基于DINEOF的风云极轨气象卫星海表温度重构方法研究

宋晚郊,张 鹏,孙 凌,唐世浩,周芳成

(1.中国气象局中国遥感卫星辐射测量和定标重点开放实验室,国家卫星气象中心(国家空间天气监测预警中心),北京 100081；2.卫星海洋环境动力学国家重点实验室,浙江 杭州 310012；3.自然资源部第二海洋研究所,浙江 杭州 310012；4.许健民气象卫星创新中心,北京 100081)

0 引言

海表温度是表征海洋表层热力状况的重要海洋参数，在海-气之间的热量、动力和水汽交换中扮演着重要角色，同时对大气环流和短周期气候变化十分敏感，并被广泛用于监测台风和厄尔尼诺等天气气候事件的发生、发展过程[1-3]。通过对海表温度进行长时间、大尺度、高精度的监测，获取时间序列上连续的、高时相的海温资料，对海洋现象的过程分析及极端气候事件的研究都具有重要意义。风云三号(FY-3)气象卫星是实现全球、全天候、多光谱遥感的我国第二代极地轨道气象卫星系列[4-7]，装载着可见光红外扫描辐射计(VIRR)、中分辨率光谱成像仪II(MERSI-II)和微波辐射计(MWRI)，分别基于热红外和微波遥感方法可以反演得到覆盖全球的海表温度(sea surface temperature, SST)产品[8-11]。卫星反演海表温度包括光学红外和被动微波遥感两种方式，光学红外遥感反演的海表温度具有高空间分辨率，但由于无法穿透云层，海面上空云覆盖海域的海表温度数据存在大面积、无规律的缺值[2-3]；被动微波遥感的空间分辨率较低，但可穿透云层，在云覆盖海域仍能反演海表温度，弥补了光学红外遥感反演海表温度的不足，能够实现对海表温度的全天候观测[3]。

为了填补云、雾、霾覆盖下缺失的遥感数据，研究者们提出了最优插值[12-13]、动态最优插值[14]、样条插值[15]、克里金插值、经验正交函数分解插值法(data interpolating empirical orthogonal functions, DINEOF)等数据重构方法，应用于海表温度[16-18]、地表温度[19]、叶绿素a质量浓度[20-22]等变量的缺值补全。其中DINEOF法在数据补全时不需要复杂的先验知识信息，交叉验证后能够得到可靠的重构结果[16-22]。目前DINEOF法已成功应用于国外卫星遥感数据(AVHRR，MODIS)在局部海域的海表温度重构研究，如亚得里亚海[16]、我国长江口流域[17]、北极地区[18]的海表温度重构分析，然而对风云极轨气象卫星全球海表温度产品的重构研究尚未开展。因此，本文基于风云三号卫星可见光红外扫描辐射计、中分辨率光谱成像仪和微波辐射计的日均海温产品，利用DINEOF方法构建全球海温重构数据，并与全球海温分析场OISST、国际海气综合数据集ICOADS进行对比并评价其精度，得到的全球海温分析数据可为台风等天气事件监测及预报提供可靠的热力场资料。

1 数据与方法

1.1 数据介绍

FY-3B 01批试验应用卫星和FY-3C/3D 02批业务应用卫星分别装载着可见光红外扫描辐射计(VIRR)、中分辨率光谱成像仪II(MERSI-II)和微波辐射计(MWRI)。其中FY-3D MWRI微波遥感反演的海温数据，首先剔除含降水和海冰的像元，按规则建立浮标海温观测和微波辐射计亮温之间的统计关系，剔除与气候平均态显著异常的像元，得到最终反演后的海温数据[3,23]。光学红外反演的海温数据采用非线性海温算法、多通道海温算法[24]、三通道海温算法[25]进行反演，反演结果通过多算法回归建模和精度评估。本次研究选取国家卫星气象中心提供的红外和微波遥感反演的L2级逐日海表温度产品[3,11,23]，红外海温产品包括白天和夜间观测，空间分辨率为 0.05°；微波海温产品包括升轨和降轨观测，空间分辨率为0.25°。所有观测数据空间分辨率重采样为 0.25° 后参与后续运算。对比验证数据选取美国国家海洋与大气管理局提供的日均最优插值海表温度分析资料全球覆盖数据OISST V2(Optimum Interpolation 1/4 degree daily sea surface temperature)[26-27]和包括船测、浮标、站点数据在内的全球长期观测资料ICOADS(International Comprehensive Ocean-Atmosphere Data Set)[23,28](表1)。

表1 本次研究使用的海表温度数据

1.2 方法介绍

DINEOF方法是一种无需先验值、自适应的推测时空场中缺值点的方法[16,29-30]，该方法通过经验正交函数主要模态重构空间缺失数据，由最优截断产生的最重要模态得到反映出数据整体状态和时间发展趋势的动态拟合图像[21]。DINEOF重构后再进行异常值检验，引入中值滤波，使用中位数替换数据集合中存在的异常值像元。通过边缘检测方法标记云覆盖边缘位置的异常像元。有值像元周围8个像元中当存在缺值像元时标记为Pnan，不存在缺值像元时标记为Pmedian，异常像元检测处理后结果满足公式(1)～公式(3)[31]。合成分析主要通过统计参与合成的海表温度的平均值实现[32]。精度评价指标采用相关系数(R)、均方根误差(RMSE)和偏差(Bias)：

Pfinal=wnanPnan+wmedianPmedian

(1)

wnan+wmedian=1

(2)

(3)

(4)

(5)

(6)

式中：Pnan代表数据点周围有缺值，Pmedian代表数据点周围数据的中位数，Pfinal代表被替换数据，wmedian代表数据点周围非缺值的权重，wnan代表数据点周围缺值的权重，s代表数据点周围数据的标准差，N代表参与运算的总海温格点数，Xrec代表重构后的海温数据，Xori代表原始海温数据。

2 结果与讨论

2.1 红外和微波海温产品重构方案及结果分析

图1为2020年1月1日FY-3D中分辨率光谱成像仪、微波辐射计反演的海表温度产品的空间分布图。中分辨率光谱成像仪反演的海温产品在赤道和高纬度地区存在大面积云遮挡的现象(图1a和1b)，微波辐射计反演的海温产品在赤道和中纬度地区存在轨道条带(图1c和1d)。

图1 2020年1月1日FY-3D日均海表温度数据空间分布图

本次研究首先针对红外遥感反演的海温产品，将FY-3B和FY-3C可见光红外扫描辐射计、FY-3D中分辨率光谱成像仪白天和黑夜反演的海温产品，分别利用合成分析方法得到逐日海温数据(图2a～2c)。合成后的海温数据空间覆盖率较FY-3D反演海温产品有明显提升，然而在云下覆盖区域仍存在大范围无规律的缺测。利用DINEOF方法对FY-3B、FY-3C和FY-3D多星红外遥感反演的海温产品进行重构，重构后海温数据的空间覆盖率明显提高，但在太平洋中部和南半球60°S以南仍存在大范围云覆盖导致的缺测(图2e)。

然后针对FY-3D微波辐射计反演的海温产品，分别利用合成分析和DINEOF方法得到合成和重构的逐日海温数据(图2d和2f)。将FY-3D微波辐射计升轨和降轨反演的海温产品经过合成分析，其逐日海温数据在热带及附近海域的轨道拼接处仍存在数据缺失(图2d)。基于FY-3B、FY-3C和FY-3D红外遥感海温产品的合成分析结果，加入FY-3D微波辐射计海温进行DINEOF重构，重构后逐日海温数据的空间覆盖率显著提升；然而，受到云下覆盖范围较大的影响，仅将逐日观测资料作为输入项，仍无法实现全球范围海温数据的空间连续覆盖，南半球少部分海域仍存在数据缺失(图2f)。

图2 2020年1月1日的日均海表温度数据空间分布图

进一步开展多天、多颗卫星、多传感器反演海温产品的重构分析，以多天的逐日反演海温产品作为输入项，包括红外、红外联合微波两组实验。当仅将红外反演的海温产品作为DINEOF重构方法的输入数据时，需要近一个月(29 d)的数据才能够实现赤道太平洋及全球海温的连续覆盖(图3b)。时间分辨率低的主要原因是：部分海域有云天数较多，需要更多的数据实现缺测补值的处理。微波反演的海温产品能够克服红外反演的海温产品存在云下缺值的局限性，因此加入FY-3D微波辐射计反演的海温升、降轨产品进行DINEOF重构，可使重构海温数据的时间分辨率提高到3 d。

图3 FY-3D中分辨率光谱成像仪海表温度空间分布(a)和基于DINEOF方法重构的海表温度空间分布(b)

基于FY-3B、FY-3C和FY-3D三颗极轨气象卫星，结合可见光红外扫描辐射计、中分辨率光谱成像仪和微波辐射计三种传感器反演的海温产品，最终可得到时间分辨率为3 d，空间分辨率为0.25°×0.25°的重构海温数据，基本能够实现全球范围的空间连续覆盖，相比原始逐日红外或者微波反演的海温产品，显著提高了海温资料的空间连续性和可用性。

2.2 多传感器重构海温数据的季节分析和精度评估

图4为多传感器DINEOF方法重构后的海温产品在4个季节的空间分布模态，选取2020年1月、4月、7月和10月的日均重构海温数据，分别代表冬、春、夏、秋季，用于重构海表温度数据的季节分析。重构海温数据的空间模态能够监测到大洋暖池的覆盖范围，其东西跨越热带西太平洋和印度洋，平均海表温度超过28 ℃。暖池在1月范围最小(图4a)，4月至10月范围较大(图4b～4d)。暖池的中心与副热带高压脊线位置具有季节变化的正相关关系，暖池的面积与副热带高压面积指数也具有正相关关系[33]。重构海温资料指示的暖池范围变化，对于分析受副热带高压影响的台风路径变化和我国夏季降水空间分布都具有指导意义。

图4 DINEOF方法重构海表面温度的季节分布图

以全球海气综合数据集ICOADS作为真值进行精度对比，结果表明重构海表温度数据在热带的表现优于在全球范围；重构海表温度数据与ICOADS的相关系数较原始海温数据有一定程度提升(图5)。由于卫星反演的海表温度产品受到太阳辐射和不同风速的影响，与实测海表温度相比存在差别。因此利用实测海表温度对卫星反演海温产品进行检验，是一种局限性的相对检验[23]。

图5 ICOADS与DINEOF重构日均海温数据在热带范围(a)和全球范围(b)的相关系数、均方根误差和偏差结果对比

以全球分析海温场OISST作为真值，评估并对比不同季节热带(30°S—30°N)和全球范围的重构海温数据的精度及准确性(表2)。经过DINEOF方法重构得到的多星、多传感器重构海温数据，与OISST的相关系数达到0.78～0.98，红外反演海温产品的相关系数仅为0.33～0.48；重构海温数据的均方根误差从0.59～0.70 ℃降至0.10～0.34 ℃，偏差从0.35～0.49 ℃降至0.002 2～0.11 ℃。重构海温数据的准确率明显提升，误差和偏差值降低。尤其在热带海域，不同季节重构海温数据的精度评价指标整体表现稳定，相关系数维持在0.97以上，均方根误差低于0.12 ℃，偏差小于 0.01 ℃，重构海温数据的可靠性高，能够用于监测热带太平洋海洋热力变化过程。然而，全球范围的重构海温数据在精度评价指标方面普遍低于热带海域，具体原因需在后续工作中继续研究。

表2 全球和热带范围OISST与DINEOF重构日均海温数据的相关系数、均方根误差和偏差结果对比

3 结论

本文基于风云极轨气象卫星FY-3B/3C可见光红外扫描辐射计、FY-3D中分辨率光谱成像仪和 FY-3D 微波辐射计反演的海温产品，利用DINEOF方法得到全球重构海温数据，并与OISST再分析海温场和 ICOADS 全球海气综合数据集进行对比验证和精度评估，结果表明：

(1)DINEOF方法能够较好地应用于风云三号极轨气象卫星反演的海温产品，重构云下缺失的海表温度，重构得到的海温数据在空间分布上连续可信。

(2)联合光学红外和微波遥感的重构海温数据，能够监测到大洋暖池的季节变化特征，对副热带高压变化趋势具有指示意义。

(3)与全球再分析海温场OISST相比：原始FY-3D红外反演海温产品的均方根误差为0.59～0.70 ℃，DINEOF重构海温数据均方根误差降至 0.10～0.34 ℃，相关系数从0.33～0.48提升到 0.78～0.98。

FY-3D微波海温资料的加入，显著提升了重构海温数据的空间连续覆盖率和时间分辨率，可为台风的海洋热力背景场监测提供可用的海温资料。后续将进一步完善参与融合的海表温度数据的质量控制和偏差订正的处理，以期提升重构日均海温数据的精度。