海洋与湖沼  2023, Vol. 54 Issue (3): 634-644   PDF    
http://dx.doi.org/10.11693/hyhz20220900228
中国海洋湖沼学会主办。
0

文章信息

邢霄波, 王斌, 陈朝晖. 2023.
XING Xiao-Bo, WANG Bin, CHEN Zhao-Hui. 2023.
黑潮延伸体海域漂流式海气界面浮标数据分析与评估
DATA ANALYSIS AND EVALUATION OF DRIFTING AIR-SEA INTERFACE BUOYS IN KUROSHIO EXTENSION SEA AREA
海洋与湖沼, 54(3): 634-644
Oceanologia et Limnologia Sinica, 54(3): 634-644.
http://dx.doi.org/10.11693/hyhz20220900228

文章历史

收稿日期:2022-09-05
收修改稿日期:2022-10-08
黑潮延伸体海域漂流式海气界面浮标数据分析与评估
邢霄波1,2, 王斌1,2, 陈朝晖3     
1. 国家海洋技术中心 天津 300112;
2. 自然资源部海洋观测技术重点实验室 天津 300112;
3. 中国海洋大学物理海洋教育部重点实验室 山东青岛 266100
摘要:漂流式海气界面浮标是创新研制的“小型化、轻质化、免维护”的漂流观测系统, 能够测量海面以上3 m气象、水下20 cm海表面温度和波浪参数等11个不同的物理参数, 并且已经经过多次观测应用, 结果均较好。为实现漂流式海气界面浮标观测数据全球范围的应用, 利用2018年黑潮延伸体海域Argo观测的海表面温度(sea surface temperature, SST)、SVP (surface velocity program)浮标观测的海表温度和OISST (optimum interpolation sea surface temperature)数据, 通过将其与漂流式海气界面浮标观测数据进行时空匹配以及对比验证, 对漂流式海气界面浮标观测的海表面温度进行了系统评估, 检验其在黑潮延伸体复杂水文环境下的观测准确性。结果表明, 漂流式海气界面浮标观测SST数据与Argo观测SST数据相关系数达到0.973 7, 均方根误差和平均误差分别为0.579 0 ℃和0.453 9 ℃; 与SVP浮标SST数据的相关系数弱于与Argo的相关系数, 为0.928 5, 均方根误差为1.323 0 ℃, 平均误差约为0.979 4 ℃; 与OISST数据的相关系数为0.982 3, 均方根误差为0.798 8 ℃, 平均误差为0.743 4 ℃。漂流式海气界面浮标观测SST数据与Argo、SVP和OISST海表面温度数据都具有很好的一致性, 观测数据质量处于同一水平。综上, 漂流式海气界面浮标作为一种新的观测手段, 具备了准确观测SST的能力。
关键词黑潮延伸体    漂流浮标    海表面温度    评估    
DATA ANALYSIS AND EVALUATION OF DRIFTING AIR-SEA INTERFACE BUOYS IN KUROSHIO EXTENSION SEA AREA
XING Xiao-Bo1,2, WANG Bin1,2, CHEN Zhao-Hui3     
1. National Ocean Technology Center, Tianjin 300112, China;
2. Key Laboratory of Ocean Observation Technology, Ministry of Natural Resources, Tianjin 300112, China;
3. Key Laboratory of Physical Ocean Education, Ocean University of China, Qingdao 266100, China
Abstract: The drift sea-air interface buoy is an innovative "small, light, and maintenance-free" drifting observation. It can measure 11 different physical parameters, including 3-m weather above the sea surface, sea surface temperature 20 cm below water surface), and wave parameters, and has been used for many times with good result. To promote the global application of the observation data by floating air-sea interface buoy, based on the sea surface temperature observed by Argo, SVP buoy, and OISST data of the Kuroshio extension sea area in 2018, the sea surface temperature observed by the drifting air-sea interface buoy developed independently in China was evaluated systematically and its observation accuracy in the complex hydrological environment of the Kuroshio extension areas was tested. Result show that that correlation coefficient between SST data observed by drift sea-air interface buoy and that observed by Argo was 0.973 7, and the root mean square error and average error were 0.579 0 ℃ and 0.453 9 ℃, respectively. The correlation coefficient with SVP buoy SST data was smaller than that with Argo, which is 0.928 5, the root mean square error was 1.323 0 ℃, and the average error was about 0.979 4 ℃. The correlation coefficient with OISST data was 0.982 3, the root mean square error was 0.798 8 ℃, and the average error was 0.743 4 ℃. The SST data observed by drifting sea-air interface buoy are in good agreement with those observed by Argo, SVP, and OISST, and the quality of the observed data is at the same level. Therefore, as a new observation method, drifting sea-air interface buoy has the ability to accurately observe SST.
Key words: Kuroshio extension    drifting buoy    sea surface temperature    evaluation    

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。

图 1 漂流式海气界面浮标(DrIB)结构图 Fig. 1 Structure of the DrIB (drifting air-sea interface buoy) floater

图 2 2018年DrIB数据分布图 Fig. 2 DrIB data distribution in 2018 注: 图中正方形代表浮标的起始点, 三角形代表浮标的终止点

图 3 DrIB观测应用的海域分布图 Fig. 3 Sea area distribution of observation application of DrIB
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)。

图 4 2018年SVP漂流浮标观测SST数据分布图 Fig. 4 SVP (surface velocity program) buoy observed SST data distribution in 2018
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)。

图 5 数据预处理流程图 Fig. 5 Processing procedure of data 注: SST: 海表面温度(sea surface temperature)
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

图 6 匹配流程图 Fig. 6 Flowchart of the collocation procedure 注: r: 空间匹配半径; T: 时间间隔
2.3 精度评估方法

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

    (1)
    (2)
    (3)
    (4)

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

图 7 Argo浮标观测SST数据与DrIB浮标观测SST数据空间匹配分布图(a)和空间匹配三维分布图(b) Fig. 7 Spatial matching distribution (a) and three-dimensional distribution of spatial matching (b) of SST data observed by Argo buoy and DrIB buoy

图 8 Argo浮标观测SST数据(Argo-7)与DrIB浮标观测SST数据(DrIB-7)散点图(a)和误差图(b) Fig. 8 Scatter plot (a) and error plot (b) of SST data observed by Argo buoy and DrIB buoy 注: a中红色虚线为45°对角线, 蓝色线为DrIB温度数据与Argo温度数据的拟合曲线

表 1 DrIB数据与其他数据匹配结果 Tab. 1 The results of matching between DrIB data and other data
数据 散度 相关系数 均方根误差/℃ 平均误差/℃ 数据匹配量/个 浮标匹配量/个 数据观测深度/m
Argo 0.022 5 0.973 7 0.579 0 0.453 9 26 7 0~5
SVP 0.065 9 0.928 5 1.323 0 0.979 4 63 17 0.2~0.3
OISST 0.041 5 0.982 3 0.798 8 0.743 4 3 685 816 皮温
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 9 SVP浮标观测SST数据与DrIB浮标观测SST数据空间匹配(a)和空间匹配三维分布图(b) Fig. 9 Spatial matching (a) and three-dimensional distribution (b) of spatial matching between SST data observed by SVP buoy and DrIB buoy 注: a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

图 9b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。

图 10 SVP浮标观测SST数据(SVP-7)与DrIB浮标观测SST数据(DrIB-7)散点图(a)和误差图(b) Fig. 10 Scatter plot (a) and error plot (b) of SST data observed by SVP buoy and DrIB buoy 注: a中红色虚线为45°对角线, 蓝色线为DrIB温度数据与SVP温度数据的拟合曲线
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 11 OISST数据与DrIB浮标观测SST数据空间匹配(a)和空间匹配三维分布图(b) Fig. 11 Spatial matching (a) and three-dimensional distribution (b) of spatial matching between OISST data and DrIB buoy SST data 注: a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

图 11b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 12 OISST数据与DrIB浮标观测SST数据散点图(a)和误差图(b) Fig. 12 Scatter plot (a) and error plot (b) of OISST data and DrIB buoy observation SST data 注: a中红色虚线为45°对角线, 蓝色线为DrIB温度数据与OISST数据的拟合曲线

图 14 DrIB与Argo、SVP和OISST的对比柱形图 Fig. 14 Histogram of DrIB compared with Argo, SVP, and OISST

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。

图 13 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数据分布图 Fig. 13 Distribution of SST data from OISST and DrIB buoy observation on May 10, August 16, November 24, and November 25, 2018 in the Kuroshio extension area
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。

参考文献
王艺晴, 韩震, 周玮辰, 等, 2019. 基于Argo浮标的西太平洋SMAP卫星海表面盐度数据质量评估. 海洋科学进展, 37(3): 387-397 DOI:10.3969/j.issn.1671-6647.2019.03.003
王晨琦, 李响, 张蕴斐, 等, 2020. 3套不同的SST再分析数据与中国近海浮标观测的对比研究. 海洋学报, 42(3): 118-128 DOI:10.3969/j.issn.0253-4193.2020.03.011
邢霄波, 徐永生, 贾永君, 等, 2021. 关于黑潮延伸体海域水体的三维热结构时-空变化特征研究. 海洋预报, 38(1): 67-77
朱恩泽, 2016. WindSat海温产品与SVP浮标资料对比分析. 科技风, (17): 127-128
刘紫薇, 赵帅康, 魏笑然, 等, 2022. 主流海表风场资料在舟山群岛近海的性能评估. 海洋与湖沼, 53(3): 528-537
汤博, 2019. 中尺度涡旋的统计特征及其温盐场的反演方法研究[D]. 北京: 中国科学院大学(中国科学院海洋研究所): 47-52.
李明, 刘骥平, 张占海, 等, 2010. 利用南大洋漂流浮标数据评估AMSR-E SST. 海洋学报, 32(6): 47-55
李明, 张占海, 刘骥平, 等, 2008. 利用南极走航观测评估卫星遥感海表面温度. 海洋学报, 30(3): 16-27
张贝贝, 李大成, 苏巧梅, 等, 2021. 基于Argo浮标层温数据的海表温度产品生成与验证. 无线电工程, 8: 724-749
张笑, 贾英来, 沈辉, 等, 2013. 黑潮延伸体区域海洋涡旋研究进展. 气候变化研究快报, 2(1): 1-8
陈祚琛, 王斌, 张金凤, 2021. 小型漂流观测平台水动力特性数值模拟研究. 水动力学研究与进展A辑, 36(5): 668-676
赵洪臣, 刘永学, 周兴华, 等, 2016. 基于志愿观测船舶和浮标数据的SST日产品质量评价研究. 海洋科学进展, 34(4): 462-473
胡晓悦, 张彩云, 商少凌, 2015. 南海及周边海域融合海表温度产品的验证与互较. 遥感学报, 19(2): 328-338
党超群, 孙东波, 王斌, 等, 2022. 基于小型漂流平台的微型温湿测量系统. 海洋技术学报, 41(1): 37-45
奚萌, 宋清涛, 李文君, 等, 2017. 西北太平洋海表温度融合产品交叉比对分析. 海洋学报, 39(12): 136-151
黄明海, 张彪, 陈忠彪, 等, 2015. 基于遥感资料和观测数据的重点海域海表盐度评估分析. 广西科学, 22(3): 329-336
韩伟孝, 杨俊钢, 王际朝, 2016. 基于浮标数据的卫星雷达高度计海浪波高数据评价与校正. 海洋学报, 38(11): 73-89
CENTURIONI L R, TURTON J, LUMPKIN R, et al, 2019. Global in situ observations of essential climate and ocean variables at the air–sea interface. Frontiers in Marine Science, 6: 419 DOI:10.3389/fmars.2019.00419
HAN G J, ZHOU J F, SHAO Q, et al, 2022. Bias correction of sea surface temperature retrospective forecasts in the South China Sea. Acta Oceanologica Sinica, 41(2): 41-50 DOI:10.1007/s13131-021-1880-5
Reynolds W R, 1993. Impact of mount Pinatubo aerosols on satellite-derived sea surface temperature. Journal of Climate, 6(4): 768-774