王素娟崔 鵬張 鵬冉茂農(nóng)陸 風(fēng)王維和

1）（國家衛(wèi)星氣象中心，北京100081）

2）（北京華云星地通科技有限公司，北京100081）

FY－3B／VIRR海表溫度算法改進(jìn)及精度評估

王素娟1）＊崔 鵬1）張 鵬1）冉茂農(nóng)2）陸 風(fēng)1）王維和1）

1）（國家衛(wèi)星氣象中心，北京100081）

2）（北京華云星地通科技有限公司，北京100081）

該文介紹了衛(wèi)星觀測海表溫度（SST）算法的發(fā)展歷程，給出了所用SST算法的回歸模型，并在FY－3B／VIRR業(yè)務(wù)SST算法的基礎(chǔ)上進(jìn)行了改進(jìn)?；贜OAA－19／AVHRR匹配數(shù)據(jù)集，進(jìn)行多算法建模分析及精度評估，白天最優(yōu)算法為非線性SST（NL）算法，夜間最優(yōu)算法為三通道SST（TC）算法，最優(yōu)算法的確定與NESDIS／STAR一致。建立2012年8月—2013年3月FY－3B／VIRR匹配數(shù)據(jù)集，并在此基礎(chǔ)上進(jìn)行多算法回歸建模及精度評估，白天和夜間的最優(yōu)均為NL算法，分析發(fā)現(xiàn)夜間TC算法采用匹配數(shù)據(jù)集版本2（MDB＿V2）時，3.7μm通道存在類似百葉窗的條帶現(xiàn)象。以2012年10—12月FY－3B／VIRR匹配數(shù)據(jù)集計算回歸系數(shù)，以2013年1—3月獨(dú)立樣本進(jìn)行精度評估，與浮標(biāo)SST相比，NL算法白天和夜間的均方根誤差分別為0.41℃和0.43℃。與日平均最優(yōu)插值海溫（OISST）相比，NL算法白天和夜間的均方根誤差分別為1.45℃和1.5℃；選擇與OISST偏差在2℃以內(nèi)的樣本，NL算法白天和夜間均方根誤差分別為0.82℃和0.84℃。

FY－3B氣象衛(wèi)星；可見光紅外掃描輻射計（VIRR）；海表溫度；算法

引 言

風(fēng)云三號（FY－3）氣象衛(wèi)星是實(shí)現(xiàn)全球、全天候、多光譜、三維、定量遙感的我國第2代極地軌道氣象衛(wèi)星系列。FY－3（01）批為試驗應(yīng)用衛(wèi)星，共兩顆，衛(wèi)星代號分別為FY－3A和FY－3B。衛(wèi)星裝載的可見光紅外掃描輻射計（VIRR）光譜范圍為0.43～12.5μm，共10個通道，地面水平分辨率為1.1km，掃描范圍為±55.4°［1］。FY－3B／VIRR 有1個短波紅外通道（3.55～3.93μm）和2個長波紅外通道即分裂窗通道（10.3～11.3μm，11.5～12.5μm）可用于估計海表溫度（SST）。

在紅外波段，海洋表面發(fā)射的輻射接近于黑體。理論上，如果洋面和衛(wèi)星之間沒有大氣的吸收和發(fā)射，通過單通道就可以估計SST。實(shí)際上，離表紅外輻射在達(dá)到衛(wèi)星探測器之前已被大氣削弱，因此必須進(jìn)行大氣訂正［2］。水汽與 CO2，CH4，NO2和氣溶膠是決定紅外輻射大氣削弱的主要因子，其中水汽引起的吸收影響最大［3］。為了準(zhǔn)確反演SST，人們先后提出了多種解決表層紅外輻射大氣吸收問題的技術(shù)。Prabhakara等［4］利用早期星載輻射計的亮溫差得到了合理精度的SST估計值。為了提高SST估算精度，引入多種修正方法。1985年Mc－Clain等［5］基于海溫與紅外通道亮溫和分裂窗亮溫差呈線性關(guān)系這一假設(shè)提出的多通道海溫（MC）算法是NOAA的第1個業(yè)務(wù)海溫算法，使用多年。1987年Cornillon等［6］引入了衛(wèi)星天頂角對大氣路徑的修訂，1988年 Walton等［7］基于亮溫的非線性大氣訂正提出了交叉海溫（CP）算法。1998年 Walton［8］提出了基于第1猜測海溫非線性海溫（NL）算法，并成為NOAA的業(yè)務(wù)海溫算法。NOAA／NESDIS早在1991年就使用NL（CP的簡化版本）作為業(yè)務(wù)海溫算法，后來采用白天分裂窗NL算法，夜間三通道NL算法作為業(yè)務(wù)海溫算法［9］。Wu等［10］在進(jìn)行GOES－8／9SST反 演時在海溫算法中添加分裂窗亮溫差的二次項，這一算法也一直用于中國氣象局國家衛(wèi)星氣象中心的靜止氣象衛(wèi)星海溫反演業(yè)務(wù)。Francois等［11］基于SAFREE探空廓線利用RTTOV輻射傳輸模式建立了模擬亮溫庫，以此為基礎(chǔ)導(dǎo)出了一系列海溫反演算法。王保華［12］將MC算法應(yīng)用于FY－1C極軌氣象衛(wèi)星業(yè)務(wù)海溫產(chǎn)品，并對海溫精度進(jìn)行檢驗。

FY－3／VIRR SST反演精度依賴于VIRR儀器的性能、定位精度和定標(biāo)的精度，還依賴于云檢測產(chǎn)品的精度。提高風(fēng)云氣象衛(wèi)星的應(yīng)用水平亟待解決的問題之一是做好數(shù)據(jù)預(yù)處理、數(shù)據(jù)處理方面的研究工作［13］，由于存在衛(wèi)星輻射測量誤差、反演算法誤差、地氣系統(tǒng)輻射的相互影響，導(dǎo)致反演產(chǎn)品存在誤差，需要通過產(chǎn)品的真實(shí)性檢驗比對、分析反演產(chǎn)品精度，并通過檢驗結(jié)果改進(jìn)反演算法［14］。海表溫度是天氣預(yù)報、氣候監(jiān)測、診斷和預(yù)測業(yè)務(wù)以及氣候數(shù)值模擬研究的重要輸入?yún)?shù)［15－21］。目前FY－3氣象衛(wèi)星業(yè)務(wù)系統(tǒng)的SST反演采用白天多通道海溫反演（MC），F(xiàn)Y－3B／VIRR SST 直接選取云檢測產(chǎn)品中的確信晴空進(jìn)行SST反演，但溫度整體偏低，尤其是東南亞附近海域，均方根誤差超過3℃。用于匹配的現(xiàn)場海溫來自世界氣象組織全球通信系統(tǒng)（GTS），現(xiàn)場海溫沒有進(jìn)行質(zhì)量控制；匹配數(shù)據(jù)集字段少，僅能用于MC回歸，不利于一次匹配多次回歸建模分析。本文針對上述問題進(jìn)行了如下改進(jìn)：選用來自NESDIS／STAR通過質(zhì)量控制的現(xiàn)場海溫、擴(kuò)充了匹配數(shù)據(jù)集（MDB）結(jié)構(gòu)，并以此為基礎(chǔ)，進(jìn)行多算法回歸建模及精度評估，確定FY－3B／VIRR SST（簡稱FY－3BSST）的最優(yōu)算法，引入空間一致性檢驗及氣候閾值檢驗，抑制云污染等。

1 數(shù)據(jù)與處理

1.1 數(shù)據(jù)來源

1.1.1 遙感數(shù)據(jù)

FY－3B／VIRR L1B數(shù)據(jù)和云檢測數(shù)據(jù)分別來自國家衛(wèi)星氣象中心FY－3（01）批地面應(yīng)用系統(tǒng)數(shù)據(jù)預(yù)處理系統(tǒng)（DPPS）和產(chǎn)品生產(chǎn)系統(tǒng)（PGS）。軌道數(shù)據(jù)以5min段（2048×1800像元）、HDF5格式存儲，星下點(diǎn)空間分辨率為1.1km。

1.1.2 實(shí)測數(shù)據(jù)

實(shí)測現(xiàn)場海溫數(shù)據(jù)來自NESDIS／STAR（http：∥www.star.nesdis.noaa.gov／），現(xiàn)場海溫數(shù)據(jù)以月為單位、HDF4格式存儲，內(nèi)含現(xiàn)場海溫的質(zhì)量控制信息。用于FY－3B／VIRR匹配數(shù)據(jù)集的建立和FY－3B／VIRR反演海溫的質(zhì)量檢驗。

1.1.3 NOAA－19匹配數(shù)據(jù)集

NOAA－19匹配數(shù)據(jù)集來自NESDIS／STAR（http：∥www.star.nesdis.noaa.gov／），以月為單位、文本格式存儲。每個月的匹配數(shù)據(jù)集有與之對應(yīng)的最優(yōu)算法的回歸統(tǒng)計信息。本研究使用2010年全年12個月的匹配數(shù)據(jù)集，用于回歸建模及精度評估。

1.1.4 分析場海溫

日平均IOSST（optimum interpolation SST）海溫來自 NOAA／NCDC（ftp：∥eclipse.ncdc.noaa.gov／），分辨率為0.25°×0.25°，netCDF格式存儲，用于FY－3B／VIRR反演海溫的質(zhì)量檢驗。

1981—2010年月平均海溫數(shù)據(jù)集來自NOAA／ESRL（http：∥www.esrl.noaa.gov／），分辨率為1°×1°，netCDF格式存儲，用于FY－3B／VIRR非線性海溫反演和氣候閾值的確定。

1.2 數(shù)據(jù)處理

以5min段FY－3B／VIRR LIB數(shù)據(jù)、云檢測數(shù)據(jù)和現(xiàn)場海溫數(shù)據(jù)為輸入，按1.1km的空間分辨率和1h的時間分辨率進(jìn)行匹配，滿足晴空海洋及匹配條件的像元為1個匹配樣本，建立了2012年8月—2013年3月的全球逐月FY－3B／VIRR匹配數(shù)據(jù)集。與業(yè)務(wù)系統(tǒng)原匹配數(shù)據(jù)集相比，選擇NESDIS／STAR經(jīng)質(zhì)量控制的現(xiàn)場海溫替代來自全球通信系統(tǒng)的未經(jīng)質(zhì)量控制的現(xiàn)場海溫；對匹配數(shù)據(jù)集的結(jié)構(gòu)進(jìn)行擴(kuò)充，由原來的11個字段擴(kuò)充到51個字段，添加以匹配像元為中心的3×3數(shù)據(jù)塊的晴空像元數(shù)量、陸地像元數(shù)量、最大亮溫、最小亮溫、標(biāo)準(zhǔn)差、中值、平均值等字段；針對SST所用的上游產(chǎn)品（FY－3B／VIRR云檢測業(yè)務(wù)產(chǎn)品）存在漏判的現(xiàn)象，采用在樣本海選基礎(chǔ)上進(jìn)行樣本優(yōu)選的策略，使得樣本選擇更合理。即凡是云檢測產(chǎn)品中標(biāo)識為“確信晴空”的像元均根據(jù)條件進(jìn)行匹配，生成海選樣本。在海選樣本的基礎(chǔ)上，根據(jù)浮標(biāo)的類型、質(zhì)量控制信息，選取高精度的匹配樣本；對海選樣本進(jìn)行空間一致性檢驗和海溫閾值檢驗，從而剔除云像元的干擾。

2 算法與改進(jìn)

2.1 FY－3BSST算法

本節(jié)給出FY－3BSST的5個回歸模型，其中3個回歸模型白天、夜間均適用于海溫反演，另外2個回歸模型僅適用于夜間海溫反演，因計算中采用3.7μm通道亮溫，而短波紅外窗區(qū)受太陽反射和散射的影響，在白天的海溫反演中無法使用。為了便于后續(xù)分析，為每個回歸模型定義了相應(yīng)的名稱，如表1所示（其中QD算法源自文獻(xiàn)［10］，其余算法源自NESDIS／STAR）。

表1 FY－3B／VIRR SST算法命名表Table 1 List of acronyms of FY－3B／VIRR SST Algorithm

海溫算法公式如下：

其中，Ts表示反演海溫，T4，T11和T12分別表示3.7μm，10.8μm和12μm通道亮溫，a0～a5表示回歸系數(shù)，θ表示衛(wèi)星天頂角，TFG表示第1猜測SST，本文選用1981—2010年月平均OISST作為第1猜測SST。另外，式（1）～式（3）既可用于白天，也可用于夜間，式（4）～式（5）僅適用于夜間。為方便表達(dá)，“＿D”表示白天算法，“＿N”表示夜間算法。

2.2 回歸算法改進(jìn)和云檢測質(zhì)量控制

回歸算法在原FY－3BSST業(yè)務(wù)系統(tǒng)最小二乘回歸的基礎(chǔ)上，進(jìn)行二次回歸。即在最小二乘回歸（一次回歸）的基礎(chǔ)上，將回歸系數(shù)帶入匹配數(shù)據(jù)集，得到各樣本的反演海溫，反演海溫偏差大于2倍標(biāo)準(zhǔn)差的樣本被剔除，再進(jìn)行一次最小二乘回歸（二次回歸），得到最終的回歸系數(shù)。利用 NOAA－19／AVHRR 2010年12個月的匹配數(shù)據(jù)集，對NL＿D算法和TC＿N算法進(jìn)行二次回歸，與一次回歸相比，NL＿D算法回歸精度提高21%，TC＿N算法回歸精度提高30%。

在云檢測方面加強(qiáng)了質(zhì)量控制。針對目前云檢測存在漏判的現(xiàn)象，構(gòu)建了3×3數(shù)據(jù)塊，并在此基礎(chǔ)上進(jìn)行了空間一致性檢驗，剔除3×3數(shù)據(jù)塊內(nèi)晴空像元亮溫差大的像元（視為云像元）；引入30年月平均海溫氣候閾值作為參考SST，進(jìn)行氣候閾值檢驗，超過氣候閾值的像元視為有云像元。

圖1a為2013年4月30日11：00（世界時，下同）5min段L1B數(shù)據(jù)中10.8μm通道亮溫的灰度圖像，圖1b為對應(yīng)的云檢測產(chǎn)品圖像，圖1c為改進(jìn)后SST產(chǎn)品圖像（白色為云或缺省值），從紅色框定區(qū)域的對比可以看出，云檢測漏判的云在SST產(chǎn)品中被檢出。FY－3B／VIRR業(yè)務(wù)SST算法直接利用云檢測產(chǎn)品中的確信晴空海洋像元進(jìn)行SST反演，引入了云污染。改進(jìn)后的SST反演算法引入的空間一致性檢驗和氣候閾值檢驗，使云污染（尤其是夜間）現(xiàn)象得到抑制，從而提高SST的反演精度。

3 精度評估與分析

3.1 FY－3BSST算法精度評估

在2012年8月—2013年3月FY－3B／VIRR匹配數(shù)據(jù)集（稱為版本1，即MDB＿V1）的基礎(chǔ)上，針對2.1節(jié)的5種回歸模型，進(jìn)行了建模分析及FY－3B SST各算法的精度評估。精度評估以月匹配數(shù)據(jù)集為單位進(jìn)行，所用樣本為非獨(dú)立樣本，白天月平均樣本為7302個，夜間月平均樣本為7942個，SST算法的精度情況如圖2和圖3所示。由圖2可以看出，對于白天算法，NL＿D算法最優(yōu)，QD＿D算法次之，MC＿D算法稍差（R為相關(guān)系數(shù)），這與基于NOAA－19／AVHRR匹配數(shù)據(jù)集的算法精度結(jié)論一致。由圖3可以看出，對于夜間算法，NL＿N算法最優(yōu)，QD＿N算法次之，其后依次為TC＿N算法、MC＿N算法、DN＿N算法，這一精度順序與基于NOAA－19／AVHRR匹配數(shù)據(jù)集的算法精度排序結(jié)果不同，夜間短波紅外窗區(qū)的理論優(yōu)勢并沒有表現(xiàn)出來。

圖1 FY－3B／VIRR 2013年4月30日11：00 10.8μm通道亮溫圖像（a）、云檢測產(chǎn)品（b）及改進(jìn)后SST產(chǎn)品（c）Fig.1 Images of FY－3B／VIRR at 1100UTC 30April 2013（a）bright temperature image of 10.8μm，（b）cloud image，（c）SST image

圖2 2012年8月—2013年3月3種白天SST算法的精度曲線Fig.2 Statistics time series of three daytime SST algorithms with respect to in situ SST from August 2012to March 2013

通過對夜間FY－3B／VIRR MDB＿V1（月平均樣本量為7942）中反演SST與浮標(biāo)海溫殘差的分析及閾值調(diào)整，剔除了誤差大的樣本，生成了匹配數(shù)據(jù)集版本2（MDB＿V2，月平均樣本量為5455）?；贛DB＿V2，再次對FY－3BSST夜間5種算法進(jìn)行建模分析與精度評估（圖3）。由圖3可知，5種夜間算法中TC＿N算法最優(yōu)，NL＿N算法次之，其后依次為QD＿N算法、MC＿N算法、DN＿N算法，這一精度順序與基于NOAA－19／AVHRR匹配數(shù)據(jù)集的算法精度的排序結(jié)果基本一致，但夜間利用3.7μm通道的DN＿N算法始終最差。

圖3 2012年8月—2013年3月5種夜間SST算法的精度曲線Fig.3 Statistics time series of five nighttime SST algorithms with respect to in situ SST from August 2012to March 2013

對于FY－3BSST反演算法，MDB＿V1和 MDB＿V2哪個更優(yōu)，需要通過SST產(chǎn)品質(zhì)量檢驗判定。通過對比基于MDB＿V1的NL＿N算法與基于MDB＿V2的TC＿N算法反演出的FY－3BSST產(chǎn)品質(zhì)量，發(fā)現(xiàn)基于MDB＿V2的TC＿N算法存在類似于百葉窗的條帶現(xiàn)象（圖4），通過與FY－3B／VIRR定標(biāo)人員溝通，證實(shí)了這一現(xiàn)象。因此，對于FY－3B／VIRR，無論白天還是夜間，NL算法最優(yōu)。

3.2 FY－3B反演SST的質(zhì)量檢驗

衛(wèi)星測得的表層紅外輻射由10μm厚度以上的海水發(fā)出，因此測得的是表層海溫，現(xiàn)場觀測儀器測得的是水體溫度，二者有區(qū)別。表層海溫和水體溫度的差別有時會達(dá)到幾度，尤其是在白天晴空微風(fēng)的條件下［22］。因此，利用水體海溫對衛(wèi)星反演的表層海溫產(chǎn)品進(jìn)行真實(shí)性檢驗存在局限性。本文未對反演海溫和現(xiàn)場海溫之間的差異進(jìn)行訂正，反演算法的回歸系數(shù)由衛(wèi)星觀測亮溫和與之匹配的現(xiàn)場水體海溫回歸計算得到。因此，反演算法得到的海溫反映了表層溫度的變化，但總體而言，它代表了水體溫度。通常作為質(zhì)量檢驗參考的海溫產(chǎn)品有兩種［22－24］：現(xiàn)場海溫和全球分析場海溫。國外衛(wèi)星海溫產(chǎn)品也采用這兩種海溫進(jìn)行質(zhì)量檢驗。

圖4 2013年4月26日11：55SST圖像 （a）基于 MDB＿V2的TC算法，（b）基于 MDB＿V1的NL算法Fig.4 SST images at 1155UTC 26April 2013 （a）TC based on MDB＿V2，（b）NL based on MDB＿V1

3.2.1 基于現(xiàn)場海溫的FY－3BSST質(zhì)量檢驗

以現(xiàn)場海溫為參考海溫的FY－3BSST質(zhì)量檢驗基于2012年10—2013年3月共6個月的MDB＿V1進(jìn)行，以2012年10月—12月樣本（白天共20287個，夜間共22862個）進(jìn)行回歸，分別得到白天和夜間的回歸系數(shù)，再以2013年1—3月的獨(dú)立樣本進(jìn)行質(zhì)量檢驗。白天最優(yōu)算法NL＿D的獨(dú)立樣本為21133個，均方根誤差為0.41℃，泊松相關(guān)系數(shù)為99.8%；夜間最優(yōu)算法NL＿N的獨(dú)立樣本為21353個，均方根誤差為0.43℃，泊松相關(guān)系數(shù)為99.8%。

基于匹配數(shù)據(jù)集，對比FY－3B／VIRR 與 NOAA－19／AVHRR 最優(yōu)算法精度發(fā)現(xiàn)：NOAA－19／AVHRR的TC＿N算法和DN＿N算法精度高，且3.7μm通道的使用明顯地提高了夜間海溫反演的精度，這是由于夜間短波紅外窗區(qū)對水汽的敏感性較低［8，21］。NOAA－19／AVHRR TC＿N 算法精度優(yōu)于 NL＿D算法，而FY－3B／VIRR NL＿D算法的精度優(yōu)于TC＿N算法。正常情況下，由于白天海洋表面非均勻加熱，衛(wèi)星反演表層海溫和現(xiàn)場水體海溫之間差異白天大于夜間［23］。FY－3B／VIRR NL＿D 算法精度優(yōu)于TC＿N算法是因為FY－3B／VIRR白天云檢測精度優(yōu)于夜間，同時FY－3B／VIRR 3.7μm通道的性能沒有像NOAA－19／AVHRR那樣發(fā)揮其夜間的理論優(yōu)勢。

表2給出了TC＿N算法a0～a5的取值，可以看出：NOAA－19／AVHRR 3.7μm 通道亮溫的系數(shù)大于11μm和12μm通道（即｜a2｜大于｜a1｜和｜a3｜），而FY－3B／VIRR 3.7μm 通道亮溫的系數(shù)小于11μm 和12μm 通道（即｜a2｜小于｜a1｜和｜a3｜）。說明對于NOAA－19／AVHRR，3.7μm通道對海溫估計的貢獻(xiàn)大于分裂窗通道，而對于FY－3B／VIRR，3.7μm通道對海溫估計的貢獻(xiàn)小于分裂窗通道，這也印證了FY－3B／VIRR 3.7μm通道的性能沒有NOAA－19／AVHRR理想。

表2 TC＿N算法回歸統(tǒng)計信息Table 2 The regression information of TCSST Algorithm

3.2.2 基于分析場海溫的FY－3BSST質(zhì)量檢驗

由于分析場海溫具有時效性好，全球覆蓋且質(zhì)量均一的優(yōu)點(diǎn)，常作為衛(wèi)星反演海溫的檢驗源數(shù)據(jù)［22－24］。

以分析場海溫為參考海溫的FY－3BSST質(zhì)量檢驗基于2013年4月的SST反演產(chǎn)品進(jìn)行（回歸系數(shù)來自2013年3月MDB＿V1）。首先將0.25°×0.25°的 OISST 雙線性插值到 FY－3B／VIRR 儀器像元，L2SST誤差分析是在5min段FY－3BSST減去插值后的OISST基礎(chǔ)上進(jìn)行的。表3給出了各算法的質(zhì)量檢驗結(jié)果。

由表3可以看出，對于3種白天算法，NL＿D算法最優(yōu)，QD＿D算法精度略優(yōu)于MC＿D算法，但QD＿D算法的有效海溫像元數(shù)不及MC＿D算法。對于5種夜間算法，無論是全部樣本還是偏差在2℃以內(nèi)的樣本（選擇和參考海溫與OISST偏差在2℃以內(nèi)的樣本進(jìn)行誤差控制方法參見文獻(xiàn)［25－26］），無論是有效海溫像元數(shù)還是算法精度NL＿N算法均優(yōu)勢明顯，為最優(yōu)；TC＿N算法精度為次優(yōu)，但有效海溫像元數(shù)明顯處于劣勢；QD＿N算法和MC＿N算法精度相當(dāng)，QD＿N算法略有優(yōu)勢，但 MC＿N算法的有效海溫像元數(shù)比QD＿N算法多；DN＿N算法精度最差，夜間短波紅外窗區(qū)的理論優(yōu)勢未表現(xiàn)出來。

表3 2013年4月FY－3B／VIRR SST算法的誤差統(tǒng)計Table 3 Validation statistics of FY－3B／VIRR SST algorithms in April 2013

綜上所述，對于FY－3B／VIRR L2SST產(chǎn)品，無論白天或夜間，在各海溫算法中NL算法最優(yōu)，均方根誤差最小，且有效海溫像元數(shù)最多。

表4給出了2013年4月最優(yōu)算法NL的誤差統(tǒng)計結(jié)果。NL＿D和 NL＿N算法偏差分別為－0.62℃和 －0.43℃，標(biāo)準(zhǔn)偏差小于1.5℃。如果選用與OISST偏差在2℃以內(nèi)的樣本進(jìn)行誤差統(tǒng)計，NL＿D和NL＿N算法偏差分別為－0.24℃ 和0.04℃，標(biāo)準(zhǔn)偏差小于 0.84℃。NOAA 的 PFSST［25］將海溫質(zhì)量分為7個等級，質(zhì)量等級差的（即等級為1和2）兩類樣本均方根誤差為4.6℃，而質(zhì)量等級高的（即等級為6和7）兩類樣本均方根誤差分別為0.69℃和0.59℃。由此可見，對反演SST進(jìn)行質(zhì)量分級，用最優(yōu)樣本進(jìn)行誤差統(tǒng)計，有利于提高SST產(chǎn)品的可用性。

表4 2013年4月FY－3B／VIRR NL算法誤差統(tǒng)計結(jié)果Table 4 Monthly validation statistics for FY－3B／VIRR NL in April 2013

3.3 算法改進(jìn)

匹配算法方面，選擇來自NESDIS／STAR的高精度浮標(biāo)資料取代來自全體通信系統(tǒng)（GTS）的無質(zhì)量控制信息的浮標(biāo)資料，從而避免回歸階段引入額外的輸入誤差；對匹配數(shù)據(jù)集的結(jié)構(gòu)進(jìn)行擴(kuò)充，為后續(xù)誤差分析提供便利條件；選擇樣本海選加優(yōu)選的策略，使樣本選擇更加合理。

回歸算法方面，在原有最小二乘回歸的基礎(chǔ)上，利用NOAA－19／AVHRR 2010全年的匹配數(shù)據(jù)集進(jìn)行二次回歸。與一次回歸相比，白天MC＿D算法的回歸精度提高21%，夜間TC＿N算法的回歸精度提高30%。基于NOAA－19／AVHRR匹配數(shù)據(jù)集，進(jìn)行了多算法回歸建模分析及精度評估，白天最優(yōu)算法為NL＿D算法，夜間最優(yōu)算法為TC＿N算法，最優(yōu)算法的確定與NESDIS／STAR一致。

反演算法方面，引入空間一致性檢驗和氣候閾值檢驗，使云污染（尤其是夜間）現(xiàn)象得到抑制。這些改進(jìn)有利于提高海溫產(chǎn)品的精度。

4 小 結(jié)

利用FY－3B／VIRR氣象衛(wèi)星資料和高精度浮標(biāo)資料按1.1km的空間分辨率和1h的時間分辨率進(jìn)行匹配，建立了自2012年8月—2013年3月的逐月全球匹配數(shù)據(jù)集，并在該基礎(chǔ)上進(jìn)行了回歸建模和多算法精度評估，得到如下結(jié)論：

1）FY－3B／VIRR SST白天和夜間的最優(yōu)算法均為NL算法。

2）3.7μm通道對夜間SST算法的貢獻(xiàn)小于分裂窗通道。

3）基于匹配數(shù)據(jù)集版本2的TC＿N算法存在類似百葉窗的條帶現(xiàn)象。

以2012年10—12月匹配數(shù)據(jù)集求得的回歸系數(shù)、以2013年1—3月的獨(dú)立樣本進(jìn)行反演海溫的質(zhì)量檢驗，與浮標(biāo)海溫相比，NL＿D和NL＿N算法的均方根誤差分別為0.41℃ 和0.43℃。基于2013年4月5min段L2SST產(chǎn)品，反演海溫和日平均OISST相比，NL＿D和NL＿N算法的均方根誤差分別為1.45℃和1.5℃。選擇與OISST偏差在2℃以內(nèi)的樣本，NL＿D和NL＿N算法的均方根誤差分別為0.82℃和0.84℃。

為了平衡海溫產(chǎn)品覆蓋度與精度，提高海溫產(chǎn)品的可用性，通過海溫質(zhì)量控制進(jìn)行逐像元海溫質(zhì)量標(biāo)識是下一步的工作重點(diǎn)。

致 謝：本工作得到國家衛(wèi)星氣象中心許健民院士的大力支持與悉心指導(dǎo)，也得到了盧乃錳研究員、張甲珅研究員、楊忠東研究員和唐世浩研究員的大力支持與幫助，在此表示感謝。感謝美國國家海洋與大氣管理局衛(wèi)星應(yīng)用研究中心（NOAA／NESDIS／STAR）提供 的 現(xiàn) 場 海 溫 和 NOAA－19／AVHRR匹配數(shù)據(jù)集，感謝美國國家海洋與大氣管理局國家氣候中心（NOAA／NCDC）提供的雷諾茲最優(yōu)插值海溫OISST數(shù)據(jù)，感謝美國國家海洋與大氣管理局地球系統(tǒng)研究實(shí)驗室（NOAA／ESRL）提供的30年月平均海溫。

［1］ 楊軍，董超華.新一代風(fēng)云極軌氣象衛(wèi)星業(yè)務(wù)新產(chǎn)品及應(yīng)用.北京：科學(xué)出版社，2010.

［2］ Minnett P.The regional optimization of infrared measurements of sea surface temperature from space.Journal of Geophysical Research：Oceans（1978－2012），1990，95（C8）：13497－13510.

［3］ Barton I，Cechet R.Comparison and optimization of AVHRR sea surface temperature algorithms.J Atmos Ocean Technol，1989，6：1083－1089.

［4］ Prabhakara C，Dalu G，Kunde V G.Estimation of sea surface temperature from remote sensing in the 11－to 13－μm window region.J Geophys Res，1974，79（33）：5039－5044.

［5］ McClain E P，Pichel WG，Walton C C.Comparative performance of AVHRR－based multichannel sea surface temperatures.J Geophys Res，1985，90（11）：11587－11601.

［6］ Cornillon P，Gilman C.Processing and analysis of large volumes of satellite－derived thermal infrared data.Journal of Geophysical Research：Oceans（1978－2012），1987，92（C12）：12993－13002.

［7］ Walton C，Pichel W.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.

［8］ Walton C C.Nonlinear multichannel algorithms for estimating sea surface temperature with AVHRR satellite data.J Applied Meteor，1988，27：115－124.

［9］ Li X，Pichel W，Maturi E，et al.Deriving the operational nonlinear multichannel sea surface temperature algorithm coefficients for NOAA－15AVHRR／3.Int J Remote Sens，2001，22（4）：699－704.

［10］ Wu X Q，Paul W M，Gary S W.Estimation of sea surface temperatures using GOES－8／9radiance measurements.Bull Amer Meteor Soc，1999，80：1127－1138.

［12］ 王保華.極軌氣象衛(wèi)星業(yè)務(wù)產(chǎn)品SST反演方法及精度檢驗.氣象科技，2001，29（1）：27－30.

［13］ 許健民，楊軍，張志清，等.我國氣象衛(wèi)星的發(fā)展與應(yīng)用.氣象，2010，36（7）：94－100.

［14］ 李俊，方宗義.衛(wèi)星氣象的發(fā)展——機(jī)遇與挑戰(zhàn).氣象，2012，38（2）：129－146.

［15］ 陳麗娟，袁媛，楊明珠，等.海溫異常對東亞夏季風(fēng)影響機(jī)理的研究進(jìn)展.應(yīng)用氣象學(xué)報，2013，24（5）：521－532.

［16］ 袁杰，鞏遠(yuǎn)發(fā)，魏鳳英，等.關(guān)鍵區(qū)海溫年代際異常對我國東部夏季降水影響.應(yīng)用氣象學(xué)報，2013，24（3）：268－277.

［17］ 韓雪，魏鳳英，董敏，等.統(tǒng)計預(yù)報海溫場驅(qū)動的CAM3.1模式預(yù)報試驗.應(yīng)用氣象學(xué)報，2009，20（3）：303－311.

［18］ 楊素雨，嚴(yán)華生.冬季北太平洋南北海溫異常對我國汛期雨帶類型的影響研究.應(yīng)用氣象學(xué)報，2007，18（2）：193－201.

［19］ 李秀萍，羅勇，郭品文，等.春夏季赤道中東太平洋海溫異常變化與東亞夏季風(fēng)關(guān)系的研究.應(yīng)用氣象學(xué)報，2006，17（2）：176－182.

［20］ 周曉霞，王盤興，祝昌漢，等.全球海溫異常年代際分量的方差貢獻(xiàn)及其與中國氣候異常的相關(guān).應(yīng)用氣象學(xué)報，2005，16（1）：96－104.

［21］ Martin S.蔣興偉，譯.海洋遙感導(dǎo)論.北京：海洋出版社，2008.

［22］ Ignatov A.GOES－R Advanced Baseline Imager Algorithm Theoretical Basis Document for Sea Surface Temperature.2010.［2013－07－26］.http：∥ www.goes－r.gov／products／ATBDs／baseline／baseline－SST－v2.0.pdf.

［23］ Dash P，Ignatov A，Kihai Y，et al.The SST quality monitor（SQ UAM）.J Tech，2010：27，doi：10.1175／2010JTECHO756.1，1899－1917.

［24］ 王素娟，陸風(fēng)，張鵬，等.FY2海面溫度產(chǎn)品質(zhì)量檢驗方法與誤差分析.氣象，2013，39（10）：1331－1336.

［25］ 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.

［26］ 毛志華，朱乾坤，潘德爐.衛(wèi)星遙感業(yè)務(wù)系統(tǒng)海表溫度誤差控制方法.海洋學(xué)報，2003，25（5）：49－57.

The Improvement of FY－3B／VIRR SST Algorithm and Its Accuracy

Wang Sujuan1）Cui Peng1）Zhang Peng1）Ran Maonong2）Lu Feng1）Wang Weihe1）

1）（National Satellite Meteorological Center，Beijing100081）
2）（Beijing Huayun Shinetek Satellite Application Engineering Technology Company Limited，Beijing100081）

The evolution of sea surface temperature（SST）algorithms is introduced and a set of SST regression formalisms are given.Some improvements are made based on operational SST algorithm from FY－3Bmeteorological satellite visible and infrared radiometer（VIRR）data.On matching algorithm，quality controlled in situ data from the in situ quality monitor（iQUAM）is used to improve the input data precision of regression.Fields of matchup database（MDB）are enlarged to provide the convenience for error analysis.Pixels with“confident clear”flag in FY－3B／VIRR cloud mask（CLM）products are matched up to form gross matchups，and then tightly filtered by some tests to form tight matchups，which make the sample selection more reasonable.On regression algorithm，based on least－square regression used for the early operational SST product，the robust regression is developed，and its performance is tested by NOAA－19／AVHRR MDB of 2010.It shows that the precision of SST is increased by 21%in daytime with split－window non－linear SST（NL）algorithm and 30%in nighttime with triple－window MC（TC）algorithm.On retrieval algorithm，the spatial uniformity test and climate reference test are introduced，the unidentified cloud（especially at night）is excluded and the SST retrieval precision is improved.A set of SST regression formalisms are tested based on NOAA－19／AVHRR 2010MDB.It shows NL is the best algorithm for daytime while TC is the best algorithm for nighttime，which is accordant with NESDIS／STAR.The monthly MDB is created from FY－3B／VIRR measurements paired with coincident SST measurements from buoys data.The same regression analysis method is also used on FY－3B／VIRR MDB.Comparing three daytime SST algorithms and five nighttime SST algorithms，the best algorithm to retrieve FY－3B／VIRR SST is NLboth in daytime and nighttime.It shows for FY－3B／VIRR nighttime TC，the contribution of 3.7μm band is smaller than split－window bands，and the calibration of 3.7μm band has stripe phenomenon.A threemonth MDB from October to December in 2012is used to derive coefficients.An independent MDB from January to March in 2013is used to access the accuracy of the best NL algorithm for FY－3B／VIRR.Based on matchup analyses，the root mean square error（RMSE）between FY－3B／VIRR SST and in situ SST is 0.41℃ （NL＿D）and 0.43℃ （NL＿N）.Compare with Daily Optimum Interpolation SST （OISST），the RMSE of FY－3B／VIRR SST is 1.45℃ （NL＿D）and 1.5℃ （NL＿N）.When the absolute difference between FY－3B／VIRR SST and OISST is within 2℃，the RMSE is 0.82℃ （NL＿D）and 0.84℃ （NL＿N）.

FY－3Bmeteorological statellite；visible and infrared radiometer（VIRR）；sea surface temperature；algorithm

王素娟，崔鵬，張鵬，等.FY－3B／VIRR海表溫度算法改進(jìn)及精度評估.應(yīng)用氣象學(xué)報，2014，25（6）：701－710.

2014－03－12收到，2014－09－15收到再改稿。

國家自然科學(xué)基金項目（41075021，41175023），中國氣象局關(guān)鍵技術(shù)集成與應(yīng)用項目（CMAGJ2014M66）

＊email：wangsj＠cma.gov.cn