西北太平洋多源微波辐射计海表温度数据交叉比对分析

奚萌，宋清涛，2，林明森，李文君

(1.国家海洋局 国家卫星海洋应用中心，北京 100081; 2.国家海洋局空间海洋遥感与应用研究重点实验室，北京 100081；3.国家海洋局 国家海洋环境监测中心，辽宁 大连 116023)



西北太平洋多源微波辐射计海表温度数据交叉比对分析

奚萌1，宋清涛1，2，林明森1，李文君3

(1.国家海洋局 国家卫星海洋应用中心，北京 100081; 2.国家海洋局空间海洋遥感与应用研究重点实验室，北京 100081；3.国家海洋局 国家海洋环境监测中心，辽宁 大连 116023)

摘要：海表温度产品是研究全球海洋大气系统的重要数据源，在海洋相关领域的研究和应用方面具有重要价值。以西北太平洋海域为研究区域，本文对2013年和2014年3个微波辐射计海表温度产品(AMSR-2，TMI和WindSat)的产品特性和Argo浮标进行了真实性检验，并对3个传感器数据进行了交叉比对分析，具体涉及海表温度分布、温度梯度分布、观测点分布、匹配点分布、平均偏差分布、均方根误差分布、统计分析结果的逐月演变和海表温度误差棒分析。结果表明，3个微波辐射计在空间尺度上都能比较一致地反映西北太平洋海域的海表温度变化趋势。但遥感数据与浮标数据却存在季节性变化和昼夜差异，其中冬季微波数据与浮标数据的平均偏差和均方根误差较小，降轨数据与浮标数据的结果更接近。AMSR-2的海表温度数据质量比TMI和WindSat的海表温度数据更接近Argo数据。相比于WindSat和TMI，AMSR-2和TMI的海表温度数据质量更为接近，但是由于受到近岸陆地信号干扰，AMSR-2和TMI离岸100 km以内海域的数据应当慎用。

关键词：海表温度；微波辐射计；Argo浮标；西北太平洋；统计分析

1引言

海表温度(Sea Surface Temperature，SST)是研究大气、海洋以及海-气交换的重要物理参量之一。监测海表温度的分布及其时空变化规律，对理解海洋在气候系统中的作用具有重要意义。目前获取海表温度的方式有现场观测和卫星遥感两种方式，其中遥感探测又分为热红外遥感和被动微波遥感。单一卫星传感器获取的数据存在一定的差异性和局限性，热红外遥感海表温度产品空间分辨率高，但是空间覆盖率受到天气条件制约，微波遥感海表温度产品可以实现全天候观测，但空间分辨率较低(25 km)，而且在近岸海域微波接收天线旁瓣受陆地信号干扰无法获取准确观测值[1]。由此可见海表温度产品要达到更好的实效性，更高的精度，光靠红外遥感或者微波遥感都无法独自完成。因此结合不同卫星传感器的特点，取长补短，将红外、微波获取的数据进行数据融合，获取高分辨率全天候近实时的海表温度产品是目前研究热点之一。在数据融合之前，对多源数据的空间分布进行比对分析和偏差校正，为融合产品输入数据质量控制、制定分析权重和提高产品精度提供参考依据。尤其是可以结合我国第一颗海洋动力环境卫星HY-2A卫星扫描微波辐射计海表温度数据，为相关预报、应用部门提供高时空分辨率、高精度的海表温度产品。

国内外有许多学者对微波遥感反演的海表温度特征进行过比对分析的研究。Stammer等[2]、Gentemann等[3]、Parekh等[4]对TMI和浮标数据进行了比对分析；Hosoda和Murakami[5]对2003年4月至10月全球AMSR(微波辐射计)和GLI(红外辐射计)海表温度数据进行了比对分析，发现两者的差异不仅随地理位置变化，同时还受水汽、卫星天顶角及海面风场的影响；Qiu和Wang[6]对中国南海北部AVHRR、TMI与浮标海表温度数据进行了交叉比对；王雨等[7]对1998-2006年TMI和Hadley海表温度数据的气候尺度进行了比较分析，结果表明两者存在明显的地域性特征和季节变化；李明等[8]利用AOML的SVP漂流浮标对30°S以南的南大洋海域AMSR-E海表温度数据进行了比对分析，结果表明两者的差异受到流速影响，随着流速的增大而减小；卢少磊等[9]利用Argo剖面浮标的近表层温度数据对南半球的AMSR-E和TMI海表温度数据进行了比对分析，结果表明，昼夜和季节变化、风速、海面流速和大气水汽含量都会对比对结果产生影响；孙凤琴等[10]选取西北太平洋海域2002年7月至2005年12月的Argo浮标数据对AVHRR、MODIS和TMI海表温度升轨数据进行了验证，结果表明TMI较红外数据与实测值偏离程度最高，偏离范围较大。在前人研究的基础上，本文不仅评定了多源微波数据的优劣，并展示了分析结果的空间分布。

2数据源及其介绍

本文使用了2013年和2014年西北太平洋海域(0°～60°N，100°～160°E)的3个微波辐射计海表温度二级数据(AMSR-2，TMI和WindSat)以及Argo浮标数据。该海域受副热带高压和季风系统影响，是台风高发区，包含世界上第二暖流——黑潮由该海域蜿蜒北上，气候和水动力环境复杂多变，适合用于微波辐射计海表温度产品的精度检验。

2.1AMSR-2

搭载在JAXA研制的GCOM-W1卫星上的AMSR-2传感器于2012年5月18日发射成功。AMSR-2是AMSR-E的后续微波传感器，仪器参数基本一致，增加了7.3 GHz频道。AMSR-2在6.9～89.0 GHz范围内有7个频率(6.93 GHz、7.3 GHz、10.65 GHz、18.7 GHz、23.8 GHz、36.5 GHz和89.0 GHz)，均为垂直和水平极化通道，监测范围2.7～340 K，平均轨道高度约为700 km，观测刈幅为1 450 km，卫星倾角为98°，运行周期为99 min，在下午1：30左右穿过赤道。

RSS提供的AMSR-2每日格点海表温度数据(版本7.2)，由每日平均图(分为升轨和降轨数据)、3日平均图、周平均图和月平均图组成。空间分辨率为0.25°×0.25°，格点数为1 440×720，其完整数据还包括海面风速(两个不同的辐射通道)、大气水汽、云水含量和降水率。

2.2TMI

TMI(TRMM Microwave Imager)搭载在由美国NASA和日本NASDA共同研制的试验卫星TRMM上，于1997年11月27日发射成功。TMI改良自美国DMSP系列卫星上的微波辐射成像仪(SSM/I)，是一个多通道双极化被动微波传感器，具有5个频率(10.65 GHz、19.35 GHz、21.3 GHz、37.0 GHz和85.5 GHz)，除21.3 GHz为垂直极化，其他频率均为垂直和水平极化通道。TMI带有适于反演海表温度的10.65 GHz低频通道，使其成为第一个能够穿透云层准确测量海表温度的微波辐射计。TRMM卫星在半赤道轨道上自西向东运行，可以釆集到40°S～40°N范围内的数据[11]。

RSS提供的TMI每日格点海表温度数据(版本7.1)，由每日平均图(分为升轨和降轨数据)、3日平均图、周平均图和月平均图组成。空间分辨率为0.25°×0.25°，格点数为1 440×320，覆盖了全球范围内40°S～40°N地区，其完整数据还包括海面风速、大气水汽、云水含量和降水率。

2.3WindSat

WindSat搭载在Coriolis卫星上，于2003年1月6日发射成功。WindSat是首颗星载全极化微波辐射计，具有5个频率，其中6.8 GHz和23.8 GHz为垂直和水平极化通道，10.7 GHz、18.7 GHz和37.0 GHz为全极化通道，可以测量全部4个Stokes参数。WindSat数据可以用来反演海表温度、海面风速、海面风向、水汽总量、云中液态水总量、降水率、海冰密集度和冰期等诸多参数。

RSS提供的WindSat每日格点海表温度数据(版本7.01)，由每日平均图(分为升轨和降轨数据)、3日平均图、周平均图和月平均图组成。空间分辨率为0.25°×0.25°，格点数为1 440×720，其完整数据还包括海面风速和风向、大气水汽、云水含量和降水率。

2.4Argo

Argo(Array for Real-time Geostrophic Oceanography)是于1998年推出的一个大型海洋观测计划[12—13]，目的是快速、准确、大范围收集全球海洋上层的海水温、盐度剖面资料。Argo计划的实施，有助于准确、全面地了解全球气候的变化，对分析大洋渔场的形成、渔业资源的分布具有重要意义，目前Argo数据已经在海洋温度场研究、大洋环流模式、海洋资料同化等领域被广泛地应用，取得了诸多研究和应用成果[14]。实现长期、自动、实时和连续获取全球海洋水深上层温、盐剖面和海流的资料。

图1所示为在西北太平洋海域经过质量控制后插值为0.25°×0.25°空间分辨率的Argo浮标于2013年和2014年的观测点分布，共30 080个(2013年15 956个、2014年14 124个)观测数据，两年仅可覆盖研究区域40.12%(2013年24.02%、2014年22.82%)左右的海域，主要集中在西北太平洋海域，在中国南海南部、东海、黄海、渤海和鄂霍茨克海等海域数据稀少，无法检验该海域反演的微波海表温度数据质量。

图1　2013年和2014年Argo浮标海表温度观测点分布Fig.1　SST observation points distribution of Argo during 2013 and 2014

3研究方法

3.1匹配方法

为了方便对Argo浮标与微波辐射计海表温度数据进行匹配，首先，选取深度0～1 m范围内，剔除没有质量标识或包含错误地理及时间信息的Argo浮标数据，尽管选取的浮标数据已经进行了质量标识，但是在应用过程中发现其中仍然包含明显观测误差的数据存在，参考Marcello等[15]的做法对浮标数据进行了修订和剔除；再根据空间就近点原则将其经纬度信息和时间信息逐日插值到空间分辨率为0.25°×0.25°的均匀网格上，当一个网格点包含多个数据时，进行算术平均后作为网格点观测值保留。由于获取的Argo浮标数据时间信息只精确到天，因此选取与3个微波辐射计白天、夜间和昼夜平均数据的时间窗口在同一天同一网格点的浮标海表温度数据进行匹配。按照匹配方法，AMSR-2与Argo浮标2013年和2014年在研究区域共有19 662个匹配数据(2013年10 503个、2014年9 159个)；TMI与Argo浮标共有19 573个匹配数据(2013年10 260个、2014年9 313个)，与AMSR-2匹配点个数相近，因为Argo浮标主要集中在中低纬度海域，高纬区域比较稀少，相比于其他两个辐射计TMI恰恰在中低纬度海域观测频次较高；WindSat与Argo浮标共有13 406个匹配数据(2013年7 256个、2014年6 150个)，远少于其他两个辐射计与浮标的匹配点。

由于3个微波辐射计海表温度二级产品都是空间分辨率为0.25°×0.25°的均匀网格产品，因此对时间窗口在±1 h以内的同一空间网格点海表温度数据进行匹配。图2所示为2013年和2014年在西北太平洋海域AMSR-2与TMI、WindSat与TMI的海表温度数据匹配点分布。AMSR-2与TMI共有2 067 858个匹配数据(2013年998 068个、2014年1 069 790个)，在一些近岸海域(水深不大于100 km)存在稀少的匹配点；WindSat与TMI共有1 280 698个匹配数据(2013年631 708个、2014年648 990个)，远少于AMSR-2与TMI的匹配点个数；AMSR-2与WindSat在西北太平洋海域±1 h的时间窗口内没有匹配点。由于海表温度产品的网格特点，随着纬度的升高，产品的匹配点增多。

3.2比对方法

图2　 2013年和2014年微波辐射计海表温度匹配点分布Fig.2　SST matching points distribution of microwave radiometer during 2013 and 2014a.AMSR-2与TMI，b.WindSat与TMIa.AMSR-2 and TMI，b.WindSat and TMI

4结果与分析

4.1微波辐射计与实测海表温度数据比对结果

表1～表3为2013年和2014年3个微波辐射计白天、夜间及昼夜平均数据与Argo浮标匹配点海表温度统计分析结果，包括匹配点个数、平均偏差、绝对偏差、标准偏差和均方根误差；图3～图6为2013年和2014年3个微波辐射计与Argo浮标匹配点海表温度平均偏差、绝对偏差、标准偏差和均方根误差的逐月演变；图7为海表温度误差棒分析结果，并以1℃为间隔统计了各温度区间微波辐射计与Argo浮标数据匹配点个数。

表1　AMSR-2与Argo浮标海表温度匹配点统计分析结果

续表1

表2　TMI与Argo浮标海表温度匹配点统计分析结果

表3　WindSat与Argo浮标海表温度匹配点统计分析结果

图3　2013年和2014年微波辐射计与Argo浮标海表温度匹配点平均偏差逐月演变Fig.3　Monthly SST bias analysis of matching points between microwave radiometer and Argo during 2013 and 2014a.白天， b.夜间， c.平均a.Day， b.night， c.averaged

图4　2013年和2014年微波辐射计与Argo浮标海表温度匹配点绝对偏差逐月演变Fig.4　Monthly SST absolute bias analysis of matching points between microwave radiometer and Argo during 2013 and 2014a.白天， b.夜间， c.平均a.Day， b.night， c.averaged

图5　2013年和2014年微波辐射计与Argo浮标海表温度匹配点标准偏差逐月演变Fig.5　Monthly SST standard deviation analysis of matching points between microwave radiometer and Argo during 2013 and 2014a.白天， b.夜间， c.平均a.Day， b.night， c.averaged

图6　2013年和2014年微波辐射计与Argo浮标海表温度匹配点均方根误差逐月演变Fig.6　Monthly SST mean square error analysis of matching points between microwave radiometer and Argo during 2013 and 2014a.白天， b.夜间， c.平均a.Day， b.night， c.averaged

图7　2013年和2014年微波辐射计与Argo浮标海表温度匹配点误差棒分析Fig.7　SST error bar analysis of matching points between microwave radiometer and Argo during 2013 and 2014a.AMSR-2与Argo， b.TMI与Argo， c.WindSat与Argoa.AMSR-2 and Argo， b.TMI and Argo， c.WindSat and Argo

图8　2013年和2014年微波辐射计海表温度观测点数分布(a.AMSR-2, b.TMI, c.WindSat)Fig.8　SST observation points distribution of microwave radiometer SST during 2013 and 2014(a.AMSR-2, b.TMI, c.WindSat)

图9　2014年10月30日微波辐射计海表温度分布Fig.9　Daily SST distribution of microwave for 30 October 2014a.AMSR-2白天， b.AMSR-2夜间， c.TMI白天， d.TMI夜间， e.WindSat白天， f.WindSat夜间a.AMSR-2 day， b.AMSR-2 night， c.TMI day， d.TMI night， e.WindSat day， f.WindSat night

图10　2014年1月和7月微波辐射计月平均海表温度分布Fig.10　Monthly averaged SST distribution of microwave radiometer for January 2014 and July 2014 a.AMSR-2 1月， b.AMSR-2 7月， c.TMI 1月， d.TMI 7月， e.WindSat 1月， f.WindSat 7月a.AMSR-2 January， b.AMSR-2 July， c.TMI January， d.TMI July， e.WindSat January， f.WindSat July

图11　2014年1月和7月微波辐射计月平均海表温度梯度分布Fig.11　Monthly averaged SST gradient distribution of microwave radiometer for January 2014 and July 2014a.AMSR-2 1月， b.AMSR-2 7月， c.TMI 1月， d.TMI 7月， e.WindSat 1月， f.WindSat 7月a.AMSR-2 January， b.AMSR-2 July， c.TMI January， d.TMI July， e.WindSat January， f.WindSat July

由表1～表3所示，AMSR-2与Argo浮标存在0.153 1℃的正偏差(2013年为0.156 7℃、2014年为0.149 0℃)，而TMI、WindSat与Argo浮标平均偏差结果比较一致(小于0.05℃)，说明AMSR-2与Argo浮标存在一定的系统偏差；绝对偏差结果TMI略大于其他两个微波辐射计，都在0.5℃左右；标准偏差和均方根误差结果也比较一致，都是AMSR-2最优，WindSat次之，TMI最差；从升降轨的比对分析中可以看出，3个微波辐射计都存在升轨数据比降轨数据统计分析结果略差的情况出现，说明夜间的辐射计反演与实测数据结果更接近。

由图3～图6所示，3个微波辐射计与Argo浮标的统计分析结果逐月演变曲线基本一致，数据质量稳定；与Argo浮标海表温度存在明显的季节性变化和昼夜差异，夏季的平均偏差、绝对偏差、标准偏差和均方根误差相比于冬季的结果略大，个别月份均方根误差差异超过了1.0℃；升轨数据的统计分析结果季节变化大于降轨数据；相比于TMI和WindSat，AMSR-2与Argo浮标的正偏差更为明显；TMI的升轨和降轨数据与Argo浮标的平均偏差都有较明显的季节性变化，夏季比冬季的平均偏差更大，而AMSR-2和WindSat的降轨数据季节性变化并不明显；TMI与Argo浮标的绝对偏差、标准偏差和均方根误差均略大于(0.07℃左右)另两个微波辐射计数据，主要是由于降轨数据产生的差异。通过对3个微波辐射计与Argo浮标的统计结果进行的比对分析可以看出，尽管AMSR-2的海表温度与浮标有0.15℃左右的正偏差，但是绝对偏差、标准偏差和均方根误差均小于其他两个微波数据，说明AMSR-2的海表温度数据质量相比于TMI和WindSat的海表温度数据与Argo数据更为一致。

由图7所示，可以清楚的看出在每个温度区间3个微波辐射计与Argo浮标数据的匹配点个数、平均偏差和标准偏差。3个微波辐射计与Argo浮标匹配点主要集中在18～31℃；在低温区域(小于15℃)与Argo浮标都存在正偏差，且随着温度降低偏差增大；其中TMI数据偏差较大，由于匹配点中存在个别数据质量不理想，并且区间内匹配点数量不足40个，造成个别温度区间偏差超过1℃；在14～29℃温度区间海域，与Argo浮标平均偏差比较一致(小于±0.2℃)；在大于26℃海域，匹配点足够多时，与Argo浮标都有更理想的平均偏差(小于±0.1℃)和标准偏差(小于0.7℃)，说明微波数据与浮标数据偏差程度和离散程度都很小，数据质量可靠。

造成微波辐射计与浮标偏差的原因主要有以下几方面：(1)由于Argo浮标数据是水下1 m的水体温度，而微波辐射计测量的是海面以下1 mm左右海表层温度，尽管对Argo浮标数据进行了质量校正，但是观测深度不同依然会导致偏差的产生[16]；(2)西北太平洋海域海洋表层和次表层的温度差异存在明显的季节变化，因此，海表温度垂直结构的季节变化也是造成遥感数据和浮标数据存在季节性差异的一个重要原因；(3)Argo浮标数据是指时间窗口为24 h的所有观测资料的平均值，而微波辐射计海表温度产品是每天两个时次观测资料的平均值，这必然会影响检验精度；(4)Argo浮标是0.25°×0.25°的观测网格内所有单点观测的海表温度平均值。微波辐射计海表温度是一个像素，即0.25°×0.25°的观测网格内观测海表温度的平均值，在海表温度梯度变化较大的区域，遥感数据与浮标数据必然会存在一定差异，而西北太平洋海域有黑潮经过，产生诸多涡旋和锋面，造成海表温度时空变化剧烈；(5)白天由于太阳辐射的加热作用，海表温度升高，故微波数据要高于浮标数据，而夜间辐射冷却效应则导致相反结果，这种差异在晴空尤其明显；(6)微波遥感海表温度反演算法是利用不同频率微波亮温与多种物理量之间的函数关系来完成多参数的同时反演，对于这种同步反演方式，反演结果会受到其他反演量(如风速、水汽、云水或降水)的干扰，而这些变量均存在明显的季节变化。

4.2微波辐射计海表温度数据交叉比对结果

由图8所示，2013年和2014年在西北太平洋海域AMSR-2共有22 262 459个观测点(2013年11 016 401个，2014年11 246 058个)，相比于其他两个辐射计观测点最多；AMSR-2平均每天可以覆盖研究区域60%左右的海域，全年可以覆盖90%左右的海域，覆盖最全。但是从图5可以看出，AMSR-2在近岸海域的数据(水深不大于50 km)剔除不彻底，需要进一步处理。TMI共有20 065 528个观测点(2013年10 030 665个，2014年10 034 863个)，受卫星轨道影响，在高纬区域(大于40°N)没有观测数据，但是可以在0°～40°N区域提供更多数据，尤其是25°～40°N区域；TMI平均每天可以覆盖研究区域55%左右的海域，全年可以覆盖75%左右的海域，同样存在近岸数据剔除不彻底的情况。WindSat共有13 394 985个观测点(2013年6 629 980个，2014年6 765 005个)，远少于其他两个辐射计，主要是由于传感器观测刈幅大小，以及制作二级海表温度产品时进行质量控制剔除数据造成的；WindSat平均每天可以覆盖研究区域41%左右的海域，全年可以覆盖80%左右的海域。

由图9～图11所示，定性比较各个微波辐射计的逐日、月平均海表温度分布和海表温度梯度分布，结果表明3个传感器都能在空间尺度上反映西北太平洋海域的海表温度变化趋势，并且比较一致，西北太平洋海域的温度梯度冬季比夏季明显。3个微波辐射计的网格化海表温度产品的空间分辨率都是0.25°×0.25°；都剔除了近岸海域受陆地电磁波干扰和降雨影响的海表温度数据，其中WindSat剔除的较多，离岸100 km以内的数据全部剔除，其他两个微波

辐射计只剔除了岸50 km以内的数据。TMI受卫星轨道影响在高纬海域(大于40°N)没有观测数据；WindSat受传感器刈幅及数据处理方法的影响，观测点比其他两个微波辐射计稀少；鄂霍茨克海的西部在1月有海冰覆盖，因此没有海表温度观测数据。

表4　AMSR-2与TMI浮标海表温度匹配点统计分析结果

表5　WindSat与TMI浮标海表温度匹配点统计分析结果

图12　2013年和2014年微波辐射计海表温度匹配点平均偏差分布Fig.12　SST bias distribution of matching points among microwave radiometer during 2013 and 2014a. AMSR-2与TMI，b. WindSat与TMIa. AMSR-2 and TMI, b. WindSat and TMI

图13　2013年和2014年微波辐射计海表温度匹配点均方根误差Fig.13　SST rmse distribution of matching points among microwave radiometer during 2013 and 2014a. AMSR-2与TMI，b. WindSat与TMIa. AMSR-2 and TMI, b. WindSat and TMI

图14　2013年和2014年AMSR-2、WindSat分别与TMI海表温度匹配点统计分析结果逐月演变Fig.14　 Monthly SST statistical analysis of matching points among AMSR-2, WindSat and TMI during 2013 and 2014, respectively

图15　2013年和2014年微波辐射计海表温度匹配点误差棒分析Fig.15　 SST error bar analysis of matching points among microwave radiometer during 2013 and 2014a. AMSR-2与TMI，b. WindSat与TMIa. AMSR-2 and TMI, b. WindSat and TMI

由图12和图13所示，AMSR-2较TMI在大洋海域数据质量接近，海表温度偏低，其中在大洋温度变化平缓的海域存在负偏差，而在黑潮延伸体等温度梯度较大的区域存在正偏差，且在温度梯度较大的海域，均方根误差更大。AMSR-2较TMI在近岸海域温度偏低，尤其是在离岸75 km以内的海表温度数据，均方根误差甚至超过1.5℃，是由于在此区域微波信号依旧受近岸陆地射频影响，相应的微波反演海表温度存在一定的不确定性，使得反演结果异常升高[17]。因此，在实际应用过程中应将AMSR-2和TMI离岸75 km以内海域的海表温度数据进行剔除，离岸100 km以内海域的海表温度数据谨慎使用；在近岸海域TMI比AMSR-2数据质量置信度更低。相比于AMSR-2与TMI，WindSat较TMI在研究海域存在正偏差，平均偏差、绝对偏差、标准偏差和均方根误差差异更大。WindSat与TMI在近岸海域(水深小于100 km)没有出现负偏差的现象，这是由于WindSat二级海表温度数据已经对近岸海域进行了更大空间范围的剔除，因此与TMI数据在近岸海域没有匹配点。

由图14所示，比较AMSR-2与TMI、WindSat与TMI的统计分析结果逐月演变过程，不存在3个微波辐射计与Argo浮标比对时出现的明显季节性变化，月份之间平均偏差不超过±0.3℃，绝对偏差、标准偏差和均方根误差也均小于与Argo浮标的比对结果。AMSR-2与TMI的统计分析结果均略小于WindSat与TMI的统计分析结果。

由图15所示，匹配点也主要集中在18～31℃区间。在高于32℃的匹配点，AMSR-2和WindSat较TMI有明显负偏差(大于1.0℃)，标准偏差大于1.0℃，匹配点稀少，占AMSR-2和TMI匹配点总量的0.056 3%；占WindSat和TMI匹配点总量的0.012 1%。在22～30℃区间，AMSR-2、WindSat与TMI数据匹配点最多，占匹配点总量的75%左右。质量也最为接近，平均偏差小于±0.2℃，标准偏差小于0.6℃。在6～16℃区间，AMSR-2与TMI存在-0.28℃左右的负偏差，且均方根误差在1℃左右，数据质量较差，占匹配点总量的5.10%，主要集中在黄海北部、日本海南部以及黑潮延伸体部分海域，主要原因是受到陆地信号干扰，WindSat与TMI在该温度区间没有出现这种情况。在3～8℃区间，WindSat与TMI有较明显的正偏差，占匹配点总量的0.324 0%。

由以上交叉比对分析结果可以看出，AMSR-2和TMI相比于WindSat和TMI的海表温度数据质量更一致。

5结论与讨论

本文对西北太平洋海域2013年和2014年的3个微波辐射计海表温度产品(AMSR-2，TMI和WindSat)以及Argo浮标的产品特性进行了介绍，并进行了交叉比对分析。为了评估微波遥感产品的特性，计算了研究区域的微波辐射计单天升降轨海表温度分布、月平均海表温度分布、月平均海表温度梯度分布、3个微波辐射计和Argo浮标的观测点分布、统计分析结果的逐月演变曲线、海表温度误差棒分析、以及辐射计之间的匹配点分布、平均偏差分布和均方根误差分布。结果表明，3个微波辐射计在空间尺度上都

能比较一致的反映西北太平洋海域的海表温度变化趋势，但是遥感数据与浮标数据却存在季节性变化和昼夜差异。从微波数据与浮标数据匹配点统计分析结果逐月演变曲线可以看出，冬季微波数据与浮标数据的平均偏差和均方根误差较小，降轨数据与浮标数据结果更接近。尽管AMSR-2数据与Argo浮标数据存在0.15℃正偏差，但是AMSR-2的数据质量相比于TMI和WindSat更接近Argo数据。从逐月演变曲线和海表温度误差棒分析可以看出，相比于WindSat和TMI，AMSR-2和TMI的海表温度数据质量更为接近。AMSR-2数据质量最优，空间覆盖率更高；TMI可以在中低纬度海域提供更多数据；但是由于受到近岸陆地电磁波干扰，AMSR-2和TMI离岸100 km以内海域的海表温度数据应当谨慎使用，在应用过程中最好进行剔除。

参考文献：

[1]蒋兴伟， 宋清涛. 海洋卫星微波遥感技术发展现状与展望[J]. 科技导报， 2010， 28(3): 105-111．

Jiang Xingwei， Song Qingtao. Satellite microwave measurements of the global oceans and future missions[J]. Science Guide， 2010， 28(3): 105-111．

[2]Stammer D， Wentz F J， Gentemann C. Validation of microwave sea surface temperature measurements for climate purposes[J]. Journal of Climate，2010，16(1)：73-87．

[3]Gentemann C L， Wentz F J， Mears C A， et al. In situ validation of tropical rainfall measuring mission microwave sea surface temperatures[J]. Journal of Geophysical Research Oceans，2004， 109(C4): 249-260．

[4]Parekh A， Sharma R， Sarkar A. A comparative assessment of surface wind speed and sea surface temperature over the Indian Ocean by TMI， MSMR， and ERA-40[J]. Journal of Atmospheric and Oceanic Technology， 2007， 24(6): 1131-1142．

[5]Hosoda K， Murakami H. Difference characteristics of sea surface temperature observed by GLI and AMSR aboard ADEOS-Ⅱ[J]. Journal of Oceanography， 2006， 62(3):339-350．

[6]Qiu C， Wang D. Validation of AVHRR and TMI-derived sea surface temperature in the northern South China Sea[J]. Continental Shelf Reseach， 2009， 29(20): 2358-2366．

[7]王雨， 刘鹏， 李天奕， 等. TMI反演海温与Hadley中心海温资料的气候尺度比较分析[J]. 中国科学: 地球科学， 2011(8): 1200-1210．

Wang Yu， Liu Peng， Li Tianyi， et al. Climatologic comparison of HadISST1 and TMI sea surface temperature datasets[J]. Science China: Earth Sciences， 2011(8): 1200-1210．

[8]李明， 刘骥平， 张占海， 等. 利用南大洋漂流浮标数据评估AMSR-E SST[J]. 海洋学报， 2010， 32(6): 47-55．

Li Ming， Liu Jiping， Zhang Zhanhai， et al. Evaluation of AMSR-E SST in the Southern Ocean using drifting buoy data[J]. Haiyang Xuebao， 2010， 32(6): 47-55．

[9]卢少磊， 许建平， 刘增宏. 南半球微波遥感SST与Argo浮标NST的异同分析[J]. 海洋预报， 2014(1): 1-8．

Lu Shaolei， Xu Jianping， Liu Zenghong. Analysis of the differences between microwave remote sensing SST and Argo NST in the Southern Hemisphere[J]. Marine Forecasts， 2014(1): 1-8．

[10]孙凤琴， 张彩云， 商少平， 等. 西北太平洋部分海域AVHRR、TMI与MODIS遥感海表层温度的初步验证[J]. 厦门大学学报(自然科学版)， 2007， 46(S1): 1-5．

Sun Fengqin， Zhang Caiyun， Shang Shaoping， et al. Primary validation of AVHRR/MODIS/TMI SST for part of the Northwest Pacific[J]. Journal of Xiamen University (Natural Science)， 2007， 46(S1): 1-5．

[11]Wentz F J， Gentemann C， Smith D， et al. Satellite measurements of sea surface temperature through clouds[J]. Science， 2000， 288(5467): 847-850．

[12]Argo Science Team. Argo: The global array of profiling floats， in Observing the Oceans in the 21st Century[R]. GODAE Project Office， 2001: 248-258．

[13]Roemmich D， Owensw B. The Argo Project: global ocean observations for understanding and prediction of climate variability[J]. Oceanography， 2000， 13(2): 45-50．

[14]杨胜龙， 周甦芳， 崔雪森， 等. Argo数据研究应用现状与发展趋势[J]. 海洋渔业， 2007， 29(4): 223-228．

Yang Shenglong， Zhou Sufang， Cui Xuesen， et al. The application area and products of the Argo profile floats data[J]. Marine Fisheries， 2007， 29(4): 223-228．

[15]Marcello J， Eugenio F， Hernandez A. Validation of MODIS and AVHRR/3 sea surface temperature retrieval algorithms[J]. Geoscience and Remote Sensing Symposium， 2004， 2: 839-842．

[16]Ricciardulli L， Wentz F J. Uncertainties in sea surface temperature retrievals from space: Comparison of microwave and infrared observations from TRMM[J]. Journal of Geophysical Research，2004，109(C12)，481-497.

[17]Donlon C， Gentemann C， Wentz F J. Measuring surface temperature with microwave sensors[J]. Backscatter， 2001， 12: 37-39．

Intercomparison analysis of multi-microwave radiometer sea surface temperature data for the Northwest Pacific

Xi Meng1，Song Qingtao1，2，Lin Mingsen1,Li Wenjun3

(1.NationalSatelliteOceanApplicationService，StateOceanicAdministration，Beijing100081，China;2.KeyLaboratoryofSpaceOceanRemoteSensingandApplications，Beijing100081，China；3.NationalMarineEnvironmentalMonitoringCenter,StateOceanicAdministration,Dalian116023,China)

Abstract:Sea surface temperature (SST) products are important data sources for global ocean atmosphere system studies， and of great importance for research and applications in marine related fields. Focusing on the Northwest Pacific， three microwave radiometer SST products (AMSR-2， TMI and WindSat) have been analyzed and compared with Argo during 2013 and 2014 in this paper， and intercomparison analysis among seniors. It includes SST analysis， SST gradient analysis， the observation point analysis， the matching point analysis， bias analysis， root mean square error analysis， monthly statistics analysis and SST error bar analysis. The results suggest that the overall trend of the variability changes of the three microwave radiometer SST products is consistent in the Northwest Pacific. Remote sensing data and buoy data have seasonal cycles. The SST data quality of AMSR-2 is more ideal than TMI and WindSat. The difference of SST data quality between AMSR-2 and TMI is smaller than WindSat and TMI. However， for sea area within 100 km of offshore， whether to use the data gathered by AMSR-2 and TMI needs to be taken into consideration．

Key words:sea surface temperature; microwave radiometer; Argo data; the Northwest Pacific; statistical analysis

收稿日期：2015-06-29；

修订日期：2016-03-27。

基金项目：海洋公益性行业科研专项经费项目——HY-2卫星海洋动力环境探测数据应用服务技术系统与示范(201305032)；基金面上项目“大气对小尺度海表温度结构的响应”(41276019)。

作者简介：奚萌(1985—)，男，北京市人，助理研究员，从事海洋遥感应用研究。E-mail:ximeng@mail.nsoas.org.cn

中图分类号:P716+.12；P731.11

文献标志码：A

文章编号：0253-4193(2016)07-0032-16

奚萌，宋清涛，林明森，等. 西北太平洋多源微波辐射计海表温度数据交叉比对分析[J]. 海洋学报， 2016， 38(7): 32-47， doi:10.3969/j.issn.0253-4193.2016.07.004

Xi Meng， Song Qingtao，Lin Mingsen, et al. Intercomparison analysis of multi-microwave radiometer sea surface temperature data for the Northwest Pacific[J]. Haiyang Xuebao， 2016， 38(7): 32-47， doi:10.3969/j.issn.0253-4193.2016.07.004