CN109100717A - 一种多源微波遥感海面风场数据融合方法及其装置 - Google Patents

Abstract

本发明公开了一种多源微波遥感海面风场数据融合方法及装置，针对现有基于散射计生成的海面风场产品覆盖范围广但空间分辨率较低的技术问题，本方法首先在尽量保持精度的前提下通过面到点克里金插值降尺度来提高其分辨率，然后利用地理差异分析法来融合SAR反演高分辨率风场与降尺度风场，从而实现插值误差校正，生成高分辨率、高精度海面风场产品，弥补已有海风产品空间分辨率不足的缺陷。

Description

一种多源微波遥感海面风场数据融合方法及其装置

技术领域

本发明涉及定量遥感数据反演领域，具体涉及一种多源微波遥感海面风场数据融合方法及其装置。

背景技术

微波散射计和辐射计能够有效获取全球海面风场信息，广泛用于海洋风场、海浪场、天气预报及海洋与大气研究，但空间分辨率较低，为25～50km，无法监测海面风中小尺度波动及估算近岸50km范围风场。高度计仅能进行天底点测量，有着沿轨道7km的分辨率，但缺少海面风向信息，且扫幅很窄。与上述主被动微波传感器相比，合成孔径雷达(SyntheticAperture Radar，SAR)的优点在于空间分辨率较高，并且能够提供沿海岸地区风场的细节信息。单一的微波遥感卫星在某个区域过境的次数最多为一天两次，为了提高风场业务化预报的准确度，需要高时空分辨率的风场产品，有必要进行多源海面风场的融合研究。常用的融合算法有反距离加权法、逐步订正法、克里金插值法、最优插值法和时空权重插值法等。

目前常用的微波遥感海面风场产品大部分都是通过微波散射计测量的后向散射系数反演得到，其优势在于能够覆盖全球大部分海洋区域，并且在同一区域的观测时间间隔较短。但是空间分辨率较低、单一散射计轨道覆盖范围缺失仍限制了散射计风场产品在气象预报、海流模拟等实际场景的应用。于是诸多学者关注于多源散射计海面风场产品的数据融合研究，但是融合数据空间分辨率与原始散射计数据基本保持一致，一般在25km左右，仍然不够精细。并且在融合过程中对不同来源遥感数据的尺度差异表达不足，影响数据融合精度。

发明内容

针对现有技术的不足，本发明的目的之一旨在提供一种多源微波遥感海面风场数据融合方法，以生成高精度、高分辨率的海面风场数据。

为实现上述目的，本发明采用如下技术方案：

一种多源微波遥感海面风场数据融合方法，所述方法包括

获取SAR影像，并对SAR影像进行数据预处理，SAR影像预处理完成后，进行海面风场反演，获得SAR反演海面风场数据；

获取原始CCMP海面风场数据，并对原始CCMP海面风场数据进行空间降尺度处理，获得降尺度未校正的CCMP海面风场数据；

采用地理差异分析法对SAR反演海面风场数据和降尺度未校正的CCMP海面风场数据进行融合，获得海面风场融合数据。

所述采用地理差异分析法对SAR反演海面风场数据和降尺度未校正的海面风场数据进行融合，获得海面风场融合数据，具体包括：

首先对SAR反演海面风场数据和降尺度未校正的海面风场数据两种风场数据进行时空匹配，以降尺度未校正的CCMP海面风场数据格网为基准，SAR反演海面风场数据通过双线性插值重采样到CCMP海面风场数据格网；

然后对CCMP海面风场数据格网上的SAR反演海面风场数据和降尺度未校正的CCMP海面风场数据进行差异分析，得到相应的降尺度误差，进而通过距离反比插值得到研究区域上连续分布的CCMP海面风场降尺度误差分布；

将连续分布的CCMP海面风场降尺度误差分布与降尺度未校正的CCMP海面风场数据相加进行误差校正，从而得到最终的海面风场融合数据。

所述获取原始CCMP海面风场数据，并对原始CCMP海面风场数据进行空间降尺度处理，获得降尺度未校正的CCMP海面风场数据，具体包括：

首先利用原始CCMP海面风场数据计算海风区域化变量在低分辨率面尺度上的先验变异函数值；

然后通过正则化逼近过程去卷积推断海风变量点尺度理论变异函数，基于海风变量点尺度理论变异函数推理计算面与面、面与点各尺度上变量间的变异函数值，进而构建用于估算高分辨率海面风场的权重线性方程组，根据求解后的权重和相应的低分辨率面尺度的已知风场数据加权平均计算得到目标高分辨率遥感网格中心点的风速风向估计值，最终得到整个研究区域上降尺度未校正的高分辨率CCMP海面风场数据。

所述对SAR影像进行数据预处理具体包括：

下载与数据观测时间相近的卫星轨道文件对SAR影像进行轨道校正，然后基于增强Lee滤波算法对SAR影像进行滤波处理，抑制斑点噪声；

接着对SAR影像进行辐射校正，进行像元值转换，以获得精确的海面雷达后向散射截面，根据欧空局数据处理中心提供的资料，采用以下定标公式得到后向散射系数：

其中DN_i,j为第i行、第j列像元的原始幅度值，随后利用掩膜工具实现后向散射截面的陆地掩膜，只保留海面散射数据。

所述SAR影像预处理完成后，进行海面风场反演，具体包括：

首先基于SAR影像风条纹信息在频率域利用快速傅里叶变换提取海面风向，将风向信息和后向散射截面数据代入GMOD5地球物理模式函数GMF进行反向求解，获得海面风速。

所述将风向信息和后向散射截面数据代入GMOD5地球物理模式函数GMF进行反向求解，具体包括：

对从SAR影像发射的雷达信号通过Bragg散射部分被海表面反射回来，后向散射能量取决于海表面波与雷达波长的比较，随着风速增加，海表面粗糙度也增加，相应的NRCS也随之增加，雷达波长λ与海面波长L的关系：L＝λ/2sin(θ)，其中λ为雷达入射波波长，θ为入射角；后向散射系数σ⁰是相对风向φ、10m高处风速U、雷达入射角θ、雷达入射波波长λ和极化方式P的函数:

σ⁰＝F(φ，U，θ，λ，P) (2)

风速反演的实质就是推算反向传递函数G：

U＝G(σ⁰,φ，θ,λ,P) (3)

在GMF中，NRCS与风速风向的关系表示为如下形式：

σ⁰＝a(θ)U_γ(θ)[1+b(θ，U)cosφ+c(θ，U)cos2φ] (4)

其中，θ是雷达入射角；φ代表风向与雷达视向之间的夹角，逆风为0°，顺风为180°，横风为90°或270°；U是海面10m高处的风速；σ⁰表示雷达后向散射系数或归一化雷达散射截面；a,b,c,γ是模型的参数，根据式(4)即可反向求解U。

9、所述得到整个研究区域上降尺度未校正的高分辨率CCMP海面风场数据的具体过程为：

取目标高分辨率遥感网格中心为规则分布待插值点，拟采用地统计学的面到点克里金插值ATPK进行数据降尺度，ATPK是用已知面对未知点进行插值的降尺度方法，即未知点值z(x)为其所在面以及附近面v_i(i＝1,…,k)数据的线性加权和：

权重λ_x的求解方程组为：

上式中x为待插值高分辨遥感网格点，共有K个原始低分辨率遥感网格v_i(i＝1,…,k)的观测值z(v_i)加权平均估计得到x的估计值z(x)，对应的权重为λ_x，μ_x为拉格朗日算子；整个ATPK遥感数据降尺度过程中最关键的是去卷积推断点与点协方差函数C，并以此分别构造面与点、面与面协方差函数和如下式所示：

N(v_i)和N(v_j)分别是网格v_i和v_j离散后包含点的数量，s即代表网格中的离散点。

相应地，本发明的另一目的在于提供一种多源微波遥感海面风场数据融合装置，包括：

SAR反演海面风场数据获取模块，其用于获取SAR影像，并对SAR影像进行数据预处理，SAR影像预处理完成后，进行海面风场反演，获得SAR反演海面风场数据；

降尺度未校正的CCMP海面风场数据获取模块，其用于获取原始CCMP海面风场数据，并对原始CCMP海面风场数据进行空间降尺度处理，获得降尺度未校正的CCMP海面风场数据；

数据融合模块，其通过采用地理差异分析法对SAR反演海面风场数据和降尺度未校正的CCMP海面风场数据进行融合，获得海面风场融合数据。

本发明的有益效果在于：

针对现有基于散射计生成的海面风场产品覆盖范围广但空间分辨率较低的技术问题，本申请首先在尽量保持精度的前提下通过面到点克里金插值降尺度来提高其分辨率，然后利用地理差异分析法来融合SAR反演高分辨率风场与降尺度风场，从而实现插值误差校正，生成高分辨率、高精度海面风场产品，弥补已有海风产品空间分辨率不足的缺陷。

附图说明

图1为本发明实施例提供的多源微波遥感海面风场数据融合方法的整体流程图；

图2为SAR反演与CCMP降尺度海面风场数据融合流体图；

图3为SAR影像预处理及海面风场反演流程图；

图4为CCMP海面风产数据空间降尺度过程流程图。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述：

参阅图1所述，本实施例提供的多源微波遥感海面风场数据融合方法，该方法具体包括

获取SAR影像，并对SAR影像进行数据预处理，SAR影像预处理完成后，进行海面风场反演，获得SAR反演海面风场数据；

获取原始CCMP海面风场数据，并对原始CCMP海面风场数据进行空间降尺度处理，获得降尺度未校正的CCMP海面风场数据；

采用地理差异分析法对SAR反演海面风场数据和降尺度未校正的CCMP海面风场数据进行融合，获得海面风场融合数据。

由此可知，针对现有的海面风场产品空间分辨率不高的问题，本方法基于面到点克里金插值实现传统海面风场(海面风场简称“海风”)数据的空间降尺度，然后与高分辨率SAR海风反演数据进行地理差异分析，实现插值误差校正，通过融合两种不同类型的微波遥感海面风场数据，生成高精度、高分辨率的海面风场产品。

由于CCMP降尺度得到的高分辨率海面风场能够完整覆盖全球大部分海域，但会引入插值误差，而SAR反演得到的高分辨率海面风场精度较高，但单幅影像仅能覆盖卫星过境时刻的小块区域，本申请通过对两种不同特征的海面风场数据进行融合，最终形成高分辨率、高精度的海面风场融合产品。具体地，如图2所示，上述采用地理差异分析法对SAR反演海面风场数据和降尺度未校正的海面风场数据进行融合，获得海面风场融合数据，具体为：

地理差异分析法(Geographical DifferentialAnalysis，GDA)被用于实现两种风场数据的融合，首先对SAR反演海面风场数据和降尺度未校正的海面风场数据两种风场数据进行时空匹配，以降尺度未校正的CCMP海面风场数据格网为基准，SAR反演海面风场数据通过双线性插值重采样到CCMP海面风场数据格网；然后对CCMP海面风场数据格网上的SAR反演海面风场数据和降尺度未校正的CCMP海面风场数据进行差异分析，得到相应的降尺度误差，进而通过距离反比插值得到研究区域上连续分布的CCMP海面风场降尺度误差分布；将连续分布的CCMP海面风场降尺度误差分布与降尺度未校正的CCMP海面风场数据相加进行误差校正，从而得到最终的高精度、高分辨率的海面风场融合数据。

下面对SAR海风反演的具体实现过程进行说明，本申请采用的是EnvisatASAR和Sentinel-1SAR影像。ASAR影像由欧空局的Eolisa软件提供注册下载，Sentinel-1影像由哥白尼开放获取中心提供下载(https://scihub.copernicus.eu/)。不同来源SAR影像预处理及风场反演流程基本一致，具体如图3所示。

下载与数据观测时间相近的卫星轨道文件对SAR影像进行轨道校正，然后基于增强Lee滤波算法对SAR影像进行滤波处理，抑制斑点噪声。接着对SAR影像进行辐射校正，进行像元值转换，以获得精确的海面雷达后向散射截面，根据欧空局数据处理中心提供的资料，采用以下定标公式得到后向散射系数：

其中DN_i,j为第i行、第j列像元的原始幅度值，随后利用掩膜工具实现后向散射截面的陆地掩膜，只保留海面散射数据。

在完成SAR影像预处理之后，紧接着进行海面风场反演。首先基于SAR影像风条纹信息在频率域利用快速傅里叶变换提取海面风向，将风向信息和后向散射截面数据代入GMOD5等地球物理模式函数(Geophysical Model Function,GMF)进行反向求解，即可获得海面风速。

下面对GMF海面风场反演原理及公式进行具体阐述。对从SAR影像发射的雷达信号通过Bragg散射部分被海表面反射回来，后向散射能量取决于海表面波与雷达波长的比较。随着风速增加，海表面粗糙度也增加，相应的NRCS也随之增加。雷达波长λ与海面波长L的关系：L＝λ/2sin(θ)，其中λ为雷达入射波波长，θ为入射角。研究表明，后向散射系数σ⁰是相对风向φ、10m高处风速U、雷达入射角θ、雷达入射波波长λ和极化方式P的函数:

σ⁰＝F(φ，U，θ，λ，P) (2)

因此，风速反演的实质就是推算反向传递函数G：

U＝G(σ⁰，φ，θ，λ，P) (3)

在GMF中，NRCS与风速风向的关系通常可表示为如下形式：

σ⁰＝a(θ)U_γ(θ)[1+b(θ，U)cosφ+c(θ，U)cos2φ] (4)

其中，θ是雷达入射角；φ代表风向与雷达视向之间的夹角，逆风为0°，顺风为180°，横风为90°或270°；U是海面10m高处的风速；σ⁰表示雷达后向散射系数或归一化雷达散射截面(NRCS)；a,b,c,γ是模型的参数。根据式(4)即可反向求解U，从而获得精确的海面风速。

而的原始CCMP海面风场数据可以从Remote Sensing Systems数据网下载获得，CCMP海面风产数据空间降尺度过程流程图如图4所示：

基本流程可简述为先利用原始CCMP数据计算海风区域化变量在低分辨率面尺度上的先验变异函数值，然后通过正则化逼近等过程去卷积推断海风变量点尺度理论变异函数，基于此函数可推理计算面与面、面与点等各尺度上变量间的变异函数值，进而构建用于估算高分辨率海面风场的权重线性方程组，根据求解后的权重和相应的低分辨率面尺度的已知风场数据加权平均计算得到目标高分辨率遥感网格中心点的风速风向估计值，最终得到整个研究区域上降尺度未校正的高分辨率海面风场数据。

接下来对具体的实现原理与公式进行表述。为简便起见，取目标高分辨率遥感网格中心为规则分布待插值点，拟采用地统计学的面到点克里金插值(Area-to-pointKriging,ATPK)进行数据降尺度。ATPK是用已知面对未知点进行插值的降尺度方法(已知面可以是各种形状的连续面，全覆盖或离散分布，未知点可以在已知面内外)，其原理和普通克里金类似，即未知点值z(x)为其所在面以及附近面v_i(i＝1,…,k)数据的线性加权和：

权重λ_x的求解方程组为：

上式中x为待插值高分辨遥感网格点，共有K个原始低分辨率遥感网格v_i(i＝1,…,k)的观测值z(v_i)加权平均估计得到x的估计值z(x)，对应的权重为λ_x，μ_x为拉格朗日算子。整个ATPK遥感数据降尺度过程中最关键的是去卷积推断点与点协方差函数C，并以此分别构造面与点、面与面协方差函数和如下式所示：

N(v_i)和N(v_j)分别是网格v_i和v_j离散后包含点的数量，s即代表网格中的离散点。低分辨率遥感网格均被离散成点数据，面与点、面与面协方差通过被转化为众多点对协方差的均值来计算。相对于常用的线性或非线性、全局或局部等各类基于回归模型的降尺度方法，ATPK的显著优势之一是通过构造降尺度前后不同尺度区域化变量的协方差函数考虑了面与点数据的尺度差异性和空间相关性。ATPK的另一重要性质是保质性，即插值下推到某任意已知面内的所有点估计值的平均等于该已知面原始值，保质性确保了目标高分辨率数据能够保持原始低分辨率CCMP数据的海面风场空间分布格局。

相应地，本实施例还提供了一种多源微波遥感海面风场数据融合装置，该装置包括：

SAR反演海面风场数据获取模块，其用于获取SAR影像，并对SAR影像进行数据预处理，SAR影像预处理完成后，进行海面风场反演，获得SAR反演海面风场数据；

降尺度未校正的CCMP海面风场数据获取模块，其用于获取原始CCMP海面风场数据，并对原始CCMP海面风场数据进行空间降尺度处理，获得降尺度未校正的CCMP海面风场数据；

数据融合模块，其通过采用地理差异分析法对SAR反演海面风场数据和降尺度未校正的CCMP海面风场数据进行融合，获得海面风场融合数据。

当然，需要说明的是，本申请涉及的“低分辨率”和“高分辨率”是一相对形容词，具体地，在本申请中，高分辨率为5km，低分辨率为25km，但是需要指出的是，本申请也可用于更高分辨率海风产品融合。

对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。

Claims (10)

1.一种多源微波遥感海面风场数据融合方法，其特征在于，所述方法包括

获取SAR影像，并对SAR影像进行数据预处理，SAR影像预处理完成后，进行海面风场反演，获得SAR反演海面风场数据；

获取原始CCMP海面风场数据，并对原始CCMP海面风场数据进行空间降尺度处理，获得降尺度未校正的CCMP海面风场数据；

采用地理差异分析法对SAR反演海面风场数据和降尺度未校正的CCMP海面风场数据进行融合，获得海面风场融合数据。

2.如权利要求1所述的多源微波遥感海面风场数据融合方法，其特征在于，所述采用地理差异分析法对SAR反演海面风场数据和降尺度未校正的海面风场数据进行融合，获得海面风场融合数据，具体包括：

首先对SAR反演海面风场数据和降尺度未校正的海面风场数据两种风场数据进行时空匹配，以降尺度未校正的CCMP海面风场数据格网为基准，SAR反演海面风场数据通过双线性插值重采样到CCMP海面风场数据格网；

然后对CCMP海面风场数据格网上的SAR反演海面风场数据和降尺度未校正的CCMP海面风场数据进行差异分析，得到相应的降尺度误差，进而通过距离反比插值得到研究区域上连续分布的CCMP海面风场降尺度误差分布；

将连续分布的CCMP海面风场降尺度误差分布与降尺度未校正的CCMP海面风场数据相加进行误差校正，得到最终的海面风场融合数据。

3.如权利要求1或2所述的多源微波遥感海面风场数据融合方法，其特征在于，所述获取原始CCMP海面风场数据，并对原始CCMP海面风场数据进行空间降尺度处理，获得降尺度未校正的CCMP海面风场数据，具体包括：

首先利用原始CCMP海面风场数据计算海风区域化变量在低分辨率面尺度上的先验变异函数值；

然后通过正则化逼近过程去卷积推断海风变量点尺度理论变异函数，基于海风变量点尺度理论变异函数推理计算面与面、面与点各尺度上变量间的变异函数值，进而构建用于估算高分辨率海面风场的权重线性方程组，根据求解后的权重和相应的低分辨率面尺度的已知风场数据加权平均计算得到目标高分辨率遥感网格中心点的风速风向估计值，得到整个研究区域上降尺度未校正的高分辨率CCMP海面风场数据。

4.如权利要求1所述的多源微波遥感海面风场数据融合方法，其特征在于，所述对SAR影像进行数据预处理具体包括：

下载与数据观测时间相近的卫星轨道文件对SAR影像进行轨道校正，然后基于增强Lee滤波算法对SAR影像进行滤波处理，抑制斑点噪声；

接着对SAR影像进行辐射校正，进行像元值转换，以获得精确的海面雷达后向散射截面，根据欧空局数据处理中心提供的资料，采用以下定标公式得到后向散射系数：

其中DN_i，j为第i行、第i列像元的原始幅度值，随后利用掩膜工具实现后向散射截面的陆地掩膜，只保留海面散射数据。

5.如权利要求4所述的多源微波遥感海面风场数据融合方法，其特征在于，所述SAR影像预处理完成后，进行海面风场反演，具体包括：

首先基于SAR影像风条纹信息在频率域利用快速傅里叶变换提取海面风向，将风向信息和后向散射截面数据代入GMOD5地球物理模式函数GMF进行反向求解，获得海面风速。

6.如权利要求5所述的多源微波遥感海面风场数据融合方法，其特征在于，所述将风向信息和后向散射截面数据代入GMOD5地球物理模式函数GMF进行反向求解，具体包括：

对从SAR影像发射的雷达信号通过Bragg散射部分被海表面反射回来，后向散射能量取决于海表面波与雷达波长的比较，随着风速增加，海表面粗糙度也增加，相应的NRCS也随之增加，雷达波长λ与海面波长L的关系：L＝λ/2sin(θ)，其中λ为雷达入射波波长，θ为入射角；后向散射系数σ⁰是相对风向φ、10m高处风速U、雷达入射角θ、雷达入射波波长λ和极化方式P的函数：

σ⁰＝F(φ，U，θ，λ，P) (2)

风速反演的实质就是推算反向传递函数G：

U＝G(σ⁰，φ，θ，λ，P) (3)

在GMF中，NRCS与风速风向的关系表示为如下形式：

σ⁰＝a(θ)Uγ(θ)[1+b(θ，U)cosφ+c(θ，U)cos2φ] (4)

其中，θ是雷达入射角；φ代表风向与雷达视向之间的夹角，逆风为0°，顺风为180°，横风为90°或270°；U是海面10m高处的风速；σ⁰表示雷达后向散射系数或归一化雷达散射截面；a，b，c，γ是模型的参数，根据式(4)即可反向求解U。

7.如权利要求3所述的多源微波遥感海面风场数据融合方法，其特征在于，所述得到整个研究区域上降尺度未校正的高分辨率CCMP海面风场数据的具体过程为：

取目标高分辨率遥感网格中心为规则分布待插值点，拟采用地统计学的面到点克里金插值ATPK进行数据降尺度，ATPK是用已知面对未知点进行插值的降尺度方法，即未知点值z(x)为其所在面以及附近面v_i(i＝1，...，k)数据的线性加权和：

权重λ_x的求解方程组为：

上式中x为待插值高分辨遥感网格点，共有K个原始低分辨率遥感网格v_i(i＝1，...，k)的观测值z(v_i)加权平均估计得到x的估计值z(x)，对应的权重为λ_x，μ_x为拉格朗日算子；去卷积推断点与点协方差函数C，并以此分别构造面与点、面与面协方差函数和如下式所示：

N(v_i)和N(v_j)分别是网格v_i和v_j离散后包含点的数量，s即代表网格中的离散点。

8.一种多源微波遥感海面风场数据融合装置，其特征在于，包括：

SAR反演海面风场数据获取模块，其用于获取SAR影像，并对SAR影像进行数据预处理，SAR影像预处理完成后，进行海面风场反演，获得SAR反演海面风场数据；

降尺度未校正的CCMP海面风场数据获取模块，其用于获取原始CCMP海面风场数据，并对原始CCMP海面风场数据进行空间降尺度处理，获得降尺度未校正的CCMP海面风场数据；

数据融合模块，其通过采用地理差异分析法对SAR反演海面风场数据和降尺度未校正的CCMP海面风场数据进行融合，获得海面风场融合数据。

9.如权利要求8所述的多源微波遥感海面风场数据融合装置，其特征在于，所述采用地理差异分析法对SAR反演海面风场数据和降尺度未校正的海面风场数据进行融合，获得海面风场融合数据，具体包括：

首先对SAR反演海面风场数据和降尺度未校正的海面风场数据两种风场数据进行时空匹配，以降尺度未校正的CCMP海面风场数据格网为基准，SAR反演海面风场数据通过双线性插值重采样到CCMP海面风场数据格网；

然后对CCMP海面风场数据格网上的SAR反演海面风场数据和降尺度未校正的CCMP海面风场数据进行差异分析，得到相应的降尺度误差，进而通过距离反比插值得到研究区域上连续分布的CCMP海面风场降尺度误差分布；

将连续分布的CCMP海面风场降尺度误差分布与降尺度未校正的CCMP海面风场数据相加进行误差校正，从而得到最终的海面风场融合数据。

10.如权利要求8或9所述的多源微波遥感海面风场数据融合装置，其特征在于，所述获取原始CCMP海面风场数据，并对原始CCMP海面风场数据进行空间降尺度处理，获得降尺度未校正的CCMP海面风场数据，具体包括：

首先利用原始CCMP海面风场数据计算海风区域化变量在低分辨率面尺度上的先验变异函数值；

然后通过正则化逼近过程去卷积推断海风变量点尺度理论变异函数，基于海风变量点尺度理论变异函数推理计算面与面、面与点各尺度上变量间的变异函数值，进而构建用于估算高分辨率海面风场的权重线性方程组，根据求解后的权重和相应的低分辨率面尺度的已知风场数据加权平均计算得到目标高分辨率遥感网格中心点的风速风向估计值，最终得到整个研究区域上降尺度未校正的高分辨率CCMP海面风场数据。