设为首页
加入收藏
FY-3C/VIRR Sea Surface Temperature Products and Quality Validation
-
摘要: 国家卫星气象中心FY-3C/VIRR（visible and infrared radiometer，可见光红外扫描辐射计）海表温度产品在云检测产品的基础上，采用多通道MCSST（multichannel SST）算法进行晴空区海温反演。该文详细介绍了海表温度产品算法、产品设计、质量控制及质量检验方法。FY-3C/VIRR海表温度产品包括5 min段原始投影海温和5 km全球等经纬度投影海温。设计逐像元的海温质量标识，将海温像元分为优、良、差3个等级，用户可根据应用目标选择海温的质量等级。与日最优插值海温OISST（optimum interpolation SST）相比，FY-3C/VIRR 2015年1月—2019年12月的5 min段海温质量检验结果表明：质量等级为优的海温，白天和夜间的偏差分别为-0.18℃和-0.06℃，均方根误差分别为0.85℃和0.8℃；白天海温均方根误差有季节性波动，夏季有的月份均方根误差大于1℃（如2015年7月、2016年7月和2019年7月）；在海温回归系数不变的条件下，夜间海温偏差的季节性波动与星上黑体温度相关显著。从一级数据质量、定位、业务运行状况等方面讨论引起海表温度产品异常的原因，为FY-3C/VIRR历史数据定位、定标和产品重处理及用户应用提供重要的参考信息。Abstract: Sea surface temperature (SST) products are generated at National Satellite Meteorological Center (NSMC) of China Meteorological Administration (CMA) from the visible and infrared radiometer (VIRR) on board FY-3C polar orbiting satellite. The production chain is based on FY-3C/VIRR cloud mask products and a classical multichannel SST (MCSST) algorithm is applied to derive SST in cloud-free zones. Operational MCSST procedures and products are described in detail. FY-3C/VIRR SST products are generated in satellite projection at full resolution in 5-minute granule, and in synthetic fields remapped onto a regular world grid at 0.05 degree resolution (5 km).The quality index (QI) information is delivered with each pixel to provide information about the conditions of the processing. They include in particular a quality level in the last two bits of QI (saved in a 8-bit CHAR) for each pixel defined as follows: Excellent, good, bad and unprocessed (cloud, land, no satellite data etc.). Users can select the SST data with certain quality level according to their application purposes (e.g., for climate-related studies, only the SST data with excellent quality level in the time series are used, and for identifying and tracking specific ocean features, users may be more tolerant of lower-quality SST data). The matchup database (MDB) combining FY-3C/VIRR measurements and buoy measurements is built on a routine basis. Validation methods and results are described in detail. The performance of SST retrievals is characterized with bias and root mean square error (RMSE) with respect to Reynolds L4 daily analysis (OISST). The validation bias and RMSE for FY-3C/VIRR operational granule SST with excellent quality level between January 2015 and December 2019 is found to be -0.18℃ and 0.85℃ in day-time, -0.06℃ and 0.8℃ in night-time, respectively. For day-time, the RMSE fluctuates seasonally. Some monthly RMSE is greater than 1℃ in summer. The bias at night is found fluctuating seasonally highly correlated to the black body temperature on board FY-3C since January 2016, and the SST regression coefficient (SST_COEF_V3) is used ever since then. Causes of FY-3C/VIRR SST products anomaly is analyzed, such as L1 data abnormal (e.g., single event upset), navigation error and operational running environmental error. Above all, some important reference information are provided to users for using FY-3C/VIRR SST products and FY-3C/VIRR data re-geolocation, re-calibration and products reprocessing.
-
引言
风云三号(FY-3)系列是中国第2代太阳同步气象卫星，FY-3A和FY-3B是FY-3(01)批的两颗试验星，分别发射于2008年5月27日和2010年11月5日[1]。FY-3C于2013年9月23日发射，是FY-3(02)批的首颗业务星。经过在轨测试后，于2014年5月正式投入业务运行。FY-3C可见光红外扫描辐射计(visible and infrared radiometer, VIRR)光谱范围为0.43~12.5 μm，有10个通道，星下点水平分辨率为1.1 km，扫描范围为±55.4°[2]，其分裂窗通道(10.3~11.3 μm，11.5~12.5 μm)和中红外通道(3.55~3.93 μm)可用于估计海表温度(sea surface temperature，SST，以下简称海温)。
美国国家海洋与大气管理局(NOAA)首个业务AVHRR(advanced very high resolution radiometer)海温算法采用多通道海温算法(multichannel SST，MCSST)[3]，之后白天采用分裂窗非线性海温算法(nonlinear SST，NLSST)[4]，夜间采用分裂窗和中红外通道的三通道NLSST算法[5]。GEOS(geostationary operational environmental satellite)-8/9海温采用添加了分裂窗亮温差二次项的MCSST算法[6]。随着仪器通道性能的提高，水汽窗区通道也与分裂窗、中红外通道一起用于红外海温的反演[7]。
FY-3C/VIRR海温产品算法[8]是在FY-3A和FY-3B的VIRR海温算法的基础上发展而来，FY-3A/VIRR海温产品采用分纬度带的白天多通道海温MCSST反演算法[9]，分纬度带的回归系数易造成纬度带相邻处反演海温分布的不连续。FY-3B/VIRR开展多海温算法回归建模[10]，采用与欧美海温产品一致的、全球统一的、区分白天和夜间的回归系数[5, 7, 11]，首次开展夜间海温的反演。从FY-3C/VIRR海温产品开始，设计逐像元的海温质量标识。存档海温产品由FY-3(01)批(包括FY-3A和FY-3B)全球1 km等经纬度10°×10°分块改为原始投影5 min段海温产品和全球5 km等经纬度投影的日、旬、月产品[12]。FY-3/VIRR海温产品的精度高度依赖于VIRR仪器性能、星上运行状态及其定位和定标精度，且由于卫星辐射测量误差、反演算法误差、地气系统辐射相互影响的存在，导致反演产品总是存在误差[13]。本文通过海温算法精度评估和海温质量检验比对分析海温产品的精度，并从一级数据质量、定位、业务运行状况等方面讨论引起海温产品异常的原因，为FY-3C/VIRR历史数据重处理及海温产品用户应用提供参考信息。
1. 数据来源
1.1 遥感数据
选用2015—2019年FY-3C/VIRR L1B、云检测和海温产品数据为研究对象，其中L1B来自国家卫星气象中心FY-3(02)批地面应用系统的数据预处理系统(Data PreProcessing System，DPPS)，按5 min段存放，每个5 min段L1B数据包含1000 M和GEO两个数据文件；云检测和海温产品来自产品生成系统(Product Generation System，PGS)，原始投影海温以5 min段HDF5格式存储，星下点空间分辨率为1.1 km(在生成5 min段海温产品时，根据PGS系统统一规定，不含经纬度信息，用户在使用时需从L1B GEO数据文件中获取经纬度信息)；日合成海温产品为全球等经纬度投影，空间分辨率为5 km，HDF5格式存储。
1.2 观测海温
观测海温数据选用2015—2019年的iQUAM[14]，来自NOAA卫星应用研究中心(NOAA/STAR)，以月为单位，netCDF格式存储，内含漂流浮标、锚定浮标、船舶海温及其经纬度、质量标识等信息，用于FY-3C/VIRR海温匹配数据集(matchup database，MDB)的建立。其中高精度漂流浮标和锚定浮标用于海温回归系数的计算和反演海温的质量检验。
1.3 分析海温
2015—2019年的日最优插值海温OISST[15](optimum interpolation SST，也称作Reynolds SST)用于FY-3C/VIRR海温产品质量检验。该海温数据来自NOAA国家气候中心(NOAA/NCDC)，是利用船舶、浮标海温和经过大尺度偏差订正的AVHRR卫星反演海温，采用最优插值处理得到的分析海温产品，分辨率为0.25°×0.25°，netCDF格式存储，是水体海温(bulk SST)。
1982—2011年(30年)月平均海温来自NOAA地球系统研究实验室(NOAA/ESRL)，分辨率为1°×1°，用于FY-3C/VIRR海温质量控制。
2. 产品算法
2.1 海温回归算法
回归系数的计算有两种方法。一种是利用辐射传输模式和大气垂直廓线模拟亮温，采用模拟的亮温和辐射计测得的大气层底部温度进行回归计算。该方法对卫星仪器光谱特性要求高，且假定辐射计观测准确代表大气状态，然而辐射计只能测大气温度和水汽，其他因子无法测得[16]。另一种是从匹配数据集中的卫星观测亮温与观测海温回归计算得到，如美国航空航天局(NASA)的PFSST(pathfinder SST)[16]和NOAA的ACSPO(advanced clear sky processor for ocean)[17]。风云卫星海温采用第2种方法。
2.1.1 海温回归模型
FY-3C/VIRR海温所用的回归模型共5个公式，其中式(1)~式(3)白天夜间均适用，式(4)~式(5)因涉及3.7 μm通道，而该通道白天受太阳反射和散射的影响，所以仅适用于夜间海温反演。
海温算法公式如下：
(1) 
(2) 
(3) 
(4) 
(5) 其中，TS表示反演海温，T4，T11，T12分别表示3.7 μm，10.8 μm，12 μm通道亮温，a0~a5表示回归系数，θ表示卫星天顶角, TFG表示第一猜测海温。式(1)为MCSST[3]，式(3)为NLSST[4]。
为了便于后续分析，为式(2)、(4)和(5)自定义对应名称。其中，式(2)为QDSST(split-window quadratic term multichannel SST)，式(4)为TCSST(triple-window multichannel SST)，式(5)为DNSST(dual-window nonlinear SST)。在下文的引用中，海温算法的前两个字母为算法缩写，算法缩写后面N表示夜间算法，D表示白天算法。
2.1.2 海温匹配数据集及回归系数
以5 min段FY-3C/VIRR LIB数据、云检测产品和观测海温数据为输入，按空间3 km、时间1 h的窗口进行匹配，满足晴空海洋及匹配条件的像元为一个匹配样本，记录卫星观测时间、经纬度、分裂窗亮温、太阳天顶角、卫星天顶角以及浮标观测时间、经纬度、浮标类型等信息，建立2015—2019全球逐月FY-3C/VIRR海温匹配数据集。为了从GTS(Global Telecommunication System)搜集更多的观测海温，FY-3C PGS系统滞后20 d进行海温匹配。
在海温匹配数据集的基础上进一步挑选用于回归计算的样本，空间窗口为1.1 km，时间窗口为1 h。因为赤道附近可用漂流浮标极少，为了提高匹配样本的覆盖范围，还选择了20°S~20°N的锚定浮标匹配样本，其他区域只选择漂流浮标的匹配样本。根据太阳天顶角区分白天和夜间，对回归模型进行最小二乘回归，得到第一猜测回归系数。剔除误差大于二倍标准差的样本后，再次进行最小二乘回归，得到海温回归系数。
2.1.3 海温算法精度评估
图 1为基于逐月匹配数据集的FY-3C/VIRR海温多算法精度评估曲线，其中图 1a为白天3种算法反演海温与浮标海温的均方根误差曲线，图 1b为夜间5种算法反演海温与浮标海温的均方根误差曲线，图 1c为白天反演海温与浮标海温决定系数(相关系数的平方)，图 1d为夜间反演海温与浮标海温决定系数。由图 1a和图 1c可以看到，白天NL_D算法最优。由图 1b和图 1d可以看到，3.7 μm通道参与的TC_N与DN_N算法季节性波动明显，夏季误差很大，尤其是DN_N算法，系3.7 μm通道夜间在太阳天顶角85°~118°之间存在太阳污染[18]所致，2016年11月业务系统进行太阳污染修正，由图 1b和图 1d也可以看到，2017年夏季DN_N算法精度明显改善，但2018年夏季出现明显的反弹。夜间的最优算法为NL_N。因此，FY-3C/VIRR海温反演重处理算法采用白天NL_D，夜间NL_N。
![]()
图 1 2015—2019年FY-3C/VIRR SST算法反演海温与观测海温的均方根误差和决定系数 (a)白天海温与浮标海温的均方根误差，(b)夜间海温与浮标海温的均方根误差，(c)白天海温与浮标海温决定系数，(d)夜间海温与浮标海温决定系数Figure 1. Root mean square error and determination coefficient of FY-3C/VIRR SST Algorithms with respect to in-situ SST in 2015-2019 (a)root mean square error in day-time, (b)root mean square error in night-time, (c)determination coefficient in day-time, (d)determination coefficient in night-time2.2 海温反演算法
FY-3C/VIRR海温产品以5 min段FY-3C/VIRR LIB数据、云检测产品和30年月平均海温数据为输入，采用MCSST算法，每日生成约288个5 min段海温产品文件。由于云检测产品存在云漏判现象，尤其是夜间，会带来较大的负偏差。因此开展如下4类检验进行质量控制，并为每个像元赋予一个质量标识：①卫星天顶角阈值检验。卫星天顶角50°以内的像元为优, 其他为良。②空间一致性检验。构建3×3数据块，分别统计数据块内晴空像元的分裂窗亮温的标准差，大于1个标准差的像元视为云像元。分别统计3×3数据块内晴空像元的分裂窗通道的亮温差，当11 μm和12 μm亮温最大与最小值之差不大于1℃时，质量等级为优；当11 μm和12 μm亮温最大与最小值之差不大于2℃时，质量等级为良；其他为差。③气候阈值检验。以30年月平均海温作为参考海温，进行气候阈值检验，超过气候阈值的像元视为缺省值(为了应对云漏判和定位异常，该阈值设为5℃，这会造成对极端气候变化不敏感，如极区海温异常增温有时超过5℃)。当反演海温和气候海温的绝对温差在T1以内时质量为优，绝对温差在T2以内为良，其他为差。其中，T1，T2为经验阈值(如T1为2℃，T2为3℃)。④反演海温有效值域检验。当反演海温与11 μm通道亮温的绝对温差大于10℃时，视为云像元或无效值；当反演海温小于-2℃时，视为云像元。
2.3 海温日合成算法
在每日约288个5 min段海温产品的基础上，根据白天、夜间标识，分别将星下点1.1 km的原始海温产品投影转换为白天和夜间全球1 km等经纬度投影中间数据。在1 km分辨率的全球投影中间数据中，构建5×5的数据块，采用质量优先的原则，将1 km分辨率的等经纬度投影降分辨率至全球5 km的等经纬度投影，分白天、夜间存放，并进行逐像元的质量控制。质量优先的原则：在5×5的数据块中，有质量为优的像元，则优的像元求平均，赋予优的质量等级；没有优的像元，则质量为良的像元求平均，赋予良的质量等级；没有良的像元，则差的像元求平均，赋予差的质量等级；没有差的像元，则赋为缺省值(云或丢线等)，并在此基础上进行如下3类检验质量控制，为每个像元赋予一个质量标识：①海温有效值域检验。海温有效值设为-2℃~35℃，如果SST小于-2℃，则赋为缺省值；如果SST大于35℃，则赋值为35℃。②卫星天顶角阈值检验。卫星天顶角不大于50°的像元，设为最优；其他像元设为良。③气候阈值检验。反演海温与30年月平均海温绝对温差T1以内为优，绝对温差T2以内为良，绝对温差5℃以内为差，否则赋缺省值。其中T1，T2为经验阈值(如T1为2℃，T2为3℃)。
3. 质量检验
3.1 质量检验方法
由于海温分析场具有时效性好、全球覆盖的优点，常用来作为卫星反演海温的检验源数据[19-20]。美国NOAA/STAR的基于Web的准实时海温监测系统SQUAM(SST quality monitor)[21] (http://www.star.nesdis.noaa.gov/sod/sst/squam/)实现了基于多种海温分析场的多级海温产品的准实时质量监测。EUMETSAT的METIS(monitoring & evaluation of thematic information from space，http://metis.eumetsat.int/sst/index.html)实现了基于OSTIA(operational sea surface temperature and sea ice analysis)[22]的欧洲海温产品的准实时质量监测。基于日最优插值OISST(下称OISST)的FY-3C/VIRR海温质量检验方法如下。
3.1.1 FY-3C/VIRR 5 min段海温产品质量检验方法
选取OISST作为FY-3C/VIRR 5 min段海温的检验源数据，通过时空匹配，进行海温质量检验，检验步骤如下：①选择FY-3C/VIRR 5 min段海温作为被检验数据，称为FY3_SEC；②选择同日的OISST作为检验源数据，并将其通过双线性插值，插值到VIRR仪器像元(星下点1.1 km)，得到VIRR仪器原始分辨率的FY3_OISST；③用FY3_SEC减去FY3_OISST，得到VIRR仪器原始分辨率的FY3_DIFF。
在FY3_DIFF的基础上进行误差统计，根据FY-3C/VIRR 5 min段海温质量标识中的优、良、差3个质量等级(8位字节中的低2位为质量等级)，分别统计误差，再以日为单位分别统计白天和夜间各质量等级的5 min段海温的误差。
3.1.2 FY-3C/VIRR全球日合成海温产品质量检验方法
选取OISST作为FY-3C/VIRR全球日合成海温产品的检验源数据，通过时间空间匹配，进行海温质量检验，检验步骤如下：①选择FY-3C/VIRR全球5 km日合成海温作为被检验数据，称为FY3_5KM；②选择同日的OISST作为检验源数据，并将其通过双线性插值，插值到0.05°×0.05°的格点上，得到与FY-3C/VIRR全球5 km日合成海温同样分辨率的OISST，称作OISST_5KM；③用FY3C_5KM减去OISST_5KM，得到5 km分辨率的DIFF_5KM。
在DIFF_5KM的基础上进行误差统计，根据FY-3C/VIRR日合成海温质量标识中的优、良、差3个质量等级，区分白天和夜间，分别统计各质量等级的日合成海温的误差。
3.2 质量检验结果
3.2.1 FY-3C/VIRR 5 min段海温产品质量检验结果
与OISST相比，2015年1月—2019年12月FY-3C/VIRR 5 min段海温产品白天优、良、差各质量等级的误差分别为-0.18±0.85℃，-0.27±1.47℃，-2.79±3.09℃，占比分别为51%，43%，6%，白天5 min段海温产品全样本的误差为-0.33±1.42℃；夜间5 min段海温产品优、良、差各质量等级的误差分别为：-0.06±0.80℃，-0.23±1.38℃，-2.84±3.02℃，占比分别为51%，44%，5%，夜间5 min段海温产品全样本的误差为-0.25±1.34℃。
图 2为2015—2019年FY-3C/VIRR 5 min段海温质量为优的样本的逐日误差统计曲线。由图 2可以看到，白天5 min段海温的均方根误差有季节波动，夏季误差较大，其主要原因是卫星红外遥感到的是水下10 μm以上的海表温度，即皮层温度(skin SST)，而作为质量检验参考海温是水体温度(bulk SST)，在白天微风日照强烈的条件下，二者差异可达1℃以上[18]。夜间海温产品的均方根误差变化较小，但自2016年1月19日之后，在回归系数(SST_COEF_V3)不变的情况下，海温夜间偏差有季节性波动，经分析，与星上黑体温度的季节性波动高度相关。定标组确认分裂窗通道定标存在季节性变化，这也是正在进行的定标重处理着力解决的问题之一。图 2中均方根误差曲线上可见2015年7月有明显异常跳变，系2015年7月2日定位异常所致。
![]()
图 2 2015—2019年FY-3C/VIRR 5 min段质量为优的SST产品逐日误差统计曲线Figure 2. Time series of validation bias and root mean square error for FY-3C/VIRR operational granule SST at excellent quality level with respect to daily OISST in 2015-2019由图 2海温偏差曲线可以看到，2015年1月19日和2016年1月19日两次回归系数更新引起的跳变，同时也能看出2015年1月1—19日期间，由于定标更新而回归系数滞后生成及更新引起的海温偏差的跳变。正在进行的FY-3C/VIRR海温产品重处理，反演算法采用NLSST，回归系数采用当月回归系数，可以提高海温产品的精度和一致性(图 3)。海温误差曲线上的跳变，由星上遥感仪器工况发生变化(如：黑体温度跳变、单粒子翻转)、定位异常、业务运行异常引起(详见第3.3节)。
![]()
图 3 2016年1月FY-3C/VIRR 5 min段质量为优的SST产品逐日误差统计曲线Figure 3. Time series of validation bias and root mean square error for FY-3C/VIRR granule SST at excellent quality level with respect to daily OISST in Jan 2016表 1是2016年1月业务和重处理5 min段海温与OISST相比各质量等级的误差情况，业务海温白天优、良、差各质量等级的误差分别为-0.31±0.81℃，-0.44±1.35℃，-2.81±2.97℃，占比分别为52%，42%，6%；夜间优、良、差各质量等级的误差分别为-0.32±0.84℃，-0.5±1.42℃，-3.05±3.23℃，占比分别为51%，44%，5%。重处理海温白天优、良、差各质量等级的误差分别为-0.02±0.66℃，-0.56±1.14℃，-2.82±2.97℃，占比分别为59%，37%，4%；夜间优、良、差各质量等级的误差分别为-0.08±0.72℃，-0.59±1.24℃，-2.89±2.98℃，占比分别为56%，38%，6%。重处理海温与业务海温相比，精度提高，最优样本数增加。
表 1 2016年1月FY-3C/VIRR业务和重处理5 min段海温误差统计结果(参考海温为日OISST)Table 1. Monthly validation statistics for FY-3C/VIRR granule SST in Jan 2016(with respect to daily OISST)类型 质量等级 MCSST(业务) NLSST(重处理) 偏差/℃ 均方根误差/℃ 偏差/℃ 均方根误差/℃ 白天 优 -0.31 0.81 -0.02 0.66 良 -0.44 1.35 -0.56 1.14 差 -2.81 2.97 -2.82 2.97 全样本 -0.48 1.31 -0.40 1.08 夜间 优 -0.32 0.84 -0.08 0.72 良 -0.50 1.42 -0.59 1.24 差 -3.05 3.23 -2.89 2.98 全样本 -0.51 1.37 -0.50 1.24 由图 3的误差曲线可以看到，重处理海温的精度和一致性均比业务海温有所提高。但同时也注意到，业务和重处理海温偏差均在2016年19—22日发生跳变，系星上黑体温度发生跳变所致。2016年1月19日业务系统更新了海温回归系数，由图 3可以看到，自2016年1月20日起，业务海温偏差较之前负偏差有所改善，与重处理海温偏差较为接近。由夜间误差曲线可见，2016年1月7日业务海温偏差和均方根误差均发生跳变，系蓝色条带异常所致(详见第3.3节)。
3.2.2 FY-3C/VIRR 5 km全球日合成海温产品质量检验结果
与OISST相比，2015—2019年FY-3C/VIRR 5 km全球日合成海温产品白天优、良、差各质量等级的误差分别为-0.18±0.82℃，-0.46±1.41℃，-1.47±3.15℃，占比分别为45%，49%，6%，白天5 km全球日合成海温全样本的误差为-0.38±1.4℃；夜间5 km全球日合成海温产品优、良、差各质量等级的误差分别为-0.1±0.78℃，-0.4±1.38℃，-1.47±3.08℃，占比分别为45%，49%，6%，夜间5 km全球日合成海温全样本的误差为-0.31±1.35℃。
图 4为2015—2019年FY-3C/VIRR 5 km全球日合成海温质量为优的样本的逐日误差统计曲线，与图 2原始投影(星下点1.1 km)的日平均海温误差趋势一致，误差曲线更平滑。由图 4可见，白天海温的均方根误差存在季节波动，夏季误差较大；夜间海温产品的均方根误差变化较小，但自2016年1月19日后，在回归系数(SST_COEF_V3)不变的情况下，海温夜间偏差有明显的季节性波动，与星上黑体温度的季节性波动高度相关。误差曲线上的跳变及其原因同3.2.1节。
![]()
图 4 2015—2019年FY-3C/VIRR 5 km全球日合成质量为优的SST产品逐日误差统计曲线Figure 4. Time series of validation bias and root mean square error for FY-3C/VIRR 5 km daily SST at excellent quality level with respect to daily OISST in 2015-20193.3 误差分析
海温产品是天气预报、气候监测以及气候数值模拟研究的重要输入参数[23-25]。除海温算法本身的精度外，海温产品的精度还取决于遥感仪器的性能[10]、卫星资料的定位[26-28]、定标[29-30]、云检测[31]算法精度和业务运行情况。根据FY-3C/VIRR 5 min段海温产品质量检验结果，引起FY-3C/VIRR海温产品异常的典型原因分析如下：当海温产品异常表现为有效像元减少、误差增大时，考虑为星上红外仪器单粒子翻转(single event upset，SEU)所致，此时红外遥感数据异常；当L1B可见光图像上的地标与L1B数据中的海陆模板冲突时，考虑为定位异常所致，此类异常海温反演程序难以识别，虽属偶发，但会引起该5 min段海温参与的日、旬、月海温产品的异常；当全球日合成海温图像上出现蓝色条带时，考虑为业务运行异常所致，该异常重处理时不复现，虽属偶发，但会引起该5 min段海温参与的日合成海温产品的异常。
4. 小结
1) 与日分析场OISST相比，2015—2019年FY-3C/VIRR 5 min段海温产品质量等级为优的海温误差分别为-0.18±0.85℃(白天)，-0.06±0.8℃(夜间)。2015—2019年FY-3C/VIRR 5 km全球日合成海温产品质量等级为优的海温误差分别为-0.18±0.82℃(白天)，-0.1± 0.78℃ (夜间)。建立准实时的海温产品质量检验系统有利于异常的及时发现及处理。
2) 用户在使用FY-3C/VIRR海温产品时，可根据自己的需求，选用不同质量等级的海温。如对于从事气候研究的用户，可选用质量等级为优的海温；对于对海温精度要求不太高而对海温覆盖度要求高的洋面锋研究及海洋渔业等用户，可选用质量等级为优和良的海温；质量等级为差的海温中，蕴含着一级数据异常、定位异常、定标异常等信息，对产品生产者分析误差原因及改进产品质量有益。同时，质量等级为差的像元也可能包含极端天气和气候的信息，如台风抽吸作用造成的海温异常偏低，或极区极端增温使反演海温超出气候海温阈值等。
3) FY-3C/VIRR海温产品的精度高度依赖于VIRR仪器性能、星上运行状态及定位和定标精度，历史海温重处理可以通过使用当月的回归系数和更高精度的第一猜测海温提高海温产品的精度。长序列海温产品的一致性研究是下一步的工作重点。定位定标改进、星上工况改变等对海温产品精度的影响分析及对前端的反馈，是目前正着手开展的工作。
致谢: 本项工作得到国家卫星气象中心许健民院士的大力支持与指导，卢乃锰研究员、张甲珅研究员、陆风研究员、唐世浩研究员的大力支持，在此表示感谢。同时感谢GHRSST(the Group for High Resolution Sea Surface Temperature)海温科学组的管磊教授、Alexander Ignatov博士和Peter Minnett教授的有益讨论与解惑；感谢美国国家海洋与大气管理局卫星应用研究中心(NOAA/STAR)提供的观测海温；感谢美国国家海洋与大气管理局国家气候中心(NOAA/NCDC)提供的雷诺兹最优插值海温OISST；感谢美国国家海洋与大气管理局地球系统研究实验室(NOAA/ESRL)提供的30年月平均海温。 -
![]()
图 1 2015—2019年FY-3C/VIRR SST算法反演海温与观测海温的均方根误差和决定系数 (a)白天海温与浮标海温的均方根误差，(b)夜间海温与浮标海温的均方根误差，(c)白天海温与浮标海温决定系数，(d)夜间海温与浮标海温决定系数
Figure 1. Root mean square error and determination coefficient of FY-3C/VIRR SST Algorithms with respect to in-situ SST in 2015-2019 (a)root mean square error in day-time, (b)root mean square error in night-time, (c)determination coefficient in day-time, (d)determination coefficient in night-time
![]()
图 2 2015—2019年FY-3C/VIRR 5 min段质量为优的SST产品逐日误差统计曲线
Figure 2. Time series of validation bias and root mean square error for FY-3C/VIRR operational granule SST at excellent quality level with respect to daily OISST in 2015-2019
![]()
图 3 2016年1月FY-3C/VIRR 5 min段质量为优的SST产品逐日误差统计曲线
Figure 3. Time series of validation bias and root mean square error for FY-3C/VIRR granule SST at excellent quality level with respect to daily OISST in Jan 2016
![]()
图 4 2015—2019年FY-3C/VIRR 5 km全球日合成质量为优的SST产品逐日误差统计曲线
Figure 4. Time series of validation bias and root mean square error for FY-3C/VIRR 5 km daily SST at excellent quality level with respect to daily OISST in 2015-2019
表 1 2016年1月FY-3C/VIRR业务和重处理5 min段海温误差统计结果(参考海温为日OISST)
Table 1 Monthly validation statistics for FY-3C/VIRR granule SST in Jan 2016(with respect to daily OISST)
类型 质量等级 MCSST(业务) NLSST(重处理) 偏差/℃ 均方根误差/℃ 偏差/℃ 均方根误差/℃ 白天 优 -0.31 0.81 -0.02 0.66 良 -0.44 1.35 -0.56 1.14 差 -2.81 2.97 -2.82 2.97 全样本 -0.48 1.31 -0.40 1.08 夜间 优 -0.32 0.84 -0.08 0.72 良 -0.50 1.42 -0.59 1.24 差 -3.05 3.23 -2.89 2.98 全样本 -0.51 1.37 -0.50 1.24 
下载: 导出CSV
-
Yang J, Zhang P, Lu N, et al.Improvements on global meteorological observations from the current Fengyun 3 satellites and beyond.International Journal of Digital Earth, 2012, 5(3):251-265. DOI: 10.1080/17538947.2012.658666
杨军, 董超华.新一代风云极轨气象卫星业务新产品及应用.北京:科学出版社, 2010. McClain E P, Pichel W G, Walton C C.Comparative performance of AVHRR-based multichannel sea surface temperatures.J Geophys Res, 1985, 90(11):11587-11601. DOI: 10.1029/JC090iC06p11587/epdf
Walton C C, Pichel W G, Sapper J F, et al.The development and operational application of nonlinear algorithms for the measurement of sea surface temperatures with the NOAA polar-orbiting environmental satellites.J Geophys Res, 1998, 103(C12):27999-28012. DOI: 10.1029/98JC02370
Li X, Pichel W, Maturi E, et al.Deriving the operational nonlinear multichannel sea surface temperature algorithm coefficients for NOAA-15 AVHRR/3.Int J Remote Sens, 2001, 22(4):699-704. DOI: 10.1080/01431160010013793
Wu X, Menzel W P, Wade G S.Estimation of sea surface temperatures using GOES-8/9 radiance measurements.Bull Amer Meteor Soc, 1999, 80:1127-1138. DOI: 10.1175/1520-0477(1999)080<1127:EOSSTU>2.0.CO;2
Petrenko B, Ignatov A, Kihai Y, et al.Evaluation and selection of SST regression algorithms for JPSS VⅡRS.J Geophys Res Atmos, 2014, 119:4580-4599. DOI: 10.1002/2013JD020637
Wang S, Cui P, Zhang P, et al.FY-3C/VIRR SST algorithm and cal/val activities at NSMC/CMA.Proceedings of SPIE, 2014, 1926:1-15. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=CC0214741512
王素娟, 崔鹏, 冉茂农, 等.FY3A/VIRR业务海面温度产品算法改进与质量检验.气象科技, 2014, 42(5):748-752. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=qxkj201405004 王素娟, 崔鹏, 张鹏, 等.FY-3B/VIRR海表温度算法改进及精度评估.应用气象学报, 2014, 25(6):701-710. http://qikan.camscma.cn/article/id/20140606 OSI SAF Project Team.Algorithms Theoretical Basis Document for the Low Earth Orbiter Sea Surface Temperature Processing.[2019-12-11].http://www.osi-saf.org/lml/doc/osisaf_cdop2_ss1_atbd_leo_sst.pdf.
王素娟, 崔鹏, 张鹏, 等.FY-3卫星VIRR海表温度产品进展.上海航天, 2017, 34(4):79-84. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=shht201704011 李俊, 方宗义.卫星气象的发展——机遇与挑战.气象, 2012, 38(2):129-146. http://qikan.cqvip.com/Qikan/Article/Detail?id=40958909 Xu F, Ignatov A.In situ SST quality monitor (iQuam).J Atmos Oceanic Technol, 2014, 31:164-180. DOI: 10.1175/JTECH-D-13-00121.1
Reynolds R, Smith T, Liu C, et al.Daily high-resolution-blended analyses for SST.J Climate, 2007, 20:5473-5496. DOI: 10.1175/2007JCLI1824.1
Kilpatrick K A, Podesta G P, Evans R.Overview of the NOAA/NASA advanced very high resolution radiometer Pathfinder algorithm for sea surface temperature and associated matchup database.J Geophys Res, 2001, 106(C5):9179-9197. DOI: 10.1029/1999JC000065
Petrenko B, Ignatov A, Kihai Y, et al.Clear-sky mask for the advanced clear-sky processor for oceans.J Atmos Oceanic Technol, 2010, 27:1609-1623. DOI: 10.1175/2010JTECHA1413.1
Zhang P, Lu Q, Hu X, et al.Latest progress of the Chinese meteorological satellite program and core data processing technologies.Adv Atmos Sci, 2019, 36(9):1027-1045. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dqkxjz-e201909010
Ignatov A.GOES-R Advanced Baseline Imager Algorithm Theoretical Basis Document for Sea Surface Temperature.[2017-05-16].http://www.goes-r.gov/products/ATBDs/baseline/baseline-SST-v2.0.pdf.
王素娟, 陆风, 张鹏, 等.FY2海面温度产品质量检验方法与误差分析.气象, 2013, 33(4):10-14. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=qx201310011 Dash P, Ignatov A, Kihai Y, et al.The SST Quality Monitor (SQUAM).J Atmos Oceanic Technol, 2010, 27:1899-1917. DOI: 10.1175/2010JTECHO756.1
Donlon C, Martin M, Stark J, et al.The operational sea surface temperature and sea ice analysis (OSTIA) system.Remote Sens Environ, 2012, 116:140-158. DOI: 10.1016/j.rse.2010.10.017
柯宗建, 华丽娟, 钟霖浩, 等.海温异常对东亚夏季风强度先兆信号的影响.应用气象学报, 2015, 26(5):536-544. DOI: 10.11898/1001-7313.20150503 李春晖, 刘燕, 李霞, 等.热带西北太平洋10~30 d振荡对南海夏季风影响.应用气象学报, 2016, 27(3):293-302. DOI: 10.11898/1001-7313.20160304 陈丽娟, 袁媛, 杨明珠, 等.海温异常对东亚夏季风影响机理的研究进展.应用气象学报, 2013, 24(5):521-532. http://qikan.camscma.cn/article/id/20130502 魏彩英, 张晓虎, 赵现纲, 等.区域扫描模式下风云二号气象卫星姿态求解方法.应用气象学报, 2014, 25(5):592-599. http://qikan.camscma.cn/article/id/20140508 关敏, 吴荣华.FY-3A中分辨率光谱成像仪图像地理定位方法.应用气象学报, 2012, 23(5):534-542. http://qikan.camscma.cn/article/id/20120503 王素娟, 郭强, 许健民.FY-4气象卫星定位用导航星选取方法.应用气象学报, 2010, 21(2):149-156. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yyqxxb201002003 徐寒烈, 胡秀清, 徐娜, 等.FY-3C/可见光红外扫描辐射计中红外通道太阳污染的识别和修正.光学精密工程, 2015, 23(7):1874-1879. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=gxjmgc201507010 谷松岩, 吴荣华, 游然.FY-3A/MWHS冷空测值受月球影响分析及修正.应用气象学报, 2015, 26(4):442-450. DOI: 10.11898/1001-7313.20150406 刘健, 张里阳.气象卫星高空间分辨率数据的云量计算与检验.应用气象学报, 2011, 22(1):35-45. http://qikan.camscma.cn/article/id/20110104 -
期刊类型引用(12)
1. 马刚，黄静，巩欣亚，希爽，薛蕾，李娟，张鹏，龚建东. 数值预报中气象卫星资料同化前处理技术进展. 应用气象学报. 2024(02): 142-155 . 
本站查看
2. 康正武，涂乾光，闫运伟，邢小罡. 印度洋静止气象卫星Meteosat-8/SEVIRI海面温度验证. 海洋学研究. 2024(02): 26-39 . 百度学术
3. 张淼，陈林，徐娜，曹广真. Influences of Earth Incidence Angle on FY-3/MWRI SST Retrieval and Evaluation of Reprocessed SST. Journal of Tropical Meteorology. 2024(03): 230-240 . 百度学术
4. 周雪松，宏观，夏元彩，罗皓文，包伟智，田泓. 往返式平漂探空下降段FY-3D卫星湿度廓线检验. 气象. 2024(11): 1373-1385 . 百度学术
5. 崔鹏，王素娟. 双谱滤波算法在FY-4B/AGRI海表温度反演中的应用. 气象科技. 2024(06): 763-774 . 百度学术
6. 毛志华，张贤良，刘建强，丁静，陈鹏，朱乾坤，黄海清，马力. HY1C/1D海表温度对Terra/Aqua产品的可替代性分析. 海洋学报. 2023(03): 97-112 . 百度学术
7. 邵建，张肃诏，陈敏，李强，郑友炯，程瑶，马宁. FY-4A卫星在宁夏短时强降水中的适用性研究. 干旱区研究. 2023(02): 163-172 . 百度学术
8. 崔鹏，王素娟，陆风，肖萌. FY-4A/AGRI海表温度产品和质量检验. 应用气象学报. 2023(03): 257-269 . 本站查看
9. 聂晶，张媛媛，郭强，陈丽. 风云三号气象卫星星地数据传输X频段链路干扰协调门限研究. 气象科技. 2022(03): 355-360 . 百度学术
10. 宋晚郊，张鹏，孙凌，唐世浩，周芳成. 基于DINEOF的风云极轨气象卫星海表温度重构方法研究. 海洋学研究. 2022(02): 10-18 . 百度学术
11. 张林科，豆靖林，牛原. 基于统计学方法遥感卫星西北太平洋海表温盐精度分析与特征研究. 海洋技术学报. 2021(05): 1-10 . 百度学术
12. 周玉，刘彬彧，桑友伟. FY-3C和MODIS检测湘赣地区地表温度差异研究. 地理信息世界. 2021(05): 111-116 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 1612
- HTML全文浏览量: 345
- PDF下载量: 130
- 被引次数: 14
