基于志愿观测船舶和浮标数据的SST日产品质量评价研究*

2016-12-09赵洪臣刘永学周兴华

海洋科学进展 2016年4期

赵洪臣，刘永学，周兴华，刘凯，张浩

(1. 南京大学地理与海洋科学学院，江苏南京 210023；2. 国家海洋局第一海洋研究所，山东青岛 266061；3. 南京大学江苏省地理信息技术重点实验室，江苏南京 210023；4. 南京大学中国南海研究协同创新中心，江苏南京 210023)

赵洪臣1,2,3，刘永学1,3,4*，周兴华2，刘凯1,3，张浩1,3

选用浮标、志愿观测船舶(VOS)数据作为验证数据对MODIS Aqua，MODIS Terra，AVHRR-OI，OSTIA和RTG五种SST日产品进行了时相差异、近海SST偏差和SST偏差区域整体差异分析的质量评价,以期为日产品的后续应用提供依据。结果表明：不同分析方案得到结论基本一致，在时相差异方面，各季节及年度分析显示各日产品优劣特性相近, 其中AVHRR-OI最优(年数据分析回归系数为0.973 6,R2为0.976 0,RMSE为0.71 ℃)，RTG、MODIS Aqua和MODIS Terra次之，OSTIA最差(年数据分析回归系数为0.945 4,R2为0.943 7,RMSE为1.08 ℃)；在近海区域，AVHRR-OI比其他日产品能更真实地反映海表温度状况，OSTIA最差(二者Grade分别为30和13)；在海洋表面区域整体特性方面，AVHRR-OI日产品质量在研究区海域存在更少的高正值和低负值，且均值和RMSE也更理想(最低仅分别为0.40和0.59 ℃)；而RTG和OSTIA则差于AVHRR-OI。

志愿观测船舶数据；浮标数据；SST日产品；质量评价

海洋表层存储着海洋的大部分热量，是大气与海洋温热交换的中间层，对地球空间的热量平衡起着不可替代的作用。其中，海表温度(Sea Surface Temperature，SST)是表征海洋表面温热状况和海气相互作用的一种直观且重要的物理参量[1]。研究SST的年际、时空变化特征和一般规律对海洋渔业生产、气候变化、ENSO现象具有重要意义。随着航海、卫星观测、遥感、计算机技术的发展，基于这些技术的SST日产品层出不穷，然而数据质量却参差不齐。本研究通过对不同SST产品质量进行评价，以期为其后续应用提供依据。

国内外对不同SST日产品质量比对方面已开展了一些研究。如孙凤琴等分析了2002—2005年期间部分AVHRR(Advanced Very High Resolution Radiometer)，TRMM(Tropical Rainfall Measuring Mission)，TMI(TRMM Microwave Imager)，MODIS(MODerate-resolution Imaging Spectroradiometers)Aqua等SST产品的差异[2]；蒋兴伟等从海温梯度和波谱数的角度，对比分析了冬夏两季AVHRR-OI (AVHRR-only Optimum Interpolation Sea Surface Temperature)，AVHRR-AMSR (AVHRR-Advanced Microwave Scanning Radiometer)、NCODA (US Navy Coupled Ocean Data Assimilation)，RSS，RTG(Real-Time Global SST)和OSTIA(Operational SST and Sea Ice Analysis system)六种SST日产品的差异[3]，指出各产品特征； Reynolds等则使用浮标数据验证了上述六种SST日产品，揭示了不同产品月平均数据温度偏差多介于-1.5～2.0 ℃，均方根误差RMSE均介于0.2～1.1 ℃且区域空间差异会使结果偏差较大[4]；Kim等使用浮标、CTD (Conductivity Temperature Depth)等数据验证了3种微波SSTs，其RMSE介于0.6～1.2 ℃[5]。但是相关研究在选用SST日产品种类、研究周期、实测数据等方面尚略有欠缺，未能详细分析海温偏差时空变异的统计学特征和大尺度分布特性。

研究选用2013年志愿观测船舶(Voluntary Observation Ship，VOS)数据和浮标(Buoys)数据作为验证数据，对MODIS Aqua，MODIS Terra，AVHRR-OI，OSTIA和RTG五种常用SST日产品以中国海及其邻近海域为研究区进行基于海表温度偏差统计的质量评价。

1 数据与预处理

1.1 SST日产品

MODIS SST产品利用搭载于Aqua和Terra卫星上的MODIS传感器来捕获海表红外信息，并使用多通道分裂窗算法反演得到海表温度[6-7]。该产品经过了气候学方法和时空一致性的质量控制和浮标数据的质量验证。日产品包括中红外(4 μm)和长波热红外(11～12 μm)两种类型[8]。MODIS 2级和3级产品提供了覆盖全球海洋的1，4，9和36 km和1°等分辨率的海温数据，3级产品包括日、8 d、月和年等时间分辨率。文中仅选用MODIS的3级热红外产品(夜晚)。

OISST(Optimum Interpolation Sea Surface Temperature)是NOAA利用卫星、浮标、船测等数据构建的0.25°海表温度插值日产品[9-10]。其对卫星观测数据进行严格的质量控制，并使用最优插值算法将船舶、浮标数据插值到遥感反演海温空白区[8]。该产品包括两种类型，一种基于AVHRR和VOS，浮标数据构建，另一种基于AVHRR，AMSR和VOS,浮标数据构建，但后者只能提供截止到2011年的产品。由于AMSR影像空间分辨率比AVHRR低，加入AMSR信息会产生一定的空间平滑，但海温准确性并不会有显著提升，甚至有时会降低产品的分辨率[3]。因此文中仅使用AVHRR-only插值数据(AVHRR-OI)。

OSTIA是英国气象局的日分析产品[11]。其中SST产品利用变分同化算法来融合NOAA AVHRR，Meteosat SEVIRI(Spinning Enhanced Visible and Infrered Radiometer Imager)，ENVISAT AATSR(The Advanced Along-Track Scanning Radiometer)，TRMM TMI，Aqua AMSRE(The Advanced Microwave Scanning Radiometer-EOS)等多个平台的微波、红外遥感数据及GTS(Global Telecommunications System)实测数据[11]，并进行了基于EUMETSAT OSI-SAF(Ocean and Sea Ice Satellite Applications Facility)海冰密度产品、AATSR数据和浮标数据的纠正[12-13]，是一种消除了日变化影响的foundation SST。

RTG-SST是由美国国家环境预报中心NCEP研发的海温日产品[14]。该产品通过对AVHRR卫星数据与船舶浮标数据插值处理所构建。产品包括自2001-01-30以来的海表温度，格网分辨率为0.5°。其卫星源数据经过了基于实测数据(数据来自Reynolds 和 Smith 的Poisson计划)的误差校正[9]。最终产品中每个格网是基于二维变分插值算法融合浮标与船舶(格网日平均)、海冰和遥感SST的结果。表1为文中所用产品的原数据来源、格网分辨率等信息。

表1 SST日产品信息Table 1 Relevant information of SST daily product

1.2 验证数据

选用VOS和浮标两种实测数据作为海表温度产品质量评价的验证数据。VOS计划是海洋学和海洋气象学联合技术委员会(JCOMM)众多观测计划中的一种，其通过船舶公司的船只开展海洋气象观测。VOS已获得包括SST、海水盐度、空气温度、湿度、风速、风向等众多的海洋、气象相关资料，为全球气象预报、资料同化等提供了实时、可靠的观测资料。浮标数据是一种常见的海洋实测数据，是利用浮标(包括锚定和漂流浮标)获取的精度较高的海水温盐剖面信息。其中较为常见的浮标观测计划有Argo(Array for Real-time Geostrophic Oceanography)，TAO(Tropical Atmosphere Ocean Buoy Network)和GDP(Global Oceanographic Data Archaeology and Rescue project)等。

VOS和浮标数据为离散点观测，存在时空不均衡性，因此在进行海面区域分析时，选用2种月平均数据ICOADS2.5[15]和WOA2013[16-17]。ICOADS(International Comprehensive Ocean-Atmosphere Data Set) 是国际综合海洋大气数据集的简称，其数据源包括众多海洋气象观测计划和组织机构获取的船舶、浮标等资料。可以提供经质量控制的自1800年以来的2°×2°和自1960年至今的1°×1°的格网月总结产品。ICOADS可能是现存的最完整的多源海洋数据集合[15]。WOA(World Ocean Atlas)提供长时间跨度的海洋温度、盐度等气候数据集，其数据源综合了NODC(National Oceanographic Data Center)，GODAR(Global Oceanographic Data Archaeology and Rescue project)和WOD(World Ocean Database)中的海洋船测、机器探深测量、浮标等数据。WOA2013包含自1955—2012年约60 a的年度、季节、月平均数据；其中既有60 a的总平均数据，也有10 a周期的平均数据；数据的格网分辨率为5°，1°，0.25°三种。

1.3 数据预处理

选择中国海及邻近海域(图1)作为研究区。由于验证数据存在一定的误差[18]，因此对验证数据进行二次质量控制(数据发布之前已经有质量控制)。首先，用户获取的原始VOS和浮标数据中某些记录的SST字段数值缺失，通过完整性检查获取相关记录并进行剔除。其次，SST取值介于一定范围之内，且该范围随月份和季节变动。观察发现VOS和浮标原数据中存有异常高温和异常低温值，如在2013年的数据中存在70 ℃以上的高温和-10 ℃以下的低温，这些记录很有可能是错误的。因此对原数据进行温度阈值设定，粗差检验[19]和过滤处理。文中使用WOA2013数据集的10 a月平均数据中每月温度最值作为验证数据相应月份的温度阈值边界，并基于这些阈值进行异常点剔除。

将验证数据根据各产品特点进行处理(OSTIA，RTG进行同点位日平均处理以消除SST日变化带来的误差，AVHRR-OI照常处理)，然后将各遥感产品与验证数据进行时空一致性匹配生成匹配数据集。其中，为增大有效样本数，时间窗选用日(为消除白天太阳辐射的影响，MODIS日产品匹配数据剔除了实测数据中白天10～16 h的记录)；空间匹配先将验证数据栅格化，然后对遥感日产品进行匹配筛选。

图1 研究区及验证数据分布Fig.1 Study area and distribution of validation data

2 研究方法

研究选用绝对偏差(Bias)、均方根误差(RMSE)，温度绝对偏差分级占比(δ)、中值(Median)，众数(Mode)等参量对研究区SST产品进行质量评价。其中，Median是对Bias求中值的结果；将Bias精确到一位小数后，求其众数得到Mode。使用δ的主要原因是基于实测点的多点验证中使用RMSE等统计量仅仅能得出整体效果，而使用δ则可得到各日产品不同质量等级的点所占的比例，可更深入地认识数据。Bias，RMSE和δ计算公式分别为

Bias(i)=|SST(i)-p(i)|,

(1)

(2)

(3)

式中，SST(i)为海表温度日产品第i点的温度值；p(i)为与SST(i)对应的实测温度；n为总点数；num(Bias)表示绝对偏差为Bias的点个数；δ(Bias)介于0～1，当Bias值为“<0.5”或“<1”时，其值越接近1，则数据质量越好；当Bias值为“>2”时，其值越接近零，数据质量越好。

研究主要从SST日产品与实测海表温度偏差统计的角度对SST产品进行质量评价，评价内容包括3个方面：时相差异、近海SST分析和SST偏差的区域整体差异，评价所用SST点均是实测数据与各日产品具有时空一致性的匹配点。

时相差异：将2013年分为4个季度，季节划分按照陈实等现代气候学季节划分方法[20]，春、夏、秋、冬分别以4月、7月、10月、1月为中间月份前后各延伸一个月份。每季度取中间月份部分数据进行分析，制作“SST日产品比对实测数据”的散点图并计算RMSE及δ统计量。

近海SST分析:取点分布情况如图1中红点。由于选用的可用样本较少，为降低海表温度的不确定性以及温度锋面区域空间不匹配对分析的影响，在近海SST分析中除统计RMSE和δ外，另加入中值和众数以使得SST产品质量分析更加客观；而且为了更容易看出SST日产品质量的优劣，文章选用打分法(统计量为Grade)基于各统计量得分为每种日产品打分，总分最高的日产品质量最好。打分法是对SST日产品按照各统计量所反映的产品质量优劣排序，排名最好的得5分，其次4分，其他依次打分；最后统计所有SST日产品的得分。

SST偏差区域整体差异：为揭示不同SST日产品质量在海洋表面区域整体上的效果以及日产品质量区域特征，以图1蓝色虚线所围海域为研究区，对AVHRR-OI，OSTIA，RTG三种日产品(2种Modis日产品有大片海域海温缺失，因此不参与计算)1月和7月份的所有数据按月平均，然后分别以ICOADS2.5和WOA2013两种数据作为标准数据进行差值处理，并统计差值结果的均方根误差和均值。其中ICOADS2.5数据使用之前进行了插值。

3 结果与分析

3.1 时相差异

选取2013年春(4月)、夏(7月)、秋(10月)、冬(1月)部分匹配数据做二维关系图(图2)。可以看出5种SST日产品具有相同趋势(结合拟合信息)，在冬季和春季大多数点均匀分布于1∶1线两侧，偏差不大；而在夏季和秋季，数据点明显更加离散，偏离1∶1线更多，且日产品温度高于实测值的点所占比例相当大。基于该角度，5种SST日产品在4个季节中，春季数据质量最好，其次是冬季，再者是秋季和夏季，该结果与孙凤琴等[2]的结论相近。导致该结果的原因可能来自多方面：其一，海洋上空水汽、云量受季节影响较大，而红外观测在多水汽和云的天气下会受到限制；其二，夏秋季节尤其是夏季太阳辐射较强，海洋浅海层温度分化严重，使得浮标和船舶观测偏差较大；同时由于遥感观测海温水深多为微米、毫米级，而VOS和浮标观测水深不稳定，尺度可达米级，因此与SST日产品空间一致性有季节性变动，尤其夏季较差。从图中拟合参数来看，春冬季节5种日产品回归系数均为0.90～1.01，而且所有R2都在0.95以上，进一步说明春冬季日产品质量较好；冬季，5种日产品中MODIS Aqua，Terra和 AVHRR-OI最好，然后是RTG，最差的是OSTIA，回归系数分别为0.977 1，0.972 4，0.979 4，0.963 2，0.906 1；其对应R2分别为0.970 2，0.978 9，0.976 0，0.973 2，0.967 3。春季，MODIS Aqua、AVHRR-OI和RTG回归系数相近分别为1.000 9，0.977 7，0.984 8；R2分别为0.977 2，0.984 6和0.982 0；其次是MODIS-Terra回归系数0.969 8，R2为0.968 3，最差的依然是OSTIA；夏季，5种日产品回归系数和R2较之1月和4月份低很多，回归系数均约为0.7～0.9，AVHRR-OI在5种日产品中最佳，回归系数为0.861 6，R2为0.827 2，其他日产品略逊色。秋季和夏季相似，数据拟合性比冬、春季差，AVHRR-OI最佳(仅从R2考虑)。

各日产品年度数据与实测数据的比对关系如图3所示，图中分别展示了各SST产品年度实验数据(仅包含图2所用数据)与对应实测数据的二维关系。从图中可以看出，MODIS Aqua、AVHRR-OI和RTG最好，其数据离散度较小，回归系数分别为0.980 4，0.973 6和0.971 4，R2为0.961 6，0.976 0和0.971 4；其次是MODIS Terra(与上述3种日产品相差不大)，回归系数和R2都在0.96以上；OSTIA在5种日产品中最差，数据点密集度略差，两参数约为0.94。

统计基于时相差异分析的各日产品相对于实测数据的均方根误差及δ统计信息(表2)。可以看出，季节RMSE和年度数据的RMSE所反映的数据质量优劣情况跟二维关系图相近但又不尽相同，各季节均是AVHRR-OI最佳，OSTIA最差；年度数据也是如此，其中RTG第二，且MODIS日产品统计信息非常相近，尤其是年统计信息完全相同，说明MODIS Aqua和MODIS Terra性能相近。RMSE并不存在明显普适的季节特性。从δ统计量的角度来看，Bias小于0.5 ℃和小于1 ℃的点数所占比例AVHRR-OI最大，分别为0.66和0.86；RTG其次，δ(<0.5)为0.61，δ(<1)为0.83；然后是MODIS Aqua和MODIS Terra；OSTIA最差，两统计量仅为0.30，0.63。Bias大于2 ℃的点所占比例与此相反。且δ统计量与RMSE大小完全相符。从不同的角度分析OSTIA都明显差于其他日产品，可能是由于该产品包含SEVIRI和AATSR微波信息，微波对海表温度进行毫米级观测而红外观测是微米级观测，且观测分辨率较低，降低匹配效果。

图3 SST产品年度数据与实测数据二维关系Fig.3 Scatter plot of SST products and measurements

表2 时相差异分析统计结果Table 2 Statistics of validation results

3.2 近海SST

近海区域人类活动相对频繁，给海水带来额外热量，污染海洋环境，改变海洋水色，会导致SST发生异常变化[21-23]。因此，近海区域海表温度的正确性同样是评价SST日产品质量高低的重要依据之一。选用2013年度部分近海实测数据作为分析样本(图1)，进行SST产品与实测数据偏差相关参数的统计，并求算5种日产品得分，结果见表3。

表3 近海SST日产品统计量Table 3 Statistics of SST products in the offshore area

由表3可知，不同的统计量所反映的日产品优劣状况不完全一致：就众数而言，OSTIA最差(Mode为0.9 ℃，最大)，其他日产品众数相同；中值AVHRR-OI最低(0.67 ℃)，OSTIA最大(0.88 ℃)；从δ(Bias)统计量来看，MODIS Terra,AVHRR-OI,MODIS Aqua和RTG四种产品相差不大(δ(<0.5)为0.33～0.40，δ(<1)约为0.65，δ(>2)均小于0.05)，但均优于OSTIA；均方根误差AVHRR-OI最好，其次是MODIS产品和RTG，最差的依然是OSTIA，基于以上信息的Grade得分由高至低排序依次为AVHRR-OI,RTG,MODIS Terra,MODIS Aqua和OSTIA，分数分别为30，24，24，22，13。因此近海SST分析得出结论：AVHRR-OI 最优。

结果表明，AVHRR-OI能更真实地反映近海区域较为复杂的海表温度状况，而其他日产品尤其是OSTIA无法与之相比。这说明温度获取方式差异导致的SST特征分辨率的不同会对近海SST观测产生一定的影响。

3.3 SST偏差的区域整体差异

基于ICOADS2.5和WOA2013数据的SST偏差区域整体差异求算结果分别如图4和表4所示。对比图4中不同标准SST的差值结果发现，AVHRR-OI，OSTIA和RTG三种产品SST偏差具有非常相似的区域特征，1月份黄、东海近海区域存在带状低负值，且研究区海域整体偏负值；7月份渤、黄海近海区域以及朝鲜半岛海域存在大片高正值，且整个研究区海域多偏正值。高正值和低负值多出现在近海区域可能是日产品的温度精细度无法满足温度锋面高变化率特征造成的。3种日产品从高正值和低负值的趋避性来看，AVHRR-OI更佳，如1月份，AVHRR-OI以ICOADS2.5为基准时低负值区域与OSTIA相近且少于RTG，以WOA为基准时低负值区域与RTG相近且少于OSTIA；7月份，AVHRR-OI的高正值区明显少于OSTIA和RTG。

表4中，在不同标准SST下，1月和7月OSTIA日产品均值(Mean)和均方根误差(RMSE)最大(Mean最大达0.99 ℃，RMSE最大达1.25 ℃)；相比之下，AVHRR-OI和RTG较好，且两日产品统计量相差较小：AVHRR-OI在1月基于WOA2013标准时均值和RMSE最大，为0.74和1.05 ℃；同条件下，RTG均值和RMSE最大值分别为0.77，1.04；而两日产品均值和RMSE最小时仅分别为0.40 ℃(AVHRR-OI),0.42 ℃(RTG)和0.59 ℃(AVHRR-OI),0.66 ℃(RTG)。因此就统计量而言，AVHRR-OI与RTG质量相近，均优于OSTIA日产品。

图4 1、7月份产品SST与标准SST(ICOADS2.5, WOA2013)偏差的区域分布特征Fig.4 Deviation between product and standard SST (ICOADS2.5,WOA2013)in January and July

表4 产品SST与标准SST(ICOADS2.5，WOA2013)偏差的区域统计量Table 4 Statistics of regional variation of deviation between products and standard SST(ICOADS2.5,WOA2013)

4 结论

利用VOS和浮标实测数据，ICOADS2.5和WOA2013数据对MODIS Terra，MODIS Aqua，AVHRR-OI，OSTIA和RTG五种日产品进行了以温度偏差统计为主的质量评价分析，探讨了5种SST日产品温度偏差的时相差异，近海差异和区域特征。

1)在时相差异方面，综合所有季节以及数据统计信息可知，各季节及年度数据所反映各日产品优劣特性相近， AVHRR-OI最优，RTG和MODIS日产品次之，OSTIA最差。

2)在近海区域，AVHRR-OI相比其他日产品SST更加接近实测值，能更真实地反映近海区域海表温度特征；同时OSTIA海温概括性最大，基于实测SST统计的效果最不理想。

3)在SST偏差区域特征方面，AVHRR-OI高正值和低负值更少，且其均值和RMSE也较低，而RTG和OSTIA日产品尤其是OSTIA数据质量在研究区范围内尤其是近海区域差于AVHRR-OI。

通过分析，不同类型SST日产品数据质量存在一定差异。这些差异可能来自于产品数据源、产品生成算法、质量控制方法等。因此加强海洋表面温度遥感反演算法、数据融合与同化方法，改进质量控制方法以及在海温求算过程中融入更多精准实测数据有助于获取高质量的SST日产品，这也正是海洋表面温度研究的重点问题。本研究或许可以为不同SST日产品在中国海及其邻近海域的应用提供质量信息的借鉴，但研究中仍存在一些不足，如质量控制方法存在缺陷等原因使得实测数据温度错点无法完全删除，会对研究结果产生影响，因此寻求更好的SST数据质量控制方法同样是本研究待改进的方面。

[1] XI M. Merging infrared radiometer and microwave radiometer sea surface temperature data based on the optimum interpolation[D].Beijing: National Center for Marine Environmental Forecasts, 2011. 奚萌.基于最优插值算法的红外和微波遥感海表温度数据融合[D].北京:国家海洋环境预报研究中心,2011.

[2] SUN F Q, ZHANG S L, SHANG S P, et al. Primary validation of AVHRR/MODIS/TMI SST for part of the Northwest Pacific[J].Journal of Xiamen University (Natural Science), 2007,46(1):1-5. 孙凤琴,张彩云,商少平,等. 西北太平洋部分海域AVHRR、TMI与MODIS遥感海表层温度的初步验证[J].厦门大学学报(自然科学版),2007,46(1):1-5.

[3] JIANG X W, XI M, SONG Q T. A comparison analysis of six sea surface temperature products[J].Haiyang Xuebao, 2013,35(4):88-97. 蒋兴伟,奚萌,宋清涛.六种遥感海表温度产品的比对分析[J].海洋学报,2013,35(4):88-97.

[4] RICHARD W R，DUDLEY B C. Comparisons of daily sea surface temperature analyses for 2007-08[J].Journal of climate, 2010, 23: 3545-3562.

[5] KIM E J, KANG S K, JANG S T, et al. Satellite-derived SST validation based on in-situ data during summer in the East China Sea and western North Pacific[J].Ocean Science Journal, 2010,45(3):159-170.

[6] OTIS B B, PETER J M. MODIS infrared sea ssurface temperature algorithm-algorithm theoretical basis document[M].2nd ed. Miami: University of Miami, 1999.

[7] KILPATRICK K A, PODESTA G, WALSH S, et al. Implementation of version 6 AQUA and TERRA SST processing[M].Miami: University of Miami, 2014.

[8] KILPATRICK K A, PODESTA G, WALSH S, et al. A decade of sea surface temperature from MODIS[J].Remote Sensing of Environment, 2015, 165: 27-41.

[9] REYNOLDS R W, SMITH T M, LIU C, et al. Daily high-resolution blended analyses for sea surface temperature[J].Journal of Climate, 2007,20: 5473-5496.

[10] REYNOLDS R W, RAYNER N A, SMITH T M, et al. An improved in situ and satellite SST analysis for climate[J].Journal of Climate, 2002,15:1609-1625.

[11] DONLON C J, MARTIN M, STARK J, et al. The operational sea surface temperature and sea ice analysis (OSTIA) system[J].Remote Sensing of Environment, 2012, 116: 140-158.

[12] BREIVIK L A, EASTWOOD S, GODOY O, et al. Sea ice products for EUMETSAT satellite application facility[J].Canadian Journal of Remote Sensing, 2001, 27(5): 403-410.

[13] ANDERSEN S, BREIVIK L, EASTWOOD S, et al. Ocean & sea ice SAF——sea ice product manual version 3.8[M/OL][2015-11-09].http:∥saf.met.no/docs/ss2_pmseaice_v3p5.pdf.

[14] CHELTON D B, WENTZ F J. Global microwave satellite observations of sea surface temperature for numerical weather prediction and climate research[J].American meteorological society, 2005: 1097-1115.

[15] SCOTT D W, STEVEN J W, SANDRA J L, et al. ICOADS Release 2.5: extensions and enhancements to the surface marine meteorological archive[J].International journal of climatology, 2011,31: 951-967.

[16] BOYER T, MISHONOV A. World ocean atlas 2013 product documentation[EB/OL].[2015-10-15].http:∥www.nodc.noaa.gov/OC5/indprod.html.

[17] LOCARNINI R A, MISHONOV A V, ANTONOV J I, et al. World ocean atlas 2013, Volume 1: temperature[EB/OL].[2015-10-20].http:∥www.nodc.noaa.gov/OC5/indprod.html.

[18] HANSEN D V, POULAIN P M. Quality control and interpolation of WOCE-TOGA drifter data[J].Journal of Atmospheric and Oceanic Technology, 1995, 13: 900-909.

[19] ISHII M, KIMOTO M, KACHI M. Historical ocean subsurface temperature analysis with error estimates[J].Monthly Weather Review,2003,131:51-73.

[20] CHEN S, GAO C, HUANG Y L. Analysis of climate change trend of the Chaohu basin divided by different season scales[J].Resources and Environment in the Yangtze Basin，2013,22(5):582-587. 陈实，高超，黄银兰.不同季节划分尺度下巢湖流域气候变化趋势分析[J].长江流域资源与环境,2013,22(5):582-587.

[21] ZHOU G C. SST long time series analysis and the relationship with human activities[D].Qingdao:Ocean University of China,2012.周广超.海温长时间序列分析及与人类活动的关系[D].青岛:中国海洋大学,2012.

[22] TANG Y, ZOU W H. Impacts of marine fishery on marine ecosystem and the management discussion[J].Marine Sciences, 2009,33(3):65-70. 唐议,邹伟红.海洋渔业对海洋生态系统的影响及其管理的探讨[J].海洋科学,2009,33(3): 65-70.

[23] SUN J T. Study on sustainable development of marine fishery of China[D].Qingdao: Ocean University of China,2003. 孙吉亭.中国海洋渔业可持续发展研究[D].青岛:中国海洋大学，2003.

Received: November 9, 2015

Quality Evaluation of SST Daily Products Based on VOS and Buoy Measurements

ZHAO Hong-chen1,2,3，LIU Yong-xue1,3,4，ZHOU Xing-hua2，LIU Kai1,3，ZHANG Hao1,3

(1.SchoolofGeographicandOceanographicSciences,NanjingUniversity, Nanjing 210023, China; 2.TheFirstInstituteofOceanography,SOA, Qingdao 266061, China; 3.JiangsuProvincialKeyLaboratoryofGeographicInformationScienceandTechnology,NanjingUniversity, Nanjing 210023, China; 4.CollaborativeInnovationCenterfortheSouthChinaSeaStudies,NanjingUniversity, Nanjing 210023, China)

Five SST products (MODIS Aqua, MODIS Terra, AVHRR-OI, OSTIA and RTG) are validated and compared using measurements from VOS and buoys. Validation result on the seasonal basis shares the similar characteristics with that on the annual basis, which shows that among all the 5 products, AVHRR-OI SST performs the best (the yearly regression coefficient,R2andRMSEare 0.973 6, 0.976 0, and 0.71 ℃ respectively), followed by RTG, MODIS Aqua, and MODIS Terra. Performance of OSTIA is worst; the yearly regression coefficient,R2andRMSEare 0.945 4, 0.943 7, and 1.08 ℃ respectively. AVHRR-OI SST has less high-positive and low-negative deviations than RTG and OSTIA.

VOS measurements; buoy measurements; SST daily products; quality evaluation

2015-11-09

国家自然科学基金项目——粉砂淤泥质海岸带潮沟系统演化过程及其对人类活动响应的遥感监测研究——以江苏中部沿海为例(41471068)

赵洪臣(1989-)，男，河南永城人，硕士研究生，主要从事海洋GIS与遥感等方面研究. E-mail: 276905818@qq.com

*通讯作者：刘永学(1976-)，男，江苏扬州人，教授，博士生导师，主要从事遥感与GIS应用方面研究. E-mail: yongxue@nju.edu.cn

P731.11

1671-6647(2016)04-0462-12

10.3969/j.issn.1671-6647.2016.04.002