SST融合產品在渤黃海的質量評估與修正研究

曹凱翔, 靳熙芳, 孫偉富, 王 進

?

SST融合產品在渤黃海的質量評估與修正研究

曹凱翔1, 靳熙芳2, 孫偉富1, 王 進3

(1. 國家海洋局第一海洋研究所, 山東 青島 266061; 2. 國家海洋局北海預報中心, 山東 青島 266061; 3. 青島大學, 山東 青島 266003)

為獲取高空間分辨率與空間覆蓋率的海表面溫度(Sea Surface Temperature, SST)產品, 基于最優插值方法, 對微波輻射計WindSat、AMSR-E、ASMR2、HY-2 RM和紅外輻射計MODIS、AVHRR的SST觀測數據進行融合, 生成了一種0.1°空間分辨率的每日SST融合產品, 利用浮標數據在渤黃海區域進行了精度評估和修正, 并分析了該區域的SST時空分布特征。結果表明: SST融合產品的在中國近海的精度為1.1℃, 利用浮標數據修正后的精度略有改善; 利用修正的SST產品對渤黃海區域SST分布特征進行了分析, 分析結果顯示, 渤黃海海域冬季海溫最為均勻, 春季在海水升溫過程中海溫不均勻性明顯。

海表溫度; 數據融合; 渤黃海; 質量評估; 時空分布特征

海表面溫度(Sea Surface Temperature, SST)是海洋研究的基本參數之一, 其直接影響著大氣和海洋間的熱量、動量和水汽交換, 是影響全球水循環的重要參數, 影響著全球表面的能量收支平衡[1]。基于衛星平臺的被動遙感觀測技術是全球海表溫度監測的主要手段。目前可進行SST觀測的星載傳感器主要包括微波輻射計和紅外輻射計兩類。微波輻射計觀測可以穿透云霧, 受氣候影響小, 每天可覆蓋全球近90%的海域, 但是其空間分辨率較低, 為幾十千米。紅外輻射計工作頻段遠高于微波輻射計, 因此其空間分辨率可達千米量級, 但紅外輻射計受天氣條件影響大, 不能穿透云霧, 單個紅外輻射計的每日有效觀測數據僅能覆蓋全球海洋的10%左右。采用一定的數據融合方法, 對星載微波輻射計和紅外輻射計SST觀測結果進行融合, 可以有效地改善微波輻射計空間分辨率低、紅外輻射計空間覆蓋率差的問題, 從而生成可覆蓋全球海洋的高分辨率SST多源融合產品。近年來相關研究受到各國研究機構的普遍關注, 如美國國家海洋大氣管理局NOAA(National Oceanic and Atmospheric Administration)、NASA下屬噴氣推進實驗室JPL(Jet Propulsion Laboratory)、日本氣象廳JMA(Japan Meteorological Agency)、Met Office、遙感系統RSS(Remote Sensing System)均開發了SST融合數據產品。這些產品空間分辨率為0.05°~0.25°, 時間分辨率一般為日均, 并普遍采用浮標等實測數據進行了精度驗證[2]。

SST是目前海洋學界的研究熱點, 它直接影響著大氣和海洋間的熱量、動量和水汽交換過程, 對全球表面的能量收支起重要作用。本文基于最優插值方法, 對微波輻射計WindSat、AMSR-E、ASMR2、HY-2 RM和紅外輻射計MODIS、AVHRR數據進行融合, 制作了0.1°空間分辨率的SST融合產品, 并基于實測數據在中國渤海和黃海北部開展了SST產品的精度驗證和修正研究。這為開展海氣相互作用的研究提供了重要的科學依據, 具有良好的應用前景。

1 SST融合產品介紹

1.1 SST多源遙感數據

SST融合產品所使用的遙感數據包括: WindSat、ASMR-E、AMSR2、HY-2 RM、MODIS(Aqua、Terra)和AVHRR等7個微波、紅外輻射計數據。

微波輻射計AMSR-E、AMSR2和WindSat的每日SST數據由遙感系統RSS提供, 其空間分辨率為25 km, 數據格式為二進制, 數據產品中包括每日升軌/降軌的SST、風速、水汽和云液水產品[3]。ASMR-E的在軌時間為2002年3月至2011年10月, 目前已停止工作。AMSR2是AMSR-E的后繼星, 于2012年5月發射入軌, 至今正常在軌運行[4]。WindSat是歷史上第一個星載全極化微波輻射計, 于2003年1月發射, 至今在軌正常運行。本文提取了該3顆星的SST數據, 剔除了SST默認值和異常值。WindSat和AMSR-E的數據樣例如圖1所示。

圖1 WindSat(a)與AMSR-E(b)SST產品樣例

HY-2 RM微波輻射計數據由國家衛星海洋應用中心提供, 為L2級沿軌數據, 格式為HDF, 其中包含HY-2微波輻射計反演的SST、水汽含量、云液水含量等數據[5]。本文提取了HY-2的原始分辨率SST數據并進行了數據有效性檢查。HY-2 SST數據樣例及掃描時間如圖2所示。

圖2 HY-2 SST網格數據

MODIS Aqua/Terra數據由NASA提供, 空間分辨率為4 km, 數據格式為HDF[6]。本文讀取了SST數據和相應的質量標記位, 并進行了質量控制。MODIS/Terra于1999年12月入軌, MODIS/Aqua于2002年3月入軌, 目前兩星皆在軌正常運行。MODIS SST數據樣例如圖3所示。

圖3 MODIS SST數據樣例

AVHRR Pathfinder每日SST數據由NOAA下屬國家海洋數據中心NODC(National Ocean Data Center)提供, 空間分辨率為4 km, 數據格式為NetCDF[6]。本文讀取了該星的SST數據和相應的質量標記位, 并進行了質量控制。AVHRR首星于1981年6月發射入軌, 目前在軌的是其后繼星。AVHRR SST數據樣例如圖4所示。

圖4 AVHRR SST數據樣例

1.2 SST融合方法

圖5為融合SST產品的數據樣例。

圖5 SST融合個例

2 SST產品在渤黃海的質量評估與修正

2.1 數據時空匹配

本文利用渤海和黃海北部(35°~41°N, 117°~ 127°E)6個浮標的實測數據, 對SST融合產品在該區域的精度進行評估, 浮標數據的時間范圍是2011—2014年。遙感-現場數據時空匹配過程中, 首先對浮標數據進行預處理, 剔除了浮標觀測數據中的異常值; 由于浮標對SST的觀測頻次很高, 因此對同一浮標的觀測結果進行了日平均; 進而采用50 km、1 d的時空匹配窗口對浮標和SST融合產品進行了時空匹配, 共獲得匹配數據4 850組。

2.2 SST產品精度評估

基于以上時空匹配數據, 本文計算了SST融合產品相對浮標數據的平均偏差、均方根(root mean square, RMS)誤差和相關系數, 作為SST產品精度評估的統計指標。結果表明, SST融合產品的平均偏差為0.1℃, RMS誤差為1.1℃,相關系數為0.99。圖6是SST反演誤差的散點圖和誤差分布直方圖。

圖6 SST產品與浮標數據的比較(a)和誤差分布直方圖(b)

一般而言, 星載微波輻射計和紅外輻射計在大洋區域的SST反演精度優于1.0℃, HY-2微波輻射計的SST反演精度稍差, 約1.7℃[8]。本文生產的SST融合產品在中國近海的誤差略大于大洋區域, 其原因可能在于輻射計在近海區域的觀測數據容易受到陸地污染和無線電射頻干擾等因素的影響, 導致SST反演誤差增大[9]。

2.3 SST融合產品修正

本節利用SST融合產品和浮標匹配數據, 對SST融合產品進行修正, 以改善其在中國近海的精度。首先將4 850組匹配數據隨機平均分為建模數據集和檢驗數據集, 利用建模數據集建立SST融合產品與現場數據的經驗關系, 對融合產品進行修正; 利用檢驗數據集對修正后的SST產品進行檢驗, 并與修正前的結果進行比較。

由圖6可知, SST融合數據和浮標觀測數據在散點圖中基本都分布在1︰1線附近, 因此本文選擇線性方程對SST融合數據和浮標數據進行擬合, 得到線性擬合方程為:

其中,Buoy為浮標觀測數據,Fusion為融合數據。

利用以上回歸方程對檢驗數據集中的SST融合結果進行了修正, 并與浮標數據進行比較。結果表明, 修正后的SST融合產品的平均偏差為0.01℃, 明顯優于修正前的結果, RMS誤差為1.0℃, 略優于修正前的結果。下圖為修正后的SST產品與浮標實測數據的比較。

圖7 修正后的SST產品與浮標的比較

3 渤黃海區域SST分布特征分析

本文利用以上制作的SST融合數據, 以中國渤海和黃海北部(35°~41°N, 117°~127°E)為研究區域, 對該海域SST的時空分布特征進行了分析, 計算了該海域2004—2014年各年4季的海表溫度平均值和標準差, 其中春季取3—5月, 夏季取6—8月, 秋季取9—11月, 冬季取12月—次年2月, 結果如圖8所示。

圖8 2004~2014年海表溫度平均值和標準差

圖中可見, 渤黃海區域夏季海溫一般在22℃以上, 其中2011年夏季的平均海溫為20.9℃, 較其他年份同期海溫低1℃以上; 秋季海溫一般在18.5℃以上, 其中2011年秋季平均海溫18.1℃較往年略有偏低; 該海域春季平均海溫在2010—2011年也出現一個低值, 約7.1℃; 冬季海溫比較穩定, 為3~3.5℃。海溫的標準差反映了海水溫度的均勻程度, 由圖8可知, 該海域春季海溫標準差最大, 為1.2℃以上, 表明海水在升溫過程中溫度梯度比較明顯; 冬季海溫標準差最小, 一般在0.6℃以下, 表明海溫此時最為均勻; 2011年夏季海溫的標準差明顯低于2010年和2012年, 表明上述2011年夏季平均海溫低于常年的現象是由于海溫整體偏低導致。

4 結論

本文利用國內外多個微波、紅外輻射計的SST產品, 基于最優插值方法制作了一種0.1°空間分辨率的全球每日SST產品; 并基于浮標實測數據在我國渤黃海區域對SST產品進行了精度評估與修正, 最后對該海域11年的海溫分布特征進行了分析, 得到結論如下: (1)相對于浮標實測數據, SST融合產品在渤黃海區域的偏差為0.1℃, RMS誤差為1.1℃; 由于輻射計在近海區域的數據容易受到陸地污染和無線電射頻干擾, 融合產品在近海的精度低于大洋區域。(2)本文利用浮標實測SST數據對SST融合產品進行了修正, 修正后SST融合產品的偏差為0.01℃, RMS誤差為1.0℃, 較修正前有所改善。(3)利用SST融合產品對渤黃海海域的SST分布特征進行了分析, 結果表明, 渤黃海海域夏季水溫一般高于22℃, 冬季水溫一般為3~3.5℃; 該海域冬季海溫均勻, 標準差小于0.6℃; 春季海水升溫過程中海溫最不均勻, 海溫標準差大于1.2℃。

[1] Dash P, Ignatov A, Martin M, et al. Group for high resolution sea surface temperature (GHRSST) analysis field sinter-comparisons—Part 2: Near real time web-based level 4 SST Quality Monitor (L4-SQUAM)[J]. Deep-Sea Research II, 2012, 80: 31-43.

[2] Hosoda K, Qin Huiling. Algorithm for estimating sea surface temperatures based on aqua/MODIS global ocean data. 1. Developmentand validation of the algorithm [J]. Journal of Oceanography, 2011, 67 (1): 135-145.

[3] H?yer J L, Karagali I, Dybkj?r G, et al. Multi sensor validation and error characteristics of arctic satellite sea surface temperature observations [J]. Remote Sensing of Environment, 2012, 121: 335-346.

[4] Kurihara Y, Sakurai T, Kuragano T. Global daily sea surface temperature analysis using data from satellite microwave radiometer, satellite infrared radiometer and in-situ observations [J]. Weather Bull, 2006, 73: 1-18.

[5] Martin M, Dash P, Ignatov A, et al. Group for high resolution sea surface temperature (GHRSST) analysis field sinter-comparisons. Part 1: A GHRSST multi-product ensemble (GMPE) [J]. Deep-Sea Research II, 2012, 80: 21-30.

[6] Meissner T, Wentz F. Ocean Retrievals for WindSat[J]. IEEE Microrad, 2006, 7: 119-124.

[7] Reynolds R, Smith T. Improved global sea surface temperature analyses using optimum interpolation[J]. Journal of Climate, 1994, 7(6): 929-948.

[8] Reynolds W, Smith T, Liu C, et al. Daily high-resolu-tion-blended analyses for sea surface temperature[J]. Journal of Climate, 2007, 20(11): 5473- 5496.

[9] Shaw A, Vennell R. A front-following algorithm for AVHRR SST imagery[J]. Remote Sensing of Environment, 2000, 72(3): 317-327.

[10] Zabolotskikh E, Mitnik L, Reul N, et al. New possibilities for geophysical parameter retrieval opened by GCOM-W1 AMSR2[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014, 8(9): 4248-4261.

[11] Zhao Yili, Zhu Jianhua, Lin Mingsen, et al. Assessment of the initial sea surface temperature product of the scanning microwave radiometer aboard on HY-2 Satellite[J]. Acta Oceanologica Sinica, 2014, 33(1): 109- 113.

[12] 蔣興偉, 林明森, 宋清濤. 海洋二號衛星主被動微波遙感探測技術研究[J]. 中國工程科學, 2013, 15(7): 4-11.Jiang Xingwei, Lin Mingsen, Song Qingtao. Active and passive microwave remote sensing technology of the HY-2A ocean satellite mission[J]. Engineering Sciences, 2013, 15(7): 4-11.

[13] 孫廣輪, 關道明, 趙冬至, 等. 星載微波遙感觀測海表溫度的研究進展[J]. 遙感技術與應用, 2013, 28(4): 721-730. Sun Guanglun, Guan Daoming, Zhao Dongzhi, et al. Research on observing sea surface temperature(SST) based on microwave remote sensing by satellite[J]. Remote Sensing Technology and Application, 2013, 28(4): 721-730.

(本文編輯: 劉珊珊)

Quality assessment and correction of SST fusion product in the Bohai Sea and the Huanghai Seas

CAO Kai-xiang1, JIN Xi-fang2, SUN Wei-fu1, WANG Jin3

(1. The First Institute of Oceanography, State Oceanic Administration, Qingdao 266061, China; 2. North China Sea Marine Forecasting Center of State Oceanic Administration, Qingdao 266061, China; 3. Qingdao University, Qingdao 266003, China)

Sea surface temperature (SST) is a key parameter used in physical ocean research and has an important influence on sea-air interaction and global climate change. Space-borne microwave and infrared radiometers are the main methods used in SST remote sensing. However, although microwave radiometers provide all-weather technology their spatial resolution is sparse, and although infrared radiometers have a good resolution they are affected by cloud. In this study, a 0.1° daily SST fusion product is analyzed using the optimum interpolation method. Data resources include WindSat, AMSR-E, ASMR2, HY-2 RM, MODIS, and AVHRR. Buoy data are used to validate and correct the fusion SST product and its SST characteristics in the Bohai and the Huanghai Seas are also studied. Results show that the RMS error of this SST product is 1.1℃, but this decreases slightly after correction. SST characteristics show the lowest standard deviation of SST is in winter, and SST tends to be inhomogeneous in spring when sea temperatures rise.

SST(sea surface temperature); data fusion; the Bohai Sea and the Huanghai Sea; quality assessment; distribution characteristics

Aug. 31, 2016

曹凱翔(1994-), 男, 山東諸城人, 碩士, 研究方向為微波輻射計信息提取, 電話: 0532-58750699, E-mail: 676751961@ qq.com; 王進,通信作者, 博士, 主要從事被動微波海洋遙感方向研究, 電話: 0532-85950680, E-mail: wangjin@qdu.edu.cn

P731.11

A

1000-3096(2017)09-0050-06

10.11759/hykx20160831001

2016-08-31;

2016-09-20

國家重點研發計劃項目(2016YFA0600102); 國家高技術研究發展計劃(863計劃)(2013AA122803); 海洋公益性行業科研專項(2013418032)

[The National Key Research and Development Program of China, No. 2016YFA0600102; National High-tech R&D Program of China (863 Program), No. 2013AA122803; Public Science and Technology Research Projects of Ocean, No. 2013418032]