全球海表溫度融合研究進(jìn)展

徐賓 宇婧婧 張雷 師春香 周自江

（國(guó)家氣象信息中心，北京 100081）

0　引言

進(jìn)入地球大氣的太陽(yáng)輻射總量的70%左右被全球海洋所吸收，其中的絕大部分都存儲(chǔ)在海洋表層，并將以感熱交換、潛熱和長(zhǎng)波輻射的形式傳輸?shù)酱髿?，并?qū)動(dòng)大氣運(yùn)動(dòng)。海洋表層作為海氣交換的界面，其熱狀況的變化對(duì)大氣運(yùn)動(dòng)產(chǎn)生重要影響，進(jìn)而引起全球氣候和環(huán)境的變化。海表溫度（Sea Surface Temperature，SST）作為描述海洋表層熱狀況最為重要的參數(shù)之一，被廣泛地應(yīng)用于上層海洋過(guò)程、海氣熱量交換、海洋大氣數(shù)值模擬與預(yù)報(bào)等研究和應(yīng)用中。海氣相互作用研究表明，海溫是影響長(zhǎng)期天氣過(guò)程的重要因素[1-2]。海溫的變化直接影響氣候變化、漁場(chǎng)分布，以及厄爾尼諾、臺(tái)風(fēng)等自然災(zāi)害的形成也與海溫變化密切相關(guān)[3]。因此掌握高精度、高覆蓋率的海表溫度數(shù)據(jù)，對(duì)研究海洋環(huán)境、全球氣候變化、以及防災(zāi)減災(zāi)等具有非常重要的意義。因而高精度海表溫度產(chǎn)品的研制也就越來(lái)越得到重視。

獲得海表溫度主要有現(xiàn)場(chǎng)實(shí)測(cè)和衛(wèi)星遙感觀測(cè)這兩種手段?，F(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)主要通過(guò)海上浮標(biāo)、沿岸站及船舶等常規(guī)觀測(cè)系統(tǒng)獲得，現(xiàn)場(chǎng)測(cè)溫儀器的精度隨著測(cè)溫技術(shù)的改良已經(jīng)有了很大提高，但是浮標(biāo)分布數(shù)據(jù)和船舶航線非常有限，無(wú)論從空間分布的連續(xù)性，還是時(shí)間的同步性都不盡如人意。與傳統(tǒng)的船舶、浮標(biāo)數(shù)據(jù)相比，海洋衛(wèi)星遙感觀測(cè)具有全天候、近實(shí)時(shí)、覆蓋范圍廣、可以長(zhǎng)期重復(fù)進(jìn)行海洋觀測(cè)的優(yōu)勢(shì)，能更好地適應(yīng)海洋現(xiàn)象的特點(diǎn)，填補(bǔ)現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)的空白[4]。海洋衛(wèi)星遙感觀測(cè)海表溫度主要依靠紅外傳感器和微波傳感器。紅外傳感器測(cè)量應(yīng)用極為廣泛，具有高時(shí)空分辨率的優(yōu)勢(shì)，但是容易受到云和氣溶膠的影響，造成反演出的海表溫度偏低；微波傳感器測(cè)量具有全天時(shí)、全天候、穿透性強(qiáng)的優(yōu)勢(shì)，但其空間分辨率又相對(duì)較低。因此，可以通過(guò)將實(shí)測(cè)數(shù)據(jù)、紅外數(shù)據(jù)和微波數(shù)據(jù)的優(yōu)勢(shì)相結(jié)合[5]，對(duì)紅外傳感器和微波傳感器的海表溫度數(shù)據(jù)進(jìn)行融合以改進(jìn)海表溫度數(shù)據(jù)的時(shí)間分辨率、空間分辨率，不同衛(wèi)星海表溫度數(shù)據(jù)與現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)進(jìn)行對(duì)比驗(yàn)證，提高不同數(shù)據(jù)源的穩(wěn)定性和精度，產(chǎn)生高分辨率、高精度的海表溫度融合分析產(chǎn)品，以滿足各種海洋和大氣的科學(xué)工作對(duì)高質(zhì)量海表溫度產(chǎn)品的迫切需求。

本文闡述了海表溫度觀測(cè)數(shù)據(jù)源與國(guó)內(nèi)外主要的多衛(wèi)星反演海溫融合產(chǎn)品和多源海表溫度融合產(chǎn)品的研究進(jìn)展與趨勢(shì)，以及介紹國(guó)家氣象信息中心近年來(lái)在全球海表溫度融合方面取得的進(jìn)展。

1　海表溫度觀測(cè)數(shù)據(jù)源

獲得SST的手段主要有現(xiàn)場(chǎng)實(shí)測(cè)和衛(wèi)星遙感測(cè)量。現(xiàn)場(chǎng)實(shí)測(cè)為現(xiàn)場(chǎng)直接測(cè)量方式，如利用商船、“天氣”測(cè)量船或其他調(diào)查船在某一地點(diǎn)，使用測(cè)溫儀器進(jìn)行海水溫度觀察，或是利用漂流浮標(biāo)和定點(diǎn)錨碇浮標(biāo)等進(jìn)行海表面溫度觀測(cè)，隨著技術(shù)的不斷進(jìn)步，測(cè)溫儀器感溫時(shí)間大大縮短，準(zhǔn)確度也不斷提高。但船舶的航線是很局限的，浮標(biāo)的布放數(shù)量也是很有限的。這種方式觀測(cè)的SST 的覆蓋率相當(dāng)?shù)?，即使將幾十年的資料進(jìn)行統(tǒng)計(jì)，在全球海洋仍然有許多地方是空白。另一種觀測(cè)方式是間接測(cè)量，如采用衛(wèi)星遙感來(lái)反演海表面溫度，其傳感器有紅外型的如改進(jìn)型甚高分辨率輻射計(jì)（AVHRR）和沿軌道掃描輻射計(jì)（ATSR），也有微波型的多通道微波掃描輻射計(jì)（SMMR）。衛(wèi)星遙感SST具有覆蓋范圍廣，幾乎遍及全球所有海（水）域，并且具有長(zhǎng)期重復(fù)測(cè)量的特點(diǎn)，因而得到廣泛的應(yīng)用。

1.1　現(xiàn)場(chǎng)觀測(cè)產(chǎn)品

現(xiàn)場(chǎng)觀測(cè)是最為傳統(tǒng)的SST測(cè)量方式，它主要是利用裝載在調(diào)查船、商船或者浮標(biāo)等平臺(tái)上的測(cè)溫儀器對(duì)海表溫度進(jìn)行觀察。這種觀測(cè)手段又稱(chēng)為直接觀測(cè)（用接觸式溫度計(jì)觀測(cè)）。近200年中海溫觀測(cè)經(jīng)歷了水桶觀測(cè)、機(jī)艙引水觀測(cè)、船體感應(yīng)觀測(cè)、浮標(biāo)觀測(cè)等一系列方法的演化。自20世紀(jì)70年代開(kāi)始使用浮標(biāo)觀測(cè)海溫。浮標(biāo)觀測(cè)精度較高，分為漂流浮標(biāo)和固定浮標(biāo)。

現(xiàn)場(chǎng)觀測(cè)歷史悠久，傳統(tǒng)的海洋觀測(cè)數(shù)據(jù)集是基于船舶、浮標(biāo)等觀測(cè)數(shù)據(jù)，使用多種插值方法形成的網(wǎng)格化數(shù)據(jù)產(chǎn)品（表1）。例如國(guó)際海氣綜合數(shù)據(jù)集（ICOADS）提供了3個(gè)世紀(jì)以來(lái)的海洋表層資料[6]，其中2°×2°格點(diǎn)數(shù)據(jù)為1800年至今的資料，而1°×1°為1960年至近期的數(shù)據(jù)。這些數(shù)據(jù)和產(chǎn)品分布于全球范圍，源于不同的觀測(cè)系統(tǒng)。該數(shù)據(jù)集的“standard”資料僅限于船舶觀測(cè)?！癳nhanced”產(chǎn)品使用了船測(cè)和其他海上平臺(tái)現(xiàn)場(chǎng)觀測(cè)類(lèi)型數(shù)據(jù)（如漂流浮標(biāo)和系泊浮標(biāo)）。ICOADS數(shù)據(jù)集反映了幾百年來(lái)海洋觀測(cè)技術(shù)的變化，也可以說(shuō)是目前最完整和最多樣化的海洋現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)集。

表1　國(guó)外主要實(shí)測(cè)海表溫度產(chǎn)品列表Table 1 Abroad main SST data sets in situ observation

The Extended Reconstructed Sea Surface Temperature（ERSST）數(shù)據(jù)集[7]是對(duì)ICOADS資料的改進(jìn)：由于ICOADS資料質(zhì)量控制算法剔除了某些距平較大的正確數(shù)據(jù)，ERSST為了在觀測(cè)稀疏的地區(qū)保留這些數(shù)據(jù)，對(duì)統(tǒng)計(jì)方法上進(jìn)行了改進(jìn)。ERSST用重建方法重點(diǎn)在現(xiàn)場(chǎng)資料稀疏的地區(qū)對(duì)ICOADS進(jìn)行分析。利用ERSST資料可以開(kāi)展全球、海盆尺度的長(zhǎng)期分析，但由于局部的短期變率已被平滑掉了，因此短期、局地的分析會(huì)有誤差。相比于其他資料集，該資料空間分辨率較低，但時(shí)間序列長(zhǎng)度從1854年1月到近期[8]。

英國(guó)氣象局哈德萊中心海表溫度（HadSST）為1850年至今5°×5°的全球逐月海表溫度觀測(cè)數(shù)據(jù)，海溫資料來(lái)源于英國(guó)氣象局海洋庫(kù)（MDB）。1982年以前還接收了全球電信系統(tǒng)（GTS）資料，同時(shí)為加強(qiáng)資料覆蓋，1871—1995年，在沒(méi)有MDB數(shù)據(jù)的地方使用了ICOADS當(dāng)月中間時(shí)刻的數(shù)值。HadSST海表溫度是使用了一個(gè)兩步約化空間最優(yōu)插值處理方法重建數(shù)據(jù)，再在重建數(shù)據(jù)上疊加高質(zhì)量的格點(diǎn)觀測(cè)，以恢復(fù)局地詳細(xì)信息。

1.2　衛(wèi)星反演產(chǎn)品

另一種觀測(cè)海表溫度的方式是采用衛(wèi)星遙感間接測(cè)量海表溫度。從氣象衛(wèi)星發(fā)展之初，海表溫度就作為遙感反演的主要地表參數(shù)之一。遙感反演的是海表微米量級(jí)海水層的溫度。與傳統(tǒng)的船舶、浮標(biāo)測(cè)量方式相比，衛(wèi)星遙感SST覆蓋范圍廣，幾乎遍及全球所有海域，能實(shí)現(xiàn)大面積的同步測(cè)量，且衛(wèi)星遙感SST具有較高的空間分辨率和長(zhǎng)期重復(fù)測(cè)量的特點(diǎn)，這就很大程度上彌補(bǔ)了現(xiàn)場(chǎng)測(cè)量的不足[9]。當(dāng)然需要注意的是，遙感所測(cè)為海水表皮溫度，現(xiàn)場(chǎng)所測(cè)為海水表層體溫，其間存在差異。但是，由于衛(wèi)星遙感SST在時(shí)空觀測(cè)頻度上無(wú)可比擬的優(yōu)越性，其已成為一個(gè)不可或缺的數(shù)據(jù)源，得到廣泛的應(yīng)用。海洋衛(wèi)星遙感觀測(cè)海表溫度主要依靠紅外傳感器和微波傳感器（表2）。紅外傳感器測(cè)量應(yīng)用極其廣泛，具有高時(shí)空分辨率的優(yōu)勢(shì)，但是容易受到云和氣溶膠的影響；微波傳感器測(cè)量具有全天時(shí)、全天候、穿透性強(qiáng)的優(yōu)勢(shì)，但其空間分辨率相對(duì)較低。搭載于在軌衛(wèi)星的可以反演SST的紅外傳感器主要有：搭載于極軌衛(wèi)星上的NOAA系列衛(wèi)星上的AVHRR、歐空局METOP系列衛(wèi)星上的AVHRR-3、Aqua和Terrra衛(wèi)星上的中等分辨率圖像光譜輻射儀（MODIS）、環(huán)境衛(wèi)星Envisat的改進(jìn)型沿軌掃描輻射計(jì)（AATSR）、風(fēng)云三號(hào)（Y-3）系列衛(wèi)星上的VIRR、海洋一號(hào)衛(wèi)星（HY-1B）上的海洋水色掃描儀COCTS；搭載于靜止衛(wèi)星上的FY-2的可見(jiàn)光紅外自旋掃描輻射計(jì)（VISSR）、美國(guó)GOES系列衛(wèi)星的成像儀（Imager）?？梢苑囱軸ST的星載微波傳感器主要有搭載于Aqua衛(wèi)星上的改進(jìn)的微波輻射計(jì)—地球觀測(cè)系統(tǒng)（AMSR-E）、GCOM-W1衛(wèi)星上的微波輻射計(jì)（AMSR2）、用于觀測(cè)中緯度和熱帶區(qū)域的TRMM衛(wèi)星微波成像儀（TMI）等等。

表2　國(guó)內(nèi)外主要反演海表溫度產(chǎn)品列表Table 2 SST retrieval data sets produced in China and abroad

2　海表溫度融合產(chǎn)品發(fā)展現(xiàn)狀

2.1　多衛(wèi)星融合海表溫度產(chǎn)品現(xiàn)狀

衛(wèi)星搭載的紅外探測(cè)儀器會(huì)受到云和大氣氣溶膠的影響，導(dǎo)致紅外反演海表溫度精度下降，甚至大面積缺測(cè)。能夠穿透云層探測(cè)海溫的TMI、AMSR-E、AMSR-2等微波探測(cè)器雖然能夠提供覆蓋更全的海表溫度反演產(chǎn)品，但其空間分辨率低，也會(huì)受大雨影響，并且在沿岸區(qū)域噪音嚴(yán)重到無(wú)法測(cè)量。不同反演方法所得到的SST資料與現(xiàn)場(chǎng)觀測(cè)的偏差和云造成大面積的資料缺測(cè)等原因，在很大程度上影響了衛(wèi)星遙感海表溫度產(chǎn)品的實(shí)際使用。另外極軌衛(wèi)星的軌道特點(diǎn)也導(dǎo)致了極軌衛(wèi)星SST反演產(chǎn)品的空間覆蓋面積隨時(shí)間變化。因此綜合利用多種衛(wèi)星觀測(cè)數(shù)據(jù)特點(diǎn)，對(duì)多衛(wèi)星觀測(cè)數(shù)據(jù)進(jìn)行比較、分析、校正、同化、融合等工作，得到高時(shí)空分辨率的多衛(wèi)星海洋要素融合產(chǎn)品，也是近年來(lái)海表溫度融合的主流。

全球海洋數(shù)據(jù)同化實(shí)驗(yàn)（GODAE）的 GHRSST–PP（Group for High Resolution Sea Surface Temperature Pilot Project）已形成一套受?chē)?guó)際認(rèn)可的R/GTS（Regional/ Global Task Sharing）系統(tǒng)[10]。該系統(tǒng)中，全球和區(qū)域海表溫度衛(wèi)星數(shù)據(jù)初級(jí)產(chǎn)品由各區(qū)域數(shù)據(jù)集合處理中心（RDAC）先發(fā)布，RDAC分布在澳大利亞、日本、美國(guó)和歐洲。RDAC處理、接受區(qū)域和國(guó)家的衛(wèi)星、實(shí)測(cè)海表溫度數(shù)據(jù)，然后近實(shí)時(shí)將數(shù)據(jù)發(fā)布給全球數(shù)據(jù)分配中心（GDAC）。RDAC合并各種衛(wèi)星數(shù)據(jù)并結(jié)合實(shí)測(cè)資料進(jìn)行質(zhì)量控制，通過(guò)融合技術(shù)得到統(tǒng)一格式（netCDF）的區(qū)域海表溫度數(shù)據(jù)產(chǎn)品，該產(chǎn)品被稱(chēng)為L(zhǎng)2P 數(shù)據(jù)產(chǎn)品；GDAC則在L2P 產(chǎn)品的基礎(chǔ)上進(jìn)行再分析得到無(wú)間隙的全球海表溫度數(shù)據(jù)產(chǎn)品，該產(chǎn)品被稱(chēng)為L(zhǎng)4 數(shù)據(jù)產(chǎn)品。GHRSST-PP 旨在研制出新一代全球覆蓋的高分辨率（分辨率高于10 km，至少每6 h一次）海表溫度數(shù)據(jù)產(chǎn)品的示范系統(tǒng)。

此外，歐空局的SST CCI數(shù)據(jù)集也是基于多衛(wèi)星融合的海表溫度產(chǎn)品，這個(gè)數(shù)據(jù)集提供自1991年9月至今，逐日，空間分辨率為0.05°全球覆蓋高分辨率海表溫度產(chǎn)品，主要是基于最優(yōu)插值（OI）的方法融合了ATSR以及AVHRR的衛(wèi)星遙感數(shù)據(jù)。

國(guó)內(nèi)學(xué)者也很早就開(kāi)始了多衛(wèi)星融合工作，主要集中在紅外反演海溫與微波反演海溫的融合，從而實(shí)現(xiàn)紅外高分辨率特征和微波高覆蓋特征相結(jié)合。多種融合方法如小波變換方法[11]、卡爾曼濾波[12]，最優(yōu)插值[13]等，被用于AVHRR反演海溫和AMSR-E反演海溫的融合。前期的工作主要集中在國(guó)外衛(wèi)星的融合應(yīng)用上，隨著國(guó)產(chǎn)海洋衛(wèi)星、風(fēng)云衛(wèi)星的不斷發(fā)展，國(guó)產(chǎn)衛(wèi)星的融合工作也逐漸展開(kāi)。齊亞琳等[14]嘗試?yán)米顑?yōu)插值的方法實(shí)現(xiàn)海洋衛(wèi)星反演海溫產(chǎn)品的融合應(yīng)用。苗春生等[15]利用NOAA的局地 分 析 預(yù) 報(bào) 系 統(tǒng)（Local Analysis Prediction System，LAPS）實(shí)現(xiàn)了風(fēng)云極軌衛(wèi)星紅外反演海溫、海洋衛(wèi)星微波反演海溫與NOAA海溫融合場(chǎng)RTG_SST的融合，同時(shí)在融合過(guò)程中考慮了區(qū)域大氣和下墊面海洋要素時(shí)空特征的協(xié)調(diào)，進(jìn)一步豐富了多衛(wèi)星融合算法。雖然上述國(guó)內(nèi)工作均未對(duì)外發(fā)布多衛(wèi)星融合產(chǎn)品，但在多衛(wèi)星融合領(lǐng)域做出的諸多嘗試表明了，多衛(wèi)星融合的必要性與合理性。

2.2　多源融合海表溫度產(chǎn)品現(xiàn)狀

目前，對(duì)SST分布場(chǎng)的分辨率（時(shí)間和空間）和精度要求越來(lái)越高，全球海洋數(shù)據(jù)同化實(shí)驗(yàn)小組（GODAE）聲稱(chēng)，同化后的SST分布場(chǎng)要求達(dá)到空間分辨率為10 km、準(zhǔn)確度為0.4 ℃且6 h更新一次，而對(duì)海岸或地域性海區(qū)的分辨率有更高的要求（如要求其空間分辨率達(dá)2 km）。GODAE比較了各種SST觀測(cè)資料，發(fā)現(xiàn)沒(méi)有一種能到該要求。

各種SST資料均有其優(yōu)缺點(diǎn)，因此要得到準(zhǔn)確、高覆蓋、高分辨率的SST分布場(chǎng)，必須將各種SST資料融合在一起，綜合各種資料的優(yōu)勢(shì)。融合多源海洋資料已經(jīng)成為制作高精度海洋資料產(chǎn)品的國(guó)際趨勢(shì)。隨著海洋資料種類(lèi)的增多和資料融合技術(shù)的發(fā)展，目前世界各國(guó)研究機(jī)構(gòu)和業(yè)務(wù)部門(mén)已不斷研制出融合現(xiàn)場(chǎng)觀測(cè)、多衛(wèi)星觀測(cè)數(shù)據(jù)以及模式分析產(chǎn)品的高質(zhì)量的SST融合產(chǎn)品（表3）。

表3　國(guó)外主要海表溫度融合產(chǎn)品列表Table 3 Abroad main merged SST datasets

國(guó)際上應(yīng)用最為廣泛且精度較高的海表溫度融合產(chǎn)品有美國(guó)NOAA/NCEI的OISST V2.0產(chǎn)品[16]、NOAA/NCEP的RTG-HR產(chǎn)品[17]以及英國(guó)Met Office的OSTIA產(chǎn)品[18]等。

OISST V2.0是利用最優(yōu)插值得到的日平均0.25°×0.25°全球海表溫度融合數(shù)據(jù)[19]，并根據(jù)使用的衛(wèi)星數(shù)據(jù)源不同而研制了兩種數(shù)據(jù)產(chǎn)品：AVHRR-only和AMSR+AVHRR產(chǎn)品。AVHRR-only使用了實(shí)測(cè)數(shù)據(jù)（船舶和浮標(biāo)）、AVHRR紅外反演海表溫度數(shù)據(jù)，以及模式模擬的海冰數(shù)據(jù)。AMSR +AVHRR增加了AMSR微波反演海表溫度數(shù)據(jù)。制作這兩種產(chǎn)品的算法是相同的，包括基于實(shí)測(cè)數(shù)據(jù)修正遙感數(shù)據(jù)的大尺度偏差（empirical orthogonal teleconnection，EOT方法）以及最優(yōu)插值方法融合各類(lèi)數(shù)據(jù)源信息。以上兩種產(chǎn)品的最優(yōu)插值算法是第二版Reynolds最優(yōu)插值算法[20]，主要增添了一些額外的時(shí)間權(quán)重處理，且優(yōu)化的融合算法中SST場(chǎng)誤差空間相關(guān)由第一版本的600～800 km精細(xì)化到150 km，可體現(xiàn)SST數(shù)據(jù)空間的細(xì)節(jié)特點(diǎn)。在處理冰面海溫時(shí)，利用NCEP模式模擬的海冰資料對(duì)海溫?cái)?shù)據(jù)進(jìn)行校正，降低了高緯SST的誤差[21]。

RTG-HR使用了AVHRR數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)，但沒(méi)有使用微波數(shù)據(jù)，產(chǎn)品最小網(wǎng)格距可達(dá)（1/12°）[22]，相對(duì)于早期版本RTG_SST[17]有了明顯的提升。SST 空間變化相關(guān)半徑范圍選為50～450 km。使用實(shí)測(cè)數(shù)據(jù)通過(guò)Poisson方法[16]對(duì)SST遙感數(shù)據(jù)進(jìn)行矯正。最終采用二維變分的方法融合訂正后的衛(wèi)星和船舶/浮標(biāo)數(shù)據(jù)。在融合過(guò)程中使用了衛(wèi)星海冰數(shù)據(jù)以及氣候鹽度數(shù)據(jù)對(duì)冰面SST進(jìn)行修正。

OSTIA 是英國(guó)氣象局基于GHRSST－PP計(jì)劃提供的多衛(wèi)星數(shù)據(jù)[23]，使用了AATSR 數(shù)據(jù)、SEVIRI數(shù)據(jù)、AVHRR 數(shù)據(jù)、AMSR 數(shù)據(jù)、TMI 數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)，其網(wǎng)格間距為（1/20°）。所有衛(wèi)星的SST 數(shù)據(jù)參考并結(jié)合AATSR數(shù)據(jù)和浮標(biāo)實(shí)測(cè)數(shù)據(jù)調(diào)整誤差，并使用多尺度OI技術(shù)進(jìn)行融合。SST二維的誤差相關(guān)尺度為10和100 km，可根據(jù)地區(qū)和輸入數(shù)據(jù)的變化而改變。產(chǎn)品已經(jīng)可提供均方根誤差小于0.6 ℃的近實(shí)時(shí)高分辨率SST數(shù)據(jù)。

國(guó)內(nèi)學(xué)者在衛(wèi)星資料與現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)融合領(lǐng)域也做了一定工作。鄭金武等[24]選用了Argo、MODIS、AVHRR、AMSRE、TMI等SST資料，應(yīng)用增量變分法融合多源衛(wèi)星 SST資料，分析得到了中國(guó)近海高分辨率的SST分析產(chǎn)品。分析結(jié)果表明，多源SST融合集合了各衛(wèi)星SST資料的優(yōu)點(diǎn)，彌補(bǔ)了各衛(wèi)星SST資料的不足，特別是在近海區(qū)域?qū)崟r(shí)觀測(cè)資料少，各衛(wèi)星資料的精度偏低且各衛(wèi)星資料數(shù)據(jù)相互獨(dú)立的情況下，多衛(wèi)星資料融合提高了分析結(jié)果的準(zhǔn)確性。雖然該研究尚未形成長(zhǎng)時(shí)間序列的海溫融合產(chǎn)品，無(wú)法填補(bǔ)國(guó)內(nèi)海表溫度融合產(chǎn)品的空白，但在現(xiàn)場(chǎng)觀測(cè)與衛(wèi)星反演海溫的融合領(lǐng)域做出了積極地嘗試，為未來(lái)的海表溫度融合工作提供了借鑒。

3　國(guó)家氣象信息中心海表溫度融合產(chǎn)品進(jìn)展

目前我國(guó)已經(jīng)建立了岸基、?；?、天基的海洋氣象觀測(cè)系統(tǒng)，產(chǎn)生日益豐富的實(shí)測(cè)氣象資料。但是隨著我國(guó)海洋經(jīng)濟(jì)的不斷發(fā)展，海洋氣象服務(wù)提出的資料需求更趨精細(xì)化、集約化。相比歐美等發(fā)達(dá)國(guó)家通過(guò)多種來(lái)源海洋氣象觀測(cè)數(shù)據(jù)的融合應(yīng)用提升了海洋氣象資料服務(wù)能力，我國(guó)的海洋氣象資料融合應(yīng)用起步晚，差距大。為了綜合發(fā)揮多種來(lái)源海洋氣象觀測(cè)數(shù)據(jù)的優(yōu)勢(shì)，國(guó)家氣象科技創(chuàng)新工程攻關(guān)任務(wù)“氣象資料質(zhì)量控制及多源數(shù)據(jù)融合與再分析”經(jīng)過(guò)充分調(diào)研提出了研制高質(zhì)量海洋要素融合產(chǎn)品的目標(biāo)任務(wù)。在此背景下，國(guó)家氣象信息中心與多位海外智庫(kù)專(zhuān)家聯(lián)合，首先從海表溫度融合入手，著力搭建中國(guó)氣象局海洋數(shù)據(jù)融合分析系統(tǒng)（CMA Ocean Data Analysis System，CODAS），并于2016年7月成功完成了全球海表溫度融合產(chǎn)品（CODAS SST)的研發(fā)。

3.1　CODAS SST數(shù)據(jù)源及融合技術(shù)方案

CODAS SST在研發(fā)過(guò)程中充分發(fā)揮了國(guó)家氣象信息中心數(shù)據(jù)收集優(yōu)勢(shì)，同時(shí)在深度挖掘信息中心現(xiàn)有數(shù)據(jù)的基礎(chǔ)上，進(jìn)一步豐富了海溫?cái)?shù)據(jù)收集的種類(lèi)。目前CODAS-SST實(shí)現(xiàn)了全球浮標(biāo)和船舶、中國(guó)浮標(biāo)和船舶、ECMWF模式SST預(yù)報(bào)產(chǎn)品、FY-3C/VIRR反演海溫、METOP-B/AVHRR反演海溫、GCOM-W1/AMSR-2反演海溫的實(shí)時(shí)融合。表4進(jìn)一步介紹了所用海表溫度數(shù)據(jù)的種類(lèi)、時(shí)間段、來(lái)源、獲取方式等。

CODAS-SST在充分調(diào)研了國(guó)內(nèi)外海表溫度融合技術(shù)的基礎(chǔ)上，結(jié)合自身融合技術(shù)開(kāi)發(fā)基礎(chǔ)，開(kāi)發(fā)了包含數(shù)據(jù)預(yù)處理和偏差訂正的超級(jí)觀測(cè)場(chǎng)方案和多重網(wǎng)格三維變分融合方案。超級(jí)觀測(cè)場(chǎng)方案首先對(duì)數(shù)據(jù)進(jìn)行了預(yù)處理，包括對(duì)船舶、浮標(biāo)數(shù)據(jù)和多衛(wèi)星數(shù)據(jù)的質(zhì)控、訂正、分辨率匹配，以及利用浮標(biāo)數(shù)據(jù)對(duì)其他數(shù)據(jù)源進(jìn)行偏差訂正等。然后使用了國(guó)際上常用的“Super Observation”方法將浮標(biāo)、船舶與多衛(wèi)星遙感等多種觀測(cè)資料進(jìn)行有效的結(jié)合，組成“超級(jí)”觀測(cè)場(chǎng)。由于海表溫度觀測(cè)種類(lèi)較多，且分布非常不均勻，融合時(shí)易產(chǎn)生求解的“不適定問(wèn)題”——即觀測(cè)點(diǎn)靠近但觀測(cè)值相差較大，求解通常為病態(tài)解，而超級(jí)觀測(cè)場(chǎng)的方案可以有效解決這一問(wèn)題。

表4　全球海表溫度融合產(chǎn)品數(shù)據(jù)源Table 4 Specifications of the input data in CODAS SST

CODAS SST為了解決最優(yōu)插值（OI）和二維變分等傳統(tǒng)融合方法對(duì)背景場(chǎng)誤差協(xié)方差矩陣的依賴(lài)，選用了Xie等[25]提出的多尺度三維變分技術(shù)（spacetime multiscale analysis system，STMAS）來(lái)實(shí)現(xiàn)超級(jí)觀測(cè)場(chǎng)與背景場(chǎng)的融合。

STMAS技術(shù)中，在每一重網(wǎng)格上的目標(biāo)泛函采用如下形式：

STMAS的多尺度方法通過(guò)依次對(duì)不同尺度的觀測(cè)信息進(jìn)行分析，消除長(zhǎng)波信息與短波信息之間的混淆，克服由這種由背景場(chǎng)誤差協(xié)方差矩陣不準(zhǔn)確引入的誤差，避免了傳統(tǒng)數(shù)據(jù)同化的關(guān)于背景誤差協(xié)方差的一些不合理假設(shè)，以及節(jié)約在大尺度計(jì)算時(shí)間和詳細(xì)提取小尺度信息，從而合理縮短同化過(guò)程的計(jì)算時(shí)間。STMAS在海洋要素融合中具有“較高的計(jì)算效率和較低的均方根誤差”的優(yōu)點(diǎn)以及在業(yè)務(wù)產(chǎn)品制作中高效、運(yùn)行穩(wěn)定的特點(diǎn)，因此我們利用多重網(wǎng)格三維變分（STMAS）方法實(shí)現(xiàn)多衛(wèi)星和船舶、浮標(biāo)實(shí)測(cè)數(shù)據(jù)的融合，制作全球高分辨率海表溫度融合產(chǎn)品（圖1）。圖2給出了2017年8月21—23日的CODAS SST的空間分布個(gè)例，可以看出CODAS SST能夠?qū)崿F(xiàn)全球海域的覆蓋，SST整體分布趨勢(shì)清晰，東太平洋SST冷舌明顯。

圖1　CODAS SST融合技術(shù)路線Fig. 1 The work-flow of CODAS SST

3.2　融合產(chǎn)品對(duì)比評(píng)估

美國(guó)NOAA/NCEI的OISST V2.0產(chǎn)品是目前國(guó)際上應(yīng)用最為廣泛且精度較高的海表溫度融合產(chǎn)品，且時(shí)效性較高，已經(jīng)成為中國(guó)氣象局實(shí)時(shí)氣象業(yè)務(wù)（天氣預(yù)測(cè)、氣候監(jiān)測(cè)等）中主要應(yīng)用的海表溫度產(chǎn)品。這里將對(duì)比實(shí)時(shí)融合產(chǎn)品與OISST V2.0的差異，以此估計(jì)實(shí)時(shí)融合產(chǎn)品的誤差。

圖2　2017年8月21—23日CODAS SST空間分布Fig. 2 Map of CODAS SST for 21 - 23 August 2017

圖3給出2016年1—3月全球OISST V2.0與CODAS SST的相關(guān)系數(shù)（CC）、平均偏差（Bias）以及均方根誤差（RMSE）的逐日變化，可以看出，融合產(chǎn)品CODAS SST與OISST V2.0相關(guān)性非常高，相關(guān)系數(shù)在0.996以上，均方根誤差在0.95 K以下，兩種資料的平均差異在0.03 K附近。以浮標(biāo)數(shù)據(jù)為參考，比較了2016年1—3月全球OISST V2.0與CODAS SST的誤差（表5），可以看到CODAS SST全球平均偏差為－0.0542 K，略大于OISST V2的偏差，相關(guān)系數(shù)在0.98以上，均方根誤差為1.3232 K，與OISST V2產(chǎn)品相當(dāng)或略優(yōu)。

圖3　全球2016年1月1日—3月31日CODAS SST與OISST V2.0的差異（a）相關(guān)系數(shù)；（b）偏差；（c）均方根誤差Fig. 3 The difference of the CODAS SST from the OISST V2.0 for 1 January - 31 March 2016(a) correlation coefficient; (b) Bias; (c) RMSE

表5　CODAS SST與OISST V2.0質(zhì)量評(píng)估對(duì)比（以浮標(biāo)數(shù)據(jù)為檢驗(yàn)數(shù)據(jù)）Table 5 The validation of CODAS SST and OISST V2.0(Based on buoy observation)

4　總結(jié)

海洋觀測(cè)歷史悠久，傳統(tǒng)的海洋觀測(cè)數(shù)據(jù)是基于船舶、浮標(biāo)等觀測(cè)數(shù)據(jù)，使用多種插值方法形成的網(wǎng)格化數(shù)據(jù)產(chǎn)品。隨后日益增加的衛(wèi)星遙感數(shù)據(jù)源極大促進(jìn)了海洋產(chǎn)品的研發(fā)。單一的衛(wèi)星傳感器數(shù)據(jù)通常不能獲取到滿足實(shí)際應(yīng)用的全部信息，所提取的信息還存在時(shí)間和空間的不完整性。因此綜合利用多種衛(wèi)星觀測(cè)數(shù)據(jù)特點(diǎn)，對(duì)多衛(wèi)星觀測(cè)數(shù)據(jù)進(jìn)行比較、分析、校正、同化、融合等工作，得到高時(shí)空分辨率的多衛(wèi)星海洋要素融合產(chǎn)品也是近年來(lái)海洋資料的主流。隨著海洋資料種類(lèi)的增多和資料融合技術(shù)的發(fā)展，目前世界各國(guó)研究機(jī)構(gòu)和業(yè)務(wù)部門(mén)已不斷研制出融合現(xiàn)場(chǎng)觀測(cè)、多衛(wèi)星觀測(cè)數(shù)據(jù)以及模式分析產(chǎn)品的高質(zhì)量的海洋融合產(chǎn)品。國(guó)家氣象信息中心在深入調(diào)研的基礎(chǔ)上，也在國(guó)家氣象科技創(chuàng)新工程攻關(guān)任務(wù)“氣象資料質(zhì)量控制及多源數(shù)據(jù)融合與再分析”提出了研制高質(zhì)量海洋要素融合產(chǎn)品的目標(biāo)任務(wù)，并已經(jīng)完成了全球海表溫度融合產(chǎn)品的研發(fā)，經(jīng)檢驗(yàn)，全球海表溫度融合產(chǎn)品精度與國(guó)際主流產(chǎn)品接近。

[1]Gentemann C L, Donlon C J, Stuart-Menteth A, et al. Diurnal signals in satellite sea surface temperature measurements. J Geophys Res, 2003, 30(3): 1140-1143.

[2]Kawai Y, Wada A. Diural sea surface temperature variation and its impacts on the atmosphere and ocean: A review. J Oceanogr, 2007,63: 721-744.

[3]楊素雨, 嚴(yán)華生. 冬季北太平洋南北海溫異常對(duì)我國(guó)汛期雨帶類(lèi)型的影響研究. 應(yīng)用氣象學(xué)報(bào), 2007, 18(2): 193-201.

[4]蔣興偉, 林明森, 劉建強(qiáng). 我國(guó)衛(wèi)星海洋空間探測(cè). 中國(guó)工程科學(xué),2008, 10(6): 56-62.

[5]Guan L, Kawamura H. Merging satellite infrared and microwave SSTs: Meteorology and evaluation of the new SST. J Oceanogr,2004, 60: 905-912.

[6]Woodruff S D, Worley S J, Lubker S J, et al. ICOADS Release 2.5:extensions and enhancements to the surface marine meteorological archive. International Journal of Climatology, 2011, 31(7): 951-967.

[7]Smith T M, Reynolds R W. Extended reconstruction of global sea surface temperatures based on COADS 1854-1997. Journal of Climate, 2003, 16: 1495–1510.

[8]Huang B, Banzon V F, Freeman E, et al. Extended reconstructed sea surface temperature version 4 (ERSST.v4): Part I. Upgrades and intercomparisons. Journal of Climate, 2014, 28: 911-930.

[9]Barton I J. Satellite-derived sea surface temperature: Current status.J Geophys Res, 1995, 100: 8777-8790.

[10]Donlon C J, Rayner N, Robinson I, et al. The global ocean data assimilation project (GODAE) high resolution sea surface temperature pilot project (GHRSST-PP). Bulletin of the American Meteorological Society, 2007, 88(8): 1197–1213.

[11]張慧. 基于小波變換的AVHRR和AMSR-E衛(wèi)星海表溫度數(shù)據(jù)融合. 青島: 中國(guó)海洋大學(xué)碩士學(xué)位論文, 2006.

[12]王艷珍, 管磊, 曲利芹. 卡爾曼濾波在衛(wèi)星紅外、微波海表溫度數(shù)據(jù)融合中的應(yīng)用. 中國(guó)海洋大學(xué)學(xué)報(bào), 2010, 40(12): 126–130.

[13]奚萌. 基于最優(yōu)插值算法的紅外和微波遙感海表溫度數(shù)據(jù)融合.青島: 國(guó)家海洋環(huán)境預(yù)報(bào)研究中心碩士學(xué)位論文, 2011.

[14]齊亞琳, 林明森. 數(shù)據(jù)融合技術(shù)在海洋二號(hào)衛(wèi)星數(shù)據(jù)中的應(yīng)用.航天器工程, 2012, 21(3): 117–123.

[15]苗春生, 程遠(yuǎn), 王堅(jiān)紅，等. 中國(guó)風(fēng)云衛(wèi)星與海洋衛(wèi)星近海SST資料融合技術(shù)及應(yīng)用研究. 地球科學(xué)進(jìn)展, 2015, 30(10):1127–1143.

[16]Reynolds R W, Smith T M, Liu C, et al. Daily high-resolution blended analyses for sea surface temperature. J Climate, 2007, 20:5473-5496.

[17]Thiebaux J, Rogers E, Wang W, et al. A new high-resolution blended real-time global sea surface temperature analysis. Bull Amer Meteor Soc, 2003, 84: 645–656.

[18]Donlon C J, Matthew M, John S, et al. The operational sea surface temperature and sea ice analysis (OSTIA) system. Remote Sensing of Environment, 2012, 116: 140-158.

[19]Reynolds R W, Smith T M. Improved global sea surface temperature analyses. J Climate, 1994, 7, 929-948.

[20]Reynolds R W, Rayner N A, Smith T M, et al. An improved in situ and satellite SST analysis for climate. J Climate, 2002, 15: 1609-1625.

[21]Reynolds R W, Marsico D C. An improved real-time global sea surface temperature analysis. J Climate, 1993, 6: 114-119.

[22]Gemmill W, Katz K, Li X. Daily real-time global sea surface temperature-high resolution analysis at NOAA/NWS/NCEP/MMAB Office Note, 2007.

[23]Donlon C, et al. The GHRSST-PP product user manual.International GHRSST-PP Project Office Met Office United Kingdom, 2005.

[24]鄭金武, 許東峰, 王俊, 等. 增量變分法融合多源SST. 海洋學(xué)研究, 2009, 27(4): 24–32.

[25]Xie Y, Koch S E, McGinley J A, et al. A sequential variational analysis approach for mesoscale data assimilation. 21st Conf on Weather Analysis and Forecasting, Washington, DC, Amer Meteor Soc, 2005.