基于Argo浮标层温数据的海表温度产品生成与验证

张贝贝，李大成,2，苏巧梅，高彩霞，隋 刚

(1.太原理工大学 矿业工程学院，山西 太原 030024；2.高分辨率对地观测系统山西数据与应用中心，山西 晋中 030600；3.中国科学院 光电研究院，北京100194)

0 引言

剖面浮标数据可作为长时间序列的陆地卫星海表温度反演产品真实性检验的重要数据源[1]。常规浮标(如NDBC、TAO)可以测量海面以下1.0 m的海水温度。而Argo浮标(如APEX、PROVOR、ARVOR等)每隔10天观测一条0～2 000 m的温度剖面数据。当浮标上升到离海表5 m左右深度时，泵抽式CTD停止工作。因此，一般Argo浮标最浅只能观测水下5～10 m深度的温度值。但陆地卫星海表温度(Sea Surface Temperature，SST)反演产品表征的是海水表层温度，且时空变化规律对分析海洋在大气系统和全球海洋环境变化中的作用具有重要意义[2-3]。所以需要根据现有的剖面浮标数据，利用统计学方法推算与Argo次表层时空分辨率都相同的表层温度。

国际上利用次表层温度推演表层温度的研究最初是采用插值法。国家海洋信息中心生产的Argo网格化数据集[4]采用Akima外插方式获得海表温度。外插法是一种简单的表层温度获取技术，Chu等[5-6]提出包含深度和对应梯度及海表温度的温度参数结构模型，并采用迭代法计算模型参数，从而由次表层温度观测确定表层温度。为了最大可能减少自由度，Chu等[7]给出了南海海域简化模型，并根据相关分析验证了模型在太平洋海域的适用性。张春玲等[8]对Argo次表层温度反推表层温度进行了进一步探索，Argo剖面观测及WOA09气候态温度数据所确定的垂向海洋温度模型，利用太平洋海域Argo次表层温度数据来推算表层温度场，理论上再次验证了太平洋海域利用简化的海温参数模型推算海表温度的可行性。沈楠等[9]提出了一种获取海洋表层温度的新方法，在标准温度模型基础上利用Argo浮标剖面数据进行温度异常改正，获得更精确的海洋表层温度模型。赵鑫等[10]进一步利用Chu等提出的最大角度法构建混合层模型反推Argo表层温度，结果表明，构建的混合层模型可用于Argo表层温度的推演，获得高质量的SST，弥补浮标缺乏表层观测的不足。

此外，Argo剖面次表层温度推演的浮标表层温度产品的准确性还需进行研究，刘增宏等[11]分析了近表层浮标相对于次表层浮标的优势，结果发现浮标近表层/次表层温度与卫星SST的拟合较好，但由于日增温的影响，近表层比次表层更接近卫星遥感SST产品温度值。同时，海洋的季节性和区域性变异特征使Argo表层浮标对卫星反演产品验证在不同季节和区域的表现也不尽相同。Udaya Bhaskar等[12]在热带印度海洋验证了不同经纬度范围内的浮标与卫星SST的精度，发现不同区域二者偏差不一致，主要因素是季节，不同季节风速、日照、云量不同造成的偏差不一样。Chen等[13]对ASST与TMISST和AMSR-E SST产品进行了比较，整体上TMISST与ASST之间、AMSR-E SST与ASST之间相关性很高，R分别为0.986，0.995，风速、水汽含量、地理位置是影响二者偏差的重要因素。Ghanea等[14]采用Aqua/Terra MODIS SST与浮标SST匹配，分析发现验证SST最佳的时间是12月和2月，最不适合的时间是7月和8月。

Argo浮标数据为点源数据且具分层性，而陆地卫星水表温度反演产品为表层观测值。此外，中国及周边海域投放的Argo浮标数量多、时空数据量大。因此，本文实现了浮标数据自动优选与处理，推演表层浮标温度值，并且解决推演浮标实测数据的质量验证问题，筛选出能进行陆地卫星水体温度反演产品直接检验的数据集。

1 研究区和数据源

本文选取中国南海为研究区，地理覆盖范围为3°～25°N，102°～124°E。该研究区属于热带海洋性季风气候，常年高温、降雨量充足，海表温度也较高，在北部处于23～25 ℃，中部处于26～27 ℃，南部处于27～28 ℃，同时夏季和秋季受台风影响较大，是海表温度产品质量检验的重要海域。

所选研究数据是2000-2020年的Argo浮标次表层剖面观测资料和MODIS海表温度产品。Argo浮标是一种自持式剖面漂流浮标，可以在大洋中自由漂流，自动测量海表到2 000 m深度的海水温度，其工作原理示意如图1所示。

图1 Argo浮标工作原理示意Fig.1 Schematic diagram of Argo float working principle

该研究区分布有115个浮标，经中国Argo实时资料中心简单的质量控制，获得10 510个浮标剖面数据。MODIS SST源自NASA水色水温遥感网站，选用的是Terra、Aqua 卫星L3级逐日SST数据，分辨率4 km。

2 实验方法

针对Argo剖面浮标测温数据设计了自动化的浮标时空信息与温度-压强数据规整及提取方法，采用局部多项式拟合模型将提取的浮标次表层温度外推至表层温度，获取基于Argo浮标层温数据的海表温度产品，并利用MODIS SST产品对浮标SST产品进行质量验证，得到能用于陆地卫星海表温度反演产品真实性检验的实测数据集。实验流程如图2所示。

图2 实验流程Fig.2 Experiment process

2.1 深度-压强转换

首先，将包含元数据的原始剖面数据文件(.dat格式)中的浮标设备型号、投放编号、剖面数据采集时间、空间定位信息、层温、层压信息等提取出来。浮标测量时间用于和MODIS海表温度产品的时间匹配，需将采集时间归化为UTC时间或UTC+8；空间地理位置信息将用于和MODIS海表温度产品的空间匹配以及海洋压力-深度参量间的转换处理，地理位置信息归化至经纬度坐标，以度为单位。

为重建海水表层温度数据，要建立深度与剖面温度数据间的关系模型，同时推演出表层海水温度值，因而需将浮标测量的水体压力数据转换为水体深度值。考虑到压强-深度转换的准确性及其对后续海水表层温度建模与推演精度的影响，本文选择EOS-80(Equation of State of Seawater 1980)标准[15]实现压强-深度的转换，即：

(1)

2.2 浮标层温数据建模及SST推演

受海洋中水域气象与环境条件的影响，不同时空条件下浮标采集的水体上层温度数据存在一定差异，并且最上层浮标测温数据一般不是0 m层的测量数据，无法代表水体表层的实测温度数据，因而直接利用具有不同层深的浮标测温数据对陆地卫星海表温度产品进行质量检验时，会使浮标测温数据本身以及后续检验结果产生很大的不确定性。因此，本文采用典型时序拟合模型，即基于局部的多项式模型作为建立连续温度-深度关系模型的拟合方法，借此推演水体表层温度数据。

根据所有浮标剖面曲线的走向，能够实现浮标温度-深度垂向最优建模的多项式阶数最小是三阶多项式，最大是五阶多项式。对于局部多项式拟合方法[16-17]，对于模型：假设变量T与h的关系为p阶多项式，且在hi处对T的随机误差εi(i=1,2,…,n)服从正态分布N(0,σ)，则：

i=1,2,…,n,

(2)

式中，T1,T2,…,Tn分别表示设计点h1,h2,…,hn上的观察值。此模型满足如下约束条件：0≤x1

若方程r有p阶连续的微分，则对∀h[0,150)有：

r(u)≈r(h)+r′(h)(u-h)+…+

(3)

都成立。令K是关于0对称，且以(-150,150)为支撑的概率密度函数。定义：

(4)

计算合适的β0,β1,…,βp使D最小，此时得到的估计即为r(h)的局部多项式估计。

对于Argo浮标温度数据拟合突变点的检测，只需要一个固定阈值的变化指标就足够了。多项式建模方法应用于所有浮标温度剖面数据，并计算每个剖面的均方根误差(Root-Mean-Square Error，RMSE)。每个浮标剖面的观测值与三次多项式模型预测值之间的差异用RMSE的3倍归一化。由于浮标温度发生突变时，多项式模型预测的幅度通常超过RMSE的3倍[18-20]。使用“RMSE三倍”标准来检测浮标温度突变点，当浮标观测值在多项式拟合±3×RMSE范围外时，则认为该观测值为突变点。将突变前的浮标层温数据作为后续拟合建模的候选数据来源，这些数据通常具有很高的拟合一致性。

海水温度在垂直方向的分布不均匀，存在温跃层[21]。温跃层是海洋中海水温度铅直梯度较大的水层，是反映海洋温度场的重要物理特性指标。温跃层有相当明显的地域差异以及季节性差异。根据张阳等[22]的研究，选择150 m作为温跃层的上界，判断候选浮标数据的深度。

对候选浮标数据进行基于局部特征的层温度-深度序列建模，得到该浮标的上层温度-深度关系模型，通过外推方式获得浮标SST数据。

2.3 浮标SST质量控制

利用MODIS SST产品对Argo浮标SST进行验证，Argo SST与MODIS SST的时空匹配采用国际上通用的时空窗口的确定原则[23]：空间匹配选择以观测点为中心，3×3像元区域内有效像素的平均值；时间匹配以Terra卫星过境时间10:30，Aqua卫星过境时间13:30的±3 h。同时还要满足如下条件：

(1)验证3×3空间范围内有效像素的占比η，如果η>50%，则采用，否则舍弃；

(2)计算3×3空间范围内所有像素的平均值Nmean和标准偏差σ，超过平均值±1.5σ的像素则删除；

(3)对其余像素，计算变异系数(Cv=σ/Nmean)，验证空间分布的一致性，如果Cv<0.15，则进行卫星SST对Argo浮标SST的验证。

3 实验结果与分析

本文通过基于局部的多项式拟合模型将2000-2020年的Argo浮标次表层剖面数据推演至表层，获得基于浮标层温数据的海表温度产品。由于海洋浮标存在时间尺度和空间尺度的变异性，因此本文从浮标的季节性变化、浮标与卫星SST产品匹配时间窗口的大小以及浮标的区域性分布的变化三方面来利用MODIS SST产品对浮标SST产品进行定性与定量评价，分析浮标SST质量，获得能进行陆地卫星海表温度产品真实性检验的实测数据集。

在基于浮标层温数据的海表温度产品质量评价中，通过平均偏差(Bias)、平均绝对偏差(Average Absolute Difference，AAD)、RMSE、标准偏差(Standard Deviation，STD)和决定系数(Coefficient of Determination )R2分析浮标SST产品质量。

3.1 不同季节的Argo SST 和MODIS SST的比较

本研究为了评价季节对浮标海表温度产品质量的影响，将数据集分为4个季节，即以12,1,2月代表冬季；以3,4,5月代表春季，以6,7,8,9月代表夏季，以10,11月代表秋季。不同季节浮标评价指标值如表1所示。不同季节浮标与MODIS海表温度产品的相关性散点图如图3所示。不同季节浮标数据与MODIS SST数据偏差值分布直方图如图4所示。

表1 春、夏、秋、冬季节Argo SST质量评价指标Tab.1 Quality evaluation index for Argo SST in Spring,Summer,Autumn and Winter

(a)R2=0.990

(a)春季

通过对春季、夏季、秋季、冬季的散点图目视对比可看出，在夏季，Argo浮标与MODIS SST之间的相关性最差，浮标数据推演海表温度精度低；在秋季和冬季，Argo浮标与MODIS SST之间的相关性最好，分布集中，浮标数据推演的海表温度精度高；在春季，二者之间的相关性较秋季和冬季差，但比夏季好，浮标数据海表温度精度较高。说明春季、秋季、冬季的浮标数据质量及鲁棒性好，对于陆地卫星海表温度产品的验证精度更高、验证结果更具可靠性。对于春、夏、秋、冬季的浮标海表温度产品质量评价，RMSE分别为0.956,1.150,0.874,0.900 K，STD分别为0.911,1.089,0.801,0.856 K。由表1可以看出，夏季R2明显降低，RMSE、STD明显上升。由图4可以看出，对于春季、秋季、冬季，二者差值分布多数在-1～1 K，最大分布在-3～3 K之间，但是在夏季二者差值较大，且差值大于2 K的分布较多，差值最大可达到-6～6 K。

整体上，夏季占主导地位的主要原因是夏季风速低、日照强、日变暖，使得近海表出现热分层，推演的浮标数据SST产品不准确，从而造成二者的偏差较大。

3.2 不同时间窗口的Argo SST与MODIS SST的比较

为了评价Argo SST与MODIS SST匹配的时间窗口大小对二者偏差的影响，本文将国际通用的时间窗口3 h按照5 min间隔进行划分。Argo SST与MODIS SST按照5 min时间间隔累加比较的R2、AAD、RMSE、STD评价指标分布如图5所示。

由图5可以看出，5 min间隔内的Argo SST与MODIS SST比较的R2最大，值为0.991，AAD,RMSE,STD最小，值分别为0.875,0.880,0.921 K；随着时间间隔的增大，R2逐渐减小，AAD、RMSE、STD逐渐增大；且在时间间隔5～25 min内R2、AAD、RMSE、STD变化较大；在90 min之后，各统计参数变化基本趋于稳定，而时间间隔115 min时，发生一个突变，R2达到最小，AAD、RMSE、STD达到最大，120 min之后趋于稳定的原因可能是这个时间点太阳辐射最强造成浮标表层与次表层之间的差异增大，使得推演的海表温度不准确，但是进一步的原因还需要进行相关实验验证。浮标数据与MODIS卫星过境时间相差越大，大气状况变化就越大，对于浮标SST的验证就越不准确。由此可以看出，在满足时间尺度范围内获得足够匹配数量的验证数据基础上要尽可能减小时间窗口的大小，从而提高验证数据的精度。

(a)不同时间窗口Argo SST与MODIS SST对比R2指标分布

3.3 不同区域的Argo SST与MODIS SST的比较

本文还考虑了地理位置对Argo浮标海表温度产品质量的影响，选取了中国南海6个不同经纬度范围的区域 (1°×1°)，6个区域的经纬度范围及Argo浮标评价指标值如表2所示。6个区域内Argo SST分别与MODIS SST采用时间窗口3 h，空间窗口3×3像元的时空匹配标准，匹配数据的拟合散点图如图6所示。

由表2和图6可看出，区域1的Argo浮标SST与MODIS SST对比的相关性最差，R2为0.820，Bias、AAD、RMSE、STD最大，分别为-1.326,1.996,2.404,2.745 K，说明区域1中的浮标SST质量较差，原因可能是区域1处于低纬度地区，Argo浮标分布少且不均匀，同时随着纬度的降低，大气水汽含量越来越大，而MODIS SST产品是采用NLSST算法反演的，反演精度会受到大气水汽含量的影响。区域6较区域4和5的Bias、AAD、RMSE、STD较大，Argo SST与MODIS SST的离散度较大，值分别为-0.529,0.689,0.654,0.941 K,0.982。区域6处于较高纬度范围，较潮湿或干燥的大气状况也会对浮标海表温度产生较大影响。区域4和5的Argo浮标SST质量及鲁棒性较好。

表2 6个区域浮标SST评价指标Tab.2 6Float SST evaluation indicators for 6 regions

(a)R2=0.820

4 结束语

为了获取2000-2020年的南海区域Argo浮标表层温度观测数据，本文提出了一种基于局部的多项式推演方法。利用Argo浮标剖面次表层温度数据获取海表温度，先实现浮标次表层拟合突变点的检测及温跃层深度的判定，再建立高精度的连续层深度-温度关系模型，实现浮标海表温度推演。通过MODIS SST产品从季节、地理位置、时间窗口大小角度验证了Argo浮标SST产品的有效性和可靠性，对整体Argo浮标SST产品进行了定量分析与评价，提高了陆地卫星海表温度反演产品真实性检验实测数据集的质量。