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(xué)院空天信息創(chuàng)新研究院 遙感科學(xué)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(fēng)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(fēng)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(dāng)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(dāng)受到云干擾時，均方差增大。當(dāng)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(dāng)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(xué)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(dāng)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(dāng)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(dāng)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(dāng)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(dāng)前時刻的遠近，距當(dāng)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(dāng)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(dāng)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(dāng)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(fēng)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(fēng)速數(shù)據(jù)研究分析海表溫度日變化隨風(fēng)速和太陽輻射的變化情況。ECWMF海面風(fēng)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(fēng)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(fēng)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(fēng)速1～4 m/s和太陽輻照度420～500 W/m2范圍內(nèi)。當(dāng)風(fēng)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(dāng)太陽輻射一定時，隨著風(fēng)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(fēng)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(fēng)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(dāng)前時刻。將時間、海面風(fēng)速和太陽輻照度帶入式（1），計算鄰近時刻與當(dāng)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(fēng)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(dāng)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(dāng)i等于j時為1，當(dāng)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。空間網(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(dāng)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(dāng)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(dāng)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(fēng)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(fēng)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(fēng)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(fēng)速偏低，有利于日增溫；C和D區(qū)風(fēng)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(fēng)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(fēng)速研究分析了海表溫度隨時間、風(fēng)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(fēng)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(fēng)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）。