2013, Vol. 39 
中国的海岸线长，海洋国土面积大，国内用户对海洋环境监测、海洋资源开发以及海洋气象预报有很大需求。许健民等(2010)指出提高风云气象卫星的应用水平亟待解决的问题之一是做好数据预处理、数据处理方面的研究工作；李俊等(2012)指出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，导致反演的产品总是存在误差，需要通过产品的真实性检验工作来比对、分析反演产品精度，并通过检验结果来改进反演算法。本文正是在这一背景下对FY2静止气象卫星反演海面温度产品开展了真实性检验和误差分析工作。
由于自然界地球物理参数的绝对真值是无法获取的，因此对气象卫星海面温度(SST)产品的质量检验限于与其他手段获取的SST数据的相对比较，得到的信息可以为用户在使用静止卫星SST产品时提供参考。
目前，国外极轨气象卫星反演SST的质量检验及监测系统已经非常成熟，美国国家海洋和大气局(NOAA)和环境卫星数据与服务中心(NESDIS)的基于Web的准实时SST监测系统SQUAM(Dash et al, 2010)作为全球主要SST产品的通用监测工具，已实现了对L2、L3、L4 SST的误差图像、直方图、时间序列等全面的基于Web的准实时质量监测。晴空海洋红外辐射及SST监测网MICROS(Liang et al, 2011)也实现了基于Web的准实时CRTM模拟晴空红外辐射及ACSPO SST监测。
国外静止气象卫星SST产品的真实性检验主要包括：(1) 根据现场的实测数据(in-situ SST)进行真实性检验；(2) 同国外同类仪器资料的反演SST产品的交叉检验；(3) 利用数值天气预报(NWP)和大气辐射传输的模拟计算结果进行检验等(Ignatov, 2010)。但国外静止气象卫星SST的准实时质量监测尚未公布。
国内卫星SST产品质量检验和评价方面已经开展了很多工作，毛志华等(2003)采用了一种标准SST参考图用于温度误差控制技术，可有效地检测温度反演异常值，将均方根误差从5.71℃降低到1.75℃，采用更严格的2℃阈值控制，使海表温度误差达到0.75℃；孙凤琴等(2007)对西北太平洋部分海域AVHRR、TMI与MODIS SST进行了初步检验。何全军等(2013)基于匹配数据采用最小绝对偏差方法通过线性模型对SST算法的精度进行了检验，并对反演的FY3A VIRR SST产品和MODIS官方产品进行了比较，结果显示两种SST产品具有很高的一致性。FY2(03) 批SST质量分析系统正在研发过程中。
1 FY2 SST质量检验方法与检验流程 1.1 FY2 SST质量检验方法 1.1.1 基于现场海面温度的质量检验方法基于现场SST质量检验一般是在卫星资料和外场SST匹配数据集的基础上进行的。现场SST一般选用浮标SST，需要对浮标SST进行质量控制，选择高精度浮标SST作为检验源数据。
FY2标称实时SST产品质量检验采用现场海温检验方法，用全球浮标资料作为检验源数据，通过时间匹配(30 min)和空间匹配(一个像元)，进行误差统计。
现场SST质量检验比较客观，但由于现场海温测站稀少、分布和资料质量不均一且实时性差，很难满足FY2 SST的准实时质量检验需求。
1.1.2 国外分析场SST产品交叉检验方法FY2标称日平均SST产品质量检验用英国气象局的业务SST和海冰分析产品OSTIA，其分辨率为0.05°×0.05°，产品精度为均方根误差0.39 K(Stark et al, 2007)。美国GOES-R(Ignatov, 2010)采用分析场周平均OISST作为检验源数据进行质量检验。
用OSTIA日平均SST或OISST周平均SST作为检验源数据，通过时间匹配(同一天)和空间匹配(一个像元)，进行误差统计。
分析场海温具有时效性好，全球覆盖且质量均一的优点，但由于分析场SST由极轨卫星SST再分析得来，没有解决SST日变化问题，因此SST交叉检验仅用来对FY2 SST进行相对检验。
1.2 FY2 SST质量检验流程 1.2.1 基于现场SST的质量检验流程FY2 SST匹配数据集(MDB)的建立流程如图 1所示。匹配的时间分辨率为30 min，空间分辨率为一个像元。
|
图 1 匹配数据集建立流程图 Fig. 1 The flow chart of creating matchup database |
在积累了一定时间段的匹配样本之后(一般1~3个月)，进行回归分析，求得SST反演的回归系数，代入MDB，即可求得卫星反演SST。
以MDB为基础，用其中求得的卫星反演SST和高精度浮标SST即可进行误差统计分析。
1.2.2 国外分析场SST产品交叉检验流程选取OSTIA日平均SST作为FY2日平均SST的检验源数据，进行SST交叉检验，检验流程示意图如图 2所示。
|
图 2 海温产品交叉检验流程示意图 Fig. 2 The diagram of SST validation process flow |
(1) 选取同一天的OSTIA和FY2日平均SST(以FY2E为例)，对0.05°×0.05°全球范围的OSTIA进行双线性插值，得到FY2E标称全圆盘2288×2288像元分辨率的FY2E_OSTIA；
(2) 用相同分辨率的FY2E_SST减去FY2E_OSTIA；
(3) 得到和FY2E_SST有效SST像元一致的FY2E_DIFF标称数据。
在FY2E_DIFF的基础上进行误差统计分析。
2 FY2 SST质量检验结果分析 2.1 基于现场SST的质量检验结果分析用2012年3月16日至4月14日共30天的FY2F标称数据，按照图 1的匹配流程进行数据匹配，得到FY2F匹配数据集(下称FY2F MDB)。匹配样本共21500个。
FY2F SST科研算法设计了4种反演模型，分别为多通道海面温度反演MCSST(Dash et al, 2010)、加入了分裂窗通道差二次项的MCSST(下称QDSST)、非线性海温反演NLSST(Dash et al, 2010)、加入了分裂窗通道差二次项的NLSST(下称NQSST)。
经过回归分析，得到4套回归系数，分别代入反演模型，即可得到21500个样本的4种反演算法反演SST。
2.1.1 基于FY2F MDB的SST质量自检验用21500个样本对应的现场海温对4种反演算法反演SST进行质量检验，误差统计结果如表 1所示。
|
表 1 基于现场海温的质量自检验误差统计结果(单位：℃) Table 1 Statistics of SST self-validation based on MDB (unit: ℃) |
基于FY2F MDB的SST质量自检验结果表明：4种反演算法中非线性海温反演(NQSST、NLSST)优于多通道海温反演(QDSST、MCSST)；加入分裂窗通道差二次项的海温反演优于不加二次项的海温反演(即：NQSST优于NLSST，QDSST优于MCSST)；NQSST的质量检验结果优于其他3种反演算法，与现场海温的均方根误差为1.68℃。
因这21500个样本参与了回归分析，用其对应的现场海温做质量检验存在自相关性，因此设计了基于FY2F MDB的SST独立质量检验。
2.1.2 基于FY2F MDB的SST独立检验选用2012年4月15—21日共7天的FY2F标称数据，按照图 1的匹配流程进行数据匹配，得到一周的FY2F MDB，匹配样本共4417个。
用4417个样本对应的现场海温对4种反演算法反演的SST进行质量检验，误差统计结果如表 2所示，偏差统计曲线如图 3所示，绝对偏差统计曲线如图 4所示，均方根误差统计曲线如图 5所示。
|
|
表 2 基于现场海温的质量独立检验误差统计结果(单位：℃) Table 2 Statistics of SST independent validation based on MDB (unit: ℃) |
|
图 3 反演海温与现场海温的偏差统计图 Fig. 3 Bias of retrieral SST and in-situ SST |
|
图 4 反演海温与现场海温的绝对偏差统计图 Fig. 4 Absolute bias of retrieral SST and in-situ SST |
|
图 5 反演海温与现场海温的均方根误差统计图 Fig. 5 RMS of retrieral SST and in-situ SST |
结果表明：4种反演算法中非线性海温反演(NQSST、NLSST)优于多通道海温反演(QDSST、MCSST)；NQSST的质量检验结果优于其他3种反演算法，与现场海温的均方根误差为1.47℃。
2.2 国外分析场SST产品交叉检验 2.2.1 FY2E SST产品交叉检验结果及分析按照1.2.2节所述的交叉检验流程，用2012年1—2月的OSTIA对FY2E业务系统生成的2012年1—2月的标称日平均SST产品进行了交叉检验，误差统计曲线如图 6所示。从图 6可以看出2012年1月11—12日和2012年2月8—9日之间偏差曲线有两次明显的跳变。这两次跳变分别对应于2012年1月12日FY2E定标表更新和2012年2月9日的海温回归系数更新。
|
图 6 2012年1—2月FY2E标称日平均SST与OSTIA误差统计图 Fig. 6 Time series of validation accuracy (bias) and precision (STD) for FY2E daily mean SST and OSTIA errors |
从图 6还可以看出2012年2月9日的海温回归系数更新后，FY2E海温产品的误差并没有得到改善，其原因是2012年2月9日的海温回归系数是由2011年1年的匹配样本统计回归得到的，用的是业务系统老的定标表，对于更新后的高精度的定标表并不适用。因此需要针对更新后的定标表进行匹配样本积累，以便得到适用于新定标表的海温回归系数，从而提高海温反演精度。
2.2.2 FY2F SST产品交叉检验结果及分析按照1.2.2节所述的交叉检验流程，参照GOES-R SST的质量检验方法，用2012年9月的OISST周平均海温对2012年9月的标称实时FY2F SST产品进行了交叉检验，全样本的误差统计曲线如图 7a所示；选择和OISST周平均海温在3℃以内的样本，统计结果如图 7b所示；图 7c给出了全样本与3℃以内样本的统计图。FY2F SST与OISST周平均海温误差统计结果如表 3所示。
|
图 7 2012年9月FY2F实时SST与周平均OISST误差与样本统计 Fig. 7 Time series of validation accuracy (bias) and precision (RMS) for FY2F hourly SST and weekly OISST errors (c) the samples compared with Fig. 7a and Fig. 7b |
|
|
表 3 FY2F SST与OISST周平均海温误差统计结果(单位：℃) Table 3 Statistics of FY2F SST minus weekly mean OISST (unit: ℃) |
从图 7可以看出，在9月15日之前，实时海表温度的误差(尤其是偏差Bias)波动比较大，这与FY2F地面系统中业务定标软件的调整及由此带来的云检测产品异常有关，而海表温度产品的质量高度依赖于其上游的定标精度和云检测产品的质量。9月15日之后，实时海表温度的误差波动相对较小，但个别时次仍有跳变，从海温产品的上游产品云检测图像来看，这些时次云检测结果异常。
3 FY2 SST误差原因分析目前，FY2 SST与国外卫星SST相比存在以下方面的差异。
3.1 误差统计方法国外卫星SST采取了严格的质量控制并赋予质量标识，参与误差统计的为最优像元而FY2 SST是全样本参与误差统计。NOAA的PFSST(Kilpatrick et al, 2001)把SST质量分为7个等级，从其统计结果来看，质量等级差的(即等级为1和2) 两类样本均方根误差为4.6℃，而质量等级高的(即等级为6和7) 两类样本均方根误差分别为0.69℃和0.59℃。由此可见，对反演SST进行质量分级，用最优样本进行误差统计，有利于提高SST产品的可用性。
3.2 反演算法目前FY2业务SST采用多通道反演算法，国外卫星SST反演多采用物理反演作为质量控制手段，并采用以分析场SST为第一猜测SST的非线性SST反演算法。从FY2F SST反演算法质量检验结果来看，采用非线性SST反演算法有利于提高SST产品的质量，但由于第一猜测SST来自互联网，其时效难以保证，因此业务实施比较困难。
3.3 系统设计舍入误差：早期由于传输带宽的限制，9210 SST采用放大10倍的短整形存储(只保留了小数点后1位有效数字)，标称HDF格式产品也沿用了该存储方式，这就使得早期FY2 SST存在0.05°的舍入误差。FY2(03) 批从FY2F SST开始在系统设计时，采用浮点型数据存储，不再有舍入误差。
存档规格：目前的FY2地面应用系统，实时反演SST没有存档，只存档了3 h融合SST产品，不利于监测SST的日变化和进一步改进SST融合精度。从图 6和图 7的对比可以看出，图 7给出了更详细的误差分布特征，剔除异常时次后，日平均海温的精度有望提高。
4 小结现场海温质量检验方法和分析场SST交叉检验方法各有优缺点。
现场海温质量检验能够对FY2 SST的质量给与客观的评价，但由于现场海温资料稀少、分布和质量不均一且时效差，很难满足FY2 SST质量检验的时效需求。
分析场SST具有时效性好，全球覆盖且质量均一的优点，因此SST产品交叉检验能满足FY2 SST质量检验的时效性，但由于它没有解决SST的日变化问题，仅作为FY2 SST进行相对检验的手段。
通过静止卫星SST产品质量检验信息可以为产品研发人员和相关用户提供参考。
通过对误差统计方法、反演算法、系统设计及业务流程的改进，会对FY2 SST产品的质量有所改善。
何全军, 曹静, 陈翔, 等, 2013. 基于非线性算法的FY3A/VIRR SST反演[J]. 气象, 39(1): 74-79. DOI:10.7519/j.issn.1000-0526.2013.01.009 |
李俊, 方宗义, 2012. 卫星气象的发展——机遇与挑战[J]. 气象, 38(2): 129-146. DOI:10.11898/1001-7313.20120201 |
毛志华, 朱乾坤, 潘德炉, 2003. 卫星遥感业务系统海表温度误差控制方法[J]. 海洋学报, 25(5): 49-57. |
孙凤琴, 张彩云, 尚少平, 等, 2007. 西部太平洋部分海域AVHRR、TMI与MODIS遥感海表层温度的初步验证[J]. 厦门大学学报, 46(Sup.1): 1-5. |
许健民, 杨军, 张志清, 等, 2010. 我国气象卫星的发展与应用[J]. 气象, 36(7): 94-100. DOI:10.7519/j.issn.1000-0526.2010.07.016 |
Dash P, Ignatov A, Kihai Y, et al, 2010. The SST quality monitor (SQUAM)[J]. J Tech, 27: 1899-1917. DOI:10.1175/2010JTECHO756.1 |
Ignatov A.2010.GOES-R Advanced Baseline Imager Algorithm Theoretical Basis Document for Sea Surface Temperature. http://www.goes-r.gov/products/ATBDs/baseline/baseline-SST-v2.0.pdf.
|
Kilpatrick K A, Podestá G P, Evans R, 2001. Overview of the NOAA/NASA advanced very high resolution radiometer Pathfinder algorithm for sea surface temperature and associated matchup database[J]. J Geophys Res, 106(C5): 9179-9197. DOI:10.1029/1999JC000065 |
Liang X, Ignatov A, 2011. Monitoring of IR clear-sky radiances over oceans for SST (MICROS)[J]. J Tech, 28: 1228-1242. DOI:10.1175/JTECH-D-10-05023.1 |
Stark J D, Donlon C J, Martin M J, et al.2007.OSTIA:An operational, high resolution, real time, global sea surface temperature analysis system.Oceans'07 IEEE Aberdeen, conference proceedings. IEEE.
|