多源星载辐射计SST数据对比分析

李宇恒孙伟富曹凯翔孟俊敏张 杰

(1.山东科技大学 测绘科学与工程学院,山东 青岛266590;2.自然资源部 第一海洋研究所,山东 青岛266061)

海表温度(Sea Surface Temperature,SST)是研究海洋的重要参数之一,是全球气候变化的关键指标,广泛应用于气候变化监测、大气模拟等方面研究[1]。监测SST的分布和时空变化规律,对理解海洋温度升高对全球环境变化有重要意义[2]。目前,获取SST的方式有现场观测和卫星遥感两种方式,其中遥感探测又分为红外遥感和微波遥感。基于浮标、科考船等获取的实测温度资料,不足以支撑全球范围内大尺度、长时间序列、连续的SST时空变化分析。卫星遥感数据以其覆盖面积广,连续、实时、全天候的观测等优势,在SST时空变化分析上发挥着重要的作用,是目前全球海洋SST研究的重要技术手段。

SST红外传感器主要包括先进甚高分辨率辐射计(Advanced Very High Resolution Radiometer,AVHRR),中等分辨率辐射计(Moderate-resolution Imaging Spectroradiometer,MODIS)和可见光红外辐射计组合仪(Visible Infrared Imaging Radiometer,VIIRS)等;SST微波传感器主要包括Windsat,全球降水测量微波成像仪(GPM Microwave Imager,GMI)和高级微波扫描辐射计2(Advanced Microwave Scanning Radiometer 2,AMSR2)等[3]。SST红外遥感获取的SST空间分辨率高,但是易受到云和气溶胶等的影响;SST微波遥感相比红外遥感,可以克服云和气溶胶的影响,但是其数据空间分辨率较低,且在近岸海域由于陆地信号的干扰易产生噪声[4]。

对于SST产品的精度估计和对比分析,国内外的专家学者做了大量的工作:针对红外辐射计SST数据(简称红外SST数据)的精度验证,Barton和Pearce[5]将全球成像仪(The Global Imager,GLI)、AVHRR、先进的沿轨扫描辐射计(The Advanced Along Track Scanning Radiometer,AATSR)和MODIS数据与Argo浮标数据进行真实性检验,发现标准偏差均优于0.60℃;Tu等[6]使用船测和浮标数据评价VIIRS SST精度,验证结果表明VIIRS数据的精度较高,均方根误差介于0～0.60℃;张精英等[7]基于Argo浮标数据对MODIS-Aqua、MODIS-Terra和VIIRS三种红外SST数据进行精度评定,结果表明北极地区红外SST数据的误差普遍高于全球总体水平,且VIIRS在北极的覆盖率、有效观测天数及与浮标的匹配结果为3种红外辐射计中为最优;奚萌等[8]基于Argo数据对AVHRR、MODIS-Terra和MODIS-Aqua进行精度评价,结果表明,三者的平均偏差分别为-0.07,-0.14和-0.15℃,均方根误差小于0.80℃,3种红外SST数据之间的平均偏差均±0.10℃,均方根误差小于0.60℃;刘伊格等[9]利用Argo数据从时间和空间尺度对VIIRS进行检验分析,白天数据接近Argo数据,夏季偏差大于冬季。

针对微波辐射计SST数据(简称微波SST数据)的精度验证,Stammer等[10]对热带降雨观测卫星(Tropical Rainfall Measuring Mission,TRMM)微波成像仪(TRMM Micrawave Imager,TMI)进行了精度评定,平均偏差为0.18℃,标准偏差为0.54℃;Gentemann等[11]基于TAO/TRITON对TMI进行精度评定,平均偏差为-0.07℃,标准偏差为0.57℃;Chelton和Wentz[12]基于TMI数据对AMSR-E进行验证,平均偏差为0.06℃,标准偏差为0.56℃;奚萌等[13]利用Argo浮标数据对2013年和2014年3个微波辐射计海表温度产品(AMSR2,TMI和WindSat)进行精度评定,发现AMSR2的微波SST数据质量比TMI和WindSat的海表温度数据更接近Argo数据;孙伟富等[14]基于Argo浮标数据对AMSR2,GMI,Windsat和海洋二号卫星(HY-2A RM)等星载微波辐射计数据进行精度评价,结果表明北极地区误差均大于全球平均水平,AMSR2数据精度较好。

目前,研究主要集中在区域性红外辐射计或微波辐射计SST数据的精度分析,较少系统针对全球范围星载辐射计观测能力的评价。本文针对2018年红外辐射计(MODIS,VIIRS和AVHRR)和微波辐射计(AMSR2,GMI和WindSat)SST数据,研究各卫星SST数据的全球覆盖情况,利用Argo数据评估SST产品的精度,并进行微波产品、红外产品和Argo数据的交叉比对分析,以研究红外辐射计和微波辐射计的SST遥感观测能力。

1 研究数据与方法

1.1 卫星数据

1.1.1 红外辐射计数据

本研究所使用的MODIS-Aqua,MODIS-Terra和NPP VIIRS红外SST数据,来自美国国家航空航天局(National Aeronautics and Space Administration,NASA)数据网站OceanColor Web发布的每日SST数据(https:∥oceandata.sci.gsfc.nasa.gov/);AVHRR SST数据来源于NODC(National Oceanographic Data Committee of the Netherlands)。MODIS是搭载在NASA发射的Terra(EOS AM)和Aqua(EOS PM)卫星上的传感器,MODIS-Aqua数据由NASA自2002-07-04开始生产发布,MODIS-Terra数据由NASA自2000-02-24开始生产发布至今。两颗星相互配合每1～2天可重复观测整个地球表面,刈幅宽度为2330 km[15];VIIRS是NPP(the Suomi National Polar-orbiting Partnership)卫星上的传感器,NPP发射于2011-10-28,有22个光谱波段,扫描刈幅宽度为3040 km,该数据由NASA自2012-01-02开始生产发布[16];AVHRR是NOAA系列气象卫星上搭载的传感器,从1979年TIROS-N卫星发射以来,持续进行着对地观测任务,包含可见光、近红外和热红外,扫描刈幅为2800 km[17]。选用2018年上述4种SST数据对全球红外辐射计的遥感观测能力进行研究,数据的空间分辨率为4 km(表1)。

表1 红外辐射计数据Table 1 Satellite infrared radiometer data

1.1.2 微波辐射计数据

本研究选用AMSR2,GMI和WindSat卫星遥感SST数据对全球微波辐射计的遥感观测能力进行研究(表2)。AMSR2搭载于日本宇宙航空研究开发机构(Japan Aerospace Exploration Agency,JAXA)的水循环变动观测卫星(Global Change Observation Mission-Water1,GCOM-W1)上;GMI搭载于全球降水观测计划(Global Precipitation Measurement,GPM)卫星上,观测刈幅931 km;WindSat搭载于Coriolis卫星平台上,这些微波辐射计均具备SST探测的频段[18]。遥感系统(Remote Sensing System,RSS)提供了ASMR2,GMI和WindSat的每日SST数据产品。

表2 微波辐射计数据Table 2 Satellite microwave radiometer data

1.1.3 Argo浮标数据

Argo是由多个自由浮标组成的全球浮标阵列,用于测量海洋2000 m以内的温度和盐度,相邻的2个浮标之间的间隔约300 km,测量周期为10 d,通过卫星将获取的海洋数据传送至数据接收站[19]。截至2019-10-10由国际Argo计划倡议建设的全球Argo实时海洋观测网中活跃浮标总数达3851个。

本研究根据卫星数据的时间范围,使用2018年全年的全球Argo实测温度数据验证红外和微波SST数据的精度。由于浮标在0～1 m的数据资料较少,不足以开展有效的统计分析,因而参照张精英[7]、孙伟富等[14]和Marcello等[15]的做法,选取海洋0～10 m深的温度数据与辐射计SST数据进行匹配验证,经筛选共获的157454个可利用的Argo数据(图1)。

图1 2018年全球Argo实测SST数据分布Fig.1 Global distribution of the Argo-measured SST data in 2018

1.1.4 Argo网格产品数据

亚洲太平洋数据研究中心(Asia Pacific Data Research Center,APDRC)从美国全球Argo资料中心(Global Data Assembly Centre,GDAC)获取每日Argo实测数据并生成多种数据产品。APDRC产品处理方法包括:水平网格化,使用最优插值的方法将数据网格化成空间分辨率为1°的产品,该方法会对缺失的数据进行插值,因此海洋中所有的网格点都有数据值;垂直插值,Argo浮标通常测量海表面以下2000 m至5 m处的离散温度值,APDRC将这些数据内插至“标准”深度水平[20]。

本文将开展红外和微波SST数据的交叉比对分析,考虑到红外和微波SST数据的覆盖范围不一致,且与Argo散点数据匹配的时空窗口不同,不能保证红外和微波与Argo散点数据的匹配结果在同一位置,因此采用APDRC生产的Argo月均SST网格产品(简称APDRC Argo)海面(0 m)的SST数据作为基准,进行红外月均SST数据、微波月均SST数据和APDRC Argo的交叉比对。海面(0 m)的APDRC Argo SST网格数据如图2所示。

图2 2018年全球APDRC Argo实测SST数据分布Fig.2 Global distribution of Argo SST data provided by APDRC 2018

1.2 研究方法

1.2.1 质量控制与数据匹配

红外SST数据和微波SST数据在与Argo数据匹配之前进行质量控制,根据卫星数据的质量标记,选取MODIS-Aqua、MODIS-Terra和VIIRS质量标记为0(标记范围为0～7,其中0代表质量最好)以及AVHRR质量标记为7(标记范围为0～7,其中7代表质量最好)的数据,提取-2.00～45.00℃范围内的数据。由于红外SST数据量少,导致匹配结果数据相应较少,不足以支撑统计分析,本文参照孙伟富等[14]、张精英等[7]的方法,数据匹配时,红外时间窗口设置为±12 h,选用0.125°的空间窗口;微波SST数据选择±1 h的时间窗口、0.25°的空间窗口。根据3 Sigma原则,当数据样本足够大,平均偏差(bias)±3倍标准偏差(std)范围内的数据置信度水平可达到99.73%,所以将bias±3std范围外的数据认为是大误差数据,对其进行剔除[21]。

1.2.2 精度评估

基于2018年Argo数据对红外SST数据和微波SST数据进行精度评价。本文对辐射计的SST数据评价的指标包括平均偏差(bias)、绝对偏差(bias_abs)、标准偏差(std)、均方根误差(rmse)以及相关系数(r)。平均偏差是用来评价Argo数据与卫星数据的系统偏差,绝对偏差可以说明系统偏差的数据情况,标准偏差可以说明Argo数据与卫星数据的偏差的离散程度,均方根误差用来评价卫星数据相对于实测数据的精度,相关系数可以展现单星SST的精密度[4],计算公式如下:

式中,N为Argo浮标数据与卫星数据匹配的数据总数;A i,B i分别为在第i个Argo浮标数据与卫星数据的匹配点分别为Argo浮标数据与卫星数据匹配结果的平均值。

2 辐射计SST数据时空覆盖

2.1 红外辐射计SST数据时空覆盖

2.1.1 覆盖率

本文选取2018年的MODIS-Aqua、MODIS-Terra、AVHRR和VIIRS红外辐射计SST数据,开展全球每日卫星有效SST数据覆盖率研究,红外辐射计逐日SST覆盖率是指每日全球有效SST网格点的总量占全球海洋网格点总量的比重。由2018年红外SST逐日全球海洋覆盖率(图3)可知,2018年白天MODISAqua和MODIS-Terra的覆盖率整体趋势基本一致且差异较小,在12%左右波动;AVHRR覆盖率在6%左右波动;VIIRS覆盖率较高,呈现先增后减的变化,最大值出现在第216天,达到21%。产生差异的主要原因:VIIRS的扫描幅宽较大且SST产品的云检测算法一定程度上减少了误判成云的概率[22];夏季极地海冰融化使VIIRS能够观测到更广的范围;2018年夜间MODIS-Aqua,MODIS-Terra和VIIRS覆盖率整体趋势基本一致且差异较小,在15%附近稳定波动,AVHRR覆盖率低于5%。

图3 2018年红外SST数据逐日全球海洋覆盖率Fig.3 Percentage of global ocean coverage by the satellite infrared SST data in 2018

2.1.2 有效观测天数

图4为4种红外辐射计SST数据的有效天数统计结果。由图4可见,中低纬度海域以及大陆沿岸观测天数较多,极地观测到的天数较少;红外辐射计白天观测到的范围均大于夜间,白天VIIRS的观测范围更广,夜间观测范围4个数据基本一致;VIIRS扫描幅宽大于其他辐射计,能够获取更多的信息,全年观测到的最大天数VIIRS高于其他红外辐射计,白天最高有效观测天数为216 d,夜间的最高有效观测天数为246 d。

图4 2018年红外SST数据有效观测天数Fig.4 Number of days with valid infrared SST observations Observations in 2018

2.2 微波辐射计SST数据时空覆盖

2.2.1 覆盖率

选取2018年的WindSat,GMI和AMSR2微波辐射计SST数据,开展逐日卫星有效SST数据覆盖率研究,微波辐射计逐日SST覆盖率是指每日全球有效SST网格点的总量占全球海洋网格点总量的比重。由2018年微波SST逐日全球海洋覆盖率(图5)可知,2018年GMI和AMSR2升轨覆盖率相对稳定,AMSR2覆盖率最高,在40%～50%波动,GMI覆盖率约在35%～40%;GMI降轨覆盖率在37%附近稳定波动,AMSR2降轨覆盖率呈现先减后增的趋势,总体覆盖率在35%～45%;2018年WindSat出现数据残缺,导致SST数据逐日覆盖率较低、波动较大且出现了多个极端值;GMI由于受到轨道倾角的限制,升降轨逐日覆盖率小于AMSR2。

图5 2018年微波SST数据逐日全球海洋覆盖率Fig.5 Percentage of global ocean coverage by the satellite microwave data in 2018

图6 2018年微波SST数据有效观测天数Fig.6 Number of days with valid microwave SST observations in 2018

2.2.2 有效观测天数

利用2018年AMSR2、GMI和WindSat微波辐射计SST数据,进行有效天数的统计分析,结果见图6,可以看出,全球覆盖天数反映了3种微波辐射计SST数据的全年覆盖情况,南北纬30°～60°海域有效观测天数较多,低纬度及近岸海域观测天数较少;AMSR2与WindSat覆盖范围基本一致,GMI受到轨道倾角的限制,无法覆盖到南北纬67°以上的区域;总体有效覆盖天数AMSR2较高,覆盖范围较广,WindSat的全球有效覆盖天数较低;受到赤道洋流和降雨的影响,各微波辐射计在太平洋低纬度海域有效观测天数均在50 d左右。

4 辐射计SST产品精度评估

4.1 红外辐射计精度评估

由红外SST数据与Argo实测数据的匹配评估结果(表3)可见:VIIRS的平均偏差和均方根误差分别为-0.07和0.65℃,小于其他3个辐射计数据;AVHRR和VIIRS白天均方根误差高于夜间,MODIS-Aqua和MODIS-Terra白天均方根误差低于夜间;4种红外SST数据的白天和夜间的平均偏差均为负偏差,且白天平均偏差优于夜间,夜间标准偏差要小于白天。SST数据与Argo浮标数据的相关系数均高于0.994,表明4种辐射计数据与实测数据均有较好的一致性。

表3 红外辐射计白天、夜间SST的误差统计Table 3 Error statistics of daytime and nighttime SST of satellite infrared radiometer

由红外SST数据与Argo实测数据的匹配结果分布情况(图7)可见:1)4个红外辐射计的匹配结果的空间分布基本一致,误差区间主要是在-1.00～0.50℃,多为负偏差;2)由于极地地区环境和天气恶劣,红外辐射计SST数据和Argo实测数据稀少,导致匹配结果稀少且偏差较大;3)黑潮、湾流和大西洋经向翻转环流等都会对卫星SST数据产生影响,导致偏差的出现。

图7 2018年全球红外SST数据与Argo匹配结果Fig.7 Global distribution of match-ups between satellite infrared radiometer SST data and Argo measurements in 2018

由图8可见,红外SST数据白天和夜间平均偏差与标准偏差随纬度的变化,由于极地Argo数据少,匹配点纬度最多达南北纬80°附近。4个红外辐射计SST数据的平均偏差和标准偏差在高纬度地区随纬度变化波动较大,受黑潮、湾流和北大西洋暖流等影响,北半球的偏差大于南半球。VIIRS整体偏差较小,与误差统计结果一致。

图8 红外SST数据平均偏差与标准偏差随纬度变化Fig.8 Bias and standard deviation of satellite infrared SST along with latitude

红外辐射计SST数据与Argo实测数据存在差异的主要原因:1)红外辐射计温度传感器测量表层海温,Argo浮标测量水下温度,不同深度的SST会产生偏差[23];2)Argo浮标数据是单点SST的平均值,然而红外辐射计是网格内SST的平均值,由于北太平洋西部的黑潮、大西洋翻转环流、中尺度涡以及湾流现象的出现,导致该区域海表面温度产生较大的梯度变化;3)红外辐射计反演的SST消除了对流层水汽产生的大气辐射影响,但并没有排除气溶胶的影响产生偏差[24-25]。

4.2 微波辐射计精度评估

由微波SST数据与Argo实测数据匹配结果(表4)可以看出,AMSR2的SST数据与Argo数据有0.17℃左右的正偏差,绝对偏差、标准偏差和均方根误差均优于其他2个微波SST数据,AMSR2的SST数据质量优于另外2个微波SST数据;GMI绝对偏差略高于其他2个辐射计的绝对偏差;WindSat和GMI降轨数据比升轨数据的偏差较高,升轨的实测数据与Argo浮标数据更接近,而AMSR2的降轨数据优于升轨。3种微波SST数据与Argo数据相关性优于0.995,表明3种微波辐射计与Argo有较高的一致。

表4 微波辐射计升轨、降轨SST的误差统计Table 4 Error statistics of ascending and descending passes SST of satellite microwave radiometer

由微波SST数据与Argo实测数据的匹配结果(图9)可以看出,3个微波辐射计匹配结果的空间分布基本一致。微波辐射计受到极地海冰、陆地电磁波的影响,同时黑潮、大西洋翻转环流和湾流对微波SST数据的影响也较大,这些区域相比于其他区域偏差较高。

图9 2018年全球微波辐射计SST数据与Argo匹配结果Fig.9 Global distribution of match-ups between satellite microwave radiometer SST data and Argo measurements in 2018

微波SST数据与Argo浮标实测数据存在偏差的原因,除了容易受到影响红外SST数据的3个因素外,近岸海域微波SST数据还容易受到陆地电磁波干扰,导致偏差较大。

微波SST数据升轨和降轨平均偏差和标准偏差随纬度变化如图10,由于受到极地Argo数据的限制,匹配点纬度仅能达到南北纬80°附近;30°S～30°N偏差随纬度变化波动较小,主要因为该区域为开阔大洋,相对于高纬度地区陆地少,无海冰;AMSR2整体偏差较小,与误差统计结果一致,GMI随纬度变化,偏差波动较大,尤其在高纬度区域。

图10 微波SST数据平均偏差与标准偏差随纬度变化Fig.10 Bias and standard deviation of satellite microwave SST along with latitude

由SST偏差与风速和大气柱水汽的关系(图11和图12)可见,风速在0～3 m/s时为负偏差,但随着风速的增加温度偏差逐渐趋向0 m/s,当风速达到5 m/s左右时温度偏差最小,而随着风速的持续增强,风速大于13 m/s时与温度偏差不再有线性关系;低水汽值(WindSat:＜20 mm,GMI:＜23 mm,AMSR2:＜25 mm)SST偏差较大,偏差除低水汽值外基本不受影响。

图11 SST偏差随风速的分布Fig.11 SST deviation distribution with wind speed

图12 SST偏差随大气水柱的分布Fig.12 SST deviation distribution with water vapor

4.3 红外与微波SST数据交叉对比分析

根据上述分析结果,选取精度较高的红外辐射计SST数据和微波辐射计SST数据,进行2种辐射计SST产品的交叉对比分析。

基于双线性插值法将2018年VIIRS和AMSR2 SST数据插值到1°的网格上,利用插值后的2018年VIIRS和AMSR2月均SST数据分别与APDRC Argo浮标数据进行对比分析。根据3 Sigma原则,剔除平均偏差±3倍标准偏差范围外的数据,AMSR2与Argo、VIIRS与Argo、VIIRS与AMSR2分别剔除了1.56%,1.60%和1.42%的数据。

由2018年辐射计SST产品与APDRC Argo月均SST数据的年平均偏差空间分布(图13)可知,2种辐射计数据在赤道、西风带、黑潮、大西洋翻转环流和湾流海域以及近岸海域标准差较大,在开阔海域偏差较小具有一致性。近岸海域,红外SST数据受到水汽和气溶胶等复杂的大气条件、较高的泥沙悬浮物含量以及海洋动力因素的影响出现偏差[9],微波辐射计受到陆地射频干扰,导致近岸SST数据偏差较大。

图13 2018年辐射计SST产品与APDRC Argo月均SST数据的年平均偏差空间分布Fig.13 Annual mean difference between satellite monthly SST data and APDRC Argo data in 2018

由2018年VIIRS与AMSR2月均SST数据的年平均偏差分布图(图14)可知,平均偏差较大的地区主要分布在高纬度地区、西风带和近岸地区。在30°～60°S的海域,出现小于1℃的正偏差;在30°S～30°N的海域,除几内亚湾附近海域出现高于-0.50℃的负偏差外,其余海域均出现大于-0.50的负偏差,即AMSR2产品SST值略高于VIIRS;在30°～60°N的海域,除亚洲东岸、北美洲东岸海域出现-1℃左右的负偏差外,整体出现-0.50～0.50℃的偏差。数据间标准偏差在全球海域整体较小,在大部分开阔海域,标准偏差在1℃以下,在极地、黑潮、西风带等海域标准偏差较大。

图14 2018年VIIRS与AMSR2月均SST数据的年平均偏差空间分布Fig.14 Annual mean difference in 2018 between monthly SST data from VIIRS and AMSR2

2018年月均SST数据交叉对比统计结果见表5。VIIRS与APDRC Argo的平均偏差为负偏差,存在明显的季节性变化,在-0.20～0℃之间波动,表明VIIRS月均SST低于APDRC Argo,标准偏差在0.50～0.60℃波动;AMSR2与APDRC Argo的平均偏差均为正偏差,存在季节性变化,在0～0.15℃波动,表明AMSR2月均SST高于APDRC Argo月均SST,标准偏差在0.40～0.52℃波动;VIIRS与AMSR2的平均偏差均为负偏差,在-0.23～-0.10℃波动,VIIRS与AMSR2的标准偏差在0.30～0.41℃波动,低于与Argo数据对比的结果。

表5 2018年月均SST数据交叉对比统计结果Table 5 Comparison between different types of monthly mean SST data in 2018

2018年VIIRS全球月均SST与APDRC Argo相关系数为0.9983,AMSR2全球月均SST与APDRC Argo相关系数为0.9987,VIIRS和AMSR2 SST数据的相关系数为0.9993,证明AMSR2与VIIRS的数据一致性较高(图15)。

图15 VIIRS、AMSR2和APDRC三种月均Argo SST数据交叉对比Fig.15 Cross-comparison of VIIRS,AMSR2 and APDRC Argo SST data

5 结 论

基于2018年的4种红外辐射计(MODIS-Aqua,MODIS-Terra,VIIRS和AVHRR)和3种微波辐射计(AMSR2,WindSat和GMI)SST数据,研究各卫星SST数据的全球覆盖情况,利用Argo实测温度资料评估了7种星载辐射计SST数据的产品精度,并以典型数据为例,开展了红外辐射计SST数据、微波辐射计SST数据和Argo数据的交叉比对研究,主要结论如下:

1)4种红外辐射计白天的覆盖率差异较大,其中VIIRS覆盖率较高,MODIS-Aqua与MODIS-Terra覆盖率基本一致;4种红外辐射计白天的观测范围高于夜间,白天VIIRS的范围最广,夜间4种红外辐射计的观测范围基本一致,主要集中在中低纬度海域以及大陆沿岸,极地观测天数较少。3种微波辐射计的中的AMSR2与WindSat观测范围基本一致,GMI受到轨道倾角的限制,无法覆盖到南北纬67°以外的区域;3种微波SST数据有效观测天数主要集中在南北纬30～60°;AMSR2、GMI微波辐射计SST数据覆盖率较稳定,WindSat覆盖率低且波动较大,整体微波SST数据覆盖率优于红外。

2)4种红外SST数据平均偏差都为负偏差,表明红外辐射计比Argo浮标的观测值低;VIIRS整体的精度评定结果较优,数据质量较好;高纬度地区随纬度变化波动大,受黑潮、湾流和北大西洋暖流等影响,北半球的偏差大于南半球。3种微波辐射计中的AMSR2数据与Argo数据有0.16℃左右的正偏差,绝对偏差、标准偏差和均方根误差均优于其他2个微波SST数据;30°S～30°N为开阔海域,相对于高纬度地区陆地少、无海冰,偏差随纬度变化波动较小;风速在0～3 m/s时为负偏差,但随着风速的增加温度偏差逐渐趋向0,当风速达到5 m/s左右时温度偏差最小,而随着风速的持续增强,风速大于13 m/s时与温度偏差不再有线性关系;低水汽值SST偏差较大,偏差除低水汽值外基本不受影响。

3)VIIRS月均SST数据与APDRC Argo数据的平均偏差为-0.20～0℃,标准偏差均低于0.60℃;AMSR2月均SST数据与APDRC Argo数据的平均偏差为0～0.15℃,标准偏差低于0.52℃;VIIRS月均SST与AMSR2月均SST数据标准偏差不超过0.41℃。2种辐射计与APDRC Argo数据相关性优于0.99,一致性较好。