路澤廷，朱江，韓君，元慧慧

（1.中國科學院大氣物理研究所，北京 100029；2.中國科學院大學，北京100049；3.中國人民解放軍61741 部隊，北京 100094）

海表鹽度在大洋環(huán)流、海氣相互作用等全球大氣、海洋過程中起著重要作用。一方面，海表鹽度影響制約著障礙層形成、深層水團形成、溫鹽環(huán)流等海洋物理過程；另一方面，作為海氣交界面處的關(guān)鍵要素，海表鹽度的季節(jié)和年際變化同ENSO 等海氣相互作用現(xiàn)象息息相關(guān)，是理解和預測氣候變化必須的信息（Jordi et al，2010； Chen et al，2014；陳建，2014）。

在2009年以前，海表溫度、海面高度、海洋水色、海冰、海風、海浪、海流等幾乎所有的海面要素都實現(xiàn)了遙感觀測，鹽度是唯一未實現(xiàn)從太空進行遙感監(jiān)測的海面關(guān)鍵要素，這主要是由于星載輻射計觀測的輻射亮溫對于鹽度的變化敏感度過低。鑒于鹽度在海洋科學研究中的重要性，鹽度現(xiàn)場觀測資料無論在時間連續(xù)性，還是空間分辨率上都遠遠不能滿足科學研究的需要（Jean-Luc Vergely et al，2014；CP34，2008；Jordà，2011；Martin-Neira et al，2011； Yin et al，2011）。進入21 世紀以來，隨著遙感探測、計算機技術(shù)、數(shù)據(jù)通信以及大氣和海洋科學等各領(lǐng)域諸多新技術(shù)的進步，鹽度的衛(wèi)星遙感條件基本成熟。到今天為止，已經(jīng)有2 顆鹽度遙感衛(wèi)星發(fā)射成功，包括2009年11月歐洲空間局（ESA） 發(fā)射的SMOS（土壤濕度和海洋鹽度） 衛(wèi)星，以及2011年6月發(fā)射的由美國航空航天局（NASA） 和阿根廷航天局（CONAE） 聯(lián)合開發(fā)的水瓶座（Aquarius/SAC-D）衛(wèi)星（Beno?t et al，2008）。二者的工作頻率都在對鹽度變化相對最敏感的L 波段。其中，SMOS 衛(wèi)星已在軌運行4年多，相比水瓶座衛(wèi)星積累了更長時間的資料，其資料反演算法也經(jīng)過幾個項目組的艱苦努力，得到不斷的改進，并于近期推出了經(jīng)過再處理的質(zhì)量更優(yōu)的多種海表鹽度產(chǎn)品（CATDSCECOS， 2011， 2012； Barcelona Expert Center，2014a，2014b）。因此，本文主要對SMOS 衛(wèi)星資料進行分析。

盡管，全新的SMOS 衛(wèi)星遙感海表鹽度資料具有難以替代的科學價值，但由于L 波段亮溫對鹽度變化的敏感率很低，以及銀河系輻射、無線電頻率干擾、太陽污染、陸地污染、海冰污染、海面粗糙度的不準確等各種因素導致的噪音量級幾乎與信號相當，因此鹽度遙感非常困難，算法很復雜，誤差因素很多。因此，目前的衛(wèi)星海表鹽度資料的精度與現(xiàn)場鹽度觀測資料相比，還有不小的差距。但由于其時空分辨率較高，且分布均勻、連續(xù)，因此可以大大彌補現(xiàn)場觀測資料的不足（CATDSCECOS，2011； Jordà et al，2010； Reul et al，2011； Boutin et al， 2012； Brassington et al，2009）。

要對這種新資料進行充分有效利用，將其同化到海洋模式中，改善海洋預報的初值、提供更為準確的海洋再分析資料，是一種重要的渠道。但在對其進行同化之前，深入了解其誤差分布特征很有必要。本文的目的，就是對最新發(fā)布（經(jīng)過再處理）的幾種SMOS 海表鹽度資料L3/4 級產(chǎn)品進行統(tǒng)一的檢驗和比較，了解其誤差分布特征，分析誤差原因，為下一步對其進行同化做必要的準備，也為使用該資料的其他學者提供有益的參考。

1 資料和方法

1.1 SMOS 衛(wèi)星海表鹽度資料

本文檢驗的SMOS 衛(wèi)星海表鹽度資料包括兩大類，共5 種。由于2010年5月以前，為SMOS 衛(wèi)星的試運行階段，資料質(zhì)量不太可靠；另外在2010年底有十幾天時間，由于技術(shù)故障導致資料不可靠（Barcelona Expert Center，2014a）。因此，選取的檢驗時間段為2011.1-2013.12，對這3年的資料進行檢驗。

（1） 由BEC（SMOS 西班牙巴塞羅那專家中心）制作，通過CP34（SMOS L3/4 產(chǎn)品處理中心）發(fā)布的，經(jīng)過再處理的新一代SMOS 海表鹽度三級和四級產(chǎn)品，共3 種（Barcelona Expert Center，2014b），分辨率相同：9 d 平均、水平分辨率0.25°×0.25°。

3 種產(chǎn)品分別是：

1） 簡單加權(quán)平均產(chǎn)品（本文中記作BEC_binned），通過對歐洲空間局（ESA） 的L2 級產(chǎn)品經(jīng)過篩選后，在9 d、0.25°的時空網(wǎng)格內(nèi)進行加權(quán)平均得到，加權(quán)平均公式如下：

σi是在L2 產(chǎn)品處理中計算得到的該點觀測值SSSi的理論不確定性（標準差），Ri 是對應觀測點的信號采集覆蓋區(qū)（波束照射面積） 的相當直徑，N 是該均勻時空網(wǎng)格（目標網(wǎng)格） 內(nèi)包含的有效L2 級SSS 觀測資料個數(shù)。

2） 最優(yōu)插值產(chǎn)品（記作BEC_oi）；

以WOA09月平均資料為背景場，對經(jīng)過篩選的歐洲空間局（ESA） 的L2 級SSS 資料進行最優(yōu)插值（客觀分析），得到更加連續(xù)、縫隙更少的均勻格點產(chǎn)品。

3） 使用奇異值分析方法制作的融合產(chǎn)品（記作BEC_fused）。

使用一個高質(zhì)量的衛(wèi)星觀測物理參數(shù)（比如SST） 作為模板變量，對一個噪聲量（SSS） 的奇異鋒的多重分形結(jié)構(gòu)進行恢復。基于奇異值分析的融合技術(shù)，不僅可以用于改善信號水平，還可以提高融合場的時空分辨率（融合場的時空分辨率與模板變量的時空分辨率一致）。

該產(chǎn)品的源數(shù)據(jù)為L3 級的簡單加權(quán)平均產(chǎn)品（BEC_binned），因此屬L4 級產(chǎn)品。

（2） CATDS/CEC-OS（SMOS 法國L3/4 級產(chǎn)品地面處理中心/海洋鹽度專家中心） 處理制作的SMOS 海表鹽度L3 級研究產(chǎn)品（第二代），該產(chǎn)品有2 種（CATDS-CECOS，2012）：一種是月平均資 料、水平分辨率 1°×1°（本文中記作CEC_mon_1）；另外一種是10 d 平均、水平分辨率0.5°×0.5° （本文中記作CEC_10day_0.5）。對這兩種資料的檢驗比較，主要是考察時空分辨率（對二級產(chǎn)品處理時做平均的時間、空間尺度） 對資料質(zhì)量的影響。

與BEC 產(chǎn)品不同，CATDS/CEC-OS 制作的L3級產(chǎn)品，源數(shù)據(jù)為歐洲空間局（ESA） 經(jīng)過再處理的L1B 級產(chǎn)品，而非L2 級。CATDS 基于自己的獨立算法，生成EASE 網(wǎng)格上的L1C 產(chǎn)品（不同于ESA/DPGS（歐洲空間局地面資料處理中心） 的ISEA 網(wǎng)格），再由此進一步處理得到自己的L2 級產(chǎn)品。由L2 產(chǎn)品處理得到L3 產(chǎn)品的過程主要是加權(quán)平均，沒有使用其它SSS 資料，但其預處理（L2 產(chǎn)品的篩選過濾更加嚴格），加權(quán)平均公式也有所不同，如下：

其權(quán)重僅僅與觀測誤差方差成反比，沒有考慮波束覆蓋范圍大小。誤差方差來自L2OS 的最小二乘迭代處理過程（包括亮溫誤差、風速和SST 等輔助資料的誤差，對這些誤差及其傳播進行估計得到）。

1.2 Argo 資料及其處理

本文對于SMOS 海表鹽度資料的檢驗，使用的檢驗資料主要是Argo 資料。因為，在各類現(xiàn)場觀測資料中，Argo 資料的準確度是比較高的，并且自2000年以來Argo 計劃的大力開展，Argo 浮標開始大量投放，Argo 資料逐漸成為溫鹽現(xiàn)場海洋觀測的主體。使用單一的一種資料做檢驗，也避免不同類型資料的誤差不同，造成檢驗結(jié)果的不準確和不一致性。本文采用的Argo 資料來自全球Argo資料中心之一、法國海洋開發(fā)研究院IFRMER Coriolis 數(shù)據(jù)中心 （http：//www.coriolis.eu.org；Thierry et al，2014）。時間段與所檢驗的SMOS 資料一致，為2011.1-2013.12。

對于Argo 廓線資料，首先進行嚴格的篩選，篩選標準包括：

（1） 只選擇延時處理或?qū)崟r處理但經(jīng)過訂正的；

（2） 經(jīng)度、緯度、深度、鹽度質(zhì)控標記都為最優(yōu)；

（3） 整條廓線質(zhì)控標記為優(yōu)；

（4） 對深度做單調(diào)性檢查，剔除不單調(diào)遞增的異常觀測；

（5） 第1 層有效觀測深度小于6 m；

（6） 每條廓線深度層不少于3 層。

對經(jīng)過以上篩選的Argo 鹽度廓線，統(tǒng)一插值到6 m 層，將其作為海表鹽度檢驗的標準。理論上，SMOS 衛(wèi)星測得的海表鹽度為表皮層（約5 cm）的鹽度，所以作為檢驗標準的現(xiàn)場觀測越淺越好，但是由于Argo 資料最表層資料淺于5 m 的數(shù)量過少，且部分Argo 浮標在5 m 以上的觀測不可靠，因此選擇6 m 深度做為統(tǒng)一的檢驗標準深度。

接下來，對經(jīng)過上述處理的Argo 海表鹽度（SSS） 資料，按照每一種SMOS SSS 資料的時間、空間分辨率，在每個時、空網(wǎng)格單元內(nèi)做簡單的算術(shù)平均，得到的平均值即作為該空間網(wǎng)格在該時段平均的海表鹽度的真值，對SMOS SSS 資料進行檢驗。

1.3 檢驗及插補方法

本文通過將幾種SMOS SSS L3/4 級產(chǎn)品與WOA09 氣候態(tài)資料以及經(jīng)過上述處理（見1.2 節(jié)）的Argo 資料進行比較，分析其誤差分布的基本特征，以及幾種資料之間的異同，并對誤差的不同來源進行分析。首先，以一種SSS 產(chǎn)品為例，通過比較3年平均的SMOS SSS 場與WOA09 SSS，對SMOS SSS 資料的基本特征做一個定性的了解；然后給出SMOS SSS 與對應Argo 資料的偏差的統(tǒng)計頻數(shù)直方圖，計算了其平均值、標準差、偏度系數(shù)等基本統(tǒng)計量，對其誤差的總體分布情形有個大致的了解；接下來，通過比較法國CATDS/CEC-OS專家中心的兩種不同時空分辨率的產(chǎn)品（CEC_mon_1 和CEC_10day_0.5） 的平均偏差和均方根誤差，來考察分辨率對資料誤差的影響；最后對4 種高分辨率產(chǎn)品進行比較，分析各自的優(yōu)缺點。

由于Argo 廓線是不均勻分布的，其漂流軌跡也不規(guī)則，大洋中很多網(wǎng)格（這里指對應于幾種SMOS 資料空間分辨率（0.25°，0.5°，或1°） 的均勻矩形網(wǎng)格） 內(nèi)無觀測或者觀測數(shù)量不足。大量缺測的存在，一方面造成繪圖顯示困難，另外要對這些資料進行同化時，需要了解其全場的誤差分布特征，因此有必要對計算的SSS 的均方根誤差或平均偏差的缺測值進行插補，得到所有海洋網(wǎng)格點的RMSE 場。之所以對均方根誤差或平均偏差進行插補，而不是對原始數(shù)據(jù)進行插補，是因為這樣可以清楚地知道哪些網(wǎng)格點SMOS SSS 資料和Argo SSS資料都存在有效數(shù)據(jù)，而且也可以減小計算量。

插補方法：

1） 該點無缺測，取原值，無需插補；

2） 該點缺測，但周圍8 點有有效值，取周圍8 點平均；

3） 周圍8 點都缺測，取以該點為中心的10°×10°大網(wǎng)格平均；

4） 如果再為缺測，繼續(xù)擴展到30°×30°大網(wǎng)格平均。

2 結(jié)果分析

2.1 總體特征分析

在進行細致的檢驗之前，首先定性的看一下SMOS SSS 的總體分布特征。不考慮季節(jié)變化和更小時間尺度的變率，以CEC_mon_1 資料（見2.1）為例，對2011-2013年3年的SSS 資料進行平均，得到的平均海表鹽度（SSS） 場如圖1（a） 所示，圖1（b） 同時給出了WOA09 的客觀分析的氣候態(tài)年平均海表鹽度場。

如圖所示，定性地看，SMOS年平均海表鹽度場與WOA09 資料非常接近。一些重要的分布特征包括：各大洋從低緯到高緯，鹽度的分布都呈現(xiàn)低－高－低相間的緯向帶狀分布；鹽度最大的區(qū)域位于副熱帶的“海洋沙漠”地帶，這里溫度高、蒸發(fā)量大，主要受下沉氣流控制，降水較少；在暖池、赤道輻合帶（ITCZ） 和南太平洋輻合帶（SPCZ） 的平均位置附近，因降水豐富，平均鹽度較小；高緯地區(qū)由于溫度低，蒸發(fā)量小，鹽度也低；三大洋相比，大西洋鹽度最高。其它，還比如相鄰的阿拉伯海的高鹽與孟加拉灣的低鹽的鮮明對比，亞馬遜河口沖淡水的低鹽區(qū)，赤道東太平洋向西北延伸的淡水舌，等等。但是，也有一些地方存在顯著的差異，比如南極洲沿岸，SMOS SSS 顯著偏低，這可能是“陸地污染”（land contamination，由陸地和海洋的不同輻射特性造成） 和“海冰污染”（icecontamination，由海冰和海洋的不同輻射特性引起） 造成的，但另一方面由于那里現(xiàn)場觀測極其稀少，WOA09 資料的可靠性也值得懷疑；其他還比如，東中國海和日本海，SMOS SSS 明顯偏高，這主要是陸地污染和無線電頻率干擾引起的誤差所致（Martin-Neira et al，2011； CATDS-CECOS，2012）。另外，由于SMOS 數(shù)據(jù)與WOA09 數(shù)據(jù)的時間跨度不同，SMOS 數(shù)據(jù)為2011-2013年3年平均，WOA09 數(shù)據(jù)為幾十年資料的氣候平均，這也是造成二者之間差異的原因之一。

圖2 是全球2011-2013年3年的所有SMOS SSS（CEC_mon_1 資料） 與對應Argo SSS 資料的偏差數(shù)據(jù)的統(tǒng)計頻數(shù)分布圖。由圖可見，該偏差的分布接近正態(tài)分布，但是比正態(tài)分布更加集中，3年的平均偏差為-0.028，接近無偏。該差值（可看作SMOS 資料的誤差） 的標準差為0.385，由于平均偏差很小，這個指標接近均方根誤差，可以作為SMOS 資料的平均誤差的一種度量。偏度系數(shù)為-0.96，表明該偏差的分布在平均值左側(cè)更加分散一些，但是分布的非對稱性并不顯著。

2.2 分辨率的影響

圖1 SMOS年平均SSS 與WOA09 氣候平均SSS 的比較

圖2 SMOS SSS（CEC_mon_1 資料） 與對應Argo 資料的偏差的統(tǒng)計頻數(shù)直方圖及與之匹配的正態(tài)分布曲線

本節(jié)通過比較法國CATDS/CEC-OS 專家中心的兩種V02 產(chǎn)品（CEC_mon_1 和CEC_10day_0.5），來考察分辨率對資料誤差的影響。這兩種資料的處理算法、流程相同，只是時間、空間分辨率不同，前者為月平均、水平分辨率1°×1°；后者是10 d 平均、水平分辨率0.5°×0.5°。

由于檢驗資料Argo 資料為漂流浮標資料，其空間分布是離散的、隨機的，對于歐拉坐標系內(nèi)的固定點來說，其時間分布是不連續(xù)的，最終計算得到的均方根誤差（RMSE）和平均偏差（BIAS）場，都是不連續(xù)的，直接繪圖比較，不夠直觀（圖略）。為了看起來更加清晰，采取了兩種處理，一是對每個網(wǎng)格點上計算的RMSE 和BIAS 在10°×10°的網(wǎng)格內(nèi)求平均，另一種是采用1.3 節(jié)中提出的方法對缺測點進行插補。兩種方法都能得到空間上連續(xù)分布的數(shù)據(jù)，第一種方法能夠清晰的勾勒出大概的空間分布特征，第二種則給出了更細節(jié)的信息。

圖3 和圖4 分別給出了這兩種方法計算得到的誤差分布特征。表1 和表2 則給出了兩種CEC 資料的，全球以及三大洋分別計算的，不同緯度帶進行平均的均方根誤差（RMSE） 和平均偏差（BIAS） 數(shù)值（表1 和表2 是對全部有數(shù)據(jù)的點進行平均得到，沒有數(shù)據(jù)的地方不參與平均）。對于這些結(jié)果，綜合進行分析。

由圖3、圖4 和表1、表2 可以看出，隨著時空分辨率的降低，均方根誤差顯著減小，圖3 中RMSE<0.2 的范圍顯著增大。但是平均偏差隨時空分辨率的變化不大。其他特征包括：

（1） 大洋中部誤差較小，近陸誤差大，對于RMSE 和平均偏差絕對值都是如此，RMSE 更加明顯（圖3、圖4）；

（2） 三大洋中太平洋均方根誤差最?。▓D3、圖4、表1、表2）；

（3） 大體上，緯度越高，誤差越大，但也不盡然，比如南半球20-40S，40-55S 誤差都較小。（圖3、圖4、表1、表2）；

（4） 太平洋和大西洋ITCZ 附近誤差相對較大，太平洋ITCZ 附近主要是負偏差，大西洋ITCZ附近以正偏差為主（圖4）；

（5） 分辨率降低大洋內(nèi)部RMSE 顯著減小，陸地邊緣變化不大（圖4）；

（6） 一般RMSE 小的，BIAS 絕對值也小，有較好的對應關(guān)系（圖3、圖4、表1、表2）；

圖3 在10 度網(wǎng)格內(nèi)進行平均處理的兩種CEC_SMOS_SSS 資料相對于Argo 資料的均方根誤差（RMSE） 和平均偏差（BIAS）

圖4 經(jīng)過插補處理的兩種CEC_SMOS_SSS 資料相對于Argo 資料的均方根誤差（RMSE） 和平均偏差（BIAS）

表1 CEC_mon_1 資料的分區(qū)誤差統(tǒng)計表

表2 CEC_10day_0.5 資料的分區(qū)誤差統(tǒng)計表

（7） 近陸大誤差區(qū)以負偏差為主，CEC_mon_1資料更加明顯，但CEC_10day_0.5 資料在中國海和日本海則為正偏差（圖3、圖4）；

（8） 南極繞極流區(qū)、黑潮附近、北太平洋、北大西洋等處正負偏差相間分布，中尺度特征明顯（圖4）；

（9） 均方根誤差最小（<0.2） 的區(qū)域多為負偏差區(qū)，這是由于CATDS/CECSMOS SSS 資料總體上傾向于負偏差，10 度平均圖上的負偏差區(qū)為比較一致的負偏差，所以BIAS 絕對值和RMSE 值接近；而正偏差區(qū)則是正負相間，以正為主，所以RMSE 值大于平均偏差絕對值（圖3、圖4）；

（10） 全球（南北緯75 度以內(nèi)） 平均，CEC_10day_0.5 資料的RMSE 為0.362，CEC_mon_1 資料的RMSE 為0.314。中低緯大洋內(nèi)部，均方根誤差多在0.4 以下（圖3、圖4、表1、表2）；

（11） 兩種CEC_SSS 資料的緯度帶平均偏差都很小，大都接近零值，基本可以看作無偏的。（表1、表2）

2.3 幾種高分辨率資料的比較

本節(jié)對4 種較高時空分辨率的SMOS SSS 格點產(chǎn)品進行檢驗比較，檢驗方法同3.2 節(jié)。這4 種資料分別是：CEC_10day_0.5，BEC_binned，BEC_oi和BEC_fused（見2.1 節(jié)）。圖5-6 給出了經(jīng)插補處理得到的均方根誤差（RMSE） 和平均偏差（BIAS） 分布圖。限于篇幅，原始離散網(wǎng)格點的計算結(jié)果以及10°網(wǎng)格平均圖沒有給出。表3-6 則分別給出了全球以及三大洋的，4 種資料不同緯度帶進行平均的均方根誤差和平均偏差數(shù)值。對于這些結(jié)果，綜合進行分析。

對這4 種高分辨率資料的比較，有以下結(jié)論：

（1） BEC_binned 資料均方根誤差最大，全球平均0.5～0.6，近陸20°-30°的范圍以及南極繞極流區(qū)RMSE 都在0.4 以上。其他3 種9 ～ 10 d、0.25°-0.5°分辨率資料（CEC_10day_0.5，BEC_oi，BEC_fused） 均方根誤差量級相當，差異不太明顯。BEC 的兩種分析產(chǎn)品總體上RMSE 更小（圖5、表3-6）。

（2） 三大洋相比，太平洋RMSE 最小，印度洋RMSE 最大，大西洋居中（圖5、表4-6）。

（3） 從均方根誤差來看，BEC_oi 和BEC_fused資料在近岸地區(qū)（尤其是太平洋和印度洋近岸地區(qū)） 優(yōu)于CEC_10day_0.5，總體表現(xiàn)BEC_oi 似乎更好些。在東中國海、日本周邊、菲律賓海等西北太平洋邊緣海以及南美西海岸，BEC_fused 資料最好。而在北太平洋和北大西洋中緯度大洋中部，CEC_10day_0.5 資料略好（圖5）。

（4） 對于平均偏差，則是CATDS/CEC-OS 的CEC_10day_0.5 資料遠小于其他3 種BEC 的資料。再查看表1 可見，CEC_mon_1 資料的平均偏差與CEC_10day _0.5 大體相當，而3 種BEC 資料的平均偏差也大體相當。CEC 中心處理的資料偏差要顯著小于BEC 中心處理的資料。3 種BEC 資料相比，BEC_oi 平均偏差最?。ū?-6）。

（5） BEC3 種資料的平均偏差空間分布形勢相近，CEC 兩種資料的空間分布形勢也相近。但二者之間存在比較明顯的差別，比如在西太平洋大陸邊緣，BEC 為較強的負偏差，CEC 則以正偏差為主；日界線附近的熱帶太平洋，CEC 存在較強負偏差，BEC 則無；南極繞極流附近，BEC 資料有很大的正偏差，而CEC 資料沒有，等等（圖6）。

圖5 經(jīng)過插補處理的4 種SMOS_SSS 資料相對于Argo 資料的均方根誤差（RMSE）

圖6 經(jīng)過插補處理的4 種SMOS_SSS 資料相對于Argo 資料的平均偏差（BIAS）

表3 全球（0-360°E） 4 種SMOS SSS 資料的分區(qū)誤差統(tǒng)計表

表4 太平洋4 種SMOS SSS 資料的分區(qū)誤差統(tǒng)計表

表5 大西洋4 種SMOS SSS 資料的分區(qū)誤差統(tǒng)計表

表6 印度洋4 種SMOS SSS 資料的分區(qū)誤差統(tǒng)計表

（6） 3 種BEC 資料相比，簡單加權(quán)平均得到的BEC_binned 資料RMSE 和BIAS 都最大，利用其他更可靠資料融合處理后的BEC_oi 和BEC_fused 資料，RMSE 大幅減小，BIAS 也有所減小，但不像RMSE 那樣顯著，個別地方甚至還略有增大（表3-6）。

（7） BEC_fused 資料在北大西洋15N 以北大面積出現(xiàn)較強負偏差，比BEC_binned 資料偏差還大，原因有待進一步分析（圖6）。

（8） 高緯地區(qū)，往往bias 最大，RMSE 也最大（圖5-6、表3-6）。

（9） 熱帶地區(qū)均方根誤差，從數(shù)值上來看（表3 -6）， 一 般 來 說， CEC_10day_0.5 >BEC_oi >BEC_fused，即BEC_fused 優(yōu)于BEC_oi，這與從圖5 上看到的不太一致。這可能是由于，圖5 顯示的是誤差較小的面積范圍大小，在小于0.2 的范圍內(nèi)，BEC_fused 資料的誤差數(shù)值相對更小些，導致盡管范圍并不大，但平均誤差數(shù)值更小。

（10） 中高緯4 種資料的均方根誤差相對大小比較復雜，除BEC_binned 誤差最大外，另外3 種資料在不同緯度帶各有不同表現(xiàn)，大體上誤差量級相當（表3-6）。

3 結(jié)論

鹽度是最重要的海洋學物理參數(shù)之一，對于大洋環(huán)流和海氣相互作用等海洋物理過程都有重要意義。但是，由于衛(wèi)星能夠測得的輻射亮溫對于鹽度的敏感度過低，鹽度的衛(wèi)星遙感非常困難，鹽度成為最后一個實現(xiàn)衛(wèi)星遙感監(jiān)測的重要海表物理參數(shù)。直到2009年11月，第一顆鹽度遙感衛(wèi)星SMOS 才成功發(fā)射，并開始提供覆蓋全球范圍的、空間均勻分布、時間上連續(xù)的海表鹽度產(chǎn)品，大大彌補了之前的海洋觀測系統(tǒng)對海洋鹽度觀測的不足。

但是，在對這種新資料進行使用之前，首先必須搞清楚以下幾個問題：該資料的精度如何，其誤差在全球不同區(qū)域有何不同特征，造成這些特征的原因是什么？特別是鑒于鹽度衛(wèi)星遙感的困難以及各種噪音的影響，對SMOS SSS 資料的系統(tǒng)檢驗更是極其必要的。

本文通過與WOA09 資料以及Argo 資料進行對比，對5 種最新的經(jīng)過再處理的SMOS SSS L3/4級產(chǎn)品進行了檢驗分析。主要結(jié)論如下：

（1） 定性來看，SMOS年平均海表鹽度場與WOA09 資料非常接近，一些已知的重要的分布形勢都有所體現(xiàn)；但在一些地區(qū)，也存在比較顯著的差異。

（2） 對SMOS CEC_mon_1 SSS 資料與Argo 資料的偏差的統(tǒng)計表明，，其分布接近正態(tài)分布，3年的平均偏差為-0.028，接近無偏，但最大偏差超過2。誤差標準差為0.385，偏度系數(shù)為-0.96，分布的非對稱性并不顯著。

（3） 隨著時空分辨率的降低，SMOS SSS 資料的均方根誤差顯著減小。

（4） 大洋中部誤差較小，近陸誤差大；三大洋中太平洋均方根誤差最??；熱帶誤差較小，高緯地區(qū)誤差最大。高緯地區(qū)的大誤差，與低溫有關(guān)，亮溫對鹽度的敏感度隨溫度降低而降低，在海冰附近與“海冰污染”（由海冰和海洋的不同輻射特性造成） 有關(guān)，而南大洋地區(qū)的大誤差還與大風造成的惡劣海況有關(guān)，在海表粗糙度等級較高時，SSS 的反演也不準確。而在北大西洋、北太平洋、北印度洋等誤差最大區(qū)域，除了“近陸污染”（由陸地和海洋的不同輻射特性造成） 的原因之外，更重要的原因在于人為無線電頻率干擾（RFI） 的影響。（Martin -Neira et al， 2011； CATDS -CECOS，2011，2012；Jean-Luc et al，2014）

（5） BEC_binned 資料均方根誤差最大，全球平均0.5～0.6，近陸20°～30°的范圍以及南極繞極流區(qū)RMSE 都在0.4 以上。其他4 種資料的均方根誤差量級相當，差異不太明顯，全球平均的RMSE在0.3-0.4。CEC_mon_1 資料誤差最小，全球平均RMSE 為0.314；另外幾種高分辨率產(chǎn)品中，BEC的兩種分析產(chǎn)品總體上RMSE 更小。

（6） BEC3 種資料的平均偏差空間分布形勢相近，CEC 兩種資料的空間分布形勢也相近。但二者之間存在比較明顯的差別。

Barcelona Expert Center, 2014a. Quality Report:Validation of SMOSBEC products from 2013001 re-processing campaign.Years 2010-2013 dataset.http://cp34-bec.cmima.csic.es/doc/BEC-SMOS-0005-QR.pdf,2013-3-20.

Barcelona Expert Center, 2014b. SMOS-BEC Ocean and Land Products Description.http://cp34-bec.cmima.csic.es/doc/BEC-SMOS-0001-PD.pdf,2014-5-28.

Beno?t T,Charles-Emmanuel T,Lionel R,et al,2008.Expected impact of the future SMOS and Aquarius Ocean surface salinity missions in the Mercator Ocean operational systems:New perspectives to monitor ocean circulation.Remote Sensing of Environment,112 (4):1 476-1 487.

Boutin J, Martin N, Yin X, et al, 2012. First Assessment of SMOS Data Over Open Ocean:Part II-Sea Surface Salinity. IEEE Transactions on Geoscience and Remote Sensing,99:1-18.

Brassington G B, Divakaran P, 2009. The theoretical impact of remotely sensed sea surface salinity observations in a multi-variate assimilation system.Ocean Modelling,27:70-81.

CATDS-CECOS Team (Nicolas Reul, et al.), 2011. SMOS Level 3 SSS Research products -Product Validation Document (Reprocessed Year 2010). ftp://eftp.ifremer.fr/salinity/documentation/, 2013-3-14.

CATDS-CECOS Team (Nicolas Reul, et al.). 2012. SMOS Level 3 SSS ResearchProducts-ProductsUserManual (ReprocessedYears2010-2012).ftp://eftp.ifremer.fr/salinity/documentation/,2013-3-14.

Chen J,Zhang R,Wang H,et al,2014.An Analysis on the error structure and mechanism of SMOS remotely sensed sea surface salinity products.Acta Oceanologica Sinica,33(1):48-55.

CP34. 2008. Detailed Processing Model for SMOS CP34 OS L3 Processors.http://www.cp34-users.cmima.csic.es/light_web/documentation,2012-08-01.

Jean-Luc Vergely, Boutin J, Reul N, 2014. SMOS OS Level 3 Algorithm Theoretical Basis Document (v272). http://www.catds.fr/content/download/78841/1005020/file/ATBD_L3OS_v1.0.pdf,2014-7-3.

Jordà G,Gomis D,2010.Accuracy of SMOS Level 3 SSS products related to observational errors. IEEE Trans Geosci Remote Sens, 48(4):1694-1701.

Jordà Gl,Gomis D,Talone M,2011.The SMOS L3 mapping algorithm for sea surface salinity. IEEE Trans Geosci Remote Sens, 49(3):1032-1051.

Jordi Font,Adriano Camps,Andres Borges,et al,2010.SMOS:The Challenging Sea Surface Salinity Measurement From Space.Proceedings of the IEEE,98(5): 649-665.

Martin-Neira M, Corbella I, Torres F, et al. 2011. Overview: MIRAS instrument performance and status of RFI. http: //earth.eo.esa.int /workshops /smos _ science _ workshop / SESSION_1_ INSTRUMENTS /M.M.Neira_Overview_MIRAS_Instrument_ Status_ RFI.pdf,2011-11-30.

Reul N, Tenerelli J, Boutin J, et al, 2011.First SSS products from SMOS generated at the Centre Aval des Donnees SMOS. http: //earth.eo.esa.int/workshops/smos_science_ workshop/ SESSION_3_OCEAN_SALINITY/N.Reul_SMOS_1st_SSS_Products.pdf, 2011-11-30.

Thierry Carval, Bob Keeley, Yasushi Takatsuki, et al, 2014. Argo User′s manual version3.1. http: //www.argodatamgt.org/content/download/22546/155488/file/argo-dm-user-manual-v3.1.docx,2014-7-20.

Yin X, Boutin J, Martin N, et al. 2011. Sea surface roughness and foam signature onto SMOS brightness temperature and salinity. http: //earth.eo.esa.int/workshops/smos_science_workshop/SESSION_3_OCEAN_SALINITY/X.Yin_SMOS_brightness_temperature_salinity.pdf,2011-11-30.

陳建，2014.基于多源資料的三維溫鹽場重構(gòu)和鹽度時空特征研究.南京：中國人民解放軍理工大學博士學位論文.