文章信息
- 张精英, 孙伟富, 张杰, 孟俊敏, 马毅. 2018.
- ZHANG Jing-ying, SUN Wei-fu, ZHANG Jie, MENG Jun-min, MA Yi. 2018.
- 基于星载红外辐射计的北极海表温度数据对比分析
- Comparative analysis of Arctic sea surface temperature data based on spaceborne infrared radiometer
- 海洋科学, 42(11): 1-12
- Marina Sciences, 42(11): 1-12.
- http://dx.doi.org/10.11759/hykx20180607001
-
文章历史
- 收稿日期:2018-06-07
- 修回日期:2018-08-30
2. 自然资源部第一海洋研究所, 山东 青岛 266061
2. First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China
海表温度(Sea Surface Temperature, SST)是理解海汽相互作用的一个重要变量[1], 作为大气模型中的海洋边界条件, 在气候变化中起着重要作用[2]。北极地区包括北冰洋、周围岛屿、欧亚大陆与北美大陆的部分地区等, 边缘海主要有巴伦支海、格陵兰海、挪威海、波弗特海、楚科奇海、东西伯利亚海、喀拉海等[3], 北极气候环境特殊, 是地球上的一个重要冷源, 在全球气候变化中起着重要作用, 是地球上的独特极端环境区, 常年被海冰覆盖[4], 冰川主要聚集于格陵兰岛, 占全球的9%, 在全球冷热循环中具有重要作用[5], 该区域海冰与海温有着密切的联系, 海温的变化会导致冰盖融化, 影响北极的淡水系统, 破坏生态平衡, 甚至影响全球气候变化[6]。北极地区终年覆盖海冰, 使得现场实测较为困难, 无法获得长时间的观测数据。卫星遥感具有全天候、长时间、大面积同步观测等优势, 逐渐成为SST研究的重要手段, 对于南北极等实测相对困难的地区, 其优势更加明显。目前世界上发射的测量SST的辐射计卫星主要有红外和微波辐射计, 其中红外辐射计主要有MODIS(Moderate Resolution Imaging Spectroradiometer)、VIIRS(Visible Infrared Imager Radiometer Suite)等, 微波辐射计主要有AMSR2 (The Advanced Microwave Scanning Radiometer)、GMI (GPM Microwave Imager)、WindSat等。红外辐射计分辨率较高, 目前已有许多学者开展了红外辐射计SST数据的精度检验工作, 但多集中于中低纬度地区[7-12], 北极地区研究相对较少, 因此开展北极红外辐射计SST时空覆盖率及精度评价的工作具有重要意义。本文基于2016年在轨运行的高空间分辨率MODIS-Aqua、MODIS-Terra、NPP VIIRS星载红外辐射计SST数据, 以60°N以北的北极地区为研究区(图 1), 分析了各SST产品在北极的时空分布情况, 并利用Argo(Array for Real-time Geostrophic Oceanography)浮标数据进行了精度验证, 研究北极红外辐射计SST的遥感观测能力。
1 研究数据与方法 1.1 数据 1.1.1 红外辐射计数据本文所使用的星载红外辐射计数据为MODIS- Aqua、MODIS-Terra、NPP VIIRS, 是来自美国国家航空航天局(National Aeronautics and Space Administration, NASA)数据网站OceanColor Web发布的每日(分为白天、夜间)SST数据(https://oceandata.sci.gsfc.nasa.gov/)。MODIS是搭载在NASA发射的Terra(EOS AM)和Aqua(EOS PM)卫星上的重要传感器, MODIS-Aqua数据的时间覆盖范围为2002年7月4日至今, MODIS-Terra为2000年2月24日至今。MODIS-Aqua和MODIS-Terra每1~2天可观测一次整个地球表面, 获取36个光谱带数据, 扫描刈幅宽度为2 330 km, 在预测全球变化、保护环境等方面有着重要作用。VIIRS是搭载在NPP卫星上的传感器, 作为MODIS数据的改进版本, 有22个光谱波段, 扫描刈幅宽度为3 040 km, 该数据的时间覆盖范围为2012年1月2日至今。本文选用2016年上述三种SST数据对北极地区红外辐射计的遥感观测能力进行研究, 数据的空间分辨率为4 km。
卫星传感器 | SST时空分辨率/km | 轨道倾角 | 扫描刈幅/km |
MODIS-Terra | 4 | 98.2° | 2 330 |
MODIS-Aqua | 4 | 98.2° | 2 330 |
NPP VIIRS | 4 | 98.7° | 3 040 |
Argo计划又称“Argo全球海洋观测网”, 是1988年推出的实时观测海洋上层数据的全球浮标阵列, 2007年已存在3 000个有效观测浮标[13-14]。该观测网在大洋中每隔300 km左右放置一个浮标, 其最大测量深度可达2 000 m, 能够方便快速地获取海洋上层的海水温度和盐度剖面资料, 测量得到的资料可实现全球共享(http://www.argo.ucsd.edu/)。本文利用2016年全年的Argo SST数据对北极地区星载红外辐射计的SST数据精度进行验证, 筛选后的北极地区Argo浮标数量为90个, 提取水深0~10 m范围内的共2 766个SST数据, 由图 2黑色区域可以看到Argo浮标主要分布在格陵兰海、挪威海及拉布拉多海北部等较为开阔的海域中, 波的尼亚湾和白令海也有少量浮标分布, 其他海域浮标分布数量较少。
1.2 SST数据精度评估方法利用2016年Argo浮标实测的SST数据对北极红外辐射计卫星观测的SST数据进行匹配及精度验证。根据红外辐射计数据带有的质量标记, 选择质量标记为0(质量最好)的数据进行实验。匹配所用的空间窗口为0.2°, 时间窗口为12 h, 白天为6~18时, 夜间为18时~次日6时。本文对红外辐射计SST数据进行质量评价的指标包括平均偏差(Ebias)、标准偏差(Estd)、均方根误差(Erms)以及相关系数(r), 计算公式分别如式(1)~式(4)所示[15-16]:
$ {E_{{\rm{bias}}}} = \frac{1}{n}\sum\limits_{i = 1}^n {\left( {{S_i} - {A_i}} \right)} $ | (1) |
平均偏差(Ebias)是指红外辐射计遥感观测的SST数据与Argo实测的SST数据之间的系统偏差。
$ {E_{{\rm{std}}}} = \sqrt {\frac{1}{n}\sum\limits_{i = 1}^n {{{\left[ {\left( {{S_i} - {A_i}} \right) - \overline {\left( {S - A} \right)} } \right]}^2}} } $ | (2) |
标准偏差(Estd)可以反映SST数据之间的偏差相对于平均偏差的离散程度, 标准偏差越大表示SST数据偏差分布越离散。
$ {E_{{\rm{rms}}}} = \sqrt {\frac{{\sum\limits_{i = 1}^n {{{\left( {{S_i} - {A_i}} \right)}^2}} }}{n}} $ | (3) |
均方根误差(Erms)对不同观测数据之间极大或极小的误差十分敏感, 常用来表示两个观测值之间的偏差, 能够较好地反映红外辐射计遥感观测SST相对于Argo浮标实测SST的精度。
$ r = \frac{{\sum\limits_{i = 1}^n {\left[ {\left( {{S_i} - \overline S } \right)\left( {{A_i} - \overline A } \right)} \right]} }}{{\sqrt {\sum\limits_{i = 1}^n {{{\left( {{S_i} - \overline S } \right)}^2}\sum\limits_{i = 1}^n {{{\left( {{A_i} - \overline A } \right)}^2}} } } }} $ | (4) |
相关系数(r)用于研究红外辐射计遥感观测SST与Argo浮标实测数据之间线性相关的程度, 相关系数越大, 两者间的相关性越强。
式(1)~(4)中, n代表红外辐射计遥感SST与Argo浮标实测SST匹配的数据点总数, S为卫星遥感观测的SST数据, A为Argo浮标实测的SST数据, Si和Ai分别表示第i个匹配点的红外辐射计SST及Argo浮标实测SST。
2 北极红外辐射计SST数据时空覆盖情况 2.1 北极卫星SST数据日覆盖率受北极气候影响, 不同红外辐射计过境时获得的有效SST数据量有所不同。北极地区常年气温较低, 冬季漫长寒冷, 夏季与冬季温度相差最大, 这两个季节可以获取的数据量也相差最大。本文选择2016年1月和7月分别作为冬季和夏季的代表月, 对MODIS-Aqua、MODIS-Terra、VIIRS星载红外辐射计SST数据全天覆盖率进行研究。本文所指的有效覆盖率是指北极区域有效SST数据量占北极地区海洋格网数据总量的百分比。1月和7月的三种红外辐射计有效SST覆盖率变化情况如图 3a和图 3b所示, 可以看出1月份的红外辐射计有效SST覆盖率小于7月, 1月份三种数据覆盖率相当, 在1%~5%范围内上下浮动, 变化趋势也基本一致, 在1月初三个红外辐射计SST的覆盖率达到1月份的最高值, MODIS- Terra和VIIRS约为5%左右, MODIS-Aqua相对较低, 在4%左右; 7月份各数据的覆盖率较1月均有所提高, MODIS-Aqua和MODIS-Terra SST数据的覆盖率基本在20%左右浮动, 二者的变化趋势及覆盖率相当, MODIS-Aqua相对较高一些, VIIRS在7月份的覆盖率明显高于前两者, 在7月11日和20日达到最高, 覆盖率超过60%, 其他时间基本处于25%以上。红外辐射计SST数据夏季覆盖率高于冬季的原因主要是北冰洋的海冰导致的, 相较冬季, 夏季气温升高海冰融化使得开阔水域面积增加, 所以夏季与冬季覆盖率出现较大差异。夏季VIIRS的覆盖率明显高于MODIS-Aqua和MODIS-Terra, 这是由于VIIRS作为MODIS的后继星, 扫描幅宽大于另外两者, 在夏季开阔海域较大的情况下能够获取相对更较多的信息。另外, VIIRS产品在MODIS-Aqua和MODIS-Terra云检测算法的基础上进行了改进, 一定程度上减少了误判成云的概率[17], 这使VIIRS的覆盖率在三者中具有一定优势。
分别利用1月和7月的MODIS-Aqua、MODIS- Terra和VIIRS红外辐射计数据联合进行每天SST覆盖率的统计(图 3c), 发现1月和7月的SST覆盖率较单星均有一定程度的提高。1月份的覆盖率最高可达到8%左右, 基本上在5%左右浮动; 7月份覆盖率最高接近70%, 整体上处于30%~70%。因此红外辐射计卫星联合探测是提高北极地区SST数据覆盖率的可靠方法。
2.2 北极卫星SST数据月有效观测天数基于2016年的MODIS-Aqua、MODIS-Terra和VIIRS红外辐射计SST数据, 计算北极地区1月份和7月份SST月有效观测天数, 并联合三种红外辐射计SST数据统计了北极地区的月有效观测天数。各红外辐射计单星SST数据的有效天数统计结果如图 4a所示, 可以看到MODIS-Aqua、MODIS-Terra和VIIRS红外辐射计SST数据的1月份有效观测天数均较低, 基本处于20 d以下, 三个数据的有效观测天数相当, 在挪威海和巴伦支海靠近瑞典和冰岛的海域有效观测天数较高, 可达15~20 d, 有效观测范围主要集中在60°~80°N, 45°W~60°E, 其中MODIS- Terra的可观测范围相对于其他两种数据略大一些, VIIRS有效观测天数高于10 d的范围相对较大; 7月份各数据有效观测天数及观测范围均明显高于1月份, 最高可达到25 d以上, 喀拉海、格陵兰海、巴芬湾海域的有效观测天数相对更高, VIIRS的有效观测天数在三者中最高, 观测范围几乎可以覆盖整个北极地区, 喀拉海、格陵兰海近格陵兰岛的海域有效观测天数可达25 d以上, 巴芬湾、波弗特海、东西伯利亚海等海域近陆范围也可达到20 d左右, MODIS- Aqua可观测到除85°~90°N以外的大部分海域, 有效观测天数相对VIIRS略低, 喀拉海、巴伦支海、格陵兰海、巴芬湾等海域有效观测天数不低于20 d, 部分海域可达25 d左右, MODIS-Terra的有效观测范围在三者中相对较低, 可观测除北冰洋以外的大部分海域, 三种数据夏季有效观测天数的分布情况相差不大。冬季北极大部分被海冰覆盖, 可观测的数据较少, 三个红外辐射计有效观测天数情况差异较小, 到夏季海冰融化, 开阔海域面积增加, 使得夏季有效观测天数及覆盖范围均高于冬季, 而VIIRS扫描刈幅宽度大于MODIS-Aqua及MODIS-Terra, 达到3 040 km, 使其在1月份和7月份有效观测天数均为最高, 7月份开阔海域面积较大的情况下几乎可以观测整个研究区范围。
将1月份和7月份的MODIS-Aqua、MODIS-Terra和VIIRS SST数据联合进行北极地区有效观测天数计算, 得到图 4b的结果: 1月份和7月份的联合有效观测天数均高于单星的观测天数, 1月份60°~80°N, 25°W~40°E海域的观测天数基本高于10 d, 冰岛东部、瑞典北部的挪威海、巴伦支海等海域的观测天数可达20 d以上; 7月份有效观测范围基本覆盖整个北极地区, 且有效观测天数较高, 大部分区域的观测天数优于10 d, 格陵兰海、巴伦支海、喀拉海、巴芬湾、波弗特海等海域的有效观测天数可达25 d以上, 这表明联合多红外辐射计进行观测可有效提高北极地区的观测天数。
3 北极红外辐射计SST产品精度评估利用2016年全年白天、夜间的MODIS-Aqua、MODIS-Terra和VIIRS红外辐射计SST数据与Argo浮标实测SST数据进行匹配分析, 分别获得北极地区及全球范围的统计结果, 用以说明北极地区与全球平均SST数据之间的差异。
3.1 MODIS-Aqua SST与Argo实测SST对比验证图 5为2016年北极地区MODIS-Aqua白天、夜间SST数据与Argo实测数据的匹配点及偏差分布情况, 获得匹配数据为394对和413对, 从图中可以看到匹配点基本位于60°~80°N和60°W~30°E之间的格陵兰海与挪威海附近海域, 个别分布于白令海海域60°N, 180°W附近, 多为负偏差。夜间的大偏差点主要集中在格陵兰海与挪威海东侧65°~75°N, 10°W~15°E海域。北极地区以及全球SST数据与Argo浮标SST比对验证的统计结果如表 2所示, 包括匹配点数量、平均偏差(Ebias)、标准偏差(Estd)、均方根误差(Erms)及相关系数(r)。北极地区MODIS- Aqua白天SST数据的Estd和Erms分别为0.62℃和0.66℃, 均高于夜间的0.52℃与0.62℃, Estd的统计结果与全球一致, 同样是夜间优于白天。白天SST数据的Erms高于全球平均水平约0.07℃, 夜间Erms高于全球平均水平约0.01℃。图 6展示了白天、夜间MODIS-Aqua SST数据与Argo浮标数据的误差概率密度图, 图中μ为平均偏差, σ为标准偏差, 可以看到白天、夜间的平均偏差均为负偏差, 主要集中在-1~0.5℃之间, 夜间Estd较小, Ebias较大, 这与表 2中的统计结果一致, 表明夜间数据误差分布更加集中。研究区MODIS-Aqua白天、夜间SST数据与Argo实测数据的相关性较好, 由二者的散点图(图 7)可以发现数据点基本分布在y=x周围, 白天相关系数优于0.98, 夜间优于0.99, 这表明卫星数据与浮标数据的一致性较好。
区域 | 白天 | 夜间 | |||||||||
匹配数/个 | Ebias/℃ | Estd/℃ | Erms/℃ | r | 匹配数/个 | Ebias/℃ | Estd/℃ | Erms/℃ | r | ||
北极 | 394 | −0.23 | 0.62 | 0.66 | 0.98 | 413 | −0.34 | 0.52 | 0.62 | 0.99 | |
全球 | 20, 872 | −0.08 | 0.58 | 0.59 | 0.99 | 21, 976 | −0.36 | 0.49 | 0.61 | 0.99 |
3.2 MODIS-Terra SST与Argo实测SST对比验证
利用2016年北极地区MODIS-Terra白天、夜间SST数据分别与Argo的实测数据进行匹配, 获得的匹配数据为405对和427对, 匹配点位置及偏差分布情况如图 8所示, 匹配点基本位于60°~80°N和60°W~ 30°E之间, 个别点位于180°W附近, 集中分布在格陵兰海、挪威海及周围海域, 白天偏差值较大的点主要位于冰岛及挪威海以南的海域与60°N, 180°W附近白令海海域, 夜间主要分布于斯瓦尔巴群岛西南侧的格陵兰海海域, 总体以负偏差为主。表 3给出了北极地区及全球SST数据与Argo浮标实测SST数据比对验证的结果, 北极地区MODIS-Terra的白天SST数据的Estd与Erms分别为0.62℃和0.65℃, 均低于夜间的0.63℃与0.7℃, 这与全球数据的匹配结果一致。白天北极地区SST数据的Erms误差高于全球平均误差约0.08℃, 夜间Erms与全球平均水平相比低了约0.01℃。白天、夜间MODIS-Terra SST数据与Argo浮标数据的误差概率密度图(图 9)显示, 数据的平均偏差不论白天、夜间均为负值, 白天的Ebias与Estd较夜间相对较小, 白天误差相对更加集中, 综合各项指标来看白天SST数据的误差略小于夜间。基于MODIS-Terra SST数据与Argo实测数据白天、夜间的散点图(图 10)可以看到白天和夜间两者的相关性均较好, 夜间的相关性更优, 相关系数高于0.99, 白天的相关系数高于0.98, 说明MODIS- Terra SST数据与浮标数据具有较好的一致性。与MODIS-Aqua SST的匹配结果相比, MODIS-Terra的匹配点个数更多一些, 白天两者的Erms相差不大, 误差分布较前者更加集中, 夜间的Erms高于MODIS- Aqua约0.09℃, 且数据误差分布相对较分散。总体看来白天MODIS-Terra SST数据误差相对较小, 分布也更集中, 夜间MODIS-Aqua误差分布更集中。
区域 | 白天 | 夜间 | |||||||||
匹配数/个 | Ebias/℃ | Estd/℃ | Erms/℃ | r | 匹配数/个 | Ebias/℃ | Estd/℃ | Erms/℃ | r | ||
北极 | 405 | −0.20 | 0.62 | 0.65 | 0.98 | 427 | −0.29 | 0.63 | 0.70 | 0.99 | |
全球 | 20, 612 | −0.21 | 0.53 | 0.57 | 0.99 | 22, 371 | −0.31 | 0.62 | 0.71 | 0.99 |
3.3 VIIRS SST与Argo实测SST对比验证
2016年北极地区VIIRS白天、夜间SST数据与Argo浮标的实测数据匹配得到441、417对数据, 匹配点位置及偏差分布情况如图 11所示, 匹配点基本位于60°~80°N和60°W~30°E之间的格陵兰海和挪威海及其周边海域, 偏差分布相对比较均匀, 偏差较大的点主要分布于格陵兰海海域。由北极地区VIIRS及全球SST数据与Argo浮标实测SST数据比对验证的结果(表 4)可以看到VIIRS SST白天的Estd和Erms分别为0.59℃、0.6℃, 夜间为0.57℃和0.58℃, 夜间数据的误差略小于白天, 这与全球的匹配结果一致。北极地区白天Erms比全球高0.05℃, 夜间比全球平均水平高出约0.06℃。统计白天、夜间VIIRS SST数据与Argo浮标数据误差的概率密度得到图 12所示结果, 可以看到该数据误差主要分布在±0.5℃之间, 误差分布较MODIS-Aqua与MODIS-Terra更加集中, 白天Ebias更小, 夜间Estd更小。图 13展示了VIIRS SST与Argo白天、夜间的散点图, 可以看到卫星数据与浮标数据的一致性较好, 夜间的相关性比白天略好, 相关系数高于0.99, 白天优于0.98。与MODIS-Aqua和MODIS-Terra数据的匹配结果相比, VIIRS SST数据不论白天还是夜间各项误差指标相对都更低, 匹配点数量也较前两者更多, Ebias值更接近于0℃, 误差分布也更加集中。
区域 | 白天 | 夜间 | |||||||||
匹配数/个 | Ebias/℃ | Estd/℃ | Erms/℃ | r | 匹配数/个 | Ebias/℃ | Estd/℃ | Erms/℃ | r | ||
北极 | 441 | −0.09 | 0.59 | 0.60 | 0.98 | 417 | −0.14 | 0.57 | 0.58 | 0.99 | |
全球 | 22, 832 | −0.02 | 0.55 | 0.55 | 0.99 | 23, 721 | −0.26 | 0.45 | 0.52 | 0.99 |
4 结论
本文对北极地区2016年1月和7月的MODIS- Aqua、MODIS-Terra、VIIRS三种红外辐射计SST产品的覆盖率、有效覆盖天数进行了统计分析, 并联合使用三种数据计算了SST覆盖率和有效覆盖天数; 将2016年全年三种红外辐射计SST分别与Argo浮标数据进行匹配验证, 获得北极地区和全球范围的匹配结果及北极地区匹配点和偏差分布情况、误差概率密度图及散点图, 对比分析红外辐射计SST遥感观测能力。主要结论如下:
(1) 北极红外辐射计SST数据夏季的覆盖率整体上要高于冬季, 冬季1月份各传感器获取的SST数据覆盖率相当, 在1%~5%范围内浮动; 7月份MODIS-Aqua和MODIS-Terra SST覆盖率基本在20%上下浮动, VIIRS的覆盖率相对较高, 在7月10日和7月20日前后覆盖率最高可超过60%, 整体上处于20%~60%之间。联合MODIS-Aqua、MODIS- Terra、VIIRS红外辐射计SST计算覆盖率, 发现1月份覆盖率基本处于5%左右, 最高达8%, 7月份覆盖率基本在30%以上, 最高时接近70%, 是提高北极地区数据覆盖率的有效方法。
(2) 北极地区红外辐射计的冬季有效观测天数低于夏季, 1月份三个红外辐射计SST数据的有效观测天数相差不大, 最多接近20 d, 观测范围主要在60°~80°N, 45°W~60°E内, 挪威海、巴伦支海等海域的有效观测天数相对较高; 7月份有效观测天数及观测范围明显高于1月份, MODIS-Aqua、MODIS-Terra的有效观测天数分布情况相似, 喀拉海、巴伦支海、格陵兰海等海域的有效观测天数不低于20 d, 可观测除北冰洋外的大部分海域, MODIS-Aqua还可观测到85°以南的北冰洋部分海域, VIIRS有效观测天数在三者中最优, 格陵兰海、喀拉海、巴芬湾等海域的有效观测天数优于25 d, 且观测范围几乎覆盖整个北极地区。联合三种数据计算北极SST有效观测天数, 发现1月、7月均高于单星数据, 可以有效提高北极地区的SST观测天数。
(3) 将2016年全年的三种红外辐射计SST数据分别与Argo浮标实测数据进行匹配, 得到北极地区及全球各数据的误差统计结果。MODIS-Aqua白天SST数据的Estd和Erms均高于夜间SST数据, 白天的Erms相较于全球水平高了0.07℃, 夜间的Erms高于全球平均水平月0.01℃, 夜间数据误差分布更集中, 但平均偏差相对较大; MODIS-Terra白天SST数据的Estd和Erms均低于夜间SST数据, 白天Erms高于全球平均水平约0.08℃, 夜间的Erms低于全球平均水平约0.01℃, 白天SST误差较小, 分布也较集中; VIIRS SST数据白天的Estd和Erms均高于夜间, 白天的Erms相对于全球水平高出0.05℃, 夜间比全球水平高了约0.06℃, 白天平均偏差更小, 夜间偏差分布更集中。VIIRS白天、夜间的Ebias、Erms等与其他两种数据相比均较小。三种数据白天与Argo浮标实测的SST数据相关性优于0.98, 夜间SST数据Argo浮标实测数据的相关性优于0.99, 表明研究区内卫星数据与浮标数据的一致性较好。
总体上看, 红外辐射计SST数据在北极的覆盖率和有效观测天数及观测范围均为夏季优于冬季, 多星联合探测的覆盖率及有效观测天数优于单星观测结果。红外辐射计数据与Argo浮标SST数据的匹配结果显示, 北极地区各星的误差普遍高于全球平均水平。三种红外辐射计卫星中, VIIRS的覆盖率和有效观测天数及观测范围最优, 与浮标数据的匹配结果误差相对较低, 在北极地区观测中具有一定的优势。受北极地区的气候环境影响, 遥感卫星观测会受到一定限制, 单星观测的覆盖范围及有效观测天数均不是很理想, 后续可考虑多星联合探测来提高数据时空覆盖度。
[1] |
Reynolds R W, Smith T M, Liu C, et al. Daily high-resolution-blended analyses for sea surface temperature[J]. Journal of Climate, 2007, 20(22): 5473-5496. DOI:10.1175/2007JCLI1824.1 |
[2] |
Reynolds R W, Smith T M. Improved global sea surface temperature analyses using optimum interpolation[J]. Journal of Climate, 1994, 7(6): 929-948. DOI:10.1175/1520-0442(1994)007<0929:IGSSTA>2.0.CO;2 |
[3] |
雷国良, 朱芸, 李志忠, 等. 北极地区20世纪温度变化趋势的不确定性[J]. 亚热带资源与环境学报, 2012, 7(1): 34-39. Lei Guoliang, Zhu Yun, Li Zhizhong, et al. Uncertainty of temperature variability in the Arctic of the 20th Century[J]. Journal of Subtropical Resources and Environment, 2012, 7(1): 34-39. DOI:10.3969/j.issn.1673-7105.2012.01.006 |
[4] |
李友训, 关翔宇, 高焱, 等. 北极地区深海微生物研究进展及对策[J]. 海洋科学, 2016, 40(12): 138-145. Li Youxun, Guan Xiangyu, Gao Yan, et al. Progress on microbial research in the deep Arctic[J]. Marine Sciences, 2016, 40(12): 138-145. DOI:10.11759/hykx20160318001 |
[5] |
陈立奇. 南极和北极地区在全球变化中的作用研究[J]. 地学前缘, 2002, 9(2): 245-253. Chen Liqi. Study on the role of the Arctic and Antarctic regions in global change[J]. Earth Science Frontiers, 2002, 9(2): 245-253. DOI:10.3321/j.issn:1005-2321.2002.02.001 |
[6] |
杨孟倩, 葛珊珊, 张韧. 气候变化与北极响应——机遇、挑战与风险[J]. 中国软科学, 2016, 6: 17-25. Yang Mengqian, Ge Shanshan, Zhang Ren. Climate change and Arctic response:opportunities, challenges and risks[J]. China Soft Science Magazine, 2016, 6: 17-25. |
[7] |
Barton I, Pearce A. Validation of GLI and other satellite-derived sea surface temperatures using data from the Rottnest Island ferry, Western Australia[J]. Journal of Oceanography, 2006, 62(3): 303-310. DOI:10.1007/s10872-006-0055-5 |
[8] |
奚萌, 宋清涛, 林明森, 等. 西北太平洋红外辐射计海表温度数据交叉比对分析[J]. 海洋与湖沼, 2017, 48(3): 436-453. Xi Meng, Song Qingtao, Lin Mingsen, et al. Comparison in multi-infrared products of sea surface temperature in Northwest Pacific[J]. Oceanologia et Limnologia Sinica, 2017, 48(3): 436-453. |
[9] |
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. |
[10] |
Ninove F, Traon P Y L, Remy E, et al. Spatial scales of temperature and salinity variability estimated from Argo observations[J]. Ocean Science Discussions, 2016, 12(4): 1793-1814. |
[11] |
李军, 朱建华, 韩冰, 等. VIIRS在中国渤海的遥感反射率产品验证[J]. 海洋技术学报, 2016, 35(2): 27-33. Li Jun, Zhu Jianhua, Han Bing, et al. Validation of the VIIRS radiometric products with MODIS and in-situ data in the Bohai Sea[J]. Journal of Ocean Technology, 2016, 35(2): 27-33. |
[12] |
Hosoda K, Murakami H, Sakaida F, et al. Algorithm and validation of sea surface temperature observation using MODIS sensors aboard terra and aqua in the western North Pacific[J]. Journal of Oceanography, 2007, 63(2): 267-280. DOI:10.1007/s10872-007-0027-4 |
[13] |
RoemmichD, Owensw B. The ARGO Project:global ocean observations for understanding and prediction of climate variability[J]. Oceanography, 2000, 13(2): 45-50. DOI:10.5670/oceanog |
[14] |
Roemmich D, Johnson G C, Riser S, et al. The Argo Program:observing the global ocean with profiling floats[J]. Oceanography, 2009, 22(2): 34-43. DOI:10.5670/oceanog |
[15] |
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. 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 |
[16] |
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, 31(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, 31(1): 1-8. |
[17] |
Kilpatrick K. A. Overview of the NOAA/NASA advanced very high resolution radiometer Pathfinder algorithm for sea surface temperature and associated matchup database[J]. Journal of Geophysical Research, 2001, 106(C5): 9179-9197. DOI:10.1029/1999JC000065 |