西太平洋東印度洋Suomi-NPP/VIIRS海表溫度印證?

李凝慧, 管 磊??

(1. 中國海洋大學信息科學與工程學院海洋技術系， 山東 青島 266100； 2. 中國海洋大學三亞海洋研究院， 海南 三亞 572024； 3. 青島海洋科學與技術試點國家實驗室 區(qū)域海洋動力學與數(shù)值模擬功能實驗室， 山東 青島 266237)

海表溫度(Sea Surface Temperature, SST)是重要的氣候變量，在海洋與大氣的熱量、動量交換中擔當重要的角色[1]。海表溫度的變化揭示了海面次表層熱量變化引起的鋒面和渦流，溫度梯度的變化也會導致海-氣邊界的中尺度或大尺度的變化[2]。對地觀測衛(wèi)星委員會(CEOS)已宣布海表溫度將成為基本的氣候變量[3]。對于不同傳感器來源的SST進行評估是生成氣候數(shù)據(jù)記錄(CDR)的重要因素[4]。有關海表溫度的驗證工作已經(jīng)開展了很多，McClain針對AVHRR反演得到海表溫度進行驗證(劈裂窗多通道算法)，衛(wèi)星與浮標SST之差的均方根誤差為0.6 ℃，衛(wèi)星和船測SST之差的均方根誤差為1.8 ℃[5]。Walton等人針對AVHRR分別采用線性和非線性算法反演SST并與浮標進行比較，結果表明非線性算法比線性算法更加精確，白天的SST偏差從～0.8 ℃下降到0.5 ℃[6]。Gentemann采用三方誤差分析，3種觀測平臺的標準差分別為0.20 ℃ (in situ), 0.28 ℃(AMSR-E), 0.38 ℃ (MODIS)[7]。Minnett利用浮標和M-AERI的SST數(shù)據(jù)評估了MODIS SST全球范圍的不確定性，MOIDS與浮標相比白天和晚上的偏差分別為-0.15和-0.22 ℃，標準差分別為0.55和0.48 ℃；與M-AERI的相比白天和晚上的偏差分別為0.04和-0.02 ℃，標準差分別為0.59和0.53 ℃[8]。Mathur 等人對ERS-1/ATSR反演的熱帶印度洋區(qū)域SST進行驗證，發(fā)現(xiàn)存在0.2～0.5 K的冷偏差[9]。奚萌等人將2003—2009年西北太平洋區(qū)域的Argo數(shù)據(jù)和MODIS/TERRA的SST進行對比，結果表明平均偏差位于[-0.19 ℃，-0.10 ℃]區(qū)間，標準差位于[0.66 ℃, 0.70 ℃]區(qū)間內(nèi)[10]。美國新一代極軌衛(wèi)星Suomi-NPP 于2011年10月2日發(fā)射，軌道高度824 km，過赤道當?shù)貢r間為13:30，其搭載的可見光紅外成像儀(VIIRS)是一個具有22通道的掃描輻射計，包括16個中分辨率波段(M波段，星下點分辨率750 m)和5個成像波段(I波段,星下點分辨率325 m)，全色波段星下點分辨率750 m，刈幅寬度3 060 km，掃描角跨度為±56°[11]。Petrenko 等人曾針對VIIRS Level 2的SST數(shù)據(jù)進行過驗證，白天平均偏差為0 K，標準差為0.466，晚上平均偏差為0 K,標準差為0.359[11]。

本文研究內(nèi)容主要是針對項目調查區(qū)域，利用實測數(shù)據(jù)對VIIRS觀測的SST進行驗證。

1 數(shù)據(jù)

1.1 VIIRS海表溫度數(shù)據(jù)和現(xiàn)場實測數(shù)據(jù)

本文研究區(qū)域為80°E—118°E，10°S—23°N，其包括東印度洋和西太平洋部分海域，使用的Level-3U 海表溫度(SST)數(shù)據(jù)來源于VIIRS獲取的2015年5月—2018年12月的海表溫度產(chǎn)品，由NOAA分發(fā)，版本為2.40，空間分辨率0.02(°)×0.02(°)，時間間隔為5 min。數(shù)據(jù)文件是符合GHRSST數(shù)據(jù)規(guī)范版本(GDS2)的NetCDF4格式。數(shù)據(jù)通過ftp下載，數(shù)據(jù)下載地址為：ftp://ftp.nodc.noaa.gov/pub/data.nodc/ghrsst/L3U/VIIRS_NPP/OSPO/。圖1是2015年12月31日VIIRS Level3U的SST產(chǎn)品的海表溫度全球分布，顏色代表溫度的數(shù)值。本文選取質量等級最高的SST數(shù)據(jù)。

圖1 2015年12月31日全球海表溫度Fig.1 Global sea surface temperature on 31 Dec， 2015

現(xiàn)場測量數(shù)據(jù)來源于實測數(shù)據(jù)質量監(jiān)測系統(tǒng)(iQuam 2.1版本)。iQuam數(shù)據(jù)包含的數(shù)據(jù)集有：時間信息、經(jīng)緯度、測量類型、海表溫度、質量等級、氣壓、氣溫等[12-13]。圖2為2017年1月1日的iQuam數(shù)據(jù)分布，展示了7種不同的測量類型，Ship表示普通船測；IMOS表示IMOS船測；Drifter表示普通漂流浮標；HR-Drifter表示高分辨率漂流浮標；Argo表示Argo浮標；T-Moored表示熱帶固定浮標；C-Moored表示近岸浮標；CRW表示珊瑚礁觀測浮標。iQuam質量等級范圍為 0～5，本研究采用最高質量并包括所有實測數(shù)據(jù)類型的實測數(shù)據(jù)。數(shù)據(jù)下載地址為ftp://ftp.star.nesdis.noaa.gov/pub/sod/sst/iquam/v2.10/。

圖2 2015年12月31日不同平臺的浮標數(shù)據(jù)分布示意圖Fig.2 Distribution of different buoys on 31 Dec， 2015

1.2 匹配方法

本研究采取時間間隔1 h[14]，空間分辨率為0.02(°)×0.02(°)的匹配準則，對VIIRS 的SST數(shù)據(jù)和實測數(shù)據(jù)的進行匹配。按照衛(wèi)星自帶的數(shù)據(jù)格式和編輯標準，選取最高質量的數(shù)據(jù)(質量標志為5)，將時間位于1 h內(nèi)的衛(wèi)星SST數(shù)據(jù)合并到一起，每天合并生成24個文件。實測數(shù)據(jù)與衛(wèi)星數(shù)據(jù)的處理方式相同，每間隔1 h按照實測數(shù)據(jù)自帶的經(jīng)緯度投影到0.02(°)×0.02(°)的網(wǎng)格內(nèi)，每天生成24個文件。最后對兩種觀測平臺的SST進行配對，完成數(shù)據(jù)的時空匹配。

2 衛(wèi)星遙感數(shù)據(jù)與現(xiàn)場實測數(shù)據(jù)印證

2.1 匹配數(shù)據(jù)統(tǒng)計

本節(jié)對驗證結果的評估主要通過計算平均偏差(Mean Bias)、標準差(STD)、均方根誤差(RMSE)、中位數(shù)(Median)、魯棒標準差(RSD)以及偏差分布在±0.5 ℃、±1 ℃、±2 ℃的比例。表1是2015—2018年的統(tǒng)計結果。在VIIRS和iQuam的匹配結果中，2015年的得到的匹配點數(shù)目最多，為7 964。2018年的匹配點數(shù)目最少，為4 437。在匹配點的數(shù)量方面，晚上的匹配點要多于白天。總計4年的匹配結果，全年的均方根誤差分布在[0.47 ℃，0.64 ℃]區(qū)間內(nèi)，標準差分布在[0.46 ℃，0.63 ℃]區(qū)間內(nèi)，平均偏差全部分布在[-0.07 ℃，0.08 ℃]區(qū)間內(nèi)。4年的數(shù)據(jù)匹配點偏差分布在±0.5 ℃的占比都在70%以上，分布在±1 ℃的占比都在89%以上，分布在±2 ℃的占比接近100%。從白天和晚上的統(tǒng)計結果可以看出，白天的標準差分布在[0.57 ℃，0.74 ℃]的區(qū)間內(nèi)，晚上的標準差分布在[0.36 ℃，0.50 ℃]的區(qū)間內(nèi)，晚上的標準差小于白天，晚上SST偏差分布在±0.5 ℃、±1 ℃、±2 ℃的比例也要高于白天。2015—2018年的白天SST的RSD約為晚上的兩倍，說明VIIRS晚上的SST波動小于白天，數(shù)據(jù)穩(wěn)定。

表1 2015年5月—2018年12月VIIRS 海表溫度與現(xiàn)場測量數(shù)據(jù)印證統(tǒng)計Table 1 Statistics of sea surface temperature difference between VIIRS and in-situ data from May， 2015 to Dec., 2018

全年的誤差和匹配點數(shù)量隨時間的變化而變化， 2015年點的數(shù)量最多，2017年數(shù)量達到最低，并且SST平均偏差和標準差隨著匹配點的減少反而逐漸增加，平均偏差和標準差的變化趨勢相同。

2.2 誤差的空間分布

圖3表示的是2015—2018年白天和晚上的誤差分布，水平方向的藍色實線代表日平均偏差，豎直方向的誤差棒代表日標準差。2015—2016年的日標準差中都存在極少數(shù)異常值，有的標準差甚至達到2 ℃以上，日平均偏差全部分布在0 ℃附近，整體上白天的標準差大于晚上。從圖3可以看出，晚上的誤差棒無論從數(shù)值大小還是波動程度都小于白天，說明晚上由于缺少太陽直接照射對海水加熱，上層海水和下層海水的溫度差異小于白天，而浮標測得的SST為體溫，衛(wèi)星觀測的SST為皮溫，因此SST差異很小。由于某些天的匹配點數(shù)量很少導致計算平均偏差和標準差出現(xiàn)異常值，例如圖3(a)和圖3(b)。

圖3 日平均偏差和標準差隨時間的變化Fig.3 Variation of the daily mean bias and standard deviation

為了進一步分析誤差在空間上的變化，SST偏差按照空間位置繪制在地圖上，并用顏色表示偏差的大小。圖4表示2015—2018年白天和晚上的匹配點的空間位置和偏差大小。2015—2016年的匹配點主要集中在西太平洋南部和印度洋北部區(qū)域，SST偏差大部分分布在0 ℃附近，說明衛(wèi)星觀測的SST與實測SST差異很小。圖4中可以明顯看出2017和2018年的匹配點數(shù)量少于2015和2016年(主要由2017和2018年iQuam數(shù)據(jù)中孟加拉灣區(qū)域的走航船數(shù)量減少導致)。衛(wèi)星輻射計測量的是海面以下10 μm左右海水層的溫度, 而浮標測量的海表溫度是海面以下0.5～1.5 m的水溫[15]。二者之差主要與太陽輻射和風有關，晚上由于沒有太陽輻射加熱，因此在風速較低的情況下，晚上的SST偏差大部分比白天小，出現(xiàn)冷偏差點的數(shù)量多于白天，在晴空條件下差異更加明顯。衛(wèi)星輻射計為0.02(°)×0.02(°)網(wǎng)格反演的SST，浮標為0.02(°)×0.02(°)網(wǎng)格內(nèi)所有單點觀測的SST的平均值，二者空間分辨率上的不同會造成誤差，特別是在近岸區(qū)域或者溫度梯度變化較大的區(qū)域，例如：溫度鋒面、冷暖流、上升流附近。為了檢查實測海溫分布的均一性程度，本文計算位于同一網(wǎng)格內(nèi)的浮標的最小值和最大值之差(SST最大值減最小值)發(fā)現(xiàn)差距很小，平均差異為0.03 ℃，標準差為0.05 ℃。由于匹配時采用求平均的方法，對評估結果造成的影響很小。

圖4 海表溫度偏差白天和晚上的空間分布

2.3 誤差的季節(jié)性變化

針對印度洋海域常年受季風的影響(北半球夏季風和冬季風)，海表溫度的觀測精度會產(chǎn)生較大浮動或者季節(jié)性變化。本文以月為單位對2015—2018年的SST匹配數(shù)據(jù)進行劃分，觀察SST觀測精度是否隨季節(jié)和月份變化。圖5表示SST觀測精度的逐月變化，綠色的圓圈表示VIIRS點的數(shù)量，藍色線表示月平均偏差，豎直的誤差棒表示月標準差，綠色的虛線表示匹配點隨月份的變化。標準差最大值0.82 ℃出現(xiàn)在2017年9月，最小值0.37 ℃出現(xiàn)在2015年11月；SST偏差最大值0.22 ℃出現(xiàn)在2015年1月，最小值-0.19 ℃出現(xiàn)在2015年10月，平均偏差的變化趨勢與標準差相同。另外，圖6表明VIIR的SST會隨著季節(jié)顯著變化的同時，匹配點的數(shù)量也會隨著季節(jié)變化。

(藍色實線表示海表溫度偏差，綠色虛線表示匹配點數(shù)量，紅色豎線表示標準差。Blue solid line means SST bias； Green dash line means number of matching points; Red vertical line means standard deviation.)

(藍色線表示VIIRS SST； 橘黃色線表示現(xiàn)場觀測SST； 月平均SST是匹配點SST的平均值。 Blue line means VIIRS SST；Orange line means in-situ SST；The monthly SST is averaging match-up SST.)

圖6表示的是2015年5月—2018年12月現(xiàn)場測量的SST和衛(wèi)星觀測的SST變化，可以看出該區(qū)域每年月平均溫度的最大值出現(xiàn)在5—8月，2016年5月溫度最高為30.57 ℃，月平均溫度最小值出現(xiàn)在1—3月，其中2017年2月溫度最低為26.84 ℃，VIIRS的月平均SST和實測SST差異很小。熱帶的印度洋南部，冬季和春季的東南季風為熱量的匯聚提供動力，但是在極端氣候期間，蘇門答臘-爪哇島區(qū)域的降溫抑制了局部對流，引起東風異常和溫躍層變冷，這一過程使得底部的海水上升，加劇了地區(qū)溫度下降，擴大了皮溫和體溫間的差異，會產(chǎn)生季節(jié)性的變化。通常情況下，5月為印度洋季風發(fā)展期，6—8月為季風強盛期，9—10月為季風減退期[16]，SST差異在季風變化時達到最大[17-18]。中國南海因其位于熱帶季風區(qū)，夏季盛行西南風，冬季盛行東北風，南海表面環(huán)流在風的作用下，西南季風期間為東北流，東北季風期間大部分區(qū)域為西南流，也會導致海表溫度呈現(xiàn)季節(jié)性變化[19]。

2.4 不同觀測類型數(shù)據(jù)的差異

由于觀測類型的差異會導致評估偏差，通常衛(wèi)星觀測是皮溫，而浮標觀測的是海表下不同深度的體溫，船與浮標相比存在較大不確定性。表2為浮標和船兩種類型進行評估的結果，白天浮標的平均偏差(衛(wèi)星觀測SST-現(xiàn)場實測SST)為0.02 ℃，標準差為0.54 ℃，船測SST平均偏差為0.25 ℃，標準差為1.07 ℃；晚上浮標的平均偏差為-0.08 ℃，標準差為0.30 ℃，船測SST平均偏差為0.15 ℃，標準差為0.82 ℃。無論是白天還是晚上，浮標的平均偏差更接近于0 ℃。因為浮標和船的測量深度不同，船測深度存在較大不確定性，衛(wèi)星測量的皮溫和船測的體溫相比顯示誤差較大。

3 結語

本文主要采用SNPP/VIIRS Level3U和iQuam的SST數(shù)據(jù)進行了西太平洋東印度洋的海表溫度印證，時間序列為2015年5月—2018年12月，匹配結果顯示了匹配點數(shù)量和VIIRS觀測的SST逐年精度變化。主要結論為：VIIRS的SST觀測值與現(xiàn)場測量值相比差異很小，2015—2018年白天的平均偏差和標準差分別為0.07和0.69 ℃，晚上的平均偏差和標準差分別為-0.04和0.45 ℃；2015年SST偏差分布在±1 ℃的區(qū)間內(nèi)的比例占95.52%，標準差為0.46 ℃，魯棒標準差為0.32 ℃；2016年SST偏差分布在±1 ℃的區(qū)間內(nèi)的比例占90.30%，標準差為0.61 ℃，魯棒標準差為0.41 ℃；2017年SST偏差分布在±1 ℃的區(qū)間內(nèi)的比例占89.61%，標準差為0.63 ℃，魯棒標準差為0.41 ℃；2018年SST偏差分布在±1 ℃的區(qū)間內(nèi)的比例占91.86%，標準差為0.57 ℃，魯棒標準差為0.36 ℃。結合4年的數(shù)據(jù)統(tǒng)計，逐年的標準差分布在[0.46 ℃, 0.63 ℃]區(qū)間內(nèi)，魯棒標準差分布在[0.32 ℃，0.41 ℃]區(qū)間內(nèi)；空間分布上，2015和2016年匹配點集中在西太平洋南部和孟加拉灣北部；時間上，SST誤差有明顯的隨時間(季節(jié))變化趨勢，在北半球冬季SST數(shù)據(jù)質量較高，而在北半球春夏季SST誤差較大，且誤差受季風的影響會在季節(jié)性變化內(nèi)再產(chǎn)生不確定性變化。