SST融合产品在渤黄海的质量评估与修正研究

曹凯翔, 靳熙芳, 孙伟富, 王 进



SST融合产品在渤黄海的质量评估与修正研究

曹凯翔1, 靳熙芳2, 孙伟富1, 王 进3

(1. 国家海洋局第一海洋研究所, 山东 青岛 266061; 2. 国家海洋局北海预报中心, 山东 青岛 266061; 3. 青岛大学, 山东 青岛 266003)

为获取高空间分辨率与空间覆盖率的海表面温度(Sea Surface Temperature, SST)产品, 基于最优插值方法, 对微波辐射计WindSat、AMSR-E、ASMR2、HY-2 RM和红外辐射计MODIS、AVHRR的SST观测数据进行融合, 生成了一种0.1°空间分辨率的每日SST融合产品, 利用浮标数据在渤黄海区域进行了精度评估和修正, 并分析了该区域的SST时空分布特征。结果表明: SST融合产品的在中国近海的精度为1.1℃, 利用浮标数据修正后的精度略有改善; 利用修正的SST产品对渤黄海区域SST分布特征进行了分析, 分析结果显示, 渤黄海海域冬季海温最为均匀, 春季在海水升温过程中海温不均匀性明显。

海表温度; 数据融合; 渤黄海; 质量评估; 时空分布特征

海表面温度(Sea Surface Temperature, SST)是海洋研究的基本参数之一, 其直接影响着大气和海洋间的热量、动量和水汽交换, 是影响全球水循环的重要参数, 影响着全球表面的能量收支平衡[1]。基于卫星平台的被动遥感观测技术是全球海表温度监测的主要手段。目前可进行SST观测的星载传感器主要包括微波辐射计和红外辐射计两类。微波辐射计观测可以穿透云雾, 受气候影响小, 每天可覆盖全球近90%的海域, 但是其空间分辨率较低, 为几十千米。红外辐射计工作频段远高于微波辐射计, 因此其空间分辨率可达千米量级, 但红外辐射计受天气条件影响大, 不能穿透云雾, 单个红外辐射计的每日有效观测数据仅能覆盖全球海洋的10%左右。采用一定的数据融合方法, 对星载微波辐射计和红外辐射计SST观测结果进行融合, 可以有效地改善微波辐射计空间分辨率低、红外辐射计空间覆盖率差的问题, 从而生成可覆盖全球海洋的高分辨率SST多源融合产品。近年来相关研究受到各国研究机构的普遍关注, 如美国国家海洋大气管理局NOAA(National Oceanic and Atmospheric Administration)、NASA下属喷气推进实验室JPL(Jet Propulsion Laboratory)、日本气象厅JMA(Japan Meteorological Agency)、Met Office、遥感系统RSS(Remote Sensing System)均开发了SST融合数据产品。这些产品空间分辨率为0.05°~0.25°, 时间分辨率一般为日均, 并普遍采用浮标等实测数据进行了精度验证[2]。

SST是目前海洋学界的研究热点, 它直接影响着大气和海洋间的热量、动量和水汽交换过程, 对全球表面的能量收支起重要作用。本文基于最优插值方法, 对微波辐射计WindSat、AMSR-E、ASMR2、HY-2 RM和红外辐射计MODIS、AVHRR数据进行融合, 制作了0.1°空间分辨率的SST融合产品, 并基于实测数据在中国渤海和黄海北部开展了SST产品的精度验证和修正研究。这为开展海气相互作用的研究提供了重要的科学依据, 具有良好的应用前景。

1 SST融合产品介绍

1.1 SST多源遥感数据

SST融合产品所使用的遥感数据包括: WindSat、ASMR-E、AMSR2、HY-2 RM、MODIS(Aqua、Terra)和AVHRR等7个微波、红外辐射计数据。

微波辐射计AMSR-E、AMSR2和WindSat的每日SST数据由遥感系统RSS提供, 其空间分辨率为25 km, 数据格式为二进制, 数据产品中包括每日升轨/降轨的SST、风速、水汽和云液水产品[3]。ASMR-E的在轨时间为2002年3月至2011年10月, 目前已停止工作。AMSR2是AMSR-E的后继星, 于2012年5月发射入轨, 至今正常在轨运行[4]。WindSat是历史上第一个星载全极化微波辐射计, 于2003年1月发射, 至今在轨正常运行。本文提取了该3颗星的SST数据, 剔除了SST默认值和异常值。WindSat和AMSR-E的数据样例如图1所示。

图1 WindSat(a)与AMSR-E(b)SST产品样例

HY-2 RM微波辐射计数据由国家卫星海洋应用中心提供, 为L2级沿轨数据, 格式为HDF, 其中包含HY-2微波辐射计反演的SST、水汽含量、云液水含量等数据[5]。本文提取了HY-2的原始分辨率SST数据并进行了数据有效性检查。HY-2 SST数据样例及扫描时间如图2所示。

图2 HY-2 SST网格数据

MODIS Aqua/Terra数据由NASA提供, 空间分辨率为4 km, 数据格式为HDF[6]。本文读取了SST数据和相应的质量标记位, 并进行了质量控制。MODIS/Terra于1999年12月入轨, MODIS/Aqua于2002年3月入轨, 目前两星皆在轨正常运行。MODIS SST数据样例如图3所示。

图3 MODIS SST数据样例

AVHRR Pathfinder每日SST数据由NOAA下属国家海洋数据中心NODC(National Ocean Data Center)提供, 空间分辨率为4 km, 数据格式为NetCDF[6]。本文读取了该星的SST数据和相应的质量标记位, 并进行了质量控制。AVHRR首星于1981年6月发射入轨, 目前在轨的是其后继星。AVHRR SST数据样例如图4所示。

图4 AVHRR SST数据样例

1.2 SST融合方法

图5为融合SST产品的数据样例。

图5 SST融合个例

2 SST产品在渤黄海的质量评估与修正

2.1 数据时空匹配

本文利用渤海和黄海北部(35°~41°N, 117°~ 127°E)6个浮标的实测数据, 对SST融合产品在该区域的精度进行评估, 浮标数据的时间范围是2011—2014年。遥感-现场数据时空匹配过程中, 首先对浮标数据进行预处理, 剔除了浮标观测数据中的异常值; 由于浮标对SST的观测频次很高, 因此对同一浮标的观测结果进行了日平均; 进而采用50 km、1 d的时空匹配窗口对浮标和SST融合产品进行了时空匹配, 共获得匹配数据4 850组。

2.2 SST产品精度评估

基于以上时空匹配数据, 本文计算了SST融合产品相对浮标数据的平均偏差、均方根(root mean square, RMS)误差和相关系数, 作为SST产品精度评估的统计指标。结果表明, SST融合产品的平均偏差为0.1℃, RMS误差为1.1℃,相关系数为0.99。图6是SST反演误差的散点图和误差分布直方图。

图6 SST产品与浮标数据的比较(a)和误差分布直方图(b)

一般而言, 星载微波辐射计和红外辐射计在大洋区域的SST反演精度优于1.0℃, HY-2微波辐射计的SST反演精度稍差, 约1.7℃[8]。本文生产的SST融合产品在中国近海的误差略大于大洋区域, 其原因可能在于辐射计在近海区域的观测数据容易受到陆地污染和无线电射频干扰等因素的影响, 导致SST反演误差增大[9]。

2.3 SST融合产品修正

本节利用SST融合产品和浮标匹配数据, 对SST融合产品进行修正, 以改善其在中国近海的精度。首先将4 850组匹配数据随机平均分为建模数据集和检验数据集, 利用建模数据集建立SST融合产品与现场数据的经验关系, 对融合产品进行修正; 利用检验数据集对修正后的SST产品进行检验, 并与修正前的结果进行比较。

由图6可知, SST融合数据和浮标观测数据在散点图中基本都分布在1︰1线附近, 因此本文选择线性方程对SST融合数据和浮标数据进行拟合, 得到线性拟合方程为:

其中,Buoy为浮标观测数据,Fusion为融合数据。

利用以上回归方程对检验数据集中的SST融合结果进行了修正, 并与浮标数据进行比较。结果表明, 修正后的SST融合产品的平均偏差为0.01℃, 明显优于修正前的结果, RMS误差为1.0℃, 略优于修正前的结果。下图为修正后的SST产品与浮标实测数据的比较。

图7 修正后的SST产品与浮标的比较

3 渤黄海区域SST分布特征分析

本文利用以上制作的SST融合数据, 以中国渤海和黄海北部(35°~41°N, 117°~127°E)为研究区域, 对该海域SST的时空分布特征进行了分析, 计算了该海域2004—2014年各年4季的海表温度平均值和标准差, 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, 结果如图8所示。

图8 2004~2014年海表温度平均值和标准差

图中可见, 渤黄海区域夏季海温一般在22℃以上, 其中2011年夏季的平均海温为20.9℃, 较其他年份同期海温低1℃以上; 秋季海温一般在18.5℃以上, 其中2011年秋季平均海温18.1℃较往年略有偏低; 该海域春季平均海温在2010—2011年也出现一个低值, 约7.1℃; 冬季海温比较稳定, 为3~3.5℃。海温的标准差反映了海水温度的均匀程度, 由图8可知, 该海域春季海温标准差最大, 为1.2℃以上, 表明海水在升温过程中温度梯度比较明显; 冬季海温标准差最小, 一般在0.6℃以下, 表明海温此时最为均匀; 2011年夏季海温的标准差明显低于2010年和2012年, 表明上述2011年夏季平均海温低于常年的现象是由于海温整体偏低导致。

4 结论

本文利用国内外多个微波、红外辐射计的SST产品, 基于最优插值方法制作了一种0.1°空间分辨率的全球每日SST产品; 并基于浮标实测数据在我国渤黄海区域对SST产品进行了精度评估与修正, 最后对该海域11年的海温分布特征进行了分析, 得到结论如下: (1)相对于浮标实测数据, SST融合产品在渤黄海区域的偏差为0.1℃, RMS误差为1.1℃; 由于辐射计在近海区域的数据容易受到陆地污染和无线电射频干扰, 融合产品在近海的精度低于大洋区域。(2)本文利用浮标实测SST数据对SST融合产品进行了修正, 修正后SST融合产品的偏差为0.01℃, RMS误差为1.0℃, 较修正前有所改善。(3)利用SST融合产品对渤黄海海域的SST分布特征进行了分析, 结果表明, 渤黄海海域夏季水温一般高于22℃, 冬季水温一般为3~3.5℃; 该海域冬季海温均匀, 标准差小于0.6℃; 春季海水升温过程中海温最不均匀, 海温标准差大于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] Høyer J L, Karagali I, Dybkjær 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-resolu­tion-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] 蒋兴伟, 林明森, 宋清涛. 海洋二号卫星主被动微波遥感探测技术研究[J]. 中国工程科学, 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] 孙广轮, 关道明, 赵冬至, 等. 星载微波遥感观测海表温度的研究进展[J]. 遥感技术与应用, 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.

(本文编辑: 刘珊珊)

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

曹凯翔(1994-), 男, 山东诸城人, 硕士, 研究方向为微波辐射计信息提取, 电话: 0532-58750699, E-mail: 676751961@ qq.com; 王进,通信作者, 博士, 主要从事被动微波海洋遥感方向研究, 电话: 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

国家重点研发计划项目(2016YFA0600102); 国家高技术研究发展计划(863计划)(2013AA122803); 海洋公益性行业科研专项(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]