东南亚海域HY-1C SST 数据评估与校正

杨 梦，孙伟富，姜远驰

（1.自然资源部第一海洋研究所 海洋物理与遥感研究室，山东 青岛 266061；2.中国石油大学（华东） 海洋与空间信息学院，山东 青岛 266404）

0 引言

海表温度（Sea Surface Temperature，SST）是地球气候系统研究、天气预报和海洋学研究的重要参数[1]，是理解、量化和预测海洋与大气之间相互作用的基本物理量[2]。早期的SST 测量依赖于船舶观测[3]，观测仪器经历了从最初的木桶发展到船体传感器[4]，但船测成本高昂，且测量出的数据在时间和空间上的连续性不足[5]。遥感具备大范围、持续观测优势，能够对大尺度海洋进行高时间分辨率持续观测，以提供长时间序列、高空间覆盖度的SST[6]。海洋一号C 星（HY-1C）是海洋1 系列的第3 颗星，相较于HY-1A、HY-1B，观测精度和观测范围显著提升[7]。其上搭载了海洋水色水温扫描仪（China Ocean Color ＆ Temperature Scanner，COCTS），可实现海洋水色要素、SST的全球海洋观测[8]。

精确测量SST 对于海洋环境研究、气候变化研究与应对及海洋生态环境保护具有重要意义。国内已有较多学者开始关注海洋卫星数据的精度和偏差校正问题。有关HY-1C SST 对MODIS 同类产品的可替代性问题，毛志华[9]等使用 HY1C和HY1D 的全球热红外遥感数据反演SST，并与Terra 和Aqua 的数据产品进行对比，讨论了其对MODIS 产品的可替代性问题。其研究结果表明COCTS 的多种SST 产品都表现出对MODIS 同类产品具有良好的一致性和可替代性。还开展一些关于SST 模式预报校正工作，刘波[10]等尝试通过线性回归模型和长短期记忆神经网络对SST 数值预报结果进行校正，结果表明2 种方法均可以改善预报结果，长短期记忆神经网络相对于线性回归模型效果更好。韩玉康[11]等尝试一种通过自回归模型进行模式预报订正的方法，模式误差在很大程度上得到消减，订正效果明显。张培军[12]等利用GHRSST 数据和南海业务数值预报SST 产品的偏差，校正下一时刻的预报结果，降低了模式偏差。李佰平[13]等根据模式已有的预报结果，结合观测资料采取一元线性回归订正方法、多元线性回归订正方法、单时效消除偏差方法、多时效消除偏差4 种订正方法，并对比了4 种方法的结果，最后得出可采取分时效对单模式预报结果进行后处理的方案。除此之外，还有学者对水汽产品进行误差分析和校正，孙浩[14]等通过分析海洋二号卫星（HY-2A）校正微波辐射计（CMR）水汽产品数据精度的时空分布特征，对极地海域陆地和海冰异常水汽数据进行了误差分析和线性偏差校正。对温度数据进行分析和校正在气象学中也有相关研究，尹珊[15]等应用滑动平均误差订正方法和历史偏差订正方法，对欧洲天气预报中心的数值模式延伸期温度预报进行误差订正。结果发现，在15 d 内的延伸期预报时效上，2 种订正方法对温度预报的订正效果差异并不明显。随着时效的延长，历史偏差订正方法的优势逐渐显现。已开展的国产卫星评估与订正工作表明，国产SST 数据精度与国际同类卫星仍存在差异，有必要开展数据的评估与校正工作[16-17]。

目前对HY-1C SST 产品的数据评估与校正工作开展较少，其与国际同类卫星数据的差别以及可提升水平亟需研究在“一带一路”沿线的东南亚海域显得尤为重要[18]。本文对比了 HY-1C COCTS、AVHRR、MODIS-Aqua、MODIS-Terra和VIIRS SST 在东南亚海域的精度水平，并基于VIIRS SST 数据，利用3 种校正方法开展了HY-1C SST 数据的校正工作。本研究对于提升中国卫星SST 数据质量和推广数据在东南亚国家的应用具有实际意义。

1 数据与处理

本文采用的是 2020年的 HY-1C COCTS、AVHRR、MODIS-Aqua、MODIS-Terra 和VIIRS SST 遥感数据。

HY-1C SST 产品可从国家卫星海洋应用服务中心（NSOAS）的海洋卫星数据分发系统（Ocean Satellite Data Distribution System，OSDDS）免费获取。本研究使用的每日9 km SST 数据来源于COCTS 3A 级标准产品。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，NOAA 系列卫星的AVHRR 传感器就持续进行着对地观测任务。MODIS 是搭载在NASA 的Terra（EOS AM）和Aqua（EOS PM）卫星上的中分辨率成像光谱仪，Terra 卫星于1999年12月18日发射成功，从北向南于地方时10∶30 左右通过赤道，Aqua 卫星于2002年5月4日发射成功，从南向北于地方时13∶30 左右通过赤道，两颗星相互配合每1～2 d 可重复观测整个地球表面，得到36 个波段的观测数据。VIIRS（Visible Infrared Imaging Radiometer）是搭载在2011年10月28日发射的NPP 卫星上的可见光红外成像辐射仪，是NASA 对AVHRR 和MODIS 系列的拓展与改进。NASA 数据网站Ocean Color Web 提供MODIS-Aqua、MODIS-Terra 和NPP VIIRS 的每日SST 数据，NODC（National Oceanographic Data Committee of the Netherlands）可开源获取AVHRR数据。5 种卫星传感器的轨道倾角及空间分辨率见表1。

表1 卫星传感器的轨道倾角及空间分辨率Table 1 Orbital inclination and spatial resolution of satellite sensors

本文使用2020年全年的东南亚海域ARGO温度数据验证红外辐射计SST 数据的精度。首先从原始浮标数据中提取需要的信息，包括经度、纬度、儒略历时间、SST、测量深度和质量标记等。将儒略历转换为公历，并计算当天的小时数，该转换用于设置时间窗口进行时空匹配，筛选南纬20°～北纬25°、东经70°～150°之间且质量标记位为1 的ARGO 浮标数据，并将测量深度大于10 m、温度值在-2.5～40 ℃以外的温度值设为Nan。考虑到深度在0～1 m 的浮标数据太少，因此选取0～10 m深度的浮标数据，以保证数据分析具有统计意义。

2 红外SST 数据精度评估

红外SST 与浮标实测数据匹配点位置见图1。由图可见，匹配点主要分布在东印度洋和西太平洋海域，南海周边海域匹配点较少，这与ARGO的分布情况有关。其中，匹配点多为负偏差点（蓝色点），较大的负偏差值主要集中在南纬20°～南纬10°之间，而正偏差值（红色点）主要位于南纬10°～北纬10°之间的印度洋海域。较大偏差点是由于红外辐射计测量的表层温度与浮标测得的水下温度差异导致的，水下温度较为稳定，表层温度与太阳高度角有关。赤道地区白天受高温影响导致表层温度大于浮标温度，因而赤道地区白天有较大正偏差，纬度稍高地区夜晚较为凉爽导致表层温度小于浮标温度，因而呈现出明显的负偏差。HY-1C 与ARGO 的偏差相较于其他同类卫星明显偏大。

红外辐射计白天、夜晚SST 的误差统计结果如表2所示，表中统计了在东南亚地区5 种红外辐射计在白天和夜晚的平均偏差Bias、标准差Std、均方根误差RMSE 以及相关系数R。总体上，5 种红外辐射计平均偏差均为负偏差，且各辐射计夜晚平均偏差绝对值均大于白天。

表2 东南亚海域红外辐射计白天、夜晚SST 的误差统计Table 2 SST error statistics of infrared radiometer during daytime and nighttime in Southeast Asian sea area

MODIS-Aqua 白天和VIIRS 白天平均偏差最小，分别为-0.1 ℃、-0.12 ℃，MODIS-Aqua 白天平均偏差优于夜晚。MODIS-Terra 夜晚标准差最大，为0.6 ℃，均方根误差同样较大，达到0.71 ℃，与图1（f）中表现出有明显的较大偏差点一致。4种国外卫星与ARGO 匹配散点图见图2，综合图表，能够发现MODIS-Terra 夜晚平均偏差、标准差、均方根误差均大于白天数据，MODIS-Terra 白天数据优于夜晚数据，VIIRS 夜晚标准差、均方根误差均小于白天数据，VIIRS 夜晚数据优于白天数据。4种卫星提供的SST 数据在东南亚地区与ARGO 数据相关性较好，其中 VIIRS 数据质量最佳。而HY-1C 白天的平均偏差、标准差和均方根误差分别为-0.73 ℃、1.38 ℃和1.56 ℃，夜晚数据质量低于白天，偏差分别为-0.95 ℃、1.57 ℃和1.83 ℃，HY-1C 匹配散点图见图3，综合来看，HY-1C 与其他同类产品有一定差距。

图1 2020年东南亚红外辐射计与ARGO SST 数据匹配点分布图Fig.1 Distribution map of matching points between SST data of infrared radiometer and ARGO in Southeast Asia in 2020

图2 2020年东南亚红外辐射计与ARGO SST 数据匹配散点图Fig.2 Matching scatter plot of SST data of infrared radiometer and ARGO in Southeast Asia in 2020

图3 2020年东南亚HY-1C 与ARGO SST数据匹配散点图Fig.3 Matching scatter plot of SST data of HY-1C and ARGO in Southeast Asia in 2020

为了衡量国产HY-1C 卫星与其他卫星的偏差的时间变异性，分别计算了2020年单星红外辐射计与ARGO 浮标SST 匹配数据逐月的平均偏差、标准差以及均方根误差，月变化图见图4。AVHRR与ARGO 数据的白天平均偏差在-0.45～-0.16 ℃之间浮动，标准差范围0.43～0.59 ℃，均方根误差范围0.49～0.7 ℃，而夜晚平均偏差、标准差和均方根误差分别在-0.51～-0.21 ℃、0.40～0.52 ℃和0.49～0.7 ℃之间浮动，白天、夜晚月偏差差异不大。从图中能够发现，AVHRR、MODIS-Aqua、MODIS-Terra 以及VIIRS 随月份的变化差异不明显。从均方根误差和标准差来说，MODIS-Aqua 和VIIRS 最为稳定，就白天而言，MODIS-Aqua 的标准差和均方根误差分别为0.49～0.62 ℃、0.51～ 0.63 ℃，而VIIRS 分别为0.47～0.62 ℃、0.50～ 0.63 ℃。

图4 2020年东南亚红外辐射计与ARGO SST数据月偏差变化图Fig.4 Changes of monthly deviation between SST data of infrared radiometers and ARGO in Southeast Asia in 2020

与图4（a）～（h）相比，HY-1C SST 的月偏差情况与国际卫星数据存在差距，且下半年的误差略大于上半年，夜晚偏差大于白天。HY-1C SST 与ARGO 白天平均偏差、标准差和均方根误差分别位于-1.03～-0.39 ℃、1.24～1.53 ℃、1.32～1.81 ℃之间，而夜晚在-1.38～-0.48 ℃、1.37～1.64 ℃、1.61～2.14 ℃范围内。HY-1C 的月偏差随月份的增大有明显变大的趋势，月偏差主要为负值。HY-1C SST 与国际同类卫星SST 数据的反演精度尚存在差距，对HY-1C SST 开展校正工作势在必行。

通过一系列对比分析，VIIRS 卫星数据与ARGO浮标观测数据无论是在白天还是夜晚都具有最小的误差；在夜晚，VIIRS 卫星数据在东南亚地区相较于其他同类卫星都表现为较小的偏差，且偏差随月份的变化差异不明显。因此，下文基于VIIRS SST 数据开展对HY-1C SST 的数据校正工作。

3 基于VIIRS 的HY-1C SST 数据校正

3.1 卫星交叉比较

VIIRS SST 数据分辨率为4 km，将HY-1C 与VIIRS SST 数据进行交叉验证时，通过双线性插值方式将VIIRS SST 每日数据（白天和夜晚）插值到与HY-1C 数据统一的9 km 分辨率的经纬度网格中。根据统一网格化的HY-1C 和VIIRS SST 每日数据计算得到月均SST 数据，2020年HY-1C 和VIIRS月均SST 白天、夜晚平均偏差、标准差分布情况见图5。

图5 2020年HY-1C 与VIIRS SST 偏差空间分布Fig.5 Spatial distribution of SST deviation between HY-1C and VIIRS in 2020

由图可知，HY-1C 与VIIRS 差值大部分区域为负值，表明HY-1C 数值较VIIRS 偏小，白天在中国南海附近平均偏差绝对值较大（纬度范围在南纬10°～北纬10°），夜晚在南纬20°～10°的印度洋海域平均偏差绝对值最大。图5（b）、5（d）显示了赤道附近、孟加拉湾及南海区域的较大标准差。鉴于HY-1C 偏差的分布特点，下文对该区域进行细分，进而对不同区域发展不同的校正关系，以提高HY-1C 的数据精度。

为探究HY-1C 与VIIRS SST 之间差异的季节相关性，分别计算了2 种卫星白天、夜晚月均SST数据在东南亚海域有效网格点的平均偏差、标准差和均方根误差，统计结果见表3。

表3 2020年HY-1C 与VIIRS 白天、夜晚月均SST 差值统计Table 3 Statistics on monthly average SST difference between VIIRS and HY-1C during daytime and nighttime in 2020

由表3 可得，HY-1C 与VIIRS SST 之间平均偏差均为负值，白天夜晚分别在-0.69～-0.37 ℃、-0.80～-0.16 ℃波动，表明HY-1C SST 较VIIRS偏小，有明显季节趋势。而HY-1C SST 均方根误差白天和夜晚分别在0.69～0.98 ℃和0.59～1.11 ℃之间，下半年均方根误差较上半年大，夜晚均方根误差明显大于白天，其中12月份夜晚平均偏差、标准差及均方根误差均最大，达-0.8 ℃、0.76 ℃和1.11 ℃。下文针对HY-1C SST 按照月份以及分白天、夜晚开展细化校正研究。

为探究SST 对偏差的影响，进一步开展了不同SST 范围下的HY-1C SST 偏差研究，HY-1C、VIIRS年平均SST 的空间分布情况见图6。VIIRS 和HY-1C SST 均值分别为28.65 ℃、28.19 ℃，而两者范围分别在25.32～31.92 ℃、24.67～31.63 ℃之间。

图6 2020年HY-1C 与VIIRS 卫星年平均SST空间分布图Fig.6 Annual average SST spatial distribution map of HY-1C and VIIRS satellites in 2020

依照HY-1C SST 数据每间隔1 ℃进行分段，采用HY-1C、VIIRS月平均SST 数据开展匹配分析，并计算不同SST 段的平均偏差、标准差、均方根误差和匹配点数目，统计结果见表4。匹配数据量的多少主要受匹配的时间窗口大小影响，本研究设置的时间窗口大小为 12 h/10 km，且由于HY-1C 扫描幅宽较大，表中HY-1C 白天的匹配数据量高于其他卫星，也高于夜晚的匹配数据量。将匹配数量少的异常点剔除后，选择16～34 ℃作为有效SST 数据，以1 ℃为间隔，将该范围分成18段，以对HY-1C SST 数据开展校正研究。

HY-1C SST 偏差随SST 范围变化图见图7。结果发现，HY-1C 白天夜晚平均偏差在SST 位于16～30 ℃范围内均为负值，31～34 ℃范围内为正值，表明HY-1C 在低温情况下较真实值数值偏小，在高温情况下数值偏大。在16～23 ℃范围内 HY-1C白天均方根误差随着 SST 的增大而增大，在23～34 ℃范围内呈现出先减小后增大的规律。

图7 2020年HY-1C SST 偏差随SST 范围变化图Fig.7 HY-1C SST deviation changing with SST range in 2020

3.2 SST月平均差值校正

根据3.1 节对不同月份HY-1C SST 的误差分析，HY-1C 卫星SST 存在显著的季节趋势，针对不同月份卫星之间偏差的规律性，依照月份计算了HY-1C月均SST 订正值，计算公式见式（1）。将该月均SST 订正值应用于HY-1C SST 对应月份的每日数据中，得到校正后的结果。

式中：i为网格位置；BHC为HY-1C 的SST 订正值，℃；SV和SHC分别为VIIRS 卫星和HY-1C 卫星的月均SST 值，℃。

为开展对比分析，计算了HY-1C 和VIIRS 卫星的年均SST 差值，将其作为HY-1C 卫星的固有偏差，应用到全年每日数据中。选用与HY-1C 相同的时空窗口，基于ARGO 数据开展质量评测，校正前后误差统计结果见表5。

表5 基于ARGO 的HY-1C月平均校正SST 误差统计结果Table 5 Statistical results of SST error of HY-1C monthly average correction based on ARGO data

表5 显示了HY-1C 校正后的误差统计结果，可以看到校正后的平均偏差有明显的降低，对于年平均校正与月平均校正，白天、夜晚平均偏差绝对值降低幅度均超过0.4 ℃。此外，均方根误差也有一定的降低。其中，通过年平均校正方法，白天的均方根误差降低了11.46%，夜晚的均方根误差降低了14.01%；而月平均校正方法白天均方根误差降低了17.4%，夜晚降低了19.38%。表明：通过月平均校正方法，HY-1C 能够获得更为明显的成效。

3.3 SST 分区域校正

由于HY-1C SST 偏差的季节相关性，采用逐月对VIIRS 与HY-1C SST 匹配数据进行校正的方法，不同于月均差值校正，该方法将HY-1C SST数据作为自变量，VIIRS SST 作为因变量，利用最小二乘线性回归方法计算得到两者之间的经验模型，进而利用模型计算出修正后的HY-1C SST，并通过 ARGO 数据评估数据修正前后的质量。HY-1C 逐月回归模型见式（2）。

式中：SHC为HY-1C SST 观测值，℃；SHC'为HY-1C SST 修正值，℃；α和β为模型的系数。模型系数α和β可通过最小二乘法得到。

式中：SHC为HY-1C 卫星SST 值，℃；SV为对应网格的VIIRS SST 值，℃；n为匹配点个数；SV和SHC代表SV和SHC的均值，℃。

HY-1C SST 最小二乘法线性校正模型参数值见表6，将模型应用到2020年全年每日HY-1C SST数据中以对其进行校正。同时，基于3.1 节研究区内偏差的时空分布情况，将东南亚研究区的范围进行了划分，对HY-1C 分区域校正的区域细化分布情况见图8。为衡量HY-1C SST 校正效果，利用ARGO 数据与校正后（整个研究区及分区域）的SST 开展时空匹配，对匹配结果进行误差分析来评估校正前后数据质量，误差统计结果见表7。

图8 东南亚研究区区域划分Fig.8 Regional division of Southeast Asia research area

表6 HY-1C SST 最小二乘线性校正模型参数值Table 6 Model parameter values of HY-1C SST least squares linear correction

表7 基于ARGO 数据的HY-1C 分区域校正SST 误差统计结果Table 7 Statistical results of HY-1C sub-area correction SST error based on ARGO data

结果表明：最小二乘全区域线性校正方法对HY-1C 精度有提高。白天和夜晚的平均偏差分别降到-0.083 2 ℃、-0.321 4℃，而均方根误差分别降到了1.226 6 ℃、1.313 4 ℃，降低幅度超过0.3 ℃，相较于校正前分别降低了21.35%、28.31%。HY-1C SST 分区域校正后白天、夜晚的平均偏差分别为-0.135 2 ℃、-0.347 3 ℃，均方根误差分别为1.052 4 ℃、1.061 8 ℃，相较于校正前精度提升显著，均方根误差分别降低了32.52%、42.04%，夜晚数据较之前不划分区域校正，均方根误差改善了0.251 6 ℃。综合来看，分区域校正方法的效果最优，夜晚数据提升最为显著，对于校正前夜晚数据质量明显低于白天的问题得到了改善，使得HY-1C 白天和夜晚数据质量更为均衡。

3.4 SST 分段校正

基于3.1 节的研究，将HY-1C SST 范围分为18 段（SST 范围为16～34 ℃，每段间隔1 ℃），由于月份与偏差的相关性，依据月份和SST 数值划分不同的分段，获取不同分段的线性修正模型，并将模型应用于2020年全年HY-1C 每日数据（白天、夜晚）中，得到HY-1C 修正数据集。利用ARGO观测数据进行精度评估，误差统计结果见表8。

表8 基于ARGO 数据的HY-1C 分段校正SST 误差统计结果Table 8 Statistical results of HY-1C sub-area correction SST error based on ARGO data

3.5 结果比较

基于VIIRS SST 数据，利用3 种校正方法开展了HY-1C SST 数据校正，HY-1C SST 校正前后利用ARGO 实测SST 评估结果见图9 和图10。3 种方法校正后与ARGO 散点图比校正前更聚拢，但仍存在较多大偏差点。其中分区域校正效果最好，散点在y=x两侧分布较为均匀，直方图向中心聚合，标准差、均方根误差接近1 ℃。

图9 HY-1C 校正前后与ARGO SST 匹配散点图Fig.9 Matching scatter plot of HY-1C with ARGO SST before and after correction

4 结束语

利用ARGO 实测温度数据，评估了AVHRR、MODIS-Aqua、MODIS-Terra、VIIRS、HY-1C COCTS等星载红外辐射计SST 数据，分析了中国HY-1C SST 与国际同类卫星SST 的差异。利用VIIRS SST，通过3 种校正方法（月平均差值校正、分区校正、温度分段校正）对HY-1C SST 进行了校正。主要结论如下。

红外SST 数据精度评估结果表明：AVHRR、MODIS-Aqua、MODIS-Terra、VIIRS SST 与Argo观测数据的相关系数优于0.93，均方根误差优于0.71。与其他同类红外SST 数据相比，VIIRS 精度最高，表现为在白天和夜晚均具有最小的均方根误差，相关系数优于0.95，夜晚的相关系数可达0.97。HY-1C SST 白天的平均偏差、均方根误差分别为-0.73 ℃、1.38 ℃和1.56 ℃，夜间数据偏差分别为-0.95 ℃、1.57 ℃和 1.83 ℃，与 AVHRR、MODIS-Aqua、MODIS-Terra 和VIIRS 的数据精度存在显著差异。

基于VIIRS SST，使用3 种校正方法对HY-1C SST 进行了校正。对比3 种校正方法结果，HY-1C SST 分区域校正后相较于校正前质量提升最明显，标准差、均方根误差接近1 ℃，夜晚均方根误差比校正前降低了约0.8 ℃，白天和晚上均方根误差分别降低了32.52%、42.04%，同时改善了校正前夜晚质量明显低于白天的问题。