多源星載輻射計SST數據對比分析

李宇恒孫偉富曹凱翔孟俊敏張 杰

(1.山東科技大學 測繪科學與工程學院,山東 青島266590;2.自然資源部 第一海洋研究所,山東 青島266061)

海表溫度(Sea Surface Temperature,SST)是研究海洋的重要參數之一,是全球氣候變化的關鍵指標,廣泛應用于氣候變化監測、大氣模擬等方面研究[1]。監測SST的分布和時空變化規律,對理解海洋溫度升高對全球環境變化有重要意義[2]。目前,獲取SST的方式有現場觀測和衛星遙感兩種方式,其中遙感探測又分為紅外遙感和微波遙感。基于浮標、科考船等獲取的實測溫度資料,不足以支撐全球范圍內大尺度、長時間序列、連續的SST時空變化分析。衛星遙感數據以其覆蓋面積廣,連續、實時、全天候的觀測等優勢,在SST時空變化分析上發揮著重要的作用,是目前全球海洋SST研究的重要技術手段。

SST紅外傳感器主要包括先進甚高分辨率輻射計(Advanced Very High Resolution Radiometer,AVHRR),中等分辨率輻射計(Moderate-resolution Imaging Spectroradiometer,MODIS)和可見光紅外輻射計組合儀(Visible Infrared Imaging Radiometer,VIIRS)等;SST微波傳感器主要包括Windsat,全球降水測量微波成像儀(GPM Microwave Imager,GMI)和高級微波掃描輻射計2(Advanced Microwave Scanning Radiometer 2,AMSR2)等[3]。SST紅外遙感獲取的SST空間分辨率高,但是易受到云和氣溶膠等的影響;SST微波遙感相比紅外遙感,可以克服云和氣溶膠的影響,但是其數據空間分辨率較低,且在近岸海域由于陸地信號的干擾易產生噪聲[4]。

對于SST產品的精度估計和對比分析,國內外的專家學者做了大量的工作:針對紅外輻射計SST數據(簡稱紅外SST數據)的精度驗證,Barton和Pearce[5]將全球成像儀(The Global Imager,GLI)、AVHRR、先進的沿軌掃描輻射計(The Advanced Along Track Scanning Radiometer,AATSR)和MODIS數據與Argo浮標數據進行真實性檢驗,發現標準偏差均優于0.60℃;Tu等[6]使用船測和浮標數據評價VIIRS SST精度,驗證結果表明VIIRS數據的精度較高,均方根誤差介于0～0.60℃;張精英等[7]基于Argo浮標數據對MODIS-Aqua、MODIS-Terra和VIIRS三種紅外SST數據進行精度評定,結果表明北極地區紅外SST數據的誤差普遍高于全球總體水平,且VIIRS在北極的覆蓋率、有效觀測天數及與浮標的匹配結果為3種紅外輻射計中為最優;奚萌等[8]基于Argo數據對AVHRR、MODIS-Terra和MODIS-Aqua進行精度評價,結果表明,三者的平均偏差分別為-0.07,-0.14和-0.15℃,均方根誤差小于0.80℃,3種紅外SST數據之間的平均偏差均±0.10℃,均方根誤差小于0.60℃;劉伊格等[9]利用Argo數據從時間和空間尺度對VIIRS進行檢驗分析,白天數據接近Argo數據,夏季偏差大于冬季。

針對微波輻射計SST數據(簡稱微波SST數據)的精度驗證,Stammer等[10]對熱帶降雨觀測衛星(Tropical Rainfall Measuring Mission,TRMM)微波成像儀(TRMM Micrawave Imager,TMI)進行了精度評定,平均偏差為0.18℃,標準偏差為0.54℃;Gentemann等[11]基于TAO/TRITON對TMI進行精度評定,平均偏差為-0.07℃,標準偏差為0.57℃;Chelton和Wentz[12]基于TMI數據對AMSR-E進行驗證,平均偏差為0.06℃,標準偏差為0.56℃;奚萌等[13]利用Argo浮標數據對2013年和2014年3個微波輻射計海表溫度產品(AMSR2,TMI和WindSat)進行精度評定,發現AMSR2的微波SST數據質量比TMI和WindSat的海表溫度數據更接近Argo數據;孫偉富等[14]基于Argo浮標數據對AMSR2,GMI,Windsat和海洋二號衛星(HY-2A RM)等星載微波輻射計數據進行精度評價,結果表明北極地區誤差均大于全球平均水平,AMSR2數據精度較好。

目前,研究主要集中在區域性紅外輻射計或微波輻射計SST數據的精度分析,較少系統針對全球范圍星載輻射計觀測能力的評價。本文針對2018年紅外輻射計(MODIS,VIIRS和AVHRR)和微波輻射計(AMSR2,GMI和WindSat)SST數據,研究各衛星SST數據的全球覆蓋情況,利用Argo數據評估SST產品的精度,并進行微波產品、紅外產品和Argo數據的交叉比對分析,以研究紅外輻射計和微波輻射計的SST遙感觀測能力。

1 研究數據與方法

1.1 衛星數據

1.1.1 紅外輻射計數據

本研究所使用的MODIS-Aqua,MODIS-Terra和NPP VIIRS紅外SST數據,來自美國國家航空航天局(National Aeronautics and Space Administration,NASA)數據網站OceanColor Web發布的每日SST數據(https:∥oceandata.sci.gsfc.nasa.gov/);AVHRR SST數據來源于NODC(National Oceanographic Data Committee of the Netherlands)。MODIS是搭載在NASA發射的Terra(EOS AM)和Aqua(EOS PM)衛星上的傳感器,MODIS-Aqua數據由NASA自2002-07-04開始生產發布,MODIS-Terra數據由NASA自2000-02-24開始生產發布至今。兩顆星相互配合每1～2天可重復觀測整個地球表面,刈幅寬度為2330 km[15];VIIRS是NPP(the Suomi National Polar-orbiting Partnership)衛星上的傳感器,NPP發射于2011-10-28,有22個光譜波段,掃描刈幅寬度為3040 km,該數據由NASA自2012-01-02開始生產發布[16];AVHRR是NOAA系列氣象衛星上搭載的傳感器,從1979年TIROS-N衛星發射以來,持續進行著對地觀測任務,包含可見光、近紅外和熱紅外,掃描刈幅為2800 km[17]。選用2018年上述4種SST數據對全球紅外輻射計的遙感觀測能力進行研究,數據的空間分辨率為4 km(表1)。

表1 紅外輻射計數據Table 1 Satellite infrared radiometer data

1.1.2 微波輻射計數據

本研究選用AMSR2,GMI和WindSat衛星遙感SST數據對全球微波輻射計的遙感觀測能力進行研究(表2)。AMSR2搭載于日本宇宙航空研究開發機構(Japan Aerospace Exploration Agency,JAXA)的水循環變動觀測衛星(Global Change Observation Mission-Water1,GCOM-W1)上;GMI搭載于全球降水觀測計劃(Global Precipitation Measurement,GPM)衛星上,觀測刈幅931 km;WindSat搭載于Coriolis衛星平臺上,這些微波輻射計均具備SST探測的頻段[18]。遙感系統(Remote Sensing System,RSS)提供了ASMR2,GMI和WindSat的每日SST數據產品。

表2 微波輻射計數據Table 2 Satellite microwave radiometer data

1.1.3 Argo浮標數據

Argo是由多個自由浮標組成的全球浮標陣列,用于測量海洋2000 m以內的溫度和鹽度,相鄰的2個浮標之間的間隔約300 km,測量周期為10 d,通過衛星將獲取的海洋數據傳送至數據接收站[19]。截至2019-10-10由國際Argo計劃倡議建設的全球Argo實時海洋觀測網中活躍浮標總數達3851個。

本研究根據衛星數據的時間范圍,使用2018年全年的全球Argo實測溫度數據驗證紅外和微波SST數據的精度。由于浮標在0～1 m的數據資料較少,不足以開展有效的統計分析,因而參照張精英[7]、孫偉富等[14]和Marcello等[15]的做法,選取海洋0～10 m深的溫度數據與輻射計SST數據進行匹配驗證,經篩選共獲的157454個可利用的Argo數據(圖1)。

圖1 2018年全球Argo實測SST數據分布Fig.1 Global distribution of the Argo-measured SST data in 2018

1.1.4 Argo網格產品數據

亞洲太平洋數據研究中心(Asia Pacific Data Research Center,APDRC)從美國全球Argo資料中心(Global Data Assembly Centre,GDAC)獲取每日Argo實測數據并生成多種數據產品。APDRC產品處理方法包括:水平網格化,使用最優插值的方法將數據網格化成空間分辨率為1°的產品,該方法會對缺失的數據進行插值,因此海洋中所有的網格點都有數據值;垂直插值,Argo浮標通常測量海表面以下2000 m至5 m處的離散溫度值,APDRC將這些數據內插至“標準”深度水平[20]。

本文將開展紅外和微波SST數據的交叉比對分析,考慮到紅外和微波SST數據的覆蓋范圍不一致,且與Argo散點數據匹配的時空窗口不同,不能保證紅外和微波與Argo散點數據的匹配結果在同一位置,因此采用APDRC生產的Argo月均SST網格產品(簡稱APDRC Argo)海面(0 m)的SST數據作為基準,進行紅外月均SST數據、微波月均SST數據和APDRC Argo的交叉比對。海面(0 m)的APDRC Argo SST網格數據如圖2所示。

圖2 2018年全球APDRC Argo實測SST數據分布Fig.2 Global distribution of Argo SST data provided by APDRC 2018

1.2 研究方法

1.2.1 質量控制與數據匹配

紅外SST數據和微波SST數據在與Argo數據匹配之前進行質量控制,根據衛星數據的質量標記,選取MODIS-Aqua、MODIS-Terra和VIIRS質量標記為0(標記范圍為0～7,其中0代表質量最好)以及AVHRR質量標記為7(標記范圍為0～7,其中7代表質量最好)的數據,提取-2.00～45.00℃范圍內的數據。由于紅外SST數據量少,導致匹配結果數據相應較少,不足以支撐統計分析,本文參照孫偉富等[14]、張精英等[7]的方法,數據匹配時,紅外時間窗口設置為±12 h,選用0.125°的空間窗口;微波SST數據選擇±1 h的時間窗口、0.25°的空間窗口。根據3 Sigma原則,當數據樣本足夠大,平均偏差(bias)±3倍標準偏差(std)范圍內的數據置信度水平可達到99.73%,所以將bias±3std范圍外的數據認為是大誤差數據,對其進行剔除[21]。

1.2.2 精度評估

基于2018年Argo數據對紅外SST數據和微波SST數據進行精度評價。本文對輻射計的SST數據評價的指標包括平均偏差(bias)、絕對偏差(bias_abs)、標準偏差(std)、均方根誤差(rmse)以及相關系數(r)。平均偏差是用來評價Argo數據與衛星數據的系統偏差,絕對偏差可以說明系統偏差的數據情況,標準偏差可以說明Argo數據與衛星數據的偏差的離散程度,均方根誤差用來評價衛星數據相對于實測數據的精度,相關系數可以展現單星SST的精密度[4],計算公式如下:

式中,N為Argo浮標數據與衛星數據匹配的數據總數;A i,B i分別為在第i個Argo浮標數據與衛星數據的匹配點分別為Argo浮標數據與衛星數據匹配結果的平均值。

2 輻射計SST數據時空覆蓋

2.1 紅外輻射計SST數據時空覆蓋

2.1.1 覆蓋率

本文選取2018年的MODIS-Aqua、MODIS-Terra、AVHRR和VIIRS紅外輻射計SST數據,開展全球每日衛星有效SST數據覆蓋率研究,紅外輻射計逐日SST覆蓋率是指每日全球有效SST網格點的總量占全球海洋網格點總量的比重。由2018年紅外SST逐日全球海洋覆蓋率(圖3)可知,2018年白天MODISAqua和MODIS-Terra的覆蓋率整體趨勢基本一致且差異較小,在12%左右波動;AVHRR覆蓋率在6%左右波動;VIIRS覆蓋率較高,呈現先增后減的變化,最大值出現在第216天,達到21%。產生差異的主要原因:VIIRS的掃描幅寬較大且SST產品的云檢測算法一定程度上減少了誤判成云的概率[22];夏季極地海冰融化使VIIRS能夠觀測到更廣的范圍;2018年夜間MODIS-Aqua,MODIS-Terra和VIIRS覆蓋率整體趨勢基本一致且差異較小,在15%附近穩定波動,AVHRR覆蓋率低于5%。

圖3 2018年紅外SST數據逐日全球海洋覆蓋率Fig.3 Percentage of global ocean coverage by the satellite infrared SST data in 2018

2.1.2 有效觀測天數

圖4為4種紅外輻射計SST數據的有效天數統計結果。由圖4可見,中低緯度海域以及大陸沿岸觀測天數較多,極地觀測到的天數較少;紅外輻射計白天觀測到的范圍均大于夜間,白天VIIRS的觀測范圍更廣,夜間觀測范圍4個數據基本一致;VIIRS掃描幅寬大于其他輻射計,能夠獲取更多的信息,全年觀測到的最大天數VIIRS高于其他紅外輻射計,白天最高有效觀測天數為216 d,夜間的最高有效觀測天數為246 d。

圖4 2018年紅外SST數據有效觀測天數Fig.4 Number of days with valid infrared SST observations Observations in 2018

2.2 微波輻射計SST數據時空覆蓋

2.2.1 覆蓋率

選取2018年的WindSat,GMI和AMSR2微波輻射計SST數據,開展逐日衛星有效SST數據覆蓋率研究,微波輻射計逐日SST覆蓋率是指每日全球有效SST網格點的總量占全球海洋網格點總量的比重。由2018年微波SST逐日全球海洋覆蓋率(圖5)可知,2018年GMI和AMSR2升軌覆蓋率相對穩定,AMSR2覆蓋率最高,在40%～50%波動,GMI覆蓋率約在35%～40%;GMI降軌覆蓋率在37%附近穩定波動,AMSR2降軌覆蓋率呈現先減后增的趨勢,總體覆蓋率在35%～45%;2018年WindSat出現數據殘缺,導致SST數據逐日覆蓋率較低、波動較大且出現了多個極端值;GMI由于受到軌道傾角的限制,升降軌逐日覆蓋率小于AMSR2。

圖5 2018年微波SST數據逐日全球海洋覆蓋率Fig.5 Percentage of global ocean coverage by the satellite microwave data in 2018

圖6 2018年微波SST數據有效觀測天數Fig.6 Number of days with valid microwave SST observations in 2018

2.2.2 有效觀測天數

利用2018年AMSR2、GMI和WindSat微波輻射計SST數據,進行有效天數的統計分析,結果見圖6,可以看出,全球覆蓋天數反映了3種微波輻射計SST數據的全年覆蓋情況,南北緯30°～60°海域有效觀測天數較多,低緯度及近岸海域觀測天數較少;AMSR2與WindSat覆蓋范圍基本一致,GMI受到軌道傾角的限制,無法覆蓋到南北緯67°以上的區域;總體有效覆蓋天數AMSR2較高,覆蓋范圍較廣,WindSat的全球有效覆蓋天數較低;受到赤道洋流和降雨的影響,各微波輻射計在太平洋低緯度海域有效觀測天數均在50 d左右。

4 輻射計SST產品精度評估

4.1 紅外輻射計精度評估

由紅外SST數據與Argo實測數據的匹配評估結果(表3)可見:VIIRS的平均偏差和均方根誤差分別為-0.07和0.65℃,小于其他3個輻射計數據;AVHRR和VIIRS白天均方根誤差高于夜間,MODIS-Aqua和MODIS-Terra白天均方根誤差低于夜間;4種紅外SST數據的白天和夜間的平均偏差均為負偏差,且白天平均偏差優于夜間,夜間標準偏差要小于白天。SST數據與Argo浮標數據的相關系數均高于0.994,表明4種輻射計數據與實測數據均有較好的一致性。

表3 紅外輻射計白天、夜間SST的誤差統計Table 3 Error statistics of daytime and nighttime SST of satellite infrared radiometer

由紅外SST數據與Argo實測數據的匹配結果分布情況(圖7)可見:1)4個紅外輻射計的匹配結果的空間分布基本一致,誤差區間主要是在-1.00～0.50℃,多為負偏差;2)由于極地地區環境和天氣惡劣,紅外輻射計SST數據和Argo實測數據稀少,導致匹配結果稀少且偏差較大;3)黑潮、灣流和大西洋經向翻轉環流等都會對衛星SST數據產生影響,導致偏差的出現。

圖7 2018年全球紅外SST數據與Argo匹配結果Fig.7 Global distribution of match-ups between satellite infrared radiometer SST data and Argo measurements in 2018

由圖8可見,紅外SST數據白天和夜間平均偏差與標準偏差隨緯度的變化,由于極地Argo數據少,匹配點緯度最多達南北緯80°附近。4個紅外輻射計SST數據的平均偏差和標準偏差在高緯度地區隨緯度變化波動較大,受黑潮、灣流和北大西洋暖流等影響,北半球的偏差大于南半球。VIIRS整體偏差較小,與誤差統計結果一致。

圖8 紅外SST數據平均偏差與標準偏差隨緯度變化Fig.8 Bias and standard deviation of satellite infrared SST along with latitude

紅外輻射計SST數據與Argo實測數據存在差異的主要原因:1)紅外輻射計溫度傳感器測量表層海溫,Argo浮標測量水下溫度,不同深度的SST會產生偏差[23];2)Argo浮標數據是單點SST的平均值,然而紅外輻射計是網格內SST的平均值,由于北太平洋西部的黑潮、大西洋翻轉環流、中尺度渦以及灣流現象的出現,導致該區域海表面溫度產生較大的梯度變化;3)紅外輻射計反演的SST消除了對流層水汽產生的大氣輻射影響,但并沒有排除氣溶膠的影響產生偏差[24-25]。

4.2 微波輻射計精度評估

由微波SST數據與Argo實測數據匹配結果(表4)可以看出,AMSR2的SST數據與Argo數據有0.17℃左右的正偏差,絕對偏差、標準偏差和均方根誤差均優于其他2個微波SST數據,AMSR2的SST數據質量優于另外2個微波SST數據;GMI絕對偏差略高于其他2個輻射計的絕對偏差;WindSat和GMI降軌數據比升軌數據的偏差較高,升軌的實測數據與Argo浮標數據更接近,而AMSR2的降軌數據優于升軌。3種微波SST數據與Argo數據相關性優于0.995,表明3種微波輻射計與Argo有較高的一致。

表4 微波輻射計升軌、降軌SST的誤差統計Table 4 Error statistics of ascending and descending passes SST of satellite microwave radiometer

由微波SST數據與Argo實測數據的匹配結果(圖9)可以看出,3個微波輻射計匹配結果的空間分布基本一致。微波輻射計受到極地海冰、陸地電磁波的影響,同時黑潮、大西洋翻轉環流和灣流對微波SST數據的影響也較大,這些區域相比于其他區域偏差較高。

圖9 2018年全球微波輻射計SST數據與Argo匹配結果Fig.9 Global distribution of match-ups between satellite microwave radiometer SST data and Argo measurements in 2018

微波SST數據與Argo浮標實測數據存在偏差的原因,除了容易受到影響紅外SST數據的3個因素外,近岸海域微波SST數據還容易受到陸地電磁波干擾,導致偏差較大。

微波SST數據升軌和降軌平均偏差和標準偏差隨緯度變化如圖10,由于受到極地Argo數據的限制,匹配點緯度僅能達到南北緯80°附近;30°S～30°N偏差隨緯度變化波動較小,主要因為該區域為開闊大洋,相對于高緯度地區陸地少,無海冰;AMSR2整體偏差較小,與誤差統計結果一致,GMI隨緯度變化,偏差波動較大,尤其在高緯度區域。

圖10 微波SST數據平均偏差與標準偏差隨緯度變化Fig.10 Bias and standard deviation of satellite microwave SST along with latitude

由SST偏差與風速和大氣柱水汽的關系(圖11和圖12)可見,風速在0～3 m/s時為負偏差,但隨著風速的增加溫度偏差逐漸趨向0 m/s,當風速達到5 m/s左右時溫度偏差最小,而隨著風速的持續增強,風速大于13 m/s時與溫度偏差不再有線性關系;低水汽值(WindSat:＜20 mm,GMI:＜23 mm,AMSR2:＜25 mm)SST偏差較大,偏差除低水汽值外基本不受影響。

圖11 SST偏差隨風速的分布Fig.11 SST deviation distribution with wind speed

圖12 SST偏差隨大氣水柱的分布Fig.12 SST deviation distribution with water vapor

4.3 紅外與微波SST數據交叉對比分析

根據上述分析結果,選取精度較高的紅外輻射計SST數據和微波輻射計SST數據,進行2種輻射計SST產品的交叉對比分析。

基于雙線性插值法將2018年VIIRS和AMSR2 SST數據插值到1°的網格上,利用插值后的2018年VIIRS和AMSR2月均SST數據分別與APDRC Argo浮標數據進行對比分析。根據3 Sigma原則,剔除平均偏差±3倍標準偏差范圍外的數據,AMSR2與Argo、VIIRS與Argo、VIIRS與AMSR2分別剔除了1.56%,1.60%和1.42%的數據。

由2018年輻射計SST產品與APDRC Argo月均SST數據的年平均偏差空間分布(圖13)可知,2種輻射計數據在赤道、西風帶、黑潮、大西洋翻轉環流和灣流海域以及近岸海域標準差較大,在開闊海域偏差較小具有一致性。近岸海域,紅外SST數據受到水汽和氣溶膠等復雜的大氣條件、較高的泥沙懸浮物含量以及海洋動力因素的影響出現偏差[9],微波輻射計受到陸地射頻干擾,導致近岸SST數據偏差較大。

圖13 2018年輻射計SST產品與APDRC Argo月均SST數據的年平均偏差空間分布Fig.13 Annual mean difference between satellite monthly SST data and APDRC Argo data in 2018

由2018年VIIRS與AMSR2月均SST數據的年平均偏差分布圖(圖14)可知,平均偏差較大的地區主要分布在高緯度地區、西風帶和近岸地區。在30°～60°S的海域,出現小于1℃的正偏差;在30°S～30°N的海域,除幾內亞灣附近海域出現高于-0.50℃的負偏差外,其余海域均出現大于-0.50的負偏差,即AMSR2產品SST值略高于VIIRS;在30°～60°N的海域,除亞洲東岸、北美洲東岸海域出現-1℃左右的負偏差外,整體出現-0.50～0.50℃的偏差。數據間標準偏差在全球海域整體較小,在大部分開闊海域,標準偏差在1℃以下,在極地、黑潮、西風帶等海域標準偏差較大。

圖14 2018年VIIRS與AMSR2月均SST數據的年平均偏差空間分布Fig.14 Annual mean difference in 2018 between monthly SST data from VIIRS and AMSR2

2018年月均SST數據交叉對比統計結果見表5。VIIRS與APDRC Argo的平均偏差為負偏差,存在明顯的季節性變化,在-0.20～0℃之間波動,表明VIIRS月均SST低于APDRC Argo,標準偏差在0.50～0.60℃波動;AMSR2與APDRC Argo的平均偏差均為正偏差,存在季節性變化,在0～0.15℃波動,表明AMSR2月均SST高于APDRC Argo月均SST,標準偏差在0.40～0.52℃波動;VIIRS與AMSR2的平均偏差均為負偏差,在-0.23～-0.10℃波動,VIIRS與AMSR2的標準偏差在0.30～0.41℃波動,低于與Argo數據對比的結果。

表5 2018年月均SST數據交叉對比統計結果Table 5 Comparison between different types of monthly mean SST data in 2018

2018年VIIRS全球月均SST與APDRC Argo相關系數為0.9983,AMSR2全球月均SST與APDRC Argo相關系數為0.9987,VIIRS和AMSR2 SST數據的相關系數為0.9993,證明AMSR2與VIIRS的數據一致性較高(圖15)。

圖15 VIIRS、AMSR2和APDRC三種月均Argo SST數據交叉對比Fig.15 Cross-comparison of VIIRS,AMSR2 and APDRC Argo SST data

5 結 論

基于2018年的4種紅外輻射計(MODIS-Aqua,MODIS-Terra,VIIRS和AVHRR)和3種微波輻射計(AMSR2,WindSat和GMI)SST數據,研究各衛星SST數據的全球覆蓋情況,利用Argo實測溫度資料評估了7種星載輻射計SST數據的產品精度,并以典型數據為例,開展了紅外輻射計SST數據、微波輻射計SST數據和Argo數據的交叉比對研究,主要結論如下:

1)4種紅外輻射計白天的覆蓋率差異較大,其中VIIRS覆蓋率較高,MODIS-Aqua與MODIS-Terra覆蓋率基本一致;4種紅外輻射計白天的觀測范圍高于夜間,白天VIIRS的范圍最廣,夜間4種紅外輻射計的觀測范圍基本一致,主要集中在中低緯度海域以及大陸沿岸,極地觀測天數較少。3種微波輻射計的中的AMSR2與WindSat觀測范圍基本一致,GMI受到軌道傾角的限制,無法覆蓋到南北緯67°以外的區域;3種微波SST數據有效觀測天數主要集中在南北緯30～60°;AMSR2、GMI微波輻射計SST數據覆蓋率較穩定,WindSat覆蓋率低且波動較大,整體微波SST數據覆蓋率優于紅外。

2)4種紅外SST數據平均偏差都為負偏差,表明紅外輻射計比Argo浮標的觀測值低;VIIRS整體的精度評定結果較優,數據質量較好;高緯度地區隨緯度變化波動大,受黑潮、灣流和北大西洋暖流等影響,北半球的偏差大于南半球。3種微波輻射計中的AMSR2數據與Argo數據有0.16℃左右的正偏差,絕對偏差、標準偏差和均方根誤差均優于其他2個微波SST數據;30°S～30°N為開闊海域,相對于高緯度地區陸地少、無海冰,偏差隨緯度變化波動較小;風速在0～3 m/s時為負偏差,但隨著風速的增加溫度偏差逐漸趨向0,當風速達到5 m/s左右時溫度偏差最小,而隨著風速的持續增強,風速大于13 m/s時與溫度偏差不再有線性關系;低水汽值SST偏差較大,偏差除低水汽值外基本不受影響。

3)VIIRS月均SST數據與APDRC Argo數據的平均偏差為-0.20～0℃,標準偏差均低于0.60℃;AMSR2月均SST數據與APDRC Argo數據的平均偏差為0～0.15℃,標準偏差低于0.52℃;VIIRS月均SST與AMSR2月均SST數據標準偏差不超過0.41℃。2種輻射計與APDRC Argo數據相關性優于0.99,一致性較好。