 m/s、1.94 m/s和2.12 m/s，4种CMOD模式函数均可以反演出较高精度的海表面风速，其中利用CMOD5函数反演的效果最好。

利用HH极化SAR影像反演风速，需首先将HH极化NRCS转换为VV极化的NRCS，然后代入CMOD模式函数求解海面风速。本文以ERA-Interim风场作构建海面初始风向，利用CMOD5 模 型 与 E1996[8]、T1998[9]、H2000[10]、V2000[11]、M2005[12]和Z2011[13]极化比模型的组合函数，对HH极化SAR影像进行风速反演。图5为基于CMOD5函数联合6种极化比模型函数的SAR反演风速与ERA-Interim风速对比图。图中可以看出，CMOD5+E2005、CMOD5+T1998、CMOD5+H2000、CMOD5+V2000、CMOD+M2005和CMOD+Z2011组合模型反演风速与ERA-Interim风速RMSE分别为3.07 m/s、4.35 m/s、2.86 m/s、3.54 m/s、5.21 m/s和2.75 m/s，与ERA-Interim风速RMSE均大于2 m/s，风速反演效果无法满足高精度风速反演要求。此外，CMOD5+M2005和CMOD5+T200组合模型反演风速在高风速下（＞15 m/s）严重高于ERA-Interim风速，已无法得到可信风速。CMOD5+V2000组合模型反演风速在0～10 m/s风速区间严重高于ERA-Interim风速，无法得到可信风速。CMOD5+E1996组合模型反演风速在高风速下与ERA-Interim风速一致性较差。

对于RS-2精细四极化SAR影像中交叉极化数据，已有研究证明交叉极化的NRCS仅和海表面风速有关，与雷达入射角和风向无关，因此可以直接利用C-2PO模型和Vachon-CP模型进行海面风速反演。图6为C-2PO和Vachon-CP模型SAR反演风速与ERA-Interim风速对比，图中可以看出两个模型均可以从交叉极化SAR影像得到反演风速。基于Vachon-CP模型的VH和HV极化SAR反演风速与ERA-Interim风速RMSE分别为2.61 m/s和2.65 m/s，而基于C-2PO模型的VH和HV极化SAR反演风速与ERA-Interim风速RMSE分别为2.82 m/s和2.78 m/s。无论是C-2PO模型还是Vachon模型，其在VH和HV极化通道下SAR反演风速具有很好的一致性，但由于SAR反演风速普遍低于参考风速，导致RMSE较大，无法满足高精度海面风速反演要求。表1为不同极化通道下，基于不同风速反演模型的SAR反演风速与ERA-Interim风速对比。

图4 基于CMOD模式函数的SAR反演风速与ERA-Interim风速对比图（单位：m/s；N=735）

图5 基于CMOD5函数联合6种极化比模型函数的SAR反演风速与ERA-Interim风速对比图（单位：m/s；N=735）

4 极化比和交叉极化模型的优化

基于训练数据库VV极化SAR数据，利用CMOD5模式函数反演风速与ERA-Interim风速RMSE为1.94 m/s，优于CMOD4、CMOD-IFR2和CMOD5.N函数，满足高精度海面风速反演要求。然而，利用CMOD5函数和6种极化比组合模型的SAR反演风速与ERA-Interim风速误差较大，即使效果最好的CMOD+Z2011模型，其反演风速与参考风速RMSE也高于2 m/s（为2.75 m/s），难以满足高精度海面风速反演要求。同样，基于交叉极化的C-2PO和Vachon-CP模型SAR反演风速与ERAInterim风速RMSE大于2 m/s，且SAR反演风速明显低于ERA-Interim风速，这也是造成RMSE偏大的一个重要原因。为了提高SAR海面风速反演精度，本文利用训练数据库中735个样本点对HH极化和交叉极化风速反演模型进行改进，并利用测试数据库中24景RS-2四极化SAR影像联合ERAInterim风速资料进行验证。

4.1 PR_CS极化比模型

由指数形式的极化比模型可知，RS-2共极化SAR影像的极化比值是入射角θ的函数，两者呈现出较强的非线性关系。因此，我们首先提取735个样本点的极化比值和入射角进行分析。由图7a可以看出，RS-2四极化SAR影像极化比值随入射角的增加而增加。利用非线性拟合方法，在Z2011极化比模型的基础上对相关参数进行重新赋值，记做PR_CS（PR_China Seas）模型，其表达式为：

图6 基于C-2PO和Vachon-CP模型的SAR反演风速和ERA-Interim风速对比（单位：m/s；N=735）

表1不同极化通道下SAR反演风速与ERA-Interim风速对比

式中：A1、A2和A3为常系数，其拟合值如表2所示。

表2 PR_CS极化比模型系数及拟合值

为了验证PR_CS极化比模型的适用性，我们首先对图2 SAR影像中共极化数据开展风速反演实验。图8分别为基于CMOD5模式函数的VV极化SAR影像反演风速和基于CMOD5+PR_CS组合模型的HH极化SAR影像反演风速。表3为S2～S8样本点SAR反演风速与ERA-Interim风速误差对比。从表中可以看出，在S2～S8样本点中，SAR反演风速与ERA-Interim风速误差均小于2.5 m/s，两者具有良好的一致性。然后，我们选取测试数据库中24景RS-2精细四极化HH极化SAR数据进行海面风速反演实验。图7b为CMOD5+PR_CS组合模型反演风速与ERA-Interim风速散点图。从图中可以看出，CMOD5+PR_CS组合模型反演风速与测风塔观测风速有着良好的一致性，两者RMSE为1.54 m/s，满足高精度海表面风速反演要求。

4.2 CP_CS交叉极化风速反演模型

由Vachon-CP和C-2PO模型可知，交叉极化的SAR NRCS仅和海表面风速有着较强的线性关系，而与海面风向和入射角无关。由图6可以看出，基于交叉极化SAR影像反演的风速明显高于ERAInterim风速，这也是造成风速反演误差的重要原因。因此，本节通过研究交叉极化NRCS和ERAInterim风速的线性关系，对交叉极化SAR风速反演模型中的相关参数进行改进，以解决SAR反演风速过高的问题。图9为训练数据库中735个交叉极化NRCS样本点与ERA-Interim风速的关系。从图中可以看出，VH和HV极化NRCS与ERA-Interim有着较强的线性关系，利用线性拟合算法，可以得出记为CP_CS（CP_China Seas）的交叉极化风速反演模型：

图7 PR_CS极化比模型及风速反演

图8 基于不同模式的极化SAR影像反演风速（单位：m/s）

为了验证CP_CS风速反演模型的适用性，我们首先对图2的SAR影像中交叉极化数据开展风速反演实验。图10为基于CP_CS模型的VH极化SAR影像（见图2c）反演风速和HV极化SAR影像（见图2d）反演风速。表3为相应的S2～S8样本点SAR反演风速与ERA-Interim风速误差对比。从表中可以看出，在S2～S8样本点中，SAR反演风速与ERA-Interim风速误差均小于2 m/s，满足高精度海面风速反演要求。随后，我们选取测试数据库中24景RS-2交叉极化SAR影像进行海面风速反演实验。图11为基于CP_CS模型的交叉极化SAR反演风速与ERA-Interim风速散点图。从图中可以看出，VH和HV极化SAR反演风速与ERAInterim风速有着良好的一致性，两者RMSE分别为1.43 m/s和1.51 m/s，偏差分别为-0.01 m/s和-0.06 m/s，且没有出现交叉极化SAR数据风速反演过高的问题。

表3 S2～S8样本点SAR反演风速与ERA-Interim风速误差（单位：m/s）

表4 S2～S8样本点SAR反演风速与ERA-Interim风速误差（单位：m/s）

图9 交叉极化NRCS样本点与ERA-Interim风速的关系（N=735）

图10 基于CP_CS模型的极化SAR影像反演风速（单位：m/s）

图11 基于CP_CS模型的极化SAR反演风速和ERA-Interim风速（N=164）

5 讨论

本文基于RS-2精细四极化SAR影像和ERAInterim风场，分别对现有HH极化和交叉极化风速反演模型进行了改进，并建立了PR_CS和CP_CS风速反演模型。经过验证发现，利用改进的相应算法模型，可以有效地从RS-2四极化SAR影像中提取高精度海面风速。需要特别指出的是，无论是用于HH极化影像的PR_CS模型还是用于交叉极化影像的CP_CS模型，均是基于RS-2精细四极化SAR影像NRCS和ERA-Interim风场而建立的。因此，在利用ERA-Interim作为参考风场时，RS-2 HH和交叉极化SAR反演风速结果得到了一定的改进，后续研究还将获取更多的参考风场（如海洋浮标和观测站等）用于验证PR_CS和CP_CS风速反演模型在中国海域的适用性。

共极化和交叉极化SAR反演风速描述的海面风矢量与雷达后向散射系数的关系是经验性的。要想获得更准确的海面风速数据，不仅需要加深对电磁散射模型物理机制的理解，还依赖大量的SAR遥感数据和现场观测数据支持。笔者通过查询加拿大自然资源部（Natural Resources Canada）RADARSAT系列卫星数据库发现，自RS-2 SAR卫星2007年卫星发射至今，在中国海域仅精细四极化数据就有近2 000景，因此在后续的研究中还应获取更多的SAR数据用于海面风场反演的研究。此外，风速反演模型的开发和应用还有赖于实况观测资料（浮标和测风塔等），但中国海域暂时还没有公开和免费的实况观测数据，这也是导致利用SAR卫星在我国沿海开展风场反演研究较少的原因之一。随着我国业务化运行的海洋观测平台系统的完善，未来可以提供实时和公开的海洋风场产品，这将为中国海域SAR风场反演研究以及沿海风能资源评估提供有力的数据支撑。

6 结论

本文以我国东海和南海海域为研究区，选用ERA-Interim风场为参考风场资料，对RS-2精细四极化SAR影像数据进行海表面风速反演。首先，将102景RS-2 SAR影像分为训练数据库和测试数据库；随后，基于训练数据库中VV、HH、VH和HV极化SAR数据，对常用SAR风速反演模型进行对比分析，并对HH和VH极化风速反演模型进行改进；最后，利用测试数据库对本文改进的风速反演模型进行验证。结论如下:

（1）基于测试数据库VV极化SAR数据，CMOD4、CMOD5、CMOD-IFR2和CMOD5.N模式函数均能反演出有效风速。其中，利用CMOD5模型反演风速的精度要优于其他三者，其与ERAInterim风速的RMSE为1.94 m/s。

（2）基于测试数据库HH极化SAR数据，对比分析 了CMOD5与E1996、T1998、H2000、V2000、M2005和Z2011的组合模型反演风速效果。结果显示，虽然6种组合模型均能从HH极化SAR影像中反演风速，但其精度较差，难以满足高精度海面风速反演要求。对于交叉极化SAR数据，SAR反演风速明显低于ERA-Interim风速，无法得出高精度海面风速。

（3）为了提高HH和交叉极化SAR反演风速精度，本文基于测试数据对现有风速模型进行改进，分别提出了PR_CS极化比模型和CP_CS交叉极化SAR风速反演模型。随后，利用测试数据库中SAR影像进行风速反演实验，并利用ERA-Interim风速进行验证。结论显示：CMOD5+PR_CS组合模型可以从HH极化SAR影像反演得出高精度海面风速，与参考风速RMSE为1.54 m/s；基于CP_CS模型的VH和HV极化SAR反演风速与ERA-Interim风速RMSE分别为1.43 m/s和1.51 m/s，偏差分别为-0.01 m/s和-0.06 m/s，满足海表面风速反演要求，且有效解决了交叉极化SAR数据风速反演过高的缺陷。

致谢：本文使用的RADARSAT-2精细四极化SAR影像数据由加拿大贝德福德海洋研究所（Bedford Institute of Oceanography）William Perrie教授提供，原始影像产品版权归MacDonald、Dettwiler和Associates Ltd公司所有。ERAInterim数据由欧洲空间局（European Space Agency）提供。在此表示感谢！