Argo、GTSPP与WOD数据集及其应用中需注意的若干问题

纪风颖，林绍花，万芳芳，董明媚，刘玉龙（国家海洋信息中心，天津　300171）



Argo、GTSPP与WOD数据集及其应用中需注意的若干问题

纪风颖，林绍花，万芳芳，董明媚，刘玉龙
（国家海洋信息中心，天津300171）

摘要：数据集整体的时空覆盖率制约了海洋科学研究的时空尺度，而海洋仪器的性能和观测方式直接决定了海洋数据的可靠性。以观测仪器作为主要衡量指标，结合数据集的时空覆盖率，对以温度和盐度为数据集主体的自持式拉格朗日环流剖面观测（Argo）数据集、全球温盐剖面数据集（GTSPP）、世界海洋数据集（WOD）进行分析和比对，确定了三者关系：Argo 和GTSPP都是WOD的数据源，而GTSPP中包含了Argo实时数据的80%。在此基础上研究确定了目前温盐数据的主要观测仪器为Argo浮标、XBT和CTD，并对这三种仪器的误差来源和量级进行详细分析：由于全球自动观测与传输需求，Argo数据存在电子信号不稳定导致的随机误差，而且在高纬度强温跃层地带出现较强的虚假盐度尖峰，再是自由漂移的特性导致1%～2%盐度剖面漂移超过0.02 PSS-78；由于下降方程的不断演变，全球半数XBT数据提供者并未提供仪器型号，导致数据整体的可靠性下降；由于CTD基本采用船载观测，因此成本高、共享数据少且多集中近海。因此在对全球温盐数据进行应用时，应综合考虑观测仪器的可靠性和时空覆盖率，有效实现对资料本身误差和真实海洋现象的甄别。

关键词：Argo；GTSPP；WOD

海水的温度和盐度是描述海水性质的重要物理量，其时空分布和变化几乎与海洋中所有现象都密切相关。现有的数值同化模型、海平面高度变化和业务化海气耦合模式都迫切需要海洋温度和盐度数据，改进其初始场和边界约束条件。对于全球海洋温盐数据的迫切需求，极大地推动了观测仪器的更新换代以及全球/区域海洋观测、资料收集计划的出现。

对于海水温度盐度的观测，从最早的颠倒温度计、机械式温深仪（Mechanical Bathythermograph，MBT）、抛弃式温深仪（Expendable Bathythermograph，XBT）、温盐深探测仪（Conductivity -Temperature-Depth，CTD），到今天的自持式拉格朗日环流剖面观测（Argo）浮标、水下滑翔机（Glider）等。高精度、多要素、实时自动的立体观测系统，逐渐取代了机械式、单点式、低分辨率的观测方式，获取数据方式也从人工读数发展到今天的卫星定位和自动记录与传输。以温度和盐度为主体、覆盖全球大洋、用户较多的数据集目前主要集中为Argo、GTSPP、WOD三大数据集。但是它们分别由不同组织机构制作和发布，格式各异，处理方法和参数也不尽相同。

对数据集的正确选取，是海洋研究工作顺利开展的前提，也决定了最终研究成果的可靠性和准确性。观测仪器的性能和观测方式直接决定了单个观测数据的可靠性，而数据集整体的时间和空间覆盖率则制约了海洋科学研究的时空尺度。因此本文以观测仪器作为主要衡量指标，综合海洋数据集的时空覆盖率，对Argo、GTSPP、WOD数据集进行简要对比与评估，以期使用户根据研究需求选取合适的数据集；同时在资料分析中，能够有效地甄别数据本身的误差和真实的海洋现象。

1　Argo、GTSPP和WOD数据集及其主要观测仪器

1.1Argo数据集及主要观测仪器

全球Argo计划由美、法等国家的海洋学家在1998年发起，以全球大洋为观测对象，通过布放3 000个Argo剖面浮标，组成一个实时和高分辨率的全球海洋观测网，并借助卫星定位和通讯系统，实时（24 h）、准确、大范围的获取全球海洋上层（0～2 000 m）的海水温度、盐度剖面资料（Thierry et al，2014）。自1998年到2015年4月，全球已有34个国家和组织相继加入全球Argo计划，投放了11 450个Argo浮标，获取了140多万组温盐剖面，基本覆盖了全球大洋。

正如计划名称所示，全球Argo数据集的观测仪器即为Argo浮标。

1.2GTSPP数据集及主要观测仪器

GTSPP是政府间海洋协会/政府间海洋数据交换试验（IOC/IODE）和世界气象组织/全球海洋服务系统（WMO/IGOSS）联合开展的一项资料服务计划。该计划在1989年启动、1990年11月进入运行阶段。GTSPP的实施是对热带海洋和全球大气实验计划（TOGA）和世界海洋环流实验（WOCE）对温盐资料需要的响应，并作为海洋资料管理的一个范例，开发实施端对端全球温盐数据管理系统（USA NODC，2014）。截至2014年12月，共发布1 817.4万站次温盐数据，数据量高达24 GB。

GTSPP官方网站上发布了其数据来源的34种仪器或数据编码，包括：XBT、MBT、锚系浮标、漂流浮标、剖面浮标（包括Argo浮标）、CTD、动物携带传感器、BATHY（温深数据编码）或TESAC（温度盐度编码）等。值得注意的是，87% 的GTSPP数据文件中将编码格式BATHY和TESAC填写在仪器信息项中，这给数据的使用与评估带来极大地不确定性。

通过与加拿大GTSPP实时数据解码人员的沟通和测试，确定基于数据说明文档中的呼号（call sign，截至2015年4月有15 757个），辅以数据文件中的仪器信息共同确定观测仪器切实可行。对于仍无法确定仪器的数据，保留其原有编码格式说明。采用此方法对34种仪器项的同类项进行合并，将数据按照仪器分为生物携带传感器、BATHY、CTD、南森瓶、BT、混合站、剖面浮标、TESAC、XBT、Glider和锚系浮标共11类，按照仪器对GTSPP数据进行了分类统计。

通过图1中各仪器站次数和数据量的百分比，可以发现数据集中主要为XBT、剖面浮标、TESAC 和CTD数据，其数据量分别占到总数据量的49%、23%、13%和11%。结合对应的站次数，可以发现TESAC数据虽然站次数多（占总数的69%），但有效观测较少，数据量仅为总数据量的13%，因此这部分数据不仅仪器信息缺失，而且水下有效观测数据较少，因此此文不做进一步分析。

1.3WOD数据集及主要观测仪器

WOD由美国国家海洋大气局/国家海洋数据中心（NOAA/NODC）的海洋气候实验室（OCL）制作。其数据来源于近350个全球或区域海洋观测/资料收集计划，主要数据源为：全球海洋学数据抢救计划（GODAR）、NODC全球海洋数据库计划、全球Argo浮标观测计划、世界海洋数据库计划、全球温盐剖面计划、世界海洋环流实验、全球海洋通量联合研究（JGOFS）、海洋边界实验（OMEX）等（Boyer et al，2013；Johnson et al，2013）。

WOD数据集更新频率较快，每季度在线发布新收集到的数据，每4年发布经过详细排重和质量控制的数据集光盘。在2014年发布了WOD13光盘，包含了1772年12月至2012年12月共1 272万站次的温度、盐度、溶解氧、叶绿素等其他海洋水文、化学和生物数据，数据量高达45GB。

WOD13数据集中包含了11种观测仪器，具体为：颠倒温度计、MBT、CTD、Argo浮标、Glider、锚系浮标、漂流浮标、拖曳式海洋数据记录仪、XBT、海面数据、生物携带传感器。

图1　1990年1月-2014年12月全球GTSPP观测仪器站次数百分比（左图）和数据量百分比（右图）

图2　1772年1月-2012年12月WOD13数据集中观测仪器站次数百分比（左图）和体积百分比（右图）

1.4Argo、GTSPP与WOD的相互从属关系

通过上述介绍，可以发现Argo、GTSPP与WOD交叉重复，但是具体包含关系并不可知。如何充分发挥每个数据集的优势，避免简单合并使用导致错误的研究成果，本节将对其进行进一步的分析。

利用纪风颖（2015）对温盐数据的排重方法和软件，以海洋观测仪器为出发点，根据其观测周期、精度和传输频率，确定判断重复数据的关键信息项和判定重复数据的临界值。并利用其计算结果：WOD定期（每4年）发布的数据光盘数据重复率小于1‰、而网站上业务化（每4个月）更新数据重复率高达10%，全球Argo数据集的重复率小于1‰，且全球Argo计划98%的数据已纳入WOD数据集。本文全文都采用WOD13作为研究对象，以其更新截止日期2012年12月31日作为Argo和GTSPP数据集的更新截止日期，计算该时间段内Argo与GTSPP、GTSPP与WOD的从属关系。

（1）GTSPP剖面浮标数据与Argo浮标数据

根据呼号和仪器信息，计算得到GTSPP中剖面浮标为868873站，利用已有的温盐数据排重软件对这两类数据进行排重，结果如表1：

表1　GTSPP中剖面浮标数据与全球Argo资料中心发布

通过对排重结果的审核，确认GTSPP剖面浮标中90%为Argo浮标，10%为锚定或链式的剖面浮标（非Argo浮标）。但GTSPP中的Argo浮标仅为全球Argo浮标计划的80%，且数据为未订正的实时数据。

（2）GTSPP与WOD

由于GTSPP数据集主体为XBT数据，对其与WOD13中的XBT数据进行比对，结合剖面浮标的重复率，基本可以判定GTSPP与WOD的从属关系。

以GTSPP计划开始时间1990年1月1日作为起始时间，以WOD13光盘数据更新截止日期2012 年12月31日作为终止时间，对这段时间内GTSPP和WOD13中的XBT数据进行排重，结果如表2。

表2　GTSPP中XBT数据与WOD13中XBT数据的比对

根据以上结果，可以判定GTSPP中95%的XBT数据已纳入到WOD中，而WOD包含了近一倍未上传GTS的XBT的数据；而且Argo∈GTSPP∈WOD，从属关系高于85%。由于三者数据源、更新频率及管理体系各不相同，因此需要基于观测仪器对其数据精度和质量进行详细分析。

2　Argo浮标、XBT和船载CTD及其测量精度

通过以上分析结果，可以发现Argo、XBT及CTD是现有温盐数据集的主要观测仪器，因此将在本节对其进行分析。由于Argo数据实效性强、精度高、信息完整，已被广泛应用于各种海洋研究中，如海洋同化预报模型的改进、模态水的形成机制与输运、障碍层的形成机理、卫星测高数据的校正和海洋的气候性变化等（韩桂军等，2011；朱江，2006）。本节将进行详细讨论。

基于数据集的时效性、重复率和从属关系，以下统计结果将源于不同数据集，其中Argo数据源于全球Argo数据中心，统计截止日期为2015年4月；XBT和CTD数据源于WOD13，统计截止日期为2012年12月。

2.1Argo浮标

类型：目前全球浮标主要为APEX（美国）、SOLO（美国）与PROVOR（法国）三种类型，分别占全球Argo浮标总数的56%、23%和11%。

传感器类型与精度：目前仅有6 266个（总数：11 450个）浮标发布了主要传感器信息，其中以SBE41CP型传感器最多，总数达4 896个，占已知仪器类型总数的78%。其温度精度为0.002℃，盐度精度为0.01 PSS-78，压强精度为2.4分巴。

量程：压强传感器的设计观测压强为2000dbar，用户可以根据需要进行调整和设置。目前50%剖面的观测深度为2 000（±100）dbar。

循环运行周期：目前全球78.9%的浮标运行周期为9-11 d。

观测要素：主体为海水温度、盐度，还有少量的溶解氧和叶绿素等。

卫星接收系统：79.4%采用Argos卫星系统传送资料，20.3%采用铱星卫星系统。

定位系统：78.4%采用Argos卫星系统定位，19.3%采用GPS定位。

寿命：截至2015年4月，已停止运行的Argo浮标平均寿命为1 240 d（约3.4 a）。

2.2目前Argo观测数据的主要不足

根据Argo浮标的仪器性能以及数据的应用研究结果，其随机误差、定位误差和系统误差主要表现在以下几个方面：

（1）随机误差：卫星资料接收和发送，10.25%剖面观测时间或定位信息缺失或错误；电子信号的干扰出现数据奇异值，以及电池耗尽，观测数据出现恒定值的问题；通过Argo实时质量控制方法（Annie et al，2014）的温度数据为97.6%，盐度数据为96.1%。

（2）定位误差：由于Argos卫星系统采用多普勒频移效应来计算数据源的位置，当Argo浮标发射数据时，过境卫星的数目和距离限制了定位精度，早期Argos卫星系统的定位误差可以超过1 500 m。

（3）表层数据缺失：为了预防海面污染物质随海水进入到传感器内降低观测精度，目前80%的Argo浮标在海面0～3 dbar内不进行观测。

（4）数据精度较船载CTD大幅降低：为了节约电池能量，减少Argo浮标在海面向卫星发送观测数据的时间，仅提取部分观测数据进行上传。相对于采样频率为24 Hz、采样间隔小于1 m的船载CTD的SBE9传感器，Argo浮标的采样间隔较大，在海洋上层（0～200 dbar）的采样间隔仅为4～8 dbar，剩余数据的采样间隔高达50 db。表3为Apex型Argo浮标采用的SBE-41和SBE-41CP型传感器与常规海洋调查中的船载CTD携带的SBE-9型传感器仪器参数的比较（Johnson et al，2007）。

表3　不同型号SBE传感器仪器参数的比较

（5）早期Apex型Argo浮标存在压强系统漂移：由于Apex型Argo浮标不能进行压强自校正，而在运行过程中会出现压力漂移，需要确定漂移量后对整个剖面的压强数据进行后期修正（Annie，et al，2014）。

（6）热滞后效应导致的盐度误差

Argo浮标所携带的电导率、温度两种传感器的材质、观测方式和内部结构都不同，因此对海水温度的感应时间也不同，即温度和电导率传感器的观测不同步，导致由压强、温度和电导率计算出的盐度数据存在明显的误差（常常表现为较大的尖峰）。

对温度和电导率传感器响应时间的研究（Lueck et al，1990）表明，在初始时刻（t = 0），当海水温度产生1℃的变化，电导率传感器内的海水与温度传感器观测的温度数值的差别可以近似表达为：

其中，α是误差量级，τTCM是误差变化的时间尺度，H（t）是Heaviside阶梯函数，

利用该理论，Johnson（2007）通过迭代计算得到电导率传感器热滞后订正的最优估计参数：SBE-41 CTD传感器的热滞后参数为α= 0.021，τTCM= 21.0 s；SBE-41CP型CTD传感器的热滞后参数α= 0.162，τTCM= 5.86 s。

纪风颖（2007）利用以上方法和参数，对中国和日本投放在西北太平洋的Argo浮标获取4 941个盐度剖面数据进行热滞后订正。订正结果表明在北纬40°以北，温跃层强度均不小于0.4℃/m的强温跃层地域，电导率传感器的热滞后效应最为明显（盐度误差大于0.02 PSS-78）。美国PMEL实验室投放在太平洋高纬度海区的Argo浮标的热滞后现象最为明显，盐度误差可以达到0.04PSS-78（图3）。

（7）Argo盐度漂移误差

由于Argo浮标自由漂移、在海上连续观测4年的特性，会由于生物污垢附着改变传感器的有效几何形状而使测量数据产生明显的系统漂移现象。美国和日本通过回收极少数（少于10个）工作一段时间的Argo浮标，发现温度和压强传感器在运行中保持着既定的准确度标准，而部分电导率传感器由于生物污垢附着或其它问题而存在系统漂移。

全球Argo资料管理人员非常关注Argo盐度数据质量问题，并采用不同方法进行Argo盐度数据漂移的延时订正试验。2003年美国华盛顿大学提出WJO方法（Annie et al，2003），假定海洋变化为平稳过程，即温度和盐度的协方差解析函数和相关尺度参数不变，通过历史温盐数据客观分析计算得到Argo浮标所在位置的盐度背景场，从而对Argo盐度数据进行校正。

2005年德国学者对WJO方法进行改进：将位势涡度守恒引入了温盐相关函数的计算，并通过已有的CTD观测数据计算得到温盐相关尺度参数，将此方法命名为BS方法（Lars，2006）。

2009年美国Woods Hole海洋研究所和美国华盛顿大学首次联合提出了OW方法，集成了WJO 和BS选取背景数据集的方法，并引入了AIC （Akaike's Information criterion）方法确定Argo浮标电导率传感器变化拐点，避免了人为判断的主观性（Owens et al，2009）。

纪风颖（2007）通过WJO方法、BS方法以及OW方法的理论和计算结果进行了比对，发现这三种方法是基于历史数据，利用客观分析方法对Argo数据进行订正。因此历史数据的数量、准确度和时空相关属性，以及处理人员温盐时空相关尺度和电导率传感器变化的拐点的设定对盐度订正结果有着至关重要的影响。基于此结论，目前全球Argo数据管理组推荐采用Argo浮标拥有者对其盐度数据漂移订正的结果。

图3　PMEL投放Apex型Argo浮标4900137，第47个观测剖面，观测时间2002年9月27日观测地点54.68N，178.26W

对目前时空信息完整的1 253 547个盐度剖面数据统计发现，有824 233个剖面已经进行了盐度订正（注，全球Argo数据管理组规定：Argo浮标运行6个月后才需要进行订正），其中597 374（总订正盐度剖面的72.5%）的盐度数据漂移小于0.01PSS-78，无明显漂移；而216 578个剖面（总订正盐度剖面的26.3%）的盐度漂移在0.01～0.02 PSS-78之间，需要订正；1%的盐度剖面漂移量大于0.02 PSS-78，需要仔细订正或舍弃，见图4（a）。

考虑到美国投放Argo浮标最多（占全球Argo计划的46%），而且是全球78%Argo浮标的制造商，其Argo资料处理方法最为成熟，因此以其订正资料作为进一步的分析。622 245个盐度剖面数据中，355 009个剖面进行了订正，其中198 421（总订正盐度剖面的56%）的盐度数据漂移小于0.01PSS-78，无明显漂移；而152022个剖面（总订正盐度剖面的43%）的盐度漂移在0.01～0.02 PSS-78之间，有轻微漂移，需要进行订正；2%的盐度剖面漂移量大于0.02 PSS-78，需要仔细订正或舍弃，见图4（b）。

2.3XBT

XBT在1966年开始投放大洋进行观测，因其成本小且投放方便，成为20世纪70年代和80年代的主要观测仪器，目前WOD13集中共收录了221万站XBT数据。

XBT资料的精度：不同厂家生产的不同型号的XBT，其精度也不同。温度传感器的精度有±0.1℃、±0.15℃，WOD中95%的XBT观测深度不大于1 000 m，其深度精度为量程的2%或者5 m。

下降速度方程不合理导致XBT系统误差：由于XBT仅配备温度传感器，其深度数据通过厂家发布的下降速度方程，假定XBT是自由落体，通过下降时间计算出对应的深度数据。海洋学家一直根据实测结果不断对下降方程进行修订（Joaquin et al，2015），但是观测方式决定了XBT深度数据的误差一直存在。而且WOD13中近一半的XBT数据并未获取具体的探头型号，无从知道深度校正方程是否正确（Boyer et al，2013；Johnson et al， 2013）。

图4　Argo浮标盐度数据漂移量（a为全球Argo浮标数据漂移量，b为美国Argo浮标数据漂移量）

除水深数据存在系统误差外，XBT异常数据基本集中在入水数据和底层数据，见图5。

2.4CTD

CTD作为一种测量海水温度和盐度的高精度仪器，其设计观测深度可以达到10 000 m。其测量性能取决于各传感器的响应时间，当以1 m/s下放CTD时，其垂向测量精度可以达到0.05～0.3 m。传感器不同，测量精度也不同，一般温度传感器的精度为0.005℃～0.001℃，电导率传感器的精度为0.000 3 S/m，对应的盐度的精度为0.02～0.003 PSS-78。CTD数据的质量不单单取决于传感器的精度，温度和电导率的响应时间随CTD下放速度不同而不同，同样急速变化的海洋环境也会导致CTD数据产生较大误差。

图5　ELES7随机船获取的印度洋的XBT资料

由于CTD基本都是船载观测，成本较高，多集中于近岸，大洋中数据较少，时空分布极不均匀，见图6（b）。

图6　WOD13中XBT（a）、CTD站位图（b），全球Argo资料中心发布的Argo站位分布图（c）

3　Argo、GTSPP及WOD应用中应注意的问题

综上所述，Argo、GTSPP及WOD数据集依次为后者的数据源，但时空范围、观测仪器、更新频率各不相同，数据集的制作者也不同，见表4。

作为现有温盐数据集的主要观测仪器Argo、XBT及CTD，其观测数据的时空覆盖范围各不相同，见图6。

由此可见Argo数据集实效性强、精度高，但全球Argo计划始于2000年，至今仅获取了140万温盐剖面；GTSPP数据集数据主体采用GTS传输，因此资料时效性强但不完整，而且数据集主体为XBT数据，因此整体准确度下降；WOD时空覆盖范围更为广泛、数据也更为完整，但是其更新速度较慢，网站业务化更新资料的重复率较高。

若强调海洋研究的时效性，如海洋实时预报与分析，Argo和GTSPP数据是较好的选择；而对于海洋气候研究，WOD可以省却研究者大量收集并整合处理数据的时间。

同时应用以上数据时应该注意：Argo数据0～3 db数据缺失，而且在高纬度强温跃层地带出现较强的虚假盐度尖峰，而且自由漂移的特性导致目前1%～2%盐度剖面漂移超过0.02 PSS-78；由于下降方程的不断演变，全球半数XBT共享数据提供者并未提供仪器型号，导致数据整体的可靠性下降；CTD数据共享数据较少且多集中近海。

4　结语

海洋仪器的性能和观测方式直接决定了单个数据的可靠性，而数据集整体的时空覆盖率则制约了海洋科学研究的时空尺度。本文以这两条准则对Argo数据集、GTSPP数据集以及WOD进行了仔细分析和比对，结论如下：

（1）相对于GTSPP和WOD，Argo数据集虽然时间跨度小，但其数据实效性强、精度高、信息完整、管理规范、应用广泛，而Argo浮标更是不断提高观测精度，增加传感器种类，从而使全球Argo计划成为全球海洋观测网中的重要组成部分。虽然目前由于Argo浮标仪器设计和观测方式导致了不同类型的误差数据，但较之于历史观测仪器，其数据质量取得了长足的进步，并且可以通过严格质量控制和订正程序对误差数据进行一定程度的校正；

（2）GTSPP和WOD都是收集各种观测仪器获取数据的数据集，由于各个历史时期采用的观测仪器设备不同，对观测资料质量控制的认识和采用的校正方法也不同，这两个数据集都未实现对每种仪器的系统校正，数据集整体的质量远不及Argo数据集；

（3）若强调海洋研究的时效性，如海洋实时预报与分析，Argo和GTSPP数据是较好的选择；而对于海洋气候研究，WOD可以省却研究者大量整合处理不同数据源的时间；

（4）Argo浮标、XBT和CTD是现有温盐数据集主要观测仪器，三种仪器的测量精度、随机误差、系统误差和时空分布各不相同，使用者应根据研究的时空尺度进行合适的选取和比对。

（5）对固定研究区域内，Argo、CTD数据应该作为首选，而XBT等其它类型数据可以作为适当的补充。

（6）数据集的整合使用过程中，在必要的质量控制以外，更需要对资料本身的误差和真实的海洋现象进行甄别。

以上研究结果，可以使海洋环境研究人员在众多海洋数据源前，根据研究需求选取合适的数据集；同时在资料分析中，能够有效地甄别资料本身的误差和真实的海洋现象。

参考文献

Annie W，Robert K，Thierry Carval and the Argo Data Management Team （2014）. Argo Quality Control Manual. http://dx.doi.org/10.13155/ 33951.

Boyer T P，Antonov J I，Baranova O K，et al，2013，World Ocean Database 2013. Sydney Levitus，Ed.；Alexey Mishonov，Technical Ed；NOAA Atlas NESDIS 72，209 pp.

Joaquin A. Trinanes，2015，XBT Data Flow and Transmissions，Joint WMO/IOC Technical Commission for Oceanography and Marine Meteorology，Ship Observations Team（SOT），Eighth Session，Cape Town，South Africa，20-24，April 2015.

Johnson D R，Boyer T P，Garcia H E，et al，2013. World Ocean Database 2013 User's Manual. Sydney Levitus，Ed；Alexey Mishonov，Technical Ed；NODC Internal Report 22，NOAA Printing Office，Silver Spring，MD，172 pp. Available at http://www.nodc.noaa.gov/ OC5/WOD13/.

Johnson G C，Toole J M，Larson N G，2007. Sensor corrections for Sea-Bird SBE-41CP and SBE-41 CTDs. Journal of Atmospheric and O-ceanic Technology，24，1 117-1 130.

Lars B，Uwe S，2005，Objective analyses of hydrographic data for referencing profiling float salinities in highly variable environments，Deep sea research II，52，651-664.

Lueck R G，1990，Thermal inertia of conductivity cells: Theroy. J Atmos. and Oceanic Technol，7，741-755.

Lueck R G，Picklo J J，1990. Thermal inertia of conductivity cells: Observations with a Sea-Bird cell. J Atmos. and Oceanic Technol，7，756-768.

Oka E，Ando K，2004. Stability of temperature and conductivity sensors of Argo Profiling Floats. Journal of Oceanography，60: 253-258.

Owens W B，Wong A P S，2009. An improved calibration method for the drift of the conductivity sensor on autonomous CTD profiling floats by θ-S climatology. Deep-Sea Research，Part I: Oceanographic Research Papers，56（3）: 450-457.

Sun C & Co-Authors（2010）. " The Data Management System for the Global Temperature and Salinity Profile Program" in Proceedings of OceanObs.09: Sustained Ocean Observations and Information for Society（Vol. 2），Venice，Italy，21-25 September 2009，Hall，J Harrison，D E & Stammer，D，Eds，ESA Publication WPP-306，doi: 10.5270/OceanObs09.cwp.86.

Thierry Carval / Ifremer，Bob Keeley / MEDS，Yasushi Takatsuki / JAMSTEC，Takashi Yoshida / JMA，Stephen Loch / BODC，Claudia Schmid / AOML，Roger Goldsmith / WHOI，Annie Wong / UW，Rebecca McCreadie / BODC，Ann Thresher / CSIRO，Anh Tran / MEDS（2014）. Argo User's manual. http://dx.doi.org/10.13155/ 29825.

U S National Oceanographic Data Center: Global Temperature-Salinity Profile Program. December 2014. U.S. Department of Commerce，National Oceanic and Atmospheric Administration，National O -ceanographic Data Center，Silver Spring，Maryland，20910. Date of Access，＜http://www.nodc.noaa.gov/GTSPP/＞.

Wong A P S，Johnson G C，Owens W B，2003. Delayed-mode calibration of autonomous CTD profiling float salinity data by-S climatology. Journal of Atmospheric and Oceanic Technology，20: 308-318.

纪风颖，2007. Argo数据的质量控制，中国海洋大学，博士论文.

纪风颖，2015. WOD与Argo数据集的排重方法与软件实现，中国海洋大学学报，45（8），121-127.

韩桂军，李冬，李威，等，2011，海洋多尺度三维变分的基本原理与统一理论框架分析，Argo研究论文集，北京：海洋出版社.

朱江，2006. Argo资料在太平洋海洋资料同化中的应用，Argo应用研究论文集，北京：海洋出版社.

（本文编辑：袁泽轶）

An introduction to Argo，GTSPP，WOD and their application

JI Feng-Ying，LIN Shao-hua，WAN Fang-fang，DONG Ming-mei，LIU Yu-long
（National Marine Data and Information Service，Tianjin 300171，China）

Abstract：The datasets restrict the scope and accuracy of marine scientific research，while reliability of individual marine station data is directly determined by instrument performance and observation modes. Taking observation instruments as the main standard and combining with spatial coverage and time span of datasets，this paper analyzes the affiliation of the three main global datasets of Argo，GTSPP and WOD: Argo and GTSPP are both the data sources of WOD，while 80%Argo realtime uncorrected data are included in GTSPP. Based on this study，the error resource and magnitude of the three main instruments Argo floats，XBT and CTD are identified: due to the global automatic observation and transmission requirements，abnormal Argo data are caused by electronic signal instability，and false salinity spikes of Argo data are obvious in high latitudes where the thermocline is strong，and free drift characteristics lead 1%～2%global Argo floats salinity drifts exceeding 0.02PSS-78. Due to the fall rate equation evolution，near half of the world XBT data are not provided with the instrument model，and the whole XBT dataset reliability decreases；the majority of CTD are used in shipboard observations，therefore it is costly，less shared and more concentrated on the offshore area. Therefore，integration of the global temperature and salinity data should take into account of observation instrument reliability，time span and spatial coverage，in order to efficiently identify the real ocean phenomena over the error of ocean data.

Keywords：Argo；GTSPP；WOD

中图分类号：P715

文献标识码：A

文章编号：1001-6932（2016）02-0140-09

Doi：10.11840/j.issn.1001-6392.2016.02.003

收稿日期：2015-07-29；

修订日期：2015-09-07

基金项目：国家自然科学基金（41406024）。

作者简介：纪风颖（1974-），女，博士，副研究员，主要从事物理海洋数据处理与分析。电子邮箱：2320130582@qq.com。