0 引言

海表温度（Sea Surface Temperature，SST） 是地球气候系统研究、天气预报和海洋学研究的重要参数^[1]，是理解、量化和预测海洋与大气之间相互作用的基本物理量^[2]。早期的 SST 测量依赖于船舶观测^[3]，观测仪器经历了从最初的木桶发展到船体传感器^[4]，但船测成本高昂，且测量出的数据在时间和空间上的连续性不足^[5]。遥感具备大范围、持续观测优势，能够对大尺度海洋进行高时间分辨率持续观测，以提供长时间序列、高空间覆盖度的 SST^[6]。海洋一号 C 星（HY-1C） 是海洋 1 系列的第 3 颗星，相较于 HY-1A、HY-1B，观测精度和观测范围显著提升^[7]。其上搭载了海洋水色水温扫描仪（China Ocean Color &Temperature Scanner，COCTS），可实现海洋水色要素、SST 的全球海洋观测^[8]。

精确测量 SST 对于海洋环境研究、气候变化研究与应对及海洋生态环境保护具有重要意义。国内已有较多学者开始关注海洋卫星数据的精度和偏差校正问题。有关 HY-1C SST 对 MODIS 同类产品的可替代性问题，毛志华^[9]等使用 HY1C 和 HY1D 的全球热红外遥感数据反演 SST，并与 Terra 和 Aqua 的数据产品进行对比，讨论了其对 MODIS 产品的可替代性问题。其研究结果表明 COCTS 的多种 SST 产品都表现出对 MODIS 同类产品具有良好的一致性和可替代性。还开展一些关于 SST 模式预报校正工作，刘波^[10]等尝试通过线性回归模型和长短期记忆神经网络对 SST 数值预报结果进行校正，结果表明 2 种方法均可以改善预报结果，长短期记忆神经网络相对于线性回归模型效果更好。韩玉康^[11]等尝试一种通过自回归模型进行模式预报订正的方法，模式误差在很大程度上得到消减，订正效果明显。张培军^[12]等利用 GHRSST 数据和南海业务数值预报 SST 产品的偏差，校正下一时刻的预报结果，降低了模式偏差。李佰平^[13]等根据模式已有的预报结果，结合观测资料采取一元线性回归订正方法、多元线性回归订正方法、单时效消除偏差方法、多时效消除偏差 4 种订正方法，并对比了 4 种方法的结果，最后得出可采取分时效对单模式预报结果进行后处理的方案。除此之外，还有学者对水汽产品进行误差分析和校正，孙浩^[14]等通过分析海洋二号卫星（HY-2A）校正微波辐射计（CMR）水汽产品数据精度的时空分布特征，对极地海域陆地和海冰异常水汽数据进行了误差分析和线性偏差校正。对温度数据进行分析和校正在气象学中也有相关研究，尹珊^[15]等应用滑动平均误差订正方法和历史偏差订正方法，对欧洲天气预报中心的数值模式延伸期温度预报进行误差订正。结果发现，在 15 d 内的延伸期预报时效上，2 种订正方法对温度预报的订正效果差异并不明显。随着时效的延长，历史偏差订正方法的优势逐渐显现。已开展的国产卫星评估与订正工作表明，国产 SST 数据精度与国际同类卫星仍存在差异，有必要开展数据的评估与校正工作^[16-17]。

目前对 HY-1C SST 产品的数据评估与校正工作开展较少，其与国际同类卫星数据的差别以及可提升水平亟需研究在“一带一路”沿线的东南亚海域显得尤为重要 ^[18]。本文对比了 HY-1C COCTS、AVHRR、MODIS-Aqua、MODIS-Terra 和 VIIRS SST 在东南亚海域的精度水平，并基于 VIIRS SST 数据，利用 3 种校正方法开展了 HY-1CSST 数据的校正工作。本研究对于提升中国卫星 SST 数据质量和推广数据在东南亚国家的应用具有实际意义。

1 数据与处理

本文采用的是 2020 年的 HY-1C COCTS、 AVHRR、MODIS-Aqua、MODIS-Terra 和 VIIRS SST 遥感数据。

HY-1C SST 产品可从国家卫星海洋应用服务中心（NSOAS）的海洋卫星数据分发系统（Ocean Satellite Data Distribution System，OSDDS）免费获取。本研究使用的每日 9 km SST 数据来源于 COCTS 3A 级标准产品。AVHRR 是 NOAA 系列气象卫星上搭载的传感器，从 1979 年 TIROS-N 卫星发射以来，NOAA 系列卫星的 AVHRR 传感器就持续进行着对地观测任务。MODIS 是搭载在 NASA 的 Terra（EOS AM）和 Aqua（EOS PM） 卫星上的中分辨率成像光谱仪，Terra 卫星于 1999 年 12 月 18 日发射成功，从北向南于地方时 10︰ 30 左右通过赤道，Aqua 卫星于 2002 年 5 月 4 日发射成功，从南向北于地方时 13︰30 左右通过赤道，两颗星相互配合每 1~2 d 可重复观测整个地球表面，得到 36 个波段的观测数据。VIIRS（Visible Infrared Imaging Radiometer）是搭载在 2011 年 10 月 28 日发射的 NPP 卫星上的可见光红外成像辐射仪，是 NASA 对 AVHRR 和 MODIS 系列的拓展与改进。NASA 数据网站 Ocean Color Web 提供 MODIS-Aqua、MODIS-Terra 和 NPP VIIRS 的每日 SST 数据，NODC（National Oceanographic Data Committee of the Netherlands）可开源获取 AVHRR 数据。5 种卫星传感器的轨道倾角及空间分辨率见表1。

本文使用 2020 年全年的东南亚海域 ARGO 温度数据验证红外辐射计 SST 数据的精度。首先从原始浮标数据中提取需要的信息，包括经度、纬度、儒略历时间、SST、测量深度和质量标记等。将儒略历转换为公历，并计算当天的小时数，该转换用于设置时间窗口进行时空匹配，筛选南纬 20°~北纬 25°、东经 70°~150°之间且质量标记位为 1 的 ARGO 浮标数据，并将测量深度大于 10 m、温度值在–2.5~40℃以外的温度值设为 Nan。考虑到深度在 0~1 m 的浮标数据太少，因此选取 0~10 m 深度的浮标数据，以保证数据分析具有统计意义。

2 红外 SST 数据精度评估

红外 SST 与浮标实测数据匹配点位置见图1。由图可见，匹配点主要分布在东印度洋和西太平洋海域，南海周边海域匹配点较少，这与 ARGO 的分布情况有关。其中，匹配点多为负偏差点（蓝色点），较大的负偏差值主要集中在南纬 20°~南纬 10°之间，而正偏差值（红色点）主要位于南纬 10°~北纬 10°之间的印度洋海域。较大偏差点是由于红外辐射计测量的表层温度与浮标测得的水下温度差异导致的，水下温度较为稳定，表层温度与太阳高度角有关。赤道地区白天受高温影响导致表层温度大于浮标温度，因而赤道地区白天有较大正偏差，纬度稍高地区夜晚较为凉爽导致表层温度小于浮标温度，因而呈现出明显的负偏差。HY-1C 与 ARGO 的偏差相较于其他同类卫星明显偏大。

红外辐射计白天、夜晚 SST 的误差统计结果如表2 所示，表中统计了在东南亚地区 5 种红外辐射计在白天和夜晚的平均偏差 Bias、标准差 Std、均方根误差 RMSE 以及相关系数 R。总体上，5 种红外辐射计平均偏差均为负偏差，且各辐射计夜晚平均偏差绝对值均大于白天。

MODIS-Aqua 白天和 VIIRS 白天平均偏差最小，分别为–0.1℃、–0.12℃，MODIS-Aqua 白天平均偏差优于夜晚。MODIS-Terra 夜晚标准差最大，为 0.6℃，均方根误差同样较大，达到 0.71℃，与图1（f）中表现出有明显的较大偏差点一致。4 种国外卫星与 ARGO 匹配散点图见图2，综合图表，能够发现 MODIS-Terra 夜晚平均偏差、标准差、均方根误差均大于白天数据，MODIS-Terra 白天数据优于夜晚数据，VIIRS 夜晚标准差、均方根误差均小于白天数据，VIIRS 夜晚数据优于白天数据。4 种卫星提供的 SST 数据在东南亚地区与 ARGO 数据相关性较好，其中 VIIRS 数据质量最佳。而 HY-1C 白天的平均偏差、标准差和均方根误差分别为–0.73℃、1.38℃和 1.56℃，夜晚数据质量低于白天，偏差分别为–0.95℃、1.57℃和 1.83℃， HY-1C 匹配散点图见图3，综合来看，HY-1C 与其他同类产品有一定差距。

为了衡量国产 HY-1C 卫星与其他卫星的偏差的时间变异性，分别计算了 2020 年单星红外辐射计与 ARGO 浮标 SST 匹配数据逐月的平均偏差、标准差以及均方根误差，月变化图见图4。AVHRR 与 ARGO数据的白天平均偏差在–0.45~–0.16℃之间浮动，标准差范围 0.43~0.59℃，均方根误差范围 0.49~0.7℃，而夜晚平均偏差、标准差和均方根误差分别在–0.51~–0.21℃、0.40~0.52℃和 0.49~0.7℃之间浮动，白天、夜晚月偏差差异不大。从图中能够发现，AVHRR、MODIS-Aqua、MODIS-Terra 以及 VIIRS 随月份的变化差异不明显。从均方根误差和标准差来说，MODIS-Aqua 和 VIIRS 最为稳定，就白天而言，MODIS-Aqua 的标准差和均方根误差分别为 0.49~0.62℃、0.51~0.63℃，而 VIIRS 分别为 0.47~0.62℃、0.50~0.63℃。

与图4（a）~（h）相比，HY-1C SST 的月偏差情况与国际卫星数据存在差距，且下半年的误差略大于上半年，夜晚偏差大于白天。HY-1C SST 与 ARGO 白天平均偏差、标准差和均方根误差分别位于–1.03~–0.39℃、1.24~1.53℃、1.32~1.81℃之间，而夜晚在–1.38~–0.48℃、1.37~1.64℃、1.61~2.14℃范围内。HY-1C 的月偏差随月份的增大有明显变大的趋势，月偏差主要为负值。HY-1C SST 与国际同类卫星 SST 数据的反演精度尚存在差距，对 HY-1C SST 开展校正工作势在必行。

通过一系列对比分析，VIIRS 卫星数据与 ARGO 浮标观测数据无论是在白天还是夜晚都具有最小的误差；在夜晚，VIIRS 卫星数据在东南亚地区相较于其他同类卫星都表现为较小的偏差，且偏差随月份的变化差异不明显。因此，下文基于 VIIRS SST 数据开展对 HY-1C SST 的数据校正工作。

3 基于 VIIRS 的 HY-1C SST 数据校正

3.1 卫星交叉比较

VIIRS SST 数据分辨率为 4 km，将 HY-1C 与 VIIRS SST 数据进行交叉验证时，通过双线性插值方式将 VIIRS SST 每日数据（白天和夜晚）插值到与 HY-1C 数据统一的 9 km 分辨率的经纬度网格中。根据统一网格化的 HY-1C 和 VIIRS SST 每日数据计算得到月均 SST 数据，2020 年 HY-1C 和 VIIRS 月均 SST 白天、夜晚平均偏差、标准差分布情况见图5。

由图可知，HY-1C 与 VIIRS 差值大部分区域为负值，表明 HY-1C 数值较 VIIRS 偏小，白天在中国南海附近平均偏差绝对值较大（纬度范围在南纬 10°~北纬 10°），夜晚在南纬 20°~10°的印度洋海域平均偏差绝对值最大。图5（b）、5（d）显示了赤道附近、孟加拉湾及南海区域的较大标准差。鉴于 HY-1C 偏差的分布特点，下文对该区域进行细分，进而对不同区域发展不同的校正关系，以提高 HY-1C 的数据精度。

为探究 HY-1C 与 VIIRS SST 之间差异的季节相关性，分别计算了 2 种卫星白天、夜晚月均 SST 数据在东南亚海域有效网格点的平均偏差、标准差和均方根误差，统计结果见表3。

由表3 可得，HY-1C 与 VIIRS SST 之间平均偏差均为负值，白天夜晚分别在–0.69~–0.37℃、 –0.80~–0.16℃波动，表明 HY-1C SST 较 VIIRS 偏小，有明显季节趋势。而 HY-1C SST 均方根误差白天和夜晚分别在 0.69~0.98℃和 0.59~1.11℃之间，下半年均方根误差较上半年大，夜晚均方根误差明显大于白天，其中 12 月份夜晚平均偏差、标准差及均方根误差均最大，达–0.8℃、0.76℃和 1.11℃。下文针对 HY-1C SST 按照月份以及分白天、夜晚开展细化校正研究。

为探究 SST 对偏差的影响，进一步开展了不同 SST 范围下的 HY-1C SST 偏差研究，HY-1C、 VIIRS 年平均 SST 的空间分布情况见图6。VIIRS 和 HY-1C SST 均值分别为 28.65℃、28.19℃，而两者范围分别在 25.32~31.92℃、24.67~31.63℃之间。

依照 HY-1C SST 数据每间隔 1℃进行分段，采用 HY-1C、VIIRS 月平均 SST 数据开展匹配分析，并计算不同 SST 段的平均偏差、标准差、均方根误差和匹配点数目，统计结果见表4。匹配数据量的多少主要受匹配的时间窗口大小影响，本研究设置的时间窗口大小为 12 h/10 km，且由于 HY-1C 扫描幅宽较大，表中 HY-1C 白天的匹配数据量高于其他卫星，也高于夜晚的匹配数据量。将匹配数量少的异常点剔除后，选择 16~34℃作为有效 SST 数据，以 1℃为间隔，将该范围分成 18 段，以对 HY-1C SST 数据开展校正研究。

HY-1C SST 偏差随 SST 范围变化图见图7。结果发现，HY-1C 白天夜晚平均偏差在 SST 位于16~30℃范围内均为负值，31~34℃范围内为正值，表明 HY-1C 在低温情况下较真实值数值偏小，在高温情况下数值偏大。在 16~23℃范围内 HY-1C 白天均方根误差随着 SST 的增大而增大，在 23~34℃范围内呈现出先减小后增大的规律。

3.2 SST 月平均差值校正

根据 3.1 节对不同月份 HY-1C SST 的误差分析，HY-1C 卫星 SST 存在显著的季节趋势，针对不同月份卫星之间偏差的规律性，依照月份计算了 HY-1C 月均 SST 订正值，计算公式见式（1）。将该月均 SST 订正值应用于 HY-1C SST 对应月份的每日数据中，得到校正后的结果。

式中：i 为网格位置；B_HC 为 HY-1C 的 SST 订正值，℃；S_V 和 S_HC 分别为 VIIRS 卫星和 HY-1C 卫星的月均 SST 值，℃。

为开展对比分析，计算了 HY-1C 和 VIIRS 卫星的年均 SST 差值，将其作为 HY-1C 卫星的固有偏差，应用到全年每日数据中。选用与 HY-1C 相同的时空窗口，基于 ARGO 数据开展质量评测，校正前后误差统计结果见表5。

表5 显示了 HY-1C 校正后的误差统计结果，可以看到校正后的平均偏差有明显的降低，对于年平均校正与月平均校正，白天、夜晚平均偏差绝对值降低幅度均超过 0.4℃。此外，均方根误差也有一定的降低。其中，通过年平均校正方法，白天的均方根误差降低了 11.46%，夜晚的均方根误差降低了 14.01%；而月平均校正方法白天均方根误差降低了 17.4%，夜晚降低了 19.38%。表明：通过月平均校正方法，HY-1C 能够获得更为明显的成效。

3.3 SST 分区域校正

由于 HY-1C SST 偏差的季节相关性，采用逐月对 VIIRS 与 HY-1C SST 匹配数据进行校正的方法，不同于月均差值校正，该方法将 HY-1C SST 数据作为自变量，VIIRS SST 作为因变量，利用最小二乘线性回归方法计算得到两者之间的经验模型，进而利用模型计算出修正后的 HY-1C SST，并通过 ARGO 数据评估数据修正前后的质量。 HY-1C 逐月回归模型见式（2）。

式中：S_HC 为 HY-1C SST 观测值，℃；$S_{\mathrm{H}\mathrm{C}}{}^{\mathrm{\text{'}}}$为 HY-1C SST 修正值，℃；α 和 β 为模型的系数。模型系数 α 和 β 可通过最小二乘法得到。

式中：S_HC 为 HY-1C 卫星 SST 值，℃；S_V 为对应网格的 VIIRS SST 值，℃；n 为匹配点个数；S_V 和 S_HC 代表 S_V 和 S_HC 的均值，℃。

HY-1C SST 最小二乘法线性校正模型参数值见表6，将模型应用到 2020 年全年每日 HY-1C SST 数据中以对其进行校正。同时，基于 3.1 节研究区内偏差的时空分布情况，将东南亚研究区的范围进行了划分，对 HY-1C 分区域校正的区域细化分布情况见图8。为衡量 HY-1C SST 校正效果，利用 ARGO 数据与校正后（整个研究区及分区域）的 SST 开展时空匹配，对匹配结果进行误差分析来评估校正前后数据质量，误差统计结果见表7。

结果表明：最小二乘全区域线性校正方法对 HY-1C 精度有提高。白天和夜晚的平均偏差分别降到–0.083 2℃、–0.321 4℃，而均方根误差分别降到了 1.226 6℃、1.313 4℃，降低幅度超过0.3℃，相较于校正前分别降低了 21.35%、28.31%。 HY-1C SST 分区域校正后白天、夜晚的平均偏差分别为–0.135 2℃、–0.347 3℃，均方根误差分别为 1.052 4℃、1.061 8℃，相较于校正前精度提升显著，均方根误差分别降低了 32.52%、42.04%，夜晚数据较之前不划分区域校正，均方根误差改善了 0.251 6℃。综合来看，分区域校正方法的效果最优，夜晚数据提升最为显著，对于校正前夜晚数据质量明显低于白天的问题得到了改善，使得 HY-1C 白天和夜晚数据质量更为均衡。

3.4 SST 分段校正

基于 3.1 节的研究，将 HY-1C SST 范围分为 18 段（SST 范围为 16~34℃，每段间隔 1℃），由于月份与偏差的相关性，依据月份和 SST 数值划分不同的分段，获取不同分段的线性修正模型，并将模型应用于 2020 年全年 HY-1C 每日数据（白天、夜晚）中，得到 HY-1C 修正数据集。利用 ARGO 观测数据进行精度评估，误差统计结果见表8。

3.5 结果比较

基于 VIIRS SST 数据，利用 3 种校正方法开展了 HY-1C SST 数据校正，HY-1C SST 校正前后利用 ARGO 实测 SST 评估结果见图9 和图10。3 种方法校正后与 ARGO 散点图比校正前更聚拢，但仍存在较多大偏差点。其中分区域校正效果最好，散点在 y=x 两侧分布较为均匀，直方图向中心聚合，标准差、均方根误差接近 1℃。

4 结束语

利用 ARGO 实测温度数据，评估了 AVHRR、 MODIS-Aqua、MODIS-Terra、VIIRS、HY-1C COCTS 等星载红外辐射计 SST 数据，分析了中国 HY-1C SST 与国际同类卫星 SST 的差异。利用 VIIRS SST，通过 3 种校正方法（月平均差值校正、分区校正、温度分段校正）对 HY-1C SST 进行了校正。主要结论如下。

红外 SST 数据精度评估结果表明：AVHRR、 MODIS-Aqua、MODIS-Terra、VIIRS SST 与 Argo 观测数据的相关系数优于 0.93，均方根误差优于 0.71。与其他同类红外 SST 数据相比，VIIRS 精度最高，表现为在白天和夜晚均具有最小的均方根误差，相关系数优于 0.95，夜晚的相关系数可达 0.97。 HY-1C SST 白天的平均偏差、均方根误差分别为 –0.73℃、1.38℃和 1.56℃，夜间数据偏差分别为–0.95℃、1.57℃和 1.83℃，与 AVHRR、 MODIS-Aqua、MODIS-Terra 和 VIIRS 的数据精度存在显著差异。

基于 VIIRS SST，使用 3 种校正方法对 HY-1C SST 进行了校正。对比 3 种校正方法结果，HY-1C SST 分区域校正后相较于校正前质量提升最明显，标准差、均方根误差接近 1℃，夜晚均方根误差比校正前降低了约 0.8℃，白天和晚上均方根误差分别降低了 32.52%、42.04%，同时改善了校正前夜晚质量明显低于白天的问题。

参考文献