西北太平洋海表溫度融合產品交叉比對分析

奚萌,宋清濤,2,李文君,鄒斌,2,林明森,2*

西北太平洋海表溫度融合產品交叉比對分析

奚萌1,宋清濤1,2,李文君3,鄒斌1,2,林明森1,2*

(1.國家衛星海洋應用中心,北京100081;2.國家海洋局空間海洋遙感與應用研究重點實驗室,北京100081;3.國家海洋環境監測中心,遼寧 大連116023)

海表溫度產品是研究全球海洋大氣系統的重要數據源,在海洋相關領域的研究和應用方面具有重要價值。以西北太平洋海域為研究區域,本文對2007-2014年的3個海表溫度融合數據(AVHRR OISST,MISST和OSTIA)的產品特性與Argo浮標進行了真實性檢驗,并對融合產品進行了交叉比對分析。結果表明,3個融合產品在空間尺度上均能反映西北太平洋海域的海表溫度變化趨勢。融合數據與Argo浮標的平均偏差在±0.1℃之間,均方根誤差小于0.9℃。融合數據與浮標數據存在明顯的季節性變化,其中冬季融合數據與浮標數據的平均偏差和均方根誤差較小。在高緯海域,融合產品和浮標存在正偏差。與另兩個融合產品相比,OSTIA的數據質量與Argo浮標最為接近。3個融合產品在近岸和高緯海域差異較大,三者對海冰的標識和處理方式不同對融合結果也有影響。在2012年6月之前MISST和OSTIA的海表溫度數據質量更為接近,但在此之后MISST存在系統誤差。紅外數據、微波數據和實測數據作為輸入數據,是制作高時空分辨率高精度海表溫度融合產品必不可少的要素。

海表溫度;融合產品;Argo數據;西北太平洋;統計分析

1 引言

海表溫度(sea surface temperature,SST)作為海洋環境基礎參量之一,其時空變化規律對分析海洋在氣候系統和全球變化中的作用具有重要意義。目前獲取海表溫度有現場觀測和衛星遙感兩種方式。現場觀測易受到海況、儀器、船只和人員等多種因素的制約,獲取的數據量有限且時空覆蓋范圍小;而衛星遙感具有可實現大面積同步測量、獲取速度快、更新周期短和信息量大等優勢。衛星遙感探測分為熱紅外遙感和被動微波遙感:熱紅外遙感產品空間分辨率高達1.1 k m,但其空間覆蓋率易受到天氣條件制約;被動微波遙感產品可實現全天候觀測,但空間分辨率低至25 k m且近岸海域易受陸地信號干擾無有效數據[1]。由此可見,為制作高時空分辨率和高精度的全天候近實時海表溫度產品,需克服現場觀測和單一衛星傳感器獲取數據存在的局限性和差異性,結合不同衛星傳感器的特點,對數據進行有效融合。對現有融合產品進行比對分析是為發現現有產品存在的不足,探究改進方法。

近年來,國內外有許多學者對海表溫度融合產品進行比對分析,如,Reynolds和Chelton[2]通過對不同空間分辨率融合產品的研究,發現在大梯度和觀測數據稀少的區域里,融合產品之間的偏差甚至能達到5℃。Martin等[3]利用GMPE系統(GHRSST multiproduct ensemble)對海表溫度融合產品數據與Argo浮標數據進行了比對分析,結果表明在全球范圍大部分融合產品的平均偏差在0.02～0.04℃之間,標準偏差小于0.7℃,其中OSTIA的標準偏差甚至小于0.5℃。Dash等[4]介紹了基于網絡平臺的L4-SQUAM系統(the L4 SST Quality Monitor)并監測了13種海表溫度融合產品的質量,最終發現由于各個融合產品有不同的處理方法,在高緯度海冰過渡地帶往往存在大于2℃的差異。蔣興偉等[5]展示了南大洋阿古拉斯回流與繞極環流交匯區域的6種不同融合產品(AVHRR OISST、AMSR+AVHRR OISST、NCODA、MISST、RTG-HR和 OSTIA),結果表明在紅外數據覆蓋率較好的情況下,微波數據不僅不能提供更多的海表溫度信息,反而會降低產品的空間解析能力。胡曉悅等[6]利用Argo、Argos現場觀測海表溫度,對OSTIA、MISST、MWSST以及NGSST 4種融合產品在南海及其周邊海域的適用性進行評估,發現它們在水深大于80 m的海區沒有顯著性差異,但彼此間的偏差會隨水深變淺而增大,且產品偏差存在季節性差異。在前人研究的基礎上,本文重點是對長時間序列融合產品的空間分布進行比對分析以便評定多源融合產品的優劣,同時也展示了西北太平洋海域分析結果的空間分布和差異。本文的工作可以為日后融合產品的質量控制和產品精度的提高提供重要的參考,同時也可以結合我國衛星輻射計海表溫度數據和相關數據融合算法,為預報和應用等部門提供高時空分辨率、高精度的海表溫度融合產品。

2 數據源及其介紹

全球海洋同化實驗計劃(Global Ocean Data Assi milation Experi ment,GODAE)專門成立了高分辨率遙感海表溫度融合小組GHRSST-PP(the GODAE High-Resolution Sea Surface Temperature Pilot Project)[7],采用不同的數據源、融合算法和時空分辨率發布了很多海表溫度融合產品。本文使用的數據源為3個融合產品海表溫度數據(AVHRR OISST、MISST和OSTIA)和Argo浮標數據,研究時間范圍為2007-2014年,研究區域范圍為西北太平洋海域(0°～60°N,100°～160°E)。西北太平洋海域受副熱帶高壓和季風系統影響臺風高發,黑潮經該海域蜿蜒北上,氣候和水動力環境復雜多變,是海表溫度融合產品精度檢驗的理想海域。

2.1 AVHRR OISST

OISST產品是由Reynolds團隊制作的逐日海表溫度產品[8],包括AVHRR OISST和AVHRR+AMSR OISST兩種融合產品,空間分辨率為25 k m,網格間距為(1/4)°。由于AMSR-E衛星天線故障,AVHRR+AMSR OISST產品從2011年10月5日起停止提供相應產品。AVHRR OISST僅使用AVHRR紅外數據和實測數據,首先利用實測數據修正白天遙感數據產生的大尺度偏差,然后使用最優插值算法(Opti mum Interpolation,OI)計算生成融合產品。

AVHRR OISST所使用的插值算法是Reynolds OI算法的第二個版本,主要是在第一版的基礎上增添了一些額外的時間平滑。時間平滑主要用來分析連續3天的遙感數據,分析的日期定義為3天時間段的中間1天,其中中間1天的數據權重高于其他兩天。

2.2 MISST

MISST產品由RSS(Remote Sensing Systems)制作的全球每日平均海表溫度產品,空間分辨率為9 k m,全球數據格點數為4 096×2 048。MISST是以最優插值算法為基礎,并融合了能夠穿透云層的微波數據和高空間分辨率的紅外數據。其中,微波數據由TMI、AMSR-E(或AMSR-2)以及 WindSat提供,紅外數據由Terra和Aqua上搭載的MODIS提供。

MISST產品通過時間平滑來確定連續3天的遙感觀測數據中間1天的海表溫度。所有的白天觀測數據都由當地時間的風速進行調整校正[9]。值得一提的是,MISST并不像AVHRR OISST和OSTIA兩個海表溫度融合產品直接使用實測數據,因此MISST沒有校正基本溫度。但AMSR和TMI數據已經通過浮標數據進行了校正和驗證,大尺度MODIS數據偏差也已通過AMSR數據調整校正。由于MISST在處理過程中沒有對數據進行充分的平滑濾波,導致海表溫度梯度分析結果會含有許多小尺度特征。

2.3 OSTIA

OSTIA是Met Office基于GHRSST-PP提供的數據發布的。OSTIA使用了AATSR數據、SEVIRI數據、AVHRR數據、AMSR數據、TMI數據和實測數據,其空間分辨率為5 k m,網格間距為(1/20)°[10]。為了消除白天海表升溫帶來的誤差影響,所有輸入的數據均濾除了白天風速小于6 m/s的觀測值。所有衛星的海表溫度數據均參考并結合AATSR數據和浮標實測數據進行調整。OSTIA目前可提供全球均方根誤差小于0.6℃的近實時、高空間分辨率海表溫度數據。OSTIA在本文研究時間范圍內缺少2007年8月1日和2011年9月19日兩天的海表溫度融合產品數據。

2.4 Argo

Argo計劃是旨在快速、準確的收集全球海洋上層的海水溫度、鹽度和海流等剖面資料,于1998年推出的全球海洋觀測計劃[11-12]。圖1為2007-2014年在西北太平洋海域Argo浮標的觀測點分布,這些觀測點均經過質量控制并插值到(1/4)°空間分辨率的空間網格,共計100 185個觀測數據,能夠覆蓋研究海域的66.57%,日本海南部海域和北太平洋副熱帶環流區西部海域觀測頻次較高,在南海南部、東海、黃海、渤海和鄂霍茨克海等海域獲得的數據稀少。

圖1 2007—2014年西北太平洋Argo浮標海表溫度觀測點數分布Fig.1 SST observation points distribution of Argo SST during 2007 to 2014 in the Northwest Pacific Ocean

3 研究方法

3.1 匹配方法

本文選取水深0～1 m范圍內的Argo浮標數據,先剔除無質量標識或包含錯誤地理及時間信息的數據,并參考Marcello等[13]的做法對浮標數據進行了修訂和剔除;再根據空間就近點原則,將其經緯度信息和時間信息逐日插值到空間分辨率為(1/4)°的均勻網格上,當一個網格點包含多個數據時,需進行算術平均后作為網格點觀測值保留。由于浮標數據和融合數據的時間分辨率均為1 d,因此選取與融合產品在同一天內的同一網格點的浮標海表溫度數據進行匹配。空間窗口的匹配參考Bailey和Werdell[14]的方法,具體如下:(1)以Argo浮標對應的網格點為中心,選取5×5的空間網格作為空間窗口匹配融合數據;(2)計算有效數據的均值X-和標準差σ,剔除X-±(1.5×σ)之外的數據,以減少較異常數據對均值計算的影響;(3)重新計算均值和標準差,并計算方差系數CV=標準差/均值,若CV≤0.15,則通過均勻性判識。

AVHRR OISST、MISST和OSTIA 3個融合產品的空間網格間距各不相同,首先對MISST和OSTIA進行插值,將3個融合產品的網格間距統一為(1/4)°,選取時間窗口為1 d后,再分別進行交叉匹配。

3.2 比對方法

本文對海表溫度匹配點數據分別進行了平均偏差、絕對偏差、標準偏差和均方根誤差的統計分析[15]。平均偏差bias計算公式為:

式中,S和I表示不同融合產品或Argo浮標的海表溫度數據;Si表示第i個匹配點海表溫度數據的大小;n表示匹配點海表溫度數據總數,是兩種數據的系統偏差之間差異程度的量度。

絕對偏差abs_bias計算公式為:

由于離差被絕對值化,不會出現正負抵消的情況,因此能更好的反映系統偏差的實際情況。

標準偏差std計算公式為:

標準偏差反映了觀測的海表溫度數據之間的偏差相對于其平均偏差的離散程度,標準偏差越大則海表溫度數據的偏差分布越分散。

均方根誤差r mse計算公式為:

對產品之間特大或特小誤差非常敏感,能夠很好的反映出觀測結果的精密度。

4 結果與分析

4.1 融合產品海表溫度數據分布

由于融合產品的海表溫度數據均是全覆蓋,因此3個融合產品與Argo浮標匹配點數量,以及融合產品之間的匹配點數量基本一致據,在高緯海域對海冰標識方式不同,造成了各個融合產品之間匹配點數量的差異。

圖2和圖3分別為2014年7月2日(夏季)和12月27日(冬季)3個融合產品的海表溫度分布圖和海表溫度梯度分布圖[16]。定性比較各個海表溫度融合產品的單天海表溫度分布和梯度分布,結果表明3個融合產品均能明確反映西北太平洋海域夏季和冬季單日的海表溫度變化趨勢且比較一致,研究海域的溫度梯度變化冬季比夏季更明顯。

MISST融合產品由于在數據處理過程中缺少必要的中值濾波,相對于AVHRR OISST和OSTIA的海表溫度梯度分布,MISST的噪音更為明顯。在鄂霍茨克海西北部海域,相對于圖2d和圖2f,圖2b顯示的AVHRR OISST海表溫度偏高;圖3d比圖3b和圖3f中海冰邊緣的海表溫度梯度值明顯偏高,原因主要是不同產品在數據融合過程中對海冰的處理方式不同,這與Dush等[4]研究得到的現象一致。為減少海冰對融合數據的影響,在今后的融合算法中可以選取更豐富的數據源作為輸入數據以便增加觀測數據的覆蓋率,或者增加對高緯海域海表溫度數據的質量控制并對海冰單獨進行標識認定。

4.2 融合產品與實測海表溫度數據比對結果

表1至表3為3個融合產品分別與Argo浮標匹配點海表溫度的統計分析結果,包括匹配點數量、平均偏差、絕對偏差、標準偏差和均方根誤差。AVHRR OISST與Argo浮標存在-0.01℃的負偏差,MISST與Argo浮標存在-0.04℃的負偏差,OSTIA與Argo浮標存在0.04℃的正偏差。表1和表3表明,AVHRR OISST和OSTIA兩種融合產品與Argo浮標比對結果較為穩定,平均偏差均沒有年際變化;但MISST與Argo浮標比對結果并不穩定(表2),2012年以前都為正偏差,2012-2014年呈負偏差并逐年增大,說明在2012年以后MISST存在一定的系統誤差,可能是MISST中新引入的AMSR-2數據造成的。AVHRR OISST、MISST、OSTIA與Argo浮標的絕對偏差分別為0.49℃、0.45℃和0.44℃;AVHRR OISST、MISST、OSTIA與Argo浮標的標準偏差分別為0.76℃、0.69℃和0.71℃;AVHRR OISST、MISST、OSTIA與Argo浮標的均方根誤差分別為0.76℃、0.69℃和0.71℃。本文統計分析結果與Martin等[3]分析結果基本一致,但研究區域融合數據比對分析結果略差于全球數據。絕對偏差、標準偏差和均方根誤差結果均表明MISST和OSTIA略優于AVHRR OISST,說明微波傳感器提供的微波數據能夠有效提高了海表溫度融合數據的產品質量。與奚萌等[15-16]研究內容相比較發現,融合產品與Argo的統計分析結果介于兩種傳感器反演海表溫度的統計分析結果之間,優于微波輻射計,略差于紅外輻射計。這說明融合產品通過多源數據的輸入、融合算法的時空平滑處理有效提高了覆蓋率,并沒有降低產品的精度,但也不會明顯改善產品質量。

3個融合產品與Argo浮標匹配點的統計分析結果逐月演變如圖4所示,變化曲線基本一致,數據質量相對穩定;OSTIA與Argo浮標的正偏差更為明顯;AVHRR OISST的平均偏差更接近Argo觀測結果;自2012年6月之后,MISST與Argo浮標存在明顯的負偏差且波動較大,說明產品存在系統誤差需要校正,但由于MISST缺乏實測數據所以無法對遙感數據的大尺度偏差進行校正,因此這也顯示出實測數據作為輸入數據在融合產品中起到的重要作用。相對于Argo浮標,3個融合產品的海表溫度都存在明顯的季節性變化,平均偏差均是夏季為正、冬季為負,夏季的標準偏差和均方根誤差略大于冬季的結果,與微波輻射計[15]和紅外輻射計[16]檢驗結果一致。標準偏差和均方根誤差逐月演變結果顯示,在絕大部分月份MISST和OSTIA略好于AVHRR OISST,尤其在夏季差別表現的更為明顯。這是因為在夏季多云區域紅外數據會大量缺失,使用了微波數據的MISST和OSTIA可以改善融合產品的質量,也進一步說明不同季節中云覆蓋率的變化對AVHRR OISST融合產品的質量有顯著影響。因此,當紅外傳感器無法提供有效數據時,微波傳感器提供的海表溫度數據是一種重要補充。2011年4-7月3種融合產品的平均偏差、標準偏差和均方根誤差明顯高于其他年份的同時段。通過對3個融合產品與Argo浮標的統計結果進行的比對分析可以看出,紅外數據、微波數據和實測數據在融合產品中都起到了必不可少的作用,因此,相比于AVHRR OISST和MISST的數據質量,使用了這3類數據的OSTIA數據質量與Argo數據更為接近。

表1 AVHRR OISST與Argo浮標海表溫度匹配點統計分析結果Tab.1 SST statistical analysis of matching points bet ween AVHRR OISST and Argo

表2 MISST與Argo浮標海表溫度匹配點統計分析結果Tab.2 SST statistical analysis of matching points bet ween MISST and Argo

表3 OSTIA與Argo浮標海表溫度匹配點統計分析結果Tab.3 SST statistical analysis of matching points bet ween OSTIA and Argo

圖2 融合產品單天海表溫度分布Fig.2 Daily SST distribution of merging productsa.2014年7月2日AVHRR OISST;b.2014年12月27日AVHRR OISST;c.2014年7月2日MISST;d.2014年12月27日MISST;e.2014年7月2日OSTIA;f.2014年12月27日OSTIAa.AVHRR OISSTfor 2 July 2014;b.AVHRR OISSTfor 27 December 2014;c.MISSTfor 2 July 2014;d.MISSTfor 27 December 2014;e.OSTIA for 2 July 2014;f.OSTIA for 27 December 2014

圖3 融合產品單天海表溫度梯度分布Fig.3 Daily SST gradient distribution of merging productsa.2014年7月2日AVHRR OISST;b.2014年12月27日AVHRR OISST;c.2014年7月2日MISST;d.2014年12月27日MISST;e.2014年7月2日OSTIA;f.2014年12月27日OSTIAa.AVHRR OISSTfor 2 July 2014;b.AVHRR OISSTfor 27 December 2014;c.MISSTfor 2 July 2014;d.MISSTfor 27 December 2014;e.OSTIA for 2 July 2014;f.OSTIA for 27 December 2014

圖4 2007—2014年融合產品與Argo浮標海表溫度匹配點統計分析結果逐月演變Fig.4 Monthly SST statistical analysis of matching points among merging products and Argo during 2007 to 2014,respectivelya.平均偏差;b.標準偏差;c.均方根誤差a.Bias;b.standard deviation;c.root mean square error

圖5 2007—2014年融合產品與Argo浮標海表溫度匹配點誤差棒分析Fig.5 SST error bar analysis of matching points among merging products and Argo during 2007 to 2014a.AVHRR OISST與Argo;b.MISST與Argo;c.OSTIA與Argoa.AVHRR OISST and Argo;b.MISST and Argo;c.OSTIA and Argo

圖5 為海表溫度誤差棒分析結果,展示的是在1℃溫度區間內融合產品與Argo浮標的匹配點個數、平均偏差和標準偏差。在低溫區域(小于16℃),3種融合產品均與Argo浮標存在正偏差(大于0.1℃),且隨著溫度的降低偏差有增大的趨勢,標準偏差也均大于1℃。這部分匹配點主要集中在高緯海域(35°N以北),只占匹配點總數的14.1%,與微波輻射計反演的海表溫度結果在高緯海域得到的結論相似[15],與紅外輻射計反演的海表溫度結果略有不同[16],這說明輸入數據精度對融合產品精度有直接影響,在高緯海域紅外數據觀測點稀少,融合產品受微波數據影響較大。如果希望在低溫或多云區域內得到高質量的融合產品,一方面需要改進微波輻射計反演產品的質量,另一方面應增加紅外數據在融合過程中的權重系數。3個融合產品與Argo浮標匹配點主要分布在17～31℃的溫度區間,占匹配點總數的85.7%,最為集中的27～30℃占匹配點總數的43.4%。在16～30℃溫度區間,融合產品與Argo浮標的平均偏差比較一致(±0.1℃之間)。在25～32℃溫度區間,AVHRR OISST與Argo浮標的標準偏差小于0.7℃,占匹配點總數的58.1%;在27～32℃溫度區間,AVHRR OISST與Argo浮標的標準偏差小于0.5℃,占匹配點總數的47.4%。在23～32℃溫度區間,MISST與Argo浮標的標準偏差小于0.7℃,占匹配點總數的66.5%;在27～32℃溫度區間,MISST與Argo浮標的標準偏差小于0.5℃,占匹配點總數的47.4%。在23～32℃溫度區間,OSTIA與Argo浮標的標準偏差小于0.7℃,占匹配點總數的66.5%;在26～32℃溫度區間,OSTIA與Argo浮標的標準偏差小于0.5℃,占匹配點總數的53.2%。相對于AVHRR OISST和MISST,在相同的標準偏差范圍內,OSTIA有更寬廣的溫度區間。但總體上看,3種融合數據與浮標數據的偏差程度和離散程度均較小,數據質量可靠。在高溫區域(大于30℃),3個融合產品與Argo浮標都存在負偏差(小于-0.1℃),且隨著溫度升高偏差增大;匹配點稀少,只占匹配點總數的4.0%。相比于MISST和OSTIA,AVHRR OISST與Argo浮標數據質量差異更大。

造成海表溫度融合產品與浮標偏差的原因主要有以下幾方面:(1)Argo浮標數據測得是水下1 m的水體溫度,而融合產品的海表溫度是結合了觀測水下1μm的紅外數據和1 mm的微波數據計算而成,盡管對Argo浮標數據進行了質量校正,但由于觀測深度不同仍會產生偏差[17];(2)西北太平洋海域海洋表層和次表層的溫度差異存在明顯的季節變化,皮溫與體溫的差異在冬季比夏季更小,海表溫度垂直結構的季節變化也是融合數據和浮標數據產生偏差的原因;(3)Argo浮標數據是指時間窗口內的瞬時溫度,而融合產品是按不同融合算法、時空尺度和質量控制流程計算的日平均海表溫度,這必然會影響檢驗精度;(4)Argo浮標數據是(1/4)°的觀測網格內所有單點觀測的海表溫度平均值,而融合產品海表溫度是網格化結果,即(1/4)°的觀測網格內觀測海表溫度的平均值。在海表溫度梯度變化較大的區域,融合數據與浮標數據差異值會更大。由于西北太平洋海域有黑潮經過,會產生諸多渦旋和鋒面,所以該海域海表溫度時空變化相對劇烈。

4.3 融合產品海表溫度數據交叉比對結果

表4至表6分別為2007-2014年MISST與AVHRR OISST、OSTIA與 AVHRR OISST、MISST與OSTIA的海表溫度數據匹配點統計分析結果;圖6、圖7、圖9和圖10分別為MISST與AVHRR OISST、OSTIA與AVHRR OISST、OSTIA與 MISST的平均偏差分布、均方根誤差分布、統計分析結果逐月演變和海表溫度誤差棒分析結果;圖8為2012年9月30日至10月13日AVHRR OISST的異常點海表溫度分布圖;圖11為2007-2014年異常值海表溫度觀測點分布。

表4 MISST與AVHRR OISST海表溫度匹配點統計分析結果Tab.4 SSTstatistical analysis of matching points bet ween MISST and AVHRR OISST

表5 OSTIA與AVHRR OISST海表溫度匹配點統計分析結果Tab.5 SST statistical analysis of matching points bet ween OSTIA and AVHRR OISST

表6 MISST與OSTIA海表溫度匹配點統計分析結果Tab.6 SST statistical analysis of matching points bet ween MISST and OSTIA

圖6 2007—2014年融合產品海表溫度匹配點平均偏差分布Fig.6 SST bias distribution of matching points among merging products during 2007 to 2014,respectivelya.MISST與AVHRR OISST;b.OSTIA與AVHRR OISST;c.MISST與OSTIAa.MISST and AVHRR OISST;b.OSTIA and AVHRR OISST;c.MISST and OSTIA

圖7 2007—2014年融合產品海表溫度數據匹配點均方根誤差分布Fig.7 SST root mean square error distribution of matching points among merging products during 2007 to 2014,respectivelya.MISST與AVHRR OISST;b.OSTIA與AVHRR OISST;c.MISST與OSTIAa.MISST and AVHRR OISST;b.OSTIA and AVHRR OISST;c.MISST and OSTIA

圖8 2012年9月30日至10月13日AVHRR OISST異常點海表溫度分布Fig.8 Abnor mal SST distribution of AVHRR OISST during 30 September 2012 to 13 October 2012

由圖6和圖7所示,近岸海區水汽、氣溶膠等復雜的大氣條件,泥沙懸浮物含量較高的水體,以及上升流、波浪破碎等諸多海洋動力因素,都會對衛星傳感器接收到的海面輻射產生影響從而給遙感反演海表溫度的準確性帶來一定誤差,進而導致融合產品之間近岸數據差異較大,數據質量較差。這一分析結果與Xie等[18]的研究結果一致,他們認為在水深小于80 m的東海陸架海域,產品之間的偏差會隨水深的減小而迅速增大,并且在水深40 m和80 m存在兩個較大斜率的拐點,因此大于80 m的海域海表溫度融合產品可獨立使用,但在近岸則需進一步修正。在高緯海域尤其是鄂霍茨克海海域,由于AVHRR OISST沒有使用微波數據作為輸入數據,其輸入數據覆蓋率遠低于其他兩個融合產品從而導致海表溫度偏高。因此在高緯海域AVHRR OISST與MISST、OSTIA的平均偏差比對結果會出現負偏差,均方根誤差也遠遠大于低緯海域。

在融合算法中[19],空間網格點上的分析值是由網格點的背景場值(又稱為預報值)加上修訂值而確定的,背景場值是前一天融合產品的分析值,其修訂值由相關半徑內各觀測點的觀測值與背景場值的偏差加權求得,其權重系數(即最優插值系數)不是任意選擇的,應該使得網格點分析值的誤差達到最小。公式如下:

式中,νam代表變量在空間網格點上的分析值;νem代表變量在空間網格點上的背景場值;K為權重系數;νos代表變量在觀測點的觀測值;νes代表變量在觀測點的背景場值。

當受到云覆蓋和氣溶膠的影響時,紅外數據會得到異常觀測值。若通過質量控制沒有刪除該異常觀測值,而繼續將其作為正常值引入到融合算法中進行計算,則會導致融合產品的此分析點結果異常。如果第1天的融合結果異常,但第2天該區域得到正常觀測值時,融合產品會通過計算觀測增量修正背景場異常值,最終會得到第2天的正確值。但若該區域在第2天沒有獲得新的觀測值時,只能選用分析點相關半徑內的其他觀測值來計算分析點的增量,即使這些觀測值正常,但在引入到融合算法時仍然無法消除和修正已經存在的異常值,直到分析點有新的正確觀測值出現才會得到正確的融合結果。圖7a和7b中10°N,150°E存在異常值(圖內紅圈所示),圖7c在該海域卻不存在異常值,這是由于2012年9月29日AVHRR OISST融合產品的受到17號“杰拉華”臺風的影響,輸入數據AVHRR在該海域產生了異常,之后又一直受到云覆蓋沒有新的觀測數據,直至10月13日獲得新的觀測值才完全修正了9月29日產生的異常值,如圖8所示。MISST和OSTIA由于有微波數據作為輸入數據和不同的質量控制方法,因而避免了異常值的出現。

由圖9所示,比較 MISST與AVHRR OISST、OSTIA與AVHRR OISST、MISST與OSTIA的數據匹配點逐月演變統計分析結果。2012年6月之后MISST融合結果出現明顯負偏差,其他月份之間平均偏差不超過±0.3℃,AVHRR OISST、OSTIA在整個研究時間范圍內數據質量一直保持穩定(圖9a)。從圖9b標準偏差的逐月演變過程可以看出,MISST與OSTIA的離散程度最小,MISST與AVHRR OISST的離散程度最大;也就是說MISST與OSTIA產品質量更為接近,MISST與AVHRR OISST產品差異更大。將圖9與圖2比對發現,融合產品之間比對的標準偏差和均方根誤差均小于與Argo浮標比對的結果。在3個融合產品與Argo浮標比對時出現的季節變化,卻沒有出現在3個融合產品的比對過程中,從而可以說明3個融合產品沒有因為海表溫度的季節變化產生質量差異。

圖9 2007—2014年融合產品海表溫度匹配點統計分析結果逐月演變Fig.9 Monthly SST statistical analysis of matching points among merging products during 2007 to 2014,respectivelya.平均偏差;b.標準偏差;c.均方根誤差a.Bias;b.standard deviation;c.root mean square error

圖10 2007-2014年融合產品海表溫度匹配點誤差棒分析Fig.10 SST error bar analysis of matching points among merging products during 2007 to 2014,respectivelya.MISST與AVHRR OISST;b.OSTIA與AVHRR OISST;c.MISST與OSTIAa.MISST and AVHRR OISST;b.OSTIA and AVHRR OISST;c.MISST and OSTIA

圖11 2007—2014年AVHRR OISST異常值海表溫度觀測點分布Fig.11 Abnor mal SST observation points distribution of AVHRR OISST during 2007 to 2014

由圖10所示,3種融合產品之間的匹配點均主要分布在18～31℃的溫度區間,占匹配點總數的78.6%。其中27～30℃的匹配點占總數的47.8%。在低溫區域(小于6℃)MISST和OSTIA都與AVHRR OISST存在小于-0.1℃的負偏差,而MISST與OSTIA之間卻沒有出現這種情況。說明微波輻射計作為輸入數據修訂了高緯海域這部分數據負偏差。將圖10與圖3比對可以看出,MISST和OSTIA與Argo浮標數據依然存在偏差,只是相比于AVHRR OISST有所改善。在10～30℃溫度區間,3個融合產品之間的平均偏差較一致(±0.1℃之間)。在20～31℃溫度區間,MISST與AVHRR OISST標準偏差小于0.7℃,占匹配點總數的73.5%;在28～31℃溫度區間,MISST與AVHRR OISST標準偏差小于0.5℃,占匹配點總數的44.6%。在18～32℃溫度區間,OSTIA與AVHRR OISST標準偏差小于0.7℃,占匹配點總數的77.2%;在25～31℃溫度區間,OSTIA與AVHRR OISST標準偏差小于0.5℃,占匹配點總數的60.9%。在18～33℃溫度區間,MISST與OSTIA標準偏差小于0.7℃,占匹配點總數的77.2%;在26～32℃溫度區間,MISST與OSTIA標準偏差小于0.5℃,占匹配點總數的64.5%。說明在該溫度區間內3種融合數據之間的偏差程度和離散程度都較小,數據質量可靠。

在圖10a和10b中高于32℃且偏差大于1℃的匹配點共有2 683個,相對較稀少,不到匹配點總量的0.002 7%,MISST和OSTIA較AVHRR有明顯負偏差(小于-1.0℃),從圖11的觀測點分布來看,主要分布在上文提到的2012年9月29日至10月12日在10°N,150°E的異常值處,南海東部海域也是由于類似異常值引入導致海表溫度融合結果異常升高。

由以上融合產品之間交叉比對分析結果可以看出,與AVHRR OISST相比,MISST和OSTIA的海表溫度數據質量更為接近。

5 結論

本文對西北太平洋海域2007-2014年的3個海表溫度融合產品(AVHRR OISST,MISST和OSTIA)以及Argo浮標的產品特性進行了介紹,并進行了交叉比對分析。為了評估融合產品的特性,計算了研究區域的融合產品單天海表溫度分布、單天海表溫度梯度分布、Argo浮標的觀測點數分布、統計分析結果逐月演變曲線、海表溫度誤差棒分析、以及融合產品之間的平均偏差分布和均方根誤差分布。結果表明:

(1)3個融合產品在空間尺度上都能比較一致的反映西北太平洋海域的海表溫度變化趨勢。

(2)融合數據與Argo浮標的平均偏差在±0.1℃之間,均方根誤差小于0.9℃。但是融合數據與浮標數據卻存在季節性變化,從融合數據與浮標數據匹配點統計分析結果逐月演變曲線可以看出,融合數據與浮標數據冬季的平均偏差和均方根誤差較小,夏季偏差較大。在高緯海域,融合產品與Argo浮標存在正偏差。相比于AVHRR OISST和MISST,OSTIA的數據質量與Argo浮標更接近。

(3)從2012年6月開始,MISST與Argo浮標、AVHRR OISST和OSTIA都存在偏差,使用時需要對其進行系統校正。相比AVHRR OISST和OSTIA,MISST也缺乏平滑處理,造成融合產品的溫度梯度偏大,噪音偏多。

(4)從平均偏差分布和均方根誤差分布可以看出,融合產品之間在近岸和高緯海域差異較大,需要進一步校正;對海冰的標識和處理也還需要改進。從整個比對分析過程可以看出,與AVHRR OISST相比,MISST和OSTIA的海表溫度數據質量更為接近。

(5)作為融合產品的輸入數據,紅外數據可以提高產品的特征分辨率,豐富產品的細節特征;微波數據的引入可以改善空間覆蓋率,彌補云對紅外數據的影響,降低異常值出現的概率;實測數據可以校正海表溫度大尺度偏差。因此為了制作高時空分辨率高精度的海表溫度融合產品,紅外數據、微波數據和實測數據都是必不可少的。

[1] 蔣興偉,宋清濤.海洋衛星微波遙感技術發展現狀與展望[J].科技導報,2010,28(3):105-111.Jiang Xingwei,Song Qingtao.Satellite microwave measurements of the global oceans and f uture missions[J].Science Guide,2010,28(3):105-111.

[2] Reynolds R W,Chelton DB.Comparisons of daily sea surfacetemperature analysesfor 2007-08[J].American Meteorological Society,2010,23:3545-3562.

[3] Martin M,Dash P,Ignatov A,et al.Group for High Resolution Sea Surface temperature(GHRSST)analysis fieldsinter-comparisons.Part 1:A GHRSST multi-product ensemble(GMPE)[J].Deep-Sea Research PartⅡ:Topical Studies in Oceanography,2012,77-80:21-30.

[4] Dash P,Ignatov A,Martin M,et al.Group for High Resolution Sea Surface Temperature(GHRSST)analysis fields inter-comparisons.Part 2:Near real ti me web-based level 4 SST Quality Monitor(L4-SQUAM)[J].Deep-Sea Research PartⅡ:Topical Studies in Oceanography,2012,77-80:31-43.

[5] 蔣興偉,奚萌,宋清濤.六種遙感海表溫度產品的比對分析[J].海洋學報,2013,35(4):88-97.Jiang Xingwei,Xi Meng,Song Qingtao.A comparison of six sea surface temperature analyses[J].Haiyang Xuebao,2013,35(4):88-97.

[6] 胡曉悅,張彩云,商少凌.南海及周邊海域融合海表溫度產品的驗證與互較[J].遙感學報,2015,19(2):328-338.Hu Xiaoyue,Zhang Caiyun,Shang Shaoling.Validation and inter-comparison of multi-satellite merged sea surface temperature products in the South China Sea and its adjacent waters[J].Journal of Remote Sensing,2015,19(2):328-338.

[7] Donlon C,Rayner N,Robinson I,et al.The global ocean data assi milation experi ment high-resolution sea surface temperature pilot project[J].Bulletin of the American Meteorological Society,2007,88(8):1197-1213.

[8] Reynolds R W,Smith T M,Liu C,et al.Daily high-resolution blended analysesfor sea surfacetemperature[J].Journal of Cli mate,2007,20(22):5473-5496.

[9] Gentemann C L,Donlon CJ,Stuart-Menteth A,et al.Diur nal signalsin satellite sea surface temperature measurements[J].Geophysical Research Letters,2003,30(3):1140.

[10] Reynolds R W,Gentemann C L,Corlett G K.Evaluation of AATSR and TMI satellite SST data[J].Journal of Cli mate,2010,23(1):152-165.

[11] Argo Science Team.Argo:The global array of profiling floats,in observing the oceans in the 21st Century[R].GODAE Project Office,2001:248-258.

[12] Roemmich D,Owensw B.The ARGO Project:global ocean observations for understanding and prediction of cli mate variability[J].Oceanography,2000,13(2):45-50.

[13] Marcello J,Eugenio F,Hernandez A.Validation of MODISand AVHRR/3 sea surface temperature retrieval algorith ms[J].Geoscience and Remote Sensing Sy mposium,2004,2:839-842.

[14] Bailey S W,Werdell PJ.A multi-sensor approach for the on-orbit validation of ocean color satellite data products[J].Remote Sensing of Environment,2006,102(1/2):12-23.

[15] 奚萌,宋清濤,林明森,等.西北太平洋多源微波輻射計海表溫度數據交叉比對分析[J].海洋學報,2016,38(7):32-47.Xi Meng,Song Qingtao,Lin Mingsen,et al.Intercomparison analysis of multi-microwave radiometer sea surface temperature data for the Northwest Pacific[J].Haiyang Xuebao,2016,38(7):32-47.

[16] 奚萌,宋清濤,林明森,等.西北太平洋紅外輻射計海表溫度數據交叉比對分析[J].海洋與湖沼,2017,48(3):436-453.Xi Meng,Song Qingtao,Lin Mingsen,et al.Intercomparison analysis of multi-infrared sea surface temperature data for the Northwest Pacific[J].Oceanologia et Li mnologia Sinica,2017,48(3):436-453.

[17] Ricciardulli L,Wentz FJ.Uncertaintiesin sea surfacetemperature retrievals fromspace:Comparison of microwave and infrared observations from TRMM[J].Journal of Geophysical Research,2004,109(C12):481-497.

[18] Xie J P,Zhu J,Li Y.Assessment and inter co mparison of five high-resolution sea surface temperature productsin the shelf and coastal seas around China[J].Continental Shelf Research,2008,28(10/11):1286-1293.

[19] 奚萌.基于最優插值算法的紅外和微波遙感海表溫度數據融合[D].北京:國家海洋環境預報研究中心,2011.Xi Meng.Merging infrared radiometer and microwave radiometer sea surface temperature data based on the opti mu minterpolation[D].Beijing:National Marine Environ mental Forecasting Research Center,2011.

Intercomparison analysis of merging sea surface temperature products for the Northwest Pacific Ocean

Xi Meng1,Song Qingtao1,2,Li Wenjun3,Zou Bin1,2,Lin Mingsen1,2

(1.National Satellite Ocean Application Service,State Oceanic Ad ministration,Beijing 100081,China;2.Key Laborator y of Space Ocean Remote Sensing and Applications,Beijing 100081,China;3.National Marine Environ mental Monitoring Center,Dalian 116023,China)

Sea surface temperature products are significant data sources for global ocean at mosphere systemstudies,and play an i mportant role for research and applications in marine related fields.Focusing on the Northwest Pacific Ocean,three merging SST products(AVHRR OISST,MISST and OSTIA)have been validated and compared with Argo,and interco mparison analysis among merging products during 2007 to 2014 in this paper.The results suggest that the overall trend of the variability changes of the three merging products is consistent in the study area.Bias is±0.1℃and root mean square error is less than 0.9℃bet ween merging products and Argo.Comparisons of merging data and buoy data have obvious seasonal cycles especially,bias and root mean square error are s maller in winter.There are positive deviation in the high latitude area.The data quality of OSTIAis moreideal than other merging products.The differences of data among merging products are relatively large in coastal and high latitude sea area.When seaiceis processed in different ways,merging products will be affected strongly.Before June 2012,the data qualities of SST are much closer bet ween MISST and OSTIA,but henceforth MISST exists system deviation.Infrared data,microwave data and situ data as input data are essential elements in order to produce high temporal-spatial resolution and high precision of merging SST products.

sea surface temperature;merging products;Argo data;the Northwest Pacific Ocean;statistical analysis

P716+.12;P731.11

A

0253-4193(2017)12-0136-17

奚萌,宋清濤,李文君,等.西北太平洋海表溫度融合產品交叉比對分析[J].海洋學報,2017,39(12):136-151,

10.3969/j.issn.0253-4193.2017.12.013

Xi Meng,Song Qingtao,Li Wenjun,et al.Intercomparison analysis of merging sea surface temperature products for the Northwest Pacific Ocean[J].Haiyang Xuebao,2017,39(12):136-151,doi:10.3969/j.issn.0253-4193.2017.12.013

2016-11-26;

2017-05-13。

海洋公益性行業科研專項經費項目“HY-2衛星海洋動力環境探測數據應用服務技術系統與示范”(201305032);基金面上項目“大氣對小尺度海表溫度結構的響應(41276019)”;國家基金委——山東省聯合基金項目“海洋環境動力學和數值模擬”(U1606405)。

奚萌(1985—),男,北京市人,助理研究員,從事海溫反演、數據融合方面研究。E-mail:xi meng@mail.nsoas.org.cn

*通信作者:林明森。E-mail:mslin@mail.nsoas.org.cn