基于Himawari-8衛(wèi)星的逐時次海表溫度融合

周旋，葉小敏，周江濤，楊曉峰

( 1.中國人民解放軍61741部隊，北京 100094；2.國家衛(wèi)星海洋應(yīng)用中心，北京 100081；3.中國科學院空天信息創(chuàng)新研究院 遙感科學國家重點實驗室，北京 100101)

1 引言

海表溫度是研究海氣界面物質(zhì)和能量交換的一個重要地球物理參數(shù)，在氣候變化研究中起著重要的作用。它表征海洋的熱力與動力過程，并受到海洋與大氣相互作用的影響，為研究海洋環(huán)流、中尺度渦、海洋鋒、上升流和海水混合等海洋現(xiàn)象提供了重要依據(jù)。獲取高頻次、高空間分辨率、高精度、全覆蓋的海表溫度對于研究海氣相互作用、海洋熱動力過程和氣候變化具有重要意義。Himawari-8衛(wèi)星是日本氣象廳于日本時間2014年10月7日發(fā)射的新一代地球同步靜止氣象衛(wèi)星，搭載了高級Himawari成像儀（AHI）。它的觀測頻率為10 min一次，具有16個光譜通道，紅外通道的空間分辨率達到2 km，其海表溫度產(chǎn)品具有較高的時空分辨率，在西北太平洋海表溫度遙感監(jiān)測方面具有明顯的優(yōu)勢，但同時由于云霧的遮擋，空間覆蓋受到較大的影響。本文以Himawari-8衛(wèi)星紅外遙感海表溫度產(chǎn)品為基礎(chǔ)，融合東北亞區(qū)域海洋觀測系統(tǒng)（NERA-GOOS）現(xiàn)場觀測資料和地球水環(huán)境變化監(jiān)測衛(wèi)星高級微波掃描輻射計（GCOM-W1 AMSR2）微波遙感海表溫度產(chǎn)品，彌補紅外遙感海表溫度空間覆蓋的不足，生成高頻次、高空間分辨率、高精度、全覆蓋的西北太平洋海表溫度融合產(chǎn)品，滿足海氣相互作用、海洋熱動力過程和氣候變化等研究的需求。

常用的海表溫度融合處理算法包括最優(yōu)插值、變分分析和卡爾曼濾波。最優(yōu)插值最早由Eliassen等[1]提出，是在假定背景值、觀測值和分析值均為無偏估計的前提下，求解分析方差最小化的一種分析方法。Reynolds等[2–5]將其應(yīng)用到衛(wèi)星遙感和船舶、浮標觀測的全球海表溫度融合，取得了較好的效果。變分分析通過最小化目標函數(shù)求得全局最優(yōu)分析解[6]，是最優(yōu)插值的一般化，可以用來處理觀測矩陣是非線性的情況，其計算量要比最優(yōu)插值大。卡爾曼濾波最初由Kalman[7]提出，其在線性系統(tǒng)、高斯白噪聲以及高斯先驗分布的假定條件下，通過最小化分析誤差得到最優(yōu)解。最優(yōu)插值亦是卡爾曼濾波的簡化版，但是卡爾曼濾波計算量大，并占用大量機器內(nèi)存，同時很難估計模型誤差。由于最優(yōu)插值實現(xiàn)上的簡單性、計算代價的合理性，本文選擇最優(yōu)插值實現(xiàn)Himawari-8 AHI海表溫度、GCOM-W1 AMSR2海表溫度和NERAGOOS現(xiàn)場觀測資料的融合。

海表溫度的日變化和多源海表溫度間的系統(tǒng)偏差是影響逐時次海表溫度融合產(chǎn)品精度的兩個重要因素。本文利用Himawari-8 AHI海表溫度和歐洲中期天氣預(yù)報中心（ECWMF）海面風速數(shù)據(jù)，結(jié)合太陽輻照度的日變化特征，研究分析海表溫度隨風速和太陽輻射的日變化情況，建立Himawari-8 AHI海表溫度日變化模型，實現(xiàn)海表溫度的日變化訂正；然后以Himawari-8 AHI海表溫度為目標數(shù)據(jù)，利用泊松方程對GCOM-W1 AMSR2海表溫度進行偏差訂正，消除多源海表溫度間的系統(tǒng)偏差；最后，從融合產(chǎn)品個例分析和精度檢驗兩個方面評價逐時次海表溫度融合產(chǎn)品。

2 數(shù)據(jù)準備和預(yù)處理

2.1 Himawari-8 AHI海表溫度

Himawari-8衛(wèi)星位于140.7°E的地球靜止軌道，觀測范圍為 60°S～60°N，80°E～160°W，搭載了 AHI成像儀，具有3個可見光通道、3個近紅外通道和10個紅外通道，全圓盤數(shù)據(jù)的時間分辨率為10 min一次。日本宇宙航空研究開發(fā)機構(gòu)（JAXA）發(fā)布了Himawari-8 AHI海表溫度，包括2級和3級產(chǎn)品，時間分辨率分別為10 min和1 h，空間分辨率均為2 km。與傳統(tǒng)的劈窗算法不同，該產(chǎn)品采用準物理算法，利用8.6 μm、10.4 μm和11.8 μm紅外通道數(shù)據(jù)求解參數(shù)化的紅外輻射傳輸方程反演提取海表溫度，達到較高的精度[8]。本文選用3級Himawari-8 AHI海表溫度產(chǎn)品作為基礎(chǔ)數(shù)據(jù)源，逐時次融合GCOM-W1 AMSR2和現(xiàn)場測量海表溫度。

由于云的輻射特性比較復(fù)雜，在許多情況下很難將一些區(qū)域明確劃分為晴空或云覆蓋，而這些區(qū)域的Himawari-8 AHI海表溫度存在較大誤差。為了保證海表溫度融合產(chǎn)品的精度，在融合之前需要對Himawari-8 AHI海表溫度產(chǎn)品進行質(zhì)量控制，剔除異常數(shù)據(jù)，提高產(chǎn)品可信度。

2.1.1 氣候態(tài)值檢驗

同一海區(qū)、同一時期的海表溫度相對穩(wěn)定、變化較小，利用海表溫度氣候均值并結(jié)合其變化量可以對Himawari-8 AHI海表溫度進行檢驗，剔除異常數(shù)據(jù)。利用英國氣象局發(fā)布的1992–2010年業(yè)務(wù)海表溫度和海冰分析產(chǎn)品（OSTIA）計算每天的海表溫度均值和均方差，并插值到Himawari-8 AHI海表溫度產(chǎn)品的網(wǎng)格點上，其中海表溫度均值作為氣候態(tài)值，2.5倍均方差作為臨界值。當Himawari-8 AHI海表溫度與氣候態(tài)值差的絕對值大于臨界值，認為該數(shù)據(jù)異常，將其剔除。

2.1.2 空間一致性檢驗

海表溫度在空間上變化比較緩慢，一定空間范圍內(nèi)海表溫度的均方差較小。對于Himawari-8 AHI海表溫度的每個格點，計算以其為中心5×5窗口的均值和均方差。在完全晴空下，5×5窗口的海表溫度均方差較??；當受到云干擾時，均方差增大。當格點值與均值之差大于2.5倍均方差時，認為該數(shù)據(jù)異常，將其剔除。

2.1.3 時間一致性檢驗

同一位置的海表溫度在時間上變化比較緩慢，一定時間范圍內(nèi)單個格點海表溫度的均方差較小。對于Himawari-8 AHI海表溫度的每個格點，計算前5 d時間范圍內(nèi)的均值和均方差。在晴空下，均方差主要反映海表溫度的日變化，其值較??；當受到云干擾時，均方差明顯增大。本文將格點值與均值之差大于2.5倍均方差的格點進行剔除。

2.2 GCOM-W1 AMSR2海表溫度

AMSR2是搭載在GCOM-W1衛(wèi)星的微波輻射計，以偏離星下點55°進行圓錐掃描，幅度為1 450 km，升交點時間為13:30，工作頻率為6.925 GHz、7.3 GHz、10.65 GHz、18.7 GHz、23.8 GHz、36.5 GHz和 89.0 GHz，每個頻率包括水平和垂直兩個極化通道。JAXA發(fā)布了10 km和25 km的GCOM-W1 AMSR2海表溫度產(chǎn)品，包括沿軌和網(wǎng)格化兩種類型。該產(chǎn)品利用6.925 GHz垂直極化通道數(shù)據(jù)反演海表溫度，具有全天時、全天候的特點，具有較高的精度[9]。本文選用空間分辨率為25 km的沿軌GCOM-W1 AMSR2海表溫度產(chǎn)品進行融合。

GCOM-W1 AMSR2海表溫度受降雨影響較大，在融合之前，根據(jù)質(zhì)量標識剔除受降雨影響的數(shù)據(jù)，然后重投影到10 km分辨率的網(wǎng)格上，對每個網(wǎng)格點進行氣候態(tài)值檢驗、空間一致性檢驗和時間一致性檢驗以保證其精度，最后通過雙線性插值到2 km分辨率的網(wǎng)格上。

2.3 NERA-GOOS現(xiàn)場觀測資料

NERA-GOOS是全球海洋觀測系統(tǒng)的東北亞區(qū)域試驗項目，其現(xiàn)場觀測資料的來源主要有固定浮標、漂流浮標、沿岸站、海洋科學考察船和自動觀測船。NERA-GOOS數(shù)據(jù)庫包括區(qū)域?qū)崟r數(shù)據(jù)庫（RRTDB）和區(qū)域延時數(shù)據(jù)庫（RDMDB），RRTDB用于存放最近30 d的數(shù)據(jù)，30 d以上的數(shù)據(jù)遷移到RDMDB。本文采用RDMDB中全球海表溫度和鹽度解碼數(shù)據(jù)。

由于NERA-GOOS現(xiàn)場觀測資料存在較大的誤差，在融合之前，需要進行必要的質(zhì)量控制，剔除異常的數(shù)據(jù)，主要包括浮標編號、船號、時間記錄和經(jīng)緯度不合格的數(shù)據(jù)以及記錄錯誤的數(shù)據(jù)。

3 海表溫度融合方法

高空間覆蓋度、高空間分辨率、逐時次的海表溫度融合產(chǎn)品對于研究海洋環(huán)流、中尺度渦、海洋鋒、上升流和海水混合等海洋現(xiàn)象具有重要意義。本文以3級Himawari-8 AHI海表溫度為基礎(chǔ)，融合GCOM-W1 AMSR2海表溫度產(chǎn)品和NERA-GOOS現(xiàn)場觀測資料，生成逐時次的西北太平洋海表溫度融合產(chǎn)品。具體融合流程如圖1所示。

圖1 海表溫度融合流程Fig.1 The flow of sea surface temperature fusion

首先，為了提高海表溫度遙感觀測資料的空間覆蓋度，選擇當前時刻前6 h以內(nèi)Himawari-8 AHI和GCOMW1 AMSR2海表溫度產(chǎn)品以及當前時刻NERA-GOOS現(xiàn)場觀測資料作為融合數(shù)據(jù)源，并對數(shù)據(jù)進行預(yù)處理和挑選；其次，考慮到海表溫度存在日變化，研究建立Himawari-8 AHI海表溫度日變化模型，實現(xiàn)對非當前時刻海表溫度的日變化訂正；然后，由于多源海表溫度間存在系統(tǒng)偏差，以Himawari-8 AHI海表溫度為目標數(shù)據(jù)，利用泊松方程對GCOM-W1 AMSR2海表溫度進行偏差訂正；最后，利用最優(yōu)插值法實現(xiàn)Himawari-8 AHI海表溫度、GCOM-W1 AMSR2海表溫度和NERA-GOOS現(xiàn)場觀測資料的逐時次融合。

3.1 數(shù)據(jù)挑選

當前時刻前6 h以內(nèi)Himawari-8 AHI和GCOMW1 AMSR2海表溫度產(chǎn)品存在重復(fù)觀測的區(qū)域，即同一個網(wǎng)格點上存在多個觀測數(shù)據(jù)，因此，在融合之前需要對重復(fù)觀測數(shù)據(jù)進行挑選。本文按照海表溫度產(chǎn)品的種類和時間先后順序挑選數(shù)據(jù)。首先，比較海表溫度產(chǎn)品的種類，由于Himawari-8 AHI海表溫度產(chǎn)品的空間分辨率高于GCOM-W1 AMSR2海表溫度，其優(yōu)先級高于GCOM-W1 AMSR2；然后，比較距離當前時刻的遠近，距當前時刻近的數(shù)據(jù)優(yōu)先級要高。

3.2 日變化訂正

由于太陽輻射作用，海表溫度存在日變化。融合數(shù)據(jù)源為當前時刻前6 h以內(nèi)海表溫度，由于鄰近時刻的海表溫度與當前時刻存在差異，為了保證融合產(chǎn)品精度，需要建立海表溫度日變化訂正模型，將鄰近時刻的海表溫度訂正到當前時刻。Gentemann等[10]利用AVHRR紅外傳感器開拓者海表溫度和TMI微波傳感器海表溫度數(shù)據(jù)建立了隨時間、風速和太陽輻射變化的日變化經(jīng)驗?zāi)Ｐ?。與AVHRR海表溫度和TMI海表溫度不同，Himawari-8 AHI海表溫度產(chǎn)品的時間分辨率優(yōu)于1 h，在研究海表溫度日變化規(guī)律方面具有獨特的優(yōu)勢。本文在Gentemann等[10]模型基礎(chǔ)上研究建立Himawari-8 AHI海表溫度日變化模型。

海表溫度日變化為衛(wèi)星遙感海表溫度與夜間參考海表溫度的差。為了避免個別受云污染的網(wǎng)格點所帶來的誤差，夜間參考海表溫度取地方時03:00至07:00海表溫度的平均值。圖2為2017年10月5日8.04°N，143.00°E海表溫度日變化樣例圖，其中1天中的海表溫度低值集中在03:00至07:00，海表溫度高值集中在12:00至14:00。

為了建立海表溫度日變化模型，本文選擇2017年1月、4月、7月和10月的Himawari-8 AHI海表溫度以及ECWMF海面風速數(shù)據(jù)研究分析海表溫度日變化隨風速和太陽輻射的變化情況。ECWMF海面風速的時間分辨率為6 h，空間分辨率為25 km，通過雙線性插值到Himawari-8 AHI海表溫度網(wǎng)格。太陽輻照度是緯度和時間的函數(shù)，采用Liou[11]的公式計算。不同風速條件下海表溫度日變化幅度隨太陽輻照度的變化情況如圖3所示，不同太陽輻照度條件下海表溫度日變化幅度隨海面風速的變化情況如圖4所示。

圖2 海表溫度日變化情況（以2017年10月5日8.04°N，143.00°E 海表溫度變化為例）Fig.2 The daily variation of sea surface temperature at 8.04°N, 143.00°E on October 5, 2017

由圖3和圖4可知，匹配數(shù)據(jù)主要集中在海面風速1～4 m/s和太陽輻照度420～500 W/m2范圍內(nèi)。當風速一定時，隨著太陽輻射的增強，海表溫度日變化幅度增大，二者近似線性變化關(guān)系；當太陽輻射一定時，隨著風速的增加，海表溫度日變化幅度減小，二者近似指數(shù)變化關(guān)系。

利用最小二乘法對海表溫度日變化幅度與海面風速、太陽輻照度的變化關(guān)系進行擬合（如圖3和圖4的藍色直線）：

式中，t為時間；Q為太陽輻照度；u為海面風速；f(t)為海表溫度日變化因子，采用Gentemann[10]的公式計算，w為常數(shù)0.266 8：

在融合之前，需要將鄰近時刻的海表溫度訂正到當前時刻。將時間、海面風速和太陽輻照度帶入式（1），計算鄰近時刻與當前時刻海表溫度的差異，進而實現(xiàn)鄰近時刻Himawari-8和AMSR2海表溫度的日變化訂正。

3.3 海表溫度偏差訂正

由于探測機理、傳感器性能和反演算法等方面的差異，Himawari-8 AHI海表溫度和GCOM-W1 AMSR2海表溫度存在系統(tǒng)偏差，如圖5a和圖6a所示，在過渡區(qū)域形成明顯的拼接縫。為了保證融合產(chǎn)品的精度，在融合之前需要對多源海表溫度進行偏差訂正，消除系統(tǒng)偏差。本文以Himawari-8 AHI海表溫度為目標數(shù)據(jù)，利用泊松方程對GCOM-W1 AMSR2海表溫度進行偏差訂正，其基本思想是改變AMSR2海表溫度的梯度場以獲得一個新的梯度場，并通過最小化該梯度場與Himawari-8 AHI海表溫度的梯度場v差異來實現(xiàn)，即

圖3 海表溫度日變化幅度隨太陽輻照度的變化Fig.3 The amplitude of diurnal sea surface temperature variation with solar irradiance

式中，f為偏差訂正后的GCOM-W1 AMSR2海表溫度；f?為Himawari-8 AHI海表溫度；為梯度算子；∥ ?∥表示向量 ?的L2范數(shù)；?為GCOM-W1 AMSR2海表溫度覆蓋區(qū)域；? ?為GCOM-W1 AMSR2海表溫度與Himawari-8 AHI海表溫度的拼接區(qū)域；f|??和表示 ? ?區(qū)域的海表溫度。偏差訂正后的GCOM-W1AMSR2海表溫度和Himawari-8 AHI海表溫度的梯度差異采用圖像的L2范數(shù)表示。由歐拉–拉格朗日方程，式（3）變成滿足狄利克雷邊界條件的泊松方程[12–14]：

圖4 海表溫度日變化幅度隨海面風速的變化Fig.4 The amplitude of diurnal sea surface temperature variation with wind speed

圖5 Himawari-8 AHI和 GCOM-W1 AMSR2 海表溫度的拼接產(chǎn)品（28.8°～31.2°N，123.2°～126.2°E）Fig.5 The mosaic sea surface temperature from Himawari-8 AHI and GCOM-W1 AMSR2 at 28.8°?31.2°N and 123.2°?126.2°E

圖6 Himawari-8 AHI和GCOM-W1 AMSR2海表溫度的拼接產(chǎn)品（29.8°N）Fig.6 The mosaic sea surface temperature from Himawari-8 AHI and GCOM-W1 AMSR2 at 29.8°N

圖5為Himawari-8 AHI和GCOM-W1 AMSR2海表溫度拼接產(chǎn)品的樣例圖，空間范圍為28.8°～31.2°N，123.2°～126.2°E，時間為2017年4月3日18:00；圖6為沿 29.8°N線的 Himawari-8 AHI和 GCOM-W1 AMSR2海表溫度，經(jīng)度范圍和時間與圖5一致。由圖5a和圖6a可知，訂正前，由于Himawari-8 AHI海表溫度和GCOM-W1 AMSR2海表溫度存在系統(tǒng)偏差，產(chǎn)生明顯的拼接縫。本文以Himawari-8 AHI海表溫度為目標數(shù)據(jù)，通過泊松方程對GCOM-W1 AMSR2海表溫度進行偏差訂正。由圖5b和圖6b可知，訂正后，Himawari-8 AHI海表溫度和GCOM-W1 AMSR2海表溫度之間的拼接縫消失，取得了較好的效果。

3.4 最優(yōu)插值融合

海表溫度經(jīng)過日變化訂正和偏差訂正后，本文利用最優(yōu)插值法實現(xiàn)海表溫度逐時次融合。最優(yōu)插值法是在假定初估值、觀測值和分析值均為無偏估計的前提下，求解分析值誤差方差最小的一種客觀分析方法。在最優(yōu)插值法中，空間網(wǎng)格點的分析值是由網(wǎng)格點的初估值加上訂正值而確定的，其訂正值由周圍各觀測點的觀測值與初估值的偏差加權(quán)求得：

式中，k為分析格點；i為觀測格點；Ak代表在網(wǎng)格點k上的分析值，即海表溫度最優(yōu)插值的融合結(jié)果；Bk代表網(wǎng)格點k上的初估值，這里選擇前一時次融合的海表溫度加上當前時次海表溫度增量；Wi代表權(quán)重函數(shù)；Oi為 代表在網(wǎng)格點i上的觀測值。

為了分析值誤差方差最小，Wj應(yīng)滿足:

式中，j表示位于觀測/網(wǎng)格點i周圍的觀測/網(wǎng)格點，為初估場誤差協(xié)相關(guān)；為觀測場誤差協(xié)相關(guān)，假定網(wǎng)格點之間的觀測誤差相互獨立，則當i等于j時為1，當i不等于j時為0；εi為i點上觀測場誤差標準差和初估場誤差標準差的比率，采用Reynolds和Smith[2]的取值方法?？臻g網(wǎng)格點上分析值的最小誤差估計為

初估場誤差協(xié)相關(guān)利用高斯函數(shù)表示

式中，x、y分別表示經(jīng)向和緯向；i、j表示不同的觀測點 ； λx、 λy分 別 表 示 經(jīng) 向 和 緯 向 相 關(guān) 尺 度 ， 當xi等 于xj時，計算緯向上不同距離的相關(guān)系數(shù)，通過最小二乘法擬合得到 λx和Ax，當yi等于yj時，采用同樣的方法可以得到 λy和Ay；A表示分析格點與鄰域的最大相關(guān)系數(shù)，這里取Ax和Ay的均值。本文將OSTIA海表溫度分析產(chǎn)品插值到2 km網(wǎng)格上作為初始的初估場，然后再以上一時次的海表溫度融合產(chǎn)品加上當前時次海表溫度增量作為初估場。以分析格點的位置為中心，利用半徑500 km以內(nèi)初估場數(shù)據(jù)計算A、 λx和 λy。圖7為2017年4月初估場誤差協(xié)相關(guān)的 λx、 λy和A。

由圖7a和圖7b可知，近岸海域初估場誤差的經(jīng)向和緯向相關(guān)尺度明顯小于遠海，這是由于近岸海域存在許多入海河口且受人類活動影響較大，水環(huán)境復(fù)雜，海表溫度隨時間變化較快且在空間上分布不均勻，造成近岸海域初估場誤差的相關(guān)尺度較??；經(jīng)向相關(guān)尺度大于相應(yīng)的緯向相關(guān)尺度，這是由于海表溫度隨緯度變化較大而在經(jīng)向變化較小。由圖7c可知，參數(shù)A反映了分析格點與其鄰域的最大相關(guān)系數(shù)，平均值為0.88，表明分析格點與其鄰域具有較高的相關(guān)性。

圖7 2017年4月初估場誤差協(xié)相關(guān)的 λ x （a）、 λ y（b）和 A（c）Fig.7 The λx(a), λy (b), and A (c) of the estimated initial field in April 2017

圖8為經(jīng)日變化訂正、偏差訂正后的海表溫度觀測數(shù)據(jù)和最優(yōu)插值海表溫度融合產(chǎn)品，時間為2017年4月3日18:00。由于云、降雨等因素的影響，圖8a存在大量的缺失數(shù)據(jù)，經(jīng)最優(yōu)插值融合后，圖8b海表溫度融合產(chǎn)品實現(xiàn)了空間上的全覆蓋。對比圖8a和圖8b可以發(fā)現(xiàn)，最優(yōu)插值海表溫度融合產(chǎn)品保留了海表溫度觀測數(shù)據(jù)的細節(jié)特征。

4 實驗驗證

為了檢驗逐時次海表溫度融合處理方法的效果和精度，本文選擇西北太平洋海域的Himawari-8 AHI海表溫度、GCOM-W1 AMSR2海表溫度和NERA-GOOS現(xiàn)場觀測資料進行融合實驗。針對實驗結(jié)果，從融合結(jié)果個例分析和精度檢驗兩個方面評價逐時次海表溫度融合產(chǎn)品。

4.1 融合結(jié)果個例分析

本文選取呂宋海峽及其周邊海域進行個例分析，經(jīng)緯度范圍為 15°～28°N，112°～127°E，時間為 2017年8月17日，圖9為00:00和14:00的海表溫度融合結(jié)果及日增溫情況，圖10為14:00的多平臺交叉校準（CCMP）海面風速空間分布情況。由圖9a和圖9b可知，融合后的海表溫度覆蓋了整個海域，反映了海表溫度的空間分布情況。海表溫度在臺灣海峽西岸存在明顯的低值區(qū)，然后沿西北–東南走向，逐漸升高。由圖9c可知，A和B區(qū)存在明顯的日增溫現(xiàn)象，而C和D區(qū)的日增溫較小，這與太陽輻射和海面風速有關(guān)，如圖3和圖4。8月份太陽輻射較強，有利于日增溫，下面主要分析海面風速與圖9c日增溫空間分布的相關(guān)性。在圖10中，A和B區(qū)的風速偏低，有利于日增溫；C和D區(qū)風速較大，有利于表層海水混合，日增溫不明顯，這與圖9c日增溫的空間分布特征基本一致，間接證實海表溫度融合處理結(jié)果的準確性。

圖8 經(jīng)日變化訂正、偏差訂正后的海表溫度觀測數(shù)據(jù)（a）和最優(yōu)插值海表溫度融合產(chǎn)品（b）Fig.8 The observed sea surface temperature using the diurnal variation and bias corrections(a), and the fused sea surface temperature using the optimal interpolation(b)

圖9 2017年8月17日 00:00時（a）和 14:00時（b）的海表溫度融合結(jié)果及日增溫情況（c）Fig.9 The daily warming of sea surface temperature (c) and the fusion products of sea surface temperature at 00:00 (a) and 14:00 (b) on August 17, 2017

4.2 精度檢驗

圖10 2017年8月17日14:00時的CCMP海面風速Fig.10 The CCMP sea surface wind speed at 14:00 on August 17, 2017

本文選擇2017年1月、4月、7月和10月的NERAGOOS現(xiàn)場觀測資料對海表溫度融合結(jié)果進行精度檢驗，二者在空間上的匹配標準是觀測位置間隔小于2 km、時間上的匹配標準是觀測時間間隔小于30 min，匹配數(shù)據(jù)點為16 418個，隨機選取2 000個現(xiàn)場觀測數(shù)據(jù)參與海表溫度融合，剩余14 418個現(xiàn)場觀測數(shù)據(jù)用于海表溫度融合結(jié)果精度檢驗，檢驗結(jié)果如圖11所示。圖11a為NERA-GOOS現(xiàn)場觀測資料和海表溫度融合結(jié)果的散點圖，數(shù)據(jù)主要集中在5～30℃之間的對角線附近，NERA-GOOS現(xiàn)場觀測資料和海表溫度融合結(jié)果的均方根誤差為0.89℃；圖11b為NERA-GOOS現(xiàn)場觀測資料與海表溫度融合結(jié)果偏差的直方圖，海表溫度融合結(jié)果略小于NERAGOOS現(xiàn)場觀測資料，偏差的平均值為0.09℃、中值為0.12℃、最大值為3.04℃、最小值為–3.34℃，這說明本文的海表溫度融合產(chǎn)品具有較高的精度。

5 結(jié)論

Himawari-8 AHI海表溫度具有高頻次、高空間分辨率的特點，但受云霧影響大，空間覆蓋度較低。GCOM-W1 AMSR2海表溫度空間覆蓋度較高，但空間分辨率低，且在近岸精度不高。本文以Himawari-8 AHI海表溫度為基礎(chǔ)，融合GCOM-W1 AMSR2海表溫度和NERA-GOOS現(xiàn)場觀測資料，生成高空間分辨率、高精度、全覆蓋的西北太平洋逐時次海表溫度融合產(chǎn)品。

為了充分利用鄰近時刻海表溫度，本文利用Himawari-8 AHI海表溫度和ECWMF海面風速研究分析了海表溫度隨時間、風速、太陽輻射的變化情況，建立了Himawari-8 AHI海表溫度日變化模型，實現(xiàn)鄰近時刻海表溫度的訂正；為了消除多源海表溫度間系統(tǒng)偏差，本文以Himawari-8 AHI海表溫度為目標數(shù)據(jù)，利用泊松方程改變GCOM-W1 AMSR2海表溫度的梯度場，使其與Himawari-8 AHI海表溫度梯度場的差異最小化，實現(xiàn)多源海表溫度間偏差訂正；由于最優(yōu)插值實現(xiàn)上的簡單性、計算代價的合理性，本文選用最優(yōu)插值實現(xiàn)訂正后的Himawari-8 AHI海表溫度、GCOM-W1 AMSR2海表溫度以及NERA-GOOS現(xiàn)場觀測資料的融合。為了驗證逐時次海表溫度融合產(chǎn)品的效果和精度，本文選取呂宋海峽及其周邊海域進行個例分析，發(fā)現(xiàn)海表溫度日增溫情況與海面風速具有較好的相關(guān)性，間接證實了海表溫度融合結(jié)果的準確性；然后，利用NERA-GOOS現(xiàn)場觀測資料與海表溫度融合產(chǎn)品進行對比分析，二者均方根誤差為0.89 ℃,其中，海表溫度融合產(chǎn)品的值略偏低，偏差為0.09 ℃,說明本文的海表溫度融合產(chǎn)品與現(xiàn)場觀測海表溫度具有較好的一致性。

圖11 海表溫度融合結(jié)果精度檢驗Fig.11 The validation of sea surface temperature fusion products

逐時次的海表溫度融合產(chǎn)品對于研究海氣相互作用、海洋熱動力過程和氣候變化具有重要意義，同時也為水聲設(shè)備應(yīng)用提供重要的數(shù)據(jù)支撐。利用逐時次的海表溫度融合產(chǎn)品計算海表溫度的日增溫，可定性分析海表溫度對聲吶的探測效果影響，也可結(jié)合水聲傳播模型和三維溫鹽數(shù)據(jù)定量計算聲吶作用距離。

隨著FY-4A、HY-1C和HY-2B等國產(chǎn)衛(wèi)星海表溫度產(chǎn)品投入業(yè)務(wù)化應(yīng)用，逐時次海表溫度融合可利用的國產(chǎn)衛(wèi)星數(shù)據(jù)源逐步增多，下一步將利用國產(chǎn)衛(wèi)星數(shù)據(jù)源建立海表溫度日變化模型，發(fā)展多源海表溫度間系統(tǒng)偏差方法，研發(fā)逐時次的國產(chǎn)化海表溫度融合產(chǎn)品，滿足水聲設(shè)備應(yīng)用的保障需求以及海氣相互作用、海洋熱動力過程和氣候變化的研究需求。

致謝：感謝日本宇宙航空研究開發(fā)機構(gòu)提供的Himawari-8 AHI海表溫度產(chǎn)品（https://www.eorc.jaxa.jp/ptree/），歐洲中期天氣預(yù)報中心提供的海表風速產(chǎn)品（http://apps.ecmwf.int/datasets/data/interim-fulldaily/），日本海洋數(shù)據(jù)中心提供的NEAR-GOOS現(xiàn)場觀測資料（http://near-goos1.jodc.go.jp/index.html）。