| 全球海洋次表层温度异常遥感反演的季节时空变化特征 |
| |
| 引用本文： | 杨欣,苏华,黎文娥,黄琳瑾,汪小钦,严晓海.全球海洋次表层温度异常遥感反演的季节时空变化特征[J].遥感学报,2019,23(5):997-1010. |
| |
| 作者姓名： | 杨欣 苏华 黎文娥 黄琳瑾 汪小钦 严晓海 |
| |
| 作者单位： | 福州大学 卫星空间信息技术综合应用国家地方联合工程研究中心 空间数据挖掘与信息共享教育部重点实验室, 福州 350116,福州大学 卫星空间信息技术综合应用国家地方联合工程研究中心 空间数据挖掘与信息共享教育部重点实验室, 福州 350116,福州大学 卫星空间信息技术综合应用国家地方联合工程研究中心 空间数据挖掘与信息共享教育部重点实验室, 福州 350116,福州大学 卫星空间信息技术综合应用国家地方联合工程研究中心 空间数据挖掘与信息共享教育部重点实验室, 福州 350116,福州大学 卫星空间信息技术综合应用国家地方联合工程研究中心 空间数据挖掘与信息共享教育部重点实验室, 福州 350116,厦门大学-美国特拉华大学近海海洋研究与管理联合研究所, 厦门 361005 |
| |
| 基金项目： | 国家自然科学基金（编号：41971384，41601444，41630963）；福建省高校杰出青年科研人才培育计划（编号：KJ2017-17）；福建省自然科学基金（编号：2017J01657）；海西政务大数据应用协同创新中心资助（编号：2015750401）；中央引导地方科技发展专项（编号：2017L3012） |
| |
| 摘 要： | 卫星遥感反演海洋内部多时相、大尺度热力结构信息对于了解海洋内部复杂、多维的动力过程有重要意义。本文采用随机森林回归模型，利用卫星遥感观测的海表参量（海表高度异常（SSHA）、海表温度异常（SSTA）、海表盐度异常（SSSA）和海表风场异常（SSWA）），反演不同季节、不同深度层位（1000 m深度以上）的海洋次表层温度异常（STA），并用Argo实测数据作精度验证，采用均方根误差（RMSE）、归一化均方根误差（NRMSE）以及决定系数（R2）评价模型在全球及洋盆尺度上的反演精度。结果显示，全球海洋16个深度层位的平均R2在春、夏、秋、冬四季分别为0.53、0.60、0.54、0.66，NRMSE分别为0.051、0.031、0.043、0.044。随着季节的变化，模型反演性能有所波动。模型在印度洋的反演效果最佳，不同季节、不同深度层位上的平均R2和RMSE分别为0.71和0.18 ℃，而大西洋的反演精度最低，平均R2和RMSE分别为0.46和0.25 ℃。研究表明随机森林模型适用于全球不同季节的STA遥感反演，且在不同洋盆上均有较好的反演效果；不同季节上，上层STA有明显变化信号，空间异质性显著，但300 m以深，STA信号较弱且基本不随季节变化。本研究可为长时序、大尺度海洋内部参量信息遥感反演与重建提供依据，有助于进一步发展深海遥感方法。
|
| 关 键 词： | 遥感 全球海洋次表层 温度异常 随机森林 遥感反演 季节时空变化 |
| 收稿时间： | 2018/10/9 0:00:00 |
Seasonal-spatial variations in satellite-derived global subsurface temperature anomalies |
| |
| Institution: | Key Laboratory of Spatial Data Mining and Information Sharing of Ministry of Education, National & Local Joint Engineering Research Center of Satellite Geospatial Information Technology, Fuzhou University, Fuzhou 350116, China,Key Laboratory of Spatial Data Mining and Information Sharing of Ministry of Education, National & Local Joint Engineering Research Center of Satellite Geospatial Information Technology, Fuzhou University, Fuzhou 350116, China,Key Laboratory of Spatial Data Mining and Information Sharing of Ministry of Education, National & Local Joint Engineering Research Center of Satellite Geospatial Information Technology, Fuzhou University, Fuzhou 350116, China,Key Laboratory of Spatial Data Mining and Information Sharing of Ministry of Education, National & Local Joint Engineering Research Center of Satellite Geospatial Information Technology, Fuzhou University, Fuzhou 350116, China,Key Laboratory of Spatial Data Mining and Information Sharing of Ministry of Education, National & Local Joint Engineering Research Center of Satellite Geospatial Information Technology, Fuzhou University, Fuzhou 350116, China and Xiamen University/University of Delaware Joint Institute for Coastal Research and Management (Joint-CRM), Xiamen University, Xiamen 361005, China |
| |
| Abstract: | |
| |
| Keywords: | remote sensing global ocean subsurface temperature anomaly Random Forest remote sensing inversion seasonal-spatial variation |
|
| 点击此处可从《遥感学报》浏览原始摘要信息 |
| 点击此处可从《遥感学报》下载免费的PDF全文 |
|
