漂流式海气界面浮标(drifting air-sea interface buoy, DrIB)是自然资源部所属国家海洋技术中心基于“低成本、网格化、全球化”的海气界面观测新理念, 创新研制的“小型化、轻质化、免维护”的漂流观测系统(Centurioni et al, 2019), DrIB能够测量海面以上3 m的气温、气压、风向、风速、相对湿度以及海表面温度(水下20 cm)和波浪参数等11个不同的物理参数(陈祚琛等, 2021; 党超群等, 2022)。

近年来, 漂流式海气界面浮标完成了多次中尺度涡高时空分辨率组网观测, 具备了对(亚)中尺度过程观测能力; 完成了超级台风“山竹”环境下的观测应用, 全面验证了浮标在12级海况、140 km/h风速下的准确观测能力; 完成了中国第35、36、37次南极考察在西风带海域的断面组网应用, 突破了浮标在极地复杂恶劣海洋环境下的面组网应用。此外, 漂流式海气界面浮标先后两次完成了与国际标准锚系KEO (Kuroshio extension observatory)浮标的现场比测, 观测数据达到国际先进水平。为实现漂流式海气界面浮标观测数据全球范围的应用, 对观测数据可靠性进行评估分析是必不可少的。

海表面温度(sea surface temperature, SST)是海洋热力和动力过程以及海气相互作用的综合结果, 直接影响着海洋和大气之间的热量、动量和水汽(李明等, 2008, 2010)。SST不仅是构建天气和气候预测的外强迫项, 在海气耦合模式中是边界条件和同化资料, 也为海洋环流、水团、海洋锋、上升流、海水混合等海洋课题的研究提供了一种直观的指示物理参量, 对气候变化的预测和研究也都有重要的意义, 因此首先对漂流式海气界面浮标观测SST数据可靠性和准确性进行验证(李明等, 2010; 王晨琦等, 2020)。

黑潮是世界海洋中第二大暖流, 发源于北赤道, 其中一支流先向北, 在吐噶喇海峡处(30°N)与亲潮汇合转向东流, 形成黑潮延伸体(30°~40°N, 140°~180°E)。黑潮延伸体作为黑潮的续流, 仍具有黑潮的高温高盐的特征, 相比黑潮, 黑潮延伸体失去了太平洋海岸陆地的约束并且受到海底地形的影响, 该海域的海气相互作用更为复杂。此外, 黑潮延伸体海域是中纬度海气相互作用的关键区域, 其海表温度对东海垂直分布有非常重要的影响, 所以该海域海表面温度数据的准确性和精确性就尤为重要(张笑等, 2013; 邢霄波等, 2021)。

本文选取全球广泛应用的Argo (array for real-time geostrophic oceanography)浮标观测SST、SVP (surface velocity program)浮标观测SST和OISST (optimum interpolation sea surface temperature)数据, 其中Argo浮标观测SST数据精度较高, SVP浮标观测SST数据时间间隔为1 h, OISST数据空间分辨率较高, 鉴于此, 利用上述数据对2018年黑潮延伸体海域DrIB这一新观测手段观测的海表面温度进行较为系统的评估。

1 数据 1.1 漂流式海气界面浮标数据

DrIB是自然资源部所属国家海洋技术中心基于“低成本、网格化、全球化”的海气界面观测新理念, 创新研制的“小型化、轻质化、免维护”的漂流观测系统(Centurioni et al, 2019), DrIB能够测量海面以上3 m的气温、气压、风向、风速、相对湿度以及海表面温度(水下20 cm)和波浪参数等11个不同的物理参数, 结构如图 1所示(陈祚琛等, 2021; Xie et al, 2022; 党超群等, 2022)。本文选取的海表面温度数据是2018年黑潮延伸体海域布放的漂流式海气界面浮标观测的SST数据。由于浮标布放时间的关系, 2018年DrIB观测SST数据具体时间为: 2018年5月10日~11月25日。SST数据的时间间隔为1 h, 观测精度±0.01 ℃, 纬度范围为30°~40°N, 经度范围是140°~155°E, 如图 2所示，DrIB海域分布如图 3所示。

1.2 Argo浮标温盐数据

Argo (array for real-time geostrophic oceanography)是1998年提出的一个全球海洋观测试验项目, 旨在快速、准确、大范围地收集全球海洋上层的海水温、盐度剖面资料, 以提高气候预报的精度, 有效防御海洋灾害给人类造成的威胁。大多数Argo浮标在水下5 m处进行最后的测量, 但其中一些Argo浮标是在3~5 m测量温度和盐度的, 由此获得的海表面温度观测数据可以与DrIB数据进行对比分析(黄明海等, 2015; Xi et al, 2017¹³⁸; Wang et al, 2019)。本文采用全球海洋Argo浮标温盐剖面数据集的数据资料, 选取0~5 m以内最接近海面的温度数据为实测数据并作为试验数据, 时间是2018年5月10日~11月25日(2018年DrIB观测海表温度数据包含5月10日~11月25的数据, Argo观测的海表面温度、SVP浮标观测的海表面温度和OISST数据选择同时间段), 纬度范围为30°~40°N, 经度范围是140°~155°E。

1.3 SVP漂流浮标数据

全球SVP漂流浮标属于全球漂流浮标计划(global drifter program, GDP), 数据由大西洋海洋和气象实验室(Atlantic Oceanographic & Meteorological Laboratory, AOML)的流浮标数据协会(Drifter DataAssembly Center, DAC)收集并进行质量控制, 然后应用kriging插值法插值到统一的6 h时间间隔中(朱恩泽, 2016)¹²⁷。SVP浮标能够测量海表面下20~30 cm处的海水温度和15 m处的混合层海水流速, 其中部分SVP浮标还有气压、风速、盐度和水色等传感器, 为海洋学研究提供了重要的数据资料集。

AOML提供自1979年至今经过插值的海表面温度和流速数据, 数据更新每6个月进行一次(朱恩泽, 2016)¹²⁷(数据可以从网站http://www.aoml.noaa.gov/phod/dac/dacdata.html获得)。本文采用SVP浮标观测的SST数据作为试验数据, 时间是2018年5月10日~11月25日, 纬度范围为30°~40°N, 经度范围是140°~ 155°E(图 4)。

1.4 OISST数据

OISST是美国NOAA利用不同观测平台的数据, 如卫星、浮标、船测等, 在海洋大气综合数据集(comprehensive ocean-atmosphere data set, COADS)资料基础上改进而成(赵洪臣等, 2016)⁴⁶³。其对卫星观测数据进行了严格的质量控制, 包括了卫星观测和船只测量(相对于参照浮标)的偏差调整, 补偿平台之间的差异和传感器产生的偏差, 并使用最优插值算法(optimum interpolation, OI)将浮标、船舶数据插值到遥感反演海温空白区, 使得资料的空间覆盖范围、时空分辨率提高(Reynolds et al, 1993)。OISST资料的起始时间为1981年, 水平分辨率为0.25°×0.25° (Han et al, 2022)。本文采用的是该数据集2018年5月10日~ 11月25日黑潮延伸体海域(30°~40°N, 140°~155°E)的日数据。

2 研究方法 2.1 数据预处理

在数据匹配之前, 需要采取以下步骤对2018年DrIB浮标、Argo浮标、SVP浮标数据和OISST数据进行预处理, 如图 5所示。首先, 判断海表面温度数据是否处于正常海表面温度数据范围之内, 多年Argo数据极值作为上下限, 设置上限范围(40 ℃), 下限范围(−3 ℃), 若SST大于上限, 或者小于下限, 则认为它为异常值予以剔除; 其次, 黑潮延伸体海区2018年的区域观测值范围检验, 多年该海域Argo数据极值作为上下限, 设置上限范围(40 ℃), 下限范围(0 ℃), 若SST大于上限, 或者小于下限, 则认为它为异常值予以剔除; 最后, 对数据进行尖锋检验, 如出现较大的突变, 则判定为异常值, 予以剔除。四种数据经过以上步骤处理后认为它们可以用于对比验证浮标数据, 这些数据作为试验数据(李明等, 2008¹⁸; 赵洪臣等, 2016⁴⁶⁴; 汤博, 2019; 王晨琦等, 2020)。

2.2 时空匹配方法

匹配DrIB浮标与Argo浮标、SVP浮标SST数据和OISST数据是比较复杂的过程, 因为不同SST数据在时间和空间上都存在不同之处, 为了获得与DrIB浮标同步的Argo浮标SST数据、SVP浮标SST数据和OISST数据进行对比验证, 根据前人研究以及相关参考文献, 最终本文采取时间窗口为1 h (DrIB时间间隔为1 h)、空间窗口为30 km的匹配准则。在黑潮延伸体海域30 km范围内海况变化相对较小, 能够认为这个范围内海水特性一致, 而更小的空间窗口数据含量小, 统计学意义不大, 故空间窗口为30 km (李明等, 2010⁴⁸; Hu et al, 2015; 黄明海等, 2015; Han et al, 2016⁷⁸; 赵洪臣等, 2016⁴⁶⁴; Xi et al, 2017¹³⁸; Zhang et al, 2021; 刘紫薇等, 2022)。匹配流程如图 6所示, 首先, 根据经纬度信息对DrIB浮标与Argo浮标、SVP浮标SST数据和ISST数据进行空间匹配, 匹配窗口选择30 km, 得到DrIB浮标分别与Argo、SVP浮标和OISST的空间匹配结果; 其次, 该海区的SST数据应处在一定海表面温度范围之内, 对DrIB浮标、Argo浮标、SVP浮标数据和OISST数据进行温度阈值设定, 粗差检验以及过滤处理, 处于温度范围之外的数据点予以剔除; 最后, 对处理过的DrIB浮标空间匹配数据分别与长时间序列的Argo、SVP浮标站点数据和OISST数据做时间匹配, 选择时间窗口为1 h, 得到时间匹配结果。由于每一种数据记录在空间范围30 km、时间范围1 h之内的差异, 其匹配结果会出现多个DrIB浮标数据对应一个Argo或SVP浮标站点SST数据或OISST数据的现象, 或者一个DrIB浮标数据对应多个Argo或SVP浮标站点SST数据或OISST数据的现象。为使其匹配结果准确, 对多个匹配SST数据做平均, 使其匹配结果为一个DrIB浮标SST数据对应一个SST数据(Han et al, 2016)⁷⁹。

2.3 精度评估方法

本文使用相关系数(R)、均方根误差(E_RMS)、平均误差(θ)和散度(I_S)对研究海域的数据进行评估, 计算公式如下:

其中, N是其他SST数据与DrIB浮标SST数据匹配点总数目, A_i是Argo、SVP的SST或OISST的数值, A是Argo、SVP的SST或OISST的数值平均值, B_i是DrIB浮标SST数值, B是DrIB浮标SST平均值。

3 结果和讨论 3.1 漂流式海气界面浮标与Argo浮标SST数据对比

图 7和图 8给出了Argo浮标观测SST和DrIB浮标观测SST的时空匹配结果图(图 7a)、温度三维分布图(图 7b)和散点图(图 8a), 从图 8a中可以明显地观察到匹配点都比较均匀地分布在回归线的周围, Argo浮标与DrIB浮标观测SST之间具有正相关的线性关系, 相关系数R为0.973 7, 均方根误差为0.579 0 ℃, 平均误差为0.453 9 ℃ (图 8b)。结果表明, Argo浮标观测SST和DrIB浮标观测SST具有很好的一致性, 二者总体质量相当。

3.2 漂流式海气界面浮标与SVP浮标对比

SVP浮标观测SST数据与DrIB浮标观测SST数据时空匹配结果如图 9所示。SVP浮标与DrIB浮标观测匹配验证结果相关系数R=0.928 5, 均方根误差是1.323 0 ℃, 平均误差为0.979 4 ℃。

图 9b和图 10a分别给出了SVP浮标观测SST和DrIB浮标观测SST的温度三维分布图和散点图, 从图 10a中可以明显地观察到匹配点都比较均匀地分布在回归线的周围。图 10b可以观察到, 二者最小的误差为0.003 ℃, 最大的误差为3.88 ℃。分析误差较大的原因, 图 9a中黄色三角形及其对应的绿色圆点分别表示SVP浮标观测SST和DrIB浮标观测SST误差大于3 ℃所对应的匹配点位置。一方面, 这些匹配点位于黑潮延伸体北部千岛寒流接壤海域, 受寒暖流影响, 有很多锋面和涡旋产生, 该海域时空变化相对剧烈, 大气中水汽含量不同, 会对浮标观测海表温度产生较大影响; 另一方面, 误差大于3 ℃的匹配点时间是2018年6月28日, 正处于夏季, 太阳辐射增强, 近海表温度分层, 造成二者海表温度偏差增大。总体来说, SVP浮标观测SST和DrIB浮标观测SST具有较好的一致性, 但是相比与Argo的一致性较差。

3.3 漂流式海气界面浮标与OISST对比

OISST数据与DrIB浮标观测SST数据时空匹配结果如图 11a。可以看到OISST与DrIB浮标观测匹配验证结果相关系数R=0.982 3, 均方根误差是0.798 8 ℃, 平均误差为0.743 4 ℃。

图 11b和图 12a分别给出了OISST和DrIB浮标观测SST的温度三维分布图和散点图, 从图 12a中可以明显地观察到匹配点都比较均匀地分布在回归线的周围。图 11b可以观察到, 二者最小的误差为0 ℃, 最大的误差为4.612 5 ℃。分析误差较大的原因, 一方面, 二者数据来源以及数据处理方法的不同可能会影响二者的误差; 另一方面, 如图 11a中黄色三角形及其匹配的绿色圆点分别表示OISST和DrIB浮标观测SST误差大于3 ℃所对应的匹配点。这些匹配点的位置在黑潮延伸体北部与千岛寒流接壤或是寒暖流交汇的海域, 可能受寒暖流交汇影响也会导致误差较大。结果表明, OISST和DrIB浮标观测SST具有较好的一致性, 但相比与Argo的一致性较弱一些, 比与SVP的一致性较强, 如图 14所示。

图 13是黑潮延伸体海域2018年5月10日、8月16日和11月24日OISST数据与DrIB浮标观测SST数据海表面温度分布图, 从图 13中可以看到, OISST能够大范围的获取观测数据, 但是由于分辨率和精度的原因, 获取的数据并不能够很好地反映海洋中小尺度的信息; 从DrIB观测SST数据捕捉到海表中小尺度的信息, 能够较为精细化地反映中小尺度分布特征, 例如图中显示的小范围海域温度的变化。如果研究海洋中小尺度的精细化结构, 漂流式海气界面浮标数据是较好的选择; 如果研究大范围海域, 卫星观测OISST数据更为合适。

4 结论与展望

本文利用全球Argo浮标、全球SVP漂流浮标观测的海表面温度数据和OISST数据, 针对黑潮延伸体海域, 对2018年DrIB观测的SST数据进行较为系统的评估, 结论如下:

(1) DrIB观测SST数据与Argo、SVP和OISST海表面温度数据都有很高的相关性, 都能很好地反映黑潮延伸体SST特征。其中, DrIB观测SST数据与Argo观测SST数据的误差最小(平均误差0.453 9 ℃)、一致性最好(R=0.973 7), 数据质量总体稳定、可靠。漂流式海气界面浮标作为一种新型的观测手段, 完全具备了准确观测SST的能力。

(2) Argo剖面数据精度更高, 但是缺乏海面观测, 海面数据获取困难; SVP的精度较低, 多用于跟踪大洋环流的研究; OISST能够大范围地获取观测数据, 但是获取的数据精度较低并不能够很好地反映海洋中小尺度的信息, 时间分辨率同样不高, 对于快速中小尺度的捕捉有局限性; DrIB浮标观测数据空间分辨率更好, 可以捕捉到海洋表层中小尺度的变化信息, 数据精度高能够精细化观测台风、中尺度涡等中小尺度分布特征, 可以更好的服务于卫星定标检验和海气相互作用研究。

通过分析, 不同种类SST产品数据存在差异。这些差异可能来自于数据源、数据量、生成算法、质量控制方法和海洋物理现象等。总体而言, 本文研究可以为DrIB、Argo、SVP和OISST海表面温度数据验证及其应用提供参考; 同时本文只是对2018年DrIB观测SST数据进行分析比较, 因此后续将对大量DrIB观测SST数据作进一步研究; 并且在之后的工作中, 也将对DrIB观测的其他物理要素进行评估检验, 如气温、气压、风速、风向和相对湿度等。