不同SST资料在海南岛和北部湾珊瑚白化预警中的适用性比较

旷芳芳,张俊鹏,查 晶,靖春生,牛文涛,王 翠

(自然资源部第三海洋研究所,福建 厦门 361005)

珊瑚礁生态系统丰富的生产力最终都归功于珊瑚虫及其虫黄藻之间的共生关系,当环境条件恶化时,珊瑚组织中虫黄藻的密度急剧下降;如果环境压力得不到缓解,珊瑚会彻底失去共生的虫黄藻,露出白色的骨骼,最终白化乃至死亡[1]。前人研究表明,海水温度过高是影响珊瑚白化的主导因素[2-3],因此,基于海表温度(sea surface temperature,SST)的珊瑚白化监测和预警方法具有重要的现实意义。随着遥感技术的发展与应用,近年来利用卫星遥感获取SST来监测珊瑚白化现象已被证明是可靠且有效的方法[4]。早在1997年,美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration,NOAA)的国家环境卫星数据和信息服务中心(National Environmental Satellite,Data,and Information Service,NESDIS)就开始发布卫星获取的全球近实时SST产品来监测珊瑚白化状况,并通过热胁迫估测全球范围内的珊瑚白化程度并进行白化预警[5];该组织自2000年开展珊瑚礁监测计划[6](Coral Reef Watch,CRW)以来,已成功地对全球多起大规模的珊瑚白化事件进行了监测和预警,例如大堡礁白化事件和加勒比海珊瑚白化事件等[7-8]。

目前有多个卫星可以获取海表温度数据,但受限于传感器类型、观测平台、采样方式、分辨率、天气和反演算法等多种影响因素,不同类型的SST产品各有优缺点。近年来,国内外有许多学者对不同类型的遥感SST产品进行了比对分析,常用遥感SST(如AVHRR OISST、MISST、NGSST、RTG和OSTIA等)与Argo浮标或近海浮标观测数据的对比分析表明,在西北太平洋,不同遥感SST产品在近岸和高纬海域的差异较大[9],在东海和南海,OSTIA与Argo浮标观测结果较为接近[10-11]。然而,在中国近海海域,由于浮标观测时长较短,目前对遥感SST数据的检验时长也相对较短,缺乏针对具体季节的长时间的质量评估。

珊瑚礁广泛分布于海南岛近岸和北部湾海域,受到全球气候变暖及极端天气的影响,珊瑚礁生态系统也倍受压力[12]。2020年8月下旬至9月上旬自然资源部南海局在海南岛及北部湾近岸海域执行的珊瑚礁生态现状调查发现了大片的珊瑚礁白化现象(内部报告),白化最为严重的区域集中在北部湾海域(广东徐闻、广西涠洲岛和海南岛西侧海域)。广东徐闻珊瑚礁平均白化率高达89.3%,广西涠洲岛达到61.8%,海南儋州、昌江、临高、澄迈海域均大于30%;9月底在海南三亚大、小东海区域也出现了珊瑚白化现象,长时间异常高温可能是造成此次大规模珊瑚礁白化的主要原因[13-14]。基于遥感SST开发适合于我国的珊瑚礁白化监测产品,并以此监测和预测珊瑚礁白化具有重要意义。然而,遥感SST在海南岛近岸及北部湾海域的适用性如何?针对这个问题,本研究将使用海洋环境监测站的长时间序列的现场SST观测资料对常用的3种遥感SST进行检验,并结合珊瑚白化的现场监测数据,评估其在2020年珊瑚白化预测中的应用效果。本研究成果将为珊瑚白化的监测和本土化预警提供参考。

1 数据和方法

本研究使用的现场SST为海南岛近岸的东方(21.00°N,109.12°E)、三亚(18.17°N,108.56°E)和乌场(18.17°N,109.52°E)以及位于北部湾的涠洲(18.74°N,110.55°E)共4个海洋环境监测站(图1)获取的长时间序列的水温观测数据。为便于分析,以涠洲站代表北部湾海域,东方、三亚和乌场站分别代表海南岛西侧、南侧、东侧海域。涠洲站和东方站数据的时间长度为1990年1月至2020年9月,三亚站为1995年1月至2020年9月,乌场站为2006年1月至2020年9月,观测时间为每天的2：00、8：00、14：00、20：00 4个整点时刻。

图1 海洋环境监测站位置Fig.1 Locations of the observation sites

本研究使用的遥感SST数据(表1)包括NOAA发布的最优插值卫星SST数据(文中称OISST)、卫星高分辨率遥感SST融合数据(文中称GHRSST)以及美国珊瑚礁监测计划开发的高分辨率遥感水温数据v3.1(文中称CoralTemp)[15]。

表1 三种遥感SST简介Tab.1 Information of the three remote sensing SST data

OISST产品包括AVHRR OISST和AVHRR+AMSR OISST两种融合产品[16-17],由于AMSR-E卫星天线故障,AVHRR+AMSR OISST产品从2011年10月5日起停止供应。AVHRR OISST仅使用AVHRR红外数据和实测数据,首先利用实测数据修正遥感数据产生的大尺度偏差,然后使用最优插值算法(optimum interpolation,OI)计算生成融合产品。本研究使用了AVHRR OISST最新发布的v2.1版本[18]。与浮标观测SST的比较表明,OISST的全球均方根误差为0.24 ℃,该数据已广泛应用于全球海温及珊瑚礁的研究中[19]。

GHRSST产品是英国气象局(Met Office)发布的多源融合的OSTIA(Operational SST and Ice Analysis)产品v2.0版本[20-21]。该产品使用多尺度最优插值算法融合了多种卫星SST和观测数据。为了消除白天海表升温带来的误差影响,所有输入的卫星SST的数据均滤除了白天风速小于6 m/s的观测值,并参考高级沿轨扫描辐射计(Advanced Along Track Scanning Radiometer,AATSR)数据和浮标实测数据进行调整。OSTIA目前可提供全球均方根误差小于0.6 ℃的近实时、高空间分辨率SST。该数据旨在满足需要高分辨率的大气和海洋数值预报系统,现在作为欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)的天气预报模型的边界条件使用。研究表明该数据在西北太平洋[22]和中国近海[11]的偏差相对较小,因此本研究将其作为评估的数据之一。

CoralTemp SST是由NOAA的CRW发布的v3.1版本。CoralTemp SST使用了多颗地球静止轨道以及极轨轨道卫星观测的夜间SST数据,用最优插值算法生成融合产品[23]。该产品仅使用夜间卫星数据以减少太阳光照以及昼夜温跃层的影响[24]。CoralTemp在2002年之前的数据参考了美国气象环境预报中心(National Centers for Environmental Prediction,NCEP)的数据进行偏差调整,2002年之后的数据参考了OSTIA的分析数据进行偏差调整。CoralTemp的全球均方根误差为0.25 ℃,该数据目前在珊瑚白化的研究和预警中被广泛使用[25-26]。

本研究的区域为图1所示的海南岛周边及北部湾部分海域,空间范围为17.5°～22.0°N,108°～112°E;因为珊瑚热白化出现的时间一般为温度较高的夏季,因此本研究对遥感资料的比较及其应用研究的时间均限定为夏季(6—9月)。使用的分析过程和方法如下：首先对3种遥感SST进行互相比较,一是比较其平均值的年际变化、月变化及其在2020年异常的时间序列;二是比较多年平均值、多年月平均最大值以及2020年异常值的空间分布。然后使用现场SST对3种遥感SST进行评估,具体方法为：将各组遥感SST格点数据通过空间插值得到各站点的遥感SST的逐日的时间序列;监测站的数据进行日平均处理,也得到各站点的现场SST逐日数据;比较各站点现场SST和遥感SST的年际变化、月变化和2020年的异常,针对各站点夏季平均值的逐年数据、2020年夏季的逐日数据分别统计误差。最后,参照NOAA的珊瑚白化监测预警模型的计算方法,使用遥感SST和现场SST分别计算2020年夏季各站点的周热度(DHW,Degree Heat Weeks,单位为℃-周),比较不同SST数据的珊瑚白化预测结果的异同。

周热度模型是NOAA开展珊瑚礁监测计划[6]使用的珊瑚白化预警模型,也是目前最为成熟的珊瑚白化预警模型。计算周热度时,首先计算多年的12个月每月平均的气候态SST,将12个月平均气候态SST中的最大值定义为最大(最热)月平均气候态温度(MMM),表示“正常”温度的上限。温度比正常的最高温度高出1 ℃以上,就对珊瑚造成压力,可能造成白化,因此高于最大月平均温度1 ℃被定义为白化阈值温度(白化阈值温度=MMM+1 ℃)。使用逐日SST数据,对最近12周内温度达到和超过白化阈值温度的累积,得出周热度。当DHW值达到4 ℃-周时,珊瑚会出现显著的白化现象;当DHW值达到8 ℃-周时,就可能出现严重的白化现象,并可能导致严重的死亡率[27]。

2 结果与讨论

2.1 3种遥感SST的相互比较

本研究使用的3种遥感数据的时间均为1990—2020年,共31 a。对3种遥感SST在夏季的区域平均值的年际变化、月变化、2020年的逐日时间序列及其异常进行比较,结果见图2。如图2(a)所示,OISST相比另两种遥感SST数据整体偏低1 ℃左右,在2013年以前偏低明显;GHRSST与CoralTemp相比,二者在2003年之后的数据非常接近,在1990—2002年CoralTemp略偏低;3种遥感SST的年际变化趋势相近,均表现出增暖的特征;基于最小二乘法的一元线性回归表明,OISST的增暖速率最大,为0.036 ℃/a;CoralTemp的增暖速率次之,为0.033 ℃/a;GHRSST的增暖速率最低,为0.023 ℃/a。图2(b)显示,3种遥感SST均在8月最暖、7月次之、6月和9月接近;GHRSST比CoralTemp整体偏高约0.1 ℃,这主要是由于2002年前GHRSST比CoralTemp略高造成;OISST整体偏低,与CorelTemp相比在8月低约0.5 ℃,在其他月份低约0.4 ℃,这也与年际变化中OISST整体偏低相对应。图2(c)显示,在2020年夏季,GHRSST和CoralTemp的水温非常接近,OISST在6—8月水温相对较低,而在9月相对较高。3种遥感SST在2020年夏季均为正异常,9月的高温异常最明显,在9月OISST的异常值达到1.8 ℃,GHRSST和CoralTemp的异常值分别为1.1、1.3 ℃;3种数据在6月的异常值为0.5～0.7 ℃、7月和8月的异常值为0.8～1.0 ℃[图2(d)]。综上所述,3种遥感SST的年际变化和月变化特征一致,在数值上存在系统偏差,如OISST整体偏低,GHRSST与CoralTemp相比在2002年前CoralTemp略偏低;这可能是由于不同遥感SST在偏差较正时使用了不同的数据造成。CoralTemp的2002年之后的数据参考了OSTIA的数据进行偏差调整,而本研究所用的GHRSST使用的是OSTIA v2.0数据,所以GHRSST和CoralTemp在2002年之后的数据非常接近。另外,因为CoralTemp和GHRSST均使用了多种遥感传感器获得的数据,而OISST使用的遥感数据比较单一(只有AVHRR),因此总体上CoralTemp和GHRSST比较接近,而OISST与它们的差异相对明显。

图2 3种遥感SST在夏季的区域平均值Fig.2 Average of three remote sensing SST in the study area over the summer(a)夏季(6—9月)平均值年际变化;(b)多年(1990—2020年)逐月平均值;(c)2020年6—10月逐日数据的时间序列;(d)2020年逐月平均SST异常(2020年月平均水温与多年月平均水温的差值),同图4、5、6、7;统计的区域范围为17.5°N-22.0°N,108°E-112°E。

多年夏季平均值、多年月平均最大值以及2020年异常的空间分布结果如图3所示。由图可见,3种遥感SST数据中GHRSST的水温最高、CoralTemp次之、OISST最低,这与上文的分析结果一致;3种遥感SST的空间分布形态基本一致,平均值和月平均最大值均表明,海南岛东北侧、东侧和西南侧近海为低温区,其中东北侧水温最低;北部湾的水温相对较高,且越靠近北部湾顶水温越高[图3(a)至(f)]。2020年水温异常的空间分布与平均值的分布相似,海南岛东北侧升温较少、北部湾升温明显[图3(g)],这与2020年北部湾近岸海域的珊瑚白化程度最高的现象是一致的;在北部湾,3种数据中OISST的异常最大,约为1.5 ℃,CoralTemp次之,约为1.25 ℃,GHRSST约为1.0 ℃。另外,由于GHRSST和CoralTemp相对OISST的空间分辨率较高,对近岸海域温度梯度的刻画也更细致一些。

2.2 现场SST与遥感SST的比较

图4—7是4个水文站的现场SST(图中的现场SST的图例均使用观测值表示)与遥感SST的比较。如图所示,从年际变化上看,4个站位中,遥感SST在涠洲站和东方站与现场SST的一致性比三亚站和乌场站要好[图4(a)、图5(a)、图6(a)、图7(a)];月变化趋势的一致性也是在涠洲站和东方站较好[图4(b)、图5(b)、图6(b)、图7(b)];在涠洲站OISST显示冷偏差,在东方站3种遥感SST均显示冷偏差、OISST的冷偏差最为明显;在三亚站的6月3种遥感SST均显示冷偏差、在7—9月GHRSST和CoralTemp显示暖偏差;在乌场站3种遥感SST均显示暖偏差[图4(b)、图5(b)、图6(b)、图7(b)]。2020年逐日数据显示,在涠洲站和东方站GHRSST和CoralTemp与观测值较为接近,OISST偏差较大;在三亚站和乌场站3种遥感SST的一致性较好、但变化幅度相对观测值要偏低[图4(c)、图5(c)、图6(c)、图7(c)]。遥感SST和现场SST的2020年月平均数据的异常均显示,除了乌场站在6月份为低温异常以外,其他站均为高温异常;从时间上看,涠洲站在6月和7月高温异常较强、其他站均在9月高温异常较强。为定量统计遥感SST与现场SST相比的误差值,使用夏季平均的逐年数据[图8(a)]和2020年的逐日数据[图8(b)]分别统计误差并绘制标准化泰勒图(图8)。泰勒图中,从圆点出发的径向距离表示遥感与现场的标准差之比,标准差越接近1,表示遥感数据的中心振幅越接近现场观测值;均方根误差为遥感与现场之间的距离,在图中表示为以观测点(红色圆点)为圆心的虚线绿色半圆弧,越靠近观测点,遥感越接近观测值;相关系数由方位角位置决定,越接近x轴表示与观测值具有越高的相关性。另外,数据的整体偏差用点的颜色表示。

图4 涠洲站观测值与遥感SST数据的比较Fig.4 Comparison of remote sensing SST with observed data at Weizhou station

图5 东方站观测值与遥感SST数据的比较Fig.5 Comparison of remote sensing SST with observed data at Dongfang station

图7 乌场站观测值与遥感SST数据的比较Fig.7 Comparison of remote sensing SST with observed data at Wuchang station

如图8(a)所示,4个站位中,GHRSST和CoralTemp在涠洲站与现场SST较为接近、在东方站次之、在三亚站和乌场站误差相对较大;OISST数据在各个站的误差均相对较大、振幅相对偏大;除乌场站外,CoralTemp在其他站位的振幅相比GHRSST数据更大、更接近观测值。以上表明在3种遥感SST数据中,CoralTemp在年际变化上更接近观测值。由图8(b)可见,各组数据的标准差均小于1,说明遥感SST的逐日数据均低估了温度的振幅;在乌场站3种数据的误差较接近;在涠洲站和三亚站GHRSST和CoralTemp的误差较接近,相比OISST更接近观测值;在东方站OISST较接近观测值,其次是CoralTemp,GHRSST误差相对较大。以上表明在3种遥感SST数据中,CoralTemp的逐日数据整体上更接近观测值。

为进一步了解遥感SST在4个站点的平均误差情况,统计2006年以来遥感SST的夏季逐日数据与现场SST相比的平均偏差和均方根误差(表2)。可见3种遥感SST中,CoralTemp的偏差和均方根误差均较小,OISST有较明显的冷偏差、均方根误差较大,GHRSST居中。CoralTemp的平均偏差和均方根误差分别为0.03 ℃和0.92 ℃,GHRSST为0.08 ℃和0.96 ℃,OISST为-0.25 ℃和1.21 ℃,总体上CoralTemp更接近观测值。

表2 3种遥感资料夏季逐日SST与观测相比的误差统计值Tab.2 Error statistics of three daily remote sensing SST data with observed data

2.3 DHW计算结果比较

为比较不同的SST数据在珊瑚白化预警中的差别,参照NOAA的珊瑚白化监测预警模型的计算方法[24],使用遥感SST和现场SST的逐日水温数据分别计算2020年夏季4个站位的DHW并进行比较。因乌场站现场SST的时间长度相对较短(从2006年开始),4个站位均统一使用2006—2015年共10 a的数据来计算最大月平均温度(MMM)。不过,国际上通用长时间尺度一般是30 a以上,本研究计算的MMM是基于10 a数据,可能会偏高,从而计算的DHW有可能低估了当地的热胁迫效应。2020年夏季不同SST计算的各站位的MMM和DHW如图9所示。OISST计算的4个站位的MMM值均比其它SST数据计算的MMM值要小,GHRSST和CoralTemp计算的MMM值接近,这与前文中OISST表现出冷偏差、GHRSST和CoralTemp接近的分析相一致。

图9 2020年夏季4个站点DHW计算结果(使用不同的MMM)Fig.9 Results of calculated DHW from 4 stations in 2020 (using different MMMs)

在涠洲站,使用现场SST计算的DHW在6月底达到4 ℃-周,7月上旬达到8 ℃-周,到9月初达到最大值16 ℃-周,随后DHW开始下降,但到9月底DHW值仍维持在8 ℃-周以上,说明该海域的珊瑚在整个夏季都受到非常强的热胁迫,可能出现严重白化;使用GHRSST和CoralTemp计算的涠洲站的DHW的时间变化趋势与使用现场SST的计算结果接近,但数值偏小,GHRSST计算的DHW偏小较为明显,CoralTemp计算的DHW相对接近现场SST的计算值;OISST计算的DHW在9月前与现场SST的计算值接近,但在9月的时间变化趋势与现场的趋势不符,这应该是OISST在2020年9月表现出异常强的高温造成[图4(d)],整体上CoralTemp计算的DHW与现场SST的计算值较为接近[图9(a)];由图4(c)可知,GHRSST与CoralTemp相比,在涠洲站二者的逐日SST是非常接近的,但GHRSST计算的DHW相对较小,主要是因为GHRSST在2002年之前的数值比CoralTemp略大,导致其计算的MMM也较大(GHRSST的MMM为30.3 ℃,而CoralTemp为30.1 ℃,),而DHW为达到和超过白化阈值温度的累积,所以GHRSST超出白化阈值温度的部分较少、计算的DHW也较小。

在东方站,现场SST与遥感SST相比MMM值较大、DHW值较小,说明3种遥感SST在该海域存在冷偏差,这与上文的分析也是一致的;使用现场SST计算的DHW在9月前均未达到4 ℃-周,9月开始明显升高,9月上旬超过4 ℃-周,到9月底接近8 ℃-周,说明该海域的珊瑚在9月之前的热胁迫压力较小,9月上旬开始受到热胁迫,可能导致显著白化;3种遥感SST计算的DHW比现场SST的计算值偏大,GHRSST偏大最为明显、CoralTemp次之、OISST相对接近现场SST的计算值[图9(b)];GHRSST资料计算的DHW在6月中旬就达到了4 ℃-周,这可能是因为GHRSST在2020年夏季到来之前的温度就已经达到或超过了白化阈值;OISST虽然存在较大的冷偏差(MMM较小),但其在2020年的SST值也相对较低[图5(d),6—8月],导致2020年达到和超过白化阈值温度的天数也较少。

在三亚站,3种遥感SST计算的MMM均比现场SST的计算值小;使用现场SST计算的DHW在2020年整个夏季都不超过4 ℃-周,说明该海域的珊瑚受到的热胁迫压力较小,珊瑚热白化发生的可能性较低;3种遥感SST计算的DHW与现场SST的计算值趋势一致,遥感SST在9月的DHW计算值比现场SST的计算值略偏大,OISST偏大明显,GHRSST和CoralTemp相对接近现场观测值[图9(c)],这应该也是OISST在2020年9月的表现出异常强的高温引起(图6)。

在乌场站,3种遥感SST计算的MMM与现场SST的计算值接近、GHRSST略偏大、OISST略偏小;与东方站相似,使用现场SST计算的DHW在9月初超过4 ℃-周,9月底接近8 ℃-周,说明该海域的珊瑚在9月之前的热胁迫压力较小,在9月上旬开始受到热胁迫,可能导致显著白化;各组遥感SST计算的DHW与观测值相比趋势一致,CorelTemp和OISST计算的DHW略偏大,GHRSST相对接近观测值[图9(d)]。

使用现场SST计算的DHW表明,2020年各站点珊瑚白化可能出现的时间和程度均表现出空间差异。涠洲站的珊瑚白化可能出现的时间早、白化程度高;乌场站和东方站的珊瑚白化可能出现的时间较晚、白化程度次之;三亚站的珊瑚热白化的压力较小。这与各站点高温异常出现时间的早晚及强度是对应的,如涠洲站早在6、7月即已出现明显的高温异常,且异常幅度较大[图4(d)],而其他站点的高温异常值均是在6月最小、9月最大[图5(d)、6(d)、7(d)]。目前来看,使用现场SST计算的DHW在涠洲站和三亚站对珊瑚白化的预测与珊瑚白化的实际情况比较一致,在东方站和乌场站预测的珊瑚白化发生的时间与现场观测相比略有滞后;总体上DHW能预测出珊瑚白化出现的时间、强度和空间差异,表明DHW模型基本适用于海南岛周边海域。3种遥感SST计算的DHW与现场SST的计算值趋势接近,但在不同站点不同遥感SST的表现有所差异;与现场SST的计算值相比,OISST计算的4个站的DHW均在9月偏高,GHRSST计算的DHW在涠洲站偏低、东方站偏高,CoralTemp计算的DHW在涠洲站略偏低、在东方站和乌场站略偏高;在东方站和乌场站,CoralTemp计算的DHW甚至比现场测SST的计算值更能反映实际的珊瑚白化情况。

此外,由DHW的算法可以得知,DHW的计算结果与MMM的取值密切相关。本研究分析中的MMM都是由所使用数据的多年统计值产生,在同一站位,不同SST数据计算的MMM可能不同。若统一使用现场SST计算的MMM,DHW的计算结果如图10所示。

图10 2020年夏季4个站点DHW计算结果(使用相同的MMM)Fig.10 Results of calculated DHW from 4 stations in 2020 (using the same MMMs)

由图10可见,与现场SST计算的DHW相比较,在涠洲站OISST计算的DHW明显偏低,在东方站和三亚站3组遥感SST数据计算的DHW均偏低;这是由于对应的遥感SST在这些站位出现冷偏差,导致所计算的MMM相对现场SST的计算值较小,若直接使用现场SST计算的MMM(即珊瑚白化阈值升高),DHW的计算值也会相应偏小。因此,未来需要基于水文站的现场观测数据进一步分析珊瑚白化阈值温度、周热度与特定海域珊瑚白化之间的关系,将通过后续白化事件过程监测、模拟实验等结合,进一步确认其有效性和准确性;以及根据实际观测水温,研究遥感SST的订正方法,为白化预警模型的本土化应用奠定基础。

3 结论

通过本研究的分析,可以得到以下主要结论：①3种遥感SST资料的相互比较表明,GHRSST的水温最高、CoralTemp次之、OISST最低。OISST相比GHRSST和CoralTemp偏低1 ℃左右,在2013年以前偏低明显;GHRSST与CoralTemp相比2002年之前的数据略偏高,2003年之后的数据接近;②与现场SST相比,2006年以来CoralTemp的平均偏差和均方根误差分别为0.03 ℃和0.92 ℃,GHRSST为0.08 ℃和0.96 ℃,OISST为-0.25 ℃和1.21 ℃,总体上CoralTemp更接近观测值;③珊瑚白化预警周热度模型基本适用于海南岛和北部湾周边海域;④3种遥感SST计算的DHW与使用现场SST的计算结果趋势均比较一致,CoralTemp的应用效果相对更好。